PRAKTIKUM 1

SINGLE MOVING AVERAGE

Salah satu metode peramalan secara kuantitatif yang sering digunakan dalam praktek
adalah Moving Average. Selain cara perhitungan yang sederhana, metode ini juga tepat digunakan
untuk kegiatan peramalan yang bersifat harian, mingguan, atau bulanan dengan data yang relatif
stabil.

Metode Moving Average digunakan untuk menghilangkan fluktuasi data, khususnya

fluktuasi data yang disebabkan nilai-nilai yang dianggap iregular. Metode ini berasumsi bahwa
data historis (masa lalu) mempunyai nilai yang relative sama dengan saat ini, sehingga data masa
lalu dianggap masih berkaitan dengan saat ini, dan nantinya akan digunakan untuk meramal data
dimasa depan. Dengan demikian proses rata-rata dilakukan secara kontinu, dari data-data masa
lalu, terus ‘bergerak’ kedata saat ini sehingga metode ini dinamakan ‘moving average’ (rata-rata
bergerak).

Single Moving Average

Menentukan ramalan dengan metode single moving averages cukup mudah dilakukan. Bila
akan menerapkan 4 bulan rata-rata bergerak maka ramalan pada bulan Mei dihitung sebesar rata-
rata 4 bulan sebelumnya. Persamaan matematis dari teknik ini adalah:

̂ 𝑡+1 =
𝑌𝑡 + 𝑌𝑡−1 + . . . +𝑌𝑡+1−𝑘
𝑌
𝑘

Keterangan:

̂ 𝑡+1
𝑌 : Nilai peramalan untuk periode mendatang

𝑌𝑡 : Nilai pada periode t

k : angka pada movng average

Metode single moving average memiliki karakteristik khusus, yaitu:
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data 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

Contoh:

Berikut data penjualan sebuah produk dari tahun 1987 sampai tahun 2006
Tahun Penjualan Tahun Penjualan
1987 200 1997 245
1988 245 1998 217
1989 258 1999 259
1990 256 2000 245
1991 215 2001 244
1992 295 2002 268
1993 254 2003 214
1994 278 2004 268
1995 254 2005 235
1996 215 2006 216

Manajemen ingin meramalkan hasil penjualan menggunakan metode peramalan single moving
average. Bandingkan metode single moving average orde 3 dan 5, manakah metode yang paling
tepat?
Adapun langkah-langkah melakukan peramalan terhadap data di atas adalah:
a. Masukkan data ke dalam kolom C1 seperti pada Gambar. Ubah nama kolom C1 dengan data
penjualan

b. Klik Stat > Time Series > Moving Average. . .

c. Pada kotak dialog Moving Average, lakukan pengisian:
 Masukkan variabel penjualan ke Variable
 MA Length atau angka m yang akan digunakan. Karena akan dirata-rata setiap 3 periode
data, ketik angka 3
 Aktifkan bagian Generate forecast dengan mengklik kotak yang ada disebelahnya.
Generate Forecast akan menampilkan data hasil forecast dari Minitab berdasar MA-3. Ada
dua kotak isian:
 Number of forecast atau berapa jumlah data yang akan diramalkan. Untuk
keseragaman, ketik angka 1. Hal ini menunjukkan akan diramalkan hasil penjualan
untuk tahun 2007 (karena data terakhir adalah penjualan tahun 2006).
 Starting From Origin. Abaikan saja bagian ini. Dengan mengosongkan bagian ini,
peramalan akan dimulai pada akhir data, seperti yang diinginkan dibagian Number
of forecast.
 Klik kotak Options, muncul kotak dialog Moving Average-Option
 Kolom Title dapat diisi atau diabaikan, tanpa mempengaruhi analisis. Untk keseragaman,
ketik MOVING AVERAGE 3
 Kemudian tekan OK untuk kembali ke kotak dialog utama.
  Klik tombol Storage. Untuk keseragaman, aktifkan semua pilihan yang ada, seperti terlihat
pada gambar berikut

 Kemudian tekan OK untuk kembali pada kotak dialog utama.

d. Tekan tombol OK untuk proses data.

Moving Average for Penjualan

Data Penjualan
Length 20
NMissing 0

Moving Average

Length 3

Accuracy Measures

MAPE 9.545
MAD 23.098
MSD 746.667

Forecasts

Period Forecast Lower Upper

21 239.667 186.110 293.223
 Terlihat hasil peramalan untuk periode 21 adalah 239,667. Hal ini berarti penjualan
tahun 2007 diperkirakan sebesar Rp. 239,667 juta, dengan perkiraan prediksi bisa turun
sampai Rp. 186,110 juta atau dapat melewati angka Rp. 239,667 juta yakni dapat mencapai
bagian atas sebesar Rp. 293,233 juta.

Contoh berikut menjelaskan proses single moving average dengan length berbeda,
yakni m = 5.
Adapun langkah-langkah melakukan peramalan dengan m = 5 adalah sama dengan langkah-
langkah di atas yakni:
a. Masukkan data ke dalam kolom C1 seperti pada Gambar. Ubah nama kolom C1 dengan data
penjualan

b. Klik Stat > Time Series > Moving Average. . .

c. Pada kotak dialog Moving Average, lakukan pengisian:
 Masukkan variabel penjualan ke Variable
 MA Length atau angka m yang akan digunakan. Karena akan dirata-rata setiap 5 periode
data, ketik angka 5
 Aktifkan bagian Generate forecast dengan mengklik kotak yang ada disebelahnya.
Generate Forecast akan menampilkan data hasil forecast dari Minitab berdasar MA-3. Ada
dua kotak isian:
 Number of forecast atau berapa jumlah data yang akan diramalkan. Untuk
keseragaman, ketik angka 1. Hal ini menunjukkan akan diramalkan hasil penjualan
untuk tahun 2007 (karena data terakhir adalah penjualan tahun 2006).
 Starting From Origin. Abaikan saja bagian ini. Dengan mengosongkan bagian ini,
peramalan akan dimulai pada akhir data, seperti yang diinginkan dibagian Number
of forecast.
 Klik kotak Options, muncul kotak dialog Moving Average-Option
 Kolom Title dapat diisi atau diabaikan, tanpa mempengaruhi analisis. Untk keseragaman,
ketik MOVING AVERAGE 5
 Kemudian tekan OK untuk kembali ke kotak dialog utama.

 Klik tombol Storage. Untuk keseragaman, aktifkan semua pilihan yang ada, seperti terlihat
pada gambar berikut

 Kemudian tekan OK untuk kembali pada kotak dialog utama.

d. Tekan tombol OK untuk proses data.
 Garis merah (forecast) agak berbeda dengan peramalan pada MA-3. Peramalan MA-
5 menunjukkan kecenderungan penjualan menurun untuk peramalan tahun 2007 dan beberapa
tahun kedepan.
Untuk pengukuran tingkat kesalahan peramalan, pada kotak Accuracy measure terlihat
perbandingna angka MAPE, MAD, dan MSD pada MA-3 dan MA-5
Moving Moving
Average Length 3 Average Length 5
Accuracy Measure Accuracy Measure
MAPE 9,545 MAPE 9,135
MAD 23,098 MAD 22,280
MSD 746,667 MSD 735,309

Terlihat angka-angka pengukuran kesalahan peramalan pada MA-5 lebih kecil

dibandingkan dengan MA-3. Hal ini menunjukkan peramalan penjualan dengan cara moving
average lebih tepat menggunakan MA-5 dari pada MA-3.
 Terlihat peramalan untuk tahun 2007 sebesar 240,2 (Rp. 240,2 juta), denga range
peramalan antara Rp. 187,052 juta sampai Rp. 293,348 juta.
Angka AVER1 adalah angka rata-rata (average) dari lima data diatasnya (karena MA
mempunyai length 5). Sebagai contoh, angka 234,8 berasal dari (lihat rumus MA):

̂6 = 200+245+258+256+215
𝑌 5
= 234,8
Angka FITS1 sama dengan angka pada kolom AVER1, dengan penempatan bergeser
satu baris.
Angka RES1 adalah angka residua atau selisih data asli (actual) dengan data hasil
peramalan (FITS1). Sebagai contoh, angka 60,2 berasal dari
295 – 234,8 = 60,2.