22/05/2023
ANALISA TREN DENGAN ALGORITMA REGRESI
ANALISA TREN
Dalam metode statistik ini, ada tiga jenis data yang bisa digunakan dalam analisis, yaitu data cross section, data time series, dan data panel (gabungan cross section dan time series).
Data time series adalah jenis data berdasarkan waktu yang memiliki banyak titik waktu. Banyak titik waktu di sini berarti waktunya lebih dari satu periode waktu. Berbeda dengan data cross section/silang waktu yang periode waktunya hanya 1 titik waktu. Periode waktu bisa 1 detik, 1 meni, 1 jam, 1 hari, 1 minggu, 1 bulan, 1 dekade, 1 tahun, 1 abad, dan seteresunya. Misalnya, dalam kurun waktu 1 tahun (data cross section), terdiri 12 bulan (data time series).
Tren adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Analisis trend digunakan untuk membangun model umum kecenderungan data berkala (time series) untuk keperluan peramalan (proyeksi tren). Analisis trend dipakai untuk data dengan horison waktu yang lama (sebaiknya lebih dari 10 tahun) dan tidak mengandung komponen musiman.
Beberapa model analisis yang umum dipakai :
- Linier dan non linier (2-4)
- Kuadratik
- Eksponensial
- Kurva-S
- Tren jangka panjang adalah suatu garis (trend) yang menunjukkan arah perkembangan secara umum.
- Variasi musim adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali dalam jangka waktu tidak lebih dari 1 tahun.
- Variasi siklis adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali setelah jangka waktu lebih dari 1 tahun.
- Variasi random adalah suatu gerakan yang naik turun secara tiba-tiba atau mempunyai sifat yang sporadis sehingga biasanya sulit untuk diperkirakan sebelumnya
Mengapa Analisa Tren Penting?
- Mengidentifikasi Pola dan Perubahan: Analisis tren membantu mengidentifikasi pola perubahan dalam data seiring waktu. Ini dapat membantu dalam memahami arah dan kecenderungan data serta mengidentifikasi apakah ada perubahan signifikan atau pola yang konsisten.
- Prediksi dan Perencanaan: Dengan memahami tren masa lalu, analisis tren dapat digunakan untuk membuat prediksi tentang masa depan. Informasi tren yang dihasilkan dapat membantu dalam perencanaan strategis, pengambilan keputusan, dan peramalan, sehingga membantu mengurangi ketidakpastian dan meningkatkan efisiensi.
- Evaluasi Kinerja: Analisis tren dapat digunakan untuk mengevaluasi kinerja suatu variabel atau fenomena seiring waktu. Misalnya, dalam bisnis, analisis tren dapat membantu dalam melihat pertumbuhan penjualan, laba, atau pengeluaran dan membandingkannya dengan target atau periode sebelumnya.
- Deteksi Anomali: Dengan memahami tren yang normal, analisis tren dapat membantu dalam mendeteksi anomali atau perubahan yang tidak biasa dalam data. Hal ini dapat membantu dalam mengidentifikasi masalah atau kesalahan yang mungkin terjadi dan mengambil tindakan yang sesuai.
- Pengambilan Keputusan: Analisis tren memberikan wawasan yang berharga dalam tren jangka panjang dan memungkinkan pengambilan keputusan yang lebih informasi. Informasi tren dapat membantu dalam mengidentifikasi peluang, mengelola risiko, dan mengoptimalkan strategi bisnis atau kebijakan publik.
Perhatikan tren IHSG berikut
Analisis Tren Linier dengan Algoritma Regresi Linier
Memaknai model Regresi dengan Bijak
- Narasi
- Tabel
- Gambar / Kurva
- Cara Manual Eliminasi dan subtitusi persamaan
- Menggunakan aplikasi pengolah data seperti excel, evies, SPSS, STATA, dll
- Menggunakan bahasa pemrograman (koding)
- Masukkan data yang diberikan ke dalam spreadsheet Excel. Misalnya, Kita dapat menempatkan data pada kolom A hingga D, dengan kolom A untuk nomor partisipan, kolom B untuk pengeluaran makanan (X1), kolom C untuk pengeluaran transportasi (X2), dan kolom D untuk berat badan (Y).
- Selanjutnya, pada sel E2, masukkan rumus regresi menggunakan fungsi "LINEST". Misalnya, rumusnya dapat dituliskan >>>>. =LINEST(D2:D11, B2:C11) Pastikan untuk menyesuaikan rentang sel dengan data yang tepat.
- Tekan kombinasi tombol Ctrl + Shift + Enter untuk mengkonfirmasi rumus sebagai rumus matriks. Dalam beberapa versi Excel, Kita mungkin perlu menekan Enter setelah memasukkan rumus.
- Setelah itu, Excel akan menghasilkan output matriks dalam rentang sel E2:F3. Sel E2 akan berisi koefisien regresi (intersep dan koefisien X1), sedangkan sel F2 akan berisi koefisien X2.
- Untuk menampilkan persamaan regresi berdasarkan koefisien yang dihasilkan, Kita dapat memasukkan rumus berikut di sel G2="Y = "&E2&" + "&F2&" * X1 + "&G2&" * X2"
06/04/2023
Algoritma dan Pemrograman Dasar Bisnis Digital UNM
Algoritma dan Pemrograman Dasar Bisnis Digital UNM
Mata kuliah Algoritma dan Pemrograman Dasar Python di Bisnis Digital FEB UNM merupakan mata kuliah wajib mendasar yang harus dikuasai mahasiswa Bisnis Digital sebagai fondasi dasar Machine Learning.
Belajar pemrograman membiasakan diri dan pikiran bekerja secara sistematis, sabar, dan problem solver. Bagaimana membuat koding sederhana sampai yang kompleks. Sabar memperbaiki kode program yang error, disiplin mengikuti rule koding, telaten mengetik huruf, angka menjadi koding program sampai menjadi aplikasi (inshaaallah, amin)
Berikut adalah Link Materi Kuliah sampai pertengahan Semester. Dengan model pembelajaran diskusi, studi kasus, Praktikum dan projek.
Editor yang disarankan digunakan dalam Praktikum ini adlah Anaconda Jupiter. Editor lain yang kompatibel dapat juga digunakan seperti VScode, Notepad++, Googlecolab, dll. Intinya dapan belajar dan mengalami langsung indahnya koding :D. Berikut Tampilan Anaconda Jupter
1. AY_Dasar_Var_Type data : Membahas variabel dan data
2.2-3. AY_Dasar_list,tuple,dictionary : Jenis Data di Python
3. AY_Loop, While, If else : Pengulangan dan Percabangan
4. ay_suplemen Modul dan Paket : Manajemen Modul dan Paket di Python
Jika ada waktu senggang sempatkan membaca profil dan sejalar penemu bahasa pemrograman Python
Guido van Rossum seorang pria berkebangsaan Belanda yang lahir pada tanggal 31 Januari 1956 merupakan otak dibalik bahasa pemrograman Python, Guido mulai mengembangkan bahasa pemrograman Python tersebut sejak tahun 1989 di Centrum Wiskunde & Informatica (CWI) dan akhirnya bahasa pemrograman Python secara resmi dirilis kepada publik pada tahun 1991.
Salam Sangat, Keep on Moving.
sAlam: saya Alamyin
13/03/2023
TRANSFORMASI DIGITAL UNTUK SIAPA?
TRANSFORMASI DIGITAL UNTUK SIAPA?
- KNOWLEDGE (Talent, Training and Eductaion, Scientific Concentration)
- TECHNOLOGY (Regulatory Framework, Capital, Technological Framework)
- FUTURE READINESS (Adaptive attitudes, Business agility, IT integration)
Rangking indonesia dari tahun 2018(62), 2019(56), 2020(56), 2021(53), 2022(51). Laporan lengkapnya dapat dilihat di sini. Knowledge is power kata Francis Bacon. Kini Knowledge is Potential Power (Napoleon Hill). “Knowledge is only potential power. It becomes power only when, and if, it is organized into definite plans of action, and directed to a definite end.”
― Napoleon Hill, Think and Grow Rich: The Original 1937 Unedited.
Klaus Schwab dengan Industri 4.0-nya mengemukakan:
- Argumentasi: Kecepatan, keluasan dan kedalaman, dampak sistemik (terhadap negara, masyarakat, industri, dan perusahaan).
- Dampak sistemik: ketimpangan sebagai tantangan terbesar.
- Megatrend: Fisik (kendaraan tanpa pengemudi, mesin cetak 3D, advanced robotics, dan material baru), digital, biologis.
- Tipping point dari Industri 4.0 diperkirakan terjadi pada tahun 2025.
SALAH KAPRAH TRANSFORMASI DIGITAL
Transformasi membutuhkan strategi bukan sekadar langkah taktis mengadopsi teknologi terbaru. Transformasi digital bukan hanya mendigitalkan yang sebelumnya tidak digital. Sebagai metafore transformasi dapat diilustrasikan seperti berikut.