Tim es S er ie s

&For e ca st in g i

Oleh: Kelompok 3
 Kelompok Kami
Dhiyah Azhari Dafa Maulana Alfarizi
23630006 23630042

Salsabila Zahra Novita Anggraini

23630025 23630048

Rizka Sahara Nabila Nisrina

23630037 23630066
 TIME SERIES
adalah serangkaian data yang diambil atau
direkam pada titik-titik waktu yang berurutan dan
sama jaraknya. Ini digunakan untuk menganalisis
tren, pola, dan perilaku dari waktu ke waktu.
 Peramalan (forecasting)

adalah proses perkiraan atau prediksi nilai-nilai
masa depan berdasarkan data historis dan analisis
tren serta pola yang teridentifikasi. Hal ini
membantu dalam perencanaan, pengambilan
keputusan, dan manajemen risiko di berbagai
bidang, seperti ekonomi, bisnis, dan meteorologi.
 Tujuan Penggunaan
1
Mengidentifikasi Pola dan Tren: Memahami
perilaku data dari waktu ke waktu untuk
mengenali pola dan tren yang dapat membantu
dalam pengambilan keputusan.

2
Peramalan Masa Depan: Menggunakan data historis
untuk memprediksi nilai-nilai masa depan,
memungkinkan perencanaan yang lebih baik dalam
berbagai konteks, seperti penjualan, persediaan, atau
cuaca.
3
Optimasi dan Pengendalian: Membantu dalam optimasi
sumber daya dan pengendalian proses dengan memberikan
perkiraan yang akurat untuk kebutuhan masa depan.
4 Manajemen Risiko: Memungkinkan identifikasi risiko
potensial dan penyesuaian strategi untuk mengurangi
dampaknya.
5
Perencanaan Strategis: Memberikan wawasan tentang
perkembangan jangka panjang, memungkinkan organisasi
untuk merencanakan strategi yang sesuai.
6
Evaluasi Kinerja: Memungkinkan untuk memantau kinerja
aktual dibandingkan dengan perkiraan yang dibuat, dan
melakukan penyesuaian jika diperlukan.
 Metode Last Square
Metode least square adalah suatu
metode yang paling luas digunakan untuk
menentukan persamaan trend data. Metode
kuadrat terkecil yang dibagi dalam dua
kasus, yaitu kasus data genap dan kasus
data ganjil. Metode least square (kuadrat
terkecil) paling sering digunakan untuk
meramalkan Y, karena perhitungannya
lebih teliti.
 perhitungan menggunakan data ganjil
Contoh Soal Median Data Ganjil
Tentukan median dari data berikut: 29, 19, 21, 52, 91, 50, 82, 65, 53, 84, 51, 90, 93.
Jawaban:
Data tersebut diurutkan terlebih dahulu menjadi seperti berikut:
19, 21, 29, 50, 51, 52, 53, 65, 82, 84, 90, 91, 93
Banyaknya data di atas adalah 13 (ganjil). Maka, cara menghitung median mediannya adalah
seperti berikut:
Me = data ke (n + 1) ÷ 2
Me = data ke (13 + 1) ÷ 2
Me = data ke 7
Jadi, mediannya adalah data ke-7, yaitu bilangan 53.
 perhitungan menggunakan data genap
Contoh Soal Median Data Ganjil
Temukan median dari data berikut: 39, 35, 35, 36, 37, 38, 42, 40, 38, 41, 37, 35, 38, 40, 41, 40.
Jawaban:
Data tersebut diurutkan terlebih dahulu menjadi seperti berikut:
35, 35, 35, 36, 37, 37, 38, 38, 38, 39, 40, 40, 40, 41, 41, 42
Banyaknya data di atas adalah 16 (genap). Maka, cara menghitung median mediannya adalah
seperti berikut:
Me = [data ke (n ÷ 2) + data ke (n ÷ 2) + 1] ÷ 2.
Me = [data ke (16 ÷ 2) + data ke (16 ÷ 2) + 1] ÷ 2.
Me = [data ke 8 + data ke 9] ÷ 2.
Me = (38 + 38) : 2 = 76 : 2 = 38
Jadi, mediannya adalah data ke-7, yaitu bilangan 38.
Apa ada yang ingin
ditanyakan?
Silahkan angkat tangan!
 Kesimpulan:
Kesimpulan dari analisis time series dan forecasting adalah
memberikan pemahaman tentang pola dan tren dalam data
sebelumnya untuk membuat perkiraan atau prediksi tentang
nilai-nilai di masa depan. Dengan menggunakan teknik-teknik
seperti analisis statistik, model matematika, dan algoritma
machine learning, kita dapat mengidentifikasi pola-pola
tersebut dan membuat perkiraan yang berguna untuk
pengambilan keputusan di masa depan.
Terim a
Kasih