PERTEMUAN 6

STATISTIK II
(EKONOMI DAN BISNIS)
ANALISIS DERET BERKALA

MUHAMMAD YUSUF, SE. M.SI

Analisis deret berkala bertujuan untuk membuat alat yang dapat dipakai untuk membuat ramalan
(forecasting) mengenai nilai suatu variabel pada waktu tertentu. Untuk membuat ramalan dengan
analisis ini diperlukan suatu model yang dapat menunjukkan hubungan antara nilai suatu variabel
dengan waktu. Selain untuk meramal, model yang diperoleh juga dapat digunakan untuk mengetahui
kecenderungan nilai suatu variabel dari waktu ke waktu.
Dalam analisis tren ini digunakan asumsi bahwa pola pergerakan nilai suatu variabel relatif teratur dan
mendekati lurus dengan kemiringan (slope) tertentu.
Misalnya kita ingin membuat suatu model yang dapat digunakan untuk meramal nilai variabel Y pada
suatu waktu tertentu. Apabila asumsi yang digunakan adalah bahwa pergerakan nilai Y dari waktu ke
waktu membentuk garis linier, sehingga hubungan antara nilai Y dengan waktu (X) dapat ditulis
sebagai berikut:

Y’ = a + bX

Y’ = nilai variabel Y yang diprediksi

a = perpotongan antara garis tren dengan sumbu tegak (Y)
b = kemiringan (slope) garis tren
X = waktu
Pergerakan nilai Y dari waktu ke waktu membentuk suatu garis lurus yang halus (smooth).
Ada beberapa metode yang dapat digunakan untuk menentukan persamaan garis yang
menunjukkan hubungan antara nilai variabel dengan waktu, yang mana salah satunya
menggunakan metode kuadrat terkecil (least square method).

Persamaan garis yang diperoleh disebut persamaan tren. Persamaan tren yang diperoleh akan
digunakan untuk:
1. Menggambarkan pola historis mengenai nilai suatu data dari waktu ke waktu.
2. Membuat ramalan nilai variabel pada masa yang akan dating menggunakan pola
perubahan nilai variabel tersebut pada waktu yang lalu (data historis).
3. Mengeliminir (menghilangkan) pengaruh yang bersumber dari komponen tren terhadap
nilai data dari waktu ke waktu.
METODE KUADRAT TERKECIL
(LEAST SQUARE METHOD)
Permasalahan utama dalam membuat ramalan menggunakan persamaan tren sekuler adalah
mencari persamaan tren yang paling baik (best fitting) untuk membuat ramalan. Dengan
menggunakan metode ini, persamaan tren yang diperoleh merupakan persamaan yang paling baik
untuk membuat ramalan. Karena persamaan tersebut akan menghasilkan ramalan dengan
kesalahan kuadrat paling kecil (east square error).
Seperti yang telah digambarkan dalam rumus persamaan garis tren linier, maka yang akan dicari
adalah
Y’ = a + bX

Y’ = nilai variabel yang akan dianalisis

a = nilai Y apabila X sama dengan nol
b = kemiringan (slope) garis tren. Atau perubahan nilai Y setiap periode
X = waktu
Persamaan garis linier suatu tren yang baik untuk melakukan peramalan apabila dipenuhi
syarat-syarat sebagai berikut:

1. Jumlah selisih antara nilai data observasi dengan nilai ramalan sama dengan nol. Atau secara matematis dapat
ditulis sebagai berikut:
Σ(Y – Y’) = 0
yang menyatakan bahwa:
Y = nilai Y aktual
Y’ = nilai Y ramalan
2. Jumlah pangkat dua selisih antara nilai data dengan nilai ramalannya adalah yang paling kecil/minimum (least sum
of square atau minimum sum of square). Atau secara matematis dapat ditulis sebagai berikut:
Σ(Y – Y’)² adalah nilai terkecil atau minimum.

Bentuk umum persamaan linier tren: Y’ = a + Bx. Agar persamaan tren yang diperoleh
memenuhi kriteria persamaan garis linier yang baik, maka untuk menentukan persamaan
tersebut (a dan b) digunakan formula:
b=

a= -b

n = banyaknya tahun yang digunakan

Y = nilai variable deret berkala
X = kode waktu masing-masing tahun
TUGAS
1. Data berikut ini adalah produksi padi di Kandangan, HSS dari tahun 2008 sampai dengan
tahun 2014 (Satuan data dalam ton)

Tahun Produksi
2008 10
2009 8
2010 10
2011 12
2012 16
2013 12
2014 16

Buatlah persamaan tren produksi padi di Kandangan, HSS menggunakan metode kuadrat
terkecil (least square method). Gunakan persamaan tersebut untuk membuat ramalan
produksi padi di Kandangan HSS pada tahun 2015 dan 2019!
PETUNJUK MENGERJAKAN TUGAS

 Diketik dengan kertas A4, dengan tulisan font times new roman,
ukuran font 12, line spasi 1,5.
 Harap perhatikan batas waktu pengumpulan tugas sesuai dengan
waktu yang telah ditentukan
 Ubah nama file tugas menjadi Nama_Kelas_Tugas 5, Contoh:
Agus Guzman_3G_Tugas 5

SEKIAN DAN TERIMA KASIH