ANALISA DATA BERKALA DENGAN METODE

LEAST SQUARE

MAKALAH
Diajukan untuk memenuhi salah satu tugas mata kuliah statistika

Mega Listiana NIM 12183997

Elisa Dora NIM 12183677

Aprillia Prasela NIM 12183776

Magdalena Meliliana Trendny NIM 12183629

Retsy Arnila Banir NIM 12183616

DOSEN PEMBIMBING :

Wanty Eka Jayanti M.SI, MPd

JURUSAN SISTEM INFORMASI

UNIVERSITAS BINA SARANA INFORMATIKA

PONTIANAK

2019
 KATA PENGANTAR

Puji syukur kepada Tuhan YME, atas segala rahmat dan hidayahnya sehingga
kami dapat menyelesaikan tugas mata kuliah Statistika Deskriptif dengan tepat
waktu, makalah kami yaitu“Analisa Deret Berkala dengan Metode Least
Square”.

Besar harapan kami semoga hasil makalah ini dapat memberikan manfaat
yang besar baik untuk kami ataupun orang lain. ucapan terima kasih tak lupa kami
sampaikan kepada dosen Pengajar mata kuliah Statistika Deskriptif atas bimbingan
dan arahan beliau, kepada teman-teman dan pihak-pihak yang turut mendukung
untuk terciptanya makalah ini.

Akhir kata penulis menyadari makalah ini memiliki banyak kekurangan,

karena itu sangat diharapkan kritik dan saran dari pembaca demi perbaikan dan
sekaligus memperbesar manfaat tulisan ini sebagai referensi.

Pontianak, 17 Oktober 2019

Penyusun
 ABSTRAKSI

      Tujuan dari pembuatan makalah ini adalah mengukur secara kuantitatif
terjadinya perubahan dan perkembangan jumlah penduduk, jumlah kecelakaan,
penjualan, produk, harga, perkembangan produksi dll selama waktu periode tertentu
dengan metode Least Square di TIME SERIES . Metode penulisan yang digunakan
adalah dengan pembahasan berdiskusi dari buku dan modul kuliah dan referensi dari
buku tambahan lain dan internet.

Jika dikaitkan dengan kegiatan bisnis dan ekonomi, analisis deret berkala atau
analisis time series seringkali digunakan untuk memprediksi nilai dimasa yang akan
datang. Dengan diketahuinya nilai dimasa mendatang, maka pihak manajemen
perusahaan akan dapat mengambil keputusan dengan lebih efektif.

Kesimpulannya adalah pembuatan makalah ini bertujuan untuk memahami

pengertian analisis Time Series, komponen-komponen yang mempengaruhi Time
Series, dan menghitung trend dengan metode least square yang ada didalam Time
Series.

Kata Kunci : Metode Least Square, Analisis Deret Berkala

 DAFTAR ISI

Halaman

Cover..................................................................................................................... i
Kata Pengantar....................................................................................................... ii
Abstraksi................................................................................................................ iii
Daftar Isi................................................................................................................ iv
Daftar Gambar....................................................................................................... v
Daftar Tabel........................................................................................................... vi

BAB I PENDAHULUAN............................................................................... 1
1.1. Latar Belakang.............................................................................. 1
1.2. Tujuan Penulisan........................................................................... 1
1.3. Batasan Masalah........................................................................... 1
1.4. Manfaat Penulisan......................................................................... 1
1.5. Metode Penulisan.......................................................................... 1

BAB II LANDASAN TEORI.......................................................................... 2

2.1. Peramalan......................................................................................
............................................................................................................... 2
2.2. Analisis Deret Berkala dalam Statistika Deskriptif......................
............................................................................................................... 2
2.3. Pengertian Analisis Deret Berkala................................................ 2
2.4. Komponen Deret Berkala............................................................. 3
2.5. Ciri-Ciri Trend Sekuler................................................................. 5

BAB III PEMBAHASAN.................................................................................. 7

3.1. Metode Least Square (Kuadrat Terkecil)...................................... 8
3.2. Contoh Perhitungan Metode Least Square................................... 9
3.2.1. Perhitungan Metode Least Square Data Genap.................. 9
3.2.2. Perhitungan Metode Least Square Data Ganjil................... 11

BAB IV PENUTUP............................................................................................. 14
4.1. Kesimpulan................................................................................... 14
4.2. Saran............................................................................................. 14

Daftar Pustaka....................................................................................................... viii

Lampiran................................................................................................................ ix
 DAFTAR TABEL

Halaman

1. Tabel II.1 Data Penjualan Motor Tahun 2000-2008.........................................

............................................................................................................................... 9
2. Tabel II.2 Data Ganjil Ramalan Penjualan Tahun 2009-2012.......................... 10
3. Tabel III.1 Data Genap Penjualan Tahun 2011-2018........................................ 11
4. Tabel III.2 Data Genap Ramalan Penjualan Tahun 20192022.......................... 12
 DAFTAR GAMBAR

1. Gambar II.1 Gerakan/Variasi Trend Jangka Panjang....................................... 2

2. Gambar II.2 Gerakan/Variasi Siklis.................................................................. 3
3. Gambar II.3 Gerakan/Variasi Musim................................................................ 3
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Metode statistik merupakan bidang pengetahuan yang mengalami
pertumbuhan pesat. Metodenya berkembang sejajar dengan penemuan-penemuan
penting oleh para ahli matematis guna menjawab persoalan-persoalan yang
dianjurkan oleh para penyelidik ilmiah. Ilmu pengetahuan tersebut sudah meliputi
segala metode guna mengumpulkan, mengolah, menyajikan, dan menganalisa data
kuantitatid secara deskripif. Croxton dan Cowden berpendapat bahwa metode
statistik terlalu memberi gambaran yang teratur tentang suatu peristiwa. Karena itu,
metode demikian dinamakan metode statistik deskriptif (descriptive statistics).
Semakin sering kita mempelajari tentang statistik deskriptif maka semakin
banyak pula pertanyaan tentang apa itu statistika deskriptif dan yang terkandung
didalamnya serta apa saja yang perlu diketahui dalam mempelajari statistik
Dalam kesempatan ini makalah kami akan sedikit menjelaskan tentang salah
satu pokok bahasan dalam mata kuliah Statistika Deskriptif yaitu Analisis Deret
Berkala dengan metode Least Square (Kuadrat terkecil).

1.2. Tujuan
Tujuan penulisan makalah ini yaitu untuk mengkaji dan menganalisis data
dengan mengunakan Analisis Deret Berkala dengan metode Least Square, serta dapat
bermanfaat baik bagi penulis maupun bagi pembaca untuk meningkatkan
pemahaman pada mata kuliah Statistika Deskriptif khususnya pada pokok bahasan,
antara lain:
1.    Pengertian Deret Berkala
2.    Penggolongan Gerakan Runtut Waktu / Komponen Deret Berkala
3.    Pengertian Trend Sekuler
4.    Metode Least Square (Kuadrat terkecil)

1.3 Batasan Masalah

Penulisan makalah ini hanya dibatasi pada Analisis Deret Berkala dengan
Metode Least Square.

1.4 Manfaat Penulisan

Dapat memberi informasi mengenai teknis Analisis Deret Berkala dengan

Metode Least Square.

1.5 Metode Penulisan

Metode penulisan yang digunakan adalah dengan pembahasan berdiskusi

secara kelompok berdasarkan study pustaka atau dari buku dan modul kuliah serta
referensi dari buku tambahan dan internet.
 BAB II
LANDASAN TEORI
2.1 Peramalan

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian

dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa
lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model
matematis. Peramalan, prediksi (forecasting) merupakan alat penting dalam
pengambilan kesimpulan. Kualitas suatu ramalan berkaitan erat dengan informasi
yang dapat diserap dari data masa lampau (Boedijoewono, 2001).
Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan
manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti
(intuitif). Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian.
Kesalahan dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran,
pengeluaran operasi, arus kas, persediaan, dan sebagainya. Dua hal pokok yang harus
diperhatikan dalam proses peramalan yang akurat dan bermanfaat :
1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan
peramalan yang akurat.
2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data
yang diperoleh semaksimal mungkin.

Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan

pendekatan kualitatif dan pendekatan kuantitatif. Metode peramalan kualitatif
digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif adalah
metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar
informasi ini dapat memprediksi kejadian-kejadian di masa yang akan datang.
Keakuratan dari metode ini sangat subjektif
Metode peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan
time series. Metode peramalan causal meliputi faktor-faktor yang berhubungan
dengan variabel yang diprediksi seperti analisis regresi. Peramalan time series
merupakan metode kuantitatif untuk menganalisis data masa lampau yang telah
dikumpulkan secara teratur menggunakan teknik yang tepat. Hasilnya dapat
dijadikan acuan untuk peramalan nilai di masa yang akan datang.

2.2 Analisis Deret Berkala dalam Statistika Deskriptif

Croxton dan Cowden memperkenalkan metode statistik tahun 1955 yaitu

dengan metode Statistika Deskriptif dengan memberi definisi statistik sebagai
metode guna mengumpulkan, mengolah, menyajikan, menganalisa dan
menginterpretasi data yang berwujud angka-angka. Dalam metode Statistika
Deskriptif terdapat berbagai jenis metode statistik salah satunya adalah Analisis
Deret Berkala.

2.3 Pengertian Analisis Deret Berkala

 Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan,
jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb).
Serangkaian nilai-nilai variabel yang disusun berdasarkan
waktu. Serangkaian data yang terdiri dari variabel Yi yang merupakan serangkaian
hasil observasidan 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.
Deret 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 runtut waktu dari nilai variabel Y
dapat ditunjukan oleh persamaan Y = f (X) yaitu besarnya nilai variabel Y tergantung
pada waktu terjadinya peristiwa itu.

2.4 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 :
1. Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya
kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan
dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10
tahun keatas.
2. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang
lebih teratur.
3. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih
teratur.
4. Variasi Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama
sekali.

Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
1. Gerakan/variasi trend jangka panjang (long term movements or seculer trend)
, yaitu suatu gerakan yang menunjukan arah perkembangan secara umum
(kecenderungan menaik atau menurun) dan bertahan dalam jangka waktu yang
digunakan sebagai ukuran adalah 10 tahun ke atas.
 Sumber :
Gambar II.1
Gerakan Variasi Jangka Panjang

2. Gerakan/variasi siklis atau cyclical movements or variation, adalah

gerakan/variasi jangka panjang disekitar garis trend.

Sumber :
Gambar II.3
Gerakan Variasi Siklis

3. Gerakan/variasi musim atau seasonal movements or variation, adalah gerakan

yang berayun naik dan turun, secara periodik disekitar garis trend dan memiliki
waktu gerak yang kurang dari 1 (satu) tahun, dapat dalam kwartal, minggu atau
hari.

Sumber :
Gambar II.4
Gerakan Variasi Musim
4. Gerakan variasi yang tidak teratur, random atau residu (irregular or random
movements), sifatnya tidak teratur dan sukar dikuasai umumnya gerakan ini
disebakan oleh faktor kebetulan misalnya perang, pemogokan, bencana alam,
dll.

Jika dikaitkan dengan kegiatan bisnis dan ekonomi, analisis deret berkala
atau analisis time series seringkali digunakan untuk memprediksi nilai dimasa yang
akan datang. Dengan diketahuinya nilai dimasa mendatang, maka pihak manajemen
perusahaan akan dapat mengambil keputusan dengan lebih efektif.
Nilai dimasa mendatang itu pada dasarnya merupakan nilai time series
dimasa mendatang, yaitu nilai-nilai yang diharapkan dapat terjadi dimasa mendatang,
dengan dasar faktor-faktor (nilai-nilai) yang telah diterjadi dimasa lalu.

2.5 Ciri-Ciri Trend Sekuler

Trend (T) atau Trend Sekuler ialah gerakan dalam deret 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 :
1. Persamaan trend, baik persamaan linear maupun persamaan non linear
2. 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 :
1. Menggambarkan hasil penjualan
2. Jumlah peserta KB
3. Perkembangan produksi harga
4. 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.
 BAB III
PEMBAHASAN

3.1 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

dimana :
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.
1. Untuk n ganjil, maka :
1. Jarak antara dua waktu diberi nilai satu satuan.
2. Di atas 0 diberi tanda negative
3. Dibawahnya diberi tanda positif.
2. Untuk n genap, maka :
1. Jarak antara dua waktu diberi nilai dua satuan.
2. Data diatas diberi tanda negatif
3. Dibawahnya diberi tanda positif.
3.2 Contoh Perhitungan Metode Least Square

1. Perhitungan Metode Least Square Data Ganjil

Contoh perhitungan Least Square data ganjil menggunakan data penjualan

motor tahun 2000 – 2008. Kemudian tentukan persamaan trendnya menurut metode
kuadrat terkecil dan proyeksikan jumlah penjualan pada tahun 2009,2010,2011 dan
2012. Berikut tabel data tersebut:

Tabel III.1
Data Penjualan Motor Tahun 2000-2008

Tahun Penjualan X XY X²
(Y)
2000 250 -4 -1000 16
2001 265 -3 -795 9
2002 280 -2 -560 4
2003 285 -1 -285 1
2004 300 0 0 0
2005 315 1 315 1
2006 340 2 680 4
2007 320 3 960 9
2008 350 4 1400 16
n=9 ∑Y = ∑X= 0 ∑XY = ∑X² = 60
2705 715

1). Mencari Nilai X

Diketahui pada Tahun 2004 merupakan titik tengah antara data atas
(2003,2002,2001,2000) dan data bawah (2005,2006,2007,2008) sehingga pada
Tahun 2004 X = 0 dimana :

 jarak antara dua waktu diberi nilai satu satuan ( selisih satu)
 Diatas 0 diberi tanda negatif
 Dibawah 0 diberi tanda positif

Rumus : X(ganjil) = Tahun – Tahun Tengah

2). Mencari Nilai XY

Rumus : XY = Y (penjualan) × Y (penjualan)

3). Mencari Nilai X²

Rumus : X² = X (variabel waktu) × X (variabel waktu)

4). Untuk mencari nilai a dan b adalah sebagai berikut :

a). Mencari Nilai a

Rumus : a = ( ∑Y ) / n

dimana :
∑Y = Total Penjualan
n = Banyaknya Data   
    
a = ( ∑Y ) / n
= 2705 / 9
= 300,55
b). Mencari Nilai b

Rumus : b = ( ∑XY ) / ∑x2

b = ( ∑XY ) / ∑x2
= 715 / 60
= 11,91
5). Jadi Persamaan Trendnya adalah :

Rumus : Y ‘ = a0 +bx       

Y ‘ = a0 +bx                    
Y = 300,55 + 11,91 X

Dengan menggunakan persamaan tersebut tentukanlah ramalan penjualan pada tahun

2009,2010, 2011 dan 2012!

Tabel III.2
Data Ramalan Penjualan Tahun 2009-2012

Tahun X Penjualan (Y)

2009 5 360,1
2010 6 372,01
2011 7 383,92
2012 8 395,83

Penyelesaian :
Diketahui bahwa nilai X pada tahun 2008 adalah 4 maka nilai X pada tahun
selanjutnya akan berselisih satu nilai begitu juga seterusnya.

1. Tahun 2009
Y ‘ = a0 +bx                    
Y = 300,55 + 11,91 × X
= 300,55 + 11,91 × 5
= 300,55 + 59,55
= 360,1

2. Tahun 2010
Y ‘ = a0 +bx                    
Y = 300,55 + 11,91 × X
= 300,55 + 11,91 × 6
= 300,55 + 71,46
= 372,01

3. Tahun 2011
Y ‘ = a0 +bx                    
Y = 300,55 + 11,91 × X
= 300,55 + 11,91 × 7
= 300,55 + 83,37
= 383,92

4. Tahun 2012
Y ‘ = a0 +bx                    
Y = 300,55 + 11,91 × X
= 300,55 + 11,91 × 8
= 300,55 + 95,28
= 395,83

2. Perhitungan Metode Least Square Data Genap

Contoh perhitungan Least Square data genap menggunakan data penjualan

mobil tahun 2011 – 2018. Kemudian tentukan persamaan trendnya menurut metode
kuadrat terkecil dan proyeksikan jumlah penjualan pada tahun 2019,2020,2021 dan
2022. Berikut tabel data tersebut:

Tabel III.3
Data Penjualan Motor Tahun 2011-2018

Tahun Penjualan (Y) X XY X²

2011 167 -7 -1169 49
2012 150 -5 -750 25
2013 190 -3 -570 9
2014 216 -1 -216 1
2015 234 1 234 1
2016 276 3 828 9
 2017 305 5 1525 25
2018 298 7 2086 49
n=8 ∑Y = 1836 ∑X = 0 ∑XY = 1968 ∑X² = 168

1. Mencari Nilai X

Diketahui :
n/2 = 8/2
=4

Sehingga empat data diatas(2014,2013,2012,2011) diberi tanda negatif dan

empat data dibawah(2015,2016,2017,2018) diberi tanda positif dengan jarak antara
dua waktu diberi nilai dua satuan (selisih dua).

2). Mencari Nilai XY

Rumus : XY = Y (penjualan) × Y (penjualan)

3). Mencari Nilai X²

Rumus : X² = X (variabel waktu) × X (variabel waktu)

4).Untuk mencari nilai a dan b adalah sebabagai berikut :

a). Mencari Nilai a

Rumus : a = ( ∑Y ) / n

dimana :
∑Y = Total Penjualan
n = Banyaknya Data   
    
a = ( ∑Y ) / n
= 1836 / 8
= 229,5
b). Mencari Nilai b

Rumus : b = ( ∑XY ) / ∑x2

b = ( ∑XY ) / ∑x2
= 1968 / 168
= 11,71
5). Jadi Persamaan Trendnya adalah :

Rumus : Y ‘ = a0 +bx       

Y ‘ = a0 +bx                    
Y = 229,5 + 11,71 X
Dengan menggunakan persamaan tersebut tentukanlah ramalan penjualan pada tahun
2019,2020,2021,2022!

Tabel III.4
Data Ramalan Penjualan Tahun 2019-2022
Tahun X Penjualan (Y)
2019 9 334,89
2020 11 358,31
2021 13 381,73
2022 15 405,15
1. Tahun 2019
Y ‘ = a0 +bx                    
Y = 229,5 + 11,71 × X
= 229,5 + 11,71 × 9
= 229,5 + 105,39
= 334,89
2. Tahun 2020
Y ‘ = a0 +bx                    
Y = 229,5 + 11,71 × X
= 229,5 + 11,71 × 11
= 229,5 + 128,81
= 358,31
3. Tahun 2021
Y ‘ = a0 +bx                    
Y = 229,5 + 11,71 × X
= 229,5 + 11,71 × 13
= 229,5 + 152,23
= 381,73
4. Tahun 2022
Y ‘ = a0 +bx                    
Y = 229,5 + 11,71 × X
= 229,5 + 11,71 × 15
= 229,5 + 175,65
= 405,15
 BAB IV

PENUTUP

4.1 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, seperti perkembangan KB, perkembangan
produksi, dll.

4.2 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

1.      Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2001. Teori dan Aplikasi Statistika
dan Probabilitas, Penerbit Pt. Remaja Rosdakarya. Bandung
2.      Kuswadi dan Erna Mutiara. 2004. Statistik Berbasis Komputer untuk Orangorang
Non Statistik. Elex Media Komputindo. Jakarta.
3.      Supranto,J. M.A. 2000. Statistik : Teori dan Aplikasi, Edisi Keenam, Jilid 1,
Erlangga, Jakarta.
4.      Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.
5.      Santoso, Singgih. 2006. Seri Solusi Bisnis Berbasis TI : Menggunakan SPSS dan
Excel untuk mengukur Sikap dan Kepuasan Konsumen. Penerbit PT. Elex Media
Komputindo. Jakarta.
LAMPIRAN

A. Data

1. Data Ganjil Penjualan Tahun 2000-2008

Tahun Penjualan (Y)

2000 250
2001 265
2002 280
2003 285
2004 300
2005 315
2006 340
2007 320
2008 350
n=9 ∑Y = 2705

2. Data Ganjil Ramalan Penjualan 2009-2012

Tahun X Penjualan (Y)

2009 5 360,1
2010 6 372,01
2011 7 383,92
2012 8 395,83

3. Data Genap Penjualan Tahun 2011-2018

Tahun Penjualan (Y)

2011 167
2012 150
2013 190
2014 216
2015 234
2016 276
2017 305
2018 298
n=8 ∑Y = 1836
4. Data Genap Ramalan Penjualan Tahun 2019-2022

Tahun X Penjualan (Y)

2019 9 334,89
2020 11 358,31
2021 13 381,73
2022 15 405,15
B. Daftar Riwayat Hidup

1. Nama : Mega Listiana

Tempat, Tanggal Lahir : Segedong, 17 Oktober 2000
No.Hp : 089664559183
Email : megalistiana21@gmail.com
Tugas : Memecahkan metode least square dan membuat video

2. Nama : Elisa Dora

Tempat, Tanggal Lahir : Pontianak, 18 September 2000
No.Hp : 082255641459
Email : elisadora180900@gmail.com
Tugas : Membuat Kata pengantar,Abstrak,daftar isi, daftar
tabel, dan daftar gambar,
3. Nama : Magdalena Meliliana Trendny
Tempat, Tanggal Lahir : Sungai Mawang, 09 Mei 2000
No.Hp : 083151449905
Email : magdalenatrendny09@gmail.com
Tugas : Membuat Bab 1

4. Nama : Retsy Arnila Banir

Tempat, Tanggal Lahir : Senakin,12 Mei 1999
No.Hp : 08978238683
Email : arnilabanir12@gmail.com
Tugas : Membuat Bab II

5. Nama : Aprillia Prasela

Tempat, Tanggal Lahir : Pontianak, 23 April 2001
No.Hp : 0895371514138
Email : akmalhandoko2205@gmail.com
Tugas : Membuat Bab III dan IV