inhal acara time series

8
A. Tujuan : 1. Dapat menganalisis data time series perikanan dengan menggunakan software SPSS B. Kerangka Teori Time Series merupakan data rentang waktu tertentu yang bersifat teratur pada masa lalu sehingga kemungkinan akan terulang kembali di masa yang akan datang. Umumnya datang berulang 4 tahun sekali. Dengan menggunakan metode time series kita dapat meramalkan kejadian-kejadian selama empat tahun ke depan. Dalam time series terdapat beberapa metode yang digunakan untuk memperediksi, diantaranya yaitu metode simpel, metode seasonal decomposition, dan ARIMA (Autoregressive Integrated Moving Average) Latihan ! Berikut ini data harga penjualan udang beku, suatu perusahaan udang beku ingin memprediksi volume penjualan dimasa yang akan datang untuk menyusun strategi pemasaran produknya. Untuk itu perusahaan tersebut menggunakan data tahun-tahun sebelumnya n o jual year month date Fit-1 err-1 1 20 2004 7 Jul 2004 366 -296 2 46 2004 8 AUG 2004 337 -264 3 68 2004 9 Sep-04 310 -225

Upload: cherryaugusta9947

Post on 05-Aug-2015

32 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Inhal Acara Time Series

A. Tujuan :

1. Dapat menganalisis data time series perikanan dengan menggunakan software SPSS

B. Kerangka Teori

Time Series merupakan data rentang waktu tertentu yang bersifat teratur pada masa

lalu sehingga kemungkinan akan terulang kembali di masa yang akan datang. Umumnya

datang berulang 4 tahun sekali. Dengan menggunakan metode time series kita dapat

meramalkan kejadian-kejadian selama empat tahun ke depan. Dalam time series terdapat

beberapa metode yang digunakan untuk memperediksi, diantaranya yaitu metode simpel,

metode seasonal decomposition, dan ARIMA (Autoregressive Integrated Moving Average)

Latihan !

Berikut ini data harga penjualan udang beku, suatu perusahaan udang beku ingin

memprediksi volume penjualan dimasa yang akan datang untuk menyusun strategi pemasaran

produknya. Untuk itu perusahaan tersebut menggunakan data tahun-tahun sebelumnya

n

o jual year month date Fit-1 err-1

1 20 2004 7 Jul 2004 366 -296

2 46 2004 8 AUG 2004 337 -264

3 68 2004 9 Sep-04 310 -225

4 82 2004 10 OCT 2004 288 -188

5 100 2004 11 NOV 2004 269 -164

6 116 2004 12 DEC 2004 252 -130

7 129 2005 1 Jan-05 239 -110

8 133 2005 2 Feb-05 228 -96

9 139 2005 3 Mar-05 219 -82

1

0 142 2005 4 Apr-05 210 -69

1

1 147 2005 5

MAY

2005 203 -56

1

2 153 2005 6 Jun-05 198 -44

Page 2: Inhal Acara Time Series

1

3 156 2005 7 Jul-05 193 -37

1

4 160 2005 8 AUG 2005 189 -29

1

5 162 2005 9 Sep-05 186 -24

1

6 165 2005 10 OCT 2005 184 -19

1

7 169 2005 11 NOV 2005 182 -13

1

8 171 2005 12 DEC 2005 180 -9

1

9 176 2006 1 Jan-06 179 -3

2

0 179 2006 2 Feb-06 179 -1

2

1 180 2006 3 Mar-06 179 -0,6

2

2 185 2006 4 Apr-06 179 5,5

2

3 189 2006 5

MAY

2006 179 9

2

4 192 2006 6 Jun-06 180 11

2

5 194 2006 7 Jul-06 182 11,9

2

6 196 2006 8 AUG 2006 183 12,7

2

7 199 2006 9 Sep-06 184 14

2

8 202 2006 10 OCT 2006 185 16

Page 3: Inhal Acara Time Series

2

9 204 2006 11 NOV 2006 187 16,4

3

0 206 2006 12 DEC 2006 189 16,8

3

1 207 2007 1 Jan-07 190 16,1

3

2 209 2007 2 Feb-07 192 16,5

3

3 301 2007 3 Mar-07 194 106

3

4 305 2007 4 Apr-07 204 100

3

5 309 2007 5

MAY

2007 214 94

3

6 400 2007 6 Jun-07 224 175,7

3

7 401 2007 7 Jul-07 241 159

3

8 403 2007 8 AUG 2007 257 145

3

9 407 2007 9 Sep-07 272 134

4

0 408 2007 10 OCT 2007 285 122

4

1 409 2007 11 NOV 2007 297 111

4

2 501 2007 12 DEC 2007 309 191

4

3 504 2008 1 Jan-08 328 175

4

4 508 2008 2 Feb-08 345 162

Page 4: Inhal Acara Time Series

4

5 601 2008 3 Mar-08 362 238

4

6 603 2008 4 Apr-08 385 217

4

7 608 2008 5

MAY

2008 407 200

4

8 701 2008 6 Jun-08 427 273

4

9 705 2008 7 Jul-08 455 249

5

0 709 2008 8 AUG 2008 480 228

5

1 800 2008 9 Sep-08 502 297

5

2 802 2008 10 OCT 2008 532 269

5

3 805 2008 11 NOV 2008 559 245

5

4 809 2008 12 DEC 2008 584 224

5

5 813 2009 1 Jan-09 606 203

5

6 818 2009 2 Feb-09 636 185

5

7 822 2009 3 Mar-09 645 167

5

8 828 2009 4 Apr-09 662 151

5

9 833 2009 5

MAY

2009 677 141

6

0 840 2009 6 Jun-09 691 128

Page 5: Inhal Acara Time Series

A. METODE SIMPLE

1. Buat desain variabel (pilih perintah submenu dibagian bawah kiri variable view,

kemudian buat desain yang terdiri dari nama;

type;width;decimal;label;values;missing;column;align;measure)

2. Memasukkan data SPSS melalui pilih perintah data view. Setelah itu, masukkan data

mulai dari data ke-1 sampai data ke-60

3. Analisis data SPSS,dengan langkah-langkah berikut:

a. Membuat data time series

Pilih menu data, kemudian pilih submenu define dates

Pilihlah years, month

Masukkan angka 2004 pada kolom year

Masukkan angka 7 pada kolom month (7= bulan juli 2004)

Tekan ok, untuk memproses variabel baru

b. Melakukan Smoothing data time series

Pilih analyse

Submenu:time series, kemudian exponential smoothing

Masukkan variabel jual ke kolom variable

Model: pilih simple

Klik ok

c. Interpretasi hasil analisis

Deskripsikan hasil dan penemuan yang terdpat pada tabel

d. Membuat grafik hasil

Pilih menu Graph

Pilih submenu line

Pilih multiple (untuk melakukan perbandingan data)

Pada data in chart area, pilih values of individual cases

Pilih define untuk memasukkan variabel

Pada kolom line represent, pilih fit_1 dan jual

Pada bagian category labels, pilih variabel kemudian masukkan variabel data

ke bagian variabel

Klik ok untuk memunculkan grafik

Page 6: Inhal Acara Time Series

B. METODE ARIMA (Autoregressive Integrated Moving Average)

1. Buat desain variabel (pilih perintah submenu dibagian bawah kiri variable view, kemudian

buat desain yang terdiri dari nama;

type;width;decimal;label;values;missing;column;align;measure)

2. Memasukkan data SPSS melalui pilih perintah data view. Setelah itu, masukkan data

mulai dari data ke-1 sampai data ke-i

3. Menganaisis data di SPSS

a.Membuat data time series

Pilih menu data, kemudian pilih submenu define dates

Pilihlah years, month

Masukkan angka 2004 pada kolom year

Masukkan angka 7 pada kolom month (7= bulan juli 2004)

Tekan ok, untuk memproses variabel baru

b. Membuat model dengan menggunakan ARIMA

Analyse

Time series: pilih ARIMA

Pindahkan data “jual” ke kolom “dependent”

Option

Maximum iteration, pilih 1

Parameter change of tolerance:0,001

Sum squares of change: 0,001

Initial values: pilih”automatic”

Display: pilih “initial and final parameters with iteration summary

Continue

Pada pilihan Moving average: isikan angka 1

Klik ok untuk memproses