Nama : Bangun Tegar Firansyah

NPM : 2011031044
Mata Kuliah : Statistika Ekonomi I

Contoh 10.2 (Halaman 262)

Tabel 10-8 Penjualan Bulanan PT. Sinar Surya 2000-2007 (jutaan rupiah)

Bulan 2000 2001 2002 2003 2004 2005 2006 2007

(1) (2) (3) (4) (5) (6) (7) (8) (9)
Januari 318 341 367 392 420 453 487 529
Februari 281 309 328 349 378 412 440 477
Maret 278 299 320 342 370 398 429 463
April 250 268 287 311 334 362 393 423
Mei 231 249 269 290 314 341 370 398
Juni 216 236 251 273 296 322 347 380
Juli 223 242 259 282 305 335 357 389
Agustus 245 262 284 305 330 359 388 419
September 269 288 309 328 356 392 415 448
Oktober 302 321 345 364 396 427 457 493
November 325 342 367 389 422 454 491 529
Desember 347 364 394 417 452 483 516 560

Berdasarkan data dari tabel tersebut, buatlah indeks musiman dengan

menggunakan metode relatif bersambung :
a) Dengan rata-rata.
b) Dengan median.
c) Gambarkan grafiknya.

Jawaban

Kita dapat mencari relatif bersambung tahun 2000 menggunakan data yang ada
pada tabel di atas, yaitu sebagai berikut:
Angka relatif bersambung untuk bulan –

Data februari tahun 2000

Februari = x100%
Data januari tahun 2000

281
= x 100%
318

= 88.36478%
 278
Maret = x 100 %
281

= 98.93238%

Lakukan cara di atas terus-menerus sampai pada bulan Desember 2007. Hasil dari
perhitungan ini disebut dengan relatif bersambung dan seluruh hasil perhitungan
dapat kita lihat pada tabel di bawah ini :

Tabel 10-9 Angka Relatif Bersambung

Bulan 2000 2001 2002 2003 2004 2005 2006 2007 Rata-rata Median
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Januari - 98.27089 100.8242 99.49239 100.7194 100.2212 100.8282 102.5194 100.4108 100.5651
Februari 88.36478 90.61584 89.3733 89.03061 90 90.94923 90.34908 90.17013 89.85662 90
Maret 98.93238 96.76375 97.56098 97.99427 97.8836 96.60194 97.5 97.06499 97.53774 97.53774
April 89.92806 89.63211 89.6875 90.93567 90.27027 90.95477 91.60839 91.36069 90.54718 90.54718
Mei 92.4 92.91045 93.72822 93.24759 94.01198 94.1989 94.14758 94.08983 93.59182 93.72822
Juni 93.50649 94.77912 93.30855 94.13793 94.26752 94.42815 93.78378 95.47739 94.21112 94.21112
Juli 103.2407 102.5424 103.1873 103.2967 103.0405 104.0373 102.8818 102.3684 103.0744 103.0744
Agustus 109.8655 108.2645 109.6525 108.156 108.1967 107.1642 108.6835 107.7121 108.4619 108.2645
September 109.7959 109.9237 108.8028 107.541 107.8788 109.1922 106.9588 106.9212 108.3768 108.3768
Oktober 112.2677 111.4583 111.6505 110.9756 111.236 108.9286 110.1205 110.0446 110.8352 110.9756
November 107.6159 106.5421 106.3768 106.8681 106.5657 106.3232 107.4398 107.3022 106.8792 106.8681
Desember 106.7692 106.4327 107.3569 107.1979 107.109 106.3877 105.0916 105.8601 106.5257 106.5257

Untuk Rata-ratanya dapat dihitung dengan cara menjumlahkan data setiap bulan
pada tiap tahunnya, lalu dibagi dengan banyaknya data. Misalnya untuk bulan
januari, maka jumlahkan semua data pada bulan januari lalu dibagi dengan
banyaknya data pada bulan januari yaitu 7. Sedangkan untuk median, kita
gunakan rumus yang ada pada excel agar langsung ketemu dan tidak terlalu ribet.

Selanjutnya, angka rata-rata relatif bersambung terdapat dalam kolom rata-rata

pada tabel di atas. Asumsikan bahwa Januari adalah 100%, maka untuk Februari
sama dengan 89,85662% dari bulan Januari, atau dapat kita rumuskan sebagai
berikut :

89,85662
Februari = x 100 %
100
= 89.85662007

Dan seterusnya. Hasil perhitungan tadi adalah angka-angka dari relatif berantai yang
dapat kita lihat pada tabel dibawah ini :
Tabel 10-10 Rata-rata Relatif Bersambung dan Relatif Berantai

Bulan Rata-Rata Relatif Bersambung Relatif Berantai

(1) (2) (3)
Januari 100.4108079 100
Februari 89.85662007 89.85662007
Maret 97.53773906 87.64411561
April 90.547183 79.35927775
Mei 93.59181843 74.27379114
Juni 94.21111629 69.97416775
Juli 103.0743926 72.1254484
Agustus 108.461866 78.22860717
September 108.3767969 84.78165873
Oktober 110.8352172 93.96793562
November 106.8792239 100.4322003
Desember 106.525663 106.9860673
Januari 107.4255745

Pada bulan Januari kedua (yang paling bawah) adalah hasil dari 100,4108079% x
angka relatif berantai pada bulan desember (106,9860673). Jika sudah ketemu,
maka akan terjadi selisih antara bulan Januari pertama dan bulan januari kedua.
Nah, selisih sebesar 7,4255745% ini disebabkan karena pengaruh trend. Jadi, kita
harus menghilangkan pengaruh trend ini yaitu dengan cara menyesuaikan masing-
masing dari nilai relatif berantai tersebut. Caranya yaitu dengan mengurangi nilai
12
pada bulan Januari kedua dengan x 7,4255745 % maka nilainya akan menjadi
12
100%. Untuk bulan Desember, caranya sama cuma ada sedikit perbedaan yaitu
untuk pembilang nya menurun 1. Hal ini terus berlanjut sampai pada bulan
februari yang menyisakan pembilang sebesar 1.

Nah, hasil perhitungan ini jika seluruhnya dijumlahkan maka nilainya adalah
1.200%. Namun, jika jumlahnya tidak mencapai angka 1.200%, maka akan
diadakan penyesuaian, yaitu dengan cara mengalikan setiap nilai dari bulan
1.200
tersebut dengan
jumlah seluruh nilai sebelum disesuaikan
Karena jumlah dari seluruh nilai yang belum disesuaikan adalah 996,78923

1.200
Maka, faktor pengali untuk penyesuaian sebesar = 1,203865%
996,78923

Dengan demikin, sebagai contoh untuk nilai bulan januari setelah disesuaikan menjadi
100 x 1,203865% = 120,3865335% dan seterusnya. Hasil perhitungan yang terakhir inilah
yang menghasilkan indeks musiman yang sudah disesuaikan. Jumlah dari data yang
sudah disesuaikan ini akan mencapai angka 1.200%.
Tabel 10-11 Indeks Musiman

Belum Sudah
Bulan Disesuaikan Disesuaikan
(1) (2) (3)
Januari 100 120.3865335
Februari 89.2378222 107.4303207
Maret 86.40651986 104.021814
April 77.50288412 93.30303554
Mei 71.79859964 86.43584519
Juni 66.88017837 80.51472832
Juli 68.41266114 82.3596312
Agustus 73.89702204 88.96206317
Septembe
r 79.83127572 96.10610546
Oktober 88.39875473 106.4201965
Novembe
r 94.24422155 113.4573513
Desember 100.1792906 120.6023752
Jumlah 996.78923 1200

Tabel diatas menunjukkan indeks musiman sebelum dan sesudah disesuaikan. Jumlah
dari data yang belum disesuaikan belum mencapai 1.200% sehingga perlu adanya
penyesuaian agar jumlahnya menjadi 1.200%.

Tabel 10-12 Median Relatif Bersambung dan Relatif Berantai

Bulan Median Relatif Bersambung Relatif Berantai

(1) (2) (3)
Januari 100.5651162 100
Februari 90 90
Maret 97.53773906 87.78396515
April 90.547183 79.48590757
Mei 93.728223 74.5007287
Juni 94.21111629 70.18796815
Juli 103.0743926 72.34582187
Agustus 108.2644628 78.32481541
Septembe
r 108.3767969 84.88592614
Oktober 110.9756098 94.20267413
 November 106.8681319 100.672638
Desember 106.525663 107.2421951
Januari   107.8482381

Cara perhitungannya sama dengan Tabel 10-10, hanya saja ini menggunakan data
median, bukan rata-rata. Untuk perhitungannya masih sama persis. Dalam tabel
tersebut, juga perlu adanya penyesuaian untuk menghilangkan pengaruh trend. Berikut
ini disajikan Tabel indeks musiman beserta kurvanya.

Tabel 10-13 Indeks Musiman

Sesudah
Bulan Sebelum Disesuaikan Disesuaikan
(1) (2) (3)
Januari 100 120.4254232
Februari 89.34598016 107.5952747
Maret 86.47592547 104.1389992
April 77.52384804 93.35842209
Mei 71.88464933 86.56739318
Juni 66.91786894 80.58612687
Juli 68.42170281 82.39712517
Agustus 73.74667651 88.80974729
Septembe
r 79.65376739 95.92338648
Oktober 88.31649554 106.3555135
November 94.13243957 113.3593887
Desember 100.0479768 120.4831995
Jumlah 996.4673306 1200

Jadi, tabel diatas menunjukkan data sebelum dan sesudah disesuaikan. Untuk
perhitungannya sama dengan cara yang sudah disebutkan di atas tadi.

Peraga 10-4 Indeks Musiman Hasil Penjualan Berdasarkan Median

 Peraga 10-4 Indeks Musiman Hasil Penjualan Berdasarkan
Median
130
120
110
100
90
80
70
60

r
et

r
s
i

ri

ei

ni

li
ril
ar

be

be

be
be
tu
Ju
ua

Ju
Ap
ar
nu

us

to

m
em
br

M
Ja

Ok

ve

se
Ag
Fe

pt

No

De
Se
Nah, pada kurva tersebut ditunjukkan bahwa penurunan hasil penjualan terbesar terjadi
pada bulan Juni, yaitu sebesar 80,58612687%.