TIME SERIES ANALYSIS

(ANALISIS DERET BERKALA)

TIME SERIES

Data statistik yg disusun berdasarkan urutan waktu

terjadinya  waktu: tahun, kuartal, bulan, minggu, dsb.

ANALISIS TIME SERIES

Peralatan statistik yg dpt digunakan utk mengetahui

kecenderungan nilai suatu atau lebih variabel dari
waktu ke waktu dan utk memprediksikan/meramalkan
nilai variabel tsb. di masa yad.
 Data Time Series Penjualan Mobil
Dealer PT XYZ Makassar, 1988-1996
(Dlm Unit)

Jumlah
25
Tahun (Unit)
1988 11 20
1989 15
Jumlah (Unit)

15
1990 14
1991 16
10
1992 17
1993 18 5
1994 17
1995 21 0
1986 1988 1990 1992 1994 1996 1998
1996 20
T ahun
WHY TIME SERIES ANALYSIS?

• Analisis time series dpt membantu mempelajari data

masa lampau shg dpt dipelajari faktor2 penyebab
perubahan di masa lampau yg dpt dimanfaatkan utk
perencanaan masa mendatang (forecasting).

• Analisis time series dpt membantu dlm peramalan dg

menggunakan analisis trend, mis. penjualan.

• Analisis time series dpt membantu memisahkan faktor2

yg dpt mempengaruhi suatu data.
KOMPONEN2 TIME SERIES

• Secular Trend (T)

• Seasonal Variation (S)
• Cyclical Variation (C)
• Irregular Variation (I)

Hubungan komponen2 tsb merupakan bentuk perkalian

shg data asli (A) merupakan perkalian (T), (S), (C), dan
(I), atau
A=TxSxCxI

A = Actual atau data sesungguhnya.

Pemisahan komponen2 suatu data time series disebut
decomposing the series (dekomposisi time series).
 Secular Trend disingkat Trend (T)

Gerak naik turun dalam jangka panjang, mis. biaya hidup

yg berfluktuasi naik turun.

Mnrt gerak atau fluktuasinya, trend dpt dibedakan dlm:

Biaya hidup (ribu Rp)

• Trend naik (upward trend)

• Trend turun (downward trend) Trend

• Trend tetap (constant trend) Th

Biaya hidup (ribu Rp)

Biaya hidup (ribu Rp)

Th Th
Seasonal Variation (Gerak Musim)

Gerak naik atau turun secara periodik dlm jangka wkt

1 tahun  berulang tiap tahun. Mis penumpang pswt
menjelang lebaran atau thn baru.

Cyclical Variation (Gerak Siklis)

Disebut juga Business Cycle, gerak naik atau turun

secara periodik dlm jangka panjang yg umumnya
disebabkan oleh kegiatan dunia usaha, mis. penjualan
mobil, pembangunan gedung, volume kredit, investasi,
dsb.
Dr sudut pandang ekonomi, kegiatan yg satu terkait
dg kegiatan lainnya.
 Mnrn Haberler: I. Masa Kemakmuran (Prosperity)
II. Masa Resesi (Recession)
III. Masa Kehancuran (Depression)
IV. Pemulihan (Recovery)
Peak (puncak)

I
II

Indeks
Siklis 100%
III IV

Trough (dasar)

1 periode

0
Tahun
Irregular Variation (Gerak Tdk Teratur)

Gerak yg tdk teratur dan sulit diramalkan. Gerak ini

selalu ada pd time series dan sulit dihilangkan yg
timbul krn peperangan, bencana alam, musim kemarau
panjang, epidemi, dsb.

BENTUK PERSAMAAN TREND

• Persamaan garis lurus (linear): Y’ = a + bX

Y’ = nilai variabel terikat (dependent)

X = nilai variabel bebas (independent), dlm analisis
trend adalah waktu
a = intercept Y, yakni nilai Y jika X = 0
b = lereng/kemiringan (slope) garis trend.
• Bentuk persamaan parabola: Y’ = a + bX + cX2

• Bentuk persamaan pangkat 3: Y’ = a + bX + cX2 + dX3

• Bentuk persamaan eksponensial: Y’ = abx

• Bentuk persamaan Pearl Read: 1

Y’ =
a + bcx

Bahasan akan dibatasi pd persamaan trend dlm bentuk

garis lurus (linear).
 Y’ = a + bX
(Garis Lurus)

Y’ = a + bX + cX2
(Parabola)

1
Y’ =
a + bcx
(Pearl Reed)

Y’ = a + bX + cX2 + dX3
(Pangkat 3)

Y’ = abx
(eksponensial)
CARA MENGHITUNG/MENGGAMBAR GARIS TREND

• Metoda Bebas (free hand method)

• Metoda Semi Rata2 (semi average method)
• Metoda Rata2 Bergerak (moving average method)
• Metoda Jumlah Kuadrat Terkecil (ordinary least square)

Metoda Bebas
Memberikan kebebasan penuh utk menggambarkan
Grs trend berupa garis lurus di antara titik2 data asli.
Hasilnya subyektif, tergantung yg menggambar garis
trend dg pertimbangan masing2.
 Data Time Series Penjualan Mobil
Dealer PT XYZ Makassar, 1998-1996
(Dlm Unit)

25

20
data asli
Jumlah (Unit)

15

garis trend
10

0
1986 1988 1990 1992 1994 1996 1998
T ahun
Metoda Semi Rata2

Membagi data dlm 2 bagian, lalu dicari rata2 masing2.

Setiap rata2 membentuk titik yg dihubungkan satu sama
lain shg membentuk garis trend.

Jumlah Semi
25
Avg.
Tahun (Unit)
(B)
1988 11 20

1989 15 11+15+14+16 Jumlah (Unit)

= 14 15
1990 14 4 (A)
(A)
1991 16
10
1992 17
1993 18 5
1994 17 18+17+21+20
= 19 0
1995 21 4
(B) 1986 1988 1990 1992 1994 1996 1998
1996 20
Tahun
Metoda Rata2 Bergerak

Hampir sama dg semi rata2, tapi dasar perhitungan rata2-

nya menjadi lebih banyak (3, 4 atau 5 th) shg pengaruh
gerak musim dpt dihilangkan.

Mov. 25
Jumlah Avg
Tahun (Unit) 3 th 20
1988 11
1989 15 13,3 Jumlah (unit)
15
1990 14 15
1991 16 15,6 10
1992 17 17
1993 18 17,3 5
1994 17 18,3
1995 21 19,3 0
1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997
1996 20
Tahun
Metoda Kuadrat Terkecil (Ordinary Least Square Method)

Kuadrat terkecil  jumlah kuadrat penyimpangan (deviasi)

nilai data terhadap garis trend adalah minimum atau paling
kecil.

Jika syarat tsb terpenuhi, maka garis trend akan terletak

di tengah2 sebaran data asli.

Persamaan garis trend dirumuskan:

Y’ = a + bX

Persamaan tsb dpt dicari apabila nilai a dan b dpt dihitung.

Perhitungan persamaan grs trend Y’ = a + bX dilakukan
dg 2 persamaan normal sbb:

SY = Na + bSX
SXY = aSX + bSX2

Krn X = 0 (tahun di tengah = 0), maka dr persamaan

normal tsb:

a = SY/N

b = SXY/ SX2
 Perhitungan Garis Trend Dg
Metoda Least Square

Tahun Penjualan (Y) X X2 XY Y'(Trend)

1988 11 -4 16 -44 12,44
1989 15 -3 9 -45 13,47
1990 14 -2 4 -28 14,50
1991 16 -1 1 -16 15,53
1992 17 0 0 0 16,56
1993 18 1 1 18 17,59
1994 17 2 4 34 18,62
1995 21 3 9 63 19,65
1996 20 4 16 80 20,68
149 0 60 62

a = SY/N  149/9 = 16,56 b = SXY/ SX2 = 62/60 = 1,03

Y’ = a + bX

Y’ = 16,56 + 1,03X
 25

Data Asli
20
Jumlah (Unit)

15
Trend: Y’ = 16,56 + 1,03X

10

0
1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997
(-4) (-3) (-2) (-1) (0) (1) (2) (3) (4)
Tahun