Kompetensi
Indikator
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.
B. Trend Linier
Trend linier merupakan garis peramalan yang sifatnya linier sehingga secara
matematis bentuk fungsinya adalah:
Y' = a + bX
69
Periode dasar: ……..
Unit X : ……..
Unit Y : ……..
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
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
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
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
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
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
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
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
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.
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
81
Penyelesaian:
a. Gambar 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
82
ΣXY 12
b= = = 0,0659
ΣX 2 182
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
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
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
86
Σ log Y 35,3737
log a = = = 2,3582
n 15
Σ ( X log Y ) 5, 2821
log b = = = 0,0189
ΣX 2 280
87
Gambar 5.5
Cenderung linier
Gambar 5.6
Cenderung kuadratik
Gambar 5.7
Cenderung eksponensial
88
Contoh:
Tabel 5.11
Perhitungan Selisih Trend Linier
Y Selisih Pertama
10
10
20
9
29
10
39
11
50
10
60
89
Y Selisih Pertama Selisih Kedua
35 5
20
55 5
25
80 5
30
110 5
35
145
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.
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.
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
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)
Contoh:
Data Produksi kuartalan PT LAVENDER adalah sbb:
Tabel 5.15
Data Penjualan PT LAVENDER
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
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
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
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 .......
Tabel 5.20
Jumlah Dana PT Bank Surya
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.
Tabel 5.21
Data Penjualan PT ORCHID
Tahun Penjualan
1995 .......
1996 .......
1997 .......
1998 .......
1999 .......
2000 .......
2001 .......
2002 .......
2003 .......
2004 .......
2005 .......
2006 .......
2007 ……
99
a. Gambarkan data tersebut, trend apa yang cocok untuk digunakan?
b. Buatlah persamaan trend
c. Berapa ramalan penjualan tahun 2010?
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
101