MATERI PERTEMUAN 4

“TREND”

Dari Kelompok 3 :

Eka Putri Patresia (2110280116)

Gustyarini K.W (2110280117)
Widya Wulandari (2110280134)

SEKOLAH TINGGI ILMU EKONOMI INDONESIA

(STIESIA)
1. TREND
Trend adalah salah satu peralatan statistik yang dapat digunakan untuk memperkirakan keadaan
di masa yang akan datang berdasarkan pada data masa lalu. Misalnya, jumlah produksi yang
direncanakan didasarkan pada perkembangan permintaan masa lalu, tingkat harga yang
ditetapkan didasarkas pada perkembangan harga sebelumnya, dan lain sebagainya.
Trend sebenarnya adalah gerakan dari data deret berkala selama beberapa tahun dan cenderung
menuju pada suatu arah, di mana arahnya bisa naik mendatar maupun menurun bentuk trend
terdiri dari tren linear dan non linear metode perhitungan trend linear pada umumnya terdiri dari
least square method, freehand method, semi everage method dan moving average method dalam
pembahasan ini hanya diambil satu contoh tentang penggunaan trend linear dengan
menggunakan metode least square atau salah satu contoh lainnya dalam bentuk trend non linear.
2. TREND LINEAR
Persamaan trend dengan menggunakan metode least squares dijabarkan sebagai berikut :
Y = a + b(x)
Dimana :
Y = nilai yang diperkirakan.
Ab = nilai konstanta dalam sebuah persamaan trend.
X = serangkaian tahun yang dihitung.
CONTOH SOAL :
Seperti terlihat dalam grafik di atas, garis lurus merupakan garis trend, yaitu sebuah garis yang
dibentuk berdasarkan data proyeksi (perkiraan) sedangkan garis yang berbentuk patah adalah
data yang sebenarnya (actual data). Untuk mengetahui jumlah permintaan ikan segar pada tahun
- tahun mendatang dengan menggunakan trend sebagai alat proyeksi perlu juga diketahui
besamya penyimpangan antara nilai proyeksi dengan data yang sebenarnya.
Semakin besar angka penyimpangan, semakin besar kesalahan yang terjadi dalam angka
proyeksi dan besarnya angka penyimpangan merupakan suatu pertanda lebih baik menggunakan
peralatan lainnya sebagai alat proyeksi.
Untuk menghitung perkiraan permintaan tahun 1996 sampai tahun 2004 sama dengan cara
perhitungan sebelumnya di mana X untuk tahun 1996 = 5 dan untuk tahun 1999 = 8 dan
seterusnya. perkiraan tinggi dihitung dengan cara menambahkan jumlah perkiraan normal dan
penyimpangan rata-rata tertinggi 37,50 dan perkiraan rendah dihitung dengan cara
mengurangkan antara perkiraan normal dengan jumlah penyimpangan rata-rata terendah (75).
apabila data perkiraan normal menurut pandangan para penyusun kurang sesuai, baik
disebabkan oleh adanya perubahan pola permintaan maupun sebagai akibat perubahan beberapa
variabel lainnya, dalam hal ini dapat digunakan perkiraan permintaan antara perkiraan tertinggi
dengan perkiraan terendah.
3. TREND NON LINEAR
Trend yang mempunyai persamaan berbentuk fungsi kuadrat dengan bentuk grafik seperti
parabola, apabila suatu masa laju pertumbuhan rata-rata pertahun bertambah lama bertambah
kecil, baik sebagai jenuhnya kegiatan maupun disebabkan perubahan faktor lainnya, maka
perkiraan laju pertumbuhan pada masa yang akan datang dengan menggunkan trend nonlinier
dan memberikan hasil representative daripada menggunakan trend linier, demikian sebaliknya.

CONTOH SOAL :
5.160.000 = 14 (186.573,66) + 910 c
5.160.000 = 2.612.031 + 910 c
C = 2.799,97
Dengan demikian persamaan trend non linear :
Yc = 186.573,66 + 39.490,11 (X) + 2.799,97 (X2)
Apabila dimasukkan nilai X dan X2 pada persamaan diatas, jumlah perkiraan permintaan (Yc)
seperti terlihat dalam tabel sebelumnya.
Perkiraan permintaan kopi kualitas 1 tahun 1996 sampai tahun 2004 dihitung dengan jalan yang
sama, dimana pertambahan x dan x2 sama dengan pertambahan tahun sebelumnya. Perkiraan
tinggi dihitung dari jumlah perkiraan normal ditambah dengan penyimpangan rata – rata tertinggi
dan perkiraan rendah dikurangi dengan rata – rata penyimpangan terendah, untuk hasil
perhitungannya berada pada tabel IV-5 yang ada diatas.
4. REGRESI Y^ = A + BX
Proyeksi atau perkiraan dengan menggunakan analisis regresi menjelaskan hubungan antara
suatu variabel dengan variabel lainnya Adakalanya dalam menyusun studi kelayakan dan
menggunakan regresi hasilnya lebih representif daripada menggunakan trend dan Adakalanya
tren lebih baik daripada regresi dalam menafsir dari nilai sesuatu variabel di masa yang akan
datang.

Dalam analisis ekonomi hubungan antara satu variabel dengan variabel lainnya saling terkait ada
yang berhubungan positif dan ada pula yang berhubungan negatif apabila x adalah pendapatan
seseorang sebagai independen variabel dan Y merupakan pengeluaran sebagai dependen variabel
naik turunnya variabel x diikuti dengan naik turunnya variabelnya disebut perubahan positif dan
sebaliknya bila x naik dan Y turun hubungan di antara kedua variabel dikatakan berhubungan
negatif.
Tentunya dalam menganalisis regresi yaitu meliputi 2 operasi utama, yaitu :
1. Memperoleh persamaan dan garis yang mencerminkan persamaan dengan menggambarkan
bentuk hubungan antara 2 variabel.
2. Memberi nama pada satu variabel dengan sebutan variabel bebas dan lainnya dengan variabel
tak bebas (bergantung).
Contoh Soal Regresi Linear Sederhana

 Sebuah penelitian: apakah ada hubungan antara

pengaruh berpikir kritis terhadap prestasi belajar
mahasiswa.
 Diobservasi 12 mahasiswa, data pada Tabel
C1_korelasi pearson
Jawaban: Menyusun persamaan regresi
Untuk menghitung nilai a dan b Y^ = a + bx
a = (Σy) (Σx²) – (Σx) (Σxy) Y^ = 4,545 + 0,646x
n(Σx²) – (Σx)²
Persamaan regresi yang telah diketahui
a = (125,1) (1257,08) – (109,2) (1308,6)
12(1257,08) – (109,2)² dapat dipakai untuk melakukan

a = 4,545 prediksi, jika berpikir kritis 50, maka

b = n(Σxy) – (Σx) (Σy) nilai prestasi belajar, Sebesar :

n(Σx²) – (Σx)² Y^ = 4,545 + 0,646. 50
b = 12(1308,57) – (109,2) (125,1) Y^ = 36,845
12(1257,08) – (109,2)²
b = 0,646

5. R2/ Koefisien Determinasi/Pengaruh x terhadap y

Koefisien Determinasi atau r square adalah rasio jumlah regresi kuadrat (SSR) dengan jumlah
total kuadrat (SST). Koefisien Determinasi ini biasa ditulis dengan simbol r2 atau disebut
dengan R Square.
Regression Sum of Squares (SSR), Error Sum of Squares (SSE), dan Total Sum of
Squares (SST) hanya memberikan sedikit penafsiran tentang variasi regresi. Rasio SSR dengan
SST mengukur proporsi variasi dalam Y yang dijelaskan oleh variabel independen X
dalam model regresi.
6. R/Korelasi/Kekuatan hubungan x dan y
Koefisien korelasi merupakan sebuah nilai yang mengukur signifikansi, arah, serta intensitas
hubungan antara dua variabel. Tujuannya, untuk mendapatkan pola dan keeratan atau kekuatan
hubungan antara dua variabel atau lebih.
Indikator kekuatan hubungan antara dua variabel ini ditunjukkan dalam simbol X dan Y. Jika
nilai yang ditunjukkan lebih besar dari nol, maka dapat disimpulkan bahwa terjadi hubungan
yang positif antara dua variabel tersebut, Sebaliknya, jika nilai yang ditunjukkan lebih kecil dari
nol, maka hubungan yang terjadi antara dua variabel tersebut disimpulkan negatif.

Contoh soal Regresi Linear Berganda

Manajer suatu kontraktor ingin mengetahui apakah ada
hubungan antara usia pekerja dan pengalaman kerja
terhadap produktifitas tenaga kerja. Untuk itu
dilakukan penyebaran kuesioner dengan mengambil
sampel 20 pekerja yang hasilnya adalah sebagai berikut
:
Jawaban :