Anda di halaman 1dari 34

BAB 5

ANALISIS RANGKAIAN WAKTU (TIME SERIES ANALYSIS)


Kompetensi Menjelaskan konsep dasar time series.

Indikator 1. Menjelaskan konsep dasar time series analysis: trend linear. 2. Menjelaskan konsep dasar time series analysis: trend non linear. 3. Menjelaskan konsep dasar time series analysis: variasi musim untuk peramalan.

A. Pendahuluan Dalam peramalan, biasanya orang akan mendasarkan diri pada pola atau tingkah laku data pada masa-masa lampau. Data yang dikumpulkan dari waktu ke waktu disebut rangkaian waktu atau time series. Data tersebut memiliki variasi (gerakan) yang berbeda. Secara umum variasi (gerakan) dari data rangkaian waktu tersebut terdiri dari: 1. Trend jangka panjang (trend sekular) adalah suatu garis (trend) yang menunjukkan arah perkembangan secara umum.

68

2. Variasi musim adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali dalam jangka waktu tidak lebih dari 1 tahun. 3. Variasi siklis adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali setelah jangka waktu lebih dari 1 tahun. 4. Variasi random adalah suatu gerakan yang naik turun secara tiba-tiba atau mempunyai sifat yang sporadis sehingga biasanya sulit untuk diperkirakan sebelumnya.

Analisis rangkaian waktu mencoba menentukan pola hubungan antara waktu sebagai variabel bebas (independent variable) dengan suatu data sebagai variabel tergantung (dependent variable). data tersebut dipengaruhi oleh waktu. Artinya besar-kecilnya

B. Trend Linier Trend linier merupakan garis peramalan yang sifatnya linier sehingga secara matematis bentuk fungsinya adalah:

Y' = a + bX
Keterangan: Y = nilai trend periode tertentu = nilai peramalan pada periode tertentu a b = konstanta = nilai trend pada periode dasar = koefisien arah garis trend = perubahan trend setiap periode X = unit periode yang dihitung dari periode dasar.

Secara umum penulisan hasil analisis trend linier adalah: Y = a + b X

69

Periode dasar: .. Unit X Unit Y : .. : ..

Metode untuk menentukan persamaan trend linier: 1. Metode bebas 2. Metode setengah rata-rata 3. Metode kuadrat terkecil

Berdasarkan ketiga metode tersebut yang memiliki tingkat penyimpangan antara peramalan dan observasi adalah metode kuadrat terkecil, sehingga hanya akan dibahas metode kuadrat terkecil (Least Square).

1. Trend Linier dengan Metode Kuadrat Terkecil (Least Square Method) Peramalan dengan metode kuadrat terkecil akan menghasilkan jumlah kuadrat kesalahan-kesalahan terkecil. Jika persamaan garis trend linier Y = a + bX, maka untuk menentukan harga konstanta a dan b dengan metode ini dapat menggunakan persamaan normal sbb: Y = na + b X XY = a X + bX2

Keterangan: Y = harga-harga hasil observasi X = unit tahun yang dihitung dari periode dasar a = nilai trend pada periode dasar b = perubahan trend (koefisien arah garis) n = banyaknya data

70

Untuk menyederhanakan perhitungan, dibuat sedemikian rupa sehingga diperoleh X = 0, sehingga harga a dan b menjadi:

a=

Y =Y n
XY X 2

b =

Dalam penentuan skala X = 0 ada 2 kemungkinan, yaitu: a. Untuk data ganjil, angka nol diletakkan pada tahun yang di tengah, sehingga skala X nya menjadi tahunan. (selisih 1) Tabel 5.1 Skala X Untuk Data Ganjil Th X 1997 -2 1998 -1 1999 0 2000 1 2001 2 0

b. Untuk data genap, maka angka nol pada skala X terletak antara 2 tahun yang di tengah sehingga skala X menjadi setengah tahunan. (selisih 2) Tabel 5.2 Skala X Untuk Data Genap Th X 1997 -5 1998 -3 1999 -1 2000 1 2001 3 2002 5 0

71

Contoh: a. Survei yang dilakukan PT Falma Indonesia menunjukkan bahwa permintaan terhadap Margarine sejak tahun 1999 sampai 2005 sbb: (dalam 000 ton) Tabel 5.3 Permintaan Margarine PT Falma Indonesia Tahun Permintaan (000 Ton) 2001 2002 2003 2004 2005 2006 2007 200 225 295 350 410 470 510

Berdasarkan data di atas: 1) Gambarkan data tersebut. 2) Tentukan persamaan garis permintaan terhadap margarine dengan metode linier least square. 3) Berapa perkiraan permintaan terhadap margarine untuk tahun 2009?

72

Penyelesaian: 1) Gambar data permintaan margarine PT Falma Indonesia


Permintaan 600 500 400 300 200 100 0 2000

Permintaan

2002

2004

2006

2008

Gambar 5.1 Permintaan Margarine PT Falma

2) Persamaan garis permintaan terhadap margarine dengan metode linier least square. Tabel 5.4 Perhitungan Persamaan Permintaan Margarine PT Falma Indonesia Tahun Permintaan (000 Ton) Y 2001 2002 2003 2004 2005 2006 2007 Jumlah 200 225 295 350 410 470 510 2.460 X -3 -2 -1 0 1 2 3 0 XY -600 -450 -295 0 410 940 1.530 1.535 X2 9 4 1 0 1 4 9 28

73

a=

Y 2.460 =Y = = 351,43 n 7
XY 1 . 535 = = 54 ,82 X 2 28

b =

Persamaannya:

Y = 351,43 + 54,82 X

Periode dasar : tahun 2004 Unit X Unit Y : tahunan : ribuan ton / tahun

3) Perkiraan permintaan terhadap margarine untuk tahun 2009?

Y2009 maka nilai X = 5

Y 2009 = 351,43 + 54,82 (5) = 625,54 (ribuan ton)

Jadi perkiraan permintaan margarine tahun 2009 yaitu 625.540 ton margarine

74

b. Data jumlah produksi baju pada PT Lady selama beberapa tahun yaitu: Tabel 5.5 Jumlah Produksi PT Lady Tahun 2000 2001 2002 2003 2004 2005 2006 2007 Produksi (Unit) 500 560 590 620 640 680 730 750

1) Gambarkan data jumlah produksi PT Lady 2) Buatlah persamaan trendnya 3) Berapa perkiraan produksi tahun 2008?

Penyelesaian: 1) Gambar data jumlah produksi PT Lady


Produksi 800 600 400 200 0 1998 2000 2002 2004 2006 2008 Produksi

Gambar 7.2 Produksi PT Lady

75

2) Persamaan trend Tabel 5.6 Perhitungan Persamaan Produksi PT Lady Tahun 2000 2001 2002 2003 2004 2005 2006 2007 Jumlah Produksi (Y) 500 560 590 620 640 680 730 750 5.070 X -7 -5 -3 -1 1 3 5 7 0 XY -3.500 -2.800 -1.770 -620 640 2.040 3.650 5.50 2.890 X2 49 25 9 1 1 9 25 49 168

a=

Y 5.070 =Y = = 633,75 n 8
XY 2 . 890 = = 17 , 20 2 X 168

b =

Persamaannya:

Y = 633,75 + 17,20 X

Periode dasar : tahun 2003 - 2004 Unit X Unit Y : tahunan : unit / tahun

76

3) Berapa perkiraan produksi tahun 2008? Y2008 maka nilai X = 9 Y = 633,75 + 17,20 (9) = 788,57 (dibulatkan 789) Jadi perkiraan produksi PT Lady tahun 2008 yaitu 789 unit

2. Merubah Persamaan Trend a. Perubahan periode dasar Persamaan awal: Y = a + b X Berdasarkan persamaan tersebut yang berubah hanya a yaitu nilai trend pada periode dasar. Bila periode dasar diubah, maka a diganti dengan nilai trend pada periode dasar yang baru. Sedangkan bilangan-bilangan yang lain tetap.

b. Perubahan satuan waktu 1) Jika persamaan trend tahunan (skala X tahunan): Y = a + b X Periode dasar: 2005 Unit X Unit Y Diubah menjadi a) Persamaan trend rata-rata bulanan: : tahunan : unit/tahun

Y' =

a b + X 12 12
: tahunan : unit/bulan

Periode dasar: 2005 Unit X Unit Y

77

b) Persamaan trend rata-rata kuartalan:

Y' =

a b + X 4 4
: tahunan : unit/kuartal

Periode dasar: 2005 Unit X Unit Y

c) Persamaan trend bulanan:

Y' =

a b + X 12 12 2
: bulanan : unit/bulan

Periode dasar: 30/6 atau 1/7 2005 Unit X Unit Y

d) Persamaan trend kuartalan:

Y' =

a b + X 4 42
: kuartalan : unit/kuartal

Periode dasar: akhir kw II atau awal kw III th 2005 Unit X Unit Y

2) Jika persamaan trend tahunan (skala X tahunan): Y = a + b X Periode dasar: 2005 2006 Unit X Unit Y Diubah menjadi a) Persamaan trend rata-rata bulanan: : tahunan : unit/tahun

78

Y' =

a b + X 12 12
: tahunan : unit/bulan

Periode dasar: 2005 2006 Unit X Unit Y

Besarnya akan sama dengan trend tahunannya dibagi 12.

b)

Persamaan trend rata-rata kuartalan:

Y' =

a b + X 4 4
: tahunan : unit/kuartal

Periode dasar: 2005 2006 Unit X Unit Y

Hasilnya akan sama dengan trend tahunannya dibagi 4 c) Persamaan trend bulanan:

Y' =

a b + X 12 1 2 12 2
: bulanan : unit/bulan

Periode dasar: 31/12 2005 atau 1/1 2006 Unit X Unit Y d)

Persamaan trend kuartalan:

Y' =

a b + X 4 1 2 4 2
: kuartalan : unit/kuartal

Periode dasar: awal kw I th 2005 Unit X Unit Y

79

C. Trend Non Linier Trend non linier yaitu trend yang persamaannya berpangkat lebih dari satu. Dua jenis trend non linier yang akan dipelajari adalah trend parabolik (persamaannya berpangkat 2) dan trend eksponensiil (persamaannya berpangkat X).

1. Trend Parabolik Bentuk umum persamaan trend parabolik yaitu: Y = a + bX + cX2

Secara matematis dan sederhana, harga a dan b dapat dicari dengan asumsi bahwa X = 0, sebagai berikut:

b=

XY X 2

X 2 .Y n.X 2Y c= (X 2 ) 2 + n.X 4
X 2 n

a = Yc

80

Contoh soal: Data penjualan PT Ikhlas selama 13 tahun terakhir ditunjukkan dalam table 7. berikut ini: Tabel 5.7 Penjualan PT Ikhlas Tahun 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Berdasarkan data di atas: a. Gambarkan data penjualan PT Ikhlas. b. Buatlah persamaan trendnya. c. Berapa ramalan penjualan PT Ikhlas tahun 2009? Penjualan (000 unit) 150 165 177 189 199 220 235 219 197 188 178 167 151

81

Penyelesaian: a. Gambar data penjualan PT Ikhlas.


Data Penjualan PT Ikhlas
250 Penjualan 200 150 100 50 0 1990

Penjualan

1995

2000 Tahun

2005

2010

Gambar 5.3 Data Penjualan PT Ikhlas

b. Persamaan trendnya. Tabel 5.8 Penjualan PT Ikhlas Tahun 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Jumlah Penjualan (Y) 150 165 177 189 199 220 235 219 197 188 178 167 151 2.435 X -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 0 XY -900 -825 -708 -567 -398 -220 0 219 394 564 712 835 906 12 X2 36 25 16 9 4 1 0 1 4 9 16 25 36 182 X2Y 5.400 4.125 2.832 1.701 796 220 0 219 788 1.692 2.848 4.175 5.436 30.232 X4 1.296 625 256 81 16 1 0 1 16 81 256 625 1.296 4.550

82

b=

XY 12 = = 0,0659 X 2 182

X 2 .Y n.X 2Y (128x2.435) (13x30.232) c= = = 0,5435 (X 2 ) 2 + n.X 4 (182) 2 + (13x4.550)


X 2 2.435 182 a =Y c = (0,5435 x ) = 179,7 n 13 13
Persamaannya: Y = 179,7 + 0,0659 X + 0,5435 X2

c. Ramalan penjualan PT Ikhlas tahun 2009

Y 2009 maka X = 8 Y = 179,7 + 0,0659 (8) + 0,5435 (8)2 = 215,01 (dibulatkan menjadi 215) Ramalan penjualan PT Ikhlas tahun 2009 sebesar 215.000 unit

2. Trend Eksponensiil Bentuk umum persamaan trend eksponensiil adalah: Y = a. bx Apabila diubah dalam bentuk logaritma, maka persamaannya menjadi: Log Y = log a + X log b Harga-harga a dan b dapat dicari dengan asumsi X = 0 sebagai berikut:

log Y = n log a

83

log a =

log Y n

a = antilog a

(X log Y ) = ( X 2 ) log b
log b = ( X log Y ) X 2

b = antilog b

Contoh soal: Data penjualan PT Bintang selama beberapa tahun adalah sebagai berikut (data dalam ribuan):

84

Tabel 5.9 Penjualan PT Ikhlas Tahun 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Berdasarkan data di atas: a. Gambarkan data penjualan PT Bintang. b. Buatlah persamaan trendnya. c. Berapa ramalan penjualan PT Bintang tahun 2009? Penyelesaian: a. Gambar penjualan PT Bintang Penjualan 150 160 170 190 210 230 244 255 260 270 270 270 270 270 272

85

Penjualan 300 250 200 150 100 50 0 1990 2000 2010 Penjualan

Gambar 5.4 Data Penjualan PT Bintang b. Persamaan Trend Tabel 5.10 Perhitungan Persamaan Trend Tahun 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Jumlah Penjualan (Y) 150 160 170 190 210 230 244 255 260 270 270 270 270 270 272 X -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 Log Y 2,1761 2,2041 2,2304 2,2788 2,3222 2,3617 2,3874 2,4065 2,4150 2,4314 2,4314 2,4314 2,4314 2,4314 2,4346 35,3737 X Log Y -15,2326 -13,2247 -11,1522 -9,1150 -6,9667 -4,7235 -2,3874 0 2,4150 4,8627 7,2941 9,7255 12,1568 14,5882 17,0420 5,2821 X2 49 36 25 16 9 4 1 0 1 4 9 16 25 36 49 280

86

log a =

log Y 35,3737 = = 2,3582 n 15

a = antilog a = antilog 2,3582 =

log b =

( X log Y ) 5, 2821 = = 0,0189 280 X 2

b = antilog b = antilog 0,0189 =

D. Kriteria Memilih Trend Dalam memilih trend yang sebaiknya digunakan, ada 3 cara yaitu (Atmaja, 1997): 1. Menganalisis grafik data atau scatter-plot Jika data observasi cenderung menunjukkan gejala linier, kita sebaiknya menggunakan trend linier. Jika data observasi cenderung menunjukkan ciri-ciri bentuk kuadratik, gunakan trend kuadratik. Jika data observasi cenderung menunjukkan tidak linier dan tidak kuadratik, gunakan trendeksponensial. Perhatikan gambar berikut ini:

87

Gambar 5.5 Cenderung linier

Gambar 5.6 Cenderung kuadratik

Gambar 5.7 Cenderung eksponensial

2. Menganalisis selisih data

a. Jika selisih pertama data observasi cenderung konstan, gunakan trend linier 88

Contoh: Tabel 5.11 Perhitungan Selisih Trend Linier Y 10 10 20 9 29 10 39 11 50 10 60 Selisih Pertama

b. Jika selisih kedua dari data observasi cenderung konstan, gunakan trend kuadratik Contoh: Tabel 5.12 Perhitungan Selisih Trend Kuadratik Y 10 10 20 15 5 Selisih Pertama Selisih Kedua

89

Y 35

Selisih Pertama

Selisih Kedua 5

20 55 25 80 30 110 35 145 5 5 5

c. Jika selisih pertama dari nilai logaritma data observasi cenderung konstan, gunakan trend eksponensial Contoh: Tabel 5.13 Perhitungan Selisih Trend Eksponensial Y 10 15 25 40 80 Log Y 1 0,176 1,176 0,222 1,398 0,204 1,602 0,301 1,903 0,273 150 2,176 0,125 200 2,301 Selisih Kedua

90

3. Menghitung Mean Square Error Menghitung Mean Square Error untuk setiap jenis trend, pilih garis trend yang memberikan Mean Square Error (MSE) terkecil.

(Yi Yi ) MSE =
n

Dimana: Yi = observasi aktual periode i

i = nilai prediksi atau trend untuk periode i Y


n = jumlah observasi

E. Variasi Musim Variasi musim merupakan gerakan data yang naik turun secara teratur yang cenderung terulang kembali dalam jangka waktu kurang dari 1 tahun, misalnya bulanan, kuartalan dsb. Dalam mengukur derajat naik turunnya data biasanya dinyatakan dengan indeks musim atau IM. Harga rata-rata IM untuk setiap periode musiman akan sama dengan 100.

Dalam menghitung harga-harga IM dapat digunakan beberapa metode, yaitu: 1. metode rata-rata sederhana, 2. metode perbandingan dengan trend, 3. metode perbandingan dengan rata-rata bergerak, 4. metode relatif berantai Pembahasan akan dilakukan dengan menggunakan metode rata-rata sederhana.

1. Metode Rata-rata Sederhana Langkah-langkah menghitung indeks musim dengan menggunakan metode rata-rata sederhana yaitu:

91

a. Susun data dalam suatu tabel dengan baris periode musiman (bulanan, kuartalan dsb) dan kolom untuk tahun. b. Hitung rata-rata setiap periode musiman untuk seluruh tahun yang ada (rata-rata ke kanan/setiap baris), hasilnya masukkan dalam kolom 1. c. Hitung rata-rata setiap periode musiman untuk setiap tahun (rata-rata ke bawah/setiap kolom) d. Cari trend/tambahan trend (b) periode musiman dengan rumus:

b=

XY : periode musiman X 2

Y = harga rata-rata per periode musiman per tahun X = unit periode (tahun)

X= 0
Harga b selalu dianggap positif, sehingga hasil positif atau negatif hanya menunjukkan bahwa trend setiap periode bertambah/menurun. Jika harga b positif, maka trend pada: periode musiman I = 0b periode musiman II = 1b periode musiman III = 2b, dst (dari baris paling atas) Jika harga b negatif, maka trend pada: periode musiman n 1 = 1b periode musiman n 2 = 2b periode musiman n 3 = 3b, dst (dari baris paling bawah) Harga-harga trend ini kemudian kita masukkan pada kolom 2.

e. Mengurangi harga rata-rata setiap periode muiman untuk seluruh tahun (kolom 1) dengan tambahan trend setiap periode (kolom 2). Hasilnya dimasukkan dalam kolom 3.

92

f. Hitung rata-rata untuk kolom 3, yaitu jumlah kolom 3 dibagi dengan banyak periode musimannya, misalnya bulanan dibagi 12, kuartalan dibagi 4 dst. g. Menentukan harga-harga Indeks musim (IM) untuk setiap periode musiman dengan menggunakan rumus: angka-angka pada kolom 3 IM = ------------------------------------- x 100 rata-rata kolom 3

Contoh: Data Penjualan bulanan PT WINGWING adalah sebagai berikut: Tabel 5.14 Data Penjualan PT WINGWING Bulan Tahun 2003 Jan Feb Maret April Mei Juni Juli Agst Sept Okt Nov Des 500 450 430 400 550 500 450 520 390 400 550 650 2004 2005 550 530 600 600 490 440 410 600 400 450 500 630 630 545 530 580 500 470 440 430 470 480 520 620 2006 2007 540 550 530 480 460 470 600 630 500 510 550 660 620 540 500 500 510 490 580 660 510 520 600 710

Carilah indeks musimnya

93

2. Ramalan Rangkaian Waktu Dengan Variasi Musim Jika data yang akan diramalkan terpengaruh oleh adanya variasi musim, maka dalam peramalannya kita perlu memperhitungkan indeks musimnya. Sehingga rumus ramalannya menjadi sbb:

Y' ' =
Y Y IM

Y' xIM 100

= nilai ramalan karena adanya pengaruh variasi musim = trend periode musim ( trend bulanan, trend kuartalan dst) = indeks musim (IM bulanan, IM kuartalan dst)

Metode peramalan yang demikian itu sering disebut dengan peramalan dengan metode dekomposisi.

Contoh: Data Produksi kuartalan PT LAVENDER adalah sbb: Tabel 5.15 Data Penjualan PT LAVENDER Kuartal I II III IV 2000 93 96 97 93 2001 93 97 93 94 2002 86 96 98 95 2003 92 100 103 102

Ramalkan untuk kuartal I sampai dengan kuartal IV tahun 2003.

F. Latihan soal 1. Jumlah pengunjung taman rekreasi HAPPY dari tahun ke tahun

ditunjukkan oleh data berikut ini:

94

Tabel 5.16 Data Pengunjung Taman Rekreasi HAPPY Tahun 1996 1997 1998 1999 2000 2001 2002 2003 2005 2006 2007 Berdasarkan data di atas: a. Buatlah persamaan trendnya? b. Berapa perkiraan jumlah pengunjung tahun 2009? c. Jika setiap pengunjung membayar tiket masuk Rp5.000 per orang, berapa pendapatan dari penjualan tiket tahun 2009? Jumlah Pengunjung 1247 1364 1480 1646 1832 2052 2105 2210 2353 2402 2455

2. Data produksi PT HOKERY sebagai berikut: Tabel 5.17 Data Produksi PT HOKERY

Tahun
1987 1988 1989 1990 1991 1992 1993 1994 1995

Produksi
(ribuan unit) 540 550 559 569 580 590 600 611 621

95

Tahun
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Produksi
(ribuan unit) 630 640 650 659 670 680 700 710 725 740 755 770

Berdasarkan data di atas: a. Dengan menggunakan analisis selisih data , trend apakah yang sesuai untuk digunakan? b. Buatlah persamaan trendnya. c. Berapa ramalan produksi tahun 2010.

3.

Data penjualan PT BULAN yaitu: Tabel 5.18 Data Penjualan PT BULAN Tahun 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 Penjualan (ribuan unit) 640 650 659 669 680 690 600 711 721 730

96

Tahun 1999 2000 2001 2002 2003 2004 2005 2006 2007

Penjualan (ribuan unit) 740 750 759 770 780 800 820 845 875

Jika dari data di atas diasumsikan datanya linear: a. Buatlah persamaan trendnya, dengan menggunakan metode least square (kuadrat terkecil). b. Berapa ramalanpenjualan 2009? c. Berapa ramalan penjualan rata-rata bulanan tahun 2009? d. Berapa ramalan penjualan rata-rata kuartalan tahun 2009? e. Berapa ramalan penjualan bulan Februari dan Agustus tahun 2009? f. Berapa ramalan penjualan bulan kuartal I dan kuartal IVtahun 2009?

4. PT SANSIVERA memiliki data produksi sebagai berikut (data yang kosong silahkan diisi sendiri): Tabel 5.19 Data Produksi PT SANSIVERA Tahun 1989 1990 1991 1992 1993 1994 1995 1996 Produksi (ribuan unit) 640 650 ....... ....... ....... ....... ....... .......

97

Tahun 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Produksi (ribuan unit) ....... ....... ....... ....... 759 770 780 ....... ....... ....... .......

a. Gambarkan data tersebut, trend apa yang cocok untuk digunakan? b. Buatlah persamaan trendnya, c. Berapa ramalan produksi tahun 20010? d. Buatlah persamaan trend rata-rata bulanan. e. Buatlah persamaan trend rata-rata kuartalan. f. Buatlah persamaan trend bulanan. g. Buatlah persamaan trend kuartalan.

5. Jumlah dana yang mampu dihimpun PT Bank Surya sejak didirikannya tahun 1993 adalah sebagai berikut:

Tabel 5.20 Jumlah Dana PT Bank Surya Tahun Dana dihimpun 2000 2001 2002 2003 2004 2005 2006 2007 3.0 4.2 6.3 8.9 12.5 15.7 18.0 23.3

(milyar rp)

Berdasar data tersebut, tentukan:

98

a. Persamaan garis trend b. Perkiraan dana yang dihimpun tahun 2009 c. Perkiraan dana yang dihimpun tahun 2009 bila periode dasar diubah menjadi tahun 2005 d. Dengan persamaan pada butir a, hitunglah perkiraan dana kw I hingga kw IV tahun 2009.

6.

Data penjualan PT ORCHID selama beberapa tahun yaitu (Silahkan data diisi sendiri dalam bentuk ribuan):

Tabel 5.21 Data Penjualan PT ORCHID Tahun 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Penjualan ....... ....... ....... ....... ....... ....... ....... ....... ....... ....... ....... .......

Berdasar data tersebut:

99

a. Gambarkan data tersebut, trend apa yang cocok untuk digunakan? b. Buatlah persamaan trend c. Berapa ramalan penjualan tahun 2010?

7. Data penjualan kuartalan PT KATLEYA adalah: Tabel 5.22 Data Penjualan PT KATLEYA Kuartal I II III IV 2004 195 199 197 193 2005 198 190 193 194 2006 186 196 198 195 2007 192 205 203 210

Ramalkan untuk kuartal I sampai dengan kuartal IV tahun 2009.

8. Data Penjualan bulanan PT EPHORBIA adalah sebagai berikut: Tabel 5.23 Data Penjualan PT EPHORBIA Bulan 2003 Jan Feb Maret April Mei Juni Juli 600 550 530 500 650 600 550 Tahun 2004 2005 650 630 700 700 690 640 610 730 645 630 680 600 670 640 2006 2007 640 650 630 680 660 670 600 760 600 660 770 610 690 680

100

Bulan 2003 Agst Sept Okt Nov Des 620 690 600 650 650

Tahun 2004 2005 700 600 650 500 630 630 670 680 620 620 2006 2007 670 690 610 650 760 760 610 620 660 710

Berdasarkan data di atas: a. Carilah indeks musimnya b. Berapa ramalan penjualan bulan desember tahun 2008?

101