Analisis Deret Berkala

1.1. Pendahuluan

Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan

pesat. Metosdenya berkembang sejajar dengan penemuan-penemuan penting oleh

para ahli  matematis dan statistisi guna menjawab persoalan-persoalan yang

dianjurkan oleh para penyelidik ilmiah. Selain daripada ilmu hayat sendiri, ilmu

pengetahuan tersebut boleh dikatakan telah mempengaruhi setiap aspek kehidupan

manusia modern. Ilmu pengetahuan tersebut sudah meliputi segalah metode guna

mengumpulkan, mengolah, menyajikan, dan menganalisa data kwantitatif secara

deskriptif. Croxton dan cowden berpendapat bahwa metode statistik terlalu memberi

tekanan pada teknik mengumpulkan, mengolah, menyajikan, menganalisa data

kwantitatif secara deskriptif agar dapat memberi gambaran yang teratur tentang

suatu peristiwa. Karena itu, metode demikian acapkali dinamakan metode statistik

deskriptif (descriptive statistics).  Semakin sering kita mempelajari tentang 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

Least Square (Kuadrat terkecil)

1.2. Materi Pembelajaran

Mengkaji dan menganalisis data dengan menggunakan Analisis Deret Berkala

dengan metode Least Square (Kuadrat terkecil).

1.    Pengertian Deret Berkala

2.    Komponen Deret Berkala

3.    Metode Least Square (Kuadrat terkecil)

1.3. Tujuan Pembelajaran

Dapat memberi informasi mengenai teknik menganalisis data dengan menggunakan

Analisis Deret Berkala dengan metode Least Square (Kuadrat trkecil)

1.4.Pembahasan

4.1. Analisis Deret Berkala dalam Statistika Deskriptif

  Croxton dan Cowden memperkenalkan metode statistik tahun 1955 yaitu dengan

metode Statistik Deskriptif dengan memberi definisi statistik sebagai metode guna

mengumpulkan, mengolah, menyajikan, menganalisa dan menginterpretasi data

yang berwujud angka-angka.

   Dalam metode Statistik Deskriptif terdapat berbagi jenis metode statistik  salah

satunya adalah Analisisi Deret Berkala.

4.2. Pengertian Analisis Deret Berkala

∙   Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan

suatu kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk,

jumlah kecelakaan, jumlah kejahatan, dsb).

∙       Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.

∙       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

peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti

suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat

diramalkan peristiwa yang bakal terjadi dimasa yang akan datang.

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

pada waktu terjadinya peristiwa itu.

4.3. Komponen Deret Berkala

Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4

(empat) pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala

(runtut waktu). Empat komponen deret berkala itu adalah:

1.     Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya

kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan

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

digunakan sebagai ukuran adalah 10 tahun ke atas.

∙           Gerakan/variasi siklis atau cyclical movements or variation adalah

gerakan/variasi jangka panjang disekitar garis trend.

∙           Gerakan/variasi musim atau seasonal movements or variation adalah gerakan

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

adalah faktor-faktor yang bersifat kebetulan misalnya perang, pemogokan, bencana

alam dll

Dari gerakan siklis diperoleh titik tertinggi (puncak) dan titik terendah (lembah).

Pergerakan dari puncak ke lembah dinamakan “kontraksi” dan pergerakan dari

puncak ke lembah berikutnya dinamakan “ekspansi”.

o    Variasi sikli berlangsung selama lebih dari setahun dan tidak pernah variasi tersebut

memperlihatkan pola yang tertentu mengenai gelombangnya.

o    Gerakan sikli yang sempurna umumnya meliputi fasefase pemulihan (recovery),

kemakmuran (prosperity), kemunduran / resesi (recession) dan depresi (depression)

Pola musiman juga menunjukan puncak dan lembah seperti pada siklus,

tetapi lamanya variasi musim selalu satu tahun atau kurang.

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

perusahaan akan dapat mengambil keputusan dengan lebih efektif.

Nilai dimasa mendatang itu pada dasarnya merupakan nilai time series

dimasa mendatang, yaitu nilai-nilai yang diharapkan dapat terjadi dimasa

mendatang, dengan dasar faktor-faktor (nilai-nilai) yang telah diterjadi dimasa lalu.

4.4. Ciri-ciri Trend Sekuler

Trend (T) atau Trend Sekuler ialah gerakan dalam deret berkala yang berjangka

panjang, lamban dan berkecenderungan menuju ke satu arah, arah menaik atau

menurun. Umumnya meliputi gerakan yang lamanya 10 tahun atau lebih.

Trend sekuler dapat disajikan dalam bentuk :

∙           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

bagi perencanaan, misalnya :

∙           Menggambarkan hasil penjualan

∙           Jumlah peserta KB

∙           Perkembangan produksi harga

∙           Volume penjualan dari waktu ke waktu, dll

Trend digunakan dalam melakukan peramalan (forecasting). Metode yang

biasanya dipakai, antara lain adalah Metode Semi Average dan Metode Least

Square.

5. Metode Least Square (Kuadrat terkecil)

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya

lebih teliti.
 Persamaan garis trend yang akan dicari ialah

Y ‘ = a0 +bx                     a = ( ∑Y ) / n              b = ( ∑XY ) / ∑x2

dengan :

Y ‘ =  data berkala (time series) = taksiran nilai trend.

a0 =  nilai trend pada tahun dasar.

b   =  rata-rata pertumbuhan nilai trend tiap tahun.

x   =  variabel waktu (hari, minggu, bulan atau tahun).

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel

waktu (x) sehingga jumlah nilai variabel waktu adalah nol atau ∑x=0.

Untuk n ganjil maka :

•       Jarak antara dua waktu diberi nilai satu satuan.

•       Di atas 0 diberi tanda negative

•       Dibawahnya diberi tanda positif.

Untuk n genap maka :

•       Jarak antara dua waktu diberi nilai dua satuan.

•       Di atas 0 diberi tanda negatif

•       Dibawahnya diberi tanda positif.

5.1. Contoh Kasus

5.1.2. Contoh I  (Untuk jumlah data ganjil) :

Ramalan Penjualan Metode Least Square

Data Penjualan (Unit) PT. GALAU Tahun 1995-1999

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 :

5.2.1 Analisis menggunakan metode Least Square

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

Mencari nilai a dan b

a  =  760 : 5

= 152      

b  =  100 : 10

                   = 10

Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat

diketahui yaitu :

Y = 152 + 10X

Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan

1999 dapat diketahui :

Penjualan
Tahun
(Y)
 1995 132
1996 142
1997 152
1998 162
1999 172

Dari persamaan fungsi Y diatas juga dapat disusun ramalan  penjualan pada

tahun berikutnya untuk dijadikan dasar pembuatan anggaran penjualan.

Y(2000)   = 152 +10 (3)

                 = 182

Penjualan
Tahun
(Y)
2000 182
2001 192
2002 202
2003 212
2004 222

5.2.2 Contoh II (Untuk jumlah data genap):

Ramalan Penjualan Metode Least Square

Data Penjualan (Unit ) PT. KAMSEUPAY Tahun 1995-2000

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 :

5.2.2.1.Analisis menggunakan metode Least Square

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

a =  945 : 6     = 157,5

b =  365 : 70   = 5,21

Setelah mengetahui nilai variabel a dan b maka persamaan trendnya dapat

diketahui yaitu :

Y = 157,5 + 5,21X

Dari persamaan fungsi Y diatas maka nilai trend dari tahun 1995 sampai dengan

2000 dapat diketahui :

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

berbagai macam peramalan lainnya, seperti perkembangan KB, perkembangan

produksi, dll.

Pada perhitungan dengan metode least square tentunya juga diperlukan

ketelitian dan kecermatan agar tidak terjadi kesalahan, untuk memperkecil

kesalahan pada metode least square ini bisa menggunakan MS. Excel.

( Sekian… sumaker! .. See next subject)