BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2. Tinjauan Teoritis

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORI

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

Regresi Linier Sederhana Definisi Pengaruh

BAB III UKURAN PEMUSATAN DATA

S2 MP Oleh ; N. Setyaningsih

BAB 5. ANALISIS REGRESI DAN KORELASI

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

XI. ANALISIS REGRESI KORELASI

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

Regresi & Korelasi Linier Sederhana

REGRESI & KORELASI LINIER SEDERHANA

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

TINJAUAN PUSTAKA Evaluasi Pengajaran

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

REGRESI & KORELASI LINIER SEDERHANA

8. MENGANALISIS HASIL EVALUASI

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Bab II Teori Pendukung

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB II TINJAUAN PUSTAKA

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

BAB III METODE PENELITIAN

BAB III PERSAMAAN PANAS DIMENSI SATU

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

MODUL ANALISIS REGRESI DAN KORELASI

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

KOMPARASI METODE LEAST SQUARE DAN DOUBLE EXPONENTIAL SMOOTHING UNTUK MENGANALISIS PENDAPATAN RETRIBUSI UJI KENDARAAN BERMOTOR

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

INTERPOLASI. FTI-Universitas Yarsi

Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

POLIGON TERBUKA TERIKAT SEMPURNA

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

2.2.3 Ukuran Dispersi

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

PEMBELAJARAN 4 ANALISIS REGRESI KORELASI

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

LAPORAN RESMI MODUL VII TIME SERIES FORECASTING

BAB III METODOLOGI III-1

Muniya Alteza

Uji Statistika yangb digunakan dikaitan dengan jenis data

X a, TINJAUAN PUSTAKA

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

UKURAN GEJALA PUSAT (UGP)

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

b) Untuk data berfrekuensi fixi Data (Xi)

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

BAB III ISI. x 2. 2πσ

BAB 1 ERROR PERHITUNGAN NUMERIK

IV. METODE PENELITIAN

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

kesimpulan yang didapat.

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Transkripsi:

BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah suatu stuas atau kods yag dperkraka aka terjad pada masa yag aka datag. Utuk mempredkska hal tersebut dperluka data yag akurat d masa lalu, sehgga dapat dlhat prospek stuas da kods d masa yag aka datag. Pada umumya keguaa peramala adalah sebaga berkut : 1. Sebaga alat batu dalam perecaaa yag efektf da efse. 2. Utuk meetuka kebutuha sumber daya d masa medatag. 3. Utuk membuat keputusa yag tepat. Keguaa peramala terlhat pada saat pegambla keputusa. Keputusa yag bak adalah keputusa yag ddasarka atas pertmbaga apa yag aka terjad pada waktu keputusa dalam berbaga kegata perusahaa. Bak tdakya hasl dar suatu peelta sagat dtetuka oleh ketetapa ramala yag dbuat. Walaupu

demka perlu dketahu bahwa ramala selalu ada usur kesalahaya, sehgga yag perlu dperhatka adalah usaha utuk memperkecl kesalaha dar ramala tersebut. 2.2 Jes-jes Peramala Berdasarka sfatya peramala dbedaka atas dua macam yatu : 1. Peramala Kualtatf Peramala Kualtatf adalah peramala yag ddasarka atas data kualtatf pada masa lalu. Hasl peramala yag dbuat sagat bergatug pada orag yag meyusuya. Hal petg karea hasl peramala tersebut dtetuka berdasarka pedapat da pegetahua serta pegamala peyusuya. 2. Peramala Kuattatf Peramala Kuattatf adalah peramala yag ddasarka atas data kuattatf masa lalu. Hasl peramala yag dbuat sagat tergatug pada metode yag dperguaka dalam peramala tersebut. Bak tdakya metode yag dperguaka oleh perbedaa atau peympaga atara hasl ramala dega keyataa yag terjad. Semak kecl peympaga atara hasl ramala dega keyataa yag terjad maka semak bak pula metode yag dguaka. Peramala Kuattatf dapat dterapka bla terdapat kods berkut : a. Terseda formas ( data ) tetag masa lalu

b. Iformas ( data ) tersebut dapat dkuattatfka dalam betuk data umerk c. Dapat dasumska bahwa beberapa aspek pola masa lalu aka terus berlajut pada masa yag aka datag. Pada peyusua Tugas Akhr, peramala yag dguaka peuls adalah peramala kuattatf. 2.3 Metode Peramala 2.3.1 Pegerta Metode Peramala Metode Peramala adalah suatu cara memperkraka atau megestmas secara kuattatf maupu kualtatf apa yag terjad pada masa depa berdasarka data yag releva pada masa lalu. Keguaa Metode Peramala adalah utuk memperkraka secara sstemats da pragmats atas dasar data yag releva pada masa lalu. Dega demka metode peramala dharapka dapat memberka objektvtas yag lebh besar. 2.3.2 Jes-jes Metode Peramala 1. Metode peramala yag ddasarka atas pegguaa aalsa hubuga atar varabel yag dperkraka dega varabel waktu merupaka deret berkala

( Tme Seres ). Metode Peramala yag termasuk pada jes yatu : a. Metode Pemulusa ( smoothg ) b. Metode Box Jeks c. Metode Proyeks Tred dega regres 2. Metode peramala yag ddasarka atas pegguaa aalss pola hubuga atar varabel yag aka dperkraka dega varabel la yag mempegaruhya, yag buka waktuya dsebut Metode Korelas atau sebab akbat ( metode causal ). Metode peramala yag termasuk dalam jes adalah : a. Metode Regres da Korelas b. Metode Ekoometr c. Metode Iput Output 2.3.3 Metode Pemulusa ( Smoothg ) Metode pemulusa ( smoothg ) adalah metode peramala dega megadaka peghalusa atau pemulusa terhadap data masa lalu yatu dega megambl ratarata dar la beberapa tahu utuk meaksr la pada tahu yag aka datag. Secara umum metode pemulusa ( smoothg ) dapat dgologka mejad beberapa baga : 1. Metode Perataa ( Average ) a. Nla Tegah ( Mea ) b. Rata-rata Bergerak Tuggal ( Sgle Movg Average ) c. Rata-rata Bergerak Gada ( Double Movg Average)

d. Kombas Rata-rata Bergerak Laya. 2. Metode Pemulusa ( Smoothg ) Ekspoesal a Pemulusa Ekspoesal Tuggal 1. Satu parameter 2. Pedekata Adaptf Pedekata memlk kelebha yag yata dalam hal la α yag dapat berubah secara terkedal, dega adaya perubaha dalam pola dataya. b. Pemulusa Ekspoesal Gada 1. Metode Lear Satu-Parameter dar Brow S ' = t α X t + ( 1 α) S' t 1 S " = t α S' t + (1 α) S" t 1 a t = S ' t + ( S ' t - S " t ) = 2 S ' t - S " t b t = α 1 α F t+ m = a t + b t m D maa: (S ' t - S " t ) S ' t = la Pemulusa Ekspoesal Tuggal (Sgle Ekspoesal Smoothg Value) S " t = la Pemulusa Ekspoesal Gada (Double Ekspoesal Smoothg Value) α = parameter Pemulusa Ekspoesal a t, b t = kostata pemulusa

F t+ m = hasl peramala utuk m perode ke depa yag aka dramalka 2. Metode Dua Parameter dar Holt Metode dguaka utuk peramala data yag bersfat tred. S t = α X t + (1-α )(S t 1 + b t 1 ), b t = γ (S t - S t 1 ) + (1 - γ ) b 1 F t+ m = S t + b t m t, c. Pemulusa Ekspoesal Trple 1. Pemulusa Kwadratk Satu Parameter Dar Brow Dapat dguaka utuk meramalka data dega suatu pola tred dasar, betuk pemulusa yag lebh tgg dapat dguaka bla dasar pola dataya adalah kuadratk, kubk atau orde yag lebh tgg. 2. Metode kecedruga da Musma Tga Parameter dar Wter Metode merupaka salah satu dar beberapa metode pemulusa ekspoetal yag dapat meaga musma d Pemulusa Ekspoetal Meurut Klasfkas Pegels Betuk umum dar metode pemulusa ekspoesal adalah: F t + 1 = α X t + ( 1 - α ) F t D maa: F t + 1 = Ramala utuk perode medatag

α = Parameter ekspoesal yag besarya 0<α <1 X t = Nla aktual pada perode-t F t = Ramala pada perode-t 2.4 Metode Peramala Yag Dguaka Utuk medapatka suatu hasl yag bak da tepat maka haruslah dketahu da dguaka metode peramala yag tepat. Dalam meramalka tgkat produks kelapa sawt rakyat pada tahu 2009 2010 d Kabupate Labuha Batu, maka peuls megguaka metode smoothg expoetal gada yatu Smoothg Ekspoesal Satu Parameter dar Brow. Metode merupaka metode ler yag dkemukaka oleh Brow. Dasar pemkra dar Metode Smoothg Ekspoesal Ler Satu Parameter dar Brow adalah serupa dega rata rata bergerak ler, karea kedua la pemulusa tuggal da gada ketggala dar data sebearya. Bla terdapat usur tred, perbedaa la pemulusa tuggal da gada dapat dtambahka kepada pemulusa gada da dsesuaka utuk tred. Persamaaa yag dpaka dalam pelaksaaa Smoothg Ekspoesal Satu Parameter dar Brow adalah sebaga berkut : S ' = t α X 1 + ( 1 α) S' t 1... (2-1) S " = t α S1 + ( 1 α) S" t 1... (2-2) a t = S ' t + (S ' t - S " t ) = 2 S ' t - S " t... (2-3)

b t = α 1 α (S ' - S " t t )... (2-4) F t+ m = a t + b t m... (2-5) D maa : S = Nla pemulusa ekspoesal tuggal ( sgle ekspoesal smoothg value ) S = Nla pemulusa ekspoesal gada ( doubel ekspoesal soothg value ) α = Parameter pemulusa ekspoesal. α t, b t Besarya adalah 0 < α < 1 = Kostata pemulusa F + = Hasl peramala utuk m perode ke depa yag dramalka t m Utuk meghtug la kesalaha (error) ramala tersebut, dapat dguaka rumus dbawah : c = X T + 1 - F T + 1... (2-6) e 2 = (X T + 1 - F T + 1 ) 2... (2-7) Akhr persamaa (2-5) meujukka bagamaa memperoleh ramala utuk m perode ke muka dar t. Ramala utuk m perode kemuka adalah a t dmaa merupaka la rata-rata yag dsesuaka utuk perode t dtambah m kal kompoe kecedruga b t. Bla semua hasl htuga telah ddapat, maka semua data yag telah ddapat dmasukka kedalam cotoh tabel Smoothg Ekspoesal Gada Satu Parameter dar Brow berkut :

Aplkas Pemulusa Ekspoesal Ler Satu Parameter Dar Brow Pada Data Produks Kelapa Sawt Rakyat d Kabupate Labuha Batu Pada Tahu 1983-2010 (1) (2) (3) (4) (5) (6) (7) (8) Tahu Perode Produks Pemulusa Pemulusa Nla Nla Nla (tahu) Kelapa Ekspoesal Ekspoesal a t b t F=a t +b t (m) Sawt Tuggal Gada bla Rakyat m=1 1983 1 X 1 (2-1) (2-2) - - - 1984 2 X 2...... (2-3) (2-4) - 1985 3 X 3............ (2-5) 1986 4 X 4 1987 5 X 5 - - - - - - N N X Perlu dpaham bahwa tdak ada suatu metode terbak utuk suatu peramala. Metode yag memberka hasl ramala secara tepat belum tetu tepat utuk meramalka data yag la. Dalam peramala tme seres, metode peramala terbak adalah metode yag memeuh krtera ketepata ramala. Krtera berupa Mea Squared Error (MSE), Mea Absolute Percetage Error (MAPE), da Mea Absolute Devato (MAD).

Berkut adalah Ketepata Ramala Beberapa Krtera yag Dguaka utuk meguj la ramala yatu: a. Nla Tegah Kesalaha Kuadrat ( Mea Square Error ) drumuska dega: MSE = = 1 ( X F ) 2 b. Nla Tegah Kesalaha Persetase Absolute ( Mea Absolute Percetage Error ), drumuska dega : MAPE = =1 PE c. Kesalaha Persetase ( Percetage Error ) drumuska dega : PE = X F X x 100 d. Nla Tegah Devas Absolut ( Mea Absolute Devato ), drumuska :

MAD = = 1 X F e. Jumlah Kuadrat Kesalaha ( Sum Square Error ), drumuska dega : SSE = ( X F ) = 1 2 D maa : X - F = kesalaha pada perode ke- X = data aktual pada perode ke- F = la ramala pada perode ke- = bayakya perode waktu berkut : Sedagka utuk megetahu la kesalahaya dapat dlhat dalam tabel

Nla Kesalaha Pero Produk Peramal Kesalaha Kesalaha Kesalaha Kesalaha Kesalaha de -s sawt a Absolute Kuadrat Persetase Persetase (X ) (F ) (X - F ) X F (X - F ) 2 (PE) Absolute (MAPE) (1) (2) (3) (4) (5) (6) (7) (8) 1 X 1 F 1 2 X 2 F 2 3 X 3 F 3 4 X 4 F 4 5 X 5 F 5 6 X 6 F 6 7 X 7 F 7.............. Jlh