DERET BERKALA DAN PERAMALAN

I. Deret berkala dan peramalan

Deret berkala (time series) adalah sekumpulan data yang dicatat dalam suatu periode
waktu. Contoh data hasil penjualan PT. DI tahun 2000-2019, hasil produksi, jumlah
permintaan terhadap suatu produk dsb.
Analisis deret berkala berguna untuk mengetahui kondisi masa mendatang atau
meramalkan (forecasting) kondisi masa mendatang. Peramalan penjualan dan produksi baik
jangka pendek maupun jangka panjang berguna bagi penyusunan rencana perusahaan dan
dapat mendorong perusahaan untuk mempersiapkan segala sesuatu sedini mungkin, sehingga
hasil yang dicapai dapat optimal.
II. Deret berkala
Deret berkala memiliki 4 komponen yaitu :
1. Trend (Trend)
2. Variasi musim (Season)
3. Variasi siklis(Cyclicle)
4. Gerak irreguler atau random (Irregular)

III.Analisis trend
Trend adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth).
Trend yang meningkat disebut trend positif dan trend yang menurun disebut trend negatif.
Dalam analisis trend tedapat empat metode yaitu:
a. metode semi rata-rata ( semi average method)
b. metode kuadrat terkecil (least square method)
c. metode trend kuadratis (quadratic trend method)
d. metode trend eksponensial (exponential trend method)
 1
a. Metode semi rata-rata ( semi average method)
Metode semi rata-rata membuat trend dengan cara mencari rata-rata kelompok data.
Persamaan trend dinyatakan dalam Y’=a+bX
Nilai a merupakan rata-rata dari tiap kelompok sedangkan b merupakan besarnya nilai
perubahan yang dicari dengan rumus sbb:
b
−−
KK
21
=
tahundasar tahun dasar 2 1

K1 dan K2 adalah nilai rata-rata kelompok 1 dan 2

Contoh:
PT Cahaya Sejati memiliki data hasil penjualan produk X ( dalam jutaan rupiah) dari tahun
2001 sampai 2006 sebagai berikut:

Tahun Hasil penjualan

(juta rupiah)

2001 4,2

2002 5,0

2003 5,6

2004 6,1

2005 6,7

2006 7,2
 Tahun Hasil Rata-rata Nilai X untuk Nilai X untuk
penjualan tahun tahun
(juta rupiah) dasar 2002 dasar 2005

2001 4,2 -1 -4

K1 2002 5,0 4,93333 0 -3

3

2003 5,6 1 -2

2004 6,1 2 -1

K2 2005 6,7 6,66666 3 0

7

2006 7,2 4 1

Rata-rata tiap kelompok :

K1 = a1= 4,93333
K2 = a2= 6,66667
Besarnya nilai perubahan:
KK
21
=
− 2005 2002
=
b
21
= −
tahun dasar tahun −
dasar 6,66667 4,93333 0,577778
−

Persamaan trend sebagai berikut:

2
a. Y’=4,9333 +0,577778X dengan tahun dasar 2002
b. Y’=6,6667 +0,577778X dengan tahun dasar 2005
Nilai peramalan penjualan tahun 2007 dengan tahun dasar 2002 adalah:
Y’=4,93333 +0,577778(5)= Rp7,82 juta
Nilai peramalan penjualan tahun 2007 dengan tahun dasar 2005 adalah:
Y’=6,666667 +0,577778(2)= Rp7,82 juta
Catatan:
Bila jumlah tahun atau nilai deret berkala merupakan jumlah data ganjil, pengelompokkan
data dapat dilakukan dengan 2 cara:
1. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
memasukkan periode tahun serta nilai deret berkala yang paling tengah ke dalam tiap-tiap
kelompok
2. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
menghilangkan periode tahun serta nilai deret berkala yang paling tengah. Contoh: Berikut
adalah perkembangan hasil penjualan HP merk X periode 1996-2002

Tahun Hasil
penjualan(juta)

199 41
6

199 39
7

199 36
8

199 37
9

2000 39

2001 41

2002 42

3
Cara 1
Tahun Hasil Rata-rata Nilai X untuk Nilai X Trend
penjualan(juta) tahun dasar untuk dengan
31 Des tahun tahun
1997 dasar 31 dasar 31
Des 2000 Des 1997
 1996 41 -1 -4 37.75

1997 39 38.25 0 -3 38.25

1998 36 1 -2 38.75

1999 37 2 -1 39.25

1999 37 2 -1 39.25

2000 39 39.75 3 0 39.75

2001 41 4 1 40.25

2002 42 5 2 40.75

Nilai trend periode dasar 31 Des 1997 dan 31 Des 2000 (3 tahun)
maka b = (39,75-38,25)/3=0,5
Persamaan trend dengan tahun dasar 31 desember 1997 sebagai berikut:
Y’=38.25 + 0,5X
Persamaan trend dengan tahun dasar 31 desember 2000 sebagai berikut:
Y’=39.75 + 0,5X
Y 2005=38.25 + 0,5(8)=Rp42,25 juta
Y 2005=39,75 + 0,5(5)= Rp42,25 juta

Cara 2
2001 41 40.6666667 3.5
Tahun Hasil Rata-rata
2002 42 4.5
penjualan(juta)

1996 41
Nilai X untuk
1997 39 38.6666667 tahun dasar 30 Juni 1997
-5.5
1998 36 -4.5
-3.5

2000 39 -1.5
-0.5 0.5

4
Nilai trend periode dasar 30 juni 1997 dan 30 Juni 2001 (4 tahun)
maka b = (40.6666667-38.6666667)/4=0,5
Persamaan trend sebagai berikut:
Y’=38.6666667+0,5X (tahun dasar 30 Juni 1997)
Y’=40.6666667+0,5X (tahun dasar 30 Juni 2000)
b. Metode kuadrat terkecil (least square method)
Trend dengan metode kuadrat terkecil diperoleh dengan menentukan garis trend yang
mempunyai jumlah terkecil dari kuadrat selisih data asli dengan data pada garis trend.
Apabila Y menggambarkan data asli dan Y’ merupakan data trend, maka metode kuadrat
terkecil dirumuskan ∑(Y-Y’)2. Garis trend linier digambarkan sebagai berikut:

Hasil
penjualan

Y’

Tahun

Rumus garis trend dengan metode kuadrat terkecil adalah Y’=a+bX dimana:
Y’= nilai trend
a = konstanta pada saat X=0
b = nilai kemiringan yaitu tambahan nilai Y apabila X bertambah satu-satuan
X = variabel waktu
Koding waktu ditransformasikan menjadi bilangan .....,-3,-2,-1,0,1,2,3,.....apabila banyak
tahun ganjil dan .....,-5,-3,-1,1,3,5,..... apabila banyak tahun genap atau dapat juga ditulis
.....,-2,5, -1,5, -0,5 , 0,5, 1,5, 2,5,.....
Rumus mencari a dan b:

a∑
2
=
Y
= XXY
n
∑
∑
b
Contoh menggunakan soal 1 di atas.
Tahun Hasil Kode XY X2
penjualan tahun
(juta rupiah) X
Y

2001 4,2 -5 -21 25

2002 5 -3 -15 9

2003 5,6 -1 -5,6 1

2004 6,1 1 6,1 1

2005 6,7 3 20,1 9

2006 7,2 5 36 25

Jumlah 34,8 20,6 70

a ∑ Y 34,8
=== 5,8
n XY
20,6
∑
6
b
=== 0,294285714
∑
2
X 70

Jadi Y’= 5,8 + 0,294285714X

Nilai peramalan hasil penjualan tahun 2007 adalah:
Y’= 5,8 + 0,294285714(7)= 7,859999998=Rp7,86 juta

c. Metode trend kuadratis (quadratic trend method)

Untuk trend yang sifatnya jangka pendek dan menengah, kemungkinan trend akan
mengikuti pola linier. Namun dalam jangka panjang pola bisa berubah tidak linier. Oleh
sebab itu, apabila polanya tidak linier dan diduga dengan persamaan linier, hasil ramalannya
akan berbeda atau tidak cocok. Salah satu metode yang tidak linier adalah metode kuadratis.
Rumus metode kuadratis:

6
2
Y’=a+bX+cX
Rumus mencari koefisien a, b dan c adalah sebagai berikut:

∑∑∑∑
( )( ) ( )( )
422
Y X XY X
−
a
nXX∑ ∑
=

( ) ( )2 4 2
−

∑
2
= XXY
b
∑
∑∑∑
( ) ( )( )
22
n XY XY
−
c
 =
nXX
∑∑
( ) ( )2 4 2
−

Bentuk kurva trend kuadratis

Hasil
penjualan

Y’

Tahun

7
Contoh menggunakan soal 1.
Tahun Hasil Kode X.Y X2 X2Y X4
penjualan tahun X
(juta rupiah)
Y
 2001 4,2 -5 -21 25 105 625

2002 5 -3 -15 9 45 81

2003 5,6 -1 -5,6 1 5,6 1

2004 6,1 1 6,1 1 6,1 1

2005 6,7 3 20, 9 60,3 81

1

2006 7,2 5 36 25 180 625

Jumlah 34,8 20, 70 402 1414
6

( )( ) ( )( )
34,8 1414 402 70
a=
− 20,6
5,878125 2=
()()
6 1414 70
b = = 70
− 0,294285714
−
()(
c=
0,00669642857
( ) ( )( ) )
6 402 70 34,8
6 1414 70 2= −

Y’=5,878125 + 0,294285714X - 0,00669642857X2

Nilai peramalan hasil penjualan tahun 2007 adalah:
Y2007= 5,878125+0,294285714(7) - 0,00669642857(72)= 7,609999998=Rp 7,61 juta
Y2010 =
 8
d. Metode trend eksponensial (exponential trend method)
Trend eksponensial adalah suatu trend yang mempunyai pangkat atau eksponen dari
waktunya. Bentuk persamaan eksponensial dinyatakan sebagai berikut: Y’=a(1+b) X
Nilai a dan b dicari dengan rumus sebagai berikut:
Y’=a(1+b)X
LnY’=Lna +XLn(1+b)
Rumus mencari a dan b adalah sebagai berikut:
LnY n
a anti

Ln∑ =

⎜ −⎟
2 ⎟ ⎠⎞
⎜ ⎝⎛
()X
b anti Ln ( . ) 1
∑ X LnY
=
∑

Grafik trend eksponensial digambarkan sbb:

Hasil
penjualan
 Y’

Tahun

9
Contoh menggunakan soal 1
Tahun Hasil Kode LnY XLnY X2
penjualan tahun
(juta rupiah) X
Y

2001 4,2 -5 1,43508 -7,175423 25

2002 5 -3 1,60944 -4,828314 9

2003 5,6 -1 1,72277 -1,722767 1

2004 6,1 1 1,80829 1,808289 1

2005 6,7 3 1,90211 5,706323 9

2006 7,2 5 1,97408 9,870405 25

34,8 10,4518 3,658514 70

a anti Ln =
 10,4518 6
= 1,741966667 di excel klik
anti Ln (jika dihitung exp)
= 59223 14

⎜ 3,6585 ⎞
⎝⎛
5,7085

b= 70 ⎠
anti Ln ⎟ − 1

=
0,053654382

Y’= 5,708559223(1+0,053654382)X
Nilai peramalan hasil penjualan tahun 2007 adalah
Y’= 5,708559223(1+0,053654382)7=8,230263781=Rp8,23 juta
Kalkulator: gunakan program e^x kemudian shift ln kurang 1 atau program A.B^X
kemudian kurang 1.
Memilih trend yang lebih baik
Untuk menentukan metode mana yang lebih baik, maka digunakan ukuran ketepatan
yaitu seberapa tepat sebuah alat peramalan tersebut menduga kejadian yang sebenarnya.
Semakin tepat maka semakin baik peramalan tersebut. Alat yang lebih tepat akan
mempunyai derajat kesalahan yang lebih kecil. Apabila ∑(Y-Y’)2paling kecil maka metode
tersebut dianggap paling tepat, atau mempunyai tingkat kesalahan yang lebih kecil.
Dari 4 metode yang digunakan untuk meramalkan hasil penjualan dengan data tahun 2001-
2006 maka dapat diketahui nilai ∑(Y-Y’)2dari ke-4 metode tersebut dan dapat diketahui
metode yang lebih baik/cocok untuk peramalan.
10
a. Metode semi rata-rata: Y’=4,93333 +0,57778X dengan tahun dasar 2002
Tahun Hasil Kode Y' Y-Y' (Y-Y')2
penjualan tahun
(juta X
rupiah) Y

2001 4,2 -1 4,35 -0,15 0,0225

 2002 5 0 4,93 0,07 0,0049

2003 5,6 1 5,51 0,09 0,0081

2004 6,1 2 6,09 0,01 1E-04

2005 6,7 3 6,67 0,03 0,0009

2006 7,2 4 7,25 -0,05 0,0025

0,039

b. Metode kuadrat terkecil : Y’= 5,8 + 0,294285714X

Tahun Hasil Kode tahun Y' Y-Y' (Y-Y')2
penjualan (juta X
rupiah)
Y

2001 4,2 -5 4,32857143 -0,12857143 0,016530613

2002 5 -3 4,91714285 0,08285714 0,00686530

8 2 6

2003 5,6 -1 5,50571428 0,09428571 0,00888979

6 4 6

2004 6,1 1 6,09428571 0,00571428 3,26531E-0

4 6 5

2005 6,7 3 6,68285714 0,01714285 0,00029387

2 8 8

2006 7,2 5 7,27142857 -0,07142857 0,005102041

Jumlah 0,03771428
6

c. Metode trend kuadratis Y’= 5,878125 + 0,294285714X - 0,00669642857X2

11
 Tahun Hasil Kode X2 Y' Y-Y' (Y-Y')2
penjualan tahun
(juta X
rupiah) Y

2001 4,2 -5 25 4,239285716 -0,039285716 0,001543

2002 5 -3 9 4,935000001 0,064999999 0,004225

2003 5,6 -1 1 5,577142857 0,022857143 0,000522

2004 6,1 1 1 6,165714285 -0,065714285 0,004318

2005 6,7 3 9 6,700714285 -0,000714285 5,1E-07

2006 7,2 5 25 7,182142856 0,017857144 0,000319

Jumlah 0,010929

d. Metode trend eksponensial: Y’= 5,708559223(1+ 0,053654382)X

Tahun Hasil Kode Y' Y-Y' (Y-Y')2
penjualan tahun
(juta X
rupiah) Y

2001 4,2 -5 4,3957767 -0,1957767 0,038328516

2002 5 -3 4,880136594 0,119863406 0,014367236

2003 5,6 -1 5,417866922 0,182133078 0,033172458

2004 6,1 1 6,01484844 0,08515156 0,007250788

2005 6,7 3 6,677609894 0,022390106 0,000501317

2006 7,2 5 7,413399413 -0,213399413 0,045539309

Jumlah 0,139159625

Dari ke-4 metode tersebut, nilai ∑(Y-Y’)2yang paling kecil adalah metode trend kuadratis
yaitu sebesar 0,010929. Dengan demikian metode trend kuadratis lebih baik / cocok
dibandingan metode lainnya.
II. Analisis Variasi Musim
Variasi musiman berhubungan dengan perubahan atau fluktuasi dalam musim-musim
tertentu. Variasi musiman menjelaskan fluktuasi dalam satuan bulanan atau triwulan atau

12
semester dalam satu tahun. Contoh produksi pertanian, inflasi , harga saham dll. Peramalan
dengan variasi musiman berguna untuk menyusun perencanaan jangka pendek. Metode
Perhitungan
Metode perhitungan untuk mengetahui variasi musim yaitu dengan mengetahui indeks
musim. Adapun metode tersebut antara lain adalah:
∙ Metode rata-rata sederhana
∙ Metode rata-rata trend
∙ Metode rasio rata-rata bergerak
a. Metode rata-rata sederhana
Metode rata-rata sederhana mengasumsikan bahwa pengaruh trend dan siklus yang tidak
beraturan tidak besar dan dapat dianggap tidak ada. Indeks musim hanya berdasarkan pada
data aktual dan nilai rata-ratanya saja.

Contoh:
Berikut adalah data produksi padi per triwulan tahun 2005-2008. Hitunglah indeks musim
setiap triwulan apabila produksi padi tahun 2010 diperkirakan 54 juta ton, berapa target
produksi setiap triwulannya?
Produksi padi per triwulan tahun 2005-2008 juta ton
Triwulan 2005 2006 2007 2008

I 22 25 26 24

II 14 15 14 14
 III 8 8 8 9

Jawab:
Triwulan 2005 2006 2007 2008

I 22 25 26 24

II 14 15 14 14

III 8 8 8 9

Total 44 48 48 47

Rata-rata 14,6667 16,0000 16,000 15,666

0 7

Indeks musiman produksi padi per triwulan tahun 2005-2008

Triwulan 2005 2006 2007 2008 Indeks
musiman

I 150.000 156.250 162.500 153.191 155.4854

0 0 0 5

13
II 95.4545 93.7500 85.000 89.3617 91.5166

III 54.5455 50.0000 50.0000 57.4468 52.9981

Produksi padi tahun 2010 diperkirakan 54 juta ton. Maka rata-rata per triwulannya adalah
54/3=18 juta ton. Dengan demikian untuk setiap triwulan targetnya adalah: Target setiap
triwulan = (Indeks musim x rat-rata per triwulan)/100
Target triwulan I=(155,4854 x 18)/100=27,99
Target triwulan II=(91,5166 x 18)/100=16,47
Target triwulan III=(52,9981 x 18)/100=9,54
Triwulan 2005 2006 2007 2008 Indeks Prediksi
musiman 2010
 I 155.485372 27.99
150.0000 156.2500 162.5000 153.19149 3
0 0 0

II 91.5165619 16.47
95.45455 93.75000 87.50000 89.36170

III 52.9980657 9.54

54.54545 50.00000 50.00000 57.44681 6

54.00

Cara lain
Triwulan 2005 2006 2007 2008 total rata IM Predik
rata si
2010

I 22 25 26 24 97 24.25 155.6149
7 28.01

II 14 15 14 14 57 14.25 91.4438
5 16.46

III 8 8 8 9 33 8.25 52.94118

9.53

Total 44 48 48 47 187 46.75

54.00

IM=(rata-rata twl/rata-rata total )x100

Rata-rata total=46.75/3=15.5833333

14
b. Metode rata-rata dengan trend
Metode rata-rata dengan trend adalah metode rata-rata yang disesuaikan dengan trend.
 Rumus:
dataasli
Nilai Contoh:
Indeksmusim=
x100
Nilaitrend

Hitunglah indeks musim bulanan nilai pendapatan PT CJM tahun 2008

Bulan Pendapatan

Januari 88

Februari 82

Maret 106

April 98

Mei 112

Juni 92

Juli 102

Agustus 96

September 105

Oktober 85

Nopember 102

Desember 76

Jawab:
Bulan Y X XY X2 Y'

Januari 88 -11 -968 121 97,2948

7

Februari 82 -9 -738 81 96,9382

3

Maret 106 -7 -742 49 96,5815

9

April 98 -5 -490 25 96,2249

 4

Mei 112 -3 -336 9 95,868

3

Juni 92 -1 -92 1 95,5116

6

Juli 102 1 102 1 95,1550

1

Agustus 96 3 288 9 94,7983

7

September 105 5 525 25 94,4417

2

Oktober 85 7 595 49 94,0850

8

Nopember 102 9 918 81 93,7284

4

Desember 76 11 836 121 93,3717

9

Total 1144 -102 572

a= 95,33333
b= -0,17832

Y’=a+bX
Y’ =95,33333 - 0,17832X
Bulan Y Y' Indeks Musim

Januari 88 97,2948 90,44669917

7

15
Februari 82 96,9382 84,58995107
3

Maret 106 96,5815 109,7517709

9
 April 98 96,2249 101,8446966
4

Mei 112 95,8683 116,8269406

Juni 92 95,5116 96,32332304

6

Juli 102 95,1550 107,1935132

1

Agustus 96 94,7983 101,2675658

7

September 105 94,4417 111,179672

2

Oktober 85 94,0850 90,34375968

8

Nopember 102 93,7284 108,8250289

4

Desember 76 93,3717 81,39502952

9

Contoh 2:
Hitunglah indeks musim bulanan nilai pendapatan PT CJM tahun 2004-2008
2004 2005 2006 2007 2008

Januari 32 34 37 39 42

Februari 28 31 33 35 38

Maret 28 30 32 34 37

April 25 27 29 31 33

Mei 23 25 27 29 31

Juni 22 24 25 27 30

Juli 22 24 26 28 31

Agustus 25 26 28 31 33

September 27 29 31 33 36
 Oktober 30 32 35 36 40

Nopember 33 34 37 39 42

Desember 35 36 39 42 45

a 27,5 29,33333 31,58333 33,66667 36,5

b 0,188811 0,132867 0,162587 0,174825 0,195804

Nilai trend (Y’)

2004 2005 2006 2007 2008

Januari 25,4230 27,8717 29,7948 31,7435 34,3461

8 9 7 9 5

Februari 25,8007 28,1375 30,1200 32,0932 34,7377

3 5 4 6

Maret 26,1783 28,4032 30,4452 32,4428 35,1293

2 6 2 9 7

April 26,5559 28,669 30,7704 32,7925 35,5209

4 4 8

Mei 26,9335 28,9347 31,0955 33,1421 35,9125

7 3 7 9 9

Juni 27,3111 29,2004 31,4207 33,4918 36,3042

9 7 5 4

Juli 27,6888 29,4662 31,7459 33,8414 36,695

1 2 9 8

Agustus 28,0664 29,7319 32,0711 34,1911 37,0874

3 3 4 1

September 28,4440 29,9976 32,3962 34,5407 37,4790

6 7 7 9 2

Oktober 28,8216 30,2634 32,7214 34,8904 37,8706

8 5 4 3

Nopember 29,1993 30,5291 33,0466 35,2400 38,2622

4 2 9 4

Desember 29,5769 30,7948 33,3717 35,5897 38,6538

 2 7 9 4 5

16
Indeks musim bulanan nilai pendapatan PT CJM tahun 2004-2008
2004 2005 2006 2007 2008 median Indeks
musim

Januari 125,8699 121,9871 124,1824 122,8594507 122,284434 122,8594507 122,9378

Februari 108,5242 110,1731 109,5616 109,0572342 109,391042 109,3910418 109,4608

Maret 106,9587 105,6217 105,1068 104,7995402 105,324973 105,3249726 105,3921

April 94,14088 94,17839 94,24643 94,53369349 92,9028448 94,17838849 94,23843

Mei 85,3953 86,40135 86,82909 87,50175833 86,3207088 86,40135342 86,45643

Juni 80,55307 82,19047 79,56527 80,61664811 82,6350766 80,61664811 80,66804

Juli 79,45448 81,44925 81,90029 82,73866924 84,478323 81,90028636 81,952

5

Agustus 89,07437 87,44806 87,30603 90,66675757 88,9789761 88,97897615 89,035

7

September 94,92317 96,67418 95,69003 95,53920907 96,0537364 95,69002734 95,75103

Oktober 104,0883 105,7383 106,9635 103,1801176 105,62275 105,6227495 105,6901

Nopember 113,0164 111,369 111,963 110,6694007 109,768802 111,3690158 111,44

Desember 118,3355 116,9026 116,8652 118,0115274 116,41791 116,9025812 116,9771

1199,24 1200

FK (Faktor koreksi) = 1200/1199,24=1,00064 (nilai faktor koreksi)

Indeks musim bulan januari 122,8594507 x 1,00064=122,937311
c. Metode rasio rata-rata bergerak
Metode rasio rata-rata bergerak ( ratio to moving average method) adalah metode yang
dilakukan dengan cara membuat rata-rata bergerak selama periode tetentu. Untuk membuat
rata-rata tidak ada ketentuan berapa periode (n). Nilai n bisa 2, 3, 4 atau 12 tergantung pada
kondisi pengaruh fluktuasi musiman.
Rumus:
Indeks musim = Rata-rata Nilai rasio x Faktor koreksi

dataasli Nilairasio
−
=x100
Dimana : datarata ratabergerak

17

=(100 )
n

jumlah rata rata rasio selama n

Faktor koreksi
−

Contoh:
Hitunglah indeks musim dengan rata-rata bergerak untuk setiap triwulan dari produksi padi
berikut ini:

Triwulan 2005 2006 2007 2008

I 22 25 26 24

II 14 15 14 14

III 8 8 8 9

Jawab:
Tahun Triwulan Data Total bergerak Rata Nilai
asli 3 Trw rata Rasio
bergerak

I 22

2005 II 14 44 14,666 95,4545

7

III 8 47 15,666 51,0638

7

I 25 48 16,000 156,2500
 0

2006 II 15 48 16,000 93,7500

0

III 8 49 16,333 48,9796

3

I 26 48 16,000 162,5000
0

2007 II 14 48 16,000 87,5000

0

III 8 46 15,333 52,1739

3

I 24 46 15,333 156,5217
3

2008 II 14 47 15,666 89,3617

7

III 9

Triwulan 2005 2006 2007 2008 Rata-rata Indeks

musim

I 156,25 162,5000 156,521 158,4239 158,0658

7 1

II 95,4545 93,75 87,5000 89,3617 91,51656 91,30972

5 2

III 51,0638 48,9795 52,1739 50,73911 50,62443

3 9 2

Jumlah 300,6795 300

9

100 3
Faktor ==
0,99774
koreksi 300,67959
x
Indeks musim triwulan I =158,42391 x 0,99774 = 158,0658
Indeks musim triwulan II =90,203901 x 0,99774 = 91,30972
Indeks musim triwulan III =50,739112x0,99774 = 50,62443
18
Angka indeks triwulan inilah yang digunakan untuk peramalan selanjutnya.

III. Analisis Variasi Siklus

Siklus yaitu suatu perubahan atau gelombang naik dan turun dalam suatu periode dan
berulang pada periode lain. Indeks siklus diperoleh dengan cara sebagai berikut: Komponen
deret berkala terdiri dari trend (T), musim atau season (Season), siklus atau cyclical (C),
gerak tak berarturan atau irregular (I) sehingga dinyatakan dalam bentuk: Y = TxSxCxI
dimana Y adalah data aktual.
Y
= dimana TCI menunjukkan data normal
S TCI

Untuk memperoleh faktor siklus maka unsur trend dikeluarkan dari data normal sehingga
faktor siklus adalah
I
TC CI =
T
Contoh:
Hitunglah indeks siklus setiap triwulan dari data produksi padi tahun 2005 samapi 2008
Produksi padi per triwulan tahun 2005-2008 juta ton

Triwulan 2005 2006 2007 2008

I 22 25 26 24

II 14 15 14 14

III 8 8 8 9

Jawab:
Dari soal sebelumnya sudah diketahui Y(data aktual), T (trend) dan S (indeks musim),
sehingga dapat dicari data normal (TCI=Y/S) dan faktor siklus (CI=TCI/T). Untuk mencari
C dapat dicari dengan menggunakan metode rata-rata bergerak dengan langkah-langkah sbb:

Tahun Triwulan Data X Trend S TCI=Y/S CI=TCI/T C=inde

asli (Y’) ks
(Y) siklus

I 22 -11 17,525
6

2005 II 14 -9 17,172 95,4545 14,6666 85,4079

5 7

III 8 -7 16,819 51,0638 15,6666 93,1467 91,90778

3 7

I 25 -5 16,466 156,2500 16,0000 97,1687 96,53794

2 0

2006 II 15 -3 16,113 93,7500 16,0000 99,2984 100,0352

1 0

III 8 -1 15,759 48,9796 16,3333 103,638 102,2625

9 3 5

19
I 26 1 15,406 162,5000 16,0000 103,850 104,5919
8 0 5

2007 II 14 3 15,053 87,5000 16,0000 106,286 104,8141

6 0 8

III 8 5 14,700 52,1739 15,3333 104,305 105,8214

5 3 1

I 24 7 14,347 156,5217 15,3333 106,872 107,7096

3 3 5

2008 II 14 9 13,994 89,3617 15,6666 111,951

2 7 4

III 9 11 13,641
0

a= 15,58333
b= -0,17657
IV. Analisis Gerak Tak Beraturan (Irregular)
Gerak tak beraturan (irregular movement) merupakan suatu perubahan berupa
kenaikan dan penurunan yang tidak beraturan baik dari sisi waktu dan lama dari siklusnya.
Penyebab gerak tidak beraturan diantaranya adalah perang, krisis, dan bencana alam.
Komponen deret berkala terdiri dariT, S, C, I

Y = TxSxCxI dimana Y adalah data aktual.

Y
= dimana TCI menunjukkan data normal
S TCI

TCI
CI =
T
CI CI
=
CI
I
= C
Dimana I adalah indeks gerak tak beraturan
Contoh: Hitunglah indeks irregular setiap triwulan dari data produksi padi tahun 2005
sampai 2008
Produksi padi per triwulan tahun 2005-2008 juta ton
Triwulan 2005 2006 2007 2008

I 22 25 26 24

II 14 15 14 14

III 8 8 8 9

Jawab:
Tahun Triwulan Data Trend S TCI=Y/S CI=TCI/T C I
 20
asli

I 22 -11 17,5256

2005 II 14 -9 17,1725 95,4545 14,66667 85,4079

III 8 -7 16,8193 51,0638 15,66667 93,1467 91,90778 101,348

0

I 25 -5 16,4662 156,250 16,00000 97,1687 96,53794 100,653

0 4

2006 II 15 -3 16,1131 93,7500 16,00000 99,2984 100,0352 99,2634

III 8 -1 15,7599 48,9796 16,33333 103,6385 102,2625 101,345

6

I 26 1 15,4068 162,500 16,00000 103,8505 104,5919 99,291

0 1

2007 II 14 3 15,0536 87,5000 16,00000 106,2868 104,8141 101,405

0

III 8 5 14,7005 52,1739 15,33333 104,3051 105,8214 98,567

1

I 24 7 14,3473 156,521 15,33333 106,8725 107,7096 99,2227

7

2008 II 14 9 13,9942 89,3617 15,66667 111,9514

21
22
23
24