P. 1
ANALISIS TREND

ANALISIS TREND

|Views: 11,917|Likes:
Published by Heri Kristanto

More info:

Published by: Heri Kristanto on Feb 08, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/03/2013

pdf

text

original

ANALISIS TREND (Materi X : Pengertian dan Metode Least Square

)
Pengertian : Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktorfaktor apa saja yang mempengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis time series yang paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan. Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan semakin jelek. Metode Least Square : Metode yang digunakan untuk analisis time series adalah Metode Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi Average Method), Metode Rata-Rata Bergerak (Moving Average Method) dan Metode Kuadrat Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk membahas analisis time series dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis time series adalah : Y = a + b X. Keterangan : Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah : a = ΣY / N dan b =ΣXY / ΣX2 Contoh Kasus Data Ganjil : Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2003 Tahun Penjualan (Y) X XY X2 1995 200 -4 - 800 16 1996 245 -3 - 735 9 1997 240 -2 - 480 4 1998 275 -1 - 275 1 1999 285 0 0 0 2000 300 1 300 1 2001 290 2 580 4 2002 315 3 945 9 2003 310 4 1.240 16 Jumlah 2.460 775 60 Untuk mencari nilai a dan b adalah sebagai berikut : a= 2.460 / 9 = 273,33 dan b = 775 / 60 = 12,92 Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X. Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 273,33 + 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 273,33 + 142,12 = 415,45 artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 415.450 unit Contoh Kasus Data Genap : Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002

1.5 6.94 = 406.700 12.26 (untuk tahun 2008 nilai X adalah 19).5 0.Tahun Penjualan (Y) X XY X2 1995 200 -7 .150 / 8 = 268.00 Untuk mencari nilai a dan b adalah sebagai berikut : a = 2. sehingga : Y = 268.137.5 0. elain dengan menggunakan metode tersebut di atas.275 1 1999 285 1 285 1 2000 300 3 900 9 2001 290 5 1.25 1998 275 -½ .75 + 14.150 610.69 atau 406.1.450 25 2002 315 7 2.25 1999 285 ½ 142. juga dapat dipakai dengan metode sebagai berikut : Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002 Tahun Penjualan (Y) X XY X2 1995 200 -3 .612. '08 1:10 PM for everyone Atas permintaan beberapa teman.220 168 Untuk mencari nilai a dan b adalah sebagai berikut : a = 2.400 49 1996 245 -5 .25 1996 245 -2½ .75 + 137. Apa itu asumsi linearitas? Bagaimana mengetahui apakah asumsi ini terpenuhi atau tidak? Dan mungkin beberapa pertanyaan lain yang akan saya coba jawab dalam posting ini… omong-omong kok saya jadi serius gini ya? Hmm… Asumsi Linearitas .690 unit.360 2.25 1997 240 -1½ .690 unit.5 12.75 + 137. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah : Y= 268.26 X.205 49 Jumlah 2.720 9 1998 275 -1 .25 2001 290 2½ 725 6.69 artinya penjualan barang “X” pada tahun 2008 diperkirakan sebesar 406.150 1. saya akhirnya memutuskan untuk menulis dulu mengenai topik ini sebelum melanjutkan topik mengenai Analisis Varian.0 42.150 / 8 = 268.220 / 168 = 7.25 2000 300 1½ 450 2.75 dan b = 610 / 42 = 14.75 + 7.25 Jumlah 2.94 = 406. May 10.52 Persamaan garis liniernya adalah : Y = 268.75 dan b = 1.52 (untuk tahun 2008 nilai X adalah 9½).75 + 7.225 25 1997 240 -3 .26 Persamaan garis liniernya adalah : Y = 268.69 artinya penjualan barang “X” pada tahun 2008 diperkirakan sebesar 406. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah : Y = 268.52 X.75 + 14.25 2002 315 3½ 1102. sehingga : Y = 268.

mengasumsikan hubungan antar variabelnya bersifat linear. hubungan antar variabelnya bersifat kurvilinear. Jika ternyata pola hubungannya tidak linear. maka teknik korelasi produk momen akan cenderung melakukan underestimasi kekuatan hubungan antara dua . dll. Mengapa harus Linear? Korelasi produk momen dan turunannya. khususnya hubungan kuadratik. Teknik statistik yang dimaksud adalah teknik yang terkait dengan korelasi. Jadi peningkatan atau penurunan kuantitas di satu variabel. Gambarannya kurang lebih begini: Memangnya ada yang nggak mengikuti garis lurus? Ya banyak sekali model hubungan yang nggak mengikuti garis lurus. seperti eksponensial. Misalnya seperti di gambar ini: Dalam gambar ini. akan diikuti secara linear oleh peningkatan atau penurunan kuantitas di variabel lainnya.Apa itu Asumsi Linearitas? Ada beberapa teknik statistik yang didasarkan pada asumsi linearitas. khususnya korelasi product momen. logistik. lengkapnya linearitas hubungan. Masih banyak pola hubungan yang lain selain ini. Jadi tentunya tidak semua teknik statistik didasarkan pada asumsi ini. Jadi apa itu asumsi linearitas hubungan? Kurang lebih asumsi ini menyatakan bahwa hubungan antar variabel yang hendak dianalisis itu mengikuti garis lurus. termasuk di dalamnya teknik regresi.

Bagaimana Mengecek Asumsi Linearitas ini? Ada beberapa cara untuk mengecek asumsi linearitas ini dalam program SPSS: 1. Kita akan memulai dengan mengklik Analyze->Compare Means->Means. Saya sendiri tidak terlalu yakin dengan cara ini.variabel. hanya saja sampai hari ini saya tidak memiliki bukti untuk menolak penggunaan cara ini. Menggunakan test for linearity dalam SPSS Cara ini termasuk cara yang sangat lazim dilakukan selama ini ketika berurusan dengan pengecekan asumsi linearitas. lalu muncullah sebuah dialog box berikut ini. Jadi sangat mungkin sebenarnya kedua variabel memiliki hubungan yang kuat tetapi diestimasi oleh produk momen sebagai tidak ada hubungan atau memiliki hubungan yang lemah. lalu muncul lagi satu dialog box seperti ini: . hanya karena pola hubungannya tidak linear. Pilihlah variabel dependen dari daftar variabel di sebelah kiri. lalu pindahkan ke kolom Dependent Variable. begitu juga variabel independen dipindah ke kolom Independent Variable. Kemudian klik Option.

Ini sebenarnya sama dengan JK Antar dalam analisis varians sederhana seperti yang pernah saya bahas di Anava Identity. untuk memilihnya. lalu klik OK. JK Antar dipartisi lagi menjadi dua bagian. Kita dapat membersihkan kotak Cell Statistics jika tidak ingin ada hasil output lain karena memang tidak dibutuhkan.Kita klik kotak di sebelah kiri Test for linearity. dan bagian yang tidak mengikuti garis linier. Output analisis yang akan kita baca hanya bagian seperti gambar di bawah ini: Nah pada bagian ini dapat kita lihat tabel yang sangat mirip dengan Anova. Mungkin dapat digambarkan seperti ini: . karena memang sebenarnya ini analisis varians. Dalam analisis ini. Yaitu bagian yang mengikuti garis linier. Bagian ini sebenarnya merupakan ‘sisa’ dari bagian dari JK Antar setelah dikurangi bagian yang mengikuti garis linear. Pada bagian paling atas kita dapat melihat baris Between (Subject). Klik Continue. dan kita kembali ke dialog box sebelumnya. Bagian yang mengikuti garis linier itu yang diwakili oleh baris Linearity sementara bagian yang tidak mengikuti garis linier diwakili oleh baris Deviation from Linearity.

merupakan bagian dari variabel dependen yang tidak mengikuti variabel independen. Dalam hal ini. Nah ternyata oh ternyata… bagian berwarna ini.Bagian yang berwarna biru merupakan bagian dari variasi variabel dependen yang mengikuti variasi variabel independen. dalam hal ini korelasi produk momen atau regresi linear. JK Antar. Pendapat pertama menyatakan keputusan diambil dengan melihat baris linearity. Ini berarti. diwakili oleh baris linearity. Ada juga pendapat yang mengatakan keputusan diambil dengan melihat baris deviation from linearity. Jadi gimana nih? Kalo menurut saya begini: patokan pertama yang bisa dipakai adalah linearity. sangat mungkin hubungan antar variabel itu fit dengan garis linear. Jika baris ini tidak signifikan. kita bisa bilang bahwa bagian dari JK Antar yang mengikuti garis linear cukup besar. jika deviation from linearity ini tidak signifikan. maka itu berarti hubungan antar variabel dapat dijelaskan menggunakan model linear. Nah. diberi lambang e. Jika linearity signifikan. karena baris ini dianggap merupakan bagian JK Antar yang mengikuti trend linear. diwakili oleh deviation from linearity. Deviation from linearity merupakan informasi tambahan mengenai pola hubungan yang tidak dapat dijelaskan oleh garis linear. Ini adalah bagian yang sering diwakili oleh JK Antar. tapi tidak seluruh variasi dari hubungan antar variabel ini dapat dijelaskan dengan garis linear ini. Jadi disamping model linear kita perlu juga melihat model non-linear. Jika ternyata baris ini signifikan. . jika deviation from linearity signifikan. ini menunjukkan bahwa sebagian lain variasi hubungan antar variabel ini tidak mengikuti garis linear. Pemikirannya kurang lebih begini. Nah lalu bagaimana memutuskan apakah asumsi linearitas ini terpenuhi atau tidak? Ada beberapa pendapat yang beredar saat ini. masih dapat dipartisi lagi menjadi dua bagian yaitu yang mengikuti garis linear. diberi lambang A. Ada sebagian lain yang mengikuti pola hubungan yang tidak linear. Bagian yang tidak berwarna. Deviation from linearity merupakan bagian dari A yang tidak mengikuti garis linear. ini berarti variasi hubungan antar variabel hampir sepenuhnya mengikuti pola hubungan linear. karena baris ini menggambarkan apakah model linear dapat menjelaskan dengan baik hubungan antar variabel. Atau dapat juga dikatakan bahwa garis linear dapat memberikan penjelasan yang baik mengenai hubungan antara kedua variabel. dan yang tidak mengikuti garis linear. dengan kata lain fit. sehingga dapat disimpulkan trend antara variabel independen dan dependen itu linear. Jika F untuk baris linearity ini signifikan. maka dapat dikatakan bahwa hubungan antar variabel dependen dan independen linear.

Yang ingin dilihat apakah pemberian obat dengan kuantitas tertentu ini akan memiliki efek yang linier terhadap variabel dependen. Masalah Saya pribadi kurang merasa ‘sreg’ dengan pendekatan ini. Alasan ketiga terkait dengan ‘sense of data’…cieileh…keren betul bahasanya. Keberatan saya yang pertama. Ini mengakibatkan Rerata Kuadratnya (MS deviation from linearity) akan cenderung kecil. 2. Nah. Kelompok-kelompok ini dibentuk menurut kuantitas dari variabel independent. karena SPSS tidak dapat menghitung varians errornya. Hal ini mengakibatkan makin besar kemungkinan untuk mendapatkan F yang tidak signifikan terlepas dari apakah kondisi datanya linear atau tidak. Menggunakan Grafik Scatter Plot antar Variabel Saya menganggap penting sekali mengecek data secara visual. mengenali dan melihat data itu penting bagi peneliti. Sehingga perlu kiranya menguji juga model hubungan antar variabel dengan model non-linear pada data yang sama. makin kecil Rerata Kuadrat untuk error (MS error). dan seterusnya. jadi bukan analisis yang memang dirancang untuk melihat linearitas hubungan antara dua variabel dengan data kontinum. Peneliti perlu mendapat ‘sense’ atas datanya sendiri. b. Nah terkait dengan ini kita masuk ke pendekatan kedua. kelompok berikutnya 20 gram. misalnya 100 point. Apa bedanya? Analisis trend sebenarnya menganalisis mean dari beberapa kelompok dari sampel penelitian. Ini dapat dilakukan . apalagi jika digunakan sebagai satu-satunya sumber informasi untuk mengecek asumsi linearitas data. Jika tiap nilai variabel independen hanya memiliki satu nilai unik untuk variabel dependennya (misalnya setiap subjek yang memiliki skor IQ 100 memiliki nilai raport 10). yang mengakibatkan makin besar kemungkinan untuk menolak hipotesis nol. Ini dilakukan untuk melihat manakah model yang terbaik menjelaskan pola hubungan ini. misalnya kecepatan sembuh. Semakin besar subjek. sehingga nilai F nya akan cenderung kecil juga. Kita perlu melihatnya secara langsung baik dalam arti memandangi datanya (ini serius nggak guyon…) atau membuat grafik yang bisa menggambarkan data kita. Kedua.hanya memberikan penjelasan linear mengenai hubungan antar variabel akan memberikan informasi yang kurang lengkap mengenai hubungan antar variabel. terkait dengan ketergantungan teknik ini terhadap jumlah subjek. analisis trend di SPSS ini tidak akan dapat dijalankan. maka kelompok pertama misalnya diberi obat A sebanyak 10 gram. Jika range dari variabel independent sangat besar. Terkait dengan ini akan ada dua masalah yaitu: a. Dalam baris deviation from linearity ini berarti makin besar kecenderungan untuk mengatakan hubungan antar variabel dapat dijelaskan dengan model non linear. Misalnya variabel independennya obat A. sebenarnya analisis ini merupakan analisis trend. mengandalkan uji asumsi saja hanya akan membatasi pandangan kita mengenai data kita sendiri. maka derajat kebebasan (df) untuk baris deviation from linearity akan cenderung besar. Dalam baris linearity ini berarti makin besar kecenderungan untuk mengatakan hubungan antar variabel itu linear padahal tidak demikian. Maksud saya begini.

kuadratik.dengan melihat datanya secara langsung atau melihatnya dalam bentuk grafik. Manfaat lainnya adalah dapat mengecek outlier dalam data kita. logaritmik. kubik. Lalu bagaimana melakukannya dengan SPSS? Kita dapat menggunakan menu Graph->Interactive->Scatterplot. Ada cukup banyak informasi yang bisa kita peroleh dengan melihat data dengan grafik dibandingkan hanya melihat hasil output berupa tabel. dapat melihat secara langsung bentuk hubungan antar variabel. keberadaannya dan pada variabel mana data tersebut menjadi outlier. dengan scatter plot kita dapat memperkirakan seperti apa bentuk hubungannya. atau yang lain. Scatter plot termasuk grafik yang menurut saya cukup berguna untuk mengecek linearitas hubungan antar variabel. Beberapa manfaat yang dapat diperoleh antara lain. Kemudian klik . Seandainya hubungan antar variabel tidak linear. yang akan memunculkan dialog box seperti ini: Dalam dialog box tersebut kita bisa memasukkan variabel independen dalam kotak pada garis horizontal dan variabel dependen dalam kotak pada garis vertikal.

kita dapat melihat dengan cukup jelas bahwa hubungan keduanya linear. yang akan memunculkan grafik seperti berikut: Nah dari grafik ini bisa dilihat bahwa hubungan kedua variabel dapat dikatakan linear. Jika kita menarik garis lurus seperti di atas. Oleh karena itu meminta penilaian orang lain mengenai bentuk hubungan dalam hal ini cukup penting. Saya belum menemukan sampai saya menyelesaikan tulisan ini. Salam! Prev: Anava Identity : Analisis Varians Sederhana / Satu Jalur (Part II) Next: Korelasi Antara A Dan B Positif Signifikan = Jika A Tinggi Maka B Juga Tinggi? .OK. Saat ini saya sedang menggali kemungkinan-kemungkinan lain untuk menguji linearitas hubungan ini. Masalah utama terkait dengan grafik adalah subjektivitas penilaian seperti apa grafik yang dapat dikatakan linear dan seperti apa yang dikatakan non linear. kita dapat melihat titik-titik tersebut memiliki jarak yang relatif dekat dengan garis. Dalam gambar di atas. tetapi dalam grafik lain sangat mungkin ada perbedaan pendapat mengenai linearitas hubungan antara dua variabel. Jika suatu hari nanti saya memperolehnya tentu saja akan saya upload artikel baru di blog ini. Dalam grafik ini juga dapat dilihat beberapa outlier sekaligus kemungkinan heterogenitas varians.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->