PENDAHULUAN
1.2. Tujuan
Yang menjadi tujuan penilisan makalah ini yaitu mengkaji dan menganalisis data
dengan menggunakan Analisis Deret Berkala dengan metode Least Square (Kuadrat
terkecil).
1
BAB II
PEMBAHASAN
2.1 Pengertian Analisis Trend
Analisis trend merupakan suatu metode analisis statistika yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup
banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil
analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktorfaktor apa saja yang memengaruhi terhadap perubahan tersebut.
Secara teoristis, dalam analisis runtun waktu (time series) hal yang paling
menentukan adalah kualitas dan keakuratan dari data-data yang diperoleh, serta waktu
atau periode dari data-data tersebut dikumpulkan. Jika data yang dikumpulkan tersebut
semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh.
Sebaliknya, jika data yang dikumpulkan semakin sedikit maka hasil estimasi atau
peramalannya akan semakin jelek.
Jika data yang dikumpulkan tersebut semakin banyak maka semakin baik pula
estimasi atau peramalan yang diperoleh. Sebaliknya, jika data yang dikumpulkan semakin
sedikit
maka
hasil
estimasi
atau
peramalannya
akan
semakin
jelek.
Metode Least Square : Metode yang digunakan untuk analisis time series adalah Metode
Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi
Average Method), Metode Rata-Rata Bergerak (Moving Average Method) dan Metode
Kuadrat Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk
membahas analisis time series dengan metode kuadrat terkecil yang dibagi dalam dua
kasus, yaitu kasus data genap dan kasus data ganjil. Secara umum persamaan garis linier
dari analisis time series adalah : Y = a + b X. Keterangan : Y adalah variabel yang dicari
trendnya dan X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta
(a)
dan
parameter
(b)
adalah
dan
=XY /
X2
Contoh
Kasus
Data
Ganjil
Tabel : Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2003
Tahun
1995
1996
1997
1998
1999
2000
2001
2002
2003
Jumlah
Untuk
a=
Penjualan (Y)
200
245
240
275
285
300
290
315
310
2.460
mencari
nilai
2.460
X
-4
-3
-2
-1
0
1
2
3
4
a
X2
16
9
4
1
0
1
4
9
16
60
adalah
XY
- 800
- 735
- 480
- 275
0
300
580
945
1.240
775
dan
b
273,33
dan
sebagai
775
berikut
60
12,92
Kasus
Data
Genap
Tabel : Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2002
Tahun
1995
1996
1997
1998
1999
2000
2001
2002
Jumlah
Untuk
a
Penjualan (Y)
200
245
240
275
285
300
290
315
2.150
mencari
nilai
2.150
X
-7
-5
-3
-1
1
3
5
7
a
X2
49
25
9
1
1
9
25
49
168
adalah
XY
- 1.400
- 1.225
- 720
- 275
285
900
1.450
2.205
1.220
dan
b
268,75
dan
sebagai
1.220
berikut
168
:
7,26
4
berikut
Tabel : Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2002
Tahun
1995
1996
1997
1998
1999
2000
2001
2002
Jumlah
Untuk
a
Penjualan (Y)
200
245
240
275
285
300
290
315
2.150
mencari
nilai
2.150
X
-3
-2
-1
-
1
2
3
a
=
X2
12,25
6,25
2,25
0,25
0,25
2,25
6,25
12,25
42,00
adalah
XY
- 700
- 612,5
- 360
- 137,5
142,5
450
725
1102,5
610,0
dan
b
268,75
dan
610
sebagai
/
berikut
42
14,52
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.
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 :
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 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.
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.
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 :
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 :
Jumlah peserta KB
dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.
a = ( Y ) / n
b = ( XY ) / x2
dengan :
Y = data berkala (time series) = taksiran nilai trend.
11
Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu
(x) sehingga jumlah nilai variabel waktu adalah nol atau x = 0.
12
Tahun
Penjualan
(X)
1995
(Y)
130
1996
145
1997
150
1998
165
1999
170
No
Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode least
Square.
Penyelesaian :
2.5.1.1 Analisis menggunakan metode Least Square
Tahun
Penjualan
X
X2
XY
(X)
1995
(Y)
130
-2
-260
1996
145
-1
-145
1997
150
1998
165
165
1999
170
340
Total
760
10
100
b = 100 : 10
= 10
13
Penjualan
Tahun
1995
(Y)
132
1996
142
1997
152
1998
162
1999
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
2000
(Y)
182
2001
192
2002
202
2003
212
2004
222
14
Tahun
1995
(Y)
130
1996
145
1997
150
1998
165
1999
170
2000
185
Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode least
Square.
Penyelesaian :
2.6.2.1 Analisis menggunakan metode Least Square
Penjualan
Tahun
1995
1996
1997
1998
1999
2000
(Y)
130
145
150
165
170
185
X2
XY
-5
-3
-1
1
3
5
25
9
1
1
9
25
-650
-435
-150
165
510
925
15
Total
945
70
365
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
1995
(Y)
131,45 = 131
1996
141,87 = 142
1997
152,29 = 152
1998
162,71 = 163
1999
173,13 = 173
2000
183,55 = 184
Dengan cara yang sama dapat pula diketahui ramalan penjualan untuk tahun 2001
2005:
Tahun
Penjualan
16
2001
(Y)
193,97 = 193
2002
204,39 = 204
2003
214,81 = 215
2004
225,23 = 225
2005
235,65 = 236
17
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.
18
DAFTAR PUSTAKA
1.
Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2001. Teori dan Aplikasi Statistika dan
2.
3.
4.
5.
6.
7.
19