Statistika I

Time Series
(Kuadrat Terkecil
Least Square Method)

By : Ir. Ibnu Sina, M.Sc

0811-929155
0812-94191981
ibnu.sina@unpam.ac.id
Adaptif
 KONSEP DASAR

• Data deret berkala adalah sekumpulan data yang

dicatat dalam suatu periode tertentu.

• Manfaat analisis data berkala adalah mengetahui

kondisi masa mendatang atau meramalkan kondisi
mendatang.

• Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan
bidang lainnya.

Adaptif
 Kualitas dari cara peramalan dapat menguatkan informasi yang
dapat digali dengan menggunakan data masa lalu.

 Analisa Deret Berkala adalah sebuah metoda kuantitatif yang dapat

kita gunakan untuk menentukan pola dari data yang terkumpul
beberapa waktu dimasa lalu.

 Seorang pimpinan harus dapat meramalkan bagaimana volume

penjualan tahun depan, bagaimana keadaan perniagaan bergerak
dari bulan ke bulan atau dari tahun ke tahun. Misalnya berapa
banyak barang harus diproduksi untuk tahun depan, tentang harga
bahan-bahan baku, harga barang-barang jadi yang dihasilkan,
situasi pasaran barang, keperluan pegawai dan lain sebaginya.
Adaptif
 Metode Kuadrat Terkecil
Peramalan dengan metode kuadrat terkecil akan menghasilkan
jumlah kuadrat kesalahan-kesalahan terkecil.

Jika persamaan garis trend linier Y = a + bX, dimana:

a
 Y
b
 XY
n X 2

Adaptif
Dalam penentuan skala ΣX = 0 ada 2 kemungkinan, yaitu:
Untuk data ganjil, angka nol diletakkan pada tahun yang di tengah,
sehingga skala X nya menjadi tahunan dengan selisih 1.

Tahun 2010 2011 2012 2013 2014 ΣX

X -2 -1 0 +1 +2 0

Untuk data genap, maka angka nol pada skala X terletak antara 2
tahun yang di tengah sehingga skala X menjadi setengah tahunan
dengan selisih 2.

Tahun 2010 2011 2012 2013 2014 2015 ΣX

X -5 -3 -1 +1 +3 +5 0

Adaptif
 Contoh Data Genap
Penjualan Bulanan PT. Ashalya pada tahun 2016 sebagai berikut:
Penjualan (dalam unit)
Bulan
(Y)
Januari 1.500
Tentukan prediksi penjualan
Februari 1.550
PT. Ashalya pada tahun
Maret 1.600
2017 !
April 1.650
Mei 1.700
Juni 1.750
Juli 1.800
Agustus 1.850
September 1.900
Oktober 1.950
Novermber 2.000
Desember 2.050
Adaptif
 Jawab
Penjualan (dalam unit) Data Trend
Bulan XY X2
(Y) (X)
Januari 1.500 -11 -16.500 121
Februari 1.550 -9 -13.950 81
Maret 1.600 -7 -11.200 49
April 1.650 -5 -8.250 25
Mei 1.700 -3 -5.100 9
Juni 1.750 -1 -1.750 1
Juli 1.800 1 1.800 1
Agustus 1.850 3 5.550 9
September 1.900 5 9.500 25
Oktober 1.950 7 13.650 49
Novermber 2.000 9 18.000 81
Desember 2.050 11 22.550 121
Jumlah 21.300 0 14.300 572
Adaptif
Persamaan garis trend linier

Y = a + bX

a
 Y
b
 XY Y = a + bX
n X 2

Y = 1.775 + 25 X
21.300 14.300
a b
12 572

a  1.775 b  25

Adaptif
Prediksi penjualan PT. Ashalya pada tahun 2017 adalah sebagai berikut :
Tahun 2017 Data Trend
Persamaan Y
Bulan (X)
Januari 13 Y = 1.775 + 25 X 2.100
Februari 15 Y = 1.775 + 25 X 2.150
Maret 17 Y = 1.775 + 25 X 2.200
April 19 Y = 1.775 + 25 X 2.250
Mei 21 Y = 1.775 + 25 X 2.300
Juni 23 Y = 1.775 + 25 X 2.350
Juli 25 Y = 1.775 + 25 X 2.400
Agustus 27 Y = 1.775 + 25 X 2.450
September 29 Y = 1.775 + 25 X 2.500
Oktober 31 Y = 1.775 + 25 X 2.550
Novermber 33 Y = 1.775 + 25 X 2.600
Desember 35 Y = 1.775 + 25 X 2.650
Adaptif
 Contoh Data Ganjil
Data produksi padi Kecamatan Pamulang dari tahun 2006-2016 sebagai berikut :
Produksi (dalam ton)
Tahun
(Y)
2006 1.200
Tentukan prediksi produksi
2007 1.275
padi Kecamatan Pamulang
2008 1.350
pada tahun 2017 – 2021 !
2009 1.425
2010 1.500
2011 1.575
2012 1.650
2013 1.725
2014 1.800
2015 1.875
2016 1.950
Jumlah 17.325
Adaptif
 Jawab
Produksi (dalam ton) Data Trend
Tahun XY X2
(Y) (X)
2006 1.200 -5 -6.000 25
2007 1.275 -4 -5.100 16
2008 1.350 -3 -4.050 9
2009 1.425 -2 -2.850 4
2010 1.500 -1 -1.500 1
2011 1.575 0 0 0
2012 1.650 1 1.650 1
2013 1.725 2 3.450 4
2014 1.800 3 5.400 9
2015 1.875 4 7.500 16
2016 1.950 5 9.750 25
Jumlah 17.325 0 8.250 110

Adaptif
Persamaan garis trend linier

Y = a + bX

a
 Y
b
 XY Y = a + bX
n X 2

Y = 1.575 + 75 X
17.325 8.250
a b
11 110

a  1.575 b  75

Adaptif
Prediksi produksi padi pada tahun 2017-2021 adalah sebagai berikut :

Data Trend
Prediksi Persamaan Y
(X)
2017 6 Y = 1.575 + 75 X 2.025
2018 7 Y = 1.575 + 75 X 2.100
2019 8 Y = 1.575 + 75 X 2.175
2020 9 Y = 1.575 + 75 X 2.250
2021 10 Y = 1.575 + 75 X 2.325

Adaptif
 Latihan/Homework
Tentukan prediksi penjualan PT. Ashiah untuk tahun 2017-2021 dari data
berikut dengan menggunakan metode least square method !

Penjualan (dalam unit)

Tahun
(Y)
2008 200
2009 245
2010 240
2011 275
2012 285
2013 300
2014 290
2015 315
2016 310
Jumlah 2.460
Adaptif
Adaptif