PRENSENTATION KELOMPOK 10

Slides:



Advertisements
Presentasi serupa
Analisis Data Berkala A. PENDAHUlUAN
Advertisements

Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
KORELASI & REGRESI LINIER
ANALISIS RUNTUT WAKTU.
Peramalan (Forecasting)
ANALISIS DATA BERKALA.
ANALISIS TREND STATISTIK DESKRIPTIF
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
ANALISIS DATA BERKALA.
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.
Tekhnik Proyeksi Bisnis
METODE-METODE PERAMALAN BISNIS
Bab IX ANALISIS DATA BERKALA.
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.
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
Korelasi dan Regresi Aria Gusti.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
Analisis Time Series.
STATISTIK INDUSTRI MODUL 8
SALES FORCASTING Oleh: H. Beben Bahren., S.E., M.si.
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
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.
STATISTIKA DESKRIPTIF KELOMPOK 10 Analisa Data Berkala Metode Least Square.
Kelompok CDM ( Cash Deposit Machine )
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)
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Metode Semi Average (Setengah rata-rata)
Bab IX ANALISIS DATA BERKALA.
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
Penaksiran dan peramalan biaya
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)
Statistika Deskriptif
11.2A.05 Komputerisasi Akuntansi
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.
STATISTIKA DESKRIPTIF
Transcript presentasi:

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 = 548/ 9 = 60,88 b = 1080 / 60 = 18 Persamaan garis liniernya adalah : Y = 60,88 + 18 X Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 60,88+ 18 (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 60,88 + 198 = 258,88 artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 258,88 unit.

و السلا م عيكم ور.وب مرا منرتي ١١١٤١٢٨٣