Makalah Analisis Time Series : Peramalan Nilai Tukar Rupiah Terhadap USD

PERAMALAN NILAI TUKAR (KURS) RUPIAH TERHADAP US DOLAR PADA TAHUN 2019 DENGAN MENGGUNAKAN METODE LEAST SQUARE

Disusun Oleh :

Yolanda Eka Putri

 (1804321051)

Bk-2B

PROGRAM STUDI D3 KEUANGAN DAN PERBANKAN

POLITEKNIK NEGERI JAKARTA

2018/2019

KATA PENGANTAR

Alhamdulillah dengan mengucapkan puji dan syukur atas kehadirat Allah SWT yang telah memberikan rahmat serta karunia-Nya, sehinnga pada akhirnya penulis dapat menyusun dan menyelesaikan makalah ini sampai selesai. Adapun judul makalah yang penulis ambil sebagai berikut:  Peramalan Nilai Tukar (Kurs) Rupiah Terhadap US Dolar Pada Tahun 2019 Dengan Menggunakan Metode Least Square.

Penulis mengucapkan terima kasih kepada semua pihak yang ikut membantu penyusunan makalah ini sehingga dapat terselesaikan dengan tepat waktu. Selain itu tidak lupa saya ucapkan terima kasih kepada dosen mata kuliah Statistik Bisnis yaitu: Ibu Rodiana Listiawati, S.E, M.M dan kepada sahabat dan teman –teman yang telah memberi dukungan menyelesaikan makalah ini.

Penulis myadari bahwa dalam proses penyusunan makalah ini masih jauh dari kata sempurna. Oleh sebab itu, Penulis mengucapkan terima kasih apabila pembaca dapat memberikan saran atau kritikan yang membangun agar makalah  ini menjadi sempurna saat penyusunan berikutnya. Semoga dengan terselesainya makalah ini dapat bermanfaat bagi pembaca dan masyarakat untuk memberikan dan meningkatkan wawasan.

Depok, 16 Juni 2019

                                                                                       Penulis

DAFTAR ISI

JUDUL ……………...…………………………………………………………… I

KATA PENGANTAR .………………………………………………………… II

DAFTAR ISI ……...…..….…………………………………………………… III

ABSTRAK ……...…..….………………………………………………………. V

BAB I PENDAHULUAN

            1.1  Latar Belakang ...………………………………………………………… 1 

            1.2  Rumusan Masalah ...…………………………………………………...… 3

            1.3  Tujuan ................…………………………………………………………. 3

            1.4  Manfaat ..............………………………………………………………..... 3

            1.5  Ruang Lingkup Materi  ......................……………………..……………... 3

BAB II TINJAUAN PUSTAKA

            2.1  Analisis Deret Berkala dalam Statiska Deksriptif  ….……….…………… 4

            2.2  Pengertian Analisis Deret Berkala (Time Series) ………….……………... 4

            2.3  Komponen Deret Berkala ……………………………………………....… 5

            2.4  Metode Yang Dipergunakan untuk mengukur Trend …………………...... 6

BAB III HASIL DAN PEMBAHASAN 

            3.1  Metode Least Square (Kuadrat Terkecil)  ……...……....………………...  9

            3.2  Contoh Kasus………….………………………………………..……...… 10

         3.2.1 Kasus I (Data Ganjil) ......................……………………..….....…….. 10

         3.2.1 Kasus II (Data Genap) ......................…………………….......……… 12

BAB IV PENUTUP

            4.1  Kesimpulan …………...……………………………………………..…... 14

            4.2  Saran ………...……….…………………………………………..……… 14

DAFTAR PUSTAKA ......................……………………..…………..……….… 15

ABSTRAK

Nilai tukar merupakan salah satu indikator penting ekonomi. Menguatkan kurs mengambang Indonesia penuh dalam mengambang bebas, dimana perubahan nilai tukar dipengaruhi oleh penawaran dan permintaan. Pergerakan nilai tukar di Indonesia mengalami fluktuasi yang disebabkan oleh berbagai faktor baik internal maupun eksternal. Pergerakan nilai tukar akan berdampak pada perekonomian sehingga melakukan penelitian untuk menganalisis faktor-faktor yang mempengaruhi pergerakan nilai tukar jumlah uang beredar. Tujuan dari pembuatan makalah ini adalah untuk mengukur kenaikan nilai tukar (kurs) Rupiah terhadap US Dolar dengan menggunakan metode Least Square dalam analisis Time Series. Selain itu, memberikan informasi mengenai apa itu Time Series, metode apa saja yang digunakan, dan bagaimana cara menghitungnya. Metode penulisan yang digunakan adalah metode kepustakaan yaitu mencari sumber-sumber dan situs-situs yang berkenan dengan materi Time Series. Selain itu, mencari contoh-contoh pembahasan soal dari Time Series dan juga mencari referensi seperti dari internet. Hasil perhitungan menunjukan bahwa dari 3 metode perhitungan Trend, yang paling teliti dan cermat adalah menghitung dengan menggunakan metode Least Square.

BAB 1

PENDAHULUAN

1. 1   Latar Belakang

Transaksi jual beli selalu dilakukan manusia dalam memenuhi kebutuhan hidupnya. Untuk melakukan transaksi tersebut digunakan alat ukur yang lazim digunakan, yaitu uang. Uang merupakan alat tukar yang digunakan setiap negara untuk melakukan pembayaran atas pembelian barang maupun jasa.  Setiap Negara memiliki mata uang sendiri yang digunakan sebagai alat tukar dalam kegiatan jual-beli. Bagaimana jika seseorang dari negara tertentu ingin membeli barang dari negara lain? Dalam kasus inilah proses transaksi antar negara membutuhkan mekanisme untuk mengakses nilai tukar mata uang asing. Mekanisme tersebut disebut sebagai kurs (nilai tukar mata uang). Kurs inilah sebagai salah satu indikator yang mempengaruhi aktivitas di pasar internasional.

Perekonomian Indonesia tidak lepas dari pengaruh perekonomian internasional sehingga nilai tukar rupiah sangat dibutuhkan oleh banyak masyarakat dalam kehidupan perekonomiannya. Menurut Adiningsih, dkk (1998), nilai tukar rupiah adalah harga rupiah terhadap mata uang negara lain. Hal inilah yang digunakan para investor sebagai indikator untuk mempengaruhi aktivitas di pasar saham maupun pasar uang karena investor cenderung akan berhatihati untuk melakukan investasi. Di samping itu perekonomian Indonesia juga tak luput dari pengaruh perekonomian Negara lain, terutama perekonomian Amerika. Dalam sistem pemerintahan Indonesia, perekonomian Amerika berpengaruh karena Indonesia masih memiliki hutang internasional, sehingga ketika terjadi penurunan nilai rupiah terhadap dolar Amerika secara langsung akan mempengaruhi jumlah hutang luar negeri yang harus dibayar. Selain itu meningkat atau menurunnya nilai tukar rupiah terhadap dolar Amerika akan berpengaruh pada biaya produksi industri baik itu impor maupun ekspor. Nilai tukar tidak ditetapkan oleh bank sentral, melainkan pasar, sehingga nilai tukar dapat berubah setiap saat sesuai mekanisme pasar. Oleh karena itu prediksi nilai tukar mata uang yang akan datang

sangat diperlukan untuk menentukan kebijakan perekonomian yang akan datang.

Prediksi atau peramalan merupakan sebuah upaya memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan secara sistematis. Seiring perkembangan teknologi yang semakin maju, peramalan data Time Series telah banyak dikembangkan. Menurut Box dkk (1994) dalam Makridakis dkk (1999), Time Series atau deret waktu adalah sekelompok nilai-nilai pengamatan yang diperoleh pada waktu yang berbeda dengan selang waktu yang sama dan barisan data diasumsikan saling bebas satu sama lain. Salah satu peramalan yang banyak digunakan adalah metode Least Square yang paling sering digunakan untuk meramalkan Y karena perhitungannya dinilai lebih teliti.

Di makalah ini penulis akan menghitung Trend laju pertumbuhan kurs Rupiah terhadap USD selama waktu peride tertentu dengan menggunakan metode Least Square.

1. 2   Perumusan Masalah

Berdasarkan uraian pada latar belakang, penulis dapat merumuskan beberapa permasalahan yang menjadi kajian dalam penelitian ini, yaitu:

1. Apa definisi Time Series?

2.      Bagaimana cara menghitung Trend rata – rata kurs Rupiah terhadap USD dalam Time Series?

3. Bagaiman meramalkan laju pertumbuhan kurs rupiah Indonesia terhadap US dolar menggunakan Least Square?

1. 3   Tujuan

Tujuan dari pembuatan paper analisis Time Series ini antara lain sebagai berikut:

a)      Mengetahui apa itu analisis Time Series

b)      Bagaimana persamaan garis Trend dengan menggunakan metode Least Square?

c)      Berapa besar jumlah Trend pada tahun 2019?

1. 4   Manfaat

Penulis mengharapkan agar makalah ini dapat dimengerti dan para pembaca dapat memahami definisi, ciri–ciri serta teknik menganalisis data dengan menggunakan Analisa Deret Berkala atau Time Series dengan metode Least Square.

BAB II

TINJUAN PUSTAKA

2. 1. Analisis Deret Berkala dalam Statistika Deksriptif

Croxton dan Cowden memperkenalkan metode statiska pada 1995 yaitu dengan menggunakan statiska Deksriptif dengan memberi definisi statiska sebagai metode guna mengumpulkan, mengolah, menyajikan, menganalisa, dan mengiterpretasi data yang berwijud angka-angka. Dalam metode statiska dektiptif terdapat berbagai jenis metode statistic salah satunya adalah Analisis Deret Berkala.

Menurut Supranto (2000), Deret waktu adalah data yang dikumpukan dari waktu ke waktu secara berurutan untuk menggambarkan suatu kegiatan. Misalnya data pertumbuhan kendaraan antara tahun 2017-2012, maka datanya adalah pertumbuhan kendaraan tahun 2007, tahun 2008, tahun 2009, tahun 2011, tahun 2012 sedangkan Menurut Rodiana Listiawati, dkk, dalam buku Statiska Bisnis menyatakan Time Series adalah analisis yang menerapkan dan mengukur berbagai perubahan/ perkembangan data yang bersangkutan selama waktu periode tertentu.

2. 2. Pengertian Analisis Time Series (Deret Bekala)

Data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil penjualan, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dll). Serangkaian nilai-nilai variable yang disusun berdasarkan waktu.

Serangkaian data yang terdiri dari variable Y merupakan serangkaian hasil observasi dan fungsi dari variable X merupakan variable waktu yang bergerak secara seragam dengan daerah yang sama, dari waktu yang lampau ke waktu yang mendatang.

Deret berkala atau runtut waktu adalah serangkaian pengamatan terhadap peristiwa, kejadian atau variable yang diambil dari waktu ke waktu, dicatat secara teliti menurut urutan waktu terjadinya, kemudian disusun sebagai data statistik.

Dari suatu runtut waktu akan dapat diketahui pola perkembangan suatu peristiwa, kejadian atau variable. Jika perkembangan suatu peristiwa mengikuti suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan dapat diramalkan peristiwa yang akan terjadi di masa yang akan datang.

2. 3. Komponen Deret Berkala

Pola gerakan runtut waktu atau deret berkala dapat dikelompokkan menjadi empat pola pokok. Pola ini biasanya disebut sebagai komponen dari deret berkala (runtut waktu). Empat komponen deret berkala itu, antara lain :

a)      Gerakan jangka panjang (Selular Trend)

Trend merupakan pergerakan Time Series dalam jangka panjang, yang menunjukkan adanya kecendrungan menuju ke satu arah kenaikan dan penurunan secara keseluruhan dan bertahan dalam waktu yang digunakan sebagai ukuran yang jangka waktunya >10 tahun. Struktur datanya dapat digambarkan sebagai berikut :

Gambar 1 : Pola Trend

b)      Gerakan Siklus (Cyclical Movements)

Siklus merupakan fluktuasi bisnis dalam jangka panjang dari suatu garis/kurva Trend. Gerakan siklus menunjukkan gerakan naik turun dalam jangka panjang dari suatu garis/kurva Trend. Struktur datanya dapat digambarkan sebagai berikut :

Gambar 2 : Pola Siklis

c)      Gerakan Musiman (Seosonal Movements)

Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun.Ada beberapa penyebab timbulnya fluktuasi musiman, misalnya karena peristiwa tertentu (lebaran, tahun baru), karena cuaca (musim hujan, kemarau). Struktur datanya dapat digambarkan sebagai berikut :

Gambar 3 : Pola Musiman

d)     Ketidakteraturan (Irregularities)

Kejadian-kejadian yang terjadi secara mendadak atau tidak diperhitungkan sebelumnya, sering menyebabkan perkembangan yang tidak teratur. Misalnya gudang perusahaan terbakar, akibatnya keuntungan perusahaan pada periode itu terpengaruh.

2. 4. Metode Yang Dipergunakan untuk Mengukur Trend

Adapun metode yang digunakan, sebagai berikut :

a.       Menggambarkan secara tangan bebas/ Free hand

Cara ini adalah cara paling mudah, setelah angka-angka disusun dalam bentuk table, kemudian dibuat grafik tanpa menggunakan penggaris, digambar secara terpisah dengan grafik tersebut. Kelebihan: sangat praktis dan sederhana, kelemahan: kurang konsisten (subyektif) dan tidak memprediksi terlalu jauh.

b.      Menghitung 2 angka rata–ratanya/ Semi Average

Menghitung dengan mencari rata-rata data yang ada dan telah dibagi menjadi 2 kelompok. Ada 2 cara yaitu: Dengan jumlah tahun genap dan dengan jumlah tahun ganjil,

c.       Menghitung angka rata-rata bergerak/ Moving Average

Dengan menghitung beberapa angka rata-rata dari suatu Time Series. Dimana dengan metode ini data asli yang naik turun dapat dibuat lebih rata. Menghitung Trend dengan metode angka rata-rata bererak dapat dilaksanakan apabila jumlah data ganjil minimal 3 periode. Prosedur menghitungnya adalah:

·         Angka-angka dari peride data dijumlahkan dan dihitung angka rata-ratanya, hasilnya diletakkan pada periode data yang terakhir.

·         Untuk menghitung Trend tahun berikutnya, prosesnya sama dengan cara menghilangkan periode tahun yang berakhir dan menambahkan data angka periode selanjutnya. Kemudian diletakkan pada periode yang terakhir.

d.      Metode Least Square

Yaitu menggambarkan garis lurus sedemikian rupa sehingga selisih kuadrat antara garis lurus tersebut dengan data yang sesungguhnya, yang paling kecil. Kelebihan : obyektif dan dapat meprediksi jangka panjang, kelemahan: terlalu mekanistis.

BAB III

HASIL DAN PEMBAHASAN

3. 1.          Metode Least Square (Kuadrat Terkecil)

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungan lebih teliti. Persamaan garis Trend yang akan dicari adalah :

 

Keterangan :

Y’        = data berkala (Time Series)

a           = nilai Trend pada tahun dasar

b          = rata-rata pertumbuhan nilai Trend tiap tahun

x          = variable waktu

Untuk melakukan perhitungan, maka diperlukan nilai tertentu pada variable waktu (x) sehinggan jumlah nilai variable waktu adalah 0.

Ø    Untuk n ganjil maka :

·           Jarak antara dua waktu diberi satu satuan

·           Di atas 0 diberi tanda negative (-)

·           Dibawahnya diberi tanda positif (+)

Ø    Untuk n genap

·                Jarka antara dua waktu diberi nilai dua satuan

·                Diatas 0 diberi tanda negatif (-)

·                DIbawahnya diberi tanda positif (+)

3. 2.          Contoh Kasus

3.2.1        Contoh I (Data Ganjil)

Nilai kurs Rupiah terhadap US Dolar Tahun 2014 - 2018

Tahun	Nilai dari USD 1 dalam Rupiah
2008	9.679
2009	10.398
2010	9.085
2011	8.779
2012	9.380
2013	10.451
2014	11.878
2015	13.391
2016	13.307
2017	13.384
2018	13.882

Ditanya :

a.       Tentukan persamaan garis Trend dengan menggunakan metode Least Square !

b.      Berapa besar jumlah Trend pada tahun 2019?

Jawab :

a.      Nilai Kurs USD terhadap Rupiah

Tahun	Nilai dari USD 1 dalam Rupiah	X	X.Y
2008	9.679	-5	-48.395	25
2009	10.398	-4	-41.592	16
2010	9.085	-3	-27.225	9
2011	8.779	-2	-17.558	4
2012	9.380	-1	-9.380	1
2013	10.451	0	0	0
2014	11.878	1	11.878	1
2015	13.391	2	26.782	4
2016	13.307	3	39.921	9
2017	13.384	4	53.536	16
2018	13.882	5	69.410	25
∑	123.614	0	57.347	110

Jadi, Persamaan Trendnya  adalah :

           Y =   a + b (x)

           Y = 11.238 + 521 (x)

b.      Besarnya Trend 2019 adalah :

2019 = 11.238 + 521 (6)

2019 = 11.238 + 3.126 = 14.364

3.2.2        Contoh II (Data Genap)

Nilai kurs Rupiah terhadap US Dolar Tahun 2014 - 2018

Tahun	Nilai dari USD 1 dalam Rupiah
2008	9.679
2009	10.398
2010	9.085
2011	8.779
2012	9.380
2013	10.451
2014	11.878
2015	13.391
2016	13.307
2017	13.384

Ditanya :

a.       Tentukan persamaan garis Trend dengan menggunakan metode Least Square !

b.      Berapa besar jumlah Trend pada tahun 2019?

Jawab :

a.      Nilai Kurs USD terhadap Rupiah Tahun 2014-2017

Tahun	Nilai dari USD 1 dalam Rupiah	X	X.Y
2008	9.679	-4,5	-43.555,5	20.25
2009	10.398	-3,5	-36.393	12,25
2010	9.085	-2,5	-22.712,5	6,25
2011	8.779	-1,5	-13.168,5	2,25
2012	9.380	-0,5	-4.690	0,25
2013	10.451	0,5	5.225,5	0,25
2014	11.878	1,5	17.817	2,25
2015	13.391	2,5	33.447,5	6,25
2016	13.307	3,5	46.574,5	12,25
2017	13.384	4,5	60.228	20,25
∑	109.732	0	42.803	82,5

                              

Jadi, Persamaan Trendnya  adalah :

                                    Y = a + b (x)
                                    Y = 10.973,2 + 519 (x)

b.      Besarnya Trend 2019 adalah :

2019 = 10.973,2 + 519 (6,5)

2019 = 10.973,2 + 3.372 = 14.345

BAB IV

PENUTUP

4. 1.          Kesimpulan

Dari pembahasan di atas, bisa dilihat dari definisi, ciri-ciri serta metode-metode Time Series bahwa Time Series sangat berguna dalam menghitung perkembangan Trend dari suatu data yang ada yang di makalah ini saya mengambil data nilai tukar (kurs) Rupiah terhadap US Dolar. Dengan perhitungan Time Series ini kita bisa menghitung perkembangan nilai tukar di tahun selanjutnya dimana di data ini yang kita cari adalah tahun 2019 dengan menggunakan metode Least Square. Dalam perkembangan nilai tukar (kurs) Rupiah terhadap US Dolar selalu mengalami kenaikan dari tahun ke tahun.

Peramalan yang diberikan oleh metode Least Square dalam data berkala cukup baik, itu menunjukan bahwa metode Least Square lebih teliti sehinggan sering digunakan untuk menghitung data berkala. Selain itu, metode Least Square juga dapat digunakan untuk berbagai macam peramalan lainnya.

4. 2.          Saran

Dari perhitungan yang telah dilakukan pertumbuhan nilai tukar (kurs) Rupiah terhadap US Dolar selalu mengalami pertumbuhan oleh sebab itu pemerintah diharuskan untuk segera membuat kebijakan-kebijakan agar dapat mendorong nilai tukar rupiah terhadap USD.

DAFTAR PUSTAKA

Elvlerayanim Rivatul Ridho. Peramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins. (http://garuda.ristekdikti.go.id/author/view/616380/ , Diakses 1 Juni 2019)

Krisnindia, Felecia. Pengangkutan Barang Melalui Kereta Api pada tahun 2017 Dengan Menggunakan Metode Least Square. (http://feliciakrisnindia.blogspot.com/2017/07/pengangkutanbarang-melalui-kereta-api.html, Diakses 16 Juni 2019)

Listiawati, Rodiana, dkk. 2008.Statistik Bisnis. Edisi Revisi. Depok: Lembaga Penerbit Jurusan Akuntansi Politeknik Negeri Jakarta.

Yulianti, Nurul. Pengaruh Jumlah Uang Beredar, Tingkat Suku Bunga SBI, Impor, Dan Devisa Terhadap Nilai Tukar Rupiah/Dolar Amerika Tahun 2001-2013. (http://journal.unnes.ac.id/sju/index.php/edaj/article/view/ , Diakses 1 Juni 2019)