Puji dan Syukur kami ucapkan pada kehadirat Tuhan Yang Maha Esa, karena
berkatlimpahan Rahmat dan Karunia – Nya, kami dapat menyelesaikan makalah ini dengan
mengucapkan terima kasih kepada semua pihak yangtelah membantu dalam penyelesaian
makalah ini. Kami menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu
makalahselanjutnya. Akhir kata, semoga makalah ini mampu memberikan informasi tidak
hanya bagi paramahasiswa, tetapi kepada semua pihak dan bermanfaat untuk pengembangan
Penulis
DAFTAR ISI
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
Metode sensus dikembangkan oleh Biro Sensus dari departemen perdagangan AS.
Julius Shiskin dianggap sebagai kontributor utama dalam pengembangan metode ini. Sensus
telah digunakan secara luas oleh biro tersebut,badan badan pemerintah lain di Amerika
Serikat dsn negara-negara lain, serta oleh sejumlah perusahaan yang semakin banyak.
Sensus mengalami beberapa variasi sejak 1955 pada saat versi yang pertama dikembangkan.
Metode sensus meliputi 4 fase yang berbeda. Dalam fase pertama dilakukan
penyesuaian data terhadap variasi hari perdangan . fase kedua merupakan penaksiran
pendahuluan dari faktor musiman dan penyesuaian tersebut sehingga dapat dihitung faktor
musiman secara lebih tepat. Fase ketiga memperkirakan penyesuaian tersebut sehingga
dapat dihitung faktor musiman secara lebih tepat. Fase keempat menghasilkan statistik
ringkas yang dapat digunakan untuk menentukan keberhasilan penyesuaian musim yang
telah dilakukan dan memberikan informasi yang diperlukan untuk menafsir unsur tren
dekomposisi?
1.3 Tujuan
dekomposisi
BAB II
PEMBAHASAN
(memecah) data deret waktu menjadi beberapa pola dan mengidentifikasi masing-masing
komponen dari deret waktu tersebut secara terpisah. Pemisahan ini dilakukan untuk
membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret
Subagyo (1986) menjelaskan bahwa perubahan sesuatu hal itu biasanya mempunyai
pola yang agak komplek, misalnya ada unsur kenaikan, penurunan, berfluktuasi dan tidak
teratur, sehingga untuk diramal dan dianalisis dengan sekaligus sangatlah sulit, sehingga
komponen akan dipelajari dan dicari satu persatu, setelah ditemukan akan digabung lagi
menjadi nilai Menurut (Pangestu Subagyo, 2002)“Metoda Dekomposisi dibagi kedalam dua
bentuk metoda yaitu metoda Trend Linier Least Squares dan Trend Eksponensial.
Penggunaan metoda-metoda itu tentu saja disesuaikan dengan kebutuhan dan sifat data yang
dimiliki.”
Menurut (E Mcgee, 1992) “Prinsip dasar dari metode dekomposisi deret waktu adalah
mendekomposisi (memecah) data deret waktu menjadi beberapa pola dan mengidentifikasi
masing-masing komponen dari deret waktu tersebut secara terpisah. Pemisahan ini
yang telah lama dipergunakan diantara metode-metode lainnya.” Model ini diperkenalkan
oleh para ahli ekonomi pada permulaan abad ke-20 dalam mencoba mengendalikan siklus
usaha. Dasar dari metode dekomposisi yang sekarang diperkenalkan pada tahun 1920 ketika
konsep rasio terhadap trend diperkenalkan. Sejak saat itu metode dekomposisi telah
dipergunakan secara luas dalam bidang ekonomi dan bisnis. Metode dekomposisi
mendasarkan asumsi bahwa data yang ada merupakan gabungan komponen pola dan error.
Metode dekomposisi dilandasi oleh asumsi bahwa data yang ada merupakan gabungan dari
beberapa komponen,
mempengaruhi suatu deret waktu, yaitu tiga komponen yang dapat diidentifikasi karena
memiliki pola tertentu yaitu : tren, siklus dan musiman, sedangkan komponen kesalahan tidak
dapat diprediksi karena tidak memiliki pola yang sistematis dan mempunyai gerakan yang
Trend adalah kecenderungan gerak naik atau turun pada data yang terjadi dalam
jangka panjang. Variasi musim adalah gerak naik dan turun yang terjadi secara periodik
(berulang dalam selang waktu yang sama). Komponen siklis adalah perubahan gelombang
pasang surut yang berulang kembali dalam waktu yang cukup lama, misalnya : 10 tahun,
kuartal ke-20 dan lain-lain. Komponen kesalahan (random) adalah gerakan yang tidak teratur
dan terjadi secara tiba-tiba serta sulit untuk diramalkan. Gerakan ini dapat timbul sebagai
akibat adanya peperangan, bencana alam, krisis moneter dan lain-lain (Nugroho, 1993).
Menurut Hildebrand (1991), komponen tren, siklus, musiman dan kesalahan dari deret waktu
dapat diasumsikan dalam dua model yang berbeda yaitu model multiplikatif dan model aditif.
Metode dekomposisi mencoba memisahkan tiga komponen terpisah dari pola dasarnya.
Komponen tersebut adalah faktor trend, siklus dan musiman. Sehingga metode dekomposisi
mempunyai asumsi bahwa data itu tersusun sebagai berikut.
𝑑𝑎𝑡𝑎 = 𝑝𝑜𝑙𝑎 + 𝑔𝑎𝑙𝑎𝑡
𝑑𝑎𝑡𝑎 = 𝑓(𝑡𝑟𝑒𝑛𝑑, 𝑠𝑖𝑘𝑙𝑢𝑠, 𝑚𝑢𝑠𝑖𝑚𝑎𝑛) + 𝑔𝑎𝑙𝑎𝑡
Konsep dasar dalam pemisahan tersebut bersifat empiris dan tetap yang mula- mula
memisahkan musiman, trend kemudian siklus. Residu yang ada dianggap unsur acak yang
walaupun tidak dapat ditaksir tetapi dapat diidentifikasi.
Penulisan matematis umum dari pendekatan dekomposisi ini adalah sebagai berikut.
𝑋𝑡 = 𝑓(𝐼𝑡 , 𝑇𝑡 , 𝐶𝑡 , 𝐸𝑡 )
dimana
𝑋𝑡
𝑀𝑡 = × 100
𝑁𝑡
dimana 𝑋𝑡 merupakan nilai dari data aktual pada waktu ke-t sedangkan 𝑁𝑡 merupakan
nilai dari rata- rata bergerak pada waktu ke-t.
3. Mengelompokkan nilai dari masing- masing rasio berdasarkan periode yang sama,
misalnya kuartal 1 2010 dengan kuartal 1 2011, kuartal 2 2010 dengan kuartal 2 2011
dan seterusnya. Kemudian dicari nilai rata- rata medial untuk masing- masing
kelompok periode tersebut seperti pada tabel berikut ini.
Tabel 2
Tahun 1 2 3 4 Total
2009 86.859 107.34
2010 81.48148 133.4 81.712 107.05
2011 80.85682 134.98 81.116 107.11
2012 79.61591 135.92 82.799 105.15
2013 81.38063 134.31 83.281
Rata medial 80.23636 135.45 83.591 106.13 405.4
Indeks
musiman 79.16541 133.64 82.476 104.72 400
Nilai pada baris rata- rata medial didapat dari rata- rata masing- masing nilai rasio dalam
periode yang sama. Setelah dihitung nilai rata- rata medial dari masing- masing rasio tersebut
kemudian dijumlahkan. Berdasarkan tabel di atas di dapat jumlah dari rata- rata medial
adalah sebesar 405.4 yang jika dibulatkan ke bawah menjadi 400. Kemudian mencari
koefisien penyesuaian dengan mengalikan 400 dengan total dari rata- rata median, sehingga :
Nilai
penyesuaian 0.986652
Sedangkan nilai pada baris indeks musiman didapat berdasarkan persamaan matematis
berikut.
𝑛 ∑ 𝑡𝑋 − ∑ 𝑡 ∑ 𝑋
𝑏=
𝑛 ∑ 𝑡 2 − (∑ 𝑡)2
∑𝑋 ∑𝑡
𝑎= −𝑏
𝑛 𝑛
Berdasarkan persamaan tersebut maka didapat koefisien intercept dan slopesebagai berikut.
Intercept 1780.7
Slope 50.138
Dimana nilai 𝑦̂𝑡 merupakan nilai taksiran untuk trend (nilai taksiran setelah unsur musiman
dihilangkan).
𝑁𝑡
𝑆𝑖𝑘𝑙𝑢𝑠 = × 100
𝑇𝑡
Dimana 𝑁𝑡 adalah nilai dari rata- rata bergerak untuk waktu ke- t dan 𝑇𝑡 adalah nilai trend
untuk waktu ke-t.
Tujuh langkah yang telah dibahas sebelumnya perlu dilakukan dalam melakukan
peramalan untuk masa yang akan datang dengan menggunakan metode dekomposisi.
Berdasarkan pada tabel 1 ( peramalan dapat dilihat bahwa nilai peramalan penjualan mobil di
Indonesia pada kuartal 1 tahun 2014 adalah 2217.2 dan pada kuartal 2 tahun 2014 adalah
3811.8. Secara grafis, pergerakan antara data aktual dengan data peramalan persediaan karet
kering dapat digambarkan sebagai berikut.
2500
Mobil
2000
Forecast
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21
Berdasarkan pada grafik di atas dapat dilihat bahwa pergerakan nilai aktual dan nilai
peramalan penjualan mobil di Indonesia hampir bergerak seirama. Untuk melihat tingkat
keakuratan nilai peramalan dengan menggunakan metode dekomposisi ini, maka di bawah ini
adalah hasil analisis residualnya.
Tabel 3
Analisis Error ( Kesalahan ) Metode Dekomposisi
Ukuran
MSE MAPE
Peramalan
Sedangkan untuk grafik plot data error dari metode dekomposisi adalah
PENUTUP
3.1 Kesimpulan
memisahkan tiga komponen terpisah dari pola dasarnya. Komponen tersebut adalah
3.2 Saran