BAB I PENDAHULUAN

1.1.Latar Belakang Semakin sering kita mempelajari tentang statistik deskriptif maka semakin banyak pula pertanyaan tentang apa itu statistik deskriptif dan yang terkandung didalamnya serta apa saja yang perlu di ketahui dalam mempelajari statistik. Dalam kesempatan ini makalah kami akan sedikit menjelaskan tentang Deret Berkala salah satu pokok bahasan dalam mata kuliah Statistika Deskriptif.

1.2.Tujuan Tujuan dibuatnya makalah dan presentasi ini adalah sebagai syarat pembelajaran di kampus dalam mempelajari Statistika Deskriptif salah satu mata kuliah. Serta dapat bermanfaat baik bagi penulis maupun bagi pembaca untuk meningkatkan pemahaman pada mata kuliah Statistika Deskriptif khususnya pada pokok bahasan Deret berkala antara lain : Pengertian Deret Berkala Penggolongan Gerakan Runtut Waktu /Komponen Deret Berkala Pengerian Trend Sekuler Metode Least Square (Kuadrat terkecil)

1.3.Metode Penulisan Metode penulisan yang digunakan adalah dengan pembahasan berdiskusi secara kelompok/ tim berdasarkan studi pustaka atau dari buku dan modul kuliah dan referensi dari buku tambahan lain dan internet.

BAB II PEMBAHASAN

2.1. Pengertian Analisis Deret Berkala Di bawah ini adalah beberapa pengertian dari Analisis Deret Berkala : Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb). Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Serangkaian data yang terdiri dari variabel Yi yang merupakan serangkaian hasil observasidan fungsi dari variabel Xi yang merupakan variabel waktu yang bergerak secara seragam dan ke arah yang sama, dari waktu yang lampau ke waktu yang mendatang. Deret berkala atau runtut waktu adalah serangkaian pengamatan terhadap peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik. Dari suatu runtut waktu akan dapat diketahui pola perkembangan suatu peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat diramalkan peristiwa yang bakal terjadi dimasa yang akan datang. Jika nilai variabel atau besarnya gejala (peristiwa) dalam runtut waktu (serangkaian waktu) diberi simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan nilai variabel (peristiwa) diberi simbol X1, X2, ..Xn maka rutut waktu dari nilai variabel

Y dapat ditunjukan oleh persamaan Y = f (X) yaitu besarnya nilai variabel Y tergantung pada waktu terjadinya peristiwa itu.

2.2 Komponen Deret Berkala Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4 (empat) pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala (runtut waktu). Empat komponen deret berkala itu adalah : Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun keatas. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih teratur. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih teratur. Variasi Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama sekali. Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu: Gerakan/variasi trend jangka panjang atau long term movements or seculer trend yaitu suatu gerakan yang menunjukan arah perkembangan secara umum (kecenderungan menaik atau menurun) dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun ke atas.

Gerakan/variasi siklis atau cyclical movements or variation adalah gerakan/variasi jangka panjang disekitar garis trend.

Gerakan/variasi musim atau seasonal movements or variation adalah gerakan yang berayun naik dan turun, secara periodik disekitar garis trend dan memiliki waktu gerak yang kurang dari 1 (satu) tahun, dapat dalam kwartal, minggu atau hari.

Gerakan variasi yang tidak teratur (irregular or random movements) yaitu gerakan atau variasi yang sporadis sifatnya. Faktor yang dominan dalam gerakan ini adalah faktor-faktor yang bersifat kebetulan misalnya perang, pemogokan, bencana alam dll.

Y Trend

X Gambar 1. Variasi Trend Jangka Panjang

Resesi Kemakmuran Pemulihan

Depresi X Gambar 2. Variasi Siklis Dari gerakan siklis diperoleh titik tertinggi (puncak) dan titik terendah (lembah). Pergerakan dari puncak ke lembah dinamakan kontraksi dan pergerakan dari puncak ke lembah berikutnya dinamakan ekspansi.

Variasi sikli berlangsung selama lebih dari setahun dan tidak pernah variasi tersebut memperlihatkan pola yang tertentu mengenai gelombangnya.

Gerakan sikli yang sempurna umumnya meliputi fasefase pemulihan (recovery), kemakmuran (prosperity), kemunduran / resesi (recession) dan depresi (depression).

X Gambar 3. Variasi Musim

Pola musiman juga menunjukan puncak dan lembah seperti pada siklus, tetapi lamanya variasi musim selalu satu tahun atau kurang.

X Gambar 4 Variasi Fluktuasi Tak Teratur Jika dikaitkan dengan kegiatan bisnis dan ekonomi, analisis deret berkala atau analisis time series seringkali digunakan untuk memprediksi nilai dimasa yang akan datang. Dengan diketahuinya nilai dimasa mendatang, maka pihak manajemen perusahaan akan dapat mengambil keputusan dengan lebih efektif.

Nilai dimasa mendatang itu pada dasarnya merupakan nilai time series dimasa mendatang, yaitu nilai-nilai yang diharapkan dapat terjadi dimasa mendatang, dengan dasar faktor-faktor (nilai-nilai) yang telah diterjadi dimasa lalu.

2.3

Ciri-ciri Trend Sekuler Trend (T) atau Trend Sekuler ialah gerakan dalam deret berkala yang

berjangka panjang, lamban dan berkecenderungan menuju ke satu arah, arah menaik atau menurun. Umumnya meliputi gerakan yang lamanya 10 tahun atau lebih. Trend sekuler dapat disajikan dalam bentuk : Persamaan trend, baik persamaan linear maupun persamaan non linear Gambar/grafik yang dikenal dengan garis/kurva trend, baik garis lurus maupun garis melengkung. Trend juga sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan, misalnya : Menggambarkan hasil penjualan Jumlah peserta KB Perkembangan produksi harga Volume penjualan dari waktu ke waktu, dll Trend digunakan dalam melakukan peramalan (forecasting). Metode yang biasanya dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.

2.4 Metode Least Square (Kuadrat terkecil) Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti. Persamaan garis trend yang akan dicari ialah Y = a0 +bx dengan : Y = data berkala (time series) = taksiran nilai trend. a0 = nilai trend pada tahun dasar. b = rata-rata pertumbuhan nilai trend tiap tahun. x = variabel waktu (hari, minggu, bulan atau tahun). a = ( Y ) / n b = ( XY ) / x2

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau x = 0.

Untuk n ganjil maka : Jarak antara dua waktu diberi nilai satu satuan. Di atas 0 diberi tanda negatif Dibawahnya diberi tanda positif.

Untuk n genap maka : Jarak antara dua waktu diberi nilai dua satuan. Di atas 0 diberi tanda negatif Dibawahnya diberi tanda positif.

2.5 Contoh Kasus 2.5.1 Contoh I (Untuk jumlah data ganjil) :

Ramalan Penjualan Metode Least Square Data Penjualan (Unit) PT. GALAU Tahun 1995-1999

Tahun No (X) 1 2 3 4 5 1995 1996 1997 1998 1999

Penjualan (Y) 130 145 150 165 170

Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode least Square. Penyelesaian : 2.5.1.1 Analisis menggunakan metode Least Square Tahun (X) 1995 1996 1997 Penjualan X (Y) 130 145 150 -2 -1 0 4 1 0 -260 -145 0 X2 XY

1998 1999 Total

165 170 760

1 2 0

1 4 10

165 340 100

2.5.1.2 Mencari nilai a dan b a = 760 : 5 = 152

b = 100 : 10 = 10

Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat diketahui yaitu : Y = 152 + 10X Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan 1999 dapat diketahui :

Penjualan Tahun (Y) 1995 1996 1997 1998 1999 132 142 152 162 172

Dari persamaan fungsi Y diatas juga dapat disusun ramalan penjualan pada tahun berikutnya untuk dijadikan dasar pembuatan anggaran penjualan. Y(2000) = 152 +10 (3) = 182 Penjualan Tahun (Y) 2000 2001 2002 2003 2004 182 192 202 212 222

2.5.2 Contoh II (Untuk jumlah data genap):

Ramalan Penjualan Metode Least Square Data Penjualan (Unit ) PT. KAMSEUPAY Tahun 1995-2000 Penjualan No Tahun (Y) 1 2 3 4 1995 1996 1997 1998 130 145 150 165

5 6

1999 2000

170 185

Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode least Square.

Penyelesaian : 2.5.2.1 Analisis menggunakan metode Least Square Penjualan Tahun (Y) 1995 1996 1997 1998 1999 2000 Total 130 145 150 165 170 185 945 -5 -3 -1 1 3 5 0 25 9 1 1 9 25 70 -650 -435 -150 165 510 925 365 X X2 XY

2.5.2.2 Mencari nilai a dan b a = 945 : 6 = 157,5

b = 365 : 70 = 5,21

Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat diketahui yaitu: Y = 157,5 + 5,21X Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan 2000 dapat diketahui :

Penjualan Tahun (Y) 1995 1996 1997 1998 1999 2000 131,45 = 131 141,87 = 142 152,29 = 152 162,71 = 163 173,13 = 173 183,55 = 184

Dengan cara yang sama dapat pula diketahui ramalan penjualan untuk tahun 2001 2005:

Penjualan Tahun (Y) 2001 2002 2003 2004 2005 193,97 = 193 204,39 = 204 214,81 = 215 225,23 = 225 235,65 = 236

BAB III PENUTUP

3.1 Kesimpulan Peramalan yang diberikan oleh metode least square dalam data berkala cukup baik, itu menunjukkan bahwa metode least square merupakan metode yang lebih teliti sehingga sering digunakan untuk menghitung data berkala. Selain itu metode least square juga dapat digunakan tidak hanya untuk meramalkan penjualan tetapi berbagai macam peramalan lainnya, seperti perkembangan KB, perkembangan produksi, dll.

3.2 Saran Pada perhitungan dengan metode least square tentunya juga diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan, untuk memperkecil kesalahan pada metode least square ini bisa menggunakan Microsoft Excel.

DAFTAR PUSTAKA

1.

Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2001. Teori dan Aplikasi Statistika dan Probabilitas, Penerbit PT. Remaja Rosdakarya. Bandung

2.

Kuswadi dan Erna Mutiara. 2004. Statistik Berbasis Komputer untuk OrangOrang Non Statistik. Elex Media Komputindo. Jakarta.

3.

Google search engine, http://www.google.co.id/, keyword : Analisis Deret Berkala Dengan Metode Least Square

4. 5.

Blog/web pribadi, http:// imamsyahdani.files.wordpress.com/ Dan sumber lain.