LAPORAN
ANALISIS DATA BERKALA
PUTRI ARIANTI RAHAYU (1306105)
Jurnal
Statistika dan Probabilitas
Sekolah Tinggi Teknologi Garut
Jl. Mayor Syamsu No. 1 Jayaraga
Garut 44151 Indonesia
Email : 1306105@sttgarut.ac.id
Abstrak – Makalah ini akan membahas data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan
(perkembangan produksi,harga, penjualan, jumlah penduduk, junlah kecelakaan).
Kata Kunci – komponen deret berkala, peramalan berdasarkan jangka waktu.
1. PENDAHULUAN
1.1
Latar belakang
Dalam setiap
usaha penjualan pasti akan mempunyai rencana untuk kedepannya bagaimana
penjualan yang akan datang apakah meningkat atau menurun, dalam memprediksi
sebuah penjualan dari tahun ke tahun yang akan datang agar pengusaha bisa lebih
teliti dalam penjualan yang akan dijalankan .
1.2
Identifikasi Masalah
Dengan
adanya analisis data berkala dalam penjualan jadi setiap pengusaha mempunyai
prediksi untuk kedepannya untuk usaha penjualan yang jalankan .
1.3
Rumusan Masalah
Untuk
menganalisis sebuah data tentunya dibutuhkan beberapa data dari tahun ke tahun
agar ditahun berikutnya bisa diprediksi jumlah setiap penjualan pada tahun yang
akan datang .
1.4 Tujuan
Berdasarkan
rumusan masalah diatas sehingga tujuan dari penyusunan makalah ini adalah untuk
mengetahui bagaimana menganalisis suatu penjualan ditahun yang akan datang
berdasarkan data tahun sebelumnya .
2. TEORI
2.1 Komponen Deret Berkala
Pola gerakan
runtut waktu atau deret berkala dapat dikelompokan kedalam 4 (empat) pola
pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala
(runtut waktu). Empat komponen deret berkala itu adalah:
1. Trend,
yaitu gerakan yang berjangka panjang yang menunjukkan adanya kecenderungan menuju
ke satu arah kenaikan dan penurunan secara keseluruhan dan bertahan dalam
jangka waktu yang digunakan sebagai ukuran adalah 10 tahun keatas.
2. Variasi
Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang
lebih teratur.
3. Variasi
Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih
teratur.
4. Variasi
Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama
sekali.
Gerakan atau
variasi dari data berkala juga terdiri dari empat komponen,
2.2 Ciri-ciri Trend Sekuler
Trend (T) atau Trend Sekuler ialah
gerakan dalam deret berkala yang berjangka panjang, lamban dan berkecenderungan
menuju ke satu arah, arah menaik atau menurun. Umumnya meliputi gerakan yang
lamanya 10 tahun atau lebih.
Trend sekuler
dapat disajikan dalam bentuk :
·
Persamaan
trend, baik persamaan linear maupun persamaan non linear
·
Gambar/grafik
yang dikenal dengan garis/kurva trend, baik garis lurus maupun garis
melengkung.
Trend juga sangat berguna untuk
membuat ramalan yang sangat diperlukan bagi perencanaan, misalnya :
·
Menggambarkan
hasil penjualan
·
Jumlah
peserta KB
·
Perkembangan
produksi harga
·
Volume
penjualan dari waktu ke waktu, dll
Trend
digunakan dalam melakukan peramalan (forecasting). Metode yang biasanya
dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.
2.3 Metode Least Square (Kuadrat
terkecil)
Metode ini paling sering digunakan
untuk meramalkan Y, karena perhitungannya lebih teliti.
Persamaan
garis trend yang akan dicari ialah
Y ‘ = a0 +bx
a = ( ∑Y ) / n
b = (
∑XY ) / ∑x2
dengan :
Y ‘ = data berkala (time
series) = taksiran nilai trend.
a0 = nilai
trend pada tahun dasar.
b = rata-rata
pertumbuhan nilai trend tiap tahun.
x = variabel waktu
(hari, minggu, bulan atau tahun).
Untuk
melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x)
sehingga jumlah nilai variabel waktu adalah nol atau ∑x=0.
Untuk n ganjil maka :
• Jarak
antara dua waktu diberi nilai satu satuan.
• Di
atas 0 diberi tanda negative
• Dibawahnya
diberi tanda positif.
Untuk n genap maka :
• Jarak
antara dua waktu diberi nilai dua satuan.
• Di
atas 0 diberi tanda negatif
• Dibawahnya
diberi tanda positif.
2.4
FORECASTING
( PERAMALAN )
Pengertian peramalan (forecasting) :
adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi dengan
menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa
bentuk model matematis.
3. PEMBAHASAN
3.1 Menganalisis Data Penjualan
Untuk menganalisis penjualan ini
mempunyai 5 data pertahun dari tahun 2008-2012 untuk penjualan suatu produk ,
disini perusahaan akan menganalisis penjualan dari tahun yang akan datang dari
tahun 2013-2017 sehingga perusahaan bisa memprediksi penjualan yang akan datang
pada tahun tersebut.
3.2 Data Penjualan
Data penjualan dari tahun 2008-2012
|
(X)
|
(Y)
|
|
2008
|
130
|
|
2009
|
145
|
|
2010
|
150
|
|
2011
|
165
|
|
2012
|
170
|
Dari data tersebut akan dibuat
forecast penjualan dengan menggunakan Metode least Square.
Penyelesaian :
Analisis menggunakan metode Least
Square
|
(X)
|
(Y)
|
X
|
X2
|
XY
|
X2.Y
|
X4
|
|
2008
|
130
|
-2
|
4
|
-260
|
520
|
256
|
|
2009
|
145
|
-1
|
1
|
-145
|
145
|
1
|
|
2010
|
150
|
0
|
0
|
0
|
0
|
0
|
|
2011
|
165
|
1
|
1
|
165
|
165
|
1
|
|
2012
|
170
|
2
|
4
|
340
|
680
|
256
|
|
Total
|
760
|
0
|
10
|
100
|
1510
|
514
|
|
LOG Y
|
X.LOG Y
|
Y LINEAR
|
Y KUADRAT
|
Y EXSPONSIAL
|
EEXPONSIAL
|
ERRORL
|
|
2,11394
|
-4,2278867
|
132
|
-8699697,704
|
-0,000242647
|
16900,06309
|
4
|
|
2,16137
|
-2,161368
|
142
|
-1882028,833
|
-0,015220901
|
21029,41429
|
9
|
|
2,17609
|
0
|
152
|
390534,1245
|
0
|
22500
|
4
|
|
2,21748
|
2,21748394
|
162
|
-1882008,833
|
359,232399
|
37726,22481
|
9
|
|
2,23045
|
4,46089784
|
172
|
-8699657,704
|
131971,2018
|
17371556791
|
4
|
|
10,8993
|
0,28912708
|
760
|
-20772858,95
|
132330,4187
|
17371654946
|
30
|
Untuk mencari nilai a dan b
A = 760:5 = 152
B = 100:10= 10
Setelah mengetahui nilai variabel a
dan b maka persamaan trendnya dapat diketahui yaitu :
Y = 152 + 10X
Persamaan linearnya
152+10= 162
Kuadratis
|
A= 390534,1
|
|
B= 10
|
|
C= -2272553
|
Exponsial
A= 151,3098
B= 1,142419
3.3
Peramalan
Dari
persamaan fungsi Y diatas maka nilai trend dari tahun 2008 sampai dengan 2012
dapat diketahui :
|
linear=y^2008
|
|
-324
|
|
linear=y^2009
|
|
-162
|
|
linear=y^2010
|
|
0
|
|
linear=y^2011
|
|
162
|
|
linear=y^2012
|
|
324
|
Dari persamaan
fungsi Y diatas juga dapat disusun ramalan penjualan pada tahun
berikutnya untuk dijadikan dasar pembuatan anggaran penjualan.
Y
(2013) = 152+10(3)
= 486
|
linear=y^2013
|
|
486
|
|
linear=y^2014
|
|
648
|
|
linear=y^2015
|
|
810
|
|
linear=y^2016
|
|
972
|
|
linear=y^2017
|
|
1134
|
0 Responses to ANALISIS DATA BERKALA
Posting Komentar