Data yang Disesuaikan dan Tidak Disesuaikan Secara Musiman: SA, NSA, dan SAAR

Kegiatan ekonomi terkadang berubah secara terduga mengikuti kalender. Perekrutan di sektor ritel dapat meningkat menjelang libur musim dingin, kegiatan konstruksi dapat melambat saat cuaca dingin, dan pabrik dapat mengubah jadwal produksi ketika berganti model. Pengaruh berulang ini dapat membuat suatu bulan terlihat lebih kuat atau lebih lemah daripada bulan di sekitarnya, meskipun laju dasarnya hanya sedikit berubah.

Penyesuaian musiman memperkirakan bagian dari suatu seri yang berkaitan dengan efek musiman berulang, lalu menghilangkannya dari seri yang telah disesuaikan dan diterbitkan. Bergantung pada metodenya, lembaga statistik juga dapat memperhitungkan efek kalender yang dapat diperkirakan, seperti perbedaan jumlah hari tertentu dalam seminggu atau hari libur yang tanggalnya bergeser. Tujuannya adalah memudahkan penafsiran pergerakan dari bulan ke bulan atau kuartal ke kuartal, bukan menghapus kegiatan ekonomi yang sebenarnya atau menghasilkan tren yang sepenuhnya mulus. Bureau of Labor Statistics (BLS) menjelaskan penyesuaian musiman sebagai penghilangan pengaruh musiman yang berulang; Census Bureau menjelaskan bahwa proses ini dapat membantu memperlihatkan ciri nonmusiman suatu deret waktu. Lihat [ikhtisar BLS tentang penyesuaian musiman]({source:blsSeasonalAdjustmentOverview}) dan [FAQ Census Bureau tentang penyesuaian musiman]({source:censusSeasonalAdjustmentFaq}).

Penyesuaian musiman berbeda dari penyesuaian inflasi. Seri yang disesuaikan secara musiman tetap dapat diukur dalam dolar saat ini, sedangkan seri riil yang telah disesuaikan terhadap inflasi juga dapat disajikan dengan atau tanpa penyesuaian musiman. Periksa kedua dimensi tersebut saat membaca statistik harga, produksi, pendapatan, atau belanja.

Efek musiman tidak sama dengan siklus bisnis. Penurunan produksi yang berulang setiap musim panas mungkin merupakan pola musiman, sedangkan perlambatan yang berlangsung beberapa kuartal dapat berkaitan dengan siklus bisnis atau guncangan lain. Penyesuaian musiman tidak memisahkan keduanya secara sempurna, jadi periksa juga peristiwa ekonomi dan indikator lainnya.

SA berarti *seasonally adjusted* (disesuaikan secara musiman). NSA berarti *not seasonally adjusted* (tidak disesuaikan secara musiman); publikasi juga dapat menyebutnya data tidak disesuaikan atau data asli. Biasanya kedua versi menggambarkan seri ekonomi yang sama, tetapi menjawab pertanyaan perbandingan yang berbeda.

Angka yang disesuaikan merupakan perkiraan berdasarkan seri dan metode lembaga statistik, bukan hasil survei kedua. Angka ini dapat bergerak berbeda dari angka yang tidak disesuaikan karena efek musiman perkiraan untuk satu bulan bisa lebih besar daripada bulan lainnya. BLS menjelaskan bahwa tidak ada satu versi yang selalu lebih baik: data tidak disesuaikan dapat cocok untuk membandingkan perekrutan musiman pada periode yang sama di tahun berbeda, sedangkan data yang disesuaikan sering kali lebih berguna untuk melihat pergerakan bulanan terkini. [Panduan BLS untuk menggunakan data CPI yang disesuaikan dan tidak disesuaikan]({source:blsCpiSeasonalDataUse}) memberikan contoh khusus untuk CPI; periksa catatan setiap publikasi sebelum menggeneralisasikannya.

Penyesuaian mengubah perbandingan karena pola kalender untuk setiap periode diperkirakan. Pertimbangkan seri hipotetis yang sengaja dibuat sederhana dan menggunakan efek musiman aditif. Pada Bulan A, nilai yang diamati adalah 100 dan mencakup efek musiman perkiraan sebesar 15, sehingga nilai yang disesuaikan menjadi 85. Pada Bulan B, nilai yang diamati adalah 108 dan mencakup efek musiman perkiraan sebesar 25, sehingga nilai yang disesuaikan menjadi 83.

Seri yang tidak disesuaikan naik 8, sedangkan seri yang disesuaikan turun 2. Hal ini dapat terjadi karena kenaikan musiman yang biasanya terjadi pada Bulan B diperkirakan lebih besar. Dalam contoh ini, perubahan pada seri yang disesuaikan menunjukkan apakah kenaikan yang diamati melampaui pola kalender yang diperkirakan. Angka-angka ini hanya dibuat untuk menjelaskan perhitungannya; angka tersebut bukan hasil pengamatan dari indikator yang diterbitkan.

Pengurangan ini hanyalah contoh pembelajaran untuk penyesuaian aditif. Banyak seri menggunakan faktor multiplikatif, yaitu nilai yang disesuaikan dihitung dengan membagi nilai asli dengan suatu faktor; metode juga dapat menggabungkan efek musiman, hari kerja, atau hari libur yang tanggalnya bergeser. Karena itu, perubahan arah saja tidak membuktikan bahwa lembaga statistik membuat kesalahan atau ekonomi berbalik arah secara tajam. FAQ Census Bureau menyebutkan bahwa seri yang disesuaikan dan tidak disesuaikan kerap bergerak ke arah yang berlawanan. Tafsirkan perbedaan itu bersama faktor musiman dan keseluruhan isi publikasi. {source:censusSeasonalAdjustmentFaq}

Besar perbedaannya juga perlu diperhatikan. Penurunan kecil pada angka yang disesuaikan tidak memastikan bahwa arah kegiatan ekonomi telah berubah dengan jelas. Ukuran sampel, revisi data historis, pembulatan, dan ketidakpastian perkiraan faktor musiman semuanya dapat berpengaruh. Jumlah angka desimal yang ditampilkan menunjukkan presisi penyajian, bukan tingkat kepastian yang sama.

<!-- learn:illustration -->

Faktor musiman diperkirakan dari riwayat suatu deret waktu tertentu. Prosedur statistik mencari pola yang berulang pada waktu serupa setiap tahun, lalu membedakannya dari pergerakan jangka panjang dan variasi tidak teratur. Suatu seri dapat direpresentasikan sebagai komponen musiman, tren-siklus, dan tidak teratur. Seri yang disesuaikan dan diterbitkan umumnya menghilangkan komponen musiman perkiraan, tetapi mempertahankan pergerakan nonmusiman dan guncangan tidak teratur.

Pola tersebut tidak selalu berupa persentase tetap yang dikurangkan analis setiap tahun. Sebagian seri lebih cocok dengan efek aditif, sementara seri lain menggunakan faktor multiplikatif yang besarnya bergantung pada tingkat seri. Jika relevan, suatu metode juga dapat memperkirakan efek hari kerja atau hari libur yang tanggalnya bergeser, seperti Paskah. Census Bureau memelihara perangkat lunak X-13ARIMA-SEATS untuk penyesuaian musiman serta menjelaskan diagnostik untuk menilai sisa musim dan kestabilan. Hal itu menjelaskan perangkat dan rumpun metodenya, bukan menjamin bahwa setiap publikasi federal memakai pengaturan yang sama. Periksa metodologi untuk seri tertentu. {source:censusSeasonalAdjustmentFaq}

Kalender hanya salah satu pengaruh terhadap perkiraan. Pemogokan mendadak, cuaca yang tidak biasa, gangguan pandemi, kesalahan sampel, atau guncangan khusus suatu bisnis dapat tetap muncul pada seri yang disesuaikan sebagai pergerakan tidak teratur. Sebagian lembaga memodelkan pencilan atau kejadian kalender secara terpisah, tetapi penyesuaian musiman tidak menghilangkan ketidakpastian pengukuran. Grafik yang lebih mulus bukan pengukuran langsung atas tren yang tidak teramati.

Kriteria untuk menentukan apakah suatu seri perlu disesuaikan dapat berbeda antarseri. Lembaga statistik menilai apakah pola musiman berulang cukup jelas dan stabil. Karena itu, tidak semua komponen suatu seri dari lembaga yang sama tersedia dalam bentuk SA. Jika sebagian komponen berstatus NSA sementara totalnya SA, menjumlahkan nilai dengan status penyesuaian berbeda mungkin tidak menghasilkan kembali total yang diterbitkan. Sebelum menjumlahkan atau membandingkan nilai, periksa status penyesuaian dan metode agregasi setiap seri.

SAAR berarti *seasonally adjusted annual rate* (tingkat tahunan yang disesuaikan secara musiman). Istilah ini menggabungkan dua gagasan: penyesuaian musiman memperkirakan dan menghilangkan pengaruh kalender yang berulang; konvensi tingkat tahunan menskalakan tingkat atau laju suatu periode yang telah disesuaikan agar dapat dibandingkan secara tahunan. Akronim ini tidak berarti laju bulan saat ini akan bertahan selama setahun.

Sebagai contoh, Census Bureau menerbitkan sebagian perkiraan bulanan izin bangunan sebagai tingkat tahunan yang disesuaikan secara musiman. Jika laju bulanan yang telah disesuaikan secara hipotetis sebesar 8.000 izin, SAAR-nya adalah 8.000 dikalikan 12, atau 96.000. Angka tahunan memudahkan perbandingan perkiraan bulan ini dengan total tahunan. Angka itu tidak berarti 96.000 izin diterbitkan pada bulan tersebut dan bukan ramalan bahwa 96.000 izin akan diterbitkan selama tahun berikutnya. Contoh ini mengikuti [metodologi Census Bureau untuk izin bangunan]({source:censusBuildingPermitsMethodology}) dan menggunakan angka rekaan.

Pertumbuhan PDB kuartalan pada tingkat tahunan berkaitan, tetapi memakai konvensi yang berbeda. Bureau of Economic Analysis (BEA) menghitung perubahan persentase kuartalan secara majemuk selama empat kuartal; perubahan yang diamati tidak cukup jika sekadar dikalikan empat. Tingkat PDB yang disesuaikan secara musiman dan ditampilkan pada tingkat tahunan, persentase pertumbuhan kuartalan yang dianualisasi, dan ramalan tahunan adalah tiga hal berbeda. [FAQ BEA tentang tingkat tahunan]({source:beaQuarterlyAnnualRates}) menjelaskan perhitungan pertumbuhan kuartalan. Untuk membandingkan laju pertumbuhan, lihat panduan cara membaca laju pertumbuhan PDB riil.

Ya. Faktor musiman adalah perkiraan, dan pengamatan baru dapat mengubah perkiraan pola berulang. Lembaga statistik dapat menghitung ulang penyesuaian saat data baru tersedia, merevisi pengamatan yang telah disesuaikan sebelumnya sesuai jadwal, atau memperbarui nilai yang disesuaikan ketika data dasar yang belum disesuaikan direvisi. Frekuensi dan rentang periode yang terdampak berbeda-beda menurut program.

Sebagai contoh, BLS menghitung ulang faktor musiman untuk seri CPI yang disesuaikan secara musiman setiap tahun dan dapat merevisi indeks yang telah disesuaikan hingga lima tahun ke belakang. Ini menjelaskan program CPI, bukan aturan revisi yang berlaku untuk semua kumpulan data AS. BLS juga menilai kembali apakah setiap seri CPI masih menunjukkan musim yang cukup kuat untuk memerlukan penyesuaian. [Halaman penyesuaian musiman CPI]({source:blsCpiSeasonalDataUse}) menjelaskan proses saat ini dan jangka waktu revisinya.

Saat mereproduksi grafik, catat pengenal seri, status penyesuaian musiman, tanggal rilis, dan versi data. Grafik waktu nyata yang dibuat dari nilai yang tersedia pada saat itu mungkin berbeda dari grafik yang diunduh kemudian, walaupun keduanya memakai nama seri yang sama. Pisahkan nilai asli dan nilai yang disesuaikan jika pertanyaannya mengenai pola musim atau revisi yang dilakukan lembaga setelahnya.

Revisi tidak otomatis membatalkan interpretasi sebelumnya, tetapi dapat berpengaruh ketika pergerakan awal kecil atau mendekati titik balik. Jika mengutip angka secara real time, simpan publikasi aslinya dan jelaskan bahwa angka itu adalah nilai yang tersedia saat itu. Untuk analisis nilai terkini, nyatakan bahwa versi data terbaru digunakan; jika tersedia, simpan juga data vintage atau tabel faktor musiman.

Gunakan data yang disesuaikan secara musiman ketika pertanyaannya menyangkut pergerakan terbaru dari bulan atau kuartal sebelumnya dan lembaga statistik menerbitkan seri penyesuaian yang sesuai. Penghilangan pola musim yang diperkirakan dapat memudahkan kita melihat titik balik baru. Hal itu tidak membuktikan bahwa perubahan yang tersisa signifikan secara statistik; perkiraan jangka pendek masih dapat mengandung derau.

Gunakan data NSA ketika siklus musim berulang itu sendiri menjadi pokok bahasan. Misalnya, membandingkan perekrutan ritel dari Oktober hingga Desember selama beberapa tahun dapat menunjukkan perubahan musim liburan. Perbandingan bulan yang sama dari tahun ke tahun juga mengurangi dampak siklus musim yang stabil, tetapi masih dapat dipengaruhi hari libur yang tanggalnya bergeser, perbedaan jumlah hari kerja, atau perubahan pola musim. Ikuti metodologi ukuran tersebut dan pilih versi yang sesuai dengan pertanyaan.

Jangan bandingkan pengamatan SA dengan NSA seolah-olah selisihnya adalah keuntungan atau kerugian ekonomi. Samakan seri, satuan, frekuensi, populasi atau cakupan sektor, serta status penyesuaiannya. Untuk pertanyaan inflasi, bedakan juga ukuran harga konsumen dalam perbandingan CPI, PCE, dan deflator PDB. Untuk belanja konsumen, penjualan ritel dan PCE menjelaskan mengapa dua publikasi terkait dapat berbeda karena alasan selain penyesuaian musiman.

Mulailah dengan nama seri dan sumber yang tepat. Pastikan apakah nilai yang ditampilkan disesuaikan secara musiman, tidak disesuaikan secara musiman, atau hanya tersedia dalam salah satu bentuk. Lalu periksa apa yang diukur angka itu: tingkat, perubahan dolar, perubahan persentase, laju, indeks, atau jumlah. Judul tabel juga dapat mencantumkan frekuensi bulanan atau kuartalan serta penyajian tahunan.

Selanjutnya, sesuaikan jangka perbandingan dengan pertanyaannya. Pergerakan SA dari bulan ke bulan menunjukkan perubahan setelah efek musiman perkiraan diperhitungkan; perbandingan NSA untuk bulan yang sama mempertahankan siklus musim; perubahan persentase tahun ke tahun mencakup satu tahun; dan SAAR menyajikan ulang laju suatu periode pada tingkat tahunan menurut konvensi tertentu. Label-label ini tidak dapat dipertukarkan. SAAR untuk perumahan yang mulai dibangun, pertumbuhan PDB kuartalan yang dianualisasi, dan perubahan CPI bulanan dapat sama-sama memakai istilah tahunan tetapi menerapkan perhitungan yang berbeda.

Terakhir, baca catatan teknis sumber mengenai revisi, hari libur, status musim, dan kejadian luar biasa. Jika ingin memahami siklus ekonomi secara luas, jangan menganggap perubahan SA selama satu bulan sebagai titik balik yang pasti. Jika pertanyaannya mengenai perubahan pada periode kalender yang berulang, jangan mengabaikan pola musiman dalam data NSA. Kenali serinya, pilih SA atau NSA sesuai perbandingan, lalu catat frekuensi, satuan, dan versi data untuk mengurangi kebingungan tentang penyajiannya.

Jika SA dan NSA bergerak ke arah berlawanan, pertama pastikan keduanya merujuk pada seri yang sama, dengan frekuensi, satuan, dan jendela perbandingan yang sama. Lalu periksa faktor musiman yang diperkirakan, hari libur yang tanggalnya bergeser atau jumlah hari kerja, peristiwa luar biasa, serta revisi data sumber. Jika perbedaannya tetap ada, jelaskan pertanyaan yang dijawab oleh setiap versi alih-alih menyebut salah satunya keliru.