08_2_Trendline
description
Transcript of 08_2_Trendline
-
Analisis PeramalanTrendline
-
PeramalanBerkaitan dengan masa depanPeramalan merupakan tahap awal dari suatu proses pengambilan keputusan
-
Tujuan Peramalanmemberikan gambaran kondisi masa depan dan konsekuensi yang mungkin terjadi deskriptifmembentuk masa depan sesuai dengan nilai, tujuan dan sasaran, serta kondisi yang diinginkan normatif
-
Mengapa planning perlu peramalan?
-
Mengapa perlu peramalan?PLANNING ADALAH SUATU PROSES ANALISIS DAN TINDAKAN TENTANG SEGALA SESUATU DI MASA MENDATANG SEHINGGA PERLU PERAMALAN TERHADAP KONDISI YANG AKAN DATANG BERDASARKAN DATA YANG ADA
-
Skenario Peramalan
Titik referensi
Data masa lalu tersedia
Ramalan masa mendatang
-
Perencanaan berkaitan dengan pengambilan keputusan publik (public decision making) untuk mengarahkan masa depanDengan demikian, prinsip ke-masa depan-an menjadi salah satu pilar perencanaan
-
Jenis PeramalanProyeksi peramalan yang berdasarkan pada ekstrapolasi data sekarang dan data sebelumnyaPrediksi peramalan yang berdasarkan pada asumsi teoritis yang eksplisitSpekulasi peramalan yang berdasarkan pada penilaian subyektif (subjective judgement)
Jenis peramalanDasar peramalanFokus utama dari argumentasi Proyeksi Kondisi saat ini dan kecenderungan sebelumnyaMetode Kasus yang paralelPrediksi Asumsi teoritisSebab akibatSpekulasi Penilaian subyektifPandangan (insight)Motivasi
-
Peramalan: Pendekatan dan Teknik
Pendekatan Dasar Teknik yang sesuaiProduk Peramalan ekstrapolatifKecenderungan (trend)Ekstrapolasi Analisis time-series Analisis trendLeast Square Trend Estimatimation
Proyeksi Peramalan teoritisTeori Pemetaan teoriAnalisis lintasanPrograma linierAnalisis regresiAnalisis korelasiPrediksi Peramalan intuitifPenilaian subyektifMetode delphiAnalisis cross-impactSpekulasi
-
PERAMALAN KUANTITATIFTime Series & CausalDERET BERKALA/TIME SERIESPENDUGAAN MASA DEPAN DILAKUKAN BERDASARKAN NILAI MASA LALU.MENEMUKAN POLA DALAM DERET DATA HISTORIS DAN MENGEKSPLORASIKAN POLA TERSEBUT KE MASA DEPAN.DIGUNAKAN UNTUK PERAMALAN.HARUS MEMPERTIMBANGKAN JENIS POLA DATA SHG METODE YG TEPAT DAPAT DIUJI.
EKSPLANATORIS/CAUSAL/REGRESIFAKTOR YG DIRAMALKAN MENUNJUKKAN HUBUNGAN SEBAB AKIBAT DGN SATU ATAU LEBIH VARIABEL BEBAS.MENEMUKAN BENTUK HUBUNGAN DAN MERAMALKAN NILAI MENDATANG DARI VARIABEL TAK BEBAS.DIGUNAKAN UNTUK PENGAMBILAN KEPUTUSAN.
-
Dalam metode kuantitatif, dapat diterapkan dalam tiga kondisi berikut:
Tersedia informasi tentang masa laluInformasi tersebut dapat dikuantitatifkan dalam bentuk data numerikDapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
-
PERAMALAN KUALITATIFEksploratoris dan NormatifEKSPLORATORISDIMULAI DENGAN MASA LALU DAN MASA KINI SBG TITIK AWAL DAN BERKERAK KE MASA DEPAN DENGAN MELIHAT KEMUNGKINAN YG ADA.CONTOH METODE: DELPHI, KURVA-S, ANALOGI, MORFOLOGIS.NORMATIFDIMULAI DENGAN MENETAPKAN SASARAN DAN TUJUAN YANG AKAN DATANG, KEMUDIAN BEKERJA MUNDUR UNTUK MELIHAT APAKAH HAL TSB DAPAT DICAPAI, BERDASARKAN KENDALA, SUMBER DAYA, DAN TEKNOLOGI YANG TERSEDIA.CONTOH METODE: MATRIKS KEPUTUSAN, POHON RELEVANSI, ANALISA SISTEM.
-
PERAMALAN KUALITATIFEksploratoris dan NormatifTIDAK MEMERLUKAN DATA SEPERTI DALAM METODE KUANTITATIFINPUT YG DIBUTUHKAN TERGANTUNG METODE TERTENTU. BIASANYA MERUPAKAN HASIL PEMIKIRAN, INTUITIF, PERTIMBANGAN, DAN PENGETAHUAN YANG TELAH DIDAPAT.INPUT DIDAPAT DARI ORANG-ORANG YANG TELAH TERLATIH KHUSUS DALAM BIDANG TERTENTU.
-
Analisis trendline (deret berkala).
-
trendline (deret berkala).
sering kali dapat dengan mudah digunakan untuk meramal.disebut sebagai metode peramalan deret berkala (trendline) karena memiliki karakteristik bahwa data yang dianalisis bersifat deret yang menunjukkan waktu yang berkala. Periode waktu dari data deret berkala dapat berupa tahunan, mingguan, bulanan, semester, kuartal dan lain-lain.Tujuan metode peramalan deret berkala adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depanData deret berkala adalah sekumpulan data yang dicatat dalam suatu periode tertentu
-
Pola-Pola Data
-
JENIS / Pola Data POLA HORISONTAL (H)NILAI DATA BERFLUKTUASI DI SEKITAR NILAI RATA-RATA KONSTAN (STATIONER THD NILAI RATA-RATANYA).CONTOH: PRODUK PENJUALAN YG TIDAK NAIK ATAUPUN TURUN PD KURUN WAKTU TERTENTU.POLA MUSIMAM (S)SUATU DERET DIPENGARUHI OLEH FAKTOR MUSIMAN (KUARTAL TAHUN TERTENTU, BULANAN, ATAU HARI-HARI PADA MINGGU TERTENTU).CONTOH: PENJUALAN PRODUK ES KRIM, pemanas ruangan, DLL.POLA SIKLIS (C)DATA DIPENGARUHI OLEH FLUKTUASI EKONOMI JANGKA PANJANG .CONTOH: PENJUALAN BESI BAJA, MOBIL, DLL.POLA TREND (T)TERDAPAT KENAIKAN ATAU PENURUNAN SEKULER JANGKA PANJANG DALAM DATA.CONTOH: PRODUK BRUTO NASIONAL, INDIKATOR BISNIS, DLL. PEMILIHAN SUATU METODE DERET BERKALA YG TEPAT TERGANTUNG DARI JENIS POLA DATA YG ADA
-
*Least Square Trend EstimationLeast Square berarti meminimalkan jarak antara garis persamaan regresi dengan nilai observasi. Semakin dekat jarak antara persamaan regresi dengan nilai observasi; berarti hasil proyeksi semakin akurat.
Untuk menilai akurat / tidaknya suatu persamaan regresi yang merupakan hasil proyeksi dengan melihat nilai R2 .R2 semakin mendekati nilai 1 proyeksi semakin akurat.
-
*CONTOH ANALISIS LEAST SQUARE TREND ESTIMATIONJML PDDKTAHUN KE-Hasil proyeksi paling akurat karenaNilai R2 paling mendekati nilai 1.Y= besarnya jlh pddk pada tahun ke nX= selisih tahun awal dengan tahun yang akan diprediksi
Chart2
1200
1376
1732
2003
2500
3891
5006
5700
6006
11000
15000
Linier
Polinomial
Eksponensial
Sheet1
TahunJml Penduduk
19901200
19911376
19921732
19932003
19942500
19953891
19965006
19975700
19986006
199911000
200015000
TAHUNJMLH PENDUDUKPERTUMBUHAN
19901400200
19911600200
19921800200
19932000200
19942200200
19952400200
19962600200
19972800200
19983000200
19993200200
20003400200
TAHUNJMLH PENDUDUKPERTUMBUHAN
199014002%
199114282%
19922%
19932%
19942%
19952%
19962%
19972%
19982%
19992%
20002%
Sheet1
0
0
0
0
0
0
0
0
0
0
0
Linier
Eksponensial
Polinomial
Sheet2
0
0
0
0
0
0
0
0
0
0
0
Logaritmik (series2)
Sheet3
0
0
0
0
0
0
0
0
0
0
0
TahunJml Penduduk
19901200
19911376
19921732
19932003
19942500
19953891
19965006
19975700
19986006
199911000
200015000
0
0
0
0
0
0
0
0
0
0
0
Linier
Polinomial
Eksponensial
-
DAFTAR PUSTAKADunn, W. 1981. Public Policy Analysis. New York: Prentice-Hall, Inc.Field, B.G. (et.all). 1987. Forecasting Techniques for Urban and Regional Planning. Glasgow: UCL Press.Makridakis, S. (et.all). 1983. Forecasting: Methods and Applications. New York: John Wiley and SonsThaha, H.A. 1997. Operations Research: An Introduction. Upper Saddle River: Prentice-Hall
***