1 / 32

Kelompok CDM ( Cash Deposit Machine )

Kelompok CDM ( Cash Deposit Machine ). Matsna Putri M Ibni Prili A Maharatih Handini Nur Farida Chairun N Uthia Afida Yoehana Alaina B. Analisis Data Berkala. Pengertian Data Berkala.

cambria-jovan
Download Presentation

Kelompok CDM ( Cash Deposit Machine )

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Kelompok CDM ( Cash Deposit Machine ) Matsna Putri M Ibni Prili A Maharatih Handini Nur Farida Chairun N Uthia Afida Yoehana Alaina B

  2. Analisis Data Berkala

  3. Pengertian Data Berkala Data berkalaadalah data yang dikumpulkandariwaktukewaktuuntukmenggambarkansuatuperkembanganataukecenderungankeadaan /peristiwa. Data berkaladisebutjugatime series dataataudisingkattime series.

  4. Contoh Data Berkala • Pertumbuhan ekonomi pertahun dari tahun 1995 – 2000 • Nilai ekspor tekstil per tahun dari tahun 1990 – 2000 • Jumlah produksi minyak per tahun • Indeks harga saham per hari

  5. Ciri-Ciri dan Penggolongan Data Berkala • Dalam data berkalaterdapatgerakan-gerakankhastertentuatauvariasi-variasi (variations) dalamtingkatberbeda. Analisisdarigerakan-gerakaninisangatpentingdalamberbagaihal, salahsatudiantaranyaadalahmeramalkan(forcasting ) gerakan-gerakan yang akandatang. • Olehkarenaitu, tidakmengherankanbanyakindustridanlembaga-lembagapemerintahsangatberkepentingandengananalisisgerakan-gerakan data berkalaini. • Gerakan-gerakankhas data berkaladapatdigolongkanmenjadiempatkelompokutama, yang seringdisebutkomponen-komponen data berkala,yaitu: (1) gerakan trendjangkapanjang(T), (2) gerakansiklis(C), (3) gerakanvariasimusim(S), (4) gerakan yang takteraturataugerakan yang acak(I)

  6. 1. Gerakan Trend JangkaPanjang(Long Term Movement Or Secular Trend) • Gerakan trend jangka panjang adalah suatu gerakan yang menunjukkan arah perkembangan atau kecenderungan secara umum dari data berkala yang meliputi jangka waktu yang panjang. Dengan lebih singkat dapat disebutkan bahwa gerakan trend jangka panjang adalah suatu garis halus atau kurva yang menunjukkan suatu kecenderungan umum dari suatu data berkala. Kecenderungan tersebut arahnya bisa naik bisa juga turun

  7. Kurva

  8. 2. GerakanSiklisatauVariasiSiklis (Cyclical Moments or Variations) • GerakanSiklisadalahGerakannaikturundisekitargaris trend dalamjangkapanjang.Ataubiasajugadikatakansuatugerakansekitar rata-rata nilai data berkala, diatasataudibawahgaris trend dalamjangkapanjang. • Gerakansiklisinibisaberulangsetelahjangkawaktutertentu, misalnyasetiap 3 tahun, 5 tahunataubahkanlebih, tetapibisajugatidakberulangdalamjangkawaktu yang sama. Dalamkegiatanbisnisdanekonomi, gerakan-gerakanhanyadianggapsiklisapabilatimbulkembalisetelahjangkawaktulebihdari 1 tahun.

  9. Kurva

  10. 3. GerakanMusiman (Seasonal Movement) • Gerakan musiman atau variasi musiman (seasonal movement) adalah gerakan yang mempunyai pola-pola tetap atau identik dari waktu ke waktu dengan waktu yang kurang dari satu tahun. • Pada umumnya gerakan musiman terjadi pada data bulanan yang dikumpulkan dari tahun ke tahun, tapi juga berlaku bagi data harian, mingguan, atau satuan waktu yang lebih kecil lagi • Dengan demikian jelas bahwa variasi musiman adalah suatu pola yang berulang dalam jangka pendek.

  11. Kurva

  12. 4. GerakanTidakTeraturatauAcak (Irregular or Random Movement) • Gerakan tidak teratur atau gerakan acak adalah gerakan yang bersifat sporadis atau gerakan dengan pola yang tidak teratur dan tidak dapat diperkirakan yang terjadi dalam waktu singkat. • Gerakan tidak teratur dari data berkala disebabkan oleh peristiwa-peristiwa yang terjadi secara kebetulan seperti banjir, pemogokan, pemilihan umum, dan perubahan pemerintahan.

  13. Kurva

  14. CARA MENENTUKAN PERSAMAAN TREND Ada 4 carauntukmenentukanpersamaan trend linear : • MetodeBebas • Metodesetengah rata-rata • Metode rata-rata bergerak • Metodekuadratterkecil • Keempatcarainidipakaiuntukmenentukanbentukumumpersamaan trend linier,yaitu : Ŷ = a + bX

  15. Persamaan UMUM Ŷ = a + bX Y adalah nilai trend pada periode tertentu (variabel tak bebas) X adalah periode waktu (variabel bebas) a adalah intersep dari persamaan trend b adalah koefisien kemiringan aau gradien dari persamaan trend yag menunjukkan besarnya perubahan Ŷ bila terjadi perubahan satu unit X.

  16. Metode Bebas • Metode bebas merupakan cara yang paling sederhana dan mudah untuk menentukan trend dari data berkala. Langkah-langkah yang diperlukan untuk menentukan persamaan trend dengan cara ini adalah sebagai berikut: • Buatsumbudatar (X,Y) dengan X : waktu (thn) berkala, Y : nilai data berkala (Note: thn 1987 sbgtitikasalshg X=0, dst)

  17. Contoh : Besar dana pinjaman yg disalurkan PT. Jasa Raharja untuk modal kerja bagi pengusaha kecil dari tahun 1987 – 1995 (dlm miliar rupiah)

  18. Pilih 2 titik sembarang, cth (2 ; 2,5) dan (7 ; 3,8) dan substitusikan kedalam persamaan umum • Didapat persamaan : Ŷ = 1,98 + 0,26X • Tentukan nilai-nilai trend dari persamaan yang didapat • Ŷ = 1,98 + 0,26X --- Utk thn 1988 : X(1) = 1,98 + 0,26(1) = 2,24, dst

  19. METODE Setengah Rata2 • Bagi data berkala menjadi 2 kelompok yang sama banyak Kelompok 2 Kelompok 1 dihilangkan • Tentukan rata-rata hitung masing-masing kelompok, contoh : Kelompok 1 Kelompok 2

  20. Tentukan 2 titik dimana absis X1 dan X2 ditentukan dari periode waktu data berkala. Sehingga didapat titik (1,5 ; 2,325) dan (6,5 ; 3,5) • Tentukan nilai a dan b dengan mensubstitusikan nilai-nilai X dan Y dari 2 titik tersebut pada persamaan umum Didapat persamaan : Ŷ = 1,9725 + 0,235X

  21. Substusi nilai X ke pers trend : Tahun 1988 : X=1  Ŷ = 1,9725 + 0,235(1) = 2.,21 dst • Selisih taksiran : Dari tabel diatas kita dapat melihat selisih yang sesungguhnya dan taksirannya sebesar e = 1,5 – 1,97 = - 0.47 ,dst

  22. Metode rata – rata bergerak • Contoh Data penjualan suatu perusahaan disajikan dalam tabel berikut. Buatlah rata-rata bergerak 4 tahun atau 5 tahun. Buatlah kurvanya dalam satu grafik.

  23. Kurva Dari grafik, bahwa semakin besar derajat rata-rata bergerak, semakin mulus bentuk kurva. Maksudnya, semakin berkurang fluktuasinya maka tampak jelas adanya trend (dalam hal ini trend menurun)

  24. MetodeKuadrat Minimum (Cara Singkat) • Denganmemakai data berkalasebelumnya, tentukanpersamaan trend linear Ŷ = a + bXdenganmemakaimetodekuadratcarasingkat • Dari tabel diatas diperoleh nilai a & b sbb :

  25. Dari persamaan trend Ŷ = a + bXmaka Ŷ=2,84+0,32X. Denganpersamaantersebutdapatdicarinilai X untuk X=-4, tahun 1987, makanilai trend nyaadalah : Ŷ=2,84+0.32(-4)=1,56, dst.

  26. PERSAMAAN TREND KUADRAT Dipakai untuk data berkala jangka panjang. Rumus : Ŷ = a + bX + cX² Dimana a, b dan c ditentukan dengan menggunakan kuadrat minimum sbb :

  27. Keuntungan bersih (dalam milyar rupiah) perusahaan A dari tahun 1985 – 1993 adalah sbb : • Tentukan persamaan trend • Berapa proyeksi keuntungan pada tahun 1995?

  28. a. Nilai a, b dan c

  29. JADI Ŷ = a + bX + cX² Ŷ =18,06 – 0,15X + 0,46X²

  30. b. Pada tahun 1995, nilai X=6, maka proyeksi (ramalan/ perkiraan) keuntungan adalah : Ŷ =18,06 – 0,15(6) + 0,46(6)²=33,72 miliar rupiah.

  31. Terima kasih ..........

More Related