Professional Documents
Culture Documents
PENDAHULUAN
1.1
Latar Belakang
Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara
dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus
matematik, maka kita akan dapat menggunakannya untuk keperluan peramalan.
Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi.
Mendekati nilai tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis
peramalan, dan tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi.
Sedangkan Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola
dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain.
Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak menentu.
Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam variabel
lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi.
Jika variabel Yi merupakan serangkaian observasi dan ti merupakan variabel waktu
yang bergerak secara bersamaan ke arah yang sama, dari masa lalu ke masa mendatang,
maka serangkaian data yang terdiri dari Yi dan yang merupakan fungsi dari ti tersebut
dinamakan sebagai deret berkala (time series) atau data historis (historical data).
Schumpeter merumuskan deret berkala sebagai variabel historis (historical variables) dan
merupakan hasil perpaduan antara pengaruh kekuatan-kekuatan yang beraneka ragam.
Faktor random dan non random (sistematis) selalu ditemukan dalam variabel historis
tersebut.
Deret berkala atau runtut waktu adalah serangkaian pengamatan terhadap
peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti
menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik.
Dari suatu rutut waktu akan dapat diketahui pola perkembangan suatu peristiwa,
kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti suatu pola yang
teratur, maka berdasarkan pola perkembangan tersebut akan dapat diramalkan peristiwa
yang bakal terjadi dimasa yang akan datang.
Secara konvensional, analisis deret berkala selalu didasarkan pada anggapan bahwa
nilai deret berkala merupakan hasil perkalian (multiplikatif) dari trend sekuler, variasi
musim, variasi siklikal, dan variasi random. Namun demikian, data deret berkala juga
dapat merupakan hasil penjumlahan atau kombinasi antara perkalian dan penjumlahan
dalam seribu satu cara dari komponen-komponennya.
1.2 Maksud dan Tujuan Penulisan
Untuk memenuhi Tugas UAS (Ujian Akhir Semester) STATISTIKA DESKRIPTIF.
1.3 Manfaat Penulisan
1.
BAB II
PEMBAHASAN
Contoh Pada musim kemarau permintaan untuk bahan bangunan semakin meningkat
dibandingkan pada musim penghujan,
meningkat pada musim kemarau, permintaan barang akan terjadi peningkatan mendekati
atau pada saat hari raya, tahun baru dan lain lain.
Faktor lain yang sangat berpengaruh terhadap fluktuasi dalam proses produksi adalah
business cycle yang rentang waktunya cukup panjang seperti adanya masa depresiasi,
inflasi, resesi, krisis ekonomi dan lain lain.
Metode yang digunakan untuk analisis time series adalah :
1.
2.
3.
4.
Dalam bab ini akan membahas Analisa Time Series dengan Metode Kuadrat Terkecil
yang dibagi dalam dua kasus yaitu :
1. Kasus Data Genap dan
2. Kasus Data Ganjil.
Secara umum persamaan garis garis linier dan analisa time series adalah Y = a + bX
dimana Y adalah variable yang dicari trendnya dan x adalah variable waktu (tahun)
sedangkan untuk mencari nilai konstatnta (a) dan parameter (b) adalah sebagai berikut :
Y
a = -----n
dan
XY
b = --------X2
Contoh :
1. Kasus Data Ganjil
Data volume penjualan Barang X dari tahun 1995 sampai dengan 2003 adalah
sbb :
Volume Penjualan Barang X ( dalam 000 unit ) Tahun 1995 2003
Tahun
Penjualan (Y)
XY
X2
1995
200
-4
- 800
16
1996
245
-3
- 735
1997
240
-2
- 480
1998
275
-1
- 275
1999
285
0
4
2000
300
300
2001
290
580
2002
315
945
2003
310
1240
16
Jumlah
2460
775
60
Y
2460
a = ---------- = ---------- = 273.33
n
9
XY
775
b = --------- = -------- = 12.92
X2
60
Persamaan garis liniernya adalah Y = 273.33 + 12.92 X
Persamaan tersebut menggambarkan
a = 273.33
b = 12.92
X =
A.
sehingga :
Y
B.
68.33 + 35.42
C.
= 22.78
b = ( 12.92 / 12 ) = 1.08
22.78 + 11.88
Contoh : 2.
Penjualan (Y)
200
245
240
275
285
300
290
315
2150
X
-7
-5
-3
-1
1
3
5
7
XY
- 1400
- 1225
- 720
- 275
285
900
1450
2205
1220
X2
49
25
9
1
1
9
25
49
168
Y 2150
a = ------ = ---------- = 268.75
n
8
XY
1220
b = --------- = ---------- = 7.26
X2
168
Persamaan garis liniernya adalah Y = 268.75 + 7.26 X
6
b = 7.26
diperkirakan
Bulan
January
February
Maret
April
May
June
July
Agustus
September
Oktober
November
Desember
Jumlah
Penjualan
(buah)
840
800
740
650
640
620
700
750
770
790
820
880
9000
Penjualan (Unit)
157
165
175
176
8
1997
1998
1999
2000
2001
2002
189
182
201
209
213
220
Penjualan (Unit)
156
164
172
178
185
182
193
205
210
10
Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4 (empat)
pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala (runtut waktu).
Empat komponen deret berkala itu adalah:
1. Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya kecenderungan
menuju ke satu arah kenaikan dan penurunan secara keseluruhan dan bertahan dalam
jangka waktu yang digunakan sebagai ukuran adalah 10 tahun keatas.
2. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih
teratur.
3. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih teratur.
4. Variasi Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama sekali.
Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
Gerakan/variasi trend jangka panjang atau long term movements or seculer trend
yaitu suatu gerakan yang menunjukan arah perkembangan secara umum (kecenderungan
menaik atau menurun) dan bertahan dalam jangka waktu yang digunakan sebagai ukuran
yang kurang dari 1 (satu) tahun, dapat dalam kwartal, minggu atau hari.
Gerakan variasi yang tidak teratur (irregular or random movements) yaitu gerakan
atau variasi yang sporadis sifatnya. Faktor yang dominan dalam gerakan ini adalah
faktor-faktor yang bersifat kebetulan misalnya perang, pemogokan, bencana alam dll.
2.6 Ciri-ciri Trend Sekuler
Trend (T) atau Trend Sekuler ialah gerakan dalam deret berkala yang berjangka
panjang, lamban dan berkecenderungan menuju ke satu arah, arah menaik atau menurun.
Umumnya meliputi gerakan yang lamanya 10 tahun atau lebih.
Trend sekuler dapat disajikan dalam bentuk :
Gambar/grafik yang dikenal dengan garis/kurva trend, baik garis lurus maupun garis
melengkung.
Trend juga sangat berguna untuk membuat ramalan yang sangat diperlukan bagi
perencanaan, misalnya :
a = ( Y ) / n
b = ( XY ) / x2
dengan :
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 x=0.
Untuk n ganjil maka :
Penjualan
(X)
1995
1996
1997
1998
1999
(Y)
130
145
150
165
170
No
1
2
3
4
5
Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode least
Square.
Penyelesaian :
2.8.1.1 Analisis menggunakan metode Least Square
Tahun
Penjualan
X
X2
XY
(X)
1995
(Y)
130
-2
-260
1996
145
-1
-145
1997
150
1998
165
165
1999
170
340
Total
760
2.8.1.2 Mencari nilai a dan b
10
100
a = 760 : 5
= 152
b = 100 : 10
13
= 10
Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat
diketahui yaitu :
Y = 152 + 10X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan
1999 dapat diketahui :
Penjualan
Tahun
1995
(Y)
132
1996
142
1997
152
1998
162
1999
172
Dari persamaan fungsi Y diatas juga dapat disusun ramalan penjualan pada tahun
berikutnya untuk dijadikan dasar pembuatan anggaran penjualan.
Y(2000) = 152 +10 (3)
= 182
Penjualan
Tahun
2000
(Y)
182
2001
192
2002
202
2003
212
2004
222
Tahun
1995
(Y)
130
1996
145
1997
150
1998
165
1999
170
2000
185
Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode least
Square.
Penyelesaian :
Penjuala
Tahun
1995
1996
1997
1998
1999
2000
Total
n (Y)
130
145
150
165
170
185
945
X2
XY
-5
-3
-1
1
3
5
0
25
9
1
1
9
25
70
-650
-435
-150
165
510
925
365
= 157,5
b = 365 : 70 = 5,21
15
Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat diketahui
yaitu :
Y = 157,5 + 5,21X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan
2000 dapat diketahui :
Penjualan
Tahun
1995
(Y)
131,45 = 131
1996
141,87 = 142
1997
152,29 = 152
1998
162,71 = 163
1999
173,13 = 173
2000
183,55 = 184
Dengan cara yang sama dapat pula diketahui ramalan penjualan untuk tahun 2001
2005 :
Penjualan
Tahun
2001
(Y)
193,97 = 193
2002
204,39 = 204
2003
214,81 = 215
2004
225,23 = 225
2005
235,65 = 236
BAB III
PENUTUP
16
3.1 Kesimpulan
Peramalan yang diberikan oleh metode least square dalam data berkala cukup baik,
itu menunjukkan bahwa metode least square merupakan metode yang lebih teliti sehingga
sering digunakan untuk menghitung data berkala. Selain itu metode least square juga
dapat digunakan tidak hanya untuk meramalkan penjualan tetapi berbagai macam
peramalan lainnya, seperti perkembangan KB, perkembangan produksi, dll.
3.2 Saran
Pada perhitungan dengan metode least square tentunya juga diperlukan ketelitian dan
kecermatan agar tidak terjadi kesalahan, untuk memperkecil kesalahan pada metode least
square ini bisa menggunakan MS. Excel.
17
DAFTAR PUSTAKA
Frederick E. Croxton dan Dudley J. cowden, Applied General Statistics, second
edition, Prentice-Hal, Inc., N.Y. 1995, bab I.
S.S Wilks, Elementary Statistics Analysis, Princeton University Press, N.Y.,
1994,
bab II
Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2001. Teori dan Aplikasi Statistika dan
Probabilitas, Penerbit Pt. Remaja Rosdakarya. Bandung
Kuswadi dan Erna Mutiara. 2004. Statistik Berbasis Komputer untuk Orangorang
Non Statistik. Elex Media Komputindo. Jakarta.
Supranto,J. M.A. 2000. Statistik : Teori dan Aplikasi, Edisi Keenam, Jilid 1,
Erlangga, Jakarta.
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.
Santoso, Singgih. 2006. Seri Solusi Bisnis Berbasis TI : Menggunakan SPSS dan
Excel untuk mengukur Sikap dan Kepuasan Konsumen. Penerbit PT. Elex Media
Komputindo. Jakarta.
http://handimardani58.blogspot.com/2010/11/analisis-deret-berkala.html
http://adrianusentjaurau.blogspot.com/2013/05/makalah-analisis-deret-berkalahdengan.html
http://ipapgsdunib1.wordpress.com/2012/09/05/makalah-statistik-dasar-analisis-variansatu-jalur/
http://www.hambali.me/2012/12/contoh-kata-pengantar-makalah.html
18