DERET BERKALA

MAKALAH
Disusun Oleh:
KELOMPOK

CEK ADLINA AFZA : 19160079

OVA OLIANTI : 19160080
ULFIATUL KHAIRA : 19160081

Dosen Pembimbing: Tgk. Muhajir, MA

INSTITUT AGAMA ISLAM (IAI) AL-AZIZIYAH

SAMALANGA KAB. BIREUEN

1443 H / 2021 M
 BAB I

PENDAHULUAN

A. Latar Belakang

Metode statistik merupakan bidang pengetahuan yang mengalami pertumbuhan pesat.

Metosdenya berkembang sejajar dengan penemuan-penemuan penting oleh para ahli 
matematis dan statistisi guna menjawab persoalan-persoalan yang dianjurkan oleh para
penyelidik ilmiah. Selain daripada ilmu hayat sendiri, ilmu pengetahuan tersebut boleh
dikatakan telah mempengaruhi setiap aspek kehidupan manusia modern. Ilmu pengetahuan
tersebut sudah meliputi segalah metode guna mengumpulkan, mengolah, menyajikan, dan
menganalisa data kwantitatif secara deskriptif. Croxton dan cowden berpendapat bahwa
metode statistik terlalu memberi tekanan pada teknik mengumpulkan, mengolah, menyajikan,
menganalisa data kwantitatif secara deskriptif agar dapat memberi gambaran yang teratur
tentang suatu peristiwa. Karena itu, metode demikian acapkali dinamakan metode statistik
deskriptif (descriptive statistics).  Semakin sering kita mempelajari tentang statistik deskriptif
maka semakin banyak pula pertanyaan tentang apa itu statistik deskriptif dan yang
terkandung didalamnya serta apa saja yang perlu di ketahui dalam mempelajari statistik.

B. Rumusan Masalah
1. Bagaimanakah arti dan pentingnya deret berkala?
2. Bagaimanakah Klasifikasi dari gerakan atau variasi data berkala?
3. Bagaimanakah cara menentukan trend?
4. Bagaimanakah bentuk proyeksi penduduk?

C. Tujuan Penelitian
1. Untuk mengetahui arti dan pentingnya deret berkala
2. Untuk mengetahui Klasifikasi dari gerakan atau variasi data berkala
3. Untuk mengetahui cara menentukan trend
4. Untuk mengetahui bentuk proyeksi penduduk
 BAB II

PEMBAHASAN

A. ARTI DAN PENTINGNYA DERET BERKALA

Deret Berkala atau data berkala adalah Data yang dikumpulkan dari waktu ke waktu
untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil
penjualan, jumlah personil, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, jumlah
peserta KB, dsb).

Karena data berkala itu terdiri dari beberapa komponen, maka dengan analisis berkala
kita bisa mengetahui masing-masing komponen, bahkan dapat menghilangkan satu atau
beberapa komponen kalau kita ingin menyelidiki komponen tersebut secara mendalam tanpa
kehadiran komponen lain. Karena adanya pengaruh dari komponen tersebut, data berkala
selalu mengalami perubahan sehingga apabila dibuat grafik akan menunjukan suatu fluktuasi
(fluctuation ), yaitu gerakan naik-turun.

Dengan adanya data berkala, maka pola gerakan data atau nilai-nilai variabel yang
dapat diikuti atau diketahui. Dengan demikian, data berkala dapat dijadikan sebagai dasar
untuk :

1) Pembuatan keputusan pada saat ini

2) peramalan keadaan perdagangan dan ekonomi pada masa yang akan datang

3) Perencanaan kegiatan untuk masa depan

Secara sistematis suatu data berkala diberi simbol Y1, Y2,....Yi, ....,Yn sebagai nilai
dari variabel Y (yaitu produksi, hasil penjualan, ekspor, harga, dan lain sebagainya).

Y1 = data pada waktu pertama, Y2 = data pada waktu kedua,

Yi = data pada waktu i dan Yn = data pada waktu n.

Y merupakan fungsi dari waktu, Y = f(x), di mana X = waktu.

B. KLASIFIKASI DARI GERAKAN ATAU VARIASI DATA BERKALA

Gerakan / Variasi dari data berkala terdiri dari empat macam atau empat komponen,
sebagai berikut :

1.Gerakan trend jangka panjang (long term movement or secular trend) yaitu suatu
gerakan yang menunjukkan arah perkembangan secara umum (kecendrungan naik-turun).
Perlu diketahui bahwa garis trend sangat berguna untuk membuat ramalan / forecasting (yang
merupakan perkiraan untuk masa depan yang sangat diperlukan dalam perencanaan).

2. Gerakan/Variasi siklis (Cyclical movement or variation) adalah gerakan/variasi

jangka panjang di sekitar garis trend (setiap 3 tahun, 5 tahun dan lebih) bisa juga tidak
terulang dalam jangka waktu yang sama. Business cycless (konyunktur) adalah suatu contoh
gerakan cyclis yang menunjukkan jangka waktu terjadinya kemakmuran (prosperity),
kumunduran (recesson), depresi (depression), dan pemulihan (recovery).

3.Gerakan/Variasi musiman (seasional movement/variation) adalah gerakan yang

mempunyai pola tetap dari waktu ke waktu, misalnya naiknya harga pohon cemara menjelang
natal, naiknya harga makanan dan pakaian menjelang Idul Fitri dan sebagainya (hal ini
berlaku tidak hanya untuk data tahunan tetapi juga untuk data bulanan, mingguan bahkan
harian).

4. Gerakan/Variasi yang tidak teratur (irregular or random movement) yaitu

gerakan/variasi yang bersifat sporadis, misalnya naik-turunnya produksi padi akibat banjir
yang datangnya tidak teratur, naik-turunnya produksi industri akibat pemogokan dan lain
sebagainya.
 Analisa data berkala pada umumnya terdiri dari uraian secara matematis tentang
komponen-komponen yang menyebabkan gerakan-gerakan atau variasi-variasi yang
tercermin dalam fluktuasi.

Apabila
gerakan
trend,
siklis,

musiman, dan acak masing-masing diberi simbol T, C, S, dan I, maka data berkala Y
merupakan hasil kali dari 4 komponen tersebut, yaitu :
 Y=TxCxSxI

Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil
penjumlahan dari 4 komponen tersebut, yaitu :

Y = T+ C + S + I

Seperti telah sering disebutkan, data berkala dapat dipergunakan sebagai dasar
pembuatan garis trend. Garis trend dapat dipergunakan untuk membuat ramalan yang sangat
diperlukan untuk dasar perumusan perencanaan.

C. MENENTUKAN TREND

Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend.
Beberapa di antaranya adalah metode tangan bebas, metode rata-rata semi, metode rata-rata
bergerak, dan metode kuadrat terkecil.

a) Metode Tangan Bebas

Langkah-langkah untuk menentukan garis trend dengan menggunakan metode tangan

bebas adalah sebagai berikut :

1. Buat sumbu tegak Y dan sumbu mendatar X

2. Buat scatter diagram, yaitu kumpulan titik-titik koordinat (X, Y); X = variabel
waktu.

3. Dengan jalan observasi atau pengamatan langsung terhadap bentuk scatter diagram
tariklah garis yang mewakili atau paling tidak mendekati semua titik koordinat yang
membentuk diagram pencar tersebut.

Cara menarik garis trend dengan tangan bebas merupakan cara yang paling mudah,
tetapi sifatnya sangat suyektif, maksudnya kalau ada lebih dari satu orang diminta untuk
menarik garis trend dengan cara ini akan diperoleh garis trend lebih dari satu. Sebab masing-
masing orang mempunyai pilihan sendiri sesuai dengan anggapannya, garis mana yang
mewakili diagram pencar tersebut

b) Metode 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

Cara dengan metode rata-rata semi ini memerlukan langkah-langkah sebagai berikut:
1. Data dikelompokkan menjadi dua, masing-masing kelompok harus mempunyai jumlah
data yang sama. Misalnya jika ada 10 data maka dibagi dua menjadi masing-masing 5
data, 8 data menjadi masing masing 4 data, dan seterusnya. Kalau data ganjil, maka
hilangkan satu yaitu data yang berada di tengah. Misalnya 9 data menjadi masing-masing
4.
2. Masing-masing kelompok dicari rata-ratanya, yaitu Y1 dan Y2 yang merupakan
ordinatnya.
3. Titik absis harus dipilih dari variabel X yang berada ditengah masing-masing kelompok.
Misalnya :
Data 6 tahun : X1, X2, X3,X4,X5,X6
0 1 2 3 4 5
1 dan 4 merupakan titik absis (artinya tahun kedua dan kelima sebagai absis)
Data 8 tahun : X1, X2, X3,X4,X5,X6,X7,X8
0 1 2 3 4 5 6 7
1,5 dan 5,5 merupakan titik absis (absis pertama diantara tahun kedua dan ketiga serta
absis kedua antara tahun keenam dan ketujuh)
Data 7 tahun : X1, X2, X3,X4,X5,X6,X7
0 1 2 3 4 5 6
3 dihapus, 1 dan 5 merupakan absis(tahun kedua dan keenam merupakan absis)
4. Titik koordinat terdiri dari b) dan c) dimasukkan kedalam persamaan Y = a + bx, untuk
menghitung a dan b; Y1 dan Y2 digunakan sebagai nilai Y.
Contoh :
1. Data Genap Kelompok Genap
T a h u Bawang Merah
n (Ton)
2 0 0 1 8 6 1 1 5 0
2 0 0 2 7 6 6 5 7 2
2 0 0 3 7 6 2 7 9 5
2 0 0 4 7 5 7 3 9 9
2 0 0 5 7 3 2 6 0 9
2 0 0 6 7 9 4 9 3 1
2 0 0 7 8 0 2 8 1 0
2 0 0 8 8 5 3 6 1 5
2 0 0 9 9 6 5 1 6 4
2 0 1 0 1 0 4 8 9 3 4
2 0 1 1 8 9 3 1 2 4
2 0 1 2 9 6 4 2 2 1

Buatlah trend dengan rata-rata semi.

Jumlah seluruh data di atas  yakni 12 data (Genap). Oleh karena itu analisis data dilakukan
dengan cara sebagai berikut:

 Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung

dibagi dua yang masing-masing kelompok terdiri dari 2 data (Genap).
 Menentukan  periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun
tengah data tahun kelompok I  sehingga periode dasar terletak antara tahun 2003 dan
tahun 2004.
 Menentukan Angka Tahun. Karena periode dasar berangka tahun x = 0 dan terletak
antara tahun 2003 dan 2004, maka angka tahun untuk tahun 2003 adalah -1 dan angka
tahun untuk 2004, 2005, 2006 berturut-turut adalah 1, 3, 5 dst.
 Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.
 Menentukan Semi average tiap Kelompok data yaitu dengan cara membagi semi total
dengan banyak data dalam masing-masing kelompok yatitu dibagi dengan 6.
 Menentukan trend awal tahun yaitu dengan mengurangkan semi average kelompok 2
dengan semi average kelompok 1 dan membagi dengan banyak data yaitu 6.
 Dan untuk menentukan peramalan gunakan rumus yang dijadikan kelompok 1.
 Bawan
Tahun g Kel X Semi Semi Average TrendAwal
Merah Total Tahun
(Ton)
2 0 0 1 861150 - 5
2 0 0 2 766572 - 3
779.242,6667=Y 1
2 0 0 3 762795 - 1
2 0 0 4 757399 1
2 0 0 5 732609 3  
I 4.675.456 779.242,6667+
2 0 0 6 794931 5
23.678,1111(x)
2 0 0 7 802810 7
2 0 0 8 853615 9
2 0 0 9 965164 1 1
2 0 1 0 1048934 1 3 921.311,3333=Y 2
2 0 1 1 893124 II 1 5 5.527.868 921.311,3333+
2 0 1 2 964221 1 7
23.678,1111(x)

Penyelesian:
Untuk Kelompok I
Semi Total = 861150 + 766572 + 762795 + 757399 + 732609 + 794931
= 4.675.456

Semi Average = 4.675.456

6
= 779.242,6667

Untuk Kelompok II
Semi Total = 802810 + 853615 + 965164 + 1048934 + 893124 + 964221
= 5.527.868

Semi Average = 5.527.868

6
=921.311,3333

b = Y2 – Y1
n
 = 921.311,3333 - 779.242,6667
6
= 142.068,6666
6
= 23.678,1111

Maka rumus peramalan yang digunakan yaitu

Y ’ = a + b ( x )
Y’= 779.242,6667+23.678,1111(x)
Misalkan untuk meramal pada tahun 2017
Maka x=27/2
=13,5

Y’2017 = a+ b(x)
=779.242,6667 + 23.678,1111(13,5)
= 779.242,6667 + 319.654,4999
Y’2017 = 1.098.897,167

Jadi, dapat diramalkan untuk tahun 2017 produksi Indonesia terhadap bawang merah
yaitu 1.098.897 ton.
Dapat diramalkan juga untuk tahun berikut:
2013 = 1.004.187 ton
2014 = 1.027.862 ton
2015 = 1.051.540 ton
2016 = 1.075.219 ton
2017 = 1.098.897 ton

2. Data Genap Kelompok Ganjil

T a h u Bawang Merah(Ton)
n
1 9 9 9 9 3 8 2 9 3
2 0 0 0 7 7 2 8 1 8
2 0 0 1 8 6 1 1 5 0
 2 0 0 2 7 6 6 5 7 2
2 0 0 3 7 6 2 7 9 5
2 0 0 4 7 5 7 3 9 9
2 0 0 5 7 3 2 6 0 9
2 0 0 6 7 9 4 9 3 1
2 0 0 7 8 0 2 8 1 0
2 0 0 8 8 5 3 6 1 5
2 0 0 9 9 6 5 1 6 4
2 0 1 0 1 0 4 8 9 3 4
2 0 1 1 8 9 3 1 2 4
2 0 1 2 9 6 4 2 2 1

        Jumlah seluruh data di atas  yakni 14 data (Genap). Oleh karena itu analisis data
dilakukan dengan cara sebagai berikut:

 Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi
dua yang masing-masing kelompok terdiri dari 7 data (Ganjil).
 Menentukan  periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun
tengah data tahun kelompok II, sehingga periode dasarnya adalah tahun 2009
 Menentukan Angka Tahun. Karena periode dasar tahun 2009 berangka tahun x = 0,
makaangka tahun untuk tahun 2010, 2011, 2012 adalah 1, 2, 3 dan angka tahun untuk
2008,2007, 2006 adalah -1, -2, -3 ...,  dst.
 Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.
 Menentukan Semi average tiap Kelompok data. Semi Average untuk kelompok 1 yaitu
membagi semi total dengan banyaknya data yaitu dengan dibagi 7.
 Menentukan trend awal tahun yaitu dengan mengurangkan semi average kelompok 2
dengan semi average kelompok 1 dan membagi dengan banyak data yaitu 7.
 Dan untuk menentukan peramalan gunakan rumus yang dijadikan sebagai kelompok 1.

Tahu Bawang Merah (Ton) Ke X Semi Semi Average Trend Awal Tahun
n l Total
1 9 9 9 938293 -10
2 0 0 0 772818 - 9 798.805,14= Y1
2 0 0 1 861150 - 8
II 5.591.636 798.805,14 +
2 0 0 2 766572 - 7
14.921,7(x)
2 0 0 3 762795 - 6
 2 0 0 4 757399 - 5
2 0 0 5 732609 - 4

2 0 0 6 794931 - 3
2 0 0 7 802810 - 2
2 0 0 8 853615 - 1
I 6.322.799 903.257 = Y2 903.257 +
2 0 0 9 965164 0
2 0 1 0 1048934 1 14.921,7(x)

2 0 1 1 893124 2
2 0 1 2 964221 3
Penyelesaian
Untuk Kelompok I
Semi Total = 794931 + 802810 + 853615 + 965164 + 1048934 + 893124 + 964221
= 6.322.799
Semi Average = 6.322.799
7
= 903.257

Untuk Kelompok II
Semi Total = 938293 + 772818 + 861150 + 766572 + 762795 + 757399 + 732609
= 5.591.636
Semi Average = 5.591.636
7
=798.805,14
b = Y2 – Y1
n
= 903.257 - 798.805,14
7
= 14.921,7
Maka rumus peramalan yang digunakan yaitu

Y’ = a+ b(x)
Y’ = 903.257 + 14.921,7(x)
Misalkan untuk meramal pada tahun 2020 yang akan datang
Untuk tahun 2020, x= 11
Y’2020 = a + b(x)
Y’2020 = 903.257 + 14.921,7(11)
Y’2020 = 903.257 + 164.138,7
Y’2020 = 1.067.395,7
Jadi, dapat diramalkan untuk tahun 2020 produksi Indonesia terhadap bawang merah
yaitu 1.067.395,7 ton.
Dapat diramalkan juga untuk tahun berikut:
2013 = 962.943,8 ton
2014 = 977.865,5 ton
2015 = 992.787,2 ton
2016 = 1.007.708,9 ton
2017 = 1.171.847,6 ton
3. Data Ganjil   
T a h u W o r t e
n l
(Ton)
2 0 0 0 3 2 6 6 9 3
2 0 0 1 3 0 0 6 4 8
2 0 0 2 2 8 2 2 4 8
2 0 0 3 3 5 5 8 0 2
2 0 0 4 4 2 3 7 2 2
2 0 0 5 4 4 0 0 0 2
2 0 0 6 3 9 1 3 7 1
2 0 0 7 3 5 0 1 7 1
2 0 0 8 3 6 7 1 1 1
2 0 0 9 3 5 8 0 1 4
2 0 1 0 4 0 3 8 2 7
2 0 1 1 5 2 6 9 1 7
2 0 1 2 4 6 5 5 3 4
Dalam metode semi average yang jumlah datanya ganjil dapat dikerjakan dengan 2
cara, yaitu :
1.      Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
memasukkan periode tahun serta nilai deret berkala tertengah ke dalam tiap kelompok.
b = Y2 - Y1
n-1
Tahu W o r t e l Ke x Semi Total Semi Average Trend Awal Tahun
n (Ton) l
2000 326 693 -3
 2 0 0 1 300 648 -2
2 0 0 2 282 248 -1
360.069,4286
2 0 0 3 355 802 0
2 0 0 4 423 722 I 1 2.520.486 + 8153,78571x
2 0 0 5 440 002 2 360.069,4286
2 0 0 6 391 371 3

2 0 0 6 391 371 3
2 0 0 7 350 171 4
2 0 0 8 367 111 5
2 0 0 9 358 014 6
2 0 1 0 403 827 II 7 2.862.945 408.992,1429 408.992,1429
2 0 1 1 526 917 8
2 0 1 2 465 534 9 + 8153,78571x

Untuk kelompok I
Semi Total = 326693 + 300648 + 282248 + 355802 + 423722 + 440002 + 391371
= 2.520.486

Semi Average = 2.250.486

7
= 360.069,4286

Untuk kelompok II
Semi Total = 391371 + 350171 + 367111 + 358014 + 403827 + 526917 + 465534
= 2.862.945
Semi Average = 2.862.945
7
= 408.992,1429

b = Y2 – Y1
n-1
= 408.992,1429 - 360.069,4286
7–1
= 48.922,7143
6
= 8153,785717
Maka rumus peramalan yang digunakan yaitu

Y’ = a + b(x)
Y’ = 360.069,4286 + 8153,785717(x)

Misalkan untuk meramal pada tahun 2015 yang akan datang

Untuk tahun 2015, x = 12
Y’2015 = a+ b(x)
Y’2015 = 360.069,4286 + 8153,785717(12)
Y’2015 = 360.069,4286 + 97.845,42852
Y’2015 = 457.914,8571

Jadi, dapat diramalkan untuk tahun 2015 produksi Indonesia terhadap wortel yaitu
457.914 ton.

Dapat pula diramalkan untuk tahun berikut:

2013 = 441.607 ton.
2014 = 449.761 ton.
2015 = 457.914 ton.
2.      Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
menghilangkan periode tahun serta nilai deret berkala tertengah.
b = Y2- Y1
n+1

Tahu Worte Ke x Semi Total Semi Average Trend Awal Tahun

n l l
(Ton)
2 0 0 0 326 693 - 5 354.852,5
2 0 0 1 300 648 - 3
2 0 0 2 282 248 - 1
2 0 0 3 355 802 I 1 354.852,5 +
2 0 0 4 423 722 3 2.129.115 8153,785714(x)
2 0 0 5 440 002 5
2 0 0 7 350 171 9
2 0 0 8 367 111 11
411.929
2 0 0 9 358 014 13
2 0 1 0 403 827 II 15 2.471.574 411.929 +
 2 0 1 1 526 917 17
2 0 1 2 465 534 19 8153,785714(x)

Untuk kelompok I
Semi Total = 326 693 +300 648 + 282 248 + 355 802 + 423 722 + 440 002
= 2.129.115
Semi Average = 2.129.115
6
= 354.852,5

Untuk kelompok II
Semi Total = 350 171 + 367 111 + 358 014 + 403 827 + 526 917 + 465 534
= 2.471.574
Semi Average = 2.471.574
6
= 411.929
b = Y2 – Y1
n+1
= 411.929 - 354.852,5
6+1
= 57.076,5
7
= 8153,785714
Jadi rumus peramalan yang digunakan yaitu

Y’ = a + b(x)
Y’ = 354.852,5 + 8153,785714(x)

Misalkan untuk meramalkan pada tahun 2019

Untuk tahun 2019, x = 33/ 2 =16,5
Y’2019 = a + b(x)
Y’2019 = 354.852,5 + 8153,785714(x)
Y’2019 = 354.852,5 + 8153,785714(16,5)
Y’2019 = 354.852,5 + 134.537,4643
Y’2019 = 489.389,9643
 Jadi, dapat diramalkan untuk tahun 2019 produksi Indonesia terhadap wortel yaitu
489.389 ton.
Dapat pula diramalkan untuk tahun berikut :
2013 = 440.467 ton
2014 = 448.621 ton
2015 = 456.774 ton

c) Metode rata-rata bergerak.

Metode rata-rata bergerak atau yang biasa disebut moving average adalah metode
peramalan dimana dalam menghitung peramalan di masa depan didapat dari penjumlahan
data-data lampau dan kemudian dibagi dengan jumlah data yang ada.

Jumlah data-data yang harus diambil untuk perhitungan rata-rata bergerak (moving
average) berjumlah bebas, namun tentunya harus disesuaikan dengan ketersediaan data-data
lampau yang ada.

Data yang digunakan pun harus berurut dari tahun terbaru sampai tahun yang paling
lama, karena data terbarulah yang dianggap jauh lebih akurat dibanding data-data yang lama.

Biasanya dalam perhitungan rata-rata bergerak (moving average), data yang diambil
adalah data 3 periode sebelumnya. Karena data 3 tahun yang lalu, dianggap paling relevan
dengan keadaan yang akan datang. Namun, tetap saja, jumlah data yang diambil adalah bebas
sesuai dengan selera masing masing.

Rumus peramalan dengan metode rata-rata bergerak (moving average) adalah :

Keterangan :
Ft = Peramalan untuk periode yang akan datang
n = Jumlah periode peramalan moving average
At~1 = Data aktual satu periode sebelum peramalan
At~2 = Data aktual dua periode sebelum peramalan
At~3 = Data aktual tiga periode sebelum peramalan
At~n = Data aktual satu n sebelum peramalan

Jumlah ke-n harus disesuaikan dengan persoalan yang diminta. Jika menggunakan moving
average 3 tahunan, maka otomatis jumlah n dan data aktual akan berjumlah 3 pula.

Contoh Soal :
Dounkey adalah perusahaan kemeja, diketahui penjualan pada periode sebelumnya adalah
sebagai berikut :
Tahu Penjualan
n (unit)
2 0 1 1 . 5 0
2 0
2 0 1 1 . 8 0
3 0
2 0 1 1 . 7 0
4 0
2 0 1 2 . 2 0
5 0
2 0 1 1 . 5 0
6 0
2 0 1 2 . 0 0
7 0

Dengan menggunakan metode rata-rata bergerak, carilah peramalan untuk tahun 2018
dengan metode moving average (3 tahunan) dan moving average (4 tahunan)

Moving average (3 tahunan)

Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.900 unit pada tahun 2018 dengan
menggunakan metode moving average (3 tahunan).

Moving Average (4 tahunan)

Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.850 unit pada tahun 2018 dengan
menggunakan metode moving average (4 tahunan).

d). Metode Kuadrat Terkecil ( Least Square )

Metode kuadrat terkecil menganut prinsip bahwa garis yang paling sesuai untuk
menggambarkan suatu data berkala adalah garis yang jumlah kuadrat dari selisih antara data
tersebut dan garis trendnya terkecil atau minimum. Sifat-sifat kuadrat terkecil adalah :

1. ( Y – Y’ ) = 0
2. ( Y – Y’ )2 = terkecil
 Untuk tujuan perhitungannya, digunakan persamaan garis lurus yang
dinyatakan dengan :

Y = a + b X

Penggunaan metode kuadrat terkecil untuk menyelesaikan trend selengkapnya akan dibahas
pada subbab berikut, yaitu Trend Linear.

Persamaan trendnya adalah :

Y = a + b X
Dengan metode kuadrat terkecil, nilai a dan b dari persamaan trend linear di atas ditentukan
dengan rumus :

a=
∑ Y dan b= ∑ XY
n ∑ X2
Keterangan :

Y = nilai data berlaku

n = jumlah periode waktu

X = tahun kode

Tahun kode (X) memiliki nilai-nilai yang berbeda untuk jumlah tahun ganjil dan tahun genap.

a. Untuk jumlah tahun ganjil ( n ganjil ), nilai-nilai X-nya : …, -3, -2, -1, 0, +1, +2, +3,….
b. Untuk jumlah tahun genap ( n genap ), nilai-nilai X-nya : …, -5, -3, -1, +1, +3, +5, ….
Contoh Soal :

Dari data berkala berikut ini, tentukan nilai a dan b dan buatlah trendnya !

a. Untuk n ganjil

T a h u n 1 9 9 1 1992 1 9 9 3 1 9 9 4 1995
Penjualan (jutaan Rp) 1 7 0 1 9 0 2 2 5 2 5 0 3 2 5

b. Untuk n genap
T a h u n 1 9 9 0 1991 1 9 9 2 1 9 9 3 1994 1995
Penjualan (jutaan Rp) 1 5 0 1 7 0 1 9 0 2 2 5 2 5 0 3 2 5

Penyelesaian :

a) Untuk n ganjil
 2
T a h u n Penjualan (Y) X X Y X T r e n d
1 9 9 1 1 7 0 - 2 -340 4 1 5 8
1992 190 - 1 -190 1 1 9 5
1993 225 0 0 0 2 3 2
1994 250 + 1 2 5 0 1 2 6 9
1995 325 + 2 6 5 0 4 3 0 6
Jumlah 1 . 1 6 0 0 3 7 0 1 0 1 . 1 6 0

a=
∑Y
n

1.160
= 5

= 232
∑ XY
b=
∑ Y2
370
= 10

= 37
Persamaan garis trend yang bersangkutan adalah

Y = 232 + 37X
Perhitungan Trend :

Y91 = 232 + 37 (-2) = 158

Y92 = 232 + 37 ( -1) = 195

Y93 = 232 + 37 (0) = 232

Y94 = 232 + 37 (+1) = 269

Y95 = 232 + 37 (+2) = 306

b) Untuk n genap

2
T a h u n Penjualan (Y) X X Y X T r e n d
1 9 9 0 1 5 0 - 5 -750 2 5 1 3 6 , 1 8
1991 170 - 3 -510 9 1 6 9 , 0 4
 1992 190 - 1 -190 1 2 0 1 , 9 1
1993 225 + 1 2 2 5 1 2 3 4 , 7 6
1994 250 + 3 7 5 0 9 2 6 7 , 6 3
1995 325 + 5 1.625 2 5 3 0 0 , 4 8
Jumlah 1 . 3 1 0 0 1.150 7 0 1.310,00

a=
∑Y
n

1.310
= 6

= 218,33
∑ XY
b=
∑ Y2
1.150
= 70

= 16,43
Persamaan garis trend yang bersangkutan adalah

Y = 218,33 + 16,43X
Perhitungan Trend :

Y90 = 218,33 + 16,43 ( -5 ) = 136,18

Y91 = 218,33 + 16,43 ( -3 ) = 169,04

Y92 = 218,33 + 16,43 ( -1 ) = 201,91

Y93 = 218,33 + 16,43 ( +1 ) = 234,76

Y94 = 218,33 + 16,43 ( +3 ) = 267,62

Y95 = 218,33 + 16,43 ( +5 ) = 300,48

D. PROYEKSI PENDUDUK
a) Pengertian proyeksi penduduk

Proyeksi penduduk adalah perhitungan jumlah penduduk (menurut komposisis umur dan
jenis kelamin) di masa yang akan datang berdasarkan asumsi arah perkembangan fertilitas,
mortalitas dan migrasi. Data penduduk Indonesia yang dapat dipakai dan dipercaya untuk
keperluan proyeksi adalah berasal dari sensus penduduk (SP) yang diselenggarakn pada tahun
yang berakhir “0” dan survei antar sensus (SUPAS) pada tahun yang berakhir “S”.
 b) Kegunaan Proyeksi Penduduk

Hasil proyeksi penduduk sangat bermanfaat untuk perencanaan penyediaan beras,fasilitas

kesehatan, fasilitas pendidikan, fasilitas perumahan, dan fasilitas kesempatan kerja.

c) Metode model pertumbuhan aritmetika,Geometrik, Eksponensial

Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang
antara lain:

1. Metode Matematik, ada 2 cara, yaitu:

 Arithmathic Rate of Growth (Pertumbuhan Penduduk Aritmatik rata-rata):
pertumbuhan penduduk dengan jumlah yang sama setiap tahun

Pn= P0 (1+rn)

Keterangan:

Pn = Jumlah penduduk setelah n tahun ke depan.

P0 = Jumlah penduduk pada tahun awal.

r = Angka pertumbuhan penduduk.

n = Jangka waktu dalam tahun.

Contoh:

Wilayah Jakarta memiliki jumlah penduduk sebanyak 40.000 jiwa pada tahun 2014
dan pertumbuhan penduduknya sebesar 2% per tahun. Berapakah jumlah penduduk wilayah
jakarta setelah 6 tahun kemudian?

Jawab:

Pn = P0 {1 + (r.n)}

Pn = 40000 { 1 + (0,02 x 6)}

Pn = 40000 + 4800 = 44800 jiwa

Jadi jumlah penduduk Jakarta pada tahun 2020 diperkirakan sebanyak 44800 jiwa dengan
pertumbuhan sebanyak 4800 jiwa tiap tahunnya.
  Geometric Rate of Growth(Pertumbuhan Penduduk Geometrik rata-rata):
pertumbuhan penduduk menggunakan dasar bungan berbunga (bunga majemuk)

Pn=P0 (1+r)n

Keterangan:

Pn = Jumlah penduduk setelah n tahun ke depan.

P0 = Jumlah penduduk pada tahun awal.

r = Angka pertumbuhan penduduk.

n = Jangka waktu dalam tahun.

Contoh:

Wilayah Surabaya memiliki jumlah penduduk sebanyak 60.000 jiwa pada tahun 2013
dan pertumbuhan penduduknya sebesar 2% per tahun. Berapakah jumlah penduduk wilayah
Surabaya setelah 5 tahun kemudian?

Jawab:

Pn = P0 (1 + r)n

Pn = 60000 ( 1 + 0,02)5

Pn = 66240 jiwa

Jadi prediksi jumlah penduduk Surabaya pada tahun 2018 sebanyak 66.240 jiwa.

2. Eksponential Rate of Growth(Pertumbuhan Penduduk Eksponensial rata-rata):

Pertumbuhan penduduk secara terus menerus setiap hari dengan angka pertumbuhan
penduduk yang konstan.

Pn= P0 ern
Keterangan:

Pn = Jumlah penduduk setelah n tahun ke depan.

P0 = Jumlah penduduk pada tahun awal.

r = Angka pertumbuhan penduduk.

n = Jangka waktu dalam tahun.

e = Bilangan eksponensial = 2,7182818.

Contoh:

Jumlah penduduk wilayah Merauke pada tahun 2013 adalah 10.000 jiwa dan
pertumbuhan penduduk 2% per tahun. Berapakah jumlah penduduknya pada tahun 2018?

Jawab:

Pn = P0ern

Pn = 10000 x 2,7182818 x 0,02×5

Pn = 10000 x 2,71828180,1

Pn = 11052 jiwa

Jadi jumlah penduduk Merauke pada tahun 2018 sebanyak 11052 jiwa dengan
pertumbuhan sebesar 1052 jiwa tiap tahunnya.

DAFTAR PUSTAKA

Hasan, Iqbal.2001.Pokok-Pokok Materi Statistik 1 ( Statistik Deskriptif )Edisi II. Jakarta :

Bumi Aksara
Supranto, J.2008.STATISTIK Teori dan Aplikasi EDISI KETUJUH (Jilid 1). Jakarta :
Erlangga

http://statistikametodesemiaverage.blogspot.com/(diakses tanggal 29 Oktober 2018)

https://www.dounkey.com/2017/10/metode-rata-rata.html(diakses tanggal 29 Oktober 2018)