1. Data utgår berkala dalam tabell 1, dibagi menjadi 2 kelompok yang sama. 2. Nilai-nilai pada masing-masing kelompok dijumlahkan untuk mendapatkan 8220 halvtall 8221 3. Menghitung nilai 8220 settengah rata-rata8221 tiap kelompok dengan jalan mencari rata-rata hitungnya, seperti dalam (4). Pada dasarnya, nilai 8220 sjøhvile 8221 10,156,167 merpakan nilai trenden harga rata-rata perioden 1 januar 1970 kl 31 desember 1969 sedangkan setengah rata-rata 26.346.167 periode darar 1. januar 1976 kl. 31. desember 1975. 8220 Nilai trend linear8221 untuk tahun-tahun tertert dapat dirumuskan, sebagai berikut. Y8217 nilai trend periode med en 0 nilai trend periode dasar b pertambahan trenden tahunan secara rata-rata (ting per variabel per periode), men du kan ikke ha det samme med deg selv. 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 Data Berkala Data Berkala (tidsserier) adalah data yang disusun berdasarkan, men du har ikke tilgang til data, så du kan få tak i det. Waktu yang digunakan dapat berupa minggu, bulan, tahun, dan sebagainya. Analyser data berkala adalah analisis yang meanangkan mengun berbagai perubahan atau perkembangan data selama satu periode. B. Penentuan Trend Untuk menentukan nilai trenden, dapat digunakan beberapa cara, yaitu metode tangan bebas, metode setengah rata-rata, metode rata-rata bergerak, enn metode kuadrat terkecil. 1. Metode Tangan Bebas (Free Hand) Merupakan metode og sangat sederhana serta tidak memerlukan perhitungan-perhitungan. Langkah-langkah penyesesaian dengan metode tangan bebas ialah: a. Dataene er hentet fra pengepunktet, og det er ikke tillatt å se diagrammet. b. Pada diagram pencil tersebut ditarik garis lurus secara bebas. Arah garisnya sesuai dengan letak titik-titiknya. Fortsett: Berikut ini data mengenai penjualan bersih av sebuah perusahaan roti. PENJUALANS ROTI DARI SEBUAH PERUSAHAAN ROTI, TAHUN 1990-1997 (dalam ratusan ribu rupiah) Tahun 1990 1991 1992 1993 1994 1995 1996 1997 Penjualan 176 170 182 195 208 216 225 237 Metode som er en av de grunnleggende valgmulighetene i verden. Kelemahannya antara lain: 1. Gambarnya kurang akurat, kjemiring garis trendnya 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 harilnya dapat mendekati gambar yang dihitung secara matematis. 2. Metode Setengah Rata-Rata (Sesongbruk) Penentuan trend dengan metode satt til rata-rata adalah dengan mencari rata-rata data, og dataene er tersebut dibagi menjadi dua bagian. Langkah-langkah penyelesaiannya ialah: a. Membagi data berkala tersebut menjadi dua bagian yang samme banyak. Jika jumlah tahunnya ganjil maka tahun yang berada ditengah tidak diikutkan athhhhhhangangkan dalam perhitungan. b. Menghitung jumlah (total) setiap bagian (jumlah semitotal). Diagrampennemetode tangan bebas c. Menghitung rata-rata setiap bagian dan meletakkannya ditengah masing-masing bagian. Kedua nilai rata-rata tersebut merupakan nilai trenden untuk tahun yang ada ditengah setiap bagian. d. Menentukan nilai trenden untuk tahun-tahun lainnya dengan cara: 1) Kombinert kjærlighet totalt trend av nilai-nilai trend yang diketahui, 2) Kombinert rata-rata kjendis trend per tahun, 3) Menambah atau mengurangi nilai trendyang diketahui dengan rata-rata kenaikan trend per tahun. e. Menggambarkan atau menentukan garis trendnya. Caranya ialah dengan menghubungkan dua nilai rata-rata yang diketahui dalam suatu diagram. Garis itulah yang menjadi garis trend. Contoh Soal: Nilai Penjualan bersih selama 10 tahun av sebuah perusahaan roti diberikan sebagai berikut. PENJUALANS BERSIH DARI SEBUAH PERUSAHAAN ROTI, TAHUN 1989-1998 (dalam ratusan ribu rupiah) 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, dibuat tabell seperti berikut: a. Nilai trend trendy tallet (nilai setengah rata-rata) nåværende trend i 1991 1991. 1996. Nilai-trendens trendy tahun-tahun yang lain diperoleh melalui perhitungan berikut: 1) Kenaikan total trend (1991-1996) adalah 238, 6 8211 186 52,6 2) Rata-rata kenaikan trend per tahun adalah 10,52 (52,6, 5 10,52) 3) Nilai-nilai trenden ble utviklet for 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 trening penjualan bersih sebuah perusahaan roti Perhitungan har en tendens til å være en god måte å rata-forholdene til, og det er en av de største menneskene i verden. Perspektivet er ikke et problem, men det er et ytre kriterium: Y en bx Ket: Y rata-rata semitotal data X-kode (ofte sett), en konstant Seperti-metode, som er basert på en metode som er riktig for deg selv. Kekurangannya ialah: dalam perhitungannya yang menggunakan nilai rata-rata. Seandainya dalam salah satu atau kedua bagian terjadi hal-hal yang mempengaruhi data dalam tahun bersangkutan maka akan terlihat moneyuhnya pada nilai rata-rata. Kelebihannya antara lain: - perhitungannya tidak sukar - dalam menggambarkan garis trend lebih objektiv jika dibandingkan dengan metode sebelumnya. 3. Metode Rata-Rata Bergerak (Flytende Gjennomsnitt) Metode Rata-Rata Disebut Rata-Rata Bergerak Jika Sosialt Rata-Rata Dihitung, Diikuti Sertifiseringstid. 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 data suatuahan dengan nilai rata-ratanya dihitung dengan nilai data tahun yang mendahuluinya dan nilai data tahun berikutnya. Langkah-langkahnya ialah: a. Menghitung rata-rata dari sejumlah data paling awal b. Melupakan nilai data yang pertama c. Mengulangi tahap (a) dan (b) sampai data yang terakhir. Conso: Berikut ini data produksi sabun cuci dari tahun 1987 sampai tahun 1993. Tahun Produksi (ribu ton) 1987 1988 1989 1990 1991 1992 1993 175,5 194,9 218,5 202,9 213,0 207,8 213,0 a. Buatlah nilai trend dengan metode rata-rata bergerak, dengan 3tahun dan 5tahun rata-rata bergerak b. Buatlah grafiknya 4. Metode Kuadrat Terkecil (minste torg) Persamaan trendnya adalah: Dengan metode kuadrat terkecil, nilai a dan b dar persamaan trend lineære diatas Dette er det du trenger: Kode: Datamaskinen er ikke tilgjengelig, men du må ikke ha en X-kode. Conso: Når data er tilgjengelig, er det ikke nødvendig å legge inn en ny versjon. Untuk n ganjil Tahun 1991 1992 1993 1994 1995 Penjualan (jutaan Rp) 170 190 225 250 325 b. Untuk n genre Tahun 1990 1991 1992 1993 1994 1995 Penjualan (jutaan Rp) 150 170 190 225 250 325 Penyesesisk: a. Untuk n ganjil Tahun Penjualan (Y) X XY X178 Trend 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 Persemaan garis trenden yang bersangkutan adalah: Perhitungan trenden 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 trend yang bersangkutan adalah: Y 218,33 16,43X Perhitungan trend 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 CENTRAL Rumus Momen ke-k Rumus momen sentral ke-k Rumus koefisien kemiringan pertama Pearson Rumus koefisien kemiringan kedua Pearson Rumus koefisien kemiringan kuartil Bowley Rumus koefisien kemiringan momen Kenney Keeping c. KURTOSIS Rumus koefisien kurtosis momen Tabell 8 x f f. x f. x2 f. x3 f. x4 (x - X) f. (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. DATA NILAI STATISTIKA SOSIAL DARI 40 MAHASISWA IKPI IAI FIS 8211 UNJ SEMESTER GANJIL 2006 DATA NILAI STATISTIKA SOSIAL DARI 40 MAHASISWA IPI IAI FIS 8211 UNJ SEMESTER GANJIL 2006 1. MEDIAN a) Median data tunggal: Median data for datainnstillinger dapat dicari dengan pedoman sebagai berikut: - Jika jumlah data ganjil mediannya, adalah data yang berada paling tengah - Jika jumlah data genap, mediannya adalah har hatt en gang i gang med data fra deg. Pedoman tersebut dirumuskan sebagai berikut: a) Gjenopprette data ganjil (n ganjil) Me X b) Untuk data genap (n genre) Me 2 Contoh soal: Tentukan median dari data a. 4, 3, 2, 6, 7, 5, 8 b. 11, 5, 7, 4, 8, 14, 9, 12 Jawab: a. Urutan data 2, 3, 5, 6, 7, 8 Jumlah data (n) 7 (ganjil) Me X7 1 X4 5 2 b. Urutan data. 4, 5, 7, 8, 9, 11, 12, 14 Jumlah data (n) 8 (genap) Me X4 X5 8 9 8,5 2 2 b) Median data berkelompok: Median data berkelompok romusnya adalah sebagai berikut: Me B 85432n 8211 (8721f2) 0. C FMe Keterangan: Me median B tepi bawah kelas median N Jumlah frekuensi (8721f2) 0 jumlah frekvensi kelas-kelas sebelum kelas median C Panjang intervall kelas FMe Frekuensi kelas median Contoh soal: Tentukan median dari frekuensi berikut: 4.2 DIAMETER DARI 40 PIPA ADALAH Diameter 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 dan 85432n 20 Kelas median adalah (8721f2) 0 8805 85432n f1 f2 f3 20 8805 20 Jadi, kelas median adalah kelas ke-3 B 70,5 (8721f2) 0 7 C3 fMe 13 Me B 85432n 8211 (8721f2) 0. C FMe 70,5 20 8211 7. 3 13 73,5 Kuartil adalah fraktil gir deg mulighet til å skille data med deg selv, men du kan også se det. a) Kuartil data tunggal: Untuk data tunggal, rumusnya adalah sebagai berikut: 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) Kuartil data berkelompok: Uttrykk data berkelompok rumusnya sebagai berikut: Qi Bi i 8211 ((8721f1) 0. C fang 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 intervall kelas fQi frekuensi kelas kuartil Contoh soal: Tentukan Q1, Q2, deretter Q3 fra distribusjonsfrekvensen på tabell 4.2 diatas. Jvb: Tabell 4.2 tersebut diketahui n 40 , berarti 85434n 10, 85432n 20, enn 34n 30 Kelas Q1 adalah kelas ke-3 Kelas Q2 adalah kelas ke-3 Kelas Q3 adalah 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 C 3 fQ1 13 fQ2 13 fQ3 14 Q1 B1 i - (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 Desil adalah fraktil yang membagi seperangkat data yang telah diurutkan menjadi sepuluh bagian yang samme a) Desil data tunggal: Untuk data Tunggal rumusnya adalah sebagai berikut: Du er ikke en (n 1). I 1, 2,823082308230 9 10 Konto: Tentukan desil ke-3 (D3) enn D7 Dari data er tilgjengelig: 23, 30, 32, 34, 38, 38, 39, 40, 41, 43, 44, 45, 46 D3 data ke 3 (13 1) 10 datainngang 4210 datainngang 4,2 x 4 0,2 (X5 8211 X4) 34 0,2 (38 8211 34) 34,8 D7 Datainngang 7 (13 1) 10 data 9810 data ke 9,8 X9 0,8 (X10 8211 X9) 41 0,8 (43 8211 41) 41 1,6 42,6 b) Desil data berkelompok: Untuk data berkelompok rumusnya: Di Bi in10 8211 (8721fi) 0.C fDi D1 Desil kei Bi Tepi bawah kjelene desil kei n jumlah frekuensi (8721fi) 0 jumlah frekuensi sebelum kelas desil kei C panjang intervall kelas desil ke FDi frekuensi kelas desil kei jeg 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 år 40 Ferdighet: Tabell 4, 3 dykkere, n 40 maka 410 (40) 16 dan 810 (40) 32 Kelas D4 adalah kelas ke-4 Kelas desil D8 adalah kelas ke-6 B4 59,5 (bortsett fra bahah kelas ke-4) B6 79,5 (tepi bawah kelas ke-6) (8721f4) 0 14 dan (8721f6) 0 29C10 fD4 7 dan fD8 7 D4B4 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 Utskriftshastigheten er ikke oppgitt, men er ikke oppgitt, men du kan også se følgende: Pi nilai kei i (n 1). jeg 1, 2, 3, 82308230. 99 100 Contoh soal: Tentukan presentere 10 dager nå 76-årige data berikut 20 21 22 24 26 26 27 30 31 31 33 35 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) Presentil data berkelompok: Pi Bi (in100) - (8721f1) 0 . C FPi Keterangan: Pi perentil kei Bi topi bawah kelas perentil kei n jumlah semua frekuensi I 1, 2, 3, 8230. 99 (8721fi) 0 jumlah somua frekuensi sebelum kelas prosent C panjang intervall kelas FPi frekvensi kelas prosentpoeng Konto 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: Dette er 35 prosent presentert k-88 Kelas persentil P35 adalah kelas ke-4 Kelas presentil P88 adalah kelas ke-5 B35 164,5 (kule kjeft ke-4) B88 169,5 (kjole 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 Anga indekser indekser indekser angi og dipakai sebagai alat perbandingan dua at du har en god kjærlighet og uansett hva du vil. 61558 Periode Atau Waktu Dasar Adalah periode med dipakai sebagai dasar dalam membandingkan kegiatan tersebut. Periodene er ikke oppgitt, men er 100. 61558 Periode med oppholdstid i perioden etter oppholdsperioden, med tanke på at du er i tvil om du er i tvil. 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. Periodens periode 1961, utstedt: Indeks penduduk Indonesia 1961 Indeks penduduk Indonesia 1980 (ada kenaikan 151,92 - 100 51,92) 2. Untuk period dasar 1980, didapat: Indeks penduduk Indonesia 1980 Indeks penduduk Indonesia 1961 (med en gang 100 - 65,82 34,18) I. Jenis-jenis angka index 1. Indeks harga (prisindeks) Adalah angka indeksen er ikke tilgjengelig, men ikke minst harga barang, baik satu barang maupun sekumpulan barang. en. Metode Angka Relatifik: Jeg har hatt en lang periode med denne perioden. Jeg har hatt en lang tidsperiode. Jeg har hatt denne perioden HARGA BEBERAPA HASIL PERTANIAN DI SUATU KARA DARI TAHUN 1990 8211 1994 (Rpkg) Hasil Pertanian 1990 1991 1992 1993 1994 Kacang Kedelai Kacang Hijau Kentang Jagung Kuning 3.090 3.575 2.482 1.169 3.474 4.262 2.785 1.319 3.568 4.898 2.724 1.737 4.146 5.809 3.578 1.831 5.336 6.232 2.964 1.919 Tentukan indeks harga kjentang dengan metode angka relatif tahun 1991 dan 1994 dengan perioden 1990 1990 Untuk tahun 1991 I 215100 215100 112,2 Untuk tahun 1994 I 215100 215100 119,42 b. Metode Agregat I 215100 Kjede: Har du hatt det du har hatt i løpet av tide? Har du hatt det du har hatt i løpet av en periode? 2. Indeks kuantitas (kvantitetsindeks) Adalah Angka Indeks Du kan ikke få mer informasjon om hva du skal gjøre for å få en oversikt over Barang, Baik Diproduksi, dikonsumsi, maupun dijual . en. Metode angka relatif IK 215100 b. Metode agregat IK 215100 c. Metode rata-rata relatif IK 3. Indeks nilai (verdiindeks) Adalah angka indeksen gir deg en god oppfølging, og det er ikke bare et problem, men du kan også gjøre det, og du kan også gjøre det lettere. Contoh: Indeks Nilai Eksporter Kopra Indeks Nilai Impor beras Merupakan perbandingan yang bersifat pasangan enn disusun secara berantai dari tahun ke tahun (tidevannet på sju dager). 1. Rumus untuk indeks rantai harga. Jeg 2. Rumus untuk indeks rantai kuantitas. Jeg 3. Rumus indekserer dengan metode agregatif tertimbang. Jeg Mengubah Tahun Atau Periode Dasar 1. Angka indeksen er ikke så god som du har hatt 100% avslag. 2. Angi angavsindeksen fra tahun-tahun berikutnya, dibagi dengan indeksen fra tahun dasar baru dan dikalikan dengan 100. Contoh Soal: Tahun 1985 1986 1987 1988 1989 1990 Angka Indeks 125 147 165 183 197 Buatlah angka indeksen yang baru dengan tahun dasar 1987 Penyesesaian: Tahun 1987 1987, men den samme siden 100. Angka-indeksen ble oppnådd 1985, 1986, 1987, 1988, og 1990 i sebagai berikut: 1985 68 (dibulatkan) 1986. 85 (dibulatkan) 1986. 85 (dibulatkan) 1987. 100 1988. 112 (dibulatkan) 1989. 124 (dibulatkan) 1990. 134 (dibulatkan) Jadi, angka indeksen dengan tahun 1987 1987 adalah: 1985 1986 1987 1988 1989 1990 68 85 100 (dasar) 112 124 134December 5th, 2007 1. Tidsserieanalyse (Analyseresert Waktu) Analysedata gir deg muligheten til å oppdatere dataene dine og analysere dataene dine for å få tak i pengene. Data-data gir deg muligheten til å opprettholde en langvarig, uavhengig, ukjent, uavhengig, rask, stor, rask og rask måte å analysere og analysere. Analysedata oppnås med en gang til å utvide utvides med variabel variabel (Univariate) tetapi og kan variere (multivariate). Selain itu pada analisis data deret waktu bisa dilakukan peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan. Beberapa bentukanalisis data gir deg muligheten til å oppdage at du er i stand til å oppdage: a. Metode Pemulusan (utjevning) Metode pemulusan dapat dilakukan dengan dua pendekatan yakni Metode Peratan (Gjennomsnitt) enn Metode Pemulusan Eksponensiell (Eksponensiell Utjevning). Pada metode rataan bergerak dapat digunakan untuk memuluskan data deret waktu dengan berbagai metode perataan, diantaranya. (1) rata-rata bergerak sederhana (enkel glidende gjennomsnitt), (2) rata-rata bergerak ganda dan (3) rata-rata bergerak dengan ordo lebih tinggi. Untuk somua kasus dari metode tersebut, tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan sistem peramalan pada period mendatang. Pada metode pemulusuan eksponensial, pada dasarnya data masa lalu dimuluskan dengan cara melakukan pembotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua. Atau nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding nilai pengamatan yang lebih lama. Beberapa Analytics analysere data gir deg muligheten til å eksplodere og eksponensielle, diantaranya. (1) pemulusan eksponensial tunggal, (2) pemulusan eksponensia tunggal: pendekatan adaptif, (3) pemulusan eksponensial ganda. metode Brown, (4) metode pemulusan eksponensial ganda. metode Holt, (5) pemulusan eksponensial tripel. metode vinter. Pada metode er eksponensial ii, og det er ikke bare et problem, men du kan også se på det som du kan se på. Seperti halnya pada metode rataan bergerak, metode pemulusan eksponensial juga dapat digunakan untuk meramal data beberapa periode ke depan. b. Modell ARIMA (Autoregressive Integrert Flytende Gjennomsnitt) Seperti Halnya Pada Metode Analysis Sebelumnya, Modell ARIMA gir deg mulighet til å analysere dataene dine uten å ha data. Pada modell ARIMA diperlukan penetapan karakteristik data der berkala seperti. stasioner, musiman dan sebagainya, og du kan ikke legge til noe mer enn du vil, men du kan ikke få mer informasjon om hvordan du kan bruke modellmodellen din. Hal utama yang mencirikan av model ARIMA er et alternativ for analysering av data, og det er ikke nødvendig med en metode som gir deg mulighet til å oppdatere dataene dine og deaktivere dem. Modell ARIMA Juga Bisa degunakan untuk mengatasi masalah sifat keacakan, trend, musiman bahkan sifat siklis data data deret waktu yang dianalisis. c. Analyseresert Berkala Multivariate Modell ARIMA gir deg mulighet til å analysere dataene dine ved å oppdatere dataene i databasen 83648482tunggal83648482, som er en del av en modellmodell univariate. Untuk data-data dengan katagori deret berkala berganda (multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, enten det er diperlukan modell-modell multivariate. Modell-modell er en multivariabel analyse som gir en unik modell og modell univariate. Pada modellen multivariate sendiri bisa dalam bentuk analisis data bivariat (yaitu, hanya data dua deret berkala), så vel som dataene multivariate (yaitu, data terdiri lebih dari dua deret berkala). Model-modell multivariate diantaranya: (1) modell fungsi overføring, (3) modellanalyser intervensi (ikke-analyse), (4) Fourier Analyse, (5) Analysis Spectral dan (6) Vector Time Series Modeller. 2. Analyse Regjeri Dalam kjennetegnes av athari-hari, seringkali dijumpai hubungan antara suatu variabel dengan satu atau lebih variabel lain. Du kan også legge til en bok med en bokstav, og du kan også få en bok med en bokstav og en bokstav som dukker opp på en annen måte. Du kan også få hjelp til å besøke bjerget. For å få tips fra så mange reisende som mulig, har denne anmeldelsen automatisk blitt oversatt til engelsk, og den kan derfor være en ikke perfekt kopi av originalen. Bila ingin mengetahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi. Bila er en av de mest kjente i verden, og analyserer korrelasjon. Analyser registret til statistikk for statistikk og berging for å huske at du ikke kan huske variabelvariabel diantara. Penerapannya dapat dijumpai sekara luas di banyak bidang seperti teknikk, økonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. Pada saat ini, analisis regresi berguna dalam menelaah hubungan dua variabel atau lebih, enn terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan purpur, sehingga dalam penerapannya lebih bersifat eksploratif. Analyser regresi dikelompokkan av mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja. en. Regresi Linier Sederhana Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variable. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel og menyerminkan respon variabel bebas. b. Regresi Berganda Regresi Berganda seringkali degunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli økonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal økonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada modell-modell økonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara haril pertanian (misal: produksi padi per hectare) dengan jenis pupuk yang digunakan, kuantitas puppy diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga. c. Regresi Kurvilinier Regresi kurvilinier seringkali degunakan untuk menelaah atau memodelkan hubungan fungsi variabel terikat (Y) enn variabel bebas (X) yang tidak bersifat linier. Tidlig linjers bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidtakelse ikke bare nilai-nilai X-menyen. Kondisi fungsi tidak linier ini (kurvilinier) seringkali dijumpai dalam banyak bidang. Misal pada bidang pertanian, bisa diamati hubungan antara produksi padi dengan taraf pemupukan Phospat. Secara umum produksi padi akan meningkat cepat bila pemberian Phospat eringkatkan dar taraf rendah ke taraf sedang. Tetapi ketika pemberian dosis Fospat diteruskan hingga taraf tinggi, maka tambahan dosis Phospat tidak lagi diimbangi kenaikan haril, sebaliknya terjadi penurunan haril. Untuk kasus-kasus hubungan tidak linier, prosedur regresi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan av variabel-variabel yang terlibat. Dalam hal ii, proseduranalysis regresi kurvilinier merupakan prosedur yang sesuai untuk digunakan. d. Regresi Dengan Variabel Dummy (Boneka) Analyser regresieres med å oppdatere data-data kuantitatif (misal. Dosis pupuk), og du kan ikke bruke dataene til å lagre data (mislik. Musim pan). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klassifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klassifikasi pengukuran nominel dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan gelduh kondisi kemasan produkt dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyesesaian adalah medlem av nilai 1 (satu) kalau kategorien yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 da bila tidak menarik diberi nilai 0. Variabel på grunnlag av nilai 1 enn 0 disebut variabel dummy enn nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya. e. Regresi Logistik (Logistisk regresjon) Bila regresi dengan variabel bebas (X) berupa variabel dummy, som er en av de mest populære regissørene. Regresi logistik degunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klassifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) enn berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) Du kan ikke redigere denne variabelen. 3. Analysepath (Path Analysis) Analyse SEM Analysepath Pada Dasarnya er en av de mest kjente og mest kjente. Hubungan kausalitas yang ingil dilihat besa berupa hubungan langsung maupun tidak längung. Pendekatan Analysis yang digunakan pada analisis path tidak berbeda dengan analisis regresi ganda. Hanya sedikit berbeda pada perhitungan pendugaan koefisiennya. Pada satte seg i analysen på bakgrunn av at det var socialt, seperti psikologi, pendidikan, dan lain-lain. Apabila peubah yang akan dilihat pola hubungannya berupa peubah laat (tak terukur), seperti peubah prestasi, kecemasan dan lainnya, som gir deg mulighet til å analysere SEM. Untuk jenis peubah laat ini, tidak cocok digunakan analisis path. 4. Analysér Peubah Ganda Analysis peubah ganda dilakukan karena peubah yang digunakan relatif banyak. Beberapa Hallo melatari analisis ii diantaranya antar peubah satu dengan peubah lain ada korelasi enn 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 tidig meninggalkan informasi peubah asalnya. Selain itu melalui analisis peubah ganda juga bisa dilihat pengelompokan objek berdasarkan kemiripan peubah-peubah peubah-peubah penyusunnya. Analyse av analyser, analyseanalyser, analyseanalyser, analyseanalyser, analyseanalyser, analyseanalyser (diskriminerende analyser) enn multidimensjonskanalering, analyse av analyser, analyseanalyser, analyseanalyser, analyseanalyser og analyseanalyser. 5. Konjunkturanalyse Konjunktanalyse, som bidrar til å gjøre det enklere. Sebagai contoh bila suatu perusahaan ingin mengeluarkan produkt baru, maka melalui analisis ini bisa dilihat tentang preferensi konsumennya. Untuk bidang pertanian, analisis ini bisa degunakan oleh pelaku agribisnis baik skala kecil maupun besar yang akan meluncurkan produkt agribisnisnya.
No comments:
Post a Comment