Marcellinus Gonzaga

Aleixo Da Costa
Rano Kondolele
Andriyani
DEFINISI DATA BERKALA 1

2 DEFINISI TREND
METODE SEMI AVERAGE 3

4 METODE LEAST SQUARE

KESIMPULAN 5

6 P PENUTUP
DEFINISI DATA BERKALA 1
2

✓Adalah Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan
suatu kegiatan (perkembangan produksi, harga barang, hasil penjualan, jumlah produk,
dsb)
✓Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu
2 DEFINISI TREND
5

✓Adalah Gerakan berjangka panjang yang menunjukan adanya kecenderungan menuju

kesatu arah kenaikan dan penurunan secara keseluruhan dalam jangka waktu 10 tahun ke
atas.
✓Trend sangat berguna untuk membuat ramalan (forecasting )
✓Metode yang biasa dipakai dalam ramalan antara lain Metode Semi Average dan Metode
Least Square.
METODE SEMI AVERAGE 3
7

Langkah-langkah :
1. Kelompokan data menjadi dua kelompok dengan jumlah dan deret berkala yang sama
2. Hitung semi total tiap kelompok dengan menjumlahkan nilai deret berkala tiap kelompok
3. Carilah rata-rata hitung tiap kelompok untuk memperoleh setengah rata-rata (semi
average)
8
4. Untuk menentukan nilai trend linier untuk tahun-tahun tertentu dapat dirumuskan
sebagai berikut :
𝑥2 −𝑥1
𝑌 ′ = 𝑎0 + 𝑏𝑋 𝑏=
𝑛

𝑌 ′ = data berkala (time series) atau taksiran nilai trend

𝑎0 = nilai trend pada tahun dasar
𝑛 = jumlah data tiap kelompok
𝑠𝑒𝑚𝑖 𝑡𝑜𝑡𝑎𝑙
𝑥1 = semi average kelas 1 ( )
𝑛
𝑠𝑒𝑚𝑖 𝑡𝑜𝑡𝑎𝑙
𝑥2 = semi average kelas 2 ( )
𝑛
𝑋 = variabel waktu (hari, minggu, bulan atau tahun)
𝑏 = rata-rata pertumbuhan trend tiap tahun
9

Berikut adalah data jumlah persediaan barang perusahaan X dari tahun 2001 hingga 2008 dalam ton, ramalkan
persediaan barang pada tahun 2009 & 2010 :
2001 = 40
2002 = 76
2003 = 86
2004 = 50
2005 = 66
2006 = 96
2007 = 80
2008 = 70
10

TREND AWAL
TAHUN PERSEDIAAN KELOMPOK X SEMI TOTAL SEMI AVERAGE
TAHUN
2001 40 -2

2002 76 -1 252/4 = 63
I 252
2003 86 1 𝑎0 = 𝑥1

2004 50 2

2005 66 3

2006 96 4 312/4 = 78
II 312
2007 80 5 𝑎0 = 𝑥2

2008 70 6
11

• Nilai Semi Average ao sebesar 63 merupakan nilai trend periode dasar

1 Januari 2003 atau 31 Desember 2002
• Nilai Semi Average ao sebesar 78 merupakan nilai trend periode dasar
1 Januari 2007 atau 31 Desember 2006
𝑥2 −𝑥1 78−63
• Jadi 𝑏 = = = 3,75
𝑛 4
12
TREND AWAL
TAHUN PERSEDIAAN KELOMPOK X SEMI TOTAL SEMI AVERAGE
TAHUN
2001 40 -2

2002 76 -1 252/4 = 63
I 252 Y=63+3,75(X)
2003 86 1 𝑎0 = 𝑥1

2004 50 2

2005 66 3

2006 96 4 312/4 = 78
II 312 Y=78+3,75(X)
2007 80 5 𝑎0 = 𝑥2

2008 70 6

Jadi persamaan yang digunakan untuk meramalkan persediaan tahun berikutnya adalah : Y = 63 + 3,75 (X)
13

Berapakah persediaan awal tahun 2009? Berapakah persediaan awal tahun 2010?
Diketahui : Diketahui :
a0 = 63 a0 = 63

X=7 X =8
*persamaan trend dengan tahun dasar *persamaan trend dengan tahun dasar
2003 2003
Y’ = 63 + 3,75x Y’ = 63 + 3,75x
Y’ = 63 + 3,75 (7) Y’ = 63 + 3,75 (8)
Y’ = 63 + 26,25 Y’ = 63 + 30
Y’ = 89,25 Y’ = 93
14

TAHUN PERSEDIAAN KELOMPOK X SEMI TOTAL SEMI AVERAGE TREND AWAL TAHUN

2000 25 -7
2001 40 -6
277/4 = 69,25
2002 76 II -5 277 Y=69,25+6(X)
𝑎0 = 𝑥2
2003 86 -4
2004 50 -3
2005 66 -2
2006 96 -1
397/4 = 99,25
2007 80 I 0 397 Y=99,25+6(X)
𝑎0 = 𝑥1
2008 70 1
2009 85 2

𝑥2 −𝑥1 99,25−69,25
𝑏= = =6
𝑛 5
4 METODE LEAST SQUARE
16

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
dengan :
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.
17

Berikut adalah data penjualan barang PT. Mamkmur Sejahtera Tahun 1995–1999 dalam ribu unit :

TAHUN PENJUALAN
X Y
1995 130
1996 145
1997 150
1998 165
1999 170

Buatlah ramalan/forecast penjualan di tahun 2000, 2001, 2002, 2003, dan 2004 dengan metode least square
18

TAHUN PENJUALAN
X X2 XY Y’
X Y
1995 130 -2 4 -260 ?
1996 145 -1 1 -145 ?
1997 150 0 0 0 ?
1998 165 1 1 165 ?
1999 170 2 4 340 ?
TOTAL 760 0 10 100 ?

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel

waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau ∑x=0.
19

Mencari nilai a dan b

Y ‘ = a0 +bx a = ( ∑Y ) / n b = ( ∑XY ) / ∑x2

a = 760 / 5 = 152
b = 100 / 10 = 10

TAHUN PENJUALAN (Y’)

Setelah mengetahui nilai variabel a dan b maka persamaan
trendnya dapat diketahui yaitu : 1995 132
Y’ = 152 + 10X 1996 142
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1997 152
1995 sampai dengan 1999 dapat diketahui : 1998 162
1999 172
20

Dari persamaan fungsi Y diatas juga dapat disusun ramalan penjualan pada tahun
berikutnya untuk dijadikan dasar pembuatan anggaran penjualan.
Y(2000) = 152 +10 (3)
= 182

TAHUN PENJUALAN (Y’)

2000 182

2001 192
2002 202
2003 212
2004 222
21

Berikut adalah data penjualan barang PT. Maju Mundur Tahun 1995–2000 dalam ribu unit :
No Tahun Penjualan (Y)
1 1995 130
2 1996 145
3 1997 150
4 1998 165
5 1999 170
6 2000 185
Buatlah ramalan/forecast penjualan di tahun 2001, 2002, 2003, 2004, dan 2005 dengan metode least square
22

TAHUN PENJUALAN (Y) X X2 XY

1995 130 -5 25 -650

1996 145 -3 9 -435
1997 150 -1 1 -150
1998 165 1 1 165
1999 170 3 9 510
2000 185 5 25 925
Total 945 0 70 365

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel

waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau ∑x=0.
23
Mencari nilai a dan b
Y ‘ = a0 +bx a = ( ∑Y ) / n b = ( ∑XY ) / ∑x2

a = 945 / 6 = 157,5
b = 365 / 70 = 5,21
TAHUN PENJUALAN (Y)

Setelah mengetahui nilai variabel a dan b maka persamaan 1995 131,45 = 131
trendnya dapat diketahui yaitu : 1996 141,87 = 142
1997 152,29 = 152
Y = 157,5 + 5,21X 1998 162,71 = 163
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1999 173,13 = 173
1995 sampai dengan 2000 dapat diketahui : 2000 183,55 = 184
24

Dengan cara yang sama dapat pula diketahui ramalan penjualan untuk tahun 2001 – 2005 :

TAHUN PENJUALAN (Y)

2001 193,97 = 194

2002 204,39 = 204
2003 214,81 = 215
2004 225,23 = 225
2005 235,65 = 236
ANY QUESTION ?
KESIMPULAN 5
26

✓Data berkala adalah fakta-fakta yang dikumpulkan dari waktu ke waktu dengan selang
yang relatif sama dan bertahap.
✓Data berkala menjadi menjadi dasar dari suatu proses analisa maupun peramalan
(forecast ) terhadap variabel waktu tertentu.
✓Metode yang umum digunakan dalam peramalan (forecast ) degan dasar data berkala
adalah metode semi average dan metode least square.
☺