Time Series Analysis

By. Ni Wayan Dewinta Ayuni, S.Si., M.Si

Accounting Department
Politeknik Negeri Bali
 What is Time Series?

Time Series atau Deret Waktu atau Data Berkala

adalah data yang disusun berdasarkan urutan waktu.

Urutan Waktu dapat berupa Jam, Harian, Mingguan, Bulanan,

Tahunan, dan sebagainya
Contoh Data Time Series
 Transaksi
1400

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.

Contoh: Peramalan curah hujan, peramalan jumlah

wisatawan, peramalah harga saham, peramalan keuntungan
perusahaan, dll
Komponen Time Series

Trend (T)

Variasi Siklis (C)

Variasi Musim (S)

Variasi Residu (I)

 Trend (T)
Trend adalah gerakan teratur dalam jangka waktu yang panjang

Variasi Siklis/Cyclical (C)

Variasi siklis adalah variasi berulang-ulang dan teratur dalam jangka waktu yang
panjang
 Variasi Musim/Seasonal (S)
Variasi musim merupakan variasi berulang-ulang dan teratur dalam jangka waktu
pendek

Variasi Residu/Irregular (I)

Variasi residu merupakan variasi dalam waktu singkat dan tidak teratur berulang-
ulang dan teratur dalam jangka waktu yang panjang
Irregular
1. Trend Linier
1. Trend Linier
Persamaan trend linier

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

Koding Tahun Transaksi Jumlah variabel X (Tahun)

Contoh
adalah 7 (ganjil)
-3 2005 1012
-2 2006 1124
-1 variabel X (Tahun) yang
2007 1075
terletak di tengah adalah
0 2008 1203 variabel X ke 4
1 2009 1192
2 2010 1243
Maka koding untuk variabel X
3 2011 1286 (Tahun) adalah
Pembuatan koding variabel X (waktu) dilakukan dengan cara

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

Koding Tahun Transaksi Jumlah variabel X (Tahun)

Contoh
adalah 6 (genap)
-5 2005 1012
-3 2006 1124
-1 Dua variabel X (Tahun) yang
2007 1075
terletak di tengah adalah
1 2008 1203 variabel X ke 3 dan ke 4
3 2009 1192
5 2010 1243
Maka koding untuk variabel X
(Tahun) adalah
 Contoh 1. Trend Linier
a. Carilah persamaan Trend Linier dari data Time Series mengenai Banyaknya
pengunjung Toko Buku GM berikut:

Tahun Banyak Pengunjung b. Carilah nilai trend Banyaknya pengunjung Toko

2007 7075 Buku GM pada tahun 2018!
2008 7203
2009 7192
2010 8243
2011 8286
2012 8305
2013 9298
 Penyelesaian
Tahun Banyak Pengunjung (Y) X (koding) XY
2007 7075 -3 -21225 9
2008 7203 -2 -14406 4
2009 7192 -1 -7192 1
2010 8243 0 0 0
2011 8286 1 8286 1
2012 8305 2 16610 4
2013 9298 3 27894 9
Jumlah 55602 0 9967 28
 Setelah itu, hitung nilai b dan a dengan rumus

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:

Tahun Banyak Pengunjung b. Carilah nilai trend Banyaknya pengunjung Toko

2007 7075 Buku GM pada tahun 2018!
2008 7203
2009 7192
2010 8243
2011 8286
2012 8305
2013 9298
 Penyelesaian
Tahun Banyak Pengunjung (Y) X (koding) XY
2007 7075 -3 -21225 9 63675 81
2008 7203 -2 -14406 4 28812 16
2009 7192 -1 -7192 1 7192 1
2010 8243 0 0 0 0 0
2011 8286 1 8286 1 8286 1
2012 8305 2 16610 4 33220 16
2013 9298 3 27894 9 83682 81
Jumlah 55602 0 9967 28 224867 196
Setelah itu, hitung nilai a, b1 dan b2 dengan rumus

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

Lalu substitusi nilai X = 8 ke dalam persamaan trend kuadratik yang telah

dirumuskan pada bagian a

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

 Jika diberi fungsi logaritma di kedua sisi, maka akan menjadi

log ⁡( 𝑌^ )=log(𝑎𝑏¿¿ 𝑋 )¿

^ )=log ( 𝑎¿)+𝑙𝑜𝑔 ( 𝑏 𝑋 ) ¿
log ( 𝑌

^ )=log ( 𝑎¿)+ 𝑋 . 𝑙𝑜𝑔 ( 𝑏 ) ¿

log ( 𝑌

 Persamaan ini dapat dipandang sebagai persamaan linier seperti:

′ ′
𝑌 =𝑎 +𝑏 𝑋

 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:

Tahun Banyak Pengunjung b. Carilah nilai trend Banyaknya pengunjung Toko

2007 7075 Buku GM pada tahun 2018!
2008 7203
2009 7192
2010 8243
2011 8286
2012 8305
2013 9298
 Penyelesaian
Tahun Banyak Pengunjung (Y) X (koding) Log (Y) X.log(Y) X^2

2007 7075 -3 3,849726 -11,5492 9

2008 7203 -2 3,857513 -7,71503 4

2009 7192 -1 3,85685 -3,85685 1

2010 8243 0 3,916085 0 0

2011 8286 1 3,918345 3,918345 1

2012 8305 2 3,91934 7,838679 4

2013 9298 3 3,96839 11,90517 9

Jumlah 55602 0 27,28625 0,541137 28

 Akan dicari nilai a dengan persamaan trend linier, dapat kita temukan rumus untuk

∑ 𝑙𝑜𝑔 ( 𝑌 ) 27,28625 𝑎′ 3,898

𝑎=
′
=
𝑛
=3,898
7 𝑎=10 =10 =7906,786

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

Lalu substitusi nilai X = 8 ke dalam persamaan trend eksponensial yang telah

dirumuskan pada bagian a
Kesimpulan:
Peramalan jumlah pengunjung Toko Buku GM tahun 2018 berdasarkan trend
eksponensial adalah sebanyak 11330,61 atau 11330 pengunjung (dibulatkan ke
bawah)