MAKALAH

“TIME SERIES FORECASTING”

Disusun untuk memenuhi tugas

Mata Kuliah: Statistik I

Dosen Pengampu : Hasnita, S.Si., M.Si

DI SUSUN OLEH

AHMAD FADILLAH MAULANA

NIM 1904120064
NADIA ANGGRAINI
NIM 1904120097
NOVIA RAHMADIYAH
NIM 1904120118

INSTITUT AGAMA ISLAM NEGERI PALANGKA RAYA

FAKULTAS EKONOMI DAN BISNIS ISLAM

PROGRAM STUDI EKONOMI SYARIAH TAHUN 2021

1
 KATA PENGANTAR

Assalamu’alaikum Wr... Wb...

Alhamdulillahirabbil’alamin, Puji syukur kehadirat Allah SWT dimana berkat
rahmat dan kasih sayang-Nya, penulis dapat menyelesaikan salah satu tugas mata
kuliah “Statistik I” dengan judul “Time Series Forecasting”. Penulis
mengucapkan banyak terima kasih kepada semua pihak yang telah membantu
menyelesaikan makalah kuliah ini. Semoga apa yang penulis susun ini dapat
memberikan tambahan ilmu bagi pembaca dan penulis pula, Aamiin. Mohon maaf
apabila ada kesalahan yang terdapat pada penyusunan makalah ini karena segala
sesuatu yang benar itu datangnya dari Allah dan salah berasal dari kami sendiri.

Wassalamu’alaikum Wr... Wb...

Palangkaraya, 20 Juni 2021

2
 DAFTAR ISI

PROGRAM STUDI EKONOMI SYARIAH TAHUN 2020KATA

PENGANTAR..............................................................................................................1
Assalamu’alaikum Wr... Wb........................................................................................2
DAFTAR ISI................................................................................................................3
BAB I............................................................................................................................4
PENDAHULUAN........................................................................................................4
A. Latar Belakang...........................................................................................4
B. Rumusan Masalah......................................................................................4
C. Tujuan Penulisan........................................................................................4
BAB II...........................................................................................................................5
PEMBAHASAN...........................................................................................................5
A. 5
B. 5
C. 5
D. 5
E. 5
BAB III.........................................................................................................................6
PENUTUP....................................................................................................................6
A. Kesimpulan................................................................................................6
B. Saran...........................................................................................................6
DAFTAR PUSTAKA..................................................................................................7

3
 BAB I
PENDAHULUAN

A. Latar Belakang
Salah satu tujuan dari analisa Laporan Keuangan suatu perusahaan
adalah untuk  membuat estimasi/penelitian tentang laba, hasil penjaualan
perusahaan di masa mendatang dan lain-lain aspek finansial perusahaan atau
secara umum dapat dikatakan sebagai usaha untuk memproyeksikan ratio-ratio
finansialnya yang bertujuan untuk  melihat keadaan suatu perusahaan yang
berguna dalam pengambilan keputusan. Berbagai alat analisa telah
dikembangan dalam kaitannya dengan tujuan tersebut dan untuk
mempermudah proses dalam menganalisa. Analisis semacam itu
mengharuskan seorang analisis untuk melakukan beberapa hal, yakni dengan
menentukan dengan jelas tujuan analisis, kemudian memahami konsep-konsep
dan prinsip-prinsip yang mendasari laporan-laporan keuangan dan rasiorasio
keuangan yang diturunkan dari laporan keuangan tersebut, serta memahami
kondisi perekonomian dan kondisi bisnis lain pada umumnya yang berkaitan
dengan perusahaan dan mempengaruhi usaha perusahaan.  
Analisis Time series atau Analisa runtun waktu atau deret berkala
adalah analisa yang digunakan untuk mengetahui tren-tren yang timbul,
dengan cara menganalisis data historis atau 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. Oleh karena itu, dalam makalah ini penulis akan menjelaskan
mengenai Analisis Time Series dalam perbandingan dengan perusahaan atau
industri yang sejenis dengan data keuangan dalam beberapa periode yang telah
lalu.

B. Rumusan Masalah
Berdasarkan permasalahan diatas, muncul pertanyaan yang akan dikaji
dalam makalah ini yaitu:

1. Bagaimana pengertian time series forecasting?

2. Bagaimana pengertian analisis time series?

4
 3. Bagaimana pengertian analisis data keuangan?

C. Tujuan Penulisan
Adapun makalah ini bertujuan untuk menjawab apa yang telah
dirumuskan dalam rumusan masalah di atas. Diantaranya tujuan makalah ini
yaitu:

1. Untuk mengetahui pengertian time series forecasting.

2. Untuk mengetahui pengertian analisis time series.
3. Untuk mengetahui pengertian analisis data keuangan.

D. Metode Penulisan
Adapun metode yang penulis gunakan dalam penulisan makalah ini,
yaitu menggunakan metode literatur kepustakaan dengan menggunakan buku
sebagai bahan referensi yang ditemukan di beberapa website buku, dan dimana
penulis mencari literatur yang berkaitan dengan makalah yang penulis buat.

5
 BAB II
PEMBAHASAN

A. Pengertian Time Series Forecasting

Time series atau runtun waktu adalah himpunan observasi data terurut
dalam waktu (Hanke&Winchern, 2005: 58). Metode time series adalah metode
peramalan dengan menggunakan analisa pola hubungan antara variabel yang
akan dipekirakan dengan variabel waktu. Peramalan suatu data time series
perlu memperhatikan tipe atau pola data. Secara umum terdapat empat macam
pola data time series, yaitu horizontal, trend, musiman, dan siklis (Hanke dan
Wichren, 2005: 158). Pola horizontal merupakan kejadian yang tidak terduga
dan bersifat acak, tetapi kemunculannya dapat memepengaruhi fluktuasi data
time series. Pola trend merupakan kecenderungan arah data dalam jangka
panjang, dapat berupa kenaikan maupun penurunan. Pola musiman merupakan
fluktuasi dari data yang terjadi secara periodik dalam kurun waktu satu tahun,
seperti triwulan, kuartalan, bulanan, mingguan, atau harian. Sedangkan pola
siklis merupakan fluktuasi dari data untuk waktu yang lebih dari satu tahun.
Time series forecasting adalah sebuah area pada machine learning yang
berfokus pada atribut waktu. Sesuai namanya, bidang ini berfokus pada analisis
rentetan data yang sekuensial terhadap waktu, lalu memprediksi data-data yang
akan datang berdasarkan data sebelumnya. 1

1
Sumber: https://medium.com/ppl-d7-fasilkom-ui/mengenal-time-series-forecasting-
647929e16b3f, diakses pada Senin, Tanggal 21 Juni 2021, pukul 15:00 WIB.

6
 B. Analisis Time Series
Analisis time series adalah analisis perbandingan data dengan data
keuangan periode sebelumnya (perbandingan dengan data historis).
Forecasting digunakan untuk memproyeksikan kondisi keuangan pada masa
mendatang. Dalam analisis data keuangan, analisis terhadap data historis
diperlukan untuk melihat tren-tren yang mungkin timbul. Kemudian kita bisa
menganalisis apa yang terjadi dibalik tren-tren angka tersebut. Data historis
perusahaan sebaiknya juga dibandingkan dengan data historis industri untuk
melihat apakah tren suatu perusahaan begerak relatif lebih baik terhadap tren
industri.2

Perbandingan ROA PT A dengan ROA Industri:

Tahun ROA Perusahaan ROA Industri

1981 20,2% 16,0%

1982 21,1% 18,5%
1983 23,5% 21,1%
1984 24,5% 22,0%
1985 22,4% 25,0%
1986 23,6% 21,5%
1987 24,4% 23,1%
1988 25,1% 24,7%
1989 25,0% 24,8%
Dari grafik di atas nampak bahwa tren ROA perusahaan mengalami
kenaikan dari tahun ke tahun. Demikian juga halnya dengan ROA industri.
Dari analisis tren di atas nampak juga bahwa kenaikan ROA industri lebih
cepat dibandingkan dengan kenaikan ROA perusahaan. Meskipun pada
tahun 1989 ROA perusahaan masih lebih tinggi dibandingkan dengan ROA
industri, tetapi pada masa mendatang ROA perusahaan kemungkinan besar
akan di bawah ROA industri. Tentunya tren semacam ini bukan merupakan
tren yang menguntungkan buat perusahaan. Kejadian semacam itu bisa
2
Sumber: https://annisaarumartaarfan.blogspot.com/2013/10/analisis-times-series-dan-
forecasting.html, diakses pada Senin, Tanggal 21 Juni 2021, pukul 21.00 WIB

7
terjadi apabila indurstri tumbuh pesat, tetapi perusahaan mengalami
penurunan market share. Barangkali karena industri tersebut sedang
tumbuh, banyak pesaing-pesaing baru masuk dan mengurangi pangsa pasar
yang dipunyai perusahaan. Manajemen tentunya harus melakukan
perubahan-perubahan yang perlu untuk mengatasi permasalahan tersebut.
Analisis tren semacar itu bisa dilakukan untuk setiap rasio atau angka
keuangan dan dibandingkan dengan tren dalam industri.

Dalam analisis times series, perubahan-perubahan struktural yang

akan berpengaruh terhadap angka-angka keuangan harus diperhatikan.
Perubahanperubahan struktural yang akan mempengaruhi tren keuangan
suatu perusahaan antara lain:

1. Peraturan Pemerintah

2. Perubahan Kompetisi

3. Perubahan Teknologi

4. Akuisi dan Merger (Penggabungan Perusahaan)

Jika ada perubahan semacam itu, seorang analis mempunyai

beberapa alternatif analisis. Misalkan analis menganalisis industri
perbankan dan ia tahu ada deregulasi perbankan sekitar tahun 1988, analis
bisa membagi periode analisis ke dalam dua periode yaitu periode sebelum
dan sesudah deregulasi. Kemudian analisis menggunakan data-data sesudah
tahun 1988 untuk memproyeksikan kondisi keuangan pada masa
mendatang. Sebaliknya, misalkan analis mengasumsikan bahwa deregulasi
semacam itu merupakan hal yang biasa dalam bisnis perbankan, seorang
analis bisa menggunakan data-data untuk semua periode (periode sebelum
dan sesudah deregulasi) untuk memproyeksikan kondisi keuangan
perusahaan pada masa mendatang. Tetapi kalau deregulasi semacam di atas
merupakan kebijakan yang jarang dan merupakan kejadian yang luar biasa,
pembagian periode analisis ke dalam dua periode, yaitu sebelum dan
sesudah deregulasi, merupakan cara yang realistis.

8
 C.  Analisis Data Keuangan

Dalam analisis time series, perhatian terhadap data historis (ex-post)

sering digunakan untuk melihat pola-pola yang sitematik terhadap data
tersebut. Dalam konteks analisis historis semacam itu, analis mempunyai
pilihan yang banyak terhadap faktor-faktor yang diperkirakan akan
mempengaruhi suatu variable. Dalam konteks analisis masa mendatang (ex-
ante), seperti forecasting. Pilihan seorang analis menjadi serba terbatas.
Seorang analis tidak tahu pasti berapa nilai faktor-faktor di atas, dia harus
memperkirakan nilai tersebut sebelum memperkirakan nilai variable yang
diteliti tersebut. Analis tersebut terpaksa harus memfokuskan pada beberapa
variabel saja yang lebih sedikit dan bisa diperkirakan lebih pasti. Analisis time
series klasik biasanya memfokuskan pada analisis musiman.3

Data penjualan mencerminkan empat macam faktor:

1. Trend
Trend merupakan pergerakan time series dalam jangka panjang, bisa
merupakan tren naik atau turun. Diperlukan waktu jangka panjang (15
atau 20 tahun) untuk melihat pola tren tersebut. Tren tersebut bisa
dipengaruhi oleh perubahan jumlah penduduk, perubahan teknologi,
dll.
2. Siklus
Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek
(sekitar 2–10 tahun). Belum ada penjelasan yang memuaskan terhadap
timbulnya fluktuasi siklus. Lamanya dan besarnya fluktuasi juga
sangat beragam dari perusahaan ke perusahaan dan dari industri ke
industri.
3. Musiman
Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun.
Ada beberapa penyebab timbulnya fluktuasi seperti:
a. Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun
baru
3
Mamduh Hanafi, Abdul Halim, Analisis laporan keuangan, (Yogyakarta: STIE YKPN, 2016), hlm 6-
12.

9
 b. Karena cuaca, misal musim hujan dan musim kemarau.

4. Ketidakteraturan(Irregularities)

Fluktuasi semacam ini disebabkan karena faktor-faktor yang

munculnya tidak teratur, dalam jangka waktu pendek. Misalnya
gudang perusahaan terbakar, akibatnya keuntungan perusahaan pada
periode itu terpengaruh.

Misalkan analis ingin menganalisis tren penjualan suatu

perusahaan, maka akan lebih baik apabila pengaruh-pengeruh musiman,
siklus, dan ketidakteraturan dihilangkan dari data. Data yang dihasilkan
merupakan data yang benar-benar mencerminkan tren penjualan
perusahaan tersebut. Demikian juga kalau ingin menganalisis pengaruh
musiman penjualan perusahaan, maka akan lebih baik apabila pengeruh
tren, siklus, dan ketidakteraturan dalam data penjualan dihilangkan,
sehingga akan diperoleh data yang benar-benar mencerminkan pengaruh
musiman perusahaan.4

1. Mengukur Pengaruh Tren

Tren suatu data bisa dilihat dengan beberapa cara:

a. Menggambar dengan tangan Penggambaran secara langsung bisa

dilakukan dengan menarik garis lurus disekitar data-data yang ada.
Cara semacam ini sangat praktis dan sederhana, tetapi mempunyai
kelemahan karena konsistensi cara semacam itu sangat kurang. Dua
orang, dengan data yang sama, bisa mengasilkan garis trend yang
berlainan. Demikian seorang analis apabila menggambar dua kali pada
waktu yang berbeda, dengan menggunakan data yang sama, bisa
menghasilkan garis trend yang berlainan. Cara semacam ini
menimbulkan masalah apabila teknik kuantitatif akan digunakan untuk
analisis lebih lanjut.

4
Hery, ANALISIS LAPORAN KEUANGAN, (Jakarta: Gramedia Widiasarana Indonesia, 2016), hlm 14.

10
 b. Menggunakan model matematika Dengan menggunakan model
matematik, garis trend bisa dibuat dengan metode least square. Metode
tersebut pada dasarnya menggambarkan garis lurus sedemikian rupa
sehingga selisih kuadrat antara garis lurus tersebut dengan data yang
sesungguhnya, yang paling kecil. Model tersebut serupa dengan model
regresi, kecuali asumsi yang digunakan untuk metode regresi tidak bisa
dipakai untuk analisis time series. Dalam analisis regresi diasumsikan
bahwa korelasi antara residual pada periode t dengan residual pada
periode t-1 sama dengan 0. Dalam analisis time series untuk penjualan
sebagai contoh, tentunya asumsi semacam itu tidak masuk akal.
Penjualan pada periode t akan berkolerasi dengan penjualan pada t-1.
Meskipun demikian metodeleast square dipakai karena penggunaannya
yang sederhana.

Model time series bisa dirumuskan sebagai berikut:

Yt = a + b X a dan b

dihitung dengan cara sebagai berikut:

a = ∑(Y) – b ∑(X)

b = ∑XY - n ∑ (X) ∑(Y) / ∑ X 2 - n ∑ (X)2

(1) (2) (3) (4) (5) (6) (7)

Tahun X Penjualan XY X2 Tren Y/Yt * 100
(Y) (%Tren)
1972 1 224 224 1 217 103,2
1973 2 233 466 4 234 99,5
1974 3 248 744 9 251 98,7
1975 4 258 1.032 16 268 96,2
1976 5 270 1.350 25 285 94,6
1977 6 288 1.728 36 303 95,2
1978 7 315 2.205 49 320 98,6
1979 8 344 2.752 64 337 102,2
1980 9 369 3.321 81 354 104,3
1981 10 393 3.930 100 371 106,0
1982 11 406 4.466 121 388 104,6
1983 12 416 4.992 144 405 102,7
1984 13 425 5.252 169 422 100,7
1985 14 437 6.118 196 439 99,5

11
1986 15 450 6.750 225 456 98,6
1987 16 462 7.392 256 474 97,6
1988 17 476 8.092 289 491 97,0
153 6.014 61.087 1.785

E(Y) = ∑ Y/N =6.014/17 = 353,8

b = 61,087 – 17 (9) (353,8)

(1785) – 17 (9)2

= 17,1

a = 353,8 – 17,1 (9) = 200

Persamaan tren: Yt = 200 + 17,1 Xt

Kolom enam (6) merupakan nilai tren yang dihitung berdasarkan

persamaan tren yang dihasilkan di atas. Berikut ini grafik yang menujukkan
nilai penjualan yang sesungguhnya dan nilai tren penjualan.

2. Tren sebagai Proyeksi Masa Depan

Untuk memakai persamaan tren di atas sebagai proyeksi masa

depan, seorang analis harus hati-hati terhadap asumsi yang digunakan. Tren
di atas mengasumsikan perkembangan yang konstan untuk masa-masa
mendatang. Padahal pada beberapa situasi, penjualan tumbuh dengan
tingkat sangat cepat pada awal-awal periode, kemudian tumbuh melambat
pada periode berikutnya. Misalkan suatu produk masih baru di luncurkan,
pertumbuhan pada awal periode akan sangat cepat. Kemudian setelah
memasuki tahap kedewasaan, pertumbuhan tersebut akan semakin
melambat.

3. Analisis Siklus

Fluktuasi siklus bisnis muncul dalam jangka waktu menengah (2–

10 tahun).. Pengaruh musiman dalam data table di atas hilang karena data
yang digunakan merupakan data tahunan, pengaruh musiman tidak terlihat

12
dalam data tahunan. Pengaruh siklus bisa dilihat dengan persentase tren
yang dirumuskan sebagai berikut ini.

% Trend = Y / Yt × 100

Di mana Y merupakan data tahunan yang sesungguhnya, dan Yt

merupakan data tren yang dihitung berdasarkan persamaan tren. Kolom (7)
pada Tabel 7.3. di atas memperlihatkan hasil perhitungan di atas.

4. Analisis Musiman

Analisis musiman akan bermanfaat pada beberapa situasi. Pertama,

apabila analis ingin melihat pengaruh musiman dan memanfaatkan
informasi tersebut untuk tujuan tertentu. PT A mempunyai anggaran
penjualan tahun 2009 sebesar Rp 1.000.000.000 (per triwulan Rp
250.000.000) dan mempunyai indeks musiman:

Triwulan I : 0,99

Triwulan II : 1,01 18

Triwulan III : 0,90

Triwulan IV : 1,10

Triwulan Indeks musiman Anggaran Anggaran

penjualan penjualan dengan
pengaruh
(1) (2) musiman
(3) (4)=(2)X(3)
I 0,99 250.000.000 247.500.000
II 1,01 250.000.000 252.500.000
III 0,90 250.000.000 225.000.000
IV 1,10 250.000.000 275.000.000
Total anggaran 1.000.000.000
penjualan

13
 Kedua, apabila analis ingin menghilangkan pengaruh musiman
untuk melihat pengaruh trend, siklus, dan ketidakteraturan secara lebih
jelas.5

Triwulan Indeks musiman Anggaran Anggaran

penjualan dengan penjualan tanpa
pengaruh pengaruh
(1) (2) musiman musiman
(4)=(3)/(2)

(3)
I 0,99 247.500.000 250.000.000
II 1,01 252.500.000 250.000.000
III 0,90 225.000.000 250.000.000
IV 1,10 275.000.000 250.000.000
Total anggaran 1.000.000.000
penjualan

5
Irfan Fahmi, ANALISIS KINERJA KEUANGAN, (Bandung: Alfabeta, 2011), hlm 10-14.

14
 BAB III
PENUTUP

A. Kesimpulan

Analisis time series adalah analisis perbandingan data dengan data

keuangan periode sebelumnya (perbandingan dengan data historis). Forecasting
digunakan untuk memproyeksikan kondisi keuangan pada masa mendatang.
Analisis time series digunakan untuk melakukan analisis data yang
mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara
periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal
dan tahun. Selain itu analisis time series bisa digunakan untuk peramalan data
beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan
ke depan.

Ada tiga pendekatan dalam analisis time series, yaitu: ekonomi, statistik,

dan visual. Ketiga pendekatan tersebut saling melengkapi. Analisis time series
yang klasik memfokuskan pada empat hal yang mempengaruhi suatu data:
(1)Tren, (2)Siklus, (3)Musiman, dan (4) Random. Kadang-kadang ada situasi di
mana analis ingin memfokuskan pada analisis  trend  saja, analisis siklus saja,
analisis musiman saja. Teknik-teknik penyesuaian bisa digunakan untuk melihat
pengaruh masing-masing komponen data tersebut.

B. Saran

Untuk memahami tentang time series forecasting hendaknya tidak

tertumpu pada satu sumber saja. Oleh karena itu, meskipun tidak banyak yang
penyusun berikan pada makalah ini, hendaknya pembaca juga mencari
pemahaman dari literasi yang lain agar ilmu yang kita pelajari terkait time series
forecasting bisa memberikan pengetahuan yang lebih luas.

15
 DAFTAR PUSTAKA

Fahmi,Irfan. ANALISIS KINERJA KEUANGAN. 2011. Bandung: Alfabeta

Hanafi, Mamduh dan Abdul Halim. Analisis laporan keuangan. 2016.

Yogyakarta: STIE YKPN

Hery. ANALISIS LAPORAN KEUANGAN. 2016. Jakarta: Gramedia Widiasarana

Indonesia

Sumber: https://medium.com/ppl-d7-fasilkom-ui/mengenal-time-series-
forecasting-647929e16b3f, diakses pada Senin, Tanggal 21 Juni 2021,
pukul 15:00 WIB.

Sumber: https://annisaarumartaarfan.blogspot.com/2013/10/analisis-times-series-
dan-forecasting.html, diakses pada Senin, Tanggal 21 Juni 2021, pukul
21.00 WIB

16