 Proyeksi Tren (Trend Projection)

Metode peramalan runtun waktu yang menyesuaikan sebuah garis tren pada sekumpulan data masa
lalu yang kemudian diproyeksikan dalam garis untuk meramalkan masa depan sebagai peramalan
jangka pendek atau jangka panjang. Kalau hal yang diteliti menunjukkan gejala kenaikan maka
tren yang kita miliki menunjukkan rata-rata pertumbuhan disebut trend positif, namun apabila hal
yang kita teliti menunjukkan gejala yang semakin berkurang maka, tren yang kita miliki
menunjukkan rata-rata penurunan atau disebut juga tren negatif.

(1) Metode kuadrat terkecil (linear least square ) Persamaan tren dengan metode linear least square
adalah sebagai berikut:
ŷ = a+bx
Dimana:
ŷ = nilai variabel yang dihitung untuk diprediksi (variabel terikat)
a = perpotongan sumbu y, bila constan
b = slope koefisien kecenderungan garis tren
X = variable bebas, waktu

Dalam persamaan tersebut, ŷ merupakan variabel yang akan dicari, x merupakan satuan waktu
(diketahui). Dimana a dan b adalah merupakan parameter yang harus dicari.

Untuk mencari nilai a dapat digunakan dengan menggunakan rumus :

kemudian nilai b dapat dicari dengan rumus :

 Variasi Musiman dalam Data

Pergerakan secara teratur dalam rangkaian data (data series) yang terkait dengan kejadian
yang berulang, misalnya cuaca atau hari libur. Contoh : Pemutaran Film di Bioskop yang
memiliki permintaan lebih tinggi pada malam Jumat dan Sabtu. Berikut langkah-langkah
untuk mengembangkan indeks musiman :

1. Menemukan rata-rata permintaan historis tiap musim, yaitu dengan

menjumlahkan permintaan untuk bulan tersebut dalam masing masing tahun dan
membaginya dengan jumlah tahun dari data yang tersedia. Misal : penjualan
 pada januari 3 tahun berturut-turut adalah 8,6 dan 10 maka, rata-rata permintaan
pada januari setara dengan (8+6+10)/3 = 8 unit.
2. Menghitung rata-rata permintaan selama sepanjang bulan dengan membagi total
rata-rata permintaan tahunan dengan jumlah musim. Misal, total rata-rata untuk
setahun 120 unit dan terdapat 12 musim maka rata-rata permintaan bulanannya
adalah 120/12 = 10 unit.
3. Menghitung indeks musiman untuk setiap musim dengan membagi rata-rata
permintaan historis bulan tersebut dengan rata-rata permintaan selama sepanjang
bulan. Missal : rata-rata permintaan selama januari 8 unit dibagi dengan rata-rata
permintaan bulanan yaitu 10 unit, hasilnya indeks musiman untuk januari adalah
8/10 = 0.8.
4. Estimasi total permintaan tahunan untuk tahun berikutnya.
5. Membagi estimasi total permintaan tahunan dengan jumlah musim, kemudian
dikalikan dengan indeks musiman untuk tiap-tiap bulan. Dan hasil ini
memberikan peramalan musiman.

 Variasi Siklus dalam Data

Siklus ini seperti variasi musiman pada data, tetapi terjadi setiap beberapa tahun, bukan
minggu, bulan atau kuartal.

 Metode Peramalan Asosiatif : Analisis Regresi dan Korelasi