Moving Average merupakan indikator yang paling sering digunakan dan paling standar. Jika di Indonesiakan artinya kira-kira adalah rata-rata bergerak. Moving average sendiri memiliki aplikasi yang sangat luas meskipun sederhana. Dikatakan sederhana karena pada dasarnya metode ini hanyalah pengembangan dari metode rata-rata yang kita kenal disekolah ( nah, ada gunanya juga bukan kita bersekolah).
Rata-rata bergerak tunggal (Moving average) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan data yang terlama dan menambahkan data yang terbaru. Moving average ini digunakan untuk memprediksi nilai pada periode berikutnya. Model ini sangat cocok digunakan pada data yang stasioner atau data yang konstant terhadap variansi, tetapi tidak dapat bekerja dengan data yang mengandung unsur trend atau musiman.
Rata-rata bergerak pada orde 1 akan menggunakan data terakhir (Ft), dan menggunakannya untuk memprediksi data pada periode selanjutnya. Metode ini sering digunakan pada data kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (smoothing).
Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut.
- Hanya menyangkut T periode tarakhir dari data yang diketahui.
- Jumlah titik data dalam setiap rata-rata tidak berubah dengan berjalannya waktu.
Kelemahan dari metode ini adalah :
- Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan , tidak hanya nilai rata-rata.
- Metode ini tidak dapat menanggulangi dengan baik adanya trend atau musiman, walaupun metode ini lebih baik dibanding rata-rata total.
Diberikan N titik data dan diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (yang disebut dengan rata-rata bergerak orde (T) atau MA(T), sehingga keadaannya adalah sebagai berikut :
| Kelompok Inisialisasi | Kelompok Pengujian |
Secara ringkas perhitungan metode ini adalah sebagai berikut:
| Waktu | Rata-rata bergerak | Ramalan |
| T
T+1 T+2 |
Dst |
Dst |
Metode Moving Average ini dapat dilakukan dengan menggunakan bantuan :
1. Microsoft Excell
Data dapat di store dengan mengikuti petunjuk :
| Misal MA (3) | ||
| t | data | MA(3) |
| 1 | X1 | |
| 2 | X2 | |
| 3 | X3 | |
| 4 | X4 | (X1 + X2 + X3)/3 |
| 5 | X5 | (X2 + X3 + X4)/3 |
| .. | … | … |
| .. | … | … |
| N | Xn | (X(n-3) + X(n-2) + X(n-1))/3 |
2. MINITAB
Stat –> Time Series –> Moving Average
Pada :
Variable : Kolom data disimpan
MA Length : Panjang Periode MA
Centang generate forrecast :
Number of forrecast : Jumlah periode yang akan diramalkan
Starting from Origin : Jumlah data yang telah ada
Klik OK
(Lebih lanjut pada contoh soal)
Contoh Soal
Dengan Microsoft Excell
Contoh Moving Average orde 3 dan orde 5
| Rata-rata Bergerak Tunggal | |||||
| Periode | data | MA_3 | e^2 | MA_5 | e^2 |
| 1 | 2203 | ||||
| 2 | 2360 | ||||
| 3 | 2254 | ||||
| 4 | 2165 | 2272,33 | 11520,44 | ||
| 5 | 2024 | 2259,67 | 55538,78 | ||
| 6 | 2078 | 2147,67 | 4853,44 | 2201,20 | 15178,24 |
| 7 | 2214 | 2089,00 | 15625,00 | 2176,20 | 1428,84 |
| 8 | 2292 | 2105,33 | 34844,44 | 2147,00 | 21025,00 |
| 9 | 2207 | 2194,67 | 152,11 | 2154,60 | 2745,76 |
| 10 | 2119 | 2237,67 | 14081,78 | 2163,00 | 1936,00 |
| 11 | 2119 | 2206,00 | 7569,00 | 2182,00 | 3969,00 |
| 13 | - | 2148,33 | 2190,20 | ||
| MSE | 18023,13 | MSE | 7713,81 |
MSE orde 5 dikatakan baik karena MSE nya lebih kecil daripada mSE orde 3.
mohon maaf kalau boleh tahu buku referensinya apa ya?
terima kasih
referensinya buku2 yang membahas tentang “METODE PERAMALAN”
banyak kog beredar di pasaran
tapi khusus untuk blog saya ini hasil rangkuman saya ditambah modul praktikum di kampus yang saya peroleh
klo data yg ada adalah data bulanan selama 1 th kemudian ingin tau 1 th kedepan (data belum ada) gimana caranya? saya coba masukan rumus dapatnya 0 karena Xn=0(belum diketahui). Namanya ramalan kan untuk prediksi data yang akan datang (data belum diketahui).
Terima kasih
anda ini nanya apa gimana nih?? wkwkkwkw
data bulanan selama setahun?
berarti ada 12 kan?
nah
sederhananya
langakh pertama prediksi untuk januari tahun selanjutnya
kemudian, untuk februari masukan nilai hasil prediksi untuk januari kedalam perhitungan, begitu seterusnya..
tapi ini akan menghasilkan bias/error yang lebih besar, mungkin bisa coba metode peramalan yang lain..
makasih