Bahan Ajar MKM Ashary Ok

METODE KUANTITATIF MANAJEMEN
PERTEMUAN I - (2,5 Jam )
PENDAHULUAN
Dr. Muh.Ashary Anshar, SE, M.Si.
INSTITUT BISNIS DAN KEUANGAN NITRO

MAKASSAR 2021
Thank You...
See You
In The Next Classes
Wassalam…
PERTEMUAN 2 - (2,5 Jam )
LINEAR PROGRAMMING
Dr. Muh.Ashary Anshar
, SE, M.Si.

MAKASSAR 2021
Model Programasi Linear
Adalah sebuah model matematis yang

bersifat umum yang digunakan untuk
mengalokasikan faktor produksi atau sumber
daya yang jumlahnya terbatas secara
optimal, sehingga dapat menghasilkan laba
maksimal atau biaya minimal
Fungsi-Fungsi Dalam PL
1. Fungsi Tujuan (objective

function)
Fungsi yang menyatakan
tujuan yang akan dicapai,
dapat berupa laba maksimal
atau biaya minimal
2. Fungsi Kendala (contrains or subject
to)
Fungsi yang menyatakan batasan atau
kendala dari faktor produksi yang dimiliki
Simbol yang digunakan : <, >, =
3. Fungsi Status (status function)

Fungsi yang menyatakan bahwa setiap
variabel yang terdapat di dalam model
programasi linear tidak boleh negatif
Fungsi Matematika untuk
Masing-masing Fungsi
1. Fungsi Tujuan
Maks. Laba Z = c1x1 + c2x2 + … + cnxn
2. Fungsi Kendala
a11x1 + a12x2 + … + a1nxn < b1
a21x1 + a22x2 + … + a2nxn < b2
.. .. .. ..
.. .. .. ..
am1x1 + am2x2 + … + amnxn < bn

3. Fungsi Status
x1 ; x2 ……………….. Xn > 0
Metode-Metode Dlm PL
Metode
Programasi Linear
Metode Aljabar Metode Grafik
Simpleks Primal Simpleks M-Besar
Simpleks Dual Simpleks Dua Fase

Perbedaan Metode Solusi
Karakteristik Simpleks
pada formulasi Grafis Simpleks Big – M
masalah
Jumlah 2 >2 >2
Variabel
Jenis fungsi maksimisasi maksimisasi maksimisasi dan
tujuan dan dan minimisasi
minimisasi minimisasi
Jenis fungsi semua bentuk Pertidak- Pertidaksamaan
kendala samaan bertanda “ > “
bertanda “ < “ atau persamaan
“=“
Asumsi Dasar PL
1. Certainty
Angka yang diasumsikan dlm fungsi
tujuan dan f.kendala secara pasti
diketahui dan tidak berubah selama
waktu dipelajari
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
metode digunakan untuk

permasalahan dengan jumlah
variabel sebanyak dua,
dengan tanda
pertidaksamaan pada fungsi
kendala bebas
Contoh Soal
Sebuah perusahaan pabrikasi hendak memproduksi 2 buah produk, yaitu x1 dan x2

yang masing-masing memberikan laba bersih sebesar Rp.4000, - dan Rp.5000,- per
unitnya. Untuk membuat kedua produk tersebut diperlukan 2 buah bahan baku (bb),
yaitu bb-A dan bb-B. Bahan baku A tersedia maksimal 12 ton dan bahan baku B
tersedia tidak boleh lebih dari 24 ton.
Setiap unit produk x1 memerlukan 1 ton bb-A dan 4 ton bb-B. Sedang setiap unit
produk x2 memerlukan 3 ton bb-A dan 3 ton bb-B.
Buatlah formulasi persoalan tersebut, dan hitunglah berapa komposisi jumlah bb-A
dan bb-B yang digunakan agar perusahaan mendapatkan keuntungan maksimal ?
Matriks Persoalan
Uraian Produk Produk Tanda kapasit

X1 X2 Kenda as
la
Bb-A 1 3 < 12
Bb-B 4 3 < 24
Laba 4 5 - -
(000
Rp)
Formulasi Persoalan
x1 = Jumlah produk x1
X2 = Jumlah produk x1
F. Tujuan : Maks. Laba Z = 4x1 + 5x2
F. Pembatas : x1 + 3x2 < 12 ( bb-A )

4x1 + 3x2 < 24 ( bb-B )
F. Status : x1 ; x 2 > 0
Penyelesaian Aljabar Analitik
x1 + 3x2 < 12
Jika x1 = 0 x2 = 4
Jika x2 = 0 x1 = 12
4x1 + 3x2 < 24

Jika x1 = 0 x2 = 8
Jika x2 = 0 x1 = 6
Grafik
8 (8,0)
(4,0)
4
( 4, 2 2/3)
2
Daerah
Feasible
(6,0) (12,0)
0 2 4 6 8 10 12 14
Jadi, untuk mendapatkan laba maks, perusahaan harus

memproduksi 4 unit produk x1 dan 2 2/3 unit produk x2, sehingga
diperoleh laba maksimal sebesar Rp.29.338,33
Metode Simpleks
Digunakan untuk permasalahan

dengan jumlah variabel sebanyak
dua atau lebih, dengan tanda
pertidaksamaan pada fungsi
kendala adalah kurang dari atau
sama dengan
Langkah-Langkah Metode Simpleks Primal
1. Ubahlah tanda pertidaksamaan lebih kecil atau sama dengan (<)
yang terdapat pada persamaan fungsi kendala menjadi tanda sama
dengan (=). Caranya dengan memasukkan variabel slek (slack
variable atau S) yang bernilai positif. Adapun banyaknya variabel
slek tersebut bergantung pada fungsi kendala.
Dalam contoh soal, ada 2 buah tanda < pada persamaan fungsi
kendala. Jadi gunakan +S1 dan +S2.
F/tujuan : Zmax = 4x1 + 5x2

F/kendala : x1 + 5x2 + S1 …….. = 12
4x1 + 3x2 ….. + S2 …= 24
F/status : x1 ; x2 …………….. > 0
2. Kemudian varibel-variabel slek tadi kita tambahkan pada
persamaan fungsi tujuan tetapi koefisiennya nol.
F/tujuan : Zmax = 4x1 + 5x2 + 0S1 + 0S2

F/kendala : x1 + 5x2 + S1 …….. = 12
4x1 + 3x2 ….. + S2 …= 24
F/status : x1 ; x2 ………………. > 0
3. Kesemua variabel tadi, baik varibel keputusan ( x1 dan x2 ) maupun

varibel slek ( S1 dan S2 ) tidak boleh negatif nilainya atau harus >
nol.
F/tujuan : Zmax = 4x1 + 5x2 + 0S1 + 0S2

F/kendala : x1 + 5x2 + S1 …….. = 12
4x1 + 3x2 ….. + S1….= 24
F/status : x1 ; x2 ; S1 ; S2 …… > 0
4. Hasil langkah ke-1 s.d ke-3, masukkan ke dalam tabel simpleks
primal ( tabel 1)
5. Tentukanlah variabel dasarnya, yaitu varibel yang besarnya sama dengan nilai sisi kanan
pada fungsi kendala pada saat belum dihasilkan produk.
6. Lakukanlah langkah iterasi. Hitunglah nilai-nilai baris Z iterasi ke-1
7. Hitunglah nilai-nilai pada baris C-Z pada iterasi ke-1
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
10. Hitunglah nilai rasio masing-masing, dengan rumus :

Rasio = ( nilai kanan / kolom kunci )
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 )
12. Tentukan baris kunci
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
15. Hitung kembali nilai-nilai Z yang baru
16. Hitung pula nilai C-Z yang baru
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.
18. Ulangilah langkah sejak langkah 8

Tabel Iterasi
Iterasi ke- C 4 5 0 0 Nilai Kanan
Var. Dasar
Rasio
X1 X2 S1 S2
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 -
5 X2 1/3 1 1/3 0 4 4/(1/3) = +12

2
0 S2 3 0 -1 1 12 12/3 = +4
Z 5/3 5 5/3 0 20 20/(5/3) = +12
C-Z 7/3 0 -5/3 0 -
5 X2 0 1 4/9 -1/9 8/3

3
4 X1 1 0 -1/3 1/3 4
Z 4 5 8/9 7/9 88/3
C-Z 0 0 -8/9 -7/9 -

Latihan Soal 1
CV Agri Top memproduksi dua buah produk berbahan dasar stroberi,
yaitu sirup stroberi dan minuman segar stroberi, yang masing-masing
menghasilkan laba bersih sebesar Rp.4000,00 dan Rp.5000,00. Kedua
produk tersebut dihasilkan di dua divisi yaitu divisi produksi dan divisi
pengemasan, dimana waktu yang tersedia di divisi pengemasan paling
banyak 12 jam, sedangkan di divisi produksi maksimal 24 jam. Untuk
memproses sirup stroberi di divisi pengemasan dibutuhkan waktu 1 jam,
dan untuk minuman stroberi dibutuhkan waktu 3 jam. Sedangkan untuk
memproses sirup stroberi di divisi produksi dibutuhkan waktu 4 jam, dan
untuk minuman stroberi 3 jam. Dengan menggunakan metode simpleks,
berapa komposisi jumlah sirup stroberi dan minuman stroberi yang harus
diproduksi perusahaan agar keuntungan yang diperolehnya maksimal ?
Latihan Soal 2
PT Beauty Auto memproduksi dua jenis mobil, yaitu mobil sedan dan truk.
Untk dapat meraih konsumen berpenghasilan tinggi, perusahaan ini
memutuskan untuk melakukan promosi dalam dua macam acara TV, yaitu
pada acara hiburan dan acara olah raga. Promosi pada acara hiburan akan
disaksikan oleh 7 juta pemirsa wanita dan 2 juta pemirsa pria. Promosi
pada acara olah raga akan disaksikan oleh 2 juta pemirsa wanita dan 12
juta pemirsa pria. Biaya promosi pada acara hiburan adalah Rp.5
juta/menit, sedangkan pada acara olah raga biayanya adalah Rp.10
juta/menit. JIka perusahaan menginginkan promosinya disaksikan
sedikitnya oleh 28 juta pemirsa wanita dan sedikitnya 24 juta pemirsa pria.
Dengan menggunakan metode grafis, berapa menit komposisi jumlah
promosi pada acara hiburan dan pada acara olah raga yang paling baik
agar biaya promosi yang dikeluarkan perusahaan seminimum mungkin ?
Thank You...
See You
In The Next Classes
Wassalam…
PERTEMUAN III - (2,5 Jam )
COST, PROFIT, AND VOLUME

ANALYSIS
MAKASSAR 2021
Thank You...
See You
In The Next Classes
Wassalam…
PERTEMUAN 4- (2,5 Jam )
METODE TRANSPORTASI

MAKASSAR 2021
METODE TRANSPORTASI
 Metode transportasi adalah suatu
metode yang digunakan untuk
mengatur distribusi dari sumber-
sumber yang menyediakan produk
yang sama, ke tempat-tempat yang
membutuhkan secara optimal.
 Alokasi produk harus diatur
sedemikian rupa, karena terdapat
perbedaan biaya-biaya alokasi dari
sumber ke tempat tujuan yang
berbeda.
 Disamping itu juga metode
transportasi juga dapat digunakan
untuk memecahkan masalah dunia
usaha (bisnis) lainnya seperti
masalah yang meliputi periklanan,
pembelanjaan modal (capital
financing) dan alokasi dana untuk
investasi, analisis lokasi,
keseimbangan lini perakitan dan
perencanaan serta scheduling
produksi.
 Asumsi dasar model transportasi
adalah biaya transportasi pada
suatu rute tertentu proporsional
dengan banyaknya unit yg dikirim.
 Definisi unit yang dikirim sangat
tergantung pada jenis produk yang
diangkut.
 Yang penting satuan penawaran
dan permintaan akan barang yang
diangkut harus konsisten.
Contoh :
 Suatu produk yang dihasilkan pada 3 pabrik
(sumber), yaitu Cirebon, Bandung, dan Cilacap
harus didistribusikan ke 3 gudang (tujuan), yaitu
Semarang, Jakarta, dan Purwokerto.
 Setiap pabrik memiliki kapasitas produksi tertentu
dan setiap gudang memiliki jumlah permintaan
tertentu terhadap produk tersebut.
 Dengan diketahui biaya transportasi per unit dari
masing-masing gudang.
 Biaya transportasi minimum dari kegiatan
pendistribusian produk tersebut dari ketiga pabrik
ke tiga gudang dapat dihitung:
Sumber Tujuan
(Pabrik) (Gudang)
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:
--------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
1 120
15 10 12
2 80
3 9 10
3 80
--------------------------------------------------------------------
---------------------------------------------------------------------
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).
(1). METODE POJOK BARAT LAUT

Langkah-langkah penyelesaian:
1.Mulai dari pojok barat laut Tabel dan
alokasikan sebanyak mungkin pada X11 tanpa
menyimpang dari kendala penawaran atau
permintaan (artinya X11 ditetapkan sama
dengan yang terkecil di antara S1 dan D1).
2. Ini akan menghabiskan penawaran sumber
1 dan atau permintaan pada tujuan 1.
Akibatnya tak ada lagi barang yang dapat
dialokasikan ke kolom atau baris yang telah
dihabiskan dan kemudian baris atau kolom itu
dihilangkan. Jika baik kolom maupun baris
telah dihabiskan, pindahkanlah secara
diagonal ke kotak berikutnya.
3. Lanjutkan dengan cara yang sama sampai

semua penawaran telah dihabiskan dan
keperluan permintaan telah dipenuhi.
Contoh Penyelesaian :
---------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
1 120 - - 120
15 10 12
2 30 50 80
3 9 10
3 20 60 80
--------------------------------------------------------------------
---------------------------------------------------------------------
(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).
(2). Teruskan langkah ini, setapak demi setapak,

menjauhi pojok barat laut hingga akhirnya
harga telah mencapai pojok tenggara.
Penyelasaian Tabel Trasportasi di atas:
(1). Mulai pojok barat laut : x11=a1<b1 , yaitu :
x11=120>150 maka x11=min(120,150)=120.
Teruskan ke sel x21 .
(2). x21 =(150-120) < 80 maka x21 =min(30,80)=30.
(3). x22 =(80-30) < 70 maka x22 =min(50,80)=50.
(4). x32 =(70-50) < 80 maka x32 =min(20,80)=20.
(5). x33 = (80-60) = 60 maka x33 = 60
Total Biaya Transportasi minimum =
120(8)+ 30(15)+50(10)+20(9)+60(10) = 2690
(2). METODE BIAYA TERENDAH (LEAST-
COST METHOD)
Metode Biaya terendah berusaha mencapai
tujuan meminimumkan biaya transportasi
dengan alokasi sistematik kepada kotak-
kotak sesuai dengan besarnya biaya trans-
portasi per unit.
Langkah-langkahnya :
1. Pilih variabel xij dengan biaya trasnporta-
si per unit yang paling rendah.
2. Xij=min (ai,bj). Ini akan menutup jalur
baris I atau kolom j.
3. Ulangi dengan cara yg sama.
Contoh :
---------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
1 70 50 120
15 10 12
2 70 10 80
3 9 10
3 80 80
--------------------------------------------------------------------
---------------------------------------------------------------------
Jadi, total biaya transportasi terendah =
70(5)+50(6)+70(15)+10(12)+80(3) = 2.060.
(3). METODE APROKSIMASI VOGEL (VAM)

VAM melakukan alokasi dalam suatu cara
yang akan meminimumkan penalty (oppor-
tunity cost) dalam memilih kotak salah satu
kotak. Langkah-langkahnya sbb :
1. Hitung opportunity cost untuk setiap
baris dan kolom. Opportunity cost yang
terpilih adalah dengan mengurangi dua
biaya transportasi per unit yang terkecil.
2. Pilih baris atau kolom dengan opportunity
cost terbesar (jika terdapat nilai kembar
pilih secara sembarang). Xij = min(ai,bj).
3. Ulangi lagi pemilihan opportunity cost dari
selisih dua biaya transportasi per unit.
4. Pilih baris atau kolom dengan opportunity
cost terbesar (jika terdapat nilai kembar
pilih secara sembarang). Xij = min(ai,bj).
Contoh :
------------------------------------------------------------------------
Pabrik Pasar Penawaran Opp
1 2 3 Cost
------------------------------------------------------------------------
8 5 6
1 120 1
15 10 12
2
2 80
3 9 10 6
3 80
------------------------------------------------------------------------
-------------------------------------------------------------------------
Opp.Cost 5 4 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 120 1
15 10 12 2
2 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
-------------------------------------------------------------------------
Opp.Cost 7 5 4
-------------------------------------------------------------------------
l
-------------------------------------------------------------------------
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 70 120 1
15 10 12 2
2 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
-------------------------------------------------------------------------
Opp.Cost - 5 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
1 2 3 Cost
-------------------------------------------------------------------------
8 5 6
1 70 120 1
15 10 12 3
2 70 80
3 9 10 -
3 80 80
------------------------------------------------------------------------
-------------------------------------------------------------------------
Opp.Cost - - 4
-------------------------------------------------------------------------
-------------------------------------------------------------------------
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
------------------------------------------------------------------------
-------------------------------------------------------------------------
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).
(1). Metode Batu Loncat (Stepping-Stone)

Setelah solusi layak dasar awal diperoleh dari
masalah transportasi, langkah berikutnya adalah
menekan ke bawah biaya transportasi dengan
memasukkan variabel non basis (alokasi barang
ke kotak kosong) ke dalam solusi. Proses eva-
luasi variabel non basis yang memungkinkan
terjadinya perbaikan solusi dan kemudian meng-
alokasikan kembali.
Dengan menggunakan solusi awal yg diperoleh

melalui Metode Pojok Barat Laut yang belum
optimum akan dievaluasi masing-masing varia-
bel non basis melalui Metode Stepping-Stone.
Variabel non basis (kotak kosong) adalah X12,
X13, X23, X31.
---------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
120
1 X12 X13 120
15 10 12
2 30 50 X23 80
3 9 10
3 X31 20 60 80
--------------------------------------------------------------------
---------------------------------------------------------------------
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
X31 X31 X21 X22 X32 X31

------------------------------------------------------------------------
-------------------------------------------------------------------------
Cij Jalur Penambahan dan Pengurangan Biaya Perubahan Biaya
-------------------------------------------------------------------------
X12 5-10+15-8 2
X13 6-10+9-10+15-8 2
X23 12-10+9-10 1
X31 3-15+10-9 -11
-------------------------------------------------------------------------
Dari analisis biaya semua var non basis, hanya
X31 yg memiliki perubahan biaya negatif (C31=
-11), sehingga X31 adalah satu-satunya variabel
non basis dimasukkan ke solusi yg akan menu-
runkan biaya.
---------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
1 120 X12 X13 120
15 10 12
2 30 50 X23 80
- +
3 9 10
3 + X31 20 - 60 80
--------------------------------------------------------------------
---------------------------------------------------------------------
---------------------------------------------------------------------
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
--------------------------------------------------------------------
---------------------------------------------------------------------
------------------------------------------------------------------------
Kotak Kosong Jalur Tertutup
------------------------------------------------------------------------
X23 X23 X33 X31 X21 X23
------------------------------------------------------------------------
-------------------------------------------------------------------------
Cij Jalur Penambahan dan Pengurangan Biaya Perubahan Biaya
-------------------------------------------------------------------------
X23 12-10+3-15 -10
-------------------------------------------------------------------------
---------------------------------------------------------------------
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
--------------------------------------------------------------------
---------------------------------------------------------------------
---------------------------------------------------------------------
1 2 3
--------------------------------------------------------------------
8 5 6
1 70 50 120
15 10 12
2 70 10 80
3 9 10
3 80 80
--------------------------------------------------------------------
---------------------------------------------------------------------
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…
ANGKA INDEKS
Dr. MUH. ASHARY ANSHAR, SE,
M.Si.
MAKASSAR 2021
STATISTIKA EKONOMI
ANGKA INDEKS
Dr. Nur Dwiana Sari Saudi, SE, M.Si.
SEKOLAH TINGGI ILMU MANAJEMEN (STIM) NITRO

MAKASSAR 2018
2
Angka Indeks
OUTLINE
BAGIAN I Statistik Deskriptif
Pengertian Statistika Angka Indeks Relatif Sederhana
Penyajian Data
Angka Indeks Agregrat Sederhana
Ukuran Pemusatan
Angka Indeks Agregrat Tertimbang
Ukuran Penyebaran
Macam-macam Indeks
Angka Indeks dan Masalah Penyusunan Indeks
Deret Berkala dan Pengolahan Data Indeks dengan

MS Excel
Peramalan
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
• Tahun dasar (base year) adalah tahun pembanding yang dipilih

secara bebas. Namun apabila melihat indikator ekonomi BPS,
tahun dasar diubah setiap 10 tahun seperti 1973, 1983, 1993,
2003, 2013, dan ke depan 2023.
• Angka indeks akan membandingkan bagaimana kondisi
misalnya tahun 2007 dibandingkan tahun 1993, apakah sama,
meningkat, atau menurun.
Pemilihan tahun dasar untuk angka indeks biasanya
memperhatikan:
a. Tahun yang dipilih sebagai tahun dasar menunjukkan
kondisi perekonomian yang stabil.
b. Tahun dasar diusahakan tidak terlalu jauh dengan
tahun yang dibandingkan, shg perbandingannya masih 5
bermakna.
Angka Indeks
PENGANTAR
Banyak indikator ekonomi

menggunakan angka indeks seperti
Indeks Harga Konsumen(IHK), Indeks
Harga Perdagangan Besar, Indeks Harga
Saham Gabungan (ISHG), Indeks Nilai
Tukar Petani, Indeks Upah Riil (IUR),
dan lain-lain.
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.
Setiap barang dan jasa diberikan porsi yang sama,

sehingga peran bahan pangan (beras, daging, dan
sayuran) sama saja dengan barang lain seperti
pakaian, elektronika, dan sebagainya.
7
Angka Indeks
1. Angka Indeks Harga Relatif Sederhana
Menunjukkan perkembangan harga relatif suatu

barang dan jasa pada tahun berjalan dengan tahun
dasar, tanpa memberikan bobot terhadap kepentingan
barang dan jasa.
Rumus:
8
Angka Indeks
Contoh 1. Angka Indeks Harga Relatif Sederhana

Berikut adalah harga beras per kg di Makassar. Hitunglah indeks
harga relatif sederhana dengan tahun dasar 2010.
Tahun Harga per kg
2010 10.150
2011 11.175
2012 14.450
2013 14.050
2014 15.250
2015 15.650
2016 16.775
9
Angka Indeks
Penyelesaian:
a. Tahun dasar 2010, maka angka indeks adalah 100.
b. Indeks harga relatif sederhana untuk tahun 2011 adalah:
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
Tahun Harga per kg Indeks Perhitungan

2010 10.150 (10.150/10.150) x 100
2011 11.175 (11.175/10.150) x 100
2012 14.450 (14.450/10.150) x 100
2013 14.050 (14.050/10.150) x 100
2014 15.250 (15.250/10.150) x 100
2015 15.650 (15.650/10.150) x 100
2016 16.775 (16.775/10.150) x 100
11
Angka Indeks
Tahun Harga per kg Indeks Perhitungan

2010 10.150 100 (10.150/10.150) x 100
2011 11.175 110 (11.175/10.150) x 100
2012 14.450 142 (14.450/10.150) x 100
2013 14.050 138 (14.050/10.150) x 100
2014 15.250 150 (15.250/10.150) x 100
2015 15.650 154 (15.650/10.150) x 100
2016 16.775 165 (16.775/10.150) x 100
Dari indeks harga sejak 2010 sampai 2016 harga telah naik
65% (165 - 100) atau setiap tahunnya 9,28%.
12
Angka Indeks
Contoh 2. Angka Indeks Harga Relatif Sederhana

Berikut adalah perkembangan harga Saham PT Raisha Farma Tbk
selama tahun 2015. Hitunglah indeks harga relatif sederhananya
dengan harga dasarnya bulan Juli 2015.
Bulan Harga Bulan Harga

Januari 400 Juli 475
Pebruari 450 Agustus 430
Maret 440 September 445
April 490 Oktober 465
Mei 500 Nopember 440
Juni 460 Desember 430
13
Angka Indeks
Penyelesaian:
Ht
IH  x100
H0
dengan bulan dasar Juli (IH Juli = 100)
 450 
IHPebruari    x100  94,73  95
 475 
Penyelesaian seluruhnya adalah sebagai berikut:
14
Angka Indeks
Bulan Harga Indeks Perhitungan

Januari 400 (400/475) x 100
Pebruari 450 (450/475) x 100
Maret 440 (440/475) x 100
April 490 (490/475) x 100
Mei 500 (500/475) x 100
Juni 460 (460/475) x 100
Juli 475 (475/475) x 100
Agustus 430 (430/475) x 100
September 445 (445/475) x 100
Oktober 465 (465/475) x 100
Nopember 440 (440/475) x 100
15
Desember 430 (430/475) x 100
Angka Indeks
Bulan Harga Indeks Perhitungan

Januari 400 84 (400/475) x 100
Pebruari 450 95 (450/475) x 100
Maret 440 93 (440/475) x 100
April 490 103 (490/475) x 100
Mei 500 105 (500/475) x 100
Juni 460 97 (460/475) x 100
Juli 475 100 (475/475) x 100
Agustus 430 90 (430/475) x 100
September 445 94 (445/475) x 100
Oktober 465 98 (465/475) x 100
Nopember 440 93 (440/475) x 100
16
Desember 430 90 (430/475) x 100
Angka Indeks
Dari nilai indeks harga saham PT Raisha Farma Tbk terlihat

bahwa nilai indeks di atas 100 adalah bulan April, Mei, dan Juli,
selebihnya indeks harga sahamnya cenderung fluktuatif
17
Angka Indeks
2. Angka Indeks Kuantitas Relatif Sederhana

Menunjukkan perkembangan kuantitas barang dan jasa
dibandingkan dengan tahun atau periode dasarnya. Indeks
kuantitas sederhana dihitung tanpa memberikan bobot pada
setiap komoditas, karena dianggap masih mempunyai
kepentingan yang sama.
Rumus:
Dimana
IK = Indeks kuantitas
Kt = Kuantitas pada tahun t
K0 = Kuantitas pada tahn dasar
18
Angka Indeks
Contoh 3. Angka Indeks Kuantitas Relatif Sederhana

Berikut adalah harga cengkah di Indonesia. Hitunglah indeks
kuantitas relatif sederhana dengan tahun dasar 2010.
Tahun Produksi (juta ton)
2010 41
2011 40
2012 42
2013 43
2014 42
2015 40
2016 41
19
Angka Indeks
Penyelesaian:
a. Tahun dasar 2010, maka angka indeks adalah 100.
b. Indeks kuantitas relatif sederhana untuk tahun 2011 adalah:
Kt 40
IK  x100  x100  97
K0 41
c. Dengan cara yang sama pada bagian b, maka indeks kuantitas

relatif sederhana adalah sebagai berikut:
20
Angka Indeks
Tahun Kuantitas Indeks Perhitungan

2010 41 (41/41) x 100
2011 40 (40/41) x 100
2012 42 (42/41) x 100
2013 43 (43/41) x 100
2014 42 (42/41) x 100
2015 40 (40/41) x 100
2016 41 (41/41) x 100
21
Angka Indeks
Tahun Kuantitas Indeks Perhitungan

2010 41 100 (41/41) x 100
2011 40 98 (40/41) x 100
2012 42 102 (42/41) x 100
2013 43 105 (43/41) x 100
2014 42 102 (42/41) x 100
2015 40 98 (40/41) x 100
2016 41 100 (41/41) x 100
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
3. Angka Indeks Nilai Relatif Sederhana

Menunjukkan perkembangan nilai (harga dikalikan
dengan kuantitas) suatu barang dan jasa pada suatu
periode dengan periode atau tahun dasarnya.
Rumus:
23
Angka Indeks
24
Angka Indeks
Contoh 4. Angka Indeks Nilai Relatif Sederhana

Berikut adalah harga kakao dan produksi kakao di Indonesia tahun 2010
- 2016. Hitunglah indeks nilai relatif sederhana dengan tahun dasar 2010.
Tahun Harga (Rp/Kg) Produksi (juta ton)

2010 2.025 25
2011 2.112 24
2012 4.845 26
2013 4.075 27
2014 4.275 26
2015 4.630 24
2016 4.950 25
25
Angka Indeks
Penyelesaian:
a. Menghitung nilai yaitu perkalian harga dengan kuantitas.

Contoh 2010 = 2.025 (Rp/Kg) x 25.000.000.000 kg
= 50.625.000.000.000
Untuk menyederhanakan ditulis Rp. 50.625 miliar.
b. Membagi nilai masing-masing tahun dengan nilai tahun dasar.
Hasil selengkapnya sebagai berikut:
26
Angka Indeks
Tahun Harga Kuantitas Nilai Indeks Keterangan
2010 2.025 25 50.625 (50.625/50.625) x 100

2011 2.112 24 50.688 (50.688/50.625) x 100
2012 4.845 26 125.970 (125.970/50.625) x 100
2013 4.075 27 110.025 (110.025/50.625) x 100
2014 4.275 26 111.150 (111.150/50.625) x 100
2015 4.630 24 111.120 (111.120/50.625) x 100
2016 4.950 25 123.750 (123.750/50.625) x 100
27
Angka Indeks
Tahun Harga Kuantitas Nilai Indeks Keterangan
2010 2.025 25 50.625 100 (50.625/50.625) x 100

2011 2.112 24 50.688 100,1 (50.688/50.625) x 100
2012 4.845 26 125.970 249 (125.970/50.625) x 100
2013 4.075 27 110.025 217 (110.025/50.625) x 100
2014 4.275 26 111.150 219 (111.150/50.625) x 100
2015 4.630 24 111.120 219 (111.120/50.625) x 100
2016 4.950 25 123.750 244 (123.750/50.625) x 100
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

MS Excel
Peramalan
29
Angka Indeks
ANGKA INDEKS AGREGAT SEDERHANA
 Angka indeks ini menekankan agregasi yaitu barang dan

jasa lebih dari satu.
 Harga, kuantitas, dan nilai dari beberapa komoditas
dijadikan satu, sehingga mendapatkan angka indeks
yang mewakili agregasi tersebut.
 Contoh berdasarkan pada metode BPS, ada agregasi
makanan (merupakan kelompok dari beras, jagung,
kedelai, minuman, tembakau, dan lain-lain), perumahan
(alat dan bahan perumahan), sandang (tekstil dan
produk tekstil), dan aneka barang dan jasa (untuk
seluruh barang dan jasa yang tidak masuk agregasi yang
lainnya). 30
Angka Indeks
1. Angka Indeks Harga Agregat Sederhana

Angka indeks yang menunjukkan perbandingan antara
jumlah harga kelompok barang dan jasa pada periode
tertentu dengan periode dasarnya.
Rumus:
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
Contoh 5. Angka Indeks Harga Agregat Sederhana

Hitunglah indeks harga agregat sederhana kelompok sandang
berikut dengan tahun dasar 2014.
Jenis Barang 2011 2012 2013 2014 2015 2016
Jaket 815 1.002 1.013 1.112 2.461 2.777
Kemeja 456 500 627 662 1.294 1.650
Celana 1.215 1.151 1.148 1.257 1.380 1.840
Gaun 1.261 1.288 1.630 1.928 3.687 3.990
Rok 2.095 2.000 2.288 2.233 2.540 3.100
Dasi 205 269 261 243 551 650
T-Shirt 298 367 357 351 798 980
Kaos Kaki 825 824 937 1.219 2.004 2.450
32
Angka Indeks
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
Jenis Barang 2011 2012 2013 2014 2015 2016

Jaket 815 1.002 1.013 1.112 2.461 2.777
Kemeja 456 500 627 662 1.294 1.650
Celana 1.215 1.151 1.148 1.257 1.380 1.840
Gaun 1.261 1.288 1.630 1.928 3.687 3.990
Rok 2.095 2.000 2.288 2.233 2.540 3.100
Dasi 205 269 261 243 551 650
T-Shirt 298 367 357 351 798 980
Kaos Kaki 825 824 937 1.219 2.004 2.450
Jumlah 7.197 7.401 8.261 9.005 14.715 17.437
34
Angka Indeks
b. Langkah kedua menghitung angka indeks

Tahun Angka Indeks Harga Agregat
2011 (7.197/9.005) x 100 = 80
2012 (7.401/9.005) x 100 = 82
2013 (8.261/9.005) x 100 = 92
2014 (9.005/9.005) x 100 = 100
2015 (14.715/9.005) x 100 = 163
2016 (17.437/9.005) x 100 = 194
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
2. Angka Indeks Kuantitas Agregat Sederhana

Angka indeks yang menunjukkan perbandingan antara jumlah kuantitas
kelompok barang dan jasa pada periode tertentu dengan periode dasarnya.
Rumus:
36
Angka Indeks
Indeks 2001 = (72,4 /78.5) x 100 = 92

37
Angka Indeks
3. Indeks Nilai Agregate Relatif Sederhana

Indeks nilai agregat relatif sederhana menunjukkan
perkembangan nilai (harga dikalikan dengan
kuantitas) sekelompok barang dan jasa pada suatu
periode dengan periode atau tahun dasarnya.
Rumus:
38
Angka Indeks
OUTLINE

Penyajian Data
Ukuran Pemusatan
Ukuran Penyebaran
Macam-macam Indeks

MS Excel
Peramalan
39
Angka Indeks
ANGKA INDEKS TERTIMBANG
Indeks tertimbang memberikan bobot yang

berbeda terhadap setiap komponen.
Mengapa harus diberikan bobot yang
berbeda?
Karena pada dasarnya setiap barang dan
jasa mempunyai tingkat utilitas (manfaat
dan kepentingan) yang berbeda.
40
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
Jenis Barang Ho Ht Ko HoKo HtKo

Beras 1.112 2.777 48,2 53.598 133.851
Jagung 662 1.650 7,9 5.230 13.035
Kedelai 1.257 1.840 1,9 2.388 3.496
Kacang Hijau 1.928 3.990 0,5 964 1.995
Kacang Tanah 2.233 3.100 0,8 1.786 2.480
Ketela Pohon 243 650 16,5 4.010 10.725
Ketela Rambat 351 980 2,2 772 2.156
Kentang 1.219 2.450 0,5 610 1.225
Jumlah 69.358 168.963
IL = 168.963 x 100
69.358
= 244
42
Angka Indeks
2. Formula Paasche
Menggunakan bobot tahun berjalan dan bukan tahun dasar
sebagai bobot.
Rumus:
43
Angka Indeks
Jenis Barang Ho Ht Kt HoKt HtKt
Beras 1112 2777 46,6

51.819 129.408
Jagung 662 1650 6,8
4.502 11.220
Kedelai 1257 1840 1,6
2.011 2.944
Kacang Hijau 1928 3990 0,3
578 1.197
Kacang Tanah 2233 3100 0,6
1.340 1.860
Ketela Pohon 243 650 15,7
3.815 10.205
Ketela Rambat 351 980 1,8
632 1.764
Kentang 1219 2450 0,5
610 1.225
Jumlah
65.307 159.823
IP = 159.823 x 100
65.307 44
= 245
Angka Indeks
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
IF = (244x 245) = 244,5 45

Angka Indeks
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:
IME = Ht (Ko+Kt) x 100

Ho (Ko+Kt)
47
Angka Indeks
CONTOH FORMULA MARSHAL-EDGEWORTH
Jenis Barang Ho(Ko+Kt) Ht(Ko+Kt)
Beras IME = Ht (Ko+Kt) x 100

105.418 263.260
Ho (Ko+Kt)
Jagung
9.731 24.255 = 328.787 x 100
134.665
Kedelai
4.400 6.440 = 244,15
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 = HtKoKt x 100
HoKoKt
49
Angka Indeks
CONTOH PENGGUNAAN FORMULA WALS
Jenis Barang Ho (Ko.Kt) Ht (Ko.Kt)
Beras 52.701 131.611

IW = HtKoKt x 100
Jagung 4.852 12.093
HoKoKt
Kedelai 2.192 3.208
K. Hijau 747 1.545

= 164.242 x 100
67.258 1.547 2.148
K.Tanah
= 244,2
Ket.Pohon 3.911 10.462
Ket.Rambat 698 1.950
Kentang 610 1.225
Jumlah
67.258 164.242
50
Angka Indeks
OUTLINE

Penyajian Data
Ukuran Pemusatan
Ukuran Penyebaran
Macam-Macam Indeks

MS Excel
Peramalan
51
Angka Indeks
JENIS DAN MASALAH ANGKA INDEKS
Macam-macam Angka Indeks:

1. Indeks Harga Konsumen
2. Indeks Harga Perdagangan Besar
3. Indeks Nilai Tukar Petani
4. Indeks Produktivitas
Masalah Dalam Penyusunan Angka Indeks:

1. Masalah Pemilihan Sampel
2. Masalah Pembobotan
3. Perubahan Teknologi
4. Masalah Pemilihan Tahun Dasar
5. Masalah Mengubah Periode Tahun Dasar
52
Angka Indeks
OUTLINE

Penyajian Data
Ukuran Pemusatan
Ukuran Penyebaran
Macam-Macam Indeks

MS Excel
Peramalan
53
Angka Indeks
MENGGUNAKAN MS EXCEL
1. Untuk mencari Indeks Laspeyres, masukkan data ke dalam

sheet MS Excel.
2. Masukkan sektor pada kolom A, data harga periode dasar
pada kolom B, harga berlaku pada kolom C dan kuantitas
pada kolom D.
3. Lakukan operasi sederhana berupa perkalian pada kolom
E dengan formula +b2*d2 dan kolom E +c2*d2
sebagaimana contoh.
4. Lakukan operasi penjumlahan dengan formula
@sum(e2:e4) pada kolom E baris ke-5 begitu pula pada
kolom F5.
5. Lakukan operasi pembagian dengan formula +f5/e5, tekan
enter, nilai Indeks Laspeyres ada pada sel tersebut.
54
–
55
TERIMA KASIH
56
PERTEMUAN X - (2,5 Jam )
DERET BERKALA DAN PERAMALAN
DR. Muh.Ashary Anshar, SE, M.Si.

MAKASSAR 2021
Deret Berkala dan Peramalan
OUTLINE
BAGIAN I
Pengertian Analisis Trend

(Linear, Kuadratis, Eksponensial)
Penyajian Data Analisis Variasi Musim
(Metode rata-rata bergerak)
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Menggunakan Analisis Trend Untuk
Mendapatkan Estimasi Nilai di Masa
Angka Indeks Mendatang
Deret Berkala dan Pengolahan Analisis Deret Berkala

dengan MS Excel
Peramalan 2
PENDAHULUAN
 Data deret berkala (time series) adalah sekumpulan data
yang dicatat dalam suatu periode tertentu.
 Mengapa diperlukan anaisis data masa lalu? Menurut

seorang pakar ekonomi bernama Nerlove (Gujarati, 1995),
bahwa perilaku manusia banyak dipengaruhi kondisi atau
waktu sebelumnya.
 Manfaat analisis data berkala (baik berupa tren, variasi

musiman, siklus) adalah mengetahui kondisi masa
mendatang atau meramalkan kondisi mendatang.
 Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan bidang
lainnya. 3
KOMPONEN DATA BERKALA
 Trend (Kecenderungan)
 Variasi Musim
 Variasi Siklus
 Variasi yang Tidak Tetap

(Irregular Variation)
4
TREND
 Tren adalah suatu gerakan kecenderungan naik atau turun

dalam jangka panjang yang diperoleh dari rata-rata
perubahan dari waktu ke waktu dan nilainya cukup rata
(smooth).
 Tren menunjukkan perubahan waktu yang relatif panjang
dan stabil.
 Kekuatan yang dapat mempengaruhi tren adalah
perubahan populasi, harga, teknologi, dan produktivitas.
 Tren data berkala bisa berbentuk tren yang meningkat dan
menurun secara mulus.
 Tren yang meningkat disebut tren positif dan tren yang
menurun disebut tren negatif. 5
TREND
 Tren positif mempunyai kecenderungan nilai ramalan (Y')

meningkat dengan meningkatnya waktu (X).
 Persamaan tren positif adalah Y' = a + bX.
 Dimana a = konstanta dan b adalah tingkat kecenderungan.
 Apabila X naik 1 satuan, maka Y' akan naik sebesar b satuan.
 Tren positif mempunyai slope/gradien/kemiringan garis yang
positif yaitu dari bawah ke atas.
Y
Trend Positif
Tahun (X)
6
TREND
 Tren negatif mempunyai kecenderungan nilai ramalan (Y') menurun

dengan meningkatnya waktu (X).
 Persamaan tren negatif adalah Y' = a － bX.
 Dimana a = konstanta dan b adalah tingkat kecenderungan.
 Apabila X naik 1 satuan, maka Y' akan turun sebesar b satuan.
 Tren negatif mempunyai slope/gradien/kemiringan garis yang
negatif yaitu dari atas ke bawah.
Y
Trend Negatif
7
Tahun (X)
METODE ANALISIS TREN
Cara melakukan peramalan dengan analisis tren:

 Metode Semi Rata-rata
(semi average method)
 Metode Kuadrat Terkecil
(least square method)
 Metode Tren Kuadratis
(quadratic trend method)
 Metode Tren Eksponensial
(exponential trend method)
8
1. Metode Semi Rata-rata

Metode semi rata-rata membuat tren dengan cara mencari rata-
rata kelompok data.
Langkah-langkah dalam memperoleh garis tren dengan metode ini

adalah:
a. Membagi data menjadi 2 bagian. Jika jumlah data ganjil, maka
nilai yang di tengah dapat dihilangkan atau dihitung dua kali
yaitu untuk bagian pertama dan kedua.
b. Menghitung rata-rata hitung kelompok. Kelompok 1 (K1) dan
kelompok 2 (K2) diletakkan pada tahun pertengahan pada
klmpk 2. Nilai K1 dan K2 merupakan nilai konstanta (a) dan letak
tahun merupakan tahun dasar. Nilai K1 dan K2 menjadi intersep
pada persamaan trennya.
9
10
CONTOH METODE SEMI RATA-RATA
Berikut adalah perkembangan jumlah pelanggan PT Telkom. (a)

Buatlah persamaan pelanggan PT Telkom. (b) Hitunglah perkiraan
pelanggan PT Telkom pada Tahun 2017 dan 2020.
Tahun Jumlah Pelanggan

(Jutaan)
2011 4,2
2012 5,0
2013 5,6
2014 6,1
2015 6,7
2016 7,2
11
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

Jadi persamaan tren adalah:
1. Y’ = 4,93 + 0,58 X, dengan tahun dasar 2012 atau
2. Y’ = 6,67 + 0,58 X, dengan tahun dasar 2015
Dalam bentuk tabel disajikan sbb:
Tahun Pelanggan Rata-rata Nilai X utk thn Nilai X utk thn
dasar 2012 dasar 2015
2011 4,2 -1 -4
K1 2012 5,0 4,93 0 -3
2013 5,6 1 -2
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.

Penyelesaian:
d. Nilai peramalan untuk tahun 2017
Apabila menggunakan tahun dasar 2012, nilai X = 5
Y’ = 4,93 + 0,58X = 4,93 + 0,58 X 5 = 7,82 juta pelanggan
Apabila menggunakan tahun dasar 2015, nilai X = 2
Y’ = 6,67 + 0,58X = 6,67 + 0,58 X 2 = 7,82 juta pelanggan
Jadi menggunakan tahun dasar 2012 atau 2015 hasilnya sama. Jumlah
pelanggan PT Telkom tahun 2017 diperkirakan mencapai 7,82 juta
pelanggan. Sdngkan utk peramalan jumlah pelanggan tahun 2020, maka
nilai X = 8 utk tahun dasar 2012 dan 5 untuk tahun 2015.
2020: Y’ = 4,93 + 0,58X = 4,93 + 0,58 X 8 = 9,56 juta pelanggan
2015: Y’ = 6,67 + 0,58X = 6,67 + 0,58 X 5 = 9,56 juta pelanggan
Jadi diperkirakan pelanggan tahun 2020 mencapai 9,56 juta dan inilah
14
yang menjadi dasar utk merencanakan produksi dan pemasaran ke depan.
METODE ANALISIS TREND
2. Metode Kuadrat Terkecil

Diperoleh dengan menentukan garis trend yang mempunyai jumlah
terkecil dari kuadrat selisih data asli dengan data pada garis trendnya.
Apabila Y menggambarkan data asli dan Y’ merupakan data tren, maka
metode terkecil dirumuskan Σ(Y – Y’)2. Nilai tren dilambangkan ⧠,
sedang data asli Y dilambangkan ∆, sehingga kuadrat terkecil Σ(Y – Y’)2 =
Σ(∆ - ⧠)2. Ingat, sifat nilai rata-rata hitung Σ(Y – Y’) = 0, shg supaya berarti nilai
tsb dikuadratkan. Rumus garis tren dengan metode kuadrat terkecil adalah:
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

2. Metode Kuadrat Terkecil
Trend Pelanggan PT. Telkom
8
Pelanggan (Jutaan)
7
6
5
4
3
2
1
0
97 98 99 00 01
Tahun
Data Y' Data Y
Utk memperoleh nilai a dan b dapat digunakan rumus:

a = ΣY / n
b = ΣXY / ΣX2 16
CONTOH METODE KUADRAT TERKECIL
Berikut adalah perkembangan jumlah pelanggan PT Telkom dari

tahun 2012 sampai 2016. Buatlah persamaan tren dengan metode
kuadrat terkecil.
Tahun Jumlah Pelanggan

(Jutaan)
2012 5,0
2013 5,6
2014 6,1
2015 6,7
2016 7,2
17
Penyelesaian:
a. Mencari persamaan Y’ = a + bX.
Tahun Pelanggan Kode X Y.X X2

=Y (tahun)
2012 5,0 -2 -10,0 4
2013 5,6 -1 -5,6 1
2014 6,1 0 0 0
2015 6,7 1 6,7 1
2016 7,2 2 14,4 4
Y=30,6 Y.X=5,5 X2=10
Nilai a = Y/n = 30,6/5 = 6,12

Nilai b = YX/X2 = 5,5/10 = 0,55
Jadi persamaan trend = Y’= 6,12 + 0,55 X 18
Penyelesaian:
b.Berapa nilai peramalan pelanggan PT Telkom untuk tahun 2017
dan 2020?
Nilai X utk 2017 adalah 3 dan utk tahun 2020 adalah 6.

Karena itu nilai peramalannya adalah:
Y 2017 = 6,12 + 0,55X = 6,12 + 0,55 X 3 = 7,77

Y 2020 = 6,12 + 0,55X = 6,12 + 0,55 X 6 = 9,42
19
3. Metode Tren Kuadratis

 Untuk tren yang sifatnya jangka pendek dan menengah,
kemungkinan tren akan mengikuti pola linear
 Namun dalam jangka panjang pola bisa berubah
tidak
linear
 Karena itu apabila polanya tidak linear dan diduga
dengan persamaan linear, hasil ramalannya akan
berbeda atau tidak cocok
 Salah satu metode yang tidak linear adalah metode
kuadratis
Y'  a bXcX 2
20

3. Metode Tren Kuadratis
Y'  a bXcX 2
Koefisien a, b, dan c dicari dengan rumus sebagai berikut:

 Y  X    X Y  X 
4 2 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
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
CONTOH METODE TREN KUADRATIS
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
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
 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
534   10 
2
70
b
 XY

5,50
 0,55
X 2
10
cn
 X Y    X  Y 
2 2
n X    X 
4 2 2
c
5 x61,10   10,0 x30,60   0,0071
534   10 
2
Jadi persamaan kuadratisnya adalah Y = 6,13 + 0,55X - 0,0071X2

25
Persamaan kuadratisnya adalah:
Y = 6,13 + 0,55X - 0,0071X2
Maka peramalan untuk tahun 2017 (X = 3) dan 2020 (X = 6):
Y2017 = 6,13 + 0,55 X 3 - 0,071 X 32 = 7,72

Y2020 = 6,13 + 0,55 X 6 - 0,071 X 62 = 9,17
26
4. Metode Trend Eksponensial

Tren eksponensial adalah suatu tren yang mempunyai
pangkat atau eksponen dari waktunya. Bentuk
persamaan eksponensial dirumuskan sebagai berikut:
Y  a(1  b) x
Persamaan eksponensial dinyatakan dalam bentuk

variabel waktu (X) dinyatakan sebagai pangkat. Untuk
mencari a dan b dari data Y dan X, digunakan rumus
Y '  a1  b 
sbb: x
LnY '  ln a  X ln 1  b  27

4. Metode Trend Eksponensial
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
CONTOH METODE TREN EKSPONENSIAL
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.
Tahun Y X lnY X2 X lnY

2012 5,0 -2
2013 5,6 -1
2014 6,1 0
2015 6,7 1
2016 7,2 2
Jumlah
29
Penyelesaian:
Tahun Y X lnY X2 X lnY

2012 5,0 -2 1,6 4,0 -3,2
2013 5,6 -1 1,7 1,0 -1,7
2014 6,1 0 1,8 0,0 0,0
2015 6,7 1 1,9 1,0 1,9
2016 7,2 2 2,0 4,0 3,9
Jumlah 9,0 10,0 0,9
30
Nilai a dan b diperoleh dengan:
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
Untuk peramalan tahun 2017 (X = 3) dan 2020 (X = 6) adalah:

Y2017 = 6,1 (1 + 0,094)X = 6,1 (1,094)3 = 7,89
Y2020 = 6,1 (1 + 0,094)X = 6,1 (1,094)6 = 10,23
31
MEMILIH TREN YANG LEBIH BAIK
 Dari beberapa metode analisis tren, maka utk

menentukan mana yang lebih baik, digunakan ukuran
ketepatan yaitu seberapa tepat sebuah alat peramalan
tersebut menduga kejadian yang sebenarnya.
 Semakin tepat, semakin baik, dengan demikian alat
yang lebih tepat akan mempunyai derajat kesalahan
yang lebih kecil.
 Untuk mengukur ketepatan maka diperlukan nilai
selisih antara data dengan peramalan yang paling kecil.
 Apabila nilai Σ(Y - Y')2 paling kecil, maka metode
tersebut dirasakan paling tepat, atau mempunyai
tingkat kesalahan yang lebih kecil.
32
OUTLINE
BAGIAN I

Penyajian Data
Analisis Variasi Musim
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Deret Berkala dan Pengolahan Analisis Deret Berkala dengan

Peramalan MS Excel
33
ANALISIS VARIASI MUSIM
 Apabila tren berhubungan dengan jangka menengah

dan panjang, maka variasi musiman berhubungan
dengan perubahan atau fluktuasi dalam musim-
musim tertentu atau tahunan.
 Variasi musimam menjelaskan fluktuasi dalam
satuan harian, bulanan, triwulan atau semester
dalam satu tahun.
 Beberapa metode perhitungan untuk mengetahui
variasi musim yaitu dengan mengetahui indeks
musim.
 Metode tersebut adalah metode rata-rata sederhana,
metode rata-rata dengan tren, dan metode rasio
rata-rata bergerak. 34
ANALISIS VARIASI MUSIM
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
Variasi Musim Produk Variasi Harga Saham

Variasi Inflasi Bulanan
Pertanian Harian
35
1. METODE RATA-RATA SEDERHANA
Metode rata-rata sederhana mengasumsikan

bahwa pengaruh tren dan siklus yang tidak
beraturan tidak besar dan dapat dianggap tidak
ada.
Indeks musim hanya berdasarkan pada data
aktual dan nilai rata-ratanya saja.
Indeks musim dirumuskan:
Rata  rataperKuartalX 100
Indeks Musim 
Rata  rataTotal
36
CONTOH METODE RATA-RATA SEDERHANA
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?
Tahun Produksi Triwulan

I II III
2013 44 22 14 8
2014 48 25 15 8
2015 48 26 14 8
2016 47 24 14 9
Nilai Total
Rata-rata
37
Penyelesaian:
a. Membuat rata-rata setiap triwulan dan totalnya

I II III
2013 44 22 14 8
2014 48 25 15 8
2015 48 26 14 8
2016 47 24 14 9
Nilai Total 187 97 57 33
Rata-rata 46,75 24,25 14,25 8,25
38
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
Indeks Musim I  Rata  ratatriwul anIx100  24,25x100  156

Rata  rataTotal 15,58
Rata  ratatriwul anIIx100 14,25 x100

Indeks Musim II    91
Rata  ratatriwul anIIIx100 8,25 x100

Indeks Musim III    53
39
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:
Target setiap triwulan = (Indeks Musim x Rata-rata Total) /

100
Target Triwulan I = (156 x 18)/100 = 28,08 juta ton

Target Triwulan II = (91 x 18)/100 = 16,38 juta ton
40
Target Triwulan III = (53 x 18)/100 = 9,54 juta ton
Berikut adalah nilai penjualan PT Artha Graha pada tahun 2016. Hitunglah
indeks musim setiap bulannya.
41

Penyelesaian:
Menghitung rata-rata bulanan selama setahun, kemudian mencari indeks
dengan membagi nilai tiap bulan dengan rata-rata totalnya.
42
2. METODE RATA-RATA DENGAN TREN
Metode rata-rata dengan tren adalah metode

rata-rata yang disesuaikan dengan tren indeks
musim pada metode rata-rata dengan tren
merupakan perbandingan antara nilai data asli
dengan nilai tren.
Sebab itu nilai tren harus diketahui lebih dahulu.
Indeks musim metode rata-rata dengan tren
dirumuskan:
NilaiDataA sli
 x100
Indeks Musim NilaiTren
43
CONTOH METODE RATA-RATA DENGAN TREN
Hitunglah indeks musim bulanan data PT Artha Graha tahun 2016.
44
3. METODE RASIO RATA-RATA BERGERAK
Metode rasio rata-rata bergerak (ratio to moving

average method) adalah metode yang dilakukan
dengan cara membuat rata-rata bergerak selama
periode tertentu.
Untuk membuat rata-rata tidak ada ketentuan
berapa periode (n).
Nilai n bisa 2, 3, 4, atau 12 tergantung pada
kondisi pengaruh fluktuasi musiman.
Indeks Musim = Nilai Rasio x Faktor Koreksi
Nilai Rasio = Data asli/Data rata-rata bergerak
Faktor koreksi = (100 x n)/Jumlah rata-rata rasio selama n
47
CONTOH METODE RASIO RATA-RATA BERGERAK
Hitunglah indeks musim dengan metode rata-rata bergerak

untuk 3 triwulanan dari data produksi padi berikut.

I II III
2013 44 22 14 8
2014 48 25 15 8
2015 48 26 14 8
2016 47 24 14 9
48
CONTOH METODE RASIO RATA-RATA BERGERAK
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
c. Menentukan faktor koreksi yaitu 100 x n/jumlah rata-rata.

d. Indeks musim kuartalan dikalikan dengan faktor koreksi.
50
OUTLINE
BAGIAN I

Penyajian Data
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran

MS Excel
Peramalan
51
ANALISIS VARIASI SIKLUS
Sejauh ini telah dipelajari komponen deret

berkala yaitu T (tren) dan S (variasi musim) dari 4
komponen deret berkala yaitu Y = T x S x C x I.
Bagian ini akan mengkaji siklus (C).
Siklus yaitu suatu perubahan atau gelombang naik
dan turun dalam suatu periode, dan berulang
pada periode lain.
52
Deret Berkala Dan Peramalan
ANALISIS VARIASI SIKLUS
Siklus Siklus Indeks Saham Gabungan
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
CONTOH SIKLUS
Th Trwl Y T S TCI=Y/S CI=TCI/T C

I 22 17,5
2003 II 14 17,2 95 14,7 86
III 8 16,8 51 15,7 93 92
I 25 16,5 156 16,0 97 97
2004 II 15 16,1 94 16,0 99 100
III 8 15,8 49 16,3 103 102
I 26 15,4 163 16,0 104 104
2005 II 14 15,1 88 15,9 105 105
III 8 14,7 52 15,4 105 106
I 24 14,3 157 15,3 107 108
2006 II 14 14,0 89 15,7 112
III 9 13,6
54
ANALISIS GERAK TAK BERATURAN
Gerak tak beraturan (irregular movement--IM)

merupakan suatu perubahan berupa kenaikan
dan penurunan yang tidak beraturan baik dari
sisi waktu dan lama dari siklusnya.
Banyak penyebab dari gerakan tidak
beraturan, diantaranya adalah perang, krisis,
dan bencana alam.
55
Siklus
Ingat,
Y=TxSxCxI
TCI = Y/S
CI = TCI/T
I = CI/C
56
Th Trwl CI=TCI/T C I=(CI/C) x 100

I 86
2003 II 93 92 101
III 97 97 100
I 99 100 99
2004 II 103 102 101
III 104 104 100
I 105 105 100
2005 II 105 106 99
III 107 108 99
I 112
2006 II
III
57
OUTLINE
Pengertian Statistika Analisis Trend

Penyajian Data
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Menggunakan Analisis Trend untuk

MS Excel
Peramalan
58
PENGGUNAAN MS EXCEL
 Masukkan data Y dan data X pada sheet MS Excel,

misalnya data Y di kolom A dan X pada kolom B dari
baris 1 sampai 5.
 Klik icon tools, pilih ‘data analysis’, dan pilih ‘simple
linear regression’.
 Pada kotak data tertulis Y variable cell range: masukkan
data Y dengan mem-blok kolom a atau a1:a5. Pada X
variable cell range: masukkan data X dengan mem-blok
kolom b atau b1:b5.
 Anda klik OK, maka hasilnya akan keluar. Y’= a+b X; a
dinyatakan sebagai intercept dan b sebagai X variable1
pada kolom coefficients.
59
60
61
62
TERIMA KASIH
WASSALAM
63
PERTEMUAN XI - (2,5 Jam )
ANALISIS REGRESI & KORELASI LINIER
DR. Muh.Ashary Anshar, SE, M.Si.

MAKASSAR 2021
Analisis Regresi dan Korelasi Linier
PENGERTIAN ANALISIS KORELASI
Analisis Korelasi
Suatu teknik statistika yang digunakan

untuk mengukur keeratan hubungan atau
korelasi antara dua variabel.
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.
HUBUNGAN POSITIF DAN NEGATIF
Hubungan Inflasi dan Suku Hubungan Produksi dan

Bunga (Korelasi Negatif) Harga Minyak Goreng
(Korelasi Positif)
35 700
30 600
25 500
20 400
15 300
10 200
5 100
0
0
2,01 9,35 12,55 10,33 637 740 722 781 849 881
Inflasi Harga Minyak Goreng
Gambar pertama menunjukkan hubungan antara variabel Gambar kedua memperlihatkan

inflasi dan suku bunga. Apabila dilihat pada gambar saat hubungan yang positif antara
inflasi rendah, maka suku bunga tinggi dan pada saat inflasi variabel produksi dan harga
tinggi, suku bunga rendah. Gambar tersebut menunjukkan minyak goreng yaitu apabila
adanya hubungan antara inflasi dan suku bunga yang harga meningkat, maka
bersifat negatif. produksi juga meningkat.
8
RUMUS KOEFISIEN KORELASI
Rumus koefisien korelasi tersebut dinyatakan sebagai berikut:
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
Keeratan hubungan (strength of relationship) antara variabel X

dan Y diukur dengan Pearson’s 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
Korelasi negatif Korelasi negatif Korelasi positif Korelasi positif

kuat lemah lemah kuat
-1,0 -0,5 0,0 0,5 1,0

Skala r
Korelasi negatif Korelasi positif
-1 ≤ r ≤ 1
Contoh: Harga dan Supply Semen dalam 10 Hari
Time Period Price, X Quantity Supplied, Y

(in days) (in million Rp) (in tons)
1 2 10
2 4 20
3 6 50 r = ???
4 8 40
5 10 50 Keeratan
6 12 60 hubungan
X dan Y?
7 14 80
8 16 90
9 18 90
10 20 120
n = 10 ∑X = 110 ∑Y=610
140
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)
CONTOH: PERMINTAAN DIPENGARUHI HARGA DAN PENDAPATAN
Tahun Investasi (milliar) Suku bunga (%/th)
1994 34.285 19,25

1995 43.141 17,75
1996 50.825 18,88
1997 57.399 19,21
1998 74.873 21,98
1999 31.180 32,27
2000 28.897 28,89
2001 38.056 18,43
2002 45.962 19,19
14
CONTOH: PERMINTAAN DIPENGARUHI HARGA DAN PENDAPATAN
Rumus koefisien korelasi n   XY     X  Y 

r 
n
   X     X   n  Y    Y  
2 2 2 2
n Y X X2 XY Y2
1 34.285 19,25 371 659.986 1.175.461.225

2 43.141 17,75 315 765.753 1.861.145.881
3 50.825 18,88 356 959.576 2.583.180.625
4 57.399 19,21 369 1.102.635 3.294.645.201
5 74.873 21,98 483 1.645.709 5.605.966.129
6 31.180 32,27 1041 1.006.179 972.192.400
7 28.897 28,89 835 834.834 835.036.609
8 38.056 18,43 340 701.372 1.448.259.136
9 45.962 19,19 368 882.011 2.112.505.444
Jumlah 404.618 196 4478 8.558.054 19.888.392.650
9  8558054  196  404618

r   0, 412
 4478  196   9 19888392650    404618  
9(
2 2
  
15
PENGERTIAN KOEFISIEN DETERMINASI
Koefisien determinasi
Bagian dari keragaman total variabel tak bebas Y (variabel yang

dipengaruhi atau dependent) yang dapat diterangkan atau
diperhitungkan oleh keragaman variabel bebas X (variabel yang
mempengaruhi atau independent).
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
RUMUS UJI t UNTUK UJI KORELASI
r
r n2 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
CONTOH UJI t UNTUK UJI KORELASI SOAL A
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
CONTOH UJI t UNTUK UJI KORELASI

4. Menentukan daerah keputusan dengan nilai kritis 2,36
Daerah menolak Ho Daerah menolak Ho
Daerah tidak menolak Ho
–2,36 t= –1,21 2,36
5. Menentukan keputusan. Nilai t-hitung ternyata terletak pada daerah tidak

menolak H0. Ini menunjukkan bahwa tidak terdapat cukup bukti untuk
menolak H0, sehingga dapat disimpulkan bahwa korelasi dalam populasi sama
dengan nol, hubungan antara tingkat suku bunga dengan investasi lemah dan
tidak nyata.
19
CONTOH UJI t UNTUK UJI KORELASI SOAL B
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
RUMUS KOEFISIEN DETERMINASI
4. Menentukan daerah keputusan dengan nilai kritis 2,23
Daerah menolak Ho Daerah menolak Ho

Daerah tidak menolak Ho
–2,23 2,23 t= 5,33
5. Menentukan keputusan. Nilai t-hitung berada di daerah menolak H0, yang

berarti bahwa H0 di tolak dan menerima H1. Ini menunjukkan bahwa
koefisien korelasi pada populasi tidak sama dengan nol, dan ini
membuktikan bahwa terdapat hubungan yang kuat dan nyata antara harga
minyak dan produksi kelapa sawit.
21
TEORI DAN PERSAMAAN REGRESI
Persamaan regresi
Suatu persamaan matematika yang mendefinisikan

hubungan antara dua variabel.
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
 Analisis Regresi adalah suatu persamaan matematika yang

mendefinisikan hubungan antara dua variabel. Tujuan analisis
regresi yaitu memprediksi besarnya variabel tergantung dengan
menggunakan data variabel bebas yang sudah diketahui besarnya.
 Analisis regresi bertujuan mengukur kekuatan hubungan antara
dua variabel atau lebih, juga menunjukkan arah hubungan antara
variabel dependent dengan variabel independent. Teknik estimasi
variabel dependent yang melandasi analisis regresi yang disebut
Ordinary Least Square (OLS)/ pangkat kuadrat terkecil.
 Metode OLS diperkenalkan pertama kali oleh Carsl Freidrich
Gauss, seorang ahli matematika dari Jerman. Inti metode OLS
adalah mengestimasi suatu garis regresi dengan jalan
meminimalkan jumlah dari kuadrat kesalahan setiap observasi
terhadap garis tersebut.
Pengantar Regresi
 Dua variabel numerik  ingin diketahui

hubungannya
 Dua variabel numerik  salah satu variabel
dianggap sebagai variabel yang mempengaruhi
variabel lainnya
 Variabel yang mempengaruhi  X, variabel bebas,
variabel penjelas (Variabel tak gayut)
 Variabel yang dipengaruhi  Y, variabel tak
bebas, variabel respon (Variabel gayut)
Konsep Populasi dalam 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.
Variabel-variabel random Yi adalah

bebas secara statistik satu sama X
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
Dalam aplikasinya data

populasi ini sangat sulit
E[Y]=+ X
untuk didapatkan oleh
Yi karena diperlukan waktu
{
Error: i }  = Slope yang lama dan biaya yang
}
tinggi. Oleh karena itu

1 biasanya para praktisi
= Intercept mengunakan sampel
untuk
menduga/menaksir/men
X gestimasi populasi.
Xi
Konsep Sampel dalam Regresi
Y Model Regresi Sebenarnya
Regression Plot
Regresi yang diduga
Regresi Sebenarnya
Model Regresi yang diduga

(Sampel)
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)
Yi
{
Error ei  Yi  Yi 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 = % kenaikan biaya promosi penjualan (sales promotion selama 1 tahun

Y = % kenaikan hasil penjualan selama 1 tahun
X 1 2 3 4 5
Y 3 5 7 8 10
Buatlah persamaan regresi liniear sederhana

Distribusi Probabilitas dan
Untuk mengetahui seberapa jauh atau dekat jenis estimasi regresi sampel
menyimpang dari garis regresi populasi Y = +X. perlu
diketahui bagaimana terdistribusi di sekitar  dan bagaimana
terdistribusi di sekitar . Hal ini dapat dilihat dari variance atau simpangan
baku sbb:
dimana :
Kasus 2 :
X = % kenaikan biaya promosi penjualan (sales promotion selama 1 tahun

X 1 2 3 4 5
Y 3 5 7 8 10
Hitunglah Standar Deviasi singel (S)

Interval Kepercayaan
Dalam prakteknya, pendugaan tunggal tidak dapat memberikan berapa
jarak/selisih nilai harapan (sampel) terhadap nialai sebenaranya (populasi).
Itulah sebabnya sering digunakan pendugaan interval (selang), yaitu suatu
pendugaan berupa interval yang dibatasi oleh dua nilai, yang disebut nilai
batas bawah dan nilai batas atas.
Untuk membuat pendugaan interval, tentukan terlebih dahulu besarnya
koefisien kepercayaan atau tingkat kepercayaan, yang diberi simbol 1-. Besarnya
nilai 1-  misalnya 90% (=10%), 95% (=5%), 99% (=1%) atau angka
lainnya.
Luas kurva = 1 atau 100%

/2
1- /2
-t/2 +t/2
Interval Kepercayaan dan
Adapun Interval kepercayaan  dan  adalah
dan
Ingat !!!
1 2
atau
3
4
5
Kasus 3 :
X = % kenaikan biaya promosi penjualan (sales promotion

selama 1 tahun
X 1 2 3 4 5
Y 3 5 7 8 10
Hitunglah Interval kepercayaan  dan  dengan derajat

keyakinan 95%
Uji Hipotesis
Uji ini bertujuan untuk membuktikan ada atau tidaknya hubungan linier
yang berarti antara variabel X dan Y, dimana hubungan ini ditentukan
oleh parameter . Pada umumnya hipotesis dirumuskan sbb:
1 H :  = 0 (tidak terdapat hubungan berarti antara X dan Y)
0
H1:  ≠ 0 (terdapat hubungan berarti antara X dan Y)
Kriteria :
1. apabila ttabel < thitung, maka H0 diterima
2. apabila ttabel > thitung, maka H0 ditolak dan berarti terdapat
hubungan berarti antara X dan Y.
dimana:
2
H0 :  = 0 (tidak terdapat hubungan berarti antara X dan Y)
H1:  > 0 (terdapat hubungan positif antara X dan Y)
Kriteria :
1. apabila ttabel < thitung, maka H0 ditolak
2. apabila ttabel > thitung, maka H0 diterima
dimana:
Kasus 4 :
X = % kenaikan biaya promosi penjualan (sales promotion)

selama 1 tahun
X 1 2 3 4 5
Y 3 5 7 8 10
Ujilah apakah terdapat hubungan linier yang berarti antara X

dan Y
SCATTER DIAGRAM UNTUK MEMBANTU MENARIK GARIS

REGRESI
Scatter diagram untuk hubungan antara inflasi dan suku bunga dapat digambarkan sebagai berikut:
Hubungan Inflasi dan Suku Bunga
35
30
25
20
15
10
5
0
2,01 9,35 12,55 10,33
Inflasi
Gambar A
52
SCATTER DIAGRAM UNTUK MEMBANTU MENARIK

GARIS REGRESI
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
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL

LEBIH KECIL

40 e1
e1
Y1
Y1 e2
e2
Y2 e3
30 Y4
Suku Bunga
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
Gambar A: selisih antara dugaan dan aktual lebih kecil
54
CONTOH SELISIH ANTARA DUGAAN DAN AKTUAL

LEBIH BESAR

Y2e2
35
Y4e4 Ynen
30
25
Suku Bunga
e1
20 Y1 e3 e5
Y3 Y5
15
10
5
0
2.01 9.35 12.55 10.33
Inf lasi
55
GAMBAR PERSAMAAN REGRESI
+b
-b
X X
ˆ=a+bX
Gambar A: Y ˆ =a-bX
Gambar B: Y
56
RUMUS MENCARI KOEFISIEN a DAN b
n XY )  (  X )(  X ) b
(  Y ) b(  X )

a
n(  X 2 )  (  X )2 n b
Y : Nilai variabel bebas Y

a : Yˆ
Intersep yaitu titik potong garis dengan sumbu Y
b : Slope atau kemiringan garis yaitu perubahan rata-rata
pada untuk setiap unit perubahan pada variabel X
X : Nilai variabel bebas X
n : Jumlah sampel
57
CONTOH HUBUNGAN ANTARA PRODUKSI

DENGAN HARGA MINYAK KELAPA SAWIT
=a+bX
Yi X Yˆ = 2,8631 + 0,0086 X Yˆ e=Y- Yˆ
4,54 271 Yˆ = 2,8631 + 0,0086 x 271 5.1853 -0.6453
4,53 319 Yˆ = 2,8631 + 0,0086 x 319 5.5966 -1.0666
5,03 411 Yˆ = 2,8631 + 0,0086 x 411 6.3850 -1.3550
6,05 348 Yˆ = 2,8631 + 0,0086 x 348 5.8451 0.2049
6,09 287 Yˆ = 2,8631 + 0,0086 x 287 5.3224 0.7676
6,14 330 Yˆ = 2,8631 + 0,0086 x 330 5.6909 0.4491
6,37 383 Yˆ = 2,8631 + 0,0086 x 383 6.1450 0.2250
7,40 384 Yˆ = 2,8631 + 0,0086 x 384 6.1536 1.2464
7,22 472 Yˆ = 2,8631 + 0,0086 x 472 6.9077 0.3123
7,81 610 Yˆ = 2,8631 + 0,0086 x 610 8.0902 -0.2802
8,49 640 Yˆ = 2,8631 + 0,0086 x 640 8.3473 0.1427
58

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'
Gambar A: Koordinat antara Y dan ˆ

Y
59

Persamaan Yˆ = 2,8631 + 0,0086 X.
10
8
Produksi
6
4
2
0
271 287 319 330 348 383 384 411 472 610 640
Harga
Y = Y'
Gambar B: Koordinat antara Y dan Yˆ , dimana Y = Yˆ
60
DEFINISI
Standar error atau kesalahan baku Pendugaan
Suatu ukuran yang mengukur ketidakakuratan pencaran atau

persebaran nilai-nilai pengamatan (Y) terhadap garis regresinya
( Yˆ ).
61
DEFINISI
Syx  e 2
  (Y  Ŷ ) 2
n2 n2
Di mana:
Sy.x : Standar error variabel Y berdasarkan variabel X yang

diketahui
Y : Nilai pengamatan dari Y
Yˆ
: Nilai dugaan dari Y
n : Jumlah sampel, derajat bebas n-2 karena terdapat dua
parameter yang akan digunakan yaitu a dan b.
62
ASUMSI METODE KUADRAT TERKECIL

Beberapa asumsi penting metode kuadrat terkecil adalah sebagai berikut:
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
Nilai tengah terletak

pada garis regresi
X1 X2 X3 X
63
ASUMSI METODE KUADRAT TERKECIL
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
RUMUS
1 (X  X ) 2
Ŷ  t( Syx ) 
n  X 2  (  X )2 / n
: Nilai dugaan dari Y untuk nilai X tertentu

Ŷ
t : Nilai t-tabel untuk taraf nyata tertentu
Sy.x : Standar error variabel Y berdasarkan variabel X yang
diketahui
X : Nilai data pengamatan variabel bebas
X : Nilai rata-rata data pengamatan variabel bebas
n : Jumlah sampel
65
PENDUGAAN INTERVAL NILAI KOEFISIEN REGRESI A

DAN B
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 - 
Sehingga interval B adalah:

(b -t/2. Sb  B  b + t/2 . Sb)
sedangkan dengan cara yang sama interval A adalah:
(a -t/2. Sa  A  a + t/2 . Sa)
di mana Sa dan Sb adalah sebagai berikut:
Sb = Sy.x / [ X2 – (X)2/n]
Sa =  (X2.Sy.x)/ (nX2 – (X)2)
66
ANALISIS VARIANS ATAU ANOVA
Analisis Varians atau ANOVA

Merupakan alat atau peranti yang dapat menggambarkan hubungan antara
koefisien korelasi, koefisien determinasi dan kesalahan baku pendugaan.
Untuk mengukur kesalahan baku kita menghitung error yaitu selisih Y
dengan Ŷ atau dapat dinyatakan dalam bentuk persamaan:
e=Y–
Ŷ
atau dalam bentuk lain yaitu
Y= Ŷ + e
Di mana
Y adalah nilai sebenarnya,

Ŷ adalah nilai regresi
e adalah error atau kesalahan
67
TABEL ANOVA
Sumber Derajat bebas (df) Sum Square (SS) Mean Square (MS)
Keragaman
(Source)
Regresi 1 SSR = ( Ŷ – Y)2 MSR

(Regression) (jumlah var bebas, =SSR/1
X)
Kesalahan (error) n-2 SSE MSE

= (Y – Ŷ)2 =SSE/(n-2)
Total n-1 SST

= (Y – Y)2
68
ANALISIS REGRESI LINEAR
Analisis Regresi Linear
Suatu persamaan matematika/peralatan statistika

untuk menganalisis pengaruh satu atau lebih
variabel bebas (independent variables) terhadap
satu variabel tidak bebas (dependent variable).
ANALISIS REGRESI LINEAR:
• Regresi Linear Sederhana (Simple Linear Regression)

Y =  + X Populasi
y = a + bX Sampel
y = dependent variable (var. yg dipengaruhi)
X = independent variable (var. yg mempengaruhi)
b = koefisien regresi yg akan ditaksir
• Regresi Linear Berganda (Multiple Linear Regression)
Y =  + 1X1 + 2X2 + ……+ nXn Populasi
y = a + b1X1 + b2X2 + ……+ bnXn Sampel

SCATTER DIAGRAM UNTUK MEMBANTU
MENARIK GARIS REGRESI
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 : Nilai variabel terikat Y

a : Intersep atau konstanta
b : Slope atau kemiringan garis yaitu perubahan variabel Y utk
setiap unit perubahan pada variabel X
X : Nilai variabel bebas X
n : Jumlah sampel
Contoh Data Produksi dan Harga CPO
PRODUKSI CPO HARGA

TAHUN (Juta Ton) (US$/ton)
1991 4,54 271
1992 4,53 319
1993 5,03 411
1994 6,05 348
1995 6,09 287
1996 6,14 330
1997 6,37 383
1998 7,40 384
1999 7,22 472
2000 7,81 610
2001 8,49 640
Y = a + bX
Y = 2,86309 + 0,008569X
a = 2,86309  konstanta atau titik potong garis regresi

dg sumbu Y, menunjukkan nilai variabel Y, jika nilai
variabel X = 0.
b = 0,008569  slope atau kemiringan garis regresi yang

menunjukkan besarnya perubah variabel Y jika variabel X
berubah 1 satuan.
ERROR atau RESIDUAL
Error atau residual merupakan selisih antara nilai data Y

dengan Y’ atau garis regresi.
e = Y – Y’
Semakin kecil error  semakin kecil selisih antara nilai Y dengan

nilai Y’  letak titik-titik pada diagram pencar (scatter diagram)
semakin mendekati garis regresi dan sebaliknya.
Error tersebut dapat dihitung dengan mudah secara manual.
Semua paket program statistik dewasa ini sudah menyertakan
hasil perhitungan error atau residual tersebut sekaligus dengan
scatter plotnya.
Penyimpangan
X Y Y’ (Error, Residual)
(Iklan) (Penjualan) (Grs Regresi) Y – Y’
2 6 4,85 1,15
3 5 5,80 -0,80
Y’= 2,96 + 0,9467X
5 7 7,69 -0,69
6 8 8,64 -0,64
8 12 10,53 1,47
9 11 11,48 -0,48
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
Observation Predicted Y Residuals

Regression Statistics
1 4,853333333 1,146666667
Multiple R 0,930272931
2 5,8 -0,8
R Square 0,865407725
3 7,693333333 -0,69333333
Adjusted R Square 0,831759657
4 8,64 -0,64
Standard Error 1,143095213
5 10,53333333 1,466666667
Observations 6
6 11,48 -0,48
STANDARD ERROR OF ESTIMATE
(Penyimpangan Standar Thdp Garis Regresi)
Ketepatan suatu garis regresi dapat dilihat sepintas lalu

jika semua titik dalam diagram pencar (scatter diagram)
mendekati garis regresi.
Penyimpangan titik-titik dalam diagram pencar secara

statistik dapat diukur dengan suatu konsep yang disebut
“The Standard Error of Estimate” atau Penyimpangan
Standar terhadap Garis Regresi yg dinotasikan Se atau Syx.
Y • • Y
• •
• •
• • •
• •
• • • • •
• • • • •
• •
• • •
• •
•
• • •
• •
•
X X
A. Regresi yg kurang tepat B. Regresi yg lebih tepat
Dari gambar di atas dapat dilihat bahwa pada gambar A letak

titik-titiknya jauh dari garis regresi  penyimpangan thdp
regresi lebih besar, sedangkan pada gambar B letak titik-titiknya
lebih mendekati garis Regresi  penyimpangannya lebih kecil.
Penyimpangan thdp garis regresi dirumuskan sbb:
∑(Y – Y’)2
Se atau Syx =
N-2
Se atau Syx = Standard error of estimate

Y = Nilai data Y
Y’ = Nilai regresi
N = jumlah frekuensi
Atau
∑Y2 – aY - b∑XY
Se atau Syx =
N-2
a = intercept atau konstanta

b = slope regresi
Penyimpangan
X Y Y’ (Error, Residual)
(Iklan) (Penjualan) (Grs Regresi) Y – Y’ (Y – Y’)2
2 6 4,85 1,15 1,31
3 5 5,80 -0,80 0,64
5 7 7,69 -0,69 0,48
6 8 8,64 -0,64 0,41
8 12 10,53 1,47 2,15
9 11 11,48 -0,48 0,23
∑(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:
Y’ = 2,96 + 0,95(1,14) = 4,043

Y’ = 2.96 – 0,95(1,14) = 1,877
dan seterusnya untuk jarak ± 2 Se dan ± 3 Se.

TERIMA KASIH
84
UJI VALIDITAS DAN RELIABILITAS

INSTRUMEN (DATA)
MAKASSAR 2021
Thank You...
See You
In The Next Classes
Wassalam…

Bahan Ajar MKM Ashary Ok

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bahan Ajar MKM Ashary Ok

Diunggah oleh

Hak Cipta:

Format Tersedia

METODE KUANTITATIF MANAJEMEN

PERTEMUAN I - (2,5 Jam )

INSTITUT BISNIS DAN KEUANGAN NITRO

INSTITUT BISNIS DAN KEUANGAN NITRO

Adalah sebuah model matematis yang

1. Fungsi Tujuan (objective

3. Fungsi Status (status function)

am1x1 + am2x2 + … + amnxn < bn

Metode Aljabar Metode Grafik

Simpleks Primal Simpleks M-Besar

Simpleks Dual Simpleks Dua Fase

metode digunakan untuk

Sebuah perusahaan pabrikasi hendak memproduksi 2 buah produk, yaitu x1 dan x2

Uraian Produk Produk Tanda kapasit

F. Tujuan : Maks. Laba Z = 4x1 + 5x2

F. Pembatas : x1 + 3x2 < 12 ( bb-A )

4x1 + 3x2 < 24

Jadi, untuk mendapatkan laba maks, perusahaan harus

Digunakan untuk permasalahan

F/tujuan : Zmax = 4x1 + 5x2

F/tujuan : Zmax = 4x1 + 5x2 + 0S1 + 0S2

3. Kesemua variabel tadi, baik varibel keputusan ( x1 dan x2 ) maupun

F/tujuan : Zmax = 4x1 + 5x2 + 0S1 + 0S2

6. Lakukanlah langkah iterasi. Hitunglah nilai-nilai baris Z iterasi ke-1

7. Hitunglah nilai-nilai pada baris C-Z pada iterasi ke-1

10. Hitunglah nilai rasio masing-masing, dengan rumus :

12. Tentukan baris kunci

15. Hitung kembali nilai-nilai Z yang baru

16. Hitung pula nilai C-Z yang baru

18. Ulangilah langkah sejak langkah 8

5 X2 1/3 1 1/3 0 4 4/(1/3) = +12

Z 5/3 5 5/3 0 20 20/(5/3) = +12

C-Z 7/3 0 -5/3 0 -

5 X2 0 1 4/9 -1/9 8/3

Z 4 5 8/9 7/9 88/3

C-Z 0 0 -8/9 -7/9 -

COST, PROFIT, AND VOLUME

Dr. Muh.Ashary Anshar, SE, M.Si.

INSTITUT BISNIS DAN KEUANGAN NITRO

(1). METODE POJOK BARAT LAUT

3. Lanjutkan dengan cara yang sama sampai

(2). Teruskan langkah ini, setapak demi setapak,

(3). METODE APROKSIMASI VOGEL (VAM)

(1). Metode Batu Loncat (Stepping-Stone)

Dengan menggunakan solusi awal yg diperoleh

X31 X31 X21 X22 X32 X31

Dr. Nur Dwiana Sari Saudi, SE, M.Si.

SEKOLAH TINGGI ILMU MANAJEMEN (STIM) NITRO

BAGIAN I Statistik Deskriptif

Pengertian Statistika Angka Indeks Relatif Sederhana

Deret Berkala dan Pengolahan Data Indeks dengan

• Tahun dasar (base year) adalah tahun pembanding yang dipilih

Banyak indikator ekonomi

Setiap barang dan jasa diberikan porsi yang sama,

1. Angka Indeks Harga Relatif Sederhana

Menunjukkan perkembangan harga relatif suatu

Contoh 1. Angka Indeks Harga Relatif Sederhana

b. Indeks harga relatif sederhana untuk tahun 2011 adalah:

Tahun Harga per kg Indeks Perhitungan

Tahun Harga per kg Indeks Perhitungan

Contoh 2. Angka Indeks Harga Relatif Sederhana

Bulan Harga Bulan Harga

Penyelesaian seluruhnya adalah sebagai berikut: