Post on 16-Sep-2015
description
(Least Square)). Metode ini merupakan
suatu teknik peramalan yang didasarkan atas
analisis perilaku atau nilai masa lalu suatu
variabel yang disusun menurut urutan waktu [1]
Metode ini berdasarkan atas penggunaan
analisis pola hubungan antara variabel yang
akan diperkirakan dengan variabel waktu.
Bentuk persamaan umum dari metode ini
adalah Y = a + bx, dimana Y adalah variabel
dependen, a adalah konstanta, b adalah
koefisien regresi dan x adalah variabel waktu
(variabel x atau t) [2].
Regresi linier adalah metode permalan statistika yang
digunakan untuk membentuk model hubungan antara variabel
terikat (dependen; respon; Y) dengan satu atau lebih variabel
bebas (independen, prediktor, X) [4]. Bentuk model Simple
Linear Regression seperti pada Rumus 4.s
Digunakan untuk menentukan persamaan linier estimasi, berarti memilih satu garis linier dari beberapa kemungkinan garis linier yang dapat dibuat dari data yang ada yang mempunyai kesalahan (error) paling kecil dari data aktual dengan data estimasinya.
2. Kriteria ini dikenal dengan prinsip kuadrat terkecil (principle of least square).
3. Prinsip pemilihan garis regresi ini adalah pilih garis yang mempunyai jumlah kuadrat deviasi nilai observasi Y terhadap nilai Y prediksinya yang minimum sebagai garis regresi yang paling baik
(4)
Keterangan:
Y : variabel terikat
X : variabel bebas
a : konstanta
b : koefisien regresi
n : banyaknya data
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu.
Menurut Pangestu S. (2009 : 33) persamaan garis trend dengan metode least square adalah sebagai berikut :
Keterangan :
Y = nilai trend (forecast)
a = bilangan kostan/nilai tidak berubah
b = slop atau koefesian kecondongan garis trend
X = mewakili waktu (tahun)
merupakan bagian dari metode peramalan
penjualan (forecasting) yang bersifat kuantitatif yang perhitungannya lebih
didasarkan pada perhitungan-perhitungan data stastistik sehingga unsure
subjektif dapat dihilangkan dan peramalan penjualan (forecasting) yang
dihasilkan dapat lebih akurat.
The Method of Least Squares is a procedure to determine the best ?t line to data;
digunakan untuk melakukan peramalan
adalah pendapat para penjual, kepala bagian
pemasaran, kepala cabang, para ahli,
konsumen dan manajemen. Peramalan
semacam ini lebih banyak unsur
subjektifitasnya. Oleh karena itu, agar
unsur subjektifitas dalam suatu peramalan
dapat ditekan serendah mungkin.
Pendekatan kuantitatif yang menggunakan
metode statistik dan matematika ini adalah
suatu pendekatan yang menggunakan
perhitungan angka berrdasarkan data
historis atau data penjualan di tahun tahun
lalu. Metode - metode tersebut antara lain
Metode kuadrat terkecil pada
dasarnya memiliki sumber formula yang
metode sama dengan metode matematis.
Hal yang membedakannya adalah metode
kuadrat terkecil menggunakan asumsi
?? = ?, dengan formula yang digunakan
adalah garis lurus (straight line) yaitu :
Y = a + bX, dimana : a = ? ?/?,
b= ? ?? / ??? dan Y adalah variabel
dependen, X adalah variabel independen
(periode), a = nilai konstanta, b = koefisien
regresi, dan n sama dengan jumlah data
(periode), (Hunsberger, 1998 : 312).
Adalah metode peramalan yang digunakan untuk melihat trend dari data deret
waktu.
Rumus Least Square :
a) Analisis Trend
Trend merupakan gerakan lamban yang berjangka
panjang dan cenderung menuju ke satu arah, menaik atau
menurun.
dan untuk menentukan nilai X digunakan teknik alternatif dengan membagi data menjadi dua kelompok, yaitu :
1.Untuk n ganjil maka :
Jarak antara dua waktu diberi nilai satu satuan.
Nilai awal X untuk n ganjil diberi nilai 0
Di atas 0 diberi tanda negativf
Dibawah 0 diberi tanda positif
Nilai X untuk perhitungan diperoleh dari nilai X terakhir ditambah satu
Contoh n ganjil, maka skor nilai X nya : , -3, -2 , -1, 0, 1, 2, 3,
2.Untuk n genap maka :
Jarak antara dua waktu diberi nilai dua satuan.
Nilai awal X untuk n genap diberi nilai -1
Di atas -1 diberi tanda negativf
Dibawah -1 diberi tanda positif
Nilai X untuk perhitungan diperoleh dari nilai X terakhir ditambah dua
Contoh n genap, maka skor nilai X nya : , -5, -3, -1, 1, 3, 5,
Rumus di ambil dari literatur buku Sofyan Assauri. Teknik dan Metode Peramalan. LPFE UI. Jakarta. 1991.
Dimana :
Y :
a : Konstanta (Intercept)
b : Koefisien regresi (Slope)
X : Variabel yang mempengaruhi
(waktu : Tahun, Bulan, Hari)
Y : Data historis
X : Parameter pengganti waktu
a : Nilai trend periode dasar
b : Pertambahan trend
n : Jumlah data
variabel waktu (hari, minggu, bulan atau tahun).
Ramalan penjualan hanya perkiraan atas penjualan dimasa yang akan datang, jarang
sekali penjualan akan sama dengan ramalan penjualan, oleh karena itu akan terjadi
penyimpangan / perbedaan antara penjualan dengan ramalan penjualan baik jumlah
penjualan diatas / melebihi jumlah ramalan penjualan maupun jumlah penjualan dibawah
/ kurang dari jumlah ramalan penjualan. Ramalan penjualan yang dibuat tidak merupakan
point estimate, akan tetapi merupakan interval estimate Angka perbedaan tersebut
dapat ditoleransi sebatas wajar atau masih dalam interval estimate. Ukuran wajar dalam
penyimpangan ini dirumuskan dalam perhitungan standart error (SE), dengan rumus
sebagai berikut :