Wahyu Widayat

DATA BERKALA

Adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan. Misalnya, perkembangan produksi, harga, hasil penjualan, jumlah personil, penduduk, jumlah kecelakaan, dsbnya.

DATA BERKALA

Analisisnya memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan / pengaruhnya terhadap kejadian lainnya.

DATA BERKALA

1995 1996 1997 1998 1999

148.82 157.94 213.72 188.22 228.46

Harga rata-rata suatu barang

250 200 150 100 50 0 1995 1996 1997 Tahun 1998 1999

Harga

DATA BERKALA
1400 1200 1000 800 600 400 200 0 1984

Produk Domestik Regional Bruto (PDRB) Propinsi Daerah Istimewa Yogyakarta atas dasar harga konstan tahun 1983 selama 9 tahun

1985

1986

1987

1988

1989

1990

1991

1992

1984 809,8

1985 821,3

1986 885,1

1987 921,2

1988 976,4

1989 1037,7

1990 1085,1

1991 1141,4

1992 1220,6

DATA BERKALA
Banyaknya Tamu Domestik Yang Menginap di Hotel Berbintang di Bali Tahun 1986
Jumlah Tamu Domestik

20000 15000 10000 5000 0

Mei Feb Jan Jun Jul Nop Mar Okt Ags Des Sep Apr

Bulan

DATA BERKALA
Nilai Produksi PT. Rizki tahun 1986 - 1996 (dalam jutaan rupiah)
1800
Nilai Produksi (jutaan Rp)

1600 1400 1200 1000 800 600 400 200 0 1986 1987 1988 1989 1990 1991 Tahun 1992 1993 1994 1995 1996

DATA BERKALA

Gerakan trend jangka panjang (long

term trend)

Variasi Siklis (cyclical effect) Variasi Musiman (seasonal effect) Variasi yang tidak teratur (random variation)

Gerakan trend jangka panjang (long term trend)

Suatu gerakan yang menunjukkan arah perkembangan secara umum. Mempunyai kecenderungan menaik atau menurun Garis trend dapat digunakan untuk membuat ramalan yang diperlukan untuk peramalan

Variasi Siklis (cyclical effect)

Adalah gerakan/variasi jangka panjang di sekitar garis trend (untuk data tahunan) Gerakan siklis ini dapat terulang setelah jangka waktu tertentu (misal 3 th, 5 th, atau lebih). Contoh business cycles

Variasi Musiman (seasonal effect)

Gerakan yang mempunyai pola tetap dari waktu ke waktu.

Variasi yang tidak teratur (random variation)

Gerakan /variasi yang sifatnya sporadis Misalnya naik-turunnya produksi akibat banjir

Didasarkan pada cara rata-rata sederhana untuk mengurangi variasi yang tidak teratur Memudahkan untuk melihat trendnya.

Centered moving average Exponential smoothing

Menggunakan angka tetap M periode. Misalkan M=4 (sebaiknya angka ganjil) Rata-rata menggambarkan seri empat periode dan berada di tengah-tengah interval. Proses smoothing berlanjut untuk satu periode berikutnya.

Misalkan data dari Januari sampai April dicari sebagai rata-rata pertama. Rata-rata kedua diambil dari data Februari sampai Mei Rata-rata ketiga diambil dari data Maret sampai Juni, dst.

Misalkan M=3

y1 y 2 y 3 y1 3
_

y 2 y3 y 4 y2 3
_

y3 y 4 y5 y3 3
_

Dimulai dari S1 = y1 S2 = y2 +(1-)S1 adalah derajat keyakinan 0< <1 dst

19- 20

Y = a + bt
o Y adalah estimasi nilai Y pada periode t

o a merupakan intercept pada Y, atau nilai Y pada saat t=0. o b adalah slope/gradien garis trend
o t waktu, misalnya minggu, bulan, tahun.

19- 21

Pemilik Toko Murah ingin memperkirakan keuntungan yang akan diperoleh pada tahun 2007. Tabel berikut menyajikan keuntungan yang diperoleh selama 5 tahun. Tahun Keuntungan (Rp juta) 4.3 5.6 7.8 9.2 9.7

2002 2003
2004 2005 2006

19- 22

Regression Statistics Multiple R R Square Adjusted R Square Standard Error Observations ANOVA df Regression Residual Total

0.982 0.964 0.952 0.507 5

EXCEL Regression tool

SS 1 3 4 20.736 0.772 21.508

MS 20.736 0.257

F 80.580

Intercept X Variable 1

Coefficients Standard Error 3.00 0.532 1.44 0.160

t Stat 5.639 8.977

P-value 0.011 0.003

19- 23

12 y = 1.44x + 3

EXCEL Chart and trend line function

10 8 6 4 2 0 1 2 3 4 5

19- 24

Technological advances are so rapid that often initial prices decrease at an exponential rate from month to month. Hi-Tech Company provides the following information for the 12-month period after releasing its latest product.

Example 2

19- 25

Month 1 2 3 4 5 6 7 8 9 10 11 12

Unit Price 900 786 687 603 531 468 414 367 326 290 259 232

Month 13 14 15 16 17 18 19 20 21 22 23 24

Unit Price 208 187 168 152 137 125 113 103 94 86 78 72
Example 2 continued

19- 26

Price of new product: First 24 months

1000 800 600
Price

y = -31.454x + 700.99

400 200 0 -200 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Time period

Example 2 continued

19- 27

Month 1 2 3 4 5 6 7 8 9 10 11 12

Unit Price 900 786 687 603 531 468 414 367 326 290 259 232

Log Price 2.954 2.895 2.837 2.781 2.725 2.670 2.617 2.565 2.513 2.463 2.414 2.366

Month 13 14 15 16 17 18 19 20 21 22 23 24

Unit Price Log Price 208 2.318 187 2.272 168 2.226 152 2.182 137 2.138 125 2.096 113 2.054 103 2.013 94 1.972 86 1.933 78 1.894 72 1.856
Example 2 continued

19- 28

Price of New Product: First 24 Months Using logs of price values

3.5

Log (Unit Price)

3 2.5 2 1.5 1 0.5 0 1 3 5 7 9 11 13 15 17 19 21 23 y = -0.0476x + 2.9596

Time period

Example 2 continued