Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

INDEKS MUSIMAN DAN GERAKAN SIKLIS. Metode Rasio Terhadap Rata-rata Bergerak Di dalam metode ini harus dihitung terlebih dahulu rata-rata bergerak selama.

Presentasi serupa


Presentasi berjudul: "INDEKS MUSIMAN DAN GERAKAN SIKLIS. Metode Rasio Terhadap Rata-rata Bergerak Di dalam metode ini harus dihitung terlebih dahulu rata-rata bergerak selama."— Transcript presentasi:

1 INDEKS MUSIMAN DAN GERAKAN SIKLIS

2 Metode Rasio Terhadap Rata-rata Bergerak Di dalam metode ini harus dihitung terlebih dahulu rata-rata bergerak selama 12 bulan. Oleh karena hasil perhitungan rata-rata bergerak 12 bulan ini terletak antara dua bulan yang berdekatan, tidak terletak pada pertengahan bulan, maka harus dibuat rata-rata bergerak 2 bulan yang didasarkan atas data rata-rata bergerak 12 bulan tersebut. Yang terakhir ini sering disebut rata-rata bergerak 12 bulan terpusat.

3 Apabila rata-rata bergerak 12 bulan terpusat sudah dihitung, maka angka-angka ini dapat dipergunakan untuk membagi data asli yang hasilnya dalam persentase, kemudian dibuat rata-rata angka persentase ini dari bulan ke bulan. Kalau jumlah rata-rata dari bulan ke bulan sudah sama atau dekat sekali dengan 1200, maka angka rata-rata sudah merupakan angka indeks musiman. Apabila jumlah A tidak sama dengan 1200, maka harus diadakan penyesuaian, yaitu dengan jalan mengalikan setiap angka rata-rata dengan faktor pengali sebesar

4 TahunBulanProduksi Gas ( Y ) Rata 2 Bergerak 12 Bulan Rata 2 Bergerak 12 Bulan Terpusat (1)(2)(3)(4) 19951259.982 2244.993 3268.423 4236.293 5251.439 6244.756 7246.631 8254.749 9228.903 10245.213 11243.994 12273.852 Tabel 10.19 250.708,38

5 Jumlah Bergerak 12 Bulan Jumlah Bergerak 2 Bulan dari kolom (1) Rata 2 Bergerak 12 Bulan Terpusat (1)(2)(3) = (2) : 24 2.999.229 6.165.850256.910,42 3.166.621 6.355.295264.803,96 3.188.674 6.165.156256.881,50 2.976.482 Tabel 10.20

6 Bulan1995199619971998Rata2Median (1)(2)(3)(4)(5)(6)(7) Jan109,66102,96105,83106,15105,83 Peb101,84102,7694,9499,84101,84 Mar107,01103,4699,66103,37103,46 Apr96,53100,1792,2596,3196,53 Mei94,9098,9394,7596,1994,90 Jun90,5189,7292,4990,9190,51 Jul98,3797,0799,2298,2298,37 Agt101,06101,09103,55101,90101,09 Sep90,4996,4995,8894,2995,88 Okt96,62105,5699,95100,7199,95 Nov95,97102,12103,05100,38102,12 Des107,88105,61110,32107,94107,88 Jumlah1.196,221.198,35 Tabel 10.21

7 BulanRata2 Indeks Musiman Dgn Rata-rata Median Indeks Musiman Dgn Median (1)(6)(7) Jan106,15106,49105,83105,98 Peb99,84101,84 Mar103,37103,46 Apr96,3196,53 Mei96,1994,90 Jun90,9190,51 Jul98,2298,37 Agt101,90101,09 Sep94,2995,88 Okt100,7199,95 Nov100,38102,12 Des107,94107,88 Jumlah1.196,221.200,001.198,351.200,00 1,00321,0014 Tabel 10.22

8

9

10 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.

11 Contoh 10.5 : Tabel 10.19 TahunBulanProduksi Gas ( Y ) (1)(2) 19951259.982 2244.993 3268.423 4236.293 5251.439 6244.756 7246.631 8254.749 9228.903 10245.213 11243.994 12273.852 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

12 Bulan1995199619971998 (1)(2)(3)(4)(5) Jan245.312,32 Peb240.236,32 Mar259.095,56 Apr244.458,93 Mei264.589,08 Jun270.060,69 Jul250.361,38 Agt251.653,66 Sep238.415,79 Okt244.992,51 Nov238.601,60 Des253.519,72 Tabel 10.23Januari 1995 = 259.982 : 1,0598 = 245.312,32

13

14 Contoh 10.6 : Bulan 20032004200520062007 (1)(2)(3)(4)(5)(6) Jan392420453487529 Peb349378412440477 Mar342370398429463 Apr311334362393423 Mei290314341370398 Jun273296322347380 Jul282305335357389 Agt305330359388419 Sep328356392415448 Okt364396427457493 Nov389422454491526 Des417452483516560 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 10. 8 Tabel 10.11

15 Bulan20032004200520062007 (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 2003 = 392 : 1,204 = 325,6

16 20032005200620042007

17 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.

18 Bulan20032004200520062007 (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

19 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%)

20 Bulan20032004200520062007 (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 10.26 97,98% – 100% = -2,02

21 20032005200620042007

22 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.

23 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.

24 TahunKuartal 1Kuartal 2Kuartal 3Kuartal 4 1257288263311 2291368341408 3319485325381 4305364336383 5332435410449 6368520415444 7332464405468 8351440411668 9355504449527 10408490740649 Total3.3184.3584.0954.688 Total Utama16.459 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

25

26 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 257 -- 1-Kedua 288 -- 1-Ketiga 263284,092,6 1-Keempat 311298,2 Tabel 10.28

27 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

28 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 "INDEKS MUSIMAN DAN GERAKAN SIKLIS. Metode Rasio Terhadap Rata-rata Bergerak Di dalam metode ini harus dihitung terlebih dahulu rata-rata bergerak selama."

Presentasi serupa


Iklan oleh Google