PERAMALAN TIME SERIE

Wisnu Priyo Hutomo, MSi

Data time series adalah data yang berurutan menurut waktu (harian, mingguan,
bulanan, tahunan). Data time series (Y), dipengaruhi oleh 4 faktor (disebut juga 4
komponen), yaitu T (Trend), S (Seasonal), C (Cyclis) dan R (Random/Irregular).
Sehingga ditulis : Y = T x S x C x R.
Trend adalah kecenderungan data yang naik atau turun pada kurun waktu tertentu.
Contoh trend naik : jumlah penduduk.
Contoh trend turun : nilai jual kembali sebuah mobil.
Seasonal (musiman) adalah pola fluktuasi yang bersifat tahunan (berulang setiap
tahun).
Contoh : pejualan jas hujan dan payung naik pada musim hujan.
Cyclis (Siklus) adalah pola fluktuasi bersifat jangka panjang (berulang setelah
beberapa tahun).
Contoh : industri konstruksi bangunan siklusnya antara 15 20 tahun.
Random/Irregular adalah fluktuasi yang tidak teratur.
Contoh : banyaknya orang yang meninggal akibat perang atau bencana alam.
BEBERAPA METODE PERAMALAN TIME SERIES
1.PENDEKATAN NAVE
Ramalan periode besok, sama dengan data periode sekarang.
Contoh : data penjualan motor merek X tahun 2014 sebanyak 3 juta unit, maka
ramalan untuk tahun 2015 juga akan terjual sebanyak 3 juta unit.
2.RATA-RATA BERGERAK
Digunakan jika pengaruh komponen Trend tidak ada atau sangat kecil.
Harus ditentukan dulu jumlah kelompok datanya, misal 3 bulanan (bisa 4 bulanan,
5 bulanan, dll).
Contoh : Diketahui data penjualan Januari s/d Juli sbb. :

Ramalan
Ramalan Juli

Ramalan penjualan Agustus

19 23 26 68
2

22
3
3
3

3.RATA-RATA BERGERAK TERTIMBANG

Digunakan jika pengaruh komponen Trend kuat.
Harus ditentukan dulu jumlah kelompok datanya, misal 3 bulanan (seperti pada
rata-rata bergerak).
Data sekarang diberi bobot tertinggi, data sebelumnya diberi bobot makin rendah.
Contoh :
3 bulanan dengan perbandingan bobot 3 : 2 : 1.
Total bobot = 3 + 2 + 1 = 6

Ramalan penjualan Agustus

(3 x 26) (2 x 23) (1 x 19) 78 46 19 143

5

23
3 2 1
6
6
6

4.PENGHALUSAN EKSPONENSIAL

Rumus : Ft Ft -1 (A t -1 Ft -1 )
dimana :
Ft ramalan sekarang

; Ft -1 ramalan sebelumnya

A t -1 data sebelumnya

; konstanta pemulusan

Contoh :
Sebuah dealer mobil Mercedes Benz meramalkan penjualannya pada tahun 2014
kemarin sebanyak 142 unit, tetapi kenyataannya yang terjual sebanyak 153 unit.
Berapakah ramalan penjualan untuk tahun 2015 ini, jika = 0,2 ?

Jawab :
Diketahui : F2014 142 unit ; A 2014 153 unit ; 0,2
F2015 142 (0,2)(153 - 142) 142 2,2 144,2 144 unit.
5.PENGHALUSAN EKSPONENSIAL DENGAN PENGARUH TREND

Rumus : F* Ft Tt
Ft (A t -1 ) (1 - )(Ft -1 Tt -1 )
Tt (Ft Ft -1 ) (1 - )Tt -1
Contoh :

Menghitung Forecast bulan kedua :

F2

= A1 + (1 - )(F1 + T1)

F2

= (.2)(12) + (1 - .2)(11 + 2)
= 2.4 + 10.4 = 12.8 units

Menghitung Trend bulan kedua :

T2

= (F2 - F1) + (1 - )T1

T2

= (.4)(12.8 - 11) + (1 - .4)(2)

= .72 + 1.2 = 1.92 units

F* = F2 + T1
F* = 12.8 + 1.92
= 14.72 units
Ulangi langkah tersebut untuk menghitung bulan ketiga dan seterusnya. Hasil
akhirnya sbb.:

6.PERSAMAAN LINEAR TREND LINE (PERSAMAAN GARIS REGRESI LINEAR)

Persamaan garis regresi : Y = a + bx

dimana :
b

xy - n x y
x -n x
2

dan a y - b x

Contoh :
Diketahui kebutuhan daya listrik (Mega Watt)selama periode tahun 2001 s/d
2007 adalah sbb.:
Tahun
2001 2002 2003 2004 2005 2006
Kebutuhan daya listrik (MW)
74
79
80
90
105
142
a.Tentukan persamaan linear trend-nya.

2007
122

b.Hitung perkiraan kebutuhan daya listrik pada tahun 2020 !

c.Kapankah kebutuhan daya listrik mencapai 200 MW ?
Jawab :
Misal : x = tahun
y = kebutuhan daya listrik
x
1
2
3
4
5
6
7
x = 28

x
b

x 28 4
n

7
xy - n x y

-n x

y
74
79
80
90
105
142
122
y = 692

dan y

x2
1
4
9
16
25
36
49
2
x = 140

y 692 98,86
n

(3063) - 7(4)(98,86 )
10,54
(140) - 7(4) 2

a y - b x 98,86 - (10,54)(4) 56,70

a.Persamaan linear trend-nya : Y = 56,70 + 10,54 x
b.Y(2020) = 56,70 + 10,54 (20) =267,5 MW

200 - 54.70
13,78 14
10,54
Jadi kebutuhan daya listrik mencapai 200 MW pada tahun 2014.

c.Y 200 56,70 10,54 x 200 - 54,70 10,54 x x

xy
74
158
240
360
525
852
854
xy = 3063