RANGKUMAN MATA KULIAH

STATISTIKA EKONOMI DAN BISNIS

ANALISIS DERET WAKTU

Dosen Pembimbing:

I Gst Ayu Eka Damayanthi.S.E..Si.CRA.CRP

Disusun Oleh Kelompok 5:

1.Ni Wayan Widhasih (2307531245)

2. Ni Luh Sri Andini (2307531247)

3.Insani Kamilla Nathanicela (2307531206)

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA

TAHUN 2023
8.6 Tren Tan – Linear

Termasuk tren tan – linear antara lain (1) Tren Parabola, (2) Tren Eksponensial, dan (3)
Tren Kubik.

8.6.1 Tren Parabola

Bentuk tren parabola adalah

Y’ = a + bX + cX2

a adalah bilangan konstan

b dan c adalah angka koefisien

y’ = variabel terikat / variabel yang ditaksir

x = variabel bebas yaitu waktu

Dengan metode kuadrat terkecil ( Least square method ) persamaan tren tersebut dapat
dicari dengan terlebih dahulu menghitung nilai a,b dan c yaitu dengan cara menyelesaikan secara
simultan (ketiga) persamaan normal berikut:

Perhitungan akan menjadi lebih mudah jika pemberian kode pada nilai X i sedemikian rupa
sehingga ∑ 𝑋𝑖 = 0, 𝑚𝑎𝑘𝑎 ∑ 𝑋𝑖 3 juga nol (∑ 𝑋𝑖3 = 0), dan persamaan (8,10).(8,11) dan (8,12)
menjadi lebih sederhana sebagai berikut:

8.6.2 Tren Eksponensial

Bila tingkat perubahan per periode dari suatu variabel hampir tetap, untuk menentukan
persamaan dan nilai tren akan lebih tepat digunakan tren eksponensial.Tren eksponensial dapat
mengambil salah satu bentuk persamaan di bawah ini
1 Y = abx

2 Y = k + abx

3 Y = k.abx ( Persamaan Gompertz )

𝑘
4Y= (Persamaan Pearl-Red)
1+10 𝑎=𝑏𝑥

Berikut ini akan diuraikan tren eksponen,

Tren Eksponen

Y = abx

Persamaan (8.!6), dalam bentuk logaritma menjadi,

Log Y = log a + x log b

Dengan meminimumkan ∑(𝑌 𝑖 − 𝑌 ′ )2 melalui metode kuadrat terkecil didapat dua persamaan
normal sebagai berikut:

Dengan menge – nol-kan ∑ 𝑋𝑖,kedua persamaan normal tersebut menjadi dua persamaan yang
lebih sederhana yaitu:

8.7 Pedoman Memilih Tren

Untuk memperoleh hasil taksiran atau ramalan yang baik dan serangkaian data deret
waktu dimasa yang akan datang, selain kualitas data masa lampau diperhatikan, yang juga perlu
diperhatikan adalah tren yang dipilih guna mela kukan ramalan atau taksiran tersebutApakah
bentuk tren yang dipilih tersebutsudah tepat atau cocok untuk menggambarkan gerakan deret
waktu tertentu tersebut?
 Metode kuadrat terkecil (Least squares method) akan menghasilkan tren yang paling
cocok dibandingkan dengan metode-metode lainnyaUntuk se rangkaian data deret waktu
tertentu, tren linear dan tren non linear (parabolis, kubikeksponensial) akan memberikan jumlah
kuadrat penyimpangan nilai pengamatan dengan nilai tren yaitu ∑(𝑌𝑖 − 𝑌′2 yang berbeda.Tren
yang pa ling cocok atau tepat untuk serangkaian data deret waktu tertentu adalah tren yang
memberikan nilai (∑(𝑌𝑖 − 𝑌 ′ )2 terkecil.Misalkan, serangkaian data deret waktu dengan metode
kuadrat terkecil, persamaan trennya didekati berturut-turut dengan tren linear, tren parabolis,
eksponensial dan kubik.Misalkan pula, nilai ∑(𝑌𝑖 − 𝑌 ′ )2 dari tren linear sama dengan 200nilai
∑(𝑌𝑖 − 𝑌 ′ )2 dari tren parabolis sama dengan 150 dan nilai ∑(𝑌𝑖 − 𝑌 ′ )2 dari tren eksponensial
sama dengan 40. dan nilai ∑(𝑌𝑖 − 𝑌 ′ )2 dari tren kubik sama dengan 50. Maka tren yang paling
cocok atau tepat untuk dipilih untuk menggambarkan gerak data deret waktu tersebut adalah tren
eksponensial

Dengan cara lain yaitu secara kasarakan tetapi memberikan hasil tidak sebaik metode
kuadrat terkecil, yaitu dengan membuat diagram pencarnya (scatter diagram)jika titik-titik
nampak disekitar garis lurus, tren linear dapat digunakanJika tidak, tren tan-linear dapat
digunakanMungkin tren parabo- liskubik atau tren eksponensial

8.8 Variasi Musim

Variasi musim merupakan salah satu dari empat komponen deret waktu. yang berupa
gerakan berulang naik dan turun dalam jangka waktu kurang dari satu tahunVariasi musim dari
serangkaian deret waktu diukur setelah pengaruh tren, variasi siklis dan variasi residu
dihilangkanSerangkaian deret waktu dapat mempunyai variasi musim atau tidak.Ukuran dari
variasi musim disebut indeks musim. Indeks musim ini menyatakan tingkat penyimpangan data
secara individual terhadap nilai rata-ratanya (nilai normal)

Untuk mengetahui ada tidaknya variasi musim dalam serangkaian deret waktu, secara
sederhana (kasar) dapat dilihat dari ada tidaknya perbedaan (variasi) nilai individual (asli)
dengan nilai rata-rata untuk tiap tahun dalam jangka waktu lebih dari satu tahun. Pengunaan
tabel atau grafik sangat mem- bantu untuk melihat ada tidaknya variasi musim dalam
serangkaian deret waktu.

8.9 Metode Perhitungan Indeks Musim

Untuk mengukur penyimpangan data deret waktu musim secara individual terhadap
keadaan normalnya (rata-ratanya) digunakan indeks variasi musimIndeks variasi musim biasanya
disebut indeks musim sajaIndeks musim umumnya dinyatakan dalam bentuk persentase (%), dan
untuk menghitung- nya ada beberapa metode dapat digunakan (Gupta dan Gupta, 1983) yaitu:
 1. Metode rata-rata sederhana (Simple average method).
2. Metode relatif berantai (Link relative's method).
3. Metode rasio terhadap tren (Ratio to tren method).
4. Metode rasio terhadap rata-rata bergerak (Ratio to moving average's met- hod).

Berikut ini akan dibahas hanya tiga metode sajayaitu metode rata-rata seder- hana, metode relatif
berantai dan metode rasio terhadap rata-rata bergerak.

8.9.1 Metode Rata-rata Sederhana

Tahapan menghitung indeks musiman menurut metode ini adalah sebagai berkut:

1) Susunlah data tiap bulan atau tiap triwulan untuk masing-masing tahunKolom bulan /
triwulan vertikal dan kolom tahun horizontal
2) Carilah nilairata-rata tiap bulan atau triwulan untuk semua tahun (kolom 8 pada Tabel
8.14a) Tujuan utama dari mencari nilai rata-rata bulanan atau triwulan ini adalah untuk
menghilangkan fluktuasi / variasi residu dan variasi siklisSedangkan untuk deret waktu
yang relatif pendek pengaruh tren diabaikan.
3) Nilai rata-rata tersebut (pada kolom 8) dinyatakan dalam % terhadap total- nya (kolom
9Tabel 8.14a)
4) Nilai rata-rata yang telah dinyatakan dalam % inidikalikan 12 untuk indeks musim
bulanan, dan dikalikan 4 untuk indeks musim triwulan

8.9.2 Metode Relatif Berantai

Dengan metode ini data bulanan atau triwulan dinyatakan sebagai persentase dari data
pada bulan yang mendahuluinya. Persentase yang didapat dengan cara demikian disebut Link
Relative (relative berantai). Kemudian diambil rata-ratanya atau median dari persentase-
persentase tersebut untuk setiap bulan atau triwulan.

8.9.3 Metode Rasio Terhadap Rata-rata Bergerak Menghitung indeks musim dengan metode ini
caranya sebagai berikut.Untuk data bulanan, dihitung terlebih dahulu jumlah dari rata-rata
bergerak 12 bulan.Hasil rata-ratanya ternyata terletak antara tiap dua bulan. Agar rata-rata
tersebut tidak terletak antara tiap dua bulan, maka dihitung rata-rata bergerak dua bulan dari rata-
rata bergerak 12 bulan tadi.Nilai-nilai yang diperoleh itu di sebut rata-rata bergerak 12 bulan
yang dipusatkan. Selanjutnya nilai-nilai data ash dinyatakan dalam persen terhadap nilai-nilai
rata-rata bergerak 12 bulan yang dipusatkan tersebut. Nilai rata-rata dan data asli yang telah
dinyatakan da iam persen (%) terhadap nilai rata-rata bergerak yang dipusatkan, disesuaikan
terlebih dahulu (bila perlu), baru diperoleh indeks musim.
 DAFTAR PUSTAKA

Wirawan,Nata.2022.Statistika Ekonomi dan Bisnis (Buku 1:Statistika Deskriptif) .Denpasar:

Keraras Emas.