Time Series

and
Forecasting
 Tujuan pembelajaran
Setelah selesai mempelajari materi
ini mahasiswa dapat menjelaskan:

Gambaran(deskripsi) mengenai
Deret Berkala (time series)
 Menjelaskan 4 komponen DB
 Beberapa metode dalam
perhitungan DB
Apa DB/Runtun Waktu?
DB Data yang dikumpulkan, dicatat atau
diamati (diobservasi) dalam jangka
waktu tertentu.

Periode
Jam, hari, minggu, bulan,
kuartal,semester, tahun dst
• Data deret berkala adalah sekumpulan data yang dicatat
dalam suatu periode tertentu.

• Manfaat analisis data berkala adalah mengetahui kondisi

masa mendatang atau meramalkan kondisi mendatang.

• Peramalan kondisi mendatang bermanfaat untuk

perencanaan produksi, pemasaran, keuangan dan
bidang lainnya.
Tujuan Analisis DB

1. Memperkirakan nilai pada masa yang akan datang

(future time) dan membantu dalam manajemen proses
bisnis.
2. Membuat perencanaan guna memenuhi permintaan
pada masa yang akan datang.

Mengapa
Mengamati pola masa lalu
dan sekarang
DB? sehingga bisa membuat
peramalan (prediksi)
 1. Trend, pola jangka panjang yang
mendasari pertumbuhan
(penurunan).

2. Siklikal/siklus, pola fluktuasi

Temuan karena adanya perubahan kondisi
ekonomi.
analisis DB
(4 komponen 3. Musiman (seasional), fluktuasi
pada musim-musim tertentu.
DB)
4. Tak beraturan (irreguler), pola
acak yang disebabkan oleh
peristiwa yang tidak dapat
diprediksi.
Trend model

140
120

Sales in $(Millions)
100
80
60
40
20
0
1975 1980 1985 1990 1995 2000 2005

$15,000 Year
$14,000

$13,000
Tuition

$12,000

$11,000

$10,000 Cyclical Variation

$9,000

$8,000
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
Year
 Seasonal variation

x
x x
x x
x x
x x
x x x
x
x
Sales

xx
x xx x x
x
x
x x x x x x
x x x x x x
x x x
x xxxxx
x
x x

1 2 3 4
Year
 4 komponen DB

TREND (T), MUSIMAN (S), SIKLUS (C) dan ACAK (I)

Y=TxSxCxI
TREND
TREND

Suatu gerakan kecenderungan naik atau turun dalam

jangka panjang yang diperoleh dari rata-rata perubahan
dari waktu ke waktu dan nilainya cukup rata (smooth).

Y Y

Tahun (X) Tahun (X)

Trend Positif Trend Negatif

TREND
Rata-rata perubahan dalam
jangka panjang.

Data Trend positip

Data Trend negatip

 Model Deret Berkala
Deret berkala

Metode Rata-rata
Mengandung
unsur Tidak
Trend
Exponential
Smoothing

Ya

Trend Trend Trend Model

Linier Kuadratik Eksponensial autoregresif
Metode Trend
1. Trend Linier
- Metode bebas
- Metode Setengah Rata-rata
- Kuadrat terkecil (Least square)
- Metode Moment
2. Trend Parabolik ( Kuadratik )
Y = a + bx + cx2
3. Trend Exponensial/ Logaritmik
Y = (a + b)X Log Y = Log a + x Log b
Metode perhitungan TREND LINIER
 Trend Metode Bebas
 Langkah-langkah menentukan garis trend dengan
menggunakan metode tangan bebas( free hand method):

 Buat sumbu tegak Y dan sumbu mendatar X

 Buat Scatter diagram, yaitu kumpulan titik-titik koordinat
(X,Y); X = Variabel Waktu
 Dengan jalan observasi atau pengamatan langsung terhadap
bentuk scatter diagram tariklah garis yang mewakili atau paling
tidak mendekati semua titik koordinat yang membentuk
diagram pencar tersebut. Misalnya Y=data berkala; X=Waktu
 Y : Y1, Y2, ……., Yi, …..,Yn
 X : X1, X2,…….., Xi, …..,Xn
Line chart (Metode tangan bebas)

Y = a + bt ……. (1)

a: titik potong pada

sumbu y (besaran
data pada titik awal,
initial time)
b: slope, kemiringan
garis trend
 Component+Residual Plot for Col_2
4.4

component effect
2.4

0.4

-1.6

-3.6
10 11 12 13 14 15
(X 1000)
Col_1

Cara Menarik garis trend dengan tangan bebas merupakan

cara yang paling mudah, tetapi sifatnya subyektif, maksudnya
kalau ada lebih dari satu orang diminta untuk menarik garis
trend dengan cara ini akan diperoleh garis trend lebih dari satu.
Sebab masing-masing orang mempunyai pilihan sendiri sesuai
dengan anggapannya, garis mana yang mewakili scatter
diagram tersebut
 Metode semi rata-rata (Semi Average)

y’ = a + bx …………………..(2)
Metode semi rata-rata di hitung dengan
cara membagi data deret berkala
menjadi dua bagian dan kemudian di
hitung rata-ratanya. Setelah itu
diselesaikan pada persamaan (2).
y’1 = a + bx1
y’2 = a + bx2
(-/+)
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:

(K2 – K1)
b=
(tahun dasar K2 – tahun dasar K1)

• Merumuskan persamaan trend Y = a + bX

Metode Setengah rata – rata ( Semi Average
Method )

 Pers trend : y = a + bx
 Dimana
a = rata–rata kelompok I
b = (rata-rata kelp II ) – (rata-rata kelp I )
n
n = Jumlah data masing-masing kelompok
x = tahun yang ditentukan untuk periode dasar.
 CONTOH METODE SEMI RATA-RATA

Tahun Pelanggan Rata- Nilai X Nilai X

rata th dasar 1997 th dasar 2000
1996 4,2 -1 -4

K1 1997 5,0 4,93 0 -3

1998 5,6 1 -2

1999 6,1 2 -1

K2 2000 6,7 6,67 3 0

2001 7,2 4 1

Y th 1997 = 4,93 + 0,58 X b = (6,67 – 4,93)/2000-1997

Y th 2000 = 667, + 0,58 X b = 0,58 29
 Metode kuadrat terkecil (Least
Square)

Pers trend y = a + bx

a = Σy
n Syarat Σx= 0

b = Σxy
ΣX2
 Metode Kuadrat Terkecil

Menentukan garis trend yang mempunyai jumlah terkecil dari

kuadrat selisih data asli dengan data pada garis trendnya.
Trend Pelanggan PT. Telkom

8
Pelanggan (Jutaan)

7
6
5
4
3
2
Y = a + bX 1
0

a = Y/N 97 98 99 00 01
Tahun

b = YX/X2 Data Y' Data Y

Deret Berkala dan Peramalan Bab 6

CONTOH METODE KUADRAT TERKECIL

Tahun Pelanggan Kode X Y.X X2

=Y (tahun)
1997 5,0 -2 -10,0 4
1998 5,6 -1 -5,6 1
1999 6,1 0 0 0
2000 6,7 1 6,7 1
2001 7,2 2 14,4 4
Y=30,6 Y.X=5,5 X2=10

Nilai a = Y/n = 30,6/5 = 6,12

Nilai b = YX/X2 = 5,5/10 = 0,55
Jadi persamaan trend = Y’= 6,12 + 0,55 X
32
 Metode Moment

Persamaan trend Y = a + bx

Σy = n.a + bΣx
∑X ≠ 0
Σxy = aΣx + bΣx2

 Nilai X ( periode waktu ) dimulai dari angka 0 dan

diletakkan pada tahun pertama dan seterusnya. ( lihat
contoh )
Trend Moment

Tabel 4.12 Menetapkan periode (X)

Penjualan Tahun X XY X2
1994-1999 0 0 0
Tahun Penjualan 1 880 1
1994 850 2 1.800 4
1995 880 3 2.745 9
1996 900 4 3.700 16
1997 915 5 4.750 25
1998 925 Jumlah
1999 950 15 13.875 55
Jml 5.420
 Persamaan trend Y = a + bx Y = 856,90 + 18,57 X

Σy = n.a + bΣx
∑X ≠ 0 15
Σxy = aΣx + bΣx2

1 2
5.420 = 6 a + 15 b … X 5 27.100 = 30 a + 75 b
13.875 = 15 a + 55 b … X 2 27.750 = 30 a + 110 b

3 4
650 = 35 b 5.420 = 6 a + 15 (18,75)
b = 18,57 5.420 = 6 a + 278,57
6 a = 5141,43, a = 856,90
LATIHAN TREND LINIER

Data penjualan teh hitam PT. Perkebunan Tanbi Wonosobo

tahun 1995 sampai tahun 2004 sbb:
Tahun Penjualan (kg) Tentukan Proyeksi
1995 1250 penjualan tahun 2021
1996 1300
1997 1410
dengan metode Trend
1998 1250 Linier:
1999 1200 a. Tangan bebas
2000 1450 b. Semi rata-rata
2001 1300
2002 1430 c. Kuadrat terkecil
2003 1400 d. Moment
2004 1350
 Trend Parabolik

 Trend parabolik akan menghasilkan

garis trend yg melengkung sehingga
trend parabolik dikatakan trend
lengkung.

Pers Trend :
Y = a + bx + cx2
 Metode Kuadratis

Trend Kuadratis

Jumlah Pelanggan
8.00
Untuk jangka waktu pendek, 6.00

(jutaan)
kemungkinan trend tidak 4.00 Y=a+bX+c
X2
bersifat linear. Metode 2.00

kuadratis adalah contoh 0.00

97 98 99 00 01
metode nonlinear
Tahun
Y = a + bX + cX2

Koefisien a, b, dan c dicari dengan rumus sebagai berikut:

a = (Y) (X4) – (X2Y) (X2)/ n (X4) - (X2)
b = XY/X2
c = n(X2Y) – (X2 ) ( Y)/ n (X4) - (X2)
 Menentukan nilai a, b, c.

 y  n.a  c  x 2

 xy  b  x 2

x y  a x cx
2 2 4

Syarat :

x  0
• Trend ini menghasilkan garis proyeksi
yang tidak lurus, melainkan melengkung

• menghitung perbedaan pertama dan

perbedaan kedua data penjualan yang ada,
bila cenderung stabil, maka dapat
menggunakan proyeksi trend parabolik
CONTOH METODE KUADRATIS

Tahun Y X XY X2 X2Y X4
1997 5,0 -2 -10,00 4,00 20,00 16,00
1998 5,6 -1 -5,60 1,00 5,60 1,00
1999 6,1 0 0,00 0,00 0,00 0,00
2000 6,7 1 6,70 1,00 6,70 1,00
2001 7,2 2 14,40 4,00 2880 16,00

30.60 5,50 10,00 61,10 34,00

a = (Y) (X4) – (X2Y) (X2) = (30.60 x 34.00) – (61.10 x 10.00)
n (X4) - (X2) 2
= 429,4/70 = 6,13
b = XY/X 2 = 5.50/10 = 0,55
c = n(X2Y) – (X2 ) ( Y) = (5 x 61.10) – (10.0 x 30.60)
4 2
n (X ) - (X )
= -0,0017
Jadi persamaan kuadratisnya adalah Y = 6,13+0,55X – 0,0017X2
 2 2
TAHUN Y X XY X XY X4
2004 120 -9 -1080 81 9720 6561
2005 130 -7 -910 49 6370 2401
2006 140 -5 -700 25 3500 625
2007 120 -3 -360 9 1080 81
2008 150 -1 -150 1 150 1
2009 140 1 140 1 140 1
2010 130 3 390 9 1170 81
2011 140 5 700 25 3500 625
2012 130 7 910 49 6370 2401
2013 120 9 1080 81 9720 6561
JUMLAH 1320 0 20 330 41720 19338
 1320 = 10 a + 330 c x 33
20 = 330 b
41.720 = 330 a + 19.338 c

41.720 = 330 a + 19.338 c

43.560 = 330 a + 10.890 c
-1.840 = 8.448 c
c = -0,2178
a = 139,19
b = 0,06
2
Y = 139,19 + 0,0606X - 0,2178 X
 2
TAHUN a X b c bx cX Y^
2004 139,19 -9 0,0606 -0,2178 -0,5454 -17,6418 121,0028
2005 139,19 -7 0,0606 -0,2178 -0,4242 -10,6722 128,0936
2006 139,19 -5 0,0606 -0,2178 -0,303 -5,445 133,442
2007 139,19 -3 0,0606 -0,2178 -0,1818 -1,9602 137,048
2008 139,19 -1 0,0606 -0,2178 -0,0606 -0,2178 138,9116
2009 139,19 1 0,0606 -0,2178 0,0606 -0,2178 139,0328
2010 139,19 3 0,0606 -0,2178 0,1818 -1,9602 137,4116
2011 139,19 5 0,0606 -0,2178 0,303 -5,445 134,048
2012 139,19 7 0,0606 -0,2178 0,4242 -10,6722 128,942
2013 139,19 9 0,0606 -0,2178 0,5454 -17,6418 122,0936
2014 139,19 11 0,0606 -0,2178 0,6666 -26,3538 113,5028
 Trend Eksponensial

Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X)

dinyatakan sebagai pangkat. Untuk mencari nilai a, dan b dari data Y
dan X, digunakan rumus sebagai berikut:

Y’ = a (1+b)X
Trend Eskponensial

Ln Y’ = Ln a + X Ln (1+b) 15,00

Pelanggan
Sehingga a = anti ln (LnY)/n

(jutaan)
Jumlah
10,00
b = anti ln  (X. LnY) -1 5,00
(X)2 0,00
97 98 99 00 01

Tahun

Y= a(1+b)X 46
Deret Berkala dan Peramalan Bab 6

CONTOH TREND EKSPONENSIAL

Tahun Y X Ln Y X2 X Ln Y

1997 5,0 -2 1,6 4,00 -3,2

1998 5,6 -1 1,7 1,00 -1,7
1999 6,1 0 1,8 0,00 0,0
2000 6,7 1 1,9 1,00 1,9
2001 7,2 2 2,0 4,00 3,9
9,0 10,00 0,9
Nilai a dan b didapat dengan:
a = anti ln (LnY)/n = anti ln 9/5 = anti ln 1,8 = 6,1
b = anti ln  (X. LnY) - 1 = anti ln (0,9/10) – 1 = 1,094 –1 = 0,094
(X)2
Sehingga persamaan eksponensial Y = 6,1 (1+0,094)X 47
 Trend Eksponensial

Bentuk umum
• Y = abx
• Log Y = log a + X log. b

 log Y
log a 
n
( X . log Y )
log b 
X 2
 TAHUN Y LOG Y X X2 X LOG Y
2004 1250 3,097 -9 81 -27,872
2005 1300 3,114 -7 49 -21,798
2006 1410 3,149 -5 25 -15,746
2007 1250 3,097 -3 9 -9,291
2008 1200 3,079 -1 1 -3,079
2009 1450 3,161 1 1 3,161
2010 1300 3,114 3 9 9,342
2011 1430 3,155 5 25 15,777
2012 1400 3,146 7 49 22,023
2013 1350 3,130 9 81 28,173
JUMLAH 13340 31,243 0 330 0,690
Y
TAHUN Log a Log b X Log Y Anti Log Y
2004 3,1243 0,0021 -9 3,105 1274,677
2005 3,1243 0,0021 -7 3,110 1287,064
2006 3,1243 0,0021 -5 3,114 1299,571
2007 3,1243 0,0021 -3 3,118 1312,200
2008 3,1243 0,0021 -1 3,122 1324,952
2009 3,1243 0,0021 1 3,126 1337,827
2010 3,1243 0,0021 3 3,131 1350,828
2011 3,1243 0,0021 5 3,135 1363,955
2012 3,1243 0,0021 7 3,139 1377,209
2013 3,1243 0,0021 9 3,143 1390,593
KOSONG
METODE RATA-RATA
 A. Metode Rata-Rata Sederhana (Single Average)
 Yt
Rata-rata kumulatif =
n

No Tahun Harga SA
1 1943 22,5
2 1944 22,5 22,5 (Y 1943 +Y 1944)/2
3 1945 22,5 22,5
4 1946 22,5 22,5
5 1947 20,8 22,16
6 1948 21,9 22,11666667
7 1949 17,6 132,7
(Y 1943 +Y 1944+Y1945+Y1946+Y1947)/5
8 1950 41,3 23,95
9 1951 60,9 28,05555556
10 1952 38,6 291,1
B. Metode rata-rata bergerak (Moving
Average)
 Bermanfaat jika kita mengsumsikan permintaan pasar
tetap stabil sepanjang waktu
 Berdasarkan data bulanan, kuartalan, dll
 Rata2 bergerak berdasarkan periode waktu diperoleh
dengan menjumlahkan permintaan selama Periode
waktu berjalan misal 3 bulanan, 4 bulanan, smesteran
dst.

MA n periode = ( data n periode

sebelumnya) / n
Diberikan data data keuntungan suatu
perusahaan seperti berikut ini
Year Yield ($ 1000) Year Yield ($ 1000)
1990 8,61 1996 6,71
1991 8,14 1997 6,61
1992 7,67 1998 5,58
1993 6,59 1999 5,87
1994 7,37 2000 5,94
1995 6,88 2001 5,49
2002 5,43

Ingin diketahui MA 3, 4 dan 5 tahunan

C. Metode rata-rata bergerak tertimbang
(Weighted Moving Average)

WMA = Σ (Timbangan utk periode n) (permintaan dlm

periode n) / Σ Timbangan

Bobot/penimbang didasarkan pada kebijakan

manajer sesuai dengan pengalaman, penelitian
sebelumnya atas segala kondisi ekonomi.
Contoh Penjualan alat pemotong rumput di Bob’s Hardware Store
ditunjukkan di kolom tengah dari tabel dibawah ini.
Rata-rata bergerak tertimbang dihitung disebelahnya (kolom paling
kanan),dgn asumsi timbangan ditetapkan 3 utk bulan lalu,
2 utk dua bulan yg lalu dan 1 untuk 3 bulan yang lalu,
dimana jumlah timbangan = 6

Bulan Penjualan Rata2 Bergerak Tertimbang 3 Bulan

Aktual
Jan. 10 -
Peb. 12 -
Maret 13 -
April 16 [ (3x13) + (2x12) + (1x10) ] / 6 = 12,17
Mei 19 [ (3x16) + (2x13) + (1x12) ] / 6 = 14,33
Juni 23 [ (3x19) + (2x16) + (1x13) ] / 6 = 17
Juli 26 [ (3x23) + (2x19) + (1x16) ] / 6 = 20,5
Agt. 30 [ (3x26) + (2x23) + (1x19) ] / 6 = 23,83
Sept. 28 [ (3x30) + (2x26) + (1x23) ] / 6 = 27,5
Okt. 18 [ (3x28) + (2x30) + (1x26) ] / 6 = 28,33
Nop. 16 [ (3x18) + (2x28) + (1x30) ] / 6 = 23,33
Des. 14 [ (3x16) + (2x18) + (1x28) ] / 6 = 18,67
I see that you will
get an A this
semester.
KOSONG
Deret Berkala dan Peramalan Bab 6

OUTLINE

BAGIAN I Statistik Deskriptif

Pengertian Statistika Analisis Trend

(Linear, Kuadratis, Eksponensial)
Penyajian Data
Analisis Variasi Musim
(Metode rata-rata bergerak)
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Menggunakan Analisis Trend Untuk
Mendapatkan Estimasi Nilai di Masa
Angka Indeks Mendatang

Deret Berkala dan Pengolahan Analisis Deret Berkala dengan

Peramalan MS Excel
63
VARIASI MUSIM

Variasi musim terkait dengan perubahan atau fluktuasi dalam musim-

musim atau bulan tertentu dalam 1 tahun.

Pergerakan Inflasi 2002 Indeks Saham PT. Astra Agro

Produksi Padi Permusim
Lestari, Maret 2003
2,5
30 150
Produksi (000 ton)

2
20 1,5 100
Inflasi (%)

Indeks
10 1 50
0 0,5 0
I- II- III- I- II- III- I- II- III- I- II- III-
98 98 98 99 99 99 00 00 00 01 01 03 0 03 05 13 14 22
1 2 3 4 5 6 7 8 9 10 11 12
Triwulan Tanggal
Bulan

Variasi Musim Produk Variasi Inflasi Bulanan Variasi Harga Saham

Pertanian Harian
 Deret Berkala dan Peramalan Bab 6

VARIASI MUSIM DENGAN METODE RATA-RATA

SEDERHANA

Indeks Musim = (Rata-rata per kuartal/rata-rata total) x 100

Bulan Pendapatan Rumus= Nilai bulan ini x 100 Indeks
Nilai rata-rata Musim
Januari 88 (88/95) x100 93
Februari 82 (82/95) x 100 86
Maret 106 (106/95) x 100 112
April 98 (98/95) x 100 103
Mei 112 (112/95) x 100 118
Juni 92 (92/95) x 100 97
Juli 102 (102/95) x 100 107
Agustus 96 (96/95) x 100 101
September 105 (105/95) x 100 111
Oktober 85 (85/95) x 100 89
November 102 (102/95) x 100 107
Desember 76 (76/95) x100 80
Rata-rata 95
65
 Deret Berkala dan Peramalan Bab 6

METODE RATA-RATA DENGAN TREND

• Metode rata-rata dengan trend dilakukan dengan cara yaitu indeks

musim diperoleh dari perbandingan antara nilai data asli dibagi
dengan nilai trend.

• Oleh sebab itu nilai trend Y’ harus diketahui dengan persamaan Y’ =

a + bX.

66
 Deret Berkala dan Peramalan Bab 6

METODE RATA-RATA DENGAN TREND

Bulan Y Y’ Perhitungan Indeks Musim

Januari 88 97,41 (88/97,41) x 100 90,3
Februari 82 97,09 (82/97,09) x 100 84,5
Maret 106 96,77 (106/96,77) x100 109,5
April 98 96,13 (98/96,13) x 100 101,9
Mei 112 95,81 (112/95,81) x 100 116,9
Juni 92 95,49 (92/95,49) x 100 96,3
Juli 102 95,17 (102/95,17) x 100 107,2
Agustus 96 94,85 (96/94,85) x 100 101,2
September 105 94,53 (105/94,53) x 100 111,1
Oktober 85 93,89 (85/93,89) x 100 90,5
November 102 93,57 (102/93,57) x 100 109,0
Desember 76 93,25 (76/93,25) x 100 81,5
67
 METODE PERSENTASE TERHADAP
RATA-RATA BERGERAK
Langkah –langkah menggunakan Metode presentase
terhadap rata-rata bergerak:
a) Menghitung jumlah bergerak selama satu tahun (4TW)
dan letakan pada pertengahan data.
b) Menghitung jumlah bergerak selama dua tahun (4TW)
dan letakan pada pertengan data.
c) Menghitung rata-rata bergerak dengan membagi hasil
dari no b) dengan 8 triwulan.
d) Menghitung persentase data riil terhadap rata-rata
bergerak
e) Menentukan nilai median persentase tersebut.
f) Menentukan indeks musim
 CONTOH data triwulanan :

2004 2005 2006 2007 2008 2009 2010

TW I 50 55 53 49 56 51 54
TW 2 60 63 59 63 64 70 67
TW 3 45 47 50 46 55 52 59
TW 4 40 43 48 55 50 57 56
JUMLAH 195 208 210 213 225 230 236
 Langkah-langkah menentukan indek musim presentase thd rata-rata bergerak

a. Menghitung jumlah bergerak selama satu tahun (4TW) dan letakan pada pertengahan
data
Jml Bergerak
Tahun TW Penjualan
4 TW
2004 I 50

II 60
4195
TW
III 45
200
IV 40
203
2005 I 55
205
II 63
208
III 47

IV 43
b. Menghitung jumlah bergerak selama dua tahun (4TW) dan letakan pada pertengahan
data
Jml Jml
Tahun TW Penjualan Bergerak 4 Bergerak 2
TW th
2004 I 50

II 60
195
III 45 395
200
IV 40 403
203
2005 I 55 408
205
II 63 413
208
III 47

IV 43
c. Menghitung Rata-rata bergerak dengan membagi hasil b. dengan 8 triwulan

Jml Jml
Penjuala Rata-rata
Tahun TW Bergerak Bergerak
n bergerak
4 TW 2 th
2004 I 50 395 /8 = 49,375

II 60
195
III 45 395 49,375
200
IV 40 403 50,375
203
2005 I 55 408 51
205
II 63 413 51,625
208
III 47

IV 43
d. Menghitung Persentase data riil terhadap rata-rata bergerak

Jml Jml % thd

Rata-rata
Tahun TW Penjualan Bergerak 4 Bergerak Rata-rata
bergerak
TW 2 th Bergerak
2004 I 50 (45/49,375) x 100
= 91, 139
II 60
195
III 45 395 49.375 91,139
200
IV 40 403 50.375 79,404
203
2005 I 55 408 51 107, 843
205
II 63 413 51.625 122, 034
208
III 47

IV 43
Secara keseluruhan adalah

JML Brgrk 4 Jml Brgrk 2

Tahun TW Penj Rata-rata % Thd R
TW th
2004 I 50

II 60
195
III 45 395 49.375 91.13924
200
IV 40 403 50.375 79.40447
203
2005 I 55 408 51 107.8431
205
II 63 413 51.625 122.0339
208
III 47 414 51.75 90.82126
206
IV 43 408 51 84.31373
202
2006 I 53 407 50.875 104.1769
 JML Brgrk Jml Brgrk 2
Tahun TW Penj Rata-rata % Thd R
4 TW th
2006 I 53 407 50.875 104.1769
205
II 59 415 51.875 113.7349
210
III 50 416 52 96.15385
206
IV 48 416 52 92.30769
210
2007 I 49 416 52 94.23077
206
II 63 412 51.5 122.3301
206
III 46 419 52.375 87.82816
213
IV 48 427 53.375 89.92974
214
2008 I 56 437 54.625 102.5172
 JML Brgrk Jml Brgrk 2
Tahun TW Penj Rata-rata % Thd R
4 TW th
2008 I 56 437 54.625 102.5172
223
II 64 448 56 114.2857
225
III 55 445 55.625 98.8764
220
IV 50 446 55.75 89.6861
226
2009 I 51 449 56.125 90.8686
223
II 70 453 56.625 123.6203
230
III 52 463 57.875 89.84881
233
IV 57 463 57.875 98.48812
230
2010 I 54 467 58.375 92.50535
 JML Brgrk Jml Brgrk
Tahun TW Penj Rata-rata % Thd R
4 TW 2 th

2010 I 54 467 58.375 92.50535

237
II 67 473 59.125 113.3192
236
III 59

IV 56
 2004 2005 2006 2007 2008 2009 2010 MEDIAN
I 107.84 104.18 94.23 102.52 90.87 92.51 98.37397
II 122.03 113.73 122.33 114.29 123.62 113.32 118.1598
III 91.14 90.82 96.15 87.83 98.88 89.85 90.98025
IV 79.40 84.31 92.31 89.93 89.69 98.49 89.80792
JMLH 397.3219

Rata-rata Median = 99.33049

Variasi/Indeks Musim:
I 99.03703
II 118.9562
III 91.59348
IV 90.41325
Proyeksi Tahun 2011 TW III dan TW IV
a b Trend Proyeksi
Tahun
X 0.41 T M Y 2011
2011 55.26
TW I 12 60.18 0.990 59.600
TW II 13 60.59 1.190 72.076
TW III 14 61 0.916 55.872
TW IV 15 61.41 0.904 55.523
Deret Berkala dan Peramalan Bab 6

OUTLINE

BAGIAN I Statistik Deskriptif

Pengertian Statistika Analisis Trend

(Linear, Kuadratis, Eksponensial)
Penyajian Data
Analisis Variasi Musim
(Metode rata-rata bergerak)
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Menggunakan Analisis Trend Untuk
Mendapatkan Estimasi Nilai di Masa
Angka Indeks Mendatang

Deret Berkala dan Pengolahan Analisis Deret Berkala dengan

MS Excel
Peramalan
80
Deret Berkala Dan Peramalan Bab 6

VARIASI SIKLUS

Siklus Indeks Saham Gabungan

Siklus
2,5
Ingat 2
1,5
Y=TxSxCxI 1
0,5

IHSG
Maka 0
-0,5 94 95 96 97 98 99 00 01 02
TCI = Y/S -1
CI = TCI/T -1,5
-2
Di mana CI adalah Indeks -2,5
Siklus Tahun
81
 Tabel untuk variasi siklus
Rata-rata
Penjualan Indeks Variasi S Jumlah Bergerak
Waktu Trend TxM
Rill Musim &R bergerak (Indeks
siklus)
2004 ? ? ? ? ? ? ?
TW I ? ? ? ? ? ? ?
TW II ? ? ? ? ? ? ?
TW III ? ? ? ? ? ? ?
TW IV ? ? ? ? ? ? ?
……. ? ? ? ? ? ? ?
…….. ? ? ? ? ? ? ?
2010 ? ? ? ? ? ? ?
TW I ? ? ? ? ? ? ?
TW II ? ? ? ? ? ? ?
TW III ? ? ? ? ? ? ?
TW IV ? ? ? ? ? ? ?
 Deret Berkala dan Peramalan Bab 6

CONTOH SIKLUS

Th Trwl Y T S TCI=Y/S CI=TCI/T C

I 22 17,5

1998 II 14 17,2 95 14,7 86

III 8 16,8 51 15,7 93 92

I 25 16,5 156 16,0 97 97

1999 II 15 16,1 94 16,0 99 100

III 8 15,8 49 16,3 103 102

I 26 15,4 163 16,0 104 104

2000 II 14 15,1 88 15,9 105 105

III 8 14,7 52 15,4 105 106

I 24 14,3 157 15,3 107 108

2001 II 14 14,0 89 15,7 112

III 9 13,6
83
Deret Berkala dan Peramalan Bab 6

GERAK TAK BERATURAN

Siklus
Ingat Y = T x S x C x I
TCI = Y/S
CI = TCI/T
I = CI/C

84
 Deret Berkala dan Peramalan Bab 6

GERAK TAK BERATURAN

Th Trwl CI=TCI/T C I=(CI/C) x 100

I 86

1998 II 93 92 101

III 97 97 100

I 99 100 99

1999 II 103 102 101

III 104 104 100

I 105 105 100

2000 II 105 106 99

III 107 108 99

I 112

2001 II
III
85
Deret Berkala dan Peramalan Bab 6

OUTLINE

BAGIAN I Statistik Deskriptif

Pengertian Statistika Analisis Trend

(Linear, Kuadratis, Eksponensial)
Penyajian Data
Analisis Variasi Musim
(Metode rata-rata bergerak)
Ukuran Pemusatan
Analisis Siklis
(Siklus, Spektral)
Ukuran Penyebaran
Menggunakan Analisis Trend untuk
Mendapatkan Estimasi Nilai di Masa
Angka Indeks Mendatang

Deret Berkala dan Pengolahan Analisis Deret Berkala dengan

MS Excel
Peramalan
86
Deret Berkala dan Peramalan Bab 6

PENGGUNAAN MS EXCEL

• Masukkan data Y dan data X pada sheet MS Excel,

misalnya data Y di kolom A dan X pada kolom B dari
baris 1 sampai 5.
• Klik icon tools, pilih ‘data analysis’, dan pilih ‘simple
linear regression’.
• Pada kotak data tertulis Y variable cell range: masukkan
data Y dengan mem-blok kolom a atau a1:a5. Pada X
variable cell range: masukkan data X dengan mem-blok
kolom b atau b1:b5.
• Anda klik OK, maka hasilnya akan keluar. Y’= a+b X; a
dinyatakan sebagai intercept dan b sebagai X variable1
pada kolom coefficients.

87
88
89
90
LEMBAR KOSONG

91
INDEKS BERANTAI
 INDEKS SEDERHANA

P
I t ,0  t x100%
P0
Di mana It,o = indeks harga pada waktu t dengan waktu dasar 0.
Pt = harga pada waktu t.
P0 = harga pada watu 0.

Rumus untuk menghitung indeks produksi sama seperti menghitung

indeks harga, hanya huruf p-nya saja diganti dengan q.

q
I t ,0  t x100%
q0
Di mana It,o = indeks produksi pada waktu t dengan waktu dasar 0.
qt = harga pada waktu t.
q0 = harga pada watu 0.
 ANGKA INDEKS BERANTAI
Untuk menyusun indeks berantai, maka harus ditentukan
terlebih dahulu berapa satuan waktu sebelumnya yang
akan dipergunakan sebagai waktu dasar. Kita hanya
mengganti P0 menjadi Pt-1atau Pt-2, q0 menjadi qt-1 atau
qt-2, dan seterusnya.
Rumus yang dipergunakan untuk mencari indeks berantai
(I) adalah :

qt
I t ,t 1  x100%
qt 1
Keuntungan dalam menggunakan angka indeks
berantai ialah :
a. Memungkinkan kita untuk memasukkan
komoditi-komoditi baru yang diperlukan sebagai
timbangan.
b. Apabila sudah dibuat indeks berantai dengan
waktu dasar yang berubah-ubah, kita dapat
menurunkan dari indeks berantai tersebut suatu
indeks pada tahun-tahun tertentu dengan waktu
dasar yang tetap. Rumus untuk menghitung
angka indeks berantai dengan waktu dasar tetap
adalah :
I t 1,t 1  ( I t ,t 1 )( I t 1,t )
Latihan indeks berantai

Rata-rata Upah Per

Tahun Hitunglah
Bulan (Jutaan Rp)
1985 1.19 indeks berantai
1986 1.33 pada data tabel
1987 1.44
1988 1.57 disamping !
1989 1.75
1990 1.84
1991 1.89
1992 1.94
1993 1.97
1994 2.13
1995 2.28
1996 2.45
 PENENTUAN DAN PENGGESERAN
WAKTU DASAR

Tujuan utama pembuatan angka indeks adalah untuk

melakukan perbandingan mengenai suatu kegiatan
pada dua waktu yang berbeda. Di dalam pembuatan
angka indeks pada suatu waktu tertentu, harus
ditentukan terlebih dahulu waktu dasar yaitu waktu di
mana suatu kegiatan akan dipergunakan sebagai dasar
perbandingan. Waktu dasar dapat berupa waktu
tertentu, misalnya bulan Oktober 2000.
Apabila kita hanya membandingkan suatu
kegiatan dari dua waktu saja, maka hal
ini tidak sukar, sebab tinggal memilih
satu di antara dua. Akan tetapi, dalam
prakteknya kita harus membuat angka
indeks dari data berkala selama 10
tahun atu lebih.
Untuk ini kita harus memilih salah satu
tahun tertentu, atau suatu periode
tertentu.
Ada beberapa syarat yang perlu diperhatikan dalam
menentukan atau memilih waktu dasar tersebut :
a. Waktu seyogyanya menunjukkan keadaan
perekonomian yang stabil, di mana harga tidak
berubah dengan cepat sekali.
b. Waktu jangan terlalu jauh di belakang, kalau bisa
diusahakan paling lama 10 tahun atau lebih baik
kurang dari 5 tahun.
c. Waktu dimana terjadi peristiwa penting, misalnya saja
jika suatu perusahaan dalam membuat indeks
produksi atau hasil penjualan menggunakan waktu
dasar pada saat Direktur produksi/Pemasaran yang
baru diangkat.
d. Waktu dimana tersedia data untuk keperluan
timbangan.
 Jika suatu ketika, jika waktu dasar dari angka indeks
dianggap sudah out of date, karena sudah terlalu lama
atau terlalu jauh ketinggalan, maka perlu diadakan
penggeseran waktu dasar.
Ada dua cara untuk melakukan penggeseran, yaitu
sebagai
berikut :
1. Apabila data asli masih tersedia, maka angka pada
waktu atau tahun tertentu yang akan dipakai sebagai
tahun dasar yang baru itu diberi nilai 100%,
sedangkan angka-angka lainnya dibagi dengan angka
dari waktu tersebut, kemudian dikalikan dengan
100%.
2. Indeks pada tahun yang akan dipilih sebagai waktu
dasar diberi nilai 100%, kemudian angka indeks pada
tahun-tahun lainnya dibagi dengan indeks dari tahun
dasar baru, dan mengalikannya dengan 100%. Cara
ini sering digunakan kalau data aslinya sudah tidak
ada lagi. Sebaiknya cara ini dipergunakan kalau
angka indeks memenuhi pengujian sirkuler, atau
kalau terpaksa harus menggeser waktu dasar tetapi
data aslinya sudah tak ada lagi.
 PENGUJIAN ANGKA INDEKS DAN
PENDEFLASIAN DATA BERKALA

Kebaikan atau kesempurnaan angka indeks

biasanya dilihat dari kenyataan apakah indeks yang
bersangkutan memenuhi beberapa kriteria
pengujian.
Sebagai contoh, indeks ideal dari Fisher paling tidak
secara teoritis lebih baik daripada indeks Laspeyres
atau Paasche. Beberapa kriteria pengujian adalah
time reversal test, dan factor reversal test.
Suatu indeks dikatakan memenuhi time reversal test,
apabila memenuhi persamaan berikut :

It,0 x I0,t = 1

(indeks belum dinyatakan dalam persentase)

Sedangkan pada factor reversal test, langkah awal
pengujiannya adalah menacari nilai

v=pxq

Kemudian dicari indeks nilai sederhana dan indeks nilai

agregatif, dengan rumus
 t Pt qt
I 0,t  x100%  x100%
0 P0 q0

 t  Pt qt
I 0,t  100%  x100%
 0  P0 q0
(indeks nilai agregatif)
 Seperti telah kita ketahui ada indeks harga, indeks
kuantitas, dan indeks nilai. Kita harapkan bahwa kalau
indeks harga dikalikan dengan indeks kuantitas, akan
diperoleh indeks nilai mengingat nilai (v) sama dengan
hasil kali harga (p) dan kuantitas (q). Suatu indeks
dikatakan memenuhi factor reversal test apabila
memenuhi persamaan berikut ini :
I(t,0)p x I(t,0)q = I(t,0)v
(indeks harga x indeks kuantitas = indeks nilai)
Pendeflasian Data Berkala
Data berkala, menunjukkan perkembangan
mengenai kegiatan dari waktu ke waktu.
Perkembangan kegiatan yang dinyatakan/dinilai
dengan mata uang (bukan dengan fisik), sering
menyesatkan kita, artinya perkembangan yang
dinilai dalam mata uang kemungkinan besar
menunjukkan kenaikan yang hebat, padahal
seringkali kenyataannya tidak demikian, karena
adanya pengaruh kenaikan harga(inflasi). Dengan
kata lain, secara riil kemungkinan kenaikan itu,
walaupun terjadi, sedikit sekali
Latihan pendeflasian data berkala
Rata-rata Upah Per IHK Tentukan
Tahun
Bulan (Jutaan Rp) (1980=100)
1985 1.19 95.5
perbandingan
1986 1.33 102.8 upah
1987 1.44 101.8 karyawan
1988 1.57 102.8 1985-1996 di
1989 1.75 111
1990 1.84 113.5 bandingkan
1991 1.89 114.4 tahun 1985
1992 1.94 114.8
1993 1.97 114.5
1994 2.13 116.2
1995 2.28 120.2
1996 2.45 123.5
LEMBAR KOSONG

108