Gerakan musiman (seasonal movement or variation) adalah gerakan yang teratur sehingga
fluktuasinya terjadi pada waktu-waktu yang sama atau sangat berdekatan.
Contohnya ketika musim panen padi, harga beras turun lalu merangkak naik hingga
menjelang musim panen harga beras masih tinggi. Gerakan lainnya yang terjadi
dalam waktu yang sangat singkat juga disebut gerakan musiman. Misalnya,
naik-turunnya temperatur seorang pasien tiap jam dari hari ke hari.
Pengetahuan tentang pergerakan
musiman ini berguna sebagai dasar penentuan langkah-langkah kebijakan untuk
mencegah hal-hal yang tidak diinginkan seperti over production, under
production, dan lonjakan harga di musim tertentu.
Penyesuaian data mempunyai alasan-alasan sebagai berikut:
1. Jumlah hari untuk tiap bulan tidak sama
2. Jumlah hari kerja tidak sama
3. Jumlah jam kerja tdak sama
*(x) = jumlah hari / hari kerja / jam kerja / penyesuaian lainnya.
1. Metode Rata-Rata Sederhana
Gerakan musiman (seasonal movement or variation) adalah gerakan yang teratur sehingga
fluktuasinya terjadi pada waktu-waktu yang sama atau sangat berdekatan.
Contohnya ketika musim panen padi, harga beras turun lalu merangkak naik hingga
menjelang musim panen harga beras masih tinggi. Gerakan lainnya yang terjadi
dalam waktu yang sangat singkat juga disebut gerakan musiman. Misalnya,
naik-turunnya temperatur seorang pasien tiap jam dari hari ke hari.
Bulan
|
1995
|
1996
|
1997
|
1998
|
Jumlah
|
Rata-Rata
|
[1]
|
[2]
|
[3]
|
[4]
|
[5]
|
[6]
|
[7]
|
|
|
|
|
|
[2] + [3] + [4] +[5]
|
[6] ÷
4
|
January
|
259,982
|
278,525
|
276,438
|
267,785
|
1,082,730
|
270,682.50
|
February
|
244,993
|
259,589
|
276,439
|
239,373
|
1,020,394
|
255,098.50
|
March
|
268,423
|
274,530
|
278,306
|
250,492
|
1,071,751
|
267,937.75
|
April
|
236,293
|
250,171
|
268,242
|
230,830
|
985,536
|
246,384.00
|
May
|
251,439
|
248,524
|
263,570
|
236,124
|
999,657
|
249,914.25
|
June
|
244,756
|
238,479
|
238,531
|
229,838
|
951,604
|
237,901.00
|
July
|
246,631
|
256,076
|
263,283
|
252,718
|
1,018,708
|
254,677.00
|
August
|
254,749
|
267,292
|
272,805
|
262,069
|
1,056,915
|
264,228.75
|
September
|
228,903
|
255,964
|
250,000
|
241,952
|
976,819
|
244,204.75
|
October
|
245,213
|
280,989
|
257,920
|
238,903
|
1,023,025
|
255,756.25
|
November
|
243,994
|
273,245
|
263,112
|
257,450
|
1,037,801
|
259,450.25
|
December
|
273,852
|
283,237
|
280,028
|
268,948
|
1,106,065
|
276,516.25
|
JUMLAH
|
|
|
|
|
|
3,082,751
|
Bulan
|
Harga
Rata-Rata
|
%
terhadap Total dari [9]
|
Indeks
Musiman
|
[8]
|
[9]
|
[10]
|
[11]
|
|
|
([9] ÷
∑[9]) x 100%
|
[10] x
12
|
January
|
270,682.50
|
8.7806
|
105.37
|
February
|
255,098.50
|
8.2750
|
99.30
|
March
|
267,937.75
|
8.6915
|
104.30
|
April
|
246,384.00
|
7.9923
|
95.91
|
May
|
249,914.25
|
8.1069
|
97.28
|
June
|
237,901.00
|
7.7172
|
92.61
|
July
|
254,677.00
|
8.2614
|
99.14
|
August
|
264,228.75
|
8.5712
|
102.85
|
September
|
244,204.75
|
7.9217
|
95.06
|
October
|
255,756.25
|
8.2964
|
99.56
|
November
|
259,450.25
|
8.4162
|
100.99
|
December
|
276,516.25
|
8.9698
|
107.64
|
JUMLAH
|
3,082,751
|
100
|
1,200
|
Bulan
|
1995
|
1996
|
1997
|
1998
|
Rata-Rata
|
Median
|
[1]
|
[2]
|
[3]
|
[4]
|
[5]
|
[6]
|
[7]
|
January
|
-
|
101.71
|
101.17
|
101.78
|
101.55
|
-
|
February
|
94.23
|
93.20
|
100.00
|
89.39
|
94.21
|
93.72
|
March
|
109.56
|
105.76
|
100.68
|
104.65
|
105.16
|
105.20
|
April
|
88.03
|
91.13
|
96.38
|
92.15
|
91.92
|
91.64
|
May
|
106.41
|
99.34
|
98.26
|
102.29
|
101.58
|
100.82
|
June
|
97.34
|
95.96
|
90.50
|
97.34
|
95.28
|
96.65
|
July
|
100.77
|
107.38
|
110.38
|
109.95
|
107.12
|
108.67
|
August
|
103.29
|
104.38
|
103.62
|
103.70
|
103.75
|
103.66
|
September
|
89.85
|
95.76
|
91.64
|
92.32
|
92.40
|
91.98
|
October
|
107.13
|
109.78
|
103.17
|
98.74
|
104.70
|
105.15
|
November
|
99.50
|
97.24
|
102.01
|
107.76
|
101.63
|
100.76
|
December
|
112.24
|
101.17
|
101.78
|
104.47
|
104.91
|
103.12
|
4. Rasio Rata-Rata Bergerak
Menghilangkan Pengaruh Musiman dan Trend
January 1996 = 278.525 : 1,0598 = 262.809,02 dan seterusnya.
Gerakan Siklis dan Cara Mengukurnya
Menemukan Ukuran Musiman dengan Penggunaan Regresi Berganda (Multiple Regretion)
t = periode waktu
Penerapan Data Berkala dan Indeks Musim untuk Peramalan
Untuk menyesuaikan data bulanan
dengan perbedaan jumlah (x), maka data bulanan dari hasil observasi harus
dikalikan dengan suatu faktor pengali yang diperoleh dengan jalan mengalikan
jumlah (x) yang terdapat dalam bulan itu dengan jumlah rata-rata (x) setiap
bulan.
Untuk keperluan analisis,
seringkali data berkala dinyatakan dalam bentuk angka indeks. Apabila kita
ingin menunjukkan da/tidaknya gerakan musiman, perlu dibuat indeks musiman
(seasonal indeks).
Data berkala yang dinyatakan sebagai variabel Y terdiri dari
4 komponen, yaitu:
Y = T + C + S + I
Apabila pengaruh T (trend), C (siklis), dan I (irregular)
dihilangkan, makan yang tersisa adalah komponen S, yaitu komponen musiman. Jadi
angka indeks musiman merupakan angka yang menunjukkan nilai relatif dari
variabel Y yang merupakan data berkala dalam 1 bulan pada 1 tahun atau lebih.
Ada beberapa metode untuk menghitung angka indeks musiman,
yaitu:
Saya Ibu Queen Daniel, A pemberi pinjaman uang, saya meminjamkan uang kepada indaividu atau perusahaan yang ingin mendirikan sebuah bisnis yang menguntungkan, yang menjadi periode utang lama dan ingin membayar. Kami memberikan segala jenis pinjaman Anda dapat pernah memikirkan, Kami adalah ke kedua pinjaman pribadi dan Pemerintah, dengan tingkat suku bunga kredit yang terjangkau sangat. Hubungi kami sekarang dengan alamat email panas kami: (queendanielloanfirm@gmail.com) atau (queendanielloanfirm@yahoo.com) Kebahagiaan Anda adalah perhatian kami.
BalasHapus