TEKNIK PERAMALAN SINGLE MOVING AVERAGE

Makalah Disusun Untuk Memenuhi Tugas Matakuliah

Teknik Proyeksi Bisnis
Dosen Pengampu : David Y.D. Mahulae, SE, ME

Nama : Rebekka Simamora

NIM : 180301404
Prodi : Manajemen

Fakultas Ekonomi
Universitas Sisingamangaraja XII Tapanuli (UNITA)
Silangit, 2020
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan
kasihNya sehingga saya dapat menyelesaikan tugas makalah Teknik Peramalan
Single Moving Average ini tepat pada waktunya.
Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas
matakuliah Teknik Proyeksi Bisnis oleh Dosen Pengampu, Bapak David Y.D.
Mahulae, SE, ME. Selain itu makalah ini juga bertujuan untuk menambah wawasan
tentang Teknik Peramalan Single Moving Average bagi pribadi penulis dan para
pembaca.
Saya mengucapkan terimakasih kepada Bapak Dosen Pengampu yang telah
memberikan tugas ini sehingga dapat menambah pengetahuan dan wawasan sesuai
dengan bidang studi yang saya tekuni.
Saya juga mengucapkan terimakasih kepada semua pihak yang telah membagi
sebagian pengetahuannya sehingga saya dapat menyelesaikan makalah ini.
Saya menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna.
Oleh karena itu, kritik dan saran yang membangun akan saya nantikan demi
kesempurnaan makalah ini.
Sipoholon, April 2020

Penulis
 DAFTAR ISI
Judul
Kata Pengantar
Daftar Isi
BAB I PENDAHULUAN
A. Latar Belakang Masalah
B. Perumusan Masalah
C. Tujuan Penulisan Makalah
BAB II PEMBAHASAN
A. Teknik Peramalan Single Moving Average
B. Kelemahan Teknik Peramalan Single Moving Average
BAB III KESIMPULAN DAN SARAN
Daftar Pustaka
 BAB I PENDAHULUAN
A. Latar Belakang Masalah
Peramalan merupakan bagian awal dari suatu proses pengambilan suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan dalam pengambilan keputusan itu, karena suatu keputusan
itu berpengaruh terhadap keadaan masa dapan yang penuh dengan resiko dan
ketidakpastian. Resiko itu menunjuk keadaan yang tingkat ketidakpastiannya
lebih rendah karena telah mempergunakan data yang tersedia untuk meramalkan
terjadinya suatu keadaan tertentu. Sedangkan ketidakpastian menunjuk ada suatu
keadaan yang benar-benar tidak ada data yang dapat dipergunakan untuk
memprediksi atau meramalkan terjadinya peristiwa tertentu. Meskipun
perusahaan tidak dapat membuat peramalan yang sama persis dengan kenyataan,
namun peramalan sangat penting sebagai pedoman dalam membuat rencana.

Peramalan dapat dilakukan untuk jangka pendek, jangka menengah, maupun

jangka panjang. Untuk peramalan jangka pendek biasanya digunakan untuk
merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan
kerja, dan tingkat produksi. Untuk peramalan jangka menengah misalnya
mencakup penjualan, anggaran produksi, anggaran kas, dan analisis bermacam-
macam operasi. Sedangkan untuk jangka panjang digunakan untuk merencanakan
produk baru, pembelanjaan modal lokasi atau pembangunan fasilitas serta
penelitian pengembangan.

“Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan

manajemen”. (Makridakis, 1988). Hampir setiap keputusan yang dibuat oleh
manajemen menggunakan pertimbangan peramalan. Peramalan digunakan untuk
pembuatan kebijakan, pengadaan bahan, penjadwalan, persediaan, investasi dan
penjualan. Penggunaan peramalan ini pada dasarnya adalah untuk
memprediksikan apa yang akan terjadi di masa yang akan datang sehingga dapat
mengantisipasi kemungkinan terjadinya hal-hal yang tidak diinginkan yang dapat
menimbulkan kerugian. Dengan memiliki informasi dan prediksi mengenai
keadaan di masa yang akan datang, perencana dapat melakukan tindakan yang
sesuai sehingga tujuan dapat tercapai dengan biaya yang sekecil mungkin.

Keinginan untuk mendapatkan hasil peramalan yang lebih baik terus meningkat
karena beberapa faktor. Pertama adalah karena meningkatnya kompleksitas
organisasi dan lingkungannya, hal ini menjadikan semakin sulit bagi pengambil
keputusan untuk mempertimbangkan semua faktor secara memuaskan. Kedua,
dengan meningkatnya ukuran organisasi maka bobot dan kepentingan suatu
keputusan telah meningkat pula, dan lebih banyak keputusan yang membutuhkan
telaah peramalan khusus dan analisis yang lengkap. Ketiga, lingkungan dari
kebanyakan organisasi telah berubah dengan cepat. Keterkaitan yang harus
dimengerti oleh organisasi selalu berubah-ubah dan peramalan memungkinkan
bagi organisasi untuk mempelajari keterkaitan yang baru secara lebih cepat.
Keempat, pengambilan keputusan telah semakin sistematis yang melibatkan
justifikasi tindakan individu secara gamblang. Peramalan formal merupakan salah
satu cara untuk mendukung tindakan yang akan diambil. Kelima dan mungkin ini
yang terpenting, adalah bahwa pengembangan metode peramalan dan
pengetahuan yang menyangkut aplikasinya telah lebih memungkinkan adanya
penerapan secara langsung oleh para praktisi daripada hanya dilakukan oleh para
teknisi ahli. (Spyros Makridakis,1991:7)

Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah
dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang akan
datang bukan berarti hasil yang didapatkan ialah sama persis, melainkan
merupakan suatu pendekatan alternatif yang lumrah dalam ilmu statistik.
Peramalan berdasarkan metode terbagi menjadi 2 yaitu:

1. Metode Kuantitatif

Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :

model seri waktu/metode deret berkala (time series)  metode yang
dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi
dari waktu, model/metode kausal (causal/explanatory model), mengasumsikan
variabel yang diramalkan menunjukkan adanya hubungan sebab akibat
dengan satu atau beberapa variabel bebas (independent variable).

a. Model Seri Waktu / Metode deret berkala, terbagi menjadi :

1. Rata-rata bergerak (moving averages)
- Rata-rata Bergerak Sederhana (simple moving averages), bermanfaat
jika diasumsikan bahwa permintaan pasar tetap stabil.
- Rata-Rata Bergerak Tertimbang (weighted moving averages), apabila
ada pola atau trend yang dapat dideteksi, timbangan bisa digunakan
untuk menempatkan lebih banyak tekanan pada nilai baru
2. Penghalusan eksponensial (exponential smoothing),
Penghalusan Eksponensial : metode peramalan dengan menambahkan
parameter alpha dalam modelnya untuk mengurangi faktor
kerandoman. Istilah eksponensial dalam metode ini berasal dari
pembobotan/timbangan (faktor penghalusan dari periode-periode
sebelumnya yang berbentuk eksponensial.
3. Proyeksi trend (trend projection)
Metode proyeksi trend dengan regresi, merupakan metode yang
digunakan baik untuk jangka pendek maupun jangka panjang. Metode
ini merupakan garis trend untuk persamaan matematis.
b. Model / metode kausal (causal/explanatory model)
Merupakan metode peramalan yang didasarkan kepada hubungan antara
variabel yang diperkirakan dengan variabel alin yang mempengaruhinya
tetapi bukan waktu. Dalam prakteknya jenis metode peramalan ini terdiri
dari :

1. Metode regresi dan kolerasi, merupakan metode yang digunakan baik

untuk jangka panjang maupun jangka pendek dan didasarkan kepada
persamaan dengan teknik least squares yang dianalisis secara statis.
Penggunaan metode ini didasarkan kepada variabel yang ada dan
yang akan mempengaruhi hasil peramalan. Hubungan yang ada
pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan
menggunakan metoda ini sangat baik untuk peramalan jangka
pendek, sedangkan untuk peramalan jangka panjang ternyata
ketepatannya kurang begitu baik. Metoda ini banyak digunakan untuk
peramalan penjualan, perencanaan keuntungan, peramalan
permintaan dan permalan keadaan ekonomi. Data yang dibutuhkan
untuk penggunaan metoda ini adalah data kuartalan dari beberapa
tahun lalu.

2. Model Input Output, merupakan metode yang digunakan untuk

peramalan jangka panjang yang biasa digunakan untuk menyusun
trend ekonomi jangka panjang.
3. Model ekonometrik, merupakan peramalan yang digunakan untuk
jangka panjang dan jangka pendek. Metoda ini didasarkan atas
peramalan sistem persamaan regresi yang diestimasikan secara
simultan. Baik untuk peramalan jangka pendek maupun peramalan
jangka panjang, ketepatan peramalan dengan metoda ini sangat baik.
Metoda peramalan ini selalu dipergunakan untuk peramalan
penjualan menurut kelas produk, atau peramalan keadaan ekonomi
 masyarakat, seperti permintaan, harga dan penawaran. Data yang
dibutuhkan untuk penggunaan metoda peramalan ini adalah data
kuartalan beberapa tahun. Empat tahapan yang termasuk di dalam
memformulasi forecast model ekonometrika ini antara lain
membangun suatu model teori, mengumpulkan data, memilih bentuk
persamaan fungsi yang diestimasi, dan mengestimasi dan
menginterpretasi hasil.

2. Metode Kualitatif

Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi,

pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari
satu orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan
kualitatif dapat menggunakan teknik/metode peramalan, yaitu :

a. Juri dari Opini Eksekutif

Mmetode ini mengambil opini atau pendapat dari sekelompok kecil
manajer puncak/top manager (pemasaran, produksi, teknik, keuangan dan
logistik), yang seringkali dikombinasikan dengan model-model statistik.
b. Gabungan Tenaga Penjualan
Setiap tenaga penjual meramalkan tingkat penjualan di daerahnya, yang
kemudian digabung pada tingkat provinsi dan nasional untuk mencapai
ramalan secara menyeluruh.
c. Metode Delphi
Dalam metode ini serangkaian kuesioner disebarkan kepada responden,
jawabannya kemudian diringkas dan diberikan kepada para ahli untuk
dibuat peramalannya. Metode memakan waktu dan melibatkan banyak
pihak, yaitu para staf, yang membuat kuesioner, mengirim, merangkum
hasilnya untuk dipakai para ahli dalam menganalisisnya. Keuntungan
 metode ini hasilnya lebih akurat dan lebih profesional sehingga hasil
peramalan diharapkan mendekati aktualnya.
d. Survei Pasar (market survey)
Masukan diperoleh dari konsumen atau konsumen potensial terhadap
rencana pembelian pada periode yang diamati. Survai dapat dilakukan
dengan kuesioner, telepon, atau wawancara langsung.

3. Metode Peramalan Lainnya

a. Metode Market Experiment (Percobaan Pasar)

Yaitu suatu cara untuk membuat peramalan permintaan dengan melakukan

uji coba pada segmen atau bagian pasar tertentu. Uji coba dilakukan
dengan memberikan perlakuan tertentu terhadap faktor-faktor yang
mempengaruhi permintaan. Metode ini biasanya digunakan untuk produk
baru atau produk yang mengalami inovasi atau pengembangan.

b. Metode Peramalan Dengan Pendekatan Marketing Research

Dalam melakukan peramalan permintaan konsumen, berbagai metode
dapat digunakan terutama dengan pendekatan penelitian pemasaran
(Marketing Research) karena bagian pemasaranlah yang secara langsung
berhubungan dengan konsumen.

Dalam makalah ini kita akan membahas tentang Teknik Peramalan Single
Moving Average.
B. Perumusan Masalah
Berdasarkan uraian latar belakang di atas maka dapat ditentukan perumusan
masalah dalam makalah ini seperti :
1. Apa yang dimaksud dengan teknik peramalan single moving average?
2. Bagaimana mengaplikasikan teknik peramalan single moving average?
C. Tujuan Penulisan Makalah
Berdasarkan perumusan masalah di atas maka tujuan dalam penulisan makalah ini
sebagai berikut :
1. Untuk mengetahui dan memahami teknik peramalan single moving average
2. Untuk mengetahui dan memahami bagaimana mengaplikasikan teknik
peramalan single moving average
 BAB II PEMBAHASAN
A. Teknik Peramalan Single Moving Average

Moving average merupakan teknik peramalan berdasarkan rata-rata bergerak dari

nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5
mingguan, dll. Akan tetapi teknik ini tidak disarankan untuk data time series yang
menunjukkan adanya pengaruh trend dan musiman. Moving average terbagi
menjadi single moving average dan double moving average. Dalam makalah ini
kita akan membahas tentang Single Moving Average.

Single Moving Average (Rata-rata bergerak tunggal) adalah suatu metode

peramalan yang mencari  nilai rata-rata dari sekelompok nilai pengamatan sebagai
ramalan untuk periode yang akan datang.

Metode Single Moving Average mempunyai karakteristik khusus yaitu :

1. 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.

2. Semakin panjang jangka waktu moving average, efek penghalusan semakin

terlihat dalam ramalan atau menghasilakan moving average yang semakin
halus.
Single Moving Average atau rata-rata bergerak tunggal merupakan salah satu
metode paling sederhana yang dapat digunakan untuk melakukan forecast
(peramalan). Metode ini sangat cocok digunakan ketika ditemu data dengan pola
horizontal (stasioner) atau data yang konstant terhadap variansi, dan tidak dapat
 digunakan ketika data mengandung unsur trend atau musiman. Rumus yang
digunakan sebagai berikut:
t
1
Y t +1= ∑ Y
k i=t −k+1 t
Keterangan :
Yt+1 : Data periode t+1 (data yang akan diramal)
Yt : Data periode t
k : Orde yang digunakan

Contoh :

Pemimpin Dainang Resto ingin mengetahui omzet restoran pada Januari 2020. Ia
meminta sang manajer untuk mengestimasi nilai tersebut dengan data omzet
bulanan dari bulan Juni 2018 sampai Desember 2019. Berbekal pengetahuan di
bidang statistik, sang manajer melakukan forcast dengan metode single moving
average 3 bulanan dan single exponential smoothing (w=0,4).

Hasil
Omzet (Yt) (juta Forecast Mov. Ave. 3t Error (Omzet-
Bulan (t) (Omzet-Forcast)²
Rp.) (Yt+1) (juta Rp.) Forcast)

Jun-18 131 N/A N/A N/A

Jul-18 130 N/A N/A N/A

Agust-18 125 N/A N/A N/A

Sep-18 126 128,667 -2,667 7,111

Okt-18 129 127,000 2,000 4,000

Nop-18 132 126,667 5,333 28,444

Des-18 130 129,000 1,000 1,000

Jan-19 132 130,333 1,667 2,778

Feb-19 139 131,333 7,667 58,778

 Mar-19 137 133,667 3,333 11,111

Apr-19 137 136,000 1,000 1,000

Mei-19 140 137,667 2,333 5,444

Jun-19 143 138,000 5,000 25,000

Jul-19 143 140,000 3,000 9,000

Agust-19 141 142,000 -1,000 1,000

Sep-19 143 142,333 0,667 0,444

Okt-19 148 142,333 5,667 32,111

Nop-19 152 144,000 8,000 64,000

Des-19 152 147,667 4,333 18,778

Jan-20 150,667

Jumlah 258,889

RMSE 0,94647203

 Pada tabel di atas forecast ramalan bulan September 2018 yaitu 128,667 juta

rupiah diperoleh dari penjumlahan omzet bulan Juni, Juli, Agustus 2018 dibagi
dengan angka moving average (m=3). Angka forecast pada bulan Oktober 2018
yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus,
September 2018 dibagi dengan angka moving average tiga bulanan (m=3).
Perhitungan serupa dilakukan hingga ditemukan hasil forecast bulan Januari 2020
sebesar 150,667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan Januari
2020 diperkirakan senilai 150, 667 juta rupiah atau mengalami penurunan sebesar
1,333 juta rupiah dibanding dengan omzet Desember 2019 sebesar 152 juta
rupiah. Perhatikan baris pada bulan Juni-Agustus 2018 kolom Forecast hingga
error tidak memiliki nilai, karena peramalan pada bulan-bulan tersebut tidak
tersedia data moving average 3 bulanan, bulan sebelumnya.
 Selanjutnya untuk melihat kebaikan hasil ramalan digunakan RMSE (root mean
square error)

RMSE=
√ ∑
❑
(Y t−Y t+1 )²

Keterangan :
n

n = Banyaknya observasi

Untuk perhitungan RMSE, mula-mula dicari nilai error atau selisih antara nilai
aktual dan ramalan (omzet – forecast), kemudian kuadrat nilai-nilai tersebut
untuk masing-masing data bulanan. Lalu, jumlahkan seluruh nilai error yang telah
dikuadratkan. Terakhir hitung nilai RMSE dengan rumus di atas atau lebih
gambangnya, bagi nilai penjumlahan error yang telah dikuadratkan dengan
banyaknya observasi dan hasilnya lalu di akarkan. Pada tabel di atas, banyaknya
observasi yaitu 16 (mulai dari September 2018-Desember 2019).

258,889
RMSE=
√ 16
= 0,946

B. Kelemahan Teknik Peramalan Single Moving Average

Adapun kelemahan dari metode single moving average ini adalah :

1. Data pada setiap tahun diberi bobot yang sama, tapi kenyataannya tidak bisa
karena data terakhir dinilai paling baik.

2. Hasil forecast kurang begitu baik jika ada data yang mengalami perubahan
secara drastis.

3. Kurang cocok di gunakan apabila datanya mengandung suatu gejala trend.

4. Metode ini memerlukan suatu data historis tertentu ( time series data ).
 BAB III KESIMPULAN DAN SARAN
A. Kesimpulan

1. Peramalan adalah kegiatan memperkirakan atau memprediksi kejadian dimasa

yang akan datang dengan bantuan penyusunan rencana terlebih dahulu,
dimana rencana ini dibuat berdasarkan kapasitas dan kemampuan
permintaan/produksi yang telah dilakukan perusahaan, meliputi:

o Apa yang dibutuhkan

o Berapa yang dibutuhkan

o Kapan dibutuhkan

2. Peramalan yang dilakukan untuk hasil yang baik harus

memiliki karakteristik sebagai berikut:
o Ketelitian. Ketelitian yang diukur dengan hasil konsistensi. Hasil
peramalan dikatakan bias bila peramalan memiliki penyimpangan yang
tinggi dari kenyataan. . keakuratan hasil peramalan berperan penting dalam
menyeimbangkan persediaan yang ideal.

o Biaya. Biaya untuk mengembangkan peramlan tergantung dari metode,

periode dan jumlah item yang diramalkan. Pemilihan metode peramalan
harus di sesuaikan dengan trend data permintaan.

o Respon. Hasil peramalan tidak memperlihatkan fluktuasi dan perbedaan

yang relatif besar dengan kenyataan yang sebenarnya, jika terjadi maka
harus diiringi dengan respon dari pengguna peramalan tersebut.

o Kesederhanaan. Penggunaan metode peramalan yang sederhana, mudah

dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi
perusahaan.
 3. Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil
peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara
nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast
error)”

B. Saran
Sekaitan uraian tersebut di atas, penulis menyarankan agar para pelaku
bisnis/pengusaha memperhatikan teknik-teknik peramalan untuk diterapkan oleh
perusahaannya.
Penulis juga mengharapkan kritik dan saran dalam penulisan masalah dikemudian
hari.
 DAFTAR PUSTAKA

http://ppic1908.blogspot.com/2017/01/mengenal-metode-peramalan-forecasting.html

https://erwinnote.wordpress.com/2011/06/02/peramalan-dengan-metode-single-
moving-average/

http://ppic1908.blogspot.com/2017/01/mengenal-metode-peramalan-forecasting.html

https://www.taupasar.com/2019/07/jenis-jenis-metode-peramalan.html

https://medium.com/@wahyudhizainal/single-moving-average-with-excel-
b9c1c47a84a4

https://cobodoe.wordpress.com/2012/12/02/peramalan-sederhana-single-moving-
average-vs-single-exponential-smoothin/

http://dunia-statistikk.blogspot.com/2016/12/single-moving-average-sma-
menggunakan.html

https://ilmumanajemenindustri.com/pengertian-moving-average-rata-rata-bergerak-
rumus-moving-average/