MAKALAH STATISTIK 1

“ANALISI DERET BERKALA”

DI SUSUN OLEH :

Ahmad Ahyarrifai
Juliani Santika
Mery Afriani
Novi Susanti
Obi Hernandes
Teguh Ikroni
Ujang Saripudin

DOSEN PENGAMPU:
DECI RIRIEN, SPd.MPd
Hj. IRAWATI, SE. MM

SEMESTER 3EA

SEKOLAH TINGGI ILMU EKONOMI INDRAGIRI

(STIE-I) RENGAT
T.A. 2020/2021
 DAFTAR ISI

KATA PENGANTA....................................................................................

BAB I PENDAHULUAN

A. LATAR BELAKANG...............................................................
B. RUMUSAN MASALAH...........................................................
C. TUJUAN DAN KEGUNAAN PENULISAN MAKALAH......

BAB II PEMBAHASAN

A. EMPAT KOMPONEN DATA DERET BERKALA....................

B. ANALISIS TREN SEKULER..................................................................................
a. Metode Tangan Bebas..........................................................................................
b. Metode Semi Rata-Rata........................................................................................
c. Metode Kuadrat Terkecil.......................................................................................
d. Mengubah Tren Tahunan Menjadi Kuartalan Dan Tren Bulanan.........................
e. Tren Nonlinear......................................................................................................
C. VARIASI MUSIMAN
a. Indeks musiman rata-rata...............................................................................................
b. Indeks musiman rata-rata bergerak................................................................................
c. Menggunakan data penyesuaian untuk membuat ramalan...........................................
d. Variasi musiman dengan komputer................................................................................
D. IDENTIFIKASI KOMPONEN SIKLIS DAN KOMPONEN TAK BERATURAN

BAB III PENUTUP

A. KESIMPULAN
B. SARAN

DOKUMENTASI
 KATA PENGANTAR

Assalamu’alaikum warahmatullahi wabarakatuh

Segala puji bagi Allah SWT yang telah memberikan kami kemudahan sehingga kami
dapat menyelesaikan makalah ini dengan tepat waktu. Tanpa pertolongan-Nya tentunya kami
tidak akan sanggup untuk menyelesaikan makalah ini dengan baik. Shalawat serta salam semoga
terlimpah curahkan kepada baginda tercinta kita yaitu Nabi Muhammad SAW yang kita nanti-na
ntikan syafa’atnya di akhirat nanti.

Kami mengucapkan syukur kepada Allah SWT atas limpahan nikmat sehat-Nya, baik itu
berupa sehat fisik maupun akal pikiran, sehingga kami mampu untuk menyelesaikan pembuatan
makalah sebagai tugas kelompok dari mata kuliah Statistik

Demikian, semoga makalah ini dapat bermanfaat. Terima kasih.

Batang Cenaku, 14 Desember 2020

Penyusun
 BAB I
PENDAHULUAN

A. Latar Belakang
Analisis deret berkala merupakan prosedur analisis yang dapat digunakan untuk
mengetahui gerak
perubahan nilai suatu variabel sebagai akibat dari perubahan waktu. Dalam analisis ekonomi
dan
lingkungan bisnis biasanya analisis deret berkala digunakan untuk meramal (forecasting)
nilai suatu
variabel pada masa lalu dan masa yang akan datang dengan berdasarkan pada kecenderungan
dari perubahan nilai variabel tersebut.

Analisis deret berkala bertujuan untuk:

1. Mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu.
2. Meramal (forecast) nilai suatu variabel pada suatu waktu tertentu.

B. Rumusan Masalah
a. Empat komponen data deret berkala
b. Analisis tren sekuler
i. Metode tangan bebas
ii. Metode semi rata-rata
iii. Metode kuadrat terkecil
iv. Mengubah tren tahunan menjadi kuartalan dan tren bulanan
v. Tren nonlinear
c. Variasi musiman
i. Indeks musiman rata-rata
ii. Indeks musiman rata-rata bergerak
iii. Menggunakan data penyesuaian untuk membuat ramalan
iv. Variasi musiman dengan komputer
d. Identifikasi komponen siklis dan komponen tak beraturan
C. Tujuan Dan Kegunaan Penulisan
1. Untuk menambah informasi tentang analisis deret berkala
2. Untuk memenuhi tugas kelompok mata kuliah Statistik
3. Untuk menambah wawasan dan bahan bacaan bagi penulis dan pembaca
 BAB II

PEMBAHASAN

A. ANALISIS DERET BERKALA

Apabila kita mengamati Deret Berkala, maka kita akan memperoleh informasi bahwa ada 4
komponen variasi yang penting, yaitu:

1. Secular Trend atau Trend (disingkat T)
2. Seasonal Variation (Variasi Musim) (disingkat S)
3. Cyclical Variation (Variasi Siklis) (disingkat C).
4. Irregular Variation (variasi tak beraturan) (disingkat I).

1. Secular Trend atau Disingkat Trend -> (T)

Secular Trend (Trend) adalah gerak naik, atau turun atau tetap/konstan dalam jangka panjang.
Menurut gerakannya dibedakan menjadi tiga, yaitu:

1. Trend naik (Upward trend)->trend biaya hidup

2. Trend tetap (Constant trend)->trend kapasitas perguruan tinggi
3. Trend turun (Downward trend)->trend pekerja di sektor pertanian

2. Seasonal Variation (Variasi Musim)->(S)

Seasonal variation (gerak atau variasi musim) adalah gerak naik atau turun secara
periodik dalam jangka waktu 1 (satu) tahun.

 Berulang setiap tahun->penjualan pakaian melonjak menjelang hari Lebaran.

 Naik atau turun secara periodik.
 Biasanya dinyatakan dalam persentase. Nilai persentase ini juga disebut dengan
istilah Seasonal Index. Sebagai contoh, Seasonal Index penjualan pakaian menjelang
Lebaran 175% berarti  volume penjualan 75% di atas keadaan normal.

Contoh:

Kuartal Pola Gerak 

Penjualan Kuartalan Spesifikasi Gerak Musim (%)
Musim (%)

1980 1981 1982 1980 1981 1982

 I 60 50 55 77 65 71 71

II 80 90 85 103 116 110 110

III 105 100 95 135 129 123 129

IV 65 70 75 84 90 97 90

Rerata
77.5 77.5 77.5 100
=

 Spesifikasi Gerak Musim (%) =  (penjulan/rerata) * 100%

Contoh-> (60/77.5)*100% = 77%

(80/77.5)*100% = 103%

Pola Gerak Musim = (Spesifikasi 1980 + 1981 + 1982)/3

Contoh-> (77+65+71)/3 = 71%

(103+116+110)/3 = 110%
 3. Cyclical Variation (Gerak Siklis)->(C)

Disebut sebagai Gerak Siklis atau Business Cycle.

Definisi:

Gerak Siklis adalah gerak naik atau turun secara periodik dalam jangka panjang, 5 tahun, 10
tahun, 15 tahun, 20 tahun, 25 tahun atau lebih.

Fakta-fakta:

 Kegiatan ekonomi maupun perusahaan dapat berkembang atau menurun secara periodik
dalam jangka lebih dari 1 tahun.
 Tendensi timbulnya Gerak Siklis lebih banyak diakibatkan oleh kegiatan perusahaan,
misalnya penjualan mobil, pembangunan gedung, perkembangan tingkat harga, dsb.
 Menurut Gottfried Haberler dalam bukunya Prosperity and
Depression periode Business Cycles dapat dibedakan menjadi 4 bagian, yaitu:

1. Masa kemakmuran (Prosperity phase)

2.Masa Krisis (Downturn, crisis phase)

3.Masa Kehancuran (Depression phase)

4.Masa Pembangunan Kembali (Upturn, Revival Phase).

4. Irregular Variation (Gerak Tak Beraturan)->(I)

Definisi:

Irregular Variation adalah gerakan tidak teratur dan sulit diramalkan.

Fakta-fakta:

 Gerakan ini selalu ada pada Time Series dan sulit dihilangkan.

 Gerakan ini timbul sebagai akibat adanya peperangan, bencana alam, kelaparan,
kekeringan, inflasi dan deflasi.

Inflasi: suatu kenaikan umum harga rata-rata barang atau jasa selama waktu tertentu dan
akibatnya terjadi penurunan daya beli masyarakat sebanding dengan menurunnya nilai mata
uang.

Deflasi: Penurunan harga rata-rata secara umum barang dan jasa selama jangka waktu tertentu.
Manfaat Analisis Deret Berkala (Time Series Analysis)

 Membantu mempelajari data masa lampau, sehingga dapat dipelajari faktor-faktor

penyebab perubahan untuk pertimbangan perencanaan di masa yang akan datang.
 Untuk membantu dalam peramalan (forecasting).
 Membantu memisahkan faktor-faktor yang dapat mempengaruhi suatu data (kkhususnya
variasi atau gerak musim)->lalu diadakan penyesuaian dengan faktor musim ini.
 Membantu dan mempermudah membandingkan satu rangkaian data dengan rangkaian
data yang lain.

B. ANALISIS TREN SEKULER

1. Metode Tangan Bebas

Penentuan garis linear secara bebas adalah penentuan garias linear yang dilakukan
tanpa menggunakan rumus matematis, dan garis trend yang dibuat secara bebas
demikian ini sangat subyektif dan kurang memenuhi persyaratan ilmiah, sehingga
jarang sekali digunakan.

         Contoh

Berikut adalah data mengenai hasil penjualan (jutaan rupiah) di sebuah perusahaan “X”
selama periode 10 tahun.

Tabel 1. Hasil Penjualan Perusahaan “X” Periode Tahun 1996 – 2005

Tahun Hasil Penjualan Tahun Hasil Penjualan Tentukan garis trend untuk
1996 14 2001 22 data tersebut dengan
1997 18 2002 24 metode tangan bebas !
1998 17 2003 23 Catatan : Data Rekaan
1999 16 2004 25
2000 20 2005 28  
Metode tangan bebas memiliki kelemahan dan kelebihan. Kelemahannya antara lain:
1. gambarnya kurang akurat, kemiringan garis trendnya tergantung pada orang yang
menggambarnya.
2. nilai-nilai trendnya kurang akurat.
Kelebihannya antara lain:
1. tidak memerlukan perhitungan.
2. jika garis trendnya digambarkan secara hati-hati maka hasilnya dapat mendekati
gambar yang dihitung secara matematis.

2. Metode Semi Rata-rata (Semi Average Method)

Persamaan trend yang diperoleh dengan menggunakan metode ini, selain dapat
digunakan untuk
mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu, juga dapat
digunakan untuk
meramal nilai suatu variable tersebut pada suatu waktu tertentu.
Persamaannya adalah sebagai berikut :
Δ = A2 - A1 / n
Keterangan : Δ : perubahan nilai variabel setiap tahun
A1 : rata-rata kelompok pertama
A2 : rata-rata kelompok ke dua

n : periode tahun antara tahun A1 s.d. A2

 3. Metode Kuadrat Terkecil (Least Square Method)
Dalam analisis deret berkala, metode yang paling sering digunakan untuk
menentukan persamaan
trend adalah metode kuadrat terkecil.
Persamaan garis trend linearnya adalah :
Y = a + bx
Dimana: Y : nilai variable yang akan ditentukan
a : nilai Y apabila X sama dengan nol
b : kemiringan (slope) garis trend

x : periode waktu dan tahun dasar

C. VARIASI

Data time series adalah nilai-nilai suatu variabel yang berurutan menurut waktu (misal:
hari, minggu, bulan, tahun).  Ada 4 faktor yang mempengaruhi data time series .  Dalam data
ekonomi biasanya kita mendapatkan adanya fluktuasi/ variasi dari waktu ke waktu atau disebut
dengan variasi time series.  Variasi ini biasanya disebabkan oleh adanya faktor Trend (trend
factor), Fluktuasi siklis (cyclical fluktuation),
Variasi musiman (seasonal variation), dan pengaruh random (irregular/random influences).   
Trend adalah keadaan data yang menaik atau menurun dari waktu ke waktu.  Contoh yang
menunjukkan trend menaik yaitu pendapatan per kapita, jumlah penduduk.   Variasi
musiman adalah fluktuasi yang muncul secara reguler setiap tahun yang biasanya disebabkan
oleh iklim, kebiasaan (mempunyai pola tetap dari waktu ke waktu).  Contoh yang menunjukan
variasi  musiman seperti penjualan pakaian akan meningkat pada saat hari raya, penjualan buku
dan tas sekolah akan meningkat pada saat awal sekolah.  Variasi siklis muncul ketika data
dipengaruhi oleh fluktuasi ekonomi jangka panjang, variasi siklis ini bisa terulang setelah jangka
waktu tertentu. Variasi siklis biasanya akan kembali normal setiap 10 atau 20 tahun sekali, bisa
juga tidak terulang dalam jangka waktu yang sama.  ini yang membedakan antara variasi siklis
dengan musiman. Gerakan siklis tiap komoditas mempunyai jarak waktu muncul dan sebab yang
berbeda-beda, yang sampai saat ini belum dapat dimengerti.  Contoh yang menunjukkan variasi
siklis seperti industri konstruksi bangunan mempunyai gerakan siklis antara 15-20 tahun
sedangkan industri mobil dan pakaian gerakan siklisnya lebih pendek lagi.  Variasi
random adalah suatu variasi atau gerakan yang  tidak teratur (irregular).  Variasi ini pada
kenyataannya sulit diprediksi. Contoh variasi ini dalam data time series karena adanya perang,
bencana alam dan sebab-sebab unik lainnya yang sulit diduga.  Total variasi dalam data time
series adalah merupakan hasil dari keempat faktor tersebut yang mempengaruhi secara bersama-
sama.  Dalam tulisan ini hanya akan dianalisa dua variasi pertama, sedangkan dua variasi
terakhir tidak dianalisa karena memang pola variasi tersebut tidak tersistem dengan baik selain
membutuhkan waktu yang sangat lama untuk mendapatkan data yang panjang. Pengalaman
dan feeling so good dari pengambil keputusan dapat membantu adjustment pada hasil ramalan.
Model Time Series adalah suatu peramalan nilai-nilai masa depan yang didasarkan pada nilai-
nilai masa lampau suatu variabel dan atau kesalahan masa lampau.  Model time series biasanya
lebih sering digunakan untuk suatu peramalan/prediksi.     Dalam tehnik peramal an dengan time
series ada 2 kategori utama yang perlu dilakukan pengujian, yaitu pemulusan (smoothing) dan
dekomposisi (decomposition).  Metode pemulusan mendasarkan ramalannya dengan prinsip rata-
rata dari kesalahan masa lalu (Averaging smoothing past errors) dengan menambahkan nilai
ramalan sebelumnya dengan persentase kesalahan (percentage of the errors) antara nilai
sebenarnya (actual value) dengan nilai ramalannya (forecasting value).  Metoda dekomposisi
mendasarkan prediksinya dengan membagi data time series menjadi beberapa komponen dari
Trend, Siklis, Musiman dan pengaruh Random; kemudian mengkombinasikan prediksi dari
komponen-komponen tersebut (kecuali pengaruh random yang sulit diprediksi).  Pendekatan lain
untuk peramalan  adalah metoda causal atau yang lebih dikenal dengan sebutan regresi. Tehnik
pemulusan dan regresi akan dibahas pada sesi tulisan yang lain.

Variasi musiman
Salah satu komponen yang mempengaruhi data time series adalah komponen musiman.  Gerakan
musiman (seasonal movement) merupakan gerakan yang teratur artinya naik turunnya terjadi
pada waktu-waktu yang sama.  Disebut gerakan musiman oleh karena terjadinya bertepatan
dengan pergantian musim didalam satu tahun atau dalam waktu yang singkat.  misal:
            – Harga beras akan turun pada saat musim panen padi.

– Penjualan buku akan meningkat pada awal sekolah.

– Jumlah pengunjung ke gedung bioskop akan naik pada malam minggu.

Jika data time series dipengaruhi oleh variasi musiman, maka diperlukan metoda peramalan yang
lebih baik yang memperhatikan keterlibatan variasi musiman didalam data.
Untuk keperluan analisa seringkali data time series dinyatakan dalam bentuk angka indeks. 
Apabila kita ingin menunjukkan ada tidaknya gerakan musiman perlu dibuat indeks musiman
(seasonal index).  Indeks musiman adalah suatu angka yang bervariasi terhadap nilai dasar 100. 
Jika suatu periode musiman mempunyai nilai indeks 100, nilai ini menunjukan bahwa pada bulan
tersebut tidak ada pengaruh musiman.  Ada beberapa metode untuk menghitung angka indeks
musiman, antara lain adalah metode rata-rata sederhana (simple average method).
 

 Mencari indeks musiman dengan metoda rata-rata sederhana

Indeks musiman dapat digunakan untuk menguraikan perkiraan/ ramalan penjualan tahunan
menjadi perkiraan penjualan per bulan pada tahun mendatang. Untuk mencari indeks musiman
dengan metode rata-rata sederhana, pertama perlu dicari nilai rata-rata untuk setiap bulannya
dengan maksud untuk menghilangkan pengaruh trend.  Berapa banyak tahun yang digunakan
untuk mendapatkan nilai rata-rata tergantung dari banyak tahun terulangnya gerakan siklis yang
maksudnya untuk menghilangkan pengaruh dari gerakan siklis (misal: 5 tahun, 10 tahun atau
lebih).

Dari nilai rata-rata tersebut selanjutnya dicari besaran persentasenya terhadap total atau jumlah
nilai rata-rata dimana jumlah nilai rata-rata tersebut menjadi nilai 100 dalam besaran persentase. 
Indeks musiman didapat dengan cara mengalikan besaran persentase masing-masing bulan
dengan konstanta 12.
Metoda Dekomposisi
Dekomposisi adalah suatu prosedur dalam menganalisa data serial waktu dengan cara
mengidentifikasi faktor-faktor komponen yang ada dalam suatu periode data.  Setiap komponen
diidentifikasi secara terpisah sehingga pola serial waktu dapat digunakan untuk peramalan
kegiatan masa depan baik untuk jangka pendek maupun jangka panjang.

Pada dasarnya ada 3 komponen yang membentuk pola suatu data serial waktu.  Ketiga
komponen tersebut adalah gerakan trend, musiman (seasonal) dan siklis (cyclical).  Dekomposisi
mengasumsikan bahwa data dibentuk seperti berikut ini:
            Data    =  Pola  +  Error

= fungsi (trend, musiman, siklis) + Error

–          Trend adalah suatu gerakan yang menunjukan arah perkembangan (kecenderungan

menaik atau menurun.
–          Gerakan musiman adalah suatu gerakan yang mempunyai pola tetap dari waktu ke
waktu.
–          Gerakan siklis adalah gerakan jangka panjang disekitar garis trend (berlaku untuk data
tahunan), gerakan siklis ini akan terulang dalam jangka waktu tertentu atau bisa juga dalam
jangka waktu yang tidak sama.
–          Error/irregular adalah gerakan yang sporadis atau yang tidak tertentu.  Gerakan ini
ditimbulkan oleh suatu kejadian yang tak terduga seperti perang, gempa bumi dan sebagainya.
Apabila gerakan trend, musiman, siklis dan error masing-masing diberi simbol  T, S, C dan I
maka data serial waktu Y merupakan hasil kali dari 4 komponen tersebut, yaitu:

Y   =   T  x  S  x  C  x  I
 D. IDENTIFIKASI KOMPONEN SIKLIS DAN KOMPONEN TAK
BERATURAN
Indeks Siklus
1. Komponen data berkala
o Y = T x S x C x I

2. Dimana Y, T dan S diketahui, maka CI diperoleh dengan cara :
o Y / S = T.C.I
o T.C.I adalah data normal, maka unsur tren (T) dikeluarkan
o C.I = TCI / T
ket:
T : Tren
S : Variasi Musim
C : Siklus
I : Gerak tak Beraturan

CONTOH KASUS :
Tahun Triwulan Y T S TCI =Y/S CI=TCI/T C
I 60 47.56

2005 II 65 53.47 100.00 65.00 121.56

III 70 59.39 100.00 70.00 117.87 117.75

I 75 65.31 100.90 74.33 113.82 113.58

2006 II 78 71.22 100.43 77.67 109.05 107.85

III 80 77.14 103.00 77.67 100.68 99.74

I 75 83.06 100.90 74.33 89.50 89.99

2007 II 68 88.97 95.77 71.00 79.80

III 70 94.89
Total 641

Gerak tak Beraturan 
Gerak tak beraturan 
Suatu perubahan kenaikan dan penurunan yang tidak beraturan baik dari sisi waktu dan lama 
dari siklusnya
 1. Penyabab gerak tak beraturan
o Perang
o Krisis
o Bencana alam dll
2. Komponen data berkala sudah diketahui
o Y = T x S x C x I
o CI = Faktor siklus
o C = Siklus
Maka I = CI / C

CONTOH KASUS :
Tahun Triwulan Y T S TCI =Y/S CI=TCI/T C I

I 60 47.56

2005 II 65 53.47 100.00 65.00 121.56

III 70 59.39 100.00 70.00 117.87 117.75 100.10

I 75 65.31 100.90 74.33 113.82 113.58 100.21

2006 II 78 71.22 100.43 77.67 109.05 107.85 101.11

III 80 77.14 103.00 77.67 100.68 99.74 100.94

I 75 83.06 100.90 74.33 89.50 89.99 99.45

2007 II 68 88.97 95.77 71.00 79.80
III 70 94.89

Total 641
 BAB III

PENUTUP

A. Kesimpulan

Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan

perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah
penduduk, jumlah kecelakaan, jumlah kejahatan, dsb).2. Serangkaian nilai-nilai variabel
yang disusun berdasarkan waktu.3. 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 kearah yang sama, dari waktu yang
lampau ke waktu yang mendatang. 

B. Saran

Dengan selesainya makalah ini, penulis berharap makalah ini menjadi bahan
bacaan yang dapat menambah wawasan bagi penulis dan pembaca. Penulis meminta maaf
bahwa makalah ini masih terdapat kesalahan-kesalahan