Trend Linear, Trend Kuadratik

dan Trend Eksponensial

Dra. Euis Sartika, M.Si

1
 PENDAHULUAN
• Data deret berkala adalah sekumpulan data yang dicatat
dalam suatu periode tertentu.

• Manfaat analisis data berkala adalah mengetahui kondisi

masa mendatang.

• Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan
bidang lainnya.

KOMPONEN DATA BERKALA

Trend; Variasi Musim; Variasi Siklus; dan Variasi yang 2

Tidak Tetap (Irregular)
2
 TREND

Suatu gerakan kecenderungan naik atau turun dalam jangka panjang

yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan
nilainya cukup rata (smooth).

Y Y

Tahun (X) Tahun (X)

3
Trend Positif Trend Negatif

3
 Metode Kuadrat Terkecil Untuk Trend Linier
Menentukan garis trend yang mempunyai jumlah terkecil dari
kuadrat selisih data asli dengan data pada garis trendnya.

Trend Pelanggan PT. Telkom

y  a  bt 8
Pelanggan (Jutaan)

 
7
y ty 6
a.  ;b  5
n t 2 4
3
2
1
0
97 98 99 00 01
Tahun

Data Y' Data Y

4

4
 CONTOH METODE KUADRAT TERKECIL

Tahun Pelanggan Kode t y.t t2

=y (tahun)
1997 5,0 -2 -10,0 4
1998 5,6 -1 -5,6 1
1999 6,1 0 0 0
2000 6,7 1 6,7 1
2001 7,2 2 14,4 4
  y=30,6   y.t=5,5 t2=10

Nilai a = 30,6/5=6,12
Nilai b =5,5/10=0,55 5
Jadi persamaan trend Y’=6,12+0,55t artinya setiap tahun terjadi
peningkatan pelanggan sebesar 0,55
5
 ANALISIS TREND KUADRATIS
Untuk jangka waktu pendek, Trend Kuadratis

Ju m la h Pe la n g g a n
kemungkinan trend tidak
8.00
bersifat linear. Metode

(ju ta a n )
6.00
kuadratis adalah contoh 4.00
2.00
metode nonlinea 0.00
97 98 99 00 01
 Y = a + bt + ct  2
Tahun
Koefisien a, b, dan c dicari
dengan rumus sbb: Y=a+bt+ct2

a
 y. t   t y. t
4 2 2

n( t )  ( t )
4 2 2

b
 ty
t 2

n( t y )  ( t )( y )
2 2 6
c
n( t )  ( t )
4 2 2

6
 CONTOH TREND KUADRATIS
Tahun y t ty t2 t2Y t4
1997 5,0 -2 -10,00 4,00 20,00 16,00
1998 5,6 -1 -5,60 1,00 5,60 1,00
1999 6,1 0 0,00 0,00 0,00 0,00
2000 6,7 1 6,70 1,00 6,70 1,00
2001 7,2 2 14,40 4,00 2880 16,00
  30.60 5,50 10,00 61,10 34,00

a 
 y. t   t y. t  (30,60)(34)  (61,10)(10)  6,13
4 2 2

n( t )  ( t )4
5(34)  (10)
2 2 2

b 
 ty  5,5  0,55
t 10 2

n( t y )  ( t )( y )
2 2
(5)(61,1)  (10)(30,60)
c    0,0071
n( t )  ( t )4
5(34)  (10)
2 2 2

Trend Kuadratik : y  a  bt  ct 2 atau y  6,13  0,55t - 0,0071t 2

7
 ANALISIS TREND EKSPONENSIAL
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (t)
dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data y
dan t, digunakan rumus sebagai berikut:
 
y  a(1  b)t

ln y  ln a  t.ln (1  b)

a  anti ln(
 ln y
); b  anti ln
 (t.ln y)
1
n t 2

Trend Eskponensial

15,00
Pelanggan
Jumlah

(jutaan)

10,00
5,00
0,00
97 98 99 00 01 Y= a(1+b)t
8
Tahun

8
CONTOH TREND EKSPONENSIAL
Tahun y t Ln y t2 t Ln y

1997 5,0 -2 1,6 4,00 -3,2

1998 5,6 -1 1,7 1,00 -1,7
1999 6,1 0 1,8 0,00 0,0
2000 6,7 1 1,9 1,00 1,9
2001 7,2 2 2,0 4,00 3,9
  9,0 10,00 0,9

y  a(1  b) t
ln y  ln a  t.ln (1  b)

a  anti ln(
 ln y
); b  anti ln
 (t.ln y)
1
n  t 2

9 0,9
a  anti ln ( )  6,049 ; b  anti ln ( )  1  0,094
5 10 9

Sehingga Trend Eksponensial : y  a(1  b) t atau y  6,049(1 0,094)t

9
 PEMILIHAN MODEL TERBAIK
Untuk memilih model Trend yang terbaik untuk permalan
digunakan nilai MSE (Mean Squre error) tau rata-rata kuadrat
terkecil.


MSE 
 (y i  y) 2
atau MSE   (y i  y ) 2
n
Model terbaik adalah model dengan MSE terkecil

Contoh : Produksi botol minuman merk “A” selama

9 tahun dalam ribuan botol sbb :
Tentukan :
a.Trend Linear dengan Metode Semi Average
b.Trend Linear dengan Metode Kuadrat Terkeci
c.Trend Kuadratis
d.Trend Eksponensial
e.Dengan menggunakan MSE, model mana yang
terbaik.
f.Prediksikan produksi tahun 2030 dengan 10
menggunakan metode terbaik.
Penyelesaian :

Trend Linear dengan Metode Semi Average

11
Trend Linear dengan Metode Least Square

12
Trend Kuadratis

13
Trend Eksponensial

14
Berdasarkan Nilai MSE atau  (Y - Ypred)
2

Maka dapat ditunjukkan nilai MSE sebagai berikut :

No Model Peramalan MSE =  (Y - Ypred) 2

1 Trend Linear (Semi Average) 2018,84

2 Trend Linear (Least Square) 1858,95
3 Trend Kuadratik 771,7652
4 Trend Eksponensial 1808,4403

Nilai MSE untuk Trend Kuadratik adalah 771,7652 lebih kecil

dibandingkan yang lainnya. Sehingga dapat disimpulkan bahwa
Tred Kuadratik adalah odel terbaik untuk peramalan.

15
TUGAS INDIVIDU

Diketahui Perusahaan yang bergerak di bidang Travel dan Angkutan

mencatat rata-rata keuntungan bersih dalam juta rupiah, data seperti di
bawah !
Tentukan :
a.Diagram Scatter
b.Trend Linear dengan metode Semi average dan
interpretasikan
c.Trend Linear dengan metode Kuadrat Terkecil
dan interpretasikan
d.Trend Kuadratik
e.Trend Eksponensial
f.Model Trend mana yang terbaik, gunakan MSE!
g.Prediksi pendapatan pada tahun 2029!

16