Analisis Time S
Analisis Time S
* Menetapkan model peramalan dimasa yang akan datang, baik ramal-an jangka pendek
maupun jangka panjang.
Berikut ini akan diberikan satu analisis data deret waktu, yaitu analisis klasik atau analisis
dekomposisi. Analisis dalam kajian ini memperhatikan 4 faktor yang melekat dalam
mempengaruhi model yang akan dibentuk, yaitu :
* Pengaruh Tren : gerakan jangka panjang yang memiliki kecenderungan menuju suatu arah, yaitu
arah naik atau turun
* Pengaruh Musiman: gerakan jangka pendek, kurang dari 1 tahun, yang ber-ulang secara
teratur dari beberapa tahun pengamatan, seperti penjualan
daging sapi, akan terlihat jumlah pesanan yang cukup
meledak biasanya menghadapi lebaran, atau tahun baru.
Demikian pula tentang Jumlah permintaan buku tulis,
tampak sangat berbeda terjadi pada bulan-bulan
memasuku ajaran baru, seperti bulan Juli, dibandingkan
bulan-bulan lainnya. Maka dalam hal akan ada pengaruh
musiman bulanan.
* Pengaruh Siklis : gerakan jangka panjang yang memiliki unsure per-luasan
(expansian), puncak (peak), kemun-duran
(contraction) dan depresi (trough).
* Pengaruh Residu : atau disebut juga pengaruh randon, yaitu gerakan yang
bersifat acak atau tidak ber-aturan, sehingga tidak
dapat diprediksi sebelumnya. Seperti, terjadi
pengeboman gedung BEJ Jakarta, mengakibatkan
turun-nya transaksi saham pada saat itu dan
beberapa hari setelahnya.
Sehingga dalam hubungan ini suatu pemodelan data akan dapat dibentuk dalam suatu fungsi yang
berbentuk : Y = f (T, M, S, R)
Sehubungan dengan kebutuhannya, maka dalam pasal kajian kita ini hanya dibahas pengaruh Tren
dan Pengaruh musiman saja, dalam rangka menaksir bentuk model data.
(i). Tren Linier : gerak data membentuk garis lurus atau mendekatinya.
Yt Yt
0 t 0 t
(ii). Tren Non-Linier : gerak data membentuk garis lengkung yang beraturan.
Jenis Trend ini diantaranya :
Tren Parabola : Yt = ao + a1 ti + a2 ti2 ... (3)
Kurva Tren :
0 t 0 t
0 t 0 t
> Buatkan persamaan normal dari model linier, minimal 2 buah persamaan, yaitu :
(i). Yi = n. a + b ti
(ii). ti Yi = a ti + b ti 2
> Lakukan peng-Kodingan untuk data waktu (t), dibuatkan sedemikian rupa sehingga jumlah ti
atau t = 0 , sehingga :
===========================================
a = Yi / n dan b = ( ti Yi ) / ti 2 ... (10)
===========================================
n = jumlah periode waktu dari data pengamatan.
Contoh 1 :
Rekapitulasi penerimaan Koperasi "ANU" dari beberapa sumber penerimaan sejak tahun
1990 s.d 1996 tercatat sbb : (Y = jumlah penerimaan dalam jutaan rupiah )
Jika diasumsikan trend data penerimaan adalah linier, tentukan model trendnya.
Jawab: Untuk menaksir model trend, maka perlu dibentuk tabel perhitungan
berikut :
(ii). ti Yi = ao ti + a1 ti 2 + a2 ti 3
> Berdasarkan nilai koding tsb, maka persamaan normal diatas dapat ditulis :
Tahun 1993 1994 1995 1996 1997 1998 1999 2000 2001
Y 25 23 21 18 16 17 19 23 24
a. Taksirlah bentuk model trend data tersebut.
b. Berapa ramalan kelahiran tahun 1980 ?
Penyelesaian :
Bentuk dahulu tabel perhitungan yang dibutuhkan dalam persamaan normalnya, yaitu
:
(i). 186 = 9 ao + 60 a2
(ii). -9 = 60 a1
(iii). 1393 = 60 ao + 708 a2
Dengan langkah subsitusi atau eliminasi, diperoleh hasilnya sbb :
Bentuk ini akan lebih mudah jika dilakukan penyederhanaan : dibuatkan bentuk logaritmanya
jika : log Yt = Zi
log a = A log b = B
maka : Zi = A + B ti
Bentuk terakhir disamping adalah bentuk linier, dengan mengikuti langkah pada penyelesaian
Tren Linier kita akan dapatkan taksiran untuk koefisien a maupun b, yaitu
(Buktikan ! )
Dengan cara yang sama seperti taksiran dalam bentuk tren eksponensial, maka taksiran
koefisien model trennya adalah sbb :
(Buktikan ! )
3. Hitung rata-rata untuk waktu pengamatan yang sama dari beberapa tahun yang
diselidiki, nilai hasil hitungan disebut Indeks Musiman Sementara (IMS).
4. Periksa nilai IMS, jika waktu yang diamati data bulanan haruslah berjumlah
1200 untuk setiap tahun penyelidikan. Jika tidak, perlu disesuaikan dengan
mengalikan oleh faktor penentu (p), dimana ; p = 1200/IMS
Contoh : Frekuensi pemanfaatan jasa tabanas di bank Epsilon selama 3 tahun terakhir,
berdasarkan pengamatan perbulan diketahui sbb :
Periode IMS
Januari 87.17
Pebruari 86.63
Maret 95.36
April 98.26
MeI 103.77
Juni 107.78
Juli 106.15
Agustus 101.29
September 100.33
Oktober 103.13
November 106.11
Desember 104.04
Jumlah 1200.00
Karena Total IMS atau : IMS = 1200, maka nilai IMS berlaku otomatis sebagai nilai
IM atau besar pengaruh musiman setiap periodenya.
IM(Agustus)= 100,33 artinya hampir dapat dikatakan tidak ada atau tidak terdapat
pengaruh musiman.
-
IM(Desemb)= 104,04 artinya terdapat pengaruh musiman sebesar 4,04% diatas rata-rata.
Terlihat bahwa : Pengaruh musiman sangat besar atau tinggi terjadi pada bulan :
Januari dan Pebruari.
SOAL-SOAL LATIHAN
Kasus-1 :
Data Berikut menyatakan tinjauan tentang perkembangan usaha dagang “CV. Angin Ribut “
untuk beberapa komiditi yang dijalankan selama tahun 2000-2001
a. Buatkan gambar plot perkembangan data kedua komoditi dagang perusahaan tersebut.
d. Hitunglah pengaruh musiman yang terjadi pada perkembangan dagang komoditi Beras
maupun Gula.