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.

Presentasi berjudul: "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."— Transcript presentasi:

1

2 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 dari waktu ke waktu disebut rangkaian waktu atau time series.

3 Al Baqarah Ayat 282

4 Variasi (gerakan) dari data rangkaian waktu tersebut terdiri dari:
1. Trend jangka panjang (trend sekular) adalah suatu garis (trend) yang menunjukkan arah perkembangan secara umum. 2. Variasi musim adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali dalam jangka waktu tidak lebih dari 1 tahun. 3. Variasi siklis adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali setelah jangka waktu lebih dari 1 tahun. 4. Variasi random adalah suatu gerakan yang naik turun secara tiba-tiba atau mempunyai sifat yang sporadis sehingga biasanya sulit untuk

5 Trend linier merupakan garis peramalan yang sifatnya linier

6 Trend Non Linier Trend non linier yaitu trend yang persamaannya berpangkat lebih dari satu. Dua jenis trend non linier yang akan dipelajari adalah: 1. Trend parabolik (persamaannya berpangkat 2) 2. Trend eksponensiil (persamaannya berpangkat X).

7 Trend Parabolik Bentuk umum persamaannya: Y’ = a + bX + cX2

8 Trend Eksponensiil Bentuk umum persamaan trend eksponensiil adalah:
Y’ = abx

9 Kriteria Memilih Trend
1. Menganalisis grafik data atau scatter-plot 2. Menganalisis selisih data

10 Variasi Musim Variasi musim merupakan gerakan data yang naik turun secara teratur yang cenderung terulang kembali dalam jangka waktu kurang dari 1 tahun, misalnya bulanan, kuartalan dsb. Dalam mengukur derajat naik turunnya data biasanya dinyatakan dengan “indeks musim” atau IM. Harga rata-rata IM untuk setiap periode musiman akan sama dengan 100.

11 Dalam menghitung harga-harga IM dapat digunakan beberapa metode, yaitu:
metode rata-rata sederhana, metode perbandingan dengan trend, metode perbandingan dengan rata-rata bergerak, metode relatif berantai

12