regresi linear
DESCRIPTION
csacsTRANSCRIPT
-
BAB 2
TINJAUAN TEORITIS
Metode Peramalan
Metode peramalan merupakan suatu teknik untuk memprediksi atau memperkirakan
suatu nilai pada masa yang akan datang dengan memperhatikan data atau informasi
masa lalu maupun saat ini baik secara matematik maupun statistik.
Dalam membuat suatu keputusan dan suatu rencana kebijaksanaan yang akan
diambil oleh pihak kepolisian sebagai suatu usaha untuk meningkatkan pelayanan
keamanan terhadap masyarakat dimasa yang akan datang sehingga data-data yang
aktual yang ada pada masa lalusangat penting dipelajari dalam mengambil keputusan
yang tepat. Salah satu cara untuk mempelajari data masa lalu tersebut adalah dengan
menerapkan peramalan.
Baik tidaknya suatu peramalan yang disusun, disamping ditentukan oleh
metode yang digunakan , juga ditentukan baik tidaknya informasi yang digunakan.
Selama informasi yang digunakan tidak dapat meyakinkan, maka hasil peramalan
juga akan sulit untuk dipercaya ketepatannya.
Bedasarkan teknik peramalannya, metode peramalan dapat digolongkan ke
dalam dua kategori, yaitu :
Universitas Sumatera Utara
-
1. Metode Peramalan kualitatif atau teknologis.
Peramalan kualitif adalah peramalan yang berdasarkan atas data kualitatif pada
masa lalu. Hasil peramalan yang dibuat sangat bergantung kepada orang yang
menyusun. Hal ini penting karena hasil peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan serta
pengalaman dari penyusunnya.
2. Metode peramalan kuantitatif
Peramalan kuantitatif adalah peramalan yang berdasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada metode
yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan
diperoleh hasil peramalan yang berbeda. Baik atau tidaknya metode yang
digunakan sangat ditentukan oleh perbedaan dan penyimpangan antara hasil
ramalan dengan kenyataan yang terjadi berarti metode yang dipergunakan
semakin baik.
(Assauri, Sofyan) Teknik dan peramalan Metode
Peramalan kuantitatif dapat digunakan bila terdapat 3 kondisi, yaitu :
1. Ada informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitafkan dalam bentuk kata.
3. Informasi tersebut dapat diasumsikan bahwa beberapa aspek pola masa akan
terus berlanjut dimasa yang akan datang.
Metode kuantitatif di bagi ke dalam analisis deret berkala (Tima Series) dan
analisis sebab-akibat (Causal Methods). Analisis deret berkala pada umumnya
Universitas Sumatera Utara
-
selalu berdasarkan atas pengguna analisa pola hubungan antara variabel yang
akan diperkirakan dengan variabel waktu. Sedangkan analisis sebab akibat
metode peramalannya didasarkan atas pengguna analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya,
yang bukan waktu.
Analisis Deret Berkala
Metode-metode peramalan yang berhubungan dengan analisa deret berkala, yaitu :
1. Metode Smothing (pemulusan) yang mencakup metode data lewat (pas data),
metode rata-rata kumulatif, metode rata-rata bergerak (moving average) dan
metode eksponential smoothing.
2. Metode proyeksi trend dengan analisis regresi.
3. Metode Box-Jenkins
Metode Smoothing digunakan untuk mengurangi ketidak-teraturan musiman dari
data yang lalu maupun kedua-duanya, dengan membuat rata-rata tertimbang dari
sederetan data yang lalu. Ketepatan dari peramalan dengan metode ini akan terdapat
pada peramalan jangka pendek, sedangkan unruk peramalan jangka panjang
ketepatannya akan berkurang. Data yang dibutuhkan untuk penggunaan metode ini
minimal selama dua tahun
Metode proyeksi trend dengan analisis regresi merupakan dasar garis trend untuk
suatu persamaan matematis. Sehingga dengan dasar persamaan tersebut dapat
Universitas Sumatera Utara
-
diproyesikan hal yang teliti untuk masa depan,. Untuk peramalan jangka pendek
maupun jangka panjang, ketepatan peramalan dengan menggunakan metode ini
sangat baik. Data yang dibutuhkan minimal 5 tahun.
Metode Box-Jenkins menggunakan dasar deret waktu dengan model matematis
agar kesalahan yang terjadi dapatb diminimalkan. Oleh karena itu penggunaan
metode ini membutuhkan indentifikasi model dan etimasi parameternya. Metode ini
sangat baik ketepatannya untuk peramalan yang jangka pendek, sedangkan untuk
peramalan yang jangka panjang ketepatannya kurang baik. Data yang dibutuhkan
untuk penggunaan metode peramalan ini minimum dua tahun dan lebih baik bila data
yang dimiliki lebih dari stu tahun.
Penentuan Pola Data
Hal-hal penting yang harus diperhatikan dalam metode deret berkala adalah
menentukan jenis pola data historisnya. Sehingga pola data pada umumnya dapat
dibedakan sebabagi berikut :
Universitas Sumatera Utara
-
1. Pola Horizontal, pola ini terjadi bila nilai berfluktasi disekitar nilai rata-rata yang
konstan.
y
Waktu
Gambar 2.1 Pola Data Horizontal 2. Pola data musiman (seasonal), pola yang menunjukkan perubahan yang berulang-
ulang secara periodik dalam deret waktu. Pola ini terjadi bila suatu deret
dipengaruhi oleh faktor musiman misalnya kwartal tahun terentu, bulanan, atau
hari-hari pada minggu tertentu.
y
Waktu
Gambar 2.2 Pola Data Musiman
Universitas Sumatera Utara
-
3. Pola data siklis (cyclical), pola data yang menunjukkan gerakan naik turun dalam
jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh
fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
y
Waktu
Gambar 2.3 Pola data Siklis
4. Pola data trend, pola yang menunjukkan kenaikan atau penurunan jangka panjang
dalam data.
y
Waktu Gambar 2.4. Pola Data Trend
Universitas Sumatera Utara
-
Analisis Regresi
(Husiani dan Purnomo)Pengantar Statistika
Apabila terdapat dua buah variabel atau lebih maka suah sewajarnya bila kita ingin
mempelajari bagaimana variabel-variabelitu hubungan atau dapat diramalkan.
Hubungan yang diperoleh biasanya dinyatakan dalam persamaan matematik yang
menyatakan hubungan fungsional antara variabel-variabel tersebut. Studi yang
menyangkut permasalahan ini disebut analisis regresi.
Pada umunya dalam peramalan , variabel yangdiramalkan dinyatakan sebagai
variabel yang dicari atau ditentukan (dependent variabel). Variabel yang ditentukan
atau dipengaruhi besarnya oleh variabel yang disebut variabel-variabel penentu yang
menentukan atau variabel bebas (independent variabel). Hubungan antara variabel-
variabel bebas dengan variabel yang ditentukan adalah merupakan fungsi. Jadi dalam
peramalan digunakan fungsi sebagai usaha untuk melihat pola hubungan yang ada
pada masa lalu antara variabel yang diramalkan dengan variabel yang menentukan
atau mempengaruhi.
Regresi Sederhana
Regresi sederhana adalah suatu pola hubungan yang merupakan fungsi dimana hanya
terdapat satu variabel yang menentukan atau variabel bebas. Secara matematis,
hubungan tersebut dapat dinotasikan sebagai Y = f(X), dimana Y adalah variabel
yang diramalkan dan X adalah variabel bebas.
Universitas Sumatera Utara
-
Dengan regresi sederhana dimaksudkan suatu pola hubungan yang berbentuk
garis lurus antara suatu variabel yang diramalkan dengan satu variabel yang
mempengaruhinya atau variabel bebas. Dalam analisa deret berkala ini variabel
bebasnya adalah waktu.
Pola garis hubungan tersebut dapat diterapkan dengan menempatkan atau
memplot titk-titik dari data hasil pengamatan pada grafik untuk melihat asumsi yang
dapat digunakan bagi analisa regresi. Selanjutnya digambarkan suatu garis yang tepat
mewakili titik-titik tersebut. Pola garis tersebut dapat dinyatakan sebagai berikut :
bXaY +=
Dimana :
=
Y
variabel yang diramalkan
X = Variabel waktu
a= Bilangan Konstan
b= koefisien arah regresi linier
Untuk memperoleh persamaan tersebut kita perlu mencari nilai a dan b
dengan menggunakan rumus :
= 22 )(
))((XiiXn
YixiXiYinb
Ya = - Xb
Koefisien b dinyatakan sebagai koefisien arah regresi linier yang menyatakan
perubahan rata-rata variabel Y untuk setiap variabel X sebesar satu bagian.
Universitas Sumatera Utara
-
Maksudnya ialah bila harga b positif, maka variabel Y yang akan mengalami
kenaikan atatu pertambahan. Sebaliknya bila b negatif, maka variabel Y akan
mengalami penurunan.
Maka didalam metode regresi linier sederhana penulis menggunakan analisa
deret waktu yang tidak memerlukan data untuk variabel bebas (independent) atau X
karena variabel bebas sudah diketahui. Maka disusun pada tabel berikut ini :
Tabel 2.1. Nilai-nilai Yang perlu Untuk Menghitung Koefisien-Koefisien
Metode Regresi Sederhana.
Tahun Jumlah Kejahatan (Yi
X
)
Xi i .Y Xi i2
1996 Y X1 X0 0 . Y X1 02
1997 Y X2 X1 1 . Y X2 12
1998 Y X3 X2 2 . Y X3 22
. . . .
. . . .
. . . .
2007 Y X9 X8 8 . Y X9 22
Jumlah Yi Xi Yi .Xi Xi 2
Universitas Sumatera Utara
-
Analisis Korelasi
(Usman, Husaini dan Purnomo)Pengantar Statistika
Korelasi adalah suatu teknik analisis statistik yang menyatakan derajat hubungan
linier antara dua variabel atau lebih. Hubungan antara dua variabel ini bukanlah
dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan
hubungan searah saja.
Tujuan dari analisis korelasi adalah untuk menyatakan ada atau tidaknya
hubungan antara variabel- variabel. Untuk menyatakan besarnya sumbangan variabel
satu terhadap lainnya dinyatakan dalam persen. Jika persamaan regresi linier Y atas
X telah ditentukan dan koefisien arah b telah didapat. Maka koefisien determinasi
dan koefisien korelari dapat ditentukan.
2.5.1 Koefisien Determinasi
(Sudjana)Metode Statistika
Koefisien determinasi atau koefisien penentu yang berarti bahwa 100 r2 % dari pada
variasi yang terjadi dalam variabel tak bebas Y dapat dijelaskan oleh variabel bebas
X dengan adanya regresi linier Y atas X. atau dengan perkataan lain harga r2
yang
mendekati 1 menunjukkan beasrnya variabel X mempengaruhi Variabel Y. koefisien
determinasi dapat dinotasikan.
( ) ( )( )
= 2
22
2
YY
YYYYr
i
ii
Dimana, r berkiasr antara 0 sampai dengan 1
Universitas Sumatera Utara
-
2.5.2 Koefisien Korelasi
Koefisien korelasi dipakai untuk mengetahui derajat hubungan antar variabel,
koefisien korelasi dapat ditentukan dengan mengambil akar dari koefisien
determinasi. Harga-harga r dapat memberi arti sebagai berikut :
1. Jika r positif, maka terdapat hubungan positif antara variabel X dengan variabel
Y, yaitu jika nilai X bertambah maka nilai Y juga ikut bertambah atau
sebaliknya.
2. Jika r negatif, maka terdapat hubungan negatif antara variabel X dengan variabel
Y, yaitu jika nilai X bertambah maka nilai Y berkurang atau sebaliknya.
3. Jika r mendekati 1, maka hubungan antara variabel X dengan variabel Y sangat
erat.
4. Jika r mendekati 0, maka hubungan antara variabel X dengan variabel Y tidak
begitu erat.
5. Jika r = 0, maka tidak terdapat hubungan linier antara variabel X dengan variabel
Y.
Tabel 2.2 Interpretasi dari Nilai r
r Interpretasi
0
0,01 0,20
0,21 0,40
0,41 0,60
0,61 0,80
0,81 0,99
1
Tidak berkorelasi
Sangat rendah
Rendah
Agak rendah
Cukup
Erat
Sangat erat
Universitas Sumatera Utara
-
Uji F (F-test)
Uji F (F-test) digunakan untuk menguji kelinieran regresi dimana koefisien b secara
satistik tidak sama dengan 0 (nol). Uji F dilakukan dengan menari Fhitung dan
menentukan Ftabel. Apabila Fhitung lebih besar dari Ftabel
bXaY +=
maka persamaan regrasi
adalah benar atau signifikasn dan dapat digunakan dengan tepat untuk peramalan
dengan bentuk
Fhitung
F
diperoleh rumus :
hitung res S2
reg S2= dimana,
S2 ( ) danYYXX ii (0reg = b
S2 ( )
2
2
n
YYires =
Untuk ditribusi F yang digunakan diambil dk (derajat kebebasan) pembilang
1 dan dk penyebut n-2, maka F tabel ( ) ( )2,11 n = F dan nilai diambil dari daftar
distribusi F dengan (taraf nyata pengujian) sebesar 5 % = 0,05
Universitas Sumatera Utara