BAB I

PENDAHULUAN

1.1. Latar Belakang

Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan
pesat. Metosdenya berkembang sejajar dengan penemuan-penemuan penting oleh para
ahli matematis dan statistisi guna menjawab persoalan-persoalan yang dianjurkan oleh
para penyelidik ilmiah. Selain daripada ilmu hayat sendiri, ilmu pengetahuan tersebut
boleh dikatakan telah mempengaruhi setiap aspek kehidupan manusia modern. Ilmu
pengetahuan tersebut sudah meliputi segalah metode guna mengumpulkan, mengolah,
menyajikan, dan menganalisa data kwantitatif secara deskriptif. Croxton dan cowden
berpendapat bahwa metode statistik terlalu memberi tekanan pada teknik mengumpulkan,
mengolah, menyajikan, menganalisa data kwantitatif secara deskriptif agar dapat
memberi gambaran yang teratur tentang suatu peristiwa. Karena itu, metode demikian
acapkali dinamakan metode statistik deskriptif (descriptive statistics). 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 saya akan sedikit menjelaskan tentang Analisis Deret
Berkala dengan metode Least Square (Kuadrat terkecil)

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

1. Pengertian Deret Berkala

2. Komponen Deret Berkala
3. Metode Least Square (Kuadrat terkecil)
4. Mengetahui Tentang Analisis Trend
1.3. Manfaat Penulisan
Dapat memberi informasi mengenai teknik menganalisis data dengan menggunakan
Analisis Deret Berkala dengan metode Least Square (Kuadrat trkecil)
1.4. Metode Penulisan
Metode Penulisan ini menggunakan metode kajian pustaka

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

Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X. Dengan menggunakan

persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 273,33 +
12,92 (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 273,33 + 142,12 = 415,45
artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415.450 unit
Contoh

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

Persamaan garis liniernya adalah : Y = 268,75 + 7,26 X. Berdasarkan persamaan tersebut

untuk meramalkan penjualan pada tahun 2008 adalah : Y = 268,75 + 7,26 (untuk tahun
2008 nilai X adalah 19), sehingga : Y = 268,75 + 137,94 = 406,69 artinya penjualan
barang X pada tahun 2008 diperkirakan sebesar 406,69 atau 406.690 unit.
elain dengan menggunakan metode tersebut di atas, juga dapat dipakai dengan metode
sebagai

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

Persamaan garis liniernya adalah : Y = 268,75 + 14,52 X. Berdasarkan persamaan

tersebut untuk meramalkan penjualan pada tahun 2008 adalah : Y= 268,75 + 14,52 (untuk
tahun 2008 nilai X adalah 9), sehingga : Y = 268,75 + 137,94 = 406,69 artinya
penjualan barang X pada tahun 2008 diperkirakan sebesar 406.690 unit.

2.2 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.

2.3 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.

2.4 Ciri-ciri Trend Sekuler

10

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.

2.5 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

a = ( Y ) / n

b = ( XY ) / x2

dengan :
Y = data berkala (time series) = taksiran nilai trend.
11

a0 = nilai trend pada tahun dasar.

b = rata-rata pertumbuhan nilai trend tiap tahun.
x = variabel waktu (hari, minggu, bulan atau tahun).

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.

2.6 Contoh Soal

2.6.1 Contoh I (Untuk jumlah data ganjil) :

Ramalan Penjualan Metode Least Square

Data Penjualan (Unit) PT. GALAU Tahun 1995-1999

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

2.5.1.2 Mencari nilai a dan b

a = 760 : 5
= 152

b = 100 : 10
= 10

13

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
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

2.6.2 Contoh II (Untuk jumlah data genap):

Ramalan Penjualan Metode Least Square

Data Penjualan (Unit ) PT. KAMSEUPAY Tahun 1995-2000
Penjualan
No

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

2.6.2.2 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
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.

Probabilitas, Penerbit PT. Remaja Rosdakarya. Bandung

Kuswadi dan Erna Mutiara. 2004. Statistik Berbasis Komputer untuk Orang-Orang

3.

Non Statistik. Elex Media Komputindo. Jakarta.

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

4.
5.
6.
7.

Dengan Metode Least Square

Blog/web pribadi, http:// imamsyahdani.files.wordpress.com/
Dan sumber lain.
http://www.scribd.com/doc/140203719/Isi-Makalah-SD
http://id.wikipedia.org/wiki/Analisis_tren

19