Peramalan Bisnis

Disusun oleh : Aninda Mulya Perdanawati

NPM : 18.08.1.0001
 .
Peramalan Dengan Metode Smoothing
1. Metode Single Moving Average
Rata-rata bergerak tunggal (Single Moving Average) adalah suatu
metode peramalan yang dilakukan dengan mengambil sekelompok
nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan
untuk periode yang akan datang. Metode Single Moving Average
mempunyai karakteristik khusus yaitu :

a. Untuk menentukan ramalan pada periode yang akan datang

memerlukan data historis selama jangka waktu tertentu. Misalnya,
dengan 3 bulan moving average, maka ramalan bulan ke 5 baru
dibuat setelah bulan ke 4 selesai/berakhir. Jika bulan moving
averages bulan ke 7 baru bisa dibuat setelah bulan ke 6 berakhir.

b. Semakin panjang jangka waktu moving average, efek pelicinan

semakin terlihat dalam ramalan atau menghasilakan moving
average yang semakin halus.
 .
Peramalan Dengan Metode Smoothing
1. Metode Single Exponential Smoothing
.Metode Smoothing exponential adalah teknik peramalan rata-rata bergerak
dengan pembobotan dimana data diberi bobot oleh sebuah fungsi
exponential. Smoothing exponential merupakan metode peramalan rata-rata
bergerak dengan pembobotan canggih, namun masih mudah digunakan.
Metode ini sangat dedikit pencatatan data masa lalu.

Perhitungan single exponential smoothing dapat dituliskan dalam rumus (1)

+1 = α Xt + (1-α) Ft-1 (1)
Keterangan :

Ft+1 = Ramalan untuk periode ke t+1

Xt = Nilai riil periode ke t

α = Bobot yang menunjukkan konstanta penghalus (0 < α <1)

Ft-1 = Ramalan untuk periode ke t-1

 Peramalan Dengan Metode Trend

1. Trend Linier 2. Trend Parabola

Sering kali data deret waktu jika Regresi Trend Parabola Adalah Garis Rgresi
digambarkan ke dalam plot mendekati Di Mana Variabel Bebas X Merupakan
garis luruus. Deret waktu seperti inilah Variabel Waktu. Persamaan Garis Trend
yang termasuk dalam trend linier. Parabola Adalah Sebagai Berikut :
Persamaan trend linier adalah sebagai Y = a + bX + cX^2
berikut:
2 Trend diantaranya
yaitu :
Yt = a + bt

3. Trend Exponential
Untuk mengukur sebuah deret waktu yang
mengalami kenaikan atau penurunan yang
cepat maka digunakan metode trend
eksponensial. Dalam metode ini digunakan
persamaan:
Y = a.
Peramalan Dengan Garis Regresi

1. Regresi Linier Sederhana

Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara Variabel Faktor
Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya
dilambangkan dengan X atau disebut juga dengan Predictor sedangkan
Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response.
Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear
Regression) juga merupakan salah satu Metode Statistik yang dipergunakan
dalam produksi untuk melakukan peramalan ataupun prediksi tentang
karakteristik kualitas maupun Kuantitas.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi

antara lain :
1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk
yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX
 Analisis Regresi Linear Sederhana :

Berikut ini adalah langkah-

langkah dalam melakukannya :
1. Tentukan Tujuan dari
melakukan Analisis Regresi
Linear Sederhana

2. Identifikasikanlah Variabel
Faktor Penyebab (Predictor)
dan Variabel Akibat
(Response)
3. Lakukan
Pengumpulan Data
4. Hitung X², Y², XY
dan total dari masing-
masingnya
 Lanjutan ...

5. Hitung a 6. Buatkan 7. Lakukan

dan b Model Prediksi atau
berdasarkan Persamaan Peramalan
rumus diatas. Regresi Linear terhadap
Sederhana. Variabel Faktor
Penyebab atau
Variabel Akibat.
 Analisa Korelasi
1. Konsep • Analisis korelasi merupakan studi yang membahas tentang derajat
(seberapa kuat) hubungan antara dua variabel atau lebih. • Ukuran derajat hubungan
tersebut disebut koefisien korelasi • Koefisien korelasi merupakan angka yang
menunjukkan arah dan kuat hubunga antara dua variabel atau lebih.
2. Arah Hubungan • Arah dinyatakan dalam bentuk hubungan positif atau negatif
Arah hubungan positif berarti :
1. Apabila nilai variabel ditingkatkan, maka akan meningkatkan nilai variabel yang
lain.
2. Apabila nilai variabel diturunkankan, maka akan menurunkankan nilai variabel
yang lain • Arah hubungan negatif berarti : nilai variabel ditingkatkan, maka akan
menurunkan nilai variabel yang lain.
Arah hubungan negatif berarti :
1. Apabila nilai variabel ditingkatkan, maka akan menurunkan nilai variabel yang lain.
2. Apabila nilai variabel diturunkan, maka akan meningkatkan nilai variabel yang lain.
Pengujian Hipotesis Tentang Koefisien Regresi
Pengujian Hipotesis

Uji hipotesis menggunakan uji Koefisien Regresi Sederhana (p- value),

digunakan untuk mengetahui apakah variabel independen (X) berpengaruh
secara signifikan terhadap variabel dependen (Y). Signifikan berarti
pengaruh yang terjadi dapat berlaku untuk populasi. Dari hasil analisis
Regresi di atas dapat diketahui dengan langkah-langkah pengujian sebagai
berikut:

a) Menentukan Hipotesis
Ha : Ada pengaruh secara signifikan antara pengaruh
penggunaan smartphone terhadap perilaku antisosial.
Ho : Tidak ada pengaruh secara signifikan antara pengaruh
penggunaan smartphone terhadap perilaku antisosial.
b) Membandingkan taraf signifikansi (p-value), dengan galat- nya.
Jika signifikansi > 0.05, maka Ho diterima
Jika signifikansi < 0.05, maka Ho ditolak.
 Your Picture Here

Pengujian Hipotesis tentang Koefisien Korelasi

Untuk mengetahui korelasi antara gaya komunikasi guru dengan hasil belajar siswa di Computer
Learning Center Robokidz West Surabaya, maka digunakan rumus Pearson Product Moment
Correlation dengan menggunakan bantuan komputer melalui program SPSS (Statistic
Program For Social Sciences) versi 17.0,
 Regresi Linier Berganda

Regresi linier berganda merupakan model persamaan yang

menjelaskanhubungan satu variabel tak bebas/ response (Y)
dengan dua atau lebih variabel bebas/ predictor (X1, X2,…Xn).
Tujuan dari uji regresi linier berganda adalah untuk memprediksi
nilai variable tak bebas/ response (Y) apabila nilai-nilai variabel
bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga
untuk dapat mengetahui bagaimanakah arah hubungan variabel tak
bebas dengan variabel -
variabel bebasnya.
Persamaan regresi linier berganda secara matematik diekspresikan
oleh :
Y = a + b1 X1 + b2 X2 + … + bn Xn
yang mana :
Y = variable tak bebas (nilai variabel yang akan diprediksi)
a = konstanta
b1,b2,…, bn = nilai koefisien regresi
X1,X2,…, Xn = variable bebas
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk
persamaan regresinya
adalah :
Arima Bob Jemkins
Metode peramalan saat ini cukup banyak dengan berbagai kelebihan masing-masing.
kelebihan ini bisa mencakup variabel yang digunakan dan jenis data time seriesnya. nah,
dalam penentuan peramalan terbaik ini cukup sulit. tapi salah satu tehnik peramalan paling
sering digunakan adalah ARIMA(autoregresif integreted moving average). ARIMA ini sering
juga disebut metode runtun waktu box-jenkins. Dalam pembahasan kali ini kita akan sedikit
membahas ARIMA.

Model ARIMA adalah model yang secara penuh mengabaikan independen varibel dalam
pembuatan peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel
dependen untuk menghasilkan peramalan jangka pendek yang akurat. namun untuk
peramalan jangka panjang ketepatan peramalannya kurnag baik. Tujuan ARIMA adalah
untuk menentukan hubungan statistik yang baik antar variabel yang diramal dengan nilai
historis variabel tersebut sehingga peramalan dapat dilakukan dengan model tersebut.

ARIMA digunakan untunk suatu variabel (univariate) deret waktu. untuk mempermudah
dalam menghitung model ARIMA dapat digunakan berbagai aplikasi diantaranya EViews,
Minitab, SPSS,dll.dalam pembahasan kali ini menggunakan aplikai EViews 6.0.
THANK YOU
Insert the Subtitle of Your Presentation