ANALISIS DATA BERKALA.

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
Analisis Data Berkala A. PENDAHUlUAN
INDEKS MUSIMAN DAN GERAKAN SIKLIS
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
DATA DAN METODE PERAMALAN
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
ANALISIS TIME SERIES (ANALISIS DERET BERKALA)
MENGHILANGKAN PENGARUH MUSIMAN DAN TREND
INDEKS MUSIMAN DAN GERAKAN SIKLIS
ANALISIS RUNTUT WAKTU.
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
P ertemuan 9 Data berkala J0682.
BAB X Indeks Musiman & Gerakan Siklis.
ANALISIS DATA BERKALA.
ANALISIS TREND STATISTIK DESKRIPTIF
INDEKS MUSIMAN DAN GERAKAN SIKLIS
INDEKS MUSIMAN DAN GERAKAN SIKLIS
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.
ANALISIS TREND STATISTIK DESKRIPTIF
STATISTIK INDUSTRI MODUL 10
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
Bab IX ANALISIS DATA BERKALA.
STATISTIK INDUSTRI MODUL 9
STATISTIK INDUSTRI MODUL 9
MENENTUKAN TREND Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend. Beberapa di antaranya adalah metode tangan bebas, metode.
BAB X INDEKS MUSIMAN DAN GERAKAN SIKLIS
ANALISIS TIME SERIES.
DERET BERKALA DAN PERAMALAN
DERET BERKALA DAN PERAMALAN
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
D0124 Statistika Industri Pertemuan 19 dan 20
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
kelompok ahli. Disini ada proses “learning”.
DERET BERKALA DAN PERAMALAN
Resista Vikaliana Statistik deskriptif 2/9/2013.
BAB X Indeks Musiman & Gerakan Siklis.
Peramalan Data Time Series
Analisis Time Series.
Peramalan Operation Management.
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)
Indeks Musim dan Gerakan Siklis Tugas Mandiri 01 J0682
Kelompok CDM ( Cash Deposit Machine )
ANALISIS DATA BERKALA.
STATISTIK 1 Pertemuan 12-13: Deret Berkala dan Peramalan (Analisis Musiman) Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
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.
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
Data berkala Tugas mandiri 01 J0682
y x TEKNIK RAMALAN DAN ANALISIS REGRESI
INDEKS MUSIMAN DAN GERAKAN SIKLIS
DERET BERKALA DAN PERAMALAN
STATISTIK 1 Pertemuan 13: Deret Berkala dan Peramalan (Analisis Trend)
ANALISIS KORELASI DAN REGRESI LINEAR SEDERHANA
Analisis Time Series.
DERET BERKALA DAN PERAMALAN
Analisa Runtun Waktu.
Transcript presentasi:

ANALISIS DATA BERKALA

ARTI DAN PENTINGNYA ANALISIS DATA BERKALA Data berkala adalah data yang dikumpulkan dari waktu-kewaktu untuk menggambarkan perkembangan suatu kegiatan. Analisis data berkala memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan / pengaruhnya terhadap kejadian lainnya. Dengan data berkala kita juga dapat membuat ramalan-ramalan berdasarkan garis regresi atau garis trend.

Oleh karena data berkala itu terdiri dari beberapa komponen, maka dengan analisis data berkala kita bisa mengetahui masing-masing komponen, bahkan dapat menghilangkan satu atau beberapa komponen kalau kita ingin menyelidi komponen terssebut secara mendalam tanpa kehadiran komponen lain. Data berkala, karena adanya pengaruh dari komponen-komponen tersebut, selalu mengalami perubahan sehingga apabila dibuat grafiknya akan menunjukkan suatu fluktuasi, yaitu gerakan naik-turun.

Tabel 9.1 Bulan Jan Peb Maret April Mei Juni Juli Agust Sept Okt Nop Des Tahun 1 2 3 4 5 6 7 8 9 10 11 12 1995 148,82 151,35 146,87 147,06 147,05 145,55 147,48 147,40 146,76 147,62 150,15 152,25 1996 157,94 163,13 166,19 170,30 183,53 190,48 201,70 213,72 208,60 211,07 209,73 201,71 1997 215,89 213,32 212,01 208,98 212,07 206,84 203,81 203,29 202,99 202,27 203,40 1998 188,22 188,88 168,75 190,12 243,62 244,02 244,42 245,20 245,42 246,95 248,82 254,58 1999 228,46 255,71 253,47 251,40 251,43 250,53 250,45 255,72 264,12 268,62 -

KLASIFIKASI GERAKAN/ VARIASI/ DATA BERKALA Gerakan / variasi data berkala terdiri dari empat komponen sebagai berikut : Gerakan trend jangka panjang. Gerakan / variasi siklis. Gerakan / variasi musiman. Gerakan / variasi yang tidak teratur.

Analisa data berkala pada umumnya terdiri dari uraian secara matematis tentang komponen-komponen yang menyebabkan gerakan-gerakan atau variasi-variasi yang tercermin dalam fluktuasi. Apabila gerakan trend, siklis, musiman, dan acak masing-masing diberi simbol T, C, S, dan I, maka data berkala Y merupakan hasil kali dari 4 komponen tersebut, yaitu : Y = T x C x S x I Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil penjumlahan dari 4 komponen tersebut, yaitu : Y = T+ C + S + I