BAB II LANDASAN TEORI

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

BAB 2. Tinjauan Teoritis

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

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

BAB II LANDASAN TEORI

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB 5. ANALISIS REGRESI DAN KORELASI

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

BAB III UKURAN PEMUSATAN DATA

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

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

S2 MP Oleh ; N. Setyaningsih

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

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

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Regresi Linier Sederhana Definisi Pengaruh

Bab II Teori Pendukung

8. MENGANALISIS HASIL EVALUASI

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

BAB II TINJAUAN PUSTAKA

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

BAB 2 LANDASAN TEORI

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

XI. ANALISIS REGRESI KORELASI

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

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

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

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

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

Regresi & Korelasi Linier Sederhana

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

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

MODUL ANALISIS REGRESI DAN KORELASI

b) Untuk data berfrekuensi fixi Data (Xi)

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

BAB II LANDASAN TEORI

3.1 Biaya Investasi Pipa

POLIGON TERBUKA TERIKAT SEMPURNA

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

REGRESI & KORELASI LINIER SEDERHANA

UKURAN GEJALA PUSAT (UGP)

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

NORM VEKTOR DAN NORM MATRIKS

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

X a, TINJAUAN PUSTAKA

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

BAB 1 ERROR PERHITUNGAN NUMERIK

REGRESI & KORELASI LINIER SEDERHANA

3 Departemen Statistika FMIPA IPB

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

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

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

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

BAB 2 LANDASAN TEORI

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

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

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

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

FORECASTING (Peramalan)

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

BAB III METODE PENELITIAN

INTERPOLASI. FTI-Universitas Yarsi

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB X PENGUKURAN TRAFIK

BAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Angka Banding Manfaat dan Biaya

Transkripsi:

BAB II LANDASAN TEORI 2.1 Pegerta da Keguaa Peramala Peramala adalah kegata utuk memperkraka apa yag aka terjad d masa yag aka datag. Serg terjad sejag waktu (lme lag) atara kesadara aka perstwa atau kebutuha medatag dega perstwa tu sedr. Adaya waktu teggag (lead tme) merupaka alasa utama bag perecaaa da peramala. Jka waktu ol atau sagat kecl, maka perecaaa tdak dperluka. Jka waktu teggag pajag da hasl perstwa akhr bergatug pada faktor-faktor yag dapat dketahu, maka perecaaa dapat memegag peraa petg. Oleh karea tu, peramala dperluka karea adaya perbadaa waktu atara kesadara aka dbutuhkaya suatu kebjaka dega waktu pelaksaaa kegata tersebut. Perspektf pada peramala mugk sama beragamya dega padaga setap kelompok metode lmah yag daut oleh pegambl keputusa. Orag awam mugk mempertayaka seberapa jauh valdtas da efektftas dspl lmu yag bertujua

meduga keadaa masa depa yag tdak past. Kemajua lmu pegetahua telah megkatka pegerta megea berbaga aspek lgkuga da akbat bayak perstwa yag dapat dramalka. Dtambah lag dega pegeala komputer yag meluastelah memugkka tersedaya peragkat luak bag tekk peramala kuattatf dega cepat. Dega dmbag oleh perestas peragkat luak da peragkat keras sepert tu, data dapat dolah utuk mejelaska keadaa ekoom, msalaya pedapata perkapta da sebagaya. Pada umumya keguaa peramala adalah sebaga berkut: 1. Sebaga alat batu dalam perecaaa yag efektf da efese. 2. Utuk meetuka kebutuha sumber daya d masa medatag. 3. Utuk membuat keputusa yag tepat. Dar uraa d atas dapat lah dkataka bahwa peramala merupaka dasar utuk suatu perecaaa da pegambla keputusa. Namu demka, peramala selalu ada kesalaha sehgga dperlka metode-metode peramala yag tepat utuk medapatka kesalaha yag sekecl mugk. 2.2 Jes-jes Peramala Ada terdapat beberapa jes peramala, tergatug dar segmaa kta melhatya, Apa bla dlhat berdasarka sfat peramala dbag atas dua macam yatu:

1. Peramala Kuattatf Peramala kuattatf dapat dterapka bla terdapat tga kods berkut : a. Tersedaya formas tetag masa lalu. b. Iformas tersebut dapat dkuattatfka dalam betuk data umerk. c. Dapat dasumska bahwa beberapa aspek pola masa lalu aka terus berlajut d masa yag aka datag. Peramala kuattatf dbedaka atas : 1) Metode deret berkala (tme seres) yatu: a. Metode pemulusa (smoothg) b. Metode box Jeks c. Metode proyeks tred dega regres 2) Metode kausal, yatu: a. Metode regres da korelas b. Metode ekoometrk c. Metode put output 2. Peramala Kualtatf Metode peramala kualtatf atau tekologs, d la phak, tdak memerluka data yag serupa sepert metode peramala kuattatf. Iput yag dbutuhka tergatug pada metode tertetu da basaya merupaka hasl dar pemkra tutf, perkraa (judgmet), da pegetahua yag telah ddapat. Basaya dlakuka dega pedekata pedekata tekologs, tetap pedekata tekolog serg kal memerluka put dar sejumlah orag terlath secara khusus. Metode tekologs dbag mejad dua baga, yatu:

a. Metode ekplorats b. Metode ormatf Jka dlhat dar sfat peyusuaya maka peramala dapat dbedaka mejad dua macam yatu: 1. Peramala subjektf, yatu peramala yag ddasarka atas perasaa atau tus dar orag yag meyusuya. 2. Peramala objektf, yatu peramala yag ddasarka atas data yag releva dar masa lalu dega megguaka tekk-tekk da metode-metode dalam pegaalsaa tersebut. Da jka dlhat dar jagka waktu yag dsusu, maka peramala dapat dbedaka atas dua macam pula, yatu: 1. Peramala jagka pajag, yatu peramala yag dlakuka utuk peyusua hasl ramala yag jagka waktuya lebh dar satu setegah tahu atau tga semester. 2. Peramala jagka pedek, yatu peramala yag dlakuka utuk peyusua hasl ramala utuk jagka waktu kurag dar satu setegah tahu atau tga semester. Pada peyusua tugas akhr, peramala yag dguaka peuls adalah peramala kuattatf.

2.3 Defes Metode Peramala 2.3.1 Pegerta metode peramala Metode peramala adalah cara utuk memperkraka atau megestmas secara kuattatf da kualtatf apa yag aka terjad pada masa depa berdasarka data yag releva pada masa lalu. Sedagka keguaa peramala adalah utuk memperkraka secara sstemats da pragmats atas dasar data yag releva pada masa lalu, dega demka metode peramala yag dharapka dapat memberka objektftas yag lebh besar. 2.3.2 Jes-jes Metode Peramala Peramala kuattatf dapat dbedaka atas: 1. Metode peramala yag ddasarka pada pegguaa aalsa pola hubuga atara varabel yag dperkraka dega varabel waktu yag merupaka deret berkala (tme seres). Metode peramala yag termasuk dalam jes adalah: a. Metode pemulusa (smoothg) b. Metode Box Jeks c. Metode Proyeks tred dega regres 2. Metode peramala yag ddasarka atas pegguaa aalss pola hubuga atara varabel yag aka dperkraka dega varabel la yag aka

mempegaruhya, yag buka waktuya yag dsebut dega metode korelas atau sebab akbat (metode kausal). Metode peramala yag termasuk dalam jes adalah: a. Metode regres da korelas b. Metode ekoometrk c. Metode put output 2.3.3 Meode Pemulusa (Smoothg) Metode pemulusa (smoothg) adalah metode peramala dega megadaka peghalusa atau pemulusa terhadap data masa lalu yatu dega megambl rata-rata dar la beberapa tahu meaksr la pada tahu yag aka datg. : Secara umum 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 Ekspokesal Tuggal 1. Satu Parameter 2. Pedekata Adtf

Pedekata memlk kelebha yag yata dalam hal la α yag dapat berubah secara tak 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 ( S t - S t ) 1 α F t+ m = a t + b t m D maa : S t = la Pemulusa Ekspoesal Tuggal (Sgle Ekspoesal Smoothg Value) S t = la Ekspoesal Gada (Double Ekspoesal Smoothg Value) α = parameter Pemulusa Ekspoesal a t, b t = kostata pemulusa F t+ m = hasl peramala utuk m perod eke depa yag aka dramalka 2) Metode dguaka utuk peramal 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 kecederuga da Musma Tga Parameter dar Wter. Metode merupaka salah satu dar beberapa metode pemulusa ekspoesal yag dapat meaga musma. d. Pemulusa Ekspoesal 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 actual 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 karet rakyat pada tahu 2011 d Kabupate Tapaul Tegah, maka peuls megguaka metode smoothg ekspoesal gada yatu Smoothg Ekspoesal Satu Parameter dar Brow. Metode merupaka metode ler yag yag dkemukaka oleh Brow. Dasar pemkra dar metode Smoothg Ekspoesal Satu Parameter dar Brow adalah serupa dega rata-rata bergerak ler, karea kedua mla pemulusa tuggal da gada ketggala dar data sebearya. Bla terdapat usure tred, perbedaa la pemulusa tuggal da gada dapat dtambahka kepada pemulusa gada da dsesuaka utuk tred. Persamaa yag dpaka dalam pelaksaaa Smoothg Ekspoesal Satu Parameter dar Brow adalah sebaga berkut : S t = α X t + (1-α) S t 1 (2-1) S t = α S t + (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 ( S t - S t )..(2-4) 1 α F t+ m = a t + b t m...(2-5) D maa : S t = la Pemulusa Ekspoesal Tuggal (Sgle Ekspoesal Smoothg Value)

S t = la Ekspoesal Gada (Double Ekspoesal Smoothg Value) α = parameter Pemulusa Ekspoesal a t, b t = kostata pemulusa F t+ m = hasl peramala utuk m perod eke depa yag aka dramalka Utuk meghtug la kesalaha (error) ramala tersebut, dapat dguaka rumus d bawah : 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 perod eke muka dar t. Ramala utuk m perod eke muka adalah a t d maa merupaka la rata-rata yag dsesuaka utuk perode t dtambah m kal kompoe kecederuga b t. Bla semua hasl htuga telah ddapat, maka semua data yag telah ddapat dmasukka ke dalam cotoh table Smoothg Ekspoesal Gada Satu Parameter darh Brgow berkut :

Aplkas Pemulusa Ekspoesal Lear Satu Parameter Dar Brow Pada Data Produks Karet Rakyat d Kabupate Tapaul Tegah Pada Tahu (1) (2) (3) (4) (5) (6) (7) (8) Tahu Perode Produks Pemulusa Pemulusa Nla Nla Nla (tahu) Karet Ekspoesal Ekspoesal a t b t F= Rakyat Tumggal Tuggal a t + b t (m) Bla m=1 1998 1 X 1 (2-1) (2-2) - - - 1999 2 X 2 (2-3) (2-4) - 2000 3 X 3... (2-5) 2001 4 X 4 2002 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 peramal tme seres, metode peramala terbak adalah metode yag memeuh crtera ketetapa ramala. Krtera berupa Mea Absolute Devato (MAD). Berkut adalah ketetapa ramala beberapa crtera yag dguaka utuk meguj la ramala yhatu : 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 (Persetage Error) drumuska dega : PE = X F X x 100

d. Nla Tegah Devas Absolute (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 actual pada perod eke- F = Nla ramala pada perode ke- = Bayakya perode waktu