6/7/2020

Bagian 6 -Lanjutan 2. Trend Kuadratik (Parabola)

Jika trend linier merupakan deret waktu yang berupa garis
lurus, maka trend kuadratik merupakan deret waktu dengan
Analisa Deret Berkala data berupa garis parabola
(Times Series)
Sasaran :  Memahami makna analisa deret berkala (time series)
 Memahami makna deret waktu
 Memahami komponen deret waktu
 Memahami dan mampu menentukan persamaan trend Y’ = a + bX + cX2
linear
a, b, dan c adalah bilangan konstan
 Memahami dan mampu menentukan persamaan trend
Y’ = variable terikat/variable yang ditaksir
non linear
X = variable bebas yaitu waktu
1 ellya/2016 ellya/2016 2

Dengan metode kuadrat terkecil persamaan trend tersebut Menggunakan Rumus

dapat dicari dengan menghitung nilai a, b dan c dengan cara
menyelesaikan secara simultan (ketiga) persamaan normal
sbb:

∑ Yi = n.a + b . ∑ Xi + c . ∑ Xi2 ∑ Yi = n.a + c . ∑ Xi2

∑ Xi Yi = a . ∑ Xi + b . ∑ Xi2 + c . ∑ Xi3
∑ Xi Yi = b . ∑ Xi2
∑ Xi2Yi = a. ∑ Xi2 + c.∑ Xi3 + c. ∑ Xi4
∑ Xi2Yi = a. ∑ Xi2 + c. ∑ Xi4
Perhitungan akan disederhanakan dengan memberikan kode pada
nilai Xi sehingga ∑ Xi = 0 maka ∑ Xi3 = 0 sehingga persamaan:

ellya/2016 3 ellya/2016 4

1
 6/7/2020

Contoh - 2 Penyelesaian
a. Menentukan Persamaan trend dengan menggunakan kuadrat
Produksi gula pasir di Cirebon kurun waktu 2013-2019 (dalam terkecil
ribuan ton)
Tahun Yi Xi Xi2 XiYi Xi2Yi Xi4
Tahun 2013 2014 2015 2016 2017 2018 2019 2013 10 -3 9 -30 90 81
Jumlah Produksi 2014 11 -2 4 -22 44 16
10 11 16 15 22 21 23
(x 1000 ton)
2015 16 -1 1 -16 16 1
Hitunglah : 2016 15 0 0 0 0 0
a. Dengan metode kuadrat terkecil tentukanlah persamaan
2017 22 1 1 22 22 1
trend parabolisnya
b. Nilai trend untuk masing-masing tahun 2018 21 2 4 42 84 16
c. Taksirlah untuk tahun 2025 2019 23 3 9 69 207 81
Jumlah 118 0 28 65 463 196

ellya/2016 5 ellya/2016 6

Dari tabel dik:

118 = 7a + 28 c
x4
∑ Yi = 118 n=7 ∑ Xi2 = 28 463 = 28 a + 196 c (-)
∑ XiYi = 65 ∑ Xi2Yi = 463 ∑ Xi4 = 196

Nilai a, b, dan c berturut-turut dapat dihitung melalui rumus sbb: 472 = 28 a + 112 c
463 = 28 a + 196 c ( - )
∑ X i Yi = b . ∑ Xi2
65 = 28 b
9 = - 84 c 118 = 7 a + 28 (-0,11)
b = 2,32
c = - 0,11 119 = 7 a – 3,08
∑ Yi = n.a + c . ∑ Xi2 121 = 7a
a = 17,29
118 = 7a + 28 c
Jadi persamaan trend nya adalah :
∑ Yi = a. ∑ Xi2 + c. ∑ Xi4
463 = 28 a + 196 c Y’ = 17,29 + 2,32 X - 0,11 X2
ellya/2016 7 ellya/2016 8

2
 6/7/2020

b. Nilai trend untuk masing-masing tahun

3. Trend Eksponensial
Untuk Tahun 2013 : Y‘= 17,29 + 2,32(-3) – 0,11(-3)2 9,34
 Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau
Untuk Tahun 2014 : Y‘= 17,29 + 2,32(-2) – 0,11(-2)2 12,21 penurunan yang cepat.
Untuk Tahun 2015 : Y‘= 17,29 + 2,32(-1) – 0,11(-1)2 14,86  Untuk meramalkan jumlah penduduk, pendapatan nasional, produksi, hasil
penjualan, dan kejadian lain yng perkembangan/pertumbuhannya secara
Untuk Tahun 2016 : Y‘= 17,29 + 2,32(0) – 0,11(0)2 17,29
geometris (berkembang cepat sekali)
Untuk Tahun 2017 : Y‘= 17,29 + 2,32(1) – 0,11(1)2 19,50
Untuk Tahun 2018 : Y‘= 17,29 + 2,32(2) – 0,11(2)2 21,49 Persamaan
Y’ = a+bx
Untuk Tahun 2019 : Y‘= 17,29 + 2,32(3) – 0,11(3)2 23,26

c. Taksiran untuk tahun 2025 adalah: Log Y = log a + log b

Tahun 2025  X = 9
Y’ = 17,29 + 2,32 (9) - 0,11 (9)2 = 29,26 Dengan meminimumkan ∑ (Yi – Y’)2 melalui metode kuadrat
terkecil didapat dua persamaan normal sbb :
Jadi banyaknya produksi gula pasir di Cirebon untuk tahun ∑ Log Yi = n log a + (log b) ∑ Xi
2025 ditaksir sebanyak 29,26 ribuan ton ∑ (Xi log Yi) = (log a) ∑ Xi + (log b) ∑ Xi2
ellya/2016 9 ellya/2016 10

Dengan me – nol kan ∑ Xi kedua persamaan normal diatas Contoh - 3

menjadi dua persamaan yang sederhana
Produksi gula pasir di Cirebon kurun waktu 2004-2010 (dalam
a = antilog [∑ Log Yi/ n)] ribuan ton)
b = antilog [∑ Xi log Yi / ∑ Xi2]
Tahun 2013 2014 2015 2016 2017 2018 2019
Jumlah Produksi
10 11 16 15 22 21 23
(x 1000 ton)

Hitunglah :
a. Dengan metode kuadrat terkecil tentukanlah persamaan
trend Eksponensial
b. Nilai trend untuk masing-masing tahun
c. Taksirlah untuk tahun 2025

12
ellya/2016 11 ellya/2016

3
 6/7/2020

Penyelesaian

a. Dengan metode kuadrat terkecil tentukanlah persamaan trend

Eksponensial

Tahun Yi Xi Xi2 Log Yi Xi log Yi

2013 10 -3 9 1,0000 - 3,0000
2014 11 -2 4 1,0414 - 2,0828
2015 16 -1 1 1,2041 - 1,2041
2016 15 0 0 1,1761 -
Persamaan Eksponensial
2017 22 1 1 1,3424 1,3424
2018 21 2 4 1,3222 2,6444 Y’ = a+bx
2019 23 3 9 1,3617 4,0852
Jumlah 118 0 28 8,4480 1,7851 Y’ = 16,101 + 1,1581 X

ellya/2016 13 ellya/2016 14

b. Nilai trend untuk masing-masing tahun

Memilih Trend Terbaik
Xi Y' = 16,101 + 1,1581 (X)
 Untuk membuat suatu keputusan yang akan dilakukan dimasa yang akan
Untuk Tahun 2013 : -3 Y‘= 16,101 + 1,1581 (-3) 16,7448
datang berdasarkan deret waktu diperlukan suatu metode peramalan yang
(-2)
Untuk Tahun 2014 : -2 Y‘= 16,101 + 1,1581 16,8466 paling baik sehingga memiliki nilai kesalahan yang cendrung kecil.
Untuk Tahun 2015 : -1 Y‘= 16,101 + 1,1581 (-1) 16,9645
 Salah satu metode peramalan yang baik diantaranya adalah dengan Mean
Untuk Tahun 2016 : 0 Y‘= 16,101 + 1,1581 (0) 17,1010
Square Error (MSE).
(1)
Untuk Tahun 2017 : 1 Y‘= 16,101 + 1,1581 17,2591
Untuk Tahun 2018 : 2 Y‘= 16,101 + 1,1581 (2) 17,4422
MSE = ∑ e2/n
Untuk Tahun 2019 : 3 Y‘= 16,101 + 1,1581 (3) 17,6542

c. Taksiran untuk tahun 2025 adalah:

Tahun 2025  X = 9 Dimana e = selisih nilai Y dengan peramalan (Yx)
Y’ = 16,101 + 1,1581(9) = 19,8483 Model yang memiliki MSE paling kecil adalah model persamaan
yang paling baik
Jadi banyaknya produksi gula pasir di Cirebon untuk tahun 2025 ditaksir
sebanyak 29,26 ribuan ton

ellya/2016 15 ellya/2016 16

4
 6/7/2020

Latihan - Soal
a. Tabulasi Data
Penjualan Produk X pada tahun 2015 adalah sbb :

Waktu Bulan Penjualan

Waktu Yi Xi Yi.Xi Xi2 Yi.Xi2 Xi4 Log Yi Log Yi.Xi
1 Januari 1143
2 Februari 1037 1 1143 -11 -12573 121 138303 14641 3.06 -33.64
3 Maret 857 2 1037 -9 -9333 81 83997 6561 3.02 -27.14
4 April 757 3 857 -7 -5999 49 41993 2401 2.93 -20.53
5 Mei 948
4 757 -5 -3785 25 18925 625 2.88 -14.40
6 Juni 660
7 Juli 683 5 948 -3 -2844 9 8532 81 2.98 -8.93
8 Agustus 809 6 660 -1 -660 1 660 1 2.82 -2.82
9 September 1078 7 683 1 683 1 683 1 2.83 2.83
10 Oktober 696 8 809 3 2427 9 7281 81 2.91 8.72
11 November 777 9 1078 5 5390 25 26950 625 3.03 15.16
12 Desember 672
10 696 7 4872 49 34104 2401 2.84 19.90
Jumlah 10117 11 777 9 6993 81 62937 6561 2.89 26.01
1. Tentukan Trend Linear, Trend Parobala dan Trend Ekponensial 12 672 11 7392 121 81312 14641 2.83 31.10
2. Tentukan MSE dari ke tiga Trend
Jumlah 10117 -7437 572 505677 48620 35.02 -3.72
3. Tentukan peramalan penjualan pada bulan ke 18 dan bulan ke 25
ellya/2016 17 ellya/2016 18

Penyelesaian :
b. Menentukan Model Persamaan
Dibuatkan grafik polygon

Jumlah 1) Persamaan Trend Linier

1400
Waktu Bulan Penjualan
1200
1 Januari 1143 1143
1078 Y = a + bX a = Σ Yi/n b = Σ XiYi / X2
2 Februari 1037 1000 1037
3 Maret 857 948 = 10117 / 12 = -7437 / 572
857
4 April 757 800 757
809 777 = 843.08 = - 13
5 Mei 948 660 683
696 672
6 Juni 660 600
7 Juli 683
400
8 Agustus 809
9 September 1078
10 Oktober 696
200 Y = 843.08 – 13X
11 November 777 0
12 Desember 672 1 2 3 4 5 6 7 8 9 10 11 12
Jumlah 10117 Jumlah

ellya/2016 19 ellya/2016 20

5
 6/7/2020

2) Persamaan Kuadratik (Parabola) 3) Trend Ekponensial

n -12, ΣX2 = 572, ΣX4 = 48620, Σ Y = 10117, Σ XY = -7437, ΣX2Y = 505667, n -12, ΣX2 = 572, Σ log Y = 35.02, dan ΣX log Y = -3.72
b = -13

Σ log Y Σ X log Y
a = antilog b = antilog
n ΣX2
nΣX2Y - ΣX2 ΣY a = ΣY - cΣX2 = 10117 - (0.1 x 572)
c= = antilog ( -3.72 / 572 )
nΣX4 - (ΣX2)2 n 12 = antilog ( -3.72/12)
= antilog - 0.006503496
= 9487.8 / 12 = antilog 2.918333
(12-505677) - (572 x 10177) = 0.985136711
= = 790.65 = 828.5778767
(12 x 48620) - (572)2 = 0.99
= 828.58
= 281200/256256
= 1.1

Maka persamaan Kuadratik adalah :

Maka persamaan Trend Ekponensial adalah

Y = a + bX + cX2  Y = 790.65 – 13X + 1.1X2 Y = a bx Y = 828.58 + 0.99X

ellya/2016 21 ellya/2016 22

C. Ketepatan Model Peramalan 2. Tren Kuadratik

1. Tren Linier Y = 790.65 – 13X + 1.1X2
Y = 843.08 – 13X
Waktu Yi Xi Ỳ kuadratik e kuadratik e2 kuadratik
Waktu Yi Xi Ỳ linier e linier e2 linier 1 1143 -11 1,066.75 76.25 5,814.06
1 1143 -11 986.08 156.92 24623.89 2 1037 -9 996.75 40.25 1,620.06
2 1037 -9 960.08 76.92 5916.686 3 857 -7 935.55 (78.55) 6,170.10
3 857 -7 934.08 -77.08 5941.326 4 757 -5 883.15 (126.15) 15,913.82
4 757 -5 908.08 -151.1 22825.17 5 948 -3 839.55 108.45 11,761.40
5 948 -3 882.08 65.92 4345.446 6 660 -1 804.75 (144.75) 20,952.56
6 660 -1 856.08 -196.1 38447.37 7 683 1 778.75 (95.75) 9,168.06
7 683 1 830.08 -147.1 21632.53 8 809 3 761.55 47.45 2,251.50
8 809 3 804.08 4.92 24.2064 9 1078 5 753.15 324.85 105,527.52
9 1078 5 778.08 299.92 89952.01 10 696 7 753.55 (57.55) 3,312.00
10 696 7 752.08 -56.08 3144.966 11 777 9 762.75 14.25 203.06
11 777 9 726.08 50.92 2592.846 12 672 11 780.75 (108.75) 11,826.56
12 672 11 700.08 -28.08 788.4864 Σ 10117 10,117.00 0.00 194,520.73
Σ 10117 10117 220234.92
ellya/2016 23 ellya/2016 24

6
 6/7/2020

3. Tren Ekponensial MSE

Y = 828.58 + 0.99X  Data pengamatan waktu perubahan hasil produk X ditahun 2015 setiap bulannya
mengalami perubahan variasi dari bulan kebulan berupa peningkatan maupun
2
Waktu Yi Xi Ỳ ekponensial e ekponensial e ekponensial penurunan.
1 1143 -11 829.70 313.30 98,158.83  Jumlah penjualan tertinggi pada bulan Januari sebanyak 1143, sementara penurunan
2 1037 -9 829.67 207.33 42,983.79 penjualan tertinggi terdapat pada bulan Juni sebanyak 660, jadi terlihat perubahan
waktu fluktuatif.
3 857 -7 829.65 27.35 747.86
 Perhitungan MSE
4 757 -5 829.63 (72.63) 5,275.34
5 948 -3 829.61 118.39 14,016.05 1) MSE Trend Linier 1) MSE Trend Linier
6 660 -1 829.59 (169.59) 28,760.80
7 683 1 829.57 (146.57) 21,482.76 MSE = Σ e2 / n MSE = Σ e2 / n
= 220234.91 / 12 = 318964.13 / 12
8 809 3 829.55 (20.55) 422.31
= 1835.91 = 26580.34
9 1078 5 829.53 248.47 61,736.85
10 696 7 829.51 (133.51) 17,825.47 2) MSE Trend Kuadratik
11 777 9 829.49 (52.49) 2,755.57
12 672 11 829.48 (157.48) 24,798.48 MSE = Σ e2 / n
= 194520.73 /12
Σ 10117 9,954.99 162.01 318,964.13
= 16210.06
ellya/2016 25 ellya/2016 26

Polygon dari peramalan penjualan produk X

 Dari perhitungan MSE tersebut, bahwa nilai MSE dari trend kuadratik merupakan yang
terkecil, jadi dapat diktehui bahwa trend kuadratik pada peramalan ini memiliki 2000
kecendrungan kesalahan yang paling rendah dibanding dengan trend linier dan trend 1800 1816
eksponensial
1600
1400
 Maka nilai trend yang diambil adalah Trend Kuadratik untuk menghitung : 1200 1143
1037 1078 1074
1000
a) Bulan ke 18 857
948
800 757
809 777
660 683 696 672
X = 23  Ỳ = 790.65 – 13X + 1.1 X2 600
= 790.65 – 13 x 23 + 1.1 x (23)2 400
= 491.65 + 581.9
= 1074 200
0
b) Bulan ke 25 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

X = 37  Ỳ = 790.65 – 13X + 1.1 X2

Pada bulan ke 12 sampai bulan ke 25 terdapat peningkatan jumlah penjualan produk
= 790.65 – 13 x 37 + 1.1 x (37)2
X setiap bulannya.
= 309.65 + 1505.9
= 1816

ellya/2016 27 ellya/2016 28

7
 6/7/2020

Variasi Musim Contoh - 1

29 Produksi triwulan dari PT. Sejahtera yang memproduksi sepatu di

Surabaya dalam kurun waktu 2007 – 2010 sbb:
Variasi musim merupakan salah satu dari empat komponen deret
waktu yang berupa gerakkan berulang naik dan turun dalam Triwulan
Tahun
jangka waktu kurang dari satu tahun. I II III IV
2007 3 5 6 10
2008 5 8 8 8
2009 8 9 10 5
2010 10 9 10 8

Untuk melihat ada tidaknya variasi musim (triwulan) produksi

sepatu PT.Sejahtera perhitungan sbb:

ellya/2016 ellya/2016 30

Hasil Produksi per Rata-rata Menghitung indeks musim suatu data deret waktu digunakan
Total
Tahun
triwulan (pcs)
produksi
produksi beberapa metode :
triwulan tiap
I II III IV setahun
tahun 1. Metode Rata-Rata Sederhana (Simple Average
2007 3 5 6 10 24 6,00 Method)
2008 5 8 8 8 29 7,25
Langkah-Langkahnya :
2009 8 9 10 5 32 8,00 a. Susun data tiap bulan atau tiap triwulan untuk masing-
2010 10 9 10 8 37 9,25 masing tahun. Kolom bulan/triwulan vertikal dan kolom
tahun horizontal
b. Cari nilai rata-rata tiap bulan atau triwulan untuk semua
Untuk mengukur penyimpangan data deret waktu musim secara
tahun
individual terhadap keadaan normalnya(rata-ratanya) dipakai
c. Nilai rata-rata tersebut dinyatakan dalam % terhadap
indeks variasi musiman. Atau biasa disebut indeks musim.
totalnya
Indeks musim umumnya dinyatakan dalam bentuk persentase (%).
d. Nilai rata-rata yang telah dinyatakan dalam % ini dikalikan
12 untuk indeks musim bulanan dan dikalikan 4 untuk
indeks triwulan.
ellya/2016 31 ellya/2016 32

8
 6/7/2020

Berdasarkan data dibawah ini carilah indeks musimnya dengan metode rata- Perhitungan indeks musiman bulanan dengan metode rata-rata sederhana h
rata sederhana (Harga eceran Beras di Jakarta 2006 – 2010/Rp Kg arga eceran Beras di Jakarta 2006 – 2010/Rp Kg
Tahun
2006 2007 2008 2009 2010 Tahun Total Rata2 Rata2 Indeks
Bulan 2006 2007 2008 2009 2010 tiap
Bulan
Jan 230 350 400 450 450 tiap Bln Bln(%) Musiman
(8)=(7)/ (9)=(8)/∑ (10)=(9)x
Feb 250 300 400 450 500 (1) (2) (3) (4) (5) (6) (7)
n (8) 12
Mar 280 300 400 450 500 Jan 230 350 400 450 450 1880 376 7.76 93.11
Feb 250 300 400 450 500 1900 380 7.84 94.10
Apr 250 300 425 475 510
Mar 280 300 400 450 500 1930 386 7.97 95.58
Mei 258 300 400 500 500 Apr 250 300 425 475 510 1960 392 8.09 97.07
Jun 257 375 400 475 525 Mei 258 300 400 500 500 1958 391.6 8.08 96.97
Jun 257 375 400 475 525 2032 406.4 8.39 100.64
Jul 225 375 400 450 525 Jul 225 375 400 450 525 1975 395 8.15 97.81
Agt 315 375 400 450 550 Agt 315 375 400 450 550 2090 418 8.63 103.51
Sep 315 345 425 450 550 2085 417 8.61 103.26
Sep 315 345 425 450 550
Okt 315 350 425 500 500 2090 418 8.63 103.51
Okt 315 350 425 500 500 Nov 315 350 425 500 550 2140 428 8.83 105.98
Nov 315 350 425 500 550 Des 315 350 425 500 600 2190 438 9.04 108.46
Total 4846 100 1200.00
Des 315 350 425 500 600
ellya/2016 33 ellya/2016 34

Latihan – Soal
Kesimpulannya:
Biaya Promosi Perumahan Griya Mandiri (dalam jutaan)

Tahun 2013 2014 2015 2016 2017 2018 2019

 Indeks musim pada bulan Januari sebesar 93,11 artinya harga
per kg beras pada bulan Januari adalah : (100 – 93,11)% = Biaya (jutaan) 124 175 210 225 189 178 225
6,89% di bawah harga normalnya (harga rata-rata)
Hitunglah :
 Indeks musim pada bulan Desember sebesar 108,48 artinya a. Tentukan nilai trend tahun dengan metode setengah rata-rata
bahwa harga per kg beras pada bulan Desember b. Tentukan nilai trend masing tahun untuk metode setengah
 (108,46 – 100% = 8,46%) jadi 8,46 di atas harga normalnya rata-rata
(harga rata-rata) c. Tentukan dengan metode moving average (3 tahun)
d. Tentukan nilai trend dengan metode kuadrat terkecil
e. Tentukan trend parobala
f. Tentukan trend ekponensial
g. Tentukan MSE nya dari 3 trend (soal d,e dan f)
h. Thn 2032 dgn Yi = 196 berapakah trend baik dai MSE
ellya/2016 35 ellya/2016 36