MAKALAH
UNTUK MEMENUHI TUGAS MATAKULIAH
Analisis Deret Waktu
yang dibina oleh Trianingsih Eni Lestari, S.Si, M.Si
oleh
Achmad Romadhon 140312600000
Acika Karunila 140312604858
Dwita Nur Wahyuni 140312600744
Furita Wahyu N.R. 140312600886
Nur Fadhilla 140312604783
1.3 Tujuan
1. Dapat mengetahui apa yang dimaksud dengan metode dekomposisi
2. Dapat mengetahu langkah-langkah umum proses dekomposisi untuk
semua metode
3. Dapat memahami penerapan metode dekomposisi untuk deret data yang
mengandung trend, musiman, dan unsur acak
4. Dapat mengetahui persamaan garis trend linear untuk data deret berkala
5. Dapat memahami penerapan untuk pencocokan trend (trend fitting)
BAB II
PEMBAHASAN
2.1 Pengantar
dimana :
adalah nilai deret berkala (data yang aktual) pada periode
adalah komponen musiman (atau Indeks) pada periode
adalah komponen trend pada periode
adalah komponen siklus pada periode , dan
adalah komponen galat atau acak pada periode
Bentuk fungsional yang pasti dari persamaaan bergantung pada metode
dekomposisi yang digunakan. Beberapa metode ini akan dibahas dalam bab ini.
Untuk semua metode tersebut proses dekomposisinya adalah serupa dan terdiri
atas langkah-langkah sebagai berikut :
1. Pada deret data yang sebenarnya hitung rata-rata bergerak yang
panjangnya sama dengan panjang musiman. Maksud dari rata-rata
bergerak ini adalah menghilangkan unsur musiman dan keacakan. Merata-
ratakan sejumlah periode yang sama dengan panjang pola musiman (misalnya
12 bulan, 4 kuartal, atau 7 hari) akan menghilangkan unsur musiman dengan
membuat rata-rata dari periode yang musimnya tinggi dan periode yang
musimnya rendah.karena galat acak tidak mempunyai pola yang sistematis,
maka perata-rataan ini juga mengurangi keacakan.
2. Pisahkan rata-rata bergerak periode (langkah 1 di atas) dari deret data
semula untuk memperoleh unsur trend dan siklus.
3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap periode
yang menyusun panjang musiman secara lengkap
4. Identifikasi bentuk trend yang tepat (linier, eksponensial, kuva-S, dan lain-
lain) dan hitung nilainya untuk setiap periode.
5. Pisahkan hasil langkah 4 dari hasil langkah 2 (nilai gabungan dari unsur trend
dan siklus) untuk memperoleh faktor siklus.
6. Pisahkan musiman, trend, dan siklus dari data asli untuk mendapatkan unsur
acak yang ada, .
Periode
Trend Musiman Keacakan Deret Berkala
1 2 3 -0,3 4,7
2 4 5 0 9,0
3 6 7 0 13,0
4 8 3 0,3 11,3
5 10 5 0,9 15,9
6 12 7 0,6 19,6
7 14 3 -0,3 16,7
8 16 5 -0,3 20,7
9 18 7 0 25,0
10 20 3 0,6 23,6
11 22 5 0 27,0
12 24 7 0,3 31,3
I 4,7 - -
2 II 9,0 8,9 0,1
3 III 13,0 11,1 1,9
4 I 11,3 13,4 -2,1
5 II 15,9 15,6 0,3
6 III 19,6 17,4 2,2
7 I 16,7 19,0 -2,3
8 II 20,7 20,8 -0,1
9 III 25,0 23,1 1,9
10 I 23,6 25,2 -1,6
11 II 27,0 27,3 -0,3
12 III 31,3 - -
MUSIM
I II III
- 0,1 1,9
-2,1 0,3 2,2
-2,3 -0,1 1,9
-1,6 -0,3 -
Jumlah Faktor Musiman
-6 0 6
Faktor Musim Rata-rata
-2 0 2
Dalam arti grafis, persamaan diatas menunjukkan suatu garis lurus horisontal dan
ditentukan oleh suatu parameter, yaitu . Garis trend memelrlukan dua parameter,
dan , untuk spesifikasi. Nilai dan dapat dicari dengan cara yang serupa
dengan yang digunakan untuk mencari . Nilai dan dapat diperoleh dengan
meminimumkan MSE di mana galatnya adalah perbedaan antara nilaidata dari
deret berkaladan nilai garis trend yang bersangkutan.
GAMBAR 4-1 GARIS TREND LINIER UNTUK DATA DERET BERKALA
Prosedur ini dikenal sebagai regresi sederhana dan akan dibahas secara terinci
pada Bab 5. Ada 2 hal yang perlu diperjelas:
1. Garis trend seperti yang ditunjukkan pada Gambar 4-1 dapat dijelaskan
dengan dua parameter, dan , dalam bentuk
Ket :
= Peramalan saat t
a = Intercept
b = kemiringan garis
2. Nilai dan yang meminimumkan MSE dapat diperoleh dengan
menggunakan persamaan berikut:
Ket :
n = Banyaknya data
t = Waktu ( independen variabel)
Terdapat beberapa kurva trend lain yang non-linier dapat dicocokkanpada suatu
deret data (misalnya, eksponensial, kurva-S, kuadratik, logaritmis). Untuk
keperluan bab ini, hanya akan dibahas trend yang linier, walaupun bentuk-bentuk
lain dapat digunakan sebagai bagian dari metode dekomposisi, jika memang
sesuai.
t t
Penyelesaian:
Jadi, persamaan garisnya adalah
Grafik :
BAB III
PENUTUP
3.1 Kesimpulan
1. Metode dekomposisi adalah salah satu metode peramalan yang
didasarkan pada kenyataan bahwa biasanya apa yang telah terjadi akan
berulang atau terjadi kembali dengan pola yang sama. Selain itu metode
dekomposisi biasanya memisahkan tiga komponen yang cenderung
mencirikan deret data ekonomi. Komponen tersebut adalah faktor trend,
siklus dan musiman.
2. Langkah-langkah dengan metode dekomposisi secara umum:
Pertama menentukan panjang musiman dari data, lalu mengurangkan
nilai rata-rata bergerak terhadap nilai deret waktu, memisahkan
keacakan dari unsur musiman, memisahkan trend dan siklus, dan
memisahkan unsur acak dari deret data
3. Secara grafis, trend digambarkan sebagai pencocokan data terhadap
suatu garis lurus. Namun kelemahan dari pencocokan data terhadap
garis lurus tersebut adalah terjadi bias ketika pemulusan mendekati
akhir data deret waktu.
4. Persamaan garis trend linear untuk data deret berkala:
Ket :
= Peramalan saat t
a = Intercept
b = kemiringan garis
Nilai dan yang meminimumkan MSE dapat diperoleh dengan
menggunakan persamaan berikut:
Ket :
n = Banyaknya data
t = Waktu ( independen variabel)
3.2 Saran
Demikian hasil makalah untuk memenuhi tugas yang dapat saya paparkan.
Dalam pembuatan makalah ini masih banyak terdapat kekurangan, sehingga kritik
dan saran dari pembaca sangat saya harapkan. Semoga makalah ini dapat
bermanfaat bagi pembaca.
DAFTAR PUSTAKA