SOAL 1

d. Cara mengubah tahun dasar yaitu

Jika:
PA = harga komoditas di tahun A
Pdasar1 = harga di tahun dasar 1
Indeks1 = indeks 1
Maka:
Indeks1 = PA / Pdasar1 x 100%
Indeks1 x Pdasar1 = PA x 100% …. (persamaan 1)
Jika:
PA = harga komoditas di tahun A
Pdasar2 = harga di tahun dasar 2
Indeks2 = indeks 2
Maka:
Indeks2 = PA / Pdasar2 x 100%
PA = (Indeks2 X Pdasar2) / 100% …. (persamaan 2)
Masukkan persamaan 2 kedalam persamaan 1
Indeks1 x Pdasar1 = PA x 100%
Indeks1 x Pdasar1 = (Indeks2 X Pdasar2) / 100% x 100%
Indeks1 x Pdasar1 = (Indeks2 X Pdasar2)
Indeks2 = (Indeks1 x Pdasar1) / Pdasar2

SOAL 2
1. Indeks harga relative sederhana semua produk tahun 2017
 Indeks harga ballpoint
H 2700
IH  t  100   100  108
Ho 2500
 Indeks harga pensil
H 1700
IH  t  100   100  113,33
Ho 1500
 Indeks harga penggaris
H 2200
IH  t  100   100  110
Ho 2000
 Indeks harga tipe-x
H 5200
IH  t  100   100  104
Ho 5000
 Indeks harga penghapus
H 1200
IH  t  100   100  120
Ho 1000
2. Indeks kuantitas relative sederhana semua produk tahun 2018
 Indeks kuantitas ballpoint
K 250
IK  t  100   100  166, 67
Ko 150
 Indeks kuantitas pensil
 Kt 250
IK   100   100  125
Ko 200
 Indeks kuantitas penggaris
K 175
IK  t  100   100  116, 67
Ko 150
 Indeks kuantitas tipe-x
K 140
IK  t  100   100  103, 7
Ko 135
 Indeks kuantitas penghapus
K 150
IK  t  100   100  107,14
Ko 140
3. Indeks harga agregat sederhana tahun 2018

IHA 
 H t  100
 Ho
3000  1900  2400  5400  1500
IHA   100
2500  1500  2000  5000  1000
14200
IHA   100
12000
IHA  118,33

4. Indeks kuantitas agregat sederhana tahun 2018

IKA 
 Kt  100
 Ko
250  250  175  140  150
IKA   100
100  150  125  130  135
965
IKA   100
640
IKA  150, 78
5. Indeks rata-rata relatif tahun 2018 dengan tahun dasar 2017
1
I   IH
n
1 H
I   t  100
n Ho
1  3000 1900 2400 5400 1500 
I        100
5  2700 1700 2200 5200 1200 
I  212,09
6. Indeks agregat tertimbang tahun 2018 dengan tahun dasar 2016
 Rumus Fischer
IF  IL  IP

IF 
H K t o
 100 
H K
t t
 100
H K o o H K
o t

1789500 2626000
IF   100   100
122825 2200000
IF  417, 022
  Rumus Drobisch
IL  IP
ID 
2
 H t Ko  100   H t Kt  100
IF 
 H o Ko  H o Kt
2
1789500 2626000
 100   100
IF  122825 2200000
2
IF  788,157
 Marshal-Edgeworth

IME 
 H t  K o  Kt   100
 H o  K o  Kt 
4415500
IME   100
3710000
IME  119, 01
 Rumus Wals

IW 
 H  K K   100
t o t

 H K K 
o o t

2139193
IW   100
1798402
IW  118,94

SOAL 3
1. Upah riil tahun 2017 dan 2018
Upah
Upah riil tahun 2017 =  100
IHK
1420624
Upah riil tahun 2017 =  100
105
Upah riil tahun 2017 = 1.352.975,24
Upah
Upah riil tahun 2018 =  100
IHK
1544360
Upah riil tahun 2018 =  100
108
Upah riil tahun 2018 = 1.429.962,96
2. Persentase kenaikan upah riil mengalami kenaikan meskipun indeks harga konsumen
mengalami kenaikan.

SOAL 4
1. Tabel bantu

Tahun Y X X2 XY X4 X2Y ln Y X ln Y
2012 45 -2,5 6,25 -112,5 39,0625 281,25 3,81 -9,52
2013 49 -1,5 2,25 -73,5 5,0625 110,25 3,89 -5,84
2014 50 -0,5 0,25 -25 0,0625 12,5 3,91 -1,96
2015 53 0,5 0,25 26,5 0,0625 13,25 3,97 1,99
2016 61 1,5 2,25 91,5 5,0625 137,25 4,11 6,17
2017 65 2,5 6,25 162,5 39,0625 406,25 4,17 10,44
Jumlah 323 0 17,5 69,5 88,375 960,75 23,87 1,28
 Persamaan tren kuadrat terkecil: Y = a + bX
Di mana

a
 Y  323  53,83
n 6

b
 XY  69,5  3,97
 X 2 17,5
Maka persamaan trennya adalah

Y  53,83  3,97 X
Perkiraan jumlah penjualan tahun 2018 adalah
Y  53,83  3,97  3,5  67, 73  68

 Persamaan metode tren kuadratis : Y  a  bX  cX 2

Dimana
  Y    X 4     X 2Y   X 2 
a 2
n  X 4    X 2 
 32388,375    960,375 17,5
a 2
6  88,375   17,5 
a  52,375

b
 XY  69,5  3,97
 X 2 17,5
n   X 2Y     X 2    Y 
c 2
n  X 4    X 2 
6  960,375   17, 5  323
c 2
6  88,375   17,5
c  0, 5
Maka persamaan trennya adalah
Y  52,375  3,97 X  0,5 X 2
Jadi, perkiraan penjualan tahun 2018 adalah
2
Y  52, 375  3,97  , 5   0,5  3, 5   72, 395  72

x
 Persamaan metode eksponensial : Y  a 1  b 
Di mana
 ln Y 23,87
a  e n  e 6  53,39
  X ln Y  1,28
 X2 17,5
be  1  e  1  0, 0757
Jadi, persamaan tren eksponensial adalah
x
Y  53,39 1  0, 0757 
Perkiraan jumlah penjualan tahun 2018 adalah
3,5
Y  53,39 1  0,0757   68,92  69
2. Menentukan tren terbaik
 MSE tren kuadrat terkecil
Y kuadrat e kuadrat e2 kuadrat
Tahun Y X
terkecil terkecil terkecil
2012 45 -2,5 43,905 1,095 1,199
2013 49 -1,5 47,875 1,125 1,266
2014 50 -0,5 51,845 -1,845 3,404
2015 53 0,5 55,815 -2,815 7,924
2016 61 1,5 59,785 1,215 1,476
2017 65 2,5 63,755 1,245 1,550
Jumlah 16,819

MSE 
e 16,819
  2,803
n 6
 MSE tren kuadratis

Tahun Y X Y kuadratis e kuadratis e2 kuadratis

2012 45 -2,5 45,575 -0,575 0,331
2013 49 -1,5 47,545 1,455 2,117
2014 50 -0,5 50,515 -0,515 0,265
2015 53 0,5 54,485 -1,485 2,205
2016 61 1,5 59,455 1,545 2,387
2017 65 2,5 65,425 -0,425 0,181
Jumlah 7,486

MSE 
e 
7, 486
 1, 248
n 6

 MSE tren eksponensial

Tahun Y X Y eksponensial e eksponensial e2 eksponensial

2012 45 -2,5 44,487 0,513 1,199
2013 49 -1,5 47,855 1,145 1,266
2014 50 -0,5 51,477 -1,477 3,404
2015 53 0,5 55,374 -2,374 7,924
2016 61 1,5 59,566 1,434 1,476
2017 65 2,5 64,075 0,925 1,550
Jumlah 12,306

MSE 
e 
12,306
 12, 051
n 6
Karena tren kuadratis memiliki nilai MSE paling kecil, maka pada kasus ini, metode kuadratis
adalah metode terbaik yang digunakan dalam peramalan.