MAKALAH

“DERET BERKALA”

Diajukan untuk memenuhi tugas mata kuliah

“STATISTIKA”

Dosen pengampuh :

Ashari Lintang SE.,M.Ak

Disusun oleh :

1.Slamet Dwi Chandra (08040222132)

2.Siti Makromah (08040222131)
3.Nabila Alima Fatin (08040222118)

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS ISLAM
UIN SUNAN AMPEL SURABAYA
2022
 KATA PENGANTAR
Hal yang pertama dan utama yang wajib sampaikan adalah ungkapan rasa syukur kami
Kelompok 8 kepada Allah SWT karena hanya atas bimbingan dan hidayah-Nya, kelompok kami
mampu menyelesaikan makalah yang berjudul “Deret Berkala”

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

2. Teman-teman program studi Akuntansi

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

BAB III PENUTUP........................................................................................................................8

A. KESIMPULAN.....................................................................................................................8
DAFTAR PUSTAKA......................................................................................................................9

ii
 BAB I
PENDAHULUAN
A. Latar Belakang

Deret berkala adalah serangkaian pengamatan terhadap peristiwa, kejadian atau

variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-urutan
waktu terjadinya, kemudian disusun sebagai data statistik. Dari suatu rutut waktu akan
dapat diketahui pola perkembangan suatu peristiwa, kejadian atau variabel. Jika
perkembangan suatu peristiwa mengikuti suatu pola yang teratur, maka berdasarkan pola
perkembangan tersebut akan dapat diramalkan peristiwa yang bakal terjadi dimasa yang
akan datang.

Secara konvensional, analisis deret berkala selalu didasarkan pada anggapan

bahwa Nilai deret berkala merupakan hasil perkalian (multiplikatif) dari trend sekuler,
variasi Musim, variasi siklikal, dan variasi random. Namun demikian, data deret berkala
juga Dapat merupakan hasil penjumlahan atau kombinasi antara perkalian dan
penjumlahan. Dalam seribu satu cara dari komponen-komponennya.

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:

Y th 2002 = 4,93 + 0,58 X b = (6,67 – 4,93)/2005-2002

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

Contoh Metode Kuadrat Terkecil

Nilai a = Y/n = 30,6/5 = 6,12

2
Nilai b = YX/X = 5,5/11 = 0,50
Jadi persamaan trend = Y’= 6,12 + 0,50 X

c) Metode tren kuadratis

Untuk
jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode
2
kuadratis adalah contoh metode nonlinear. Y = a + bX + cX

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 )

Contoh Metode Kuadratis

Jadi
persamaan

kuadratisnya
adal

ah Y = 6,13+0,55X – 0,0017X2

5
d) Metode tren ekponensional

Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X) dinyatakan

sebagai pangkat. Untuk mencari nilai a, dan b dari data Y dan X, digunakan
X
rumus sebagai berikut: Y’ = a (1+b)

Contoh Tren Eksponensial

 MEMILIH TREND YANG LEBIH BAIK

Suatu persamaan tren dikatakan baik jika dapat digunakan untuk menduga nilai tren
selanjutnya dengan tepat, baik dan menghasilkan derajat kesalahan yang lebih kecil. Ukuran
ketepatan dalam memilih trend yang terbaik dalah nilai selisih antara data dengan
peramalan Σ(Y-Y')² yang paling kecil.

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:

 Metode Rata-rata Sederhana

 Metode Rata-rata dengan Tren
 Metode Rasio Rata-Rata Bergerak

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 contoh penggunaan metode rata-rata sederhana pada nilai

penjualan Padi dalam setiap bulan.

 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 :

Indeks Musim I = (Rata-rata Triwulan I x 100)/ Rata-rata total

= (30,28 x 100)/21,97 = 137,83

Indeks Musim II = (Rata-rata Triwulan II x 100)/ Rata-rata total

= (22,39 x 100)/21,97 = 101,92

Indeks Musim III = (Rata-rata Triwulan II x 100)/ Rata-rata total

= (13,23 x 100)/21,97 = 60,24

b) Metode Rata-Rata dengan Tren

Metode rata-rata dengan tren adalah metode rata-rata yang disesuaikan dengan
tren. Indda musim pada metode rata-rata dengan tren merupakan perbandingan antara
nilai data ad dengan nilai tren. Oleh sebab itu, nilai tren harus diketahui lebih dahulu.
Indeks musim metode rata-rata dengan tren dirumuskan sebagai berikut:
Indeksi Musim = (Nilai Data Asli x 100)/Nilai Tren

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 :

Bulan Penjualan unit Y’ Indeks Musim Perhitungan

(Y)
Januari 95 87,94 108,03 (95/87,94) x 100
Februari 80,4 90,97 88,38 (80,4/90,97) x 100
Maret 108,9 94,00 115,85 (108,9/94) x 100
April 80,9 97,03 83,38 (80,9/97,03) x 100
Mei 109,6 100,06 109,54 (109,6/100,06) x 100
Juni 92 103,09 89,25 (92/103,09) x 100
Juli 122,1 106,11 115,06 (122,1/106,11) x 100
Agustus 99 109,14 90,71 (99/109,14) x 100
September 102 112,17 90,93 (102/112,17) x 100
Oktober 121 115,20 105,64 (121,7/115,2) x 100
November 119 118,23 100,65 (119/118,23) x 100
Desember 124 121,26 102,75 (124,6/121,26) x 100
Total 1.255,2

c) Metode Rasio Rata-Rata Bergerak

Metode rasio rata-rata bergerak (ratio to moving average method) adalah metode
yang Metode rasio yang dilakukan dengan cara membuat rata-rata bergerak selama
periode tertentu. Untuk membuat rata-rata tidak ada ketentuan berapa periode (n).
Nilai n bisa 2, 3, 4, atau 12 selama periode te tergantung pada kondisi pengaruh

3
 fluktuasi musiman. Indeks musim metode rasio rata-rata bergerak dirumuskan sebagai
berikut:

Indeks musim = Nilai rasio x Faktor koreksi

Nilai rasio = Data Asli/Data Rata-rata bergerak

Nilai Faktor Koreksi = (100 x n)/Jumlah rata-rata rasio selama n

 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.

Tahun Triwulan Data asli Total Bergerak 3 Triwulan Rata-rata Indeks

Musim
2008 I 28,12
II 20,19 28,12+20,91+11,29=60,33 20,11 104,01
III 11,29 20,91+11,29+29,51=61,71 20,57 54,89
2009 I 29,51 11,29 +29,51+ 22,46=63,26 21,09 139,93
II 22,46 29,51 +22,46+12,43=64,40 21,47 104,65
III 12,43 22,46+12,43 +29,32=64,22 21,41 58,07
2010 I 29,32 12,43 +29,32 + 22,15=63,91 21,30 137,66
II 22,15 29,32+22,15+ 14,99=66,47 22,16 99,98
III 14,99 22,1514,99+ 32,13=69,28 23,09 64,92
2011 I 32,13 14,9932,13+ 23,54=70,67 23,56 136,41
II 23,54 32,13+23,54+13,3869,06 23,02 102,27
III 13,38 23,54+13,38+ 32,31=69,24 23,08 57,99
2012 I 32,31 13,38 +32,31+22,88=68,58 22,86 141,37
II 22,88 32,31+22,88+ 14,08=69,27 23,09 99,08
III 14,08

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.

2). Membuat rata-rata bergerak. Jumlah penjumlahan selama 3 triwulan perlu

dibuat rata-ratanya dengan cara membagi jumlah pada kolom 4 dengan 3. Contoh
60,33/3 =20,11.

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:

Faktor Koreksi = (100 x n)/ Jumlah rata-rata = (100 x 3)/299,81 = 1,00006404

5
 Maka Indeks Musim kuartalan selanjutnya dikalikan dengan faktor koreksi

Indeks Triwulan I = 138,84 x 1,00006404 = 138,9

Indeks Triwulan II = 102,00 x 1,00006404 = 102,1

Indeks Triwulan III = 58,97 x 1,00006404 = 59

Angka inilah yang akan digunakan untuk Peramalan.

c) Analisis Variasi Siklus

Variasi Siklus adalah fluktuasi pada time series yang berulang sepanjang waktu.
Dengan periode lebih dari satu tahun antara satu puncak ke puncak berikutnya. Siklus
bisnis adalah sebuah contoh dari fluktuasi jenis ini. Kadang-kadang, siklus dapat terjadi
dalam ribuan tahun, misalnya temperatur global merupakan sikuls 100,000 tahunan.

Y=TxSxCxI

Maka TCI= Y/S

CI= TCI/T
Dimana CI adalah
Indeks Siklus

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.

Peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya

suatu keadaan dimasa depan, tetapi dengan menggunakan metode – metode tertentu
maka peramalan akan menjadi lebih dari sekedar perkiraan. Peramalan dilakukan
dengan memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang
kegiatan dimasa yang akan datang agar tujuan yang diinginkan dapat tercapai

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.