Statistika 1: Deret

Berkala
Kelompok 8
Peta Konsep

Analisis Tren 01 03 Analisis Variasi Siklus

Analisis Gerak Tak

Analisis Variasi Musim 02 04 Beraturan
Kelompok 8

Nabila Alima Faatin Siti Makromah Dwi Chandra

08040222118 08040222131 08040222132
 Analisis Deret Berkala
Suatu metode kuantitatif untuk menentukan pola data masa
lampau yang telah dikumpulkan secara teratur menurut urutan
waktu kejadian. Yang digunakan sebagai dasar pertimbangan
untuk forecasting dimasa yang akan datang.
 Analisis Tren
01
Analisis Tren
Analisis Tren merupakan suatu gerakan kecenderungan naik atau turun dalam jangka panjang
yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata atau mulus.
Tren memiliki 2 bentuk, yaitu:
✦ Tren Positif (Tren meningkat) ✦ Tren Negatif (Tren Menurun)

Rumus: Y = a + b.t Rumus: Y = a-b.x

Mempunyai kecenderungan nilai ramalan (Y')
meningkat dengan meningkatnya waktu (t). a=
konstanta dan b=tingkat kecenderungan
Apabila t naik sebesar 1 satuan maka Y' akan
NAIK sebesar b satuan.
Mempunyai kecenderungan nilai ramalan (Y')
menurun dengan meningkatnya waktu (t)
a= konstanta dan b-tingkat kecenderungan
Apabila t naik sebesar 1 satuan maka Y' akan TURUN
sebesar b satuan.
Keterangan:
✦ Y: nilai variabel Y pada suatu waktu tertentu
✦ A: perpotongan antara garis trend dengan sumbu
tegak (Y)
✦ B: kemiringan (slope) garis trend
✦ X: periode waktu deret berkala
Metode Dalam analis Tren:
✦ Metode semi Rata - rata
Membagi data menjadi 2 bagian. Menghitung rata-rata kelompok. Kelompok 1 (K1)
dan kelompok 2 (K2). Menghitung perubahan trend dengan rumus:
Tahun Pelangga Rata - Nilai X Nilai X
n Rata Th dasar Th dasar
2002 2005

2001 4,2 -1 -4
Y th 2002 = 4,93 + 0,58X
2002 5,0 4,93 0 -3
Y th 2005 = 6,67 + 0,58X
2003 5,6 1 -2
2004 6,1 2 -1
b = (6,67 – 4,93) / (2005/2002)
2005 6,7 6,67 3 0
= 0,58
2006 7,2 4 1
Metode Dalam analis Tren:
✦ Metode kuadrat kecil
Mentukan garis trend yang mempunyai jumlah tetkecil dari kuadrat selisih data asli dengan data
pada garis trendnya.

Y = a + b.x
a = Σ Y/N b=Σ YX/ X2
 Tahun Pelanggan (Y) Tahun (X) Y.X X²

2002 5,0 -2 -10,0 4

2003 5,6 -1 -5,6 1
2004 6,1 0 0 0
2005 6,7 1 6,7 1
2006 7,2 2 14,4 4
ΣY.X=5,5 ΣX²=10
ΣY=30,6

Nilai a = ΣY/n = 30,6/5 = 6,12

✦ Nilai b = ΣYX/ΣX² = 5,5/11 = 0,50
Jadi persamaan trend, Y = 6,12 + 0,50X
Metode Dalam analis Tren:
✦ Metode Tren Kuadratis
Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode kuadratis adalah contoh
metode nonlinear. Y = a + bX + cX2

Koefisien a, b, dan c dicari dengan rumus sebagai berikut:

✦ a =(åY) (åX4) – (åX2Y) (åX2)/ n (åX4) - (åX2)
✦ b =åXY/åX2
✦ c =n(åX2Y) – (åX2 ) ( åY)/ n (åX4) - (åX2)
Contoh Metode Kuadratis

Tahun Y X Y.X X² X²Y X⁴

2002 5,0 -2 -10,0 4,00 20,00 16,00

2003 5,6 -1 -5,6 1 5,60 1,00
2004 6,1 0 0 0 0,00 0,00
2005 6,7 1 6,7 1 6,70 1,00
2006 7,2 2 14,4 4 28,80 16,00
30,60 5,50 10,00 61,10 34,00

Jadi Persamaan Kuadratisnya adalah

Y = 6,13 + 0,55X – 0,0017X²
Metode Dalam analis Tren:
✦ Metode Tren Eksponensial
Persamaan eksponensial dinyatakan dalam bentuk variabel waktu (X) dinyatakan
sebagai pangkat. Untuk mencari nilai a, dan b dari data Y dan X, digunakan
rumus sebagai berikut: Y’ = a (1+b)X
Contoh Metode Eksponensial

Tahun Y X Ln Y X² X Ln Y

2002 5,0 -2 1,6 4,00 -3,2

2003 5,6 -1 1,7 1 -1,7
2004 6,1 0 1,8 0 0,0
2005 6,7 1 1,9 1 1,9
2006 7,2 2 2,0 4 3,9
30,60 9,0 10,00 0,9
“Suatu persamaan tren dikatakan baik jika dapat digunakan
untuk menduga nilai tren selanjutnya dengan tepat, baik dan
menghasilkan derajat kesalahan yang lebih kecil. Ukuran
ketepatan dalam memilih trend yang terbaik dalah nilai
selisih antara data dengan peramalan Σ(Y-Y’)² yang paling
kecil..”

Metode Tren yang lebih baik

02 Analisis Variasi Musim
Analisis Variasi Musim
Variasi musiman juga merupakan fluktuasi periodik, tetapi periode waktunya sangat singkat
yaitu satu tahun atau kurang. Sebagai contoh, penjualan secara eceran untuk kebutuhan alat-alat
mandi cenderung lebih tinggi pada saat musim semi (spring) dan lebih rendah pada musim
dingin (winter).

Ada beberapa metode perhitungan untuk mengetahui variasi musim yaitu dengan mengetahui
indeks musim. Beberapa metode tersebut adalah:

• Metode Rata-rata Sederhana

• Metode Rata-rata dengan Tren

• Metode Rasio Rata-Rata Bergerak

Berikut variasi musim terkait dengan perubahan atau fluktuasi dalam
musim- musim atau bulan tertentu dalam 1 tahun.

Musim Produksi Variasi Inflasi Variasi Harga saham

Pertanian Bulanan harian
Variasi dengan metode rata – rata sederhana
Indeks musim dirumuskan sebagai berikut: Indeks Musim = (Rata-rata per kuartal/rata-
rata total) x 100.
✦ Contoh penggunaan metode rata-rata sederhana pada nilai penjualan Padi dalam setiap
bulan.
✦ Berikut adalah data produksi padi per triwulan untuk tahun 2008-2012. Hitunglah indeks musim setiap
triwulan.

Tahun Produksi Triwulan I Triwulan II Triwulan III

2008 60,33 1,6 4,00 -3,2

2009 64,40 1,7 1 -1,7

2010 66,47 1,8 0 0,0

2011 69,06 1,9 1 1,9

2012 69,27 9,0 10,00 0,9

Dari tabel slide sebelumnya, dapat membuat rata – rata setiap triwulan dan totalnya.

Tahun Produksi Triwulan I Triwulan II Triwulan III

2008 60,33 1,6 4,00 -3,2
2009 64,40 1,7 1 -1,7
2010 66,47 1,8 0 0,0
2011 69,06 1,9 1 1,9
2012 69,27 9,0 10,00 0,9
Nilai Total 329,52 151,40 111,95 66,17
Rata - Rata 65,90 30,28 22,39 13,23
Rata-rata total 65,90 adalah untuk 1 tahun, sehingga untuk setiap triwulan harus dibagi dengan 3, menjadi 65,90/3 = 21,97.
Maka :
✦ Indeks Musim I = (Rata-rata Triwulan I x 100)/ Rata-rata total
= (30,28 x 100)/21,97 = 137,83
✦ Indeks Musim II = (Rata-rata Triwulan II x 100)/ Rata-rata total
= (22,39 x 100)/21,97 = 101,92
✦ Indeks Musim III = (Rata-rata Triwulan II x 100)/ Rata-rata total
= (13,23 x 100)/21,97 = 60,24
Metode Rata – rata dengan Tren
Nilai tren harus diketahui lebih dahulu. Indeks musim metode rata-rata dengan tren dirumuskan
sebagai berikut:

Indeksi Musim = (Nilai Data Asli x 100)/Nilai Tren

.
✦ Berikut adalah contoh perhitungan dengan Metode Tren

Bulan Penj.Unit(Y) Prediksi (X) XY X² Y²

Januari 95 -5,5 -522,50 30,25 87,94
Februari 80,4 -4,5 -361,80 20,25 90,97
Maret 108,9 -3,5 -381,15 12,25 94,00
April 80,9 -2,5 -202,25 6,25 97.03
Mei 109,6 -1,5 -164,40 2,25 100,06
Juni 92 -0,5 -46,00 0,25 103,09
Juli 122,1 0,5 61,50 0,25 106,11
Agustus 99 2,5 148,50 2,25 109,14
September 102 2,5 255,00 6,25 112,17
Oktober 121 3,5 425,95 12,25 115,20
November 119 4,5 535,50 20,25 118,23
Desember 124 5,5 683,30 30,25 121,26
TOTAL 1.255,2 433,20 143
 ✦ Kemudian indeks musimnya menjadi:

Bulan Penj.Unit(Y) Y² Indeks Musim Perhitungan

Januari 95 87,94 108,03 (95/87,94) x 100
Februari 80,4 90,97 88,38 (80,4/90,97) x 100
Maret 108,9 94,00 115,85 (108,9/94) x 100
April 80,9 97.03 83,38 (80,9/97,03) x 100
Mei 109,6 100,06 109,54 (109,6/100,06) x 100
Juni 92 103,09 89,25 (92/103,09) x 100
Juli 122,1 106,11 115,06 (122,1/106,11) x 100
Agustus 99 109,14 90,71 (99/109,14) x 100
September 102 112,17 90,93 (102/112,17) x 100
Oktober 121 115,20 105,64 (121,7/115,2) x 100
November 119 118,23 100,65 (119/118,23) x 100
Desember 124 121,26 102,75 (124,6/121,26) x 100
TOTAL 1.255,2
Metode Rata – Rata Bergerak
Metode rasio rata-rata bergerak (ratio to moving average method) adalah metode rasio yang
dilakukan dengan cara membuat rata-rata bergerak selama periode tertentu. Untuk membuat
rata-rata tidak ada ketentuan berapa periode (n).

Indeks musim metode rasio rata-rata bergerak dirumuskan sebagai berikut:

○ Indeks musim = Nilai rasio x Faktor koreksi
○ Nilai rasio = Data Asli/Data Rata-rata bergerak
○ Nilai Faktor Koreksi = (100 x n)/Jumlah rata-rata rasio selama n
✦ Contoh : Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3 triwulanan dari data produksi
padi berikut.

Triwulan
Tahun Produksi
I II III
2008 60,33 28,12 20,19 11,29
2009 64,40 29,51 22,46 12,43
2010 66,47 29,32 22,15 14,99
2011 69,06 32,13 23,54 13,38

2012 69,27 32,31 22,88 14,08

Lalu membuat rata – rata dan rasio dan rasio data asli dengan rata – rata bergerak
Tahun Triwulan Data asli Total Bergerak 3 Triwulan Rata-rata Indeks
Musim
2008 I 28,12
II 20,19 28,12+20,91+11,29=60,33 20,11 104,01
III 11,29 20,91+11,29+29,51=61,71 20,57 54,89
2009 I 29,51 11,29 +29,51+ 22,46=63,26 21,09 139,93
II 22,46 29,51 +22,46+12,43=64,40 21,47 104,65
III 12,43 22,46+12,43 +29,32=64,22 21,41 58,07
2010 I 29,32 12,43 +29,32 + 22,15=63,91 21,30 137,66
II 22,15 29,32+22,15+ 14,99=66,47 22,16 99,98
III 14,99 22,1514,99+ 32,13=69,28 23,09 64,92
2011 I 32,13 14,9932,13+ 23,54=70,67 23,56 136,41
II 23,54 32,13+23,54+13,3869,06 23,02 102,27
III 13,38 23,54+13,38+ 32,31=69,24 23,08 57,99
2012 I 32,31 13,38 +32,31+22,88=68,58 22,86 141,37
II 22,88 32,31+22,88+ 14,08=69,27 23,09 99,08
III 14,08
Lanjutanya :
1. Menentukan rata-rata bergerak dengan 3 triwulan penjumlahan triwulan pertama,
28,12+20,91+11,29=60,33.. Diletakkan pada triwulan 2 karena posisinya ada di tengah. Untuk jumlah total
triwulan selanjutnya bergerak yaitu meninggalkan triwulan I tahun 2008 dan masuk triwulan II tahun 2008,
sehingga menjadi 20,91 + 11,29 +29,51 =61,71.Diteruskan sampai selesai.

2. Membuat rata-rata bergerak. Jumlah penjumlahan selama 3 triwulan perlu dibuat rata-ratanya dengan cara
membagi jumlah pada kolom 4 dengan 3.

3. Membuat Indeks Musim dengan membuat rasio antara data asli dengan data rata- rata.
 Triwulan
Tahun
I II III
2008 104,01 54,89
2009 139,93 104,65 58,07
2010 137,66 99,98 64,92
2011 136,41 102,27 57,99
2012 141,37 99,08
Rata-rata 138,84 102,00 58,97

Kemudian menentukan faktor Koreksi.

Faktor Koreksi = (100 x n)/ Jumlah rata – rata = (100 x 3)/299,81 = 1,00006404

Indeks nilai musim kuartalan selanjutnya dikalikan dengan faktor koreksi

✦ Indeks Triwulan I = 138,84 x 1,00006404 = 138,9
✦ Indeks Triwulan II = 102,00 x 1,00006404 = 102,1
✦ Indeks Triwulan III = 58,97 x 1,00006404 = 59
Angka inilah yang akan digunakan untuk Peramalan.
03 Analis Variasi Siklus
Analisis Variasi Siklus
Variasi Siklus adalah fluktuasi pada time series yang berulang sepanjang waktu. Dengan periode
lebih dari satu tahun antara satu puncak ke puncak berikutnya. Siklus bisnis adalah sebuah
contoh dari fluktuasi jenis ini.

Y=TxSxCxI
Maka TCI= Y/S
CI= TCI/T
Dimana CI adalah Indeks Siklus
Contoh Siklus
 Analisis Gerak Tak
04 Beraturan
Analisis Gerak Tak Beraturan
Gerak tak beraturan (irregular movement-IM) merupakan suatu perubahan berupa 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.
Contoh Pergerakan Tak Beraturan
Any Question?
Pertanyaan: