KATA PENGANTAR Show
Puji syukur Kehadirat Tuhan Yang Maha Kuasa atas segala rahmat, karunia terutama kesempatan yang diberikan-Nya, sehingga penulis dapat menyelasaikan penulisan makalah ini secara tuntas, walaupun masih banyak terdapat kekurangan. Selama proses penulisan makalah ini, penulis memperoleh banyak bantuan dari berbagai pihak, baik secara langsung maupun secara tidak langsung. Untuk itu dari hati yang paling dalam penulis menyampaikan ucapan terima kasih kepada · Ibu Fitriyana Setyowati, selaku Dosen Pada Mata Kuliah STATISTIKA DESKTIPTIF. · Teman-teman semua yang telah mendukung dan memberi semangat kepada kami. · semua pihak yang telah membantu penulisan makalah ini. Sebagai manusia biasa penulis menyadari bahwa dalam penulisan makalah ini masih banyak terdapat kekurangan dan kekeliruan, baik dari segi isi maupun dari segi penulisanya. Segala kritikan dan masukan dari semua pihak, akan menjadi pengalaman yang sangat berharga bagi penulis demi kesempurnaan makalah ini. Ciputat, November 2012 (Penulis) DAFTAR ISI Cover BAB I : Pendahuluan 1 1.1. Latar Belakang Masalah 1 1.2. Metode Penulisan 2 1.3. Maksud Dan Tujuan 2 1.4. Manfaat Penulisan 3 BAB II : Landasan Teori 4 2.1. Pengertian Peramalan 4 2.2. Manfaat Peramalan 4 BAB III: Pembahasan
6 3.5. Contoh Soal
9 3.5.2. Data Genap Kelompok Ganjil 13 3.5.3. Data Ganjil 17 BAB IV: Penutup
23 BAB I PENDAHULUAN 1.1 Latar Belakang Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik, maka kita akan dapat menggunakannya untuk keperluan peramalan. Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi. Mendekati nilai tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan, dan tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan atau korelasi. Jika variabel Yi merupakan serangkaian observasi dan ti merupakan variabel waktu yang bergerak secara bersamaan ke arah yang sama, dari masa lalu ke masa mendatang, maka serangkaian data yang terdiri dari Yi dan yang merupakan fungsi dari ti tersebut dinamakan sebagai deret berkala (time series) atau data historis (historical data). Schumpeter merumuskan deret berkala sebagai variabel historis (historical variables) dan merupakan hasil perpaduan antara pengaruh kekuatan-kekuatan yang beraneka ragam. Faktor random dan non random (sistematis) selalu ditemukan dalam variabel historis tersebut. Deret berkala atau runtut waktu adalah serangkaian pengamatan terhadap peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik. Dari suatu rutut waktu akan dapat diketahui pola perkembangan suatu peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat diramalkan peristiwa yang bakal terjadi dimasa yang akan datang. Secara konvensional, analisis deret berkala selalu didasarkan pada anggapan bahwa nilai deret berkala merupakan hasil perkalian (multiplikatif) dari trend sekuler, variasi musim, variasi siklikal, dan variasi random. Namun demikian, data deret berkala juga dapat merupakan hasil penjumlahan atau kombinasi antara perkalian dan penjumlahan dalam seribu satu cara dari komponen-komponennya. 1.2 Metode Penulisan Metode penulisan yang digunakan adalah dengan metode GOOGLE SEARCH dan studi pustaka 1.3 Maksud dan Tujuan penulisan Untuk memenuhi Tugas UAS (Ujian Akhir Semester) STATISTIKA. 1.4 Manfaat penulisan 1. Untuk menambah pengetahuan dalam menganalisis perkembangan suatu variabel dari tahun ketahun. 2. Untuk menambah pengetahuan dalam pembuatan makalah BAB II LANDASAN TEORI 1.1 Pengertian Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode – metode tertentu maka peramalan akan menjadi lebih dari sekedar perkiraan. Peramalan dilakukan dengan memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan dimasa yang akan datang agar tujuan yang diinginkan dapat tercapai. Pertimbangan tentang peramalan telah tumbuh karena beberapa faktor, yang pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungan. Hal ini menjadikan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan meningkat pula. Ketiga lingkungan dari kebanyakan organisasi telah berubah dengan cepat. Peramalan diperlukan karena adanya perbedaan – perbedaan waktu antara kebijaksanaan baru dengan waktu pelaksanaan tersebut. Oleh karena itu, dalam menentukan kebijaksanaan perlu diperlukan kesempatan atas peluang yang ada, dan gangguan yang mungkin terjadi pada saat kebijaksanaan baru tersebut dilaksanakan. Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau tindakan-tindakan yang perlu dilakukan. 1.2 Manfaat Peramalan Adapun manfaat dari peramalan adalah sebagai berikut : 1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan secara tepat. BAB III PEMBAHASAN 3.1 Pengertian Analisa Deret Berkala Analisa deret berkala merupakan prosedur analisis yang dapat digunakan untuk mengetahui gerak perubahan atau perkembangan nilai suatu variabel sebagai akibat dari perubahan waktu. Dalam analisis ekonomi dan lingkungan bisnis biasanya analisa deret berkala digunakan untuk meramal (forecasting ) nilai suatu variabel pada masa lalu dan masa yang akan datang berdasarkan pada kecenderungan dari perubahan nilai variabel tersebut. Analisa deret berkala (time series) juga merupakan suatu analisis yang berdasarkan hasil ramalan yang disusun atas pola hubungan antara variabel yang dicari dengan variabel waktu yang mempengaruhinya. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel. Analisa deret berkala bertujuan untuk: 1. Mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu. 2. Meramal (forecast) nilai suatu variabel pada suatu waktu tertentu. 3.2 Komponen Deret Berkala Analisis deret berkala atau time series meliputi identifikasi komponen-komponen yang menyebabkan terjadinya fluktuasi dalam serangkaian data historis. Komponen-komponen dari time series sebagai berikut:
Trend (atau trend sekuler) adalah gerakan berjangka panjang yang menunjukkan adanya kecenderungan kenaikan dan penurunan secara keseluruhan. Komponen trend ini dapat ditunjukkan dengan garis regresi yang bersesuaian dengan titik-titik time series baik yang memiliki slope (sudut) positif maupun negatif.
Komponen seasonal atau musiman juga merupakan fluktuasi periodik, tetapi periode waktunya sangat singkat yaitu satu tahun atau kurang. Sebagai contoh, penjualan secara eceran untuk kebutuhan alat-alat mandi cenderung lebih tinggi pada saat musim semi (spring) dan lebih rendah pada musim dingin (winter). Demikian juga, department store biasanya mengalami puncaknya pada saat menjelang hari Lebaran dan hari Natal, biro perjalanan pada saat liburan musim panas, dan toko kelontong pada saat gajian para pegawai.
Komponen siklikal adalah fluktuasi pada time series yang berulang sepanjang waktu, dengan periode lebih dari satu tahun antara satu puncak (peak) ke puncak berikutnya. Siklus bisnis adalah sebuah contoh dari fluktuasi jenis ini. Kadang-kadang, siklus dapat terjadi dalam ribuan tahun, misalnya temperatur global merupakan sikuls 100,000 tahunan.
Komponen ini memperlihatkan fluktuasi yang random atau “noise” sebagai akibat adanya suatu perubahan yang mendadak, misalnya mogok kerja, embargo minyak, kesalahan fungsi peralatan, atau kejadian lainnya baik yang menguntungkan maupun yang merugikan. Variasi random ini dapat menyulitkan kita dalam mengidentifikasi efek dari komponen yang lain (trend, siklus, dan musim). 3.3 Ciri-ciri Trend Sekuler Trend (T) (atau trend sekuler) adalah gerakan 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 ke atas, perlu diketahui bahwa trend sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan. Misalnya: 1. Menggambarkan hasil penjualan 2. Jumlah peserta KB 3. Perkembangan produksi harga 4. Volume penjualan dari waktu ke waktu (dll) Analisis trend merupakan suatu metode analisis statistika yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut. Rumus untuk menentukan trend Dimana: Y : nilai variabel Y pada suatu waktu tertentu a : perpotongan antara garis trend dengan sumbu tegak (Y) b : kemiringan (slope) garis trend x : periode waktu deret berkala Ada beberapa metode yang dapat digunakan untuk menentukan persamaan garis yang menunjukkan hubungan antara nilai variabel dengan waktu, yaitu metode tangan bebas, metode semi rata-rata, metode rata-rata bergerak dan metode kuadrat terkecil. 3.4 Rumus Metode Semi Average (Rata-rata Semi) Metode trend setengah rata-rata menentukan bahwa untuk mengetahui fungsi Y = a + bx, semua data historis dibagi menjadi dua kelompok dengan jumlah anggota masing-masing sama. a. Metode Setengah Rata-rata dengan data historis dalam jumlah genap. b.Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil Persamaan trend yang diperoleh dengan menggunakan metode ini, selain dapat digunakan untuk mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu, juga dapat digunakan untuk meramal nilai suatu variabel tersebut pada suatu waktu tertentu. Persamaannya adalah sebagai berikut : b =Y2-Y1/ n Keterangan : b : perubahan nilai variabel setiap tahun Y1: rata-rata kelompok pertama Y2: rata-rata kelompok kedua n : periode tahun antara tahun A 3.5 Contoh Soal 3.5.1 Data Genap Kelompok Genap
Jumlah seluruh data di atas yakni 12 data (Genap). Oleh karena itu analisis data dilakukan dengan cara sebagai berikut:
Penyelesian: Untuk Kelompok I Semi Total = 861150 + 766572 + 762795 + 757399 + 732609 + 794931 = 4.675.456 Semi Average = 4.675.456 6 = 779.242,6667 Untuk Kelompok II Semi Total = 802810 + 853615 + 965164 + 1048934 + 893124 + 964221 = 5.527.868 Semi Average = 5.527.868 6 =921.311,3333 b = Y2 – Y1 n = 921.311,3333 - 779.242,6667 6 = 142.068,6666 6 = 23.678,1111 Maka rumus peramalan yang digunakan yaitu Y’= a + b(x) Y’= 779.242,6667+23.678,1111(x) Grafik produksi bawang merah di indonesia Tahun 2001 - 2012 Misalkan untuk meramal pada tahun 2017 Maka x=27/2 =13,5 Y’2017 = a+ b(x) =779.242,6667 + 23.678,1111(13,5) = 779.242,6667 + 319.654,4999 Y’2017 = 1.098.897,167 Jadi, dapat diramalkan untuk tahun 2017 produksi Indonesia terhadap bawang merah yaitu 1.098.897 ton. Dapat diramalkan juga untuk tahun berikut: 2013 = 1.004.187 ton 2014 = 1.027.862 ton 2015 = 1.051.540 ton 2016 = 1.075.219 ton 2017 = 1.098.897 ton 3.5.2 Data Genap Kelompok Ganjil
Jumlah seluruh data di atas yakni 14 data (Genap). Oleh karena itu analisis data dilakukan dengan cara sebagai berikut:
Penyelesaian Untuk Kelompok I Semi Total = 794931 + 802810 + 853615 + 965164 + 1048934 + 893124 + 964221 = 6.322.799 Semi Average = 6.322.799 7 = 903.257 Untuk Kelompok II Semi Total = 938293 + 772818 + 861150 + 766572 + 762795 + 757399 + 732609 = 5.591.636 Semi Average = 5.591.636 7 =798.805,14 b = Y2 – Y1 n = 903.257 - 798.805,14 7 = 14.921,7 Maka rumus peramalan yang digunakan yaitu Y’ = a+ b(x) Y’ = 903.257 + 14.921,7(x) Grafik produksi Indonesia terhadap bawang merah (ton) Misalkan untuk meramal pada tahun 2020 yang akan datang Untuk tahun 2020, x= 11 Y’2020 = a + b(x) Y’2020 = 903.257 + 14.921,7(11) Y’2020 = 903.257 + 164.138,7 Y’2020 = 1.067.395,7 Jadi, dapat diramalkan untuk tahun 2020 produksi Indonesia terhadap bawang merah yaitu 1.067.395,7 ton. Dapat diramalkan juga untuk tahun berikut: 2013 = 962.943,8 ton 2014 = 977.865,5 ton 2015 = 992.787,2 ton 2016 = 1.007.708,9 ton 2017 = 1.171.847,6 ton 3.5.3 Data Ganjil
Grafik produksi wortel (ton) di Indonesia Dalam metode semi average yang jumlah datanya ganjil dapat dikerjakan dengan 2 cara, yaitu : 1. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara memasukkan periode tahun serta nilai deret berkala tertengah ke dalam tiap kelompok. b = Y2 - Y1 n-1
Untuk kelompok I Semi Total = 326693 + 300648 + 282248 + 355802 + 423722 + 440002 + 391371 = 2.520.486 Semi Average = 2.250.486 7 = 360.069,4286 Untuk kelompok II Semi Total = 391371 + 350171 + 367111 + 358014 + 403827 + 526917 + 465534 = 2.862.945 Semi Average = 2.862.945 7 = 408.992,1429 b = Y2 – Y1 n-1 = 408.992,1429 - 360.069,4286 7 – 1 = 48.922,7143 6 = 8153,785717 Maka rumus peramalan yang digunakan yaitu Y’ = a + b(x) Y’ = 360.069,4286 + 8153,785717(x) Misalkan untuk meramal pada tahun 2015 yang akan datang Untuk tahun 2015, x = 12 Y’2015 = a+ b(x) Y’2015 = 360.069,4286 + 8153,785717(12) Y’2015 = 360.069,4286 + 97.845,42852 Y’2015 = 457.914,8571 Jadi, dapat diramalkan untuk tahun 2015 produksi Indonesia terhadap wortel yaitu 457.914 ton. Dapat pula diramalkan untuk tahun berikut: 2013 = 441.607 ton. 2014 = 449.761 ton. 2015 = 457.914 ton. 2. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara menghilangkan periode tahun serta nilai deret berkala tertengah. b = Y2- Y1 n+1
Untuk kelompok I Semi Total = 326 693 +300 648 + 282 248 + 355 802 + 423 722 + 440 002 = 2.129.115 Semi Average = 2.129.115 6 = 354.852,5 Untuk kelompok II Semi Total = 350 171 + 367 111 + 358 014 + 403 827 + 526 917 + 465 534 = 2.471.574 Semi Average = 2.471.574 6 = 411.929 b = Y2 – Y1 n+1 = 411.929 - 354.852,5 6+1 = 57.076,5 7 = 8153,785714 Jadi rumus peramalan yang digunakan yaitu Y’ = a + b(x) Y’ = 354.852,5 + 8153,785714(x) Misalkan untuk meramalkan pada tahun 2019 Untuk tahun 2019, x = 33/ 2 =16,5 Y’2019 = a + b(x) Y’2019 = 354.852,5 + 8153,785714(x) Y’2019 = 354.852,5 + 8153,785714(16,5) Y’2019 = 354.852,5 + 134.537,4643 Y’2019 = 489.389,9643 Jadi, dapat diramalkan untuk tahun 2019 produksi Indonesia terhadap wortel yaitu 489.389 ton. Dapat pula diramalkan untuk tahun berikut : 2013 = 440.467 ton 2014 = 448.621 ton 2015 = 456.774 ton BAB IV PENUTUP 4.1 Kesimpulan Metode trend setengah rata – rata merupakan salah satu tekhnik yang di gunakan dalam melakukan suatu forecast , namun metode ini jarang digunakan dalam menentukan peramalan. Untuk melakukan peramalan dengan metode ini dapat dilakukan dengan dua cara : a. Metode Setengah Rata-rata dengan data historis dalam jumlah genap. b.Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil 4.2 Saran Sebaiknya melakukan peramalan dengan metode ini dapat diperdalam lagi dalam pembelajarannya karena kadang kala metode ini tidak begitu tepat dalam melakukan peramalannya maka dari itu dibutuhkan penjelasan yang lebih mendalam lagi Daftar Pustaka Drs.Andi Supangat, M.Si,statistika dalam kajian deskriptif, bandung,2007. Algifari,satistika deskriptif plus,upp stim ykpn, yogyakarta,2013. Google search, www.bps.go.id Apa itu Metode Semi Average?Pengertian Metode Semi Average Metode setengah rata-rata dimaksudkan sebagai cara untuk menentukan model trend selain menggunakan cara kuadrat terkecil. Pada metode ini, dari sekelompok data dibagi menjadi dua bagian yang sama. Metode Trend semi average dapat digunakan untuk keperluan apa saja?Metode trend semi average dapat digunakan untuk keperluan peramalan dengan membentuk suatu persamaan seperti analisis regresi. Metode semi average dapat digunakan dengan jumlah data genap ataupun ganjil. Apa keunggulan dari garis trend metode setengah rataDemikianlah pembahasan tentang metode setengah rata-rata (semi average method) untuk data genap. Kelebihan menggunakan metode ini yaitu mudah dipahami dibandingkan dengan metode lain untuk mengukur tren liniernya. Apa saja kegunaan metode trend Semi Average?Metode trend semi average dapat digunakan untuk keperluan peramalan dengan membentuk suatu persamaan seperti analisis regresi. Metode ini dapat digunakan dengan jumlah data genap ataupun ganjil.
Apa keunggulan dari garis trend metode setengah rataKelebihan Metode Setengah Rata-Rata
Cara ini sangat sederhana dan mudah dipahami, serta tidak memerlukan banyak perhitungan. Dalam analisis trend menggunakan metode setengah rata-rata, unsur subyektifitas mulai dihapuskan karena teknik peramalannya sudah menggunakan perhitungan-perhitungan.
Apa itu Metode Semi Average?Metode setengah rata-rata dimaksudkan sebagai cara untuk menentukan model trend selain menggunakan cara kuadrat terkecil. Pada metode ini, dari sekelompok data dibagi menjadi dua bagian yang sama (Supangat, 2007).
Apa saja langkah langkah metode trend Semi Average?Metode Trend Semi Average (Setengah Rata-Rata). Mengelompokkan data menjadi 2 kelompok. ... . Menetukan periode dasar dapat dilakukan dengan dua cara: ... . Menentukan angka tahun berdasarkan periode dasar.. Menetukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.. |