Deret berkala dan Peramalan Julius Nursyamsi

Presentasi berjudul: "Deret berkala dan Peramalan Julius Nursyamsi"— Transcript presentasi:

1 Deret berkala dan Peramalan Julius Nursyamsi
STATISTIKA Deret berkala dan Peramalan Julius Nursyamsi

2 Pendahuluan Deret berkala – Time series
Sekumpulan data yang dicatat dalam satu periode waktu Digunakan untuk meramalkan kondisi masa mendatang Dalam jangka pendek (kurang dari 1 tahun ) atau jangka panjang (lebih dari 3 tahun) Berguna untuk penyusunan recana (perusahaan dan negara)

3 Pendahuluan Deret berkala mempunyai empat komponen :
Tren – kecenderungan Variasi musim Variasi siklus Variasi yang tidak tetap – irregular variation

4 Tren - Kecenderungan Tren
Merupakan suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata atau mulus Bentuk tren Tren positif = tren meningkat Y = a + b.X Tren negatif = tren menurun Y = a – b.X

5 Bentuk Tren Tren positif Tren negatif

6 Metode Analisa Tren Metode semi rata – rata ( Semi average method)
Metode kuadrat terkecil ( Least square method) Metode tren kuadratis ( Quadratic trend method) Metode tren eksponensial ( Exponential trend method)

7 Metode semi rata - rata Dengan cara mencari rata – rata kelompok data
Langkah : Kelompokan data menjadi dua kelompok Hitung rata – rata hitung dan letakkan di tengah kelompok ( K1 dan K2), menjadi nilai konstanta (a) dan letak tahun merupakan tahun dasar Hitung selisih K2 – K1 K2 – K1 > 0 = Tren positif K2 – K1 < 0 = Tren negatif

8 Langkah berikut Tentukan nilai perubah tern (b) dengan cara : b =
Lanjutam …………. Langkah berikut Tentukan nilai perubah tern (b) dengan cara : b = Persamaan tren ; Y’ = a + b.X Untuk mengetahui besarnya tren, masukan nilai (X) pada persamaan Untuk data ganjil, data (tahun) tengah dapat dihilangkan atau dihitung dua kali K2 – K1 th dasar 2 – th dasar 1

9 Contoh Tahun Penjualan Rata 2 Nilai X tahun dasar 2000 2005 150 -2 -6
2000 2005 150 -2 -6 2001 140 -1 -5 2002 125 131.0 -4 2003 110 1 -3 2004 130 2 3 2006 156 152.8 4 2007 160 5 2008 168 6 Untuk Nilai (a) 2002 = 131.0 2006 = 152.8 Untuk Nilai (b) = (152.8 – 131.0)/ (2006 – 2002) = 5.45

10 Maka persamaan tren Peramalan tahun 2009 Tahun dasar 2002
Lanjutan ……. Maka persamaan tren Tahun dasar 2002 Y’ = (X) Tahun dasar 2006 Y’ = (X) Peramalan tahun 2009 Y’ = (7) = Y’ = (3) =

11 Metode kuadrat terkecil
Dengan menentukan garis tren yang mempunyai jumlah terkecil dari kuadrat selisih data asli dengan data pada garis tren Persamaan ; Y’ = a + b. (X) Mencari nilai koefisien a = (∑ Y ) / n b = (∑XY) / (∑X)2

12 Contoh Kasus Tahun Penjualan Kode X Y.X X² Y (tahun) 2000 150 -3.5
Y  (tahun) 2000 150 -3.5 -525 12.25 2001 140 -2.5 -350 6.25 2002 125 -1.5 -187.5 2.25 2003 110 0.5 55 0.25 2004 75 2005 156 1.5 234 2006 160 2.5 400 2007 168 3.5 588 Total 1159 289.5 42 a b Persamaan tren Y’ = a + b(X) Y’ = (X) Peramalan tahun 2008 : (X) = 4.5 Maka : (4.5) Y’ = = 1159 / 8 =289.5 / 42

13 Metode Tren Kuadratis Digunakan untuk tren jangka panjang yang polanya tidak linier Maka digunakan metode tren kuadratis, persamaan : Y = a + b.X + c.X2 Nilai koefisien : Konstanta (a) = (∑Y) (∑X4) – (∑X2Y) (∑X2) n (∑X4) – (∑X2)2

14 Metode Tren Kuadratis Nilai koefisien : Pengubah (b) = ∑XY / ∑X2
Pengubah (c) = n (∑X2Y) - (∑X2) (∑Y) n (∑X4) – (∑X2)2

15 Contoh Kasus Tahun Penjualan (Y) (X) XY X² X²Y X^4 2001 140 -3 -420 9
(Y) (X) XY X² X²Y X^4 2001 140 -3 -420 9 1260 81 2002 125 -2 -250 4 500 16 2003 110 -1 -110 1 2004 150 2005 156 2006 160 2 320 640 2007 168 3 504 1512 Total 1009 200 28 4178 196 a b 7.1429 c 1.6905 [(1009 x 196) – (4178 x 28)] / [(7 x 196) - 784] [200] / [28] [(7x4178) – (28x1009)] / [(7x196) – (784)]

16 Persamaan tren kuadratis Y = 137.3810 + 7.1429(X) + 1.6905(X2)
Contoh Kasus Persamaan tren kuadratis Y = (X) (X2) Jadi Peramalan penjualan untuk tahun 2008 (X = 4) adalah : Y = (4) (42) Y = Y = 193 Perkiraan penjualan tahun 2009 sebesar 193 unit

17 Metode tren eksponensial
Suatu tren yang mempunyai pangkat atau eksponen dari waktu Bentuk persamaan : Y = a(1 + b)x Koefisien : Konstanta (a) = anti Ln (∑LnY)/n Pengubah (b) = anti Ln [(∑X.LnY)/(∑(X)2] - 1

18 Contoh Tahun Penjualan (Y) (X) Ln Y X² X.LnY 2001 140 -3 4.94164 9
(Y) (X) Ln Y X² X.LnY 2001 140 -3 9 2002 125 -2 4 2003 110 -1 1 2004 150 2005 156 2006 160 2 2007 168 3 1009 28 a b [anti Ln ( / 7) ] [anti Ln (( / 28)) - 1]

19 Contoh Persamaan tren eksponensial Y = a(1 + b)x
Y = ( )x Peramlan penjualan tahun 2009 ( X =5 ), sebesar : Y = ( )5 Y = ( )5 Y = ( ) Y = Jadi perkiraan unit terjual tahun 2009 sebesar 144 unit

20 Memilih Tren yang baik Dalam memilih metode tren yang baik dapat digunakan ukuran ketepatan Ukuran ketepatan Adalah seberapa tepat sebuah alat peramalan tersebut menduga kejadian yang sebenarnya Alat ukur yaitu ∑(Y – Y’)2 paling kecil

21 Memilih Tren yang baik Metode semi rata –rata ; Y = 131 + 5.45 (X)
Tahun Penjualan Y X Y' Y - Y' (Y -Y')² 2000 150 -2 120 30 894.01 2001 140 -1 126 14 208.80 2002 125 131 -6 36.00 2003 110 1 136 -26 699.60 2004 130 2 142 -12 141.61 2005 3 147 7.02 2006 156 4 153 10.24 2007 160 5 158 3.06 2008 168 6 164 18.49 Total

22 Memilih Tren yang baik Metode kuadrat terkecil ; Y = (X) Tahun Penjualan Y X Y' Y - Y' (Y -Y')² 2000 150 -3.5 120.75 29.25 855.55 2001 140 -2.5 127.64 12.36 152.70 2002 125 -1.5 134.54 -9.54 90.93 2003 110 0.5 148.32 -38.32 2005 1.68 2.82 2006 156 1.5 155.21 0.79 0.62 2007 160 2.5 162.11 -2.11 4.44 2008 168 3.5 169.00 -1.00 1.00 Total

23 Memilih Tren yang baik Metode kuadratis ;
Y = (X) (X2) Tahun Penjualan (Y) (X) Y' Y - Y' (Y -Y')² 2001 140 -3 131.08 8.92 79.62 2002 125 -2 129.82 -4.82 23.21 2003 110 -1 131.92 -21.92 480.43 2005 150 137.38 12.62 159.24 2006 156 1 146.20 9.80 95.95 2007 160 2 158.39 1.61 2.60 2008 168 3 173.93 -5.93 35.21 Total 876.26

24 Memilih Tren yang baik Metode Eksponensial
Y = ( )x Tahun Penjualan (Y) (X) Y' Y - Y' (Y -Y')² 2001 140 -3 143.66 -3.66 13.40 2002 125 -2 143.70 -18.70 349.86 2003 110 -1 143.75 -33.75 2005 150 143.80 6.20 38.45 2006 156 1 143.85 12.15 147.63 2007 160 2 143.90 16.10 259.10 2008 168 3 143.96 24.04 577.94 Total

25 Memilih Tren yang baik Kesimpulan : Tren semi rata – rata : 2018.84
Tren Kuadrat terkecil : Tren kuadratis : Tren Eksponensial : Metode kuadratis yang lebih kecil, Jadi metode yang cocok untuk meramalkan penjualan adalah metode kuadratis

26 Berlanjut ke pembahasan Analisis Variasi musim