PENDAHULUAN
Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau
lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik,
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
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
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
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
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.
Berdasarkan latar belakang yang diuraikan di atas, maka yang menjadi permasalahan
pokok adalah :
Page 2
1.3 Tujuan 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
Page 3
BAB II
PEMBAHASAN
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
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
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
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
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
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
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
Page 6
Gambar 2.2 Contoh Pola Data Trend Naik
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.
Page 8
Indeks musim = Nilai data asli x 100
Nilai trend
Dimana :
Nilai rasio = data asli atau data rata-rata bergerak
Factor koreksi = (100 x n )/ jumlah rata-rata rasio selama n
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.
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
Penyelesaian :
a. Menghitung angka indeks dengan metode rata-rata dengan trend. Indeks
musim = (data asli/data trend) x 100
Page 10
II 291 256 114
III 115 257 45
IV 320 257 124
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
Y=TxSxCxI
= 258,27 x 0,84 x 0,99995 x 0,9994
Y = 216,8
Penyelesaian :
a. Membuat rata-rata bergerak dan rasio data asli dengan nilai rata-rata bergerak.
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
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.
Page 13
d. Indeks musim kwartalan selanjutnya dikalikan dengan faktor kereksi.
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.
Page 15
a. Metode Rata-Rata Sederhana
b. Metode Rata-Rata dengan Tren
c. Metode Rasio Rata-Rata Bergerak
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
Page 16