Nice and Cool

1. Pertemuan 4
[Type text]
ANALISIS DATA BERKALA
Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan suatu
perkembangan atau kecenderungan keadaan/ peristiwa/ kegiatan. Biasanya jarak interval dari
waktu ke waktu sama. Data berkala disebut juga time series data (time series).
Contoh data berkala:
1. Pertumbuhan ekonomi pertahun dari tahun 2000 sampai tahun 2010.
2. Jumlah produksi minyak pertahun
3. Indeks harga saham perhari, dll
Dengan analisis data berkala dapat diketahui perkembangan satu atau beberapa keadaan serta
hubungan atau pengaruhnya terhadap keadaan lain.
Ciri – ciri dan Penggolongan Data Berkala
Pada hasil penggambaran data berkala dari grafik, dapat menunjukkan bahwa terdapat gerakan
– gerakan khas tertentu atau variasi – variasi (variations). Analisis gerakan ini dapat
meramalkan (forchasing) gerakan berikutnya. Hal ini dikelompokkan menjadi 4 macam, disebut
juga komponen – komponen data berkala:
1. Gerakan trend jangka panjang (T)
2. Gerakan siklis (C)
3. Gerakan variasi musim (S)
4. Gerakan acak (I)
1. Gerakan Trend Jangka Panjang atau Sekuler
Adalah suatu gerakan yang menunjukkan arah perkembangan atau kecenderungan
secara umum dari data berkala yang menunjukkan jangka waktu yang panjang. Atau
suatu garis halus/ kurva yang menunjukkan suatu kecenderungan umum dari suatu data
berkala.
2. Gerakan Siklis
Adalah gerakan naik turun di sekitar garis trend dalam jangka panjang. Gerakan disekitar
rata – rata nilai data berkala. Bisnis siklis adalah salah satu contoh gerakan siklis yang
menunjukkan jangka waktu terjadinya kemakmuran, kemunduran, depresi, dan
pemulihan.
3. Gerakan Musiman
Adalah gerakan yang mempunyai pola – pola tetap atau identik dari waktu ke waktu
dengan jangka waktu kurang dari 1 tahun.
4. Gerakan Acak
Gerakan yang bersifat sporadis/ gerakan dengan pola tidak teratur dan tidak dapat
diperkirakan yang terjadi dalam waktu singkat.
Teknik Informatika UMMI

2. Pertemuan 4
[Type text]
Cara Menentukan Persamaan Trend
1. Metode bebas
2. Metode setengah rata – rata
3. Metode rata – rata bergerak
4. Metode kuadrat kecil
Bentuk umum persamaan trend linear adalah: = a + bX
Keterangan:
Y = nilai trend pada periode tertentu (variabel tak bebas)
X = periode waktu (variabel bebas)
a = intersep dari persamaan trend
b = koefisien kemiringan/ gradien dari persamaan trend yang menunjukkan besarnya
perubahan Y bila terjadi perubahan pada suatu unit X.
1. Metode Bebas
• Buatlah sumbu datas X dan sumbu tegak Y dalam sistem koordinat cartesius
• Buatlah diagram pencar (scatter diagram) dari pasangan titik (X,Y) yang menyatakan
kaitan antara waktu dan nilai data berkala
• Tariklah garis linear yang arahnya mengikuti arah penyebaran data – data berkala
• Pilihlah dua titik sembarang untuk menentukan persamaan trend linear, misalnya
titik (X1, Y1) dan (X2, Y2)
• Pilih salah satu periode waktu data berkala sebagai titik asal (X=0)
• Masukkan/ substitusikan nilai X dan Y dari dua titik yang telah dipilih pada
persamaan umum trend
• Tentukan nilai – nilai trend (Y) dari persamaan yang telah diketahui.
2. Metode Setengah Rata – rata
• Bagilah data berkala menjadi 2 kelompok yang sama banyak
• Tentukanlah rata – rata hitung masing – masing kelompok
• Tentukanlah dua titik yaitu (X1, Y1) dan (X2, Y2)
• Tentukan nilai a dan b
3. Metode Rata – rata Bergerak
4. Metode Kuadrat Kecil
Persamaan trend linear ditentukan oleh:
∑ ∑
a= b=∑
Persamaan Trend Kuadrat
Untuk data berkala dengan jangka waktu panjang, dipakai trend bukan linear seperti trend
kuadrat, trend eksponensial, dan trend lainnya.
Persamaan umum trend kuadrat:
Teknik Informatika UMMI

3. Pertemuan 4
[Type text]
= a + bX + c
Dimana nilai a, b dan c, didapat dengan menggunakan metode kuadrat minimum:
∑ ∑ ∑ ∑
a= ∑ ∑
∑
b=∑
∑ ∑ ∑
c= ∑ ∑
Teknik Informatika UMMI