PENDAHULUAN
Dr. Muh.Ashary Anshar, SE, M.Si.
LINEAR PROGRAMMING
Dr. Muh.Ashary Anshar
, SE, M.Si.
Metode
Programasi Linear
2. Proporsionality
Alokasi sumber daya dengan goal yang
ingin dicapai harus proporsional
3. Additivity
Total dari semua aktivitas adalah sama dengan
jumlah dari aktivitas individual
4. Divisibility
Jumlah produk yang akhirnya direkomendasikan
dalam kondisi optimum, dapat berupa pecahan
bukan bilangan bulat
5. Non-negatif variable
Semua variabel bukan negatif, bisa nol atau positif
(negatif dalam kuantitas fisik a/d mustahil)
METODE GRAFIK
F. Status : x1 ; x 2 > 0
Penyelesaian Aljabar Analitik
x1 + 3x2 < 12
Jika x1 = 0 x2 = 4
Jika x2 = 0 x1 = 12
(4,0)
4
( 4, 2 2/3)
2
Daerah
Feasible
(6,0) (12,0)
0 2 4 6 8 10 12 14
5. Tentukanlah variabel dasarnya, yaitu varibel yang besarnya sama dengan nilai sisi kanan
pada fungsi kendala pada saat belum dihasilkan produk.
8. Tentukanlah variabel masuk (entering variabel) atau produk yang akan dibuat terlebih
dahulu, yaitu dengan cara memilih nilai C-Z yang terbesar (karena fungsi tujuan adalah
maksimisai laba)
Pada contoh soal, variabel masuk adalah x2 ( x2 berada satu kolom dengan angka 5 )
9. Tentukanlah kolom kunci, yaitu kolom-kolom yang sejajar dengan
variabel masuk
11. Tentukan varibel keluar (leaving variabel), yaitu dengan cara memilih
nilai rasio yang terkecil dan positif.
Pada contoh soal, leaving variabel adalah S1 ( S1 berada satu baris
dengan niali rasio yang terkecil dan positif )
13. Angka yang terdapat pada perpotongan kolom kunci dan baris kunci
disebut angka kunci. Pada contoh soal yaitu angka 3.
Kemudian angka kunci tsb nilainya dijadikan nilai 1, dan disebut “pivot”.
Karena angka kunci untuk menjadi pivot dibagi g=dgn bil. 3,
maka seluruh angka pada baris kunci juga dibagi dengan 3
14. Hitunglah nilai-nilai pada baris 0S2 pada iterasi ke-2 ( baris S2 baru )
dengan cara :
Baris S2 lama : 4 3 0 1 24
Baris Pivot : 3(1/3 1 1/3 0 4) -
Baris S2 baru : 3 0 -1 1 12
17. Periksalah apakah semua nilai C-Z yang baru sudah tidak ada nilai
positif lagi. Bila iya, maka proses pehitungan dihentikan karena
solusi sudah optimal. Tetapi jika tidak, maka dilanjutkan ke langlah
18.
0 S1 1 3 1 0 12 12/3 = +4
1
0 S2 4 3 0 1 24 24/3 = +8
Z 0 0 0 0 0
C-Z 4 5 0 0 -
METODE TRANSPORTASI
Cerebon Semarang
Bandung Jakarta
Cilacap Purwokerto
(1). MASALAH TRANSPORTASI SEIMBANG
CONTOH :
Sebuah Perusahaan Negara berkepentingan mengangkut
pupuk dari 3 pabrik ke 3 pasar.
Kapasitas supply ke tiga pabrik, permintaan ke tiga pasar
dan biaya transportasi per unit adalah sbb:
-------------------------------------------------------------------------
Pabrik Pasar Penawaran
1 2 3
-------------------------------------------------------------------------
1 8 5 6 120
2 15 10 12 80
3 3 9 10 80
-------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Sumber Tujuan
(Pabrik) (Pasar)
S1=120 D1=150
S2= 80 D2= 70
S3= 80 D3= 60
Rumusan PL:
1) Fungsi Tujuan:
Minimumkan:
Z = 8X11+5X12+6X13+15X21+10X22+12X23+3X31+ 9X32
+10X33
2) Fungsi kendala:
2.1. Pabrik (Supply):
- Pabrik-1 : X11+X12+X13=120
- Pabrik-2 : X21+X22+X23= 80
- Pabrik-3 : X31+X32+X33= 80
2.2. Pasar (demand):
- Pasar-1 : X11+X21+X31= 150
- Pasar-2 : X12+X22+X32= 70
- Pasar-3 : X13+X23+X33 = 60
Tabel Transportasi:
--------------------------------------------------------------------
Pabrik Pasar Penawaran
1 2 3
--------------------------------------------------------------------
8 5 6
1 120
15 10 12
2 80
3 9 10
3 80
--------------------------------------------------------------------
Permintaan 150 70 6 280
---------------------------------------------------------------------
Ada 3 metode penyelesaian masalah transportasi
sebagai solusi dasar awal:
1. Metode Pojok Barat laut (North-West-Corner
Method).
2. Metode Biaya Terendah (Least-Cost-Method).
3. Metode Aproksimasi Vogel (VAM).
15 10 12
2 30 50 80
3 9 10
3 20 60 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
(1). Mulai dari pojok barat laut, yaitu sel x11.
Bandingkan x11= min (a1,b1) :
(a). Bila a1 > b1, maka x11= b1, teruskan ke
sel x12. X12= min (a1 - b1, b2).
(b). Bila a1 < b1, maka x11= a1, teruskan ke
sel x21. X21= min (b1 - a1, a2).
(c). Bila a1 = b1, maka buatlah x11= b1, dan
teruskan ke x22 (gerakan miring).
15 10 12
2 70 10 80
3 9 10
3 80 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
Jadi, total biaya transportasi terendah =
70(5)+50(6)+70(15)+10(12)+80(3) = 2.060.
3 9 10 6
3 80
------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Opp.Cost 5 4 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
Pabrik Pasar Penawaran Opp
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 120 1
15 10 12 2
2 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Opp.Cost 7 5 4
-------------------------------------------------------------------------
l
-------------------------------------------------------------------------
Pabrik Pasar Penawaran Opp
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 70 120 1
15 10 12 2
2 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Opp.Cost - 5 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
Pabrik Pasar Penawaran Opp
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 70 120 1
15 10 12 3
2 70 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Opp.Cost - - 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
Pabrik Pasar Penawaran Opp
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1
70 50 120 6
15 10 12 -
2 70 10 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
Permintaan 150 70 60 280
-------------------------------------------------------------------------
Opp.Cost - - 6
-------------------------------------------------------------------------
Total Biaya Transportasi minimum =
70(8)+50(6)+70(10)+10(12)+80(3)=1920
SOLUSI OPTIMUM
Setelah solusi layak dasar diperoleh, kemudian
dilakukan perbaikan untuk mencapai solusi opti-
mum. Dua metode mencari solusi optimum ada-
lah Metode Batu Loncat (Stepping-Stone)
dan Metode Modi (Modified Distribution).
15 10 12
2 30 50 X23 80
3 9 10
3 X31 20 60 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
Beberapa hal penting dalam penyusunan jalur
batu loncat (stepping-stone) :
(1). Arah yg diambil, baik searah maupun ber-
lawanan arah dengan jarum jam adalah tdk
penting dlm membuat jalur tertutup.
(2). Hanya ada satu jalur tertutup untuk setiap
kotak kosong.
(3). Jalur harus hanya mengikuti kotak terisi,
kecuali pada kotak kosong yg sedang di
evaluasi.
(4). Kotak kosong maupun kotak isi dapat dile-
wati dlm penyusunan jalur tertutup.
(5). Suatu jalur dapat melintasi dirinya.
(6). Sebuah penambahan dan sebuah pengurang
an yg sama besar hrs kelihatan pada setiap
baris dan kolom pada jalur itu.
------------------------------------------------------------------------
Kotak Kosong Jalur Tertutup
------------------------------------------------------------------------
X12 X12 X22 X21 X11 X12
X13 X13 X33 X32 X22 X21 X11 X13
X23 X23 X33 X32 X22 X23
15 10 12
2 30 50 X23 80
- +
3 9 10
3 + X31 20 - 60 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
---------------------------------------------------------------------
Pabrik Pasar Penawaran
1 2 3
--------------------------------------------------------------------
8 5 6
120
1 X12 X13 120
15 10 12
2 10 70 X23 80
3 9 10
3 20 60 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
------------------------------------------------------------------------
Kotak Kosong Jalur Tertutup
------------------------------------------------------------------------
X23 X23 X33 X31 X21 X23
------------------------------------------------------------------------
-------------------------------------------------------------------------
Cij Jalur Penambahan dan Pengurangan Biaya Perubahan Biaya
-------------------------------------------------------------------------
X23 12-10+3-15 -10
-------------------------------------------------------------------------
---------------------------------------------------------------------
Pabrik Pasar Penawaran
1 2 3
--------------------------------------------------------------------
8 5 6
120
1 X12 X13 120
15 10 12
2 70 10 80
3 9 10
3 30 50 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
---------------------------------------------------------------------
Pabrik Pasar Penawaran
1 2 3
--------------------------------------------------------------------
8 5 6
1 70 50 120
15 10 12
2 70 10 80
3 9 10
3 80 80
--------------------------------------------------------------------
Permintaan 150 70 60 280
---------------------------------------------------------------------
Jadi Total Biaya Transportasi minimum yg
telah diperbaiki dengan Metode Batu Loncat
(Stepping Stone) adalah
= 70(8)+50(6)+70(10)+10(12)+80(3)
= 560+300+700+120+240
= 1920
Thank You...
See You
In The Next Classes
Wassalam…
METODE KUANTITATIF MANAJEMEN
PERTEMUAN 5 - (2,5 Jam )
ANGKA INDEKS
Dr. MUH. ASHARY ANSHAR, SE,
M.Si.
INSTITUT BISNIS DAN KEUANGAN NITRO
MAKASSAR 2021
STATISTIKA EKONOMI
ANGKA INDEKS
OUTLINE
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
3
Angka Indeks
PENGANTAR
Angka Indeks:
Sebuah angka yang menggambarkan perubahan
relatif terhadap harga, kuantitas atau nilai yang
dibandingkan dengan tahun dasar.
• Angka indeks memperlihatkan bagaimana
perubahan terjadi. Bagaimana harga-harga,
pendapatan, produksi, dan nilai produksi
berubah seiring dengan perubahan waktu,
teknologi, dan sumber daya manusia.
• Untuk melihat seberapa besar perubahan
tersebut, maka angka indeks membandingkannya
dengan tahun dasar. 4
Angka Indeks
PENGANTAR
bermakna.
Angka Indeks
PENGANTAR
6
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Definisi
Dikenal juga dengan unweighted index yaitu
indeks yang tanpa memperhitungkan bobot
setiap barang dan jasa.
Rumus:
8
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Penyelesaian:
a. Tahun dasar 2010, maka angka indeks adalah 100.
Ht 11.175
IH x100 x100 110
H0 10.150
c. Dengan cara yang sama pada nomor (b), maka indeks harga
relatif sederhana adalah sebagai berikut:
10
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
11
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Dari indeks harga sejak 2010 sampai 2016 harga telah naik
65% (165 - 100) atau setiap tahunnya 9,28%.
12
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Penyelesaian:
Ht
IH x100
H0
dengan bulan dasar Juli (IH Juli = 100)
450
IHPebruari x100 94,73 95
475
14
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
17
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Dimana
IK = Indeks kuantitas
Kt = Kuantitas pada tahun t
K0 = Kuantitas pada tahn dasar
18
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Penyelesaian:
a. Tahun dasar 2010, maka angka indeks adalah 100.
Kt 40
IK x100 x100 97
K0 41
20
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
21
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Dari indeks kuantitas terlihat bahwa produksi yang lebih kecil dari
2010 adalah tahun 2011 dan 2015. Produksi selama 2010-2016
mengalami penurunan sebesar 2% (98% - 100%) dan kenaikan
tertinggi sebesar 4% (105% - 100%).
22
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
23
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
24
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Penyelesaian:
26
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
27
Angka Indeks
ANGKA INDEKS RELATIF SEDERHANA
(Simple Index Numbers)
Dari indeks nilai dapat diketahui bahwa penerimaan dari kakao meningkat 0,1%
untuk tahun 2010 - 2011, sedang selama periode 2010 - 2016 penerimaan
meningkat 144% atau meningkat 20,57% per tahunnya.
28
Angka Indeks
OUTLINE
Penyajian Data
Angka Indeks Agregrate
Sederhana
Ukuran Pemusatan
Angka Indeks Agregrate
Ukuran Penyebaran Tertimbang
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
29
Angka Indeks
Dimana
IHA = Indeks harga agregat sederhana
Ht = Jumlah harga kelompok barang dan jasa periode t
H0 = Jumlah harga kelompok barang dan jasa periode
dasar 31
Angka Indeks
ANGKA INDEKS AGREGAT SEDERHANA
Penyelesaian:
a. Langkah pertama menjumlahkan harga semua jenis barang.
Contoh H01 = 815 + 456 + 1.215 + 1.261 + 2.095 + 205 + 298 + 852
= 7.197
Maka penjumlahan seluruhnya adalah:
33
Angka Indeks
ANGKA INDEKS AGREGAT SEDERHANA
34
Angka Indeks
ANGKA INDEKS AGREGAT SEDERHANA
Angka indeks tahun 2016 berdasarkan tahun dasar 2014 adalah 194, ini
menunjukkan bahwa selama 2 tahun dari 2014 - 2016, harga telah naik 94%
(194-100). Apabila kita melihat pada selisih angka indeks, maka kita
mendapatkan kenaikan harga setiap tahun, seperti 2001 ke 2012, harga naik 2%,
tahun 2012-2013 naik 10%, tahun 2013-2014 naik 8%, tahun 2014-2015 naik
8%, tahun 2014-2015 naik 63%, dan tahun 2015-2016 naik 31%. 35
Angka Indeks
ANGKA INDEKS AGREGAT SEDERHANA
Rumus:
36
Angka Indeks
38
Angka Indeks
OUTLINE
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
39
Angka Indeks
1. Formula Laspeyres
Etienne Laspeyres mengembangkan metode ini
pada abad 18 akhir untuk menentukan sebuah
indeks tertimbang dengan menggunakan bobot
sebagai penimbang adalah periode dasar.
Rumus:
= 168.963 X 100
69.358
= 244
41
Angka Indeks
2. Formula Paasche
Menggunakan bobot tahun berjalan dan bukan tahun dasar
sebagai bobot.
Rumus:
43
Angka Indeks
IP = 159.823 x 100
65.307 44
= 245
Angka Indeks
ANGKA INDEKS TERTIMBANG
3. Formula Fisher
• Fisher mencoba memperbaiki formula Laspeyres dan Paasche.
• Indeks Fisher merupakan akar dari perkalian kedua indeks.
• Indeks Fisher menjadi lebih sempurna dibandingkan kedua
indeks yang lain baik Lasypeyres maupun Paasche.
Rumus:
IF = IL x IP
Diketahui IL = 244
IP = 245
4. Formula Drobisch
• Digunakan apabila nilai Indeks Laspeyres dan Indeks Paasche
berbeda terlalu jauh. Indeks Drobisch juga merupakan jalan
tengah selain Indeks Fisher.
• Indeks Drobisch merupakan nilai rata-rata dari kedua indeks.
Rumus:
ID = IL + IP
2
Diketahui IL = 244
IP = 245
ID = IL + IP = 244 + 245
2 2
46
= 244.5
Angka Indeks
5. Formula Marshal-Edgeworth
Formula Marshal-Edgeworth relatif berbeda dengan konsep
Laspeyres dan Paasche.
Menggunakan bobot berupa jumlah kuantitas pada tahun t
dengan kuantitas pada tahun dasar.
Pembobotan ini diharapkan akan mendapatkan nilai yang lebih
baik.
Rumus:
47
Angka Indeks
K. Hijau
1.542 3.192
K.Tanah
3.126 4.340
Ket.Pohon
7.825 20.930
Ket.Rambat
1.404 3.920
Kentang
1.219 2.450
Jumlah
134.665 328.787 48
Angka Indeks
6. Formula Wals
Menggunakan pembobot berupa akar dari perkalian
kuantitas tahun berjalan dengan kuantitas tahun dasar.
Rumus:
IW = HtKoKt x 100
HoKoKt
49
Angka Indeks
Jumlah
67.258 164.242
50
Angka Indeks
OUTLINE
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
51
Angka Indeks
52
Angka Indeks
OUTLINE
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-Macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
53
Angka Indeks
MENGGUNAKAN MS EXCEL
54
–
55
TERIMA KASIH
56
METODE KUANTITATIF MANAJEMEN
PERTEMUAN X - (2,5 Jam )
OUTLINE
BAGIAN I
PENDAHULUAN
Data deret berkala (time series) adalah sekumpulan data
yang dicatat dalam suatu periode tertentu.
Trend (Kecenderungan)
Variasi Musim
Variasi Siklus
TREND
TREND
Trend Positif
Tahun (X)
6
Deret Berkala dan Peramalan
TREND
Trend Negatif
7
Tahun (X)
Deret Berkala dan Peramalan
10
Deret Berkala dan Peramalan
Penyelesaian:
a.Membagi data menjadi 2 kelompok. Data ada 6 tahun, jadi kelompok 1
tahun 2011 – 2013 sedang kelompok 2 tahun 2014 – 2016.
b.Menghitung rata-rata tiap kelompok
K 1 = a1 = (4,2 + 5,0 + 5,6) / 3 = 4,93
K 2 = a2 = (6,1 + 6,7 + 7,2) / 3 = 6,67
c. Menghitung nilai perubahan
12
Deret Berkala dan Peramalan
2014 6,1 2 -1
K2 2015 6,7 6,67 3 0
2016 7,2 4 1
Untuk nilai X, pada tahun dasar sama dengan 0, untuk tahun di atas tahun
dasar diberikan nilai positif dari 1 dst, sedang yang di bawah diberikan nilai 13
negatif dari -1 dst.
Deret Berkala dan Peramalan
Y’ = a + bX
Dimana:
Y’ = Nilai tren
a = Nilai konstanta yaitu nilai Y pada saat nilai X = 0
b = Nilai kemiringan yaitu tambahan nilai Y, apabila X bartambah
satu satuan
X = Nilai periode tahun 15
Deret Berkala dan Peramalan
8
Pelanggan (Jutaan)
7
6
5
4
3
2
1
0
97 98 99 00 01
Tahun
17
Deret Berkala dan Peramalan
Penyelesaian:
a. Mencari persamaan Y’ = a + bX.
Penyelesaian:
b.Berapa nilai peramalan pelanggan PT Telkom untuk tahun 2017
dan 2020?
19
Deret Berkala dan Peramalan
20
Deret Berkala dan Peramalan
Y' a bXcX 2
a
n X X 4 2 2
b
XY
X 2
n X Y X Y
2 2
c
n X X
4 2 2
21
Deret Berkala dan Peramalan
Trend Kuadratis
8.00
Pelanggan
(jutaan)
Jumlah
6.00
4.00
2.00
Y=a+bX+cX2
0.00
97 98 99 00 01
Tahun
22
Deret Berkala dan Peramalan
Berikut adalah data jumlah pelanggan PT Telkom tahun 2012 - 2016. (a)
Buatlah persamaan tren kuadratis pelanggan PT Telkom. (b) Hitunglah
peramalan jumlah pelanggan PT Telkom untuk Tahun 2017 dan 2020.
Tahun Y X XY X2 X2Y X4
2012 5,0 -2
2013 5,6 -1
2014 6,1 0
2015 6,7 1
2016 7,2 2
Jumlah 30,6
23
Deret Berkala dan Peramalan
Penyelesaian:
Tahun Y X XY X2 X2Y X4
2012 5,0 -2 -10,00 4,00 20,00 16,00
2013 5,6 -1 -5,60 1,00 5,60 1,00
2014 6,1 0 0,00 0,00 0,00 0,00
2015 6,7 1 6,70 1,00 6,70 1,00
2016 7,2 2 14,40 4,00 28,80 16,00
Jumlah 30,6 5,50 10,00 61,10 34,00
24
Deret Berkala dan Peramalan
Y X X Y X
4 2 2
a
n X X
4 2 2
a
30,60 x34,00 61,10 x10,00 429,4
6,13
534 10
2
70
b
XY
5,50
0,55
X 2
10
cn
X Y X Y
2 2
n X X
4 2 2
c
5 x61,10 10,0 x30,60 0,0071
534 10
2
26
Deret Berkala dan Peramalan
Y a(1 b) x
Y ' a1 b
sbb: x
LnY ' ln a X ln 1 b 27
Deret Berkala dan Peramalan
Trend Eskponensial
15.00
Pelanggan
(jutaan)
Jumlah
10.00
5.00
0.00
97 98 99 00 01
Y= a(1+b)X
Tahun
28
Deret Berkala dan Peramalan
Berikut adalah data jumlah pelanggan PT Telkom tahun 2012 - 2016. (a)
Buatlah persamaan tren eksponensial pelanggan PT Telkom. (b) Hitunglah
ramalan jumlah pelanggan PT Telkom untuk Tahun 2017 dan 2020.
29
Deret Berkala dan Peramalan
Penyelesaian:
30
Deret Berkala dan Peramalan
a anti ln
ln Y 9
anti ln anti ln 1,8 6,1
n 5
b anti ln
X . ln Y 0,9
1 anti ln 1 1,094 1 0,094
X 2
10
Jadi persamaan eksponensialnya adalah Y = 6,1 (1 + 0,094)X
OUTLINE
BAGIAN I
Contohnya
Produksi Padi Permusim Pergerakan Inflasi 2002 Indeks Saham PT. Astra Agro
Lestari, Maret 2003
2,5
30
Produksi (000 ton)
2 150
20 Inflasi (%) 100
1,5
Indeks
10
1 50
0 0,5
I- II- III- I- II- III- I- II- III- I- II- III-
0
98 98 98 99 99 99 00 00 00 01 01 03 03 05 13 14 22
0
1 2 3 4 5 6 7 8 9 10 11 12
Triw ulan Tanggal
Bulan
35
Deret Berkala dan Peramalan
36
Deret Berkala dan Peramalan
Berikut adalah data produksi Padi per triwulan untuk tahun 2013 - 2016.
(a) Hitunglah indeks musiman setiap triwulan. (b) Apabila produksi padi
tahun 2018 diperkirakan mencapai 54 juta ton, berapa target produksi
setiap triwulannya?
Penyelesaian:
a. Membuat rata-rata setiap triwulan dan totalnya
38
Deret Berkala dan Peramalan
Penyelesaian:
b. Menghitung indeks musim
Rata-rata total 46,75 adalah untuk 1 tahun, sehingga untuk
setiap triwulan harus dibagi dengan 3, menjadi 46,75/3 = 15,58
39
Deret Berkala dan Peramalan
Penyelesaian:
c. Produksi padi tahun 2018 direncanakan 54 juta ton. Maka
setiap triwulan rata-rata totalnya adalah 54/3 = 18 juta ton.
Maka setiap triwulan targetnya adalah:
Berikut adalah nilai penjualan PT Artha Graha pada tahun 2016. Hitunglah
indeks musim setiap bulannya.
41
Deret Berkala dan Peramalan
42
Deret Berkala dan Peramalan
44
Deret Berkala dan Peramalan
48
Deret Berkala dan Peramalan
Penyelesaian:
b. Dari indeks musim triwulan dikelompokkan ke dalam triwulan yang sama.
Tahun Triwulan
I II III
2015 163 88 52
2016 157 89
Rata-rata 159 92 51
50
Deret Berkala dan Peramalan
OUTLINE
BAGIAN I
Ingat 2,5
2
1,5
Y=TxSxCxI 1
0,5
IHSG
Maka 0
-0,5 94 95 96 97 98 99 00 01 02
TCI = Y/S
-1
CI = TCI/T -1,5
-2
Di mana CI adalah -2,5
Tahun
Indeks Siklus
53
Deret Berkala dan Peramalan
CONTOH SIKLUS
III 9 13,6
54
Deret Berkala dan Peramalan
Siklus
Ingat,
Y=TxSxCxI
TCI = Y/S
CI = TCI/T
I = CI/C
56
Deret Berkala dan Peramalan
2003 II 93 92 101
III 97 97 100
I 99 100 99
I 112
2006 II
III
57
Deret Berkala dan Peramalan
OUTLINE
PENGGUNAAN MS EXCEL
59
60
61
62
TERIMA KASIH
WASSALAM
63
METODE KUANTITATIF MANAJEMEN
PERTEMUAN XI - (2,5 Jam )
Analisis Korelasi
2
Ada 2 metoda untuk mengukur hubungan yang ada di
antara variabel-variabel ekonomi. Yang paling mudah
adalah:
• Correlation analysis
• Regression analysis
Correlation the degree of relationship existing between
2 or more variables.
Simple Correlation the degree of relationship between
two variables.
Multiple Correlation the degree of relationship between
3 or more variables.
Correlation:
• Linear
• Non-linear
Linear Correlation
jika semua titik (X,Y) pada diagram pencar (scatter diagram)
bergerombol di sekitar suatu garis lurus.
Non-linear Correlation jika semua titik terletak di sekitar
suatu liku (curve).
Variables Correlation:
• Positive Correlation
• Negative Correlation
• Uncorrelated
Ketiga hal tersebut di atas berlaku untuk linear dan non-linear
correlation.
Positive Correlation perubahan 2 variabel
cenderung searah, yakni naik atau turun secara
bersama-sama.
Perfect Positive Jika semua titik pada diagram
pencar terletak pd suatu garis atau liku.
Negative Correlation arah perubahan 2 variabel
cenderung berlawanan, yakni jika X naik Y turun dan
sebaliknya.
Uncorrelated, zero correlation perubahan 2
variabel tanpa hubungan satu sama lain.
Analisis Regresi dan Korelasi Linier
n XY X Y
r
n
X X n Y Y
2 2 2 2
Di mana:
r : Nilai koefisien korelasi
X : Jumlah pengamatan variabel X
Y : Jumlah pengamatan variabel Y
åXY : Jumlah hasil perkalian variabel X dan Y
(X2) : Jumlah kuadrat dari pengamatan variabel X
(X)2 : Jumlah kuadrat dari jumlah pengamatan variabel X
(Y2) : Jumlah kuadrat dari pengamatan variabel Y
(Y)2 : Jumlah kuadrat dari jumlah pengamatan variabel Y
n : Jumlah pasangan pengamatan Y dan X
9
PENGUKURAN LINEAR CORRELATION
Coefficient:
Populasi: ρ
Sampel utk estimasi populasi: r
n ( XY ) ( X )(Y )
r=
-1 ≤ r ≤ 1
HUBUNGAN KUAT DAN LEMAHNYA SUATU KORELASI
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
-1 ≤ r ≤ 1
Contoh: Harga dan Supply Semen dalam 10 Hari
120
100
Y (Quantity)
80
60
40
20
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
X (Price)
Analisis Regresi dan Korelasi Linier
n Y X X2 XY Y2
15
Analisis Regresi dan Korelasi Linier
Koefisien determinasi
Koefisien determinasi = r2
n XY X Y
2
r2
n
X 2
n
X
2
Y 2
Y
2
16
Analisis Regresi dan Korelasi Linear
r
r n2 atau t
t 1 - r2
1 r 2 n-2
Di mana:
t : Nilai t-hitung
r : Nilai koefisien korelasi
n : Jumlah data pengamatan
17
Analisis Regresi dan Korelasi Linier
Ujilah apakah (a) nilai r = - 0,412 pada hubungan antara suku bunga dan investasi
dan (b) r = 0,86 pada hubungan antara harga minyak dan produksi kelapa sawit
sama dengan nol pada taraf nyata 5%?
1. Perumusan hipotesa:
Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Korelasi dalam
populasi dilambangkan dengan sedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0
2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat bebas
(df) = n-k = 9 - 2 = 7. Nilai taraf nyata a/2= 0,025 dan df =7 adalah = 2,36. Ingat
bahwa n adalah jumlah data pengamatan yaitu = 9, sedangkan k adalah jumlah
variabel yaitu Y dan X, jadi k=2.
3. Menentukan nilai uji t r - 0,41
t 1 ,21
1 - r2 1 - (,041)2
n-2 9-2
18
Analisis Regresi dan Korelasi Linier
1. Perumusan hipotesa:
Hipotesa yang diuji adalah koefisien korelasi sama dengan nol. Korelasi
dalam populasi dilambangkan dengansedang pada sampel r.
H0 : r = 0
H1 : r ¹ 0
2. Taraf nyata 5% untuk uji dua arah (a/2=0,05/2=0,025) dengan derajat
bebas (df) = n-k = 12 - 2 = 10. Nilai taraf nyata a/2=0,025 dan df =10
adalah = 2,23.
3. Menentukan nilai uji t
r 0,86
t 2
2
5 ,33
1-r 1 - (0,86)
n-2 12 - 2
20
Analisis Regresi dan Korelasi Linier
Persamaan regresi
22
Pengantar Regresi
Persamaan regresi merupakan persamaan matematis yang
memungkinkan kita meramalkan nilai-nilai peubah gayut (Y)
dari nilai peubah tak gayut (X).
Istilah ini berasal dari telaah kebakaan yang dilakukan oleh Sir
Francis Galton (1822-1911) yang membandingkan tinggi
badan anak laki-laki dengan tinggi badan ayahnya. Galton
menunjukkan bahwa tinggi anak laki-laki dari ayah yang tinggi
setelah beberapa generasi cenderung mundur (regressed)
mendekati nilai populasi.
Dengan kata lain, anak laki-laki dari ayah yang badannya sangat
tinggi, cenderung lebih pendak dari ayahnya. Sedangkan anak
laki-laki dari ayah yang badannya sangat pendak cenderung
lebih tinggi dari ayahnya.
Sekarang istilah regresi diterapkan pada semua jenis peramalan.
Pengantar Regresi
Y
Assumptions of the
Asumsi 1 : Simple Linear
Regression Model
Distribusi probabilitas p(Yi/Xi)
memiliki varian yang sama 2
pada setiap Xi. E[Y]= + X
Asumsi 2 :
Nilai mean(rata-rata) yang
diharapkan terletak pada sebuah
garis lurus (regresi) populasi. Identical normal
E (Yi) = = µ = + X distributions of
errors, all
Asumsi 3: centered on the
regression line.
lainnya.
Misalnya:ingin melihat hubungan antara pengeluaran untuk iklan (ads
expenditures, X) dengan penerimaan melalui penjualan (sales revenue,Y)
Tahun 1 2 3 4 5 6 7 8 9 10
X 10 9 11 12 11 12 13 13 14 15
Y 44 40 42 46 48 52 54 58 56 60
65
sales revenue (millions of dollars)
60
55
50
45
40
e
Ŷ
e Y - Ŷ
Y
35
8 10 12 14 16
ads expenditures (millions of dollars)
Y
Regression Plot Model Regresi Populasi
Regresi Sebenarnya
X
Variabel Gangguan (ei) Nilai Yi yang diamati biasanya
Y tidak tepat sama dengan nilai
the observed data point yang dihasilkan oleh
persamaan regresi
Yi . atau nilai harapan E(Yi)
Yi
{
Error ei Yi Yi Hal ini disebabkan adanya
variabel error atau variabel
gangguan (ei).
ei = Yi - E(Yi) = Yi - µ
= Yi- - Xi
X Variabel gangguan biasanya
Xi
disebabkan oleh:
1. Kesalahan Pengukuran (human error)
2. Kesalahan Stokastik (kesalahan yang disebabkan oleh sifat ketidakmungkinan
sesuatu di duplikasi) (natural error)
Menaksir Nilai dan
Garis regresi yang sebenarnya pada dasarnya tidak dapat diketahui bentuknya,
yang dapat diketahui hanyalah dengan pendekatan metode kuadrat terkecil (lease
square) dari sampel yang kita miliki yaitu : x1,x2,x3,.. dan y1,y2,y3,...
atau
Kasus 1 :
X 1 2 3 4 5
Y 3 5 7 8 10
X 1 2 3 4 5
Y 3 5 7 8 10
-t/2 +t/2
Interval Kepercayaan dan
Adapun Interval kepercayaan dan adalah
dan
Ingat !!!
1 2
atau
3
4
5
Kasus 3 :
X 1 2 3 4 5
Y 3 5 7 8 10
X 1 2 3 4 5
Y 3 5 7 8 10
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:
35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar A
52
Analisis Regresi dan Korelasi Linier
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan
sebagai berikut:
35
30 b c
d
25
a
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar B
53
Analisis Regresi dan Korelasi Linier
Y2 e3 Y4 e4
Y3
Y3 e4
Y5
e5
Yn
20 Yn
en
en
10
0
2.01 9.35 12.55 10.33
Inflasi
54
Analisis Regresi dan Korelasi Linier
e1
20 Y1 e3 e5
Y3 Y5
15
10
5
0
2.01 9.35 12.55 10.33
Inf lasi
55
Analisis Regresi dan Korelasi Linier
+b
-b
X X
ˆ=a+bX
Gambar A: Y ˆ =a-bX
Gambar B: Y
56
Analisis Regresi dan Korelasi Linier
n XY ) ( X )( X ) b
( Y ) b( X )
a
n( X 2 ) ( X )2 n b
57
Analisis Regresi dan Korelasi Linier
=a+bX
Yi X Yˆ = 2,8631 + 0,0086 X Yˆ e=Y- Yˆ
58
Analisis Regresi dan Korelasi Linier
ˆ= 2,8631 + 0,0086 X.
Persamaan Y
10
8
Produksi
0
271 287 319 330 348 383 384 411 472 610 640
Harga Minyak
Y Y'
59
Analisis Regresi dan Korelasi Linier
10
8
Produksi
6
4
2
0
271 287 319 330 348 383 384 411 472 610 640
Harga
Y = Y'
60
Analisis Regresi dan Korelasi Linier
DEFINISI
61
Analisis Regresi dan Korelasi Linier
DEFINISI
Syx e 2
(Y Ŷ ) 2
n2 n2
Di mana:
1. Nilai rata-rata dari error term atau expected value untuk setiap nilai X sama dengan
nol. Asumsi ini dinyatakan E(ei/Xi) = 0.
2 Nilai error dari Ei dan Ej atau biasa disebut dengan kovarian saling tidak
berhubungan
. atau berkorelasi. Asumsi ini biasa dilambangkan sebagai berikut, Cov
(Ei, Ej) = 0, di mana i ¹ j. Berdasarkan pada asumsi nomor 1, pada setiap nilai Xi
akan terdapat Ei, dan untuk Xj akan ada Ej, yang dimaksud dengan nilai kovarian =
0 adalah nilai Ei dari Xi tidak ada hubungan dengan nilai Ej dari Xj.
Y
Garis regresi
Satu deviasi
standar
X1 X2 X3 X
63
Analisis Regresi dan Korelasi Linier
3. Varian dari error bersifat konstan. Ingat bahwa varian dilambangkan dengan s2,
sehingga asumsi ini dilambangkan dengan Var (Ei/Ej) = E(ei – ej)2 = s2. Anda
perhatikan pada gambar di atas bahwa nilai Ei (yang dilambangkan dengan
tanda titik) untuk setiap X yaitu X1, X2 dan X3 tersebar secara konstan sebesar
variannya yaitu s2. Pada gambar tersebut nilai E tersebar 1 standar deviasi di
bawah garis regresi dan 1 standar deviasi di atas garis regresi. Seluruh sebaran
nilai Ei untuk Xi dan Ej untuk Xj, di mana i ¹ j terlihat sama dengan ditunjukkan
kurva yang berbentuk simetris dengan ukuran yang sama, hal inilah yang
dikenal dengan varians dari error bersifat konstan.
4. Variabel bebas X tidak berkorelasi dengan error term E, ini biasa dilambangkan
dengan Cov (Ei, Xi) = 0. Pada garis regresi Y=a + bxi + ei maka nilai Xi dan Ei
tidak saling mempengaruhi, sebab apabila saling mempengaruhi maka
pengaruh masing-masing yaitu X dan E tidak saling dapat dipisahkan. Ingat
bahwa yang mempengaruhi Y selain X adalah pasti E yaitu faktor diluar X. Oleh
sebab itu varians dari E dan X saling terpisah atau tidak berkorelasi.
64
Analisis Regresi dan Korelasi Linier
RUMUS
1 (X X ) 2
Ŷ t( Syx )
n X 2 ( X )2 / n
65
Analisis Regresi dan Korelasi Linier
Dengan menggunakan asumsi bahwa nilai Ei bersifat normal, maka hasil dugaan a dan
b juga mengikuti distribusi normal. Sehingga nilai t = (b – B)/b, juga merupakan
variabel normal. Dalam praktiknya nilai standar deviasi populasi b sulit diketahui,
maka standar deviasi populasi biasa diduga dengan standar deviasi sampel yaitu Sb,
sehingga nilai t menjadi t = (b – B)/Sb. Selanjutnya probabilitasnya dinyatakan sebagai
berikut:
P(-t/2 (b – B)/Sb t/2 ) = 1 -
P(-t/2. Sb (b – B) t/2 . Sb) = 1 -
66
Analisis Regresi dan Korelasi Linier
e=Y–
Ŷ
atau dalam bentuk lain yaitu
Y= Ŷ + e
Di mana
TABEL ANOVA
Sumber Derajat bebas (df) Sum Square (SS) Mean Square (MS)
Keragaman
(Source)
68
ANALISIS REGRESI LINEAR
y = a + bX Sampel
Scatter diagram ttg hubungan antara inflasi dan suku bunga dapat
digambarkan sebagai berikut:
35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar A
RUMUS UNTUK KOEFISIEN a dan b
n ( XY ) ( X )( Y ) ( Y ) ( X )
b a b
n( X 2 ) ( X ) 2 n n
a = Y - bX
Y = 2,86309 + 0,008569X
e = Y – Y’
SUMMARY OUTPUT
Standard
Coefficients Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 2,96 1,127750958 2,624693 0,058511 -0,17113863 6,0911386 -0,17113863 6,091138626
X Variable 1 0,946666667 0,186666667 5,071429 0,007123 0,428396914 1,4649364 0,42839691 1,46493642
RESIDUAL OUTPUT
X X
∑(Y – Y’)2
Se atau Syx =
N-2
∑Y2 – aY - b∑XY
Se atau Syx =
N-2
∑(Y-Y’)2= 5,23
Se = 5,23/4 = 1,14
14
Y’= 2,96 + 0,9467X
12
10
8
Y
0
0 2 4 6 8 10
X
68% dari data observase berada dlm jarak ±1 Se
95,5% dari data observasi berada dlm jarak ±2 Se
99,7% dari data observasi berada dlm jarak ±3 Se
Berdasarkan hal tsb Y’ = 2,96 + 0,9467X dg Se = 1,14
jarak ± 1 Se:
84
METODE KUANTITATIF MANAJEMEN
PERTEMUAN 10 - (2,5 Jam )