Trend

merupakan gerakan jangka panjang yang dimiliki kecenderungan

menuju pada satu arah, yaitu arah naik dan turun.
(
Atmajaya, 2009)
Trend adalah suatu gerakan kecenderungan naik atau turun dalam jangka
panjang yang diperoleh dari rata
-
rata perubahan dari waktu ke waktu dan nilainya
cukup rata atau mulus (

Berikut ini akan diberikan satu analisis data deret waktu, yaitu analisis klasik atau analisis
dekomposisi. Analisis dalam kajian ini memperhatikan 4 faktor yang melekat dalam
mempengaruhi model yang akan dibentuk, yaitu :

* Pengaruh Tren : gerakan jangka panjang yang memiliki kecenderungan menuju suatu arah, yaitu
arah naik atau turun

* Pengaruh Musiman: gerakan jangka pendek, kurang dari 1 tahun, yang ber-ulang secara
teratur dari beberapa tahun pengamatan, seperti penjualan
daging sapi, akan terlihat jumlah pesanan yang cukup
meledak biasanya menghadapi lebaran, atau tahun baru.
Demikian pula tentang Jumlah permintaan buku tulis,
tampak sangat berbeda terjadi pada bulan-bulan
memasuku ajaran baru, seperti bulan Juli, dibandingkan
bulan-bulan lainnya. Maka dalam hal akan ada pengaruh
musiman bulanan.

* Pengaruh Siklis : gerakan jangka panjang yang memiliki unsure per-luasan

(expansian), puncak (peak), kemun-duran
(contraction) dan depresi (trough).

* Pengaruh Residu : atau disebut juga pengaruh randon, yaitu gerakan yang
bersifat acak atau tidak ber-aturan, sehingga tidak
dapat diprediksi sebelumnya. Seperti, terjadi
pengeboman gedung BEJ Jakarta, mengakibatkan
turun-nya transaksi saham pada saat itu dan
beberapa hari setelahnya.

Sehingga dalam hubungan ini suatu pemodelan data akan dapat dibentuk dalam suatu fungsi yang
berbentuk : Y = f (T, M, S, R)

Sehubungan dengan kebutuhannya, maka dalam pasal kajian kita ini hanya dibahas pengaruh Tren
dan Pengaruh musiman saja, dalam rangka menaksir bentuk model data.

2). ANALISIS TREN

Tren diambil dari istilah kecenderungan (trendi), yang merupakan gerakan kekontinuan data jangka
waktu tertentu dan stabil. Dimana gerakan nya memiliki kecenderungan menuju suatu arah, yaitu
arah naik atau turun Berdasarkan pencaran data kita dapat menetapkan apakah gerakannya cende-
rung berbentuk garis lurus, atau garis lengkung. Jika tren data membentuk garis lurus dikatakan
model data membentuk Tren Linier, sebaliknya jika kecenderungannya membentuk garis lengkung
dikatakan Tren Non-Linier.

(i). Tren Linier : gerak data membentuk garis lurus atau mendekatinya.

Model Umum : Yt =  + ti + i ... (6.1)

Y t = a + b t i
Model Estimasi : ... (6.2)

Dimana : Yt = unit data var-Y untuk periode ke-t,

 = kontanta model tren yang ditaksir oleh a.
 = koefisien model tren (slope), yang ditaksir oleh b.
 = deviasi atau sisaan, atau kekeliruan

Kurva Tren Linier :

Yt Yt

0 0 t t

Gambar 5.1. Kurva Tren-Linier

(ii). Tren Non-Linier : gerak data membentuk garis lengkung yang beraturan.
Jenis Trend ini diantaranya :
 Tren Parabola : Yt = ao + a1 ti + a2 ti2 ... (6.3)

 Tren Logistik : Yt = (a.bt ) –1 . . .

(6.4)

 Tren Eksponen : Yt = a.(b) ti ... (6.5)

 Tren Geometrik : Yt = a.( ti )b ... (6.6)

 Tren Kubik : Yt = a + b ti + c ti2 + d ti3, ... (6.7)

 Yt Tren Eksponensial

Kurva Tren :

Yt Tren Parabola Yt
Tren Parabola

0 t

0 t
0
t

Yt
Tren Kubik

0
t
Yt Tren Logistik Yt
Tren Kubik

0 Gambar 5.2. BeberapatBentuk Kurva Non-Linier

0
t

3). ANALISIS TREN LINIER

Metoda analisis Tren, yaitu untuk menaksir model tren data deret waktu, dapat digunakan beberapa
teknik estimasi statistik, diantaranya dengan metode kuadrat terkecil (Least square methods),
metode kemungkinan maksimum (Maximum likelihood methods), tetapi pada umumnya dan untuk
lebih mudah penggunaannya digunakan metoda kuadrat terkecil (MKT), yaitu menentukan model
tren dengan menaksir koefisien model sedemikian rupa sehingga jumlah kuadrat kekeliruan nilai
tren atau deviasi kuadratnya terhadap nilai yang sesungguhnya seminimum mungkin, atau : 2 = (
Y  Y )2 minimum.

Seperti diketahui model umum trend linier adalah Yt =  + ti + i

dengan ; Yt adalah data pengamatan pada waktu ke-t
ti adalah waktu ke-i
  adalah konstanta model dan  adalah koefisien arah model
 adalah kekeliruan nilai trend
Nilai Konstanta  dan koefisien  dapat ditaksir oleh a dan b melalui MKT, yaitu :

> Buatkan persamaan normal dari model linier, minimal 2 buah persamaan, yaitu :
(i).  Yi = n. a + b  ti
(ii).  ti Yi = a  ti + b  ti 2
> Lakukan peng-Kodingan untuk data waktu (t), dibuatkan sedemikian rupa sehingga jumlah t i
atau  t = 0 , sehingga :

* Jika data ganjil memiliki nilai koding : . . . . , -3, -2, -1, 0, 1, 2, 3, . . . .

* Jika data genap memiliki nilai koding : . . . . ., -5, -3, -1, 1, 3, 5, . . . . .

> Karena  ti = 0, maka persamaan diatas menjadi :

(i). Yi = n.a ... (6.8)

(ii).  ti Yi = b  ti 2 ... (6.9)
> Dengan demikian taksiran nilai koefisien model adalah :

===========================================
a = Yi / n dan b = ( ti Yi ) /  ti 2 ... (6.10)
===========================================
n = jumlah periode waktu dari data pengamatan.

Contoh 1 :

Rekapitulasi penerimaan Koperasi "ANU" dari beberapa sumber penerimaan sejak tahun
1990 s.d 1996 tercatat sbb : (Y = jumlah penerimaan dalam jutaan rupiah )
Jika diasumsikan trend data penerimaan adalah linier, tentukan model trendnya.

Jawab: Untuk menaksir model trend, maka perlu dibentuk tabel perhitungan
berikut :

Tahun ‘90 ‘91 ‘92 ‘93 ‘94 ‘95 ‘96

Y 5,5 6,2 7,0 7,6 8,3 8,8 9,5
Jika diasumsikan trend data penerimaan adalah linier, tentukan model trendnya.

Jawab : Untuk menaksir model trend, maka perlu dibentuk tabel perhitungan berikut ;

Tahun Yi ti ti2 ti.Yi

5,5 5,5 -3 9 -16,5
6,2 6,2 -2 4 -12,4
7,0 7,0 -1 1 -7,0
7,6 7,6 0 0 0
8,3 8,3 1 1 8,3
8,8 8,8 2 4 17,6
 9,5 9,5 3 9 28,5
Jumlah 52,9 0 28 18,5

Maka : taksiran koefisien a = 52.9/7 = 7,557 b = 18,5/28 = 0,66

Maka Model Tren data diperoleh : Yt = 7,557 + 0,66 ti

4). ANALISIS TREN NON-LINIER

Trend non-linier dapat dipastikan jika pencaran data berdasarkan urutan waktu membentuk garis
lengkung pada sumbu koordinat t atas Y. Untuk menaksir koefisien model trend data dilakukan
dengan MKT yang dimodifikasi sesuai bentuk modelnya dengan pendekatan kepada kelinieran.

a. Menaksir Tren Parabola

Bentuk umum model trend parabola Yt = ao + a1 ti + a2 ti 2 , untuk memperoleh bentuk model

peramalannya maka harus mampu mencari besarnya masing-masing koefisien model (a o , a1 , dan
a2 ) , caranya sbb :

> Bentuk 3 buah persamaan normalnya, yaitu :

(i). Yi = n.ao + a1  ti + a2  ti 2

(ii). ti Yi = ao  ti + a1  ti 2 + a2  ti 3

(iii).  ti2 Yi = ao  ti2 + a1  ti 3 + a2  ti 4

> Lakukan peng-Kodingan, sehingga diusahakan : ti = ti 3 =  ti 5 = 0

> Berdasarkan nilai koding tsb, maka persamaan normal diatas dapat ditulis :

(i). Yi = n. ao + a2  ti 2 . . .
(6.11)

(ii).  ti Yi = a1  ti 2 . . .
(6.12)

(iii).  ti 2Yi = ao  ti2 + a2  ti 4 . . .

(6.13)

> Taksiran nilai koefisien model akan diperoleh dari subsitusi ketiga persamaan normal hasil
koding diatas.

Contoh 2 : Pertumbuhan angka kelahiran per-1000 penduduk di kodya Bandung mengikuti

bentuk distribusi Parabola, hal ini dapat diperhatikan pada tahun 1970 s.d 1978

Y = Jumlah kelahiran per-1000 penduduk

 Tahun 1993 1994 1995 1996 1997 1998 1999 2000 2001
Y 25 23 21 18 16 17 19 23 24
a. Taksirlah bentuk model trend data tersebut.
b. Berapa ramalan kelahiran tahun 1980 ?
Penyelesaian :

Bentuk dahulu tabel perhitungan yang dibutuhkan dalam persamaan normalnya,

yaitu :

Thn Y ti ti 2 ti4 ti.Yi ti2 .Yi

1993 25 -4 16 256 -100 400
1994 23 -3 9 81 -69 207
1995 21 -2 4 16 -42 84
1996 18 -1 1 1 -18 18
1997 16 0 0 0 0 0
1998 17 1 1 1 17 17
1999 19 2 4 16 38 76
2000 23 3 9 81 69 207
2001 24 4 16 256 96 384
Jml 186 0 60 708 -9 1393

Dari hasil tersebut akan membentuk persamaan berikut :

(i). 186 = 9 ao + 60 a2
(ii). -9 = 60 a1
(iii). 1393 = 60 ao + 708 a2
Dengan langkah subsitusi atau eliminasi, diperoleh hasilnya sbb :

ao = 17,355 a1 = -0,15 a2 = 0,497

a. Sehingga Taksiran Model Tren-nya adalah :

======== Yt = 17,355 - 0,15 ti + 0,497 ti 2 =========

b. Ramalan angka kelahiran tahun 1002 adalah :

2002 => nilai koding : t 2002 = 5

==> Y2002 = 17,355 - 0,15 (5) + 0,497 (5)2 = 29

b. Menaksir Tren Eksponensial

Bentuk umum trend Eksponensial : Yt = a. b ti

Bentuk ini akan lebih mudah jika dilakukan penyederhanaan : dibuatkan bentuk logaritmanya

yaitu : log Yt = log a + ti log b ,

 jika : log Yt = Zi

log a = A log b = B

maka : Zi = A + B ti

Bentuk terakhir disamping adalah bentuk linier, dengan mengikuti langkah pada penyelesaian
Tren Linier kita akan dapatkan taksiran untuk koefisien a maupun b, yaitu

a = antilog [ ( log Yi ) / n ] ... (6.14)

b = antilog [ ( ti log Yi ) / ti 2 ] ... (6.15)

(Buktikan ! )

c. Taksiran Tren Logistik

Bentuk umum Tren logistik : Yt = (a. b ti )-1

Dengan cara yang sama seperti taksiran dalam bentuk tren eksponensial, maka taksiran
koefisien model trennya adalah sbb :

a = antilog [ ( - log Yi ) / n ] ... (6.16)

b = antilog [ ( ti {-log Yi }) /  ti 2 ] ... (6.17)

(Buktikan ! )

5). ANALISIS FAKTOR MUSIMAN

Dalam analisis Time Series, jika kita berhadapan dengan data mingguan, kuartal, atau data bulanan
akan besar kemungkinannya dipengaruhi oleh faktor musiman. Ambil contoh ; hasil penjualan
daging sapi, akan terasa lonjakan jumlah permintaan pada bulan-bulan menghadapi tahun baru dan
Lebaran Idul Fitri. Permintaan akan buku tulis, nampaknya dalam setahun, akan terlihat jumlah
permintaan buku tulis sangat signifikans pada bulan-bulan menghadapi tahun ajaran baru, biasanya
pada bulan Juni atau Juli.

Untuk meninjau seberapa besar faktor musiman berpengaruh pada data deret waktu, dilakukan
dengan menentukan indeks musimannya (IM).

Cara perhitungan :

Perhitungan Indeks Musiman dalam hal ini lebih mudah dilakukan dengan cara persentase rata-rata,
yaitu mengikuti langkah /prosedur berikut :

(untuk kasus data bulanan) ;

 1. Tentukan rata-rata data periode untuk setiap tahun. Misalkan diperoleh untuk
X
tahun ke-I adalah : i , i = 1, 2, . . (beberapa tahun pengamatan)

2. Tentukan prosentase setiap data yang bersesuaian dengan periodenya.

Yaitu : (Xij /
X i ) x 100 %

3. Hitung rata-rata untuk waktu pengamatan yang sama dari beberapa tahun yang
diselidiki, nilai hasil hitungan disebut Indeks Musiman Sementara (IMS).

4. Periksa nilai IMS, jika waktu yang diamati data bulanan haruslah berjumlah
1200 untuk setiap tahun penyelidikan. Jika tidak, perlu disesuaikan dengan
mengalikan oleh faktor penentu (p), dimana ; p = 1200/IMS

5. Dari langkah ke-4 tersebut akan diperoleh Indeks Musiman (IM)

Contoh : Frekuensi pemanfaatan jasa tabanas di bank Epsilon selama 3 tahun terakhir,
berdasarkan pengamatan perbulan diketahui sbb :

Tahun Pengamatan Data

Periode 1999 2000 2001
Januari 178 180 206
Pebruari 183 186 189
Maret 204 209 200
April 201 221 211
MeI 196 243 232
Juni 185 234 285
Juli 192 210 292
Agustus 188 194 280
September 197 207 247
Oktober 202 215 252
November 205 228 255
Desember 213 208 253
Rata-rata 195.33 211.25 241.83

Untuk memperhitungkan besarnya pengaruh musiman dapat diperhatikan tabel berikut :

= Kita tentukan Rata-rata Prosentase :

Tahun Pengamatan Data

Periode 1999 2000 2001
Januari 91.13 85.21 85.18
Pebruari 93.69 88.05 78.15
Maret 104.44 98.93 82.70
April 102.90 104.62 87.25
Mei 100.34 115.03 95.93
Juni 94.71 110.77 117.85
Juli 98.29 99.41 120.74
Agustus 96.25 91.83 115.78
 September 100.85 97.99 102.14
Oktober 103.41 101.78 104.20
November 104.95 107.93 105.44
Desember 109.04 98.46 104.62

= Tentukan rata-rata untuk setiap waktu yang sama : Yaitu Periode

Januari s/d Desember, sehingga diperoleh IMS, yaitu :

Periode IMS
Januari 87.17
Pebruari 86.63
Maret 95.36
April 98.26
MeI 103.77
Juni 107.78
Juli 106.15
Agustus 101.29
September 100.33
Oktober 103.13
November 106.11
Desember 104.04
Jumlah 1200.00
Karena Total IMS atau :  IMS = 1200, maka nilai IMS berlaku otomatis sebagai nilai
IM atau besar pengaruh musiman setiap periodenya.

Dari Tabel Faktor Musiman diatas, kolom IM diartikan :

IM(Januari) = 87,17 % artinya terdapat pengaruh musiman sebesar 12,83 % dibawah

rata-rata

IM(Januari) = 86,63 % artinya terdapat pengaruh musiman sebesar 13,57 % dibawah

rata-rata

IM(Agustus)= 100,33 artinya hampir dapat dikatakan tidak ada atau tidak terdapat
pengaruh musiman.

IM(Desemb)= 104,04 artinya terdapat pengaruh musiman sebesar 4,04% diatas rata-rata.

Terlihat bahwa : Pengaruh musiman sangat besar atau tinggi terjadi pada bulan :
Januari dan Pebruari.
 SOAL-SOAL LATIHAN

Kasus-1 :

Data Berikut menyatakan tinjauan tentang perkembangan usaha dagang “CV. Angin Ribut
“ untuk beberapa komiditi yang dijalankan selama tahun 2000-2001

Jumlah Komoditi & Tahun Pengamatan

Beras (dalam Ton) Gula ( dalam Ton)
Periode 2000 2001 2000 2001
Triwulan-1 25,5 42,6 25,42 19,50
Triwulan-2 28,2 44,7 22,23 20,01
Triwulan-3 34,5 50,0 20,06 20,73
Triwulan-4 38,8 52,1 19,76 21,22

a. Buatkan gambar plot perkembangan data kedua komoditi dagang perusahaan tersebut.

b. Bagiamana kecenderungan perkembangan datanya ?

c. Lakukan Taksiran Model Tren data kedua komoditi tersebut.

d. Hitunglah pengaruh musiman yang terjadi pada perkembangan dagang komoditi

Beras maupun Gula.

e. Simpulkan semua hasil yang anda peroleh.

 REGRESI (TREND) LINEAR DAN BUKAN LINEAR

1. TREND LINEAR: Menggambarkan perkembangan suatu kejadian secara teratur

Baik mengalami kemajuan maupun kemunduran suatu usaha/
Perusahaan.

TREND LINEAR dapat digambarkan dalam bentuk Grafik Garis Lurus yang naik
a. Disebut : Increasing
Contoh :

y
y!

Dan Grafik Garis Lurus yang turun

b. Disebut : Decreasing
Contoh :

y!

Perhitungan secara Matematic : y ! = a + bxi

Dimana : y 1 = Nilai trend yang akan ditaksir

Xi = periode (waktu ke i)
a&b = Konstan dan dapat dihitung dengan menggunakan Persamaan
Normal sebagai berikut :

1) a . n + b ∑ X = ∑ Y
2) a ∑ X + b∑ X2 =∑ X Y
 Soal: PT. ABADI mempunyai data hasil penjualan tahun1980 s/d 1985 (dalam jutaan Rp)
sbb:

Tahun Hasil Penjualan

(Jutaan Rp)
1980 6
1981 5
1982 9
1983 7
1984 13
1985 12

Hitunglah: 1. Trend Linear data PT. ABADI tersebut?

2. Penaksiran penjualan tahun 1986 & 1987
Gambarlah:3. Grafiknya apakah Increasing atau Decreasing?

Penyelesaian:
Th x X2 Y X.Y
1980 0 0 6 0
1981 1 1 5 5
1982 2 4 9 18
1983 3 9 7 21
1984 4 16 13 52
1985 5 25 12 60
∑ 15 55 52 156

Persamaan Normal:
1) 6 a + 15 b = 52 x 2,5
2) 15 a + 55 b = 156 x 1
menjadi:
1) 15 a + 37,5 b = 130
2) 15 a + 55 b = 156
(-)
- 17,5 b = -26
b = -26 = 1,485 = 1,49
- 17,5

Hasil b masukan ke persamaan 1

6 a + 15 b = 52
6 a + 15 (1,49) = 52
6 a = 52 – 22,35
6 a = 29,65
a = 29,65 = 4,94
6

1. Trend Linear PT. ABADI

y 1 = a + b xi
= 4,94 + 1,49 xi
2. Penaksiran:

a) Th 1986 → xi = 6
Y 1 = 4,94 + 1,49 (6)
= 4,94 + 8,94
= 13,88 → (Rp. 13.880.000)

b) Th 1987 → xi = 7
Y1 = 4,94 + 1,49 (7)
= 4,94 + 10,43
= 15,37 → (Rp.15.370.000)

3. Grafiknya : Th dasar xi = 0 y1 = a = 4,94

Th penaksiran terakhir = 15,37
JUMLAH 16 Trendnya
(Jutaan Rp. ) 15,37
14
.
12 .
Garis Penjualan sebenarnya
10
.
8
.
6
4,94 .
4

0
1980 81 82 83 84 85 86 87 TAHUN

Contoh : DEACREASING

Ada perusahaan yang mengalami kemajuan produksi dan penjualan yang Grafiknya naik, dan
ada
pula Perusahaan yang mengalami kemunduran produksi dan penjualan yang mengakibatkan
Grafiknya turun.
Trend untuk Deacreasing sama dengan Trend untuk Increasing yaitu:

Y! = a + bxi

Dengan persamaan Normal untuk menghitung a dan b sebagai berikut:

Cara I
1. a n + b ∑ X = ∑ Y
2. a ∑ X + b∑ X2 = ∑ X Y

Atau : Cara II
1. b = n ∑ X Y –(∑ X) (∑ Y)
n ∑ X2 - ( ∑ X)2

2. a = ∑ Y - b ∑ X
n n
Soal: PT. Tunggal Jaya sejak didirikan tahun 1981 berkembang dengan baik, tetapi kemudian
mengalami kemerosotan penjualan seperti pada tabel di bawah ini:

TH Penjualan (Jutaan Rp)

1981 180
1982 190
1983 200
1984 170
1985 140
1986 120
1987 80

Hitunglah: 1. Trend Linear PT tersebut ?

2. Penaksiran penjualan : Th 1988, 1989, 1990 & 1991
3. Grafiknya ?
Penyelesaian :

THN X X2 Y XY
1981 0 0 180 0
1982 1 1 190 190
1983 2 4 200 400
1984 3 9 170 510
1985 4 16 140 560
1986 5 25 120 600
1987 6 36 80 480
∑ 21 91 1080 2740

Persamaan Normal: Cara I

1) 7 a + 21 b = 1080 x3
2) 21 a + 91 b = 2740 x1
menjadi:
1) 21 a + 63 b = 3240
2) 21 a + 91 b = 2740
(-)
0 - 28 b = 500
b = 500 = -17,86
- 28
Hasil b dimasukan pada persamaan 1
7 a + 21 b = 1080
7 a + 21 (-17,86) = 1080
7a = 1080 + 375,06
 a = 1455,06

7
a = 207,87

Atau : Cara II

1) b = n∑ X Y – (∑ X) (∑ Y)
n ∑ X2 - (∑ X )2

= 7 (2740) – (21) (1080)

7 (91) - (21)2

= 19180 – 22680 = -3500 = -17, 86

637 – 441 = 196

2) a = ∑ Y - b∑ X = 1080 – (-17,86) (21)

n n
7 7

= 154,29 + 53,58
= 207,87

1. Trend Linear PT Tungga Jaya:

y! = a + b xi
= 207,87 + (-17,86) xi
= 207,87 – 17,86 xi

2. Penaksiran Penjualan:

a) Th 1988 → xi = 7
b)

y1 = 207,87 – 17,86 xi
= 207,87 – 17.86 (7)
= 207,87 – 125,02
= 82,85

b) Th 1989 → xi = 8
y1= 207,87 – 17,86 (8)
= 64,99

c) Th 1990 → xi = 9
y1 = 207,87 – 17,86 (9)
= 47,13
 d) Th 1991 → xi = 10
y1 = 207,87 – 17,86(10)
= 29,27

3. Grafiknya:

200 .
.
.
150
.
.
100
.
Garis Penjualan sebenarnya
50

Trendnya
0
1981 82 83 84 85 86 87 88 89 90 91 Tahun

2. STANDARD ERROR

Adalah Standard yang dipakai untuk mengukur sejauh mana Ketelitian Fungsi Penaksiran
(Forecasting) di buat, berdasarkan selisih antara data sebenarnya dengan penaksiran tahun
sebelumnya atau sudah lewat .

Rumus:

SE = ∑ (Y – Y !) 2

Dimana: Y = data sebenarnya

Y1 = data penaksiran tahun yang sudah lewat
n = jumlah waktu/ periode
SE < 5 baik, SE > 5 kurang baik

Soal: Data penjualan PT. MAKMUR (dalam jutaan Rp) dari tahun 1981 s/d1989 sbb:

Thn Hasil Penjualan

 (Jutaan Rp)
1981 30
1982 46
1983 58
1984 64
1985 77
1986 95
1987 111
1988 123
1989 133

Berdasarkan data tersebut diatas :

Hitunglah: 1. Trend Linear PT. Tersebut?
2. Penaksiran penjualan Th 1990 & 1991
3. Penaksiran penjualan Th yang sudah lewat (1981 s/d 1989)?
4. Standard Errornya?
5. Gambarlah grafiknya

Penyelesaian :

No. Thn X X2 Y XY Y1 Y – Y1 (Y - Y1) 2

1 1981 0 0 30 0 29,89 0,11 0,0121
2 1982 1 1 46 46 42,89 3,11 9,6721
3 1983 2 4 58 116 55,89 2,11 4,4521
4 1984 3 9 64 192 68,89 -4,89 23,9121
5 1985 4 16 77 308 81,89 -4,89 23,9121
6 1986 5 25 95 475 94,89 0,11 0,0121
7 1987 6 36 111 666 107,89 3,11 9,6721
8 1988 7 49 123 861 120,89 2,11 4,4521
9 1989 8 64 133 1064 133,89 -0,89 0,7921
∑ 36 204 737 3728 76,8889

Persamaan Normal :

b = n ∑ X Y – (∑ X) (∑ Y)

n ∑ X2 - (∑ X) 2

= 9 (3728) – (36) (737)

9 (204) - (36)2

= 7020

540

= 13

a=∑Y – b∑X
 n n

= 737 - 13 (36)

9 9

= 81,89 – 52

= 28,89

1. Trend Linear PT. ABADI

Y! = a + b xi

= 28,89 +13 xi

2. Penaksiran

a) Th 1990 → xi = 9

y1 = 29,89 + 13 (9)

= 146,89

b) Th 1991 → xi = 10

y1 = 29,89 + 13 (10)

= 159,89

3. Penaksiran Th yang sudah lewat

a) Th 1981 → xi = 0

y1 = 29,89 + 13 (0)

= 29,89

b) Th 1982 → xi = 1

y1 = 29,89 + 13 (1)

= 42,89

c) Th 1983 → xi = 2

y1 = 29,89 + 13 (2)

= 55,89

d) Th 1984 → xi = 3

y1 = 68,89

e) Th 1985 → xi = 4
 y1 = 81,89

f) Th 1986 → xi = 5
y1 = 94,89

g) Th 1987 → xi = 6
y1 = 107,89

h) Th 1988 → xi = 7
y1 = 120,89

i) Th 1989 → xi = 8
y1 = 133,89

67

4. SE = 76,8889

= 8,54

= 2,92 < 5 (baik / diterima)

5. GRAFIKNYA

JUMLAH
(Jutaan Rp)
180

160
Trendnya
140 159,89
* Garis penjualan sebenarnya
120 *
*
100
*
80 *
*
60 .*
*
40
29,89
20

0
1981 82 83 84 85 86 87 88 89 90 91 TAHUN

Keterangan : Increasing
3. REGRESI (TREND) LINEAR BERGANDA

Yang dimaksudkan Trend Linear Berganda adalah Faktor Variable bebas

lebih dari satu dan bukan garis Trendnya lebih dari satu.

Persamaan Garis Regresi (Trend) Linear Berganda

Y1 = a + b1 X1 + b2 X2

Dimana: Y1 = Nilai Trend yang akan ditaksir

CARA I.

a = determinan A1 ; b1 = det. A2 ; b2 = det. A3

determinan A det. A det. A

a11 a12 a13

A= a21 a22 a23
a31 a32 a 33

det. A = a11 a22 a33 + a12 a23 a31 + a13 a32 a21 –
a31 a22 a13 – a21 a12 a33 – a11 a23 a32

Dengan persamaan Normal untuk menghitung:

a, b1 & b2 sbb:

2) an + b1 ∑ X1 + b2∑ X2 = ∑ Y
3) a ∑ X1 + b1∑ X12 + b2∑X1 X2 = ∑ X1.Y
4) a ∑ X2 + b1∑ X1.X2 + b2 ∑ X2 2 =∑ X2.Y

Hanya satu cara, tidak ada cara dua untuk menghitung a, b1 dan b2; tetapi
kemudian dimasa yang akan datang ada yang membuat jalan lain dengan
hasil yang sama, maka itu benar dan merupakan cara dua dan seterusnya.

Soal: Suatu penelitian dilakukan terhadap 8 rumah tangga yang dipilih secara
Random di sebuah kabupaten datanya Sebagai berikut:

X1 12 16 14 10 12,5 15 11 13

X2 2 4 3 4 4 6 5 2

Y 10 14 8 10 12 16 12 10

Ket : X1 = Pendapatan (Puluhan Ribu Rp / bulan)

X2 = Jumlah anggota keluarga (Orang)
Y = Pengeluaran (Puluhan Ribu Rp / bulan)
Jika sebuah Rumah Tangga berikutnya mempunyai pendapatan Rp.150.000/bulan
Dan jumlah anggota keluarga = 4 orang (X1 = 15 & X2 = 4).
Hitunglah:
1. Trend Linear berganda data tersebut ?
2. Penaksiran pengeluaran minimal (y1) perbulan untuk
Kebutuhan pokok rumah tangga tersebut?

Penyelesaian:

No X1 X2 Y X1 . Y X2 . Y X1 . X2 X12 X22
1 12 2 10 120 20 24 144 4
2 16 4 14 224 56 64 256 16
3 14 3 8 112 24 42 196 9
4 10 4 10 100 40 40 100 16
5 12,5 4 12 150 48 50 156,25 16
6 15 6 16 240 96 90 225 36
7 11 5 12 132 60 55 121 25
8 13 2 10 130 20 26 169 4
∑ 103,5 30 92 1208 364 391 1367,2 126
5

Persamaan Normal:

1) 8 a + 103,5 b1 + 30 b2 = 92
2) 103,5 a + 1367,25 b1 + 391 b2 = 1208
3) 30a + 391 b1 + 126 b2 = 364

8 103,5 30 92 103,5 30
A= 103,5 1367,25 391 ; A1 = 1208 1367,25 391
30 391 126 364 391 126

8 92 30 8 103,5 92
A2 = 103,5 1208 391 ; A3 = 103,5 1367,25 1208
30 364 126 30 391 364

Det. A = 1378188 + 1214055 + 1214055 –

1230525 – 1349743,5 – 1223048 = 2981,5

Det. A1 = 15849162 + 14730534 + 14166940 –

14930370 – 15753528 – 14065052 = 586

Det. A2 = 1217664 + 1079160 + 1130220 –

1087200 – 1199772 – 1138592 = 1480

Det. A3 = 3981432 + 3750840 + 3723102 –

3773610 – 3899259 – 3778624 = 3881
 a = det. A1 586
= = 0,1965
det. A 2981,5

b1 = det. A2 1480
= = 0,4964
det A 2981,5

b2 = det. A3 3881
= = 1,3017
det. A 2981,5

1. Trend Linear berganda data tersebut:

y1 = a + b1 X1 + b2 X2
= 0,1965 + 0,4964 X2 + 1,3017 X2

2. Penaksiran : X1 = 15 & X2 = 4
Y1 = 0,1965 + 0,4964 (15) + 1,3017 (4)
= 0,1965 + 7,446 + 5,2068
= 12,8493 = (Rp.128.493/bulan)
Saldo = Pendapatan - Pengeluaran
= Rp. 150.000, - Rp. 128.493,
= Rp. 21.507, ( Tabungan )

REGRESI LINIER BERGANDA

CARA 2.

Rumus : Y! = a + b1X1 + b2X2

I. Perhitungan Skore rata-rata sebagai berikut :

X1 = Σ X1/n = 103,5 / 8 = 12,94

X2 = Σ X2 / n = 30 / 8 = 3,75

Y = ΣY/n = 92 / 8 = 11,5

II. Perhitungan Penyimpangan ( deviasi ) sebagai berikut :

1. Σ X12 = Σ X1 2
- ( Σ X1 ) 2 / n

= 1367,25 - ( 103,5) 2 / 8
 = 1367,25 - 1339,03

= 28,22

2. Σ X22 = Σ X22 - ( Σ X2 ) 2 / n 71

= 126 - ( 30 ) 2 / 8

= 126 - 112,5

= 13,5

3. Σ Y2 = Σ Y2 - ( ΣY )2 /n

= 1104 - ( 92 ) 2 / 8

= 1104 - 1058

= 46

4. Σ X1Y = Σ X1Y - ( Σ X1) . ( Σ Y ) / n

= 1208 - (103,5) ( 92) / 8
= 1208 - 1190,25
= 17,75

5. Σ X2Y = Σ X2Y - ( Σ X2) ( ΣY) / n

= 364 - ( 30 ) ( 92 ) / 8
= 364 - 345
= 19

6. Σ X1X2 = Σ X1X2 - ( Σ X1) ( Σ X2) / n

= 391 - (103,5) ( 30) / 8
= 391 - 388,13
= 2,87

( Σ X2 2) ( ΣX1Y ) - ( Σ X1.X2 ) ( Σ X2Y )

b1 =
( ΣX12 ) ( ΣX2 2 ) - ( Σ X1X2 ) 2

( 13,5 ) ( 17,75 ) - ( 2,87 ) ( 19 )

=
(28,22 ) ( 13,5 ) - ( 2,87 ) 2

= 239,63 - 54,53 = 185,1

380,97 - 8,24 372,73
 = 0,4966

= 0, 497

( Σ X12 ) ( ΣX2Y ) - ( Σ X1.X2 ) ( Σ X1Y )

72
b2 =
( ΣX12 ) ( ΣX22 ) - ( Σ X1X2 ) 2

( 28,22 ) ( 19 ) - ( 2,87 ) ( 17,75 )

=
(28,22 ) ( 13,5 ) - ( 2,87 ) 2

= 536,18 - 50,94 = 485,24

380,97 - 8,24 372,73

= 1,3019

= 1,302.

a = Y - b1X1 + b2X2

= 11,5 - 0,497( 12,94 ) + 1,302( 3,75 )

= 11,5 - 6,43 + 4,88

= 11,5 - 11,31

= 0, 19

1. Trend Linier berganda data tersebut :

Ỳ = a + b1X1 + b2X2
= 0,19 + 0,497 X1 + 1,302 X2

2. Penasiran 2 rumah tangga berikutnya yang mempunyai :

a). X1 = 15 dan X2 = 4
b). X1 = 15 dan X2 = 8

Jawab: a). Penaksiran X1 = 15 dan X2 = 4

Ỳ = 0,19 + 0,497 ( 15 ) + 1,302 ( 4 )

= 0,19 + 7,455 + 5,208
= 12,853 x Rp. 10.000,
 = Rp 128.530, ( Saldo = Pendapatan - Pengeluaran )
= Rp. 150.000, - Rp128.530,
= Rp. 21.470, (Tabungan )
b). Penaksiran X1 = 15 dan X2 = 8
Ỳ = 0,19 + 0,497 ( 15 ) + 1,302 ( 8 )
= 18,061 x Rp. 10.000,
= Rp 180.610, ( Saldo = Pendapatan - Pengeluaran )
= Rp. 150.000, - Rp180.610,
= - Rp. 30.610, (Utang)

4. TREND NON LINEAR

73

Trend Kwadratic (Para Bola)

Persamaan Garis Trendnya sbb:

y1 = a + bx+ cx 2

Persamaan ini hampir sama, seperti Trand Linear berganda yaitu:

y1 = a + b1x1 + b2 x2

Dimana: b1 = b
b2 = c
x1 = x
x2 = x2

Dengan persamaan Normal untuk menghitung :

a, b & c sbb:

1) an + b∑ x + c∑ x2 = ∑ Y
2) a∑ x + b ∑ x2 + c∑ x3 = ∑ X Y
3) a∑ x2 + b ∑ x3 + c∑ x4 =∑ X2 Y

Soal: 1. Periode (n = Ganjil)

Hasil penjualan PT. Sinar Surya selama 7 tahun terakhir sbb:

Thn Hasil Penjualan

(Jutaan Rp)

1984 62
1985 76
1986 92
1987 105
1988 112
 1989 131
1990 150

Berdasarkan data tsb diatas:

Hitunglah : 1. Trend Kwadratic data tsb?
2. Penaksiran penjualan Th 1991 & 1992

Penyelesaian:
TH X Y X2 X3 X4 XY X2 Y
1984 -3 62 9 -27 81 -186 558
1985 -2 76 4 -8 16 -152 304
1986 -1 92 1 -1 1 -92 92
1987 0 105 0 0 0 0 0
1988 1 112 1 1 1 112 112
1989 2 131 4 8 16 262 524
1990 3 150 9 27 81 450 1350
∑ 0 728 28 0 196 394 2940

Persamaan Normal:

1) 7a + 0 +28 c = 728
2) 0 + 28 b + 0 = 394 → b = 394 = 14,07
28
3) 28a + 0 + 196c = 2940

Persamaan 1 & 3

1) 7a + 28c = 728 x4
3) 28a + 196c = 2940 x1

Menjadi:
1) 28a + 112c = 2912
3) 28a + 196c = 2940
(-)
0 - 84c = -28
c = -28
= 0,33
-84
Hasil c masukkan ke persamaan 1
7a + 28c = 728
7a + 28 (0,33) = 728
7a = 728 – 9,24
a = 718,76
= 102,68
7

1. Trend Kwadratic data tsb:

y1 = a + bx + cx2
= 102,68 + 14,07x + 0,33 x2
 2. Penaksiran
a) Th 1991→ xi = 4 → y1 = 102,68 + 14,07 (4) + 0,33 (4)2
= 102,68 + 56,28 + 5,28
= 164,24

b) Th 1992 → xi = 5 → y1 = 102,68 + 14,07 (5) + 0,33 (5)2

=

GRAFIK n = Ganjil

Y
Trendnya
*
180
*
160
*
140
*
120
*
100
*
* 80

* 60

40

20

-3 -2 -1 0 1 2 3 4 5 X
1984 85 86 87 88 89 90 91 92 Tahun

Soal: 2. Periode (n = Genap) ; maka X = bilangan ganjil

Produksi padi sebuah propinsi di Indonesia dari tahun 1985 s/d 1990 sbb:

Th Hasil Produksi (Jutaan Ton)

2003 2
2004 5
 2005 8
1988 15
1989 26
1990 37

Hitunglah: 1. Trend Kwadratic data tsb?

2. Penaksiran Produksi Th 1991 & 1992 ?

Penyelesaian:

Th X Y X2 X3 X4 XY X2 Y
1985 -5 2 25 -125 625 -10 50
1986 -3 5 9 -27 81 -15 45
1987 -1 8 1 -1 1 -8 8
1988 1 15 1 1 1 15 15
1989 3 26 9 27 81 78 234
1990 5 37 25 125 625 185 925
∑ 0 93 70 0 1414 245 1277

Persamaan Normal:
 6a + 0 + 70c = 93
 0 + 70b + 0 = 245 → b = 245 / 70 = 3,5

 70a + 0 +1414c = 1277

Persamaan 1 & 3
1) 6a + 70c = 93 x 20,2 (samakan c)
3) 70a + 1414c = 1277 x 1

Menjadi:
 121,2a + 1414c = 1878,6
70 a + 1414c = 1277
(-)
51,2 a = 601,6
a = 601,6
= 11,75
51,2
Hasil a dimasukan ke persamaan 1
6a + 70c = 93
6(11,75) + 70c = 93
70c = 93 - 70,5
c = 22,5 / 70
=0,32

1. Trend Kwadratic data tersebut :

 Y! = a + bX + CX 2
= 11,75 + 3,5 X + 0,32 X 2

2. Penaksiran :
a. Tahun 1991 Xi = 7
y! = 11,75 + 3,5 (7) + 0,32( 7) 2
= 11,75 + 24,5 + 15,68
= 51,93

b. Tahun 1992 Xi = 9
y! = 11,75 + 3,5 + 0,32( 9) 2
= 69,17

GRAFIK n = Genap

JUMLAH
70 Trendnya
*

60

50 *

40

30

20

*
10
*
*
*

-5 -3 -1 1 3 5 7 9 X
1985 86 87 88 89 90 91 92 TAHUN