AD TIME SERIES

1. Trend Linear

2. Seasonal

3. Gabungan trend linear & seasonal

MODEL REGRESI UNTUK TREND LINIER

Time Series Plot of Penjualan

730

720

710

700
Penjualan

690

680

670

660

650
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Index

Regression Analysis: Penjualan versus Minggu (x=MINGGU, Y=Penjualan)

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 1 6821,2 6821,16 272,64 0,000
Minggu 1 6821,2 6821,16 272,64 0,000
Error 13 325,2 25,02
Total 14 7146,4

Model Summary

S R-sq R-sq(adj) R-sq(pred)

5,00187 95,45% 95,10% 94,13%

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 650,31 2,72 239,28 0,000
Minggu 4,936 0,299 16,51 0,000 1,00

Regression Equation

Penjualan = 650,31 + 4,936 Minggu

TREND ANALYSIS
ASUMSI SAMA SEPERTI REGRESI LINIER -> IIDN

MODEL REGRESI UNTUK DATA SEASONAL

Time Series Plot of Penjualan2

1100

1000

900
Penjualan2

800

700

600

500

2 4 6 8 10 12 14 16 18 20
Index

Time series-stamp (tahun/ kuartal)

1. Tahun
Time Series Plot of Penjualan2
1100

1000

900
Penjualan2

800

700

600

500

2 4 6 8 10 12 14 16 18 20
t
 2. Kuartal
Time Series Plot of Penjualan2
1100

1000

900

Penjualan2
800

700

600

500

2 4 2 4 2 4 2 4 2 4
Kuartal

Regresi linier dengan variabel kuartal yang dibuat var dummy sehingga dari 4 kuartal ada 3 var
dummy  y=penjualan, x=dummy kuartal 1 -3

Dengan model sebagai berikut,

Penjualan2 = 721,6 + 281,2 Kuartal_1_1 - 97,4 Kuartal_2_1- 202,2 Kuartal_3_1

INTERPRETASI: Mensubstitusikan tiap kuartal untuk mengetahui penjual tiap kuartalnya, misal ingin
mengetahui penjualan kuartal 1 maka penjualan= 721,6+281,2 (1)-0-0=......penjualan pada kuartal 1

MODEL REGRESI UNTUK TREND LINIER DAN DATA SEASONAL

Time Series Plot of Penjualan 3

900

800

700
Penjualan 3

600

500

400

300

200
2 4 6 8 10 12 14 16
t

Saat diregresi, t juga diikutkan sebagai variabel x karena diindikasikan kenaikan penjualan
diakibatkan oleh variabel t juga.