BAB 5

ANALISIS RANGKAIAN WAKTU

(TIME SERIES ANALYSIS)

Kompetensi

Menjelaskan konsep dasar time series.

Indikator

1. Menjelaskan konsep dasar time series analysis: trend linear.

2. Menjelaskan konsep dasar time series analysis: trend non linear.
3. Menjelaskan konsep dasar time series analysis: variasi musim untuk
peramalan.

A. Pendahuluan
Dalam peramalan, biasanya orang akan mendasarkan diri pada pola
atau tingkah laku data pada masa-masa lampau. Data yang dikumpulkan
dari waktu ke waktu disebut rangkaian waktu atau time series.
Data tersebut memiliki variasi (gerakan) yang berbeda. Secara umum
variasi (gerakan) dari data rangkaian waktu tersebut terdiri dari:
1. Trend jangka panjang (trend sekular) adalah suatu garis (trend) yang
menunjukkan arah perkembangan secara umum.

68
2. Variasi musim adalah suatu gerakan yang naik turun secara teratur yang
cenderung untuk terulang kembali dalam jangka waktu tidak lebih dari 1
tahun.
3. Variasi siklis adalah suatu gerakan yang naik turun secara teratur yang
cenderung untuk terulang kembali setelah jangka waktu lebih dari 1 tahun.
4. Variasi random adalah suatu gerakan yang naik turun secara tiba-tiba
atau mempunyai sifat yang sporadis sehingga biasanya sulit untuk
diperkirakan sebelumnya.

Analisis rangkaian waktu mencoba menentukan pola hubungan antara

waktu sebagai variabel bebas (independent variable) dengan suatu data
sebagai variabel tergantung (dependent variable). Artinya besar-kecilnya
data tersebut dipengaruhi oleh waktu.

B. Trend Linier
Trend linier merupakan garis peramalan yang sifatnya linier sehingga secara
matematis bentuk fungsinya adalah:

Y' = a + bX

Keterangan: Y’ = nilai trend periode tertentu = nilai peramalan pada

periode tertentu
a = konstanta = nilai trend pada periode dasar
b = koefisien arah garis trend = perubahan trend setiap
periode
X = unit periode yang dihitung dari periode dasar.

Secara umum penulisan hasil analisis trend linier adalah:

Y’ = a + b X

69
 Periode dasar: ……..
Unit X : ……..
Unit Y : ……..

Metode untuk menentukan persamaan trend linier:

1. Metode bebas
2. Metode setengah rata-rata
3. Metode kuadrat terkecil

Berdasarkan ketiga metode tersebut yang memiliki tingkat penyimpangan

antara peramalan dan observasi adalah metode kuadrat terkecil, sehingga
hanya akan dibahas metode kuadrat terkecil (Least Square).

1. Trend Linier dengan Metode Kuadrat Terkecil (Least Square Method)

Peramalan dengan metode kuadrat terkecil akan menghasilkan jumlah
kuadrat kesalahan-kesalahan terkecil. Jika persamaan garis trend linier Y’ = a
+ bX, maka untuk menentukan harga konstanta a dan b dengan metode ini
dapat menggunakan persamaan normal sbb:

Σ Y = na + b ΣX
Σ XY = a ΣX + bΣX2

Keterangan:
Y = harga-harga hasil observasi
X = unit tahun yang dihitung dari periode dasar
a = nilai trend pada periode dasar
b = perubahan trend (koefisien arah garis)
n = banyaknya data

70
Untuk menyederhanakan perhitungan, dibuat sedemikian rupa sehingga
diperoleh ΣX = 0, sehingga harga a dan b menjadi:

ΣY
a= =Y
n

Σ XY
b =
ΣX 2

Dalam penentuan skala ΣX = 0 ada 2 kemungkinan, yaitu:

a. Untuk data ganjil, angka nol diletakkan pada tahun yang di tengah,
sehingga skala X nya menjadi tahunan. (selisih 1)
Tabel 5.1
Skala X Untuk Data Ganjil
Th 1997 1998 1999 2000 2001 Σ
X -2 -1 0 1 2 0

b. Untuk data genap, maka angka nol pada skala X terletak antara 2
tahun yang di tengah sehingga skala X menjadi setengah tahunan.
(selisih 2)
Tabel 5.2
Skala X Untuk Data Genap
Th 1997 1998 1999 2000 2001 2002 Σ
X -5 -3 -1 1 3 5 0

71
Contoh:
a. Survei yang dilakukan PT Falma Indonesia menunjukkan bahwa
permintaan terhadap Margarine sejak tahun 1999 sampai 2005 sbb:
(dalam 000 ton)
Tabel 5.3
Permintaan Margarine
PT Falma Indonesia
Tahun Permintaan
(000 Ton)
2001 200
2002 225
2003 295
2004 350
2005 410
2006 470
2007 510

Berdasarkan data di atas:

1) Gambarkan data tersebut.
2) Tentukan persamaan garis permintaan terhadap margarine dengan
metode linier least square.
3) Berapa perkiraan permintaan terhadap margarine untuk tahun 2009?

72
Penyelesaian:
1) Gambar data permintaan margarine PT Falma Indonesia

Permintaan

600
500
400
300 Permintaan
200
100
0
2000 2002 2004 2006 2008

Gambar 5.1
Permintaan Margarine PT Falma

2) Persamaan garis permintaan terhadap margarine dengan metode linier

least square.
Tabel 5.4
Perhitungan Persamaan Permintaan Margarine
PT Falma Indonesia
Tahun Permintaan
(000 Ton)
Y X XY X2
2001 200 -3 -600 9
2002 225 -2 -450 4
2003 295 -1 -295 1
2004 350 0 0 0
2005 410 1 410 1
2006 470 2 940 4
2007 510 3 1.530 9
Jumlah 2.460 0 1.535 28

73
 ΣY 2.460
a= =Y = = 351,43
n 7

Σ XY 1 . 535
b = = = 54 ,82
ΣX 2 28

Persamaannya:

Y = 351,43 + 54,82 X

Periode dasar : tahun 2004

Unit X : tahunan
Unit Y : ribuan ton / tahun

3) Perkiraan permintaan terhadap margarine untuk tahun 2009?

Y2009 maka nilai X = 5

Y 2009 = 351,43 + 54,82 (5) = 625,54 (ribuan ton)

Jadi perkiraan permintaan margarine tahun 2009 yaitu 625.540 ton

margarine

74
b. Data jumlah produksi baju pada PT Lady selama beberapa tahun yaitu:
Tabel 5.5
Jumlah Produksi PT Lady
Tahun Produksi (Unit)
2000 500
2001 560
2002 590
2003 620
2004 640
2005 680
2006 730
2007 750

1) Gambarkan data jumlah produksi PT Lady

2) Buatlah persamaan trendnya
3) Berapa perkiraan produksi tahun 2008?

Penyelesaian:
1) Gambar data jumlah produksi PT Lady

Produksi

800
600
400 Produksi
200
0
1998 2000 2002 2004 2006 2008

Gambar 7.2
Produksi PT Lady

75
2) Persamaan trend
Tabel 5.6
Perhitungan Persamaan Produksi PT Lady
Tahun Produksi (Y) X XY X2
2000 500 -7 -3.500 49
2001 560 -5 -2.800 25
2002 590 -3 -1.770 9
2003 620 -1 -620 1
2004 640 1 640 1
2005 680 3 2.040 9
2006 730 5 3.650 25
2007 750 7 5.50 49
Jumlah 5.070 0 2.890 168

ΣY 5.070
a= =Y = = 633,75
n 8

Σ XY 2 . 890
b = = = 17 , 20
ΣX 2
168

Persamaannya:

Y = 633,75 + 17,20 X

Periode dasar : tahun 2003 - 2004

Unit X : tahunan
Unit Y : unit / tahun

76
3) Berapa perkiraan produksi tahun 2008?
Y2008 maka nilai X = 9
Y = 633,75 + 17,20 (9) = 788,57 (dibulatkan 789)
Jadi perkiraan produksi PT Lady tahun 2008 yaitu 789 unit

2. Merubah Persamaan Trend

a. Perubahan periode dasar
Persamaan awal: Y’ = a + b X
Berdasarkan persamaan tersebut yang berubah hanya a yaitu nilai trend
pada periode dasar. Bila periode dasar diubah, maka a diganti dengan
nilai trend pada periode dasar yang baru. Sedangkan bilangan-bilangan
yang lain tetap.

b. Perubahan satuan waktu

1) Jika persamaan trend tahunan (skala X tahunan):
Y’ = a + b X
Periode dasar: 2005
Unit X : tahunan
Unit Y : unit/tahun
Diubah menjadi
a) Persamaan trend rata-rata bulanan:
a b
Y' = + X
12 12
Periode dasar: 2005
Unit X : tahunan
Unit Y : unit/bulan

77
 b) Persamaan trend rata-rata kuartalan:
a b
Y' = + X
4 4
Periode dasar: 2005
Unit X : tahunan
Unit Y : unit/kuartal
c) Persamaan trend bulanan:
a b
Y' = + X
12 12 2
Periode dasar: 30/6 atau 1/7 2005
Unit X : bulanan
Unit Y : unit/bulan

d) Persamaan trend kuartalan:

a b
Y' = + X
4 42
Periode dasar: akhir kw II atau awal kw III th 2005
Unit X : kuartalan
Unit Y : unit/kuartal

2) Jika persamaan trend tahunan (skala X ½ tahunan):

Y’ = a + b X
Periode dasar: 2005 – 2006
Unit X : ½ tahunan
Unit Y : unit/tahun
Diubah menjadi
a) Persamaan trend rata-rata bulanan:

78
 a b
Y' = + X
12 12
Periode dasar: 2005 – 2006
Unit X : ½ tahunan
Unit Y : unit/bulan
Besarnya akan sama dengan trend tahunannya dibagi 12.

b) Persamaan trend rata-rata kuartalan:

a b
Y' = + X
4 4
Periode dasar: 2005 – 2006
Unit X : ½ tahunan
Unit Y : unit/kuartal
Hasilnya akan sama dengan trend tahunannya dibagi 4
c) Persamaan trend bulanan:
a b
Y' = + X
12 1 ⎛ 2 ⎞
⎜ 12 ⎟
2⎝ ⎠
Periode dasar: 31/12 2005 atau 1/1 2006
Unit X : bulanan
Unit Y : unit/bulan
d) Persamaan trend kuartalan:
a b
Y' = + X
4 1⎛ 2⎞
⎜4 ⎟
2⎝ ⎠
Periode dasar: awal kw I th 2005
Unit X : kuartalan
Unit Y : unit/kuartal

79
C. Trend Non Linier
Trend non linier yaitu trend yang persamaannya berpangkat lebih dari
satu. Dua jenis trend non linier yang akan dipelajari adalah trend parabolik
(persamaannya berpangkat 2) dan trend eksponensiil (persamaannya
berpangkat X).

1. Trend Parabolik
Bentuk umum persamaan trend parabolik yaitu:

Y’ = a + bX + cX2

Secara matematis dan sederhana, harga a dan b dapat dicari dengan asumsi
bahwa Σ X = 0, sebagai berikut:

ΣXY
b=
ΣX 2

ΣX 2 .ΣY − n.ΣX 2Y
c=
(ΣX 2 ) 2 + n.ΣX 4

ΣX 2
a = Y−c
n

80
Contoh soal:
Data penjualan PT Ikhlas selama 13 tahun terakhir ditunjukkan dalam table 7.
berikut ini:
Tabel 5.7
Penjualan PT Ikhlas

Tahun Penjualan
(000 unit)
1995 150
1996 165
1997 177
1998 189
1999 199
2000 220
2001 235
2002 219
2003 197
2004 188
2005 178
2006 167
2007 151

Berdasarkan data di atas:

a. Gambarkan data penjualan PT Ikhlas.
b. Buatlah persamaan trendnya.
c. Berapa ramalan penjualan PT Ikhlas tahun 2009?

81
Penyelesaian:
a. Gambar data penjualan PT Ikhlas.

Data Penjualan PT Ikhlas

250
200
Penjualan

150
Penjualan
100
50
0
1990 1995 2000 2005 2010
Tahun

Gambar 5.3
Data Penjualan PT Ikhlas

b. Persamaan trendnya.
Tabel 5.8
Penjualan PT Ikhlas

Tahun Penjualan (Y) X XY X2 X2Y X4

1995 150 -6 -900 36 5.400 1.296
1996 165 -5 -825 25 4.125 625
1997 177 -4 -708 16 2.832 256
1998 189 -3 -567 9 1.701 81
1999 199 -2 -398 4 796 16
2000 220 -1 -220 1 220 1
2001 235 0 0 0 0 0
2002 219 1 219 1 219 1
2003 197 2 394 4 788 16
2004 188 3 564 9 1.692 81
2005 178 4 712 16 2.848 256
2006 167 5 835 25 4.175 625
2007 151 6 906 36 5.436 1.296
Jumlah 2.435 0 12 182 30.232 4.550

82
 ΣXY 12
b= = = 0,0659
ΣX 2 182

ΣX 2 .ΣY − n.ΣX 2Y (128x2.435) − (13x30.232)

c= = = 0,5435
(ΣX 2 ) 2 + n.ΣX 4 (182) 2 + (13x4.550)

ΣX 2 2.435 182
a =Y −c = − (0,5435 x ) = 179,7
n 13 13

Persamaannya:
Y = 179,7 + 0,0659 X + 0,5435 X2

c. Ramalan penjualan PT Ikhlas tahun 2009

Y 2009 maka X = 8
Y = 179,7 + 0,0659 (8) + 0,5435 (8)2 = 215,01 (dibulatkan menjadi 215)
Ramalan penjualan PT Ikhlas tahun 2009 sebesar 215.000 unit

2. Trend Eksponensiil
Bentuk umum persamaan trend eksponensiil adalah:
Y’ = a. bx
Apabila diubah dalam bentuk logaritma, maka persamaannya menjadi:
Log Y’ = log a + X log b
Harga-harga a dan b dapat dicari dengan asumsi Σ X = 0 sebagai berikut:

Σ log Y = n log a

83
 Σ log Y
log a =
n

a = antilog a

Σ (X log Y ) = Σ ( X 2 ) log b

Σ ( X log Y )
log b =
ΣX 2

b = antilog b

Contoh soal:
Data penjualan PT Bintang selama beberapa tahun adalah sebagai berikut
(data dalam ribuan):

84
 Tabel 5.9
Penjualan PT Ikhlas

Tahun Penjualan
1993 150
1994 160
1995 170
1996 190
1997 210
1998 230
1999 244
2000 255
2001 260
2002 270
2003 270
2004 270
2005 270
2006 270
2007 272

Berdasarkan data di atas:

a. Gambarkan data penjualan PT Bintang.
b. Buatlah persamaan trendnya.
c. Berapa ramalan penjualan PT Bintang tahun 2009?
Penyelesaian:
a. Gambar penjualan PT Bintang

85
 Penjualan

300
250
200
150 Penjualan
100
50
0
1990 2000 2010

Gambar 5.4
Data Penjualan PT Bintang
b. Persamaan Trend
Tabel 5.10
Perhitungan Persamaan Trend

Tahun Penjualan (Y) X Log Y X Log Y X2

1993 150 -7 2,1761 -15,2326 49
1994 160 -6 2,2041 -13,2247 36
1995 170 -5 2,2304 -11,1522 25
1996 190 -4 2,2788 -9,1150 16
1997 210 -3 2,3222 -6,9667 9
1998 230 -2 2,3617 -4,7235 4
1999 244 -1 2,3874 -2,3874 1
2000 255 0 2,4065 0 0
2001 260 1 2,4150 2,4150 1
2002 270 2 2,4314 4,8627 4
2003 270 3 2,4314 7,2941 9
2004 270 4 2,4314 9,7255 16
2005 270 5 2,4314 12,1568 25
2006 270 6 2,4314 14,5882 36
2007 272 7 2,4346 17,0420 49
Jumlah 35,3737 5,2821 280

86
 Σ log Y 35,3737
log a = = = 2,3582
n 15

a = antilog a = antilog 2,3582 =

Σ ( X log Y ) 5, 2821
log b = = = 0,0189
ΣX 2 280

b = antilog b = antilog 0,0189 =

D. Kriteria Memilih Trend

Dalam memilih trend yang sebaiknya digunakan, ada 3 cara yaitu (Atmaja,
1997):
1. Menganalisis grafik data atau scatter-plot
Jika data observasi cenderung menunjukkan gejala linier, kita sebaiknya
menggunakan trend linier. Jika data observasi cenderung menunjukkan
ciri-ciri bentuk kuadratik, gunakan trend kuadratik. Jika data observasi
cenderung menunjukkan tidak linier dan tidak kuadratik, gunakan
trendeksponensial. Perhatikan gambar berikut ini:

87
 Gambar 5.5
Cenderung linier

Gambar 5.6
Cenderung kuadratik

Gambar 5.7
Cenderung eksponensial

2. Menganalisis selisih data

a. Jika selisih pertama data observasi cenderung konstan, gunakan trend

linier

88
Contoh:
Tabel 5.11
Perhitungan Selisih Trend Linier

Y Selisih Pertama
10
10
20
9
29
10
39
11
50
10
60

b. Jika selisih kedua dari data observasi cenderung konstan, gunakan

trend kuadratik
Contoh:
Tabel 5.12
Perhitungan Selisih Trend Kuadratik

Y Selisih Pertama Selisih Kedua

10
10
20 5
15

89
 Y Selisih Pertama Selisih Kedua
35 5
20
55 5
25
80 5
30
110 5
35
145

c. Jika selisih pertama dari nilai logaritma data observasi cenderung

konstan, gunakan trend eksponensial
Contoh:
Tabel 5.13
Perhitungan Selisih Trend Eksponensial

Y Log Y Selisih Kedua

10 1
0,176
15 1,176
0,222
25 1,398
0,204
40 1,602
0,301
80 1,903
0,273
150 2,176
0,125
200 2,301

90
3. Menghitung Mean Square Error
Menghitung Mean Square Error untuk setiap jenis trend, pilih garis trend yang
memberikan Mean Square Error (MSE) terkecil.

∑ (Yi − Yˆi )
2

MSE =
n
Dimana:
Yi = observasi aktual periode i
Yˆi = nilai prediksi atau trend untuk periode i
n = jumlah observasi

E. Variasi Musim
Variasi musim merupakan gerakan data yang naik turun secara teratur
yang cenderung terulang kembali dalam jangka waktu kurang dari 1 tahun,
misalnya bulanan, kuartalan dsb. Dalam mengukur derajat naik turunnya data
biasanya dinyatakan dengan “indeks musim” atau IM. Harga rata-rata IM
untuk setiap periode musiman akan sama dengan 100.

Dalam menghitung harga-harga IM dapat digunakan beberapa metode, yaitu:

1. metode rata-rata sederhana,
2. metode perbandingan dengan trend,
3. metode perbandingan dengan rata-rata bergerak,
4. metode relatif berantai
Pembahasan akan dilakukan dengan menggunakan metode rata-rata
sederhana.

1. Metode Rata-rata Sederhana

Langkah-langkah menghitung indeks musim dengan menggunakan
metode rata-rata sederhana yaitu:

91
a. Susun data dalam suatu tabel dengan baris periode musiman (bulanan,
kuartalan dsb) dan kolom untuk tahun.
b. Hitung rata-rata setiap periode musiman untuk seluruh tahun yang ada
(rata-rata ke kanan/setiap baris), hasilnya masukkan dalam kolom 1.
c. Hitung rata-rata setiap periode musiman untuk setiap tahun (rata-rata ke
bawah/setiap kolom)
d. Cari trend/tambahan trend (b) periode musiman dengan rumus:

ΣXY
b= : periode musiman
ΣX 2
Y = harga rata-rata per periode musiman per tahun
X = unit periode (tahun)
ΣX= 0
Harga b selalu dianggap positif, sehingga hasil positif atau negatif hanya
menunjukkan bahwa trend setiap periode bertambah/menurun.
Jika harga b positif, maka trend pada:
periode musiman I = 0b
periode musiman II = 1b
periode musiman III = 2b, dst (dari baris paling atas)
Jika harga b negatif, maka trend pada:
periode musiman n – 1 = 1b
periode musiman n – 2 = 2b
periode musiman n – 3 = 3b, dst (dari baris paling bawah)
Harga-harga trend ini kemudian kita masukkan pada kolom 2.

e. Mengurangi harga rata-rata setiap periode muiman untuk seluruh tahun

(kolom 1) dengan tambahan trend setiap periode (kolom 2). Hasilnya
dimasukkan dalam kolom 3.

92
f. Hitung rata-rata untuk kolom 3, yaitu jumlah kolom 3 dibagi dengan
banyak periode musimannya, misalnya bulanan dibagi 12, kuartalan
dibagi 4 dst.
g. Menentukan harga-harga Indeks musim (IM) untuk setiap periode
musiman dengan menggunakan rumus:
angka-angka pada kolom 3
IM = ------------------------------------- x 100
rata-rata kolom 3

Contoh:
Data Penjualan bulanan PT WINGWING adalah sebagai berikut:
Tabel 5.14
Data Penjualan PT WINGWING
Bulan Tahun
2003 2004 2005 2006 2007
Jan 500 550 630 540 620
Feb 450 530 545 550 540
Maret 430 600 530 530 500
April 400 600 580 480 500
Mei 550 490 500 460 510
Juni 500 440 470 470 490
Juli 450 410 440 600 580
Agst 520 600 430 630 660
Sept 390 400 470 500 510
Okt 400 450 480 510 520
Nov 550 500 520 550 600
Des 650 630 620 660 710

Carilah indeks musimnya

93
2. Ramalan Rangkaian Waktu Dengan Variasi Musim
Jika data yang akan diramalkan terpengaruh oleh adanya variasi musim,
maka dalam peramalannya kita perlu memperhitungkan indeks musimnya.
Sehingga rumus ramalannya menjadi sbb:

Y' xIM
Y' ' =
100
Y’’ = nilai ramalan karena adanya pengaruh variasi musim
Y’ = trend periode musim ( trend bulanan, trend kuartalan dst)
IM = indeks musim (IM bulanan, IM kuartalan dst)

Metode peramalan yang demikian itu sering disebut dengan peramalan

dengan metode dekomposisi.

Contoh:
Data Produksi kuartalan PT LAVENDER adalah sbb:
Tabel 5.15
Data Penjualan PT LAVENDER

Kuartal 2000 2001 2002 2003

I 93 93 86 92
II 96 97 96 100
III 97 93 98 103
IV 93 94 95 102

Ramalkan untuk kuartal I sampai dengan kuartal IV tahun 2003.

F. Latihan soal
1. Jumlah pengunjung taman rekreasi HAPPY dari tahun ke tahun
ditunjukkan oleh data berikut ini:

94
 Tabel 5.16
Data Pengunjung Taman Rekreasi HAPPY

Tahun Jumlah Pengunjung

1996 1247
1997 1364
1998 1480
1999 1646
2000 1832
2001 2052
2002 2105
2003 2210
2005 2353
2006 2402
2007 2455

Berdasarkan data di atas:

a. Buatlah persamaan trendnya?
b. Berapa perkiraan jumlah pengunjung tahun 2009?
c. Jika setiap pengunjung membayar tiket masuk Rp5.000 per orang,
berapa pendapatan dari penjualan tiket tahun 2009?

2. Data produksi PT HOKERY sebagai berikut:

Tabel 5.17
Data Produksi PT HOKERY

Tahun Produksi
(ribuan unit)
1987 540
1988 550
1989 559
1990 569
1991 580
1992 590
1993 600
1994 611
1995 621

95
 Tahun Produksi
(ribuan unit)
1996 630
1997 640
1998 650
1999 659
2000 670
2001 680
2002 700
2003 710
2004 725
2005 740
2006 755
2007 770

Berdasarkan data di atas:

a. Dengan menggunakan analisis selisih data , trend apakah yang
sesuai untuk digunakan?
b. Buatlah persamaan trendnya.
c. Berapa ramalan produksi tahun 2010.

3. Data penjualan PT BULAN yaitu:

Tabel 5.18
Data Penjualan PT BULAN

Tahun Penjualan
(ribuan unit)
1989 640
1990 650
1991 659
1992 669
1993 680
1994 690
1995 600
1996 711
1997 721
1998 730

96
 Tahun Penjualan
(ribuan unit)
1999 740
2000 750
2001 759
2002 770
2003 780
2004 800
2005 820
2006 845
2007 875

Jika dari data di atas diasumsikan datanya linear:

a. Buatlah persamaan trendnya, dengan menggunakan metode least
square (kuadrat terkecil).
b. Berapa ramalanpenjualan 2009?
c. Berapa ramalan penjualan rata-rata bulanan tahun 2009?
d. Berapa ramalan penjualan rata-rata kuartalan tahun 2009?
e. Berapa ramalan penjualan bulan Februari dan Agustus tahun 2009?
f. Berapa ramalan penjualan bulan kuartal I dan kuartal IVtahun 2009?

4. PT SANSIVERA memiliki data produksi sebagai berikut (data yang

kosong silahkan diisi sendiri):

Tabel 5.19
Data Produksi PT SANSIVERA

Tahun Produksi
(ribuan unit)
1989 640
1990 650
1991 .......
1992 .......
1993 .......
1994 .......
1995 .......
1996 .......

97
 Tahun Produksi
(ribuan unit)
1997 .......
1998 .......
1999 .......
2000 .......
2001 759
2002 770
2003 780
2004 .......
2005 .......
2006 .......
2007 .......

a. Gambarkan data tersebut, trend apa yang cocok untuk digunakan?

b. Buatlah persamaan trendnya,
c. Berapa ramalan produksi tahun 20010?
d. Buatlah persamaan trend rata-rata bulanan.
e. Buatlah persamaan trend rata-rata kuartalan.
f. Buatlah persamaan trend bulanan.
g. Buatlah persamaan trend kuartalan.

5. Jumlah dana yang mampu dihimpun PT Bank Surya sejak didirikannya

tahun 1993 adalah sebagai berikut:

Tabel 5.20
Jumlah Dana PT Bank Surya

Tahun 2000 2001 2002 2003 2004 2005 2006 2007

Dana dihimpun 3.0 4.2 6.3 8.9 12.5 15.7 18.0 23.3
(milyar rp)

Berdasar data tersebut, tentukan:

98
 a. Persamaan garis trend
b. Perkiraan dana yang dihimpun tahun 2009
c. Perkiraan dana yang dihimpun tahun 2009 bila periode dasar diubah
menjadi tahun 2005
d. Dengan persamaan pada butir a, hitunglah perkiraan dana kw I hingga
kw IV tahun 2009.

6. Data penjualan PT ORCHID selama beberapa tahun yaitu (Silahkan

data diisi sendiri dalam bentuk ribuan):

Tabel 5.21
Data Penjualan PT ORCHID

Tahun Penjualan
1995 .......
1996 .......
1997 .......
1998 .......
1999 .......
2000 .......
2001 .......
2002 .......
2003 .......
2004 .......
2005 .......
2006 .......
2007 ……

Berdasar data tersebut:

99
 a. Gambarkan data tersebut, trend apa yang cocok untuk digunakan?
b. Buatlah persamaan trend
c. Berapa ramalan penjualan tahun 2010?

7. Data penjualan kuartalan PT KATLEYA adalah:

Tabel 5.22
Data Penjualan PT KATLEYA

Kuartal 2004 2005 2006 2007

I 195 198 186 192
II 199 190 196 205
III 197 193 198 203
IV 193 194 195 210

Ramalkan untuk kuartal I sampai dengan kuartal IV tahun 2009.

8. Data Penjualan bulanan PT EPHORBIA adalah sebagai berikut:

Tabel 5.23
Data Penjualan PT EPHORBIA

Bulan Tahun
2003 2004 2005 2006 2007
Jan 600 650 730 640 760
Feb 550 630 645 650 600
Maret 530 700 630 630 660
April 500 700 680 680 770
Mei 650 690 600 660 610
Juni 600 640 670 670 690
Juli 550 610 640 600 680

100
 Bulan Tahun
2003 2004 2005 2006 2007
Agst 620 700 630 670 760
Sept 690 600 670 690 610
Okt 600 650 680 610 620
Nov 650 500 620 650 660
Des 650 630 620 760 710

Berdasarkan data di atas:

a. Carilah indeks musimnya
b. Berapa ramalan penjualan bulan desember tahun 2008?

101