4
trend, siklis, pengaruh tak tentu dan musiman dibagi oleh indeks musim untuk kuartal yang bersangkutan. Tidak ada suatu metode peramalan yang paling baik
dan selalu cocok digunakan dalam meramalkan semua hal. Oleh karena itu harus dipilih metode yang paling baik untuk meminimumkan kesalahan peramalan.
Kebutuhan akan peramalan yang mendesak mengakibatkan perlunya menggunakan teknologi komputer yang akan mempercepat proses peramalan.
Saat ini di pasaran telah ada beberapa software aplikasi komputer untuk membantu dalam melakukan peramalan yang cepat dan akurat, terutama yang
menggunakan analisis runtun waktu. Salah satu software komputer yang menggunakan aplikasi untuk melakukan peramalan dengan metode analisis runtun
waktu yaitu software Minitab. Oleh karena hal diatas, penulis tertarik untuk melakukan penelitian
tentang penggunaan metode runtun waktu dan metode deseasonalizing untuk meramalkan tingkat suku bunga di BEI.
1.2 Permasalahan
Berdasarkan latar belakang di atas, maka permasalahan dalam peneltian ini adalah:
1. Bagaimana penggunaan metode runtun waktu dan metode deseasonalizing
untuk peramalan tingkat suku bunga di BEI? 2.
Metode peramalan manakah yang terbaik untuk peramalan tingkat suku bunga di BEI?
5
3. Berapakah forecast besarnya tingkat suku bunga di BEI dari metode terbaik
tersebut pada masa yang akan datang?
1.3 Batasan Masalah
Untuk mengatasi ruang lingkup permasalahan pada penulisan skripsi ini, diberikan batasan bahwa metode yang digunakan dalam skripsi ini adalah metode
runtun waktu dan metode deseasonalizing, dan data yang digunakan adalah data tingkat suku bunga yang dikeluarkan oleh Bank Indonesia BI dari bulan Januari
2001 sampai dengan bulan Desember 2007.
1.4 Penegasan Istilah
1. Forecasting
Forecasting adalah proses atau metode dalam meramal suatu peristiwa yang
akan terjadi pada masa datang dengan mendasarkan diri pada variabel-variabel tertentu Awat, 1990:2.
2. Suku Bunga
Suku bunga adalah ukuran keuntungan investasi yang dapat diperoleh oleh pemodal dan juga merupakan ukuran-ukuran biaya modal yang harus
dikeluarkan oleh perusahaan untuk menggunakan dana dari pemodal Harianto dan Sudomo, 2006:66.
3. Model ARIMA
Model ARIMA adalah suatu model runtun waktu nonstasioner homogen yang menggunakan prosedur yang praktis dan sederhana bagi penerapan model atau
6
skema Autoregresive dan Moving Average dalam penyusunan ramalan. 4.
Model Autoregresive AR Model
Autoregresif adalah suatu model yang menggambarkan bahwa variabel dependen dipengaruhi oleh variabel dependen itu sendiri pada periode-periode
atau waktu-waktu sebelumnya. 5.
Model Moving Average MA Model
Moving Average adalah menggambarkan ketergantungan variabel terikat Z terhadap nilai error pada waktu sebelumnya yang berurutan.
4. Metode Deseasonalizing
Metode Deseasonalizing adalah salah satu metode peramalan forecasting
dengan cara menghilangkan pengaruh variasi musiman, jumlah data masing- masing kuartal yang berisi trend, siklis, pengaruh tak tentu dan musiman
dibagi oleh indeks musim untuk kuartal yang bersangkutan.
1.5 Tujuan Penelitian
