LAPORAN PRAKTIKUM
ANALISIS RUNTUN WAKTU
Modul 1 : Moving Average
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
iii
1 Pendahuluan
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
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.
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.
6
9. Selanjutnya, untuk membuat plot data dengan data prediksi dari masing-
masing metode Moving Average, digunakan syntax seperti pada Gambar 2. 9.
7
3 Pembahasan
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.
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.
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.
11
(kuning) mengikuti alur plot pada data aktual (biru). Hal ini menunjukkan akurasi
peramalan yang baik atau dengan kata lain ukuran kesalahan yang rendah.
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().
13
Daftar Pustaka
14