MAKALAH STATISTIKA DESKIFTIF

ANALISA DATA BERKALA

DENGAN
METODE LEAST SQUARE

DI Susun Oleh Kelompok 10 :

1. Muhtadin
2. Maryoto
3. Dedi
4. Kiki

Jurusan Komputerisasi Akuntansi

Bina Sarana Informatika Dewisartika
2015

KATA PENGANTAR

Puji syukur kepada Tuhan yang Maha Esa kiranya telah diberikan kesehatan dan
pembelajaran sehingga penyusunan makalah ini telah selesai berkat pertolongan Tuhan dan kerja
keras.Dan kepada Bapak Dosen Algoritma saya mengucap syukur sebesar besarnya kiranya telah
diberikan pelajaran algoritma hingga kami dapat berpikir dengan matang karena penyusunan
makalah ini kami bias bekerja sama antara sesama mahasiswa hingga kami dapat berbagi ilmu.
Semoga makalah ini dapat berguna pada teman-teman mahasiswa tanpa doa temanteman mungkin makalah ini belum selesai.Saya berterima kasih atas bantuannya tanpa kalian
mungkin makalah ini tidak selesai.
Mungkin makalah ini jauh diatas sempurna, jadi kami mohon maaf jika ada kesalahan
penulisan atau kurang berkenan dihati saudara kami mohon maaf atas kesalahan tersebut. Dan
semoga makalah ini membuat ilmu kita bertambah, kami berterimakasih kepada Bapak
dosen struktur data beserta teman-teman mahasiswa.

DAFTAR ISI

Judul Makalah.............................................................................................
Kata Pengantar............................................................................................
Daftar Isi.......................................................................................................
BAB I Pendahuluan.....................................................................................
1.1 Latar Belakang.........................................................................................
1.2 Tujuan......................................................................................................
1.3 Metode Penulisan.....................................................................................
BAB II Pembahasan.....................................................................................
2.1 Pengertian Analisis Data Berkala..........................................................
2.2 Komponen Data Berkala.........................................................................
2.3 Ciri-ciri Trend Sekuler.............................................................................
2.4 Metode Least Square (Kuadrat terkecil)..................................................
2.5 Contoh Kasus...........................................................................................
2.5.1 Contoh I (Untuk jumlah data ganjil)....................................................
2.5.1.1 Analisis menggunakan Metode Least Square.....................................
2.5.1.1.1 Persamaan garis trend yang akan dicari..........................................
2.5.1.1.1.1 Penghitungan Ramalan Jumlah Penjualan HP ( Ganjil )..............
2.5.1.1.1.1.1 Graphik Penjualan Data Ganjil...................................................
2.5.2 Contoh II (Untuk jumlah data genap)...................................................
2.5.1.2 Analisis menggunakan Metode Least Square.....................................
2.5.1.2.2 Persamaan garis trend yang akan dicari...........................................
2.5.1.2.2.2 Penghitungan Ramalan Jumlah Penjualan HP ( Genap )...............
2.5.1.2.2.2.2 Graphik Penjualan Data Genap...................................................
BAB III Penutup...........................................................................................
3.1 Kesimpulan...............................................................................................
3.2 Saran.........................................................................................................
3.3 Daftar Pusataka.........................................................................................

BAB I
PENDAHULUAN
Latar Belakang
Semakin sering kita mempelajari tentang statistik deskriptif maka semakin banyak pula
pertanyaan tentang apa itu statistik deskriptif dan yang terkandung didalamnya serta apa saja
yang perlu di ketahui dalam mempelajari statistik.
Dalam kesempatan ini makalah kami akan sedikit menjelaskan tentang Data Berkala salah satu
pokok bahasan dalam mata kuliah Statistika Deskriptif dan menjelaskan suatu kasus
mengunakan Metode Least Square (Kuadrat terkecil) dan metode ini paling sering digunakan
untuk meramal Y, karena perhitungannya lebih teliti.
Tujuan
Tujuan di buatnya makalah dan presentasi ini adalah sebagai syarat pembelajaran di kampus
dalam mempelajari Statistika Deskriptif salah satu mata kuliah UAS KBK. Serta dapat
bermanfaat baik bagi penulis maupun bagi pembaca untuk meningkatkan pemahaman pada mata
kuliah Statistika Deskriptif khususnya pada pokok bahasan Data Berkala dan ingin mengetahui
cara penghitungan ramalan penjualan antara lain :
Pengertian Data Berkala
Penggolongan Gerakan Runtut Waktu / Komponen Data Berkala
Pengertian Trend Sekuler
Pengertian Metode Least Square (Kuadrat terkecil)
Untuk mengetahui berapa jumlah penjualan ditahun yang akan datang
Untuk dapat memperbandingkan Data Ganjil dan Data Genap
Metode Penulisan
Metode penulisan yang digunakan adalah dengan pembahasan berdiskusi secara kelompok / tim
berdasarkan study pustaka atau dari buku, modul kuliah dan referensi dari buku tambahan lain
dan juga internet.

BAB II
PEMBAHASAN
2.1 Pengertian Analisis Data Berkala
Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu
kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk, jumlah kecelakaan,
jumlah kejahatan, jumlah unit, dll).
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.
Data 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.
2.2 Komponen Data Berkala
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 :
Trend Sekunder, yaitu gerakan yang berjangka panjang,lamban seolah olah alun ombak dan
berkecendrungan menuju kesatu arah, arah menaik atau menurun.
Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih teratur.
Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih teratur.
Variasi Random/Residu, yaitu gerakan yang tidak teratur sama sekali.

Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:

Gerakan/VariasiTrend jangka panjang atau Trend Sekuler

(long term movements or seculer trend)
Suatu gerakan ( garis atau kurva yang halus ) yang menunjukan arah perkembangan secara
umum (kecenderungan menaik atau menurun).
Trend Sekunder umumnya meliputi gerakan yang lamanya sekitar 10 tahun atau lebih.
Garis trend sangat berguna untuk membuat ramalan (Forecasting), yang merupakan perkiraan
untuk masa depan yang diperlukan bagi perencanaan.
Gerakan/Variasi Siklis atau Siklus (cyclical movementsor variation)
Gerakan Siklis adalah gerakan/variasi jangka panjang disekitar garis trend (Berlaku untuk data
tahunan).
Gerakan Siklis terjadi berulang ulang namun tidak perlu periodic, artinya bisa berulang setelah
jangka waktu tertentu (Setiap 3 tahun, 5 tahun atau lebih) atau bisa juga tidak berulang dalam
jangka waktu yang sama.
Gerakan Siklis yang sempurna atau melukiskan terjadinya empat fase kejadian dalam jangka
waktu tertentu, yakni kemajuan / kemakmuran (Prosperity), kemunduran / resesi (Recession),
depresi (Depression) dan pemulihan (Recovery).
Gerakan/Variasi Musiman (seasonal movements or variation)
Gerakan Musiman yang mempunyai pola tetap atau berulang ulang secara teratur selama
kurang lebih setahun. Faktor utama yang menyebabkan gerakan ini adalah iklim dan kebiasaan.
Gerakan/Variasi Random/Residu(Irregular or random variations)
Gerakan atau variasi yang disebabkan oleh faktor kebetulan (Chance Factor). Gerakan yang
berbeda tapi dalam waktu yang singkat, tidak diikuti dengan pola yang teratur dan tidak dapat
diperkirakan.
Peperangan, banjir, gempa bumi, perubahan politik, pemogokan dan sebagainya, adalah beberapa
faktor yang terkenal, yang bisa menyebabkan gerakan ini terjadi, sehingga mempengaruhi
kegiatan kegiatan perdagangan, perindustrian, keuangan dll.
2.3 Ciri-ciri Trend Sekuler
Trend (T) atau Trend Sekuler ialah gerakan dalam data 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
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 penduduk / jumlah kecelakaan / jumlah kejahatan / jumlah unit, dll.
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.
2.4 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 :
Jarak antara dua waktu diberi nilai dua satuan / satu satuan.
Di atas diberi tanda negative
Dibawahnya diberi tanda positif
2.5 Contoh Kasus
2.5.1 Contoh I (Untuk jumlah data ganjil):
Ramalan Penjualan Metode Least Square
Data Penjualan (Unit ) Ervin Cell Tahun 2001-2011
Tahun
(n)
2001
2002

Jumlah Penjualan HP (Y)

51
79

2003
2004
2005
2006
2007
2008
2009
2010
2011

120
155
259
307
260
317
320
370
409

Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode least Square.
Penyelesaian :

2.5.1.1 Analisis menggunakan metode Least Square

Tahun Jumlah Penjualan HP (Y) X XY X2
2001 51
-5 -255 25
2002 79
-4 -316 16
2003 120
-3 -360 9
2004 155
-2 -310 4
2005
259
-1
-259 1
2006 307
0
00
2007
260
1 260 1
2008 317
2 634 4
2009 320
3 960 9
2010 370
4 1480 16
2011 409
5 2045 25
Jumlah 2647
0 3879 110
2.5.1.1.1 Persamaan garis trend yang akan dicari
a = y/n
a = 2647/11
= 240,636
b = xy/x2
b = 3879/110
= 35,2636

y = ao + b(x) maka diperoleh persamaan :

y = 240,636 + 35,2636(x)
Penjualan pada tahun 2012 adalah ?
y = a + b (x)
= 240,636 + 35,2636 (6)
= 240,6 + 211,5816
= 452,1816

2.5.1.1.1.1 Perhitungan Ramalan Jumlah Penjualan HP ( Ganjil )

Tahun Jumlah Penjualan HP (Y) X XY X2 Y
2001
51
-5 -255
25
64,318
2002
79
-4 -316 16
99,5816
2003
120
-3 -360
9
134,8452
2004
155
-2 -310
4
170,1088
2005
259
-1 -259
1
205,3724
2006
307
0 0 0
240,636
2007
260
1 260
1
275,8996
2008
317
2 634 4
311,1632
2009
320
3 960
9
346,4268
2010
370
4 1480 16
381,6904
2011
409
5 2045 25
416,954
2012
?
6
452,1816
Jumlah
2647
0 3879 110
2.5.1.1.1.1.1 Graphik Penjualan Data Ganjil
(Gambar)

2.5.2 Contoh II (Untuk jumlah data genap) :

Ramalan Penjualan Metode Least Square
Data Penjualan (Unit) Ervin Cell Tahun 2001-2010
Tahun Jumlah Penjualan HP (Y)
2001 51
2002 79
2003 120
2004 155
2005 259
2006 307
2007 260
2008 317
2009 320
2010 370
Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode least Square.
Penyelesaian :
2.5.1.2 Analisis menggunakan metode Least Square
Tahun Jumlah Penjualan HP (Y) X XY X2
2001 51
-5 -255
25
2002 79
-4 -316
16
2003 120
-3 -360
9
2004 155
-2 -310 4
2005 259
-1 -259 1
2006 307
1 307 1
2007 260
2 520 4
2008 317
3 951 9
2009 320
4 1280 16
2010 370
5 1850 25
Jmlh
2238
0 3408 110

2.5.1.2.2 Persamaan garis trend yang akan dicari

a = y/n

a = 2238/10
= 223,8
b = xy/x2
b = 3408/110
= 30,9818
y = ao + b(x) maka diperoleh persamaan :
y = 223,8 + 30,9818(x)
penjualan tahun 2012 adalah ?
y = ao + b(x)
y = 223,8 + 30,9818 (7)
y = 223,8+ 216,8726
y = 440,6726
2.5.2.2.2.2 Perhitungan Ramalan Jumlah Penjualan HP ( Genap )
Tahun Jumlah Penjualan HP (Y) X XY X2 Y
2001 51 -5 -255 25 68,891
2002 79 -4 -316 16 99,8728
2003 120 -3 -360 9 130,855
2004 155 -2 -310 4 161,836
2005 259 -1 -259 1 192,818
2006 307 1 307 1 254,782
2007 260 2 520 4 285,764
2008 317 3 951 9 316,765
2009 320 4 1280 16 347,727
2010 370 5 1850 25 378,709
2011 ? 6 409,691
2012 ? 7 440,673
Jumlah 2238 0 3408 110

2.5.1.2.2.2.2 Graphik Penjualan Data Genap

(Gambar)

BAB III
PENUTUP
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, contohnya
saja perkembangan produksi, dll.
Ramalan penjualan hanya perkiraaan atas penjualanan dimasa yang akan datang, jarang sekali
penjualan akan sama dengan ramalan penjualan, oleh karena itu akan terjadi penyimpangan /
perbedaan antara penjualan dengan ramalan penjualan baik jumlah penjualan diatas / melebihi
jumlah ramalan penjualan maupun jumlah penjualan dibawah / kurang dari jumlah ramalan
penjualan.
Bila dibandingkan Data Ganjil dan Data Genap, angka dimasing masing data ganjil dan dan
genap tidak menentu, bisa data ganjil angkanya diatas / melebihi dari pada angka data genap,
atau sebaliknya data ganjil angkanya dibawah / kurang dari pada angka data genap, dan juga bisa
angka data ganjil dan data genap, angkanya sama.
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.

Daftar Pustaka
Modul Statistika Deskriptif.BSI/Pertemuan6
Drs. Bambang Soepeno. 2012. Manajemen Produksi Berbantuan Komputer. Jakarta.
soekirman.files.wordpress.com/2012/03/ma_7.doc