Kelas B

LAPORAN PRAKTIKUM
ANALISIS RUNTUN WAKTU
Modul 1 : Moving Average

Nomor Tanggal Tanda Tangan

Nama Praktikan Praktikan
Mahasiswa Kumpul
Syafira Irsalina 18611105 10/10/2020

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Halima Tusyakdiah
Kamaluddin Simamora
Arum Handini
Primandari,S.Pd.,M.Si.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2020

i
Daftar Isi

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

Daftar Isi.................................................................................................................. ii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 4
1.1 Moving Average (MA) ............................................................................. 4
1.2 Single Moving Average (SMA) ................................................................ 4
1.3 Weighted Moving Average (WMA) ......................................................... 5
1.4 Exponential Moving Average (EMA)....................................................... 5
2 Deskripsi Kerja................................................................................................ 6
2.1 Studi Kasus ............................................................................................... 6
2.2 Langkah Kerja .......................................................................................... 6
3 Pembahasan ................................................................................................... 12
3.1 Mengimpor Data Saham PT.Astra Agro Lestari Tbk. ............................ 12
3.2 Analisis MA menggunakan Metode Simple Moving Average ............... 13
3.3 Analisis MA menggunakan Metode Weighted Moving Average ........... 16
3.4 Analisis MA menggunakan Metode Exponential Moving Average ....... 18
3.5 Perbandingan Nilai MSE pada Metode Moving Average....................... 20
4 Penutup.......................................................................................................... 21
4.1 Kesimpulan ............................................................................................. 21
5 Daftar Pustaka ............................................................................................... 22

ii
Daftar Gambar

Gambar 2.1. Tampilan Awal untuk Membuka R Studio ....................................... 6

Gambar 2.2. Tampilan Awal dari R Studio ........................................................... 6
Gambar 2.3. Syntax package ................................................................................. 7
Gambar 2.4. Syntax untuk mengunduh data .......................................................... 7
Gambar 2.5. Syntax untuk membuka file............................................................... 7
Gambar 2.6. Syntax untuk objek data saham adjusted .......................................... 7
Gambar 2.7. Syntax analisis MA dengan metode SMA(10).................................. 8
Gambar 2.8. Syntax data frame untuk metode SMA(10) ...................................... 8
Gambar 2.9. Syntax menampilkan data SMA(10) ................................................. 8
Gambar 2.10. Syntax menampilkan plot untuk data aktual ................................... 8
Gambar 2.11. Syntax menampilkan plot untuk data SMA(10).............................. 9
Gambar 2.12. Syntax membuat judul pada plot ..................................................... 9
Gambar 2.13. Syntax analisis MA dengan metode WMA(10) .............................. 9
Gambar 2.14. Syntax data frame untuk metode WMA(10) ................................... 9
Gambar 2.15. Syntax menampilkan data WMA(10) ............................................. 9
Gambar 2.16. Syntax menampilkan plot untuk data WMA(10) .......................... 10
Gambar 2.17. Syntax analisis MA dengan metode EMA(10) ............................. 10
Gambar 2.18. Syntax data frame untuk metode EMA(10) .................................. 10
Gambar 2.19. Syntax menampilkan data EMA(10) ............................................. 10
Gambar 2.20. Syntax menampilkan nilai MSE metode SMA(10) ...................... 10
Gambar 2.21. Syntax menampilkan nilai MSE metode WMA(10) ..................... 11
Gambar 2.22. Syntax menampilkan nilai MSE metode EMA(10) ...................... 11
Gambar 2.23. Syntax menampilkan nilai MSE dalam bentuk kolom .................. 11
Gambar 3.1. Output Impor Data Aktual Saham .................................................. 12
Gambar 3.2. Output data frame metode SMA(10) .............................................. 13
Gambar 3.3. Tampilan plot data aktual saham ................................................... 15
Gambar 3.4. Tampilan plot data prediksi metode SMA(10) .............................. 16
Gambar 3.5. Output data frame metode WMA(10)............................................. 17
Gambar 3.6. Tampilan plot data prediksi metode WMA(10)............................. 18
Gambar 3.7. Output data frame metode EMA(10) .............................................. 19
Gambar 3.8. Output nilai Mean Square Error (MSE)......................................... 20

iii
1 Pendahuluan

1.1 Moving Average (MA)

Moving Average atau rata-rata bergerak adalah metode peramalan yang

menghitung rata-rata suatu nilai runtut waktu dan kemudian digunakan untuk
memperkirakan nilai pada periode selanjutnya. Bergerak diperoleh melalui
penjumlahan dan pencarian nilai rata-rata dari sejumlah periode tertentu, kemudian
menghilangkan nilai terlamanya dan menambah nilai baru.

Metode Moving Average ini lebih baik digunakan untuk menghitung data
yang bersifat stabil atau data yang tidak berfluktuasi dengan tajam. Oleh karena itu,
munculah metode-metode Moving Average yang lain untuk mencoba
mengatasinya, diantaranya Metode Weighted Moving Average (WMA) dan Metode
Exponential Moving Average (EMA). Sedangkan Metode Moving Average yang
sederhana ini sering disebut dengan Simple Moving Average atau disingkat dengan
SMA.

1.2 Single Moving Average (SMA)

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 ditemui data dengan pola
yang horizontal (stasioner) atau data yang konstant terhadap variansi dan tidak
dapat digunakan ketika data tersebut mengandung unsur trend atau musiman.
Rumus yang digunakan adalah sebagai berikut :

(𝑦𝑡 + 𝑦𝑡−1 + 𝑦𝑡−2 + ⋯ + 𝑦𝑡−𝑘+1 )

𝐹𝑡 = 𝑦̂𝑡+1 =
𝑘
1 𝑡
𝐹𝑡+1 = ∑ 𝑦𝑖
𝑘 𝑖=𝑡−𝑘+1

Dengan :

 𝑦𝑡 adalah data observasi pada waktu ke-t.

 𝐹𝑡+1 adalah peramalan untuk satu periode ke depan

4
  k adalah panjang periode/orde yang digunakan

(Puspitasari, 2016)

1.3 Weighted Moving Average (WMA)

Metode peramalan Weighted Moving Average (WMA) merupakan

pengembangan dari metode moving average dengan tambahan bobot dalam
perhitungan. WMA atau rata-rata tertimbang adalah rata-rata yang dihitung dengan
memberikan nilai-nilai dalam kumpulan data yang lebih dipengaruhi menurut
atribut data dimana perhitungan rata-rata dilakukan dengan pemberian bobot.
Secara sederhana, WMA merupakan rata-rata bergerak yang diberikan bobot pada
masing-masing data (Aritonang, 2002). Adapun rumus yang digunakan adalah
sebagai berikut :
𝑘𝑦𝑡 + (𝑘 − 1)𝑦𝑡−1 + ⋯ + 1𝑦𝑡−(𝑘−1)
𝑊𝑀𝐴(𝑘)𝑡 =
𝑘 + (𝑘 + 1) + ⋯ + 1

1.4 Exponential Moving Average (EMA)

Pemberian bobot pada Exponential Moving Average (EMA) sama halnya
seperti pada metode WMA yaitu dengan melibatkan periode atau faktor
pembobotan untuk setiap nilai dalam seri data berdasarkan urutan waktunya.
Seperti halnya WMA, pada EMA pembobotan untuk setiap titik data yang lebih 21
lama menurun secara eksponensial, jadi tidak pernah mencapai nol. Persamaan
EMA adalah sebagai berikut (Makridakis dkk, 2003) :
2
𝐾=
𝑘+1
𝐹𝑡 = 𝐾(𝑦𝑡 − 𝐹𝑡−1 ) + 𝐹𝑡−1
Sehingga :
2
𝐹𝑡+1 = (𝑦 − 𝐹𝑡 ) + 𝐹𝑡
𝑘 + 1 𝑡+1

5
2 Deskripsi Kerja

2.1 Studi Kasus

Ambilah data salah satu saham perusahaan selama satu tahun. Gunakan
Moving Average seperti pada video praktikum untuk melakukan analisis data !

2.2 Langkah Kerja

Dalam memulai menyelesaikan studi kasus yang telah diberikan, maka
praktikan akan mengerjakannya dengan langkah-langkah pengerjaan sebagai
berikut ini :

1. Hal pertama yang akan dilakukan oleh praktikan adalah membuka

software R Studio dengan cara : Desktop > Double Click pada Icon R
Studio. Seperti berikut ini.

Gambar 2.1. Tampilan Awal untuk Membuka R Studio

2. Maka akan muncul tampilan awal dari Jendela R Studio seperti berikut.

Gambar 2.2. Tampilan Awal dari R Studio

3. Kemudian, untuk melakukan analisis Moving Average akan

menggunakan package : TTR (Technical Trading Rules) yang digunakan

6
 dalam ana lisis harga saham. Dan untuk mendukung dalam mengunduh
data saham dari website penyedia data saham digunakan package :
quantmod seperti berikut.

Gambar 2.3. Syntax package

4. Praktikan akan melakukan analisis Moving Average untuk data saham
Perusahaan PT. Astra Agro Lestari Tbk dengan kode finansial : AALI.JK
dari website Yahoo Finance dengan kurun waktu dari tanggal 1
September 2018 sampai tanggal 1 September 2019. Sebelumnya,
praktikan akan mengunduh data historis dengan menggunakan perintah
getSymbols.

Gambar 2.4. Syntax untuk mengunduh data

5. Untuk menampilkan data saham yang telah diunduh sebelumnya,

praktikan menggunakan perintah View(AALI.JK) seperti berikut.

Gambar 2.5. Syntax untuk membuka file

6. Dalam analisis Moving Average ini, praktikan menggunakan data saham

adjusted. Sehingga data saham adjusted itu akan disimpan dalam sebuah
objek y maka syntax-nya seperti berikut.

Gambar 2.6. Syntax untuk objek data saham adjusted

7
7. Kemudian, praktikan akan menganalisis Moving Average pertama dengan
metode Simple Moving Average (SMA) periode 10 dengan syntax seperti
berikut.

Gambar 2.7. Syntax analisis MA dengan metode SMA(10)

8. Praktikan akan membuat data frame yang memuat gabungan antara
data dari objek y dan data hasil Moving Average menggunakan metode
SMA(10) dengan syntax seperti berikut.

Gambar 2.8. Syntax data frame untuk metode SMA(10)

9. Untuk menampilkan data frame (datasma10) tersebut dapat
digunakan syntax View(datasma10) seperti berikut.

Gambar 2.9. Syntax menampilkan data SMA(10)

10. Lalu, praktikan akan menampilkan data saham aktual dari PT.Astra Agro
Lestari Tbk dalam bentuk plot berwarna biru dengan syntax seperti
berikut.

Gambar 2.10. Syntax menampilkan plot untuk data aktual

11. Selain itu, untuk menampilkan data saham prediksi dengan metode
SMA(10) dalam bentuk plot berwarna merah yang dapat dilakukan
dengan syntax seperti berikut.

8
 Gambar 2.11. Syntax menampilkan plot untuk data SMA(10)
12. Praktikan menambahkan judul untuk kedua plot tersebut dengan syntax
seperti berikut.

Gambar 2.12. Syntax membuat judul pada plot

13. Untuk analisis Moving Average yang kedua, praktikan akan
menggunakan metode Weighted Moving Average (WMA) periode 10
dengan nilai pembobot 1 sampai 10. Syntax yang digunakan seperti
berikut.

Gambar 2.13. Syntax analisis MA dengan metode WMA(10)

14. Praktikan akan membuat data frame : datawma10 yang
merupakan gabungan antara data aktual dengan data prediksi dengan
metode WMA(10). Untuk syntax yang digunakan seperti berikut.

Gambar 2.14. Syntax data frame untuk metode WMA(10)

15. Untuk menampilkan data frame (datawma10) tersebut dapat
menggunakan syntax : View(datawma10) seperti berikut.

Gambar 2.15. Syntax menampilkan data WMA(10)

16. Selanjutnya, praktikan akan menampilkan data prediksi dengan
menggunakan metode WMA(10) ke dalam bentuk plot berwarna hijau,
dengan syntax seperti berikut.

9
 Gambar 2.16. Syntax menampilkan plot untuk data WMA(10)
17. Praktikan akan melakukan peramalan Moving Average dengan metode
yang ketiga yaitu Exponential Moving Average (EMA) periode 10 dengan
syntax seperti berikut.

Gambar 2.17. Syntax analisis MA dengan metode EMA(10)

18. Kemudian, praktikan membuat data frame yang memuat gabungan
antara data dari objek y dan data hasil Moving Average menggunakan
metode EMA(10) dengan syntax seperti berikut.

Gambar 2.18. Syntax data frame untuk metode EMA(10)

19. Untuk menampilkan data frame (dataema10) tersebut dapat
menggunakan syntax : View(dataema10) seperti berikut.

Gambar 2.19. Syntax menampilkan data EMA(10)

20. Praktikan akan melakukan perhitungan nilai Mean Square Error (MSE)
dari masing-masing metode Moving Average (MA). Untuk metode
SMA(10) dapat menggunakan syntax seperti berikut.

Gambar 2.20. Syntax menampilkan nilai MSE metode SMA(10)

21. Untuk perhitungan nilai MSE dari metode WMA(10) menggunakan
syntax seperti berikut.

10
 Gambar 2.21. Syntax menampilkan nilai MSE metode WMA(10)
22. Dan untuk perhitungan nilai MSE dari metode EMA(10) dapat
menggunakan syntax seperti berikut.

Gambar 2.22. Syntax menampilkan nilai MSE metode EMA(10)

23. Untuk menampilkan perhitungan nilai MSE dari ketiga metode MA
dalam bentuk kolom maka dapat menggunakan syntax seperti berikut.

Gambar 2.23. Syntax menampilkan nilai MSE dalam bentuk kolom

11
3 Pembahasan

Pada Lembar Pembahasan ini, praktikan akan menjelaskan lebih detail lagi
mengenai output dari penyelesaian studi kasus.

3.1 Mengimpor Data Saham PT.Astra Agro Lestari Tbk.

Pada langkah kerja sebelumnya, praktikan telah membuat syntax untuk
melakukan analisis moving average pada data saham perusahaan PT. Astra Agro
Lestari Tbk dengan kode finansial : AALI.JK yang diambil dari website penyedia
data saham yaitu Yahoo Finance dalam kurun waktu 1 tahun yaitu pada tanggal 1
September 2018 sampai 1 September 2019. Dalam melakukan analisis moving
average ini akan menggunakan package : TTR (Technical Trading Rules) yang
digunakan dalam analisis harga saham dan untuk mendukung dalam mengunduh
data saham dari website penyedia data saham digunakan package : quantmod.
Untuk output data saham aktual yang berhasil diunduh adalah sebagai berikut.

Gambar 3.1. Output Impor Data Aktual Saham

Dalam tampilan data saham diatas terlihat bahwa dalam data saham PT. Astra
Agro Lestari Tbk terdiri dari 260 data saham dengan masing-masing data memiliki

12
6 variabel data yaitu (1) Variabel AALI.JK.Open yang merupakan harga pembuka
dari saham,(2) Variabel AALI.JK High yang merupakan harga tertinggi dari saham,
(3)Variabel AALI.JK.Low yang merupakan harga terendah dari saham, (4)
Variabel AALI.JK.Close yang merupakan harga penutup dari saham, (5) Variabel
AALI.JK.Volume yang merupakan harga volume dari saham, dan (6) Variabel
AALI.JK.Adjusted yang merupakan harga penutup dari saham yang telah
disesuaikan,
Dalam analisis moving average ini, praktikan hanya akan menggunakan data
dari variabel AALI.JK.Adjusted dalam proses peramalan yang mana data pada
variabel adjusted disimpan dalam objek y.

3.2 Analisis MA menggunakan Metode Simple Moving Average

Untuk analisis Moving Average yang pertama, praktikan melakukannya
dengan menggunakan metode SMA(10) atau Simple Moving Average periode 10.
Dengan menggunakan syntax pada langkah kerja sebelumnya (poin 7 sampai 9)
diperoleh output untuk metode simple moving average (10) sebagai berikut.

Gambar 3.2. Output data frame metode SMA(10)

13
 Disini, praktikan hanya menampilkan 15 data teratas dari data saham dan data
prediksi dengan metode SMA(10). Dalam output diatas terdapat 2 variabel yang
ditampilkan yaitu data aktual saham (AALI.JK.Adjusted) dan data prediksi (SMA).
Dalam metode Simple Moving Average ini, praktikan menggunakan panjang
periode (n) sebesar 10. N merupakan banyaknya data yang dihitung rata-ratanya
untuk menggantikan nilai missing value. Serta untuk menghitung nilai peramalan
yang dihitung rata-rata dari nilai data aktual pertama sampai data kesepuluh. Rata-
rata tersebutlah yang merupakan nilai dari SMA-10 ysng diletakkan pada urutan
yang kesebelas. Untuk prediksi selanjutnya dapat dilakukan hal yang sama, tetapi
mulai dari data kedua sampai data kesembilan. Dengan kata lain menghitung
sepuluh rata-rata data yang berada disebelum data yang ingin diprediksikan.
Berdasarkan pada tampilan output diatas, pada tanggal 14 September 2019
data aktual dari saham menunjukkan angka 12496.221 sedangkan data prediksi
menggunkan SMA(10) diperoleh sebesar 12662.03. Kemudian, pada hari
berikutnya data aktual berada diangka 12255.908 namun untuk data prediksinya
sebesar 12599.55. Dua hari kemudian, data aktual menunjukkan angka 12135.752
sedangkan data prediksinya sebesar 12539.48. Tanggal 19 September, data aktual
saham diangka 11679.158 namun untuk data prediksinya diangka 12457.77.
Selanjutnya ditanggal 20 dan 21 September data aktualnya berada diangka
11727.222 dan 11775.283 sedangkan untuk data prediksinya sebesar 12383.27 dan
12297.76.
Praktikan juga menampilkan data aktual saham dalam bentuk plot dengan
menggunakan syntax pada langkah kerja sebelumnya (poin 10) dan menghasilkan
output seperti berikut ini.

14
 Gambar 3.3. Tampilan plot data aktual saham
Berdasarkan pada tampilan plot berwarna biru untuk data aktual saham PT.
Astra Agro Lestari Tbk secara keseluruhan terlihat bahwa data yang ada bergerak
cukup berfluktuatif. Pada awal bulan September datanya cukup tinggi berada
disekitar angka 13000, mengalami penurunan yang cukup tajam diawal sampai
pertengahan November yaitu diangka kurang dari 10000. Kemudian mengalami
peningkatan yang drastis pada bulan Februari hingga menyentuh pada angka lebih
dari 13500. Pada bulan Maret sampai Juli 2019 datanya bergerak dengan fluktuasi
yang cukup signifikan. Hingga pada bulan Agustus data saham turun sangat tajam
disekitar angka 9000. Dan untuk bulan September data bergerak naik lagi.
Selain menampilkan plot data aktual, praktikan juga menampilkan plot data
prediksi dengan menggunakan metode SMA(10). Diperoleh output sebagai berikut.

15
 Gambar 3.4. Tampilan plot data prediksi metode SMA(10)
Dalam plot diatas, untuk plot data prediksi dengan metode SMA(10) diberi
dengan warna merah. Berdasarkan tampilan plot diatas terlihat bahwa plot data
prediksi metode SMA(10) secara keseluruhan berfluktuasi mengikuti pola plot dari
data aktual. Sehingga dapat dikatakan bahwa data prediksi mempunyai nilai yang
hampir mirip dengan data aktualnya.

3.3 Analisis MA menggunakan Metode Weighted Moving Average

Selanjutnya, analisis Moving Average (MA) yang kedua adalah
menggunakan metode Weighted Moving Average (WMA). Dalam metode ini,
praktikan juga akan menggunakan jumlah periode yang sama dengan metode
Simple Moving Average yaitu periode 10. Dengan menggunakan syntax pada
langkah kerja sebelumnya (poin 13 sampai 15) diperoleh output untuk metode
weighted moving average (10) sebagai berikut.

16
 Gambar 3.5. Output data frame metode WMA(10)
Disini, praktikan hanya menampilkan 15 data teratas data saham dan data
prediksi dengan metode WMA(10). Dalam output diatas terdapat 2 variabel yang
ditampilkan yaitu data aktual saham (AALI.JK.Adjusted) dan data prediksi
(WMA). Dalam analisis Weighted Moving Average, praktikan menggunakan
panjang periode 10. Analisis WMA juga sama seperti metode SMA dihitung
dengan cara menghitung rata-rata kesepulun data awal.
Berdasarkan pada tampilan data frame dengan metode WMA(10) diatas
ddapat dilihat bahwa pada tanggal 14 September 2018 dimiliki data aktual diangka
12496.221 dan untuk data prediksinya sebesar 12646.09. Selanjutnya, ditanggal 15
September data aktualnya berada di 12255.908 sedangkan data prediksi di angka
12572.25. Dihari berikutnya, dipunyai data aktual pada angka 12135.752 namun
untuk data prediksinya sebesar 12487.92. Pada tanggal 17 dan 18 September nilai
data aktual sebesar 11679.158 dan 11727.222 sedangkan untuk data prediksinya
sebesar 12331.50 dan 12198.67. Kemudian, 19 September 2018 dipunyai data
aktual saham diangka 11775.283 tetpai untuk data prediksinya berada di 12088.13.

17
 Selain itu, praktikan akan menampilkan plot data untuk moving average
dengan menggunakan metode Weighted Moving Average. Dengan menggunakan
syntax yang ada pada langkah kerja poin 16. Sehingga diperoleh output sebagai
berikut ini.

Gambar 3.6. Tampilan plot data prediksi metode WMA(10)

Untuk plot data prediksi dengan menggunakan metode WMA(10) diberi
warna hijau. Disitu terlihat bahwa plot data tersebut juga mengikuti pola pada plot
data aktual saham. Sehingga bisa dikatakan untuk nilai data prediksi metode
WMA(10) hampir mendekati dengan data aktual.

3.4 Analisis MA menggunakan Metode Exponential Moving Average

Kemudian, untuk analisis Moving Average yang ketiga adalah menggunakan
Exponential Moving Average. Dalam metode ini, praktikan masih sama dengan
metode moving average sebelumnya yaitu menggunakan nilai periode 10. Sehingga
dapat dikatakan sebagai metode EMA(10). Dengan menggunakan syntax pada
langkah kerja sebelumnya (poin 17) diperoleh data frame antara data aktual dengan
data prediksi seperti berikut ini.

18
 Gambar 3.7. Output data frame metode EMA(10)
Disini, praktikan hanya menampilkan 15 data teratas data saham dan data
prediksi dengan metode EMA(10). Dalam output diatas terdapat 2 variabel yang
ditampilkan yaitu data aktual saham (AALI.JK.Adjusted) dan data prediksi (EMA).
Dalam analisis Exponential Moving Average, praktikan menggunakan panjang
periode 10. Analisis EMA juga sama seperti metode SMA dan WMA dihitung
dengan cara menghitung rata-rata kesepulun data awal.
Berdasarkan pada tampilan data frame diatas, tanggal 14 September 2018 data
aktual dari saham berada pada angka 12496.221, untuk data prediksinya sebesar
12662.03. Pada hari berikutnya, dipunyai data aktual di angka12255.908 dan untuk
data prediksi sebesar 12588.19. Data aktual saham untuk dua hari selanjutnya
berada di angka 12135.752 dan data prediksi diangka 12505.93. Untuk tanggal 19
September data aktual diangka 11679.158 tetapi untuk data prediksi sebesar
12355.61. Di tanggal 20 September diangka 12383.27 namun data prediksi nya
12241.36. Kemudian, pada tanggal 21 September 2018 data saham ada diangka
11775.283 dan data prediksinya diangka 12156.62.

19
 Untuk metode Exponential Moving Average dengan periode 10 atau
EMA(10) ini, praktikan tidak menampilkan untuk plot data prediksinya.
Selanjutnya, praktikan akan melakukan perhitungan untuk Mean Square Error
(MSE) dari masing-masing metode moving average yang telah dibahas
sebelumnya.

3.5 Perbandingan Nilai MSE pada Metode Moving Average

Praktikan akan melakukan pembahasan untuk hasil nilai Mean Square Error
dari masing-masing metode Moving Average yaitu metode Simple Moving Average
(SMA), Weighted Moving Average (WMA) dan Exponential Moving Average
(EMA) dengan menggunakan periode yang sama yaitu periode 10. Dengan
menggunakan syntax pada langkah kerja sebelumnya, diperoleh output sebagai
berikut.

Gambar 3.8. Output nilai Mean Square Error (MSE)

Berdasarkan output diatas, diperoleh nilai MSE untuk metode Simple Moving
Average (SMA) sebesar 138657.4, metode Weighted Moving Average (WMA)
sebesar 79494.14 dan nilai MSE untuk metode Exponential Moving Average
sebesar 95065.96. Berdasarkan hasil masing-masing nilai Mean Square Error yang
telah didapatkan dapat disimpulkan bahwa metode Weighted Moving Average
paling akurat karena nilai MSE-nya paling kecil. Semakin kecil nilai Mean Square
Error maka semakin akurat.

20
4 Penutup

4.1 Kesimpulan
Berdasarkan analisis Moving Average yang telah dilakukan oleh praktikan
dalam studi kasus tersebut dapat disimpulkan bahwa :

1. Nilai peramalan dengan menggunakan metode Simple Moving Average (SMA)

sebesar 138657.4
2. Nilai peramalan dengan menggunakan metode Weighted Moving Average
(WMA) sebesar 79494.14
3. Nilai peramalan dengan menggunakan metode Exponential Moving Average
(EMA) sebesar 95065.96.
4. Metode yang paling akurat adalah metode Weighted Moving Average (WMA)
karena nilai peramalannya mendekati data aktual dan nilai MSE-nya paling
kecil

21
5 Daftar Pustaka

Aritonang. (2002).
Makridakis. (1999).
Puspitasari, D. (2016, Desember 6). Simple Moving Average Menggunakan Excel.
Retrieved from Dunia Statistik: http://dunia-
statistikk.blogspot.com/2016/12/single-moving-average-sma-
menggunakan.html
Ulwan, M. N. (2014, Februari 3). Retrieved from Statistics Your Live:
wordpress:exponensial.wordpress.com/metode-peramalan/moving-average

22