ANALISIS TIME SERIES
& FORECASTING
A PERSON WHO DOESN’T CARE ABOUT “THE PAST“
IS A PERSON WHO DOESN’T HAVE “THE FUTURE”
PENGANTAR
• Bab sebelumnya membicarakan perbandingan cross-sectional
• Bab ini membicarakan perbandingan time-series, yaitu membandingkan
angka-angka dengan data historis
ANALISIS TIME SERIES
• Analisis terhadap data historis diperlukan untuk melihat tren tren yang mungkin ‑
timbul.
• Analis juga perlu menganalisis apa yang terjadi dibalik tren tren angka tersebut. ‑
• Data historis perusahaan sebaiknya juga dibandingkan dengan data historis industri untuk melihat apakah tren suatu
perusahaan bergerak relatif lebih baik terhadap tren industri.
APAKAH ROA PERUSAHAAN
MEMPUNYAI TREN MEMBAIK?
BEBERAPA PERUBAHAN STRUKTURAL YANG PELU
DIPERHATIKAN
• Peraturan Pemerintah
• Perubahan Kompetisi
• Perubahan Teknologi
• Akuisisi dan Merger (Penggabungan
Perusahaan)
Misalkan data time series sbb.
Data mana yang digunakan?
TIGA PENDEKATAN DALAM ANALISIS TIME-SERIES
• Pendekatan Ekonomi
• Pendekatan Statistik
• Pendekatan Visual
Metoda Peramalan Metoda Peramalan
( ( Forecasting Method Forecasting Method ) )
3-10
Aku melihat kau akan memperoleh nilai A di mata kuliah ini.
8 -11
The future is not going to be made tomorrow; it is being made today,
and largely by the decisions and actions taken with respect to the
task today.
(Peter F. Drucker)
8 -12
Jika engkau tidak mempunyai arah, maka arah mana pun baik
bagimu
3-13
Beranggapan sistem kausal masa lalu ==> masa depan
Ramalan jarang sempurna, oleh karena tingkat keacakan
Ramalan lebih akurat untuk group daripada individu
Tingkat akurasi ramalan menurun sejalan dengan meningkatnya
cakrawala waktu
Ciri-ciri ramalan
Ciri-ciri ramalan
3-14
Unsur-unsur ramalan yang baik Unsur-unsur ramalan yang baik
Tepat waktu
Akurat Handal
Berarti Tertulis
Mudah
digunakan
Definisi Peramalan Definisi Peramalan
Peramalan adalah seni dan ilmu untuk Peramalan adalah seni dan ilmu untuk memprediksi masa depan.
memprediksi masa depan.
Peramalan adalah tahap awal, dan hasil ramalan Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh tahapan pada
merupakan basis bagi seluruh tahapan pada perencanaan produksi.
perencanaan produksi.
Proses peramalan dilakukan pada level agregat Proses peramalan dilakukan pada level agregat ((part familypart family); bila data yang dimiliki adalah data ); bila data yang dimiliki adalah data
item, maka perlu dilakukan agregasi terlebih item, maka perlu dilakukan agregasi terlebih
dahulu.
dahulu.
Metode: Kualitatif dan kuantitatif.Metode: Kualitatif dan kuantitatif.
Terminologi: perioda, horison, Terminologi: perioda, horison, lead timelead time, , fitting fitting error
error, , forecast errorforecast error, data dan hasil ramalan., data dan hasil ramalan.
Persyaratan Penggunaan Persyaratan Penggunaan
Metode Kuantitatif:
Metode Kuantitatif:
1.1. Tersedia informasi tentang masa lalu.Tersedia informasi tentang masa lalu.
2.2. Informasi tersebut dapat di kuantitatifkan Informasi tersebut dapat di kuantitatifkan dalam bentuk data numerik.
dalam bentuk data numerik.
3.3. Dapat diasumsikan bahwa beberapa Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
aspek pola masa lalu akan terus berlanjut di masa mendatang.
berlanjut di masa mendatang.
Langkah-langkah Peramalan Langkah-langkah Peramalan
Definisikan tujuan peramalan.Definisikan tujuan peramalan.
Plot data (Plot data (part familypart family) masa lalu.) masa lalu.
Pilih metode-metode yang paling memenuhi Pilih metode-metode yang paling memenuhi tujuan peramalan dan sesuai dengan plot data.
tujuan peramalan dan sesuai dengan plot data.
Hitung parameter fungsi peramalan untuk Hitung parameter fungsi peramalan untuk masing-masing metode.
masing-masing metode.
Hitung Hitung fitting errorfitting error untuk semua metode yang untuk semua metode yang dicoba.
dicoba.
Pilih metode yang terbaik, yaitu metode yang Pilih metode yang terbaik, yaitu metode yang memberikan
memberikan errorerror paling kecil. paling kecil.
Ramalkan permintaan untuk periode mendatangRamalkan permintaan untuk periode mendatang
Lakukan verifikasi peramalan.Lakukan verifikasi peramalan.
KOMPONEN
DATA TIME-SERIES
• Trend
• Siklus
• Musiman
• Ketidakeraturan
• Dalam beberapa situasi, analis ingin memecaha data time-series ke dalam empat komponen tersebut
TREN
• Trend merupakan pergerakan time series dalam jangka panjang, bisa merupakan tren naik atau turun.
• Diperlukan waktu jangka panjang (15 atau 20 tahun) untuk melihat pola tren tersebut.
Tren tersebut bisa dipengaruhi oleh
perubahan jumlah penduduk, perubahan teknologi, dan semacamnya.
SIKLUS
• Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (sekitar 2 10 ‑ tahun). Belum ada penjelasan yang
memuaskan terhadap penyebab
timbulnya fluktuasi siklus semacam ini.
Lamanya dan besarnya fluktuasi juga sangat beragam dari perusahaan ke
perusahaan, dan dari industri ke industri.
MUSIMAN
• Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun.
• Ada beberapa penyebab timbulnya
fluktuasi musiman seperti disebutkan di muka:
(1) Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun baru,
(2) Karena cuaca, misal musim hujan dan musim kemarau.
KETIDAKTERATURAN
• Fluktuasi semacam ini disebabkan karena faktor faktor yang munculnya tidak teratur, ‑ dengan jangka waktu yang pendek.
• Misalkan suatu perusahaan mengalami musibah karena salah satu gudangnya terbakar, maka data keuntungan
perusahaan pada periode tersebut akan terpengaruh.