1

BAB I
PENDAHULUAN
1.1. Latar Belakang
Dalam dunia usaha yang terus menerus berubah dengan cepat, seorang manajer
harus mampu menganalisis lingkungan yang terus berubah dan dapat memprediksi
berbagai kemungkinan di masa depan. Kemampuan untuk meramal atau forecast masa
depan usaha menjadi penting sebagai dasar pengambilan kepurusan strategis bagi
kelangsungan perusahaan.
Sebagai contoh, bagian pemasaran suatu perusahaan yang ingin mengetahui
permintaan suatu produk di masa mendatang atau pemerintah ingin mengetahui dan
memperkirakan berapa laju inflasi tahun-tahun mendatang. Berbagai teknik untuk
melakukan peramalah masa depan berdasarkan pada data masa lalu telah di kembangkan
berdasarkan pada pengetahuan akan ilmu statistika.
Secara umum ada dua pendekatan untuk peramalan, yaitu peramalan kuantitatif
dan kualitatif. Peramalah kualitatif dilakukan jika data yang tersedia tidak ada atau tidak
mencukupi, misalnya dalam proyek peluncuran produk baru. Metode peramalan
kualitatif biasanya dilakukan secara subyektif, seperti teknik Delphi dan expert opinion.
Sedangkan metode kuantitatif dilakukan dengan menggunakan data masa lalu yan
tersedia.
Secara umum metode peramalan kuantitatif terbagi atas dua kelompok utama,
yaitu pendekatan Causal (sebab-akibat) yaitu metode peramalan kelompok yang
membahas proyeksi suatu kejadian berdasarkan variable-variable yang diduga
mempengaruhi kejadian tersebut. Teknik peramalan yang termasuk pendekatan ini
diantaranya adalah analisis regresi berganda dan model ekonometrik , dan pendekatan
Time Series yaitu metode peramalan kelompok yang membahas proyeksi masa depan
dari suatu variable didasarkan pada data masa lalu dan sekarang.
Pada makalah ini, penulis ingin membahas mengenai metode kuantitatif time
series.

1.2. Tujuan
Adapun tujuan dari penulisan makalah ini yakni untuk :
1. mengetahui definisi dari metode time series
2. mengetahui apa itu data time series beserta faktor-faktor yang mempengaruhi data
tersebut
2

3. mengetahui apa saja asumsi asumsi dalam deret waktu (time series)
4. mengetahui komponen time series
5. mengetahui metode metode trend dalam time series
6. mengetahui manfaat mempelajari trend

1.3. Manfaat
Manfaat dari penulisan makalah ini yakni dapat memahami mengenai analisis time series
untuk membuat keputusan saat ini dan untuk peramalan serta perencanaan masa depan.


















3

BAB II
PEMBAHASAN
2.1. Pengertian Model Time Series
Model Time Series adalah suatu peramalan nilai-nilai masa depan yang
didasarkan pada nilai-nilai masa lampau suatu variabel dan atau kesalahan masa
lampau. Model time series biasanya lebih sering digunakan untuk suatu
peramalan/prediksi.
2.2. Data Time Series
Data runtut waktu atau time series adalah fakta yang terjadi secara berurutan
sesuai dengan runtut waktu. Fakta itu terjadi karena dipengaruhi oleh faktor internal
maupun eksternal. Ada 4 faktor yang mempengaruhi data time series. Dalam data
ekonomi biasanya kita mendapatkan adanya fluktuasi/ variasi dari waktu ke waktu atau
disebut dengan variasi time series. Variasi ini biasanya disebabkan oleh adanya faktor
Trend (trend factor), Fluktuasi siklis (cyclical fluktuation), Variasi musiman (seasonal
variation), dan pengaruh random (irregular/random influences).
Trend adalah keadaan data yang menaik atau menurun dari waktu ke
waktu. Contoh yang menunjukkan trend menaik yaitu pendapatan per kapita, jumlah
penduduk. Variasi musiman adalah fluktuasi yang muncul secara reguler setiap tahun
yang biasanya disebabkan oleh iklim, kebiasaan (mempunyai pola tetap dari waktu ke
waktu). Contoh yang menunjukan variasi musiman seperti penjualan pakaian akan
meningkat pada saat hari raya, penjualan buku dan tas sekolah akan meningkat pada saat
awal sekolah.
Variasi siklis muncul ketika data dipengaruhi oleh fluktuasi ekonomi jangka
panjang, variasi siklis ini bisa terulang setelah jangka waktu tertentu. Variasi siklis
biasanya akan kembali normal setiap 10 atau 20 tahun sekali, bisa juga tidak terulang
dalam jangka waktu yang sama. ini yang membedakan antara variasi siklis dengan
musiman. Gerakan siklis tiap komoditas mempunyai jarak waktu muncul dan sebab yang
berbeda-beda, yang sampai saat ini belum dapat dimengerti. Contoh yang menunjukkan
variasi siklis seperti industri konstruksi bangunan mempunyai gerakan siklis antara 15-20
tahun sedangkan industri mobil dan pakaian gerakan siklisnya lebih pendek
lagi. Variasi random adalah suatu variasi atau gerakan yang tidak teratur
(irregular). Variasi ini pada kenyataannya sulit diprediksi. Contoh variasi ini dalam data
4

time series karena adanya perang, bencana alam dan sebab-sebab unik lainnya yang sulit
diduga.
Total variasi dalam data time series adalah merupakan hasil dari keempat faktor
tersebut yang mempengaruhi secara bersama-sama.










Gambar 2.1. Faktor-faktor yang mempengaruhi data Time Series

2.3. Asumsi-Asumsi Time Series
Ada beberapa asumsi penting yang harus dipenuhi agar data deret waktu dapat digunakan
dalam keperluan proyeksi/peramalan. Beberapa diantaranya adalah adanya ketergantungan
antara kejadian masa mendatang terhadap masa sebelumnya atau lebih dikenal dengan istilah
adanya autokorelasi

antara Z
t
dan Z
t-k
. Asumsi berikutnya adalah aktivitas pada masa depan
mengikuti pola yang terjadi pada masa lalu dan hubungan/keterkaitan pada masa lalu dapat
ditentukan dengan pengamatan atau penelitian. Akurasi yang dihasilkan dari peramalan deret
waktu, sangat ditentukan oleh seberapa jauh asumsi-asumsi diatas dipenuhi.

2.4. Komponen Time Series
Model klasik deret waktu yang biasa digunakan adalah perkalian dari 4
komponen deret waktu.
Y
t
= T
t
xC
t
x S
t
x I
t

5


dimana
Y
t
: variabel respon pada waktu-t.
T
t
: trend sekuler, yaitu gerakan umum plot data dalam jangka panjang.
C
t
: pergerakan siklus, yaitu pola data deret waktu yang terjadi dan mengalami
perulangan setelah periode waktu tertentu.
S
t
: fluktuasi musim, yaitu pola teratur tahunan yang berulang pada tiap tahun.
I
t
: variasi tak beraturan, dimana komponen ini tidak dapat diduga sebelumnya dan
bersifat acak, seperti adanya bencana

2.5. Metode-Metode Dalam Time Series
Adapun metode-metode yang sering digunakan dalam time series yakni metode-metode
untuk mnegetahui trend, yakni :
1. Metode Bebas (Free Hand Method)
Metode ini sangat sederehana dan tidak memerlukan perhitungan. Data hasi
pengamatan dapat digambarkan dalam suatu diagram pencar, kemudian tarik
garis lurus secara bebas melalui diagram pencar tersebut, kemudian arahkan
garis tersebut dengan letak titik-titiknya. Metode ini menghasilkan trend yang
kasar dan bersifat subjektif.










Gambar 2.2. Metode Bebas

6

2. Metode Setengah Rata-Rata
Langkah langkah dalam mengerjakan metode ini yakni mula-mula dengan
membagi data time series menjadi dua bagian, bila jumlah tahunnya ganjil
dapat membagi dalam dua bagian yang sama dengan tidak memasukan tahun
yang berada di tengah. Langkah berikutnya yaitu menghitung semi total
setiap bagian dengan cara menjumlahkan nilai nilai time series dalam tiap
bagian setelah itu dicari rata-ratanya. Kemudian letakan nilai rata-ratanya
ditengah-tengah masing-masing bagian, lalu hubungkan kedua nilai rata-rata
tersebut secara garis lurus dan garis inilah yang merupakan trend .











Gambar 2.3. Metode Setengah Rata-Rata

3. Metode Rata-Rata Bergerak
Dalam metode ini kita mengganti nilai data suatu tahun dengan nilai rata-
ratanya, dihitung dengan nilai data tahun yang mendahului dan nilai data
tahun berikutnya, biasanya digunakan 3-5 tahun rata-rata bergerak (moving
average).

7














Gambar 2.4. Metode Rata-rata Bergerak

4. Metode Kuadrat Terkecil
Taksiran trend dihitung dengan ketentuan bahwa jumlah deviasi kuadrat
antara tiap nilai deret waktu dengan nilai trend adalah minimum. Untuk itu
digunakan persamaan garis lurus yg dinyatakan dengan Y = a + bX
dimana :
X : periode waktu
Y : dapat berupa nilai penjulan, produksi, persediaan dan variabel lain
a : nilai Y apabila X = 0
b : besarnya perubahan variabel Y yang terjadi pada setiap perubahan
satu unit variabel X





8




























9














2.6. Manfaat Mengetahui Trend
Trend adalah keadaan data yang menaik atau menurun dari waktu ke waktu.
Dengan mengertahui trend, dapat membantu menyusun perencanaan, misalnya bila
trend penjualan selama beberapa tahun menunjukkan maka adalah logis bila
diramalkan bahwa penjualan pada tahun-tahun berikutnya akan juga bertambah.
Selain itu, trend juga dapat memudahkan kita untuk mempelajari komponen lain
terutama cyclical variation (C) karena C berfluktuasi sepanjang/sekitar garis trend.

10

BAB III
PENUTUP

3.1. Kesimpulan
Model Time Series adalah suatu peramalan nilai-nilai masa depan yang
didasarkan pada nilai-nilai masa lampau suatu variabel dan atau kesalahan masa
lampau. Model time series biasanya lebih sering digunakan untuk suatu
peramalan/prediksi.
Data runtut waktu atau time series adalah fakta yang terjadi secara berurutan
sesuai dengan runtut waktu. Fakta itu terjadi karena dipengaruhi oleh faktor internal
maupun eksternal. Ada 4 faktor yang mempengaruhi data time series. Dalam data
ekonomi biasanya kita mendapatkan adanya fluktuasi/ variasi dari waktu ke waktu atau
disebut dengan variasi time series. Variasi ini biasanya disebabkan oleh adanya faktor
Trend (trend factor), Fluktuasi siklis (cyclical fluktuation), Variasi musiman (seasonal
variation), dan pengaruh random (irregular/random influences).
Adapun metode-metode yang sering digunakan dalam time series yakni metode-
metode untuk mnegetahui trend, yakni metode bebas, metode setengah rata-rata, metode
rata-rata bergerak serta metode kuadrat terkecil.
Dengan mengertahui trend, dapat membantu menyusun perencanaan, misalnya
bila trend penjualan selama beberapa tahun menunjukkan maka adalah logis bila
diramalkan bahwa penjualan pada tahun-tahun berikutnya akan juga bertambah. Selain
itu, trend juga dapat memudahkan kita untuk mempelajari komponen lain terutama
cyclical variation (C) karena C berfluktuasi sepanjang/sekitar garis trend.

3.2. Saran
Dalam makalah ini hanya membahas mengenai metode-metode untuk mengetahui
trend, untuk itu diharapkan agar dilakukan penyajian informasi mengenai metode-metode
season variation, cyclical variation dan random variation.




11

DAFTAR PUSTAKA

http://khamdaniu.blogspot.com/
http://misterdadang1.blogspot.com
http://digensia.wordpress.com/2012/08/24/analisa-time-series/
http://financemanajemen.blogspot.com/2011/12/forecasting-analisa-runtun-waktu-time.html/
http://id.wikipedia.org/wiki/Deret_waktu