MAKALAH
Disusun Oleh:
KELOMPOK
1443 H / 2021 M
BAB I
PENDAHULUAN
A. Latar Belakang
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
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 :
2) peramalan keadaan perdagangan dan ekonomi pada masa yang akan datang
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).
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).
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.
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
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
Penyelesian:
Untuk Kelompok I
Semi Total = 861150 + 766572 + 762795 + 757399 + 732609 + 794931
= 4.675.456
Untuk Kelompok II
Semi Total = 802810 + 853615 + 965164 + 1048934 + 893124 + 964221
= 5.527.868
b = Y2 – Y1
n
= 921.311,3333 - 779.242,6667
6
= 142.068,6666
6
= 23.678,1111
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
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
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)
Jadi, dapat diramalkan untuk tahun 2015 produksi Indonesia terhadap wortel yaitu
457.914 ton.
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)
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.
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)
Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.900 unit pada tahun 2018 dengan
menggunakan metode moving average (3 tahunan).
Jadi, Dounkey diprediksi menjual kemeja sebanyak 1.850 unit pada tahun 2018 dengan
menggunakan metode moving average (4 tahunan).
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.
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 :
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 :
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 :
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
Ada beberapa cara untuk memproyeksikan jumlah penduduk masa yang akan datang
antara lain:
Pn= P0 (1+rn)
Keterangan:
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)}
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:
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.
Pertumbuhan penduduk secara terus menerus setiap hari dengan angka pertumbuhan
penduduk yang konstan.
Pn= P0 ern
Keterangan:
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 2,71828180,1
Pn = 11052 jiwa
Jadi jumlah penduduk Merauke pada tahun 2018 sebanyak 11052 jiwa dengan
pertumbuhan sebesar 1052 jiwa tiap tahunnya.
DAFTAR PUSTAKA