Peramalan penyediaan dan Regresi pptx
TEKNIK RAMALAN DAN ANALISIS REGRESI
Perhatikan
tabel
disamping,
yang
menunjukkan suatu data dari suatu hasil
pengukuran. Berapa harga y untuk x = 12.
y
5
4
3
2
1
1
2
3
4
5
6
7
8
9 10 11
x
No
x
y
1
1
0,6
2
2
0,8
3
3
1,8
4
4
2,2
5
5
2,4
6
6
2,7
7
7
3,5
8
8
4,1
9
9
4,8
PERSAMAAN REGRESI LINEAR
Persamaan garis regresi linear dapat dinyatakan sebagai berikut :
x x y
b
2
x
x
Y=a+bX
y
a y bx
Contoh
Sebuah pengukuran kekerasan pada sebuah logam yang telah dilakukan
perlakuan panas hasilnya dapat dilihat pada tabel. Dimana x adalah jarak dari
ujung awal logam yang masuk ke oli sampai 50 mm di atas permukaan oli.
Tentukan harga kekerasan pada x = 45 mm.
No
1
2
3
4
5
6
7
Jarak (mm)
10
30
50
70
90
110
130
HBN
450
440
425
400
395
390
388
Penyelesaian
x
No
y
x x
x x y y x x
y y
2
1
10
450
-60,00
37,43
-2245,71
3600,00
2
30
440
-40,00
27,43
-1097,14
1600,00
3
50
425
-20,00
12,43
-248,571
400,00
4
70
400
0,00
-12,57
0
0,00
5
90
395
20,00
-17,57
-351,429
400,00
6
110
390
40,00
-22,57
-902,857
1600,00
7
130
388
60,00
-24,57
-1474,29
3600,00
Jumlah
490
2888
0
0,00
-6320
11200
x
x
n
490
70
7
x x y
b
2
x x
y
y
y
6320 0,6
11200
a y b x 412,57 0,6 70 452,07
n
2888
412,57
7
x = 45 mm y = 425,1
REGRESI LINEAR UNTUK TIGA VARIABEL
Seringkali kita berhadapan lebih dari dua variable, misalnya hubungan
kekerangan logam dengan temperature pemanasan dan jenis pendingin
yang digunakan dalam suatu proses perlakuan panas. Hasil percobaan
seperti ini, bila didekati dengan persamaan liniear adalah sebagai berikut :
Y1 = b0 + b1X11 + b2X12
Regresi linear
Y2 = b0 + b1X21 + b2X22
Dengan metode kuadrat terkecil (least square method) diperoleh :
b0 n
b1 x1
b0 x1 b1 x12
b2 x2
y
b2 x1 x2 x1 y
b0 x2 b1 x1 x2 b2 x22
Dalam bentuk metrik menjadi
x2 y
n
x1
x2
x1
2
x
1
x1 x
2
x2 b0
x1 x2 b1
2
x
b2
2
y
x1 y
x y
2
A b
H
Penyelesaian persamaan dalam bentuk matrik tersebut adalah :
b
A 1 H
A 1
Adalah invers matriks
Untuk menghitung b0 ; b1 dan b2 dapat digunakan persamaan berikut :
det A1
b0
det A
det A2
b1
det A
det A3
b2
det A
Dimana :
n
A x1
x2
x1
2
x
1
x1 x
2
x2
x1 x2
2
x
2
det A
= determinan A
y
A1 x1 y
x2 y
A2
n
x1
x2
n
A3 x1
x2
x1
2
x
1
x1 x
2
y
x1 y
x y
x1
2
x
1
x1 x
2
2
x2
x
x
1 2
x 2
det A1
= determinan A1
det A2
= determinan A2
det A3
= determinan A3
2
x2
x1 x2
2
x
y
x1 y
x2 y
2
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan,
temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di
bawah menunjukkan hasil pengukuran tersebut. Untuk waktu 360 menit dan
temperature 500C pelapisan , berapa kekerasan yang diperoleh :
Kekerasan (BHN)
550
450
400
425
525
475
450
535
510
410
485
490
Waktu (menit)
300
90
60
75
285
255
240
300
260
60
90
100
Temperatur. (0C)
60
55
40
45
50
45
40
55
60
50
55
60
Penyelesaian
n
BHN
Menit
y
x1
C
0
x2
x1 y
x2 y
x1 x2
y2
x12
x22
1
550
300
60
165000
33000
18000
302500
90000
3600
2
450
90
55
40500
24750
4950
202500
8100
3025
3
400
60
40
24000
16000
2400
160000
3600
1600
4
425
75
45
31875
19125
3375
180625
5625
2025
5
525
285
50
149625
26250
14250
275625
81225
2500
6
475
255
45
121125
21375
11475
225625
65025
2025
7
450
240
40
108000
18000
9600
202500
57600
1600
8
535
300
55
160500
29425
16500
286225
90000
3025
9
510
260
60
132600
30600
15600
260100
67600
3600
10
410
60
50
24600
20500
3000
168100
3600
2500
11
485
90
55
43650
26675
4950
235225
8100
3025
12
490
100
60
49000
29400
6000
240100
10000
3600
Jumlah
5705
2115
615
1050475
295100 110100
2739125
490475
32125
b0 n
Selanjutnya susun
persamaan berikut
b1 x1
b0 x1 b1 x12
b2 x2
b2 x1 x2 x1 y
b0 x2 b1 x1 x2 b2 x22
Diperoleh
12
b0 + 2115
y
b1 + 615
x2 y
b2 = 5705
2115 b0 + 490475 b1 + 110100 b2 = 1050475
615 b0 + 110100 b1 + 32125 b2 = 295100
Dalam bentuk matriks
2115
615 b0 5705
12
2115 490475 110100 b 1050475
1
615 110100 32125 b2 295100
Dimana :
2115
615
12
A 2115 490475 110100
615 110100 32125
det A = 821377500
2115
615
5705
A1 1050475 490475 110100
295100 110100 32125
A2
A3
5705
615
12
2115 1050475 110100
615 295100 32125
2115
5705
12
2115 490475 1050475
615 110100 295100
Selanjutnya didapat
det A1
b0
235
det A
Persamaan garis regresi
det A1
det A2
det A3
det A2
b1
0,33
det A
= 193027131250
=
271481250
= 2919431250
det A3
b2
3,55
det A
y = 235 + 0,33 x1 + 3,55 x2
Untuk waktu 360 menit dan temperatur 500C diperkirakan kekerasannya 531,3
BHN
KORELASI DAN KOEFISIEN KORELASI
Korelasi tiga variabel y ; x1 dan x2
adalah :
1. Korelasi linear
sederhana antara
a. y dengan x1
Koefisien korelasi linear sederhana
n
x1i
rx1 y
i 1
n
x1i
i 1
x1
n
x2 i
rx2 y
b. y dengan x2
i 1
2
n
yi
x2 i x2
i 1
n
2
y
y
i
2
i 1
x1i
rx1 x2
i 1
n
x1i
i 1
y
2
x 2 yi y
n
n
c. x1 dengan x2
x1 yi y
i 1
x1 x2 i x2
x1
2
n
x2 i
i 1
x2
2
Koefisien korelasi linear berganda
2. Korelasi linear
berganda
antara y ; x1
dan x2
r r
2
R yx1 x 2
x1 y
2
x2 y
2 rx1 y rx 2 y rx1 x 2
1 rx1 x 2
2
Koefisien Penentuan (coefficient of determination), yaitu suatu nilai untuk
mengukur besarnya sumbangan (share) dari beberapa variabel x terhadap
variasi y. Koefisien Penentuan dihitung dengan rumus :
KP R yx1 x 2
2
3. Koefisien Korelasi parsial adalah korelasi tiga variabel dengan salah
satu variabel konstan.
a. Koefisien korelasi
parsial x1 dan y,
dengan x2 konstan
rx1 yx 2
rx1 y rx 2 y rx1 x 2
1 rx 2 y
2
1 rx1 x 2
2
b. Koefisien korelasi
parsial x2 dan y,
dengan x1 konstan
rx2 y rx1 y rx1 x2
rx2 yx1
c. Koefisien korelasi
parsial x1 dan x2,
dengan y konstan
1 rx1 y 2
1 rx1 x2 2
rx1 x2 rx1 y rx2 y
rx1 x2 y
1 rx1 y 2
1 rx2 y 2
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan,
temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di
bawah menunjukkan hasil pengukuran tersebut. Seberapa besar pengaruh waktu
dan temperatur terhadap kekerasan ? Dan hitung koefisien korelasi partial untuk
x1 konstan dan x2 konstan
Kekerasan (BHN)
550
450
400
425
525
475
450
535
510
410
485
490
Waktu (menit)
300
90
60
75
285
255
240
300
260
60
90
100
Temperatur. (0C)
60
55
40
45
50
45
40
55
60
50
55
60
Penyelesaian
BHN
Mnit
y
x1
1
550
300
60
74,58
123,75
8,75
9229,69
652,60
1082,81
5562,67
15314,06
76,56
2
450
90
55
-25,42
-86,25
3,75
2192,19
-95,31
-323,44
646,01
7439,06
14,06
No
0
C
x2
3
400
60
40
-75,42
-116,25
-11,25
8767,19
848,44
1307,81
5687,67
13514,06
126,5
6
4
425
75
45
-50,42
-101,25
-6,25
5104,69
315,10
632,81
2541,84
10251,56
39,06
5
525
285
50
49,58
108,75
-1,25
5392,19
-61,98
-135,94
2458,51
11826,56
1,56
6
475
255
45
-0,42
78,75
-6,25
-32,81
2,60
-492,19
0,17
6201,56
39,06
7
450
240
40
-25,42
63,75
-11,25
-1620,31
285,94
-717,19
646,01
4064,06
126,5
6
8
535
300
55
59,58
123,75
3,75
7373,44
223,44
464,06
3550,17
15314,06
14,06
9
510
260
60
34,58
83,75
8,75
2896,35
302,60
732,81
1196,01
7014,06
76,56
10
410
60
50
-65,42
-116,25
-1,25
7604,69
81,77
145,31
4279,34
13514,06
1,56
11
485
90
55
9,58
-86,25
3,75
-826,56
35,94
-323,44
91,84
7439,06
14,06
12
490
100
60
14,58
-76,25
8,75
-1111,98
127,60
-667,19
212,67
5814,06
76,56
Jml
5705
2115
615
Harga
rata-rata
y
n
y
606,2
0
0
475, 42
5
x1 2718,75 1706,25 26872,92 117706,25
x2
x1
176, 25
x2
51, 25
n
n
0
44968,75
Dari perhitungan sebelumnya diperoleh
Persamaan garis regresi
b0 235
b1 0,33
y = 235 + 0,33 x1 + 3,55 x2
b2 3,55
n
x1i
rx1 y
i 1
n
x1i
x1
i 1
n
x2 i
rx2 y
x1 yi y
i 1
n
yi
2
x2 i x2
i 1
rx1 x2
i 1
n
x1i
2
y
y
i
i 1
x1 x2 i x2
x1
i 1
n
x2 i
2
i 1
r r
2
R yx1 x2
x1 y
KP R yx1 x2
2
x2 y
0,69
0, 20
x2
2
2 rx1 y rx2 y rx1 x2
1 rx1 x2
2
0,67
n
2
i 1
x1i
y
2
x 2 yi y
n
n
0,80
2
Dengan harga KP = 0,69
atau 69%, maka waktu dan
temperatur
memiliki
pengaruh
terhadap
kekerasan hasil proses
khrom sebesar 69%
0,83
rx1 yx2
rx1 y rx2 y rx1 x2
1 rx2 y
2
1 rx1 x2
2
0,91
Dengan mengatur temperatur konstan, waktu memiliki pengaruh 91% terhadap
kekerasan hasil proses khrom
rx2 yx1
rx2 y rx1 y rx1 x2
1 rx1 y 2
1 rx1 x2 2
87
Dengan mengatur waktu konstan, temperatur memiliki pengaruh 87% terhadap
kekerasan hasil proses khrom
GARIS TREND
Garis trend pada dasarnya adalah garis regresi.
Pada pembahasan ini kita akan bahas tentang garis regresi (trend) non
linear, yakni fungsi parabola, eksponensian dan logaritma dan trend
logistik
TREND PARABOLA
Persamaan garis trend parabola
didefinisikan sebagai berikut :
Y = a + b X + c X2
an
Dengan pendekatan seperti
pada problem linear
berganda (x2 = X2), diperoleh
Ditulis secara matriks menjadi
atau
A B
C
b x c x 2 y
a x b x 2 c x 3 xy
a x 2 b x3 c x 4 x 2 y
n
x
x 2
B
x
x2
x3
A 1 C
2
x
a y
3
x
b
xy
x 4 c x 2 y
TREND EKSPONENSIAL DAN LOGARITMA
Persamaan garis trend
eksponensial didefinisikan :
y ab x
Log y = Log a + x Log b
Y = Log y
Dengan demikian dapat
didekati dengan
Y=a+bX
a = Log a
b = Log b
Koefisien a dan b dapat dicari seperti sebelumnya
Contoh 1
Sebuah perusahaan yang memproduksi HP berdiri pada
tahun 1999 di Tangerang dengan kapasitas terpasang
500.000 produk per tahun. Dari tahun 2000 sampai 2006
produksi per tahunnya seperti ditunjukkan pada tabel di
bawah. Anda sebagai Direktur Produksi diminta
memberikan usulan perkiraan penambahan/perluasan
pendirian pabrik baru itu kapan bila kapasitas produksi
maksimum yang dapat dicapai oleh pabrik yang ada
hanya 80% dari kapasitas terpasang.
Tahun
Produksi
(ribuan unit)
2000
50
2001
60
2002
80
2003
120
2004
170
2005
230
2006
290
Penyelesaian
Produksi
(ribuan unit)
Tahun
X
Y
x2
x3
x4
xy
x2 y
2000
-3
50
9
-27
81
-150
450
2001
-2
60
4
-8
16
-120
240
2002
-1
80
1
-1
1
-80
80
2003
0
120
0
0
0
0
0
2004
1
170
1
1
1
170
170
2005
2
230
4
8
16
460
920
2006
3
290
9
27
81
870
2610
Jumlah
0
1000
28
0
196
1150
4470
an
b x c x 2 y
a x b x 2 c x 3 xy
a x 2 b x3 c x 4 x 2 y
7a +0
0
+ 28 c = 1000
+ 28 b + 0
28 a + 0
= 1150
+ 196 c = 4470
7a +0
0
+ 28 c = 1000
+ 28 b + 0
28 a + 0
b
= 1150
+ 196 c = 4470
1150
41,07
28
28 a + 112 c = 4000
28 a + 196 c = 4470
c
− 84 c = − 470
Persamaan garis regresinya adalah :
Selanjutnya dari
Diperoleh x = 4,3
470
5,6
84
a = 120,46
y = 120,46 + 41,07 x + 5,6 x2
400 = 120,46 + 41,07 x + 5,6 x2
Berdasarkan data tersebut dan dengan asumsi
permintaan masih seperti tahun-tahun
sebelumnya, maka pada tahun 2008 produksi
lebih dari 400.000 unit. Dengan demikian perlu
adanya pendirian unit produksi baru
ANALISIS DATA BERKALA
PENDAHULUAN
Data berkala (time series data) adalah data yang dikumpulkan dari waktu ke
waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan
produksi, harga, hasil penjualan dll).
Pada suatu bidang perawatan sekarang ini time series data memegang peranan
penting.
Variasi data berkala dikelompokkan dalam 4 kelompok, yaitu :
1. Gerakan trend jangka panjang (long term movements or secular trend), yaitu
suatu gerakan yang menunjukkan arah perkembangan secara umum
2. Gerakan siklis (cyclical movements or variations), adalah gerakan yang
berulang dalam jangka waktu tertentu.
3. Gerakan musiman (seasonal movements) adalah gerakan yang mempunyai
pola tetap pada waktu-waktu tertentu.
4. Gerakan yang tidak teratur (irregular or random movements) adalah gerakan
yang sifatnya tidak memiliki keteraturan.
Terdapat beberapa metode yang dapat digunakan untuk menggambarkan garis
trend dari data berkala ini.
METODE TANGAN BEBAS
Langkah-langkah untuk menentukan garis trend dengan menggunakan metode
tangan bebas (free hand method), sebagai berikut :
1. Buat sistem koordinat x-y
2. Plot data pada sistem koordinat x-y tersebut
3. Buat garis trend yang dapat mewakili semua data tersebut.
y
Sangat subyektif, karena
sangat tergantung dari
penafsiran yang membuat
garis trend
x
METODE RATA-RATA SEMI
Cara ini memerlukan langkah-langkah sebagai berikut :
1. Data dikelompokkan menjadi dua. Masing-masing kelompok harus memiliki
jumlah data yang sama. Jika jumlah data ganjil, ada satu data yang tidak
masuk dalam kelompok data tersebut.
2. Hitung harga rata-rata masing-masing kelompok data tersebut.
3. Tentukan titik absis (variabel x). Cara penentuannya yaitu dipilih yang berada
di tengah masing-masing kelompok.
4. Buat garis trend berdasarkan persamaan y = a + b x, dimana a dan b
dihitung dari harga rata-rata dan harga tengah masing-masing kelompok.
Maksudnya persamaan y = a + b x tersebut pada saat x = harga tengah
kelompok ; y = harga rata-rata.
Metode ini tidak memerlukan gambar grafik. Lebih obyektif karena
didasarkan pada perumusan matematik.
METODE RATA-RATA BERGERAK
Kalau kita memiliki data sebanyak n, y1 ; y2 ........ Yn, maka rata-rata bergerak
(moving average) didefinisikan sebagai urutan rata-rata dari kelompok data
yang merupakan bagian dari data asli. Pengelompokan data sebagai berikut :
y1 y2 y3 y4 y5 y6 y7 y8 y9 ................................... yn
Y1 Y2 Y3 Y4 ........................................................Y k
y1 y 2 y3 y 4
y 2 y3 y 4 y5
Y1
Y2
4
4
y y 4 y5 y6
Y3 3
...................................
4
y k y k 1 y k 2 y n
Yk
4
Secara general, bila terdapat n data asli y, dikelompokkan menjadi k
kelompok dengan data pada setiap kelompok (sebaiknya dibuat sama)
m, maka Yi dapat ditulis sebagai berikut :
yi yi 1 ......... yi m 1
Yi
m
i = 1, 2 , ......., k
Metode ini sebetulnya merupakan PEMULUSAN DATA BERKALA
untuk mengurangi variasi data aslinya
METODE KUADRAT TERKECIL
Metode kuadrat terkecil (least
square method) untuk mencari
garis trend dimaksudkan suatu
perkiraan mengenai nilai a dan b
dari persamaan garis trend
Y = a + b X yang didasarkan
atas data hasil observasi y dan x
sedemikian
rupa
sehingga
dihasilkan kesalahan kuadrat
minimum.
Garis trend Y = a + b X
y
y1
e1
Caranya seperti pada garis regresi linear
Y1
x1
x
GERAKAN MUSIMAN
Suatu gerakan pada umumnya mengandung empat komponen yaitu gerakan
trend (T), siklis (C), musiman (S) dan irreguler (I).
Pengaruh komponen musiman terhadap gerakan umumnya dinyatakan dengan
angka indeks dan disebut ANGKA INDEKS MUSIMAN
Terdapat beberapa metode untuk menghitung angka indeks musiman, antara
lain metode rata-rata sederhana (simple average method), metode relatif
tersambung (link relative method), metodee rasio terhadap trend (ratio to trend
method) dan metode rasio terhadap rata-rata bergerak (ratio to moving average
method)
METODE RATA-RATA SEDERHANA
Untuk dapat memahami hal ini perhatikan suatu kasus produksi seperti
yang ditunjukkan pada tabel berikut :
Bulan
2000
2001
2002
2003
Jumlah
Ratarata
1
2
3
4
5
6
7
Prosenta
se
Indeks
Musima
n
8
9
Januari
259,00
278,00
276,00
267,00
1080,00
270,00
8,78
105,32
Pebruari
244,00
259,00
276,00
239,00
1018,00
254,50
8,27
99,28
Maret
268,00
274,00
278,00
250,00
1070,00
267,50
8,70
104,35
April
236,00
250,00
268,00
230,00
984,00
246,00
8,00
95,96
Mei
251,00
248,00
263,00
236,00
998,00
249,50
8,11
97,33
Juni
244,00
238,00
238,00
229,00
949,00
237,25
7,71
92,55
Juli
246,00
256,00
263,00
252,00
1017,00
254,25
8,26
99,18
Agustus
254,00
267,00
272,00
262,00
1055,00
263,75
8,57
102,89
Septembe
r
228,00
255,00
250,00
241,00
974,00
243,50
7,92
94,99
Oktober
245,00
280,00
257,00
238,00
1020,00
255,00
8,29
99,47
Nopember
243,00
273,00
263,00
257,00
1036,00
259,00
8,42
101,03
Desember
273,00
283,00
280,00
268,00
1104,00
276,00
8,97
107,66
2991,00
3161,00
3184,00
2969,00
12305,00
3076,25
100,00
1200,00
JUMLAH
METODE RELATIF TERSAMBUNG
Metode ini menghubungkan data sebelumnya dengan data sekarang. Data
sekarang dinyatakan secara prosentase dari data sebelumnya. Perhatikan
contoh berikut :
2001
2002
2003
Rata-rata
relatif
bersambung
4
5
7
Indeks musiman
Relatif
berantai
8
Belum
disesuaikan
Sudah
disesuaikan
9
10
Bulan
2000
1
2
3
-
101,83
97,53
95,36
98,24
100,00
100,00
105,58
94,21
93,17
100,00
89,51
94,22
94,22
94,14
99,39
Maret
109,84
105,79
100,72
104,60
105,24
99,16
98,99
104,51
April
88,06
91,24
96,40
92,00
91,93
91,15
90,90
95,97
Mei
106,36
99,20
98,13
102,61
101,57
92,59
92,25
97,40
Juni
97,21
95,97
90,49
97,03
95,18
88,12
87,70
92,59
Juli
100,82
107,56
110,50
110,04
107,23
94,49
93,99
99,23
Agustus
103,25
104,30
103,42
103,97
103,73
98,02
97,43
102,87
Septemb
89,76
95,51
91,91
91,98
92,29
90,47
89,79
94,80
Oktober
107,46
109,80
102,80
98,76
104,70
94,72
93,96
99,21
Nopemb
99,18
97,50
102,33
107,98
101,75
96,38
95,53
100,87
Desemb
112,35
103,66
106,46
104,28
106,69
102,83
101,90
107,58
101,02
100,10
Januari
Pebruari
Januari*
JUMLAH
1136,57
1200,00
METODE RASIO TERHADAP TREND
Dalam metode ini, data asli untuk setiap bulan dinyatakan sebagai
persentase dari nilai trend bulanan.
Perhatikan contoh berikut :
Tahun
1992
1993
1994
Rata-rata bulanan
273,7
293,5
315,0 336,8 364,4 394,8 424,2 458,7
Tahun
X
Y
XY
X2
1995
1996
1997
1998
1999
Seperti perhitungan garis regresi
linear Y = a + b X diperoleh :
1992
-7
273,7
-1915,9
49
1993
-5
293,5
-1467,5
25
1994
-3
315
-945
9
1995
-1
336,8
-336,8
1
1996
1
364,4
364,4
1
1997
3
394,8
1184,4
9
1998
5
424,2
2121
25
1999
7
458,7
3210,9
49
Jumlah
0
2861,1
2215,5
168
a = 357, 64
b = 13,19
Y = 357,64 + 13,19 X
Berdasarkan garis regresi ini setiap
satu satuan X naik sebesar 13,19.
Nilai trend
Bulan
1992
1993
1994
1995
1996
1997
1998
1999
Januari
253,2
279,6
306,0
332,4
358,7
385,1
411,5
437,9
Pebruari
255,4
281,8
308,2
334,6
360,9
387,3
413,7
440,1
Maret
257,6
284,0
310,4
336,8
363,1
389,5
415,9
442,3
April
259,8
286,2
312,6
339,0
365,3
391,7
418,1
444,5
Mei
262,0
288,4
314,8
341,2
367,5
393,9
420,3
446,7
Juni
264,2
290,6
317,0
343,4
369,7
396,1
422,5
448,9
Juli
266,4
292,8
319,2
345,5
371,9
398,3
424,7
451,1
Agustus
268,6
295,0
321,4
347,7
374,1
400,5
426,9
453,3
September
270,8
297,2
323,6
349,9
376,3
402,7
429,1
455,5
Oktober
273,0
299,4
325,8
352,1
378,5
404,9
431,3
457,7
Nopember
275,2
301,6
328,0
354,3
380,7
407,1
433,5
459,9
Desember
277,4
303,8
330,2
356,5
382,9
409,3
435,7
462,1
Perhatikan
tabel
disamping,
yang
menunjukkan suatu data dari suatu hasil
pengukuran. Berapa harga y untuk x = 12.
y
5
4
3
2
1
1
2
3
4
5
6
7
8
9 10 11
x
No
x
y
1
1
0,6
2
2
0,8
3
3
1,8
4
4
2,2
5
5
2,4
6
6
2,7
7
7
3,5
8
8
4,1
9
9
4,8
PERSAMAAN REGRESI LINEAR
Persamaan garis regresi linear dapat dinyatakan sebagai berikut :
x x y
b
2
x
x
Y=a+bX
y
a y bx
Contoh
Sebuah pengukuran kekerasan pada sebuah logam yang telah dilakukan
perlakuan panas hasilnya dapat dilihat pada tabel. Dimana x adalah jarak dari
ujung awal logam yang masuk ke oli sampai 50 mm di atas permukaan oli.
Tentukan harga kekerasan pada x = 45 mm.
No
1
2
3
4
5
6
7
Jarak (mm)
10
30
50
70
90
110
130
HBN
450
440
425
400
395
390
388
Penyelesaian
x
No
y
x x
x x y y x x
y y
2
1
10
450
-60,00
37,43
-2245,71
3600,00
2
30
440
-40,00
27,43
-1097,14
1600,00
3
50
425
-20,00
12,43
-248,571
400,00
4
70
400
0,00
-12,57
0
0,00
5
90
395
20,00
-17,57
-351,429
400,00
6
110
390
40,00
-22,57
-902,857
1600,00
7
130
388
60,00
-24,57
-1474,29
3600,00
Jumlah
490
2888
0
0,00
-6320
11200
x
x
n
490
70
7
x x y
b
2
x x
y
y
y
6320 0,6
11200
a y b x 412,57 0,6 70 452,07
n
2888
412,57
7
x = 45 mm y = 425,1
REGRESI LINEAR UNTUK TIGA VARIABEL
Seringkali kita berhadapan lebih dari dua variable, misalnya hubungan
kekerangan logam dengan temperature pemanasan dan jenis pendingin
yang digunakan dalam suatu proses perlakuan panas. Hasil percobaan
seperti ini, bila didekati dengan persamaan liniear adalah sebagai berikut :
Y1 = b0 + b1X11 + b2X12
Regresi linear
Y2 = b0 + b1X21 + b2X22
Dengan metode kuadrat terkecil (least square method) diperoleh :
b0 n
b1 x1
b0 x1 b1 x12
b2 x2
y
b2 x1 x2 x1 y
b0 x2 b1 x1 x2 b2 x22
Dalam bentuk metrik menjadi
x2 y
n
x1
x2
x1
2
x
1
x1 x
2
x2 b0
x1 x2 b1
2
x
b2
2
y
x1 y
x y
2
A b
H
Penyelesaian persamaan dalam bentuk matrik tersebut adalah :
b
A 1 H
A 1
Adalah invers matriks
Untuk menghitung b0 ; b1 dan b2 dapat digunakan persamaan berikut :
det A1
b0
det A
det A2
b1
det A
det A3
b2
det A
Dimana :
n
A x1
x2
x1
2
x
1
x1 x
2
x2
x1 x2
2
x
2
det A
= determinan A
y
A1 x1 y
x2 y
A2
n
x1
x2
n
A3 x1
x2
x1
2
x
1
x1 x
2
y
x1 y
x y
x1
2
x
1
x1 x
2
2
x2
x
x
1 2
x 2
det A1
= determinan A1
det A2
= determinan A2
det A3
= determinan A3
2
x2
x1 x2
2
x
y
x1 y
x2 y
2
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan,
temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di
bawah menunjukkan hasil pengukuran tersebut. Untuk waktu 360 menit dan
temperature 500C pelapisan , berapa kekerasan yang diperoleh :
Kekerasan (BHN)
550
450
400
425
525
475
450
535
510
410
485
490
Waktu (menit)
300
90
60
75
285
255
240
300
260
60
90
100
Temperatur. (0C)
60
55
40
45
50
45
40
55
60
50
55
60
Penyelesaian
n
BHN
Menit
y
x1
C
0
x2
x1 y
x2 y
x1 x2
y2
x12
x22
1
550
300
60
165000
33000
18000
302500
90000
3600
2
450
90
55
40500
24750
4950
202500
8100
3025
3
400
60
40
24000
16000
2400
160000
3600
1600
4
425
75
45
31875
19125
3375
180625
5625
2025
5
525
285
50
149625
26250
14250
275625
81225
2500
6
475
255
45
121125
21375
11475
225625
65025
2025
7
450
240
40
108000
18000
9600
202500
57600
1600
8
535
300
55
160500
29425
16500
286225
90000
3025
9
510
260
60
132600
30600
15600
260100
67600
3600
10
410
60
50
24600
20500
3000
168100
3600
2500
11
485
90
55
43650
26675
4950
235225
8100
3025
12
490
100
60
49000
29400
6000
240100
10000
3600
Jumlah
5705
2115
615
1050475
295100 110100
2739125
490475
32125
b0 n
Selanjutnya susun
persamaan berikut
b1 x1
b0 x1 b1 x12
b2 x2
b2 x1 x2 x1 y
b0 x2 b1 x1 x2 b2 x22
Diperoleh
12
b0 + 2115
y
b1 + 615
x2 y
b2 = 5705
2115 b0 + 490475 b1 + 110100 b2 = 1050475
615 b0 + 110100 b1 + 32125 b2 = 295100
Dalam bentuk matriks
2115
615 b0 5705
12
2115 490475 110100 b 1050475
1
615 110100 32125 b2 295100
Dimana :
2115
615
12
A 2115 490475 110100
615 110100 32125
det A = 821377500
2115
615
5705
A1 1050475 490475 110100
295100 110100 32125
A2
A3
5705
615
12
2115 1050475 110100
615 295100 32125
2115
5705
12
2115 490475 1050475
615 110100 295100
Selanjutnya didapat
det A1
b0
235
det A
Persamaan garis regresi
det A1
det A2
det A3
det A2
b1
0,33
det A
= 193027131250
=
271481250
= 2919431250
det A3
b2
3,55
det A
y = 235 + 0,33 x1 + 3,55 x2
Untuk waktu 360 menit dan temperatur 500C diperkirakan kekerasannya 531,3
BHN
KORELASI DAN KOEFISIEN KORELASI
Korelasi tiga variabel y ; x1 dan x2
adalah :
1. Korelasi linear
sederhana antara
a. y dengan x1
Koefisien korelasi linear sederhana
n
x1i
rx1 y
i 1
n
x1i
i 1
x1
n
x2 i
rx2 y
b. y dengan x2
i 1
2
n
yi
x2 i x2
i 1
n
2
y
y
i
2
i 1
x1i
rx1 x2
i 1
n
x1i
i 1
y
2
x 2 yi y
n
n
c. x1 dengan x2
x1 yi y
i 1
x1 x2 i x2
x1
2
n
x2 i
i 1
x2
2
Koefisien korelasi linear berganda
2. Korelasi linear
berganda
antara y ; x1
dan x2
r r
2
R yx1 x 2
x1 y
2
x2 y
2 rx1 y rx 2 y rx1 x 2
1 rx1 x 2
2
Koefisien Penentuan (coefficient of determination), yaitu suatu nilai untuk
mengukur besarnya sumbangan (share) dari beberapa variabel x terhadap
variasi y. Koefisien Penentuan dihitung dengan rumus :
KP R yx1 x 2
2
3. Koefisien Korelasi parsial adalah korelasi tiga variabel dengan salah
satu variabel konstan.
a. Koefisien korelasi
parsial x1 dan y,
dengan x2 konstan
rx1 yx 2
rx1 y rx 2 y rx1 x 2
1 rx 2 y
2
1 rx1 x 2
2
b. Koefisien korelasi
parsial x2 dan y,
dengan x1 konstan
rx2 y rx1 y rx1 x2
rx2 yx1
c. Koefisien korelasi
parsial x1 dan x2,
dengan y konstan
1 rx1 y 2
1 rx1 x2 2
rx1 x2 rx1 y rx2 y
rx1 x2 y
1 rx1 y 2
1 rx2 y 2
Contoh
Dalam suatu penelitian pelapisan khrom (hard chrome) waktu pelapisan,
temperature pelapisan berpengaruh terhadap kekerasan hasil pelapisan. Tabel di
bawah menunjukkan hasil pengukuran tersebut. Seberapa besar pengaruh waktu
dan temperatur terhadap kekerasan ? Dan hitung koefisien korelasi partial untuk
x1 konstan dan x2 konstan
Kekerasan (BHN)
550
450
400
425
525
475
450
535
510
410
485
490
Waktu (menit)
300
90
60
75
285
255
240
300
260
60
90
100
Temperatur. (0C)
60
55
40
45
50
45
40
55
60
50
55
60
Penyelesaian
BHN
Mnit
y
x1
1
550
300
60
74,58
123,75
8,75
9229,69
652,60
1082,81
5562,67
15314,06
76,56
2
450
90
55
-25,42
-86,25
3,75
2192,19
-95,31
-323,44
646,01
7439,06
14,06
No
0
C
x2
3
400
60
40
-75,42
-116,25
-11,25
8767,19
848,44
1307,81
5687,67
13514,06
126,5
6
4
425
75
45
-50,42
-101,25
-6,25
5104,69
315,10
632,81
2541,84
10251,56
39,06
5
525
285
50
49,58
108,75
-1,25
5392,19
-61,98
-135,94
2458,51
11826,56
1,56
6
475
255
45
-0,42
78,75
-6,25
-32,81
2,60
-492,19
0,17
6201,56
39,06
7
450
240
40
-25,42
63,75
-11,25
-1620,31
285,94
-717,19
646,01
4064,06
126,5
6
8
535
300
55
59,58
123,75
3,75
7373,44
223,44
464,06
3550,17
15314,06
14,06
9
510
260
60
34,58
83,75
8,75
2896,35
302,60
732,81
1196,01
7014,06
76,56
10
410
60
50
-65,42
-116,25
-1,25
7604,69
81,77
145,31
4279,34
13514,06
1,56
11
485
90
55
9,58
-86,25
3,75
-826,56
35,94
-323,44
91,84
7439,06
14,06
12
490
100
60
14,58
-76,25
8,75
-1111,98
127,60
-667,19
212,67
5814,06
76,56
Jml
5705
2115
615
Harga
rata-rata
y
n
y
606,2
0
0
475, 42
5
x1 2718,75 1706,25 26872,92 117706,25
x2
x1
176, 25
x2
51, 25
n
n
0
44968,75
Dari perhitungan sebelumnya diperoleh
Persamaan garis regresi
b0 235
b1 0,33
y = 235 + 0,33 x1 + 3,55 x2
b2 3,55
n
x1i
rx1 y
i 1
n
x1i
x1
i 1
n
x2 i
rx2 y
x1 yi y
i 1
n
yi
2
x2 i x2
i 1
rx1 x2
i 1
n
x1i
2
y
y
i
i 1
x1 x2 i x2
x1
i 1
n
x2 i
2
i 1
r r
2
R yx1 x2
x1 y
KP R yx1 x2
2
x2 y
0,69
0, 20
x2
2
2 rx1 y rx2 y rx1 x2
1 rx1 x2
2
0,67
n
2
i 1
x1i
y
2
x 2 yi y
n
n
0,80
2
Dengan harga KP = 0,69
atau 69%, maka waktu dan
temperatur
memiliki
pengaruh
terhadap
kekerasan hasil proses
khrom sebesar 69%
0,83
rx1 yx2
rx1 y rx2 y rx1 x2
1 rx2 y
2
1 rx1 x2
2
0,91
Dengan mengatur temperatur konstan, waktu memiliki pengaruh 91% terhadap
kekerasan hasil proses khrom
rx2 yx1
rx2 y rx1 y rx1 x2
1 rx1 y 2
1 rx1 x2 2
87
Dengan mengatur waktu konstan, temperatur memiliki pengaruh 87% terhadap
kekerasan hasil proses khrom
GARIS TREND
Garis trend pada dasarnya adalah garis regresi.
Pada pembahasan ini kita akan bahas tentang garis regresi (trend) non
linear, yakni fungsi parabola, eksponensian dan logaritma dan trend
logistik
TREND PARABOLA
Persamaan garis trend parabola
didefinisikan sebagai berikut :
Y = a + b X + c X2
an
Dengan pendekatan seperti
pada problem linear
berganda (x2 = X2), diperoleh
Ditulis secara matriks menjadi
atau
A B
C
b x c x 2 y
a x b x 2 c x 3 xy
a x 2 b x3 c x 4 x 2 y
n
x
x 2
B
x
x2
x3
A 1 C
2
x
a y
3
x
b
xy
x 4 c x 2 y
TREND EKSPONENSIAL DAN LOGARITMA
Persamaan garis trend
eksponensial didefinisikan :
y ab x
Log y = Log a + x Log b
Y = Log y
Dengan demikian dapat
didekati dengan
Y=a+bX
a = Log a
b = Log b
Koefisien a dan b dapat dicari seperti sebelumnya
Contoh 1
Sebuah perusahaan yang memproduksi HP berdiri pada
tahun 1999 di Tangerang dengan kapasitas terpasang
500.000 produk per tahun. Dari tahun 2000 sampai 2006
produksi per tahunnya seperti ditunjukkan pada tabel di
bawah. Anda sebagai Direktur Produksi diminta
memberikan usulan perkiraan penambahan/perluasan
pendirian pabrik baru itu kapan bila kapasitas produksi
maksimum yang dapat dicapai oleh pabrik yang ada
hanya 80% dari kapasitas terpasang.
Tahun
Produksi
(ribuan unit)
2000
50
2001
60
2002
80
2003
120
2004
170
2005
230
2006
290
Penyelesaian
Produksi
(ribuan unit)
Tahun
X
Y
x2
x3
x4
xy
x2 y
2000
-3
50
9
-27
81
-150
450
2001
-2
60
4
-8
16
-120
240
2002
-1
80
1
-1
1
-80
80
2003
0
120
0
0
0
0
0
2004
1
170
1
1
1
170
170
2005
2
230
4
8
16
460
920
2006
3
290
9
27
81
870
2610
Jumlah
0
1000
28
0
196
1150
4470
an
b x c x 2 y
a x b x 2 c x 3 xy
a x 2 b x3 c x 4 x 2 y
7a +0
0
+ 28 c = 1000
+ 28 b + 0
28 a + 0
= 1150
+ 196 c = 4470
7a +0
0
+ 28 c = 1000
+ 28 b + 0
28 a + 0
b
= 1150
+ 196 c = 4470
1150
41,07
28
28 a + 112 c = 4000
28 a + 196 c = 4470
c
− 84 c = − 470
Persamaan garis regresinya adalah :
Selanjutnya dari
Diperoleh x = 4,3
470
5,6
84
a = 120,46
y = 120,46 + 41,07 x + 5,6 x2
400 = 120,46 + 41,07 x + 5,6 x2
Berdasarkan data tersebut dan dengan asumsi
permintaan masih seperti tahun-tahun
sebelumnya, maka pada tahun 2008 produksi
lebih dari 400.000 unit. Dengan demikian perlu
adanya pendirian unit produksi baru
ANALISIS DATA BERKALA
PENDAHULUAN
Data berkala (time series data) adalah data yang dikumpulkan dari waktu ke
waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan
produksi, harga, hasil penjualan dll).
Pada suatu bidang perawatan sekarang ini time series data memegang peranan
penting.
Variasi data berkala dikelompokkan dalam 4 kelompok, yaitu :
1. Gerakan trend jangka panjang (long term movements or secular trend), yaitu
suatu gerakan yang menunjukkan arah perkembangan secara umum
2. Gerakan siklis (cyclical movements or variations), adalah gerakan yang
berulang dalam jangka waktu tertentu.
3. Gerakan musiman (seasonal movements) adalah gerakan yang mempunyai
pola tetap pada waktu-waktu tertentu.
4. Gerakan yang tidak teratur (irregular or random movements) adalah gerakan
yang sifatnya tidak memiliki keteraturan.
Terdapat beberapa metode yang dapat digunakan untuk menggambarkan garis
trend dari data berkala ini.
METODE TANGAN BEBAS
Langkah-langkah untuk menentukan garis trend dengan menggunakan metode
tangan bebas (free hand method), sebagai berikut :
1. Buat sistem koordinat x-y
2. Plot data pada sistem koordinat x-y tersebut
3. Buat garis trend yang dapat mewakili semua data tersebut.
y
Sangat subyektif, karena
sangat tergantung dari
penafsiran yang membuat
garis trend
x
METODE RATA-RATA SEMI
Cara ini memerlukan langkah-langkah sebagai berikut :
1. Data dikelompokkan menjadi dua. Masing-masing kelompok harus memiliki
jumlah data yang sama. Jika jumlah data ganjil, ada satu data yang tidak
masuk dalam kelompok data tersebut.
2. Hitung harga rata-rata masing-masing kelompok data tersebut.
3. Tentukan titik absis (variabel x). Cara penentuannya yaitu dipilih yang berada
di tengah masing-masing kelompok.
4. Buat garis trend berdasarkan persamaan y = a + b x, dimana a dan b
dihitung dari harga rata-rata dan harga tengah masing-masing kelompok.
Maksudnya persamaan y = a + b x tersebut pada saat x = harga tengah
kelompok ; y = harga rata-rata.
Metode ini tidak memerlukan gambar grafik. Lebih obyektif karena
didasarkan pada perumusan matematik.
METODE RATA-RATA BERGERAK
Kalau kita memiliki data sebanyak n, y1 ; y2 ........ Yn, maka rata-rata bergerak
(moving average) didefinisikan sebagai urutan rata-rata dari kelompok data
yang merupakan bagian dari data asli. Pengelompokan data sebagai berikut :
y1 y2 y3 y4 y5 y6 y7 y8 y9 ................................... yn
Y1 Y2 Y3 Y4 ........................................................Y k
y1 y 2 y3 y 4
y 2 y3 y 4 y5
Y1
Y2
4
4
y y 4 y5 y6
Y3 3
...................................
4
y k y k 1 y k 2 y n
Yk
4
Secara general, bila terdapat n data asli y, dikelompokkan menjadi k
kelompok dengan data pada setiap kelompok (sebaiknya dibuat sama)
m, maka Yi dapat ditulis sebagai berikut :
yi yi 1 ......... yi m 1
Yi
m
i = 1, 2 , ......., k
Metode ini sebetulnya merupakan PEMULUSAN DATA BERKALA
untuk mengurangi variasi data aslinya
METODE KUADRAT TERKECIL
Metode kuadrat terkecil (least
square method) untuk mencari
garis trend dimaksudkan suatu
perkiraan mengenai nilai a dan b
dari persamaan garis trend
Y = a + b X yang didasarkan
atas data hasil observasi y dan x
sedemikian
rupa
sehingga
dihasilkan kesalahan kuadrat
minimum.
Garis trend Y = a + b X
y
y1
e1
Caranya seperti pada garis regresi linear
Y1
x1
x
GERAKAN MUSIMAN
Suatu gerakan pada umumnya mengandung empat komponen yaitu gerakan
trend (T), siklis (C), musiman (S) dan irreguler (I).
Pengaruh komponen musiman terhadap gerakan umumnya dinyatakan dengan
angka indeks dan disebut ANGKA INDEKS MUSIMAN
Terdapat beberapa metode untuk menghitung angka indeks musiman, antara
lain metode rata-rata sederhana (simple average method), metode relatif
tersambung (link relative method), metodee rasio terhadap trend (ratio to trend
method) dan metode rasio terhadap rata-rata bergerak (ratio to moving average
method)
METODE RATA-RATA SEDERHANA
Untuk dapat memahami hal ini perhatikan suatu kasus produksi seperti
yang ditunjukkan pada tabel berikut :
Bulan
2000
2001
2002
2003
Jumlah
Ratarata
1
2
3
4
5
6
7
Prosenta
se
Indeks
Musima
n
8
9
Januari
259,00
278,00
276,00
267,00
1080,00
270,00
8,78
105,32
Pebruari
244,00
259,00
276,00
239,00
1018,00
254,50
8,27
99,28
Maret
268,00
274,00
278,00
250,00
1070,00
267,50
8,70
104,35
April
236,00
250,00
268,00
230,00
984,00
246,00
8,00
95,96
Mei
251,00
248,00
263,00
236,00
998,00
249,50
8,11
97,33
Juni
244,00
238,00
238,00
229,00
949,00
237,25
7,71
92,55
Juli
246,00
256,00
263,00
252,00
1017,00
254,25
8,26
99,18
Agustus
254,00
267,00
272,00
262,00
1055,00
263,75
8,57
102,89
Septembe
r
228,00
255,00
250,00
241,00
974,00
243,50
7,92
94,99
Oktober
245,00
280,00
257,00
238,00
1020,00
255,00
8,29
99,47
Nopember
243,00
273,00
263,00
257,00
1036,00
259,00
8,42
101,03
Desember
273,00
283,00
280,00
268,00
1104,00
276,00
8,97
107,66
2991,00
3161,00
3184,00
2969,00
12305,00
3076,25
100,00
1200,00
JUMLAH
METODE RELATIF TERSAMBUNG
Metode ini menghubungkan data sebelumnya dengan data sekarang. Data
sekarang dinyatakan secara prosentase dari data sebelumnya. Perhatikan
contoh berikut :
2001
2002
2003
Rata-rata
relatif
bersambung
4
5
7
Indeks musiman
Relatif
berantai
8
Belum
disesuaikan
Sudah
disesuaikan
9
10
Bulan
2000
1
2
3
-
101,83
97,53
95,36
98,24
100,00
100,00
105,58
94,21
93,17
100,00
89,51
94,22
94,22
94,14
99,39
Maret
109,84
105,79
100,72
104,60
105,24
99,16
98,99
104,51
April
88,06
91,24
96,40
92,00
91,93
91,15
90,90
95,97
Mei
106,36
99,20
98,13
102,61
101,57
92,59
92,25
97,40
Juni
97,21
95,97
90,49
97,03
95,18
88,12
87,70
92,59
Juli
100,82
107,56
110,50
110,04
107,23
94,49
93,99
99,23
Agustus
103,25
104,30
103,42
103,97
103,73
98,02
97,43
102,87
Septemb
89,76
95,51
91,91
91,98
92,29
90,47
89,79
94,80
Oktober
107,46
109,80
102,80
98,76
104,70
94,72
93,96
99,21
Nopemb
99,18
97,50
102,33
107,98
101,75
96,38
95,53
100,87
Desemb
112,35
103,66
106,46
104,28
106,69
102,83
101,90
107,58
101,02
100,10
Januari
Pebruari
Januari*
JUMLAH
1136,57
1200,00
METODE RASIO TERHADAP TREND
Dalam metode ini, data asli untuk setiap bulan dinyatakan sebagai
persentase dari nilai trend bulanan.
Perhatikan contoh berikut :
Tahun
1992
1993
1994
Rata-rata bulanan
273,7
293,5
315,0 336,8 364,4 394,8 424,2 458,7
Tahun
X
Y
XY
X2
1995
1996
1997
1998
1999
Seperti perhitungan garis regresi
linear Y = a + b X diperoleh :
1992
-7
273,7
-1915,9
49
1993
-5
293,5
-1467,5
25
1994
-3
315
-945
9
1995
-1
336,8
-336,8
1
1996
1
364,4
364,4
1
1997
3
394,8
1184,4
9
1998
5
424,2
2121
25
1999
7
458,7
3210,9
49
Jumlah
0
2861,1
2215,5
168
a = 357, 64
b = 13,19
Y = 357,64 + 13,19 X
Berdasarkan garis regresi ini setiap
satu satuan X naik sebesar 13,19.
Nilai trend
Bulan
1992
1993
1994
1995
1996
1997
1998
1999
Januari
253,2
279,6
306,0
332,4
358,7
385,1
411,5
437,9
Pebruari
255,4
281,8
308,2
334,6
360,9
387,3
413,7
440,1
Maret
257,6
284,0
310,4
336,8
363,1
389,5
415,9
442,3
April
259,8
286,2
312,6
339,0
365,3
391,7
418,1
444,5
Mei
262,0
288,4
314,8
341,2
367,5
393,9
420,3
446,7
Juni
264,2
290,6
317,0
343,4
369,7
396,1
422,5
448,9
Juli
266,4
292,8
319,2
345,5
371,9
398,3
424,7
451,1
Agustus
268,6
295,0
321,4
347,7
374,1
400,5
426,9
453,3
September
270,8
297,2
323,6
349,9
376,3
402,7
429,1
455,5
Oktober
273,0
299,4
325,8
352,1
378,5
404,9
431,3
457,7
Nopember
275,2
301,6
328,0
354,3
380,7
407,1
433,5
459,9
Desember
277,4
303,8
330,2
356,5
382,9
409,3
435,7
462,1