dan barang-barang kebutuhan lain digolongkan pembelanjaan atau konsumsi. Barang-barang yang diproduksi untuk digunakan memenuhi
kebutuhan dinamakan barang konsumsi. Produksi merupakan suatu kegiatan yang dikerjakan untuk menambah
nilai guna suatu benda atau menciptakan benda baru sehingga lebih bermanfaat dalam memenuhi kebutuhan. Kegiatan menambah daya guna
benda tanpa mengubah bentuknya dinamakan produksi jasa sedangkan kegiatan menambah daya guna suatu benda dengan mengubah sifat dan
bentuknya dinamakan produksi barang. Produksi bertujuan untuk memenuhi kebutuhan manusia untuk mencapai kemakmuran.
Kemakmuran dapat tercapai jika tersedia barang dan jasa dalam jumlah yang mencukupi Soeharno, 2006.
2.2 Landasan Teori
Time Series Data Berkala atau Data Deret Waktu adalah data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi yang diatur dan didapat
menurut aturan kronologis waktu, misalnya perkembangan produksi, harga barang, hasil penjualan, jumlah penduduk, dan lainnya. Ada dua
tujuan dari analisis data berkala Syukri, 2012: a. Mengidentifikasi sifat dari fenomena diwakili oleh urutan pengamatan.
b. Peramalan memprediksi nilai masa depan dari variabel time series.
Universitas Sumatera Utara
Kedua tujuan mengharuskan pola data berkala yang diamati diidentifikasi terlebih dahulu. Dengan plot data ke dalam bentuk grafik dan melihat pola
yang terbentuk kita dapat menafsirkan dan kemudian menerapkan model analisis yang sesuai untuk pola data tersebut untuk memprediksi kejadian
masa depan. Analisis data deret waktu pada dasarnya digunakan untuk melakukan
analisis data yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik berdasarkan urutan waktu, bisa dalam jam,
hari, minggu, bulan, kuartal dan tahun, bisa dilakukan analisis menggunakan metode analisis data deret waktu. Analisis data deret waktu
tidak hanya bisa dilakukan untuk satu variabel Univariate tetapi juga bisa untuk banyak variabel Multivariate. Selain itu pada analisis data
deret waktu bisa dilakukan peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan
Syukri, 2012. Analisis data berkala memungkinkan kita untuk mengetahui
perkembangan suatu atau beberapa kejadian serta pengaruhnya atau hubungannya terhadap kejadian lain dan dapat pula membuat ramalan
berdasarkan garis regresi atau garis trend. Metode yang digunakan dalam analisis data berkala adalah metode kuantitatif sehingga perlu diperhatikan
beberapa syarat Syukri, 2012 :
Universitas Sumatera Utara
1. Ketersediaan informasi tentang masa lalu. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
Menurut Supranto 2008, ada empat komponen pola gerakan atau variasi data deret waktu adalah sebagai berikut:
1. Gerakan trend jangka panjang long term movement or secular trend, yaitu suatu gerakan yang menunjukkan arah perkembangan secara
umum kecenderungan menaikmenurun. Perlu diketahui bahwa garis trend sangat berguna untuk membuat peramalan yang sangat
diperlukan bagi perencanaan. 2. Gerakan siklus cyclical movements, adalah gerakan jangka panjang
di sekitar garis trend berlaku untuk data tahunan. Gerakan siklus ini bisa terulang setelah jangka waktu tertentu setiap 3 tahun, 5 tahun
atau lebih dan bisa juga terulang dalam waktu yang sama. 3. Gerakan musiman seasonal movements, adalah gerakan yang
mempunyai pola tetap dari waktu ke waktu. Walaupun pada umumnya gerakan musiman terjadi pada data bulanan yang
dikumpulkan dari tahun ke tahun, gerakan musiman juga berlaku bagi data harian, mingguan atau satuan waktu yang lebih kecil lagi.
Universitas Sumatera Utara
4. Gerakan yang tidak teratur atau acak irregular or random movements
, adalah gerakan yang hanya terjadi sekali-kali dan tidak mengikuti aturan tertentu dan karenanya tidak dapat diramalkan
terlebih dahulu.
Trend Turun
Gambat 1. Garis Trend Deret Waktu
Y=fX
Trend Naik X
Waktu X
Waktu Y=fX
Y=fX Y=fX
a Trend Jangka Panjang
X X
b Trend Jangka Panjang dan Gerakan Siklis
Universitas Sumatera Utara
Gambar 2. Komponen-komponen Data Deret Waktu
Trend melukiskan gerak data berkala selama jangka waktu yang panjang
atau cukup lama. Gerak ini mencerminkan sifat kontinuitas atau keadaan yang serba terus dari waktu ke waktu selama jangka waktu tersebut.
Karena sifat kontinuitas ini, maka trend dianggap sebagai gerak stabil dan menunjukkan arah perkembangan secara umum kecenderungan
menaikmenurun. Trend sangat berguna untuk membuat peramalanan forecasting yang merupakan perkiraan untuk masa depan yang
diperlukan bagi perencanaan. Trend dibedakan menjadi dua jenis, yakni Trend
Linier dan Trend Non Linier Syukri, 2012. Trend
linier adalah merupakan model persamaan garis lurus yang terbentuk berdasarkan titik-titik diagram pencar dari data selama kurun
waktu tertentu. Pada model trend ini garis vertikal tegak dinyatakan sebagai jumlah perkembangan data yang akan dianalisis y, dan untuk
X X
c Trend Jangka Panjang, Gerakan Siklis dan Musiman
d Trend Jangka Panjang, Gerakan Siklis, Musiman dan
Random acak
Y=fX Y=fX
Universitas Sumatera Utara
garis horizontal mendatar dinyatakan sebagai waktu x Supangat, 2007.
Analis trend linier dapat dilakukan dengan Metode Least Square Metode Kuadrat Terkecil. Trend dengan metode kuadrat terkecil diperoleh
dengan menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data asli dengan data pada garis trend. Dalam hal
menentukan nilai a dan b dengan menggunakan metode kuadrat terkecil pada prinsipnya adalah membentuk persamaan normal Hesse, kemudian
perhatikan data yang tersedia, apakah jumlah data yang ada ganjil atau genap, karena hal ini akan berpengaruh pada model penyelesaian
Supangat, 2007. Perhatian berikutnya adalah kapan waktu dasar ditetapkan, keberadaan
waktu dasar sangat berperan dalam menentukan nilai-nilai a dan b model trend linier tersebut. Jika datanya ganjil atau genap, dan waktu dasar yang
ditetapkan berada pada posisi tertentu tidak berada di tengah-tengah data selama kurun waktu yang ditentukan, maka penyelesaiannya dikatakan
sebagai model penyelesaian dengan cara panjang ∑ � ≠ 0, namun
demikian jika waktu dasar ditetapkan berada pada posisi di tengah-tengah data selama kurun waktu yang ditentukan, maka model penyelesaian
dikatakan sebagai model penyelesaian cara pendek ∑ � = 0, dengan
demikian cara untuk mendapatkan nilai-nilai a dan b Supangat, 2007.
Universitas Sumatera Utara
2.3 Kerangka Pemikiran