RMK Bab 8

Angka Indeks

Disusun oleh :

1. 22013010289 = Carel Angelica Aulia Putri

2. 22013010290 = ishthifa'iyah

3. 22013010291 = Syarifah Mudaim

4. 22013010292 = Alfiya Nurfidiyani

5. 22013010293 = Takhta Adi Waskita

TAHUN AJARAN 2022/2023

PROGRAM STUDI AKUNTANSI FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR

Arti dan Pentingnya Analisis Data Berkala

Seperti telah dibahas di Bab 2, data berkala (time series data) adalah data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu
kegiatan(perkembangan produksi, harga, hasil penjualan, jumlah personil, penduduk,
jumlahkecelakaan, jumlah kejahatan, jumlah peserta KB, dan lain sebagainya). Analisis data
berkala memungkinkan kita untuk mengetahui perkembangan suatu atau beberapa kejadian
serta hubungan/pengaruhnya terhadap kejadian lainnya. Misalnya, apakah kenaikan biaya
iklan akan diikuti dengan kenaikan penerimaan hasil penjualan, apakah kenaikan jumlah
penggunaan pupuk diikuti dengan kenaikan produksi padi; apakah kenaikan gaji diikuti oleh
kenaikan prestasi kerja, apakah penurunan bunga deposito diikuti penurunan jumlah
tabungan deposito; apakah penurunan tarif pajak penghasilan diikuti oleh kenaikannya.
Dengan perkataan lain, apakah perubahan suatu kejadian mempengaruhi kejadian lainnya,
dan kalau memang ada pengaruhnya, berapa besarpengaruh tersebut secara kuantitatif?

Jika biaya iklan naik Rp100 juta, berapa kenaikan hasil penjualan yang dapat diharapkan?
Jika gaji naik 1 persen, berapa persen kenaikan prestasi kerja? Jika pupuk naik 10 juta ton,
berapa ton produksi padi dapat diharapkan? Jika berat badan naik 1persen, berapa persen
kenaikan tekanan darah? Jika pendapatan naik 1 persen, berapa persen kenaikan
konsumsi? Hal ini sudah dibahas dalam Analisis Korelasi dan Regresi pada Bab 6 dan 7.
Dengan data berkala kita juga dapat membuat ramalan-ramalan berdasarkan garis regresi
atau garis trend.

Karena data berkala itu terdiri dari beberapa komponen, maka dengan analisis data berkala
kita bisa mengetahui masing-masing komponen, bahkan dapat menghilangkan satu atau
beberapa komponen kalau kita ingin menyelidiki komponen tersebut secara mendalam
tanpa kehadiran komponen lain. Data berkala, karena adanya pengaruh dari komponen-
komponen tersebut, selalu mengalami perubahan sehingga apabila dibuat grafiknya akan
menunjukkan suatu fluktuasi (fluctuation), yaitu gerakan naik-turun.

Untuk memperoleh gambaran yang jelas mengenai data berkala, perhatikan table dibawah

Secara matematis suatu data berkala diberi simbol Y1, Y2,·...Yi...,Yn sebagai nilaidari variabel
Y (yaitu produksi, hasil penjualan, ekspor, harga, dan lain sebagainya).

Y1 = data pada waktu pertama,Y2=datta pada waktu kedua,

Yi = data pada waktu I dan Yn = data pada waktu n

Y merupakan fungsi dari waktu, Y= f(X), dimana, x = waktu.

Klasifikasi Gerakan/Variasi Data Berkala

Gerakan/variasi data berkala terdiri dari empat macam atau empat komponen sebagai

berikut:

1) Gerakan trend jangka panjang (long term movement or secular trend), yaitu suatu

gerakan yang menunjukkan arah perkembangan secara umum (kecenderungan

menaik/menurun). Cara menarik garis trend akan diterangkan pada bagian lain. Perlu
diketahui bahwa garis trend sangat berguna untuk membuat ramalan (forecasting)

yang sangat diperlukan bagi perencanaan. Disingkat T (= trend).

2)Gerakan/variasi siklis (cyclical movements or variations), adalah gerak

jangka panjang di sekitar garis trend (berlaku untuk data tahunan). Gerakan siklis ini bisa
terulang setelah jangka waktu tertentu (setiap 3 tahun, 5 tahun, atau lebih)

dan bisa juga terulang dalam jangka waktu yang sama. Business cycles (konjungtur)

adalah suatu contoh gerakan siklis yang menunjukkan jangka waktu terjadinya

kemakmuran (prosperity), kemunduruan (recession), depresi (depression), dan

pemulihan (recovery). Disingkat C (= cycle).

3) Gerakan/variasi musiman (seasonal movements/variation), adalah gerakan yang

mempunyai pola tetap dari waktu ke waktu, misalnya meningkatnya harga-harga bahan
makanan dan pakaian

menjelang hari raya Idul Fitri, menurunnya harga beras pada waktu panen, dan

lain sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data

bulanan yang dikumpulkan dari tahun ke tahun (lihat Tabel 9.1 dan Peraga 9.1 yang

menunjukkan adanya penurunan harga tepung terigu sekitar bulan 5 dan 6, yaitu

sekitar Mei dan Juni), gerakan musiman juga berlaku bagi data harian, mingguan,

atau satuan waktu yang lebih kecil lagi. Disingkat S (= seasonal).

Gerakan/variasi yang tidak teratur (iregular or random movements), adalah gerakan/variasi

yang sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang datangnya tidak
teratur, gempa bumi, tsunami, gunung meletus. Disingkat I (= irregular).

Klasifikasi Gerakan/Variasi Data Berkala

Gerakan/variasi data berkala terdiri dari empat macam atau empat komponen sebagai

berikut:

1) Gerakan trend jangka panjang (long term movement or secular trend), yaitu suatu

gerakan yang menunjukkan arah perkembangan secara umum (kecenderungan

menaik/menurun). Cara menarik garis trend akan diterangkan pada bagian lain. Perlu
diketahui bahwa garis trend sangat berguna untuk membuat ramalan (forecasting) yang
sangat diperlukan bagi perencanaan. Disingkat T (= trend).

2) Gerakan/variasi siklis (cyclical movements or variations), adalah gerak

jangka panjang di sekitar garis trend (berlaku untuk data tahunan). Gerakan siklis ini bisa
terulang setelah jangka waktu tertentu (setiap 3 tahun, 5 tahun, atau lebih) dan bisa juga
terulang dalam jangka waktu yang sama. Business cycles (konjungtur) adalah suatu contoh
gerakan siklis yang menunjukkan jangka waktu terjadinya kemakmuran (prosperity),
kemunduruan (recession), depresi (depression), dan pemulihan (recovery). Disingkat C (=
cycle).

3) Gerakan/variasi musiman (seasonal movements/variation), adalah gerakan yang

mempunyai pola tetap dari waktu ke waktu, misalnya meningkatnya harga-harga bahan
makanan dan pakaian menjelang hari raya Idul Fitri, menurunnya harga beras pada waktu
panen, dan lain sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data
bulanan yang dikumpulkan dari tahun ke tahun (lihat Tabel 9.1 dan Peraga 9.1 yang
menunjukkan adanya penurunan harga tepung terigu sekitar bulan 5 dan 6, yaitu sekitar Mei
dan Juni), gerakan musiman juga berlaku bagi data harian, mingguan, atau satuan waktu
yang lebih kecil lagi. Disingkat S (= seasonal).

4) Gerakan/variasi yang tidak teratur (irregular or random movements), adalah

gerakan/variasi yang sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang
datangnya tidak teratur, gempa bumi, tsunami, gunung meletus. Disingkat I (= irregular).
 Analisis data berkala (analysis of time series) pada umumnya terdiri dari uraian
(description) secara matematis tentang komponen-komponen yang menyebabkan gerakan-
gerakan atau variasi-variasi yang tercermin dalam fuktuasi. Untuk mendapatkan pengertian
yang lebih jelas, perhatikan grafik data berkala yang ideal seperti terlihat pada Peraga 9.3.

Apabila gerakan trend, siklis, musiman, dan acak masing-masing diberi symbol T, C,
S, dan I, maka data berkala Y merupakan hasil kali dari 4 komponen tersebut yaitu :

Y=TxCxSxI

Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil penjumlahan
dari 4 komponen tersebut, yaitu:

Y=T+C+S+I

Seperti telah sering disebutkan, data berkala dapat dipergunakan sebagai dasar
pembuatan garis trend. Garis trend dapat dipergunakan untuk membuat ramalan yang
sangat diperlukan untuk dasar perumusan perencanaan. Dalam Bab 9 ini kita hanya
membahas garis trend linear dan metode untuk memperolehnya. (Trend yang bukan linear
sudah dibahas di Bab 8).

MENENTUKAN TREND

Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend.

1. Metode Tangan Bebas

Langkah-langkah menggunakan metode tangan bebas / free hand method adalah :

a. Buat sumbu tegak Y dan sumbu mendatar X

b. Buat scatter diagram, yaitu kumpulan titik koordinat (x,y);x = variabel waktu
c. Tariklah garis yang mewakili atau paling tidak mendekati semua titik koordinat yang
membentuk diagaram pencar tersebut.
Y : Y1, Y2,…Yi,…Yn
X ; X1, X2,…Xi,…Xn
Cara menarik garis dengan tangan bebas merupakan cara yang paling mudah, tetapi
sifatnya sangat subjektif.

Contoh :
Contoh 9.1

Titik-titik koordinat terletak dibawah dan diatas garis trend dan ada juga yang berada tepat
pada garis trend. Ramalan dengan menggunakan garis trend lebih realistis karena sudah
memperhitungkan kemampuan masa lampau.

2. Metode Rata – rata semi

Langkah-langkah metode rata-rata semi sebagai berikut :

a. Data dikelompokkan menjadi dua , masing-masing kelompok harus mempunyai

jumlah data yang sama .
b. Masing-masing kelompok dicari rata-rata nya
c. Titik absis harus dipilih dari variabel x yang berada ditengah masing-masing
kelompok
 3. Metode Rata-rata Bergerak

Apabila kita mempunyai data berkala sebanyak t: Y1,Y2, , , , , , Yi, , , , Yt, maka rata rata
bergerak (moving average) n waktu (tahun, bulan, minggu, hari) merupakan urutan rata-rata
hitung sebagai berikut:

dan seterusnya. Setiap rata-rata hitung di atas disebut total bergerak (moving tota), yang
berguna untuk mengurangi variasi dari data asli. Di dalam data berkala, rata rata bergerak
sering dipergunakan untuk memuluskan fluktuasi yang terjadi dalam data tersebut. Proses
pemulusan ini disebut persulusan data berkala.

Apabila rata-rata bergerak dibuat dari data tahunan atau bulanan sebanyak n waktu, maka
rata rata bergerak disebut rataa rata bergerak tahunan atau bulanan dengan orde n

(moving average of order n).

PERAGA 9.6 Penjualan PT. Malvinas, 1997-2007

Apabila data asli digambarkan bersame-sama dengan rata-rata bergerak, maka untuk data
dari Tabel 9.4 akan diperoleh grafik seperti terlihat pada Peraga 9.6 berikut.

Dari grafk pada Contoh Soal 9.3 bisa dilihat bahwa makin besar derajat rata-rata
bergerak, semakin mulus bentuk kurva. Maksudnya,makin berkurang fuktuas maka tampak
dengan jelas adanya trend (dalam hal ini trend yang menurun).
Dengan menggunakan rata-rata bergerak untuk mencari trend, maka kita kehilangan
beberapa data dibandingkan dengan data asli. Artnya, banyaknya rata-rata bergerak
menjadi tidak sama dengan banyaknya data asli. Dari contoh ini, jumlah data asli yang
tadinya 11 berkurang menjadi 8 pada rata-rata bergerak 4 tahun,kemudian berkurang
menjadi 7 pada rata-rata bergerak 5 tahun. Pada umumnya, jumlah data asli berkurang
sebanyak (phi - 1); n = derajat rata-rata betgerak, yaitu banyaknya data (dengan demikian
banyaknya waktu) untuk menghitung rata-rata bergerak.

4. Metode Kuadrat Terkecil

Seperti kita ketahui, garis trend linear dapat ditulis sebagai persamaan garis lurus:

Y' = a + bX

di mana

Y' = data berkala (time series data)

X = waktu (hari, minggu, bulan, tahun)

a = bilangan konstan

b = koefisien arah (slope) = rata-rata kenaikan/

pertumbuhan (rate of increase/growth)

Jadi, mencari garis trend berarti nencari nilai a dan b. Apabila a dan b sudah diketahui,
maka garis trend tersebut dapat dipergunakan untuk meramalkan Y.

Untuk mencari persamaan trend garis lurus dengan metode kuadrat terkecil dapat
dilakukan dengan beberapa cara. Di sini akan diberikan dua cara.

Cara 1:

Pada cara pertama ini, untuk mengadakan perhitungan diperlukan nilai tertentu pada
variabel waktu (X) sedemikian rupa, schingga jumlah nilai variabel waktu adalah nol