STATISTIK - I PENGUKURAN DISPERSI (MEASURES OF DISPERSION) MENGAPA PERLU UKURAN DISPERSI. RATA – RATA DAN MEDIAN HANYA MENGGAMBARKAN SENTRAL DARI SEKELOMPOK DATA, TETAPI TIDAK MENGGAMBARKAN BAGAIMANA PENYEBARANNYA.. DUA KELOMPOK DATA DENGAN RATA-RATA SAMA, BELUM TENTU MEMILIKI PENYEBARAN YANG SAMA. OLEH KARENA ITU, HANYA DENGAN RATA-RATA KITA TIDAK DAPAT MELIHAT GAMBARAN YANG JELAS DARI KELOMPOK DATA TERSEBUT. UKURAN DISPERSI YANG KECIL MENUNJUKKAN NILAI DATA SALING BERDEKATAN (PERBEDAAN KECIL), SEDANGKAN NILAI DISPERSI YANG BESAR MENUNJUKKAN BAHWA NILAI DATA MENYEBAR (PERBEDAAN NILAI MASING-MASING DATA BESAR) UKURAN DISPERSI DIGUNAKAN UNTUK MELENGKAPI PERHITUNGAN NILAI SENTRAL CONTOH: Data A terdiri dari nilai-nilai : 52 56 60 64 68 Data B terdiri dari nilai-nilai : 40 50 60 70 80 Rata-rata kedua kelompok data tersebut adalah sama (60) akan tetapi vasiasi nilai-nilainya terhadap nilai sentral berbeda. 40 60 50 52 56 60 70 64 68 80 ADA 2 MACAM PENGUKURAN DISPERSI Pengukuran Dispersi Absolud, digunakan untuk mengetahui tingkat variabilitas nilai-nilai observasi pada suatu data. Metoda pengukuran dispersi absolud ada 4: Range; Deviasi Quartile; Deviasi Rata-Rata dan Deviasi Standar. Pengukuran Dispersi Relatif, digunakan untuk membandingkan tingkat variabilitas nilai-nilai observasi suatu data dengan tingkat variabilitas nilainilai observasi data lainnya. Metoda pengukuran dispersi relatif ada 2: Koefisien Variasi dan Koefisien Variaso Quartile. RANGE: HIGHEST VALUE – LOWEST VALUE Contoh: 30; 25; 32; 35; 43; 37; 46 Highest Value = 46 Lowest Value = 25 Range: 46 – 25 = 21 INTERQUARTILE RANGE : Q3 – Q1 Contoh: 95 103 105 110 114 115 121 Q1 = 103 Q3 = 115 Interquartile Range = 115 – 103 = 12 DEVIASI QUARTILE (Dk) Q3 – Q1 Dk = 2 Contoh: 95 103 105 110 114 115 121 Q1 = 103 Q3 = 115 Q3 – Q1 Dk = 2 Q3 – Q1 = 115 – 103 = 12 Dk = 12/2 = 6 DEVIASI RATA-RATA =MEAN DEVIATION Deviasi Rata-rata (Dx) = The arithmatic mean of the absolute value of the deviation from the arithmatic mean. MD = Dx = Σ|x-x| n Contoh: 103 97 101 106 103 Rata-rata = (103 + 97 + 101 + 106 + 103)/5 Rata-rata = 102 n=5 Dx = {|103 - 102| + |97 – 102| + |101 - 102| + |106 - 102| + |103 - 102|}/5 = {1 + 5 + 1 + 4 + 1}/5 = 12/5 = 2,4. Deviasi Rata-rata untuk data berkelompok Dx = f i = frekwensi kelas ke – i x i = titik tengah kelas ke I x = rata-rata n= jumlah frkwensi data Σ f i | xi – x | n Contoh: Nilai Ujian 20 – 29 30 – 39 40 – 49 50 – 59 Jumlah Frkuensi 1 2 4 2 9 Jawab: fi xi f ixi x i– x | x i– x | f i 20 – 29 30 – 39 40 – 49 50 – 59 1 2 4 2 24,5 34,5 44,5 54,5 24,5 69 178 109 -17,8 -7,8 2,2 12,2 17,8 15,6 8,8 24,4 Jumlah 9 Nilai Ujian 66,6 Σf x n Dx = 380,5 Σ f i | xi – x | i=1 n Dx = (66,6)/9 = 7,4 x= n x = 380,5/9 = 42,20 VARIANCE & STANDARD DEVIATION Variance (Varian): The aritmatic mean of squared deviation from the mean Standard Deviation (Deviasi Standar): The squared root of the variance ∑ (x - µ) 2 2 Populatin Variance : (σ ) = N Population Standard Deviation (σ) = √ ∑ (x - µ) N 2 Σ (x – x) 2 Sample Variance (S ) = 2 2 S = n-1 Σ (x – x) Σx - (Σx) /n S=√ 2 2 } n -1 2 2 2 n-1 Sample Standard Deviation (S) = √ { S= 2 2 {Σx - (Σx) /n} √ 1/(n-1) [ Σx i - {(Σ x i ) /n}] Rumus I n-1 Rumus II Catatan: untuk n > 100, (n – 1) dapat diganti dengan n Contoh: Hitung Varian dan Deviasi Standar dari data: 40, 50, 60, 70, 80. Jawab: Rata-rata data = (40 + 50 + 60 + 70 + 80)/5 = 60 2 x -x (x - x) 40 50 60 70 80 -20 -10 0 10 20 400 100 0 100 400 1600 2500 3600 4900 6400 1000 19000 300 x 2 x Varian (s ) =2 (1000)/ 5-1 = 250 Deviasi Standar = √250 = 15,81 Atau: Varians : = 1/(5-1){(19000 – 300)/5 = 250 Deviasi Standar: = √ 250 = 15,81. Untuk Data Berkelompok: 2 Σ f i (x ii – x ) Variance = n-1 2 Deviasi Standar = √ Σ f i (x i – x ) n-1 Waktu (Menit) 0 - < 10 10 - < 20 20 - < 30 30 - < 40 40 - < 50 50 - < 60 60 - < 70 70 - < 80 Jumlah f 2 6 16 12 7 4 2 1 50 Contoh : Hitung Varians dan Deviasi Standar menggunakan rumus I & II Waktu (Menit) f x fx 0 - < 10 10 - < 20 20 - < 30 30 - < 40 40 - < 50 50 - < 60 60 - < 70 70 - < 80 2 6 16 12 7 4 2 1 5 15 25 35 45 55 65 75 10 90 400 420 315 220 130 75 Jumlah 50 1160 x -x -28,2 -18,2 -8,2 1,8 11,8 21,8 31,8 41,8 (x - x ) f ( x - x) 795,24 331,24 67,24 3,24 139,24 475,24 1011,24 1747,24 1590,48 1987,44 1075,84 38,88 974,68 1900,96 2022,48 1747,24 4569,92 11388,00 x = (Σfi xi )/n = 1600/50 = 33,2 2 2 S = {Σf i (x i - x)}/(n-1) = 11388/(50 – 1) = 11338/49 = 231,388 S = √231,388 = 15,21 PENGUKURAN DISPERSI RELATIF Coeficien Variasi (Coeficient of Variation) (V/CV)): The ratio of the standard deviation to thearithmatic mean, expressed as a percent. V(CV) = S x x 100% Coeficien Variasi Quartil (Vk): Adalah Deviasi Kwartil dibagi Median Q3 – Q1 Vk = Q3 + Q1 PENGUKURAN KEMENCENGAN SUATU DISTRIBUSI FREKUENSI DISTRIBUSI SIMETRIS Distribusi simetris, yang berarti luas kurva disebelah kiri nilai rata-rata sama dengan luas kurva disebelah kanan nilai rata-rata. KEMENCENGAN Curve A : Skew ed Right Curve B : Skew ed Left Distribusi menceng ke kanan (Curve A): Nilai-nilai observasi berfrekwensi rendah kebanyakan berada disebelah kanan nilai rata-rata. Distribusi menceng ke kiri (Curve B): Nilai-nilai observasi berfrekwensi rendah kebih banyak berada disebelah kiri dari rata-rata (ekornya menjulur ke kiri) METODA PENGUKURAN KEMENCENGAN Koefisien Karl Pearson: Sk = ( x – mo)/s Sk = Kemencengan x = Rata-rata Mo = Modus s = deviasi standar Catatan: Jika Sk positif artinya distribusi frekwensi menceng ke kanan. Jika Sk negatif artinya distribusi frekwensi menceng ke kiri. Jika Sk = 0 artinya distribusi frekwensi simetris. Hubungan Rata-rata Hitung, Median dan Modus X - Mo = 3(X - Md) Mo = X – 3 (X – Md) Sk = (X – Mo)/s Sk = X – {X – 3 (X – Md)} s Sk = 3 (X – Md)} s X > Md > Mo X < Md < Mo Sk = ( x – mo)/s X = Md = Mo Contoh: Hitung tingkat emencengan dari distribusi frekwensi berikut: Upah/Jam 300 – 349 350 – 399 400 – 449 450 – 499 500 – 549 550 – 599 600 – 649 Jumlah Karyawan 68 142 100 60 40 20 10 440 Jawab: 1. Menghitung Median: Letak Median = 440/2 =220 Upah/Jam 300 – 349 350 – 399 400 – 449 450 – 499 500 – 549 550 – 599 600 – 649 Jml Kary x 68 142 100 60 40 20 10 324,5 374,5 424,5 474,5 524,5 574,5 624,5 440 2 fx fk (x – x) 22.066 53.179 42.450 28.470 20.980 11.490 6.245 68 210 310 370 410 430 440 9158,5 2088,5 18,5 2948,5 10878,5 2948,5 10878,5 184.880 Md = 399,5 + Md = Lmd + Fmd x Ci 622778 296567 1850 176910 435139,6 58969,8 108785 1700999,4 Jawab: 1. Menghitung Median: Letak Median = 440/2 =220 N/2 - Fk 2 f (x – x) Md = 404,5 440/2 - 210 100 50 2. Menghitung Rata-rata: X= 4. Menghitung Deviasi Standar 2 ∑(fi.xi) Deviasi Standar = √ n Σ f i (x i – x ) n-1 X = (184.880)/440 S = √ (1700999,4)/(440 -1) S = 62,25 X = 420,18 3. Menghitung Modus: Mo = Lmo + d1 x Ci d1 + d2 5. Koefisien Karl Pearson: Sk = ( x – mo)/s 74 50 Mo = 349,5 + 74 + 42 Mo = 381,39 Sk = (420,18 – 381,39)/62,25 Sk = 0,6231 Sk = 62,31% Atau: Sk = 3 (X – Md)} s Sk = 3(420,18 – 404,5)/62,31 Sk = 75,56% Hasil perhitungan berbeda, karena adanya perbedaan nilai antara Median dan Modus. Apabila kita berkeyakinan bahwa Modus bukan merupakan ukuran nilai sentral yang baik, sebaiknya kita menggunakan Median. Catatan: Semakin besar nilai koefisien Karl Pearson, semakin tinggi tingkat kemencengan sebuah distribusi frekwensi (kurva). Koefisien Bowley Sk (Bowley) = (Q3 - Q2) – (Q 2 - Q 1) (Q 3- Q1) Q1 = Kwartil ke 1 Q2 = Kwartil ke 2 Q3 = Kwartil ke 3 y x Q1 Q2 Q3 (Q3 - Q2) > (Q 2 - Q 1) X>Y Menceng ke kanan Jika nilai Koefisien Bowley positif artinya (Q3 - Q2) > (Q 2 - Q 1), maka distribusi frekwensi menceng ke kanan. Sedangkan apabila koefisien Bowley negatif artinya (Q3 - Q2) < (Q 2 - Q 1) maka distribusi frekwensi menceng ke kiri. Bila koefisien Bowley = 0, artinya (Q3 - Q2) = (Q 2 - Q 1) maka distribusi frakwensi adalah simetris. y x y x Q1 Q 2 Q 3 Q1 Q 2 Q 3 (Q3 - Q2) < (Q 2 - Q 1) (Q3 - Q2) = (Q 2 - Q 1) X<Y Menceng ke kiri X=Y Simetris Contoh: Hitung tingkat emencengan dari distribusi frekwensi berikut menggunakan rumus koefisien Bowley: Upah/Jam 300 – 349 350 – 399 400 – 449 450 – 499 500 – 549 550 – 599 600 – 649 Jumlah Karyawan 68 142 100 60 40 20 10 440 Upah/Jam Jml Kary fk 68 142 100 60 40 20 10 68 210 310 370 410 430 440 300 – 349 350 – 399 400 – 449 450 – 499 500 – 549 550 – 599 600 – 649 Jawab: 1. Menghitung Quartile 1, 2 & 3 : Letak Q1 = 440/4 =110 Letak Q2 = 2 (440)/4 = 220 Letak Q3 = 3 (440)/3 = 330 Qi = LQi + [ (in/4) - fk fQi ]x Ci 440 3(440)/4 - 310 440/4 - 68 Q1 = 349,5 + 142 Q3 = 449,5 + 50 Q3 = 466,1 Q1 = 364,3 Q2 = 399,5 + 2(440)/4 - 210 100 Q2 = 404,5 50 60 50 Menghitung Koefisien Bowley: Sk (Bowley) = (Q3 - Q2) – (Q 2 - Q 1) (Q 3- Q1) (466,1 – 404,5 ) – (404,5 - 364,3) Sk (Bowley) = (466,1 - 364,3) Sk (Bowley) = 21,02 % Catatan: Sk (Bowley) > +30% atau < -30%, menunjukkan Menurut Bowley, apabila bahwa distribusi frekwensi memiliki tingkat kemencengan yang tinggi. ANGKA INDEKS Angka Indeks: merupakan suatu metoda statistik untuk mengukur perubahan atau mengadakan perbandingan antara variable-variable ekonomi dan sosial dari waktu ke waktu. Dalam menyusun angka indeks, nilai pada suatu periode dibandingkan dengan nilai pada tahun dasar (base year). Angka indeks pada tahun dasar (base year) selalu 100. Tujuan penyusunan Angka Indeks adalah untuk memudahkan kita membandingkan nilai-nilai observasi dari waktu ke waktu. V Rumus : V n 0 x 100 Dimana : V = Nilai tahun ke n n V0 = Nilai tahun Dasar Contoh: Tahun 1980 1981 1982 1983 1984 Harga Beras/Kg 250 300 300 400 500 Apabila tahun 1980 ditentukan sebagai tahun dasar, hitung anka indeks tahun 1981,1982,1983, dan 1984. Jawab: I (1981) = I (1982) = I (1983) = I (1984) = (300)/(250) x 100 = 120 (300)/(250) x 100 = 120 (400)/(250) x 100 = 160 (500)/(250) x 100 = 200 1. Angka Indeks Sederhana. Adalah angka indeks yang menyatakan perbandingan satu macam komoditi Rumus : I n= Vn V0 x 100 Dimana : V n = Nilai tahun ke - n V 0 = Nilai tahun Dasar I n = Angka Indeks Tahun ke – n Contoh: Harga komoditi susu selama 3 tahun adalah sebagai berikut: Tahun 1989 1990 1991 Harga (Rp) 500 750 1000 Hitung Indeks Harga (IH) tahun 1990 dan 1991 dengan tahun 1989 sebagai tahun dasar. Jawab: IH(1990) = (750)/(500) x 100 = 150 IH(1991) = (1000)/(500) x 100 = 200 2. Angka Indeks Agregatif Adalah Angka Indeks yang menyatakan perbandingan sekelompok komoditi. Rumus: IA = Σ Vn ∑ V0 x 100 Keterangan: IA = Angka Indeks Agregatif Σ Vn = Jumlah nilai komoditi th ke-n ∑ V0 = Jumlah nilai komoditi th dasar Contoh: Komoditi Harga Th 89 Harga Th 90 Harga Th 91 Susu Gula Beras 500 200 300 750 400 150 1000 600 450 Jumlah 1000 1300 2050 Jawab: IHA 90 = (1300)/(1000) x 100 = 130 IHA 91 = (2050)/(1000) x 100 = 205 3. Angka Indeks Agregatif Tertimbang Rumus: AIw = AIw (Las Peyres) = ∑Vn x W ∑V0 x W ∑Vn x W 0 ∑V0 x W 0 x 100 x 100 Dimana W adalah faktor timbangan. Rumus Angka Indeks Agregatif Las Peyres AIw (Paasche) = ∑Vn x W n ∑V0 x W n x 100 Rumus Angka Indeks Agregatif Paasche Note: Untuk menghitung Indeks Harga, Las Peyres menggunakan kuantitas tahun dasar (W0) sebagai penimbang, sedangkan Paasche menggunakan kuantitas tahun ke n (Wn) sebagai penimbang. Contoh: 1989 Komoditi 1990 Harga(p) Jumlah(q) 1991 (p) (q) (p) (q) Susu Gula Beras 500 200 300 20 10 10 750 400 150 20 50 15 1000 600 450 40 60 30 Jumlah 1000 40 1300 85 2050 130 Jika tahun 1989 dijadikan tahun dasar, maka: a. Hitung Indeks Harga Agregatif dengan metoda Laspayer. b. Hitung Indeks Harga Agregatif dengan metoda Paasche. Jawab: a. Rumus Indeks Harga Agregatif Laspeyres & Paasche: IH IH (Las Peyres)= (Paasche) = ∑pn x q0 ∑p0 x q0 ∑pn x qn ∑p0 x qn x 100 x 100 Untuk tahun 1990, Indeks Harga: IH(Laspeyres) = Σp1990 x q1989 Σp1989 x q1989 x 100 IH(Paasche) = Σp1990 x q1990 Σp1989 x q1990 x 100 p89 p90 500 200 300 750 400 150 q89 20 10 10 q90 20 50 15 p90xq89 15000 4000 1500 p89xq89 10000 2000 3000 20500 ∑p90 x q89 IH90(Las Peyres) = IH90(Las Peyres) = {(2050)/(15000)} x100 = 136,67 IH90(Paasche) = IH90(Paasche) ∑p89 x q89 Σp1990 x q1990 Σp1989 x q1990 x 100 x 100 = {(37250)/(24500)} x100 = 152,04 15000 p90xq90 p89x q90 15000 20000 2250 10000 10000 4500 37250 24500 IH91(Laspeyres) = = Σp1991 x q1989 x 100 Σp1989 x q1989 (1000x20) + (600x10) + (450x10) 15000 x 100 = {(30500)/15000} x 100 IH91(Laspeyres) = 203,33 IH91(Paasche) = = IH91(Paasche) Σp1991 x q1991 Σp1989 x q1991 x 100 {(1000x40) + (600x60) + (450x30)} {(500x40) + (200x60) + (300x30) = (89500)/(41000) x 100 = 218,29 x 100 Hasil selengkapnya: Tahun 1989 1990 1991 IH Laspeyers 100 136,67 203,33 IH Paasche 100 152,04 218,29 Note: 1. Angka Indeks Laspeyres lebih banyak digunakan karena lebih praktis. 2. Angka Indeks Laspeyres menggunakan kuantitas tahun dasar sebagai penimbang (tetap) sehingga hanya perubahan harga yang memperngaruhi indeks. 3. Angka Indeks Paasche menggunakan kuantitas tahun ke-n sebagai penimbang. Sehingga disamping dipengaruhi oleh perubahan harga, Angka Indeks Harga Paasche tidak murni karena dipengaruhi juga oleh perubahan kuantitas. 4. Kelemahan Angka Indeks Harga Paasche adalah karena untuk dapat menghitung Angka Indek diperlukan waktu dan biaya untuk mengumpulkan data kuantitas yang terakhir. Selain digunakan untuk menghitung Angka Indeks Harga, rumus Las Peyres dan Paasche dapat digunakan untuk menghitung Angka Indeks Kuantitas. Rumus Angka Indeks Kuantitas Las Peyres: IK (Las Peyres) = ∑qn x p0 ∑q0 x p0 x 100 Rumus Angka Indeks Kuantitas Paasche: IK (Paasche) = ∑qn x pn ∑q0 x pn x 100 Contoh: 1990 Komoditi Harga Daging Roti Cabai 100 200 20 IK = 1991 (Las Peyres) = 1991 Kuantitas 40 1 100 ∑q91 x p90 ∑q90 x p90 115 220 27 x 100 (50 x 100) + (1 x 200) + (90 x 20) (40 x 100) + (1 x 200) + (100 x 20) = 112,9 Harga x 100 Kuantitas 50 1 90 IK1991 (Paasche) = = ∑q91 x p91 ∑q90 x p91 x 100 (50 x 115) + (1 x 220) + (90 x 27) (40 x 115) + (1 x 220) + (100 x 27) = 117,7 x 100 Angka Indeks Fisher AIw (Fisher) = √ (Angka Indeks Las Peyres x Angka Indeks Paasche) AIw (Fisher) = √ ∑pn x q0 ∑p0 x q0 x ∑pn x qn ∑p0 x qn Pengujian Matematis Angka Indeks. Untuk mengetahui baik tidaknya rumusan Angka Indeks, dapat digunakan 2 cara pengujian: a. Pengujia Pembalikan Waktu (Time Reversal Test) b. Pengujian Pembalikan Faktor (Factor Reversal Tes) a. Pengujian Pembalikan Waktu. Suatu Angka Indeks adalah baik jika memenuhi kondisi: (Angka Indeks 0,n) x (Angka Indeks n,0) = 1 Dimana: Angka Indeks 0,n = Angka Indeks dengan periode 0 sebagai tahun dasar. Angka Indeks n,0 = Angka Indeks dengan periode n sebagai tahun dasar. Contoh: Angka Indeks Las Peyers: ∑pn x q0 AI 0,n = ∑p0 x q0 (AI 0,n) x (AI n,0) = AI n,0 = ∑pn x q0 ∑p0 x q0 X ∑p0 x qn ∑pn x qn ∑p0 x qn =/= 1 ∑pn x qn Angka Indeks Paasche: AI 0,n = ∑pn x qn AI n,0 = ∑p0 x qn (AI 0,n) x (AI n,0) = ∑pn x qn ∑p0 x qn X ∑p0 x q0 ∑pn x q0 ∑p0 x q0 ∑pn x q0 =/= 1 Angka Indeks Fisher: AI 0,n = √ ∑pn x q0 AI n,0 = √ ∑p0 x qn (AI 0,n) x (AI n,0) = √ ∑p0 x q0 ∑pn x qn ∑pn x q0 ∑p0 x q0 x x x ∑pn x qn ∑p0 x qn ∑p0 x q0 ∑pn x q0 ∑pn x qn ∑p0 x qn x ∑p0 x qn ∑pn x qn x Kesimpulan: Hanya Rumus Fisher yang memenuhi syarat. ∑p0 x q0 ∑pn x q0 =1 b. Pengujian Pembalikan Faktor Suati rumusan Angka Indeksbaik jika memenuhi kondisi: Bila faktor p dan q pada suatu rumus Angka Indeks dipertukarkan sehingga diperoleh rumus baru, maka hsil perkalian rumus baru dengan rumus lama Σpn . qn harus sama dengan : Σp0 . q0. Indeks Las peyers AI = ∑pn x q0 ∑p0 x q0 ∑pn x q0 ∑p0 x q0 AI setelah pembalikan faktor = ; x Σpn . qn ∑qn x p0 ∑q0 x p0 =/= Σp0 . q0. ∑qn x p0 ∑q0 x p0 Indeks Paasche AI = ∑pn x qn ∑p0 x qn ∑pn x qn ∑p0 x qn AI setelah pembalikan faktor = ; x Σpn . qn ∑qn x pn =/= ∑q0 x pn Σp0 . q0. Indeks Fisher AI = √ ∑pn x q0 ∑p0 x q0 x ∑pn x qn ∑p0 x qn AI setelah pembalikan faktor: √ ∑qn x p0 ∑q0 x p0 x ∑qn x pn ∑q0 x pn ∑qn x pn ∑q0 x pn √ = ∑pn x q0 ∑p0 x q0 x ∑pn x qn ∑p0 x qn X √ ∑qn x p0 ∑q0 x p0 x ∑qn x pn ∑q0 x pn ∑pn x qn ∑p0 x q0 Kesimpulan: Hanya Rumus Fisher yang memenuhi syarat. Karena melalui dua cara pengujian ini hanya Indeks Fisher yang memenuhi syarat,maka Angka Indeks Fisher disebut angka indeks yang ideal (Fisher Ideal Index) Perubahan Tahun dasar Angka Indeks. Perubahan tahun dasar Angka Indeks dilakukan dengan 2 tujuan: a. Untuk memudahkan dalam membandingkan dua kelompok angka indeks yang tidak samatahun dasarnya. b. Untuk memperbaharui tahun dasar yang sudah terlalu jauh dari tahun sekarang. Contoh: Angka Indeks harga mobil dengan tahun dasar 1985. Tahun 1985 1986 1987 1988 1989 1990 1991 1992 Angka Indeks 100 110 120 120 130 150 160 200 Angka Indeks harga rumah dengan tahun dasar 1990. Tahun 1985 1986 1987 1988 1989 1990 1991 1992 Angka Indeks 40 50 60 80 90 100 120 150 Agar kita dapat membandingkan perubahan harga mobi dan garga rumah, kita harus menyamakan tahun dasar kedua Angka Indekstersebut di atas. Dalam contoh ini kita harus merubah tahundasar Angka Indeks harga mobil dari tahun 1985 ke tahun 1990 dengan menggunakan rumus sbb.: A.In = Tahun 1985 1986 1987 1988 1989 1990 1991 1992 AI tahun ke n AI tahun dasar yang baru AI Harga Mobil (Th Dasar 1990) (100/150)x100 = 66,67 (110/150)x100 = 73,33 (120/150)x100 = 80 (120/150)x100 = 80 (130/150)x100 = 86,67 (150/150)x100 = 100 (160/150)x100 = 106,67 (200/150)x100 = 133,33 x 100 Dengan menyamakan tahun dasar, maka kita dapat membandingkan perubahan harga mobil dan harga rumah menggunakan Angka Indeks seperti dibawah ini: Tahun 1985 1986 1987 1988 1989 1990 1991 1992 AI Harga Mobil 66,67 73,33 80,00 80,00 86,67 100,00 106,67 133,33 AI Harga Rumah 40,00 50,00 60,00 80,00 90,00 100,00 120,00 150,00 Kesimpulan: Harga rumah lebih cepat berubah (naik) jika dibandingkan dengan harga mobil. TIME SERIES (DERET BERKALA) Time Series: Suatu rangkaian atau seri dari nilai-nilai suatu variabel yang dicatat dalam jangka waktu yang berurutan. Komponen Time Series. Trend (T) Variasi Musim (V) Variasi Sikli (S) Irregular atau Random (R) Time Series merupakan hasil perkalian dari T, V, S, dan R Time Series = T x V x S x R 1. Trend Trend merupakan gerakan jangka panjang yang mempunyai kecenderungan menuju pada satu arah, yaitu naik dan turun. Contoh: Tahun 1983 1984 1985 1986 1987 1988 1989 1990 1991 Triwulan 1 Triwulan 2 Triwulan 3 Triwulan 4 187 198 274 233 207 237 282 375 373 243 263 363 273 295 367 425 430 423 209 270 295 240 239 300 383 392 387 291 297 335 290 316 430 478 560 433 Data dalam tabel di atas dapat disajikan dalam gambar sebagai berikut: PENJUALAN MOBIL JUMLAH PENJUALAN 600 500 400 Series1 300 Series2 200 100 0 1 1983 4 7 1984 10 13 16 19 22 25 28 31 34 1985 1986 1987 1988 TAHUN 1989 1990 1991 Triwulan Pada gambargrafik dapat ditarik garis Trend seperti berikut: PENJUALAN MOBIL JUMLAH PENJUALAN 600 Long Term Trend 500 400 Series1 300 Series2 200 100 0 1 1983 4 7 1984 10 13 16 19 22 25 28 31 34 1985 1986 1987 1988 TAHUN 1989 1990 1991 2. Variasi Musim. Adalah gerakan jangka pendek (kurang dari satu tahun) yang berulang secara teratur dari tahun ke tahun Contoh: Penjualan pakaian naik setiap menjelang lebaran Penjualan buku naik setiap tahun ajaran baru. JUMLAH PENJUALAN VARIASI MUSIM 1985 1000 800 1984 600 Series3 Series2 400 1983 200 0 1 2 3 TRIWULAN 4 Series1 3. Sikli Adalah suatu gerakan jangka panjang yang memiliki unsur siklus, yaitu perluasan (expansion), puncak (peak), kemunduran (contraction) dan depresi (trough). JUMLAH PENJUALAN PENJUALAN MOBIL 100 Long term Trend 80 Peak 60 20 Series1 Expansion 40 Contraction Trough 0 1 3 5 7 9 11 13 TAHUN 15 17 4. Random Random atau irregular adalah gerakan yang bersifat acak atau tidak beraturan sehingga tidak dapat diprediksi sebelumnya. Contoh, naiknya harga minyak karena perang teluk, naiknya harga gabah karena gagal panen, dsb. TREND LINEAR DENGAN METODA LEAST SQUARE Trend jangka panjang dari berbagai data bisnis sering diperkirakan menggunakan persamaan garis lurus sebagai berikut: Ŷ = a + bx Dimana: Ŷ(baca Y prime) = nilai proyeksi variable Y untuk nilai x tertentu. a = konstanta, nilai Y apabila x = 0 b = slope, menunjukkan berapa satuan Y apabila x berubah satu unit. PENJUALAN KENDARAAN Garis Trend 50 VOLUME 40 30 Series1 20 10 0 0 5 TAHUN 10 Proyeksi nilai penjualan yang digambarkan dengan Garis Trend, memiliki perbedaan (selisih) bila dibandingkan dengan nilai aktualnya.Besar perbedaan atau deviasi adalah (Y –Ŷ). Trend yang baik adalah yang memiliki deviasi yang terkecil. Semakin kecil deviasinya berarti trend tersebut semakin representatif. Metoda selisih kuadrat terkecil Least Square Method merupakan metoda menghitung persamaan trend linear yang menghasilkan selisih atau deviasi 2 kuadrat (Y – Ŷ) terkecil. Dengan menggunakan Least Square Method, nilai a dan b pada persamaan trend linear dapat dihitung dengan rumus sbb.: ΣY a= Dimana: n Σ XY b= ΣX 2 ΣY = Jumlah penjualan aktual n = Jumlah tahun dalam data ΣXY = Jumlah perkalian variabel X dan Y 2 ΣX = Jumlah kuadrat dari variabel X Varabel X adalah waktu (misal tahun 1999,2000, 2001, dst.). Untuk menyederhanakan perhitungan, variaable waktu tidak dinyatakan dalam tahun, akan tetapi dalam kode seperti 1, 2, 3, dst. Contoh: Untuk data genap Untuk data ganjil Tahun Koding Tahun Koding 1980 1981 1982 1983 1984 -2 -1 0 1 2 1980 1981 1982 1983 1984 1985 -5 -3 -1 1 3 5 Note: Tahun yang terletak ditengah (1982) diberi koding 0. Jarak antar tahun ± 1 0 Note: Kode 0 diletakkan diantar 2 tahun yang ditengah (1982 dan 1983. Jarak antar tahun ± 2 Contoh: Volume penjualan PT. X selama 5 tahun adalah sebagai berikut: Tahun 1985 1986 1987 1988 1989 Penjualan (ribu Unit) 7 10 9 11 13 a. Buatlah persamaan garis trend linear menggunakan metoda Least Square b. Hitung proyeksi penjualan selama 1985 – 1989 menggunakan persamaan garis trend linear c. Buatlah ramalan penjualan untuk tahun 1990 dan tahun 1991 Jawab: Tahun Penjualan (Y) 1985 1986 1987 1988 1989 7 10 9 11 13 2 X XY X -2 -1 0 1 2 -14 -10 0 11 26 4 1 0 1 4 13 10 50 Menghitung a dan b: ΣY a= n a = (50)/5 = 10 Σ XY b= ΣX 2 b = (13)/10 = 1,3 Ŷ = 10 + 1,3X a. Persamaan garis trendnya adalah : Ŷ = 10 + 1,3X b. Proyeksi penjualan Tahun X 1985 1986 1987 1988 1989 -2 -1 0 1 2 Proyeksi Penjualan Ŷ = 10 + 1,3 (-2) = 7,4 Ŷ = 10 + 1,3 (-1) = 8,7 Ŷ = 10 + 1,3 (0) = 10 Ŷ = 10 + 1,3 (1) = 11,3 Ŷ = 10 + 1,3 (2) = 12,6 c. Penjualan tahun 1990 (X =3) dan tahun 1991 (X = 4) Ŷ1990 = 10 + 1,3 (3) = 13,9 (ribu unit) Ŷ1991 = 10 + 1,3 (4) = 15,2 (ribu unit) Data penjualan PT Y selama 6 tahun (dlm juta unit) Tahun 1985 1986 1987 1988 1989 1990 Penjualan (Y) 2 4 3 6 5 10 Pertanyaan: a. Buatlah persamaan trend linear dengan menggunakan metoda least square. b. Hitung proyeksi penjualan menurut persamaan trend linear. c. Buat ramalan penjualan tengan tahun 1991 dan awal 1992. Jawab: Tahun Penjualan (Y) 1985 1986 1987 1988 1989 1990 2 4 3 6 5 10 2 X XY X -5 -3 -1 1 3 5 -10 -12 -3 6 15 50 25 9 1 1 9 25 46 70 30 a. Persamaan garis trend: ΣY a= Σ XY b= n a = (30)/6 = 5 ΣX 2 b = (46)/70 = 0,657 Ŷ = 5 + 0,657X a. Persamaan garis trend : Ŷ = 5 + 0,657X b. Proyeksi berdasarkan trend: Tahun X 1985 1986 1987 1988 1989 1990 -5 -3 1 1 3 5 Proyeksi Penjualan Ŷ = 5 + 0,657 (-5) = 1,715 Ŷ = 5 + 0,657 (-3) = 3,029 Ŷ = 5 + 0,657 (-1) = 4,343 Ŷ = 5 + 0,657 (1) = 5,657 Ŷ = 5 + 0,657 (3) = 6,971 Ŷ = 5 + 0,657 (5) = 8,285 c. Ramalan penjualan untuk pertengahan tahun 1991 (x = 7) Ŷ = 5 + 0,657(7) = 9,599 Ramalan penjualan awal tahun 1992 (x = 7 + 1 = 8) Ŷ = 5 + 0,657(8) = 10,256 Merubah tahun dasar Trend Tahun dasar trend yang sudah terlalu jauhdapat diubah. Perubahan tahun dasar tidak berpengaruh pada nilai slope (b), akan tetepi berpengaruh pada nilai konstanta (a). Contoh: Diketahui persamaan trend Ŷ = 15 + 1,7X dengan tahun dasar 1983 (tahun 1983 x = 0). Kita ingin mengubah tahun dasar menjadi tahun 1985, maka: a = nilai Ŷ pada tahun dasar baru Nilai (X) untuk tahun dasar yang baru (1985) = 2 a = Ŷ = 15 + 1,7 (2) a = 18,4 b tetap = 1,7 Jadi, persamaan trend yang baru (dengan tahun dasar 1985) menjadi: Ŷ = 18,4 + 1,7X Nilai X untuk masing-masing tahun berubah menjadi sbb.: Tahun X lama (1983 = 0) 78 79 80 81 82 83 84 85 86 87 -5 -4 -3 -2 -1 0 1 2 3 4 Xbaru(1985=0) -7 -6 -5 -4 -3 -2 -1 0 1 2 Sehingga, kalau kota akan menghitung nilai trend tahun 1986: Dengan rumus lama: Ŷ = 15 + 1,7X Ŷ = 15 + 1,7(3) = 20,1 Dengan rumus baru: Ŷ = 18,4 + 1,7X Ŷ = 18,4 + 1,7(1) =20,1 Merubah Periode. Periode tren dapat dirubah dati tahunan menjadi a) bulanan, b) kwartalan c) rata-rata bulanan dan d) rata-rata kwartalan a. Trend Rata-rata Bulanan Untuk mengubah trend rata-rata tahunan menjadi trand rata-rata bulanan: a dan b dibagi 12, atau: Ŷ = a/12 + b/12 U Contoh: Diketahui trend tahunan Ŷ = 120 + 24 X, dengan tahun dasar 1982 Trend rata-rata bulanan menjadi: Ŷ = (120)/12 + (24)/12 U Ŷ = 12 + 2 U b. Trend rata-rata kwartalan. Untuk mengubah trend tahuna menjadi trend rata-rata kwartalan: a dan b dibagi 4, atau Ŷ = a/4 + b/4 U c. Trend Bulanan Trend bulana tidak sama dengan trend rata-rata bukanan. Pada trend rata-rata bulanan, nilai Y untuk setiap bulan dianggap sama, sedangkan pada trend bulanan nilainya berbeda. Untuk mengubah trend tahunan menjadi trend bulanan: 2 a dibagi 12 dan b dibagi (12) Koding berubah menjadi U, dimana 1 X = 12 U Ŷ= a 12 + b 12 2 U Contoh: Ŷ = 120 + 24 X , tahun dasar tengah tahun 1982 Jika dirubah menjadi trend bulanan, menjadi: 2 Ŷ = (120)/12 + (24)/(12) U Ŷ = 10 + 0,167 U Selanjutnya koding berubah menjadi: Untuk tahun 1982, koding tengah Juli adalah U = ½, tengah Agustus = 1½, sedangjan untuk tengah Juni = - ½, dan tengah Mei = - 1½, dan seterusnya. Trend bulan Desember 1982 (U = 5½) Ŷ = 10 + 0,167 (5½) = 10,91 Tahun 1982 Bulan (U) Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember -5½ -4½ -3½ -2½ -1½ -½ +½ 1½ 2½ 3½ 4½ 5½ U=0 d. Trend Kwartalan. Untuk merubah trend tahunan menjadi trend kwartalan: a dibagi 4 dan b dibagi (4),2 atau: a Ŷ= 4 + b 42 U Contoh: Ŷ = 120 + 24 X Diubah menjadi trend kwartalan: 2 Ŷ = 120/4 + 24/4 (U) Ŷ = 30 + 1,5 (U) Untuk tahun 1982: Tengah kwartal I, U = -1,5 Tengah kwartal II, U = -0,5 Tengah kwartal III, U = 0,5 Tengah kwartal IV, U = 1,5 U=0 Trend kwartal III 1982 Ŷ = 30 + 1,5 (U) U = 0,5 Ŷ = 30 + 1,5 (0,5) = 30,75 Trend kwartal IV 1982 Ŷ = 30 + 1,5 (U) U = 1,5 Ŷ = 30 + 1,5 (1,5) = 32,25 Trend kwartal I 1983 Ŷ = 30 + 1,5 (U) U = 2,5 Ŷ = 30 + 1,5 (2,5) = 33,75 Ada 2 cara mencari trend kwartalan: 1. Berdasarkan data tahunan dihitung trend tahunan, kemudian diubah menjadi trend kwartalan. 2. Menghitung langsung trend kwartalan berdasarkan data kwartalan. Catatan: Jika data yang dianalisis cukup banyak, hasil dari kedua cara tersebut tidak banyak berbeda. Akan tetapi, jika jumlah data yang dianalisis terbatas, maka perbedaan hasilnyanya cukup nyata. 5. Trend Non Linear Adalah garis trend yang tidak linear, misalnya trend kuadratik dan trend exponential. 2 4 2 (Σ Y)(ΣX ) – (Σ X Y)(Σ X ) a. Trend Kuadratik a= ; 4 2 2 nΣX - (ΣX ) 2 b = (Σ XY)/ ΣX Yt = a + b.X + c.X 2 2 n(ΣX Y) – (ΣX )(ΣY) c= ; 4 2 2 nΣX - (ΣX ) Nilai Nilai Bentuk-bentuk trend kuadratik t Naik dengan jumlah yang menurun t Naik dengan jumlah yang semakin menaik 2 Nilai Nilai t Turun dengan jumlah yang menurun Turun dengan jumlah yang semakin meningat t Contoh: Data penjualan mie instant merek “X” selama 11 tahun adalah sbb.: (dlm jutaan) Tahun 1989 1990 1991 1992 1993 1994 Penjualan 93 91 96 89 90 82 Tahun 1995 1996 1997 1998 1999 Penjualan 88 86 87 94 92 Tabel Perhitungan: Tahun Unit Penj (Y) X XY X2 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 93 91 96 89 90 82 88 86 87 94 92 -5 -4 -3 -2 -1 0 1 2 3 4 5 - 465 - 364 - 288 - 178 - 90 0 88 172 261 376 460 25 16 9 4 1 0 1 4 9 16 25 Jumlah 989 -28 110 X 2Y 2325 1456 864 356 90 0 88 344 783 1504 2300 10110 X 4 625 256 81 16 1 0 1 16 81 256 625 1958 2 Σ Y = 989 Σ X = 110 2 Σ X Y = 10110 2 (Σ Y)(ΣX ) – (Σ X Y)(Σ X ) a= 4 2 2 b = (Σ XY)/ ΣX ; nΣX - (ΣX ) a= = 1958 2 Σ XY = - 28 4 ΣX 4 b = (28)/ (110) (989)(1958) – (10110)(110) 11(1958) – (110) 2 b = 0,2545 2 2 2 n(ΣX Y) – (ΣX )(ΣY) c= a = [(1936462) – (1112100)]/[(21538 – 12100 4 2 2 nΣX - (ΣX ) a = (824362)/(9438) a = 87,34 11(10110) – (110)(989) c= 11(1958) – (110) c = 0,2564 2 ; Maka persamaam Trend Kuadratik adalah: Yt = 87,34 + 0,2545 X + 0,2564 X 2 (Dengan tahun dasar 1994) Berapa trend penjualan untuk tahun 1997 dan 1999? Untuk tahun 1997, X = 3 Y’97 = 87,34 + 0,2545 (3) + 0,2564 (9) Y’97 = 90,4111 Untuk tahun 1999, X = 5 Y’99 = 87,34 + 0,2545 (5) + 0,2564 (25) Y’99 = 96,9750 Trend Eksponential: Yt = a . bx Atau: Ln Yt = Ln a + X Ln b Dimana: Ln adalah logaritma bilangan alam e-log Untuk mencari a dan b digunakan rumus: a = anti Ln Σ Ln Y n b = anti Ln Σ (X Ln Y) ΣX 2 Contoh: Tahun Koding (X) 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 Jumlah -5 -4 -3 -2 -1 0 1 2 3 4 5 2 Penjualan (Y) Ln Y X Ln Y X 210 250 260 240 300 310 330 380 470 530 560 5,3471 5,5215 5,5607 5.4806 5,7037 5,7365 5,7991 5,9401 6,1527 6,2728 6,3279 -26,7355 -22,0858 -16,6820 -10,9613 -5,7037 0 5,7991 11,8803 18,4582 25,0915 31,6397 25 16 9 4 1 0 1 4 9 16 25 63,8431 10,7004 110 a = anti Ln Σ Ln Y b = anti Ln n a = anti Ln Σ (X Ln Y) 2 63,8431 b = anti Ln 11 ΣX 10,7004 110 a = 331,6 b = 1,1022 Persamaan trend eksponensial adalah: Yt = (331,6) (1,022) x Kriteria Memilih Trend Untuk memilih trend mana yang sebaiknya digunakan ada 3 cara: 1. Menganalisis grafik data atau scatter-plot Jika data observasi menunjukkan gejala linear, kita sebaiknya menggunakan trend linear.Jika data observasi menunjukkan ciri-ciri bentuk kuadratik, gunakan trend kuadratik. * * ** * * ** * * * * * * * Cenderung Linear *** * * **** * ** * ** Cenderung Kuadratik * * ** *** * * * * **** Cenderung Eksponensial 2. Menganalisa Selisih Data. Jika selisih pertama data observasi cenderung konstant, gunakan trend linear. Contoh: Y Selisih Pertama 10 10 20 9 29 10 39 11 50 10 60 Jika selisih kedua dari data observasi cenderung konstant, gunakan trend kuadratik> Contoh: Y Selisih Pertama Selisih Kedua 10 10 20 5 15 35 5 20 55 5 25 80 5 30 110 5 35 145 Jika selisih pertama dari nilai logaritma data observasi cenderung konstant, gunakan trend exponensial. Contoh: Y Log Y 10 1 Selisih Pertama 0,176 15 1,176 0,222 25 1,398 0,204 40 1,602 0,301 80 1,903 0,273 150 2,176 0,125 200 3. Menghitung Mean Square Error (MSE). Hitung MSE untuk setiap jenis trend, dan pilih garis trend yang memberikan MSE terkecil. Σ (Yi – Ŷi) 2 MSE = n Dimana: Yi = observasi aktual petiode I Ŷi = nilai trend periode I n = jumlah observasi. e Yi {{ Ŷi * Yi – Ŷi e { * { * Yi – Ŷi Yi – Ŷi 6. Variasi Musim Alasan mempelajari variasi musim: a. Kita bisa membuat pola perubahan dimasa lalu b. Kita dapat memproyeksikan kondisi dimasa mendatang menggunakan pola masa lalu c. Kita dapat menghilangkan efek musim dari time series. Variasi musim diukur dengan Indeks Musim (Seasonal Index) Cara menghitung Indeks Musim 1) Metoda Rata-Rata Tahun TRW I TRW II TRW III TRW IV 1999 2000 2001 2002 29932 250 290 310 305 330 290 270 480 360 440 260 340 325 340 410 310 410 380 385 450 1485 1840 1675 1935 Jml Total Rata2 Trw 6935 297 368 335 Rata2 Total Index Trw 387 346,75 85,7 Jml Indeks Musim 106,1 96,6 111,6 400 Keterangan: 1) 2) 3) 4) Total = 1485 + 1840 + 1675 + 1935 = 6935 Rata2 Trw = Jumlah setiap triwulan dibagi jumlah tahun (5) Rata2 Total = Jumlah rata2 trw dibagi 4 = 1387/4 =346,75 Indeks trw = Rata2 trw dibagi rata2 total. Trw I = 85,7; Trw II = 106,1; Trw III = 96,6; Trw IV = 111,6 5) Jml Indeks Musim = 85,7 + 106,1 + 96,6 + 111,6 = 400 Catatan: Metoda rata-rata ini sangat tepat digunakan untuk data deret berkala (time series) yang tidak memiliki variasi pada trend atau variaso siklus. 2) Metoda Ratio to Moving Average Time Series (T,S,V,R) Hilangkan V,R dengan rrata-rata bergerak. Sisanya T, S Hilangkan R dengan rata-rata V,R. Sisanya adalah V Bagi time series dengan T,S (T,S,V,R)/(T,S) =V,R Contoh: Mencari Indeks Musim untuk data triwulanan sebagai berikut: (Data Penjualan dari tahun: 1988 – 1992) Tahun Trw I Trw II Trw III Trw IV 1988 1989 1990 1991 1992 125 130 138 149 163 125 130 138 149 114 90 95 98 102 112 140 146 150 159 186 Penyelesaian: Langkah I: Mencari Nilai V x R ( V= Variasi Musim& R = Random) Tahun Trw Penjualan 1988 I 125 2 87 3 90 Mov. Tot. (4Trw) 442 4 1989 1 111,75 451 112,75 456 114 140 130 2 91 3 95 4 146 470 1 2 4 150 475 118,75 478 119,75 482 120,5 493 502 111,125 80,99 112,25 124,72 113,375 114,66 114,75 79,30 116,5 81,55 118,125 123,60 119,25 115,72 120,5 79,92 123,25 80,41 124,375 120,60 117,5 96 98 Persentase Thd Mov Av 115,5 138 3 Mov Av yg dipstkan 110,5 447 462 1990 Mov Av. (4Trw) 123,25 125,5 Penyelesaian: Mencari Nilai V x R ( V= Variasi Musim& R = Random) Tahun Trw Penjualan 1991 I 149 2 105 3 102 Mov. Tot. (4Trw) 506 515 4 1992 1 Mov Av. (4Trw) 3 112 529 132,25 538 134,5 548 137 4 186 575 126 118,25 127,625 82,27 130,5 78,16 133,375 119,21 1135,75 120,07 140,375 81,21 128,75 163 114 Persentase Thd Mov Av 126,5 159 2 Mov Av yg dipstkan 143,75 Keterangan: Kolom (4) Moving Total: Jumlah bergerak 4 trw yang berurutan. 442 merupakan penjumlahan angka penjualan trw I s.d trw IV 1988 (125 + 87 + 90 + 140) 447 merupakan penjumlahan anglka penjualan trw II s,d trw IV 1988 dan trw I 1999 ( 87 + 90 + 140 + 130). Kolom (5) Moving Average: diperoleh dengan cara membagi Moving Total dengan 4. Contoh: 110,5 diperoleh dari 442/4 111,75 diperoleh dari 447/4 Kolom (6) Moving Average yang dipusatkan diperoleh dengan cara membagi 2 jumlah nilai moving average yang berurutan. Contoh: 111,125 diperoleh dari (110,50 + 111,75)/2 112,25 diperoleh dari (111,75 + 112,75)/2 Nilai kolom (6) ini adalah nilai T x S atau deret berkala yang telah dihilangkan unsur musiman (V) dan random (R). Kolom (7) Prosentase terhadap Moving Average, diperoleh dengan cara membagi nilai aktual dengan nilai rata-rata bergerak yang dipusatkan. Contoh: 80,99 diperoleh dari 90/111,125 124,72 diperoleh dari 140/112,25 Nilai kolom (7) adalah nilai V x R. Ingat bahwa kolom (3) dibagi kolom (6) adalah: (T.S.V.R)/(T.S) = V.R Langkah II: Menghilangkan unsur Random dari nilai V.R. Caranya dengan menjumlahkan nilai V.R. untuk masing-masing triwulan kemudian dihitung rata-ratanya. Hasilnya adalah nilai V (variasi musim) Tahun triwulan 1 triwulan 2 triwulan 3 triwulan 4 1988 1989 1990 1991 1992 114,66 115,84 118,25 120,07 79,30 80 82,27 81,21 80,99 81,55 80,41 78,16 - 124,72 123,60 120,60 119,21 - 80,605 80,70 122,10 Rata-rata V 117,045 Langkah III: Mencari Indeks Musim dengan rumus: Indeks Musim = Vi Σ Vi x jml indeks musim Catatan: Jumlah Indeks Musim = 400 Triwulan Variasi Musim I II III IV 117,045 80,605 80,70 122,10 Jumlah 400,45 Indeks Musim (117,045/400,45) x 400 = 116,91 (80,605/400,45) x 400 = 80,51 (80,70/400,45) x 400 = 80,61 (122,10/400.45) x 400 = 121,96 Catatan: Metoda Ratio to Moving Average ini merupakan metoda yang paling sering digunakan untuk menghitung angka indeks musim. Metoda ini memberikan indeks musim yang berharga untuk data dengan variasi trend dan sikli yang kuat. Angka Indeks Musim digunakan untuk menghilangkan efek unsur musim dari suatu deret berkala. Proses ini disebut deseasonalizing suatu time series. Karena deret berkala adalah TxVxSxR, untuk menghilangkan unsur musim, kita harus membagi deret berkala dengan indeks musimnya (indeks musim terlebih dahulu dibagi 100) Contoh: Tahun Trw Penjualan 2001 I II III IV 1861 2203 2415 1908 Indeks Musim 100 (91,6)/100 (106,7)/100 (110,9)/100 (90,9)/100 Penjualan tanpa efek musim 2032 2065 2178 2099 Proses kebalikan dari deseasonalizing juga dapat dilakukan. Jika kita telah memprediksi penjualan dimasa mendatang yang belum dipengaruhi faktor musiman. Untuk memasukkan faktor muasiman, kita cukup mengalikan nilai trend (tanpa unsur musiman) dengan angka indeks yang telah dibagi 100. Contoh: Triwulan I II III IV Prediksi Penjualan (tanpa unsur musim) 100 150 125 200 Indeks Musim 100 1,05 1,10 0,90 1,20 Prediksi Penjualan 105 165 112,5 240 Variasi Sikli Adalah komponen deret berkala yang cenderung berada di atas dan dibawah garis trend untuk periode lebih dari satu tahun. Prosedur yang biasa dipakai untuk mengidentivikasi variasi sikli adalah metoda residual. Langkah-langkah Metoda Residual. (1) Mencari Nilai Trend (Ŷ) (2) Membandingkan Nilai Trend dengan nilai aktual (Y) atau mencari presentase dari Trend. Presentase dari Trend = Y Ŷ x 100 Contoh: Periode 90 91 92 93 94 95 96 Y (aktual) 75 78 82 82 84 85 87 Ŷ (trend) Y x 100 ---Ŷ 76 78 80 82 84 86 88 98,7 100 102,5 100 100 98,8 98,8 Keterangan: Angka 98,7 menunjukkan bahwa pada tahun 1990, penjualan aktual hanya 98,7 % dari penjualan menurut garis trend. Angka 100 menunjukkan bahwa pada tahun 1991, penjualan aktual sama dengan penjualan menurut garis trend. Selain menghitung presentase dari trend, kita juga dapat melihat variasi sikli dengan menghitung sisa siklus relatif (relative syclucal residual) sebagai berikut: Relative Sycklical Residual = Y-Ŷ Ŷ x 100 Contoh: Periode 90 91 92 93 94 95 96 Y (aktual) 75 78 82 82 84 85 87 Ŷ (trend) 76 78 80 82 84 86 88 Y-Ŷ ------ x 100 Ŷ - 1,3 0 2,5 0 0 -1,2 -1,1 PERSENTASE TREND 103 INDEKS 102 101 100 Series1 99 98 97 96 1 2 3 4 5 6 7 TAHUN KE Catatan : Pada umumnya variasi sikli merupakan gerakan yang relatif tidak teratur dibanding dengan gerak trend dan variasi musim. Oleh sebab itu, variasi sikli jarang digunakan dalam suatu peramalan. Demikian juga dengan gerakan random yang tidak mungkin diprediksi. Peramalan dengan Time Series Langkah-langkah melakukan peramalan dengan mengabaikan unsur sikli dan random: Time Series Menghitung Indeks Musim Menghitung Unsur Musiman dari Time Series Memprediksi Trend Memasukkan UnsurMusiman dariTime Series Contoh: Buatlah peramalan untuk penjualan PT “X” triwulan I,II,III,IV tahun 1984 menggunakan metoda time series dan data historis sebagai berikut: Tahun 1979 1980 1981 1982 1983 Triwulan I 16 15 17 17 18 II 21 20 24 25 26 III 9 10 13 11 14 IV 18 18 22 21 25 1. Menghitung Indeks Musim dengan metoda Ratio to Moving Average. Tahun Triw I II III 1979 1980 1981 1982 1983 96 96,5 89,5 92,9 127 129,7 134,2 128,4 56,7 62,5 68,4 59,1 - Rata-rata Jml Rata 2 (Jml Rata2)/4 Indeks Musim 94,45 129,05 60,8 95,1 129,9 61,2 IV 115,2 107,5 115 113,3 - Catatan: Indeks Musim = rata-rata triwulan dibagi rata-rata total Contoh: Indeks Musim Triwulan I = (94,45)/99,36 = 95,1. 113,15 397,45 99,36 113,9 Menghilangkan unsur musiman dari Time Series Tahun Trw 1979 I II III IV I II III IV I II III IV I II III IV I II III IV 1980 1981 1982 1983 Penjualan 16 21 9 18 15 20 10 18 17 24 13 22 17 25 11 21 18 26 14 25 (Indeks Musim)/100 0,951 1,299 0,612 1,139 0,951 1,299 0,612 1,139 0,951 1,299 0,612 1,139 0,951 1,299 0,612 1,139 0,951 1,299 0,612 1,139 Penj. tanpa pengaruh musim 16/0,951 = 16,8 16,2 14,7 15,8 15,8 20/1,229 = 15,4 16,3 15,8 17/0,951 = 17,9 18,5 21,2 19,3 17/0,951 = 17,9 19,2 18 18,4 18/0,951 = 18,9 20 22,9 21,9 Membuat Persamaan Garis Trend Tahun Trw 1979 I II III IV I II III IV I II III IV I II III IV I II III IV 1980 1981 1982 1983 Penjualan 16,8 16,2 14,7 15,8 15,8 15,4 16,3 15,8 17,9 18,5 21,2 19,3 17,9 19,2 18 18,4 18,9 20 22,9 21,9 360,9 X -19 -17 -15 -13 -11 -9 -7 -5 -3 -1 1 3 5 7 9 11 13 15 17 19 XY X 2 -319,2 -275,4 -220,5 -205,4 -173,8 -138,6 -114,1 -79 -53,7 -18,5 21,2 57,9 89,5 134,4 162 202,4 245,76 300 289,3 416,1 361 289 225 169 121 81 49 25 9 1 1 9 25 49 81 121 169 225 289 361 420,5 2660 a = (Σ Y) /n = (360,9) /20 = 18 Σ XY b= ΣX 2 = (420,5) / 2660 = 0,16 Y = 18 + 0,16 X Maka : Dengan tahun dasar tengah tahun 1981. Melakukan Peramalan: 1. Peramalah tanpa memasukkan unsur musiman: 1984 Trw I: Y = 18 + (0,16) (21) = 21,36 1984 Trw II: Y = 18 + (0,16) (23) = 21,68 1984 Trw III: Y = 18 + (0,16) (25) = 22 1984 Trw IV: Y = 18 + (0,16) (27) = 22,32 2. Peramalan dengan memasukkan unsur musiman Tahun 1984 triwulan I II III IV prediksi 21,36 21,68 22 22,32 (Indeks Musim) 100 0,951 1,299 0,612 1,139 prediksi dg unsur musiman 20,3 28,16 13,5 25,42