KATA PENGANTAR

Puji dan Syukur kami ucapkan pada kehadirat Tuhan Yang Maha Esa, karena

berkatlimpahan Rahmat dan Karunia – Nya, kami dapat menyelesaikan makalah ini dengan

baikdan tepat pada waktunya. Makalah ini membahas mengenai bagaimana

melakukanperamalan dengan menggunakan metode dekomposisi sensus .. Kami

mengucapkan terima kasih kepada semua pihak yangtelah membantu dalam penyelesaian

makalah ini. Kami menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu

kamimengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan

makalahselanjutnya. Akhir kata, semoga makalah ini mampu memberikan informasi tidak

hanya bagi paramahasiswa, tetapi kepada semua pihak dan bermanfaat untuk pengembangan

ilmupengetahuan bagi kita semua.

Padang, 31 januari 2019

Penulis
 DAFTAR ISI

KATA PENGANTAR ..........................................................................................

DAFTAR ISI .........................................................................................................

BAB I PENDAHULUAN .....................................................................................

1.1 Latar Belakang ...........................................................................................

1.2 Rumusan Masalah ......................................................................................
1.3 Tujuan ........................................................................................................

BAB II PEMBAHASAN ......................................................................................

2.1 Pengertian Dekomposisi ............................................................................

2.2 .....................................................................................................................

BAB III PENUTUP ..............................................................................................

3.1 Kesimpulan ................................................................................................

3.2 Saran ..........................................................................................................

DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

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

siklus dalam data untuk tujuan peramalan.

1.2 Rumusan Masalah

1. Apa pengertian dekomposisi ?

2. Apa saja metode dalam dekomposisi ?

3. Apa saja langkah yang dilakukan dalam Analisis Ramalan menggunakan

dekomposisi?
1.3 Tujuan

1. Mengetahui pengertian dari dekomposisi

2.Mengetahui apa saja metode yang ada dalam dekomposisi

3.Mengetahui langkah-langkah dalam Analisis Ramalan dalam menggunakan

dekomposisi
 BAB II

PEMBAHASAN

2.1 Pengertian Dekomposisi

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 dilakukan untuk

membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret

data secara lebih baik (Makridakis, Wheelwright dan McGee, 1992).

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

biasanya diadakan pendekomposisian data kedalam beberapa komponen. Masing-masing

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

dilakukan untuk membantu meningkatkan ketepatan peramalan dan membantu pemahaman

atas perilaku deret data secara lebih baik .”

Menurut (Vincent, 1991)“Metode dekomposisi merupakan salah satu model peramalan

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.

taksir atau ramalan.

Metode dekomposisi dilandasi oleh asumsi bahwa data yang ada merupakan gabungan dari
beberapa komponen,

Data = pola + kesalahan = f(trend, siklus, musiman) + kesalahan

Komponen kesalahan diasumsikan sebagai perbedaan dari kombinasi komponen

trend, siklus dan musiman dengan data sebenarnya (Assauri, 1984).

Asumsi di atas mengandung pengertian bahwa terdapat empat komponen yang

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

tidak beraturan (Awat, 1990).

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.

.Model multiplikatif dari metode dekomposisi adalah :

Xt = It . Tt . Ct .Et
sedangkan model aditifnya adalah :
Xt = It + Tt + Ct + Et
dimana,

Xt = data aktual pada periode ke-t

Tt = komponen Tren pada periode ke-t

Ct = komponen siklus pada periode ke-t

It = komponen musiman pada periode ke-t

Et = komponen kesalahan pada periode ke-t

2.2 Metode Dekomposisi

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 adalah nilai deret berkala (data aktual) pada periode ke-t

𝐼𝑡 adalah nilai komponen musiman pada periode ke-t

𝑇𝑡 adalah nilai komponen trend pada periode ke-t

𝐶𝑡 adalah nilai komponen sikklus pada periode ke-t

𝐸𝑡 adalah nilai komponen galat pada periode ke-t

 Akan dilakukan peramalan penjualan mobil di Indonesia pada kuartal 1 dan 2 tahun 2014
berdasarkan data yang kami peroleh yaitu data penjualan mobil di Indonesia dari awal tahun
2009 sampai dengan akhir tahun 2013 yang disajikan dalam kuartalan. Metode yang akan
dibahas pada makalah ini merupakan metode pendekatan peramalan tertua, yaitu Metode
Dekomposisi.
Tahun Kuartal T Jumlah Penjualan Mobil
1 1 1424
2 2 2461
2009
3 3 1669
4 4 2132
1 5 1683
2 6 2778
2010
3 7 1737
4 8 2305
1 9 1793
2 10 3035
2011
3 11 1861
4 12 2488
1 13 1907
2 14 3325
2012
3 15 2065
4 16 2679
1 17 2122
2 18 3564
2013
3 19 2249
4 20 2867

Hal pertama kali yang dilakukan dalam melakukan peramalandengan pendekatan

metode dekomposisi adalah mengetahui waktu terjadinya musiman. Hal ini dapat dilakukan
dengan cara melihat plot atau melihat dari data aktual terbesar dalam satu periode.
Pada data mengenai penjualan mobil di Indonesia dari awal tahun 2009 sampai
dengan akhir tahun 2013 diketahui bahwa dalam tahun pertama yaitu tahun 2009 (satu
periode pertama) nilai aktual tertinggi yaitu sebesar2461pada kuartal 2 tahun 2009 (t=2 ).
Sehingga perhitungan pertama kali dilakukan pada t=3.
 Berikut adalah tabel analisis peramalan penjualan mobil di Indonesia pada kuartal 1
dan 2 tahun 2014 berdasarkan penjualan mobil di Indonesia dari awal tahun 2009 sampai
dengan akhir tahun 2013 menggunakan metode dekomposisi :
Tabel 1
Peramalan Penjualan Mobil di Indonesia pada Kuartal 1 dan 2 Tahun 2014
Jumlah Rata
Thn Kuartal t Penjualan rata Rasio Trend Siklus Forecast e e/Xi
Mobil bergerak
2009 1 1 1424
2009 2 2 2461
2009 3 3 1669 1921.5 86.85922 1931.2 99.5 1576.3 92.66 0.0555
2009 4 4 2132 1986.25 107.3379 1981.3 100.25 2049.2 82.82 0.0388
2010 1 5 1683 2065.5 81.48148 2031.4 101.68 1602.3 80.75 0.048
2010 2 6 2778 2082.5 133.3974 2081.6 100.04 2754 23.98 0.0086
2010 3 7 1737 2125.75 81.71234 2131.7 99.72 1740 -3.05 0.0018
2010 4 8 2305 2153.25 107.0475 2181.9 98.689 2256.6 48.39 0.021
2011 1 9 1793 2217.5 80.85682 2232 99.351 1760.4 32.56 0.0182
2011 2 10 3035 2248.5 134.9789 2282.1 98.526 3019.4 15.64 0.0052
2011 3 11 1861 2294.25 81.11583 2332.3 98.37 1903.8 -42.8 0.023
2011 4 12 2488 2322.75 107.1144 2382.4 97.496 2464 23.97 0.0096
2012 1 13 1907 2395.25 79.61591 2432.5 98.467 1918.6 -11.6 0.0061
2012 2 14 3325 2446.25 135.9223 2482.7 98.532 3284.7 40.3 0.0121
2012 3 15 2065 2494 82.79872 2532.8 98.467 2067.5 -2.46 0.0012
2012 4 16 2679 2547.75 105.1516 2583 98.637 2671.5 7.543 0.0028
2013 1 17 2122 2607.5 81.38063 2633.1 99.028 2076.8 45.2 0.0213
2013 2 18 3564 2653.5 134.3132 2683.2 98.892 3550 13.96 0.0039
2013 3 19 2249 2700.5 83.28087 2733.4 98.797 2231.2 17.84 0.0079
2013 4 20 2867 2878.9 -11.9 0.0041
2014 1 21 2217.2
2014 2 22 3811.8

2.3 Analisis Peramalan

Analisis peramalan dengan menggunakan metode dekomposisi dilakukan dengan

langkah- langkah sebagai berikut.

1. Analisis dekomposisi ini dimulai dengan menghitung rata- rata bergerak

gandadimulai dari t=3. Rata- rata bergerak ganda untuk t=3 dihitung dengan
menggunakan rata-rata berdasarkan data aktual dari t=1 hingga t=4, rata- rata
bergerak ganda untuk t=4 dihitung dengan menggunakan rata- rata berdasarkan
dataaktual dari t=2 hingga t=5, dan seterusnya.
 2. Langkah selanjutnya yang perlu dilakukan adalah dengan menghitung nilai rasio dari
masing- masing data aktual terhadap rata- rata bergerak ganda. Nilai rasio diperoleh
dengan perumusan sebagai berikut.

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

Rata Medial dan Indeks Musiman

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 :

𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑝𝑒𝑛𝑦𝑒𝑠𝑢𝑎𝑖𝑎𝑛 = 400 /405.4 = 0.986652

Nilai
penyesuaian 0.986652

Sedangkan nilai pada baris indeks musiman didapat berdasarkan persamaan matematis
berikut.

𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚𝑎𝑛 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑝𝑒𝑛𝑦𝑒𝑠𝑢𝑎𝑖𝑎𝑛 × 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑚𝑒𝑑𝑖𝑎𝑛 𝑡𝑖𝑎𝑝 𝑝𝑒𝑟𝑖𝑜𝑑𝑒

4. Menentukan koefisien intercept dan slope

Menentukan koefisien intercept dan slope dengan rumus sebagai 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

Sehingga dapat dibentuk persamaan sebagai berikut.

𝒚̂𝒕 = 𝟏𝟕𝟖𝟎. 𝟕 + 𝟓𝟎. 𝟏𝟑𝟖𝒕

5. Menghitung nilai pada kolom Trend

Perhitungan dilakukan dengan menghitung nilai 𝑦̂𝑡 berdasarkan persamaan regresi yang telah
dibentuk pada poin 4.

𝑦̂𝑡 = 1780.7 + 50.138𝑡

Dimana nilai 𝑦̂𝑡 merupakan nilai taksiran untuk trend (nilai taksiran setelah unsur musiman
dihilangkan).

6. Menghitung nilai pada kolom Siklus

Perhitungan dilakukan dengan perumusan sebagai berikut.

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.

7. Menghitung nilai peramalan untuk periode ke-t

Perhitungan peramalan untuk periode ke-t dilakukan dengan menggunakan perumusan
sebagai berikut.

𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚𝑎𝑛 𝐼𝑛𝑑𝑒𝑘𝑠 𝑆𝑖𝑘𝑙𝑢𝑠

𝐹𝑡 = (1780.7 + 50.138𝑡) × ×
100 100

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.

Penjualan Mobil di Indonesia

Nilai Aktual & Peramalan Dekomposisi
4500
4000
3500
3000
Jumlah Penjualan
Axis Title

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

Ukuran 1839.752 1.606382 %

Sedangkan untuk grafik plot data error dari metode dekomposisi adalah

Analisis Kesalahan Metode Dekomposisi

100
80
60
40
20 e
0
-20 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-40
-60
 BAB III

PENUTUP

3.1 Kesimpulan

Dengan menggunakan metode dekomposisi, dimana dalam praktiknya, metode ini

memisahkan tiga komponen terpisah dari pola dasarnya. Komponen tersebut adalah

faktor trend, siklus dan musiman.

3.2 Saran

Saran dari makalah ini adalah

DAFTAR PUSTAKA