1

BAB VI. ANALISIS DATA BERKALA DAN PERAMALAN

Data berkala = data time series = data yang dikumpulkan dari waktu ke
waktu yaitu untuk menggambarkan perkembangan suatu kegiatan. Di dunia
bisnis data berkala diperlukan sebagai bahan acuan dalam pembuatan
keputusan sekarang, untuk proyeksi, maupun untuk perencanaan di masa yang
akan datang.

Data berkala dapat digunakan untuk pembuatan garis trend yang dapat
digunakan untuk membuat ramalan atau perkiraan yang biasa digunakan
sebagai dasar perumusan perencanaan. Untuk dapat menggunakan data
berkala dalam keperluan pembuatan suatu proyeksi perlu diketahui beberapa
asumsi yang digunakan :

1. Adanya ketergantungan kejadian masa mendatang terhadap masa

sebelumnya

2. Aktivitas di masa depan mengikuti pola yang terjadi di masa lalu

3. Hubungan atau keterkaitan masa lalu dapat ditentukan dengan observasi
atau penelitian.

Akurasi dari proyeksi yang dihasilkan sangat tergantung pada seberapa jauh
asumsi-asumsi ini dapat dipenuhi.

6.1. 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 data berkala bisa berbentuk trend yang
meningkat (trend positif) dan trend yang menurun (trend negatif).

Untuk melakukan peramalan dengan analisis trend terdapat beberapa model,

diantaranya :
1. Model trend linear
2. Model trend kuadratis
3. Model trend eksponensial

6.2. Metode menentukan trend Linear

Ada beberapa metode untuk membuat trend linear, namun yang yang paling
sering digunaan yaitu metode kuadrat terkecil (Least Square Method)
Garis trend dianggap linear atau berbentuk garis lurus dengan persamaan :

y = a + bX
 2

Y = data berkala
X = waktu (hari, minggu, bulan, tahun)
a,b = bilangan konstan, yang dapat dicari dengan Rumus :

Jika Σ X = 0, maka

 Yi  Xi.Yi
a = Y = dan b=
n  Xi2

1. Untuk n (jumlah data) ganjil, Xί = 0 terletak ditengah-tengah.

Jarak antar waktu diberi nilai satu satuan.

Contoh:
Perkembangan jumlah wisman yang berkunjung ke Bandung sbb;

Tahun Jumlah wisman

2014 1500
2015 1600
2016 1750
2017 1800
2018 2000
2019 2200
2020 2300

a. Buat persamaan garis trend

b. Berapa perubahan rata-rata tiap tahun
c. Berapa perkiraan atau ramalan jumlah wisman tahun 2022
d. Gambarkan kurvanya (grafik)

Jawab;

Tahun = X
Jumlah wisman = Y
 3

Perkembangan jumlah wisman yang berkunjung ke Bandung sbb;

Tahun Jumlah wisman (Y) X XY X²

2014 1500 -3 -4500 9
2015 1600 -2 -3200 4
2016 1750 -1 -1750 1
2017 1800 0 0 0
2018 2000 1 2000 1
2019 2200 2 4400 4
2020 2300 3 6900 9
Jumlah 13150 0 3850 28
(Σ)

a. persamaan Y = a +bX

a = ΣYί = 13150 = 1878,6

n 7

b = ΣXίYί = 3850 = 137,5

ΣXί ² 28

Jadi Y = 1878,6 + 137,5 X

b. perubahan rata-rata tiap tahun yaitu 137,5 wisman ( yaitu nilai b).
c. Perkiraan tahun 2022 ( X = 5) Y = 1878,6 + 137,5 (5) = 2566.

d. Kurva. Untuk menggambar garis trend buat 2 tahun saja. Misal tahun
2014 ( X = -3) Ý = 1878,6 + 137,5 (-3) = 1466 berada di bawah
1500

Tahun 2020 (X = 3) Ý = 1878,6 + 137,5 (3) = 2291 berada di

bawah 2300

Selanjutnya tarik garis lurus dari data 1466 ( tahun 2014) dengan data
2291 (tahun 2020)
 4

wisman

Observed
2400.00 Linear

2200.00

2000.00

1800.00

1600.00

1400.00
10.00 11.00 12.00 13.00 14.00 15.00 16.00
tahun

2. Untuk n (jumlah data) genap titik 0 terletak ditengah-tengah

(seolah-olah disisipkan tapi tidak perlu ditulis). Jarak antara
dua waktu diberi nilai dua satuan
Contoh;
Perkembangan jumlah wisman yang berkunjung ke Bandung sbb;

Tahun Jumlah wisman

2010 1500
2011 1600
2012 1750
2013 1800
2014 2000
2015 2200
2016 2300
2017 2400

a. buat persamaan garis trend

b. Berapa perubahan rata-rata tiap tahun
c. Berapa perkiraan tahun 2018, tahun 2019, dan tahun 2020
d. Gambarkan
 5

Jawab;

Tahun Jumlah wisman X XY X²

(Y)
2010 1500 -7 -10500 49
2011 1600 -5 -8000 25
2012 1750 -3 -5250 9
2013 1800 -1 -1800 1
2014 2000 1 2000 1
2015 2200 3 6600 9
2016 2300 5 11500 25
2017 2400 7 16800 49
Jumlah 15 550 0 11350 168

a. Persamaannya Y= a + bX

a = ΣYi = 15550 = 1943,75

n

b = ΣXίYί = 11350 = 67,56

ΣXί ² 168

Jadi ý = 1943,75 + 67,56X

b. Perubahan rata-rata tip tahun yaitu 2 x 67,56 = 135 atau 2b, dikalikan 2
karena jarak antar waktu 2 satuan.

c. Perkiraan tahun 2018 atau X = 9 Ý = 1943,75 + 67,56 (9) =

2 552 adalah perkiraan tahun 2018

Perkiraan tahun 2019 atau X = 11 Ý = 1943,75 + 67,56 (11) =

2 687 adalah perkiraan tahun 2 019

Perkiraan tahun 2020 atau X = 13 Ý = 1943,75 + 67,56 (13) =

2 822 adalah perkiraan tahun 2020

c. Gambar hampir sama.

Untuk menggambar garis trend cukup buat 2 tahun

Misal tahun 2010 ( X = -7)

Y = 1943,75 + 67,56X

Y = 1943,75 + 67,56 ( -7) = 1470 berada di bawah 1500

 6

Tahun 2017 (X = 7)
Y = 1943,75 + 67,56(7) = 2 417 berada di atas 2 400
Selanjutnya tarik garis lurus dari data 1470 ( tahun 2017) dengan data
2 417 (tahun 2017)

wisman

Observed
2400.00 Linear

2200.00

2000.00

1800.00

1600.00

1400.00
10.00 12.00 14.00 16.00
tahun