Metode Exponential Glättung Glättung Adalah Mengambil Rata 8211 Rata Dari Nilai Pada Beberapa Periode Untuk Menaksir Nilai Pada Suatu Periode (Pangestu Subagyo, 1986: 3) Exponentielle Glättung Adalah Suatu Metode Peramalan Rata-Rata Bergerak Yang Melakukan Pembobotan Menurun Secara Exponential Terhadap Nilai 8211 Nilai Beobachtungen Yang Lebih tua (Makridakis, 1993: 79) Metode explonentielle Glättung merupakan pengembangan dari metode gleitender Durchschnitt. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan Daten baru. 1. Metode Single Exponential Glättung Metode einzigen exponentiellen Glättung merupakan perkembangan dari metode gleitenden Durchschnitt sederhana, yang mula 8211 mula dengan rumus sebagai berikut: (1.1) (1.2) dan (1.3) (1.4) Perbedaan antara St1 dan St adalah sebgai berkut: ( A) Pada St1 terdapat sedangkan pada St tidak terdapat (b) Pada St terdapat sedangkan pada St1 tidak terdapat (Pangestu Subagyo, 1986: 18) Dengan melihat hubungan di atas maka kalau nilai St sudah diketahui maka nilai St1 dapat dicari berdasarkan nilai St Itu Kalau (1.5) bisa diubah menjadi: (1.6) Di dalam metode Exponential smothing nilai diganti dengan sehingga rumus prognose menjadi: St1 Xt (1 8211) St (1.7) (1) Pangestu Subagyo, 1986: 19) Penerapan teknik peramalan ini menghasilkan Tabelle di bawah ini Tabelle I Nilai St contoh penggunaan metode Saingle Exponential Glättung Nein Xt St 1 20 2 21 20 3 19 20,10 4 17 19,19 5 22 19,69 6 24 19,92 Sumber (Pangestu subagyo, 1986: 21) Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut: S7 X6 (1 8211) S6 0,1 (24) (0,9) 19,92 20,33 Metode Single Exponentielle Glättung lebih cocok digunakan untuk meramal hal 8211 hal yang fluktuasinya secara zufällig (tidak teratur). 2. Metode Doble Exponential Glättung Metode Ini Merupakan Modell linearen Yang Dikemukakan Oleh Brown. (1 8211) St-1 (1.8) St S8217t (1 8211) (1.9) Rumusan ini agak berbeda dengan rumus Einzelne exponentielle Glättung karena Xt dapat dipakai untuk mencari St bukan St1 Vorhersage dilakukan dengan rumus: Stm bei btm (1.10) m jangka waktu prognose kedepan (1.11) (1.12) Metode doppelte exponentielle glättung ini biasanya lebih tepat untuk meramalkan daten yang mengalami trend naik. Agar dapat menggunakan rumus (1.8) dan (1.9) maka nilai St-1 dan St-1 harus tersedia tetapi pada saat t 1, nilai 8211 nilai tersebut tidak dapat tersedia. Jadi nilai 8211 nilai ini harus ditentukan pada awal periode Hal ini dilakukan dengan hanya menetapkan St dan St sama dengan Xt atau dengan menggunakan suatu nilai pertama sebagai nilai awal. Contoh Penggunaan Metode doble exponentielle Glättung untuk penjualan barang X. Tabelle 2 Volumen penjualan barang X NO PERMINTAAN BARANG 1 120 2 125 3 129 4 124 5 130 Sumber (pangestu Subagyo, 1986: 26) Akan dicari ramalan minggu ke-6 dengan menggunakan rumus ( 1.10) dengan 0,2. Perhitungan di mulai dengan menghitung St172 dengan rumus (1.8) yaitu St Xt (1-) St-1. X1 120, karena belum cukup Daten St dianggap sebesar 120 dan selanjutnya dengan rumus (1.8) secara berangkai didapatkan kemudian mencari nilai dengan rumus (1.9) yaitu dengan 0,2. 120 dan harga-harga secara berangkai didapatkan: Harga-harga a dan b diperoleh dengan menggunakan rumus (1.11) dan (1.12). Dari secara berangkai didapat harga: dari secara berangkai didapat harga-harga Harga ramalan tahun ke-6 diperoleh dengan rumus (1.10) yaitu Stm bei btm172 dengan m 1 dan 0,2 S6 a5 b5 126,84 0,64 127,48. Jadi ramalan penjualan tunai ke-6 adalah 127,48 3. Metode Triple Exponential Glättung Metode ini merupakan metode prognose yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat. Metode ini lebih cocok kalau dipakai untuk membuat prognose yang berfluktuasi atau mengalami gelombang pasang surut. (Pangestu Subagyo, 1986: 26). Prosedur pembuatan Vorhersage dengan metode ini sebagai berikut: Carilah nilai dengan rumus sebagai berikut: (1.13) Untuk tahun pertama nilai belum bisa dicari dengan rumus di atas, maka boleh ditentukan dengan bebas. Biasanya ditentukan sama seperti nilai yang telah terjadi pada tahun pertama. Carilah nilai dengan rumus: (1.14) Pada tahun pertama biasanya nilai ditentukan seperti nilai yang terjadi pada tahun pertama: Carilah nilai (1.15) Untuk nilai tahun pertama biasanya dianggap sama dengan Daten tahun pertama. Carilah nilai (1.16) Carilah nilai (1.17) Carilah nilai (1.18) Buat persamaan forecastnya (1.19) m adalah jangka waktu maju ke depan, yaitu berapa tahun yang akan datang prognose dilakukan At, bt, ct adalah nilai yang telah dihitung sesuai dengan rumus di depan. Contoh penggunaan metode Triple Exponential Glättung untuk peramalan penjualan kita gunakan daten tabel 2. Akan tetapi ramalan tahun ke-6 menggunakan rumus (1.19) dengan 0,2. Dari contoh di atas kita sudah mendapatkan nilai dan maka kita harus mencari nilai Bei bt, ct dengan (1.16) (1.17) (1.17) (1.18) harga at, bt, ct bisa didapat Harga ramalan tahun ke-6 diperoleh dengan menggunakan rumus (1.19) 26. November 2009 Exponentielle Glättung merupakan Prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru Ia menitik-beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua. Dengan Kata Lain, Beobachtungslehrer, Sekretärin. 1. Single Exponential Glättung Juga dikenal sebagai einfache exponentielle Glättung yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Modell mengasumsikan bahwa Daten berfluktuasi di sekitar nilai bedeuten yang tetap, tanpa trend atau pola pertumbuhan konsisten. Rumus untuk einfache exponentielle Glättung adalah sebagai berikut: dimana: S t peramalan untuk periode t. X t (1-) Nilai aktual Zeitreihe F t-1 peramalan pada waktu t-1 (waktu sebelumnya) konstanta perataan antara nol dan 1 2. Doppelte exponentielle Glättung Metode ini digunakan Ketika Daten menunjukkan adanya Trend. Exponentielle glättung dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap periode 8211 level dan trend nya. Ebene adalah estimasi yang dimuluskan dari nilai Daten pada akhir masing-masing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode. Rumus doppelte exponentielle Glättung Adalah: 3. Triple Exponential Glättung Metode Ini Digunakan Ketika Daten Menunjukan Adanya Trend Dan Perilaku Musiman. Untuk menangani musiman, telah dikembangkan Parameter persamaan ketiga yang disebut metode 8220Holt-Winters8221 sesuai dengan nama penemuya. Terdapat dua Modell Holt-Winters tergantung pada tipe musimannya yaitu Multiplikative saisonale Modell dan Additive saisonale Modell Yang Akan Dibahas Pada Bagian Lain Dari Blog Ini. Kembali kita lihat Daten Bali besuchen 2015 yang diambil dari Disbudpar Provinsi Bali berikut ini: Daten berbentuk Zeitreihe Yang diambil sejak Januar 2008 hingga Sept 2015, Daten ini terdiri dari 92 Pengamatan, untuk datanya dapat diambil disini gtgtgt Untuk bahasan metode pemulusan eksponensial berikut kita akan Gunakan perangkat lunak evies versi 8.1. 1.Tahap impor Daten: buka Software eviews kamu, Pilih offene Dateien, 2. Setelah Keluar Jendela Eviews Pilih Datei gt Import gt Import aus Datei, 3. Kemudian Ambil Daten kamu gt offen, 4. Setelah terbuka tampilannya sebagai berikut: langsung klik Next, lalu finish, 5. Nah sekarang workfile kita telah terbaca oleh eviews, 6. Klik 2x pada variabel besuchen maka akan ditampilkan datanya pada jendela eviews. 7. Untuk masuk ke pemulusan eksponensial pilih di tab proc gt exponentielle Glättung gt einzigen exponentiellen Glättung, 8. Kemudian setelah muncul jendela exponentielle Glättung pilih tingkat pemulusannya, misalnya double, visitsm adalah hasil estimasi, kemudian Glättung Parameter Biarkan eviews Yang Menentukan, Kemudian ok, 9. Kemudian outputnya akan ditampilkan sebagai berikut. Dari Ausgabe dapat kita lihat nilai Parameter Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dinyatakan dengan Formel: 2 (n1) atau n (2 -) semakin tinggi nilai yang diperoleh, maka nilai peramalan akan semakin mendekati nilai aktual. Dengan Demikian Nilai Peramalan Yang Diperoleh Dengan Doppel Exponentielle Glättung Adalah Sebagai Berichut: Berikut Ini Adalah Perbandingan Nilai Fortive Dengan Nilai Peramalan Dengan Doppel Exponential Glättung. Untuk Hasil estimasi dengan einzelne exponentielle glättung adalah sebagai berikut, ulangi kembali proses dari langkah nomor 8 diatas, pilih einzelne exponentielle glättung. Dari Ausgabe Diatas, einzelne exponentielle Glättung Memberikan Nilai Yang Lebih Baik Yaitu 0,64, Artinya Pengamatan Lebih Menitikberatkan Pada Pengamatan Yang Lebih Baru Daripada Nilai Doppel Exponential Glättung Sebesar 0,024. Semakin besar nilai (mendekati 1) maka nilai peramalan yang diperoleh akan mendekati peramalan metode naiv (lihat bahasannya disini gtgtgt), dimana titik berat pengamatan akan mendekati nilai rata-rata Daten aktual, pada kasus ekstrim dimana 1, Y T1T Y T. maka nilai Peramalan akan sama dengan peramalan metode naiv Semakin besar nilai, maka akan semakin besar pula penyesuaian yang terjadi terhadap nilai peramalan, sebaliknya semakin kecil nilai, maka akan semakin kecil pula penyesuaian yang terjadi pada nilai peramalan yang akan datang. Nilai Peramalan Yang Diperoleh Dari einzigen exponentiellen Glättung Adalah Sebagai Berikut: Berikut Ini Adalah Perbandingan Nilai aktual Dengan Nilai Peramalan Menggunakan Metode einzigen exponentiellen Glättung. Garis Yang Berwarna Merah Adalah Daten Setela Proses Pemulusan Tingkat 1, Kita Dapat Melihat Tidak Banyak Penyesua Yang Terjadi Terhadap Daten aktualisieren. Berikut ini adalah grafik perbandingan nilai peramalan dengan metode pemulusan eksponensial terhadap daten, dapat kita lihat bahwa nilai peramalan dengan doppeltes eksponential glättung tidak mengikuti pola dari grafik daten aktuell dan eins exponentielle glättung yang lebih dekat terhadap nilai rata-rata, perbedaan mendasar ini terjadi ketika Doppelte eksponential glättung telah memasukkan komponen trend dalam estimasinya. Untuk Daten aktualisieren, nilai single dan double exponential beserta dan grafiknya dapat kamu unduh disini gtgtgt sumber Daten. Disbudpar provinsi Bali (diolah oleh Statistik 4 Leben) Geschrieben von ariyoso Teori amp Konsep Statistik Konsep Variabel Kualitatif dan Kuantitatif Tipe Daten Statistik Deskriptif Konsep Parametrik Dan Nicht Parametrik Statistika Inferensia Penyusunan Hipoteis Teknik Pengukuran Statistik Teknik Sampling Sebaran Probabilitas Diskret Sebaran Normal Sebaran Binomial Sebaran Poisson Transformasi Daten Korelasi Bivariat Pemaparan Daten Kualitatif dengan Tabulasi Silang neue IBM SPSS Ver.23metode Metode peramalan dan aplikasi Metode Expnontial Glättung Metode exponentielle Glättung merupakan metode peramalan yang cukup baik untuk peramalan jangka panjang dan jangka menengah, terutama pada tingkat operasional suatu perusahaan, dalam perkembangan dasar matematis Dari metode glättung (forcasting von Makridakis, hal 79-115) dapat dilihat bahwa konsep exponential telah berkembang dan menjadi metode praktis dengan penggunaan yang cukup luas, terutama dalam peramalan bagi persedian. Kelebihan utama dari metode exponentielle glättung adalah dilihat dari kemudahan dalam operasi yang relativer rendah, ada sedikit keraguan apakah ketepatan yang lebih baik selalu dapat dicapai dengan menggunakan (QS) Quantitatif sistem ataukah metode dekonposisi yang secara intuitif menarik, namun dalam hal ini jika diperlukan peramalan untuk Ratusan item Menurut Makridakis, Wheelwright amp Mcgee dalam bukunya forcasting (hal 104). Menyatakan Bahwa Apabila Daten Yang Dianalisa Bersifat Stationer, Maka Penggunaan Metode Rata-Rata Bergerak (gleitenden Durchschnitt) atau einzigen exponentiellen Glättung Cukup Tepat Akan Tetapi Apabila Datanya Menunjukan Suatu Trend linier. Maka modell yang baik untuk digunakan adalah exponentiell glättung linier dari braun atau modell exponentiell glättung linier dari holt. Permasalahan Umum Yang Dihadapi Apabila Menggunakan Modell Pemulusan Eksponensial Adalah Memilih Konstanta Pemulusan Yang Diperkirakan Tepat. Adapun panduan untuk memperkirkan nilai a yaitu antara lain: Apabila pola historis dari Daten aktuelles permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, kita memilih nilai a mendekati 1.Biasanya di pilih nilai a 0.9 namo pembaca dapat mencoba nilai ein yang lain yang mendekati 1 seperti 0,8 0,99 tergantung sejauh mana gejolak dari daten itu Apabila pola historis dari Daten akute permintaan tidak berfluktuasi atau relati stabil dari waktu ke waktu maka kita memilih nilai ein yang mendekati nol, katakanlah ein 0,2 0,05 0,01 tergantung sejauh mana kestabilan daten itu, semakin stabil nilai ein yang dipilih harus semakin kecil menuju ke nilai nol B.2 Metode Einzelne exponentielle Glättung Metode ini juga digunakan untuk meramalkan suatu periode ke depan. Untuk melihat persamaan metode ini dengan metode einzigen gleitenden Durchschnitt. Maka lihat kembali persamaan matematis yang digunakan pada peramalan einzigen gleitenden Durchschnitt. Peramalan untuk periode t, persamaan adalah: Sedangkan persamaan matematis untuk einzelne bewegliche exponentielle Glättung sebagai berikut: Demikian seterusnya untuk Jadi terlihat bahwa metode einzigen gleitenden Durchschnitt merupakan sejumlah Daten semua yang ditekankan pada baru. Harga ditetapkan oleh 0 X 1 Dan Harga Yang Terpilih Yang Memberikan Simpangan Terkecil Dari Perhitungan Yang Ada, Seperti Pada Metode einzigen gleitenden Durchschnitt. Peramalan dengan exponentielle Glättung juga dapat digunakan untuk meramalkan beberapa periode kedepan untuk pola daten dengan kecenderungan linier, teknik yang digunakan dikenal dengan nama Brown Parameter Exponential Glättung langkah-langkah perhitungan untuk mendapatkan peramalan dengan metode ini adalah: nilai peramalan dengan single gleitender Durchschnitt. Nilai gleitende durchschnittliche kedua Hasil peramalan dengan doppelte gleitende durchschnittliche pada periode kedepan. Periode kedepan yang diramalkan B.3 Metode doppelte exponentielle Glättung Metode ini dikembangkan oleh Browns untuk mengatasi adanya perbedaan yang muncul antara Daten aktualisieren dan nilai peramalan apabila ada trend pada plot datanya. Untuk itu Browns memanfaatkan nilai peramalan dari hasil single Eksponential Smothing dan Doppel Exponential Glättung. Perbedaan antara kedua ditambahkan pada harga dari SES dengan demikian harga peramalan telah disesuaikan terhadap trend pada plot datanya. B.3.1. Metode Double Expnontial Smoothing Satu Parameter Brown Dasar pemikiran dari pemulusan eksponensial linier dari Braun adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari daten yang sebenarnya bilamana terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan dan disesuaikan untuk trend Persamaan Yang dipakai dalam implementasi pemulusan linier satu Parameter Brown ditunjukan dibawah ini: a t S8217t (S8217t St) 2 S8217t St F t a t b t. m t 823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230 (2,21) S t nilai pemulusan eksponensial Tunggal S t adalah nilai pemulusan eksponensial ganda. M jumlah periode ke muka yang diramalkan Ramalan m periode ke muka Agar dapat menggunakan persamaan diatas, nilai S t-1 dan S t-1. Harus tersedia Tetapi pada saat t 1, nilai-nilai tersebut tidak tersedia Jadi, nilai-nilai ini harus ditentukan pada awal periode Hal ini dapat dilakukan dengan hanya menetapkan S t dan S t sama dengan X t atau dengan menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal. Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan (Glättung) eksponensial. Jika Parameter pemulusan ein tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika a mendekati nol, proses inisialisasi tersebut dapat memainkan peran yang nyata selama periode waktu ke muka yang panjang. B.3.2. Metode Double Exponential Smothing Dua Parameter Holt Metode pemulusan eksponensial linier dari Holt dalam prinsipnya serupa dengan Braun kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya Holt memuluskan nilai Trend dengan Parameter yang berbeda dari Parameter yang digunakan pada deret yang asli. Ramalan Dari pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstan pemulusan (dengan nialai antara 0 sampai 1) dan tiga persamaan. F t m S t b t m82308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230 (2,24) Dimana. Daten pemulusan pada periode t Trend pemulusan pada periode t peramalan pada periode t Persamaische diatas (1) menyesuaikan S t secara langsung untuk trend periode sebelumnya yaitu b t-1 dengan menambahkan nilai pemulusan yang terakhir, yaitu S t-1. Hal ini membantu untuk menghilangkan kelambatan dan menempatkan S t ke dasar perkiraan nilai data saat ini. Kemudian persamaan meremajakan trend (2), yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terachhir. Hal ini tepat karena jika terdapat kecenderungan di dalam daten, nilai yang baru akan lebih tinggi atau lebih rendah dari pada nilai yang sebelumnya. Karena mungkin masih terdapat sedikit kerandoman Maka hal ini dihilangkan oleh pemulusan g (gamma) trend pada periode akhir (s t s t-1), dan menambahkannya dengan taksiran trend sebelumnya dikalikan (1 g). Jadi persamaan diatas dipakai untuk meremajakan Trend. Akhirnya persamaan (3) digunakan untuk peramalan ke muka Trend B t, dikalikan dengan jumlah periode kedepan yang diramalkan, m dan ditambahkan pada nilai dasar S t. B.4 Metode Triple Exponential Glättung Metode Ini Dapat Digunakan Untuk Daten Yang Bersifat Atau Mengandung Musiman. Metode Ini Adalah Metode Yang Digunakan Dalam Pemulusan Trend Dan Musiman. Metode Winter didasarkan atas tiga persamaan pemulusan yaitu satu untuk stationer, trend, dan musiman. Hal ini serupa dengan metode holt dengan satu persamaan tambahan untuk mengatasi musiman. Persamaan dasar untuk metode winter adalah sebagai berikut: L Panjang musiman. B Komponen Trend I Faktor penyesuaian musiman Ramalan untuk n Periode eke depan. 2.1.1. Aspek Umum dari Metode Pemulusan Kelebihan utama dari penggunaan metode pemulusan (Glättung) yang luas adalah kemudahan dan ongkos yang rendah. Ada sedikit keraguan apakah ketetapan yang lebih baik selalu dapat di capai dengan menggunakan metode autoregresi atau pola rata-rata bergerak yang lebih canggih. Namun demikian, jika diperlukan ramalan untuk ribuan item, seperti dalam banyak kasus sistem persedian (inventori), maka metode pemulusan seringkali merupakan satu-satunya metode yang dapat dipakai. Dalam hal keperluan peramalan yang besar, maka suatu yang kecil dan mantap itu lebih berarti. Seutelai contoh, menyimpan empat nilai sebagai ganti dari tiga nilai untuk setiap Einzelteil dapat menjadi sangat berarti bagi keseluruhan Einzelteil sebulan. Entschuldigung itu, waktu komputer yang diperlukan untuk melakukan perhitungan yang penting harus disediakan pada tingkat yang layak, dan alasan ini, metode pemulusan eksponensial lebih disukai dari pada metode rata-rata bergerak dan metode dengan jumlah parameter yang sedikit lebih disukai dari pada yang lebih banyak. Metode letzten Platz Pengertian. Analisis tendenz merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (daten) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut . Secara teoristis, dalam analisis Zeitreihe yang paling menentukan adalah kualitas atau keakuratan dari informasi atau daten datums yang diperoleh serta waktu atau periode dari daten datums tersebut dikumpulkan. Jika Daten yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika Daten yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan semakin jelek. Metode Least Square. Metode Yang digunakan untuk analisis Zeitreihe adalah Metode Garis Linier Secara Bebas (freie Handmethode), Metode Setengah Rata-Rata (Halbmittelmethode), Metode Rata-Rata Bergerak (Moving Average Method) als Metode Kuadrat Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk membahas analisis Zeitreihe dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus Daten genap dan kasus Daten ganjil. Secara umum persamaan garis linier dari analisis Zeitreihe adalah. Y a b X. Keterangan. Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) dan Parameter (b) adalah. Ein Y n dan b XY X2 Contoh Kasus Daten Ganjil: Tabel. Volume Penjualan Barang X (dalam 000 Einheit) Tahun 1995 sampai dengan 2003 Untuk mencari nilai a dan b adalah sebagai berikut: a 2.460 9 273,33 dan b 775 60 12,92 persamaan garis liniernya adalah. Y 273,33 12,92 X. Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah. Y 273,33 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga. Y 273,33 142,12 415,45 artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415.450 Einheit Contoh Kasus Daten Genap: Tabel. Volume Penjualan Barang X (dalam 000 Einheit) Tahun 1995 sampai dengan 2002 Untuk mencari nilai a dan b adalah sebagai berikut: a 2.150 8 268,75 dan b 1.220 168 7,26 Persamaan garis liniernya adalah. Y 268,75 7,26 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah. Y 268,75 7,26 (untuk tahun 2008 nilai X adalah 19), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406,69 atau 406.690 Einheit. Elain dengan menggunakan metode tersebut di atas, juga dapat dipakai dengan metode sebagai berikut: Tabel. Volume Penjualan Barang X (dalam 000 Einheit) Tahun 1995 sampai dengan 2002 Untuk mencari nilai a dan b adalah sebagai berikut: ein 2.150 8 268,75 dan b 610 42 14,52 persamaan garis liniernya adalah. Y 268,75 14,52 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah. Y 268,75 14,52 (untuk tahun 2008 nilai X adalah 9), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406.690 Einheit. Zu Arin, Untuk Y dan X itu Adalah Daten mentah, misalnya mencari Trend Kunjungan Maka Y nya Adalah Periode Waktu (misal tiap bulan dalam 1 tahun) dan X nya jumlah pengunjung (misalnya pro bulan). Setelah itu baru bisa dimasukkan dalam analisis trend Kalau dicermati rumus trend sama dengan rumus regresi sederhana (untuk mencari nilai a dan b). Karena jumlah X di trend sama dengan nol maka jika dimasukkan dalam rumus regresi maka jadi rumus trend Artinya, untuk mencari nilai a dan b pada tendenz bisa menggunakan rumus regresi, tapi sebaliknya rumus trend tidak dapat diaplikasikan dalam regresi, karena dalam regresi jumlah X tidak sama dengan nol saya lg skripsi mas, cuma blom ngerti menjelaskan nilai x itu secara lengkap, cuma Itung2annya saya ngerti, nah dosen saya minta menjelaskan nilai x esu dengan sedetail2nya. Dosennya nyuruh saya tiap x harus dijelaskan dari mana asalnya ,, gimana ya mas slamet menjelaskan x berasal darimana, malah dosen saya nyuruh tiap bulan x nya harus dijelasin. Zu Iqbalbo, Karena Jumlah Daten X-Nya Genap Maka Nilai 0 Berada Antara Bulan Juni Dan Juli, Sehingga Bulan Juni Dinilai -1 Dan Bulan Juli Dinilai 1. Jarak Antara Bulan Juni Dgn Juli Atau Jarak -1 Dgn 1 Adalah 2, Maka Seterusnya Harus Loncat 2. Maka bulan Mei dinilai -3, April -5 dst. Kalau bulan Agustus dinilai 3 dan September dinilai 5 dst. Jadi untuk nilai X disamping totalnya 0 juga harus konsisten loncat 2. mas slamet8230 itu cara mencari x (variable waktu) gimana jujur saya masih bingung kok tau2 dapet nilai -4, -3 mohon penjelasannya mas .. terimaksih Zu Iqbaldo, untuk mencari nilai X Pada analisis trend kata kuncinya adalah jika nilai X dijumlahkan maka hasilnya 0. Untuk Daten jumlah tahun ganjil maka tahun yang ditengah nilainya 0, tahun sebelumnya -1 trus -2 dst, sedang tahun sesudahnya 1 trus 2 dst. Kalau Daten jumlah tahun genap lihat contoh diatas. Buku Statistika Deskriptif E-Mail: ssantoso0219yahoo. co. id Post Navigation Komisi Kostenlos
No comments:
Post a Comment