Anda di halaman 1dari 36

Kelas A

LAPORAN PRAKTIKUM
PRAKTIKUM ANALISIS RUNTUN WAKTU
Modul 1 : MOVING AVERAGE

Nomor Tanggal Tanda Tangan


Nama Praktikan Praktikan
Mahasiswa Kumpul

Erzylia Herlin Briliant 16611077 04/10/2018

Tanggal Tanda tangan


Nama Penilai Nilai
Koreksi Asisten Dosen
Dita Apriani
Fitri Khairani
Masthura
Mujilati Dwi
Kartikasari,S.Si.,M.Sc

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2018

i
Daftar Isi

Halaman sampul ....................................................................................................... i


Daftar Isi.................................................................................................................. ii
Daftar Tabel ........................................................................................................... iii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 1
2 Deskripsi Kerja................................................................................................ 4
2.1 Studi Kasus ............................................................................................. 4
2.2 Langkah Kerja ......................................................................................... 8
2.2.1 Langkah Kerja Studi Kasus 1.............................................................. 8
2.2.2 Langkah Kerja Studi Kasus 2............................................................ 10
2.2.3 Langkah Kerja Studi Kasus 3............................................................ 13
3 Pembahasan ................................................................................................... 15
3.1 Pembahasan Output Studi Kasus 1 ....................................................... 15
3.1.1 Peramalan Menggunakan MA orde 3 atau MA (3) ........................... 15
3.1.2 Peramalan Menggunakan MA orde 5 atau MA (5) ........................... 16
3.1.3 Peramalan Menggunakan MA orde 7 atau MA (7) ........................... 18
3.1.4 Metode Terbaik ................................................................................. 20
3.2 Pembahasan Output Studi Kasus 2 ....................................................... 20
3.2.1 Peramalan Menggunakan MA orde 3x5 ........................................... 20
3.2.2 Peramalan Menggunakan MA orde 4x6 ........................................... 22
3.2.3 Metode Terbaik ................................................................................. 25
3.3 Pembahasan Output Studi Kasus 3 ....................................................... 25
3.3.1 Grafik pada Single Moving Average ................................................ 25
3.3.2 Grafik pada Double Moving Average ............................................... 28
4 Penutup.......................................................................................................... 30
4.1 Kesimpulan ........................................................................................... 30
5 Daftar Pustaka ............................................................................................... 32

ii
Daftar Tabel

Tabel 2.1. Data Emisi Karbon Dioksida Dari Konsumsi Energi: Sektor
Perumahan (sumber : www.eia.gov) ............................................................... 4
Tabel 2.2. Data Jumlah Penumpang Pesawat di Bandara Soekarno Hatta
keberangkatan pada Penerbangan Domestik ................................................... 5

Daftar Gambar

Gambar 2.1. Syntax Single Moving Average MA(3). ............................................ 8


Gambar 2.2. Syntax Single Moving Average MA(3) grafik. ................................. 9
Gambar 2.3. Syntax Single Moving Average MA(5). ............................................ 9
Gambar 2.4. Syntax Single Moving Average MA(7). .......................................... 10
Gambar 2.5. Syntax Double Moving Average MA(3x5). .................................... 11
Gambar 2.6. Syntax Double Moving Average MA(3x5). .................................... 11
Gambar 2.7. Syntax Double Moving Average MA(4x6). .................................... 12
Gambar 2.8. Syntax Double Moving Average MA(4x6). .................................... 12
Gambar 2.9. Syntax Single Moving Average MA(3) grafik. ............................... 13
Gambar 2.10. Syntax Single Moving Average MA(5) grafik. ............................. 13
Gambar 2.11. Syntax Single Moving Average MA(7) grafik. ............................. 14
Gambar 2.12. Syntax Double Moving Average MA(3x5) grafik. ........................ 14
Gambar 2.13. Syntax Double Moving Average MA(4x6) grafik. ........................ 14
Gambar 3.1. Data. ................................................................................................ 15
Gambar 3.2. Data hasil prediksi dengan MA(3). ................................................. 15
Gambar 3.3. Data hasil ramalan dengan MA(3) pada tahun 2017. ..................... 16
Gambar 3.4. SSE dan MSE. ................................................................................ 16
Gambar 3.5. MAPE. ............................................................................................ 16
Gambar 3.6. Data. ................................................................................................ 17
Gambar 3.7. Data hasil prediksi dengan MA(5). ................................................. 17
Gambar 3.8. Data hasil ramalan dengan MA(5) pada tahun 2017. ..................... 17
Gambar 3.9. SSE dan MSE. ................................................................................ 18
Gambar 3.10. MAPE. .......................................................................................... 18
Gambar 3.11. Data. .............................................................................................. 18
Gambar 3.12. Data hasil prediksi dengan MA(7). ............................................... 19
Gambar 3.13. Data hasil ramalan dengan MA(7) pada tahun 2017. ................... 19
Gambar 3.14. SSE dan MSE. .............................................................................. 19
Gambar 3.15. MAPE. .......................................................................................... 19
Gambar 3.16. Data asli. ....................................................................................... 20
Gambar 3.17. Prediksi MA (3x5). ....................................................................... 21
Gambar 3.18. Ramalan MA (3x5). ...................................................................... 21
Gambar 3.19. MSE (3x5). ................................................................................... 22
Gambar 3.20. MAPE (3x5).................................................................................. 22
Gambar 3.21. Data asli. ....................................................................................... 23

iii
Gambar 3.22. Prediksi MA (4x6). ....................................................................... 23
Gambar 3.23. Ramalan MA (4x6). ...................................................................... 24
Gambar 3.24. MSE (4x6). ................................................................................... 24
Gambar 3.25. MAPE (4x6).................................................................................. 24
Gambar 3.26. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(3)............................................................................................................ 25
Gambar 3.27. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(5)............................................................................................................ 26
Gambar 3.28. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(7)............................................................................................................ 27
Gambar 3.29. Plot data asli, prediksi dan ramalan MA (3x5). ............................ 28
Gambar 3.30. Plot data asli, prediksi dan ramalan MA (4x6). ............................ 29

iv
1 Pendahuluan

1.1 Analisis Runtun Waktu

Analisis runtun waktu adalah salah satu prosedur statistika yang


diterapkan untuk meramalkan struktur probabilitas keadaan yang akan dating
dalam rangka pengambilan keputusan. Sedangkan data runtun waktu (time
series) adalah jenis data yang dikumpulkan menurut urutan waktu dalam
suatu rentang waktu tertentu. Jika waktu dipandang bersifat diskrit (waktu
dapat dimodelkan bersifat kontinu), frekuensi pengumpulan selalu sama.
Tujuan analisis runtun waktu antara lain memahami dan menjelaskan
mekanisme tertentu, meramalkan suatu nilai di masa depan, dan
mengoptimalkan sistem kendali (Makridakis, dkk, 1999). Asumsi yang
penting dalam memodelkan runtun waktu adalah asumsi kestasioneran
artinya sifat-sifat yang mendasari proses tidak tidak di pengaruhi oleh waktu
atau proses dalam keseimbangan. Ada empat tipe umum pola data yakni
horizontal, trend, seasonal dan cyclical.

1.2 Moving Average

Moving Averages (rata-rata bergerak) dilakukan untuk peramalan


dengan mengambil sekelompok nilai pengamatan, mencari 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.

1.2.1 Single Moving Average

Metode single moving average adalah salah satu metode


pengembangan dari metode rata-rata, metode ini menghasilka error yang relatif
lebih kecil, metode ini juga memiliki karakteristik khusus, yaitu:
a) Untuk menentukan ramalan pada periode yang akan datang memerlukan data

1
historis selam jangka waktu tertentu.
b) Semakin panjang jangka waktu moving averages, efek pelicinan semakin
terlihat dalam ramalan atau menghasilkan moving average yang semakin halus.
Artinya pada moving averages yang jangka waktunya lebih panjang, perbedaan
ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.
Adapun model yang di gunakan dalam Single Moving Average:
1
𝐹𝑡+1 = 𝑦̂𝑡+1 = 𝑘 ∑𝑡𝑖=𝑡−𝑘+1 𝑦𝑖 (1)

Model ini sangat cocok di gunakan pada data yang stasioner atau data yang
constant terhadap variansi.
Hasil proyeksi yang akurat adalah forecast yang bisa meminimalkan
kesalahan meramal (forecast error). Besarnya forecast error dihitung dengan
mengurangi data. Dalam menghitung forecast error digunakan.
a. Mean Squared Error yakni kuadrat rata-rata kesalahan meramal.
∑(𝑋𝑡 −𝐹𝑡 )2
𝑀𝑆𝐸 = (2)
𝑛

b. Mean Absolute Percentage Error merupakan nilai tengah kesalahan persentase


absolute dari suatu peramalan.
(𝑋 −𝐹 )
∑|𝐴𝑃𝐸| ∑|( 𝑡 𝑡 )𝑋100|
𝑋𝑡
𝑀𝐴𝑃𝐸 = = (3)
𝑛 𝑛

1.2.2 Double Moving Average

Dalam metode ini langkah pertama adalah mencari moving averages,


hasilnya ditaruh pada periode terakhir, kemudian dicari moving averages lagi
dari moving averages pertama, baru kemudian dibuat forecast. Adapun
prosedur untuk membuat forecast dengan metode double moving averages
adalah sebagai berikut :
a. Menghitung moving average/ rata-rata bergerak pertama, diberi simbol
𝑆𝑡′ = 𝑋𝑡 + 𝑋𝑡−1 + 𝑋𝑡−2 + ⋯ + 𝑋𝑡−𝑘+1 (4)
dihitung dari data historis yang ada. Hasilnya diletakkan pada periode terakhir
moving average pertama.
b. Menghitung moving average/rata-rata bergerak kedua, diberi symbol

2
𝑆𝑡′ = 𝑆𝑡 + 𝑆𝑡−1 + 𝑆𝑡−2 + ⋯ + 𝑆𝑡−𝑘+1 (5)
di hitung dari rata-rata bergerak kedua. Hasilnya diletakkan pada periode
terakhir moving average kedua.
c. Menentukan besarnya nilai 𝑎𝑡 (Konstanta)
𝑎𝑡 = 𝑆𝑡′ + (𝑆𝑡′ − 𝑆𝑡′′ ) = 2𝑆𝑡′ − 𝑆𝑡′′ (6)
d. Menentukan besarnya nilai bt (slope)
2
𝑏𝑡 = 𝑘−1 (𝑆𝑡′ − 𝑆𝑡′′ ) (7)

e. Menentukan besarnya forecast


𝐹𝑡+𝑚 = α𝑡 + b𝑡𝑚 (8)
m adalah jangka waktu forecast kedepan. (Indriyo dan Najmudin,2000:13).

3
2 Deskripsi Kerja

2.1 Studi Kasus


Data terlampir di Microsoft Excel, berdasarkan dari data tersebut,
lakukanlah:
1. Peramalan menggunakan Single Moving Average menggunakan :
a. Orde 3, orde 5, dan orde 7
b. Pilihlah metode terbaik dan sertakan alasannya !

2. Peramalan menggunakan Double Moving Average menggunakan :


a. Orde (3x5) dan orde (4x6)
b. Pilihlah metode terbaik dan sertakan alasannya

3. Tampilkan grafik dari setiap metodenya !


Adapun data yang praktikan gunakan adalah sebagai berikut:
Tabel 2.1. Data Emisi Karbon Dioksida Dari Konsumsi Energi: Sektor
Perumahan (sumber : www.eia.gov)

4
Tabel 2.2. Data Jumlah Penumpang Pesawat di Bandara Soekarno Hatta
keberangkatan pada Penerbangan Domestik

5
6
7
2.2 Langkah Kerja
2.2.1 Langkah Kerja Studi Kasus 1

1. Membuka aplikasi R
2. Menuliskan syntax Single Moving Average pada R dengan data studi kasus
1. Menggunakan Orde 3 MA(3). Seperti grambar di bawah ini.

Gambar 2.1. Syntax Single Moving Average MA(3).

8
Gambar 2.2. Syntax Single Moving Average MA(3) grafik.

3. Setelah selesai menuliskan syntax lalu run semuanya. Hasil akan muncul
pada lembar console.
4. Menuliskan syntax Single Moving Average pada R dan dengan data studi
kasus 1. Menggunakan Orde 5 MA(5). Seperti grambar di bawah ini.

Gambar 2.3. Syntax Single Moving Average MA(5).

9
5. Setelah selesai menuliskan syntax lalu run semuanya. Hasil akan muncul
pada lembar console.
6. Menuliskan syntax Single Moving Average pada R dan dengan data studi
kasus 1. Menggunakan Orde 7 MA(7). Seperti grambar di bawah ini.

Gambar 2.4. Syntax Single Moving Average MA(7).

7. Setelah selesai menuliskan syntax lalu run semuanya. Hasil akan muncul
pada lembar console dan plot.

2.2.2 Langkah Kerja Studi Kasus 2

1. Menuliskan syntax Double Moving Average dengan data studi kasus 2.


Menggunakan orde 3x5.

10
Gambar 2.5. Syntax Double Moving Average MA(3x5).

Gambar 2.6. Syntax Double Moving Average MA(3x5).

11
2. Menuliskan syntax Double Moving Average dengan data studi kasus 2.
Menggunakan orde 4x6.

Gambar 2.7. Syntax Double Moving Average MA(4x6).

Gambar 2.8. Syntax Double Moving Average MA(4x6).

12
3. Setelah selesai menuliskan syntax lalu run semuanya. Hasil akan muncul
pada lembar console dan plot.

2.2.3 Langkah Kerja Studi Kasus 3

1. Grafik orde 3. Berdasarkan Syntax Single Moving Average MA(3) maka


ketikkan syntax plot seperti gambar dibawah.

Gambar 2.9. Syntax Single Moving Average MA(3) grafik.

2. Grafik orde 5. Berdasarkan Syntax Single Moving Average MA(5) maka


ketikkan syntax plot seperti gambar dibawah.

Gambar 2.10. Syntax Single Moving Average MA(5) grafik.

3. Grafik orde 5. Berdasarkan Syntax Single Moving Average MA(7) maka


ketikkan syntax plot seperti gambar dibawah.

13
Gambar 2.11. Syntax Single Moving Average MA(7) grafik.

4. Grafik metode MA(3x5). Berdasarkan Syntax Double Moving Average


MA(3x5) maka ketikkan syntax plot seperti gambar dibawah.

Gambar 2.12. Syntax Double Moving Average MA(3x5) grafik.


5. Grafik metode MA(4x6). Berdasarkan Syntax Double Moving Average
MA(4x6) maka ketikkan syntax plot seperti gambar dibawah.

Gambar 2.13. Syntax Double Moving Average MA(4x6) grafik.

14
3 Pembahasan

Pada bab ini akan ditampilkan output atau hasil dan grafik dari langkah kerja
pada bab sebelumnya.

3.1 Pembahasan Output Studi Kasus 1

3.1.1 Peramalan Menggunakan MA orde 3 atau MA (3)

Gambar 3.1. Data.


Untuk data hasil prediksi dengan MA(3) pada tahun 2017 :

Gambar 3.2. Data hasil prediksi dengan MA(3).

15
Untuk data hasil ramalan dengan MA(3) :

Gambar 3.3. Data hasil ramalan dengan MA(3) pada tahun 2017.

Hasil ramalan dengan metode MA(3) diperoleh hasil sebesar 2,012333


Sum Square Error (SSE) dan Mean Square Error (MSE) :

Gambar 3.4. SSE dan MSE.

Diperoleh hasil SSE : 230,3018 dan MSE : 1,827792


Mean Absolute Percentage Error (MAPE) :

Gambar 3.5. MAPE.

Diperoleh hasil MAPE pada MA(3) sebesar 0,3347914


Dengan melihat hasil diatas maka dapat ditarik kesimpulan dengan menggunakan
metode MA(3) diperoleh hasil ramalan emisi karbondioksida dari konsumsi energy
pada tahun 2017 sebesar 2,012333 dengan MSE sebesar 1,827792 dan MAPE
sebesar 0,3347914%.

3.1.2 Peramalan Menggunakan MA orde 5 atau MA (5)

16
Gambar 3.6. Data.
Untuk data hasil prediksi dengan MA(5) pada tahun 2017 :

Gambar 3.7. Data hasil prediksi dengan MA(5).


Untuk data hasil ramalan dengan MA(5) :

Gambar 3.8. Data hasil ramalan dengan MA(5) pada tahun 2017.

Hasil ramalan dengan metode MA(5) diperoleh hasil sebesar 2,1814


Sum Square Error (SSE) dan Mean Square Error (MSE) :

17
Gambar 3.9. SSE dan MSE.

Diperoleh hasil SSE : 305,3609 dan MSE : 2,462588


Mean Absolute Percentage Error (MAPE) :

Gambar 3.10. MAPE.

Diperoleh hasil MAPE pada MA(5) sebesar 0,4210571


Dengan melihat hasil diatas maka dapat ditarik kesimpulan dengan
menggunakan metode MA(5) diperoleh hasil ramalan emisi karbondioksida
dari konsumsi energy pada tahun 2017 sebesar 2,1418 dengan MSE sebesar
2,462588 dan MAPE sebesar 0,4210571%.

3.1.3 Peramalan Menggunakan MA orde 7 atau MA (7)

Gambar 3.11. Data.


Untuk data hasil prediksi dengan MA(7) pada tahun 2017 :

18
Gambar 3.12. Data hasil prediksi dengan MA(7).
Untuk data hasil ramalan dengan MA(7) :

Gambar 3.13. Data hasil ramalan dengan MA(7) pada tahun 2017.

Hasil ramalan dengan metode MA(7) diperoleh hasil sebesar 2,552714


Sum Square Error (SSE) dan Mean Square Error (MSE) :

Gambar 3.14. SSE dan MSE.

Diperoleh hasil SSE : 333,0234 dan MSE : 2,7297


Mean Absolute Percentage Error (MAPE) :

Gambar 3.15. MAPE.

19
Diperoleh hasil MAPE pada MA(7) sebesar 0,4569526
Dengan melihat hasil diatas maka dapat ditarik kesimpulan dengan
menggunakan metode MA(7) diperoleh hasil ramalan emisi karbondioksida
dari konsumsi energy pada tahun 2017 sebesar 2,552714 dengan MSE
sebesar 2,7297 dan MAPE sebesar 0,4569526%.

3.1.4 Metode Terbaik


Metode terbaik ialah metode MA (3) dikarenakan hasil ramalan paling
mendekati dengan data asli dan memiliki nilai MSE dan MAPE yang
paling kecil.

3.2 Pembahasan Output Studi Kasus 2

3.2.1 Peramalan Menggunakan MA orde 3x5

Data asli jumlah penumpang pesawat pada bulan Januari 2006


sampai dengan bulan November 2017 di bandara Soekarno Hatta
keberangkatan pada penerbangan domestic sebagai berikut :

Gambar 3.16. Data asli.

20
Dengan menggunakan orde 3x5 didapatkan hasil prediksi dari bulan
Januari 2006 sampai dengan bulan November 2017, jumlah penumpang
pesawat di bandara Soekarno Hatta pada penerbangan domestic sebagai
berikut :

Gambar 3.17. Prediksi MA (3x5).

Dengan menggunakan orde 3x5 didapatkan hasil pada bulan Januari,


Februari, Maret dan April, diramalkan jumlah penumpang pesawat di
bandara Soekarno Hatta pada penerbangan domestic sebagai berikut :

Gambar 3.18. Ramalan MA (3x5).

Yaitu pada bulan Januari sebanyak 1912536 penumpang, bulan


Februari sebanyak 1921829 penumpang, bulan Maret sebanyak 1931122
penumpang dan bulan April sebanyak 1940415 penumpang.
MSE atau eror pada prediksi orde 3x5

21
Gambar 3.19. MSE (3x5).

Dengan menggunakan metode 3x5 diperoleh MSE sebesar 25480792515


MAPE pada MA (3x5)

Gambar 3.20. MAPE (3x5).

Pada metode MA (3x5) diperoleh MAPE sebesar 0,08609416

Berdasarkan hasil diatas. Dengan menggunakan metode MA (3x5)


diperoleh hasil ramalan banyaknya penumpang pesawat di bandara
Soekarno Hatta (dalam ribuan) pada bulan Januari sebanyak 1912536
penumpang, bulan Februari sebanyak 1921829 penumpang, bulan Maret
sebanyak 1931122 penumpang dan bulan April sebanyak 1940415
penumpang dengan MSE sebesar 25480792515 dan MAPE sebesar
0,08609416%.

3.2.2 Peramalan Menggunakan MA orde 4x6

Data asli jumlah penumpang pesawat pada bulan Januari 2006


sampai dengan bulan November 2017 di bandara Soekarno Hatta
keberangkatan pada penerbangan domestic sebagai berikut :

22
Gambar 3.21. Data asli.

Dengan menggunakan orde 4x6 didapatkan hasil prediksi dari bulan


Januari 2006 sampai dengan bulan November 2017, jumlah penumpang
pesawat di bandara Soekarno Hatta pada penerbangan domestic sebagai
berikut :

Gambar 3.22. Prediksi MA (4x6).

23
Dengan menggunakan orde 4x6 didapatkan hasil pada bulan Januari,
Februari, Maret dan April, diramalkan jumlah penumpang pesawat di
bandara Soekarno Hatta pada penerbangan domestic sebagai berikut :

Gambar 3.23. Ramalan MA (4x6).

Yaitu pada bulan Januari sebanyak 1801415 penumpang, bulan


Februari sebanyak 1790390 penumpang, bulan Maret sebanyak 1779364
penumpang dan bulan Aprl sebanyak 1768339 penumpang.
MSE atau eror pada prediksi orde 4x6 :

Gambar 3.24. MSE (4x6).

Dengan menggunakan metode 4x6 diperoleh MSE sebesar 36927465844


.
MAPE pada MA (4x6)

Gambar 3.25. MAPE (4x6).

Pada metode MA (4x6) diperoleh MAPE sebesar 0,1077526


Berdasarkan hasil diatas maka dengan menggunakan metode MA
(4x6) diperoleh hasil ramalan banyaknya penumpang pesawat di bandara
Soekarno Hatta (dalam ribuan) pada bulan Januari sebanyak 1801415
penumpang, bulan Februari sebanyak1790390 penumpang, bulan Maret
sebanyak 1779364 penumpang dan bulan Aprl sebanyak 1768339
penumpang, dengan MSE sebesar 36927465844 dan MAPE sebesar
0,1077526%.

24
3.2.3 Metode Terbaik
Metode terbaik ialah metode MA (3x5) dikarenakan hasil ramalan paling
mendekati dengan data asli dan memiliki nilai MSE dan MAPE yang
paling kecil.

3.3 Pembahasan Output Studi Kasus 3

3.3.1 Grafik pada Single Moving Average

Gambar 3.26. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(3).

Dapat lihat pada gambar 3.26 diatas adalah data asli, prediksi dan
ramalan menggunakan metode MA (3). Garis merah menunjukkan data asli
sedangkan garis biru menunjukkan prediksi, terlihat bahwa nilai prediksi
hampir mendekati dengan data asli. Titik hijau ialah nilai ramalan, terlihat
terletak pada rentang nilai 2-4. Ramalan ini cukup baik karena mendekati
nilai data asli.

25
Gambar 3.27. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(5).

Dapat lihat pada gambar 3.27 diatas adalah data asli, prediksi dan
ramalan menggunakan metode MA (5). Garis merah menunjukkan data asli
sedangkan garis biru menunjukkan prediksi, terlihat bahwa nilai prediksi
hampir mendekati dengan data asli. Titik hijau ialah nilai ramalan, terlihat
terletak pada rentang nilai 2-4 dan mendekati nilai prediksi. Ramalan ini
tidak cukup baik karena jauh dari nilai rata-rata data asli.

26
Gambar 3.28. Plot data asli, data hasil prediksi dan data hasil ramalan dengan
MA(7).

Dapat lihat pada gambar 3.28 diatas adalah data asli, prediksi dan
ramalan menggunakan metode MA (7). Garis merah menunjukkan data asli
sedangkan garis biru menunjukkan prediksi, terlihat bahwa nilai prediksi
hampir mendekati dengan data asli. Titik hijau ialah nilai ramalan, terlihat
terletak pada rentang nilai 2-4. Ramalan ini tidak cukup baik karena jauh
nilai rata-rata data asli.

27
3.3.2 Grafik pada Double Moving Average

Gambar 3.29. Plot data asli, prediksi dan ramalan MA (3x5).

Dapat lihat pada gambar 3.29 diatas adalah data asli, prediksi dan
ramalan menggunakan metode MA (3x5). Garis merah menunjukkan data
asli sedangkan garis biru menunjukkan prediksi, terlihat bahwa nilai
prediksi hampir mendekati dengan data asli. Garis hijau ialah nilai ramalan,
terlihat terlihat pada kisaran nilai 1900000. Ramalan ini tidak cukup bagus
karena jauh diatas dari nilai rata-rata data asli.

28
Gambar 3.30. Plot data asli, prediksi dan ramalan MA (4x6).

Dapat lihat pada gambar 3.30 diatas adalah data asli, prediksi dan
ramalan menggunakan metode MA (4x6). Garis merah menunjukkan data
asli sedangkan garis biru menunjukkan prediksi, terlihat bahwa nilai
prediksi hampir mendekati dengan data asli. Garis hijau ialah nilai ramalan,
terlihat terlihat pada kisaran nilai 1700000. Ramalan ini tidak cukup bagus
namun lebih baik dibandingkan metode MA (3x5).

29
4 Penutup

4.1 Kesimpulan

1. Pada studi kasus 1, dengan menggunakan metode MA(3) diperoleh


hasil ramalan emisi karbondioksida dari konsumsi energy pada
tahun 2017 sebesar 2,012333 dengan MSE sebesar 1,827792 dan
MAPE sebesar 0,3347914%.
2. Pada studi kasus 1, dengan menggunakan metode MA(5) diperoleh
hasil ramalan emisi karbondioksida dari konsumsi energy pada
tahun 2017 sebesar 2,1418 dengan MSE sebesar 2,462588 dan
MAPE sebesar 0,4210571%.
3. Pada studi kasus 1, dengan menggunakan metode MA(7) diperoleh
hasil ramalan emisi karbondioksida dari konsumsi energy pada
tahun 2017 sebesar 2,552714 dengan MSE sebesar 2,7297 dan
MAPE sebesar 0,4569526%.
4. Pada studi kasus 1, metode terbaik ialah metode MA (3) dikarenakan
hasil ramalan paling mendekati dengan data asli dan memiliki nilai
MSE dan MAPE yang paling kecil.
5. Pada studi kasus 2, dengan menggunakan metode MA (3x5)
diperoleh hasil ramalan banyaknya penumpang pesawat di bandara
Soekarno Hatta (dalam ribuan) pada bulan Januari sebanyak
1912536 penumpang, bulan Februari sebanyak 1921829
penumpang, bulan Maret sebanyak 1931122 penumpang dan bulan
April sebanyak 1940415 penumpang dengan MSE sebesar
25480792515 dan MAPE sebesar 0,08609416%.
6. Pada studi kasus 2, dengan menggunakan metode MA (4x6)
diperoleh hasil ramalan banyaknya penumpang pesawat di bandara
Soekarno Hatta (dalam ribuan) pada bulan Januari sebanyak
1801415 penumpang, bulan Februari sebanyak1790390

30
penumpang, bulan Maret sebanyak 1779364 penumpang dan bulan
Aprl sebanyak 1768339 penumpang, dengan MSE sebesar
36927465844 dan MAPE sebesar 0,1077526%.
7. Pada studi kasus 2, Metode terbaik ialah metode MA (3x5)
dikarenakan hasil ramalan paling mendekati dengan data asli dan
memiliki nilai MSE dan MAPE yang paling kecil.

31
5 Daftar Pustaka

Wikipedia. (2017). Statistics. diakses tanggal 30 September 2018. pada


https://id.wikipedia.org/wiki/Statistics

Winkonai. (2009). Analisis Data Kategorik. Retrieved September 25,


2018, from Winkonadi:
https://winkonadi.wordpress.com/2009/05/15/analisis- data-
kategorik/

Zulvia, W. (2016). Pengantar Program R. Retrieved September 25,


2018, from Wilda Zulvia:
http://wildazulviaagustami.blogspot.com/2016/12/pengantar-
program- r.html

32