METODE PERAMALAN ASOSIATIF : ANALISIS

REGRESI DAN KORELASI

Model peramalan asosiatif biasanya mempertimbangkan beberapa variabel
yang terkait dengan kuantitas yang akan diprediksikan.
Sebagai contoh : Penjualan PC Dell terkait dengan anggaran periklanan
Dell, harga perusahaan, harga pesaing dan strategi promosi, dan bahkan
ekonomi negara serta tingkat pengangguran. Dalam kasus ini, penjualan PC
akan disebut sebagai variabel dependen, dan variabel lainnya akan disebut
dengan variabel independen.
Analisis regresi liniar adalah sebuah model matematis garis lurus untuk
menggambarkan hubungan fungsional antara variabel dependen dan
independen.
 PENGGUNAAN ANALISIS REGRESI UNTUK
PERAMALAN
Variabel yang dependen yang akan kita ramalkan tetap adalah ŷ. Akan
tetapi, sekarang variabel independen, x, tidak lagi waktu. Kita
menggunakan persamaan :
ŷ=a+bx

ŷ : Nilai dari variabel dependen

a : perpotongan sumbu y
b : Kemiringan garis Integral
x : variabel independen
 STANDAR KESALAHAN DARI ESTIMASI

• Untuk mengukur keakuratan dari estimasi regresi, kita harus menghitung

standar kesalahan dari estimasi, S. Perhitungan ini dinamakan dengan
standar deviasi dari regresi

Dimana :
y : Nilai y tiap-tiap poin data
yc : Nilai variabel dependen yang hitung, dari persamaan regresi
n : jumlah poin data
 ANALISIS REGRESI MULTIPEL

• Adalah perluasan praktik dari model regresi sederhana. Ini memungkinkan untuk
membangun model dengan beberapa variabel independen bukan hanya satu variabel.
ŷ=a+b1x1+b2x2

y : Variabel dependen, penjualan

a : a konstan, perpotongan y
X1 dan X2 : Nilai dari 2 variabel independen, area sistem penggajian dan
tingkat bunga masing-masing
b1 dan b2 : Koefisien untuk 2 variabel independen
 PENGAWASAN DAN PENGENDALIAN PERAMALAN
•• Salah satu cara untuk memonitor peramalan untuk memastikan bahwa berjalan dengan baik adalah
dengan menggunakan sinyal penelusuran.
• Sinyal penelusuran adalah pengukuran mengenal seberapa baiknya peramalan dalam memprediksi nilai
aktualnya

Dimana
MAD