ANALISIS DATA BERKALA

INDRA SUHENDRA
PENGANTAR
Sektor bisnis dan pemerintah kerap kali menggunakan
analisis statistik untuk informasi yang dikumpulkan
secara berkala selama jangka waktu yang luas,
khususnya untuk merencanakan kebijakan masa
depan mereka

Misalnya, memeriksa nilai penjualan atau tingkat

pengangguran yang dicatatat berdasarkan interval
tahunan, kuartalan atau bulanan dalam upaya untuk
memprediksi perilaku masa depan mereka.

Setiap rangkaian nilai-nilai yang diamati secara

berkala selama periode waktu yang disebut time
series.
Analisis dari data berkala mengandung masalah yang
kompleks karena banyak faktor variabel yang dapat
mempengaruhi perubahan.

Langkah pertama adalah untuk merencanakan pengamatan

pada scattergraph, yang berbeda dari scattergraphs yang
sudah dianggap sebelumnya, khususnya pada sumbu waktu
terhadap objek yang mereka diamati, dan variabel waktu
selalu variabel independen.
Scattergraph ini memberi kita petunjuk visual yang baik untuk
perubahan yang sebenarnya, tetapi sangat sedikit bantuan
dalam menunjukkan faktor komponen apa yang
menyebabkan perubahan ini atau dalam memprediksi
pergerakan masa depan variabel dependen.

Ahli statistik telah membangun sejumlah model matematika

untuk menggambarkan perilaku time series.
MISAL:
Sebuah pabrik yang mempekerjakan sejumlah orang dalam
memproduksi komoditas thermometer. Selama setahun beberapa
karyawan akan absen karena berbagai alasan. Tabel berikut
menunjukkan jumlah hari hilang melalui sakit selama periode 5
tahun. Setiap tahun telah dipecah menjadi empat kuartal tiga bulan
MISAL:
Sebuah pabrik yang mempekerjakan sejumlah orang dalam
memproduksi komoditas thermometer. Selama setahun beberapa
karyawan akan absen karena berbagai alasan. Tabel berikut
menunjukkan jumlah hari hilang melalui sakit selama periode 5
tahun. Setiap tahun telah dipecah menjadi empat kuartal tiga bulan
Model-model matematika mengasumsikan bahwa
perubahan disebabkan oleh variasi dari empat faktor
utama;
 Trend (T);
 Seasonal Variations (S)
 Cyclical Fluctuations (C)
 Irregular or Random Fluctuations (I)

Model yang digunakan:

Y=T+S+C+I
C+I = R (Residual)
TREND (T)
Seasonal Variations (S)
 Cyclical Fluctuations (C)

 Irregular atau Random Residual (I)

 MENGHITUNG TREND
a. Graphical Method
b. Semi-Averages Method
 MENGHITUNG TREND
c. Least Squares Method
 MENGHITUNG TREND
c. Least Squares Method
 MENGHITUNG TREND
c. Least Squares Method
 MENGHITUNG TREND
d. Moving Averages Method
 MENGHITUNG TREND
d. Moving Averages Method
 MENGHITUNG TREND
d. Moving Averages Method
 MENGHITUNG SEASONAL VARIATIONS (S)
 MENGHITUNG SEASONAL VARIATIONS (S)
 MENGHITUNG RESIDUAL (R)
MULTIPLICATION MODEL
MULTIPLICATION MODEL
MULTIPLICATION MODEL
MULTIPLICATION MODEL
RESIDUAL (R)
Z CHART
Z CHART