PENDAHULUAN
Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi bisnis dan
untuk setiap pengambilan keputusan manajemen yang sangat signifikan.
Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam
area fungsional keuangan, peramalan memberikan dasar dalam menentukan
anggaran dan pengendalian biaya. Pada bagian pemasaran, peramalan penjualan
dibutuhkan untuk merencanakan produk baru, kompensasi tenaga penjual, dan
beberapa keputusan penting lainnya. Selanjutnya, pada bagian produksi dan
operasi menggunakan data-data peramalan untuk perencanaan kapasitas, fasilitas,
produksi, penjadwalan, dan pengendalian persedian (inventory control). Untuk
menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat
pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan
teknik metode peramalan dan pengukuran kesalahan peramalan
Dalam melakukan suatu peramalan bisnis atau business forecasting, ada
beberapa metode yang dipakai untuk membuat suatu peramalan, salah satu
metode yang dipakai adalah metode moving average, atau metode rata rata
bergerak. Metode moving average terbagi beberapa bagian, di antaranya single
moving average dan double moving average.
Moving Average adalah metode peramalan perataan nilai dengan
mengambil sekelompok nilai pengamatan yang kemudian dicari rata-
ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode
berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi
baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagi
ramalan.
Single Moving Average adalah suatu metode peramalan yang dilakukan
dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut
sebagai ramalan untuk periode yang akan datang. Metode Single Moving Average
mempunyai karakteristik khusus yaitu :
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan
data historis selama jangka waktu tertentu. Misalnya, dengan 3 bulan
moving average, maka ramalan bulan ke 5 baru dibuat setelah bulan ke 4
selesai/berakhir. Jika bulan moving averages bulan ke 7 baru bisa dibuat
setelah bulan ke 6 berakhir.
b. Semakin panjang jangka waktu moving average, efek pelicinan semakin
terlihat dalam ramalan atau menghasilakan moving average yang semakin
halus.
Dimana:
Mt = Moving Average periode t
Ft+1 = Ramalan periode t + 1
Yt = Nilai riil periode ke t
n = Jumlah batas dalam moving average
Double Moving Average adalah Salah satu peramalan time series dengan melihat
data trend adalah peramalan dengan metode double moving average. Pertama kali
dilakukan moving average kemudian baru dilakukan lagi moving average untuk
data yang tadi yang sudah di moving average pertama kali. Berikuti ni adalah
rumus yang dipakai pada peramalan ini yaitu:
+ 1 + 2 + + +1 2
= +1 = = ( )
1
+ 1 + 2 + + +1 + = +
=
= + ( )
Dimana :
Mt = Moving Average periode t
Ft+1 = Ramalan Periode t + 1
Yt = Nilai Riil periode ke t
n = Jumlah batas dalam moving
average
m = Jumlah periode yang akan
diramalkan
The Mean Squared Error (MSE) adalah metode untuk mengevaluasi
metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian
dijumlahkan dan ditambahkan dengan jumlah observasi. Endekatan ini mengatur
kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan.
Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih
baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.
The Mean Absolute Percentage Error(MAPE) dihitung dengan
menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi
yang nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut
tersebut. Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu
penting dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa
besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata pada deret.
MAPE juga dapat digunakan untuk membandingkan ketepatan dari metode yang
sama atau berbeda dalam dua deret yang berbeda sekali dan mengukur ketepatan
nilai dugaan model yang dinyatakan dalam bentuk rata-rata persentase absolut
kesalahan.
BAB II
DESKRIPSI KERJA
4
Data 1. Data keuntungan SM Entertaiment
Tahun Jumlah Keuntungan (Won)
2000 21.165.400
2001 19.087.350
2002 19.989.700
2003 20.340.000
2004 23.630.500
2005 25.750.350
2006 24.898.000
2007 21.800.500
2008 22.975.250
2009 25.495.950
2010 23.980.700
2011 29.184.520
2012 27.455.550
2013 25.678.350
2014 24.570.690
2015 25.900.780
Dengan menggunakan data di atas lakukan peramalan untuk mengetahui
seberapa besar keuntungan yang akan diperoleh SM Entertaiment ketika
5
6
Lakukan Forecast dengan metode Double Moving Average orde 5x5 untuk
3 periode kedepan. Hitung nilai SSE, MSE dan MAPE.
2.2 Langkah Kerja
1. Buka microsoft excel.
2. Masukkan data soal no. 1 pada lembar kerja microsoft excel sheet 1.
4. Klik design select data edit pada kolom kanan muncul kotak
dialog Axis label Blok tahun dari 2000 sampai dengan 2016 Ok.
30,000,000
25,000,000
20,000,000
Jumlah Keuntungan
15,000,000
(Won)
10,000,000
5,000,000
0
2012
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2013
2014
2015
Peramalan MA (3)
35,000,000
30,000,000
25,000,000
5,000,000
0
2000 2002 2004 2006 2008 2010 2012 2014 2016
18. Seperti halnya melakukan peramalan, menghitung SSE, MSE dan MAPE
untuk MA (3). Ulangi langkah-langkah nomor 7 hingga 17 untuk masing-
masing MA (5) mulai dari baris 6 dengan merata-ratakan lima data
terakhir dengan data yang dipakai adalah data ke-1,2,3,4, dan 5 sedangkan
untuk MA (7) mulai baris 8 dengan merata-ratakan tujuh data terakhir
dengan data yang dipakai adalah data ke-1,2,3,4, 5, 6 dan 7.
19. Pada soal 2, input data soal 2 di sheet 2.
(a) (b)
Gambar 2.15 (a) Menghitung at (b) Menghitung bt
27. Selanjutnya menghitung F(t+m) dimana t-nya adalah data periode ke-t dan
m adalah peramalan ke-m, karena nilai at dan bt didapatkan pada baris/
periode ke 9, maka hasil peramalan F(9+1) diletakkan pada data ke -10.
Kemudian drug kebawah hingga peramalan bulan maret 2016.
13
125
120
115 Jumlah Penjualan
110 F(t+1)
105
Mei
juli
juli
juli
Maret
mei
november
mei
november
november
september
maret
september
maret
september
januari
januari
januari
DAFTAR PUSTAKA
https://www.academia.edu/24536651/Moving_Average
https://erwinnote.wordpress.com/2011/06/02/peramalan-dengan-metode-single-moving-
average/