ANALISI TREND

ANALISIS DERET BERKALA

DAN
PERAMALAN
 PERAMALAN
Kegunaan Trend adalah untuk mengetahui perkembangan
dari suatu periode tertentu yang sering disebut estimation
dan juga dapat membuat peramalan atau planning
dimasa yang akan datang atau forecasting.

Untuk membuat peramalan yang baik maka kita melihat

hasil analisis yang lampau dan menganalisisnya
berdasarkan laporan statistik.
Langkah-langkah peramalan :
1. Mengumpulkan observasi data pada masa yang
lalu,
2. Mengadakan pencatatan pada masa tertentu.
Misal : batas-batas atau interval tertentu baik
per bulan, per tahun, dsb. Data demikian disebut
Time Series.
Ciri Pokok Time Series
1. Data atau catatan berdasarkan interval waktu
tertentu. Misal : hari, bulan, tahun.
2. Data terjadi berturut-turut atau bergandengan.
Artinya tidak terpisah oleh waktu dan karenanya
disebut series. Misalnya, data pada tahun 1975 –
1976 – 1977 dan seterusnya
Pembagian Time Series
Pada dasarnya dibagi menjadi 4 komponen:
A. Secular trend (trend yang teratur) / T
B. Seasonal variation (Variasi Musiman) / S
C. Cyclical Variation (Var siklis) / C
D. Irregular Variation (Var tak beraturan) / I
A. TREN SEKULAR (Secular Tren)
Trend sekular sangat penting untuk menapsir nilai
di masa yang akan datang secara continue
dibanding dari trend yang lain

Macam:
1. Tren yang menunjukkan gejala kenaikan
2. Tren yang menunjukkan gejala konstan
3. Tren yang menunjukkan gejala penurunan
1. Tren kenaikan
2. Tren konstan
3. Tren penurunan
B. VARIASI MUSIMAN
(Seasonal Variation)
C. VARIASI SIKLIS (Cyclical Variation)
 PEMBAGIAN TREN SEKULAR
A. TREN GARIS LURUS (LINEAR TREN)
1. Metode Bebas (Free Hand Method)
2. Metode Setengah Rata-rata (Semi Average Method)
3. Metode Rata-rata Bergerak (Moving Sverage Method)
4. Metode Jumlah Kuadrat Terkecil (Least Square
Method)
B. TREN NON LINEAR
1. Tren Parabola (Parabolic Tren)
2. Tren Eksponensial (Exponential Tren)
A. TREN GARIS LURUS (LINEAR TREN)

Persamaan untuk mencari nilai tren

garis lurus dirumuskan sebagai:
Y'=a+bX
 1. Metode Bebas (Free Hand Method)

Pada metode ini kita tidak memerlukan sesuatu

perhitungan, malainkan cukup berdasarkan pengalaman
yang lama. Jadi bersifat amat subyektif.

Langkah2:
1. Menggambarkan data asli dalam grafik.
2. Menarik garis lurus yang berdasarkan
pertimbangan kita bahwa garis tersebut dianggap
terletak di antara titik-titik yang diperlihatkan oleh
data asli dalam grafik itu.
 2. Metode Setengah Rata-rata
(Semi Average Method)
Langkah2:
1. Membagi kumpulan data menjadi dua bagian yang
sama. Jika jumlah data ganjil, data yang terletak di
tengah-tengah dihilangkan.
2. Menjumlahkan masing-masing bagian untuk mengetahui
nilai setengah dari keseluruhan (semi total).
3. Menghitung nilai rata-rata masing-masing bagian
(semiaverage).
4. Menggambarkan dua titik yang merupakan representasi
dari nilai mean tiap bagian itu kemudian
menghubungkannya dengan suatu garis lurus.
=
3. Metode Rata-rata Bergerak
(Moving Average Method)
4
4. Metode Jumlah Kuadrat Terkecil
(Least Square Method)
Metode ini paling banyak dipakai.
Persamaan untuk linear least square adalah :
Y' = a + bx

a   b  
n  2
DATA GANJIL

1.707
a  155,18
11
701
b  6,37 Y '  155,18  6,37 X
110
DATA GENAP (CARA PERTAMA)

1.932
a  161
12
1.085
b  7,59 Y '  161  7,59 X
143
DATA GENAP (CARA KEDUA)

1.932
a  161
12
2.170
b  7,59 Y '  161  7,59 X
286
B. TREN NON LINEAR
Tren nonlinear merupakan tren yang
mempunyai variabel berpangkat bukan satu.
1. Tren Parabola (Parabolic Tren)
Tren parabola dinamakan juga tren kuadratis
(quadratic tren) di mana tren ini mempunyai
variabel periode waktu (X) yang paling tinggi
berpangkat dua.
Rumus:
Y’ Tahun 2005
2. Tren Eksponensial (Exponential Tren)
Perhitungan nilai tren eksponensial menggunakan logaritma.
Karena itulah tren eksponensial dinamakan pula tren
logaritma (logarithmic tren). Kekhususan yang ada
padanya adalah bahwa variabel waktu yang
dilambangkan dengan X berfungsi sebagai pangkat.

Rumus: