11 - Time Series Analysis
11 - Time Series Analysis
1200
1000
800
600
400
200
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Time Series, untuk Apa?
Kegunaan analisis time series yaitu untuk
membuat peramalan untuk data di masa yang akan datang.
Trend (T)
Keterangan
Y = nilai data
= nilai dugaan trend
X = tahun
a = konstanta
b = slope garis trend
Nilai a dan b dicari berdasarkan data, dengan rumus sebagai berikut:
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑏=
𝑛∑ 𝑋 − ( ∑ 𝑋 )
2 2
𝑎=
∑ 𝑌
−𝑏
∑ 𝑋
𝑛 𝑛
Agar rumusnya sederhana, variabel X (Waktu) dapat dibuat koding sedemikian
rupa sehingga ∑X=0, maka rumusnya akan menjadi seperti berikut
𝑛 ∑ 𝑋𝑌
∑ 𝑋𝑌
𝑏= =
𝑛∑ 𝑋 ∑𝑋
2 2
𝑎=
∑ 𝑌
𝑛
Pembuatan koding variabel X (waktu) dilakukan dengan cara
1. Apabila banyaknya variabel X (waktu) berjumlah ganjil, maka variabel X (Waktu) yang terletak di
tengah-tengah data diberi koding 0.
variabel X (Waktu) yang terletak sebelum 0 diberi koding -1, -2, -3, dst
Sedangkan variabel X (Waktu) yang terletak setelah 0 diberi koding 1, 2, 3, dst
2. Apabila banyaknya variabel X (waktu) berjumlah genap, maka dua data variabel X (Waktu) yang
terletak di tengah-tengah data diberi koding 1 dan -1.
variabel X (Waktu) yang terletak sebelumnya berbeda dua dan diberi koding -3, -5, dst
Sedangkan variabel X (Waktu) yang terletak setelahnya berbeda dua dan diberi koding 3, 5, dst
𝑏=
∑ 𝑋𝑌 9967
= =355 , 96
∑ 𝑋 28
2
𝑎=
∑ 𝑌 55602
= =7943,14
𝑛 7
a. Sehingga persamaan trend linier data tersebut adalah
^𝑌=𝑎+𝑏𝑋=7943,14+355,96 𝑋
b. Nilai trend pada tahun 2018
Terlebih dahulu kita harus mencari Nilai X (koding) pada tahun 2018.
Yang menjadi acuan (koding 0) adalah tahun 2010 sehingga nilai X (koding) pada tahun
2018 adalah
X = 2018 – 2010 =8
Lalu substitusi nilai X = 8 ke dalam persamaan trend linier yang telah dirumuskan
pada bagian a
Kesimpulan:
Peramalan jumlah pengunjung Toko Buku GM tahun 2018 berdasarkan trend
linier adalah sebanyak 10790,82 atau 10790 pengunjung (dibulatkan ke bawah)
2. Trend Nonlinier
a. Trend Kuadratik
Persamaan umum trend kuadratik adalah sebagai berikut:
^ =𝑎+ 𝑏 𝑋 +𝑏 𝑋
𝑌
2
1 2
Agar rumusnya sederhana, variabel X (Waktu) dapat dibuat koding sedemikian
rupa sehingga ∑X=0, maka rumusnya akan menjadi seperti berikut
𝑎=
∑ 𝑌
−𝑏
∑ 𝑋
2
2
𝑛 𝑛
𝑏1 =
∑ 𝑋𝑌
∑ 𝑋
2
𝑏2 =
∑ 𝑋 ∑ 𝑌 −𝑛 ∑ 𝑋
2 2
𝑌
( ∑ 𝑋 ) −𝑛 ∑ 𝑋
2 2 4
Contoh 2. Trend Kuadratik
a. Carilah persamaan Trend Kuadratik dari data Time Series mengenai Banyaknya
pengunjung Toko Buku GM berikut:
𝑏 2=
∑ 𝑋 ∑ 𝑌 −𝑛 ∑ 𝑋 𝑌 ( 28 )( 55602 ) −7 ( 224867 )
2
=
2
=29 , 27
( ∑ 𝑋 ) −𝑛 ∑ 𝑋
2 2
2 4
( 28 ) −7 ( 196 )
𝑏1 =
∑ 𝑋𝑌
=
9967
=355 , 96
∑ 𝑋 2
28
𝑎=
∑ 𝑌
−𝑏
∑ 𝑋
2
=
55602 28
− 29 ,29 =7826,602
2
𝑛 𝑛 7 7
a. Sehingga persamaan trend kuadratik data tersebut adalah
^ =𝑎+ 𝑏 𝑋 +𝑏 𝑋
𝑌
2
1 2
^𝑌=7826,602+355,96 𝑋+29,27 𝑋 2
b. Nilai trend pada tahun 2018
Terlebih dahulu kita harus mencari Nilai X (koding) pada tahun 2018.
Yang menjadi acuan (koding 0) adalah tahun 2010 sehingga nilai X (koding) pada tahun
2018 adalah
X = 2018 – 2010 =8
12547,562
Kesimpulan:
Peramalan jumlah pengunjung Toko Buku GM tahun 2018 berdasarkan trend
kuadratik adalah sebanyak 12547,562 atau 12547 pengunjung (dibulatkan ke
bawah)
b. Trend Eksponensial
Persamaan umum trend eksponensial adalah sebagai berikut:
^
𝑌 =𝑎𝑏
𝑋
Untuk mempermudah rumus, persamaan eksponensial tersebut dapat ditransformasi dengan
logaritma seperti berikut
^ =𝑎 𝑏 𝑋
𝑌
log ( 𝑌^ )=log(𝑎𝑏¿¿ 𝑋 )¿
^ )=log ( 𝑎¿)+𝑙𝑜𝑔 ( 𝑏 𝑋 ) ¿
log ( 𝑌
Dimana ; ;
Dengan persamaan trend linier, dapat kita temukan rumus untuk
∑ 𝑌 ∑ 𝑙𝑜𝑔 ( 𝑌 )
′
𝑎′
𝑎=10
′
𝑎= =
𝑛 𝑛
𝑏=
∑
′ 𝑋 𝑌 ∑ ( 𝑋 . 𝑙𝑜𝑔 ( 𝑌 ) )
=
′
𝑏=10
𝑏′
∑𝑋 2
∑𝑋 2
Contoh 3. Trend Eksponensial
a. Carilah persamaan Trend Eksponensial dari data Time Series mengenai
Banyaknya pengunjung Toko Buku GM berikut:
𝑏=
′∑ ( 𝑋 .𝑙𝑜𝑔 ( 𝑌 ) ) 0,541137
= =0,019326 𝑏=10 =10
𝑏′ 0,019326
=1,046
∑𝑋 2
28
Jadi persamaan trend eksponensial yang terbentuk adalah
^
𝑌 =𝑎𝑏
𝑋
^ =7906,786 (1,046 )
𝑌
𝑋
b. Nilai trend pada tahun 2018
Terlebih dahulu kita harus mencari Nilai X (koding) pada tahun 2018.
Yang menjadi acuan (koding 0) adalah tahun 2010 sehingga nilai X (koding) pada tahun
2018 adalah
X = 2018 – 2010 =8