ANALISIS DATA BERKALA

Dr. Teguh Hadi

Priyono
 ARTI DAN PENTINGNYA ANALISIS DATA
BERKALA

Data berkala adalah data yang dikumpulkan dari waktu ke

waktu untuk menggambarkan perkembangan suatu kegiatan.
Analisis data berkala memungkinkan kita untuk mengetahui
perkembangan suatu atau beberapa kejadian serta
hubungan/pengaruhnya terhadap kejadian lainnya.

Dengan data berkala kita juga dapat membuat ramalan-ramalan

berdasarkan garis regresi atau garis trend.

Peramalan kondisi mendatang bermanfaat untuk perencanaan

produksi, pemasaran, keuangan dan bidang lainnya.
Oleh karena data berkala itu terdiri dari beberapa komponen,
maka dengan analisis data berkala kita bisa mengetahui masing-
masing komponen, bahkan dapat menghilangkan satu atau
beberapa komponen kalau kita ingin menyelidi komponen
tersebut secara mendalam tanpa kehadiran komponen lain.

Data berkala, karena adanya pengaruh dari komponen-komponen

tersebut, selalu mengalami perubahan sehingga apabila dibuat
grafiknya akan menunjukkan suatu fluktuasi, yaitu gerakan naik-
turun.
KLASIFIKASI GERAKAN/VARIASI/DATA BERKALA

Gerakan/variasi data berkala terdiri dari empat komponen

sebagai berikut :
1. Gerakan trend jangka panjang, suatu gerakan yg
menunjukkan arah perkembangan sc umum
(kecenderungan) menaik atau menurun. (T = trend)
2. Gerakan/variasi siklis, gerakan variasi jangka panjang di
sekitar trend (berkala data tahunan). Gerakan siklis bs
berulang setelah jangka waktu tertentu, mis. 3 tahun, 5
tahun, dan lebih. (C = cycle)
3. Gerakan/variasi musiman, gerakan yg memiliki pola tetap
dr waktu ke waktu, mis. Harga kebutuhan pokok
menjelang idul fitri, harga beras pada musim panen, dsb.
(S = seasonal)
4. Gerakan/variasi yang tidak teratur, gerakan variasi yg
 Garis Trend Data Berkala

Y = f(X) Y = f(X)

Trend turun Trend naik

X X
Waktu Waktu
 Komponen-komponen Data
Y = f(X)
Berkala
Y = f(X)

X
X
a. Trend Jangka Panjang
b. Trend Jangka Panjang dan
Y = f(X) Y =Gerakan
f(X) Siklis

c. Trend Jangka Panjang, Gerakan d. Trend Jangka Panjang, Gerakan

Siklis, dan Musiman Siklis, Musiman, dan Random
Analisa data berkala pada umumnya terdiri dari uraian secara
matematis tentang komponen-komponen yang menyebabkan
gerakan-gerakan atau variasi-variasi yang tercermin dalam
fluktuasi.
Apabila gerakan trend, siklis, musiman, dan acak masing-
masing diberi simbol T, C, S, dan I, maka data berkala Y
merupakan hasil kali dari 4 komponen tersebut, yaitu :

Y=TxCxSxI

Ada juga ahli statistik yang menganggap bahwa data berkala

merupakan hasil penjumlahan dari 4 komponen tersebut, yaitu :

Y = T+ C + S + I
 MENENTUKAN TREND

Terdapat beberapa metode yang umum digunakan untuk

menggambarkan garis trend. Beberapa di antaranya adalah
metode tangan bebas, metode rata-rata semi, metode rata-rata
bergerak, dan metode kuadrat terkecil.
 Metode Tangan Bebas

Langkah-langkah untuk menentukan garis trend dengan menggunakan

metode tangan bebas adalah sebagai berikut :
1. Buat sumbu tegak Y dan sumbu mendatar X
2. Buat scatter diagram, yaitu kumpulan titik-titik koordinat (X, Y); X
= variabel waktu.
3. Dengan jalan observasi atau pengamatan langsung terhadap bentuk
scatter diagram tariklah garis yang mewakili atau paling tidak
mendekati semua titik koordinat yang membentuk diagram pencar
tersebut.
Cara menarik garis trend dengan tangan bebas merupakan
cara yang paling mudah, tetapi sifatnya sangat subyektif,
maksudnya kalau ada lebih dari satu orang diminta untuk
menarik garis trend dengan cara ini akan diperoleh garis
trend lebih dari satu. Sebab masing-masing orang
mempunyai pilihan sendiri sesuai dengan anggapannya,
garis mana yang mewakili diagram pencar tersebut
 Metode Rata-rata Semi
Cara dengan metode rata-rata semi ini memerlukan langkah-
langkah sebagai berikut :
1. Data dikelompokkan menjadi dua, masing-masing kelompok
harus mempunyai jumlah data yang sama. Jika ada 10 data
masing-masing 5. Jika jumlah data ganjil, dengan jalan
menghilangkan satu data yaitu yang ditengah. Jika jumlah data
9 maka masing-masing 4, jika ada 7 data dikelompokkan
menjadi dua dengan jumlah masing-masing 3, dan lain
sebagainya.
2. Masing-masing kelompok dicari rata-ratanya.
3. Titik absis harus dipilih dari variabel X yang berada di tengah
X X X X X X
masing-masing kelompok
4
(tahun atau
1 dan waktu yangtitik
4 merupakan ditengah).
absis,
0
1
1
2 2
3 3 4
5 5
6
artinya tahun kedua dan kelima
sbg absis
I I
I
4. Titik koordinat X yang terdiri dari I dan II dimasukkan ke
dalam persamaan Y = a + bX, untuk menghitung a dan b; Y1
dan Y2 dipergunakan sebagai nilai Y.
 X1 = X2 = 5,5
Tabel
9.3 1,5


Tahun X Y Rata-rata
1992 0 10.164,9
1993 1 11.169,2 45.714,1
Y1   11 .428,5
4


1994 2 12.054,6
1995 3 12.325,4
1996 4 12.842,2
1997 5 13.511,5 55.384,6
Y2   13.846,2
4
1998 6 14.180,8
1999 7 14.850,1
Diperoleh dua titik koordinat, yaitu (1,5),(11.428,5) dan (5,5),
(13.846.2), kemudian dimasukkan ke persamaan Y = a + bX,
11.428,5 = a + b (1,5) ……………. (1)
13.846,2 = a + b (5,5) …………… (2)

Y = 10.521,86 + 604,43 X dimana X adalah waktu

Dgn persamaan tsb dapat diperkirakan PDB tahun 2000 atau X =

8

Y = 10.521,86 + 604,43 (8)

= 15.357,26
Metode Rata-rata Bergerak

Kalau kita mempunyai data berkala sebanyak n, maka rata-rata

bergerak n waktu (tahun, bulan, minggu, hari) merupakan
urutan rata-rata hitung.
Setiap rata-rata hitung disebut total bergerak, yang berguna
untuk mengurangi variasi dari data asli. Didalam data berkala,
rata-rata bergerak sering dipergunakan untuk memuluskan
fluktuasi yang terjadi dalam data tersebut.
Dengan menggunakan rata-rata bergerak untuk mencari trend,
maka kehilangan beberapa data dibandingkan dengan data asli.
Artinya, banyaknya rata-rata bergerak menjadi tidak sama
dengan banyaknya data asli.
Pada umumnya, jumlah data asli berkurang sebanyak (n – 1); n
= derajat rata-rata bergerak, yaitu banyaknya data untuk
menghitung rata-rata bergerak.
Tabel
9.5
Rata-rata bergerak Rata-rata bergerak
Tahun Y
4 tahun 5 tahun

 
(1) (2) (3) (4)
1989 50,0
1990 36,5
1991 43,0 43,5
42,6
1992 44,5
1993 38,9


1994 38,1


1995 32,6
1996 38,7
1997 41,7 37,6
1998 41,1 38,8
1999 33,8
Tahun Penjualan 4 Tahun 5 Tahun
1989 50.0
1990 36.5
1991 43.0 43.5
1992 44.5 40.7 42.6
1993 38.9 41.1 40.2
1994 38.1 38.5 39.4
1995 32.6 37.1 38.6
1996 38.7 37.8 38.0
1997 41.7 38.8 38.4
1998 41.1 37.6
1999 33.8
Metode Kuadrat Terkecil

Seperti kita ketahui bahwa garis trend linear dapat ditulis

sebagai persamaan garis lurus : Y’ = a + bX

Jadi mencari garis trend berarti mencari nilai a dan b. Apabila

a dan b sudah diketahui, maka garis trend tersebut dapat
dipergunakan untuk meramalkan Y.
Untuk mencari persamaan trend garis lurus dengan metode
kuadrat terkecil dapat dilakukan dengan beberapa cara. Di sini
akan diberikan dua cara.

Cara Pertama :
Pada cara pertama ini, untuk mengadakan perhitungan diperlukan
nilai tertentu pada variabel waktu (X) sedemikian rupa, sehingga
jumlah nilai variabel waktu adalah nol (Xi = 0)

Cara Kedua :
Menentukan periode awal pada variabel waktu X = 1, jadi tidak
perlu membuat Xi = 0.
 Cara Pertama : Xi = 0

Untuk n = 3, maka X1 X2 X3
-1 0 1
Untuk n = 4, maka X1 X2 X3 X4
-3 -1 1 3

Untuk n ganjil n  2k  1
2n  n  1
n 1
k
2
Xk+1= 0

n 1 2
n=3  k   1 Xk+1 = X1+1 = X2 = 0
2 2
Untuk n genap  n  2k
n
k
2

Xk+(k+1) = 0
2

n 4
n4k   2
2 2
X  k  k 1   X  5   X 2,5 X2,5 = 0
   
 2  2
 a=Y
ΣXi Yi
b=
ΣXi2

Tahun X Y XY X2

1992 -7 10,164.90 (71,154.30) 49.00

1993 -5 11,169.20 (55,846.00) 25.00

1994 -3 12,054.60 (36,163.80) 9.00

1995 -1 12,325.40 (12,325.40) 1.00

1996 1 12,842.30 12,842.30 1.00

Xi2 = 168, XYi = 52.742,00, dan Y = 12.637,35
1997 + 313,94
Y = 12.637,34 3 13,511.50
X 40,534.50 9.00

1998 5 14,180.80 70,904.00 25.00

a = Y – bX
Cara Kedua : Xi ≠ 0
n ΣXi Yi – ΣXi
b = ΣYi 2
n ΣXi –
(ΣXi)2

Tahun X Y XY X2

1992 1 10,164.90 10,164.90 1.00

1993 2 11,169.20 22,338.40 4.00

1994 3 12,054.60 36,163.80 9.00

1995 4 12,325.40 49,301.60 16.00

1996 5 12,842.30 64,211.50 25.00

Y = 9.811,89 + 627,88 X
1997 6 13,511.50 81,069.00 36.00

1998 7 14,180.80 99,265.60 49.00

Terima Kasih