• Tidak ada hasil yang ditemukan

ANALISIS DATA BERKALA (TIME SERIES)

N/A
N/A
Protected

Academic year: 2018

Membagikan "ANALISIS DATA BERKALA (TIME SERIES)"

Copied!
33
0
0

Teks penuh

(1)

ANALISIS

(2)

CONTOH DATA BERKALA

Pertumbuhan ekonomi pertahun dari tahun

1995 sampai tahun 2000

Nilai ekspor tekstil per tahun dari tahun 1990

sampai tahun 2000

Jumlah produksi minyak per bulan

Indeks harga saham per hari

(3)

TUJUAN ANALISIS

Dapat mengetahui perkembangan satu atau

beberapa keadaan

Hubungan atau pengaruhnya terhadap keadaan

lain.

Artinya apakah suatu keadaan atau kejadiaan

mempunyai hubungan (pengaruh) terhadap

keadaan yang lain, bila ada hubungan berapa

(4)

CONTOH HUBUNGAN

1.

Apakah kenaikan nilai ekspor akan mempengaruhi anggaran

pendapatan dan belanja negara?

2.

Apakah harga minyak di pasaran dunia akan mempengaruhi

kemampuan pemerintah dalam membayar hutang luar

negeri?

3.

Apakah biaya iklan akan mempunyai dampak yang positif

terhadap keuntungan perusahaan?

4.

Apakah kenaikan pendapatan rumah tangga akan diikuti

dengan kenaikan permintaan terhadap produk tertentu?

5.

Apakah jumlah uang yang beredar akan mempengaruhi

(5)

CONTOH GRAFIK ANALISIS

0

2

4

6

8

93

94

95

96

97

98

0

2

4

6

8

93

94

95

96

97

98

Year

Sales

(6)

KOMPONEN DATA BERKALA

Trend

Seasonal

Cyclical

(7)

KOMPONEN DATA BERKALA

1. Gerakan Trend Jangka Panjang atau Sekuler (T).

Persistent, overall upward or downward pattern

Due to population, technology etc.

Several years duration

Mo., Qtr., Yr.

Response

(8)

KOMPONEN DATA BERKALA

2. Gerakan Siklis (C)

Repeating up & down movements

Due to interactions of factors influencing economy

Usually 2-10 years duration

Mo., Qtr., Yr.

Response

Cycle

(9)

KOMPONEN DATA BERKALA

3. Gerakan Variasi Musim (S)

Regular pattern of up & down fluctuations

Due to weather, customs etc.

Occurs within one year

Mo., Qtr.

Response

Summer

(10)

KOMPONEN DATA BERKALA

4. Gerakan yang Tak Teratur atau Acak (I)

Erratic, unsystematic, ‘residual’ fluctuations

Due to random variation or unforeseen events

Union strike

War

(11)

METODE TREND LINEAR

1. Metode Bebas

2. Metode Setengah Rata-rata

3. Metode Rata-rata Bergerak

(12)

BENTUK UMUM TREND

LINEAR

Ŷ = a + bX

Ŷ adalah nilai trend pada periode tertentu (variabel

tak bebas)

X adalah periode waktu (variabel bebas)

a adalah intersep dari persamaan trend

b adalah koefisien kemiringan atau gradien dari

persamaan trend yang menunjukkan besarnya

(13)

METODE BEBAS

Buatlah sumbu datar X dan sumbu tegak Y dalam sistem koordinat

Cartesius

Buatlah diagram pencar (scatter diagram dari pasangan titik-pasangan

titik (XY) yang menyatakan kaitan antara waktu dan nilai data berkala

Tariklah garis linear yang arahnya mengikuti penyebaran nilai-nilai data

berkala

Pilihlah dua titik sembarang untuk menentukan persamaan trend linear,

misalnya (X

1

,Y

1

) dan (X

2

,Y

2

)

Pilihlah salah satu periode waktu data berkala sebagai titik asal (X=0)

Masukkanlah atau subtitusikanlah nilai-nilai X dan Y dari dua titik yang

telah dipilih pada rumus persamaan umum trend linear atau memakai

persamaan berikut:

Selanjutnya tentukanlah nilai-nilai trend dengan memakai persamaan

yang telah diperoleh tersebut

(14)

CONTOH SOAL

Besarnya dana pinjaman yang disalurkan oleh

PT. Jasa Raharja untuk modal kerja bagi

pengusaha kecil dari tahun 1987 sampai

tahun 1995 (dalam miliar rupiah) adalah

sebagai berikut:

Tentukanlah persamaan trend dengan

memakai metode bebas!

TAHUN 1987 1988 1989 1990 1991 1992 1993 1994 1995

Besar

(15)

PERHITUNGAN

TAHUN

1987 1988 1989 1990 1991 1992 1993 1994 1995

X

0

1

2

3

4

5

6

7

8

Y

1,5

1,8

2,5

3,5

2,3

1,6

4,1

3,8

4,5

Dipilih titik (2; 2,5) dan (7; 3,8) yang akan dimasukkan

kedalam rumus Ŷ= a + bx

Untuk titik (2; 2,5), maka diperoleh:

2,5 = a + b (2) → a + 2b = 2,5

(1)

Untuk titk (7; 3,8), maka diperoleh:

(16)

PERHITUNGAN

TAHUN

1987 1988 1989 1990 1991 1992 1993 1994 1995

Besar

Pinjaman

1,5

1,8

2,5

3,5

2,3

1,6

4,1

3,8

4,5

Nilai Trend

1,98

2,24

2,50

2,76

3,02

3,28

3,54

3,80

4,06

(1) a + 2b = 2,5

(2) a + 7b = 3,8

(-)

- 5b = -1,3

b = 0,26

Subtitusikan b=0,26 kedalam persamaan (1), diperoleh:

a + 2 (0,26) = 2,5

a = 1,98

(17)

HASIL GRAFIK METODE BEBAS

y = 1,98 + 0,26x

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

1987

1988

1989

1990

1991

1992

1993

1994

1995

Aktual Data Berkala

(18)

METODE SETENGAH

RATA-RATA

Bagilah data berkala menjadi dua kelompok

yang sama banyak, katakanlah kelompok 1 dan

kelompok 2

Tentukanlah rata-rata hitung masing-masing

kelompok, katakanlah Ӯ

1

dan Ӯ

2

Tentukanlah dua titik, yaitu (X

1

, Ӯ

1

) dan (X

2

, Ӯ

2

),

dimana absis X

1

dan X

2

ditentukan dari periode

waktu data berkala

Tentukanlah nilai a dan b dengan

(19)

PERHITUNGAN

TAHUN

1987 1988 1989 1990 1991 1992 1993 1994 1995

X

0

1

2

3

4

5

6

7

8

Y

1,5

1,8

2,5

3,5

2,3

1,6

4,1

3,8

4,5

Kelompok 1:

Kelompok 2:

Kelompok 1

Dihilangkan

Kelompok 2

(20)

PERHITUNGAN

Untuk titik (1,5; 2,325), maka diperoleh:

2,325 = a + b (1,5) → a + 1,5b = 2,325

(1)

Untuk titk (6,5; 3,5), maka diperoleh:

3,5 = a + b (6,5) → a + 6,5b = 3,5

(2)

(1) a + 1,5b = 2,325

(2) a + 6,5b = 3,5 (-)

- 5b = -1,175

b = 0,235

(21)

PERHITUNGAN

TAHUN

1987 1988 1989 1990 1991 1992 1993 1994 1995

Besar

Pinjaman

1,5

1,8

2,5

3,5

2,3

1,6

4,1

3,8

4,5

Nilai Trend

1,97

2,21

2,44

2,68

2,91

3,15

3,38

3,62

3,85

(22)

HASIL GRAFIK

METODE SETENGAH RATA-RATA

y = 1,9725 +0,235x

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

1987

1988

1989

1990

1991

1992

1993

1994

1995

(23)

METODE RATA-RATA BERGERAK

(MOVING AVERAGE)

Y

1

, Y

2

, Y

3

, .... Y

n

Rata-rata bergerak menurut urutan waktu n adalah

merupakan urutan rata-rata hitung, yaitu sebagai

berikut:

Rata-rata hitung pertama :

Rata-rata hitung kedua:

Rata-rata hitung ketiga, dst:

(24)

PERHITUNGAN

TAHUN

Y

Moving Average (3)

Ŷ

1987

1,5

NA

NA

1988

1,8

(1,5+1,8+2,5)/3 = 1,93

1,93

1989

2,5

(1,8+2,5+3,5)/3 = 2,60

2,60

1990

3,5

(2,5+3,5+2,3)/3 = 2,77

2,77

1991

2,3

(3,5+2,3+1,6)/3 = 2,47

2,47

1992

1,6

(2,3+1,6+4,1)/3 = 2,67

2,67

1993

4,1

(1,6+4,1+3,8)/3 = 3,17

3,17

1994

3,8

(4,1+3,8+4,5)/3 = 4,13

4,13

(25)

PERHITUNGAN

TAHUN

Y

Moving Average (4)

Ŷ

1987

1,5

NA

NA

1988

1,8

(1,5+1,8+2,5+3,5)/4 = 2,33

2,33

1989

2,5

(1,8+2,5+3,5+2,3)/4 = 2,53

2,53

1990

3,5

(2,5+3,5+2,3+1,6)/4 = 2,48

2,48

1991

2,3

(3,5+2,3+1,6+4,1)/4 = 2,88

2,88

1992

1,6

(2,3+1,6+4,1+3,8)/4 = 2,88

2,88

1993

4,1

(1,6+4,1+3,8+4,5)/4 = 3,50

3,50

1994

3,8

NA

NA

(26)

HASIL GRAFIK

METODE MOVING AVERAGE

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

1987

1988

1989

1990

1991

1992

1993

1994

1995

(27)

METODE KUADRAT MINIMUM

Ŷ = a + bX

n

Y

a

2

(28)

PERHITUNGAN

TAHUN 1987 1988 1989 1990 1991 1992 1993 1994 1995

(29)

HASIL GRAFIK

METODE KUADRAT MINIMUM

y = 2,84 +0,32x

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

5

1987

1988

1989

1990

1991

1992

1993

1994

1995

Aktual Data Berkala

(30)

METODE TREND KUADRATIK

Bentuk persamaan umum trend kuadrat

Ŷ = a + bX + cX

2

Dimana a, b, dan c ditentukan dengan metode kuadrat

minimum sehingga diperoleh

(31)

PERHITUNGAN

TAHUN

Y

X

XY

X

2

X

2

Y

X

4

1987

1,5

-4

-6,0

16

24,0

256

1988

1,8

-3

-5,4

9

16,2

81

1989

2,5

-2

-5,0

4

10,0

16

1990

3,5

-1

-3,5

1

3,5

1

1991

2,3

0

0

0

0

0

1992

1,6

1

1,6

1

1,6

1

1993

4,1

2

8,2

4

16,4

16

1994

3,8

3

11,4

9

34,2

81

1995

4,5

4

18,0

16

72

256

(32)

METODE TREND KUADRATIK

Bentuk persamaan umum trend kuadrat

(33)

REGRESI

Referensi

Dokumen terkait

Pada umumnya, dalam suatu data time series GPS terdapat komponen periodik yang biasanya tidak dapat dideteksi dengan langsung.. Untuk mendeteksi komponen periodik

mempunyai pengaruh yang besar terhadap stres kerja karyawan dibandingkan dengan gejala lain yaitu gejala perilaku. Artinya kuantitas pekerjaan mempunyai pengaruh yang paling besar

Bila barang atau jasa dipasok dalam suatu transaksi antara pihak yang mempunyai hubungan istimewa, dan keadaan yang bersangkutan itu adalah serupa dengan keadaan dalam

Artinya pengaruhnya sangat kuat, dalam Pasal 1 angka 4 Undang-Undang Nomor 5 Tahun 1999 menyebutkan posisi dominan merupakan suatu keadaan dimana pelaku usaha tidak mempunyai

Apabila suatu data runtun waktu (time series) tidak stasioner atau memilki akar unit, ada beberapa trik yangg dapat dilakukan untuk menstasionerkan data tersebut. Salah satu

RCA didefinisikan bahwa jika pangsa ekspor produk turunan susu Indonesia di dalam total ekspor komoditi dari suatu negara lebih besar dibandingkan pangsa pasar

banyak dilakukan kemampuan Artificial Neural Network dalam melakukan suatu pembelajaran terbukti mempunyai kinerja yang cukup baik, pada penelitian ini Backprogation

Artinya selang waktu didalam suatu sistem koordinat atau keadaan tidak sama panjangnya didalam sistem koordinat atau keadaan lain yang bergerak terhadap sistem koordinat lain.1 Hal yang