Anda di halaman 1dari 24

PERHITUNGAN PROYEKSI DATA

STATISTIK SEKTORAL UNTUK


MENETAPKAN TARGET DALAM
PERENCANAAN

Oleh:
Andi Wicaksono, S.Si.
(Badan Pusat Statistik Kab. Gunungkidul)
DATA BERDASARKAN WAKTU
PENGUMPULANNYA
1. Data Cross Section
Merupakan data yang dikumpulkan
pada waktu tertentu yang digunakan untuk
menggambarkan keadaandan kegiatan pada
waktu itu juga. Seperti penelitian yang
menggunakan kusioner.
2. Data Runtun Waktu (Time Series)
Merupakan data yang dikumpulkan
dari waktu kewaktu. Data ini biasa
digunakan untuk melihat perkembangan
dari hari ke hari berikutnya.
CONTOH DATA CROSS SECTION

 Jumlah Tenaga Medis di Kabupaten


Gunungkidul Tahun 2017 (orang)

Dokter 90
Umum

Dokter Sp. 46

Dokter Gigi 34
487
Perawat
238
Bidan
CONTOH DATA RUNTUN WAKTU
(TIME SERIES)

 Indeks Pembangunan Manusia Kabupaten


Gunungkidul, 2013 - 2017
68,73

67,82
67,41
67,03

66,31

2013 2014 2015 2016 2017


CONTOH DATA RUNTUN WAKTU
(TIME SERIES)

 Curah Hujan di Kota Wonosari, 2017 (mm)


398

269
226
194
237
204
92
126 122
27 85
2

Desember
Juli
Januari

November
September
Mei
April

Agustus
Juni
Maret

Oktober
Februari
PERAMALAN/FORECASTING
 Merupakan suatu proses perkiraan keadaan
pada masa yang akan datang dengan
menggunakan data di masa lalu
 Kegiatan untuk mengetahui kecenderungan nilai
suatu variabel di masa yang akan datang
 Peramalan kondisi mendatang bermanfaat untuk
perencanaan produksi, pemasaran, keuangan
dan bidang lainnya.
TEKNIK PERAMALAN
METODE RUNTUN WAKTU
 Teknik peramalan nilai suatu variabel dimasa
yang akan datang dengan menggunakan data
historis, dengan asumsi bahwa apa yang terjadi
dimasa yang akan datang adalah suatu fungsi
dari apa yang telah terjadi di masa lalu
 Metode ini menggunakan data runtun waktu
(time series)
 Contoh metode ini adalah : rata-rata begerak
(Moving Average), Penghalusan Eksponensial,
Proyeksi Kecenderungan
ANALISIS DATA RUNTUN WAKTU/TIME SERIES

Memilah data runtun waktu menjadi komponen-


komponen dan memproyeksikannya ke depan
Data runtun waktu memiliki empat komponen
yaitu :
 Trend : kecenderungan naik turun dalam jangka
panjang
 Musiman : pola fluktuasi data setiap tahun

 Siklus : Pola data beberapa tahun yang biasanya


dikaitkan dengan siklus bisnis
 Variasi Acak : Perubahan data yang disebabkan
oleh situasi yang tidak biasa
TREND

Suatu gerakan kecenderungan naik atau turun dalam jangka panjang


yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan
nilainya cukup rata (smooth).

Y Y

Tahun (X) Tahun (X)

Trend Positif Trend Negatif


METODE ANALISIS TREND
 Metode Semi Rata-rata
 Metode Kuadrat Terkecil

 Metode Kuadratis

 Trend Eksponensial
METODE ANALISIS TREND

1. Metode Semi Rata-rata

• Membagi data menjadi 2 bagian

• Menghitung rata-rata kelompok. Kelompok 1 (K1) dan


kelompok 2 (K2)

• Menghitung perubahan trend dengan rumus:

b= (K2 – K1)
(tahun dasar K2 – tahun dasar K1)

• Merumuskan persamaan trend Y = a + bX


CONTOH METODE SEMI RATA-RATA

Y
METODE ANALISIS TREND

2. Metode Kuadrat Terkecil


Menentukan garis trend yang mempunyai jumlah terkecil dari
kuadrat selisih data asli dengan data pada garis trendnya.

Y = a + bX

a = Y/N

b = YX/X2
CONTOH METODE KUADRAT TERKECIL

Nilai a = 30,6/5=6,12
Nilai b =5,5/10=0,55
Jadi persamaan trend Y’=6,12+0,55x
METODE ANALISIS TREND

3. Metode Kuadratis
Untuk jangka waktu pendek, kemungkinan trend tidak bersifat
linear. Metode kuadratis adalah contoh metode nonlinear

Y = a + bX + cX2

Koefisien a, b, dan c dicari dengan rumus sebagai berikut:


a = (Y) (X4) – (X2Y) (X2)/ n (X4) - (X2)2
b = XY/X2
c = n(X2Y) – (X2 ) ( Y)/ n (X4) - (X2)2
CONTOH METODE KUADRATIS

a = (Y) (X4) – (X2Y) (X2) = {(30,6)(34)-(61,1)(10)}/{(5)(34)-(10)2}=6,13


n (X4) - (X2)2
b = XY/X2 = 5,5/10=0,55
c = n(X Y) – (X ) ( Y)
2 2 = {(5)(61,1)-(10)(30,6)}/{(5)(34)-(10)2}=-0,0071
n (X4) - (X2)2
Jadi persamaan kuadratisnya adalah Y =6,13+0,55x-0,0071x2
CONTOH TREND EKSPONENSIAL

Nilai a dan b didapat dengan:


a = anti ln (LnY)/n = anti ln 9,02/5=6,07
b = anti ln  (X. LnY) - 1 = {anti ln0,91/10}-1=0,10
(X)2
Sehingga persamaan eksponensial Y =6,07(1+0,10)x
PERAMALAN (FORECAST) MENGGUNAKAN
GRAFIK EXCEL

 Persentase penduduk miskin di Kabupaten X,


2008 - 2017
PERAMALAN (FORECAST) MENGGUNAKAN
GRAFIK EXCEL
 Dibuat dalam bentuk grafik

19
PERAMALAN (FORECAST) MENGGUNAKAN
GRAFIK EXCEL

Pilih

20
Pilih
salah
satu
model
Diisi
yang
berapa
paling periode
sesuai data yang
akan di
forecast

[V] untuk
menampilkan
persamaan
21
PERAMALAN (FORECAST) MENGGUNAKAN
GRAFIK EXCEL

Garis
trend
yang
terbentuk

Persamaan yang
terbentuk, untuk
memprediksi periode
berikutnya

22
PERAMALAN (FORECAST) MENGGUNAKAN
GRAFIK EXCEL

23
TERIMA KASIH