1.1. Pendahuluan
dianjurkan oleh para penyelidik ilmiah. Selain daripada ilmu hayat sendiri, ilmu
manusia modern. Ilmu pengetahuan tersebut sudah meliputi segalah metode guna
deskriptif. Croxton dan cowden berpendapat bahwa metode statistik terlalu memberi
kwantitatif secara deskriptif agar dapat memberi gambaran yang teratur tentang
suatu peristiwa. Karena itu, metode demikian acapkali dinamakan metode statistik
deskriptif maka semakin banyak pula pertanyaan tentang apa itu statistik deskriptif
dan yang terkandung didalamnya serta apa saja yang perlu di ketahui dalam
mempelajari statistik.
Pada pertemuan ini akan dijelaskan tentang Analisis Deret Berkala dengan metode
1.4.Pembahasan
Croxton dan Cowden memperkenalkan metode statistik tahun 1955 yaitu dengan
metode Statistik Deskriptif dengan memberi definisi statistik sebagai metode guna
Dalam metode Statistik Deskriptif terdapat berbagi jenis metode statistik salah
∙ 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 waktu, dicatat secara
teliti menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik.
Dari suatu runtut waktu akan dapat diketahui pola perkembangan suatu
suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat
Jika nilai variabel atau besarnya gejala (peristiwa) dalam runtut waktu
(serangkaian waktu) diberi simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan nilai
variabel (peristiwa) diberi simbol X1, X2, ..Xn maka rutut waktu dari nilai variabel Y
dapat ditunjukan oleh persamaan Y = f (X) yaitu besarnya nilai variabel Y tergantung
Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4
(empat) pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala
1. Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya
dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun
keatas.
2. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih
teratur.
3. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih
teratur.
4. Variasi Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama sekali.
Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
∙ Gerakan/variasi trend jangka panjang atau long term movements or seculer
trend yaitu suatu gerakan yang menunjukan arah perkembangan secara umum
(kecenderungan menaik atau menurun) dan bertahan dalam jangka waktu yang
yang berayun naik dan turun, secara periodik disekitar garis trend dan memiliki
waktu gerak yang kurang dari 1 (satu) tahun, dapat dalam kwartal, minggu atau hari.
∙ Gerakan variasi yang tidak teratur (irregular or random movements) yaitu
gerakan atau variasi yang sporadis sifatnya. Faktor yang dominan dalam gerakan ini
alam dll
Dari gerakan siklis diperoleh titik tertinggi (puncak) dan titik terendah (lembah).
o Variasi sikli berlangsung selama lebih dari setahun dan tidak pernah variasi tersebut
o Gerakan sikli yang sempurna umumnya meliputi fasefase pemulihan (recovery),
Pola musiman juga menunjukan puncak dan lembah seperti pada siklus,
Jika dikaitkan dengan kegiatan bisnis dan ekonomi, analisis deret berkala
atau analisis time series seringkali digunakan untuk memprediksi nilai dimasa yang
akan datang. Dengan diketahuinya nilai dimasa mendatang, maka pihak manajemen
Nilai dimasa mendatang itu pada dasarnya merupakan nilai time series
mendatang, dengan dasar faktor-faktor (nilai-nilai) yang telah diterjadi dimasa lalu.
Trend (T) atau Trend Sekuler ialah gerakan dalam deret berkala yang berjangka
panjang, lamban dan berkecenderungan menuju ke satu arah, arah menaik atau
∙ Persamaan trend, baik persamaan linear maupun persamaan non linear
∙ Gambar/grafik yang dikenal dengan garis/kurva trend, baik garis lurus maupun
garis melengkung.
Trend juga sangat berguna untuk membuat ramalan yang sangat diperlukan
biasanya dipakai, antara lain adalah Metode Semi Average dan Metode Least
Square.
lebih teliti.
Persamaan garis trend yang akan dicari ialah
dengan :
waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau ∑x=0.
N Tahun Penjualan
o (X) (Y)
1 1995 130
2 1996 145
3 1997 150
4 1998 165
5 1999 170
Dari data tersebut akan dibuat forecast penjualan dengan menggunakan Metode
least Square.
Penyelesaian :
Tahun Penjualan
X X2 XY
(X) (Y)
1995 130 -2 4 -260
1996 145 -1 1 -145
1997 150 0 0 0
1998 165 1 1 165
1999 170 2 4 340
Total 760 0 10 100
a = 760 : 5
= 152
b = 100 : 10
= 10
diketahui yaitu :
Y = 152 + 10X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan
Penjualan
Tahun
(Y)
1995 132
1996 142
1997 152
1998 162
1999 172
Dari persamaan fungsi Y diatas juga dapat disusun ramalan penjualan pada
= 182
Penjualan
Tahun
(Y)
2000 182
2001 192
2002 202
2003 212
2004 222
Penjualan
No Tahun
(Y)
1 1995 130
2 1996 145
3 1997 150
4 1998 165
5 1999 170
6 2000 185
Dari data tersebut akan dibuat ramalan penjualan dengan menggunakan Metode
least Square.
Penyelesaian :
Penjualan
Tahun X X2 XY
(Y)
1995 130 -5 25 -650
1996 145 -3 9 -435
1997 150 -1 1 -150
1998 165 1 1 165
1999 170 3 9 510
2000 185 5 25 925
Total 945 0 70 365
Mencari nilai a dan b
diketahui yaitu :
Y = 157,5 + 5,21X
Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan
Penjualan
Tahun
(Y)
1995 131,45 = 131
1996 141,87 = 142
1997 152,29 = 152
1998 162,71 = 163
1999 173,13 = 173
2000 183,55 = 184
Dengan cara yang sama dapat pula diketahui ramalan penjualan untuk tahun
2001 – 2005 :
Penjualan
Tahun
(Y)
2001 193,97 = 193
2002 204,39 = 204
2003 214,81 = 215
2004 225,23 = 225
2005 235,65 = 236
6. Penutup
Peramalan yang diberikan oleh metode least square dalam data berkala cukup
baik, itu menunjukkan bahwa metode least square merupakan metode yang lebih
teliti sehingga sering digunakan untuk menghitung data berkala. Selain itu metode
least square juga dapat digunakan tidak hanya untuk meramalkan penjualan tetapi
produksi, dll.
kesalahan pada metode least square ini bisa menggunakan MS. Excel.