Analisis Deret Waktu.

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

Analisis Data Berkala A. PENDAHUlUAN
REGRESI NON LINIER (TREND)
Metode Peramalan (Forecasting Method)
DERET BERKALA DAN PERAMALAN
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
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.
P ertemuan 9 Data berkala J0682.
BAB X Indeks Musiman & Gerakan Siklis.
REGRESI (TREND) NONLINEAR
ANALISIS TREND STATISTIK DESKRIPTIF
PERAMALAN DENGAN TREND
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
ANALISIS DATA BERKALA.
TIME SERIES Dan PERAMALAN
STATISTIK 1 Pertemuan 11: Deret Berkala dan Peramalan (Analisis Trend)
TREND LINIER SIP-Sesi8.
Tekhnik Proyeksi Bisnis
Pertemuan Metode Peramalan (Forecasting Method)
ANALISIS TREND STATISTIK DESKRIPTIF
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Bab IX ANALISIS DATA BERKALA.
PERAMALAN “Proyeksi Tren”
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)
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
Analisis Time Series.
DERET BERKALA DAN PERAMALAN
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
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)
Peramalan .Manajemen Produksi #3
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
M. Double Moving Average
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.
Metode Semi Average (Setengah rata-rata)
Metode Semi Average (Setengah rata-rata)
Bab IX ANALISIS DATA BERKALA.
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
DERET BERKALA (TIME SERIES) (1)
BAB 6 analisis runtut waktu
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
Perencanaan dan Peramalan Keuangan
Metode Least Square Data Genap
Forecast/Ramalan Penjualan
DERET BERKALA DAN PERAMALAN
METODE ANALISIS TREND: Trend Non Linier
Metode Semi Average (Setengah rata-rata)
Metode Semi Average (Setengah rata-rata)
06 Analisis Trend Analisis deret berkala dan peramalan
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
Analisis Time Series.
DERET BERKALA DAN PERAMALAN
Transcript presentasi:

Analisis Deret Waktu

Data deret berkala adalah sekumpulan data yang dicatat dalam suatu periode tertentu. Manfaat analisis data berkala adalah mengetahui kondisi masa mendatang. Peramalan kondisi mendatang bermanfaat untuk perencanaan produksi, pemasaran, keuangan dan bidang lainnya. Variasi data berkala disebabkan oleh faktor ekonomi dan non ekonomi

Variasi Data Berkala Trend jangka panjang menunjukkan arah perkembangan secara umum (naik/turun) Variasi siklis variasi jangka panjang disekitar garis trend(berlaku untuk data tahunan). berulang untuk periode tertentu Variasi musiman variasi yg mempunyai pola tetap dari waktu ke waktu Variasi yang tidak teratur ( random movements)

Analisis Trend Trend Bebas Trend Semi Average Trend Moment Trend Least Square Trend Kuadratik

Metode Trend Bebas Cenderung digunakan sebagai analisis pendahuluan Melihat pola data amatan melalui tebaran titik dari pasangan data

Metode Trend Semi Average Membagi data menjadi 2 bagian Menghitung rata-rata kelompok. Kelompok 1 (K1) dan kelompok 2 (K2) Menghitung perubahan trend dengan rumus: b = (K2 – K1) (tahun dasar K2 – tahun dasar K1) Merumuskan persamaan trend Y = a + bX

contoh Tahun Pelanggan Rata-rata Nilai X th dasar 2013 th dasar 2016 2012 4,2   -1 -4 K1 2013 5,0 4,93 -3 2014 5,6 1 -2 2015 6,1 2 K2 2016 6,7 6,67 3 2017 7,2 4 Y th 2013 = 4,93 + 0,58 X Y th 2016 = 6,67 + 0,58 X b = (6,67 – 4,93)/2016-2013 b = 0,58

Metode Trend Moment Membentuk persamaan Ẏ = a + bX Skore nilai X dimulai dari 0,1,2,dst Koefisien a dan b digunakan persamaan : ∑Y = n*a + b*∑X ∑XY= a*∑Y + b*∑X2

contoh Tahun Y X XY X2 2012 140 2013 148 1 2014 157 2 314 4 2015 160 3 480 9 2016 169 676 16 ∑ 774 10 1.618 30 Selanjutnya untuk membuat persamaannya bisa digunakan metode eliminasi atau subsitusi

Metode Trend Kuadratik Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode kuadratis adalah contoh metode nonlinear Y=a+bX+cX2  Y = a + bX + cX2   Koefisien a, b, dan c dicari dengan rumus sebagai berikut:   a = (Y) (X4) – (X2Y) (X2)/ n (X4) - (X2)2 b = XY/X2 c = n(X2Y) – (X2 ) ( Y)/ n (X4) - (X2)2

a = (Y) (X4) – (X2Y) (X2) = n (X4) - (X2)2 b = XY/X2 = Tahun Y X XY X2 X2Y X4 2007 5,0 -2 -10,00 4,00 20,00 16,00 2008 5,6 -1 -5,60 1,00 5,60 2009 6,1 0,00 2010 6,7 1 6,70 2011 7,2 2 14,40 2880   30.60 5,50 10,00 61,10 34,00 a = (Y) (X4) – (X2Y) (X2) =   n (X4) - (X2)2 b = XY/X2 = c = n(X2Y) – (X2 ) ( Y) = n (X4) - (X2)2 Jadi persamaan kuadratisnya adalah Y =6,13+0,55x-0,0071x2

Metode Trend Eksponensial Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X) dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y dan X, digunakan rumus sebagai berikut:   Y’ = a (1 + b)X Ln Y’ = Ln a + X Ln (1+b) Sehingga a = anti ln (LnY)/n b = anti ln  (X. LnY) - 1 (X)2

Tahun Y X Ln Y X2 X Ln Y 2007 5,0 -2 1,6 4,00 -3,2 2008 5,6 -1 1,7 1,00 -1,7 2009 6,1 1,8 0,00 0,0 2010 6,7 1 1,9 2011 7,2 2 2,0 3,9   9,0 10,00 0,9 Nilai a dan b didapat dengan: a = anti ln (LnY)/n = anti ln 9/5=6,049 b = anti ln  (X. LnY) - 1 = {anti ln0,9/10}-1=0,094 (X2) Sehingga persamaan eksponensial Y =6,049(1+0,094)x