LAPORAN PRAKTIKUM METODE PERAMALAN

MOVING AVERAGE DAN EXPONENSIAL SMOOTHING

Nama : Jery Egia Ginting

NIM : 182407062
Laporan Ke : 1

LABORATORIUM S1 MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2020
 BAB 1
PENDAHULUAN

1.1 Latar belakang

Metode Peramalan adalah suatu mata kuliah yang di ajarkan dalam jurusan
Statistika. Statistika adalah ilmu yang mempelajari suatu proses dalam
merencanakan, mengumpulkan, menganalisis, menginterpretasikan, dan
mempresentasikan data.
Pada mata kuliah Metode Peramalan terdapat Praktikum yang berguna untuk
mahasiswa, untuk menggunakan aplikasi aplikasi pendukung dalam statistika
seperti Excel, SPSS, dan lain sebagainya. Berikut beberapa contoh soal yang
digunakan dalam aplikasi EXCEL pada mata kuliah Metode Peramalan

1.2 Tujuan
Tujuan tugas ini adalah sebagai bahan pertimbangan asisten laboratorium
sebagai nilai Quiz 1 dan juga bertujuan untuk meningkatkan kemampuan dalam
menggunakan aplikasi tersebut. Tugas ini juga bertujuan sebagai pengigat teori
dan pembelajaran praktikum yang telah di laksanakan selama ini.
 BAB 2
HASIL DAN PEMBAHASAN

2.1 Moving Average

2.1.1 Teori
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 (F t), 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.
2.1.2 Contoh Soal

Rumus Forecast
Rumus TREND

Rumus Formula
2.2 EXPONENSIAL SMOOTHING
2.2.1 Teori
Menurut Render dan Heizer (2005) Penghalusan exponential adalah teknik
peramalan rata-rata bergerak dengan pembobotan dimana data diberi bobot oleh
sebuah fungsi exponential. Penghalusan exponential merupakan metode
peramalan rata-rata bergerak dengan pembobotan canggih, namun masih mudah
digunakan. Metode ini sangat dedikit pencatatan data masa lalu. Rumus
penghalusan exponential dapat ditunjukkan sebagai berikut :
Ft+1 = α Xt + (1-α) Ft-1
Keterangan :
Ft+1 = Ramalan untuk periode ke t+1
Xt = Nilai riil periode ke t
Ft-1 = Ramalan untuk periode ke t-1
Metode ini membutuhkan nilai alpha (α) sebagai nilai parameter
pemulusan. Bobot nilai α lebih tinggi diberikan kepada data yang lebih baru,
sehingga nilai parameter α yang sesuai akan memberikan ramalan yang optimal
dengan nilai kesalahan (error) terkecil. Untuk mendapatkan nilai α yang tepat
pada umumnya dilakukan dengan trial and error (coba-coba) untuk menentukan
nilai kesalahan terendah. Nilai α dilakukan dengan membandingkan menggunakan
interval pemulusan antar 0 < α < 1, yaitu α (0,1 sampai dengan 0,9). Metode ini
hanya mampu memberikan ramalan satu periode ke depan dan cocok untuk data
yang mengandung unsur stationer. Karena jika diterapkan pada serial data yang
memiliki trend yang konsisten, ramalan yang dibuat akan selalu berada dibelakang
trend. Selain itu, metode eksponensial ini juga memberikan bobot yang relatif
lebih tinggi pada nilai pengamatan terbaru dibanding nilai-nilai periode
sebelumnya.

2.2.2 Contoh Soal

 DAFTAR PUSTAKA

https://exponensial.wordpress.com/metode-peramalan/moving-average/
https://core.ac.uk/download/pdf/230117972.pdf