INSTITUT TRANSPORTASI DAN LOGISTIK TRISAKTI

DERET BERKALA DAN PERAMALAN

Dr. Darmawan Apriyadi, S.T., M.T.

Kuliah #6 & #7

Kuliah_#6&7_Time Series_DA_Statistik_2018
PENDAHULUAN

• Data deret berkala adalah sekumpulan data yang

dicatat dalam suatu periode tertentu.

• Manfaat analisis data berkala adalah mengetahui

kondisi masa mendatang.

• Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan
bidang lainnya.

Kuliah_#6&7_Time Series_DA_Statistik_2018
KOMPONEN DATA BERKALA

• Trend

• Variasi Musim

• Variasi Siklus

• Variasi yang Tidak Tetap (Irregular)

Kuliah_#6&7_Time Series_DA_Statistik_2018
 TREND
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang
yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan
nilainya cukup rata (smooth).

Y Y

Tahun (X) Tahun (X)

Trend Positif Trend Negatif

Kuliah_#6&7_Time Series_DA_Statistik_2018
 METODE ANALISIS TREND

1. Metode Semi Rata-rata

• Membagi data menjadi 2 bagian

• Menghitung rata-rata kelompok. Kelompok 1 (K1) dan

kelompok 2 (K2)

• Menghitung perubahan trend dengan rumus:

b= (K2 – K1)
(tahun dasar K2 – tahun dasar K1)

• Merumuskan persamaan trend Y = a + bX

Kuliah_#6&7_Time Series_DA_Statistik_2018
 CONTOH METODE SEMI RATA-RATA

Tahun Pelanggan Rata- Nilai X Nilai X

rata th dasar 1997 th dasar 2000
1996 4,2 -1 -4

K1 1997 5,0 4,93 0 -3

1998 5,6 1 -2

1999 6,1 2 -1

K2 2000 6,7 6,67 3 0

2001 7,2 4 1

Y th 1997 = 4,93 + 0,58 X b = (6,67 – 4,93)/2000-1997

Y th 2000 = 6,67 + 0,58 X b = 0,58

Kuliah_#6&7_Time Series_DA_Statistik_2018
 METODE ANALISIS TREND

2. Metode Kuadrat Terkecil

Menentukan garis trend yang mempunyai jumlah terkecil dari
kuadrat selisih data asli dengan data pada garis trendnya.
Trend Pelanggan PT. Telkom

8
Pelanggan (Jutaan)

7
6
5

Y = a + bX
4
3
2
1
a = Y/N 0
97 98 99 00 01
b = YX/X2 Tahun

Data Y' Data Y

Kuliah_#6&7_Time Series_DA_Statistik_2018
CONTOH METODE KUADRAT TERKECIL

Tahun Pelanggan Kode X Y.X X2

=Y (tahun)
1997 5,0 -2 -10,0 4
1998 5,6 -1 -5,6 1
1999 6,1 0 0 0
2000 6,7 1 6,7 1
2001 7,2 2 14,4 4
Y=30,6 Y.X=5,5 X2=10

Nilai a = 30,6/5=6,12
Nilai b =5,5/10=0,55
Jadi persamaan trend Y’=6,12+0,55x

Kuliah_#6&7_Time Series_DA_Statistik_2018
 METODE ANALISIS TREND
Y=a+bX+cX2

3. Metode Kuadratik Trend Kuadratis

Jumlah Pelanggan
8.00
Untuk jangka waktu pendek,

(jutaan)
6.00
kemungkinan trend tidak 4.00
bersifat linear. Metode 2.00
0.00
kuadratis adalah contoh 97 98 99 00 01
metode nonlinear
Tahun
Y = a + bX + cX2

Koefisien a, b, dan c dicari dengan rumus sebagai berikut:

a = (Y) (X4) – (X2Y) (X2)/ n (X4) - (X2)2
b = XY/X2
c = n(X2Y) – (X2 ) ( Y)/ n (X4) - (X2)2

Kuliah_#6&7_Time Series_DA_Statistik_2018
 CONTOH METODE KUADRATIS

Tahun Y X XY X2 X2Y X4
1997 5,0 -2 -10,00 4,00 20,00 16,00
1998 5,6 -1 -5,60 1,00 5,60 1,00
1999 6,1 0 0,00 0,00 0,00 0,00
2000 6,7 1 6,70 1,00 6,70 1,00
2001 7,2 2 14,40 4,00 2880 16,00

30.60 5,50 10,00 61,10 34,00

a = (Y) (X4) – (X2Y) (X2) = {(30,6)(34)-(61,1)(10)}/{(5)(34)-(10)2}=6,13
n (X4) - (X2)2
b = XY/X2 = 5,5/10=0,55
c = n(X Y) – (X ) ( Y)
2 2 = {(5)(61,1)-(10)(30,6)}/{(5)(34)-(10)2}=-0,0071
n (X4) - (X2)2
Jadi persamaan kuadratisnya adalah Y =6,13+0,55x-0,0071x2

Kuliah_#6&7_Time Series_DA_Statistik_2018
 METODE ANALISIS TREND

4. Trend Eksponensial
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X)
dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y
dan X, digunakan rumus sebagai berikut:

Y’ = a (1 + b)X
Trend Eskponensial

Ln Y’ = Ln a + X Ln (1+b) 15,00

Pelanggan
Sehingga a = anti ln (LnY)/n

(jutaan)
Jumlah
10,00
b = anti ln  (X. LnY) - 1 5,00
(X)2 0,00
97 98 99 00 01

Tahun

Y= a(1+b)X

Kuliah_#6&7_Time Series_DA_Statistik_2018
CONTOH TREND EKSPONENSIAL

Tahun Y X Ln Y X2 X Ln Y

1997 5,0 -2 1,6 4,00 -3,2

1998 5,6 -1 1,7 1,00 -1,7
1999 6,1 0 1,8 0,00 0,0
2000 6,7 1 1,9 1,00 1,9
2001 7,2 2 2,0 4,00 3,9
9,0 10,00 0,9
Nilai a dan b didapat dengan:
a = anti ln (LnY)/n = anti ln 9/5=6,049
b = anti ln  (X. LnY) - 1 = {anti ln0,9/10}-1=0,094
(X)2
Kuliah_#6&7_Time Series_DA_Statistik_2018

Sehingga persamaan eksponensial Y =6,049(1+0,094) x

 VARIASI MUSIM

Variasi musim terkait dengan perubahan atau fluktuasi dalam musim-

musim atau bulan tertentu dalam 1 tahun.

Pergerakan Inflasi 2002 Indeks Saham PT. Astra Agro

Produksi Padi Permusim
Lestari, Maret 2003
2,5
30
Produksi (000 ton)

150
2
20 100
Inflasi (%)

1,5

Indeks
10 1 50
0 0,5 0
I- II- III- I- II- III- I- II- III- I- II- III-
98 98 98 99 99 99 00 00 00 01 01 03 0 03 05 13 14 22
1 2 3 4 5 6 7 8 9 10 11 12
Triw ulan Tanggal
Bulan

Variasi Musim Produk Variasi Inflasi Bulanan Variasi Harga Saham

Kuliah_#6&7_Time Series_DA_Statistik_2018
Pertanian Harian
 VARIASI MUSIM DENGAN METODE RATA-RATA
SEDERHANA

Indeks Musim = (Rata-rata per kuartal/rata-rata total) x 100

Bulan Pendapatan Rumus= Nilai bulan ini x 100 Indeks
Nilai rata-rata Musim
Januari 88 (88/95) x100 93
Februari 82 (82/95) x100 86
Maret 106 (106/95) x100 112
April 98 (98/95) x100 103
Mei 112 (112/95) x100 118
Juni 92 (92/95) x100 97
Juli 102 (102/95) x100 107
Agustus 96 (96/95) x100 101
September 105 (105/95) x100 111
Oktober 85 (85/95) x100 89
November 102 (102/95) x100 107
Desember 76 (76/95) x100 80
Kuliah_#6&7_Time Series_DA_Statistik_2018
Rata-rata 95
 METODE RATA-RATA DENGAN TREND

• Metode rata-rata dengan trend dilakukan dengan cara yaitu indeks

musim diperoleh dari perbandingan antara nilai data asli dibagi
dengan nilai trend.

• Oleh sebab itu nilai trend Y’ harus diketahui dengan persamaan

Y’ = a + bX.

Kuliah_#6&7_Time Series_DA_Statistik_2018
 METODE RATA-RATA DENGAN TREND
Bulan Y Y’ Perhitungan Indeks Musim
Januari 88 97,41 (88/97,41) x 100 90,3
Februari 82 97,09 (82/97,09) x 100 84,5
Maret 106 96,77 (106/96,77) x100 109,5
April 98 96,13 (98/96,13) x 100 101,9
Mei 112 95,81 (112/95,81) x 100 116,9
Juni 92 95,49 (92/95,49) x 100 96,3
Juli 102 95,17 (102/95,17) x 100 107,2
Agustus 96 94,85 (96/94,85) x 100 101,2
September 105 94,53 (105/94,53) x 100 111,1
Oktober 85 93,89 (85/93,89) x 100 90,5
November 102 93,57 (102/93,57) x 100 109,0
Desember 76 93,25 (76/93,25) x 100 81,5

Kuliah_#6&7_Time Series_DA_Statistik_2018
 Akurasi Ramalan
• Kesalahan (Error) – perbedaan antara nilai aktual dan
nilai ramalan
• Mean Absolute Deviation (MAD)
• Rata-rata kesalahan mutlak (Average absolute error)

• Mean Squared Error (MSE)

• Rata-rata kesalahan berpangkat (Average of squared error)

• Mean Absolute Percent Error (MAPE)

• Rata-rata persentase kesalahan mutlak (Average absolute percent
error)
Kuliah_#6&7_Time Series_DA_Statistik_2018
 MAD, MSE dan MAPE

• MAD
• Mudah dihitung
• Menimbang (menghitung) kesalahan secara linear
• MSE
• Kesalahan dipangkatkan dua
• Beban lebih untuk kesalahan (erorr) yang lebih besar
• MAPE
• Menempatkan kesalahan-kesalahan (errors) berdasarkan
penyebabnya
Kuliah_#6&7_Time Series_DA_Statistik_2018
 MAD, MSE, and MAPE
 Actual − forecast
MAD = n
2
 ( Actual − forecast)
MSE =
n -1
( Actual − forecast / Actual*100)
MAPE =
Kuliah_#6&7_Time Series_DA_Statistik_2018
n
 Contoh
Period Actual Forecast (A-F) |A-F| (A-F)^2 (|A-F|/Actual)*100
1 217 215 2 2 4 0.92
2 213 216 -3 3 9 1.41
3 216 215 1 1 1 0.46
4 210 214 -4 4 16 1.90
5 213 211 2 2 4 0.94
6 219 214 5 5 25 2.28
7 216 217 -1 1 1 0.46
8 212 216 -4 4 16 1.89
-2 22 76 10.26

MAD= 2.75
MSE= 10.86
MAPE= 1.28

Kuliah_#6&7_Time Series_DA_Statistik_2018
 Referensi

Kadir, Statiska Terapan: Konsep, Contoh, dan Analisis Data

dengan Program SPSS/ Lisrel dalam Penelitian, PT Raja
Grafindo Persada, Jakarta: 2015.

Walpole, Ronal E., Pengantar Statistika, Edisi ke-3, Jakarta:

PT Gramedia Pustaka Utama, 1995.

Kuliah_#6&7_Time Series_DA_Statistik_2018
 TERIMA KASIH

Kuliah_#6&7_Time Series_DA_Statistik_2018
 LATIHAN SOAL
Tahun Penjualan
• Sebuah perusahaan elektronik PT. (jutaan Rp)
‘X’ memutuskan untuk meramal 1994 500
penjualannya. 1995 365
1996 430
• a. Modelkan dengan Trend dengan
1997 445
metode Kuadrat Terkecil (LS)!
1998 389
• b. Ramalkan hasil penjualan pada 1999 381
tahun 2005! 2000 326
2001 387
2002 417
2003 411
2004 338