BAB I

PENDAHULUAN

1.1 Latar Belakang

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau

lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik,

maka kita akan dapat menggunakannya untuk keperluan peramalan.

Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi. Mendekati nilai

tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan, dan tidak

harus berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi

merupakan teknik analisis yang melihat kecenderungan pola dalam satu variabel berdasarkan

kecenderungan pola dalam variabel yang lain. Maksudnya, ketika satu variabel memiliki

kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel yang lain apakah

juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu variabel selalu diikuti

oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini

memiliki hubungan atau korelasi.

Jika variabel Yi merupakan serangkaian observasi dan ti merupakan variabel waktu yang

bergerak secara bersamaan ke arah yang sama, dari masa lalu ke masa mendatang, maka

serangkaian data yang terdiri dari Yi dan yang merupakan fungsi dari ti tersebut dinamakan

sebagai deret berkala (time series) atau data historis (historical data). Schumpeter merumuskan

deret berkala sebagai variabel historis (historical variables) dan merupakan hasil perpaduan

Page 1
antara pengaruh kekuatan-kekuatan yang beraneka ragam. Faktor random dan non random

(sistematis) selalu ditemukan dalam variabel historis tersebut.

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 rutut 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.

Secara konvensional, analisis deret berkala selalu didasarkan pada anggapan bahwa nilai

deret berkala merupakan hasil perkalian (multiplikatif) dari trend sekuler, variasi musim, variasi

siklikal, dan variasi random. Namun demikian, data deret berkala juga dapat merupakan hasil

penjumlahan atau kombinasi antara perkalian dan penjumlahan dalam seribu satu cara dari

komponen-komponennya.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang diuraikan di atas, maka yang menjadi permasalahan

pokok adalah :

1. Apa pengertian dari data deret berkala ?

2. Apa saja komponen-komponen yang ada di dalam deret berkala?

3. Apa saja bentuk-bentuk plot dari data berkala?

4. Bagaimana cara menghitung deret berkala?

Page 2
1.3 Tujuan Penulisan

1. Untuk mengetahui pengertian dari deret berkala dan peramalan.

2. Untuk mengetahui komponen-komponen yang ada di dalam deret berkala.

3. Untuk mengetahui bentuk-bentuk plot dari data berkala.

4. Untuk mengetahui cara menghitung deret berkala.

1.4 Manfaat Penulisan

1. Bagi Pembaca

Sebagai bahan bacaan dan referensi untuk menambah wawasan mengenai ilmu statistik.

2. Bagi Penulis

Sebagai sarana umtuk menambah wawasan dan pemahaman tertulis mengenai ilmu statistik

dan sebagai bahan untuk membantu penulis mengaplikasikannya secara konkret.

Page 3
 BAB II

PEMBAHASAN

2.1 A. Pengertian Analisis deret berkala

Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu

kegiatan (perkembangan produksi, harga, hasil penjaulan, 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 observasi dan 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 wktu, dicatat secara teliti dari urutan

waktu terjadinya, kemudian disusun sebagai data statistik.

Dari suatu runtut akan 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 akan

terjadi dimasa yang akan datang.

B. Komponen Deret Data Berkala

Ada empat komponen data berkala yaitu :

1. Trend Sekuler (Kecenderungan) yaitu gerakan yang berjangka panjang yang menunjukan

adanya kecenderungan menuju kesatu arah kenaikan dan penurunan secara keseluruhan

Page 4
 dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun keatas.

Pola ini disebabkan antara lain oleh bertambahnya populasi, perubahan pendapatan, dan

pengaruh budaya.

2. Variasi Musim (Seasonal) yaitu ayunan sekitar trend yang bersifat musiman serta kurang

teratur. Pola ini berhubungan dengan faktor iklim/cuaca atau faktor yang dibuat oleh

manusia, seperti liburan dan hari besar.

3. Variasi Siklus(cyclical) yaitu ayunan tren yang berjangka lebih panjang dan agak sedikit

teratur. Perbedaan utama antara pola musiman dan siklus adalah pola musiman

mempunyai panjang gelombang yang tetap dan terjadi pada jarak waktu yang tetap,

sedangkan pola siklus memiliki durasi yang lebih panjang dan bervariasi dari satu siklus

ke siklus yang lain.

4. Variasi Random/Residu yaitu gerakan yang tidak teratur sama sekali.

Gerakan atau variasi dari data berkala juga terdiri dari empat komponen yaitu :

1. Gerakan trend jangka panjang atau trend sekuler (Long term movement or secular 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 keatas.

2. Gerakan/variasi Sikli atau siklus (Cyclical movement or variations) adalah gerakan atau

variasi dalam jangka sekitar garis trend. Gerakannya bisa terjadi setelah jangka waktu

tertentu bisa 3 tahun, 5 tahun atau lebih dan memperliatkan pola tertentu mengenai

gelombangnya.

Page 5
3. Gerakan/variasi musiman (Seasonal movement or variations) yaitu gerakan yang berayun

naik dan turun , secara periodik dosekitar garis trend dan memiliki waktu gerak yang

kurang dari 1 tahun dapat dalam kwartal, minggu atau hari.

4. Gerakan/variasi random/residu (Irregular or random variations), grakan atau variasi yang

disebabkan oleh faktor kebetulan (chance factor). Gerakan yang berbeda tapi dalam

waktu yang singkat, tidak diikuti dengan pola yang teratur dan tidak dapat diperkirakan.

Faktor yang dominan dalam gerakan ini adalah faktor yang bersifat kebetulan misalnya

perang, bencana alam dll.

Bentuk bentuk komponen dalam plot

1. Pola Data Trend
Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau penurunan
selama periode jangka panjang. Suatu data pengamatan yang mempunyai trend disebut
data nonstasioner. Plot data trend dicontohkan pada gambar 2.2 yaitu berupa data harga
suatu produk yang meningkat dari tahun ke tahun.

Page 6
 Gambar 2.2 Contoh Pola Data Trend Naik

2. Pola Data Musiman

Pola data musiman terjadi bilamana suatu deret dipengaruhi oleh faktor musiman. Pola
data musiman dapat mempunyai pola musim yang berulang dari periode ke periode
berikutnya. Misalnya pola yang berulang setiap bulantertentu, tahun tertentu atau pada
minggu tertentu. Contoh dari data musiman ada pada gambar 2.3 yaitu plot suplai bahan
makanan tiap bulan. Dari plot tersebut terlihat bahwa terjadi pola yang berulang setiap
periode dua belas bulan, sehingga bisa disimpulkan bahwa data tersebut merupakan pola
data musiman.

Page 7
 Gambar 2.3 Contoh Pola Data Mus
Ada beberapa metode perhitungan untuk mengetahui variasi musim yaitu dengan
mengetahui indeks musim. Beberapa metode tersebut adalah :
a. Metode rata rata sederhana
b. Metode rata rata dengan trend
c. Metode rasio rata rata bergerak.

2.1 Metode rata-rata sederhana

Metode rata-rata sederhana mengasumsikan bahwa pengaruh trend dan siklus
yang tidak beraturan tidak besar dan dapat dianggap tidak ada. Indeks musim
hanya berdasarkan pada data actual dan nilai rata-ratamya saja.
Indeks musim dirumuskan sebagai berikut :

Indeks musim = Rata-rata per kwartal x 100

Rata-rata total
2.2 Metode rata-rata dengan trend
Metode rata-rata dengan trend adalah metode rata-rata yang disesuaikan dengan
trend. Indeks musim pada rata-rata dengan trend merupakan perbandingan antara
nilai data asli dengan nilai trend. Oleh sebab itu, nilai trend harus diketahui
terlebih dahulu.
Indeks musim metode rata-rata dengan trend dirumuskan sebagai berikut :

Page 8
 Indeks musim = Nilai data asli x 100
Nilai trend

2.3 Metode rasio rata-rata bergerak

Metode rasio rata-rata bergerak (ratio to moving average method) adalah metode
yang dilakukan dengan cara membuat rata-rata bergerak selama periode tertentu.
Untuk membuat rata-rata tidak ada ketentuan berapa periode (n). Nilai n bisa 2, 3,
4, atau 12 tergantung pada kondisi pengaruh fluktuasi musiman.
Indeks musim metode rasio rata-rata bergerak dirumuskan sebagai berikut :

Indeks musim = nilai rasio x factor koreksi

Dimana :
Nilai rasio = data asli atau data rata-rata bergerak
Factor koreksi = (100 x n )/ jumlah rata-rata rasio selama n

3. Pola Data Siklis

Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis. Di bawah ini adalah contoh plot
pola data siklis.

Page 9
4. Pola Data Iregular atau Statioer
Pola data irregular merupakan suatu perubahan berupa kenaikan dan penurunan yang
tidak beraturan baik dari sisi waktu dan lama dari siklusnya. Banyak penyebab dari
gerakan tidak beraturan diantaranya adalah perang, krisis, dan bencana alam.

C. Contoh Aplikasi Time Series

Berikut adalah nilai penjualan setiap kwartalan selama 3 tahun Koperasi Seribu
Jannah.
Nilai dalam jutaan.

Tahun Kwartal
I II III IV
2000 279 267 116 304
2001 302 290 112 310
2002 321 291 115 320

a. Hitunglah indeks musim dengan metode rata-rata dengan trend.

b. Carilah indeks siklus dengan metode rata-rata 3 kwartalan
c. Carilah indeks gerak tak beraturan.
d. Hitunglah nilai penjualan pada kwartal I tahun 2003 dengan menggunakan nilai
indeks musim, siklus, dan gerak tak beraturan.

Penyelesaian :
a. Menghitung angka indeks dengan metode rata-rata dengan trend. Indeks
musim = (data asli/data trend) x 100

Tahun Kwartal Y Y IM=(Y/Y)x100

2000 I 279 248 112

II 267 249 107
III 116 250 46
IV 304 251 121

2001 I 302 252 120

II 290 252 115
III 112 253 44
IV 310 254 122

2002 I 321 256 126

Page 10
 II 291 256 114
III 115 257 45
IV 320 257 124

b. Menghitung indeks siklus ( C ) dengan metode rata-rata 3 kwartalan. Langkah

pertama menghitung nilai nominal (Y/S), langkah kedua menghitung factor
siklus CI =TCI/T, dan langkah ketiga menghitung C dengan metode rata-rata
3 kwartalan.

Trwl Y T S TCI=Y/S CI=TCI/T C

I 279 248 112 249,11 100,45

II 267 249 107 249,53 100,21 100,51
III 116 250 46 252,17 100,87 100,39
IV 304 251 121 251,24 100,10 100,28
I 302 252 120 251,67 99,87 100,01
II 290 252 115 252,17 100,07 100,18
III 112 253 44 254,55 100,61 100,24
IV 310 254 122 254,10 100,04 100,19
I 321 255 126 254,76 99,91 99,89
II 291 256 114 255,26 99,71 99,69
III 115 257 45 255,56 99,44 99,85
IV 320 257 124 258,06 100,41

c. Menghitung indeks gerak tak beraturan (I). Indeks (I) diperoleh dengan
membagi CI dengan C.

Trwl CI=TCI/T C I

I 100,45
II 100,21 100,51 99,71
III 100,87 100,39 100,47
IV 100,10 100,28 99,82
I 99,87 100,01 99,86
II 100,07 100,18 99,89
III 100,61 100,24 100,37
IV 100,04 100,19 99,85
I 99,91 99,89 100,02
II 99,71 99,69 100,03
III 99,44 99,85 99,58
IV 100,41

Page 11
 d. Peramalan Y= T x S x C x I

T = Y = 252,83 + 0,84 x 6,5 = 258,27

S = (3 x 100) / (112 + 120 + 126) = 300/358 = 0,84
C = (100,01 + 99,89) / 2 = 99,995 = 0,99995
I = (99,86 + 100,02) / 2 = 99,84 = 0,9994

Jadi nilai peramalan untuk kwartal I tahun 2003 adalah :

Y=TxSxCxI
= 258,27 x 0,84 x 0,99995 x 0,9994
Y = 216,8

Kalau diperhatikan bahwa faktor C dan I mendekati 1, maka pengaruh atas

siklus dan gerak tak beraturan relatif kecil. Pengaruh yang paling besar adalah
faktor variasi musim (S) dan trend itu sendiri.

2.2 . Tentukan model yang terbentuk, apakah stasioner, siklus atau

musiman ?
Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3 triwulanan dari data produksi
padi berikut :

Tahun Produksi Triwulan

I II III
1998 44 22 14 8
1999 48 25 15 8
2000 48 26 14 8
2001 47 24 14 9

Penyelesaian :

a. Membuat rata-rata bergerak dan rasio data asli dengan nilai rata-rata bergerak.

Tahun Triwulan Data Asli Total Bergerak 3 Rata- Indeks

Triwulan rata Musim
I 22
1998 II 14 22+14+8 =44 15 95
III 8 14+8+25 =47 16 51
I 25 8+25+15 =48 16 156

Page 12
 1999 II 15 25+15+8 =48 16 94
III 8 15+8+26 =49 16 49
I 26 8+26+14 =48 16 163
2000 II 14 26+14+8 =48 16 88
III 8 14+8+24 =46 15 52
I 24 8+24+14 =46 15 157
2001 II 14 14+14+9 =47 16 89
III 9

1. Membuat rata-rata bergerak dengan 3 triwulan, maka dibuat penjumlahan setiap 3

triwulan. Contoh penjumlahan triwulan pertama = 22 + 14 + 8 = 44. Nilai ini bisa
diletakkan pada triwulan I, II, atau III tidak ada aturan baku. Untuk contoh ini
diletakkan pada triwulan 2 karena posisinya ada di tengah. Untuk jumlah total
triwulan selanjutnya bergerak yaitu meninggalkan triwulan I tahun 1998 dan masuk
triwulan I tahun 1999, sehingga menjadi 14 + 8 = 25 = 47. Hal ini diteruskan sampai
selesai.
2. Membuat rata-rata bergerak. Jumlah penjumlahan selama 3 triwulan perlu dibuat rata-
ratanya dengan cara membagi jumlah pada kolom 4 dengan 3. Contoh 44/3 = 14
(dibulatkan)
3. Membuat indeks musim dengan membuat rasio antara data asli dengan data rata-rata.
Contoh (14/15) x 100 = 95

b. Setelah mendapatkan indeks musim setiap triwulan, perlu untuk mengetahui rata-rata
setiap kwartalan dari setiap tahunnya. Maka dari indeks musim triwulan dikelompokkan
kedalam triwulan yang sama.

Tahun Triwulan
I II III
1998 95 51
1999 156 94 49
2000 163 88 52
2001 157 88
Rata-rata 159 90 51

c. Menentukan faktor koreksi. Jumlah kwartal dalam setahun (n) sama dengan 3. Oleh
sebab itu penjumlahan nilai rata-rata indeks kwartalan yaitu 159 + 90 + 51 semestinya =
300, namun yang terjadi adalah 299. Hal ini terjadi karena adanya pembulatan. Oleh
sebab itu, perlu diperhatikan faktor koreksi. Faktor koreksi dirumuskan sebagai berikut.

Faktor koreksi = 100 x n = 100 x 3 = 300 = 1,002

Jumlah rata-rata 159 + 90 + 51 299

Page 13
 d. Indeks musim kwartalan selanjutnya dikalikan dengan faktor kereksi.

Indeks trriwulan I = 159 x 1,002 = 159

Indeks triwulan II = 90 x 1,002 = 90,2
Indeks triwulan III = 51 x 1,002 = 50,8

Angka indeks triwulan inilah yang digunakan untuk peramalan selanjutnya.

Page 14
 BAB III

PENUTUP

3.1 Kesimpulan

Berdasarkan penjelasan yag telah diuraikan di atas, maka dapat ditarik kesimpulan, yaitu sebagai
berikut :
Data Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi yang diatur dan
didapat menurut urutan kronologis waktu, misalnya perkembangan produksi, harga barang, hasil
penjualan, jumlah penduduk, dll.
Peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan
dimasa depan, tetapi dengan menggunakan metode metode tertentu maka peramalan akan
menjadi lebih dari sekedar perkiraan. Peramalan dilakukan dengan memanfaatkan informasi
terbaik yang ada pada masa itu, untuk menimbang kegiatan dimasa yang akan datang agar tujuan
yang diinginkan dapat tercapai.

Komponen-komponen yang ada di dalam deret berkala yaitu

o Analisis Tren
o Analisis Variasi Musim
o Analisis Variasi Siklus
o Analisis Gerak Tak Beraturan

Metode yang digunakan dalam masing-masing komponen yaitu :

o Analisis Tren, metode yang digunakan :
a. Metode Semi Rata-Rata
b. Metode Kuadrat Terkecil
c. Metode Tren Kuadratis
d. Metode Tren Eksponensial

o Analisis Variasi Musim, metode yang digunakan :

Page 15
 a. Metode Rata-Rata Sederhana
b. Metode Rata-Rata dengan Tren
c. Metode Rasio Rata-Rata Bergerak

o Analisis Variasi Siklus

o Analisis Gerak Tak Beraturan

3.2 Saran

Dari apa yang telah kami uraikan diatas mengenai analisa data berkala, semoga para

pembaca mampu memahami apa yang kami maksudkan dan pembaca mampu menerapkan

metode ini dalam penerapan kehidupan sehari-hari.

Page 16