Anda di halaman 1dari 9

MODUL KULIAH

STATISTIK PROBABILITAS PKKP- STTI NIIT I-TECH


Mata Kuliah Semester Kelas Dosen STATISTIK PROBABILITAS I PKKP SISTEM INFORMASI & TEKNIK INFORMATIKA Ir. Dwi Martisunu, M.Si

Pertemuan

: 5 (Lima)

Waktu

: Sabtu, 8 April 2012

Modul

5 (Lima)

Topik

Analisa Time Series

Sub Topik

Pengolahan data statistika Analisa time series

Materi

Pengertian Analisa time series Pengumpulan Data Analisa time series

1. M e n j e l a s k a n C a r a p e n g u m p u l a n dan pengolahan data dengan m e m a k a i Analisa time series (untuk jangka Tujuan panjang dan pendek) s e b a g a i A c u a n 2. M e m b a n t u d a l a m p e n g a m b i l a n kebijakan & kesimpulan

Matakuliah Kuliah ke - / Hari Jurusan Dosen

: Statistika Probabilitas : Empat (5) Sabtu 8 April 2012 : Teknik / Sistim Informatika : Ir. Dwi Martisunu, M.Si

( 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. Metode Garis Linier Secara Bebas (Free Hand Method), 2. Methode Setengan Rata Rata (Semi Average Method), 3. Metode Rata Rata Bergerak (Moving Average Method), 4. 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 1995 1996 1997 1998 1999 2000 2001 2002 2003 Penjualan (Y) 200 245 240 275 285 300 290 315 310 X -4 -3 -2 -1 0 1 2 3 4 XY - 800 - 735 - 480 - 275 0 300 580 945 1240 X2 16 9 4 1 0 1 4 9 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 berikut : Y = 273.33 + 12.92 X untuk tahun 2010 nilai X adalah 11, adalah sebagai

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 : Y Y 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 Y Y = ( 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 Penjualan (Y) 200 245 240 275 285 300 290 315 X -7 -5 -3 -1 1 3 5 7 XY - 1400 - 1225 - 720 - 275 285 900 1450 2205 X2 49 25 9 1 1 9 25 49

Jumlah

2150

1220

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 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 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) =============================================================

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 :

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 1997 1998 1999 2000 2001 2002

Penjualan (Unit) 157 165 175 176 189 182 201 209 213 220

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