1.

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.

Persamaan matematis single moving averages adalah sebagai berikut

+ 1 + 2 + + +1
= +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
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

Pada praktikum ini, praktikan diminta untuk melakukan peramalan

menggunakan metode single moving average dan double moving average dengan
microsoft excel. Berikut studi kasus yang diberikan dan langkah kerja yang
digunakan oleh praktikan.
2.1 Studi Kasus
1. Sebuah perusahaan Agency terkenal di Korea Selatan, SM Entertaiment
memiliki data keuntungan yang diperoleh oleh setiap kali BoA (salah satu
Idol wanita terkenal dari agency tersebut) mengeluarkan album, mini
album ataupun single terbaru. Berikut adalah data keuntungan (dalam
Won-mata uang Korea Selatan) yang diperoleh perusahan yang terhitung
sejak tahun 2000 hingga 2015.

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

BoA mengeluarkan lagu baru pada tahun 2016 menggunakan Single

Moving Average orde 3, 5 dan 7 dan bandingkan hasil peramalan dari
ketiganya berdasarkan nilai SSE, MSE dan MAPE.
2. Sebuah perusahaan jersey Chelsea FC menghasilkan data penjualan dalam
periode juli 2013 sampai februari 2016 sebagai berikut :
Data 2. Data penjualan jersey Chelsea FC
Tahun Bulan Jumlah Penjualan
Juli 119
Agustus 125
september 130
2013
Oktober 129
november 124
desember 121
Januari 118
Februari 124
Maret 132
April 128
Mei 129
Juni 126
2014
Juli 123
Agustus 128
september 134
Oktober 130
november 129
desember 134
Januari 136
Februari 135
Maret 129
April 130
Mei 132
Juni 135
2015
Juli 137
Agustus 132
september 129
Oktober 130
november 136
desember 131
Januari 135
2016
Februari 138
 7

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.

Gambar 2.1 Input data pada lembar kerja excel

3. Membuat grafik dari data. Blok data Jumlah Keuntungan (Won). Pada
menu bar, pilih insert Line pilih model grafiknya.

Gambar 2.2 Membuat grafik

 8

4. Klik design select data edit pada kolom kanan muncul kotak
dialog Axis label Blok tahun dari 2000 sampai dengan 2016 Ok.

Gambar 2.3 Kotak dialog Select Data Source

5. Klik Ok lagi maka akan muncul output berupa grafik seperti pada gambar
2.4.

Grafik Keuntungan Perusahaan

35,000,000

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

Gambar 2.4 Plot Data

6. Kemudian meramalkan periode selanjutnya yaitu tahun 2016 dengan
menggunakan metode Single Moving Average orde 3, 5 dan 7.
7. Untuk MA (3), buat nama kolom MA (3) kemudian input rumus pada
baris ke 4 dengan merata-ratakan tiga data terakhit. Data yang dipakai
adalah data ke-1, 2, dan 3.
 9

Gambar 2.5 Menghitung peramalan MA (3)

8. Lalu drag kebawah hingga didapatkan peramalan tahun 2016.
9. Selanjutnya menghitung nilai error kuadrat terlebih dahulu yaitu selisih
nilai keuntungan asli dengan nilai prediksi kemudian dikuadratkan
sebelum menghitung nilai MSE dan RMSE untuk MA (3).

Gambar 2.6 Menghitung error

10. Lalu drag kebawah hingga nilai error untuk tahun 2015.
11. Kemudian praktikan menghitung nilai SSE dengan menjumlahkan nilai
error kuadrat, MSE dengan merata-ratakan nilai error kuadrat untuk MA
(3).

Gambar 2.7 Menghitung nilai SSE dan MSE

12. Untuk menghitung MAPE, terlebih dahulu menghitung |PE| nya yaitu
dengan meng-absolute selisih nilai error digagi dengan nilai asli dikalikan
100 (dalam bentuk persen).

Gambar 2.8 Menghitung |PE|

13. Lalu drag kebawah hingga tahun 2015.
14. Selanjutnya menghitung MAPE untuk MA (3) dengan merata-ratakan |PE|.
 10

Gambar 2.9 Menghitung MAPE

15. Kemudian membuat grafik hasil peramalan. Blok kolom data Jumlah
Keuntungan (Won) dan kolom MA (3) insert line pilih model
chart-nya.
16. Klik design select data edit pada kolom kanan muncul kotak
dialog Axis label Blok tahun dari 2000 sampai dengan 2016 Ok.

Gambar 2.10 Select Data Source

17. Klik Ok lagi maka akan muncul output berupa grafik seperti pada gambar
2.11 berikut.

Peramalan MA (3)
35,000,000

30,000,000

25,000,000

20,000,000 Jumlah Keuntungan

(Won)
15,000,000
MA (3)
10,000,000

5,000,000

0
2000 2002 2004 2006 2008 2010 2012 2014 2016

Gambar 2.11 Grafik peramalan MA (3)

 11

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.

Gambar 2.12 Input Data

20. Buat grafik seperti langkah 3 hingga 5.
21. Praktikan melakukan peramalan 3 bulan kedepan menggunakan metode
double moving average orde 5x5. Seperti halnya peramalan soal no. 1,
hanya saja dilakukan dua kali peramalan.
22. Lakukan peramalan untuk MA (5) pada kolom MA (5) baris ke 5 dengan
merata-ratakan lima data terakhir dengan data yang dipakai adalah data ke-
1,2,3,4, dan 5.
 12

Gambar 2.13 Menghitung MA (5)

23. Lalu drag kebawah hingga bulan februari 2016.
24. Lakukan peramalan kembali untuk MA (5x5) pada kolom MA (5x5) pada
baris ke 10 dengan dengan merata-ratakan lima data terakhir dari hasil MA
(5) dengan data yang dipakai adalah data ke-1,2,3,4, dan 5 data MA (5) .

Gambar 2.14 Menghitung MA (5x5)

25. Drag hingga bulan februari 2016.
26. Kemudian menghitung at (nilai intercept), bt (koefisien trend ) sesuai
dengan rumus untuk menghitung menggunakan metode double moving
average dengan nilai k=5, kemudian drug kebawah.

(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

Gambar 2.16 Menghitung F(t+m)

28. Untuk peramalan bulan juni dan juli 2016 gunakan nilai (t+2) dan (t+3).

Gambar 2.17 Peramalan 3 periode

29. Kemudian menghitung SSE, MSE dan MAPE sama seperti langkah soal
no. 1. Hingga hasilnya seperti pada gambar 2.18

Gambar 2.18 Menghitung SSE, MSE dan MAPE

30. Selanjutnya, membuat grafik peramalan sama seperti soal no. 1, maka
output grafiknya adalah sebagai berikut :

Double Moving Average (5x5)

140
135
130
Penjualan

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

Gambar 2.19 Peramalan menggunakan DMA

 14

DAFTAR PUSTAKA
https://www.academia.edu/24536651/Moving_Average
https://erwinnote.wordpress.com/2011/06/02/peramalan-dengan-metode-single-moving-
average/