BAB 2
LANDASAN TEORI
Metode Dekomposisi biasanya mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis. Komponen
tersebut adalah faktor trend kecendrungan, siklus dan musiman. Faktor kecenderungan menggambarkan perilaku data dalam jangka panjang, dan dapat
meningkat, menurun tau tidak berubah. Faktor siklus menggambarkan baik turunnya ekonomi atau industri tertentu. Faktor musiman berkaitan dengan fluktuasi periodik
dengan panjang konstan yang disebabkan oleh hal-hal seperti temperatur, curah hujan, dan kebijaksanaan para pemimpinpenguasa.
Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang dengan sendirinya pada interval yang tetap seperti tahun, bulan atau minggu,
sedangkan faktor siklus mempunyai jangka waktu yang lebih lama dan lamanya berbeda dari siklus yang satu ke siklus yang lain.
Metode Dekomposisi pada dasarnya digunakan untuk mengidentifikasi tiga komponen utama secara terpisah dari pola dasar dalam suatu deret data. Komponen
tersebut adalah :
1. Gerakan Trend
Gerakan Trend adalah suatu gerakan yang menunjukkan arah perkembangan secara umum, kecendrungan menaik, menurun atau bersifat statis. Gambar 2-1 berikut
menunjukkan contoh pola data trend yang menaik.
Universitas Sumatera Utara
2. Gerakan Siklis
Gerakan siklis adalah gerakan jangka panjang yang terjadi secara berulang setelah jangka waktu tertentu dalam deret waktu.
3. Gerakan Musiman
Gerakan musiman adalah gerakan yang teratur, berupa gerakan naik turun dari nilai suatu variabel dalam jangka waktu yang singkat.
Jumlah
Periode Gambar 2.1 Gerakan Trend Menaik
Jumlah
Periode
Gambar 2.2 Gerakan Siklis
Universitas Sumatera Utara
4. Gerakan Randomness Irreguler
Gerakan Randomness Irreguler adalah gerakan yang tidak teratur sulit diprediksi dalam suatu variabel dalam jangka waktu yang singkat.
Perbedaan antara musiman dan siklus adalah bahwa musiman itu berulang dengan sendirinya pada interval yang tetap seperti tahun, bulan atau minggu
Jumlah
Periode Gambar 2.3 Gerakan Musiman
Jumlah
Periode Gambar 2.4 Gerakan Random
Universitas Sumatera Utara
sedangkan faktor siklus mempunyai jangka waktu yang lebih lama berbeda dari siklus yang satu ke siklus yang lain.
Model Dekomposisi mendasarkan asumsi bahwa data yang ada merupakan gabungan dari komponen-komponen deret data berkala yaitu :
Data = pola + irregular random = f trend, siklus, musim + acak
Dalam hal ini, terdapat bedanya unsur keacakan. Unsur keacakan ini dianggap sebagai perbedaan antara pengaruh gabungan dari ketiga komponen trend, siklus, dan
musiman adri deret data dengan data yang sebenarnya.
Ada beberapa pendekatan alternatif untuk mendekomposisikan suatu deret waktu yang bertujuan untuk mengisolasikan masing-masing komponen dari deret itu
secepat mungkin. Konsep dasar dari dekomposisi ini adalah data empiris yang tetap dan mula-mula memisahkan unsur musiman kemudian trend dan akhirnya siklus.
Suatu residu yang ada di anggap unsur acak yang walaupun tidak dapat ditaksir tetapi dapat diidentifikasi.
Bentuk umum dari pendekatan Dekomposisi Census II adalah : X
t
= I
t
x T
t
x C
t
x E
t
2-1 Dengan :
X
t
= Nilai deret waktu pada Periode t I
t
= Komponen musiman atau indeks pada Periode t T
t
= Komponen Trend pada Periode t C
t
= Komponen Siklus pada Periode t E
t
= Komponen Acak atau Error pada Periode t
Langkah-langkah yang ditempuh dalam proses Dekomposisi adalah : 1. Melakukan penyesuaian data terhadap variasi hari perdagangan. Hal ini diperlukan
apabila dalam satu bulan mempunyai jumlah hari kerja atau hari perdagangan yangt tidak sama dalam tahun yang berbeda.
2. Melakukan penyesuaian musiman awal terhadap deret data untuk memisahkan unsur musiman dari unsur trend siklus dan keacakannya.
Universitas Sumatera Utara
3. Melakukan pengujian musiman akhir untuk menghitung faktor musiman yang lebih tepat.
4. Melakukan pengujian data dengan uji trend, uji musim dan uji siklus untuk melakukan keberhasilan proses dekomposisi yang dilakukan.
5. Menghitung Bulan Dominasi Siklus MCD. Maksud dari perhitungan dari MCD ini adalah untuk mengetahui berapa lama komponen acak mendominasi komponen
trend siklus atau sebaliknya. 6. Menghitung taksiran trend-siklus untuk membuat peramalan.
2.1 Uji Kecukupan Sampel
