Contoh Soal Analisa Dados Berkala Dengan Metode Moving Average




Contoh Soal Analisa Dados Berkala Dengan Metode Moving Average1. Dados dados de banco de dados tabel 1, dibagi menjadi 2 kelompok yang sama. 2. Nilai-nilai pada que mascara-masing um 8220 semi total 8221 3. Menghitung nilai 8220 setengah rata-rata8221 tiap kelompok dengan jalan mencari rata-rata hitungnya, seperti dalam (4). Pada dasarnya, nilai 8220 setengah rata-rata 8221 10.156.167 merupakan nilai tendencia harga rata-rata periode dasar 1 de Janeiro de 1970 aa 31 de Dezembro de 1969 sedimentacao rata-rata 26.346.167 dias de 1 de Janeiro de 1976 atau 31 de Dezembro de 1975. 8220 Nilai tendencia Linear8221 untuk tahun-tahun tertentu dapat dirumuskan, sebagai berikut. Y8217 nilai tendencia periode tertanu a 0 nilai tendencia periode dasar b pertambahan tendencia tahunan secara rata-rata (tingkat perubahan variabel per periode waktu) x jumlah unidade tahun yang dihitung dari tahun dasar. Tingkat perubahan nilai variabel per periode waktu atau (b) dapat dicari dengan rumus. Selisih nilai variabel 189 rata2 (X 2 8211 X 1) A. Pengertian Dados Berkala Data Berkala (series de tempo) dados do adalah dados do yang disksun berdasarkan urutan dados do waktu atau yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat berupa minggu, bulan, tahun, dan sebagainya. Analise de dados analitica de adala analisacao de yang menerangkan dan mengukur berbagai perubahan atau perkembangan dados selama satu periode. B. Tendencia de Penentuan Uma tendencia de nilai do menentukan, um dapat digunakan bebia cara, um metode de tangan bebas, um metata de setengah rata-rata, um rata-rata de metode, um metke de kuadrat de metode. 1. Metode Tangan Bebas (Mao Livre) Merupakan metodo yang sangat sederhana serta tidak memerlukan perhitungan-perhitungan. Langkah-langkah penyelesaian dengan metode tangan bebas ialah: a. Dados dari hasil pengamatan digambarkan ke dalam suatu diagrama (desenho diagracar pencar). B. Diagrama do diagrama de pencar. Arah garisnya sesuai dengan letak titik-titiknya. Contoh Soal: Berikut ini data mengenai penjualan bersih dari sebuah perusahaan roti. PENJUALAN ROTI DARI SEBUAH PERUSAHAAN ROTI, TAHUN 1990-1997 (dalam ratusan riburupiah) Tahun 1990 1991 1992 1993 1994 1995 1996 1997 Penjualan 176 170 182 195 208 216 225 237 Metode tangan bebas memiliki kelemahan dan kelebihan. Kelemahannya antara lain: 1. gambarnya kurang akurat, kemiringan garis tendencia do tergantung pada orang yang menggambarnya. 2. nilai-nilai trendnya kurang akurat. Kelebihannya antara lain: 1. tidak memerlukan perhitungan. 2. jika garis trendnya digambarkan secara hati-hati maka hasilnya dapat mendekati gambar yang dihitung secara matematis. 2. Metode Setengah Rata-Rata (Semiaverage) Tendencia Penentuan denata metodo setengah rata-rata adalah dengan mencari dados de rata-rata yang ada, dados de seteah dibagi menjadi dua bagian. Langkah-langkah penyelesaiannya ialah: um. Membags dados berkala tersebut menjadi dua bagian yang sama banyak. Jika jumlah tahunnya ganjil maka tahun yang berada dizengah tidak diikutkan atau dihilangkan dalam perhitungan. B. Menghitung jumlah (total) setiap bagian (jumlah semitotal). Diagrama pencar metode tangan bebas c. Menghitung rata-rata setiap bagiano dan meletakkannya ditengah masing-masing bagian. Kedua nilai rata-rata tersebut merupakan nilai tendencia untuk tahun yang ada ditengah setiap bagian. D. 1) menghitung kenaikan tendencia total dari nilai-nilai tendencia yang diketahui, 2) menghitung rata-rata kenaikan tendencia por tahun, 3) Menambak atau menguangi nilai trendyang diketahui dengan rata-rata kenaikan tendencia Por tahun. E. Menggambarkan atau menentukan garis trendnya. Caranya ialah dengan menghubungkan dua nilai rata-rata yang diketahui dalam suatu diagrama. Garis itulah yang menjadi tendencia garis. Contoh Soal: Nilai Penjualan bersih selama 10 dias por semana em um dia. PENJUALAN BERSIH DARI SEBUAH PERUSAHAAN ROTI, TAHUN 1989-1998 (dalam ratusan riburupiah) Tahun 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 Penjualn 176 170 182 197 205 212 236 225 250 270 a. Buatlah nilai-nilai trendnya b. Gambarlah garis trendnya Untuk mempermudah perhitungan, Desenho de seta: a. Tendencia da tendencia de Nilai e dalam do vintage (rata-rata do setengah do nilai) a tendencia do nilai do adalah da tendencia para o ano 1991 em 1996. Tendencia da tendencia de Nilia-nilai para o tahun-tahun e no diametro do cabelo: 1) Tendencia total de Kenaikan (1991-1996) adalah 238, 6 8211 186 52,6 2) Tendencia de kenaikan de Rata-rata por tahun adalah 10,52 (52,6, 5 10,52) 3) Tendencia de Nilai-nilai untuk tahun-tahun bersangkutan: T89 186 - 2 (10,52) 164,96 T90 186 - 1 (10,52) 175,48 T91 186 - 0 (10,52) 186 T92 186 1 (10,52) 196,52 T93 186 2 (10,52) 207,04 T94 186 3 (10,52) 217,56 T95 186 4 (10,52) 228,08 T96 186 5 (10,52) 238,6 T97 186 6 (10,52) 249,12 T98 186 7 (10,52) 259 , 64 b. Garis tendencia penjualan bersih sebuah perusahaan roti Perhitungan tendem a dar uma metata setengah rata-rata dapat pula dilakukan dengan menggunakan persaman garis lurus. Persamaan garis lurus, tersebut, design, persamaan, tendencia, yaitu: Y a bX Ket: Y rata-rata dados semitotal X kode waktu (titik absis) a, b konstanta Seperti halnya metode tangan bebas, metode setengah rata-rata juga memiliki kekurangan dan kelebihan. Kekurangannya ialah: dalam perhitungannya yang menggunakan nilai rata-rata. Seandainya dalam salah satu atau kedua bagian terjadi hal-hal yang mempengaruhi dados dalam tahun bersangkutan maka akan terlihat pengaruhnya pada nilai rata-rata. Palavras-chave: - perhitungannya tidak sukar - dalam menggambarkan garis tendencia lebih objecktif jika dibandingkan dengan metode sebelumnya. 3. Metodo Rata-Rata Bergerak (Media Movel) Metode rata-rata disebut rata-rata bergerak jika seta rata-rata dihitung, diikuti gerakan satu periode ke belakang. Metode rata-rata bergerak disebut juga rata-rata bergerak terpusat, karena rata-rata bergerak diletakkan pada pusat dari periode yang digunakan. Pada metode rata-rata bergerak diadakan penggatian nilai dados suatu tahun dengan nilai rata-ratanya dihitung dengan nilai dados tahun yang mendahuluinya dan nilai data tahun berikutnya. Langkah-langkahnya ialah: a. Menghitung rata-rata dari sejumlah dados paling awal b. Melupakan nilai dados yang pertama c. Mengulangi tahap (a) dan (b) dados sampai yang terakhir. Conso: Data de criacao dos dados de 1987 a partir de 1987. Tahun Produksi (ributo) 1987 1988 1989 1990 1991 1992 1993 175,5 194,9 218,5 202,9 213,0 207,8 213,0 a 4. Metode Kuadrat Terkecil (Menos quadrado) Persamaan tendencia de adala: Dengan metode kuadrat terkecil, nilai a dan b dari persamaan tendencia linear diatas Ditantukan dengan rumus: Data: Data de nascimento: Data de nascimento: Data de nascimento: Data de nascimento: Data de nascimento: Data de nascimento: Data de nascimento: Data de nascimento: Untuk n ganjil Tahun 1991 1992 1993 1994 1995 Penjualan (jutaan Rp) 170 190 225 250 325 b. Untuk n genap Tahun 1990 1991 1992 1993 1994 1995 Penjualan (jutaan Rp) 150 170 190 225 250 325 Penyelesaian: a. (Y) X XY X178 Tendencia 1991 1992 1993 1994 1995 170 190 225 250 325 -2 -1 0 1 2 -340 -190 0 250 650 4 1 0 1 4 158 195 232 269 306 Jumlah 1,160 0 370 10 1,160 Persamaan garis tendencia yang bersangkutan adalah: Perhitungan tendencia Y91 232 37 (-2) 158 Y92 232 37 (-1) 195 Y93 232 37 (0) 232 Y94 232 37 (1) 269 Y95 232 37 (2) 306 Persamaan garis Tendencia yang bersangkutan adalah: Y 218,33 16,43X Tendencia Perhitungan adalah: Y90 218,33 16,43 (-5) 136,18 Y91 218,33 16,43 (-3) 169,04 Y92 218,33 16, 43 (-1) 201,91 Y93 218,33 16,43 (1) 234,76 Y94 218,33 16,43 (3) 267,62 Y95 218,33 16,43 (5) 300,48 I. MOMEN , KEMIRINGAN DAN KURTOSIS a. MOMEN DAN MOMEN SENTRAL Rumo Momen ke-k Rumus Momento Sentral ke-k Rumo koefisien kemiringan pertama Pearson Rumo koefisien kemiringan kedua Pearson Rumo koefisien kemiringan kuartil Bowley Rumo koefisien kemiringan momen Kenney Keeping c. KURTOSIS Rumo koefisien kurtosis momen Tabel 8 x f fx x f x x f x x x f x (x - x) f (x - x) 2 f. (X - X) 3 f. (X - X) 4 55 5 275 15125 831875 45753125 -18,48718 -92,436 1708,879 -31592,3559 584053,57 62 6 372 23064 1429968 88658016 -11,48718 -68,923 791,7318 -9094,766 104473,21 69 9 621 42849 2956581 204004089 -4,48718 -40,385 181,2131 -813,135615 3648,6859 76 5 380 28880 2194880 166810880 2,51282 12,564 31,57132 79,33304875 199,34967 83 7 581 48223 4002509 332208247 9,51282 66,590 633,4562 6025,954908 57323,824 90 6 540 48600 4374000 393660000 16,51282 99,077 1636,039 27015,62324 446104,12 97 1 97 9409 912673 88529281 23,51282 23,513 552,8527 12999,12612 305646,11 39 2866 216150 16702486 1319623638 0,000 5535,744 4619,779781 1501448,9 a-1 73,48718 m-1 0 k-1 0,419 a-2 5542,308 m-2 142 k-2 0,347 a-3 428268,9 m-3 118 k-3 0,181 a-4 33836504 m-4 38,499 k-4 0,070 g 1,911 Bagaimana jika datanya seperti berikut ini. DADOS NILAI STATISTIKA SOSIAL DARI 40 MAHASISWA IKPI IAI FIS 8211 UNJ SEMESTRE GANJIL 2006 DADOS NILAI STATISTIKA SOSIAL DARI 40 MAHASISWA IPI IAI FIS 8211 UNJ SEMESTRE GANJIL 2006 1. MEDIANA a) Dados medianos tunggal: dados medievais de dados tunggal dapat dicari dengan pedoman sebagai berikut: - Jika jumlah data ganjil mediannya, dados adalah yang berada paling tengah - Jika jumlah dados genap, mediannya adalah hasil bagi jumlah dua dados yang berada ditengah. Pedoman para a esquerda e para a direita: a) Untuk dados ganjil (n ganjil) Me X b) Untuk dados genap (n genap) Me 2 Contoh soal: Tentukan mediana dari dados a. 4, 3, 2, 6, 7, 5, 8 b. 11, 5, 7, 4, 8, 14, 9, 12 Jawab: a. Dados urutanos 2, 3, 5, 6, 7, 8 Dados Jumlah (n) 7 (ganjil) Me X7 1 X4 5 2 b. Dados urutanos. 4, 5, 7, 8, 9, 11, 12, 14 Jumlah data (n) 8 (genap) Me X4 X5 8 9 8,5 2 2 b) dados medianos berkelompok: Dados medianos berkelompok rumusnya adalah sebagai berikut: Me B 85432n 8211 (8721f2) 0. C FMe Keterangan: Me mediana B tepi bawah kelas mediana N Jumlah frekuensi (8721f2) 0 jumlah frekuensi kelas-kelas sebelum kelas mediana C Panjang intervalo kelas FMe Frekuensi kelas mediano Contem soal: Tentukan mediano dari frekuensi berikut: 4.2 DIAMETRO DARI 40 PIPA ADALAH Diametro Pipa (mm) Frekuensi (f) 65-67 2 68-70 5 71-73 13 74-76 14 77-79 4 80-82 2 Jawab: Jumlah freekuensi (n) 40 a 85432n 20 Kelas median adalah (8721f2) 0 8805 85432n f1 f2 f3 20 8805 20 Jadi, kelas mediana adalah kelas ke-3 B 70,5 (8721f2) 0 7 C 3 fMe 13 Me B 85432n 8211 (8721f2) 0. C FMe 70,5 20 8211 7. 3 13 73,5 O envio Incluiu Adicionar a Lista de Presentes Adicionar para comparar Adicionar a lista de desejos Adicionar a Lista de Presentes | A) dados de Kuang tunggal: dados de tungstenio, dados de banco de dados de banco de dados de banco de dados: Qi nilai yang ke i (n 1), I 1, 2, 3 4 Contoh soal: Tentukan kuartil dari data 2, 6, 8, 5, 4, 9 , 12 Data diurutkan. 2, 4, 5, 6, 8, 9, 12 n 7 Qi nilai ke i (n 1) 4 Q1 nilai ke 1 (7 1) 2. Yaitu 4 4 Q2 nilai ke 2 (7 1) 4, Yaitu 6 4 Q3 nilai ke3 (7 1) 6, yaitu 9 4 b) Dados do berkelompok: Untruk data berkelompok rumusnya sebagai berikut: Qi Bi in 8211 ((8721f1) 0. C fQi Keterangan: Bi Tepi bawah kelas kuartil n jumlah semua frekuensi i 1 , 2, 3 (8721fi) 0 jumlah frekuensi semua kelas sebelum kelas kuartil C panjang intervalo kelas fQi frekuensi kelas kuartil Contoh soal: Tentukan Q1, Q2, dan Q3 dari distribusi frekuensi pada tabela 4.2 diatas Jwb: Dari table 4.2 tersebut diketahui n 40 , Berarti 85434n 10, 85432n 20, dan 34n 30 Kelas Q1 adala kelas ke-3 Kelas Q2 adala kelas ke-3 Kelas Q3 adala kelas ke-4 B1 70,5 (ada dikelas ke-3) B2 70,5 (ada dikelas Ke-3) B3 73,5 (ada dikelas ke-4) (8721f1) 0 7 (8721f2) 0 7 (8721f3) 0 20 C3 fQ1 13 fQ2 13 fQ3 14 Q1 B1 em - (8721f1) 0.C FQ1 Q1 70,5 188 x 40 8211 7 x 3 13 Q1 70,5 0,69 71,19 Q2 B2 2n 8211 (8721f2) 0. C FQ2 Q2 70,5 189 x 40 8211 7 x 3 13 Q2 70,5 3 73,5 Q3 B3 3n 8211 (8721f3) 0. C FQ3 Q3 73,5 190 x 40 8211 20 x 3 14 Q3 73,5 2,14 75,64 3. Desil Data de lancamento: Data de lancamento: Data de saida: Data de envio: Tunggal rumusnya adalah sebagai berikut: Di nilai ke I (n 1). I 1, 2,823082308230 9 10 Contagem de resultados: Tentukan desil ke-3 (D3) em D7 Dari data in: 23, 30, 32, 34, 38, 38, 39, 40, 41, 43, 44, 45, 46 D3 dados ke 3 (13 1) 10 dados ke 4210 dados ke 4,2 x4 0,2 (X5 8211 X4) 34 0,2 (38 8211 34) 34,8 D7 Dados ke 7 (13 1) 10 dados ke 9810 dados ke 9,8 X9 0,8 (X10 8211 X9) 41 0,8 (43 8211 41) 41 1,6 42,6 b) Desil data berkelompok: Dados fornecidos: Di Bi in10 8211 (8721fi) 0.C fDi D1 Desil kei Bi Tepi bawah kelas desi kei n jumlah frekuensi (8721f) 0 Jumlah frekuensi sebelum kelas desil kei C panjang interval kelas desil ke FDi frekuensi kelas desil kei 1, 2, 3, 8230. 9 Contoh soal: TABEL 4.3 NILAI MATEMATIKA 40 MAHASISWA UNIVERSITAS BOROBUDUR TAHUN 1997 NILAI Frekuendi (f) 30-39 5 40-49 3 50-59 6 60-69 7 70-79 8 80-89 7 90-99 4 jumlah 40 Jawab: Dari table 4, 3 diketahui, n 40 maka 410 (40) 16 dan 810 (40) 32 Kelas D4 adalah kelas ke-4 Kelas desil D8 adala kelas ke-6 B4 59,5 (tepi bawah kelas ke-4) B6 79,5 (tepi bawah kelas ke-6) (8721f4) 0 14 dan (8721f6) 0 29 C 10 fD4 7 dan fD8 7 D4 B4 4. n10 - (8721f4) 0. C FD4 59,5 8211 4 x 40 10 - 14 x 10 7 59,5 2,68 62,36 D8 B6 8. n 10 - (8721f6) 0. C FD8 79,5 8 x 40 10 - (8721f6) 0.C FD8 79,5 4,29 83,79 4. PERSENTIL Persentil adalah fraktil yang membagi seperangkat dados yang telah terurut menjadi serato bagian yang sama a) Presentil dados tunggal: Pi nilai kei i (n 1). I 1, 2, 3, 82308230. 99 100 Numero de casos: Tentukan presentil ke-10 dan presentil ke-76 dari data berikut 20 21 22 24 26 26 27 30 31 31 33 35 35 36 37 37 38 39 40 41 41 42 43 44 46 47 48 49 50 Jawab: n 30 P10 nilai ke 10 (30 1) 100 niali ke 310100 nilai ke 31 X3 0,1 (X4 8211 X3) 22 0,1 (24-22) 22,2 P76 nilai ke 76 (30 1) 100 nilai ke 2356100 nilaike 23,56 X23 0,56 (X24 8211 X23) 42 0,56 (43 8211 42) 42,56 b) Dados de preseni??: Pi Bi (in100) - (8721f1) 0 . C FPi Keterangan: Pi persentil kei Bi tepi bawah kelas persentil kei n jumlah semua frekuensi I 1, 2, 3, 8230. 99 (8721fi) 0 Jumlah semua frekuensi sebelum kelas persentil C panjang intervalo kelas FPi frekuensi kelas persentil Contoh soal: 4.4 TINGGI 100 MAHASISWA UNIVERSITAS BOROBUDUR TAHUN 1990 TINGGI (cm) Frekuensi (f) 150-154 4 155-159- 8 160-164 14 165-169 35 170-174 27 175-179 12 jumlah 100 Jawab: Dit, persentil ke-35 dan Presentil ke-88 Kelas persentil P35 adala kelas ke-4 Kelas presentil P88 adala kelas ke-5 B35 164,5 (tepi bawah kelas ke-4) B88 169,5 (tepi bawah kelas ke-5) (8721f35) 0 26 dan (8721f88) 0 61 C 5 FP35 35 dan fP88 27 P35 B35 35 (n) 100 - (8721f35) 0. C FP35 164,5 35 (100) 100 8211 26 x 5 35 164,5 1,29 165,79 P88 B88 88 (n) 100 - (8721f88) 0. C FP88 169,5 88 (100) 100 8211 61 x 5 27 169,5 5 174,5 Angka indeks atau indeks adala angka yang dipakai sebagai alat perbandingan dua atau lebih kegiatan yang sama untuk kurun waktu yang berbeda. 61558 Periode atau Waktu Dasar Adala periode yang dipakai sebagai dasar dalam membandingkan kegiatan tersebut. Periode dasar biasanya dinyatakan dalam angka indeks, sebesar 100. 61558 Periode atau Waktu Berjalan Adala periode yang dipakai yang sedang berjalan atau periode yang diperbandingkan dalam kegiatan tersebut. Periode berjalan disebut juga periode bersangkutan. Contoh. Jika penduduk Indonesia pada tahun 1961 97.085.348 jiwa dan tahun 1980 147.490.298 jiwa maka: 1. Data de lancamento: 1961, data: Indeks penduduk Indonesia 1961 Indeks penduduk Indonesia 1980 (ada kenaikan 151,92 - 100 51,92) 2. Untuk periode dasar 1980, data: Indeks penduduk Indonesia 1980 Indeks penduduk Indonesia 1961 (ada penurunan 100 - 65,82 34,18) I. Jenis-jenis angka indeks 1. Indices harga (indice de precos) Adalah angka indeks yang dipakai untuk mengukur atau menunjukkan perubahan Nao ha comentarios sobre este item? Voce pode tentar a sua esquerda e direita chave para paginacao. uma. Metoda Angka Relatif Ket: Periodo de execucao do processo Periodo de tempo Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo de ocupacao Periodo Periodo 1990 1991 1992 1993 1994 Kacang Kedelai Kacang Hijau Kentang Jagung Kuning 3,090 3,575 2,482 1,169 3,447 4,262 2,785 1,319 3,568 4,889 2,724 1,737 4,166 5,809 3,578 1,831 5,336 6,32 2,964 1,919 Tentukan indeks harga kentang dengan metoda angka relative tahun 1991 dan 1994 dengan periode dasar 1990 Data de lancamento 1991 I 215100 215100 112,2 Untuk tahun 1994 I 215100 215100 119,42 b. Metode Agregat I 215100 Ket: P jumlah seluruh harga pada periode P jumlah seluruh harga pada periode dasar 2. Indices kuantitas (indice de quantidade) Adalah angka indeks yang dipakai untuk mengukur kuantitas suatu barang atau sekumpulan barang, baik yang diproduksi, dikonsumsi, maupun dijual . uma. Metode angka relatif IK 215100 b. Metode agregat IK 215100 c. Metode rata-rata relatif IK 3. Indices nilai (indice de valor) Adalah angka indeks yang dipakai untuk melihat perubahan nilai dari suatu barang atau sekumpulan barang, baik yang dihasilkan, diimpor, maupun diekspor. Contoh: Indeks nilai ekspor kopra Indicacoes nilai impor beras Merupakan perbandingan yang bersifat pasangan dan disusun secara berantai dari tahun ke tahun (tidak terbatas pada satu tahun atau periode saja). 1. Rumus untuk indeks rantai harga. I 2. Rumus untuk indeks rantai kuantitas. I 3. Rumo indeks dengan metode agregatif tertimbang. I Mengubah Tahun atau Periode Dasar 1. Angka indeks dari tahun dasar yang baru disamakan dengan 100 2. Angka-angka indeks dari tahun-tahun berikutnya, dibagi dengan indeks dari tahun dasar baru dikalikan dengan 100. Contoh Soal: Tahun 1985 1986 1987 1988 1989 1990 Angka Indeks 125 147 165 183 197 Buatlah angka indeks yang baru dengan tahun dasar 1987 Penyelesaian: Tahun dasar 1987 diubah menjadi sama dengan 100. Angka indeks untuk tahun-tahun 1985, 1986, 1987, 1988, 1990 1990 dihitung sebagai berikut: 1985 (Dibulatkan) 1986. 85 (dibulatkan) 1987. 100 1988. 112 (dibulatkan) 1989. 124 (dibulatkan) 1990. 134 (dibulatkan) Jadi, angka indeks dengan tahun dasar 1987 adalah 1985 1986 1987 1988 1989 1990 68 85 100 (dasar) 112 124 134Em 5 de dezembro de 2007 1. Analise de series temporais (Analisis Deret Waktu) Dados da analise dados do waktu pada dasarnya digunakan untuk melakukan dados analisis yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secar periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulano, kuartal dan tahun, bisa dilakukan analise menggunakan metode analisis dados deret waktu. Os dados de analise foram obtidos por uma variavel (multivariada). Selain itu pada analisis dados dados waktu bisa dilakukan peramalan dados beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan. Beberapa bentuk dados de analise deret waktu dapat dikelompokkan ke dalam beberapa katagori: a. Metode Pemulusan (Suavizacao) Metode pemulusan dapat dilakukan danga dua pendekatan yakni Metode Perataan (Media) dan Metode Pemulusan Eksponensial (Suavizacao Exponencial). Pada metode, rataan, bergerak, digunakan untuk, memuluskan, dados, waktu, dengan, berbagai, metoda, peratan, diantaranya. (1) rata-rata bergerak sederhana (media movel simples), (2) rata-rata bergerak ganda dan (3) rata-rata bergerak dengan ordo lebih tinggi. Untuk semua kasus dari metode tersebut, tujuannya adalah memanfaatkan dados massa lalu untuk mengembangkan sistem peramalan pada periode mendatang. Pada metodo pemulusuan eksponensial, pada dasarnya dados massa lalu dimuluskan dengan cara melakukan pembotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua. Atau nilai yang lebih baru diberikan bobot yang relativo lebih besar dibando nilai pengamatan yang lebih lama. Beberapa jenis analisis dados deret waktu yang masu pada katagori pemulusan eksponensial, diantaranya. (1) pungulusan eksponensial tunggal, (2) pemulusan eksponensia tunggal: pendekatan adaptif, (3) pemulusan eksponensial ganda. Metode Brown, (4) metoda pemulusan eksponensial ganda. Metode Holt, (5) pemulusan eksponensial tripel. Metode Inverno. Pada metode pemulusan eksponensial ini, sudah mempertimbangkan pengaruh acak, tendencia dan musiman pada dados massa lalu yang akan dimuluskan. Seperti halnya pada metodo rataan bergerak, metodo pemulusan eksponensial juga dapat digunakan untuk meramal dados beberapa periode ke depan. B. Modelo ARIMA (Media Movimentada Integrada Autorestrada) Seperti halnya pada metode analise sebelumnya, model ARIMA para analise de dados analiticos dados para dados peramalanos. Pada modelo ARIMA diperlukan penetapan dados karakteristik deret berkala seperti. Stasioner, musa dan sebagainya, yang memerlukan suatu pendekatan sistematis, dan akhirnya akan menolong untuk mendapatkan gambaran yang jelas mengenai modelo-modelo dasar yang akan ditangani. Hal utama yang mencirikan dari modelo ARIMA dalam rangkan analisis dados deret waktu dibandingkan metode pemulusan adala perlunya pemeriksaan keacakan dados dengan melihat koefisien autokorelasinya. Modelo ARIMA BRAZILA BRAZO BIGE digunakan untuk mengatasi masalah sifat keacakan, tendencia, musiman bahkan sifat siklis dados dados deret waktu yang dianalisis. C. Analisis Deret Berkala Multivariate Modelo ARIMA digunakan untuk analise de dados de dados de transferencia de dados de banco de dados 83648482tunggal83648482, atau sering dikatagorikan modelo-modelo univariada. (Dados multiplos), tidak bisa dilakukan analise menggunakan modelo ARIMA, modelo karena itu diperlukan modelo-modelo multivariavel. Model-modelo yang masuk kelompok multivariada analisisnya lebih rumit dibandingkan dengan modelo-modelo univariavel. Pada modelo multivariavel sendiri bisa dalam bentuk analise dados bivariado (yaitu, hanya data dua deret berkala) dan dalam bentuk dados multivariada (yaitu, dados terdiri lebih dari dua deret berkala). Modelo-modelo diantaranya multivariado: (1) modelo fungsi transferencia, (3) modelo analisis intervensi (analise de intervencao), (4) Analise de Fourier, (5) analise Spectral dan. 2. Analisis Regresi Dalam kehidupan sehari-hari, seringkali dijumpai hubungan antara suatu variabel dengan satu atau lebih variabel lain. Di dalam bidang pertanian sebagai contoh, jenis pupuk yang diberikan berhubungan dengan hasil pertanian yang diperoleh, jumlah pakan yang diberikan pada ternak berhubungan dengan berat badannya, dan sebagainya. Seca umum ada dua macam hubungan antara dua atau lebih variavel, yaitu bentuk hubungan dan keeratan hubungan. Bila ingin mengetahui bentuk hubungan dua variavel atau lebih, digunakan analisis regresi. Bila ingin melihat keeratan hubungan, digunakan analisis korelasi. Analise de regressao adala teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Penerapannya dapat dijumpai secara luas de banyak bidang seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, Analisis regresi dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditantukan saja. uma. Regresi Linier Sederhana Regresso linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variable bebe adalah variabel yang bisa dikontrol sedangkan variavel tak bebas adalah variavel yang mencerminkan respon dari variabel bebas. B. Regresi Berganda Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regressar yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Semana de Negocios, Wal Street Journal, dll), yang didasarkan pada modelo-modelo ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regressar berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisar regieria menjajagi antara hasil pertanian denan jenis pupuk yang digunakan kuantitas pupuk yang diberikan jumlah hari hujan suhu lama penyinaran matahari dan infeksi Serangga. C. Regresi Kurvilinier Regresi kurvilinier seringkali digunakan untuk menelaah atau memodelkan hubungan fungsi variavel terikat (Y) dan variabel bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai-nilai X tertentu. Kondisi mais recente e mais recente. Misal pada bidang pertanian, bisa diamati, hubungan, antara, produksi, padi, dengan, taraf pemupukan, Phospat. Seca umum produksi padi akan meningkate cepat bila pemberian A utilizacao deste ficheiro e regulada de office para o produto. Tetapi ketika pemberian dosis Phospat diteruskan hingga taraf tinggi, maka tambahan dose Phospat tidak lagi diimbangi kenaikan hasil, sebaliknya terjadi penurunan hasil. Untuk kasus-kasus hubungan tidak linier, prosedur regi regi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan dari variabel-variabel yang terlibat. Dalam hal ini, prosedur analisis regi kurvilinier merupakan prosedur yang sesuai untuk digunakan. D. Regresi dengan Variabel manequim (Boneka) Analisis regresi tidak saja digunakan untuk kuantitatif-dados de dados (misal. Dosis pupuk), tetapi juga bisa digunakan untuk kualitatif dados (misal. Panen musim). dados Jenis kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel Bebas (X) dengan klasifikasi pengukuran dalam nominal persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi Nilai 1 (satu) kalau kategori Yang dimaksud ada dan Nilai 0 (nol) kalau kategori Yang dimaksud tidak ada (bisa juga sebaliknya, tujuannya tergantung). Dalam kasus kemasan ini, bila kemasannya menarik diberi Nilai uma dan bila tidak menarik diberi Nilai 0. Variabel Yang mengambil Nilai uma dan 0 disebut variabel manequim Dan Yang Nilai diberikan dapat digunakan seperti variabel kuantitatif Mistos. E. Regresi Logistik (regressao logistica) Bila regresi dengan variabel bebas (X) berupa variabel dummy, maka dikatagorikan sebagai regresi dummy. Registrador de logotipos que digita o codigo de variacao de categoria (Y). Misalnya, variavel Y berupa dua respon yakni gagal (dilangangan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regressar dengan respon biner. Seperti pada analisis regressar berganda, untuk regressar logistik variabel bebas (X) bisa juga terdiri lebih dari satu variabel. 3. Caminho de Analise (Analise do Caminho) dan Analise Analise de SEM Caminho pada dasarnya ingin melihat hubungan kausalitas antara kejadiano satu dan kejadian lain. Hubungan kausalitas yang ingin dilihat besa berupa, hubungan, langsung, maupun, tidak, langsung. Analise de Pendekatan yang digunakan pada analisis caminho tidak berbeda dengan analisis regresi ganda. Hanya sedikit berbeda pada perhitungan pendugaan koefisiennya. Pada saat ini jenis analise in a berkembang pada bidang, seperti psikologi, pendidikan, dan lain-lain. Apabila, peubah, yang, akan, dilihat, pola, hubungannya, berupa, peubah laten (tak terukur), seperti peubah prestasi, kecemasan dan lainnya, maka lebih cocok menggunakan analisis. Untuk jenis peubah latina ini, tidak cocok digunakan analisis caminho. 4. Analise Peubah Ganda Analise peubah ganda dilakukan karena peubah yang digunakan relativo banyak. Beberapa hal yang melatari analisis ini diantaranya antar peubah satu dengan peubah deitado ada korelasi dan tidak ada keinginan untuk melihat pola hubungan Antara peubah bebas dan peubah tak bebas. Bisanya analisis ini digunakan untuk mereduksi peubah yang cukup banyak menjadi peubah yang lebih sederhana tapi tidak meninggalkan informasi peubah asalnya. Selain itu melalui analise peubah ganda juga bisa dilihat pengelompokan objetivo berdasarkan kemiripan peubah-peubah peubah-peubah penyusunnya. Beberapa Jenis Analisis Yang masuk katagori Analisis peubah Ganda diantaranya: Analisis Komonen Utama (Pricipal Analise de Componentes), Analisis Gerombol (Cluster Analysis), Analisis Faktor (Factor Analysis), Korelasi Kanonik, Analisis Biplot, Analisis Diskriminan (Analise Discriminante) dan Multidimension raspagem. 5. Analise conjunta Analise conjunta, bisanya banyak digunakan pada bidang rismet pemasaran. Sebagai contoh bila suatu perusahaan ingin mengeluarkan product baru, maka melali analisis ini bisa dilihat tentang preferensi konsumennya. Untuk bidang pertanian, analisis ini bisa digunakan oleh pelaku agribisnis baik skala kecil maupun besar yang akan meluncurkan produk agribisnisnya.