Iklan

Estimasi, Pemilihan Model dan Forecasting dengan SPSS (Seri 6a Peramalan)


Pada seri 1- 5 peramalan, kita sudah membahas tahapan estimasi model untuk metode peramalan sederhana, sekaligus cara memilih model terbaik dari model-model yang ada dengan menggunakan Program Minitab dan Excel. Kali ini, kita akan melihat fasilitas yang tersedia di SPSS (dengan catatan sekali lagi ini adalah untuk metode peramalan sederhana. Metode yang lebih lanjut akan dibahas pada seri-seri berikutnya).

Sebagai latihan, misalnya kita punya data penjualan selama 10 tahun, secara berurut sebagai berikut: 2, 3, 6, 9, 10, 11, 14, 16, 18, 27.

Buka program SPSS, ketikkan angka tersebut pada worksheet SPSS.

Selanjutnya klik Analyze > Regression > Curve Estimation. Akan muncul tampilan berikut:

Tampilan 1. Curve Estimation

16a

Masukkan variabel Penjualan kedalam kotak Dependent(s). Pada pilihan Independent, klik Time (catatan: kalau data tahun juga diinput, kita bisa menggunakannya sebagai variabel independent. Jika tidak, maka periode waktu dalam output SPSS akan diurut berdasarkan data yang diinput yaitu 1, 2, 3 dstnya).

Pada pilihan Models, pilih model yang ingin kita uji. Di SPSS terdapat 11 alternatif model dengan persamaan sebagai berikut:.

(1) Linear

Yt =β0+β1T

(2) Logarithmic

Yt =β0+β1ln(T)

(3) Inverse

Yt =β0+β1/T

(4) Quadratic

Yt =β0+β1T+β2T2

(5) Cubic

Yt =β0+β1T+β2T2+β3T3

(6) Compound

Yt =β0β1T

(7) Power

Yt =β0Tβ1

(8) S

Yt =e(β0+β1/T)

(9) Growth

Yt =e(β0+β1T)

(10) Exponential

Yt =β0eβ1T

(11) Logistic

Yt =(1/u+β0β1T) 1

Catatan:

ln = logaritma natural

e = bilangan 2,718282

u = nilai batas atas (upperbound) yang digunakan pada persamaan regresi logistik. Spesifikasi upperbound bernilai positif dan harus lebih besar dari nilai data terbesar pada variabel dependent. Nilai default dari upperbound adalah tak terhingga, sehingga 1/u = 0 dan dikeluarkan dari persamaan logistic. Jika kita tidak mengisi nilai upperbound berarti kita menspesifikasikan upperbound dengan nilai tak berhingga.

Dalam contoh kita diatas (lihat gambar), misalnya kita pilih dua model yaitu model linear dan Quadratic

Selanjutnya klik Save, akan muncul tampilan berikut:

Tampilan 2. Curve Estimation:Save

26a

Pada Save Variables, conteng pilihan Predicted values dan Residual. Klik Continue dan OK.

Output SPSS untuk proses tadi diberikan sebagai berikut (hanya bagian terpenting yang ditampilkan):

Model Summary and Parameter Estimates

Dependent Variable: Penjualan

Equation


Model Summary

Parameter Estimates

R Square

F

df1

df2

Sig.

Constant

b1

b2

Linear

.931

108.000

1

8

.000

-1.600

2.400


Quadratic

.956

76.019

2

7

.000

1.817

.692

.155

36a

Dari tabel output dapat dirumuskan:

Model linear: Yt = – 1.6 + 2.4T

Model Kuadratik: Yt = 1.817 + 0.692T + 0.155T2

Kolom F, df1, df2, and Sig. menampilkan hasil uji F dari model (lihat penjelasan uji F ini pada tulisan-tulisan lainnya di blog ini). R Square mengukur kekuatan hubungan antara nilai variabel dependent sebenarnya (observed) dan nilai variabel dependent yang diprediksi model (fit). Dari nilai R square ini, terlihat bahwa model kuadratik adalah model yang lebih baik dalam menjelaskan kecenderungan data kita.

Output kurva fit selanjutnya secara visual memberikan kita penilaian nilai fit masing-masing model terhadap nilai observed-nya. Dari plot ini, terlihat bahwa model kuadratik lebih baik mendekati kecenderungan data dibandingkan model linear.

Selain membandingkan antara nilai fit dan nilai observednya, untuk pemeriksaan secara visual lebih lanjut, kita dapat melihat plot dari residual dibandingkan dengan nilai fit. Nilai residual adalah selisih antara nilai observed dengan nilai fit.

Namun, untuk menjaga agar tulisan ini tidak terlalu lambat di loading, penjelasan mengenai pembandingan antara nilai fit dan nilai observed tersebut, sekaligus forecasting dengan SPSS akan diberikan pada tulisan berikutnya (seri 6b Peramalan).

Iklan

7 Tanggapan

  1. tulisannya sangat membantu dalam penyelesaian tugas kuliah….trims… 🙂

  2. terimakasih banyak pak,sangat membantu sekali dalam penulisan tugas akhir saya.pak saya mau tanya untuk outputnya Parameter Estimates itu ada data untuk Constant , b1,b2 apa ini yang dinamakan untuk data dari data kuadratik.semisal untuk alfa,beta dan gammanya pak?
    dimana constant itu alfa
    b1 itu beta dimana beta ada variabel mislnya t
    b2 itu gamma dimana gamma itu kuadrat dari t
    terimakasih bnyak pak

  3. sy mau bertanya bangaimana kalau variaber x (independent) lebih dari dua variabel dengan menggunakan curva estimation untuk mendapatkan nilai atau persamaan eksponensial ato yg logaritmik…makasih sebelumnya

  4. wah pak terima kasih atau tutorialnya sangat membantu sya dalam mengerjakan penulisan ilmiah saya.tulisannya bagus-bagus semua
    pak saya mau bertanya forcesting dengan time series itu sama atau beda?

    forecasting itu adalah peramalan ke depan, sedangkan time series atau lebih lengkapnya data time series digunakan untuk istilah data yang memiliki runtun waktu (dalam harian, bulanan, tahunan dstnya)

  5. Mantap…ijin copy buat tugas kuliah

  6. saya mempunyai data jumlah uang beredar dengan contoh: 654.566. bagaimana cara merubah ke bentuk logaritma sehingga bisa diregresikan dalam bentuk persen?? data lain berupa inflasi. bi rate dalam bentuk persen. perlu penyesuaian data jumlah beredar dengan data inflasi dan bi rate. terima kasih. salam hangat

    Jika ingin menggunakan SPSS, silakan lihat caranya ditulisan saya berikut ini: Semudah Spreadsheet: Transformasi Variabel dg SPSS. Dalam tulisan tersebut, saya contohnya adalah transformasi ke ln (log natural). Jika ke log biasa, ganti rumusnya menjadi lg10

  7. Blog yang bagus n berbobot….
    Saya ingin tanya bagaimana cara memilih model persamaan yang tepat dari 11 model persamaan yang tersedia di SPSS? Apa yang mendasari pemilihan model tersebut?
    Trims sebelumnya pak

    Untuk jawabannya, silakan baca beberapa tulisan yang terkait dengan peramalan pada blog ini

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: