MAKALAH

ANALISA DATA BERKALA

METODE SEMI AVERAGE

Diajukan untuk memenuhi tugas mata kuliah Statistika dengan dosen pengampu
Andrie Kurniawan, SE, MM

Dibuat oleh :

Febri Widianingsih (12190588)

Dzul Khair Aropian (12192837)

Olivia Widiyanti Saputri (12190235)

Cahaya Marifatus Sidiq (12190246)

Audria Charlendita Juniawanti (12192994)

JURUSAN SISTEM INFORMASI

UNIVERSITAS BINA SARANA INFORMATIKA SALEMBA

2020
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT karena berkat rahmat dan karunia-Nya makalah
penelitian ini dapat diselesaikan guna memenuhi satu penilaian untuk diteruskan menjadi
makalah sebagai proses menyelesaikan Pendidikan dibangku kuliah.

Dalam penulisan makalah ini tentunya masih jauh dari kata sempurna. Hal ini
dikarenakan keterbatasannya ilmu yang dimiliki. Oleh karena itu, dalam rangka melengkapi
kesempurnaan dari penulisan makalah ini diharapkan adanya saran dan kritik yang diberikan
bersifat membangun.
 DAFTAR ISI

KATA PENGANTAR ....................................................................................................i

DAFTAR ISI ..................................................................................................................ii

BAB I PENDAHULUAN

1.1 Latar Belakang ...................................................................................................1

1.2 Rumusan Masalah ..............................................................................................1

1.3 Tujuan ...............................................................................................................2

1.4 Manfaat ..............................................................................................................2

BAB II LANDASAN TEORI

2.1 Pengertian Peramalan ........................................................................................3

2.2 Manfaat Peramalan.............................................................................................3

BAB III PEMBAHASAN

3.1 Pengertian Analisa Data Berkala.......................................................................4

3.2 Komponen Deret Berkala .................................................................................4

3.3 Ciri Trend Sekuler ............................................................................................5

3.4 Rumus Metode Semi Average .........................................................................5

BAB IV STUDI KASUS

4.1 Contoh Kasus Semi Average ...........................................................................7

1. Kasus data genap kelompok genap ......................................................7

2. Kasus data genap kelompok ganjil ...................................................... 8
3. Kasus data ganjil kelompok ganjil .......................................................8

BAB V PENUTUP

4.1 Kesimpulan ......................................................................................................10

4.2 Saran ................................................................................................................10

DAFTAR PUSAKA
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan

antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam
bentuk rumus matematik, maka kita akan dapat menggunakannya untuk keperluan
peramalan.
Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi.
Mendekati nilai tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua
jenis peramalan, dan tidak harus berimplikasi suatu regresi mendekati nilai tengah
populasi. Sedangkan Teknik korelasi merupakan teknik analisis yang melihat
kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam
variabel yang lain. Maksudnya, ketika satu variabel memiliki kecenderungan untuk
naik maka kita melihat kecenderungan dalam variabel yang lain apakah juga naik
atau turun atau tidak menentu.
Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan
dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki
hubungan atau korelasi. Jika variabel Yi merupakan serangkaian observasi dan ti
merupakan variabel waktu yang bergerak secara bersamaan ke arah yang sama, dari
masa lalu ke masa mendatang, maka serangkaian data yang terdiri dari Yi dan yang
merupakan fungsi dari ti tersebut dinamakan sebagai deret berkala (time series) atau
data historis (historical data). Schumpeter merumuskan deret berkala sebagai variabel
historis (historical variables) dan merupakan hasil perpaduan antara pengaruh
kekuatan-kekuatan yang beraneka ragam. Faktor random dan non random (sistematis)
selalu ditemukan dalam variabel historis tersebut.
Deret berkala atau runtut waktu adalah serangkaian pengamatan terhadap
peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara
teliti menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik.
Dari suatu rutut waktu akan dapat diketahui pola perkembangan suatu
peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti suatu
pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat
diramalkan peristiwa yang bakal terjadi dimasa yang akan datang.

1.2 Rumus Masalah

1. Bagaimana cara penggunaan gerakan/variasi siklus?

2. Bagaimana cara memperoleh setengah rata-rata (semi average) ?

3. Bagaimana cara menentukan nilai trend linier ?

1.3 Tujuan Masalah

Mampu menganalisa data berkala dari waktu ke waktu, Agar mahasiswa memahami
data berkala dengan metode semi average. Dapat menguasai materi kompenen-
kompenen data berkala, dapat memahami dan mampu mengerjakan soal-soal tentang
metode semi average.

1.4 Manfaat Penelitian

Untuk menambah pengetahuan dalam menganalisis perkembangan suatu variabel dari

tahun ketahun, dan menambah pengetahuan dalam pembuatan makalah.
 BAB II

LANDASAN TEORI

2.1 Pengertian Peramalan

Pada dasarnya 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.

2.2 Manfaat Peramalan

Adapun manfaat dari peramalan adalah sebagai berikut :

1. Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan
secara tepat.
2. Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan
dan dapat Sebagai masukan untuk penentuan jumlah investasi.
3. Membantu menentukan pengembangan suatu pekerjaan untuk periode
selanjutnya.
 BAB III

PEMBAHASAN

3.1 Pengertian Analisa Deret Berkala

Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan

suatu kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk,
jumlah kecelakaan, jumlah kejahatan, dsb).

Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu.

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 ke arah yang sama, dari waktu yang lampau ke waktu yang
mendatang.

3.2 Komponen Deret Berkala

Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4 (empat)
pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala (runtut
waktu). Komponen-komponen deret berkala sebagai berikut :

1. Trend
Trend (atau trend sekuler) adalah gerakan yang berjangka panjang yang
menunjukkan adanya kecenderungan menuju ke satu arah kenaikan dan
penurunan secara keseluruhan dan bertahan dalam jangka waktu yang
digunakan sebagai ukuran adalah 10 tahun keatas. Komponen trend ini dapat
ditunjukkan dengan garis regresi yang bersesuaian dengan titik-titik time
series baik yang memiliki slope (sudut) positif maupun negatif.

2. Variasi Musim
Komponen seasonal atau musiman juga merupakan fluktuasi periodik, tetapi
periode waktunya sangat singkat yaitu satu tahun atau kurang.

3. Variasi Siklus
Komponen siklikal adalah fluktuasi pada time series yang berulang sepanjang
waktu, dengan periode lebih dari satu tahun antara satu puncak (peak) ke
puncak berikutnya.
 4. Variasi Random/Residu
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).

3.3 Ciri Trend Sekuler

Pengertian Trend ialah gerakan dalam deret berkala yang berjangka panjang,
lamban dan berkecenderungan menuju ke satu arah, arah menaik atau menurun.
Umumnya meliputi gerakan yang lamanya 10 tahun atau lebih.
perlu diketahui bahwa trend sangat berguna untuk membuat ramalan yang sangat
diperlukan bagi perencanaan.
Misalnya:
1. Menggambarkan hasil penjualan
2. Jumlah peserta KB
3. Perkembangan produksi harga
4. Volume penjualan dari waktu ke waktu (dll)

Trend digunakan dalam melakukan peramalan (forecasting). Metode yang biasanya

dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.

Y = a + b(x)

Keterangan
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

Rumus untuk menentukan trend.

3.4 Rumus Metode Semi Average ( Rata-rata Semi )

Metode trend setengah rata-rata menentukan bahwa untuk mengetahui fungsi

Y = a + bx, semua data historis dibagi menjadi dua kelompok dengan jumlah
anggota masing-masing sama.
a. Metode Setengah Rata-rata dengan data historis dalam jumlah genap
b. Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil.
 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 variabel tersebut pada suatu
waktu tertentu. Persamaannya adalah sebagai berikut :

b =Y2-Y1/ n

Keterangan
b : perubahan nilai variabel setiap tahun
Y1 : rata-rata kelompok pertama
Y2 : rata-rata kelompok kedua
n : periode tahun antara tahun A
 BAB IV

STUDI KASUS

4.1 Contoh Kasus Semi Average

1) Data genap (kelompok genap)

Berapakah volume penjualan di tahun 2019 ?

Penyelesaian.

 a = 612.500 (kelompok 1)
 b = ( 695.000 – 612.500 )
2

= 41.250

Tahun dasar antara 2015-2016 :

Y 2019= 612.500 + ( 41.250 × 7/2 )

= 756.875

Tahun dasar antara 2017-2018 :

Y 2019= 695.000 + ( 41.250 × 3/2 )

= 756.875

* Jadi hasil volume penjualan di tahun 2019 adalah 756.875 unit.

2) Data genap (kelompok ganjil)

Berapakah semi average dikelompok 2 ?

Penyelesaian.

 Semi average = semi total

3
= 1.500.000 = 500.000
3

* Jadi hasil semi average dikelompok 2 adalah 500.000.

3) Data ganjil (kelompok ganjil)

Berapakah semi average di tahun dasar 2017 ?

Penyelesaian.

 Semi average = 2.040.000

3
= 680.000

* Jadi hasil semi average ditahun 2017 adalah 680.000.

 BAB V

PENUTUP

5.1 Kesimpulan

Dengan Metode trend setengah rata – rata secara eoritis telah kami uraikan
serta beberapa contoh dapat kami simpulkan bahwa dengan peramalan atau
pentaksiran penjualan dapat dihasilkan, dan adapun dengan hasil dari perhitungan,
terdapat kemajuan, kemunduran, depresi dan juga pemulihan dari depresi penjualan.
Dengan analisis yang kami lakukan, kami telah mendapatkan atau dapat
mendeskripsikan bahwa sebagian besar metode pada data berkala trend linier
menggunakan “ganjil – genap”. Akan tetapi tidak hanya pada trend linier saja,
melainkan pada trend non linier pula menggunakan “ganjil – genap”.

5.2 Saran

Kami selaku penulis dan pengurai dari makalah ini, memberikan saran
sebaiknya melakukan peramalan dengan metode ini dapat diperdalam lagi dalam
pembelajarannya karena kadang kala metode ini tidak begitu tepat dalam melakukan
peramalannya maka dari itu dibutuhkan penjelasan yang lebih mendalam lagi.
 DAFTAR PUSTAKA

http://statistikametodesemiaverage.blogspot.com/2014/05/deret-berkala-dengan-metode-
semi-average.html

https://wulanmaula.blogspot.com/2018/05/analisis-data-berkala-lanjutan.html

http://waktubelajar27.blogspot.com/2017/12/analisa-data-berkala-dengan-metode.html