oktafiaaa.

end
ANALISIS TIME SERIES
oktafiaendah
5 years ago
Advertisements
Dasar-dasar Analisis Runtun Waktu (Time-Series Analysis)

Analisis runtun waktu adalah suatu metode kuantitatif untuk menentukan pola data masa lalu yang
telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan
yang menjelaskan bahwa deretan observasi pada suatu variabel dipandang sebagai realisasi dari
variabel random berdistribusi bersama. Gerakan musiman adalah gerakan rangkaian waktu yang
sepanjang tahun pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik.
contohnya: harga saham, inflasi. Gerakan random adalah gerakan naik turun waktu yang tidak
dapat diduga sebelumnya dan terjadi secara acak contohnya: gempa bumi, kematian dan
sebagainya.

Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi
kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses
dalam keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat
dimodelkan. Namun, deret yang nonstasioner dapat ditransformasikan menjadi deret yang
stasioner.

Runtun waktu adalah himpunan observasi berurut dalam waktu atau dimensi apa saja Pola data
dalam time series dapat dibedakan menjadi empat jenis siklis (cyclical) dan trend.

Pola Horizontal (H) terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan.
(Pola seperti itu adalah “stasioner” terhadap nilai rata-ratanya). Suatu produk yang penjualannya
tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini. Demikian pula, suatu
keadaan pengendalian kualitas yang menyangkut pengambilan contoh dari suatu proses produksi
kontinyu yang secara teoritis tidak mengalami perubahan juga termasuk jenis ini.
Pola Musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal
tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).
Pola Siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang
seperti yang berhubungan dengan siklus bisnis.
Pola Trend (T) terjadi bila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
Beberapa definisi tentang runtun waktu :

Definisi 1 : Runtun waktu adalah himpunan observasi terurut dalam waktu atau dalam dimensi
lain. Berdasarkan sejarah nilai observasinya runtun waktu dibedakan menjadi dua yaitu : runtun
waktu deterministik dan runtun waktu stokastik.

Definisi 2 : Runtun waktu deterministik adalah runtun waktu yang nilai observasi yang akan
datang dapat diramalkan secara pasti berdasarkan observasi lampau.
Definisi 3 : Runtun waktu stokastik adalah runtun waktu dengan nilai observasi yang akan datang
bersifat probabilistik, berdasarkan observasi yang lampau.

MANFAAT

Dari analisis time series dapat diperoleh ukuran-ukuran yang dapat digunakan untuk membuat
keputusan pada saat ini, untuk peramalan dan untuk merencanakan masa depan.

KOMPONEN TIME SERIES

Nilai variable time series (Y) mempunyai empat komponen yaitu:

Trend jangka panjang (T)

Siklus (C)
Variasi musim (S)
Dan gerakan tak teratur (I)
1) Trend (T) merupakan sifat dari permintaan di masa lalu terhadap waktu terjadinya, apakah
permintaan tersebut cenderung naik, turun, atau konstan.

2) Siklus (C)

– Siklus yang berulang, biasanya lebih dari setahun, sehingga pola ini tidak perlu
dimasukkan dalam peramalan jangka pendek

– Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang

3) Musiman (S)

Fluktusasi dapat naik turun disekitar garis trend dan biasanya berulang setiap tahun. Disebabkan
oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara
periodik setiap tahunnya

4) Variasi acak (R)

Pola variasi acak karena faktor-faktor adanya bencana alam, bangkrutnya perusahaan pesaing,
promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak
diperlukan dalam rangka menentukan persediaan pengaman untuk mengantisipasi kekurangan
persediaan bila terjadi lonjakan permintaan.

 Trend Jangka Panjang

– Trend jangka panjang adalah suatu garis atau kurva yang halus yang menunjukkan suatu
kecendrungan umum suatu variabel time – series
 Manfaat mengetahui Trend

– Secara langsung dapat membantu menyusun perencanaan. Misal : bila trend penjualan
selama beberapa tahun menunjukkan kenaikan maka adalah logis bila kita meramalkan penjualan
pada tahun-tahun berikutnya juga akan bertambah

– Memudahkan bagi kita untuk mempelajari komponen lain, terutama C (cyclical variation)
karena C ini berfluktuasi sepanjang (sekitar) garis trend

 Metode menghitung trend

– Metode bebas (free hand method)

– Metode setengah rata-rata (semi average method)

– Metode rata-rata bergerak (moving average method)

– Metode kuadrat terkecil (least square method)

Metode bebas

Metode ini sangat sederhana dan tidak memerlukan perhitungan-perhitungan.

Data hasil pengematan kita gambarkan dalam suatu diagram pencar, kemudian kita tarik garis
lurus secara bebas melalui diagram pencar tersebut.
Arah garis tersebut sesuai dengan letak titiktitiknya
Metode ini menghasilkan trend yang kasar dan bersifat subjektif
Metode Setengah Rata-rata

Langkah-langkah:

Bagi data deret waktu menjadi dua bagian. Bila jumlah tahunnya ganjil kita dapat membagi ke
dalam dua bagian yang sama dengan tidak memasukkan tahun yang berada ditengah
Hitunglah semi total setiap bagian dengan jalan menjumlahkan nilai-nilai deret waktu dalam tiap-
tiap bagian
Dari tiap bagian tersebut kemudian dicari rataratanya
Letakkan nilai rata-rata tersebut di tengah-tengah masing-masing bagian
Hubungkan kedua nilai rata-rata tersebut dengan garis lurus, dan garis lurus inilah trend-nya
Metode Rata-rata Bergerak

Dalam metode ini kita mengganti nilai data suatu tahun dengan nilai rata-ratanya, dihitung dengan
nilai data tahun yang mendahului dan nilai data tahun berikutnya
Biasanya digunakan 3 – 5 tahun rata-rata bergerak (moving average).
Tahun
Penjualan Bersih

3 Tahun Total Bergerak

3 Tahun Rata-Rata Bergerak

1981

127

1982

134

437

145.7

1983

176

475

158.3

1984

165

599

166.7

1985

159

503
167.7

1986

179

553

184.3

1987

215

626

208.7

1988

232

685

228.3

1989

238

792

264.0

1990

322

949

316.3

1991
389

1079

359.7

1992

368

1151

383.7

1993

394

1148

382.7

1994

386

Metode Kuadrat terkecil

Taksiran trend dihitung dengan ketentuan bahwa jumlah deviasi kuadrat antara tiap nilai deret
waktu dengan nilai trend adalah minimum
Untuk itu kita menggunakan persamaan garis lurus yang dinyatakan dengan è Y = a + bX
Dimana:
– X = periode waktu,

– Y = dapat berupa nilai penjualan, produksi, persediaan dan variabel lain

– a = nilai Y apabila X = 0
– b = besarnya perubahan variabel Y yang terjadi pada setiap perubahan satu unit variabel X

Rumus untuk mendapatkan nilai a dan b adalah :

ΣY = n.a + b.ΣX

ΣXY = a.ΣX + b.ΣX2

Dengan short method:

– a = ΣY / n

– b = ΣXY / ΣX2

Metode Kuadrat Terkecil (n Ganjil)

Tahun

Penjualan (Jutaan Rp) Y

Deviasi Dalam Tahun (X)

X.Y

X2

Trend

1989

-2

-6

3.4

1990

-1
-5

4.2

1991

5.0

1992

5.8

1993

12

6.6
0

10

25.0

Metode Kuadrat Terkecil (n Genap)

Tahun

Penjualan (Jutaan Rp) Y

Deviasi Dalam Tahun (X)

X.Y

X2

Trend

1985

-5

-15

25

3.0

1986

-3

-12
9

4.2

1987

-1

-5

5.4

1988

6.6

1989

21

7.8

1990

9
5

45

25

9.0

42

70

36.0

Trend Parabolic

Trend tidak selalu dapat dilukiskan dengan garis lurus.

Apabila sederetan data secara jelas menyimpang dari garis lurus, kita harus mempertimbangkan
menggunakan pendekatan dengan kurva bentuk lainnya.
Ada kemungkinan bentuk kurvanya mengikuti tipe parabolic, yang juga disebut second degree
polynomial, yang dinyatakan dengan perumusan: Y = a + bX + cX2
Y = a + bX + cX2
∀ ΣY = n.a + b.ΣX + c.ΣX2

∀ ΣXY = a.ΣX + b.ΣX2 + c.ΣX3

∀ ΣX2Y = a.ΣX2 + b.ΣX3 + c.ΣX4

a = nilai Y bila X = 0
b = trend kenaikan (increment)
c = perubahan pada kecondongan per X, yaitu 1 tahun
Dengan short method, ΣX dan ΣX3 sama dengan nol, sehingga,
∀ ΣY = n.a + c.ΣX2

∀ ΣXY = b.ΣX2
∀ ΣX2Y = a.ΣX2 + c.ΣX4

Metode Kuadrat Terkecil Parabolic (n Ganjil)

Tahun

Penjualan (Jutaan Rp) Y

Deviasi dalam tahun (X)

X.Y

X2

X2 Y

X3

X4

1980

1981

9
1982

13

1983

20

1984

19
1985

17

1986

15
Sumber :

http://www.statistika-unhalu.org/berita-122-dasardasar-analisis-runtun-waktu-timeseries-
analysis.html
http://www.slideshare.net/yunitadwijayanti/materi-8-analisis-time-series

Advertisements
Categories: Uncategorized
Leave a Comment
oktafiaaa.end
Blog at WordPress.com.

Back to top
Advertisements