Nama : Novi Julianti

NIM : 1701619108
Kelas : S1 Pendidikan Akuntansi 2019
Mata Kuliah : Statiska Ekonomi
Dosen : Dra. Sri Zulaihati, M.Si

Rangkuman Bab 6 (2)

“Deret berkala dan Peramalan”

Gerakan musiman (seasonal movement or variation) merupakan gerakan yang teratur

dalam arti naik-turunnya terjadi pada waktu-waktu yang sama atau sangat berdekatan.[1]
Disebut gerakan musiman oleh karena terjadinya bertepatan dengan pergantian musiman
dalam suatu tahun (musiman panen padi harga beras turun dan pada waktu menjelang panen
harga masih tinggi; juga harga buah-buahan seperti rambutan, duku, lengkeng, akan
dipengaruhi oleh musim panen). Gerakan lainnya yang terjadi secara teratur waktu yang
singkat juga disebut gerakan musiman, misalnya:
 naik turunnya temperature seorang pasien tiap jam dari hari ke hari
 naik turunnya produksi karet tiap bulan dari tahun ketahun
 naik turunnya jumlah orang ke luar negeri (ingat musim haji)
Pengetahuan tentang gerakan musiman ini sangat penting sebagai dasar penentuan
langkah-langkah kebijakan dalam rangka mencegah hal-hal yang tidak diinginkan. Untuk
menstabilkan harga beras pemerintah melalui bulok akan membeli beras pada waktu panen,
disimpan di gudang-gudang, kemudian akan dijual lagi kepada masyarakat pada waktu
menjelang panen (jauh sebelum panen), agar harga tidak melonjak tinggi. Misalnya (pemilik
bioskop menyediakan karcis lebih banyak pada malam minggu, pemilik restoran
menyediakan makanan yang lebih banyak pada malam minggu, khususnya pada bulan muda,
pemerintah mengimpor beras menjelang panen, dan lain sebagainya.
Oleh karena itu jumlah hari pada setiap bulan tidak sama, maka perlu diadakannya
penyesuaian data. Penyusunan data mempunyai alasan-alasan berikut:
 jumlah hari untuk tiap bulan tidak sama
 jumlah hari kerja tidak sama
 jumlah jam kerja tidak sama
 Jadi kalau produksi/penjualan suatu barang pada bulan Februari lebih kecil dari bulan
lainnya, itu tidak berarti bahwa ada kemerosotan pada bulan itu, tetapi karena harinya hanya
ada 28 hari. Jumlah hari yang terdapat dalam setiap bulan adalah berbeda dari jumlah rata-
rata dari dalam setiap sebulan. Untuk menyesuaikan data bulanan dengan perbedaan jumlah
hari itu, maka data bulanan dari hasil observasi harus dikalikan dengan suatu faktor penggali
yang diperoleh dengan jalan mengalikan jumlah hari yang terdapat di dalam bulan itu dengan
jumlah rata-rata hari dalam setiap bulan. Jika satu tahun = 365 hari maka jumlah hari per
bulan secara rata-rata adalah = 30,4167 hari.
Kolom (3) dari Tabel 10.1, menunjukkan hasil hasil bagi dari jumlah hari setiap bulan
dengan 30,4167. Penyimpangan hasil bagi itu dari 1 menunjukkan penyimpangan (dalam
bentuk perbandingan) data yang diamati dengan data yang seharusnya, seandainya setiap
bulan mempunyai jumlah hari yang sama. Untuk menyesuaikan data bulanan dengan jumlah
hari yang terdapat didalamnya, setiap hasil observasi haris dikalikan dengan kebalikan dari
angka yang terdapat dalam kolom (3) Tabel 10.1. Faktor pengali yang dimaksud dapat dilihat
dalam kolom (4) juga dari Tabel 10.1.
Untuk keperluan penyesuaian, maka data berkala hasil observasi seyogyanya
dikalikan dengan faktor pengali dari kolom (4) juga dari Tabel 10.1. Walaupun jumlah hari
dalam satu bulan itu sama, namun jumlah hari kerja belum tentu sama. Kalau analisis
menghendaki .
Penyesuaian yang lebih teliti, maka angka dari kolom (2) diganti dengan jumlah hari
tiap bulan. Selanjutnya juga perlu diperhatikan, seandainya jumlah hari dan jumlah hari kerja
sama tetapi jumlah jam kerja tidak sama dan perlu peyesuaian terhadap jam kerja, maka
kolom (2) dapat diganti dengan jumlah jam kerja tiap bulan. Jadi faktor pengali dalam kolom
(4) dapat untuk penyesuaian jumlah hari, jumlah hari kerja, dan jumlah jam kerja tergantung
pada persoalan dan tujuan analisis.
Untuk keperluan analisis, seringkali data berkala dinyatakan dalam bentuk angka
indeks. Apabila kita ingin menunjukkan ada tidaknya gerakan musiman, perlu dibuat indeks
musiman (seasonal indekx). Data berkala yang dinyatakan sebagai variable Y terdiri dari 4
komponen, yaitu: Y=TxCxSxI
Kalau pengaruh dari trend (T) siklis © dan irregular (I) dihilangkan, tinggallah satu
komponen S, yaitu komponen musiman. Apa bila S ini dinyatakan dalam angka indeks,
makan akan kita peroleh indeks musiman. Jadi angka indeks musiman merupakan angka
yang menunjukkan nilai relative dari variable Y yang merupakan data berkala selama seluruh
bulan dalam satu tahun (dapat lebih dari 1 tahun). Sebagai contoh, kita mengetahui bahwa
hasil penjualan suatu jenis barang selama bulan Januari, Pebruari, Maret, April, Mei, … ,
masing-masing sebesar 75%, 125%, 110%, . . . dari rata-rata hasil penjualan bulanan untuk
seluruh tahun, angka-angka tersebut merupakan angka indeks musiman. Kata-kata angka
indeks musiman untuk seluruh tahun seharusnya sebesar 100% dan jumlah seluruh angka
indeks musiman harus 1.200%. (Tanda % sering dihilangkan / tidak ditulis).
INDEKS MUSIMAN
Indeks musiman merupakan angka yang menunjukkan nilai relatif dari variabel Y,
dimana Y adalah data runtun waktu selama seluruh bulan dalam satu tahun. Rata – rata angka
indeks musiman untuk satu periode adalah 100%. Dengan kata lain indeks musiman adalah
suatu angka yang bervariasi terhadap nilai dasar 100.
Beberapa metode untuk menghitung angka indeks musiman, antara lain:

 Metode rata-rata sederhana (simple average method)

 Metode relative bersambung (link relative method)
 Metode rasio terhadap trend (ratio to trend method)
 Metode rasio tarhadap rata-rata bergerak (ratio to moving average method)

METODE RATA-RATA SEDERHANA

 Asumsi bahwa pengaruh tren dan siklus yang tidak beraturan tidak besar dan dapat
dianggap tidak ada.
 Indeks musim
= [Rata-rata perkuartal x 100] / Rata-rata total
 Untuk menerangkan bagaimana cara menghitung indeks musiman, terlebih dahulu
kita lihat data pada Tabel 10.2. Dari table tersebut kita cari produksi rata-rata bulanan untuk
seluruh tahun, maksudnya angka rata-rata dipakai untuk mewakili bulan Januari, Februari,
Maret, . . . (Ingat, bahwa angka dari bulan tertentu berubah dari tahun ke tahun, sehingga
perlu dicari rata-ratanya, baik menggunakan rata-rata hitung maupun median atau jenis rata-
rata lainnya). Untuk mencari rata-rata bagi bulan tertentu, kita jumlahkan angka dari bulan
tersebut, kemudian membaginya dengan banyaknya tahun (dalam hal ini dibagi dengan
empat, sebab ada empat tahun).
Setelah diperoleh rata-rata untuk tiap bulan, dengan jumlahnya sebesar 3.082.751,50
angka rata-rata ini beserta jumlah kita pindahkan ke Tabel 10.3, dalam kolom (2). Rata-rata
ini kemudian dinyatakan sebagai persentase terhadap totalnya (x 100% = 8,7805 x 100% =
8,2750; dan seterusnya).
Hasil pembagian ini terdapat di kolom (3). Kemudian untukmemperoleh angka indeks
musiman, nila pada kolom (3) dikalikan dengan 12, yaitu 8,7805 x 12 = 105,37; 8,2750 x 12
= 99,30; 8,6915 x 12 = 104,30, dan seterusnya, semua dibulatkan menjadi dua angka di
belakang koma untuk mendapatkan jumlah kolom (4). Perhatikan bahwa karena kesalahan
pembulatan (rounding error), ada kemungkinan jumlah kolom (3) tidak tepat 100 dan kolom
(4) tidak tepat 1.200.
Pengambilan nilai rata-rata tiap bulan dimaksudkan untuk menghilangkan pengaruh
trend (T). untuk memperoleh gerakan musiman yang murni, pengaruh dari gerakan siklis
seharusnya juga dihilangkan. Karena gerakan siklis akan terulang setelah beberapa tahun (4
tahun 5 tahun atau lebih), maka banyaknya tahun yang diselidiki harus sebanyak tahun
terulangnya gerak siklis tersebut. Apabila indeks musiman dari kolom (4) Tabel 10.3 kita
buat kurvanya, maka akan kita peroleh bentuk grafik seperti pada Peraga 10.1.
 Indeks musiman produksi gas di Indonesia menunjukkan terjadinya penurunan
produksi dari bulanan Januari sampai dengan juni, kemudian meningkat samapai bulan
Agustus, dan turun kembali pada bulan September. Setelah itu produksi meningkat kembali
samapai dengan bulan Desember.

METODE RELATIF BERSAMBUNG

Untuk menggunakan metode relatif bersambung, data bulanan yang asli mula-
mula dinyatakan sebagai persentase dari data pada bulan yang mendahuluinya. Persentase-
persentase yang didapat dengan cara demikian disebut relatif bersambung (link relative). Jadi,
relatif bersambung menghubungkan data pada bulan yang mendahuluinya.

Dari data Tabel 10.4, dapat dibuat angka relative bersambung sebagai berikut:
Untuk Pebruari 1995 = x 100%
= x 100 %
= 94,23 %
Dengan cara yang sama, angka relative bulan berikutnya dapat dicari. Misalnya,
angka relative untuk bulan Maret 1995 dan Juni 1995 adalah masing-masing 109,56% dan
kita peroleh rata-rata untuk masing-masing bulan.
Rata-rata Januari
= 97,60
Rata-rata Pebruari
= 94,21
Rata-rata Maret
= 105,16; dan seterusnya.
CONTOH 10.1 Berdasarkan data Tabel 10.5 buatlah indeks musiman dengan menggunakan
metode rata-rata.
PENYELESAIAN perhatikan angka rata-rata kolom (6) Tabel 10.5. Kita anggap angka
Januari data dengan 100 persen, maka angka bulan Pebruari sama dengan 94,21% dari rata-
rata data Januari, yaitu 94,21 x 100% = 94,21%.
Untuk Maret angkanya adalah 105,16 dari Pebruari, yaitu 105,16 x 94,21% = 99,07% dan
sebagainya. Hasil perhitungan ini disebut relatif berantai (chain relative) (lihat Tabel 10.6).
Oleh karena nilai relatif berantai Januari kedua sama dengan 106,61%, berarti ada kenaikan
sebesar 106,61% - 100% = 6,61%. Kenaikan ini disebabkan adanya pengaruh trend jangka
panjang. Untuk menhilangkan pengaruh trend ini, maka relatif berantai Januari kedua harus
dikurangi ( x 6,61%) yaitu: 106,61% - 6,61% = 100%.
Oleh karena pengaruh trend sudah dihilangkan, maka baik Januari pertama (baris
pertama Tabel 10.6) maupun Januari kedua (baris terakhir Tabel 10.6) mempunyai nilai
relatif berantai yang sama yaitu sebesar 100,00%.
Untuk Desember = 108,44% - x 6,61%) = 102,38%.
Untuk November = 106,41% - (x 6,61%) = 103,99%.
Untuk Oktober = 96,74 – (x 6,61%) = 91,78%.

Hasil perhitungan ini merupakan angka indeks musiman dengan menggunakan

metode bersambung. Apabila jumlah dari indeks ini (A) = 1.200%, maka perhitungan sudah
selesai, tetapi kalau jumlahnya tidak sama dengan 1.200%, maka masing-masing angka
indeks dari bulan Januari sampai Desember harus diadakan penyesuaian, yaitu dengan
mengalikan masing-masing nilai angka penyesuaian sebesar (lihat Tabel 10.7).
Ternyata jumlah indeks, kolom (2) Tabel 10.7 adalah 1.164.,39 dan bukan 1.200.
Dengan demikian setiap angka harus dikalikan dengan angka penyesuaian sebesar = 1,0306.
Untuk januari = 100 x 103,06; pebruari = 93,66 x 1,0306 (lihat kolom (3) Tabel 10.7).
Indeks musiman yang sudah disesuaikan mempunyai bentuk kurva seperti terlihat
pada Peraga 10.2. Indeks musiman produksi gas di Indonesia menunjukkan bahwa telah
terjadi kenaikan produksi terbesar pada bulan Agustus. Gerakan musiman ini tidak begitu
jelas sebab ada kecenderungan berfluktulasi dari bulan ke bulan. Dengan jalan yang sama
dapat digunakan median sebagai pengganti rata-rata. Angka median terdapat di kolom (7)
Tabel 10.5.
CONTOH 10.2 Berdasarkan data dari Tabel 10.8 buatlah indeks musiman dengan
menggunakan metode relatif bersambung.
 Dengan rata-rata.
 Dengan media.
 Gambarkan grafiknya.

PENYELESAIAN
Dari data Tabel 10.8, kita cari relatif bersambung (link relative) tahun 1992 sebagai berikut:
Angka relatif bersambung untuk
Pebruari =
= x 100%
= 88,4%
Maret = x 100%
= 98,9%
April = x 100%
= 89,9%
Mei = x 100%
= 92,4%
Juni = x 100%
= 93,5% dan seterusnya.
Hasil perhitungan ini disebut relatif bersambungan dan seluruh hasil perhitungan dapat
terlihat dalam Tabel 10.9.

Rata-rata Januari = ( 98,6 + . . . + 102,5)

= 100,4
Rata-rata Februari = (88,4 + 90,4 + . . . + 90,2)
= 89,8
Rata-rata Maret = (98,9 + 96,8 + . . . + 91,4)
= 97,6
Rata-rata April = (89,9 + 89,6 + . . . + 91,4)
= 90,5 dan seterusnya [lihat kolom (10) Tabel 10.9].

Median adalah nilai yang berada di tengah dari urutan nilai yang sudah disusun mulai dari
yang terkecil sampai yang terbesar.
Median Januari = 100,7
Februari = (90,0 + 90,2)
= 90,1
Maret = (97,5 + 97,6)
= 97,55
April = (90,3 + 90,9) = 90,6; dan seterusnya.
 [Lihat kolom (11). Tabel 10.]

a) Dengan menggunakan rata-rata

Angka rata-rata relatif bersambung bisa dilihat dalam kolom (10) Tabel 10.9. Jika Januari
sama dengan 100%, maka Pebruari adalah 89,8% dari Januari yaitu x 100% atau 89,8%
Maret = 97,6% dari Pebruari
= x 89,8%
= 87,6%
April = 90,5% dari Maret
= x 87,6%
= 79,3%; dan seterusnya.
Hasil perhitungan ini menghasilkan angka-angka relatif berantai (chain relative) yang dapat
dilihat dalam Tabel 10.10.
Angka Januari kedua agar supaya 100% harus dikurangi x 7,4%, yaitu 107,4% - ( x
7,4%) = 100%. Dengan cara yang sama, angka untuk bulan lainnya dicari.

Angka Desember = 107,0% - ( x 7,4%)

= 100,2%
November = 100,4% - ( x 7,4%)
= 94,2%
Oktober = 94,0% - ( x 7,4%)
= 88,4% dan seterusnya.

Januari kedua = 104,4% dari desember x 107,0% = 107,428% =107,4%

 Dibandingkan dengan januari pertama = 100%, maka terjadi kenaikan sebesar 7,4%
yang disebabkan oleh pengaruh trend. Untuk menghilangkan pengaruh trend in masing-
masing nilai berantai reiilative harus disesuaikan. Kurva dari indeks musiman dapat dilihat
pada praga 10.3. indeks musiman ini menunjukan bahwa penurunan hasil penjualan terbesar
terjadi pada bulan juni.
Hasil perhitungan ini jika seluruhnya dijumlahkan adalah 1.200%, sehingga diperoleh
angka indeks musiman (A). akan tetapi kalau jumlahnya tidak sama dengan 1.200%, maka
terhadap angka indeks tersebut perlu diadakan peneyesuaian, yaitu setiap nilai dari bulan
kebulan dikalikan dengan . karena penjumlahan= 996,6%, maka factor pengali untuk
penyesuaian sebesar = 1,204.
Misalnya setelah disesuaikan , bulan januari menjadi 100x1,204% = 120,4%, bulan
pebruari menjadi 89,2 x 1,204% = 107,4%, dst. Hasil perhitungan yang terakhir inilah yang
menghasilkan angka indeks musiman yang sudah disesuaikan. Indeks musiman, baik yang
belum disesuaikan maupun yang sudah, dapatanda lihat pada table 10.11. menunjukkan
bahwa penurunan hasil penjualan terbesar terjadi pada bulan juni.
Setelah disesaikan jumlahnya menjadi 1.199,6% atau 1.200%. kurva dari indeks
musiman dapat dilihat pada praga 10.3. indeks musiman
a) Dengan menggunakan median berdasarkan rata-rata
Angka-angka median relative bersambung bisa dilihat dalam kolom (11) Tabel 10.9. jika
angka untuk januari sama dengan 100%, maka angka untuk pebruari adalah 90,1% dari
januari.

PERAGA 10.3 Indeks Musiman Hasil Penjualan

Februari = 100%
= 90,1%
Maret = 97,6% dari pebruari
= 87,9%
April = 90,6% dari maret
= 79,6, dst.
VARIASI MUSIMAN
Variasi Musiman merupakan gerakan yang teratur dan hampir terjadi pada waktu-
waktu tertentu. Disebut variasi musiman karena terjadinya bertepatan dengan pergantian
musiman. Kecenderungan musiman dapat berupa tahunan, bulanan, atau mingguan. Untuk
menunjukan ada tidaknya variasi musiman, maka perlu dibuat indeks musiman.

 Fluktuasi dalam satuan:

 Bulanan
 Triwulan
 Semester
Merupakan salah satu unsur penting yang pertama kali harus diketahui apabila kita ingin
melakukan peramalan dengan bantuan analisis statistik adalah deret berkala atau runtut waktu
(time series). Analisis yang tepat pada data tersebut akan menjadikan peramalan terhadap
keadaan masa mendataang lebih akurat. Deret berkala merupakan data statistik yang disusun
berdasarkan urutan waktu. Adapun analisis deret berkala sendiri menurut Thoams Herbert
Wonnacott merupakan suatu alat analisis yang dapat diterapkan guna memprediks nilai suatu
variabel pada kurun waktu tertentu. Deret berkala itu sendiri nantinya akan dibedakan
menjadi empat komponen variasi yaitu sekular (secular tren), variasi musim (seasion
variation), variasi siklis (cyclical variation), variasi tak beraturan (irregular variation).
Apabila dinotasikan, hubungan antar keempat komponen variasi deret berkala adalah sebagai
berikut:  

Keterangan: A = nilai data aktual T = tren sekular 10 S = variasi musim C = variasi

siklus I = variasi yang tak beraturan.
Salah satu komponen yang mempengaruhi data time series adalah komponen
musiman. Gerakan musiman (seasonal movement) merupakan gerakan yang teratur artinya
naik turunnya terjadi pada waktu-waktu yang sama. Disebut gerakan musiman oleh karena
terjadinya bertepatan dengan pergantian musim didalam satu tahun atau dalam waktu yang
singkat, sebagai contoh
Permohonan pengajuan kredit akan meningkat pada saat menjelang hari raya dan
tahun ajaran baru, karena pada waktu tersebut kebutuhan akan dana oleh masyarakat akan
meningkat. Jika data time series dipengaruhi oleh variasi musiman, maka diperlukan metoda
peramalan yang lebih baik yang memperhatikan keterlibatan variasi musiman didalam data.
Untuk keperluan analisa seringkali data time series dinyatakan dalam bentuk angka
indeks . Apabila kita ingin menunjukkan ada tidaknya gerakan musiman  perlu dibuat indeks
musiman (seasonal index). Indeks musiman adalah suatu angka yang bervariasi terhadap nilai
dasar 100. Jika suatu periode musiman mempunyai nilai indeks 100, nilai ini menunjukan
bahwa pada bulan tersebut tidak ada pengaruh musiman.
Jenis – Jenis Variasi Musim Variasi
Musim dapat dibedakan atas beberapa macam, yaitu sebagai  berikut:
 Variasi Musim Spesifik (specific seasonal) Adalah variais musim dalam jangka waktu
satu tahun
 Variasi Musim Berubah Ubah (char ging seasonal) Adalah variasi musim yang tidak
tetap dari satu periode satu ke periode lainnya.
 Variasi Musim Tipikal (typical seasonal) Adalah variasi musim rata-rata dalam jangka
waktu yang cukup lama.
 Variasi Musim Tetap (constant seasonal) Adalah variasi musim yang tidak mengalami
perubahan.
Metode Perhitungan Indeks Musiman
Dalam menghitung indeks musiman dapat digunakan beberapa metode, yaitu:
 Metode rata-rata sederhana, Mempunyai asumsi bahwa pengaruh tren dan siklus yang
tidak  beraturan tidak besar dan dapat dianggap tidak ada. Perhitungannya:

 Metode perbandingan dengan trend. Merupakan metode rata – rata yang disesuaikan

dengan tren, dengan membandingkan nilai data asli dengan nilai tren. Perhitungannya:

 Metode perbandingan dengan rata-rata bergerak. Merupakan metode yang dilakukan

dengan cara membuat rata –rata bergerak Perhitungannya:
VARIASI SIKLUS