Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

MENGHILANGKAN PENGARUH MUSIMAN DAN TREND Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka setiap nilai (data asli) bulanan.

Presentasi serupa


Presentasi berjudul: "MENGHILANGKAN PENGARUH MUSIMAN DAN TREND Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka setiap nilai (data asli) bulanan."— Transcript presentasi:

1 MENGHILANGKAN PENGARUH MUSIMAN DAN TREND Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka setiap nilai (data asli) bulanan dari tahun ke tahun harus dibagi dengan indeks musiman. Angka bulan Januari (dari tahun ke tahun) harus dibagi dengan indeks musiman bulan januari dan seterusnya. Jadi, yang tinggal ialah pengaruh dari trend siklis variasi tak teratur.

2 Contoh 10.5 : Tabel TahunBulanProduksi Gas ( Y ) (1)(2) BulanIndeks Musiman Dgn Rata-rata Indeks Musiman Dgn Median (1) Jan106,49105,98 Peb100,18101,98 Mar Apr Mei Jun Jul Agt Sep Okt Nov Des Jumlah1.200,00 Tabel 10.22

3 Bulan (1)(2)(3)(4)(5) Jan ,32 Peb ,32 Mar ,56 Apr ,93 Mei ,08 Jun ,69 Jul ,38 Agt ,66 Sep ,79 Okt ,51 Nov ,60 Des ,72 Tabel 10.23Januari 1995 = : 1,0598 = ,32

4

5 Contoh 10.6 : Bulan (1)(2)(3)(4)(5)(6) Jan Peb Mar Apr Mei Jun Jul Agt Sep Okt Nov Des BulanSudah Disesuaikan (1)(3) Jan120,4 Peb107,4 Mar104,0 Apr93,3 Mei86,3 Jun80,4 Jul82,4 Agt89,0 Sep96,2 Okt106,4 Nov113,4 Des120,7 Jumlah1.199,6 Tabel Tabel 10.11

6 Bulan (1)(2)(3)(4)(5)(6) Jan325,6 Peb325,0 Mar328,8 Apr333,3 Mei336,0 Jun339,6 Jul342,2 Agt342,7 Sep341,0 Okt342,1 Nov343,0 Des345,5 Tabel 10.24Januari 1995 = 392 : 1,204 = 325,6

7

8 GERAKAN SIKLIS DAN CARA MENGUKURNYA Seperti kita ketahui, data berkala diberi simbol Y = TCSI. Apabila dibagi dengan S, maka : (bebas pengaruh musiman) yang kemudian kalau dibagi dengan T. (bebas pengaruh musiman dan trend) Kalau pengaruh musiman dan trend dihilangkan dari data berkala, maka sisanya merupakan gerakan siklis dan gerakan yang tak teratur (CI). Hasil pembagian dinyatakan dalam persentase.

9 Bulan (1)(2)(3)(4)(5)(6) Jan97,98 Peb97,16 Mar97,65 Apr98,35 Mei98,50 Jun98,92 Jul99,04 Agt98,56 Sep97,46 Okt97,16 Nov96,81 Des96,91 Tabel 10.25

10 Untuk menggambarkan grafik dari gerakan siklis dan gerakan tak teratur (CI), masing- masing nilai data yang sudah bebas dari pengaruh musiman dan trend dikurangi dengan 100%. Hasilnya merupakan persentase jarak (selisih terhadap 100%)

11 Bulan (1)(2)(3)(4)(5)(6) Jan-2,02 Peb-2,84 Mar-2,35 Apr-1,65 Mei-1,50 Jun-1,08 Jul-0,96 Agt-1,44 Sep-2,54 Okt-2,84 Nov-3,19 Des-3,09 Tabel ,98% – 100% = -2,02

12

13 CONTOH TAMBAHAN MENGENAI INDEKS MUSIMAN Sekali lagi, indeks musiman adalah suatu angka yang bervariasi terhadap nilai dasar 100. Jika suatu bulan (minggu, kuartal, atau periode musiman lainnya) mempunyai nilai indeks 100, maka nilai ini menunjukkan bahwa pada bulan tersebut tidak ada pengaruh musiman.

14 Dua metode untuk memperoleh indeks musiman akan disajikan disini. Pertama, menemukan indeks musiman dengan membandingkan nilai rata-rata musiman dengan nilai tengah utama. Metode ini paling tepat untuk data berkala yang tidak mempunyai trend atau variasi siklis yang kuat. Metode kedua, membandingkan setiap nilai musiman sebenarnya dengan rata-rata bergerak tahunan untuk memperoleh sebuah nilai indeks. Indeks hasil akhir berupa rata-rata keseluruhan periode dalam deret. Penggunaan metode ini lebih luas karena dapat memberikan indeks musiman yang berarti untuk data dengan trend dan variasi siklis yang kuat.

15 TahunKuartal 1Kuartal 2Kuartal 3Kuartal Total Total Utama Nilai tengah kuartalan a 331,8435,8409,5468,8 Nilai tengah utama b 411,48 Indeks kuartalan c 80,7105,999,5113,9 Jumlah indeks400 Tabel 10.27

16

17 Kolom 1Kolom 2Kolom 3Kolom 4Kolom 5 Tahun dan Kuartal Data yang sebenarnya Rata 2 bergerak 4 kuartal dari (2) Rata 2 bergerak 2 kuartal dari (3) Data yg Sebenarnya sbg Persentase (2) 1-Pertama Kedua Ketiga ,092,6 1-Keempat ,2 Tabel 10.28

18 TahunKuartal PertamaKeduaKetigaKeempat 1--92,6104,3 291,5108,395,9109,2 382,6127,386,5106,2 488,4105,095,9105,6 587,2109,299,8105,4 684,1118,996,0105,5 780,5112,096,5111,7 884,299,487,8140,2 972,6105,896,5112,1 1080,888,1-- Persentase Rata 2 83,5108,294,1111,1 Total a 396,9 Indeks musiman84,2109,094,8112,0 Total b 400 Tabel 10.29

19 MENENTUKAN UKURAN MUSIMAN DENGAN PENGGUNAAN REGRESI BERGANDA Pelaksanaan metode ini, pertama kita harus memilih satu musim sebagai dasar. Bila data tersedia dalam kuartal, kita boleh memilih kuartal pertama, yaitu musim dingin sebagai musim dasar. Semua indeks musiman akan diukur berdasarkan musim ini. Selain itu, tidak ada peraturan tertentu yang mutlak untuk memilih musim dasar ini.


Download ppt "MENGHILANGKAN PENGARUH MUSIMAN DAN TREND Apabila kita ingin menghilangkan pengaruh musiman terhadap data berkala, maka setiap nilai (data asli) bulanan."

Presentasi serupa


Iklan oleh Google