STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.

Slides:



Advertisements
Presentasi serupa
Analisis Data Berkala A. PENDAHUlUAN
Advertisements

STATISTIKA CHATPER 8 (FORECASTING / PERAMALAN)
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS RUNTUT WAKTU.
Peramalan (Forecasting)
ANALISIS DATA BERKALA.
PERAMALAN DENGAN TREND
PERAMALAN /FORE CASTING
Metode Least Square Data Ganjil
Statistika Deskriptif Bina Sarana Informatika Jl. Kaliabang No. 8 Perwira Bekasi Statistika Deskriptif WEB KELOMPOK Analisa Data Berkala Metode.
Metode Semi Average (Setengah rata-rata) NAMA. :ERNI INDRIYANI NIM
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Tekhnik Proyeksi Bisnis
REGRESI LINEAR.
Bab IX ANALISIS DATA BERKALA.
REGRESI DAN KORELASI.
Analisa Data Berkala dengan Metode Least Square
PERAMALAN “Proyeksi Tren”
Manajemen Operasional
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
DERET BERKALA DAN PERAMALAN
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
Korelasi dan Regresi Aria Gusti.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
Analisis Time Series.
STATISTIK INDUSTRI MODUL 8
PERAMALAN DENGAN GARIS REGRESI
Manajemen Operasional (Peramalan Permintaan)
ANALISIS DERET BERKALA dengan METODE SEMI AVERAGE
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
ANALISIS DATA BERKALA.
Metode Semi Average (Setengah rata-rata) NAMA. : NENENG FATIHATU R NIM
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
Metode Semi Average (Setengah rata-rata) NAMA. : DWI INDAHSARI NIM
Nama : Mochammad Zaki Mubarok Kelas : 11. 2A. 05 NIM :
Metode Semi Average (Setengah rata-rata)
Metode Semi Average (Setengah rata-rata)
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
LINDA ZULAENY HARYANTO
Statistika Deskriptif Bina Sarana Informatika Jl. Kaliabang No. 8 Perwira Bekasi Statistika Deskriptif WEB KELOMPOK Analisa Data Berkala Metode.
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Metode Least Square Data Genap
DERET BERKALA DAN PERAMALAN
PRENSENTATION KELOMPOK 10
Moving Average Dimas Aryo Wibowo B.04.
Metode Semi Average (Setengah rata-rata)
Tugas Statistika Deskriptif
Tugas Moving Average Rani Wahyuningsih B.04.
Metode Semi Average (Setengah rata-rata)
11.2A.05 Komputerisasi Akuntansi
Data Genap Kelompok Komponen Genap
Tugas Moving Average Nama :Yanurman giawa Nim No.Absen : 05.
06 Analisis Trend Analisis deret berkala dan peramalan
Manajemen Operasional
DERET BERKALA DAN PERAMALAN
Statistika Deskriptif Bina Sarana Informatika Jl. Kaliabang No. 8 Perwira Bekasi Statistika Deskriptif WEB KELOMPOK Analisa Data Berkala Metode.
Manajemen Operasional
Metode Semi Average (Setengah rata-rata) NAMA. : DWI INDAHSARI NIM
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
Korelasi dan Regresi Aria Gusti.
Korelasi dan Regresi Aria Gusti.
STATISTIKA DESKRIPTIF
DERET BERKALA DAN PERAMALAN
Transcript presentasi:

STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square

11.2A.04 1. Mira Minarti 11141283 miraaminarti.wordpress.com 2. Fitri Nurhatikoh 11141292 fitrinurhatikoh.wordpress.com 3. Sarah Sella Santika 11141400 sarahsellasantika.wordpress.com 4. Agustina Supriyatin 11141428 agustinas25.wordpress.com 5. Mega Epilia Afriyani 11142437 megaepilliaapriyani.wordpress.com 6. Linda Zulaeni Haryanto 11142439 lindazulaeniharyanto.wordpress.com

PRENSENTATION KELOMPOK 10 Sukses…!! Amienn..!! Di susun oleh : MIRA MINARTI 11141283 11.2A.04 miraaminarti.wordpress.com

Pengertian Metode Least Square merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut. SEMANGAT

PEMBAHASAN Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti. Persamaan garis trend yang akan dicari ialah (Y ‘ = a 0 +bx ) (a = ( ΣY) / n) (b = ( ΣYx) / Σ x 2) Y ‘ = data berkala (time series) = taksiran nilai trend. a0 = nilai trend pada tahun dasar. b = rata-rata pertumbuhan nilai trend tiap tahun. x = variabel waktu (hari, minggu, bulan atau tahun) Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau Σx = 0.

Ketentuan untuk data ganjil 1. Untuk n ganjil maka n= 2k+1 X k+1=0 Jarak antara 2 waktu diberi nilai satu satuan Diatas 0 diberi tanda negatif ( - ) Dibawahnya diberi tanda positif ( + )

Contoh Kasus Data Ganjil :

PENYELESAIN Secara umum persamaan garis linier dari analisis time series adalah : Y = a + b X. Untuk mencari nilai a dan b adalah sebagai berikut : a = 554/ 9 = 61,55 b = 1092 / 60 = 18,2 Persamaan garis liniernya adalah : Y = 61,55 + 18,2 X Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 61,55+ (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 61,55 + 2002= 26175 artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 261,751unit.

و السلا م عيكم ور.وب مرا منرتي ١١١٤١٢٨٣

Metode Least Square Data Genap FITRI NURHATIKOH 11141292 11. 2A. 04 Metode Least Square Data Genap

Metode Least Square (kuadrat terkecil) merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang. Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti.

Rumus Mencari persamaan garis trend Y = α+bx  α = (∑У)/n   b =(∑Уx)/ ∑x2

Keterangan : Y = Data Berkala (Time Series) a = Nilai trend pada Tahun dasar b = Rata-rata pertumbuhan nilai Trend tiap tahun x = Variabel waktu (Hari, Minggu, Bulan atau Tahun) n = Jumlah data tiap kelompok

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau ∑x = 0. Untuk n genap maka n = 2k  X ½ [k+(k+1)] = 0 • Jarak antara dua waktu diberi nilai dua satuan. • Di atas 1 diberi tanda negatif • Dibawahnya diberi tanda positif.

Contoh Kasus Data Genap : Tabel : Ramalan Penjualan Handphone “X” (Dalam Unit) Fitri Cell Tahun 2002-2009 Tahun Y X YX X2 Y2 2002 20 2003 40 2004 98 2005 50 2006 75 2007 60 2008 82 2009 90 Jumlah 515

Hasil Tahun Y X YX X2 Y2 2002 20 -7 -140 49 400 2003 40 -5 -200 25 1600 2004 98 -3 -294 9 9604 2005 50 -1 -50 1 2500 2006 75 5625 2007 60 3 180 3600 2008 82 5 410 6724 2009 90 7 630 8100 Jumlah 515 611 168 38153

Contoh soal Data Genap : 1) Dengan menggunakan persamaan diatas, dapat diramalkan penjualan pada tahun 2012 adalah …. Y = a + bx = 64,37 + 3,63. 13 = 64,37 + 47,19 = 111,56 2) Dengan menggunakan persamaan diatas, dapat diramalkan penjualan pada tahun 1999 adalah…. = 64,37 + 3,63. (-13) = 64,37 + -47,19 = 17,18

Metode Least Square Data Ganjil Sarah Sella Santika 11141400

Metode Least Square kuadrat terkecil, dapat di pergunakan Metode least square atau metode kuadrat terkecil, dapat di pergunakan untuk Melakukan forecast penjualan atau melakukan peramalan pada masa yang akan datang. Dalam hal ini di khususkan Untuk membahas analisis time series, Karena perhitungannya lebih teliti. Metode Least square bisa dibagi menjadi 2 kasus Yaitu kasus data ganjil dan kasus data genap .

Rumus yang di gunakan dalam metode least square Y = a + bx a = ∑ y /n b = ∑xy / ∑x2 Ket : Y = Data Berkala a = nilai tren pada tahun dasar b = Rata-Rata pertumbuhan nilai tren tiap tahun x = variabel waktu (Hari, Bulan, Tahun)

Contoh Kasus Data Ganjil Tahun Penjualan X XY x2 Y2 (Y) 2000 80 2001 50 2003 40 2004 60 2005 70 2006 20 2007 30 JUMLAH  350

Menentukan Nilai X Untuk melakukan perhitungan diperlukan nilai variabel waktu (x), jumlah nilai variable waktu adalah nol atau ∑x=0.   Untuk n ganjil n= 2k+1 X k+1=0 Ø  Jarak antara 2 waktu diberi nilai satu satuan Ø  Diatas 0 diberi tanda negatif ( - ) Ø  Dibawahnya diberi tanda positif ( + )

2. Menentukan nilai XY Dengan cara mengalikan jumlah penjualan setiap tahun yang bersangkutan (Y) dengan parameter (X) 3. Menentukan nilai x2 Dengan Cara Mengkuadratkan 4. Menentukan nilai y2 Dengan cara mengkuadratkan parameter (Y)

Penyelesaian Kasus Data Ganjil       Tahun Penjualan X XY x2 Y2 (Y) 2000 80  -3  -240  9  6400 2001 50  -2  -100  4  2500 2003 40  -1 -40   1  1600 2004 60 0   0 2005 70 70  4900  2006 20  2 40   400 2007 30  3  90  900 JUMLAH  350 -180   28 16700 

Menentukan Nilai a dan b

Peramalan 1. Dengan menggunakan persamaan tersebut dapat diramalkan penjualan pada tahun 2010 Y = a + bx = 50 + 6,4285(6) = 50 + 38,571 = 88,571

STATISTIKA DESKRIPTIF Analisa Data Berkala dengan Metode Least Square

PENGGERTIAN METODE LEAST SQUARE CONTOH KASUS NILAI GENAP PROFIL PENGGERTIAN METODE LEAST SQUARE PEMBAHASAN CONTOH KASUS NILAI GENAP

Agustina Supriyatin NIM : 11141428 Kelas : 11.2A.04 No. Absen : 49

Metode Least Square ( Kuadrat Terkecil ) Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti. Persamaan garis trend yang akan dicari ialah : Y ‘ = a0 +bx a = (SY) / n b = (SYx) / Sx2 Dengan : Y ‘ = data berkala (time series) = taksiran nilai trend. a0 = nilai trend pada tahun dasar. b = rata-rata pertumbuhan nilai trend tiap tahun. x = variabel waktu (hari, minggu, bulan atau tahun). Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau Sx = 0.

Jarak antara 2 waktu diberi nilai dua satuan PEMBAHASAN No Tahun Penjualan (Y) 1 1995 130 2 1996 145 3 1997 150 4 1998 165 5 1999 170 6 2000 185 Untuk n genap maka n = 2k → X ½ [k+(k+1)] = 0   Jarak antara 2 waktu diberi nilai dua satuan   Diatas 1 diberi tanda negatif ( - ) Dibawahnya diberi tanda positif ( + )

Contoh Kasus Data Genap No Tahun Penjualan (Y) X YX X2 Y2 1 1995 130 -5 5 x 130 = -650 5 x 5 = 25 130 x 130 = 16900 2 1996 145 -3 -435 9 21025 3 1997 150 -1 -150 22500 4 1998 165 27225 5 1999 170 510 28900 6 2000 185 925 25 34225 Total 945 365 70 133875

Nilai a & b

TERIMAKASIH

STATISTIKA DESKRIPTIF Mega Epillia Afriani 11142437 12.2A.04

Metode LeastSquare Profil Atau disebut juga Metode Kuadrat Kecil. Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti. Pengertian Rumus Keterangan Contoh Soal

Rumus Mencari Persamaan Garis Trend Profil Y’ = α+bx, α = (∑У)/n b =(∑Уx)/ ∑x^2 Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x) sehingga jumlah nilai variabelwaktu adalah nol atau Sx = 0. Pengertian Rumus Keterangan Contoh Soal

Keterangan Profil Y ‘ = data berkala (time series) a = nilai trend pada tahun dasar. b = rata-rata pertumbuhan nilai trend tiap tahun. x = variabel waktu (hari, minggu, bulan atau tahun). n = jumlah data tiap kelompok Pengertian Rumus Keterangan Contoh Soal

Contoh Soal Profil Pengertian Rumus Keterangan Contoh Soal

Jadi ,

Nama : Linda Zulaeny Haryanto Kelas : 11.2A.04 NIM : 11142439

CONTOH SOAL METODE LEAST SQUARE DATA GENAP Tahun Penjualan (Y) X YX X2 1992 200 -5 -1000 25 1993 240 -3 -720 9 1994 245 -1 -245 1 1995 250 1996 255 3 765 1997 260 5 1300 Jumlah 1450 350 70

Keterangan Untuk mencari nilai x : Jarak antara dua waktu diberi nilai dua satuan Di atas 1 diberi tanda negatif Di bawah 1 diberi tanda positif

Untuk Mencari Nilai A Dan B