PERAMALAN

(FORECASTING)
 Model Asosiatif
(Kausal)

Model kausal (hubungan sebab akibat) adalah

model peramalan yang menggabungkan beberapa
variabel atau faktor yang mempengaruhi kuantitas
yang sedang diramalkan
 Proyeksi Tren
(Trend Projection)

 Metode peramalan yang

menyesuaikan garis tren a
y
pada sekumpulan data n
masa lalu dan
memproyeksikan garis b
 xy
pada masa datang x 2

untuk peramalan jangka   = variabel terikat (penjualan)

menengah dan panjang = variabel bebas (waktu)
= konstanta
 Persamaan garis: = koefisien tren
ˆ  a  bx
y = jumlah data (pengamatan)
Contoh:
Berikut ini perkembangan penjualan PT. XYZ
Volume
Tahun
Penjualan (ton)
2003 2,847
2004 3,685
2005 4,065
2006 5,789
2007 7,639
2008 ?
2009 ?
Hitung perkiraan penjualan pada tahun 2008 dan
2009
 Tahun Penjualan
2003 2,847 -2 2,847 -5,748 4
2004 3,685 -1 3,685 -3,685 1
2005 4,065 0 4,065 0 0
2006 5,789 1 5,789 5,789 1
2007 7,639 2 7,639 155,278 4
 0 24,052 11,634 10

a
 y 24,052
  4,8104 YY =
= 4,8104
4,8104 +
+ 1,1634
1,1634 XX
n 5
Y2008 = 4,8104 + 1,1634(3) = 8,3006
b
 xy 11,634
  1,1634 Y2009 = 4,8104 + 1,1634(4) = 9,464
x 2
10
 Regresi Linear Sederhana

 Model matematis garis a  y  bx

lurus yang menjelaskan
hubungan fungsional n xi yi    xi   yi 
antara satu variabel b
n x    xi 
2 2
terikat (dependent i

variabel)   = variabel terikat

 Persamaan regresi: = variabel bebas
= konstanta
ˆ  a  bx
y = koefisien regresi
= jumlah data (pengamatan)
Contoh:

Perusahaan Konstruksi Nodel

merenovasi sejumlah rumah tua
di West Bloomfield, Michigan.
Sejalan dengan waktu,
perusahaan mendapati bahwa
biaya pekerjaan renovasinya
tergantung pada tingkat
penghasilan penduduk yaitu
upah lokal di West Bloomfield. Jika kantor perdagangan lokal
Tabel berikut ini menunjukkan memperkirakan upah wilayah
penjualan Nodel dan upah lokal West Bloomfield tahun 2008
selama masa 6 tahun: adalah 6. Tentukan perkiraan
penjualan Nodel tahun 2008?
Tahun Sales (Y) Wages (X)
2002 20 1 1 20
2003 30 3 9 90
2004 25 4 16 100
2005 20 2 4 40
2006 20 1 1 20
2007 35 7 49 245
Y = 150 X = 18  = 80 XY = 515
= 25 =3

n xi yi    xi   yi  6(515)  (18)(150)
b 
n xi2    xi  6(80)  (18) 2
2

a  y  bx  25  2,5(3)  17,5

yˆ  17,5  2,5(6)  32,5 Sales (2008) = 32,5

 SALES

40

30 Garis
Garis Regresi
Regresi
Y=
Y= 17,5
17,5 +
+ 2,5
2,5 XX

20

aa =
= 17,5
17,5
10

1 2 3 4 5 6 7 WAGES
Untuk menghitung keakuratan regresi yang
diperkirakan, maka harus dihitung kesalahan
standar estimasi (standard error of the estimate).
Perhitungan ini disebut Deviasi Standar Regresi
(Standard Deviation of the Regression)

S y. x 
  a y  b xy
y 2

n2
 S y.x 
  a y  b xy
y 2

n2


 3950  17,5(150)  2,5(515)
62

 3,06
Maka, kesalahan standar estimasi adalah 3,06
dalam penjualan (sales)
 Koefisien Korelasi Linear

 Koefisien korelasi linear mengukur kekuatan

hubungan linear antara variabel x dan y
 Korelasi linear (r) adalah suatu bilangan antara
+1 dan -1

n  x i y i  ( x i )( y i )
r
{n  x i2  ( x i ) 2 }{n  y i2  ( y i ) 2 }
 Regresi Linear Berganda

Regresi berganda digunakan untuk:

1. Meramalkan nilai pengaruh dua variabel bebas
(independen) atau lebih terhadap satu variabel
terikat (dependen)
2. Membuktikan ada tidaknya hubungan fungsional
atau kausal antara dua variabel bebas atau lebih
x1, x2, …, xi terhadap suatu variabel terikat y
  Persamaan regresi berganda:

Keterangan:
= variabel terikat
= konstanta
= koefisien dari 2 variabel bebas
= nilai 2 variabel bebas berturut-turut
TERIMA KASIH