“DERET BERKALA”
“STATISTIKA”
Dosen pengampuh :
Disusun oleh :
Sholawat dan Salam semoga tetap tercurahkan kepada Rasulullah Muhammad saw yang
telah memberikan teladan kehidupan kepada kita semua dan semoga kita diberikan kemampuan
untuk bisa menteladani apa yang sudah dicontohkan kepada kita.
Makalah ini kami buat untuk memenuhi tugas mata kuliah Statistika Dalam penyusunan
makalah ini kami sempat mengalami berbagai kesulitan, oleh karena itu penulis mengucapkan
terima kasih atas bimbingan dan bantuan kepada:
1. Ibu Ashari Lintang SE.,M.Ak sebagai dosen pembimbing mata kuliah Statistika di
Universitas Islam Negeri Sunan Ampel Surabaya
Kami Kelompok 8 sangat menyadari bahwa di dalam penulisan makalah ini tentunya
masih banyak kekurangan dan masih jauh dari kesempurnaan, untuk itu kelompok kami sangat
mengharapkan saran dan koreksi yang membangun demi perbaikan dan kesempurnaan makalah
ini. Kelompok kami juga berharap bahwa makalah ini dapat menjadi sarana untuk saling bertukar
informasi dan sebagai bentuk pengabdian diri penulis kepada Allah SWT.
Dan semoga makalah ini dapat memberikan manfaat bagi kami khususnya dan umat islam
umumnya. Amiin Ya Robbal’alamin
Surabaya
penyusun
i
DAFTAR ISI
KATA PENGANTAR......................................................................................................................i
DAFTAR ISI...................................................................................................................................ii
BAB I PENDAHULUAN...............................................................................................................1
A. Latar Belakang......................................................................................................................1
B. Rumusan Masalah.................................................................................................................1
C. Tujuan...................................................................................................................................1
BAB II PEMBAHASAN................................................................................................................2
A. Analisis Deret Berkala..........................................................................................................2
1. Analisis Tren.....................................................................................................................2
2. Analisis Variasi Musim.....................................................................................................7
3. Analisis Variasi Siklus......................................................................................................6
4. Analisis Gerak Tak Beraturan...........................................................................................7
ii
BAB I
PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
1. Apa itu analisis tren?
2. Apa yang dimaksud analisis variasi musim?
3. Apa yang dimaksud analisis variasi siklus?
4. Apa yang dimaksud analisis gerak tak beraturan?
C. Tujuan
1. Mengetahui analisis tren
2. Mengetahui analisis variasi musim
3. Mengetahui analisis variasi siklus
4. Mengetahui analisis gerak tak beraturan
1
BAB II
PEMBAHASAN
a) Analisis Deret Berkala
Analisis Deret Berkala (time series analysis) adalah suatu metode kuantitatif untuk
menentukan pola data masa lampau yang telah dikumpulkan secara teratur menurut urutan
waktu kejadian. Pola masa lalu ini dapat digunakan sebagai dasar pertimbangan untuk
forecasting di masa yang akan datang. Analisis deret berkala telah digunakan dalam beberapa
dekade untuk bidang ekonomi, Digital Signal Processing (DSP), seperti halnya prakiraan
beban listrik. Deret berkala memiliki empat komponen, yaitu: Analisis Trend ,Variasi Musim
, Variasi Siklus, dan Variasi Yang Tidak Tetap (Irreguler)
1. Analisis Tren
Analisis tren adalah metodologi yang digunakan dalam penelitian untuk
mengumpulkan dan mempelajari data untuk pembuatan prediksi tentang perilaku
pelanggan di masa depan berdasarkan analisis data yang diamati dan dicatat dari tren
masa lalu dan yang sedang berlangsung. Dengan kata lain, analisis tren adalah proses
yang mempelajari data statistik dan mencatat perilaku pasar selama periode tertentu
untuk menghasilkan wawasan berharga yang menggunakan data ini untuk
menyusun strategi rencana bisnis masa depan. Ini membantu menentukan karakteristik
utama pasar dan konsumen yang terkait dengannya.
Analisis Tren merupakan suatu gerakan kecenderungan naik atau turun dalam
jangka panjang yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya
cukup rata atau mulus. Tren memiliki 2 bentuk, yaitu:
Tren Positif (Tren Meningkat)
Rumus: Y = a + b.t
Mempunyai kecenderungan nilai ramalan (Y') meningkat dengan meningkatnya waktu
(t). a= konstanta dan b=tingkat kecenderungan
Apabila t naik sebesar 1 satuan maka Y' akan NAIK sebesar b satuan.
2
Tren Negatif (Tren Menurun)
Rumus: Y = a-b.x
Mempunyai kecenderungan nilai ramalan (Y') menurun dengan meningkatnya waktu (t)
a= konstanta dan b-tingkat kecenderungan
Apabila t naik sebesar 1 satuan maka Y' akan TURUN sebesar b satuan.
Dimana:
Y: nilai variabel Y pada suatu waktu tertentu
A: perpotongan antara garis trend dengan sumbu tegak (Y)
B: kemiringan (slope) garis trend
X: periode waktu deret berkala
Dalam menganalisa tren, terdapat beberapa metode yang digunakan yaitu:
a) 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:
3
Y th 2005 = 6,67 + 0,58 X b = 0,58
b) Metode kuadrat kecil
Menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data
asli dengan data pada garis trendnya.
Y = a + b.x
2
a = Y/N b= YX/ X
4
Koefisien a, b, dan c dicari dengan rumus sebagai berikut:
4 2 2 4 2
a =(Y) (X ) – (X Y) (X )/ n (X ) - (X )
b 2
=XY/X
2 2 4 2
c =n(X Y) – (X ) ( Y)/ n (X ) - (X )
Jadi
persamaan
kuadratisnya
adal
ah Y = 6,13+0,55X – 0,0017X2
5
d) Metode tren ekponensional
6
2. Analisis Variasi Musim
Variasi musiman juga merupakan fluktuasi periodik, tetapi periode waktunya
sangat singkat yaitu satu tahun atau kurang. Sebagai contoh, penjualan secara eceran
untuk kebutuhan alat-alat mandi cenderung lebih tinggi pada saat musim semi (spring)
dan lebih rendah pada musim dingin (winter). Demikian juga, department store biasanya
mengalami puncaknya pada saat menjelang hari Lebaran dan hari Natal, biro perjalanan
pada saat liburan musim panas, dan toko kelontong pada saat gajian para pegawai.
Apabila tren berhubungan dengan jangka menengah dan panjang, maka variasi
musiman berhubungan dengan perubahan atau fluktuasi dalam musim-musim tertentu
atau tahunan, Variasi musiman menjelaskan fluktuasi dalam satuan bulanan atau triwulan
atau semester dalam satu tahun.
Ada beberapa metode perhitungan untuk mengetahui variasi musim yaitu dengan
mengetahui indeks musim. Beberapa metode tersebut adalah:
Berikut variasi musim terkait dengan perubahan atau fluktuasi dalam musim-
musim atau bulan tertentu dalam 1 tahun.
Variasi Musim Produk Pertanian Variasi Inflasi bulanan Variasi Harga Saham Harian
7
8
a) Variasi Musim dengan Metode Rata-Rata Sederhana
Metode rata-rata sederhana mengasumsikan bahwa pengaruh tren dan siklus yang
tidak beraturan tidak besar dan dapat dianggap tidak ada. Indeks musim hanya
berdasarkan pada data aktual dan nilai rata-ratanya saja. Indeks musim dirumuskan
sebagai berikut: Indeks Musim = (Rata-rata per kuartal/rata-rata total) x 100.
Berikut adalah data produksi padi per triwulan untuk tahun 2008-2012.
Hitunglah indeks musim setiap triwulan.
Triwulan
Tahun Produksi
I II III
2008 60,33 28,12 20,19 11,29
2009 64,40 29,51 22,46 12,43
2010 66,47 29,32 22,15 14,99
2011 69,06 32,13 23,54 13,38
2012 69,27 32,31 22,88 14,08
1
Dari table diatas, kita dapat membuat rata-rata setiap triwulan dan totalnya.
Triwulan
Tahun Produksi
I II III
2008 60,33 28,12 20,19 11,29
2009 64,40 29,51 22,46 12,43
2010 66,47 29,32 22,15 14,99
2011 69,06 32,13 23,54 13,38
2012 69,27 32,31 22,88 14,08
Nilai Total 329,52 151,40 111,95 66,17
Rata-rata 65,90 30,28 22,39 13,23
Rata-rata total 65,90 adalah untuk 1 tahun, sehingga untuk setiap triwulan harus
dibagi dengan 3, menjadi 65,90/3 = 21,97. Maka :
2
Berikut adalah contoh perhitungan dengan Metode Tren
Bulan Penjualan Prediksi XY X2 Y’
unit (X)
(Y)
Januari 95 -5,5 -522,50 30,25 87,94
Februari 80,4 -4,5 -361,80 20,25 90,97
Maret 108,9 -3,5 -381,15 12,25 94,00
April 80,9 -2,5 -202,25 6,25 97,03
Mei 109,6 -1,5 -164,40 2,25 100,06
Juni 92 -0,5 -46,00 0,25 103,09
Juli 122,1 0,5 61,05 0,25 106,11
Agustus 99 2,5 148,50 2,25 109,14
Septembe 102 2,5 255,00 6,25 112,17
r
Oktober 121 3,5 425,95 12,25 115,20
November 119 4,5 535,50 20,25 118,23
Desember 124 5,5 683,30 30,25 121,26
Total 1.255,2 433,20 143
Kemudian
Indeks Musimnya menjadi :
3
fluktuasi musiman. Indeks musim metode rasio rata-rata bergerak dirumuskan sebagai
berikut:
Contoh Soal : Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3
triwulanan dari data produksi padi berikut.
Triwulan
Tahun Produksi
I II III
2008 60,33 28,12 20,19 11,29
2009 64,40 29,51 22,46 12,43
2010 66,47 29,32 22,15 14,99
2011 69,06 32,13 23,54 13,38
2012 69,27 32,31 22,88 14,08
Lalu membuat rata-rata dan rasio data asli dengan rata-rata bergerak.
Langkah selanjutnya :
4
1). Membuat rata-rata bergerak dengan 3 triwulan, maka dibuat penjumlahan
setiap 3 triwulan. Contoh penjumlahan triwulan pertama,
28,12+20,91+11,29=60,33. Nilai ini bisa diletakkan pada triwulan I, II, atau III
tidak ada aturan baku. Untuk contoh ini diletakkan pada triwulan 2 karena
posisinya ada di tengah. Untuk jumlah total triwulan selanjutnya bergerak yaitu
meninggalkan triwulan I tahun 2008 dan masuk triwulan II tahun 2008, sehingga
menjadi 20,91 + 11,29 +29,51 =61,71. Hal ini diteruskan sampai selesai.
3). Membuat Indeks Musim dengan membuat rasio antara data asli dengan data
rata- rata. Contoh, (20,91/20,11) x 100 = 104,01.
Setelah mendapatkan indeks musim setiap triwulan, perlu untuk mengetahui rata-rata setiap
kuartalan dari setiap tahunnya. Maka dari Indeks musim triwulan dikelompokkan ke dalam
triwulan yang sama.
Triwulan
Tahun
I II III
2008 104,01 54,89
2009 139,93 104,65 58,07
2010 137,66 99,98 64,92
2011 136,41 102,27 57,99
2012 141,37 99,08
Rata-rata 138,84 102,00 58,97
Kemudian Menentukan faktor koreksi. Jumlah kuartal dalam setahun (n) sama
dengan 3. Oleh sebab itu penjumlahan nilai rata-rata indeks kuartalan yaitu 138, 84 +
102, 0 +58,97 seharusnya = 300, namun yang terjadi adalah 299,81. Hal ini terjadi
karena adanya pembulatan. Oleh sebab itu, perlu diperhatikan faktor koreksi. Faktor
koreksi dirumuskan sebagai berikut:
5
Maka Indeks Musim kuartalan selanjutnya dikalikan dengan faktor koreksi
Y=TxSxCxI
Contoh siklus
6
d) Analisis Gerak Tak Beraturan
Gerak tak beraturan (irregular movement-IM) merupakan suatu perubahan berupa
kenaikan dan penurunan yang tidak beraturan baik dari sisi waktu dan lama dari
siklusnya. Banyak penyebab dari gerakan tidak beraturan di antaranya adalah perang,
krisis, dan bencana alam.
7
Contoh Gerak tak Beraturan
BAB III
PENUTUP
A. KESIMPULAN
Data Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke
waktu untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil
observasi yang diatur dan didapat menurut urutan kronologis waktu, misalnya
perkembangan produksi, harga barang, hasil penjualan, jumlah penduduk, dll.
Komponen deret berkala terdiri dari : Analisis Tren, Analisis Variasi Musim, Analisis
Variasi Siklus, dan Analisis Gerakan Tak Beraturan.
8
DAFTAR PUSTAKA
Aswi dan Sukarna, 2006. Analisis Deret Waktu. Makassar: Andira Publisher.
Box, G.E.P., Jenkins, G.M., dan Reissel, G.C., 1994. Time Series Analysis Forecasting and
Control, edisi ketiga. Englewood Cliffs : Prentice Hall.
Douglas C. Montgomery, Cheryl L. Jennings, Murat Kulahci. 2008. Introduction to Time Series
Analysis and Forecasting 20070-19891.
Ludin, J, “Pendekatan Algoritma Genetika Untuk Pemodelan Data Deret Waktu”, Tesis, Fakultas
MIPA, Institut Teknologi Sepuluh November, 2011
Mahkya A, Dani. 2019. Tahapan-tahapan Analisis Deret Waktu ARIMA atau Time Series.
Makridakis, S., Wheelwright, S.C., & McGee, VE. 1995. Metode dan Aplikasi Peramalan.
Jakarta : Erlangga.
Makridakis, S., Wheelwright, S.C., dan McGee, V.E., 1999. Metode dan Aplikasi Peramalan,
Jilid 1 Edisi Kedua, Terjemahan Ir. Hari Suminto, Bina Rupa Aksara, Jakarta.
Salamah, Suhartono, Wulandari. 2003. Analisis Time Series, Buku Ajar. Surabaya: ITS.