ANALISA TIME

SERIES

Disusun Oleh :
Ridho Prastio (C1C019097)
Rizkiyah Lestari (C1C019091)
 Definisi Analisa Time Series
01
MATERI
Analisa Laporan Keungan
02

Mengukur Pengaruh Tren

03

Metode-Metode Peramalan
04
Analisa Time Series
1. Definisi Analisa Time Series
Analisis time series adalah analisis perbandingan data den
gan data keuangan periode sebelumnya (perbandingan dengan
data historis).Forecasting digunakan untuk memproyeksikan kon
disi keuangan pada masa mendatang
Dalam analisa time series, perubahan-perubahan struktural
yang akan berpengaruh terhadap angka-angka keuangan harus
diperhatikan. Perubahan-perubahan struktural yang akan mem-p
engaruhi tren keuangan suatu perusahaan antara lain :
1. Peraturan Pemerintah;
2. Perubahan Kompetisi;
3. Perubahan Teknologi;
4. Akuisisi dan Marger (Pengabungan Perusahaan)
 Pendekatan Ekonomi

Dalam Analisis Time

Series, ada tiga Pendekatan Statistik
macam pendekatan
yang bisa dilakukan
Pendekatan Visual
Analisa Laporan
Keuangan
2. Analisa Laporan Keuangan
Dalam analisis time series, perhatian terhadap data historis
(ex-Post) sering digunakan untuk melihat pola-pola yang sistematik
terhadap data tersebut. Dalam konteks analisis historis semacam ini,
analisis mempunyai pilihan yang banyak terhadap faktor-faktor yang
diperkirakan akan mempengaruhi suatu variable. Dalam konteks
analisis masa mendatang (ex-Ante), seperti forecasting. Pilihan
seorang analis menjadi serba terbatas. Seorang analis tidka tahu
pasti berapa nilai faktor-faktor di atas, dia harus memperkirakan nilai
tersebut sebelum memperkirakan nilai variabel yang diteliti tersebut.
 Komponen Time Series

TREND

SIKLUS

Komponen
Time
Series
MUSIMAN

KETIDAKTERATURAN
/
 MENGUKUR
PENGARUH TREN
3. Mengukur Pengaruh Tren
Trend suatu data bisa dilihat dengan beberapa cara :
a. Menggambar dengan tangan
Penggambaran langsung bisa dilakukan dengan
menarik garis lurus disekitar data-data yang ada.
b. Menggunakan Model Matematika
Dengan menggunakan model matematik,garis tren bisa
dibuat dengan metode least square.
 Model least square dirumuskan sebagai berikut :
Yt = a + b X
A dan b dihitung dengan cara sebagai berikut :
a = ⅀(Y) / n
b = ⅀XY / ⅀X2
X = Variabel dependen yang dicari tren nya
Y = Variabel independen (bebas) dengan
menggunakan waktu
Contoh Soal :

Tahun Jumlah Penjualan PT.X

2010 Rp 100.000.000
2011 Rp 150.000.000
2012 Rp 250.000.000
2013 Rp 350.000.000
2014 RP 350.000.000
TOTAL Rp 1.150.000.000
TAHUN JUMLAH PENJUALAN (Y) TREN (X) X2 XY
2010 Rp. 100.000.000 -2 4 -Rp. 200.000.000
2011 Rp. 150.000.000 -1 1 -Rp. 150.000.000
2012 Rp. 250.000.000 0 0 Rp. 0
2013 Rp. 300.000.000 1 1 Rp. 300.000.000
2014 Rp. 350.000.000 2 4 Rp. 700.000.000
TOTAL Rp. 1.150.000.000 10 Rp. 650.000.000
Perhitungan :
a = Rp. 1.150.000.000/5 = Rp. 230.000.000
b = Rp. 650.000.000/10 = Rp. 65.000.000
masukan kepersamaan regresinya :
Y = Rp. 230.000.000 + Rp. 65.000.000X
Maka dicoba untuk menggambarkan data tahun selanjutnya :
Tahun 2015 :
Y = Rp. 230.000.000 + Rp. 65.000.000X
Y = Rp. 230.000.000 + Rp. 65.000.000*3
Y (2017) = Rp. 425.000.000
 
METODE-METODE
PERAMALAN
4. METODE-METODE PERAMALAN
UNIVARIATE MULTIVARIATE
MEKANISME Model rata-rata Model regresi
bergerak
NON-MEKANISME Pendekatan Visual Pendekatan Analis
Sekuritas
Model-model tersebut bukan saling menggantikan,
tetapi saling melengkapi. Pendekatan mekanis pada
dasarnya menggunakan teknik-teknis yang lebih
obyektif seperti statistik, dan cara tersebut
menggunakan model yang sama untuk setiap
forecast. Salah satu contoh cara mekanis tersebut
adalah model regresi. Dengan cara non-mekanis,
teknik yang digunakan relatif lebih tidak terdapat
hubungan yang pasti dan tetap antara data yang
dianalisis dengan peramalan yang dibuat. Sebagai
contoh, seorang analis bisa menggabugkan banyak
pertimbangan untuk menentukan garis trend yang dibuat
tangan. Faktor-faktor yang dipertimbangkan bisa diambil
dari faktor industri,pasar, kondisi ekonomi dan lainnya.
TERIMA KASIH