ANALISA TIME SERIES

Nama: Geysya salsa nurbaety
NIM:B1A121129
Kelas:F
Mata kuliah: Statistik Ekonomi II

1.Metode time series adalah metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan dipekirakan dengan variabel waktu. Peramalan suatu data time series perlu memperhatikan tipe atau pola data.

2.1. Base atau Level. Nilai dari data jika serial data tersebut merupakan garis lurus.

2. Trend. Kemiringan meningkat atau menurun yang terlihat di Time Series. Di dalam Trend juga terdapat komponen Cyclic yang berbeda dari Trend tetapi sering digabungkan menjadi satu dengan Trend.

3. Seasonality. Pola unik yang terlihat di suatu interval waktu karena faktor musiman. Hal ini bisa karena suatu bulan di setiap tahunnya, suatu hari di setiap bulannya, atau bahkan suatu jam di dalam satu hari.

4. Residual atau Noise atau Error. Variasi dari data yang tidak dapat dijelaskan.

3.Analisis trends merupakan suatu metode analisis statistika yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. 

4.Menurut Murti (2019) yang menyatakan bahwa metode trend kuadratik adalah trend yang mempunyai persamaan berbentuk fungsi kuadrat dengan bentuk grafik seperti parabola baik yang terbuka keatas maupun parabola terbuka kebawah.

5.Garis tren eksponensial adalah garis lengkung yang paling berguna ketika nilai data naik atau turun pada tingkat semakin tinggi. Anda tidak bisa membuat garis tren eksponensial jika data Anda berisi nilai nol atau negatif.

6. Moving average atau rata – rata bergerak merupakan suatu metode peramalan yang menghitung rata – rata suatu nilai runtut waktu dan kemudian digunakan untuk memperkirakan nilai pada periode selanjutnya.

7. Metode Rasio Rata-Rata Bergerak
Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3 triwulan dari data produksi jengkol berikut.
Tahun
Produksi
Triwulan
I
II
III
2006
80
43
25
12
2007
56
29
18
9
2008
72
32
29
11
2009
56
26
21
9

Penyelesaian :
a. Membuat rata-rata bergerak dan rasio data asli dengan nilai rata-rata bergerak.
Tahun
Triwulan 
Data Asli
Total Bergerak 3 Triwulan
Rata Rata
Indeks Musim

I
43



2003
II
25
43+25+12 = 80
26.67
94

III
12
25+12+29 = 66
22.00
55

I
29
12+29+18 =59 
19.67
147
2004
II
18
29+18+9 = 56
18.67
96

III
9
18+9+32 = 59
19.67
46

I
32
9+32+29 = 70
23.33
137
2005
II
29
32+29+11 = 72
24.00
121

III
11
29+11+26 = 66
22.00
50

I
26
11+26+21 = 58
19.33
135
2006
II
21
26+21+9 = 56
18.67
112

III
9




1. Membuat rata rata bergerak dengan 3 triwulan, maka dibuat penjumlahan setiap 3 triwulan. Contoh penjumlahan triwulan pertama 43+25+12= 80. Nilai ini bisa dilakukan pada triwulan I,II, atau III tidak ada aturan baku. Untuk contoh ini diletakkan pada triwulan 2 karena posisinya ada di tengah. Untuk jumlah total triwulan selanjutnya bergerak yaitu meninggalkan triwulan I tahun 2003 dan masuk triwulan I tahun 2004, sehingga menjadi 25+12+29= 66. Hal ini diteruskan sampai selesai.
2. Membuat rata rata bergerak. Jumlah penjumlahan selam 3 triwulan perlu dibuat rata ratanya dengan cara membagi jumlah pada kolom 4 dengan 3. Contoh 80/3= 26,67.
3. Membuat Indeks Musim dengan membuat rasio antara data asli dengan data rata rata. Contoh (25/26,67) X 100 = 94 (dibulatkan).

b. Setelah mendapatkan indeks musim setiap triwulan, perlu untuk mengetahui rata rata setiap kuartalan dari setiap tahunnya. Maka dari indeks musim triwulan dikelompokkan ke dalam triwulan yang sama.
Tahun
Triwulan
I
II
III
2003

94
55
2004
147
96
46
2005
137
121
50
2006
135
112

Rata rata
140 (139.67)
106 (105.75)
50 (50.33)

c. Menentukan factor koreksi. Jumlah kuartal dalam setahun (n) sama dengan 3. Oleh sebab itu penjumlahan nilai rata rata indeks kuartalan yaitu 140 + 106 + 50 = 296. Oleh sebab itu, perlu diperhatikan factor koreksi. Factor koreksi dirumuskan sebagai berikut :

Factor koreksi= = = = 1.0135135

d. Indeks musim kuartalan selanjutnya dikalikan dengan factor koreksi.
Indeks triwulan I = 140 x1.0135135 = 141.89189
Indeks triwulan II =106 x1.0135135 = 107.43243
Indeks triwulan III = 50 x1.0135135 = 50.675675

Angka indeks triwulan inilah yang digunakan untuk peramalan selanjutnya.


Referensi: Internet/ google

1.https://eprints.uny.ac.id/8326/3/BAB2-06305149010.pdf

2.https://medium.com/purwadhikaconnect/mengenal-time-series-dan-struktur-yang-membentuknya-2e74252178c2

3.https://id.m.wikipedia.org/wiki/Analisis_tren

4.http://eprints.undip.ac.id/82052/1/Jurnal_JEPA_Linda_Apriyanti_(UNDIP).pdf

5.https://support.microsoft.com/id-id/office/memilih-garis-tren-terbaik-untuk-data-anda-1bb3c9e7-0280-45b5-9ab0-d0c93161daa8#:~:text=Garis%20tren%20eksponensial%20adalah%20garis,berisi%20nilai%20nol%20atau%20negatif

6.http://repositori.usu.ac.id/bitstream/handle/123456789/8023/152407092.pdf?sequence=1&isAllowed=y

7http://ulphulph.blogspot.com/2015/02/ratio-rata-rata-bergerak.html?m=1


Postingan populer dari blog ini

PENGUJIAN HIPOTESIS SAMPEL KECIL

Nama: Geysya salsa nurbaety Kelas:F Nim:B1A121129 Matkul: Statistik ekonomi II 1. SAMPEL KECIL Jumlah sampel kurang dari 30, maka nilai standar deviasi (s) berfluktuasi relatif besar,sehingga nilai uji Z (Z = µ /s√n) tidak bersifat normal. Oleh karena itu, untuk sebaran distribusisampel kecil dikembangkan suatu distribusi khusus yang dikenal sebagai distribusi t atau t-Student . Distribusi Studentatau distribusi t, ialah Distribusi dengan variabel acak kontinulainnya, selain daripada distribusi normal dengan fungsi densitasnya. Ciri Distribusi T sample yang di uji berukuran kurang dari 30 a. Jika n ≥ 30, digunakan  x  sebagai Normal distribusi. •  Bila x adalah normal, maka x  juga normal. •  Bila x tidak diketahui distribusinya, maka x  mendekati normal. • Bila σ   tidak diketahui, gantilah σ  dengan s. b. Jika 15 ≤ n < 30, gunakan Normal atau distribusi-T, tergantung dari σ  diketahui atau tidak. •  Bila x adalah Normal, maka  x  juga Normal jika σ  diketahui, digunakan distribusi
Baca selengkapnya

ANALISA REGRESI DAN KORELASI LINEAR BERGANDA

Gambar
Nama: Geysya salsa nurbaety Kelas:F Nim:B1A121129 Matkul: Statistik ekonomi II 1.Regresi linear berganda merupakan model regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen (Ghozali, 2018). 2. -Menurut Widarjono, Uji Koefisien Determinasi (R-Squared) adalah uji untuk menjelaskan besaran proporsi variasi dari variabel dependen yang dijelaskan oleh variabel independen. Selain itu, uji koefisien determinasi juga bisa digunakan untuk mengukur seberapa baik garis regresi yang kita miliki. -Koefisien Korelasi Ganda adalah indeks atau angka yang digunakan untuk mengukur keeratan hubungan antar tiga variabel atau lebih (Ariadi, 2012). Koefisien korelasi merupakan besar kecilnya hubungan antara dua variabel yang dinyatakan dalam bilangan yang disebut dengan koefisien korelasi. -satu variabel independen/bebas berhubungan dengan satu variabel depende
Baca selengkapnya

PENGUJIAN HIPOTESIS SAMPEL BESAR

Gambar
Nama: Geysya salsa nurbaety Kelas:F Nim:B1A121129 Matkul Statistik ekonomi II 1.Hipotesis berasal dari bahasa Yunani, yaitu  Hypo  dan  Thesis .  Hypo  berarti lemah, kurang, atau di bawah, sedangkan  Thesis  berarti teori atau pernyataan yang disajikan dengan bukti. Dapat dikatakan bahwa hipotesis adalah suatu pernyataan yang masih lemah kebenarannya dan masih diperlukan pembuktian, atau dugaan sementara mengenai suatu hal. Pengujian hipotesis merupakan suatu proses untuk menguji suatu hipotesis tersebut diterima atau ditolak untuk menjadi parameter dari sebuah populasi dalam penelitian. Tujuan dilakukan pengujian hipotesis adalah guna mendapatkan hasil yang berupa penentuan parameter dari sebuah penelitian kuantitatif yang membutuhkan pembuktian. 2. Prosedur uji hipotesis Tentukan parameter yang akan diuji. Tentukan  Hipotesis  nol (H 0 ) Tentukan  Hipotesis  alternatif (H 1 ) Tentukan (α) Pilih statistik yang tepat. Tentukan daerah penolakan. Hitung statistik  uji . Putuskan apakah 
Baca selengkapnya