KRITERIA MEMILIH TREND

Slides:



Advertisements
Presentasi serupa
Kelompok 1 Flendy Yusak Manganguwi Agata Dionesia Endi
Advertisements

ANALISIS REGRESI (REGRESSION ANALYSIS)
REGRESI NON LINIER (TREND)
REGRESI LINIER SEDERHANA
Peramalan.
BETYARNINGTYAS CYNTHIA LA SARIMA MUH Tabrani Nuri NURWAHIDA VIEVIEN
Metode Peramalan (Forecasting Method)
TRENDS.
METODE PERAMALAN KUANTITATIF
BAB. 3. KONSEP POKOK DALAM ASPEK PASAR DAN PEMASARAN
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
PERAMALAN PENGELOLAAN DEMAND
DERET BERKALA (TIME SERIES) (2) – TREND NON-LINIER
(Guru Besar pada Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor) Lektor pada Fakultas Ekonomi Universitas Jambi © Bambang Juanda & Junaidi: Ekonometrika.
Grafik fungsi eksponensial dan logaritma
BAB IX Trend Trend merupakan gerakan yang berjangka panjang , lamban dan berkecenderungan menuju ke satu arah, menuju ke arah naik atau arah menurun. Penggambaran.
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Pertemuan 14 Regresi non linier
REGRESI (TREND) NONLINEAR
Pertemuan 9-10 Metode pemulusan eksponensial triple
ANALISIS TREND STATISTIK DESKRIPTIF
PERAMALAN DENGAN TREND
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
MACAM-MACAM FUNGSI Matematika Ekonomi.
ANALISIS REGRESI DAN KORELASI
Regresi Linear Dua Variabel
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
TREND LINIER SIP-Sesi8.
REGRESI LINIER SEDERHANA
Regresi Non-Linier Metode Numerik
Regresi Linier Metode Numerik Oleh: Ir. Kutut Suryopratomo, MT., MSc.
ANALISIS TREND STATISTIK DESKRIPTIF
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
Regresi dan Korelasi Linier
Program Studi Statistika, semester Ganjil 2015/2016
PERAMALAN DENGAN METODE SMOOTHING
STATISTIKA ANALISIS REGRESI DAN KORELASI
Peramalan “Penghalusan Eksponensial”
DERET BERKALA DAN PERAMALAN
METODA PERAMALAN KUANTITATIF
TREND NON LINIER SIP – sesi 9.
FORECASTING/ PERAMALAN
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
SEGMENTASI PASAR DAN PASAR SASARAN POTENSIAL
M. Double Moving Average
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
PERAMALAN (FORECASTING)
Pertemuan 7-8 Metode pemulusan eksponensial ganda
Regresi Linear Sederhana
ANALISIS TREND Digunakan jika perbandingan laporan keuangan lebih dari dua periode Analisis ini juga disebut analisis indeks yaitu merupakan teknik analisis.
BAB 7 TIME SERIES ANALYSIS Dalam peramalan, biasanya orang akan mendasarkan diri pada pola atau tingkah laku data pada masa-masa lampau. Data yang dikumpulkan.
STATISTIK BISNIS Pertemuan 6: Deret Berkala dan Peramalan (Analisis Trend) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
LOGARITMA.
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
DERET BERKALA (TIME SERIES) (1)
METODE ANALISIS TREND: Trend Non Linier
06 Analisis Trend Analisis deret berkala dan peramalan
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
SEGMENTASI PASAR DAN PASAR SASARAN POTENSIAL
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
DERET BERKALA DAN PERAMALAN
Regresi Nana Ramadijanti.
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Deret Waktu.
Transcript presentasi:

KRITERIA MEMILIH TREND SIP-SESI10

Memilih trend ada 3cara Menganalisis grafik data atau scatter-plot Menganalisis selisih data Menghitung Mean Square Error

1. Menganalisis grafik data atau scatter-plot Jika data observasi cenderung menunjukkan gejala linier, kita sebaiknya menggunakan trend linier. Jika data observasi cenderung menunjukkan ciri-ciri bentuk kuadratik, gunakan trend kuadratik. Jika data observasi cenderung menunjukkan tidak linier dan tidak kuadratik, gunakan trend eksponensial.

Cenderung Linier

Cenderung Kuadratik

Cenderung Eksponensial

2. Menganalisis selisih data Jika selisih pertama data observasi cenderung konstan, gunakan trend linier Y Selisih Pertama 10 20 9 29 39 11 50 60

Y Selisih pertama Selisih kedua 10 20 5 15 35 55 25 80 30 110 145 Jika selisih kedua dari data observasi cenderung konstan, gunakan trend kuadratik

Y Log Y Selisih kedua 10 1 0,176 15 1,176 0,222 25 1,398 0,204 40 1,602 0,301 80 1.903 0,273 150 2,176 0,125 200 2,301 Jika selisih pertama dari nilai logaritma data observasi cenderung konstan, gunakan trend eksponensial

3. Menghitung Mean Square Error Menghitung Mean Square Error untuk setiap jenis trend, pilih garis trend yang memberikan MSE terkecil Dimana: At = Nilai aktul pd periode ke t Ft = Nilai prediksi atau trend untuk periode ke t n = Jumlah observasi