TREND ANALISIS

(Laporan Praktikum Analisis Deret Waktu)

Oleh

Andi Tri Saputra Simanullang

(1517031152)

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2017
 BAB I

PENDAHULUAN

Time series pada dasarnya digunakan untuk melakukan analisis data yang
mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik
berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun. Selain itu
analisis time series bisa digunakan untuk peramalan data beberapa periode ke depan yang
sangat membantu dalam menyusun perencanaan ke depan. Data time series terdapat dalam
berbagai bidang, misalnya bidang ekonomi misalnya data penjualan setiap hari, keuntungan
perusahaan dalam setiap tahun dan total nilai ekspor dalam setiap bulan. Data time series
pada bidang fisika misalnya data curah hujan bulanan, temperatur udara harian, gerak
partikel, sedangkan pada bidang demografi misalnya data pertumbuhan penduduk, mortalitas
dan natalitas. Di bidang pengontrolan kualitas, data time series misalnya data proses
pengontrolan kualitas produk, pengontrolan proses produksi, dan untuk bidang biomedis
misalnya data denyut nadi, proses penyembuhan, pertumbuhan mikroba. Metode yang sering
digunakan dalam analisis runtun waktu adalah Semi Average, Moving Average, dan Least
Square.
Di makalah ini akan menganalisis trend data kurs transaksi Bank Indonesia dari 03
Januari sampai dengan 29 September 2017 dengan tiga pendekatan yaitu model linear,
kuadrat dan eksponensial.
 BAB II

PEMBAHASAN

Berikut adalah data kurs transaksi Bank Indonesia dari 03 Januari sampai dengan 29
September 2017 :

Nilai Kurs Jual Kurs Beli Tanggal Nilai Kurs Jual Kurs Beli Tanggal

1 9794,03 9694,51 03-Jan-17 1 9916,09 9812,85 16-Mei-17

1 9799,81 9689,45 04-Jan-17 1 9916,08 9815,39 17-Mei-17

1 9794,23 9691,24 05-Jan-17 1 10001,18 9895,93 18-Mei-17

1 9849,9 9740,88 06-Jan-17 1 9999,93 9893,83 19-Mei-17

1 9853,59 9752,77 09-Jan-17 1 9948,75 9845,19 22-Mei-17

1 9855,51 9746,26 10-Jan-17 1 10014,82 9910,59 23-Mei-17

1 9874,06 9768,64 11-Jan-17 1 9993,09 9886,4 24-Mei-17

1 9959,41 9859,65 12-Jan-17 1 9932,57 9827,82 26-Mei-17

1 10020,55 9913,54 13-Jan-17 1 9966,02 9864,88 29-Mei-17

1 10041,59 9938,68 16-Jan-17 1 9954,41 9848,25 30-Mei-17

1 10051,04 9945,56 17-Jan-17 1 9980,75 9879,53 31-Mei-17

1 10106,53 9998,79 18-Jan-17 1 9879,65 9778,05 02-Jun-17

1 10103,76 10000,38 19-Jan-17 1 9954,66 9849,65 05-Jun-17

1 10190,31 10082,12 20-Jan-17 1 9970,53 9866,66 06-Jun-17

1 10177,35 10073,22 23-Jan-17 1 10090,68 9982,96 07-Jun-17

1 10193,78 10078,55 24-Jan-17 1 10078,74 9976,5 08-Jun-17

1 10120,94 10006,51 25-Jan-17 1 10066,59 9964,47 09-Jun-17

1 10152,48 10037,63 26-Jan-17 1 10063,92 9960,5 12-Jun-17

1 10124,55 10012,86 27-Jan-17 1 10105,5 10000,37 13-Jun-17

1 10131,91 10023,97 30-Jan-17 1 10062,07 9959,95 14-Jun-17

1 10154,05 10045,95 31-Jan-17 1 10160,5 10058,7 15-Jun-17

1 10138,47 10023,93 01-Feb-17 1 10153,97 10051,03 16-Jun-17

1 10278,33 10170,54 02-Feb-17 1 10183,57 10077,61 19-Jun-17

1 10269,16 10161,37 03-Feb-17 1 10138,51 10037,04 20-Jun-17

1 10273,39 10164 06-Feb-17 1 10128,93 10020,78 21-Jun-17

1 10245,26 10138,75 07-Feb-17 1 10105,09 9997,31 22-Jun-17

1 10233,95 10130,32 08-Feb-17 1 10105,09 9997,31 30-Jun-17

1 10195,76 10090,97 09-Feb-17 1 10289,07 10183,47 03-Jul-17

1 10222,12 10118,46 10-Feb-17 1 10313,07 10206,35 04-Jul-17

1 10284,88 10180,68 13-Feb-17 1 10225,68 10120,88 05-Jul-17

1 10276,84 10171,39 14-Feb-17 1 10199,5 10096,41 06-Jul-17

1 10339,03 10230,31 16-Feb-17 1 10201,67 10098,81 07-Jul-17

1 10312,81 10208,32 17-Feb-17 1 10257,17 10148,5 10-Jul-17

1 10301,77 10185,61 20-Feb-17 1 10241,18 10132,52 11-Jul-17

1 10308,87 10200,74 21-Feb-17 1 10296,58 10191,23 12-Jul-17

1 10329 10224,56 22-Feb-17 1 10300,79 10196,53 13-Jul-17

1 10310,59 10201,05 23-Feb-17 1 10382,44 10270,75 14-Jul-17

1 10327,01 10221,11 24-Feb-17 1 10463,16 10351,75 17-Jul-17

1 10305,19 10196,88 27-Feb-17 1 10544,23 10435,99 18-Jul-17

1 10307,32 10201,7 28-Feb-17 1 10601,87 10492,97 19-Jul-17

1 10331,5 10223,09 01-Mar-17 1 10630,62 10521,56 20-Jul-17

1 10295,25 10189,85 02-Mar-17 1 10627,64 10514,66 21-Jul-17

1 10151,4 10047,54 03-Mar-17 1 10597,7 10490,28 24-Jul-17

1 10176,67 10067,16 06-Mar-17 1 10607,86 10496,38 25-Jul-17

1 10194,24 10087,11 07-Mar-17 1 10605,55 10496,85 26-Jul-17

1 10186,64 10079,52 08-Mar-17 1 10756,45 10646,09 27-Jul-17

1 10112,26 10010,1 09-Mar-17 1 10679,58 10564,77 28-Jul-17

1 10128,65 10021,15 10-Mar-17 1 10693,25 10579,61 31-Jul-17

1 10152,49 10048,54 13-Mar-17 1 10762,88 10648,5 01-Agust-17

1 10150,81 10044,19 14-Mar-17 1 10650,07 10542,23 02-Agust-17

1 10175,59 10068,83 15-Mar-17 1 10619,8 10506,95 03-Agust-17

1 10297,52 10193,25 16-Mar-17 1 10657,9 10544,62 04-Agust-17

1 10298,11 10193,87 17-Mar-17 1 10637,85 10523,41 07-Agust-17

1 10343,05 10232,96 20-Mar-17 1 10617,78 10510,16 08-Agust-17

1 10317,48 10212,78 21-Mar-17 1 10540,06 10431,93 09-Agust-17

1 10256,55 10152,67 22-Mar-17 1 10579,23 10466,84 10-Agust-17

1 10271,67 10167,62 23-Mar-17 1 10545,36 10432,21 11-Agust-17

1 10205,07 10097,69 24-Mar-17 1 10601,4 10487,5 14-Agust-17

1 10201,67 10096,86 27-Mar-17 1 10551,77 10445,02 15-Agust-17

1 10236,66 10131,56 29-Mar-17 1 10529,68 10422,04 16-Agust-17

1 10254,05 10150,06 30-Mar-17 1 10606,93 10499,81 18-Agust-17

1 10240,48 10131,36 31-Mar-17 1 10649,01 10536,06 21-Agust-17

1 10198,59 10091,23 03-Apr-17 1 10640,89 10533,19 22-Agust-17

1 10192,07 10084,8 04-Apr-17 1 10591,77 10477,96 23-Agust-17

1 10143,45 10039,33 05-Apr-17 1 10601,25 10487,43 24-Agust-17

1 10101,75 9995,39 06-Apr-17 1 10585,78 10478,71 25-Agust-17

1 10096,22 9992,67 07-Apr-17 1 10646,25 10533,19 28-Agust-17

1 10023,75 9918,14 10-Apr-17 1 10639,44 10530,5 29-Agust-17

1 10017,67 9908,04 11-Apr-17 1 10714,59 10602,21 30-Agust-17

1 10010,97 9905,48 12-Apr-17 1 10600,22 10493,03 31-Agust-17

1 10092,14 9986,93 13-Apr-17 1 10681,32 10573,27 04-Sep-17

1 10105,31 10003,86 17-Apr-17 1 10686,21 10578,05 05-Sep-17

1 10107,95 10002,82 18-Apr-17 1 10717,84 10608,04 06-Sep-17

1 10107,95 10002,82 19-Apr-17 1 10706,34 10597,94 07-Sep-17

1 10055,63 9952,38 20-Apr-17 1 10797,48 10688,07 08-Sep-17

1 10083,09 9976,86 21-Apr-17 1 10635,49 10527,99 11-Sep-17

1 10101,67 9996,59 25-Apr-17 1 10610,88 10501,25 12-Sep-17

1 10036,02 9926,18 26-Apr-17 1 10662,48 10553,83 13-Sep-17

1 9991,67 9891,67 27-Apr-17 1 10655,97 10547,62 14-Sep-17

1 10009,34 9902,57 28-Apr-17 1 10660,27 10553,36 15-Sep-17

1 10098,81 9992,4 02-Mei-17 1 10679,12 10570,53 18-Sep-17

1 10050,31 9949,71 03-Mei-17 1 10611,23 10503,47 19-Sep-17

1 9931,2 9825,23 04-Mei-17 1 10694,14 10585,65 20-Sep-17

1 9913,74 9813,32 05-Mei-17 1 10613,16 10504,31 22-Sep-17

1 9905,32 9803,55 08-Mei-17 1 10644,11 10534,8 25-Sep-17

1 9850,62 9749,35 09-Mei-17 1 10660,9 10550,43 26-Sep-17

1 9877,25 9772 10-Mei-17 1 10602,08 10493,8 27-Sep-17

1 9903,75 9799,46 12-Mei-17 1 10600,19 10492,53 28-Sep-17

1 9902,96 9798,53 15-Mei-17 1 10631,61 10523,86 29-Sep-17

3.1 OUTPUT TREND DATA KURS JUAL

Berikut adalah hasil output dari pendekataran kurs jual secara linear :

Dari grafik yang berada diatas bisa kita lihat bahwa model dari trend diatas adalah Yt =
9951,8 + 3,552t (dimana t adalah nilai indeksnya). Dan untuk nilai error dari model diatas
jika menggunakan pengukuran MAPE (Mean Absolut Percentage Error) sebesar 1,6.
Berikut adalah hasil output dari pendekataran kurs jual secara kuadrat :

Dari hasil diatas kita juga dapat melihat bahwa model untuk pendekatan kuadrat ini adalah Yt
= 10175,4 – 3,902t (dimana t adalah nilai indeksnya). Dan untuk nilai error dari model diatas
jika menggunakan pengukuran MAPE (Mean Absolut Percentage Error) hasil yang
dihasilkan lebih kecil yaitu sebesar 1,4.
Berikut adalah hasil output dari pendekataran kurs jual secara eksponensial :

Sedangkan pendekatan ekponensial menghasilkan model Yt = 9955,87 x (1,00034t), (dimana

t adalah nilai indeksnya). Dan untuk nilai error dari model diatas jika menggunakan
pengukuran MAPE (Mean Absolut Percentage Error) sebesar 1,6.
3.2 OUTPUT TREND DATA KURS BELI

Berikut adalah hasil output dari pendekataran kurs beli secara linear :

Untuk hasil output dari kurs beli menggunakan model linear menghasilkan model Yt =
9846,5 + 3,533t (dimana t adalah nilai indeksnya). Dengan model linear tersebut bisa
dikatakan baik karena menghasikan nilai error dari nilai ukur MAPE (Mean Absolut
Percentage Error) sebesar 1,6.
Berikut adalah hasil output dari pendekataran kurs beli secara kuadrat :

Sedangkan pendekatan kuadrat menghasilkan model Yt = 10067,5 – 3,832t + 0,04115t2

(dimana t adalah nilai indeksnya). Dan untuk nilai error dari modelnya jika menggunakan
pengukuran MAPE (Mean Absolut Percentage Error) sebesar 1,4.
Berikut adalah hasil output dari pendekataran kurs beli secara eksponensial :

Dan yang terakhir menggunakan pendekatan eksponensial dimana modelnya Yt = 9850,63 x

(1,00034t), (dimana t adalah nilai indeksnya). Dan untuk nilai error dari modelnya jika
menggunakan pengukuran MAPE (Mean Absolut Percentage Error) sebesar 1,6.
 BAB III

KESIMPULAN

Dari kesemua model diatas dapat disimpulkan bahwa untuk hasil pendekatan kurs jual, model
yang sangat baik adalah model yang nilai errornya paling kecil yaitu pendekatan model
kuadrat dengan nilai MAPEnya sebesar 1,4. Begitu pula dengan hasil output kurs beli model
yang sangat baik adalah model kuadrat dengan nilai MAPE sebesar 1,4.

Jadi dapat disimpulkan bahwa untuk data kurs transaksi Bank Indonesia dari 03 Januari
sampai dengan 29 September 2017 pendekatan yang paling baik untuk meramalkan kurs
transaksi dimasa depan yaitu model kuadrat dengan nilai error dari MAPE sebesar 1,4.
 DAFTAR PUSTAKA

http://wenthyoktavin.blogspot.com/2011/12/time-series-deret-berkala_3237.html

http://digensia.wordpress.com/2012/08/24/analisa-time-series/

http://adrianusentjaurau.blogspot.com/