Fungsi Untuk Menghitung Rata – Rata Bergerak

Nama : Andre Andika (162407045)

Lazuardi Nababab (162407033)
Atika Sulung Aritonang (162407006)
Akhir Ramadhan Harahap (162407043)

Studi Kasus :
Perusahaan A ingin meramalkan pendapatan berdasarkan jumlah produk susu
kaleng. Metode yang digunakan pada peramalan ini yaitu Single Moving
Average dengan membandingkan MA (3) dan MA. Berikut adalah langkah
analisisnya :

Pendapatan Produk
10988200 458
11614300 339
12077900 438
8751600 390
8107700 355
7934000 326
9563300 305
8029100 302
10585000 374
8882600 341
10882100 422
6619400 307
6034300 266
8793900 328
8862700 322
8719700 349
8958200 344
7975400 337
7367400 291
9753000 404
7774300 299
8302800 297
10168000 377
11333000 377
10443800 426
9419400 401
8743100 359
8953200 334
9493100 331
7460700 303
9097500 341
#input data
X=scan()
n=length(X)
k=3

Memunculkan hasil dari MA(3) gunakan script berikut :

#Peramalan dengan menggunakan MA(3)
MA=array(NA,dim=c(n))
for(i in 1:n){
MA[i+k]=mean(X[i:(i+(k-1))])}
MA
View(MA)

Untuk mengukur akurasi peramalan kita gunakan dua yaitu MSE dan MAPE
##MSE##
e=array(NA,dim=c(n))
for(i in 1:n){
e[i]=(X[i]-MA[i])^2
}
e
SSE=sum(e,na.rm=TRUE)#NA.RM=TRUE = NILAI KOSONG DI REMOVE
SSE
MSE=mean(e,na.rm=TRUE)
MSE
##MAPE##
PE=array(NA, dim=c(n))
for(i in 1:n){
PE[i]=abs((X[i]-MA[i])/X[i])}
PE
MAPE=mean(PE,na.rm=TRUE)
MAPE

Untuk memudahkan dalam pembuatan plot maka kita tulis script berikut ini :
##data time series##
X=ts(X, start=1, end=31, freq=1)
X
MA5=ts(MA, start=1, end=31, freq=1)
MA5
pred=ts(MA[32], start=32, freq=1)
pred
Tuliskan Script berikut untuk mebuat Plot time series :
##plot tipe titik##
plot = plot(X, type="p", col="red",lwd=2, xlim=c(1,31),
ylim=c(1000000,12000000), xlab="Tanggal", ylab="Rupiah", main="Plot Data
Asli dan Ramalan Produk Susu ")
plot
lines(MA5, col="blue", lwd=2, type="p")
limitDate=end(X)[1]+(end(X)[2]-1)/frequency(X)
abline(v=limitDate,lty=4)
lines(pred,col="green", lwd=2, type="p")
legend("bottomleft", c("Asli", "Prediksi", "Ramalan"), pch=21, bty="n", lwd=2,
col=c("red", "blue","green"))

Lakukan langkah yang sama untuk melakukan analisis SMA dengan MA(5)
hanya dengan menggantia nilai k menjadi 5.

[ANALISIS]
Berdasarkan dari beberapa langkah diatas, didapatkan hasil sebagai berikut :
a. Hasil Forecast

Gambar diatas menunjukan hasil analisis SMA dengan menggunakan MA (3) dan
MA(5). Untuk menentukan manakah hasil peramalan yang paling baik diantara
keduanya dengan cara melihat ukuran akuras i peramalan yang lebih kecil. pada
postingan ini saya menggunakan MAPE untuk melihat tingkat akurasi
peramalannya. Jika dilihat dari hasil analisisnya dengan melihat akurasi
peramalan dengan metode MAPE, MA (5) lebih kecil dibandingkan dengan
MA(3) ini artinya hasil peramalan dengan MA (5) lebih baik. Namun ketika anda
ingin mencoba untuk melakukan peramalan dengan membandingkan beberapa
MA , anda hanya tinggal mengganti nilai K saja pada bagian langka ke -4.

b. Plot Hasil Forecasting