Analisa Trend Data Time Series Dengan “Indexing” Excel

Data time series adalah salah satu jenis data paling sering kita temukan, ciri-cirinya adalah adanya time stamp atau penanda waktu di salah satu kolom datanya. Hal yang ingin kita ketahui dari data time series adalah perubahan data dari waktu ke waktu, jika kita memiliki beberapa variable, maka kita juga ingin tahu bagaimana kedua variable tersebut berubah nama kerennya autokorelasi, namun jika kita memiliki informasi dimensi atau group atau kelompok, kita ingin membandingkan apakah kelompok yang satu lebih baik dari kelompok yang lain. itu lah beberapa contoh informasi yang dapat kita dapatkan dengan menganalisa data time series.

Saya selalu menekankan bahwa mulailah analisa data dengan analisa deskriptif. Salah satu contohnya adalah teknik eksplorasi dengan visualisasi data, tentu saja dengan teknik visualisasi yang benar maka kita dapat mendapatkan informasi dengan mudah dan menarik kesimpulan dengan benar.

Untuk itu saya sudah mengunduh data time series dari https://timeseries.weebly.com/data-sets.html silahkan unduh file “visitor.csv”.

Berikut sample datanya

DateAustraliaChinaJapanUnited Kingdom
1998Q4202881089593813831
1999Q1220471492692523271
1999Q214362145043539756
1999Q315775155168557899
1999Q4212092020621615778
2000Q1252612364706125362
2000Q2158912541441711618
2000Q317117272975058553
2000Q4227613292677817512
2001Q1275393771816929409
2001Q2178673529529012008

Langkah pertama yang anda lakukan adalah melakukan “text to columns” untuk merapikan data agar bisa di olah dengan excel. Bagi yang belum paham, silahkan tanyakan di kolom komentar.. nanti saya ajarin. Ok lanjut.

Setelah data sudah berbentuk seperti diatas, maka kita akan membuat chart yang cocok dengan data time series, yakni line chart. Maka hasilnya sebagai berikut:

Dari chart diatas kita dapat melihat bahwa visitor di Australia paling tinggi, di ikuti oleh UK dst. Namun satu hal yang tidak sukai dari chart ini… sangat tidak indah, coba bandingkan dengan chart berikut.

Langkah: Remove Y-axis, Pilih “Smoothed line”, tampilkan series name dan value, remove grid line

Bagaimana menurut anda? Chart mana yang lebih layak anda tampilkan di power point anda? Dari data absolut value kita sudah mendapatkan beberapa informasi seperti nilai tertinggi, negara mana yg menyalip negara yg lain dsb. Namun jika ada pertanyaan, negara mana dengan pertumbuhan tertinggi?? Dari chart diatas negara mana jawabannya? Ok simpan jawaban anda ya..

Untuk menjawab pertanyaan ini kita akan memodifikasi datanya dengan menggunakan teknik indexing. Indexing adalah membagi value dari data ke suatu titik yang kita inginkan bisa ke data pertama, data terakhir, data sebelumnya data setelahnya dll. Gunanya adalah untuk membandingkan perubahan data seiring dengan waktu terhadap posisi yg sama sehingga memberikan gambaran seberapa besar “growth” atau pertumbuhannya… dengan menggunakan absolut data, kita akan kesulitan terutama jika value dari satu data jauh lebih besar dari data yang lain. Dapat anda lihat bahwa Jepang dan China hampir tidak terlihat fluktuasi nya karena series yang kita gunakan rangenya besar karena data Australia yg nilai data absolutnya besar..

Nah dengan sekarang buat lah kolom baru dengan formula bagi data dengan data pertama.

Index to First
DateAustraliaChinaJapanUnited Kingdom
1998Q41111
1999Q11,0867014981,3700642791,1662175821,682524763
1999Q20,7079061511,3314967860,7330751090,70537199
1999Q30,7775532331,4242424241,1544291010,57110838
1999Q41,0453962931,8549127641,046817111,140770732
2000Q11,2451202682,1707988981,1891209161,83370689
2000Q20,7832708992,3333333330,7438531490,839997108
2000Q30,843700712,5059687791,2638935670,618393464
2000Q41,1218947163,0229568411,1414617721,266141277
2001Q11,3574033913,4628099171,3757157292,126310462

Lalu dengan data yang baru ini buatlah line chart baru.

Bagaimana tebakan anda tadi? Benar atau Salah?

Kemungkinan kita menjawab bahwa Australia yang lebih tinggi pertumbuhannya sangat tinggi karena memang hanya data Australia dan UK yg “terlihat jelas” di chart data absolut. namun dengan menggunakan indexing kita bisa melihat bahwa visitor ke China lah yang memiliki pertumbuhan paling pesat sedangkan negara yang lain cenderung memiliki pertumbuhan yang sama.

Bagaimana dengan teknik baru kita kali ini? Semoga berguna dalam melaksanakan pekerjaan dan tugas masing-masing. Silahkan share, comment dan subscribe…

Never stop learning!

Kudos, Rahmat (Author)

Apakah Prabowo-Sandi masih mungkin menang Pilpres 2019, Atau memang sudah saatnya mengakui kemenangan Jokowi-Amin?

Pertama, mari kita terima hasil quick count dari Lembaga survey dan ambil itu sebagai angka prediksi proporsi suara. Saya akan ambil angka QC per provinsi (1), angka-angka ini anda bisa temukan di tirto.id. Lalu saya juga menggunakan data DPT tahun 2018 per provinsi (2) dan terakhir saya menggunakan data real count dari kawalpemilu.org (3) yang akan terus saya update untuk memperbaiki prediksi hasil akhir pilpres. Metode yang saya gunakan adalah sebagai berikut:

1.Semua data real count yang sudah masuk di aggregate di level provinsi dan dibuat proporsi untuk masing-masing calon.

2.Gunakan proporsi dari langkah pertama untuk dikalikan dengan jumlah DPT masing-masing provinsi.

3.Masukkan angka hasil survey provinsi yang kemungkinan akan sangat berpengaruh pada hasil akhir.

4.Lakukan what if analysis untuk simulasi daerah mana yg mungkin akan merubah peta suara.

Karena semua survey sudah memprediksi 01 Jokowi-Amin yang menang, maka akan lebih menarik untuk membahas sebaliknya. Ok lets get started, jika mengikuti proporsi suara per provinsi yang sudah masuk sampai saat ini (kisaran 7-8%) maka prediksi saya Jokowi-Amin (51.38%) dan Prabowo-Sandi (48.62%). Hal ini cukup mengejutkan saya karena ternyata prosentase suara Jokowi-Amin menurut survey rata-rata 54-55%, saya melihat ada beberapa catatan penting disini (so far).

Original

Pertama pergeseran lumbung suara besar Jokowi di tahun 2014 yakni di daerah Sumut dan Sulawesi Selatan dimana total kedua daerah tsb menyumbang 16jt suara. Begitupula dengan daerah-daerah Sulawesi yang tadinya menjadi lumbung suara karena keberadaan pak JK.

Kedua penguatan lumbung suara Prabowo. Saya melihat hampir tidak ada provinsi yang berbalik dari mayoritas Prabowo menjadi mayoritas Jokowi. Semakin kuatnya basis-basis Prabowo akan membuat selisih suara semakin kecil.

Apakah Prabowo-Sandi masih bisa menang? Jawabannya masih, namun dengan beberapa catatan.

Saya coba melihat daerah-daerah yang masih bisa berubah proporsi suaranya karena ada indikasi dari beberapa Lembaga survey proporsinya berubah signifikan.

Pertama Sulawesi Utara dimana angka proporsi sekarang 82%:18% sedangkan menurut Charta Politika 73%:27%

Kedua DKI Jakarta dimana proporsi sekarang 52%:48% sedangkan menurut Charta Politika 49%:51%.

Apakah itu sudah cukup? Ternyata belum. Untuk memenangkan pertarungan ini Prabowo-Sandi harus berjuang memastikan di Jawa Tengah mereka mendapatkan 30% suara, begitupula di Jawa Timur minimal harus mendapatkan 40% suara.

Dengan semua Analisa dan asumsi diatas komposisi akhir pilpres 2019 bisa menjadi 49.90% : 50.10%.

WhatIf

Analisa ini hanya merupakan exercise pribadi saya untuk menelaah dinamikan politik yang sekarang sangat HANGAT. Masih ada beberapa variable seperti tingkat golput per provinsi yang belum saya masukkan, mungkin diupdate berikutnya. Saya sangat terbuka untuk diskusi dari semua pihak untuk lebih menajamkan prediksi, karena saya yakin masih banyak factor yang belum diperhitungan dalam analisis ini.

Salam

Kotak ajaib bernama SPSS

Mas datanya mau diolah pake analisa apa? Pake spss aja mas… #zzz buat anak kuliahan yang sedang mengolah data skripsi nya..  Software yang satu ini memang paling ngetop dan sakti banget. Tinggal klak klik dikit trus run aja udah keluar outputnya…  Canggih banget..  Terus langsung pake langkah sakti ambil alpha 5% atau tinggal liat aja bintang2 nya… Analisanya pokoknya ikut skripsi yang lama aja… 

Pola ini adalah pola yg paling sering saya lihat saat ada klien baru atau teman yg minta bantuan utk menganalisis datanya. Seakan2 sebuah software dapat menjadi kotak ajaib yang mengerti kemauan sang mahasiswa. Jebakan inilah yg nantinya akan membuat skripsi anda beranak pinak di dalam folder komputer anda.  Mungkin namanya agak beda2 tapi yg paling umum skripsi_print.doc skripsi_revisi.doc skripsi_printlagi.doc atau skripsi_print_cbdl_mdh2n_diterima.doc.. Hehe

Maksud saya,  lebih baik anda coba sedikit membaca tulisan tentang how to nya menggunakan software tertentu bukan cm SPSS,  baca help nya,  yg paling penting baca dan pelajari buku basic statistik nya. Klo mau cepat ya cari orang yg ngerti. Trust me,  dari pada dengerin dosen ngomel krn kita ngasal mending belajar dikit..  Palingan revisi sekali dah sidang. Salam lulus cepat!