Dr. Masarina Flukeria, M.S.E., M.P.P.

Video ini membahas cara mengolah data tren dan seasonal dalam analisis time series dengan menggunakan Excel. Langkah pertama adalah melakukan visualisasi data untuk memahami behavior data, kemudian dilakukan proses smoothing data dengan moving average. Selanjutnya, dilakukan pembagian original data dengan center moving average untuk mendapatkan seasonal component. Proses selanjutnya adalah mendapatkan seasonal component secara murni dengan merata-ratakan nilai seasonal pada periode tertentu. Setelah itu, dilakukan proses seasonal adjustment dengan membagi original data dengan seasonal component untuk mendapatkan deseasonalized data. Tahap terakhir adalah membuat model trend dengan regresi menggunakan deseasonalized data untuk melakukan forecasting yang akurat. Dengan meremove faktor musiman, kita dapat mendapatkan insight yang lebih akurat mengenai pergerakan sebenarnya dari data time series.

Oke, mari kita belatih dengan menggunakan Excel bagaimana caranya melakukan forecasting untuk data-data time series.

Nah, contoh yang ada di sini ini merupakan data triulanan khususnya untuk penjualan mobil.

Di sini ada year, anggap saja misalkan year 1, year 2, year 3, year 4,

itu layaknya seperti tahun 2000, 2001, 2002, 2003, 2004,

dan data triulanan terdiri dari 4 quarter, quarter 1, quarter 2, quarter 3, quarter 4, demikian seterusnya.

Dan ini merupakan original data, original data itu maksudnya assume ini adalah original data penjualan mobil,

dimana data penjualannya itu misalkan ada 4,8 di triulan 1, 4,1 di triulan 2, 6 di triulan 3, dan seterusnya.

Langkah pertama ketika kamu ingin melakukan analisis time series itu adalah lakukan yang namanya visualisasi data.

Data itu perlu diperhatikan behaviornya seperti apa.

Kamu bisa buat seperti ini, ini adalah grafik tentang data ini.

Mungkin teman-teman akan bertanya, gimana ya cara bikin grafik seperti ini?

Di sini saya bisa membantu teman-teman, kamu bisa menggambar dengan cara sebagai berikut.

Misalkan kamu bikin, oke saya hapus dulu.

Ini adalah data kamu, coba kamu blok dulu, ini data kamu, oke seperti ini.

Lalu kamu insert, picture, insert, lalu ini ada gambar seperti ini, mungkin akan jadinya seperti ini.

Nah ini kamu bisa edit, editnya dengan cara klik kanan, lalu select data di sini,

dan yang kita butuhkan itu adalah kamu perlu yang namanya data penjualan itu sendiri.

Jadi ini kita remove, yang yearnya, quarternya juga kita remove, tinggal salesnya.

Lalu di sini khusus untuk data ini, kamu ambil dari sini, ini seperti ini.

Oke, lalu kita oke kan, oke, oke di sini.

Nah, maka hasilnya akan sama seperti yang sudah jadi saya buat sebelumnya.

Nah, jadi langkah pertama kamu harus seperti ini dulu, pahami betul behavior dari data kamu.

Nah, dari data kamu itu akan nampak ini sepertinya dari data ini itu mengandung trend

bahwa penjualan mobil ini cenderung naik dari tahun ke tahun, dari quarter to quarter,

termasuk di sini kita juga perlu lihat nampaknya di sini di triwulan-triwulan tertentu,

dia mengalami kenaikan, khususnya di triwulan 3 dan 4.

Jadi di sini kita bisa melihat ini ada seasonal pattern atau systematic pattern,

khususnya ini adalah pattern yang sifatnya musiman.

Oke, setelah kita tahu bagaimana behavior data kita,

maka selanjutnya adalah kita melakukan yang namanya proses smoothing data,

di mana proses smoothing data itu lebih kepada kita ingin mendapatkan trend sementara

Oke, caranya itu adalah lakukan terlebih dahulu moving average,

karena kamu punya data triwulanan, triwulan itu kan berarti 4 quarter,

maka di sini yang kita buat itu adalah moving average dengan M sama dengan 4

kalau sebelumnya kita latihan MA sama dengan 3,

Berartikan moving average atau rata-rata bergerak itu kan per 4 periode,

1, 2, 3, 4, di mana datanya terdiri dari 4,8, 4,1, 6, dan 6,5.

Saya akan dapat hasil rata-ratanya adalah 5,35.

Masalahnya adalah di mana kamu akan meletakkan angka 5,35 ini.

Lihat baik-baik, 1, 2, 3, 4 itu kan di tengah-tengahnya itu kan 2,5,

artinya di sini saya taruh 2,5 itu di sel yang ketiga,

karena kan di Excel itu kan tidak ada sel 2,5,

hanya ada sel 1, sel 2, sel 3, dan seterusnya.

demikian seterusnya kita lakukan proses moving average rata-rata bergerak

sampai kita ketemu di sel D18 seperti ini.

Selanjutnya adalah kamu cari yang namanya center moving average,

artinya tadi kan masih ditaruh di 2,5, lalu di 3,5,

yang setengah-setengah ini kamu perlu dapat centernya

sampai kamu dapat benar-benar value yang tanpa komponen,

Artinya yang tadi itu kamu lakukan rata-rata,

jadi ini rata-rata yang 2,5 dengan 3,5 itu perlu dirata-ratakan kembali,

jadi observasi ini, observasi D6 itu perlu dirata-ratakan dengan D7,

sehingga kamu dapat yang namanya center of moving average.

Dan kalau kita gambar, center of moving average itu seperti ini,

ini layaknya trend dari pergerakan penjualan mobil itu seperti ini sebenarnya.

Nah tahap selanjutnya adalah ingat bahwa di sini data kamu itu

artinya adalah bagaimana caranya supaya pola musiman

yang tadi kamu lihat behaviornya itu bisa kamu capture,

Caranya adalah center of moving average ini

itu kamu lakukan proses pembagian original dibagi dengan CMA ini.

Ketika original dibagi dengan kolom E, CMA4 ini,

maka itu yang namanya seasonal component.

Kita lihat di sini bahwa SI itu adalah seasonal component,

seasonal component itu terdiri dari S dengan I,

dan itu diperoleh dengan cara originalnya dibagi CMA4.

kamu cari yang seasonal component secara murni,

gimana caranya kamu mendapatkan seasonal component secara murni,

just seasonal saja tanpa ada irregular lagi?

oh iya, sebelum saya masuk ke seasonal secara murni,

mengapa saya mengatakan kalau ini menjadi SI?

time series itu bisa kita bagi menjadi dua,

additive model ataupun multiplicative model.

kita lihat tadi pergerakannya yang original,

pergerakannya itu relatif tidak sama dari quarter to quarter,

awalnya kan pergerakannya besarannya segini,

artinya dia sebenarnya membentuk model multiplicative,