MATERI KULIAH STATISTIK PERHOTELAN

Program Studi Perhotelan (DIII)

Mata Kuliah : Statistik Perhotelan

Dosen Pengampu : Hary Hermawan, S.Par., M.M
NIDN : 0530099002
Pertemuan : P006
Materi : Analisis Data Berkala
Tujuan Pembelajaran: Mahasiswa memiliki pemahaman mendalam terkait Analisis Data
Berkala, serta mampu mengimplementasikannya dalam memecahkan
masalah pada operasional perhotelan

A. Pengertian data Berkala

Analisis data berkala (Times Series Analysis) menggambarkan suatu perkembangan data
baik perkembangan dalam arti positip maupun dalam arti negatip. Perkembangan ini
ditunjukkan dalam sebuah garis trend (garis kecenderungan) yang menggambarkan tentang
kecenderungan sebuah data dalam jangka panjang. Garis trend ini berupa sebuah kurva yang
menunjukan kecenderungan umum data dari sebuah variabel/data berhubungan dengan waktu.
Secara matematis hubungan antara data dengan waktu dinyatakan Y = f (t) artinya data nilai
sebuah variabel dirumuskan melalui nilai-nilai y1, y2, y3 …. sebagai pencerminan dari variabel
Y dan t1,t2,t3 … tn sebagai pencerminan dari variabel waktu. Karena sifatnya jangka panjang
maka trend sering dipakai untuk meramal/memprediksi (forecasting) tentang data-data untuk
waktu-waktu berikutnya.
Persamaan trend dapat berupa persamaan trend linier maupun trend non linier(trend
kuadrat). Bentuk umum dari persamaan trend linier secara matematik dirumuskan sebagai
berikut:
= +
Keterangan
adalah nilai trend pada periode tertentu (variabel tak bebas)
adalah intersep dari persamaan trend
adalah keofisien kemiringan atau gradien dari persamaan trend yang menunjukkan besarnya
perubahan bila terjadi perubahan satu satuan pada .
adalah periode waktu (variabel bebas)

Ada empat cara menetukan persamaan trend linier, yaitu (1) metode tangan bebas, (2)
metode setengah rata-rata, (3) metode rata-rata bergerak, (4) metode kuadrat terkecil. Dalam
kesempatan ini untuk memberikan ilustrasi tentang persamaan garis trend hanya akan
diterangkan dua cara saja yaitu metode tangan bebas dan metode kuadrat terkecil, mengingat
ke dua metode yang lain pada dasarnya hampir sama. Dan dalam kebanyakan analisis banyak
digunakan trend linier untuk jangka pendek dan trend kuadrat kecil biasanya berbentuk trend
non linier yang dipergunakan untuk memprediksi data dalam jangka panjang.

B. Metode tangan bebas

Tabel berikut menunjukkan data jumlah mahasiswa Jurusan Perhotelan Diploma III yang
berhasil lolos seleksi untuk training pada berbagai Hotel dan Restoran di Singapura tahun 2010.
Tabel 5.1 Jumlah mahasiswa yang lolos seleksi
Bln 1 2 3 4 5 6 7 8 9 10 11 12
 mhs 12 8 18 16 20 24 22 18 26 …. …. ….

Sebelum menemukan persamaan trend linier terlebih dahulu digambarkan diagram

pencar yang menunjukkan sebaran dari data. Untuk keperluan tersebut tabel diatas perlu
disempurnakan dengan ketentuan berikut:
X yaitu untuk waktu (tahun) data berkala sebagai sumbu datar
Y yaitu nilai-nilai data berkala sebagai sumbu tegak

Waktu untuk bulan Januari sebagai titik asal, yaitu X = 0, sehingga X = 1 menyatakan
bulan Februari, X = 2 menyatakan bulan Maret dan seterusnya. Maka diperoleh tabel lengkap
sebagai berikut:
Tabel 5.2 Jumlah mahasiswa yang lolos seleksi
Bln 1 2 3 4 5 6 7 8 9 10 11 12
 mhs 12 8 18 16 20 24 22 18 26 …. …. ….
X 0 1 2 3 4 5 6 7 8

Berdasarkan data di atas maka tampak grafik diagram pencar sebagai berikut:
30

20 data…
nilai trend
10

0
0 1 2 3 4 5 6 7 8

Dalam membuat persamaan trend metode tangan bebas melalui penentuan dua titik
secara sembarang. Dalam contoh di atas misalnya titik pertama (3,16) dan titik kedua (8,26).
Persamaan trend dapat dihitung melalui rumus sebagai berikut.
= + (rumus 1)
( 2 − 1)
( − 1) = ( − 1) ( )
( 2 − 1)
Penyelesaian melalui metode tangan bebas hasilnya adalah sebagai berikut:
Titik pertama ( 3,16) titik kedua ( 8,26)
 = + (rumus 1)
16 = + 3
26 = + 8
(-)
→ −10 = −5 → = 2
→ 26 = + 16 → = 10

jadi persamaan trend adalah =10 +2x

( 2 − 1)
( − 1) = ( − 1) ( )
( 2 − 1)
26 − 16
− 16 = ( − 3)
8 − 3
10
− 16 = ( − 3)
5
= 2 − 6 + 16
= 10 + 2
Selanjutnya dengan menggunakan persamaan trend yang sudah diketemukan diatas kita
dapat menentukan nilai-nilai trend sampai dengan bulan Desember 2010 seperti pada tabel
berikut:
Tabel 5.3 Nilai Trend jumlah mahasiswa yang lolos seleksi
Bln 1 2 3 4 5 6 7 8 9 10 11 12
 mhs 12 8 18 16 20 24 22 18 26 28 30 32
X 0 1 2 3 4 5 6 7 8 9 10 11

Metode tangan bebas ini sekedar untuk pengetahuan saja sebab dalam kenyataannya
jarang sekali dipergunakan untuk proses peramalan atau menggambarkan persamaan trend
karena cara ini memiliki kelemahan prinsip yaitu pada penentuan titik awal persamaan sangat
berisiko. Artinya pada data yang sama tetapi penentuan titik awal yang berbeda akan
menghasilkan persamaan trend yang berbeda.

C. Metode kuadrat terkecil

Pada metode kuadrat terkecil, dilakukan dengan pendekatan matematis dengan hasil
yang lebih akurat, oleh sebab itu metode ini dipandang sebagai metode yang paling baik atau
palingpopuler dalam perumusan garis trend.

= + :
= ∑
= ∑ /∑

Dengan syarat x= 0, dimana x adalah variabel waktu dari data berkala dan adalah
nilai-nilai data berkala. Secara teknis syarat x = 0,ditentukan berdasarkan banyaknya nilai
data berkala jika n ganjil maka nilai x adalah …, -3, -2, -1, 0, +1, +2, +3 … sedangkan bila
banyaknya nilai data berkala n genap, maka nilai x adalah …, -5, -3, -1, +1, +3, +5...,
Dari data di atas apabila dikerjakan dengan metode kuadrat terkecil hasilnya adalah
sebagai berikut:

Tabel 5.4 Nilai Trend jumlah mahasiswa yang lolos seleksi

wgrrrrrrrr Jan Feb Mart Apr Mei Jun Juli Ags Sep 
 mhs y 12 8 18 16 20 24 22 18 26 y = 164
x -4 -3 -2 -1 0 1 2 3 4 x =0
2 2
x 16 9 4 1 0 1 4 9 16 x = 56
xy -48 -24 -36 -16 0 24 44 54 104 xy = 102

Berdasarkan hasildi atas maka besarnya a dan b adalah:

= ∑ = 164/9 = 18.2
∑
= = 102/56 = 2
∑

Jadi persamaan trendnya adalah = 18.2 + 2 dengan memakai persamaan

tersebut maka kita dapat menentukan nilai-nilai trend untuk setiap X. Untuk x = - 4 pada bulan
Januari maka nilai trendnya adalah = . + (− ) = . , sedangkan untuk x =
-3 pada bulan Februari maka nilai trendnya adalah =18,2 + 2 (-3) = 12,2 dan seterusnya.
Secara keseluruhan nilai trend disajikan sebagai berikut:
Tabel 5.5 Analisis Data Berkala Melalui Metode Kuadrat Kecil
Bln Jan Feb Mart Apr Mei Jun Juli Ags Sep
 mhs Y 12 8 18 16 20 24 22 18 26
X -4 -3 -2 -1 0 1 2 3 4
Nilai trend Ŷ 10,2 12,2 14,2 16,2 18,2 20,2 22,2 24,2 26,2

Untuk memperjelas pemahaman tabel di atas diilustrasikan dalam garafik berikut:

30
25
20 data berkala
15
nilai trend
10
5
0
-4 -3 -2 -1 0 1 2 3 4

D. Persamaan Trend Non Linier ( Kuadrat )

Pada prinsipnya perbedaan dan persamaan trend linier dan non linier yaitu; bahwa trend
linier umumnya untuk data berkala dalam jangka pendek (kurang dari 10 tahun) sedangkan
data berkala yang lebih dari 10 tahun akan lebih baik dipergunakantrend kuadrat. Pengertian
lebih baik memiliki arti bahwa persamaan yang diperoleh dari trend non linier lebih akurat dalam
memberikan prediksi. Pada trend non linier untuk memprediksi besarnya nilai y satuan x
diperlakukan dua kali yaitu dalam bentuk kuadrat. Karena hasil prediksi yang lebih akurat maka
trend non linier lebih banyak digunakan dalam praktek analisis berkala
Rumus persamaan trend kuadrat yaitu:
= + +
dimana untuk menemukan masing-masing komponen dalam persamaan trend tersebut adalah:
(∑ ) (∑ ) − ∑ (∑ )
=
(∑ ) − (∑ )
∑
=
∑
(∑ ) − ( ) (∑ )
=
(∑ ) − (∑ )
Contoh soal
Sekelompok mahasiswa melalukan survey di salah satu obyekwisata dengan mengambil data-
data dokumenter. Dari hasil survey tersebut diketahui jumlah wisatawan asing yang datang di
obyek wisata tersebut sejak tahun 2002 sampai dengan tahun 2015 tercantum pada tabel
berikut:
 Tabel 5.6Jumlah Wisatawan Asing yang Datang di Obyek Wisata
Tahun ∑ wisatawan
2002 324
2003 333
2004 341
2005 370
2006 389
2007 401
2008 420
2009 429
2010 458
2011 472
2012 445
2013 437
2014 430
2015 425

Selanjutnya data yang tersaji dalam tabel diatas, untuk dilakukan analisis perlu disiapkan
tabel persiapan analisis sebagai berikut:
Tabel 5.7Persiapan Analisis Time Series Trend Non linier
Thn. Y X XY X2 X2Y X4
1990 324 -13 -4212 169 54756 28561
1991 333 -11 -3663 121 40293 14641
1992 341 -9 -3069 81 27621 6561
1993 370 -7 -2590 49 18130 2401
1994 389 -5 -1945 25 9725 625
1995 401 -3 -1203 9 3609 81
1996 420 -1 -420 1 420 1
1997 429 1 429 1 429 1
1998 458 3 1374 9 4122 81
1999 472 5 2360 25 11800 625
2000 445 7 3115 49 21805 2401
2001 437 9 3933 81 35397 6561
2002 430 11 4730 121 52030 14641
2003 425 13 5525 169 71825 28561
 5674 0 4364 910 351962 105742

Dari tabel di atas maka besarnya masing-masing komponen a, b dan c adalah ;

(5674 105742) − (351962 910) 279694688

= = = 428.80
14(105742) − (910 910) 652288
4364
= = 4.80
910
14(351962) − (910)(5674) −235872
= = = −0.36
14(105742) − (910 910) 652288
Jadi persamaan trend kuadratdari data berkala tersebut adalah
= 428.80 + 4.80 − 0.36

Dengan memakai persamaan trend tersebut maka kita dapat menentukan nilai-nilai trend
untuk setiap X .Untuk X = -13 untuk tahun 1990, nilai trendnya adalah = 428,7902 + 4,795 (-
13) – 0,3616 (-13)2 = 305,3448 (305 pembulatan). Terjadi selisih (error) antara y asli dengan
prediksi sebesar 19. Untuk x = -11 untuk tahun 1991, nilai trendnya adalah = 428,7902 +
4,795 (-11) – 0,3616 (-11)2= 332,2916 (332 pembulatan) nilai errornya sebesar 1. Semakin
besar nilai errornya semakin besar pula ketimpangan dalam peramalan (prediksi) dan
seterusnya. Secara keseluruhan nilai trend disajikan adalah sebagai berikut:

Tabel 5.8 Nilai Trend Wisatawan yang Datang di Obyek Wisata

2
Thn. Y X Ŷ e e
1990 324 -13 305.56 -18.44 340.034
1991 333 -11 332.44 -0.56 0.3136
1992 341 -9 356.44 15.44 238.394
1993 370 -7 377.56 7.56 57.1536
1994 389 -5 395.8 6.8 46.24
1995 401 -3 411.16 10.16 103.226
1996 420 -1 423.64 3.64 13.2496
1997 429 1 433.24 4.24 17.9776
1998 458 3 439.96 -18.04 325.442
1999 472 5 443.8 -28.2 795.24
2000 445 7 444.76 -0.24 0.0576
2001 437 9 442.84 5.84 34.1056
2002 430 11 438.04 8.04 64.6416
2003 425 13 430.36 5.36 28.7296

Tahun 1999 sebagai tahun yang memiliki error terbesar dana tahu 2000 sebagai tahun yang
memiliki error tekecil.

E. Referensi
Santosa (2016). Statistika Hospitalitas. Yogyakarta: Deepublish