BAB I

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.

Untuk menambah pengetahuan dalam menganalisis perkembangan suatu variabel dari

tahun ketahun.

2. Untuk menambah pengetahuan dalam pembuatan makalah.

BAB II
PEMBAHASAN

2.1 Analisis Time Series ( Analisis Trend)

Pengertian Analisis Time Series (trend) merupakan suatu metode analisa yang
ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang.
Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi
(data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang,
sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang
terjadi dan faktor faktor apa saja yang mempengaruhi terhadap perubahan tersebut.
Secara teoritits dalam Analisa Time Series yang paling menentukan adalah kualitas data
atau keakuratan dari informasi atau data data yang diperoleh serta waktu atau periode dari
data data tersebut dikumpulkan, Jika data yang dikumpulkan tersebut semakain banyak
maka semakin baik pula estimasi ataau peramalan yang diperoleh, sebaliknya jika data
yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan semakin
jelek.
Analisis Time Series dapat digolongkan menjadi dua yaitu Analisis Jangka Pendek dan
Analisis Jangka Panjang.
Untuk Analisis Jangka Pendek terdapat kecenderungan modela analisisnya dalam bentuk
persamaan garis linier,
Untuk jangka panjang model analisisnya cenderung mengalami fluktuasi sehingga model
persamaannya jarang yang berbentuk garis linier (non linier)
Contoh dalam jangka panjang faktor pertumbuhan penduduk sangat berpengaruh
terhadap permintaan terhadap makanan, pakaian, perumahan, barang, dan jasa dan lain
sebagainya. Demikan juga dengan adanya penemuan penemuan teknologi modern akan
sangat mempengaruhi fluktuasi dalam perkonomian jangka panjang.
Disamping hal tersebut yang dapat mempengaruhi fluktuasi perokomian adalah faktor
musim (iklim) yaitu perubahan iklim akan berpengaruh terhadap kebiasaan masyarakat
dalam melakukan konsumsi.

Contoh Pada musim kemarau permintaan untuk bahan bangunan semakin meningkat
dibandingkan pada musim penghujan,

produksi ice cream atau penjual es semakin

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.

Metode Garis Linier Secara Bebas (Free Hand Method),

Methode Setengan Rata Rata (Semi Average Method),
Metode Rata Rata Bergerak (Moving Average Method),
Metode Kuadrat Terkecil (Least Square Method).

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

merupakan besarnya volume penjualan barang X pada

Tahun dasar 1999 ( pada 1 juli 1999).

b = 12.92

merupakan besarnya tambahan atau kenaikan penjualan

barang X pada untuk setiap tahun.

X =

Unit tahun yang dihitung beardasarkan tahun dasar yang akan

ditentukan dari X = 0

A.

Dengan menggunakan persamaan tersebut diatas jika akan meramalkan

penjualan pada tahun 2010 adalah sebagai berikut :
Y

= 273.33 + 12.92 X untuk tahun 2010 nilai X adalah 11,

sehingga :
Y

= 273.33 + 12.92 (11)

= 273.33 + 142.12
= 415.45 (Penjualan barang X pada tahun 2010 diperkirakan
sebesar 415. 45 atau 415.450 unit)

B.

Dengan menggunakan persamaan tersebut diatas jika akan meramalkan

penjualan pada Tiap Kwertal (tiap 3 bulan) maka persamaan tersebut a
dan b harus dibagi 4 seperti di bawah ini : a = (273.33 / 4) = 68.33
b = (12.92 / 4) = 3.22

68.33 + 3.22 X untuk tahun 2010 nilai X adalah 11,

68.33 + 3.22 (11)

68.33 + 35.42

103.75 (Penjualan barang X tiap 3 bulanan pada tahun

2010 diperkirakan sebesar 103.75 atau 103.750 unit)

C.

Dengan menggunakan persamaan tersebut diatas jika akan meramalkan

penjualan pada Tiap bulan) maka persamaan tersebut a dan b harus
dibagi 12 seperti di bawah ini :
a = ( 273.33 / 12 )

= 22.78

b = ( 12.92 / 12 ) = 1.08

22.78 + 1.08 X untuk tahun 2010 nilai X adalah 11,

22.78 + 1.08 (11)

22.78 + 11.88

34.66 (Penjualan barang X tiap bulan pada tahun 2010

diperkirakan sebesar 34.66 atau 34.6600 unit)

Contoh : 2.

Kasus Data Genap

Volume Penjualan Barang X ( dalam 000 unit ) Tahun 1995 2002

Tahun
1995
1996
1997
1998
1999
2000
2001
2002
Jumlah

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

Persamaan tersebut menggambarkan

a = 268.75

merupakan besarnya volume penjualan barang X pada

Tahun dasar 1999 ( pada 1 juli 1999).

b = 7.26

merupakan besarnya tambahan atau kenaikan penjualan

barang X pada untuk setiap tahun.

Dengan menggunakan persamaan tersebut dia atas jika akan meramalkan

penjualan pada tahun 2008 adalah sebagai berikut:
Y

= 268.75 + 7.26 X untuk tahun 2008 nilai X adalah 19,

= 268.75 + 7.26 (19)

= 268.75 + 142.12
= 406.69 (Penjualan barang X pada tahun 2008

diperkirakan

sebesar 406.69 atau 406.690 unit)

2.2 Variasi Musiman

Dalam analisis time series (trend) usaha untuk melakukan peramalan atau estimasi
juga membutuhkan analisis lain yang cukup penting yaitu faktor variasi musiman dalam
periode tertentu. Faktor variasi musiman ini sangat penting untuk mengetahui fluktuasi
sehingga data time series menjadi lebih lengkap dan peramalan yang dilakukan menjadi
lebih baik atau akurat
Data Penjualan pakaian pada tahun 2003 adalah sebagai berikut :
7

PENJUALAN PAKAIAN TAHUN 2003

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

Indeks Variasi Musiman

( 840 / 750) x 100% = 112 %
( 800 / 750) x 100% = 106.7 %
( 740 / 750) x 100% = 98.7 %
( 650 / 750) x 100% = 86.7 %
( 640 / 750) x 100% = 85.3 %
( 620 / 750) x 100% = 82.7 %
( 700 / 750) x 100% = 93.3 %
( 750 / 750) x 100% = 100 %
( 770 / 750) x 100% = 102.7 %
( 790 / 750) x 100% = 105.3 %
( 820 / 750) x 100% = 109.3 %
( 880 / 750) x 100% = 117.3 %

Keterangan : Rata rata penjualan per bulan 9000 / 12 = 750 unit

Data pada tabel tersebut diatas menggambarkan bahwa pada bulan Januari 2003 indeks
variasi musiman adalah sebesar 112% hal ini berarti bahwa pada bulan tersebut besarnya
pernjualan terjadi kenaikan atau lebih tinggi 12% dibandingkan dengan rata rata
penjualan selama tahun 2003 . Hal ini mungkin disebabkan adanya perayaan tahun baru
sehingga penjualan pakaian terjadi kenaikan demikian juga pada bulan Desember 2003
juga mengalami kenaikan sebesar 17.3 % karena dimungkinkan disebabkan adanaya
perayaan tahun baru 2004 .
Latihan :
1. Data hasil penjualan komputer merek Z dari tahun 1993 sampai dengan
2002 adalah sebagai berikut :
Tahun
1993
1994
1995
1996

Penjualan (Unit)
157
165
175
176
8

1997
1998
1999
2000
2001
2002

189
182
201
209
213
220

Berdasarkan data tersebut diatas:

a. Buatkan persamaan untuk garis trend dan ramalkan berapa rata rata
penjualan komputer untuk tahun 2009,
b. Berapakah rata rata penjualan komputer per kuartal pada tahun 2005
dan tahun 2010
Latihan :
2. Data hasil penjualan komputer merek Y dari tahun 1994 sampai dengan
2002 adalah sebagai berikut :
Tahun
1994
1995
1996
1997
1998
1999
2000
2001
2002

Penjualan (Unit)
156
164
172
178
185
182
193
205
210

Berdasarkan data tersebut diatas:

c. Buatkan persamaan untuk garis trend dan ramalkan berapa rata rata
penjualan komputer untuk tahun 2009,
d. Berapakah rata rata penjualan komputer per bulan pada tahun 2007
dan tahun 2011
2.3 Analisis Deret Berkala dalam Statistika Deskriptif
Croxton dan Cowden memperkenalkan metode statistik tahun 1955 yaitu dengan
metode Statistik Deskriptif dengan memberi definisi statistik sebagai metode guna

mengumpulkan, mengolah, menyajikan, menganalisa dan menginterpretasi data yang

berwujud angka-angka.
Dalam metode Statistik Deskriptif terdapat berbagi jenis metode statistik salah
satunya adalah Analisisi Deret Berkala.
2.4 Pengertian Analisis Deret Berkala
Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu
kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk, jumlah
kecelakaan, jumlah kejahatan, dsb).
Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.
Serangkaian data yang terdiri dari variabel Yi yang merupakan serangkaian hasil
observasi dan fungsi dari variabel Xi yang merupakan variabel waktu yang bergerak
secara seragam dan ke arah yang sama, dari waktu yang lampau ke waktu yang
mendatang.
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 runtut 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.
Jika nilai variabel atau besarnya gejala (peristiwa) dalam runtut waktu (serangkaian
waktu) diberi simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan nilai variabel (peristiwa)
diberi simbol X1, X2, ..Xn maka rutut waktu dari nilai variabel Y dapat ditunjukan oleh
persamaan Y = f (X) yaitu besarnya nilai variabel Y tergantung pada waktu terjadinya
peristiwa itu.
2.5 Komponen Deret Berkala

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

adalah 10 tahun ke atas.

Gerakan/variasi siklis atau cyclical movements or variation adalah gerakan/variasi

jangka panjang disekitar garis trend.

Gerakan/variasi musim atau seasonal movements or variation adalah gerakan yang
berayun naik dan turun, secara periodik disekitar garis trend dan memiliki waktu gerak

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 :

Persamaan trend, baik persamaan linear maupun persamaan non linear

11

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 :

Menggambarkan hasil penjualan

Jumlah peserta KB
Perkembangan produksi harga
Volume penjualan dari waktu ke waktu, dll
Trend digunakan dalam melakukan peramalan (forecasting). Metode yang biasanya
dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.

2.7 Metode Least Square (Kuadrat terkecil)

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih
teliti.
Persamaan garis trend yang akan dicari ialah
Y = a0 +bx

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 :

Jarak antara dua waktu diberi nilai satu satuan.

Di atas 0 diberi tanda negative
Dibawahnya diberi tanda positif.
Untuk n genap maka :
12

Jarak antara dua waktu diberi nilai dua satuan.

Di atas 0 diberi tanda negatif
Dibawahnya diberi tanda positif.

2.8 Contoh Soal

2.8.1

Contoh I (Untuk jumlah data ganjil) :

Ramalan Penjualan Metode Least Square
Data Penjualan (Unit) PT. GALAU Tahun 1995-1999
Tahun

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

2.8.2 Contoh II (Untuk jumlah data genap):

Ramalan Penjualan Metode Least Square
14

Data Penjualan (Unit ) PT. KAMSEUPAY Tahun 1995-2000

Penjualan
No

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 :

2.8.2.1 Analisis menggunakan metode Least Square

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

2.8.2.2 Mencari nilai a dan b

a = 945 : 6

= 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