Kelas C

LAPORAN PRAKTIKUM
ANALISIS RUNTUN WAKTU
Modul 1 : Moving Average

Nomor Tanda Tangan

Nama Praktikan Tanggal Kumpul Praktikan
Mahasiswa
Muchamad Nur Kholis 19611095 20 Oktober 2021

Tanggal Tanda Tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Duhania Oktasya Mahara
Puspita Putri Nabilah
Mujiati Dwi Kartikasari, S.Si, M.Sc.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2021
Daftar Isi

Daftar Isi.................................................................................................................. ii
Daftar Gambar ........................................................................................................ iii
1 Pendahuluan .................................................................................................... 1
1.1 Single Moving Average (SMA) ................................................................ 1
1.2 Weighted Moving Average (WMA) ......................................................... 1
1.3 Exponential Moving Average (EMA)....................................................... 2
1.4 Mean Square Error (MSE)....................................................................... 2
1.5 Mean Absolute Percentage Error (MAPE) .............................................. 2
2 Deskripsi Kerja................................................................................................ 4
2.1 Studi Kasus ............................................................................................... 4
2.2 Langkah Kerja .......................................................................................... 4
3 Pembahasan ..................................................................................................... 8
3.1 Pembahasan Studi Kasus 1 ....................................................................... 8
3.2 Pembahasan Studi Kasus 2 ....................................................................... 9
3.2.1 Metode Simple Moving Average (SMA)........................................ 10
3.2.2 Metode Weighted Moving Average (WMA) .................................. 10
3.2.3 Metode Exponential Moving Average (EMA) ............................... 11
3.3 Pembahasan Studi Kasus 3 ..................................................................... 11
3.4 Pembahasan Studi Kasus 4 ..................................................................... 12
4 Penutup.......................................................................................................... 13
4.1 Kesimpulan ............................................................................................. 13
Daftar Pustaka ....................................................................................................... 14

ii
Daftar Gambar

Gambar 2. 1. Logo RStudio ................................................................................... 4

Gambar 2. 2. Tampilan Awal RStudio ................................................................... 4
Gambar 2. 3. Mengimpor Packages yang Dibutuhkan ......................................... 5
Gambar 2. 4. Mengunduh Data Saham dari Yahoo! Finance................................ 5
Gambar 2. 5. Mengambil Variabel Adjusted Close ............................................... 5
Gambar 2. 6. Peramalan Metode SMA dengan 5 Periode ..................................... 6
Gambar 2. 7. Peramalan Metode WMA dengan 5 Periode ................................... 6
Gambar 2. 8. Peramalan Metode EMA dengan 5 Periode..................................... 6
Gambar 2. 9. Membuat Plot Data Aktual dengan Data Peramalan ....................... 7
Gambar 2. 10. Menghitung Nilai MSE ................................................................. 7
Gambar 2. 11. Menghitung Nilai MAPE ............................................................... 7
Gambar 2. 12. Dataframe Ukuran Kesalahan ....................................................... 7
Gambar 3. 1. Data Saham PT. Astra International Tbk. ........................................ 8
Gambar 3. 2. Data Saham Penutupan yang Sudah Disesuaikan ............................ 9
Gambar 3. 3. Hasil Peramalan dengan Metode SMA(5) ..................................... 10
Gambar 3. 4. Hasil Peramalan dengan Metode WMA(5) ................................... 10
Gambar 3. 5. Hasil Peramalan dengan Metode EMA(5) ..................................... 11
Gambar 3. 6. Plot Data Aktual dengan Data Peramalan ..................................... 11
Gambar 3. 7. Ukuran Kesalahan Masing-masing Metode................................... 12

iii
1 Pendahuluan

1.1 Single Moving Average (SMA)

Menurut Makridakis, Wheelwright, dan McGee (1995) Single Moving
Average (SMA) atau Rata-rata bergerak Tunggal adalah nilai rata-rata yang tidak
tertimbang dari n data sebelumnya atau dengan kata lain Sebuah teknik yang
merata-ratakan sebuah angka dari nilai aktual terbaru, diperbaharui sebagai nilai-
nilai baru yang tersedia. Rumus yang digunakan adalah sebagai berikut :
𝑌𝑡 + 𝑌𝑡−1 + 𝑌𝑡−2 +∙∙∙∙ 𝑌𝑡−𝑛−1
𝑆𝑀𝐴 = 𝑀𝑡 = 𝑀𝑡 +1 =
𝑛
Dimana :
Mt = Moving average untuk periode t
Ft+1 = Ramalan untuk Periode t+1
Yt = Nilai ril epriode ke t
N = Jumlah batas dalam moving average
(Haryanto, 2010)
1.2 Weighted Moving Average (WMA)
Rata-rata bergerak tertimbang atau rata-rata bergerak terboboti adalah suatu
model peramalan yang dirancang untuk menambah bobot pada data terbaru yang
lebih berat dari pada data masa lalu. Jumlah bobot pada model ini sebesar 100 %
pada data yang digunakan untuk model peramalan. Pada model SMA bobot dari
semua waktu (t) adalah sama, sedang pada model ini data terbaru bobotnya lebih
besar dari data yang lalu. Model WMA ini dapat ditulis sebagai (Hansun dan
Subanar, 2017) :
𝑛𝑝𝑀 + (𝑛 − 1)𝑛𝑝𝑀−1 + 2𝑝(𝑀−𝑛+2) + 𝑝(𝑀−𝑛+1)
𝑊𝑀𝐴𝑀 =
𝑛 + (𝑛 + 1) +∙∙∙∙ +2 + 1
Dimana :
N = Periode atau time interlude
𝑝𝑚 = Nilai rill periode ke m
𝑊𝑀𝐴𝑀 = Nilai ramalan model WMA
(Baktiar, C., Wibowo, A., & Adipranata, R., 2015)

1
1.3 Exponential Moving Average (EMA)
Model ini merupakan pengembangan model rata-rata bergerak terboboti
(WMA) kearah model eksponensial. Bobot yang diberikan sedikit berbeda dengan
model WMA, pada model EMA ini data terbaru diboboti lebih besar dari data yang
telah lalu dan bobot terlama mendekati nol yang membentuk grafik secara
eksponensial. Model EMA ini menurut Nist (2018) dapat ditulis sebagai :
𝑆1 = 𝑌1 𝑓𝑜𝑟𝑡 > 1, 𝑆𝑡+1 = 𝛼. 𝑌𝑡 + (1 − 𝛼). 𝑆𝑡
Dimana :
Yt = Nilai ro;; periode ke t
St = Nilai smooting exponential EMA period eke t
𝛼 = konstanta smooting antara 0 sampai dengan 1
2
𝛼=
(𝑚 + 1)
(Haryanto, 2010)
1.4 Mean Square Error (MSE)
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode
peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian
dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur
kesalahan peramalan yang besar karena kesalahan - kesalahan itu dikuadratkan.
Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih
baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.
Mean Squared Error adalah rata-rata dari kesalahan forecast dikuadratkan, atau
jika dituliskan dalam bentuk rumus adalah :
∑𝑡=1 (𝑑𝑡 − 𝑑𝑡′ )2
𝑀𝑆𝐸 =
𝑛
(Haryanto, 2010)
1.5 Mean Absolute Percentage Error (MAPE)
Mean Absolute Percentage Error (MAPE) merupakan ukuran kesalahan
relatif, merupakan ukuran ketepan relatif yang digunakan untuk mengetahui
persentase penyimpangan hasil pendugaan. Pendekatan ini berguna ketika ukuran
atau besar variabel ramalan itu penting dalam mengevaluasi ketepatan ramalan.

2
MAPE mengindikasi seberapa besar kesalahan dalam menduga yang dibandingkan
dengan nilai nyata.
𝑛
𝑦𝑖 − ŷ𝑖
𝑀𝐴𝑃𝐸 = ∑ | | × 100%
ŷ𝑖
𝑡=1

Dimana ;
MAPE = Mean Absolute Percentage Error
n = Jumlah data
y = Nilai hasil aktual
ŷ = Nilai hasil pendugaan
(Aindhae, 2019)

3
2 Deskripsi Kerja

2.1 Studi Kasus

1. Pilih satu saham di Indonesia dan carilah kode finansial saham tersebut melalui
“www.finance.yahooo.com”. Unduh harga historis saham di Indonesia dalam
kurun waktu satu tahun.
2. Lakukan analisis data menggunakan SMA, WMA, dan EMA. Tentukan panjang
periodenya.
3. Gambarkan plot data aktual dengan nilai dari rata-rata bergerak. Berikan
intepretasi pada plot.
4. Tentukan nilai pengukuran kesalahan meliputi MSE dan MAPE

2.2 Langkah Kerja

Berikut adalah langkah-langkah yang dilakukan praktikan dalam
menyelesaikan studi kasus.
1. Sebelum memasuki studi kasus, buka RStudio seperti pada Gambar 2. 1.

Gambar 2. 1. Logo RStudio

2. Kemudian, akan muncul tampilan awal RStudio seperti pada Gambar 2. 2.

Gambar 2. 2. Tampilan Awal RStudio

4
3. Lalu, praktikan meng-install packages “TTR” untuk menganalisis teknis
harga aset saham dan packages “quantmod” untuk mengunduh data finansial
dari website data historis. Untuk meng-install packages gunakan syntax
install.packages(nama_packages) sedangkan untuk mengaktifkan
packages digunakan syntax library(nama_packages) seperti pada Gambar
2. 3.

Gambar 2. 3. Mengimpor Packages yang Dibutuhkan

4. Selanjutnya, praktikan akan mengunduh data saham yang ada di Indonesia
dari “Yahoo! Finance”. Dalam hal ini, praktikan akan mengambil data saham
dari PT. Astra International Tbk dengan simbol saham yaitu ASII.JK untuk
kurun waktu 1 tahun yaitu dari 1 Oktober 2020 s.d. 13 Oktober 2020. Syntax
yang digunakan untuk emngunduh data saham dari Yahoo! Finance adalah
getSymbols() seperti pada Gambar 2. 4.

Gambar 2. 4. Mengunduh Data Saham dari Yahoo! Finance

5. Variabel yang akan diambil dalam peramalan ini adalah harga saham
penutupan yang sudah disesuaikan, sehingga syntax yang digunakan adalah
“Ad” untuk kata “Adjusted” seperti pada Gambar 2. 5.

Gambar 2. 5. Mengambil Variabel Adjusted Close

5
6. Selanjutnya, praktikan melakukan peramlaan dengan metode Moving
Average. Yang pertama adalah menggunakan Single Moving Average (SMA)
dengan periode yang ditentukan oleh praktikan yaitu 5. Untuk metode SMA
ini, gunakan syntax SMA(y, n_periode). Lalu, praktikan membuat
dataframe nilai aktual dan nilai prediksi dengan syntax data.frame()
seperti pada Gambar 2. 6.

Gambar 2. 6. Peramalan Metode SMA dengan 5 Periode

7. Yang kedua adalah menggunakan Weighted Moving Average (WMA) dengan
periode yang ditentukan oleh praktikan yaitu 5 dan bobot yang digunakan
adalah 1 s.d 5. Untuk metode WMA ini, gunakan syntax WMA(y,

n_periode, bobot). Lalu, praktikan membuat dataframe nilai aktual dan

nilai prediksi dengan syntax data.frame() seperti pada Gambar 2. 7.

Gambar 2. 7. Peramalan Metode WMA dengan 5 Periode

8. Yang terakhir adalah menggunakan Eksponential Moving Average (EMA)
dengan periode yang ditentukan oleh praktikan yaitu 5. Untuk metode EMA
ini, gunakan syntax EMA(y, n_periode). Lalu, praktikan membuat
dataframe nilai aktual, nilai prediksi SMA(5), dan nilai prediksi EMA(5)
dengan syntax data.frame() seperti pada Gambar 2. 8.

Gambar 2. 8. Peramalan Metode EMA dengan 5 Periode

6
9. Selanjutnya, untuk membuat plot data dengan data prediksi dari masing-
masing metode Moving Average, digunakan syntax seperti pada Gambar 2. 9.

Gambar 2. 9. Membuat Plot Data Aktual dengan Data Peramalan

10. Kemudian, praktikan mencari ukuran kesalahan untuk masing-masing
metode Moving Average yaitu dengan nilai Mean Squared Error (MSE) dan
Mean Absolute Percentage Error (MAPE) dengan rumus seperti yang telah
dijabarkan pada Bab Pendahuluan. Untuk menghitung Mean Squared Error
(MSE) digunakan syntax seperti pada Gambar 2. 10.

Gambar 2. 10. Menghitung Nilai MSE

11. Lalu, untuk menghitung Mean Absolute Percentage Error (MAPE)
digunakan syntax seperti pada Gambar 2. 11.

Gambar 2. 11. Menghitung Nilai MAPE

12. Untuk mempermudah dalam membaca ukuran kesalahan, praktikan
membuatnya ke dalam bentuk dataframe dengan syntax seperti Gambar 2. 12.

Gambar 2. 12. Dataframe Ukuran Kesalahan

7
3 Pembahasan

Sebelumnya telah dipaparkan deskripsi kerja mengenai langkah kerja untuk

menyelesaikan studi kasus. Pada bab pembahasan ini praktikan akan menjelaskan
lebih detil lagi mengenai hal tersebut.

3.1 Pembahasan Studi Kasus 1

Pada studi kasus pertama ini, praktikan diminta untuk mengambil data salah
satu saham yang ada di Indonesia dalam kurun waktu satu tahun. Untuk mencari
simbol finansial, dapat dilihat di “https://finance.yahoo.com/” dengan
mengetikkan nama perusahaan di kolom search. Dalam hal ini, praktikan
mengambil data dari PT. Astra International Tbk. dengan symbol saham yaitu
“ASII.JK” untuk kurun waktu 1 Oktober 2020 s.d 13 Oktober 2021. Syntax
yang digunakan untuk mengunduh data tersebut seperti pada Gambar 2. 4.
Maka, data yang telah diunduh akan seperti pada Gambar 3. 1.

Gambar 3. 1. Data Saham PT. Astra International Tbk.

8
 Dalam hal ini, variabel yang akan diambil dalam peramalan adalah harga
saham penutupan yang sudah disesuaikan yaitu variabel “ASII.JK.Adjusted”,
sehingga syntax yang digunakan adalah “Ad” untuk kata “Adjusted” seperti pada
Gambar 2. 5. Data yang akan dilakukan analisis seperti pada Gambar 3. 2.

Gambar 3. 2. Data Saham Penutupan yang Sudah Disesuaikan

Berdasarkan output yang diperoleh, maka praktikan telah berhasil
mendapatkan data saham penutupan yang sudah disesuaikan, yang kemudian akan
dilakukan analisis runtun waktu dengan metode Moving Average.

3.2 Pembahasan Studi Kasus 2

Pada studi kasus kedua ini, praktikan diminta untuk melakukan analisis pada
data menggunakan metode Simple Moving Average (SMA), Weighted Moving
Average (WMA), dan Exponential Moving Average (EMA). Dalam hal ini,
praktikan menentukan periode yaitu sebanyak 5 periode.

9
3.2.1 Metode Simple Moving Average (SMA)
Untuk metode SMA dengan periode sebanyak 5 periode, digunakan syntax
SMA(y, n = 10) seperti pada Gambar 2. 6. Maka, didapat hasil peramalan dengan
metode SMA(5) seperti Gambar 3. 3.

Gambar 3. 3. Hasil Peramalan dengan Metode SMA(5)

3.2.2 Metode Weighted Moving Average (WMA)

Untuk metode WMA dengan periode sebanyak 5 periode dan bobot 1 s.d 5,
digunakan syntax WMA(y, n = 10, wts = 1:5) seperti pada Gambar 2. 7. Maka,
didapat hasil peramalan dengan metode WMA(5) seperti Gambar 3. 4.

Gambar 3. 4. Hasil Peramalan dengan Metode WMA(5)

10
3.2.3 Metode Exponential Moving Average (EMA)
Untuk metode EMA dengan periode sebanyak 5 periode, digunakan syntax
EMA(y, n=10) seperti pada Gambar 2. 8. Maka, didapat hasil peramalan dengan
metode EMA(5) seperti Gambar 3. 5.

Gambar 3. 5. Hasil Peramalan dengan Metode EMA(5)

3.3 Pembahasan Studi Kasus 3

Pada studi kasus kedua ini, praktikan diminta untuk plot data aktual dengan
nilai dari rata-rata bergerak. Untuk membuat plot ini dengan syntax seperti pada
Gambar 2. 9. Maka, akan dihasilkan output seperti pada Gambar 3. 6.

Gambar 3. 6. Plot Data Aktual dengan Data Peramalan

Maka berdasarkan plot pada Gambar 3. 6. dapat disimpulkan bahwa ketiga
metode peramalan menggunakan SMA(5) (merah), WMA(5) (hijau), dan EMA(5)

11
(kuning) mengikuti alur plot pada data aktual (biru). Hal ini menunjukkan akurasi
peramalan yang baik atau dengan kata lain ukuran kesalahan yang rendah.

3.4 Pembahasan Studi Kasus 4

Pada studi kasus keempat ini, praktikan diminta untuk mencari ukuran
kesalahan untuk masing-masing metode Moving Average yaitu dengan nilai Mean
Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) dengan
rumus seperti yang telah dijabarkan pada Bab Pendahuluan. Untuk menghitung
nilai MSE digunakan syntax seperti pada Gambar 2. 10. Sedangkan, untuk
menghitung nilai MAPE digunakan syntax seperti pada Gambar 2. 11. Kemudian
Untuk mempermudah dalam membaca ukuran kesalahan, praktikan membuatnya
ke dalam bentuk dataframe dengan syntax seperti Gambar 2. 12. Maka akan
dihasilkan output seperti pada Gambar 3. 5.

Gambar 3. 7. Ukuran Kesalahan Masing-masing Metode

Pada Gambar 3. 6. tersebut dapat diketahui bahwa nilai MSE untuk metode
SMA(5) sebesar 12581.902, metode WMA(5) sebesar 6984.386, dan metode
EMA(5) sebesar 8627.267. Sedangkan, nilai MAPE untuk metode SMA(5) sebesar
1.63%, metode WMA(5) sebesar 1.21%, dan metode EMA(5) sebesar 1.33%. Dari
sini dapat diketahui nilai MSE dan MAPE terkecil adalah peramalan dengan
metode WMA(5) sehingga dapat disimpulkan bahwa metode peramalan terbaik
untuk analisis runtun waktu untuk data saham PT. Astra International Tbk. Ini
adalah dengan metode Weighted Moving Average (WMA) dengan periode
sebanyak 5 periode dan bobot yaitu 1 s.d 5.

12
4 Penutup

4.1 Kesimpulan
Dari studi kasus dan percobaan yang telah praktikan lakukan, praktikan dapat
menarik beberapa kesimpulan, yaitu:
1. Data yang diunduh praktikan adalah data dari PT. Astra International Tbk.
dengan symbol saham yaitu “ASII.JK” untuk kurun waktu 1 Oktober 2020
s.d 13 Oktober 2021. Untuk mengunduh data ini digunakan syntax
getSymbols().

2. Untuk melakukan analisis rata-rata bergerak (Moving Average) di R,

dibutuhkan packages “TTR”. Untuk Single Moving Average (SMA)
digunakan syntax SMA(), untuk Weighted Moving Average (WMA)
digunakan syntax WMA(), dan untuk Exponential Moving Average (EMA)
digunakan syntax EMA(). Dalam analisis ini, praktikan menggunakan jumlah
periode sebanyak 5 periode.
3. Berdasarkan plot yang telah dibuat praktikan, dapat disimpulkan bahwa
ketiga metode peramalan menggunakan SMA(5), WMA(5), dan EMA(5)
mengikuti alur plot pada data aktual. Hal ini menunjukkan akurasi peramalan
yang baik atau dengan kata lain ukuran kesalahan yang rendah.
4. Berdasarkan perhitungan MSE dan MAPE di R, didapatkan hasil bahwa MSE
untuk metode SMA(5) sebesar 12581.902, metode WMA(5) sebesar
6984.386, dan metode EMA(5) sebesar 8627.267. Sedangkan, nilai MAPE
untuk metode SMA(5) sebesar 1.63%, metode WMA(5) sebesar 1.21%, dan
metode EMA(5) sebesar 1.33%.
5. Berdasarkan perhitungan MSE dan MAPE di R, dapat diketahui bahwa nilai
MSE dan MAPE terkecil adalah peramalan dengan metode WMA(5)
sehingga dapat disimpulkan bahwa metode peramalan terbaik untuk analisis
runtun waktu untuk data saham PT. Astra International Tbk. Ini adalah
dengan metode Weighted Moving Average (WMA) dengan periode sebanyak
5 periode dan bobot yaitu 1 s.d 5.

13
Daftar Pustaka

Aindhae. (2019, Desember 17). CARA MENGHITUNG MEAN ABSOLUTE

PERCENTAGE ERROR (MAPE) DENGAN EXCEL. Retrieved from
aindhae.com: https://www.aindhae.com/2019/12/cara-menghitung-mean-
absolute.html
Baktiar, C., Wibowo, A., & Adipranata, R. (2015). Retrieved from Pembuatan
Sistem Peramalan Penjualan Dengan Metode Weighted Moving Average
dan Double Exponential Smoothing Pada UD Y.
Haryanto, T. (2010). Penerapan Metode Winter's Exponential Smoothing dan
Single Moving Average dalam Sistem Pengadaan Obat Rumah Sakit.
Prosiding Seminar Nasional Manajemen Teknologi XI (Vol.12, pp. 1-10).

14