ANALISIS DATA BERKALA

OLEH:
YULISMAN ZEGA, M.SI

PERTEMUAN 9 - 10
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS NIAS
2022
A.Pengertian Analisis Deret Berkala
Data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan perkembangan suatu kegiatan, seperti:
data penjualan perusahaan, jumlah produksi sebuah
pabrik, perubahan harga, biaya promosi sebuah
perusahaan, jumlah penduduk suatu daerah, data
kunjungan pasien suatu rumah sakit, data kelahiran.
Merupakan rangkaian suatu variabel yang disusun
berdasarkan jangka waktu. Serangkaian data yang
terdiri dari variabel Yi yang merupakan
serangkaian hasil observasi dan fungsi dari
variabel Xi yang merupakan variabel waktu yang
bergerak secara seragam dan ke arah yang sama,
dari waktu yang lampau ke waktu yang
mendatang.
Data berkala atau runtun waktu adalah serangkaian
pengamatan terhadap peristiwa, kejadian atau variabel
yang diambil dari waktu ke waktu, dicatat secara teliti
menurut urut-urutan waktu terjadinya, kemudian disusun
sebagai data statistik. Dari suatu runtut waktu akan dapat
diketahui pola perkembangan suatu peristiwa, kejadian
atau variabel. Jika perkembangan suatu peristiwa
mengikuti suatu pola yang teratur, maka berdasarkan pola
perkembangan tersebut akan dapat diramalkan peristiwa
yang bakal terjadi dimasa yang akan datang.
Jika nilai variabel atau besarnya gejala (peristiwa)
dalam runtut waktu (serangkaian waktu) diberi
simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan
nilai variabel (peristiwa) diberi simbol X1, X2,
..Xn maka rutut waktu dari nilai variabel Y dapat
ditunjukan oleh persamaan Y = f (X) yaitu
besarnya nilai variabel Y tergantung pada waktu
terjadinya peristiwa itu.
Pola gerakan runtut waktu atau deret berkala dapat
dikelompokan kedalam 4 (empat) pola pokok. Pola ini
bisanya disebut sebagai komponen dari deret berkala
(runtut waktu). Empat komponen deret berkala itu adalah:
a) Trend, yaitu gerakan yang berjangka panjang yang
menunjukkan adanya kecenderungan menuju ke satu
arah kenaikan dan penurunan secara keseluruhan dan
bertahan dalam jangka waktu yang digunakan sebagai
ukuran adalah 10 tahun keatas.
b) Variasi Musim, yaitu ayunan sekitar trend yang
bersifat musiman serta kurang lebih teratur.
c) Variasi Siklus, yaitu ayunan trend yang
berjangka lebih panjang dan agak lebih teratur.
d) Variasi Yang Tidak Tetap (Irreguler), yaitu
gerakan yang tidak teratur sama sekali.
Trend digunakan dalam melakukan peramalan
(forecasting). Metode yang biasanya dipakai,
antara lain adalah Metode Kuadrat Terkecil
(Metode Least Square) dan Metode Setengah
Rata-rata (Metode Semi Average).
B. Metode Kuadrat Terkecil
Metode ini paling sering digunakan untuk
meramalkan Y, karena perhitungannya lebih teliti.
Persamaan garis trendnya dari metode kuadrat terkecil
ialah:
Y = a0 + bx
Dimana: a = ∑Y / n
b = ∑XY / ∑X2
Keterangan:
Y = data berkala (time series)
a0 = nilai trend pada tahun dasar.
b = rata-rata pertumbuhan nilai trend tiap tahun.
x = variabel waktu (hari, minggu, bulan atau tahun).
Untuk melakukan penghitungan, maka harus memenuhi
syarat:
a) ΣX = 0
b) Jarak diantara data / tahun harus sama / konsisten.
Cara mencari nilai / angka X untuk variabel waktu antara data
genap dan data ganjil, caranya sebagai berikut:
Untuk n ganjil maka:
• Jarak antara dua waktu diberi nilai satu satuan.
• Di atas 0 diberi tanda negatif
• Dibawahnya diberi tanda positif.
Untuk n genap maka:
• Jarak antara dua waktu diberi nilai dua satuan.
• Di atas 0 diberi tanda negatif
• Dibawahnya diberi tanda positif.
Dari data tersebut akan dibuat peramalan
penjualan dengan menggunakan Metode least
Square.
Penyelesaian:
Misal ramalan penjualan untuk tahun 2015 s/d
2019.
Y2015 s/d Y2015 = …..?
Terlebih dahulu dicari X untuk tahun 2015,
dengan melanjutkan tabel sebelumnya, maka X
untuk tahun 2015 s/d 2019 adalah:
Tahun 2015 ⟹ 3 Maka perhitungannya adalah:
Tahun 2016 ⟹ 4 Y2015 = 152 + 10(3)
Tahun 2017 ⟹ 5 Y2015 = 182
Y2016 = 152 + 10(4)
Tahun 2018 ⟹ 6 Y2016 = 192
Tahun 2019 ⟹ 7 Y2017 = 152 + 10(5)
Y2017 = 202
Y2018 = 152 + 10(6)
Y2018 = 212
Y2019 = 152 + 10(7)
Y2019 = 222
Sehingga ramalan penjualan untuk tahun
berikutnya adalah:
2) Untuk jumlah data genap:
Data genap tidak memiliki data pas ditengah tetapi
data tengahnya berada diantara dua data /
bilangan, maka cara untuk mencari variabel X
sebagai variabel waktu, lihat contoh dibawah ini:
Data Penjualan (Unit ) PT. Sempana Tahun 2005 -
2010
Penyelesaian:
Analisis Menggunakan Metode Least Square
Mencari nilai a dan b:
a = ΣY / n = 945 / 6 = 157,5
b = ΣXY / ΣX2
= 365 / 70 = 5,21

Persamaan trendnya adalah:

Y = 157,5 + 5,21X
Metode Setengah Rata-rata
Metode trend setengah rata-rata menentukan
bahwa untuk mengetahui fungsi Y = a + bx, semua
data dibagi menjadi dua kelompok.
a. Metode Setengah Rata-rata dengan data dalam
jumlah genap.
b. Metode Setengah Rata-rata dengan data dalam
jumlah ganjil.
Persamaan trendnya adalah sebagai berikut:
b = (Y2 - Y1) / n
Keterangan:
b = perubahan nilai variabel setiap tahun
Y1 = rata-rata kelompok pertama
Y2 = rata-rata kelompok kedua
n = periode tahun antara tahun A

Contoh:
1) Data Genap Kelompok Genap
Langkah-langkah penyelesaian sebagai berikut:
 Mengelompokkan data menjadi 2 kelompok.
 Menentukan periode dasar. Misalnya diasumsikan
periode dasar menggunakan tahun tengah data tahun
kelompok I sehingga periode dasar terletak antara tahun
2003 dan tahun 2004.
 Menentukan Angka Tahun. Karena periode dasar
berangka tahun x = 0 dan terletak antara tahun 2003 dan
2004, maka angka tahun untuk tahun 2003 adalah: -1
dan angka tahun 2004 adalah: 1.
 Menentukan nilai Semi Total yakni Jumlah total
penjualan masing-masing kelompok.
 Menentukan Semi average tiap Kelompok data
yaitu dengan cara membagi semi total dengan
banyak data dalam kelompok.
 Menentukan trend awal tahun yaitu dengan
mengurangkan semi average kelompok 2
dengan semi average kelompok 1 dan
membagi dengan banyak data.
Penyelesian:
Semi Total:
a) Kelompok I:
= 861.150 + 766.572 + 762.795 + 757.399 + 732.609
+ 794.931 = 4.675.456
b) Kelompok II:
= 802.810 + 853.615 + 965.164 + 1.048.934 +
893.124 + 964.221 = 5.527.868
Semi Rata-rata:
a) Kelompok I:

= 779.243
a) KelompokII:

= 921.311
Trend Awal Tahun:
Rumus Persamaan trendnya: b = (Y2 - Y1) / n
b = (921.311 − 779.243)/6
b = 23.678
Maka rumus peramalan yang digunakan yaitu:
Y’= a + b(X)
Y’= 779.243 + 23.678X
Misalkan untuk meramal pada tahun 2017
Maka: X = 27
Y2017 = a + b(X)
= 779.243 + 23.678(27)
= 779.243 + 639.306
Y2017 = 1.418.549
Jadi, dapat diramalkan untuk tahun 2017 produksi
padi Indonesia yaitu 1.418.549 ton.
2) Data Genap Kelompok Ganjil
Analisis data dilakukan dengan cara sebagai
berikut:
 Mengelompokkan data menjadi 2 kelompok.
 Menentukan periode dasar. Misalnya periode
dasar menggunakan tahun tengah data tahun
kelompok II.
 Menentukan Angka Tahun. Karena periode
dasar tahun 2009 berangka tahun x = 0
 Menentukan nilai Semi Total yakni Jumlah
total penjualan masing-masing kelompok.
 Menentukan Semi rata-rata tiap kelompok
data.
 Menentukan trend awal tahun.
 Untuk menentukan peramalan gunakan
rumus yang dijadikan sebagai kelompok 1
Penyelesaian:
Semi Total:
a) Kelompok II:
= 938.293 + 772.818 + 861.150 + 766.572 + 762.795 +
757.399 + 732.609
= 5.591.636
b) Kelompok I:
= 794.931 + 802.810 + 853.615 + 965.164 + 1.048.934 +
893.124 + 964.221
= 6.322.799
Trend Awal Tahun:
Rumus Persamaan trendnya: b = (Y2 - Y1) / n
b = (903.257 − 798.805)/7
b = 14.921
Maka rumus peramalan yang digunakan yaitu:
Y’= a + b(X)
Y’= 798.805 + 14.921x
Misalkan untuk meramal pada tahun 2015, Maka: X = 6
Y2015 = a + b(X)
= 798.805 + 14.921(6)
Y2015 = 868.769
3) Data Ganjil
Langkah pengerjaan untuk data ganjil, yaitu:
a) Jumlah deret berkala dikelompokkan menjadi 2
bagian yang sama dengan cara memasukkan
periode tahun serta nilai deret berkala tertengah
ke dalam tiap kelompok, dengan rumus:
b = (Y2 – Y1) / n – 1
b = (408.992 - 360.069) / 7 – 1
= 48.923 / 6
b = 8.154
Untuk meramalkan tahun berikutnya, terlebih
dahulu mencari nilai “X”, dengan menggunakan
persamaan:
Y’ = 360.069 + 8.154X
Misal: Produksi kentang pada tahun 2013 = …?
Jawab: X untuk tahun 2013 adalah: 10
Maka: Y2013 = 360.069 + 8.154(10)
Y2013 = 441.609
b) Jumlah deret berkala dikelompokkan menjadi 2 bagian
yang sama dengan cara menghilangkan periode tahun
serta nilai deret berkala tertengah.
b = (Y2 - Y1) / n + 1
= (411.929 – 354.852) / 6 + 1 = 8.154
Perhitungan untuk prediksi tahun berikutnya seperti
contoh soal sebelumya.
Jadi rumus peramalan/prediksi yang digunakan untuk
tahun selanjutnya adalah:
Y’ = a + b(X)
Y’ = 354.853 + 8.154(X)
Misal: Produksi kentang pada tahun 2013 = …?
Jawab: X untuk tahun 2013 adalah: 21
Maka: Y2013 = 354.853 + 8.154(21)
Y2013 = 526.087
Jadi produksi kentang pada tahun 2013 adalah: 526.087 ton.