Statistika Dalam Kajian Deskriptif, Inferensi dan Nonparametrik, Bab 8

BEBERAPA HAL PENTING YANG PERLU DIKETAHUI

DARI BAB 8

ANALISIS DATA DERET WAKTU

(TIME SERIES)
Data deret waktu adalah merupakan data hasil pencatatan secara terus menerus dari waktu ke
waktu (periodik). Ada empat faktor komponen variasi atau gerak yang masing-masing sering dianggap
sebagai pengaruh yang dianggap dapat menjelaskan keseluruhan, diantaranya:
a. Gerak jangka panjang atau trend
b. Gerak siklis
c. Gerak musiman, dan
d. Gerak reguler atau residu
Model yang dianggap cocok dengan letak titik-titik pada diagram diusahakan diinterpretasikan
kedalam model matematis, agar dapat digunakan dalam memprediksi suatu persoalan, seperti:
a. y t  a  bt  model Linier sederhana
b. y t  ao  a1t  a2t 2  .......... ..........  an t n  model non linier
1
c.  ab t  g  model logistik (Kurva Pearl - Reed)
yt
t
d. y t  pq a  g  model Compertz
e. y t  at b  g  model Geometrik
f. y t  ab t  g  model Eksponensial
Dimana: y model trend, a, b, g, p dan q adalah bilangan yang harus dicari berdasarkan data deret waktu, t :
waktu,

TREND LINIER
Model trend biasa digunakan untuk memprediksi suatu persoalan (membuat ramalan jangka
panjang), adapun bentuk umum dari model trend linier ini dinyatakan dengan persamaan : yt = a + bx
yt: Nilai trend untuk setiap unit x
x: Unit waktu tertentu
a : intercept (nilai trend yt pada saat x = 0)
b: Koefisien trend: Pertambahan y untuk setiap unit waktu tertentu
Adapun metode untuk menentukan nilai a dan b pada model trend linier ini dapat dilakukan dengan
dua cara yaitu:
1. Least Square Method (metode kuadrat terkecil)
1. Semi Average Method (metode setengah rata-rata)
Statistika Dalam Kajian Deskriptif, Inferensi dan Nonparametrik, Bab 8

METODE SETENGAH RATA-RATA (SEMI AVERAGE METHOD)

Metode setengah rata-rata dimaksudkan sebagai cara untuk menentukan model trend selain
menggunakan cara kuadrat terkecil. Pada metode ini dari sekelompok data dibagi menjadi 2 (dua) bagian
yang sama, jika jumlah datanya ganjil, maka data yang ditengah dapat dihilangkan atau dapat pula dihitung
2 kali.

ANALISIS GERAK SIKLIS

Variasi musim didasarkan pada gerak siklis atau variasi siklis yang bergerak turun naik disekitar
trendnya. Gerak musiman ini sifatnya lengkap selama kurun waktu satu tahun kalender. Ada beberapa
faktor yang menyebabkan terjadinya gerak musiman ini diantaranya faktor cuaca dan faktor kebiasaan,
seperti pola tanam padi, palawija, dan komoditas lainnya. Variasi ini dapat dilukiskan dengan adanya empat
kondisi yaitu: kondisi untung, kondisi rugi, kondisi tidak stabil dan kondisi pemulihan keadaan. Kejadian ini
secara logis dapat menimbulkan kondisi-kondisi puncak baik tertinggi maupun terendah.
Untuk lebih memudahkan dalam melakukan analisis data deret waktu, akibat adanya pengaruh
keempat faktor di atas, antara lain karena adanya faktor-faktor, seperti:
T untuk menyatakan trend,
S untuk menyatakan gerak siklis,
M untuk menyatakan gerak musiman,
R untuk menyatakan variasi residu (gerak ireguler)
Maka model untuk data deret waktu untuk hasil jualan, dinyatakan dengan persamaan:
y=TS M R ………… VIII - 8
Sedangkan untuk data tahunan, biasanya dinyatakan dengan model:
y =T S R………… VIII - 9
Hal tersebut didasarkan karena gerak musiman biasanya tidak tercerminkan dalam total tahunan
atau rata-rata bulanan setiap tahun.