Nama : Muhammad Akrom

NIM : 43118010263
Dosen : Ibu Rona Tumiur Mauli C. Simorangkir, SE., MM

TUGAS RANGKUMAN STATISTIKA BAB 6

Pada bab ini akan dibahas tentang analisis deret berkala dan peramalan Yang dengan deret
berkala (time series) adalah sekumpulan data yang dicatat dalam sana per waktu Contoh
data pemakaian pulsa telepon seluler pelanggan Telkom tahun 2003-201 data pertumbuhan
ekonomi Indonesia tahun 2000-2012, data penjualan PT Astra Agro Na tahun 1998-2006,
dan data produksi padi setiap musim tahun 2007-2012.

Mengapa diperlukan analisis data masa lalu? Pertanyaan ini telah dijawab oleh ah ekonomi
Nerlove (Gujarati, 1995) bahwa perilaku manusia banyak dipengaruhi kondisi atas waktu
sebelumnya. Mengapa orang memborong beras? Karena sebelumnya harga sudah naik.
Mengapa orang tidak memilih saham suatu perusahaan? Karena harga sahamnya terus
menurun. Oleh karena alasan baik psikologis maupun teknis, seseorang atau lembaga
membuat keputusan berdasarkan data dan kondisi sebelumnya.

Analisis Tren

Deret berkala mempunyai empat komponen, yaitu tren (kecenderungan), variasi musim
variasi siklis, dan variasi yang tidak tetap (irregular variation). Berikut dibahas s kongoten
tersebut. и

6.2.1 Tren

Tren adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata atau mula
(smooth). Tren data berkala bisa berbentuk tren yang meningkat dan menurun secara mulus
Tren yang meningkat disebut tren positif dan tren yang menurun disebut tren negati Tren
menunjukkan perubahan waktu yang relatif panjang dan stabil. Kekuatan yang dapet
memengaruhi tren adalah perubahan populasi, harga, teknologi, dan produktivitas. Berik
contoh tren positif dan negatif.

Tren Positif

Tren positif mempunyai kecenderungan nilai ramalan (Y) meningkat dengan meningkatnya
waktu (X). Persamaan tren positif adalah:

Y'=a+bX

Di mana a = konstanta dan b adalah tingkat kecenderungan. Apabila X naik I satuan, maka
Y' akan naik sebesar b satuan. Tren positif mempunyai slope/gradien/kemiringan garis yang
positif, yaitu dari bawah ke atas.
Contoh tren positif adalah jumlah pelanggan PT Telkom. Pelanggan PT Telkom terus
meningkat dari 10,09 juta pada tahun 2001 menjadi 171 juta pada tahun 2012.

Tren Negatif

Tren negatif mempunyai kecenderungan nilai ramalan (Y) menurun dengan meningkatnya
Tren waktu (X). Persamaan tren negatif adalah:

Y'a-bX

Di mana a = konstanta dan b adalah tingkat kecenderungan. Apabila X naik 1 satuan, maka
Y' akan turun sebesar b satuan. Tren negatif mempunyai slope/gradien/kemiringan garis
yang negatif yaitu dari atas ke bawah. Contoh tren negatif adalah jumlah orang yang tidak
bersekolah. Seiring kesadaran

orang Indonesia untuk meraih masa depan yang lebih baik melalui pendidikan, maka jumlah

orang yang tidak bersekolah makin menurun. Pada tahun 2002 terdapat ada 12 juta orang

dan pada tahun 2006 jumlahnya tinggal 8 juta orang.

6.2.2 Metode Analisis Tren

Untuk melakukan peramalan dengan analisis tren terdapat beberapa cara yaitu

1. Metode semi rata-rata (semi average method)2. Metode kuadrat terkecil (least square
method)

3. Metode tren kuadratis (quadratic trend method)

4. Metode tren eksponensial (exponential trend method)

1. Metode Semi Rata-Rata (Semi Average Method)

Metode semi rata-rata membuat tren dengan cara mencari rata-rata kelompok dataLangkah-
langkah dalam memperoleh garis tren dengan metode ini adalah:

a. Mengelompokkan data menjadi dua bagian. Jika jumlah data ganjil, maka nilai yang

di tengah dapat dihilangkan atau dihitung dua kali yaitu I bagian menjadi kelompok

pertama dan 1 bagian menjadi kelompok kedua.

b. Menghitung rata-rata hitung kelompok pertama K_{1} dan kelompok kedua

K_{2}*K_{1}diletakkan pada tahun pertengahan pada kelompok I dan K_{2} diletakkan pada
tahunpertengahan pada kelompok 2. Nilai K_{1} dan K_{2} merupakan nilai konstanta (a)
danletak tahun merupakan tahun dasar. Nilai K_{1} dan K_{2} menjadi intersep pada
persamaan trennya.
c. Menghitung selisih K_{2} - K_{1} , apabila K_{2} - K_{1} > 0 berarti tren positif dan bila
K_{2} < K_{1}maka trennya negatif.
d. Nilai perubahan tren (b) diperoleh dengan cara:
b= K-K
th dasar 2-th dasar 1

E. Untuk mengetahui besarnya tren selanjutnya, tinggal memasukkan nilai (X) pada
persamaan Y^ prime prime = a + bX yang sudah ada.

2. Metode Kuadrat Terkecil (Least Square Method)

Tren dengan metode kuadrat terkecil diperoleh dengan menentukan garis tren yang
Mmempunyai jumlah terkecil dari kuadrat selisih data asli dengan data pada garis
trenApabila Y menggambarkan data asli dan y merupakan data tren, maka metode
terkecildirumuskan Sigma ( gamma- gamma^ prime prime )^ 2 . Tren dengan metode
terkecil dapat digambarkan pada halamanberikut. Nilai tren dilambangkan DJ, sedang data
asli Y dilambangkan A. sehingga kuadratterkecil Sigma (Y-Y^ prime prime )^ 2 =
Sigma( Delta- Box) Perlu diingat bahwa sifat dari nilai rata-rata bitung SOY- 1 ^ prime
prime )sama dengan 0, sehingga supaya berarti nilai tersebut dikuadratkan.Rumus garis
tren dengan metode kuadrat terkecil adalah

Y' = a + bX

Di mana:

Y: Nilal tren
a: Nilai konstanta yaitu nilai Y pada saat nilai X = 0b: Nilai kemiringan yaitu tambahan nilai
Y, apabila X bertambah satu satuan
X: Nilai periode tahun

3. Metode Tren Kuadratis (Quadratic Trend Method)

Untuk tren yang sifatnya jangka pendek dan menengah, kemungkinan tren akan mengikuti
Tren pola linear. Namun demikian, dalam jangka panjang pola bisa berubah tidak linear.
Oleh sebab itu, apabila polanya tidak linear dan diduga dengan persamaan linear, hasil
ramalannya akan berbeda atau tidak cocok. Salah satu metode yang tidak linear adalah
metode kuadratis.

Persamaan tren kuadratis dirumuskan sebagai berikut:

Y'=a+bX+cX2

4. Metode Tren Eksponensial (Exponential Trend Method)

Tren eksponensial adalah suatu tren yang mempunyai pangkat atau eksponen dari
waktunya. Tren
Bentuk persamaan eksponensial dirumuskan sebagai berikut:

Y = a * (1 + b) ^ 3

6.3 Analisis Variasi Musim

Apabila tren berhubungan dengan jangka menengah dan panjang, maka variasi musiman
berhubungan dengan perubahan atau fluktuasi dalam musim-musim tertentu atau tahunan
Variasi musiman menjelaskan fluktuasi dalam satuan bulanan atau triwulan atau semester
dalam satu tahun, Berikut contoh variasi musim

Tiga kasus tersebut dapat memperjelas bahwa variasi musim bisa terjadi triwulan, bulanan,
bahkan harian, Variasi musim dari sisi waktu lebih pendek dari tren (kurang dari satu tahun).
Oleh sebab itu, variasi musiman perlu mendapatkan perhatian untuk peramalan dalam
rangka menyusun perencanaan jangka pendek,

Ada beberapa metode perhitungan untuk mengetahui variasi musim yaitu dengan

mengetahui indeks musim. Beberapa metode tersebut adalah:

a. Metode rata-rata sederhana,

b. Metode rata-rata dengan tren, c. Metode rasio rata-rata bergerak,

6.3.1 Metode Rata-Rata Sederhana

Metode rata-rata sederhana mengasumsikan bahwa pengaruh tren dan siklus yang tidak
beraturan tidak besar dan dapat dianggap tidak ada. Indeks musim hanya berdasarkan pada
data aktual dan nilai rata-ratanya saja. Indeks musim dirumuskan sebagai berikut:

Indeks musim

Rata-rata per kuartal x 100

Rata-rata total

6.3.2 Metode Rata-Rata dengan Tren

h. Men

Metode rata-rata dengan tren adalah metode rata-rata yang disesuaikan denge ta lë musim
pada metode rata-rata dengan tren merupakan perbandingan antara millal data all dengan
nilai tren. Oleh sebab itu, nilai tren harus diketahui lebih dahul

Indeks masim metode rata-rata dengan tren dirumuskan sebagai berikut

M
Nilai data asli

Indeks musim =

x100

Nilai tren

6.3.3 Metode Rasio Rata-Rata Bergerak

Metode rasin r rata-rata berger Metode rasio rata-rata bergerak (ratio to moving average
method) adalah metode yang bergerak mem dilakukan dengan cara membuat rata-rata
bergerak selama periode tertentu. Untuk membuat rata-rata tidak ada ketentuan berapa
periode (n). Nilai n bisa 2, 3, 4, atau 12 selama periode tergantung pada kondisi pengaruh
fluktuasi musiman Indeks musim metode rasio rata-rata bergerak dirumuskan sebagai
berikut:

Indeks musim = Nilai rasio x Faktor koreksi

Di mana

Nilai rasio : Data asli / Data rata-rata bergerak

Faktor koreksi = (100 x n )/Jumlah rata-rata rasio selama n

6.4 Analisis Variasi Siklus

Sejauh ini sudah dipelajari komponen deret berkala, yaitu T (tren) dan S (variasi musim)
Variasi sis dart 4 komponen deret berkala, yaitu Y-TxSxCxI. Bagian ini akan mengkaji siklus
d (C) Siklus yaitu suatu perubahan atau gelombang naik dan turun dalam suatu periode. dan
berulang pada periode lain.

6.4.1 Indeks Siklus

Perekonomian sebagaimana gelombang dalam fisika juga mengalami siklus dari rese
pemulihan (recovery), ledakan (boom), dan krisis. Suatu siklus biasanya mempunyai periode
tertentu untuk kembali ke titik asal. Periode ini dikenal dengan lama siklus, pada contoh
lama siklus 4 tahun. Siklus juga mempunyai frekuensi yaitu siklus yang dapat diselesaika
dalam satu periode waktu. Frekuensi = 1/lama siklus.

Bagaimana mencari indeks siklus? Kita ketahui bahwa komponen data berkala adalah

Y=TxSxCx1, Apabila Y. T. dan S diketahui, maka Cl dapat diperoleh dengan cara

Y/S = TxCxI
di mana TxCx 1 = menunjukkan data normal, untuk memperoleh faktor siklus, maka unsur
tren (T) dikeluarkan dari data normal, sehingga faktor siklus menjadi:

CI = TCI/T

Analisis Gerak Tak Beraturan

Gerak tak beraturan (irregular movement-IM) merupakan suatu perubahan berups kenaikan
dan penurunan yang tidak beraturan baik dari sisi waktu dan lama dari siklusnya. Banyak
penyebab dari gerakan tidak beraturan di antaranya adalah perang, krisis, dan bencana
alam.

6.5.1 Krisis Ekonomi

Krisis ekonomi di Indonesia yang dimulai tahun 1997 mencapai puncaknya pada tahun
1996. Inflasi mencapal 77% dari kisaran 10-15%. Suku bunga menembus angka 52% dari
kisaran 12-20%. Krisis menyebabkan gerakan inflasi dan suku bunga menjadi tidak
beraturan dan menjadi nilai yang sangat ekstrem.

Bagaimana mencari indeks gerak tak beraturan (1gtb)? Pada bagian siklus kita
mendapatkan faktor siklus (CI) dan siklus (C), sehingga dari nilai keduanya kita
mendapatkan I sebagai indeks dari gerak tak beraturan.

Y=TXSXCXI

TCI = Y/S

CI=TCI/T

1 = CI/C