- ANALISIS TIME SERIES
Meramalkan kejadian dimasa datang atas dasar serangkaian data masa lalu,
yang merupakan hasil observasi berbagai variabel menurut waktu dan digambarkan
dalam bentuk grafik yang menunjukan perilaku variable subjek.
Dalam analisis keuangan, analisis terhadap data histories diperlukan untuk
melihat tren-tren yang mungkin timbul. Kemudian kita bisa menganalisis apa yang
terjadi dibalik tren-tren angka tersebut. Data histories perusahaan sebaiknya
juga dibandingkan dengan data historis industri untuk melihat apakah tren suatu
perusahaan bergerak relatif lebih baik terhadap tren industri.
Pendekatan dalam analisis data time
series:
v
Pendekatan Ekonomi
v
Pendekatan Statistik
v
Pendekatan Visual
Ada 4 faktor yang mempengaruhi data time series . Dalam data ekonomi biasanya
kita mendapatkan adanya fluktuasi/ variasi dari waktu ke waktu atau disebut
dengan variasi time series.
Variasi ini biasanya disebabkan oleh adanya faktor :
- Trend (trend factor),
- Fluktuasi siklis (cyclical fluktuation),
- Variasi musiman (seasonal variation), dan
- Pengaruh random (irregular/random influences).
Ø
Trend adalah keadaan data
yang menaik atau menurun dari waktu ke waktu. Diperlukan waktu jangka
panjang (15 atau 20 tahun) untuk meliha pol ten tersebut. Contoh
yang menunjukkan trend menaik yaitu pendapatan per kapita, jumlah penduduk.
Model trend linier perkiraan adalah sebagai berikut:
Ø
Variasi musiman adalah
fluktuasi yang muncul secara reguler setiap tahun yang biasanya disebabkan oleh
iklim, kebiasaan (mempunyai pola tetap dari waktu ke waktu). Seperti yang
menunjukan variasi musiman seperti penjualan pakaian akan meningkat pada
saat hari raya, penjualan buku dan tas sekolah akan meningkat pada saat awal
sekolah.
Ada beberapa metode untuk menghitung angka indeks musiman, antara lain
adalah metode rata-rata sederhana (simple moving average).
Ø
Variasi siklis muncul ketika
data dipengaruhi oleh fluktuasi ekonomi jangka panjang, variasi siklis ini bisa
terulang setelah jangka waktu tertentu. Variasi siklis biasanya akan kembali
normal setiap 10 atau 20 tahun sekali, bisa juga tidak terulang dalam jangka
waktu yang sama. ini yang membedakan antara variasi siklis dengan
musiman. Gerakan siklis tiap komoditas mempunyai jarak waktu muncul dan sebab
yang berbeda-beda, yang sampai saat ini belum dapat dimengerti.
Rumus variansi siklis adalah:
% tren = Y/Yt x
100
Dimana= Y: data tahunan yang
sesungguhnya
Yt : data tren yang dihitung berdasarkan
persamaan trend
Ø Variasi random
adalah suatu variasi atau gerakan yang tidak teratur (irregular). Variasi ini
pada kenyataannya sulit diprediksi. Contoh variasi ini dalam data time series karena adanya
perang, bencana alam dan sebab-sebab unik lainnya yang sulit diduga.
- FORECASTING
Suatu kegiatan yang memperkirakan/menaksirkan
suatu kejadian yang akan datang dengan merujuk/menganalisis data-data yang ada,
yang kemungkinan dapat terjadi ataupun tidak terjadi.
Teknik peramalan merupakan cara
memperkirakan apa yang akan terjadi pada masa mendatang secara sistematis dan
pragmatis atas dasar data yang relevan pada masa yang lalu, sehingga dengan
demikian teknik peramalan diharapkan dapat memberikan objectivitas yang lebih
besar. Metode/teknik peramalan memberikan cara pengerjaan yang teratur dan
terarah, dengan demikian dapat dimungkinkan pengguna teknik-teknik
pengaalisisan yang lebih maju, yang dapat diharapkan memberikan tingkat
kepercayaan atau keyakinan yang lebih besar, karana dapat diuji dan dibuktikan
penyimpangan atau deviasi yang terjadi secara ilmiah.
Forecast/Peramalan biasanya dapat
diklasifikasikan berdasarkan horizon waktu masa depan yang dicakupnya. Berikut
ini adalah kategori peramalan berdasarkan horizon waktu:
1.
Peramalan jangka pendek
Peramalan ini mancakup jangka waktu
hingga 1 tahun tetapi umumnya kurang dari 3 bulan. Peramalan ini biasanya
digunakan untuk merencanakan pembelian, penjadwalan kerja, penjualan, jumlah
tenaga kerja, penugasan kerja, dan tingkat produksi
2.
Peramalan jangka menengah
Peramalan ini umumnya mencakup
hitungan bulanan hingga waktu 3 tahun. Peramalan ini berguna untuk merencanakan
penjualan, perencanaan dan anggaran produksi, anggaran kas, dan menganalisis bermacam-macam
rencana operasi.
3.
Peramalan jangka panjang
Umunya untuk waktu perencanaan masa
3 tahun atau lebih. Permalan jangka panjang digunakan untuk merencanakan produk
baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian
dan pengembangan (litbang).
Sedangakan tipe peramalan
berdasarkan aspek strategis dalam perencanaan operasi di masa depan antara
lain:
- Peramalan ekonomi (economic forecast), peramalan ini menjelaskan/meramalkan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indicator perencanaan lainnya.
- Peramalan teknologi (technological forecast), memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru.
- Peramalan permintaan (demand forecast), adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga Peramalan Penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
Secara umum teknik atau metode
peramalan dapat dibagi menjadi dua kategori, yang masing-masing kategori
terdiri dari beberapa model. Hal ini dapat dijelaskan sebagai berikut (Spyros
Makridakis, 1993 hal 8-10)
- Metode Kualitatif
Metode ini lebih menekankan pada
keputusan-keputusan hasil diskusi pendapat pribadi seseorang, dan intuisi yang
meskipun kelihatannya kurang ilmiah tetapi dapat memberikan hasil yang baik.
Metode ini dibagi menjadi 2 yakni:
- Metode eksploritas
- Metode normatif
2.Metode kuantitatif
Merupakan prosedur peramalan yang
mengikuti aturan-aturan matematis dan statistik dalam menunjukan hububgan
antara permintaan dengan satu atau lebih variabel yang mempengaruhinya.
Peramalan kuantitatif mengasumsikan bahwa tingkat keeratan dan macam dari hubungan
antara variabel-variabel bebas dengan permintaan yang terjadi pada masa lalu
akan berulang pada masa akan datang.
Prosedur umum yang digunakan dalam
peramalan secara kuantitatif adalah:
- Definisikan tujuan peramalan.
- Pembuatan diagram pencar.
- Pilih minimal dua metode peramalan yang dianggap sesuai.
- Hitung parameter – parameter fungsi peramalan.
- Hitung kesalahan setiap metode peramalan.
- Pilih metode yang terbaik, yaitu yang memiliki kesalahan terkecil.
- Lakukan verifikasi peramalan.
Peramalan kuantitatif dapat
diterapkan bila terdapat tiga kondisi berikut:
a)
Tersedianya informasi tentang masa
lalu
b)
Informasi tersebut dapat
dikuantitatifkan dalam bentuk data numerik
c)
Dapat diasumsikan bahwa beberapa
aspek pola masa lalu akan terus berlanjut dimasa yang akan datang.
Bagan diatas merupakan gambaran
Metode Kuantitatif yang dikelompokan menjadi dua, yaitu
- Time series model
Time series model didasarkan pada
serangkaian data-data berurutan yang berjarak sama (misalnya: mingguan ,
bulanan, tahunan, dll). serangkaian data ini yang merupakan serangkaian
observasi berbagai variabel menurut waktu, biasanya ditabulasikan dan
digambarkan dalam bentuk grafik yang menunjukan perilaku subyek. Time series
sangat tepat dipakai untuk meramalkan permintaan yang berpola permintaan dimasa
lalunya cukup konsisten dalam periode waktu yang lama, sehingga pola tersebut
masih akan teteap berlanjut.
Analisa deret waktu didasarkan pada
asumsi bahwa deret waktu tersebut terdiri dari komponen-komponen, yaitu: Pola
kecenderungan (T), Pola siklus/cycle (C), Pola musim (S), Variasi acak(R)
Seperti yang terlihat pada tabel di atas Time series
model mempunya beberapa metode, antara lain yakni : ARIMA, bayesian,
Autocorelation, filter kalman, multivariate, smooting dan regresion.
- Casual model (model sebab akibat)
Model casual model adalah model
peramalan yang mempertimbangkan variabel-variabel atau vaktor-vaktor yang bisa
mempengaruhi jumlah yang sedang diramalkan. Atau lebih mudahnya bahwa Metode
ini menggunakan pendekatan sebab-akibat, dan bertujuan untuk meramalkan keadaan
di masa yang akan datang dengan menemukan dan mengukur beberapa variabel bebas
(independen) yang penting beserta pengaruhnya terhadap variabel tidak bebas
yang akan diramalkan. Pada metode kausal terdapat tiga kelompok metode yang
sering dipakai :
a) Metoda regresi dan korelasi memakai teknik kuadrat
terkecil (least square). Metoda ini sering digunakan untuk prediksi jangka
pendek. Contohnya: meramalkan hubungan jumlah kredit yang diberikan dengan
giro, deposito dan tabungan masyarakat.
b) Metoda ekonometri berdasarkan pada persamaan regresi
yang didekati secara simultan. Metoda ini sering digunakan untuk perencanaan
ekonomi nasional dalam jangka pendek maupun jangka panjang. Contohnya:
meramalkan besarnya indikator moneter buat beberapa tahun ke depan, hal ini
sering dilakukan pihak BI tiap tahunnya.
c) Metoda input output biasa digunakan untuk perencanaan
ekonomi nasional jangka panjang. Contohnya: meramalkan pertumbuhan ekonomi
seperti pertumbuhan domestik bruto (PDB) untuk beberapa periode tahun ke depan
5-10 tahun mendatang. Tahapan perancangan peramalan Secara ringkas terdapat
tiga tahapan yang harus dilalui dalam perancangan suatu metoda peramalan, yaitu
:
·
Melakukan analisa pada data masa
lampau. Langkah ini bertujuan untuk mendapatkan gambaran pola dari data
bersangkutan.
·
Memilih metoda yang akan digunakan.
Terdapat bermacam-macam metoda yang tersedia dengan keperluannya. Metoda yang
berlainan akan menghasilkan sistem prediksi yang berbeda pula untuk data yang
sama. Secara umum dapat dikatakan bahwa metoda yang berhasil adalah metoda yang
menghasilkan penyimpangan (error) sekecilkecilnya antara hasil prediksi dengan
kenyataan yang terjadi.
·
Proses transformasi dari data masa
lampau dengan menggunakan metoda yang dipilih. Kalau diperlukan, diadakan
perubahan sesuai kebutuhannya.
METODE PERAMALAN
- Metode Pemulusan (Smoothing) Eksponensial
Bentuk umumnya è
Ft+1 = αXt + (1 – α)Ft
Ft+1 = αXt + α(1 – α)Xt-1 +α(1 – α)2Xt-2 + ……………+ (1 – α)N Ft+(N-1)
Dimana: Ft+1 = ramalan suatu
periode ke depan
Xt = data aktual periode t
Ft = ramalan pada periode
α = parameter pemulusan (0<α<1)
- Model time series regression sebagaimana tertulis pada Bowerman dan O’Connell (1993) adalah dengan
= nilai observasi pada
periode t
= trend pada periode t
= faktor musiman pada periode t
= error pada periode t
REFERENSI:
Tidak ada komentar:
Posting Komentar