STATISTIKA

Deret berkala dan Peramalan

Julius Nursyamsi
 Pendahuluan
Deret berkala – Time series
– Sekumpulan data yang dicatat dalam
satu periode waktu
– Digunakan untuk meramalkan kondisi
masa mendatang
– Dalam jangka pendek (kurang dari 1
tahun ) atau jangka panjang (lebih dari
3 tahun)
– Berguna untuk penyusunan recana
(perusahaan dan negara)
 Pendahuluan
Deret berkala mempunyai empat
komponen :
– Tren – kecenderungan
– Variasi musim
– Variasi siklus
– Variasi yang tidak tetap – irregular
variation
 Tren - Kecenderungan
Tren
– Merupakan suatu gerakan kecenderungan
naik atau turun dalam jangka panjang
yang diperoleh dari rata-rata perubahan
dari waktu ke waktu dan nilainya cukup
rata atau mulus
Bentuk tren
– Tren positif = tren meningkat
Y = a + b.X
– Tren negatif = tren menurun
Y = a – b.X
 Bentuk Tren
Tren positif Tren negatif

Pelanggan Penjualan

80 160
70 140
60 120
50 100
40 Pelanggan 80 Penjualan
30 60
20 40
10 20
0 0
00

02

04

06

08

00

02

04

06

08
20

20

20

20

20

20

20

20

20

20
Tahun Tahun
 Metode Analisa 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)
 Metode semi rata - rata
Dengan cara mencari rata – rata
kelompok data
Langkah :
– Kelompokan data menjadi dua
kelompok
– Hitung rata – rata hitung dan letakkan
di tengah kelompok ( K1 dan K2),
menjadi nilai konstanta (a) dan letak
tahun merupakan tahun dasar
– Hitung selisih K2 – K1
K2 – K1 > 0 = Tren positif
K2 – K1 < 0 = Tren negatif
 Lanjutam ………….

Langkah berikut
– Tentukan nilai perubah tern (b) dengan
cara :

K2 – K1
b=
th dasar 2 – th dasar 1

– Persamaan tren ; Y’ = a + b.X

Untuk mengetahui besarnya tren,
masukan nilai (X) pada persamaan
– Untuk data ganjil, data (tahun) tengah
dapat dihilangkan atau dihitung dua kali
 Contoh
Untuk Nilai (a)
Tahun Penjualan Rata 2 Nilai X tahun dasar
-2002 = 131.0
2000 2005 -2006 = 152.8
2000 150 -2 -6
2001 140 -1 -5 Untuk Nilai (b)
= (152.8 – 131.0)/
2002 125 131.0 0 -4 (2006 – 2002)
2003 110 1 -3 = 5.45
2004 130

2004 130 2 -2
2005 150 3 -1
2006 156 152.8 4 0
2007 160 5 1
2008 168 6 2
 Lanjutan …….

Maka persamaan tren

– Tahun dasar 2002
Y’ = 131+ 5.45 (X)
– Tahun dasar 2006
Y’ = 152.8 + 5.45 (X)
Peramalan tahun 2009
– Y’ = 131+ 5.45 (7) = 169.15
– Y’ = 152.8 + 5.45 (3) = 169.15
 Metode kuadrat terkecil
Dengan menentukan garis tren yang
mempunyai jumlah terkecil dari
kuadrat selisih data asli dengan data
pada garis tren
Persamaan ; Y’ = a + b. (X)
Mencari nilai koefisien
a = (∑ Y ) / n
b = (∑XY) / (∑X)2
 Contoh Kasus
Tahun Penjualan Kode X Y.X X²
Y (tahun) Persamaan tren
2000 150 -3.5 -525 12.25 Y’ = a + b(X)
Y’ = 144.875 +
2001 140 -2.5 -350 6.25 6.8928 (X)
2002 125 -1.5 -187.5 2.25
Peramalan tahun
2003 110 0.5 55 0.25 2008 :
2004 150 0.5 75 0.25 (X) = 4.5
Maka :
2005 156 1.5 234 2.25
Y’ = 144.875 +
2006 160 2.5 400 6.25 6.8928. (4.5)
Y’ = 175.892
2007 168 3.5 588 12.25
Total 1159 289.5 42

= 1159 / 8
a 144.875
b 6.89285714 =289.5 / 42
 Metode Tren Kuadratis
Digunakan untuk tren jangka
panjang yang polanya tidak linier
Maka digunakan metode tren
kuadratis, persamaan :
Y = a + b.X + c.X2
Nilai koefisien :
(∑Y) (∑X4) – (∑X2Y) (∑X2)
Konstanta (a) =
n (∑X4) – (∑X2)2
 Metode Tren Kuadratis
Nilai koefisien :
Pengubah (b) = ∑XY / ∑X2

n (∑X2Y) - (∑X2) (∑Y)

Pengubah (c) =
n (∑X4) – (∑X2)2
 Contoh Kasus
Tahun Penjualan
(Y) (X) XY X² X²Y X^4
2001 140 -3 -420 9 1260 81
2002 125 -2 -250 4 500 16
2003 110 -1 -110 1 110 1
2004 150 0 0 0 0 0
2005 156 1 156 1 156 1
2006 160 2 320 4 640 16
2007 168 3 504 9 1512 81
Total 1009 200 28 4178 196

[(1009 x 196) – (4178 x 28)] / [(7 x 196) - 784]

a 137.3810
[200] / [28]
b 7.1429
c 1.6905 [(7x4178) – (28x1009)] / [(7x196) – (784)]
 Contoh Kasus

Persamaan tren kuadratis

Y = 137.3810 + 7.1429(X) + 1.6905(X2)

Jadi Peramalan penjualan untuk

tahun 2008 (X = 4) adalah :
Y = 137.3810 + 7.1429(4) + 1.6905(42)
Y = 137.3810 + 28.5714 + 27.0476
Y = 193
Perkiraan penjualan tahun 2009 sebesar
193 unit
 Metode tren eksponensial
Suatu tren yang mempunyai pangkat
atau eksponen dari waktu
Bentuk persamaan :
Y = a(1 + b)x

Koefisien :
Konstanta (a) = anti Ln (∑LnY)/n
Pengubah (b) =
anti Ln [(∑X.LnY)/(∑(X)2] - 1
 Contoh
Tahun Penjualan
(Y) (X) Ln Y X² X.LnY
2001 140 -3 4.94164 9 -14.8249
2002 125 -2 4.82831 4 -9.65663
2003 110 -1 4.70048 1 -4.70048
2004 150 0 5.01064 0 0
2005 156 1 5.04986 1 5.049856
2006 160 2 5.07517 4 10.15035
2007 168 3 5.12396 9 15.37189
1009 0 34.73007 28 1.39006

a 142.79899 [anti Ln (34.73007 / 7) ]

b 0.05090 [anti Ln ((1.39006 / 28)) - 1]

 Contoh
Persamaan tren eksponensial
Y = a(1 + b)x
Y = 142.79899 (1 + 0.05090)x
Peramlan penjualan tahun 2009
( X =5 ), sebesar :
Y = 142.79899 (1 + 0.05090)5
Y = 142.79899 (1.05090)5
Y = 142.79899 (1.281749)
Y = 144.08074
Jadi perkiraan unit terjual tahun 2009
sebesar 144 unit
 Memilih Tren yang baik

Dalam memilih metode tren yang

baik dapat digunakan ukuran
ketepatan
Ukuran ketepatan Adalah seberapa
tepat sebuah alat peramalan
tersebut menduga kejadian yang
sebenarnya
Alat ukur yaitu ∑(Y – Y’)2 paling kecil
 Memilih Tren yang baik
Metode semi rata –rata ; Y = 131 + 5.45 (X)

Tahun Penjualan
Y X Y' Y - Y' (Y -Y')²
2000 150 -2 120 30 894.01
2001 140 -1 126 14 208.80
2002 125 0 131 -6 36.00
2003 110 1 136 -26 699.60
2004 130 2 142 -12 141.61
2005 150 3 147 3 7.02
2006 156 4 153 3 10.24
2007 160 5 158 2 3.06
2008 168 6 164 4 18.49
Total 2018.84
 Memilih Tren yang baik
Metode kuadrat terkecil ; Y = 144.875 + 6.8928(X)

Tahun Penjualan
Y X Y' Y - Y' (Y -Y')²
2000 150 -3.5 120.75 29.25 855.55
2001 140 -2.5 127.64 12.36 152.70
2002 125 -1.5 134.54 -9.54 90.93
2003 110 0.5 148.32 -38.32 1468.53
2005 150 0.5 148.32 1.68 2.82
2006 156 1.5 155.21 0.79 0.62
2007 160 2.5 162.11 -2.11 4.44
2008 168 3.5 169.00 -1.00 1.00
Total 2576.58
 Memilih Tren yang baik
Metode kuadratis ;
Y = 137.3810 + 7.1429(X) + 1.6905(X2)

Tahun Penjualan
(Y) (X) Y' Y - Y' (Y -Y')²
2001 140 -3 131.08 8.92 79.62
2002 125 -2 129.82 -4.82 23.21
2003 110 -1 131.92 -21.92 480.43
2005 150 0 137.38 12.62 159.24
2006 156 1 146.20 9.80 95.95
2007 160 2 158.39 1.61 2.60
2008 168 3 173.93 -5.93 35.21
Total 876.26
 Memilih Tren yang baik
Metode Eksponensial
Y = 142.79899 (1 + 0.05090)x

Tahun Penjualan
(Y) (X) Y' Y - Y' (Y -Y')²
2001 140 -3 143.66 -3.66 13.40
2002 125 -2 143.70 -18.70 349.86
2003 110 -1 143.75 -33.75 1139.10
2005 150 0 143.80 6.20 38.45
2006 156 1 143.85 12.15 147.63
2007 160 2 143.90 16.10 259.10
2008 168 3 143.96 24.04 577.94
Total 2525.48
 Memilih Tren yang baik
Kesimpulan :
– Tren semi rata – rata : 2018.84
– Tren Kuadrat terkecil : 2576.58
– Tren kuadratis : 876.26
– Tren Eksponensial : 2525.48

Metode kuadratis yang lebih kecil,

Jadi metode yang cocok untuk
meramalkan penjualan adalah metode
kuadratis
Berlanjut ke pembahasan Analisis
Variasi musim