MAKALAH

“ANALISIS DERET BERKALA DAN PERAMALAN ”

Disusun untuk memenuhi tugas mata kuliah Statistik

Dosen Pengampu:
Hawzah Sa’adati, M.Si

Disusun Oleh:

Kelas Statistik B (Kelompok 3)

1. Dicky Ardava Rerivan (18520011)

2. Kurnia Ambarwati (18520018)
3. Hesti Oktaviani (18520068)
4. Hemas Noor Fadila (18520077)
5. Ahmad Nurcholis (18520102)
6. Nurul Mariatul Laily O. (18520121)
7. Bintang Widia Oktavianto (18520127)

JURUSAN AKUNTANSI
FAKULTAS EKONOMI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG
2019/2020
A. Data Deret Berkala dan Peramalan
            Data Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke waktu
untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi yang
diatur dan didapat menurut urutan kronologis waktu, misalnya perkembangan produksi, harga
barang, hasil penjualan, jumlah penduduk, dll. Analisa deret berkala merupakan prosedur
analisis yang dapat digunakan untuk mengetahui gerak perubahan atau perkembangan nilai
suatu variabel sebagai akibat dari perubahan waktu.
Dalam analisis ekonomi dan lingkungan bisnis biasanya analisa deret berkala
digunakan untuk meramal (forecasting ) nilai suatu variabel pada masa lalu dan masa yang
akan datang berdasarkan pada kecenderungan dari perubahan nilai variabel tersebut. Analisa
deret berkala (time series) juga merupakan suatu analisis yang berdasarkan hasil ramalan
yang disusun atas pola hubungan antara variabel yang dicari dengan variabel waktu yang
mempengaruhinya. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu
variabel. 
Peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu
keadaan dimasa depan, tetapi dengan menggunakan metode – metode tertentu maka
peramalan akan menjadi lebih dari sekedar perkiraan. Peramalan dilakukan dengan
memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan dimasa
yang akan datang agar tujuan yang diinginkan dapat tercapai. 
Peramalan diperlukan karena adanya perbedaan – perbedaan waktu antara
kebijaksanaan baru dengan waktu pelaksanaan tersebut. Oleh karena itu, dalam menentukan
kebijaksanaan perlu diperlukan kesempatan atas peluang yang ada, dan gangguan yang
mungkin terjadi pada saat kebijaksanaan baru tersebut dilaksanakan. Peramalan diperlukan
untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa yang akan datang,
sehingga dapat dipersiapkan kebijaksanaan atau tindakan-tindakan yang perlu dilakukan.
Berdasarkan model klasik, nilai deret berkala atau time series (Y) merupakan
gabungan perkalian dari nilai-nilai komponennya, dan dapat dinyatakan dalam persamaan
berikut :
Y=TxCxSxI
Jadi suatu data runtut waktu merupakan hasil kali dari 4 komponen yaitu:
• Trend (T)
• Cyclus (C)
• Seasonal (S)
• Irregular (I)

B. Komponen Deret Berkala

1. Trend Sekuler
Trend sekuler merupakan gerakan yang berjangka panjang, lamban dan
berkecenderungan menuju ke satu arah, arah menaik atau menurun. Trend sekuler
sedemikian itu umumnya meliputi gerakan yang lamanya sekitar 10 tahun atau lebih.
Dimensi waktu perlu sekali ditegaskan agar dapat membedakan trend sekuler dari trend
musim dan variasi sikli. Trend musim acapkali dinamakan variasi musim dan merupakan
gerakan dalam jangka waktu setahun saja. Bila garis trend menunjukkan gerakan yang
meliputi jangka waktu 5 atau 6 tahun, maka belum tentu gerakan tersebut sebagai trend
sekuler karena mungkin garis trend tersebut hanya merupakan sebagian dari variasi sikli.
Sebaliknya, bila garis trend tersebut meliputi gerakan selama ¼ abad, maka tidak usah
disangsikan lagi garis tersebut seharusnya merupakan garis trend sekuler.
 Dalam kenyataan, tiap fluktuasi deret berkala merupakan hasil perpaduan beberapa
atau semua komponen deret berkala. Alhasil, bentuk kurva sekulernya tidak kontinu dan
teratur. Meskipun demikian, trend sekuler deret berkala pada umumnya terlihat dari
gerak kurvanya yang berkecenderungan ke arah menaik atau menurun secara pasti dan
meliputi jangka waktu sekitar 10 tahun atau lebih.
Komponen trend ini dapat ditunjukkan dengan garis regresi yang bersesuaian
dengan titik-titik time series baik yang memiliki slope (sudut) positif maupun negatif.
Misalnya:
1. Menggambarkan hasil penjualan
2. Jumlah peserta KB
3. Perkembangan produksi harga
4. Volume penjualan dari waktu ke waktu (dll) 

Analisis trend merupakan suatu metode analisis statistika yang ditujukan untuk

melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk
melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data)
yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang,
sehingga hasil analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang
terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut.

Bentuk tren
o Tren positif = tren meningkat
Rumusnya :
                  Y = a + b.X

o Tren negatif = tren menurun

Rumus :
                               Y = a – b.X

Dimana:   
Y : nilai variabel Y pada suatu waktu  tertentu
       a  : perpotongan antara garis trend dengan sumbu  tegak (Y)
b  : kemiringan (slope) garis trend
x  : periode waktu deret berkala

Metode Analisis Tren

Untuk melakukan peramalan dengan analisis tren terdapat beberapa cara yaitu :
1.      Metode Semi Rata-Rata (Semi Average Method)
2.      Metode Kuadrat Terkecil (Least Square Method)
3.      Metode Tren Kuadratis (Quadratic Trend Method)
4.      Metode Tren Eksponensial ( Exponential Trend Method)

2. Variasi Musim
Variasi musim merupakan gerakan yang berulang-ulang secara teratur selama kurang
lebih setahun. Gerakan sedemikian itu sebetulnya berayun sekitar trend. Komponen
seasonal atau musiman ini juga merupakan fluktuasi periodik, tetapi periode waktunya
sangat singkat yaitu satu tahun atau kurang. Sebagai contoh, penjualan secara eceran untuk
kebutuhan alat-alat mandi cenderung lebih tinggi pada saat musim semi (spring) dan lebih
rendah pada musim dingin (winter). Demikian juga, department store biasanya mengalami
puncaknya pada saat menjelang hari Lebaran dan hari Natal, biro perjalanan pada saat
liburan musim panas, dan toko kelontong pada saat gajian para pegawai.
Ada beberapa metode perhitungan untuk mengetahui variasi musim yaitu dengan
mengetahui indeks musim. Beberapa metode tersebut adalah :
1. Metode Rata-Rata Sederhana
2. Metode Rata-Rata dengan Tren
3. Metode Rasio Rata-Rata Bergerak
Bentuk Variasi Musim:

Pola musiman juga merupakan puncak dan lembah seperti pada siklus, akan tetapi
lamanya variasi musim selama kurang satu tahun

3. Variasi Sikli
Komponen siklikal adalah fluktuasi pada time series yang berulang sepanjang
waktu, dengan periode lebih dari satu tahun antara satu puncak  ke puncak berikutnya.
Dengan kata lain variasi siklus adalah gerakan jangka panjang disekitar garis tren dan
berlaku untuk data tahunan. Siklus adalah suatu perubahan atau gelombang naik dan turun
dalam suatu periode dan berulang-ulang pada periode lain. Variasi sikli juga bisa
diartikan ayunan trend yang berjangka lebih panjang dan agak lebih tidak teratur. Siklus
bisnis adalah sebuah contoh dari fluktuasi jenis ini. Kegiatan dalam dunia perdagangan,
industri dan keuangan acapkali menunjukkan gerakan menaik dan menurun secara siklis
sekitar trend statistik dan kurvanya.
Guna menentukan variasi siklinya, maka trend sekuler, variasi musim, dan residu
deret berkala harus diisolasikan secara sistematis. Variasi sikli lebih sukar diterka daripada
variasi musim maupun trend sekuler. Umumnya, gerakan secara siklis berbeda dari
gerakan periodis dalam hal jangka waktunya. Semua variasi sikli berlangsung selama lebih
dari setahun dan tidak pernah variasi tersebut memperlihatkan pola yang tertentu
mengenai gelombangnya.
Komponen deret berkala:
Y = T × S ×C × I
Y
Maka = T ×C × I
S
Dimana T ×C × I = menunjukkan data normal, untuk memperoleh faktor siklus (CI),
maka unsur Trend (T) dikeluarkan dari data normal, sehingga faktor siklus menjadi:
TCI
CI =
T

Bentuk Siklus:

Dari gerakan siklus diperoleh titik tertinggi (puncak) dan titik terendah (lembah).
Pergerakan dari puncak ke lembah dinamakan “kontraksi” dan pergerakan dari
puncak ke lembah berikutnya dinamakan “ekspansi”.
 Contoh soal:
Hitunglah indeks siklusnya!
Tahun Produksi Triwulan

I II III
1998 44 22 14 8

1999 48 25 15 8

2000 48 26 14 8

2001 47 24 14 9

Jawab:
 Menghitung T
Menggunakan metode least square = Y’ a + bX: persamaannya adalah Y’ = 15,583
– 0,353X. Nilai X dimasukkan maka akan mendapatkan nilai Y’ sebagai nilai trend (T)
Tahun Triwulan Y X YX X2 Y’ = T

I 22 -5,5 -121 30,25 17,5

1998 II 14 -4,5 -63 20,25 17,6

III 8 -3,5 -28 12,25 16,8

I 25 -2,5 -62,5 6,25 16,5

1999 II 15 -1,5 -22,5 2,25 16,1

III 8 -0,5 -4 0,25 15,8

I 26 0,5 13 0,25 15,4

2000 II 14 1,5 21 2,25 15,1

III 8 2,5 20 6,25 14,7

I 24 3,5 84 12,25 14,3

2001 II 14 4,5 63 20,25 14,0

III 9 5,5 49,5 30,25 13,6

Total 187 -50,5 143

 Karena data yang digunakan berjumlah genap, maka nilai X digunakan nilai 0,5
dan -0,5 dan seterusnya.
ΣY 187
 a = n = 12
= 15,583
 Σ YX −50,5
b =ΣX2 = 143
= −¿0,353
 Y’ = 15,583 – 0,353X
 Menghitung S dengan menggunakan rasio rata-rata bergerak
Tahun Triwulan Data Asli Total Bergerak Rata-rata Indeks
Triwulan Musim (S)

I 22
1998 II 14 44 14,7 95
III 8 47 15,7 51
I 25 48 16 156
1999 II 15 48 16 94
III 8 49 16,3 49
I 26 48 16 163
2000 II 14 48 16 88
III 8 46 15,3 52
I 24 46 15,3 157
2001 II 14 47 15,7 89
III 9
Total 187
 Total bergerak =22+14+ 8 = 44
 Rata-rata
Total bergerak triwulan
=
3
44
¿ = 14,7
3
 Indeks musim
Data asli
= x 100
Datarata−rata
14
¿ x 100 = 95
14,7
Tahun Triwulan Y T S TCI CI C

I 22 17,5
1998 II 14 17,2 95 14,7 86

III 8 16,8 51 15,7 93 92

I 25 16,5 156 16,0 97 97

1999 II 15 16,1 94 16,0 99 100

III 8 15,8 49 16,3 103 102

I 26 15,4 163 16,0 104 104

2000 II 14 15,1 88 15,9 105 105

III 8 14,7 52 15,4 105 106

I 24 14,3 157 15,3 107 108

2001 II 14 14,0 89 15,7 112

III 9 13,6

 Menghitung TCI
Y 14
x 100 = x 100 = 14,7
S 95
 Menghitung CI
TCI 14,7
x 100 = x 100 = 86
T 17,2
 Menghitung C
Menggunakan metode rata-rata bergerak, dengan menjumlahkan setiap triwulan
(86+ 93+97)
= 92
3

4. Variasi Random (Irregular)

Komponen ini memperlihatkan fluktuasi yang random atau “noise” sebagai akibat
adanya suatu perubahan yang mendadak, misalnya mogok kerja, embargo minyak,
kesalahan fungsi peralatan, atau kejadian lainnya baik yang menguntungkan maupun yang
merugikan. Variasi random ini dapat menyulitkan kita dalam mengidentifikasi efek dari
komponen yang lain (trend, siklus, dan musim), Variasi random adalah gerakan yang tidak
teratur sama sekali.
Beda antara variasi random dengan ketiga variasi sebelumnya, terletak pada
sistematik fluktuasi itu sendiri. Trend sekuler, variasi musim, dan variasi sikli umumnya
menciptakan pengaruh yang sistematis (non-random). Fluktuasinya berulang secara teratur
(sistematis). Sebaliknya, pada variasi random hanya merupakan sekali pancaran dan jarang
terulang lagi.
 Indeks gerak tak beraturan dirumuskan:
CI
I=
C
dimana:
CI = faktor siklus
C = siklus

Bentuk Random:

Contoh soal:
Masih menggunakan data sebelumnya, hitunglah indeks gerak tak beraturan
(random)

Tahun Produksi Triwulan

I II III
1998 44 22 14 8

1999 48 25 15 8

2000 48 26 14 8

2001 47 24 14 9

Jawab:
CI
Dari data penyelesaian sebelumnya, didapatkan nilai CI dan C, maka I = x 100
C
Tahun Triwulan CI C I

I
1998 II 86

III 93 92 101

I 97 97 100
1999 II 99 100 99

III 103 102 101

I 104 104 100

2000 II 105 105 100

III 105 106 99

I 107 108 99

2001 II 112

III

C. Pengolahan Deret Berkala

Data kuantitatif deret berkala merupakan bahan analisis trend sekuler, variasi musim
(seasonal), dan variasi siklikal. Pada hakekatnya, pengolahan dan penyesuaian data harus
dilakukan sebelum data tersebut digunakan untuk tujuan analisis. Berkaitan dengan hal
tersebut, pengguna data harus memperhatikan beberapa permasalahan tentang 1) variasi
penaggalan, 2) perubahan harga, 3) perubahan penduduk, dan 4) perbandingan data.

1. Variasi penanggalan
Pada umumnya, setahun dianggap memiliki 365 hari. Meskipun satu tahun terdiri
dari 12 bulan, setiap bulan dapat memiliki jumlah hari yang berbeda yang bervariasi antara
28 sampai dengan 31 hari.
Sebelum data time series digunakan untuk tujuan analisis, pengguna data wajib
mengadakan penyesuaian terhadap jumlah hari dalam bulan atau jumlah hari kerja dalam
bulan. Data tentang konsumsi, penjualan, dan sebagainya umumnya disesuaikan atas dasar
jumlah hari dalam 1 bulan.
Penyesuaian tersebut dapat dilakukan dengan cara membagi angka konsumsi
bulanan atau angka penjualan bulanan dengan jumlah hari dalam 1 bulan yang
bersangkutan agar diperoleh angka konsumsi atau penjualan per hari. Sebaliknya, jika kita
ingin angka-angka konsumsi bulanan tersebut tidak berubah, maka angka konsumsi harian
365
yang diperoleh harus dikalikan dengan jumlah hari rata-rata per bulan sebanyak =
12
30,4167 hari.
Contoh:
Andaikan penjualan pasta gigi di bulan Januari ialah sebanyak 120.000 unit dan di
bulan berikutnya ialah sebanyak 100.000 unit, maka guna memperoleh angka penjualan
yang sebanding, cara menghitungnya harus dilakukan sebagai berikut:
120.000
Penjualan harian dalam bulan Januari = = 3.870,967 ≈ 3.870
31
100.000
Penjualan harian dalam bulan Februari = = 3.448,275 ≈ 3.448
29
Penjualan dalam bulan Januari yang telah disesuaikan menjadi = 3.870,967 × 30,4167 =
117.739,332 ≈ 117.739
Penjualan dalam bulan Januari yang telah disesuaikan menjadi = 3.448,275 × 30,4167 =
104.882,732 ≈ 104.882
 2. Perubahan harga-harga
Dalam banyak kasus, data deret berkala terdiri dari angka-angka nilai produksi. Jika
kita akan menggunakan deret berkala untuk menganalisis perubahan fisik yang bebas dari
pengaruh fluktuasi harga, data kuantitatif tersebut harus dideflasikan dengan indeks harga
yang sesuai sebelum dapat digunakan untuk tujuan analisis. Deret berkala tentang
penjualan, pendapatan, ongkos bahan mentah dan sebagainya, harus dideflasikan agar
fluktuasinya bebas dari perubahan harga-harganya. Proses deflasi penting sekali
mengingat angka-angka nilai produksi yang meningkat kemungkinan disebabkan oleh
kenaikan harga, sedangkan jumlah fisiknya mungkin saja konstan bahkan menurun.

3. Perubahan penduduk
Ada kalanya, kita ingin mengetahui fluktuasi produksi per kapita atau konsumsi per
kapita. Dalam hal demikian, angka-angka produksi atau konsumsi harus dibagi dengan
jumlah penduduk. Angka per kapita sedemikian itu sebenarnya telah memasukkan unsur
perubahan penduduk di dalamnya. Perhitungan per kapita tersebut penting sekali karena
produksi bisa saja menunjukkan gerekan meningkat (naik), tetapi per kapitanya menurun
jika kenaikan jumlah penduduk lebih cepat disbanding kenaikan produksinya.

4. Syarat perbandingan data

Semua data deret berkala yang digunakan sebagai dasar analisis, seharusnya betul-
betul sebanding. Jika sumber data berbeda, maka perlu dilakukan penelitian terhadap
perumusan istilah-istilah oleh beberapa sumber yang berbeda. Perumusan yang berbeda
tentang suatu istilah yang sama oleh beberapa sumber, perlu disesuaikan sebelum data
tersebut digunakan. Sebagai contoh, terdapat dua sumber yang berbeda dimana keduanya
merumuskan suatu istilah yang sama yaitu produksi “sikat”. Sumber yang pertama
merumuskan istilah sikat sebagai gabungan perusahaan atau industri yang memproduksi
sikat gigi, sikat lantai, dan sebagainya. Sedangkan sumber yang kedua merumuskan istilah
sikat sebagai gabungan dari perusahaan atau industri sikat gigi saja.