DERET BERKALA DAN PERAMALAN
BAB I
PENDAHULUAN
1.1 Latar Belakang
Banyak analisis statistika bertujuan
untuk mengetahui apakah ada hubungan antara dua atau lebih peubah. Bila hubungan
demikian ini dapat dinyatakan dalam bentuk rumus matematik, maka kita akan
dapat menggunakannya untuk keperluan peramalan. Masalah
peramalan dapat dilakukan dengan menerapkan persamaan regresi. Mendekati nilai
tengah populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis
peramalan, dan tidak harus berimplikasi suatu regresi mendekati nilai tengah
populasi. Sedangkan Teknik korelasi merupakan teknik analisis yang melihat
kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola
dalam variabel yang lain. Maksudnya, ketika satu variabel memiliki
kecenderungan untuk naik maka kita melihat kecenderungan dalam variabel
yang lain apakah juga naik atau turun atau tidak menentu. Jika
kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan dalam
variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki hubungan
atau korelasi. Jika variabel Yi
merupakan serangkaian observasi dan ti merupakan variabel waktu yang bergerak
secara bersamaan ke arah yang sama, dari masa lalu ke masa mendatang, maka
serangkaian data yang terdiri dari Yi dan yang merupakan fungsi dari ti
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. Deret berkala
atau runtut waktu adalah serangkaian pengamatan
terhadap peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu,
dicatat secara teliti menurut urut-urutan waktu terjadinya, kemudian disusun
sebagai data statistik. Dari
suatu rutut waktu akan dapat diketahui pola perkembangan suatu peristiwa,
kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti suatu pola
yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat diramalkan
peristiwa yang bakal terjadi dimasa yang akan datang. Secara
konvensional, analisis deret berkala selalu didasarkan pada anggapan bahwa
nilai deret berkala merupakan hasil perkalian (multiplikatif) dari trend
sekuler, variasi musim, variasi siklikal, dan variasi random. Namun demikian,
data deret berkala juga dapat merupakan hasil penjumlahan atau kombinasi antara
perkalian dan penjumlahan dalam seribu satu cara dari komponen-komponennya.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang diuraikan di atas, maka
yang menjadi permasalahan pokok adalah :
1. Apa pengertian dari
data deret berkala dan peramalan ?
2. Apa saja
komponen-komponen yang ada di dalam deret berkala?
3. Apa saja Metode yang
digunakan dalam masing-masing komponen tersebut?
4. Bagaimana cara
menghitung deret berkala?
1.3 Tujuan Penulisan
1. Untuk mengetahui pengertian dari deret
berkala dan peramalan.
2. Untuk mengetahui komponen-komponen yang ada
di dalam deret berkala.
3. Untuk mengetahui metode yang digunakan
dalam masing-masing komponen.
4. Untuk mengetahui cara menghitung deret berkala.
1.4
Manfaat Penulisan
1.
Bagi Pembaca
Sebagai
bahan bacaan dan referensi untuk menambah wawasan mengenai ilmu statistik.
2.
Bagi Penulis
Sebagai
sarana umtuk menambah wawasan dan pemahaman tertulis mengenai ilmu statistik
dan sebagai bahan untuk membantu penulis mengaplikasikannya secara konkret.
BAB
II
TINJAUAN
PUSTAKA
2.1
Data Deret Berkala dan Peramalan
Data Berkala (Data Deret waktu) adalah data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan
atau sekumpulan hasil observasi yang diatur dan didapat menurut urutan
kronologis waktu, misalnya perkembangan produksi, harga barang, hasil
penjualan, jumlah penduduk, dll. Analisa
deret berkala merupakan prosedur analisis yang dapat digunakan untuk mengetahui
gerak perubahan atau perkembangan nilai suatu variabel sebagai akibat dari
perubahan waktu. Dalam analisis ekonomi dan lingkungan bisnis biasanya analisa
deret berkala digunakan untuk meramal (forecasting ) nilai
suatu variabel pada masa lalu dan masa yang akan datang berdasarkan pada
kecenderungan dari perubahan nilai variabel tersebut. Analisa deret berkala (time series) juga
merupakan suatu analisis yang berdasarkan hasil ramalan yang disusun atas pola
hubungan antara variabel yang dicari dengan variabel waktu yang
mempengaruhinya. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu
dari suatu variabel. Peramalan
adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan
dimasa depan, tetapi dengan menggunakan metode – metode tertentu maka peramalan
akan menjadi lebih dari sekedar perkiraan. Peramalan dilakukan dengan
memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan
dimasa yang akan datang agar tujuan yang diinginkan dapat tercapai. Peramalan
diperlukan karena adanya perbedaan – perbedaan waktu antara kebijaksanaan baru
dengan waktu pelaksanaan tersebut. Oleh karena itu, dalam menentukan
kebijaksanaan perlu diperlukan kesempatan atas peluang yang ada, dan gangguan
yang mungkin terjadi pada saat kebijaksanaan baru tersebut dilaksanakan.
Peramalan diperlukan untuk mengantisipasi suatu peristiwa yang dapat terjadi
pada masa yang akan datang, sehingga dapat dipersiapkan kebijaksanaan atau tindakan-tindakan
yang perlu dilakukan.
2.2
Komponen- Komponen Deret Berkala
Analisis deret berkala atau time series meliputi
identifikasi komponen-komponen yang menyebabkan terjadinya fluktuasi dalam
serangkaian data historis. Komponen-komponen dari time series sebagai berikut:
- 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 memiliki
slope (sudut) positif maupun negatif.
Misalnya:
1.
Menggambarkan hasil penjualan
2.
Jumlah peserta KB
3.
Perkembangan produksi harga
4.
Volume penjualan dari waktu ke waktu (dll)
Analisis trend merupakan suatu metode analisis
statistika yang ditujukan untuk melakukan suatu estimasi atau peramalan pada
masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan
berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode
waktu yang relatif cukup panjang, sehingga hasil analisis tersebut dapat
mengetahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa
saja yang mempengaruhi terhadap perubahan tersebut.
Bentuk tren
–
Tren positif
= tren meningkat
Rumusnya :
Y = a + b.X
–
Tren negatif
= tren menurun
Rumus :
Y = a – b.X
Dimana:
Y : nilai variabel Y pada suatu waktu tertentu
a : perpotongan antara garis trend dengan sumbu tegak
(Y)
b : kemiringan (slope) garis trend
x : periode waktu deret berkala
Metode Analisis Tren
Untuk melakukan peramalan dengan
analisis tren terdapat beberapa cara yaitu :
1. Metode Semi Rata-Rata (Semi Average Method)
2. Metode Kuadrat Terkecil (Least Square Method)
3. Metode Tren Kuadratis (Quadratic Trend Method)
4. Metode Tren Eksponensial ( Exponential Trend Method)
2. 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.
Ada beberapa metode perhitungan untuk mengetahui
variasi musim yaitu dengan mengetahui indeks musim. Beberapa metode tersebut
adalah :
1.
Metode Rata-Rata Sederhana
2.
Metode Rata-Rata dengan Tren
3.
Metode Rasio Rata-Rata Bergerak
- Cyclical (C)
Komponen siklikal adalah fluktuasi
pada time series yang berulang sepanjang waktu, dengan periode lebih dari satu
tahun antara satu puncak 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.
- 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).
BAB III
ANALISIS KASUS
KASUS 1
Variasi Musim Produk Pertanian
Produksi pertanian banyak
dipengaruhi musim karena tanaman, ternak, dan ikan membtuh-kan sinar matahari
dan air untuk berproduksi. Variasi musim terlihat pada tanaman padi. Pada
triwulan pertama produksi meningkat dan terus menurun pada triwulan dua dan
tiga. Kejadian demikian akan berulang pada setiap tahunnya. Pada grafik
terlihat bahwa titik puncak terjadi pada triwulan I dan terendah pada triwulan III dan terjadi pada
sepanjang tahun. Kejadian ini disebut variasi musim.
KASUS 2
Variasi Inflasi Bulanan
Inflasi merupakan indikator kenaikan
harga secara umum. Inflasi dalam satu tahun juga berfliktuasi, ada naik dan turun.
Fluktuasi terjadi seiring perubahan harga yang terkait dengan permintaan.
Kenaikan permintaan menyebabkan harga baik, inflasi naik, begitu pula
sebaliknya. Grafik menunjukkan peningkatan pada bulan November saat Hari Raya
idul Fitri dan akhir Desember hingga awal januari saat Hari Raya Natal dan
tahun baru. Fluktuasi kecil juga terjadi antara April sampai Oktober. Bulan
April, Juni, dan Agustus inflasi turun, sedang Mei, Juli dan September, inflasi
meningkat. Inflasi juga mengalami variasi setiap bulan dalam waktu setahun.
KASUS 3
Variasi Harga Saham Harian
Harga saham yang dicerminkan dengan
indeks harga juga mengalami variasi setiap harinya. Indeks harga saham PT AAL
misalnya, pada tanggal 3, 15, dan 22
meningkat, sedangkan tanggal 5 dan 14 Mei 2007 menurun. Kenaikan harga saham
disebabkan sentimen positif seperti membaiknya harga CPO, menguatnya nilai
tukar, dan membaiknya kinerja perusahaan. Sentimen negatif disebabkan oleh
antara lain belum berakhirnya perang amerika dan irak sehingga harga CPO
menurun akibat banyak negara tidak melakukan pemblian CPO. Akibat hal ini,
harga saham AAL bisa turun, namun sebaliknya, apabila pembelian meningkat, maka
harga meningkat pula.
BAB IV
PEMBAHASAN
4.1 Analisis
Tren
Metode Semi
Rata-Rata (Semi Average Method)
Metode semi rata-rata membuat tren
dengan cara mencari rata-rata kelompok data. Langkah-langkah dalaam memperoleh
garis tren dengan metode ini adalah :
a. Mengelompokkan data menjadi dua bagian. Jika jumlah
data ganjil, maka nilai yang ditengah dapat dihilangkan atau dihitung dua kali
yaitu 1 bagian menjadi kelompok pertama dan 1 bagian menjadi kelompok kedua.
b. Menghitung rata-rata hitung kelompok pertama K1 dan
kelompok kedua K2. K1 diletakkan pada tahun pertengahan pada kelompok 1 dan K2
diletakkan pada tahun petengahan pada kelompok 2. Nilai K1 dan K2 merupakan
nilai konstanta (a) dan letak tahun merupakan tahun dasar. Nilai K1 dan K2
menjadi intersep pada persamaan trennya.
c. Menghitung selisih K2-K1 , apabila K2-K1 > 0
berarti tren positif dan bila K2<K1 , maka trennya negatif.
d.
Nilai perubahan tren (b) diperoleh dengan cara:
b =
e.
Untuk mengetahui besarnya tren selanjutnya, tinggal
memasukkan nilai (x) pada persamaan Y’ = a + bx yang sudah ada.
Contoh soal
:
Tabel 4.1
TABEL
PERKEMBANGAN JUMLAH PELANGGAN PT TELKOM
Tahun
|
JumlahPelanggan (Jutaan)
|
2001
|
4,2
|
2002
|
5,0
|
2003
|
5,6
|
2004
|
6,1
|
2005
|
6,7
|
2006
|
7,2
|
Sumber : Buku Statistika
(Suharyadi)
Data diatas adalah perkembangan jumlah pelanggan PT Telkom.
·
Buatlah
persamaan pelanggan PT Telkom
·
Hitunglah
perkiraan pelanggan PT Telkom pada tahun 2007
Jawab :
a. Membagi data
menjadi 2 kelompok. Data ada 6 tahun, jadi kelompok 1 tahun 2001-2003 sedang
kelompok 2 tahun 2004 – 2006.
b. Menghitung
rata-rata tiap kelompok
K1 = a1 = ( 4,2 + 5,0 + 5,6 )/ 3 = 4,93
K2 = a2 = ( 6,1 + 6,7 + 7,2 )/ 3 = 6,67
c. Menghitung
nilai perubahan
b =
= 
= 0,58
= 0,58
Jadi, persamaan tren adalah :
1.
Y’ = 4,93 + 0,58x , dengan tahun dasar 2002 atau
2.
Y’ = 6,67 +
0,58x , dengan tahun dasar 2005
Dalam bentuk tabel sebagai berikut :
Tahun
|
Pelanggan
|
Rata-rata
|
Nilai X untuk th dasar 1997
|
Nilai X untuk th dasar 2000
|
2001
|
4,2
|
-1
|
-4
|
|
2002
|
5,0
|
4,93
|
0
|
-3
|
2003
|
5,6
|
1
|
-2
|
|
2004
|
6,1
|
2
|
-1
|
|
2005
|
6,7
|
6,67
|
3
|
0
|
2006
|
7,2
|
4
|
1
|
Untuk nilai x, pada tahun dasar sama
dengan 0, untuk tahun di atas tahun dasar diberikan nialai positif dari 1 dan
seterusnya, sedang yang di bawah tahun dasar diberikan nilai negatif dari -1
dan seterusnya.
d. Nilai
peramalan untuk tahun 2007
Apabila
menggunakan tahun dasar 2002, nilai x = 5
Y’ = 4,93
+0,58x = 4,93 + (0,58 x 5 ) = 7,82 juta pelanggan
Apabila
menggunakan tahun dasar 2005, nilai x = 2
Y’ = 6,67 +
0,58x =6,67 + (0,58 x 2 ) = 7,82 Juta pelanggan
Jadi
menggunakan tahun dasar 2002 atau 2005 hasilnya sama. Jumlah pelanggan PT
Telkom tahun 2007 diperkirakan mencapai 7,82 juta pelanggan.
4.2 Analisis variasi musim
Metode rata-rata sederhana
Metode rata-rata sederhana
mengasumsikan bahwa pengaruh tren dan siklus yang tidak beraturan tidak besar
dan dapat dianggap tidak ada. Indeks musim hanya berdasarkan pada data aktual
dan nilai rata-ratanya saja.
Indeks
musim dirumuskan sebagai berikut :
Contoh :
Berikut adalah data produksi padi per triwulan tahun 2003-2006. hitunglah indeks musim setiap triwulan. Apabila produksi padi tahun 2008 diperkirakan mencapai 54 juta ton, berapa target produksi
setiap triwulannya.?
Tabel 4.2
TABEL
PRODUKSI PADI PER TRIWULAN
Tahun
|
Produksi
|
Triwulan
|
||
I
|
II
|
III
|
||
2003
|
44
|
22
|
14
|
8
|
2004
|
48
|
25
|
15
|
8
|
2005
|
48
|
26
|
14
|
8
|
2006
|
47
|
24
|
14
|
9
|
Sumber : Buku Statistika (
Suharyadi )
Penyelesaian :
a.
Membuat rata-rata setiap triwulan dan totalnya
Tahun
|
Produksi
|
Triwulan
|
||
I
|
II
|
III
|
||
2003
|
44
|
22
|
14
|
8
|
2004
|
48
|
25
|
15
|
8
|
2005
|
48
|
26
|
14
|
8
|
2006
|
47
|
24
|
14
|
9
|
Nilai Total
|
187
|
97
|
57
|
33
|
Rata-rata
|
46,75
|
24,25
|
14,25
|
8,25
|
b.
Menghitung indeks musim
Rata-rata total 46,75 adalah untuk 1
tahun, sehingga untuk setiap triwulan harus dibagi Dengan 3, menjadi 46,75/3=
15,58.
Indeks musim I =
Indeks musim II = 
Indeks musim III = 
Produksi pada tahun 2008
direncanakan 54 juta ton. Maka setiap triwulan rata-rata totalnya adalah =
54/3= 18 juta ton. Untuk setiap triwulan targetnya adalah :
Target setiap triwulan = (Indeks
musim x rata-rata total)/100
Target triwulan I = (156 x 18)/100 = 28,08 juta ton
Target triwulan II = (91 x 18)/100 = 16,38 juta ton
Target triwulan III = (53 X 18)/100 = 9,54 juta ton
4.3 Analisis Variasi Siklus
Sejauh ini sudah dipelajari komponen
dapat berkala yaitu T (tren) , dan S (variasi musim) dari 4 komponen deret berkala yaitu Y = T x S x C
x I. Bagian ini akan menjadi akan menjadi siklus (C). Siklus yaitu suatu perubahan
atau gelombang naik dan turun dalam suatu periode, dan berulang pada periode
lain.
Siklus
Perekonomian sebagaimana gelombang
dalam fisika juga mengalami siklus dari resesi, pemulihan (recovery), ledakan (boom),
dan krisis. Suatu siklus biasanya mempunyai periode tertentu untuk kembali ke
titik asal. Periode ini dikenal dengan lama siklus , pada contoh ini lama
siklus 4 tahun. Siklus juga mempunyai frekuensi yaitu siklus yang dapat
diselesaikan dalam satu periode waktu. Frekuensi = 1/lama siklus.
Komponen
data berkala :
|
|
Contoh :
Tabel 4.3
TABEL DATA PRODUKSI PADI PER TRIWULAN
Tahun
|
Tri-
wulan
|
Y
|
T
|
S
|
TCI
|
CI
|
C
|
I
|
22
|
17,5
|
|||||
2003
|
II
|
14
|
17,2
|
95
|
14,7
|
86
|
|
III
|
8
|
16,8
|
51
|
15,7
|
93
|
92
|
|
I
|
25
|
16,5
|
156
|
16,0
|
97
|
97
|
|
2004
|
II
|
15
|
16,1
|
94
|
16,0
|
99
|
100
|
III
|
8
|
15,8
|
49
|
16,3
|
103
|
102
|
|
I
|
26
|
15,4
|
163
|
16,0
|
104
|
104
|
|
2005
|
II
|
14
|
15,1
|
88
|
15,9
|
105
|
105
|
III
|
8
|
14,7
|
52
|
15,4
|
105
|
106
|
|
I
|
24
|
14,3
|
157
|
15,3
|
107
|
108
|
|
2006
|
II
|
14
|
14,0
|
89
|
15,7
|
112
|
|
III
|
9
|
13,6
|
Sumber : Buku Statistika ( Suharyadi )
a.
Data asli dinyatakan dengan Y.
b. Membuat tren ( T ) Tren dibuat dengan metode kuadrat
terkecil = Y’ = a + b x ; Persamaannya adalah Y’ = 15,583 – 0,353 x . Apabila
nilai x dimasukkan maka akan didapat nilai Y’ sebagai nilai tren (T).
c.
Membuat (S) , variasi musim yang dinyatakan dengan
indeks musim , IM = ( data asli / atau data rata rata bergerak ) x 100.
d.
Setelah mendapatkan Y, T, dan S , maka dapat dibuat
data normal ( TCI ) = Y/S nilai TCI pada
tabel di atas dinyatakan dalam persentase sehingga TCI = (Y/S ) X 100
e. Setelah mendapatkan data normal maka dapat dicari
faktor siklus ( CI ) dengan menghilangkan faktor tren. CI = ( TCI /T ) x 100
(di kalikan 100 karena dalam bentuk persentase).
f.
Siklus dalam bentuk indeks dapat dicari dengan metode
rata rata bergerak. Indeks siklus 92 didapat dari (86+93+97)/3.
g.
Kolom ke-8 menunjukan indeks yang menyatakan adanya
pengaruh siklus dalam data produksi padi di indonesia.
4.4 Analisis gerak tak berurutan
Gerak
tak beraturan (irreguler movement-IM) merupaka suatu perubahan berupa kenaikan
dan penurunan yang tidak beraturan baik dari sisi waktu dan lama dari
siklusnya. Banyak penyebab dari gerakan tidak beraturan di antaranya adalah
perang krisis, dan bencana alam.
4.4.1 Krisis ekonomi
Krisis
ekonomi di indonesia yang dimulai tahun 1997 mencapai puncaknya pada tahun
1998. Inflasi mencapai 77% dari kisaran 10-15%. Suku bunga menembus angka 52%
dari kisaran 12-20%. Krisis menyebabkan gerakan inflasi dan suku bunga menjadi
tidak beraturan dan menjadi nilai yang sangat ekstrem.
Bagaimana
mencari indeks gerak tak beraturan (IGTB) ? Pada bagian siklus kita mendapatkan
faktor siklus (CI) dan siklus (C), sehingga dari nilai keduannya kita
mendapatkan I sebagai indeks dari gerakan tak beraturan.
|
|
Y=T x S x C
x I
TCI = Y/S
CI= TCI/T
Rumus indeks
gerak tak berurutan :
I = 
Contoh :
·
Masih
menggunakan data sebelumnya, hitunglah indeks gerak tak beraturan
Tabel 4.4
TABEL DATA
PRODUKSI PADI PER TRIWULAN
Tahun
|
Produksi
|
Triwulan
|
||
I
|
II
|
III
|
||
2003
|
44
|
22
|
14
|
8
|
2004
|
48
|
25
|
15
|
8
|
2005
|
48
|
26
|
14
|
8
|
2006
|
47
|
24
|
14
|
9
|
Sumber : Buku Statistika ( Suharyadi)
Dari
penyelesaian soal sebelumnya didapatkan nilai CI dan C, maka 
Tahun
|
Triwulan
|
CI
|
C
|
I
|
I
|
||||
2003
|
II
|
85
|
||
III
|
93
|
92
|
||
I
|
97
|
97
|
||
2004
|
II
|
99
|
100
|
|
III
|
103
|
102
|
||
I
|
104
|
104
|
||
2005
|
II
|
105
|
105
|
|
III
|
105
|
106
|
||
I
|
107
|
108
|
||
2006
|
II
|
112
|
||
III
|
Penyelesaian
:
Tahun
|
Triwulan
|
CI
|
C
|
I
|
I
|
||||
2003
|
II
|
85
|
||
III
|
93
|
92
|
101
|
|
I
|
97
|
97
|
100
|
|
2004
|
II
|
99
|
100
|
99
|
III
|
103
|
102
|
101
|
|
I
|
104
|
104
|
100
|
|
2005
|
II
|
105
|
105
|
100
|
III
|
105
|
106
|
99
|
|
I
|
107
|
108
|
99
|
|
2006
|
II
|
112
|
||
III
|
BAB V
KESIMPULAN
Berdasarkan penjelasan yag telah
diuraikan di atas, maka dapat ditarik kesimpulan, yaitu sebagai berikut :
1. Data
Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke waktu
untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi
yang diatur dan didapat menurut urutan kronologis waktu, misalnya perkembangan
produksi, harga barang, hasil penjualan, jumlah penduduk, dll.
Peramalan
adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan
dimasa depan, tetapi dengan menggunakan metode – metode tertentu maka peramalan
akan menjadi lebih dari sekedar perkiraan. Peramalan dilakukan dengan
memanfaatkan informasi terbaik yang ada pada masa itu, untuk menimbang kegiatan
dimasa yang akan datang agar tujuan yang diinginkan dapat tercapai.
2.
Komponen-komponen yang ada di dalam
deret berkala yaitu
o Analisis
Tren
o Analisis
Variasi Musim
o Analisis
Variasi Siklus
o Analisis
Gerak Tak Beraturan
3.
Metode yang digunakan dalam
masing-masing komponen yaitu :
o Analisis
Tren, metode yang digunakan :
a. Metode
Semi Rata-Rata
b. Metode
Kuadrat Terkecil
c. Metode
Tren Kuadratis
d. Metode
Tren Eksponensial
o Analisis
Variasi Musim, metode yang digunakan :
a. Metode
Rata-Rata Sederhana
b. Metode
Rata-Rata dengan Tren
c. Metode
Rasio Rata-Rata Bergerak
o Analisis
Variasi Siklus
o Analisis
Gerak Tak Beraturan
4.
Cara menghitung deret berkala yaitu :
o Analisis
Tren untuk metode semi rata-rata, rumusnya adalah
 |
Y’
= a + bX
o Analisis
Variasi Musim untuk metode rata-rata sederhana, rumusnya adalah
|
o Analisis
Variasi Siklus, rumusnya adalah
|
|
o
Analisis Gerak Beraturan
|
0 komentar:
Posting Komentar