1

KATA PENGANTAR

Segala puji dan syukur kehadirat Allah SWT atas berkah, rahamat dan hidyah-Nya yang
senantiasa dilimpahakan kepada penulis, sehingga bisa menyelasaikan makalah dengan
judul “Prediksi Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode
Semi Average” sebagai syarat untuk menyelesaiakan tugas matakuliah Teknik Analisa
Kuantitatif.
Dalam penyusunan makalah ini banyak hambatan serta rintangan yang penulis hadapi
namun pada akhirnya dapat melaluinya berkat adanya bimbingan dan bantuan dari berbgai
pihak baik secara moral maupun spiritual. Untuk itu pada kesempatan ini penulis
menyampaikan ucapan terimakasih kepada bapak Rendra Supurobo Aji, S.T., M.T. selaku
Dosen Pengampu Matakuliah yang telah memberikan dukungan pengarahan selama masa
perkuliahan.
Penulis mohon maaf atas segala kesalahan yang pernah dilakukan. Semoga makalah ini
dapat memberikan manfaat untuk mendorong penyusunan penelitian selanjutnya.

Jember, 13 Oktober 2019

Penulis

2
 DAFTAR ISI

KATA PENGANTAR...........................................................................................................2
DAFTAR ISI..........................................................................................................................3
BAB I.....................................................................................................................................4
PENDAHULUAN.................................................................................................................4
1.1 Latar Belakang........................................................................................................4
1.2 Rumusan Masalah...................................................................................................5
1.3 Tujuan.....................................................................................................................5
BAB II....................................................................................................................................6
TINJAUAN TEORI...............................................................................................................6
2.1 Manfaat Peramalan..................................................................................................6
2.2 Pengertian analisa deret berkala..............................................................................6
2.3 Ciri-ciri trend sekuler..............................................................................................7
2.4 Rumus metode semi average...................................................................................8
BAB III..................................................................................................................................9
PEMBAHASAN....................................................................................................................9
3.1 Pengertian Analisa Time Series..............................................................................9
3.2 Komponen Analisa Time Series..............................................................................9
3.3 Ciri-Ciri Trend Sekunder......................................................................................11
3.4 Metode Semi Average...........................................................................................11
3.5 Metode Moving Average......................................................................................17
3.6 Metode Least Square.............................................................................................18
BAB IV................................................................................................................................22
STUDI KASUS....................................................................................................................22
BAB V.................................................................................................................................27
PENUTUP...........................................................................................................................27
DAFTAR PUSTAKA..........................................................................................................28

3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penduduk adalah orang atau orang-orang yang mendiami suatu tempat (kampung,
negara, dan pulau) yang tercatat sesuai dengan persyaratan dan ketentuan yang berlaku di
tempat tersebut.Berdasarkan tempat lahir dan lama tinggal penduduk suatu daerah dapat
dibedakan menjadi empat golongan, yaitu penduduk asli, penduduk pendatang, penduduk
sementara, dan tamu.Penduduk asli adalah orang yang menetap sejak lahir. Penduduk
pendatang adalah orang yang menetap, tetapi lahir dan berasal dari tempat lain. Penduduk
sementara adalah orang yang menetap sementara waktu dan kemungkinan akan pindah ke
tempat lain karena alasan pekerjaan, sekolah, atau alasan lain. Adapun tamu adalah orang
yang berkunjung ke tempat tinggal yang baru dalam rentang waktu beberapa hari dan akan
kembali ke tempat asalnya. Penduduk dunia saat ini telah mencapai lebih dari 6 miliar, di
mana di antara jumlah tersebut, 80 persen tinggal di negara-negara berkembang.
Sementara itu, United Nations memproyeksikan bahwa penduduk perkotaan di negara-
negara berkembang terus meningkat dengan rata-rata pertumbuhan 2,4 persen per tahun.
Angka ini merupakan dua kali lipat angka pertumbuhan penduduk total negara-negara
berkembang pada umumnya, yakni sekitar 1,2 persen. Meski penduduk perkotaan di
negara-negara maju juga meningkat dengan angka pertumbuhan yang lebih besar daripada
angka pertumbuhan penduduk totalnya, dan juga angka urbanisasinya jauh lebih besar
daripada negara-negara berkembang, pertumbuhan perkotaan di negara-negara
berkembang tetap lebih cepat disertai dengan meningkatnya penduduk perkotaan secara
absolut.
Peningkatan jumlah penduduk seiring dengan bertambahnya tahun maka terdapat
banyaknya kebutuhan-kebutuhan yang mengakibatkan peningkatan kualitas hidup
penduduk salah satunya pada Provinsi Kalimantan Selatan. Berdasarkan Data dari Badan
Pusat Statistik Kalimantan Selatan, jumlah penduduk pada tahun 2000 adalah 2.984.026
jiwa, tahun 2001 adalah 3.044.879 jiwa, tahun 2002 adalah 3.106.720 jiwa, tahun 2003
adalah 3.201.962 jiwa, tahun 2004 adalah 3.219.398 jiwa, tahun 2005 adalah 3.250.100
jiwa, tahun 2006 adalah 3.345.784 jiwa, tahun 2007 adalah 3.396.680 jiwa, tahun 2008
adalah 3.446.631 jiwa, tahun 2009 adalah 3.496.125 jiwa, tahun 2010 adalah 3.642.637
jiwa, tahun 2011 adalah 3.714.340 jiwa, tahun 2012 adalah 3.784.981 jiwa, tahun 2013

4
adalah 3.854.485jiwa, tahun 2014 adalah 3.922.790 jiwa. Pada tahun 2012 sampai dengan
tahun 2014 jumlah penduduk di Provinsi Kalimantan Selatan mengalami peningkatan
hingga 0,98%. Permasalahannya adalah dalam memperkirakan jumlah jiwa penduduk di
Kalimantan Selatan yang meningkat pada tiga tahun terakhir sebelumnya namun untuk
tahun-tahun berikutnya prediksi tersebut belum bisa diperkirakan sehingga dengan adanya
prediksi jumlah penduduk maka dapat membantu pemerintah Provinsi Kalimantan Selatan
untuk mengambil kebijakan yang berkaitan dengan peningkatan kualitas hidup
penduduk.Dari hal tersebut dilakukan penelitian untuk mengambil kebijakan-kebijakan
peningkatan kualitas hidup penduduk dengan Metode Semi Average.

1.2 Rumusan Masalah

 Bagaimana pengertian dari analisa time series?

 Apa saj komponen yang ada dalam analisa time series?
 Bagaimana ciri-ciri dari analisa time series?
 Bagaimana melakukan perhitungan metode moving average?
 Bagaimana melakukan perhitungan metode least square?
 Bagaimana penerapan analisa time series dengan menggunakan metode semi
average dalam studi kasus “Prediksi Jumlah Penduduk Provinsi Kalimantan
Selatan Menggunakan Metode Semi Average”?

1.3 Tujuan

 Untuk mengetahui pengertian dari analisa time series

 Untuk mengetahui komponen – komponen dalam analisa time series
 Untuk mengetahui ciri-ciri dari analisa time series
 Untuk memahami perhitungan metode moving average
 Untuk memahami perhitungan metode least square
 Untuk mengetahui penerapan analisa time series dengan menggunakan metode
semi average dalam stui kasus “Prediksi Jumlah Penduduk Provinsi Kalimantan
Selatan Menggunakan Metode Semi Average”

5
 BAB II
TINJAUAN TEORI
Pada dasarnya 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.
Pertimbangan tentang peramalan telah tumbuh karena beberapa faktor, yang
pertama adalah karena meningkatnya kompleksitas organisasi dan lingkungan. Hal ini
menjadikan semakin sulit bagi pengambil keputusan untuk mempertimbangkan semua
faktor secara memuaskan. Kedua, dengan meningkatnya ukuran organisasi, maka bobot
dan kepentingan suatu keputusan meningkat pula. Ketiga lingkungan dari kebanyakan
organisasi telah berubah dengan cepat.
Peramalan diperlukan karena adanya perbedaan perbedaan waktu antara
kebijaksanaan baru dengan waktu pelaksanaan tersebut. Oleh karena itu, dalam
menentukan kebijaksanaan perlu diperlukan kesempatan atas peluang yang ada, dan
gangguan yang mungkin terjadi pada saat kebijaksanaan baru tersebut dilaksanakan.
Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi pada masa
yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau tindakan-tindakan yang
perlu dilakukan.

2.1 Manfaat Peramalan

Adapun manfaat dari peramalan adalah sebagai berikut :

 Membantu agar perencanaan suatu pekerjaan dapat diperkirakan dengan secara

tepat.
 Merupakan suatu pedoman dalam menentukan tingkat persediaan perencanaan dan
dapat sebagai masukan untuk penentuan jumlah investasi.
 Membantu menentukan pengembangan suatu pekerjaan untuk periode selanjutnya.

2.2 Pengertian analisa deret berkala

Analisa deret berkala merupakan prosedur analisis yang dapat digunakan untuk
mengetahui gerak perubahan atau perkembangan nilai suatu variabel sebagai akibat dari

6
perubahan waktu. Dalam analisis ekonomi dan lingkungan bisnis biasanya analisa deret
berkala digunakan untuk meramal (forecasting ) nilai suatu variabel pada masa lalu dan
masa yang akan datang berdasarkan pada kecenderungan dari perubahan nilai variabel
tersebut.
Analisa deret berkala (time series) juga merupakan suatu analisis yang berdasarkan
hasil ramalan yang disusun atas pola hubungan antara variabel yang dicari dengan variabel
waktu yang mempengaruhinya. Pendugaan masa depan dilakukan berdasarkan nilai masa
lalu dari suatu variabel. Analisa deret berkala bertujuan untuk:

1. Mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu.

2. Meramal (forecast) nilai suatu variabel pada suatu waktu tertentu.

2.3 Ciri-ciri trend sekuler

Trend (T) (atau trend sekuler) adalah gerakan berjangka panjang yang menunjukkan
adanya kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan
dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun ke
atas, perlu diketahui bahwa trend sangat berguna untuk membuat ramalan yang sangat
diperlukan bagi perencanaan. Misalnya :

 Menggambarkan hasil penjualan

 Jumlah peserta KB
 Perkembangan produksi harga
 Volume penjualan dari waktu ke waktu (dll)

Analisis trend merupakan suatu metode analisis statistika yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup
banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil
analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-
faktor apa saja yang mempengaruhi terhadap perubahan tersebut.Rumus metode semi
Average Rumus untuk menentukan trend :

Y’ = a + b(x)

Y’ : nilai variabel Y pada suatu waktu tertentu

a : perpotongan antara garis trend dengan sumbu tegak (Y’)

7
 b : kemiringan (slope) garis trend x : periode waktu deret berkala

Ada beberapa metode yang dapat digunakan untuk menentukan persamaan garis
yang menunjukkan hubungan antara nilai variabel dengan waktu, yaitu metode tangan
bebas, metode semi rata-rata, metode rata-rata bergerak dan metode kuadrat terkecil.

2.4 Rumus metode semi average

Metode trend setengah rata-rata menentukan bahwa untuk mengetahui fungsi Y = a

+ bx, semua data historis dibagi menjadi dua kelompok dengan jumlah anggota masing-
masing sama. 1. Metode Setengah Rata-rata dengan data historis dalam jumlah genap. 2.
Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil Persamaan trend
yang diperoleh dengan menggunakan metode ini, selain dapat digunakan untuk
mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu, juga dapat digunakan
untuk meramal nilai suatu variabel tersebut pada suatu waktu tertentu. Persamaannya
adalah sebagai berikut :

b =Y2-Y1/ n

b : perubahan nilai variabel setiap tahun

Y1 : rata-rata kelompok pertama

Y2 : rata-rata kelompok kedua

N : periode tahun antara tahun A

8
 BAB III
PEMBAHASAN

3.1 Pengertian Analisa Time Series

Analisa deret berkala (time series)merupakan prosedur analisis yang dapat digunakan
untuk mengetahui gerak perubahan atau perkembangan nilai suatu variabel sebagai akibat
dari perubahan waktu. Dalam penelitian, analisa deret berkala digunakan untuk meramal
(forecasting) nilai suatu variabel pada masa lalu dan masa yang akan datang berdasarkan
pada kecenderungan dari perubahan nilai variabel tersebut.Analisa deret berkala (time
series) juga merupakan suatu analisis yang berdasarkan hasil ramalan yang disusun atas
pola hubungan antara variabel yang dicari dengan variabel waktu yang mempengaruhinya.
Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel.
Analisa deret berkala bertujuan untuk:
 Mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu.
 Meramal (forecast) nilai suatu variabel pada suatu waktu tertentu.
 Merupakan suatu pedoman dalam menentukan tingkatpersediaan perencanaan dan
dapat digunakan sebagai masukan untukpenentuan jumlah investasi.

3.2 Komponen Analisa Time Series

Pola gerakan runtut waktu atau deret berkala dapat dikelompokan kedalam 4 (empat)
pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala (time series).
Empat komponen deret berkala itu adalah:
1. Trend, yaitu gerakan yang berjangka panjang yang menunjukkan adanya
kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan dan
bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun
keatas.
2. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih
teratur dengan periode waktu yang sangat singkat yaitu satu tahun atau kurang.
3. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih
teratur dengan periode lebih dari satu tahun antara satu puncak (peak) ke puncak
berikutnya.

9
 4. Variasi Yang Tidak Tetap (Irreguler), yaitu gerakan yang tidak teratur sama sekali.
Biasanya, komponen ini dapat terjadi akibat adanya suatu perubahan yang
mendadak.
Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
Tabel 3.1 Gerakan/variasi data berkala (Time Series)
Gerakan/Variasi Grafik
Gerakan/variasi trend jangka panjang atau long term
movements or seculer trend yaitu suatu gerakan yang
menunjukan arah perkembangan secara umum
(kecenderungan menaik atau menurun) dan bertahan
dalam jangka waktu yang digunakan sebagai ukuran
adalah 10 tahun ke atas.
Gerakan/variasi siklis atau cyclical movements or
variation adalah gerakan/variasi jangka panjang
disekitar garis trend.

Gerakan/variasi musim atau seasonal movements or

variation adalah gerakan yang berayun naik dan turun,
secara periodik disekitar garis trend dan memiliki
waktu gerak yang kurang dari 1 (satu) tahun, dapat
dalam kwartal, minggu atau hari.
Gerakan variasi yang tidak teratur (irregular or
random movements) yaitu gerakan atau variasi yang
sporadis sifatnya. Faktor yang dominan dalam
gerakan ini adalah faktor-faktor yang bersifat
kebetulan misalnya perang, pemogokan, bencana alam
dll.

Jika dikaitkan dengan kegiatan perencanaan, analisis deret berkala atau analisis time
series seringkali digunakan untuk memprediksi nilai dimasa yang akan datang. Dengan
diketahuinya nilai dimasa mendatang, maka perencanaan akan sesuai dengan kebutuhan,
efektif dan efisien. Nilai dimasa mendatang itu pada dasarnya merupakan nilai time series

10
dimasa mendatang, yaitu nilai-nilai yang diharapkan dapat terjadi dimasa mendatang,
dengan dasar faktor-faktor (nilai-nilai) yang telah diterjadi dimasa lalu.

3.3 Ciri-Ciri Trend Sekunder

Trend (T) atau trend sekuler adalah gerakan berjangka panjang yang menunjukkan
adanya kecenderungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan
dan bertahan dalam jangka waktu yang digunakan sebagai ukuran adalah 10 tahun ke
atas, perlu diketahui bahwa trend sangat berguna untuk membuat ramalan yang sangat
diperlukan bagi perencanaan.
Misalnya:
1. Menggambarkan hasil penjualan
2. Jumlah peserta KB
3. Perkembangan produksi harga
4. Volume penjualan dari waktu ke waktu (dll)
Analisis trend merupakan suatu metode analisis statistika yang ditujukan untuk
melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup
banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga hasil
analisis tersebut dapat mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-
faktor apa saja yang mempengaruhi terhadap perubahan tersebut.
Berikut adalah rumus yang dapat digunakan untuk menentukan trend :
Y =a+b ( x)
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
Ada beberapa metode yang dapat digunakan untuk menentukan persamaan garis yang
menunjukkan hubungan antara nilai variabel dengan waktu, yaitu metode semi rata-rata
(semi average), metode rata-rata bergerak (moving average) dan metode kuadrat terkecil
(least square).

11
3.4 Metode Semi Average

Metode trend setengah rata-rata menentukan bahwauntuk mengetahui fungsi Y =

a+b(x), semua datahistoris dibagi menjadi dua kelompok dengan jumlahanggota masing-
masing sama. Terdapat 2 metode yang dapat digunakan berdasarkan jumlah datanya, yaitu
metode setengah rata-rata dengan data historis dalam jumlah genap dan metode setengah
rata-rata dengan data historisdalam jumlah ganjil. Persamaan trend yang dapat digunakan
pada metode ini adalah :
Y 2−Y 1
b=
n
Dimana :
b : perubahan nilai variable setiap tahun
Y1 : rata-rata kelompok pertama
Y2 : rata-rata kelompok kedua
n : periode tahun antar tahun
A. Data Genap Kelompok Genap
Berikut adalah contoh data yang diperoleh dalam bentuk deret waktu (time series)
Tahun Jumlah Data
Ke-1 Aa
Ke-2 Bb
Ke-3 Cc
Ke-4 Dd
Ke-5 Ee
Ke-6 Ff
Ke-7 Gg
Ke-8 Hh
Ke-9 Ii
Ke-10 Jj
Ke-11 Kk
Ke-12 Ll
Langkah – langkah melakukan perhitungan untuk data historis dalam jumlah genap.:
 Mengelompokkan data menjadi 2 kelompok.

12
  Menentukan periode dasar. Misal, diasumsikan periode dasar menggunakan tahun
tengah data tahun kelompok 1 sehingga periode dasar terletak antara tahun ke-3
dan ke-4
 Menentukan angka tahun (x), karena periode dasar berangka tahun x=0. Karena
data historis berjumlah genap, maka periode dasar terletak antara tahun ke-3 dan
ke-4. Maka, angka tahun (x) untuk tahun ke-3 keatas adalah -1, -3, -5,… dan
angka tahun (x) untuk tahun ke-4 keatas adalah 1, 3, 5, … dst.
 Menentukan nilai semi total, yaitu jumlah total penjualan masing-masing
kelompok
 Menentukan semi average tiap kelompok data yaitu dengan cara membagi semi
total dengan banyak data dalam masing-masing kelompok.
 Menentukan trend awal tahun yaitu dengan mengurangkan semi average
kelompok 2 dengan semi average kelompok 1 dan membagi dengan jumlah
banyaknya data.
 Melakukan peramalan dengan rumus yang dihasilkan oleh perhitungan kelompok
Berikut adalah contoh hasil tabel pengolahan datanya.
Jumlah Semi Trend awal
Tahun Klp x Semi total b
data average tahun
Ke-1 Aa -5 Y=a+b(x)
Ke-2 Bb -3
Ke-3 Cc -1 Aa+bb+cc+dd+ee+ff Q/6 = Y 2−Y 1 Dengan
1
Ke-4 Dd 1 =Q Y1 n ketentuan a = Y1

Ke-5 Ee 3
Ke-6 Ff 5
Ke-7 Gg 2 7 Gg+hh+ii+jj+kk+ll R/6 = Y 2−Y 1
Ke-8 Hh 9 =R Y2 n

1
Ke-9 Ii
1
1
Ke-10 Jj
3
1
Ke-11 Kk
5
Ke-12 Ll 1

13
 7
B. Data Genap Kelompok Ganjil
Berikut adalah contoh data yang diperoleh dalam bentuk deret waktu (time series)
Tahun Jumlah Data
Ke-1 Aa
Ke-2 Bb
Ke-3 Cc
Ke-4 Dd
Ke-5 Ee
Ke-6 Ff
Ke-7 Gg
Ke-8 Hh
Ke-9 Ii
Ke-10 Jj
Ke-11 Kk
Ke-12 Ll
Ke-13 Mm
Ke-14 Nn
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 ke-
11
 Menentukan Angka Tahun. Karena periode dasar tahun ke-11 berangka tahun x =
0, maka angka tahun untuk tahun ke-12, ke-13, ke-14 adalah 1, 2, 3 dan angka
tahun untuk ke-10, ke-9, ke-8 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.

14
  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.
Berikut adalah contoh hasil tabel pengolahan datanya.
Semi
Tahu Jumla Kl Trend awal
x Semi total averag b
n h data p tahun
e
Ke-1 Aa -10
Ke-2 Bb -9
Ke-3 Cc -8
Aa+bb+cc+dd+ee+ Q/7 = Y 2−Y 1
Ke-4 Dd 2 -7
ff+gg = Q Y1 n
Ke-5 Ee -6
Ke-6 Ff -5
Ke-7 Gg -4
Ke-8 Hh -3 Y=a+b(x)
Ke-9 Ii -2
Ke- Dengan
Jj -1
10 ketentuan a =
Ke- Y1
Kk 0
11 Hh+ii+jj+kk+ll+ R/7 = Y 2−Y 1
1
Ke- mm+nn = R Y2 n
Ll 1
12
Ke- Mm
2
13
Ke- Nn
3
14
C. Data Ganjil
Berikut adalah contoh data yang diperoleh dalam bentuk deret waktu (time series)
Tahun Jumlah Data
Ke-1 Aa
Ke-2 Bb

15
 Tahun Jumlah Data
Ke-3 Cc
Ke-4 Dd
Ke-5 Ee
Ke-6 Ff
Ke-7 Gg
Ke-8 Hh
Ke-9 Ii
Ke-10 Jj
Ke-11 Kk
Ke-12 Ll
Ke-13 Mm
Dalam metode semi average yang jumlah datanya ganjil dapat dikerjakan dengan 2
cara, yaitu :
I. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
memasukkan periode tahun serta nilai deret berkala tertengah ke dalam tiap
kelompok. Berikut adalah hasil pengolahan datanya.
Semi
Tahu Jumla Kl Trend awal
x Semi total averag b
n h data p tahun
e
Ke-1 Aa -3
Ke-2 Bb -2 Y=a+b(x)
Ke-3 Cc -1
Aa+bb+cc+dd+ee+ Q/7 = Y 2−Y 1
Ke-4 Dd 1 0 Dengan
ff+gg = Q Y1 n−1
Ke-5 Ee 1 ketentuan a =
Ke-6 Ff 2 Y1
Ke-7 Gg 3

Ke-7 Gg 2 3 Gg+Hh+ii+jj+kk+ll R/7 = Y 2−Y 1 Y=a+b(x)

Ke-8 Hh 4 + mm+nn = R Y2 n−1

Ke-9 Ii 5 Dengan
Ke- Jj 6 ketentuan a =
10 Y2

16
 Ke-
Kk 7
11
Ke-
Ll 8
12
Ke- Mm
9
13
II. Jumlah deret berkala dikelompokkan menjadi 2 bagian yang sama dengan cara
menghilangkan periode tahun serta nilai deret berkala tertengah. Berikut
adalah hasil pengolahan datanya.
Semi
Tahu Jumla Kl Trend awal
x Semi total averag b
n h data p tahun
e
Ke-1 Aa -5
Y=a+b(x)
Ke-2 Bb -3
Ke-3 Cc -1 Aa+bb+cc+dd+ee+f Q/6 = Y 2−Y 1
1 Dengan
Ke-4 Dd 1 f=Q Y1 n+1
ketentuan a =
Ke-5 Ee 3
Y1
Ke-6 Ff 5
Ke-8 Hh 9
Ke-9 Ii 11
Ke-
Jj 13 Y=a+b(x)
10
Ke- Hh+ii+jj+kk+ll+ R/6 = Y 2−Y 1
Kk 2 15 Dengan
11 mm+nn = R Y2 n+1
ketentuan a =
Ke-
Ll 17 Y2
12
Ke- Mm
19
13

3.5 Metode Moving Average

Dengan menghitung beberapa angka rata-rata dari suatu time series. Dimana dengan
metode ini data asli yang naik turun dapat kita buat lebih rata. Menghitung trend dengan

17
metode angka rata-rata bergerak dapat dilaksanakan bila jumlah data ganjil minimal 3
periode.
Langkah - langkah menggunakan metode moving average yaitu sebagai berikut :
a. Angka-angka dari periode data dijumlahkan dan dihitung angka rata-ratanya,
hasilnya diletakkan pada periode data yang terakhir
b. Untuk menghitung trend tahun berikutnya, prosesnya sama dengan cara
menghilangkan periode tahun yang berakhir dan menambahkan data angka periode
selanjutnya. selanjutnya diletakkan pada periode yang terakhir
Rumus Moving Average atau Rata-rata Bergerak adalah

MA=
∑X
Jumlah Periode
Dimana :
MA = Moving Average
ΣX = Keseluruhan Penjumlahan dari semua data periode waktu yang
diperhitungkan
Jumlah Periode = Jumlah Periode Rata-rata bergerak
Berikut adalah contoh hasil pengolahan datanya.
Bulan Penjualan (unit) Perkiraan (unit)
Ke-1 5 -
Ke-2 10 -
Ke-3 15 -
Ke-4 ? -
Perkiraan Penjualan untuk bulan ke-4adalah :
(22.500+ 37.750+ 30.000 )
MA Bulan ke−4=
3
90.000
MA Bulan ke−4=
3
MA Bulan ke 4=30.000
Catatan : Untuk perhitungan bulan ke-5, Penjualan pada bulan ke-1 dihilangkan dan
digantikan dengan hasil penjualan pada bulan ke-4. Hal ini karena perhitungan Moving
Average atau Rata-rata Bergerak kita adalah 3 bulanan.

18
3.6 Metode Least Square

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya

lebih teliti. Persamaan garis trend yang akan dicari ialah :
Y =a+bx
Dimana :
Y = data berkala (time series) = taksiran nilai trend.
a = nilai trend pada tahun dasar.
b = rata-rata pertumbuhan nilai trend tiap tahun.
x = variabel waktu (hari, minggu, bulan atau tahun).
Terdapat 2 cara untuk menghitung besarnya nila a dan b, yaitu :
1. Metode titik tengah sebagai tahun dasar (ΣX = 0).
Dalam metode ini, jumlah dalam skala X harus sama dengan nol, sehingga nilai a
dan b menggunakan rumus berikut :
(∑ Y )
 Y=
n
(∑ XY )
 b=
∑ x2
Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu
(x) dengan titik tengah sebagai tahun dasar, maka nilai X pada titik tengah tersebut akan
bernilai nol. Hanya saja, ada sedikit perbedaan untuk menentukan titik tengah pada data
yang berjumlah ganjil dan genap.
A. Ganjil
Tahun Penjualan (Y) X X.Y X2
2012 1.200 -2 -2.400 4
2013 1.000 -1 -1.000 1
2014 1.400 0 0 0
2015 1.500 1 1.500 1
2016 1.300 2 2.600 4
Σ 6.400 0 700 10
Karena data berjumlah ganjil, maka tahun 2014 memiliki nilai X sebesar nol, sehingga
jumlah data X otomatis akan berjumlah nol. Nilai X akan bernilai negatif ke data yang
lebih lama dan bernilai positif ke data yang lebih baru.
Sehingga peramalan penjualan untuk tahun 2017 adalah :

19
 6.400
a= =1.280
5
700
b= =70
10
Jadi, jika dimasukkan dalam rumus menjadi :
Y =a+bx
Y =1.280+ 70(3)
Y =1.490
Nilai X diatas dimasukkan sebesar 3 karena yang ingin diramal adalah data tahun
2017, jadi jika dilihat pada tabel diatas, nilai x untuk tahun 2017 dapat diketahui adalah
sebesar 3.
B. Genap
Tahun Penjualan (Y) X X.Y X2
2011 1.100 -5 -5.500 25
2012 1.200 -3 -3.600 9
2013 1.000 -1 -1.000 1
2014 1.400 1 1.400 1
2015 1.500 3 4.500 9
2016 1.300 5 6.500 25
Σ 6.400 0 2.300 70
Pada data genap, karena data tengah berada di tengah-tengah antara tahun 2013 dan
2014, maka otomatis nilai nol berada di tengah kedua data tersebut. Sehingga loncatan dari
nilai X tersebut adalah kelipatan 2.Sehingga, peramalan untuk tahun 2017 adalah sebagai
berikut :

7.500
a= =1.250
6

2.300
b= =32,86
70

Jadi, jika dimasukkan dalam rumus menjadi :

Y =a+bx
Y =1.2580+ 32,86(7)
Y =1.480,2
2. Metode Nol Bebas (ΣX ≠ 0)

20
 Pada metode nol bebas skala X (ΣX) adalah bebas, berbeda dengan metode titik
tengah yang skala X nya harus nol. Biasanya metode nol bebas berlaku jika ditentukan
suatu tahun dasar dalam suatu periode.
Rumus untuk perhitungan a dan b untuk metode nol bebas adalah sebagai berikut :
n ∑ XY −∑ X ∑ Y
b=
n ∑ x −(¿ ∑ x ) ❑❑ ¿
2 2

a=Y −b X
Semisal ingin menentukan ramalan penjualan pada tahun 2017 dengan menggunakan data
tahun 2015 sebagai tahun dasar, maka :
Tahun Penjualan (Y) X X.Y X2
2012 1.200 -3 -3.600 9
2013 1.000 -2 -2.000 4
2014 1.400 -1 -1.400 1
2015 1.500 0 0 0
2016 1.300 1 1.300 1
Σ 6.400 5 -5.700 15
Letak nol pada kolom X bukan berada di tengah-tengah data lagi, melainkan pada data
tahun 2015 karena ditetapkan sebagai tahun dasar.Jika dilihat pada data diatas, karena ΣX
≠ 0, maka rumus yang dipakai untuk menghitung a dan b adalah rumus metode nol bebas.
Sehingga didapatkan :
(5 ×5.700)−(−5 ×6.400)
b= =70
5 ×15−(−5) ❑2❑
6.400 −5
a= −70× =1.350
5 5
Jadi, jika dimasukkan dalam rumus menjadi :
Y =a+bx
Y =1.350+ 70(2)
Y =1.490

21
 BAB IV
STUDI KASUS
Prediksi Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode Semi
Average

Jumlah penduduk Provinsi Kalimantan Selatan setiap tahunnya mengalami

peningkatan. Untuk mengambil kebijakan-kebijakan peningkatan kualitas hidup penduduk
provinsi Kalimantan Selatan, dibutuhkan perkiraan jumlah penduduk yang akan datang
sebagai dasar pengambilan keputusan selanjutnya. Penelitian ini menggunakan Metode
Semi Average sebagai metode penghitungan untuk mengetahui nilai-nilai prediksi. Dari
hasil penelitian maka dapat mengambil kesimpulan bahwa analisis prediksi menggunakan
Metode Semi Average dapat dipergunakan untuk memprediksi perolehan jumlah penduduk
periode yang akan datang berdasarkan data penduduk tahun sebelumnya karena
menghasilkan hasil yang mendekati kebenaran.

Penduduk adalah orang-orang yang berada di dalam suatu wilayah yang terikat
oleh aturanaturan yang berlaku dan saling berinteraksi satu sama lain secara terus
menerus / kontinyu. Dalam sosiologi, penduduk adalah kumpulan manusia yang
menempati wilayah geografi dan ruang tertentu. Berdasarkan Data dari Badan Pusat
Statistik Kalimantan Selatan [1], jumlah penduduk pada tahun 2000 adalah 2.984.026 jiwa,
tahun 2001 adalah 3.044.879 jiwa, tahun 2002 adalah 3.106.720 jiwa, tahun 2003 adalah
3.201.962 jiwa, tahun 2004 adalah 3.219.398 jiwa, tahun 2005 adalah 3.250.100 jiwa,
tahun 2006 adalah 3.345.784 jiwa, tahun 2007 adalah 3.396.680 jiwa, tahun 2008 adalah
3.446.631 jiwa, tahun 2009 adalah 3.496.125 jiwa, tahun 2010 adalah 3.642.637 jiwa,
tahun 2011 adalah 3.714.340 jiwa, tahun 2012 adalah 3.784.981 jiwa, tahun 2013 adalah
3.854.485jiwa, tahun 2014 adalah 3.922.790 jiwa . Pada tahun 2012 sampai dengan tahun
2014 jumlah penduduk di Provinsi Kalimantan Selatan mengalami peningkatan hingga
0,98%. Permasalahannya adalah dalam memperkirakan jumlah jiwa penduduk di
Kalimantan Selatan yang meningkat pada tiga tahun terakhir sebelumnya namun untuk
tahun-tahun berikutnya prediksi tersebut belum bisa diperkirakan sehingga dengan adanya
prediksi jumlah penduduk maka dapat membantu pemerintah Provinsi Kalimantan Selatan
untuk mengambil kebijakan yang berkaitan dengan peningkatan kualitas hidup penduduk.

22
 Hasil dan pembahasan a. Data genap Sebelum menghitung perkiraan perolehan
jumlah penduduk pada tahun 2015 akan diadakan ujicoba pencarian hasil perolehan jumlah
penduduk pada tahun 2012, 2013, dan 2014 untuk mengetahui valid atau tidaknya Semi
Average. Untuk pencarian hasil perolehan jumlah penduduk pada tahun 2012 digunakan
data jumlah (genap) penduduk mulai tahun 2000 sampai dengan tahun 2011. Selanjutnya
adalah menentukan nilai variabel garis Trend awal tahun (Y’)

Tabel 3.1 Jumlah penduduk tahun 2000 sampai tahun 20011

Tahun Jumlah (jiwa)

2000 2.984.026
2001 3.004.879
2002 3.106.720
2003 3.201.962
2004 3.219.398
2005 3.250.100
2006 3.345.784
2007 3.396.680
2008 3.446.631
2009 3.496.125
2010 3.642.637
2011 3.714.340

Jumlah seluruh data di atas yakni 12 data (Genap). Oleh karena itu analisis data
dilakukan dengan cara sebagai berikut :

1. Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung

dibagi dua yang masing-masing kelompok terdiri dari 2 data (Genap).
2. Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan
tahun tengah data tahun kelompok I sehingga periode dasar terletak antara tahun
2002 dan tahun 2003.
3. Menentukan Angka Tahun. Karena periode dasar berangka tahun x = 0 dan
terletak antara tahun 2002 dan 2003, maka angka tahun untuk tahun 2002 adalah -
1 dan angka tahun untuk 2003, 2004, 2005 berturut-turut adalah 1, 3, 5 dst.
4. Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing
kelompok.

23
 5. Menentukan Semi average tiap Kelompok data yaitu dengan cara membagi semi
total dengan banyak data dalam masingmasing kelompok yatitu dibagi dengan 6.
6. Menentukan trend awal tahun yaitu dengan mengurangkan semi average
kelompok 2 dengan semi average kelompok 1 dan membagi dengan banyak data
yaitu 6.
7. Dan untuk menentukan peramalan gunakan rumus yang dijadikan kelompok 1.

Tabel 3.2 Hasil analisis data genap

Tahun Jumlah Kelompok X Semi Total Semi TrendAwal

(jiwa) Average Tahun
2000 2.984.026 -5 18.807.085 3.134.514 2.979.298
2001 3.044.879 -3 3.041.385
2002 3.106.720 -1 3.103.471
I
2003 3.201.962 1 3.165.557
2004 3.219.398 3 3.227.644
2005 3.250.100 5 3.289.730
2006 3.345.784 7 21.042.197 3.507.033 3.351.817
2007 3.396.680 9 3.413.903
2008 3.446.631 11 3.475.990
II
2009 3.496.125 13 3.538.076
2010 3.642.637 15 3.600.163
2011 3.714.340 17 3.662.249

Untuk Kelompok I

Semi Total = 2.984.026 + 3.044.879 + 3.106.720 +3.201.962 + 3.219.398 + 3.250.100

= 18.807.085

Semi Average = 18.807.085/6

= 3.134.514

Untuk Kelompok II

Semi Total = 3.345.784 + 3.396.680 + 3.446.631 + 3.496.125 + 3.642.637 + 3.714.340

24
 = 21.042.195

Semi Average = 21.042.195/6

= 3.507.033

b = (Y2-Y1)/n

= (3.507.033-3.134.514)/6

= 62.086

Maka rumus peramalan yang digunakan untuk perhitungan trend awal tahun tahun
2000 – 2011, yaitu:

Y’ = a + b(x) Y’

= 3.134.514 + 62.086(x/2)

Untuk meramal pada tahun 2012, maka x = 19/2 = 9,5

= a + b(x) = 3.134.514 + 62.086(9,5) = 3.724.335 jiwa

Untuk meramal pada tahun 2013, maka x = 21/2 = 10,5

= a + b(x) = 3.134.514 + 62.086(10,5) = 3.786.422 jiwa

Untuk meramal pada tahun 2014, maka x = 23/2 = 11,5

= a + b(x) = 3.134.514 + 62.086(11,5) = 3.848.508 jiwa

Ditentukan jika selisih perolehan antara perhitungan dengan Metode Semi Average
dengan hasil nyata adalah >40% maka dinyatakan tidak valid. Dibandingkan dengan hasil
nyata yang diperoleh pada tahun 2012 terdapat selisih 1,66% (60.646 jiwa), berarti hasil
yang didapat valid. Pada tahun 2013 terdapat selisih 1,77% (68.063 jiwa) berarti hasil yang
didapat adalah valid. Dan pada tahun 2014 terdapat selisih 1,89% (74.282 jiwa) artinya
hasil yang diperoleh adalah valid. Dari 3 perbandingan telah didapatkan 3 hasil valid,
artinya Metode Semi Average adalah valid atau mendekati kebenaran.
Sehingga untuk memperoleh ramalan jumlah penduduk di provinsi Kalimantan
Selatan tahun 2015, 2016, dan 2017 berdasrkan persamaan garis Trend awal tahun, dapat
diperoleh dengan perhitungan berikut :

Untuk meramal pada tahun 2015, maka x = 25/2 = 12,5

25
= a + b(x) = 3.134.514 + 62.086(12.5) = 3.910.595 jiwa

Untuk meramal pada tahun 2016, maka x = 27/2 = 13,5

= a + b(x) = 3.134.514 + 62.086(13,5) = 3.972.681 jiwa

Untuk meramal pada tahun 2017, maka x = 29/2 = 14,5

= a + b(x) = 3.134.514 + 62.086(14,5) = 4.034.768 jiwa

Gambar.1 Grafik Analisis, 2019

Sumber: SPSS

26
 BAB V
PENUTUP
Kesimpulan
Dari hasil penelitian maka dapat diambil kesimpulan sebagai berikut:

1. Analisis prediksi menggunakan Metode Analisis Trend Semi Average dapat

dipergunakan untuk memprediksi jumlah penduduk Provinsi Kalimantan Selatan
periode yang akan datang berdasarkan data penduduk dari BPS Provinsi Kalimantan
Selatan tahun sebelumnya karena menghasilkan hasil yang valid atau mendekati
kebenaran.
2. Dari hasil perhitungan data genap menggunakan Metode Semi Average untuk
perkiraan perolehan jumlah penduduk pada tahun 2012 adalah 3.724.335 jiwa, tahun
2013 adalah 3.786.422 jiwa dan tahun 2014 adalah 3.848.508 jiwa. Ditentukan jika
selisih perolehan antara perhitungan dengan Metode Semi Average dengan hasil nyata
adalah >40% maka dinyatakan tidak valid. Dibandingkan dengan hasil nyata yang
diperoleh pada tahun 2012 terdapat selisih 1,66% (60.646 jiwa), berarti hasil yang
didapat valid. Pada tahun 2013 terdapat selisih 1,77% (68.063 jiwa) berarti hasil yang
didapat adalah valid. Dan pada tahun 2014 terdapat selisih 1,89% (74.282 jiwa)
artinya hasil yang diperoleh adalah valid. Dari 3 perbandingan telah didapatkan 3 hasil
valid, artinya Metode Semi Average adalah valid atau mendekati kebenaran.

27
 DAFTAR PUSTAKA
[1] (Badan Pusat Statistik Provinsi Kalimantan Selatan, 2016)
[2] M. I. Fauzi Rambe, “Perancangan Aplikasi Peramalan Persediaan Obat-obatan
Menggunakan Metode Least Square (Studi Kasus:Apotik Mutiara Hati),” in Teknik
Informatika, vol. VI, Pelita Informatika Budi Darma, Eds. 1, 2014, pp. 49-51.
[3] H. Meilin and X Yanxia, “Estimation of the complex frequency of a harmonic signal
based on a linear least squares method,” in Geodesy and Geodynamics, vol. VI, Elsevier
Ltd, Eds. 3, 2015, pp. 220-221.

28