Bab IX ANALISIS DATA BERKALA.

Slides:



Advertisements
Presentasi serupa
Analisis Data Berkala A. PENDAHUlUAN
Advertisements

INDEKS MUSIMAN DAN GERAKAN SIKLIS
BAB 3 PERSAMAAN GARIS LURUS Terdiri dari dua sumbu koordinat
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
ANALISIS RUNTUT WAKTU.
BAB IX Trend Trend merupakan gerakan yang berjangka panjang , lamban dan berkecenderungan menuju ke satu arah, menuju ke arah naik atau arah menurun. Penggambaran.
Peramalan (Forecasting)
P ertemuan 9 Data berkala J0682.
ANALISIS DATA BERKALA.
BAB X Indeks Musiman & Gerakan Siklis.
ANALISIS DATA BERKALA.
ANALISIS DATA BERKALA.
ANALISIS DATA BERKALA.
INDEKS MUSIMAN DAN GERAKAN SIKLIS
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
STATISTIK 1 Pertemuan 14: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
TREND LINIER SIP-Sesi8.
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Dian Safitri P.K. ANALISIS TIME SERIES.
ANALISIS TREND STATISTIK DESKRIPTIF
METODE-METODE PERAMALAN BISNIS
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Bab IX ANALISIS DATA BERKALA.
STATISTIK INDUSTRI MODUL 9
Analisa Data Berkala dengan Metode Least Square
STATISTIK INDUSTRI MODUL 9
PERAMALAN “Proyeksi Tren”
Manajemen Operasional
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
ANALISIS TIME SERIES.
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
BAB X Indeks Musiman & Gerakan Siklis.
Analisis Time Series.
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
DERET BERKALA DAN PERAMALAN
ANALISIS DERET BERKALA dengan METODE SEMI AVERAGE
Deret berkala dan Peramalan Julius Nursyamsi
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
Peramalan .Manajemen Produksi #3
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
ANALISIS RUNTUT WAKTU Dilakukan untuk menemukan pola pertumbuhan atau perubahan masa lalu, yang dapat digunakan untuk memperkirakan pola pada masa yang.
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
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.
LINDA ZULAENY HARYANTO
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
DERET BERKALA DAN PERAMALAN
STATISTIKA DESKRITIF Analisa Data Berkala dengan Metode Semi Average
STATISTIKA DESKRITIF Analisa Data Berkala dengan Metode Semi Average
06 Analisis Trend Analisis deret berkala dan peramalan
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
INDEKS MUSIMAN DAN GERAKAN SIKLIS
Manajemen Operasional
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN
Manajemen Operasional
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Analisis Time Series.
Analisis Deret Waktu.
DERET BERKALA DAN PERAMALAN
Transcript presentasi:

Bab IX ANALISIS DATA BERKALA

TUJUAN BELAJAR : Memahami arti dari data berkala. Menyebutkan jenis-jenis gerakan/variasi data berkala. Menggunakan berbagai metode untuk memperoleh trend.

Arti & Pentingnya Analisis Data Berkala. Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan. Analisis data berkala memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan/pengaruhnya terhadap kejadian lainnya.

Data berkala dapat dijadikan dasar untuk : Pembuatan keputusan pada saat ini. Peramalan keadaan perdagangan dan ekonomi pada masa yang akan datang. Perencanaan kegiatan untuk masa depan.

Klasifikasi Gerakan/Variasi/ Data Berkala Gerakan Trend jangka panjang Suatu gerakan yang menunjukan arah perkembangan secara umum.

Gerakan / Variasi Siklis Gerakan / variasi jangka panjang di sekitar garis trend ( berlaku untuk data tahunan). Kerakan variasi siklis ini bisa terulang setelah jangka waktu tertentu.

Gerakan / Variasi musiman adalah gerakan yang mempunyai pola tetap dari waktu ke waktu, misalnya menaikkan pohon cemara menjelang natal. gerakan musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun.

Gerakan/Variasi yang Tidak Teratur Adalah gerakan variasi yang sifatnya sporadis Analisis data berkala pada umumnya terdiri dari uraian secara matematis tentang komponen-komponen yang menyebabkan gerakan-gerakan atau variasi-variasi yang tercermin dalam fluktuasi.

Y = T x C x S x I Apabila gerakan trend, siklis, musiman dan acak masing-masing diberi simbol T, C, S, I , maka data berkala Y merupakan hasil kali dari 4 komponen tersebut. Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil penjumlahan dari 4 komponen tersebut.

Data berkala dapat dipergunakan sebagai dasar pembuatan garis trend. Garis trend dapat dipergunakan untuk membuat ramalan yang sangat diperlukan untuk dasar perumusan perencanaan.

Menentukan Trend Metode yang digunakan untuk mengambarkan garis trend : Metode Tangan Bebas. Metode Rata-rata Semi. Metode Rata-rata Bergerak. Metode Kuadrat Terkecil.

Metode Tangan Bebas Metode tangan bebas merupakan metode yang sangat sederhana serta tidak memerlukan perhitungan-perhitungan. Langkah-langkahnya sebagai berikut : Buat sumbu tegak Y dan sumbu mendatar X. Buat scatter diagram, yaitu kumpulan titik-titik koordinat (X,Y) ; X = variabel waktu. Tarik garis yang mewakili atau paling tidak mendekati semua titik koordinat yang membentuk diagram pencar tersebut.

Metode Rata-rata Semi Langkah-langkahnya sebagai berikut : Data dikelompokkan menjadi dua, masing-masing kelompok harus mempunyai jumlah data yang sama. Masing-masing kelompok dicari rata-ratanya, yang merupakan ordinatnya. Titik absis harus dipilih dari variabel X yang berada di tengah masing-masing kelompok. Hitung a dan b .

Metode Rata-rata Bergerak Metode rata-rata disebut rata-rata bergerak jika setelah rata-rata dihitung, diikuti gerakan satu periode ke belakang. Metode rata-rata bergerak disebut juga rata-rata bergerak terpusat, karena rata-rata bergerak diletakkan pada pusat dari periode yang digunakan

Jika data berkala sebanyak n, maka rata-rata bergerak n waktu (tahun, bulan, minggu, hari) merupakan urutan rata-rata hitung sebagai berikut : Y1+Y2+…+Yn , Y2+Y3+…+Yn, …. n n Setiap rata-rata hitung diatas disebut total bergerak.

Metode Kuadrat Terkecil Metode kuadrat terkecil untuk mencari garis trend dimaksudkan suatu perkiraan atau taksiran mengenai nilai a dan b dari persamaan Y’ = a + bX yang didasarkan atas data hasil observasi sedemikian rupa, sehingga dihasilkan jumlah kesalahan kuadrat terkecil. Metode kuadrat terkecil menganut prinsip bahwa garis yang paling sesuai untuk menggambarkan suatu data berkala adalah garis yang jumlah kuadrat dari selisih antara data tersebut dan garis trendnya terkecil atau minimum. Sifat – sifat kuadrat terkecil adalah : ( Y – Y’) = 0 ( Y – Y’)2 = 0