DERET BERKALA ( TIME SERIES ) 

BAB VII
PENGERTIAN

 Jika variabel Yi merupakan serangkaian observasi dan merupakan variabel

waktu yang bergerak secara bersamaan ke arah yang sama, dari masa lalu ke
masa mendatang, maka serangkaian data yang terdiri dari dan yang
merupakan fungsi dari tersebut dinamakan sebagai deret berkala (time series)
atau data historis (historical data).

 Schumpeter merumuskan deret berkala sebagai variabel historis (historical

variables) dan merupakan hasil perpaduan antara pengaruh kekuatan-
kekuatan yang beraneka ragam. Faktor random dan non random (sistematis)
selalu ditemukan dalam variabel historis tersebut.
Komponen Deret Berkala

 Trend (T)
Trend (atau trend sekuler) adalah gerakan berjangka panjang yang menunjukkan
adanya kecenderungan kenaikan dan penurunan secara keseluruhan.
Komponen trend ini dapat ditunjukkan dengan garis regresi yang bersesuaian
dengan titik-titik time series baik yang slope (sudut) positif maupun negatif.

 Cyclical (C)
Komponen siklikal adalah fluktuasi pada time series yang berulang sepanjang
waktu, dengan periode lebih dari satu tahun antara satu puncak (peak) ke puncak
berikutnya. Siklus bisnis adalah sebuah contoh dari fluktuasi jenis ini. Kadang-
kadang, siklus dapat terjadi dalam ribuan tahun, misalnya temperatur global
merupakan sikuls 100,000 tahunan.
 Seasonal (S)

Komponen seasonal atau 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).
Demikian juga, department store biasanya mengalami puncaknya pada saat
menjelang hari Lebaran dan hari Natal, biro perjalanan pada saat liburan musim
panas, dan toko kelontong pada saat gajian para pegawai.
 Irregular (I)

Komponen ini memperlihatkan fluktuasi yang random atau “noise” sebagai

akibat adanya suatu perubahan yang mendadak, misalnya mogok kerja, embargo
minyak, kesalahan fungsi peralatan, atau kejadian lainnya baik yang
menguntungkan maupun yang merugikan. Variasi random ini dapat menyulitkan
kita dalam mengidentifikasi efek dari komponen yang lain (trend, siklus, dan
musim).
 Dalam model time series klasik, komponen-komponen tersebut dapat digabung dengan
berbagai cara. Dalam pembahasan ini, digunakan pendekatan multiplicative sebagai
berikut:

Y=T.S.C.I

Dimana :
 
Y = nilai yang diobservasi berdasarkan variabel time series
T = komponen trend
S = komponen musiman
C = komponen siklikal
I = komponen irregular
Trend
 Persamaan trend Linier
=a+bx atau = a – bx
keterangan :
x = waktu , merupakan variabel bebas
a = intersep, nilai perkiraan Y ketika x = 0
b = koefisien trend
= nilai yang diproyeksikan dari variabel Y

Metoda Analisis Trend

1. Semi Rata-rata ( Semi Average Method )
2. Metoda Kuadrat Terkecil ( Least Square Method )
3. Metode Tren Kuadratis ( Quadratic Trend Method )
4. Metode Tren Eksponensial ( Exponential Trend Method )
1. Metode Semi Rata-rata
a. Membagi data menjadi 2 bagian
b. Menghitung rata-rata kelompok. Kelompok 1 () dan kelompok 2 ()
c. Apabila - > 0 berarti trend positip dan bila < , maka trend
negatip
d. Menghitung perubahan trend ( b )dengan rumus:

b=

a=

jika tahun dasar dari maka nilai a dicari dari rata-rata y kelompok 1
dan jika tahun dasar dari maka nilai a dari rata-rata y kelompok 2.
Contoh

Tahun Jml Pelanggan Rata- Nilai X Nilai X

(Jutaan ) rata th dasar 2011 th dasar 2014
2010 4,2 -1 -4

K1 2011 5,0 4,93 0 -3

2012 5,6 1 -2

2013 6,1 2 -1

K2 2014 6,7 6,67 3 0

2015 7,2 4 1
b=

b = = 0,58

Jadi persamaan trend adalah :

1. = 4,93 + 0,58 x , dengan tahun dasar 2011 atau
2. = 6,67 + 0,58 x , dengan tahun dasar 2014
3. Buat data dari tahunan ke bulanan - y = (4,93 + 0,58 x/12 ):12
4. Buat y = semester x = triwulan -- y = (4,93 + 0,58 x/4):2
5. Y 2018 = 4,93 + 0,58 (7) =
6. Y 2018 = 6,67 + 0,58 (4) =
Cari persamaan tren dengan metoda
semi rata-rata
Tahun Jml konsumen Tahun dasar 2012 Tahun dasar K2
(K1)
2011 45 -1
12 K1 54 0 Rata-rata y =
51,33
13 55 1
14 67 2 -2
15 75 3 -1
16 K2 100 4 rata-rata y 0
=99,33
17 123 5 1
 B = (99,33 – 51,33): ( 2016 – 2012) = 12

 Y = 51,33 + 12 X ; tahun dasar 2012

 Y = 99,,33 + 12 X; tahun dasar 2016

 Y 2022 = 51,33 + 12 ( 10) = …

 Y 2022 = 99,33 + 12 ( 6) =
Tahun Y ( unit ) x1 x2
2013 12 -1,5
14 16 y1 = 17 -0,5
15 23 0,5
16 28 1,5 -2,5

17 39 2,5 -1,5
18 35 y2 = 39,7 3,5 -0,5
19 45 4,5 0,5
20 40 1,5
 B =( 99,3 – 51,3 )/( 2016 – 2012) = 12
 A = 51,3 tahun dasar 2012

 Pers= --- y = 51,3 + 12 x -- tahun dasar 2012 - buat x dan y ke semester
 y = 99,3 + 12 x --- tahun dasar 2016

 Y = ( 51,3 +12 x /2 )/2

 B = 39,7 – 17 / 92018 -2014 ) = 5,7
 Y = 17 + 5,7 x --- tahun dasar tahun 2014
 Y = 39,7 + 5,7 x -- tahun dasar 2018
2. Metoda Kuadrat Terkecil ( Least Square Method )
Menentukan garis trend yang mempunyai jumlah terkecil dari
kuadrat selisih data asli dengan data pada garis trendnya. Untuk
menentukan tahun dasar dengan melakukan transformasi waktu.
tujuan trasformasi waktu :
a. Tahun median sebagai tahun dasar
b. Tahun awal sebagai tahun dasar

a. Tahun median sebagai tahun dasar :

a= b=
Contoh 1.

tahun Jumlah pelanggan Kode X Y. X

( jutaan ) ( tahun )

2010 5,0 -2 -10.0 4

2011 5,6 -1 -5,6 1

2012 6,1 0 0 0

2013 6,7 1 6,7 1

2014 7,2 2 14,4 4

Total 30,6 5,5 10

 a = = = 6,12

b = = = 0,55

Jadi persamaan trend nya = = 6,12 + 0,55 x , dengan tahun dasar 2012 , x dan y dalam
tahunan.

Berapa jumlah pelanggan tahun 2018?

Tahun 2018 nilai x = 6, maka jumlah pelanggan nya = 6,12 + 0,55 ( 6) = 9,42

Tahun jadikan pada tahun 2015--- y2015 = 6,12 + 0,55 (3) = 7, 77

Sehinggan perm barunya -- y = 7,77 + 0,55X -- tahun dasarnya juni 2015
Perm x = semester ; y = semester ---- Y = ( 7,77 + 0,55 X/2)/2 --- Y = 3,85 +
0,1375X
Contoh 2.

Tahun Jumlah Kode X Y.X

pelanggan ( Tahun )
( jutaan )
2010 4,2 -2,5 -10,5 6,25

2011 5,0 -1,5 -7,5 2,25

2012 5,6 -0,5 -2,8 0,25

2013 6,1 0,5 3,05 0,25

2014 6,7 1,5 10,05 2,,25

2015 7,2 2,5 18,00 6,25

Total 34,8 10,30 17,50

 Nilai a = = = 5,80

 Nilai b = = = 0,59

 Jadi persamaan trend = = 5,80 + 0,59 x, tahun dasar 31 desember

2012 atau 1 Januari 2013 dimana y tahunan dan x adalah 1 tahunan.
b. Tahun awal sebagai tahun dasar .

b=

a=
CONTOH

Tahun Nilai Eksport Kopi Periode ( x) xy

(Y)/ Milyard Rp
2010 10 0 0 0
2011 8 1 1 8
2012 6 2 4 12
2013 13 3 9 39
2014 20 4 16 80
2015 28 5 25 140
2016 24 6 36 144
2017 27 7 49 189
2018 30 8 64 240
2019 26 9 81 234
Jumlah 192 45 285 1086
 b= = = 2,69

a= = ) = 7,09

Jadi persamaan Trend dengan pusat 1 juli 2010 adalah :

; dimana x dan y dalam satu tahunan
 ; dimana x dan y dalam satu tahunan

 Jika x dan di ubah menjadi bulanan maka persamaannya menjadi :

= 0,59 + 0,018x ; pusat 1 Juli 2010 ; dimana x dan y dalam bulanan

Ubah tahun dasar ke 2015 ? - Y 2015 = 7,09 + 2,69 ( 5 ) = 20,54
Maka perm baru dgn thn dasar 2015 - y = 20,54 + 2, 69X

Y 2025 ? --- y = 7,09 + 2, 69 x -- y = 7,09 + 2,69 ( 15 ) =

2025 - x = 15
Merubah/menggeser tahun dasar persamaan
trend

; dimana x dan y dalam satu tahunan

jika persamaan diatas degeser tahun dasarnya menjadi tahun 2015!

Maka dicari nilai trend 2015 -- dimana nilai x = 5,
Sehingga nilai trend nya :

; pusat 1 Juli 2015, x dan y tahunan

VARIASI MUSIM

 Variasi musim terkait dengan perubahan atau fluktuasi dalam musim-musim

atau bulan tertentu dalam 1 tahun.
 Metoda :
a. Metoda rata- rata sederhana
b. Metoda rata-rata terhadap trend
c. Metoda Ratio terhadap rata-rata gerakan
a. Metoda rata-rata sederhana
Bulan Penjualan ( Y ) Perhitungan Indeks musim
Januari 88 ( 88 : 95,33 ) x100 92,31
Februari 82 86,02
Maret 106 111,19
April 98 102,80
Mei 112 117,49
Juni 92 96,51
Juli 102 107,00
Agustus 96 100,70
September 105 110,14
Oktober 85 89,16
November 102 107,00
Desember 76 79,72
Rata-rata 95,33
b. Metoda rata-rata dengan trend
Bulan Penjualan ( y ) Nilai trend ( Perhitungan Indeks Musim
Januari 88 97,41 (88/97,41) x 100 90,3
Februari 82 97,09 (82/97,09) x 100 84,5
Maret 106 96,77 (106/96,77) x100 109,5
April 98 96,13 (98/96,13) x 100 101,9
Mei 112 95,81 (112/95,81) x 100 116,9
Juni 92 95,49 (92/95,49) x 100 96,3
Juli 102 95,17 (102/95,17) x 100 107,2
Agustus 96 94,85 (96/94,85) x 100 101,2
September 105 94,53 (105/94,53) x 100 111,1
Oktober 85 93,89 (85/93,89) x 100 90,5
November 102 93,57 (102/93,57) x 100 109,0
Desember 76 93,25 (76/93,25) x 100 81,5
Variasi Siklis

Ingat
Y=TxSxCxI
  Maka : T.C.I = Y/S
C.I = /T.S
Di mana C.I adalah Indeks Siklus atau variasi siklis
 Penjualan, Trend, nilai Musiman,nilai normal dan nilai y
gabungan siklis dan ketidakteraturan.
Bulan y Variasi Musim .S C.I
Januari 88 97,41 0,90 87,67 88: 87,67
=100,38
Februari 82 97,09 0,85 82,53 99,36
Maret 106 96,77 1,09 105,48 100,49
April 98 96,13 1,02 98,05 99,95
Mei 112 95,81 1,17 112,10 99,91
Juni 92 95,49 0,96 91,67 100,36
Juli 102 95,17 1,07 101,83 100,17
Agustus 96 94,85 1,01 95,80 100,21
September 105 94,53 1,11 104,93 100,07
Oktober 85 93,89 0,91 85,44 99,48
November 102 93,57 1,09 101,99 100,01
Desember 76 93,25 0,82 76,47 99,38
 Untuk mendapatkan pengaruh siklis secara terpisah maka pengaruh
ketidakteraturan (I) harus dilenyapkan dengan cara merata-ratakan setelah
diadakan pemulasan dan sebaiknya secara tertimbang atau kata lain rata-rata
gerakan tertimbang.

 Rata-rata gerakan bisa 3 bulanan dengan penimbang 1 , 2 , 1. bisa juga 4

atau 5 bulanan atau lebih dengan penimbang 1,3,3,1 atau 1,4,6,4,1 .
( koefisien ini bisa dicari dari segitiga Pascal ).
 C.I 3 bulanan tertimbang C(%)
100,38 - -
99,36 399,59 99,90
100,49 400,29 100,07
99,95 400,30 100,08
99,91 400,13 100,03
100,36 400,80 100,20
100,17 400,91 100,23
100,21 400,66 100,17
100,07 399,83 99,96
99,48 399,04 99,76
100,01 398,88 99,72
Perhitungannya :

399,59 = 1* 100,38 + (2*99,36) + (1*100,49 )

400,29 = 1 * 99,95 + ( 2*100,49) + (1*99,95 )

99,90 =

100,07 =
Irregular ( ketidak teraturan )

Untuk pengaruh komponen ketidakteraturan atau Irregular , karena sifatnya yang

tidak terduga, dan timbul secara acak serta tidak terus menerus atau hanya
kadang-kadang saja, biasanya jarang diamati, sehingga komponen ini tidak
dibahas.
Manfaat Komponen Musiman
 Dengan angka indek musiman kita dapat mengetahui besarnya pengaruh
musiman pada bulan – bulan tertentu, sehingga dapat merencanakan kegiatan
– kegiatan ekonomi pada bulan – bulan tertentu itu untuk yang akan datang.

 Dilain pihak kita bisa mengetahui pada bulan – bulan itu justru apabila tidak
dipengaruhi musiman baik yang diatas normal maupun dibawah normal.

 Kegunaan lainnya ialah kita bisa menduga nilai Y pada bulan – bulan yang
akan datang tetapi diluar tahun - tahun yang diketahui.
Terima kasih
Tahun Penjualan ( juta Rp )
2013 98
2014 90
2015 120
2016 85
2017 54
2018 50
 1. Buat persamaan trend dengan metoda semi rata2 dan kuadrat terkecil.
 2. Berapa jumlah penjualan tahun 2023
 3. Buat scater dan garis liniernya.
 4. Ubah persamaan menjadi y dan x ke kuartal
 5. Apa yang bisa saudara simpulkan dari data tersebut.