ANALISIS TIME SERIES

& FORECASTING
A PERSON WHO DOESN’T CARE ABOUT “THE PAST“

IS A PERSON WHO DOESN’T HAVE “THE FUTURE”

 PENGANTAR
• Bab sebelumnya membicarakan
perbandingan cross-sectional
• Bab ini membicarakan perbandingan
time-series, yaitu membandingkan
angka-angka dengan data historis
 ANALISIS TIME SERIES
• Analisis terhadap data historis diperlukan
untuk melihat tren‑tren yang mungkin
timbul.
• Analis juga perlu menganalisis apa yang
terjadi dibalik tren‑tren angka tersebut.
• Data historis perusahaan sebaiknya juga
dibandingkan dengan data historis industri
untuk melihat apakah tren suatu
perusahaan bergerak relatif lebih baik
terhadap tren industri.
APAKAH ROA PERUSAHAAN
MEMPUNYAI TREN MEMBAIK?
 BEBERAPA PERUBAHAN
STRUKTURAL YANG PELU
DIPERHATIKAN
• Peraturan Pemerintah
• Perubahan Kompetisi
• Perubahan Teknologi
• Akuisisi dan Merger (Penggabungan
Perusahaan)
Misalkan data time series sbb.
Data mana yang digunakan?
 TIGA PENDEKATAN DALAM
ANALISIS TIME-SERIES
• Pendekatan Ekonomi
• Pendekatan Statistik
• Pendekatan Visual
 Metoda Peramalan
(Forecasting Method)
Aku melihat kau akan memperoleh
nilai A di mata kuliah ini.

3-10
 8 -11

The future is not going to be made

tomorrow; it is being made today,
and largely by the decisions and
actions taken with respect to the
task today.

(Peter F. Drucker)
 8 -12

Jika engkau tidak mempunyai

arah, maka arah mana pun baik
bagimu
 Ciri-ciri ramalan
 Beranggapan sistem kausal
masa lalu ==> masa depan
 Ramalan jarang sempurna, oleh karena
tingkat keacakan
 Ramalan lebih akurat untuk group
daripada individu
 Tingkat akurasi ramalan menurun
sejalan dengan meningkatnya
cakrawala waktu

3-13
Unsur-unsur ramalan yang baik

Tepat waktu

Handal Akurat

n
rti Tertulis d ah aka
ra u n
M igu
Be d

3-14
 Definisi Peramalan
 Peramalan adalah seni dan ilmu untuk
memprediksi masa depan.
 Peramalan adalah tahap awal, dan hasil ramalan
merupakan basis bagi seluruh tahapan pada
perencanaan produksi.
 Proses peramalan dilakukan pada level agregat
(part family); bila data yang dimiliki adalah data
item, maka perlu dilakukan agregasi terlebih
dahulu.
 Metode: Kualitatif dan kuantitatif.
 Terminologi: perioda, horison, lead time, fitting
error, forecast error, data dan hasil ramalan.
 Persyaratan Penggunaan
Metode Kuantitatif:

1. Tersedia informasi tentang masa lalu.

2. Informasi tersebut dapat di
kuantitatifkan dalam bentuk data
numerik.
3. Dapat diasumsikan bahwa beberapa
aspek pola masa lalu akan terus
berlanjut di masa mendatang.
 Langkah-langkah Peramalan
 Definisikan tujuan peramalan.
 Plot data (part family) masa lalu.
 Pilih metode-metode yang paling memenuhi
tujuan peramalan dan sesuai dengan plot data.
 Hitung parameter fungsi peramalan untuk
masing-masing metode.
 Hitung fitting error untuk semua metode yang
dicoba.
 Pilih metode yang terbaik, yaitu metode yang
memberikan error paling kecil.
 Ramalkan permintaan untuk periode mendatang
 Lakukan verifikasi peramalan.
 KOMPONEN
DATA TIME-SERIES
• Trend
• Siklus
• Musiman
• Ketidakeraturan
• Dalam beberapa situasi, analis ingin
memecaha data time-series ke dalam
empat komponen tersebut
 TREN
• Trend merupakan pergerakan time series
dalam jangka panjang, bisa merupakan
tren naik atau turun.
• Diperlukan waktu jangka panjang (15 atau
20 tahun) untuk melihat pola tren tersebut.
Tren tersebut bisa dipengaruhi oleh
perubahan jumlah penduduk, perubahan
teknologi, dan semacamnya.
 SIKLUS
• Siklus merupakan fluktuasi bisnis dalam
jangka yang lebih pendek (sekitar 2‑10
tahun). Belum ada penjelasan yang
memuaskan terhadap penyebab
timbulnya fluktuasi siklus semacam ini.
Lamanya dan besarnya fluktuasi juga
sangat beragam dari perusahaan ke
perusahaan, dan dari industri ke industri.
 MUSIMAN
• Musiman merupakan fluktuasi yang terjadi
dalam lingkup satu tahun.
• Ada beberapa penyebab timbulnya
fluktuasi musiman seperti disebutkan di
muka:
(1) Karena peristiwa tertentu, misal karena
peristiwa lebaran atau tahun baru,
(2) Karena cuaca, misal musim hujan dan
musim kemarau.
 KETIDAKTERATURAN
• Fluktuasi semacam ini disebabkan karena
faktor‑faktor yang munculnya tidak teratur,
dengan jangka waktu yang pendek.
• Misalkan suatu perusahaan mengalami
musibah karena salah satu gudangnya
terbakar, maka data keuntungan
perusahaan pada periode tersebut akan
terpengaruh.