MAKALAH
Diajukan Untuk Memenuhi Nilai UAS Matakuliah Statistika Deskriptif
Semester III
Disusun Oleh:
1. Raka Bagaskara (12137377) 5. Devi Faradillah (12137486)
2. Reza Septian Maulana (12137358) 6. Tya Agustina (12136808)
3. Deri Satria (12136969)
4. Rivaldy Rizky Syafira (12136708)
Puji syukur kepada Tuhan YME, atas segala rahmat dan hidayahNya sehingga kami
dapat menyelesaikan tugas akhir Semester 3 mata kuliah Statistika Deskriptif dengan tepat
waktu, terwujud dalam makalah kami “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 Semester 3 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 yang konstruktif dari pembaca demi perbaikan dan sekaligus
memperbesar manfaat tulisan ini sebagai referensi.
Penulis
(Kelompok Sepuluh)
1.2. Tujuan
Tujuan di buatnya makalah dan presentasi ini adalah sebagai syarat pembelajaran di kampus
dalam mempelajari Statistika Deskriptif salah satu mata kuliah UAS KBK. Serta dapat
bermanfaat baik bagi penulis maupun bagi pembaca untuk meningkatkan pemahaman pada mata
kuliah Statistika Deskriptif khususnya pada pokok bahasan Deret berkala antara lain :
1. Pengertian Deret Berkala
2. Penggolongan Gerakan Runtut Waktu /Komponen Deret Berkala
3. Ciri – ciri Trend Sekuler
4. Metode Least Square (Kuadrat terkecil)
Metode penulisan yang digunakan adalah dengan pembahasan berdiskusi secara kelompok/
tim berdasarkan study pustaka atau dari buku dan modul kuliah/ dan referensi dari buku
tambahan lain dan internet.
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 rutut waktu dari nilai variabel Y dapat ditunjukan oleh persamaan Y = f (X) yaitu
besarnya nilai variabel Y tergantung pada waktu terjadinya peristiwa itu.
Trend
BINA SARANA INFORMATIKA – Metode Least Square Page 6
Gambar 1 Variasi Trend Jangka Panjang
Dari gerakan siklis diperoleh titik tertinggi (puncak) dan titik terendah (lembah). Pergerakan
dari puncak ke lembah dinamakan “kontraksi” dan pergerakan dari puncak ke lembah berikutnya
dinamakan “ekspansi”.
o Variasi sikli berlangsung selama lebih dari setahun dan tidak pernah variasi tersebut
memperlihatkan pola yang tertentu mengenai gelombangnya.
o Gerakan sikli yang sempurna umumnya meliputi fasefase pemulihan (recovery),
kemakmuran (prosperity), kemunduran / resesi (recession) dan depresi (depression).
Pola musiman juga menunjukan puncak dan lembah seperti pada siklus, tetapi lamanya
variasi musim selalu satu tahun atau kurang.
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.
Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x)
sehingga jumlah nilai variabel waktu adalah nol atau ∑x = 0.
Untuk n ganjil maka :
• Jarak antara dua waktu diberi nilai satu satuan.
Jumlah
Tahun
No Tamu
(X)
(Y)
1 2003 76
2 2004 92
3 2005 98
4 2006 154
5 2007 123
6 2008 198
7 2009 220
Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode least Square.
Penyelesaian :
4.1.1.1. Analisis menggunakan metode Least Square
Jumlah
Tahun XY
No Tamu X X2
(Y)
1 2003 76 -3 -228 9
BINA SARANA INFORMATIKA – Metode Least Square Page 10
2 2004 92 -2 -184 4
3 2005 98 -1 -98 1
4 2006 154 0 0 0
5 2007 123 1 123 1
6 2008 198 2 396 4
7 2009 220 3 660 9
2
TOTAL ∑Y=961 ∑X=0 ∑XY=669 ∑ X =28
2.5.1.2 Mencari nilai a dan b
a0 = 961 : 7
= 137.28
b = 669 : 28
= 23.89
Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat diketahui
yaitu :
Y = a0 + bX
Y = 137.28 + 23.89X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 2003 sampai dengan 2009 dapat
diketahui :
Jumlah Tamu
Tahun
(Y)
2003 65.61
2004 89.5
2005 113.39
2006 137.28
2007 161.17
2008 185.06
2009 208.95
Dari persamaan fungsi Y diatas juga dapat disusun ramalan penjualan pada tahun
berikutnya untuk dijadikan dasar pembuatan anggaran penjualan.
Y(2010) = 23,89 +137,28 (4)
Ramalan Jumlah Tamu Indonesia pada Hotel Bintang Menurut Provinsi Tahun 2003-2008 Di
Aceh Metode Least Square
Jumlah
Tahun
No Tamu
(X)
(Y)
1 2003 76
2 2004 92
3 2005 98
4 2006 154
5 2007 123
6 2008 198
Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode least
Square.
Penyelesaian :
2.5.2.1 Analisis menggunakan metode Least Square
No Tahun Jumlah X X2
Tamu XY
b = 765 : 71
= 10,77
Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat diketahui yaitu :
Y = a0 + bX
Y = 123,5 + 10,77X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 2003 sampai dengan 2008 dapat
diketahui :
Jumlah
Tahun
No Tamu
(X)
(Y)
1 2003 69,65
2 2004 91,19
3 2005 112,73
4 2006 134,27
5 2007 155,81
6 2008 177,35
Jumlah
Tahun
No Tamu
(X)
(Y)
1 2009 198,89
2 2010 220,43
3 2011 241,97
4 2012 263,51
5 2013 285.05
6 2014 306,59
3.1 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.
3.2 Saran