ANALISA DATA BERKALA

METODE MOVING AVERAGE DAN METODE LEAST SQUARE

TUGAS MATA KULIAH

METODE PENELITIAN

Disusun Oleh :

1. Agra Nandha NIM 13210051

2. Muhamad Azriel Ghifari NIM 13210050
3. Rahmad NIM 13210062

KELAS 13.4B.37
TEKNOLOGI KOMPUTER
UNIVERSITAS BINA SARANA INFORMATIKA
2023

1
 KATA PENGANTAR

Puji syukur kami panjatkan kepada Tuhan yang Maha Esa, karena atas kehendaknya

kami dapat menyelesaikan makalah ini tepat pada waktunya. Dalam makalah ini kami

membahas tentang data berkala dengan menggunakan Moving Average dan Least Square.

Makalah ini dibuat dalam rangka memperdalam pemahaman tentang rata-rata bergerak

sederhana dan rata-rata bergerak tertimbang, keduanya akan kami bahas secara mendalam

dalam makalah ini.

Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk, maupun

pedoman bagi pembaca. Harapan kami semoga makalah ini dapat membantu menambah

pengetahuan bagi para pembaca.

Kami akui masih banyak kekurangan dalam makalah ini, oleh karena itu kami

harapkan kepada para pembaca untuk memberikan masukan-masukan yang bersifat

membangun untuk kesempurnaan makalah ini. Sehingga kami dapat memperbaiki bentuk

maupun isi makalah ini dan kedepannya dapat lebih baik. Demikian makalah ini kami buat

semoga memberikan manfaat bagi yang membaca.

2
 DAFTAR ISI

KATA PENGANTAR...........................................................................................................................2
DAFTAR ISI.........................................................................................................................................3
BAB I PENDAHULUAN......................................................................................................................4
1.1. Latar Belakang............................................................................................................................4
1.2. Rumusan Masalah.......................................................................................................................5
1.3.Tujuan Pembuatan Makalah........................................................................................................5
BAB II LANDASAN TEORI................................................................................................................6
2.1. Pengertian Analisis Data Berkala...............................................................................................6
2.2. Pengertian Moving Average.......................................................................................................6
2.3. Pengertian Least Square..............................................................................................................7
2.4. Metode........................................................................................................................................7
2.4.1. Peramalan (Forecasting)......................................................................................................7
2.4.2. Metode Peramalan Kuantitatif.............................................................................................8
2.4.3. Komponen Data Berkala......................................................................................................9
2.5. Ciri-ciri Trend Sekuler..............................................................................................................10
BAB III PEMBAHASAN...................................................................................................................12
3.1. Metode Rata-rata Bergerak Moving Average...........................................................................12
3.1.1 Contoh Soal Metode Rata-rata Bergerak.............................................................................12
3.2. Metode Least Square (Kuadrat terkecil)...................................................................................18
BAB IV PENUTUP.............................................................................................................................25
4.1. Kesimpulan...............................................................................................................................25
4.2. Saran.........................................................................................................................................26

3
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan,

penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok

besar yaitu statistika deskriptif dan inferensi statistika. Statistika deskriptif merupakan

metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan

informasi yang berguna. Sedangkan inferensi statistika mencakup semua metode yang

berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau

penarikan kesimpulan mengenai keseluruhan data (Walpole).

Analisa deret berkala adalah data yang dikumpulkan dari waktu ke waktu untuk

menggambarkan perkembangan suatu kegiatan (perkembangan, harga, hasil, penjualan,

jumlah penduduk, jumlah kecelakaan, jumlah kejahatan dan sebagainya).

Metode Moving Average merupakan komponen deret berkala dari bagian Trend

Sekuler yang merupakan perkembangan suatu kejadian, gejala atau variabel yang mengikuti

“gerakan trend sekuler”. Metode Moving Average biasanya digunakan oleh investor dan

trader

di seluruh dunia, karena moving average mampu menghilangkan faktor subjektif dari

setiap analisa. Moving average menunjukan nilai harga rata-rata satu periode tertentu.

Pada saat harga berubah, moving average bisa naik atau turun.

Metode Least Square (kuadrat terkecil) merupakan suatu metode analisis yang

ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang.

Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data)

4
yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang.

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti.

1.2. Rumusan Masalah

1. Bagaimana cara menentukan rata – rata bergerak sederhana ?

2. Bagaimana cara penggunaan metode peramalan  dengan rata-rata bergerak

(moving average) menggunakan Microsoft Excel ?

3. Bagaimana analisis trend penjualan dengan Metode Least Square pada usaha

sablon Pak Rahmad periode Januari 2020 sampai Agustus 2021 ?

1.3. Tujuan Pembuatan Makalah

Adapun tujuan dalam pembuatan makalah ini yaitu :

1. Mampu menganalisa data berkala dari waktu ke waktu dan dapat menguasai

materi rata-rata bergerak sederhana dan rata-rata bergerak tertimbang,

2. Mampu menerapkan Metode Moving Average dalam data sekunder dengan

menggunakan Microsoft Excel atau SPSS dan juga sebagai salah satu syarat

untuk nilai Ujian Akhir Semester.

3. Mampu menghitung secara berkala dan mengetahui cara perhitungan ramalan

penjualan menggunakan Metode Least Square.

5
 BAB II

LANDASAN TEORI

2.1. Pengertian Analisis Data Berkala

Analisis Data Berkala merupakan data yang dikumpulkan dari waktu ke waktu untuk

menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil

penjualan, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, jumlah unit dan lain-

lain). Analisis Data Berkala juga merupakan serangkaian data yang terdiri dari variabel Yi

yang merupakan serangkaian hasil observasi dan fungsi dari variabel Xi yang merupakan

variabel waktu yang bergerak secara seragam dan ke arah yang sama, dari waktu yang

lampau ke waktu yang mendatang.

Data berkala atau runut waktu adalah serangkaian pengamatan terhadap peristiwa,

kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urutan

waktu terjadinya dan kemudian disusun sebagai data statistik. Dari suatu runut waktu akan

dapat diketahui pola perkembangan suatu peristiwa, kejadian atau variabel. Jika

perkembangan suatu peristiwa mengikuti suatu pola yang teratur, maka berdasarkan pola

perkembangan tersebut akan dapat diramalkan peristiwa yang akan terjadi di masa yang akan

datang.

2.2. Pengertian Moving Average

Moving Average adalah indikator yang menghitung harga rata-rata suatu aset dalam

periode waktu tertentu, kemudian menghubungkannya dalam bentuk garis. Nilai rata-rata

dapat berasal dari harga pembukaan (open), penutupan (close), tertinggi (high), terendah

(low), ataupun pertengahan (median). Moving Average adalah bagian dari indikator lagging.

Artinya, metode ini berlandaskan peristiwa sebelumnya dan menerangkan informasi

6
mengenai data riwayat pasar. Kegunaannya bukan sebagai alat prediksi, melainkan memberi

konfirmasi.

2.3. Pengertian Least Square

 Least Square dapat memberikan pemahaman analisis seri berkala data yang

dikumpulkan dari waktu ke waktu untuk menggambarkan evolusi aktivitas (evolusi produksi,

harga, hasil penjualan, populasi, jumlah kecelakaan, jumlah kejahatan dan lain-lain). Deret

waktu atau time series adalah serangkaian pengamatan terhadap peristiwa atau variabel yang

dicatat dari waktu ke waktu, dicatat dengan cermat sesuai urutan kemunculannya dan

kemudian disusun sebagai data statistik.

2.4. Metode

2.4.1. Peramalan (Forecasting)

Peramalan dapat dilakukan secara kuantitatif ataupun kualitatif. Pengukuran

kuantitatif menggunakan metode statistik, sedangkan pengukuran kualitatif berdasarkan

pendapat (judgment) dari yang melakukan peramalan. Berkaitan dengan itu, dalam peramalan

dikenal istilah prakiraan dan prediksi.

Peramalan didefinisikan sebagai proses peramalan suatu variabel (kejadian) di masa

mendatang dengan berdasarkan data variabel yang bersangkutan pada masa sebelumnya.

Data masa lampau tersebut secara sistematik digabungkan dengan menggunakan suatu

metode tertentu dan diolah untuk memperoleh prakiraan keadaan pada masa mendatang.

Berdasarkan horizon waktu, Jenis-jenis peramalan dapat dibagi dalam tiga bagian, yaitu

peramalan jangka panjang, menengah, dan jangka pendek dengan penjelasan sebagai berikut.

1. Peramalan jangka panjang

7
 Merupakan peramalan yang mencakup waktu lebih besar dari 24 bulan, misalnya

peramalan yang diperlukan dalam kaitannya dengan penanaman modal, perencanaan

fasilitas, dan perencanaan untuk kegiatan litbang.

2. Peramalan jangka menengah

Merupakan peramalan yang mencakup waktu antara 3-24 bulan, misalnya peramalan

untuk perencanaan penjualan, perencanaan dan anggaran produksi.

3. Peramalan jangka pendek

Merupakan peramalan yang mencakup waktu kurang dari 3 bulan, misalnya peramalan

dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja, dan

penugasan.

2.4.2. Metode Peramalan Kuantitatif

Pada dasarnya, metode peramalan kuantitatif yang digunakan dalam prakiraan dapat

dikelompokkan dalam dua jenis yaitu sebagai berikut.

1. Metode serial waktu (deret berkala/time series)

Metode serial waktu adalah metode yang digunakan untuk menganalisis serangkaian data

yang merupakan fungsi dari waktu. Metode ini mengasumsikan bahwa beberapa pola

atau kombinasi pola selalu berulang sepanjang waktu dan pola dasar dapat diidentifikasi

semata-mata atas dasar data historis dari serial tersebut. Tujuan analisis ini untuk

menemukan pola deret variabel yang bersangkutan berdasarkan nilai-nilai variabel pada

masa sebelumnya dan mengekstrapolasikan pola itu untuk membuat peramalan nilai

variabel tersebut di masa mendatang.

2. Metode kausal (causal/explanatory model)

8
 Metode kausal mengasumsikan bahwa faktor yang diperkirakan menunjukkan adanya

hubungan sebab akibat dengan satu atau beberapa variabel bebas (independen).

Misalnya, permintaan printer berhubungan dengan jumlah penjualan komputer, atau

jumlah pendapatan berhubungan dengan faktor-faktor, seperti jumlah penjualan, harga

jual, dan tingkat promosi. Kegunaan metode kausal untuk menemukan bentuk hubungan

antara variabel-variabel dan menggunakannya untuk meramalkan nilai dari variabel tidak

bebas (dependen).

2.4.3. Komponen Data Berkala

Pola gerakan runut waktu atau deret berkala dapat dikelompokan ke dalam 4 (empat)

pola pokok. Pola ini bisanya disebut sebagai komponen dari deret berkala (runut waktu).

Empat komponen deret berkala tersebut adalah:

1. Trend Sekunder, yaitu gerakan yang berjangka panjang, lambat dan berkecendrungan

menuju ke satu arah yaitu arah menaik atau menurun.

2. Variasi Musim, yaitu ayunan sekitar trend yang bersifat musiman serta kurang lebih

teratur.

3. Variasi Siklus, yaitu ayunan trend yang berjangka lebih panjang dan agak lebih teratur.

4. Variasi Random/Residu, yaitu gerakan yang tidak teratur sama sekali.

Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
1. Gerakan/Variasi Trend jangka panjang atau Trend Sekuler (Long Term

Movements or Seculer Trend)

Gerakan/Variasi Trend jangka panjang merupakan suatu gerakan (garis atau kurva yang

halus) yang menunjukan arah perkembangan secara umum (kecenderungan menaik atau

menurun). Trend Sekunder umumnya meliputi gerakan yang lamanya sekitar 10 tahun

9
 atau lebih. Garis trend sangat berguna untuk membuat ramalan (forecasting) yang

merupakan perkiraan untuk masa depan yang diperlukan bagi perencanaan.

2. Gerakan/Variasi Siklis atau Siklus (Cyclical Movements or Variation)

Gerakan/Variasi Siklis atau Siklus adalah gerakan/variasi jangka panjang di sekitar garis

trend (berlaku untuk data tahunan). Gerakan Siklis terjadi berulang-ulang namun tidak

perlu periodik, artinya bisa berulang setelah jangka waktu tertentu (setiap 3 tahun, 5

tahun atau lebih) atau bisa juga tidak berulang dalam jangka waktu yang sama.

Gerakan Siklis yang sempurna atau melukiskan terjadinya empat fase kejadian dalam

jangka waktu tertentu, yakni kemajuan / kemakmuran (Prosperity), kemunduran / resesi

(Recession), depresi (Depression) dan pemulihan (Recovery).

3. Gerakan/Variasi Musiman (Seasonal Movements or Variation)

Gerakan Musiman mempunyai pola tetap atau berulang – ulang secara teratur selama

kurang lebih setahun. Faktor utama yang menyebabkan gerakan ini adalah iklim dan

kebiasaan.

4. Gerakan/Variasi Random/Residu (Irregular or Random Vriations)

Gerakan/Variasi Random/Residu merupakan gerakan atau variasi yang disebabkan oleh

faktor kebetulan (Chance Factor). Gerakan yang berbeda tetapi dalam waktu yang

singkat, tidak diikuti dengan pola yang teratur dan tidak dapat diperkirakan. Peperangan,

banjir, gempa bumi, perubahan politik, pemogokan dan sebagainya adalah beberapa

faktor yang terkenal yang bisa menyebabkan gerakan ini terjadi sehingga mempengaruhi

kegiatan-kegiatan perdagangan, perindustrian, keuangan dan lainnya.

2.5. Ciri-ciri Trend Sekuler

Trend (T) atau Trend Sekuler ialah gerakan dalam data berkala yang berjangka

panjang, lambat dan berkecenderungan menuju ke satu arah yaitu arah menaik atau menurun.

10
Umumnya meliputi gerakan yang lamanya 10 tahun atau lebih. Trend sekuler dapat disajikan

dalam bentuk: 1) Persamaan trend, baik persamaan linear maupun persamaan non linear;

2) Gambar/grafik yang dikenal dengan garis/kurva trend, baik garis lurus maupun garis

melengkung.

Trend juga sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan,

misalnya menggambarkan hasil penjualan, jumlah penduduk, jumlah kecelakaan,

jumlah kejahatan, jumlah unit, perkembangan produksi harga volume penjualan dari waktu

ke waktu dan lain-lain. Trend digunakan dalam melakukan peramalan (forecasting). Metode

yang biasanya dipakai, antara lain adalah Metode Semi Average dan Metode Least Square.

BAB III

PEMBAHASAN
11
3.1. Metode Rata-rata Bergerak/Moving Average

Rumus Moving Average atau Rata-rata Bergerak adalah sebagai berikut :

MA = ΣX / Jumlah Periode

Keterangan :

MA = Moving Average

ΣX = Keseluruhan Penjumlahan dari semua data periode waktu yang diperhitungkan

Jumlah Periode = Jumlah Periode Rata-rata Bergerak

Atau dapat ditulis dengan :

MA = (n1 + n2 + n3 + …) / n

Keterangan :

MA = Moving Average

n1 = data periode pertama

n2 = data periode kedua

n3 = data periode ketiga dan seterusnya

n = Jumlah Periode Rata-rata Bergerak

3.1.1 Contoh Soal Metode Rata-rata Bergerak

Untuk memudahkan pemahaman, berikut kami berikan contoh soal dan jawaban

menggunakan Metode Moving Average.

12
Soal 1

fPerusahaan PT Indonesia yang bergerak di bidang manufakturing laptop ingin meramalkan

penjualan laptop untuk bulan April dan bulan Mei dengan menggunakan data bulanannya

yang dimulai dari bulan Januari. Periode rata-rata bergeraknya adalah 3 bulan. Lakukan

perkiraan dengan metode rata-rata bergerak.

Bulan Penjualan (unit) Perkiraan (unit)

Januari 22.500 –

Februari 37.500 –

Maret 30.000 –

April ?

Mei ?

Jawaban :

Perkiraan penjualan untuk bulan April adalah :

MA April = (22.500 + 37.750 + 30.000) / 3

MA April = 90.000 / 3

MA April = 30.000

Jadi perkiraan penjualan laptop pada bulan April adalah sekitar 30.000 unit.

Kita dapat melanjutkan lagi untuk bulan Mei dengan menggunakan data perkiraan yang

dihitung tersebut atau dengan menunggu hasil aktual pada bulan yang bersangkutan.

13
Misalnya data aktual pada bulan April yang didapat adalah 35.000 unit, maka perhitungannya

adalah sebagai berikut :

MA Mei = (37.500 + 30.000 + 35.000) / 3

MA Mei = 102.500 / 3

MA Mei = 34.167

Dengan perhitungan tersebut didapatkan jawaban bahwa perkiraan penjualan laptop untuk

bulan Mei adalah sekitar 34.167 unit.

Catatan : Untuk perhitungan bulan Mei, penjualan pada bulan Januari dihilangkan dan

digantikan dengan hasil penjualan pada bulan April. Hal ini karena perhitungan Moving

Average atau Rata-rata Bergerak kita adalah 3 bulanan.

Kita dapat membuat tabel peramalan penjualan dengan tabel seperti berikut ini :

Bulan Penjualan (unit) Perkiraan (unit)

Januari 22.500 –

Februari 37.500 –

Maret 30.000 –

April 35.000 30.000

Mei ? 34.167

14
Kita dapat melanjutkan tabel ini setelah mendapatkan data-data aktual penjualannya. Berikut

ini adalah contoh tabel dan grafik perhitungan peramalan atau perkiraan penjualan beserta

data aktual penjualannya.

Perkiraan Penjualan vs. Data Aktual Penjualan dengan Metode Rata-Rata Bergerak

Soal 2

Dari data berikut, tentukan estimasi produksi menggunakan metode rata-rata bergerak.

Tahun Produksi (Y)

1997 300

1998 320

1999 260

2000 400

2001 410

2002 412

15
Jawaban :

Tahun Produksi (Y) Jumlah Produksi / 3th Estimasi Produksi / 3th

1997 300 –

1998 320 880 293,333

1999 260 980 326,666

2000 400 1070 356,666

2001 410 1222 407,333

2002 412 –

Estimasi produksi untuk tahun 1998 adalah :

MA 1998 = (300 + 320 + 260) / 3

MA 1998 = 880 / 3

MA 1998 = 293,333

Estimasi produksi untuk tahun 1999 adalah :

MA 1999 = (320 + 260 + 400) / 3

16
MA 1999 = 980 / 3

MA 1999 = 326,666

Estimasi produksi untuk tahun 2000 adalah :

MA 2000 = (260 + 400 + 410) / 3

MA 2000 = 1070 / 3

MA 2000 = 356,666

Estimasi produksi untuk tahun 2001 adalah :

MA 2000 = (400 + 410 + 412) / 3

MA 2000 = 1222 / 3

MA 2000 = 407,333

Dari tabel di atas, maka estimasi produksi dapat dilihat di kolom rata-rata bergerak 3 tahun,

misalnya estimasi produksi untuk tahun 2001 adalah 407 unit.

Berikut data yang disajikan dalam grafik.

17
 Estimasi produksi menggunakan metode rata-rata bergerak
dari tahun 1997-2002
1400

1200

1000

800

600

400

200

0
1997 1998 1999 2000 2001 2002

Produksi (Y) Jumlah Produksi / 3th Estimasi Produksi / 3 th

3.2. Metode Least Square (Kuadrat terkecil)

Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya

lebih teliti. Persamaan garis trend yang akan dicari ialah:

Y ‘ = a0 +bx

a = (SY) / n

b = (SYx) / Sx2

18
 Keterangan:

    Y ‘    = data berkala (time series) = taksiran nilai trend.

    a0     = nilai trend pada tahun dasar.

    b     = rata-rata pertumbuhan nilai trend tiap tahun.

    x     = variabel waktu (hari, minggu, bulan atau tahun).

Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x)

sehingga jumlah nilai variabel waktu adalah nol atau Sx = 0.

Untuk n ganjil maka n = 2k + 1 ® X k+1 = 0

 Jarak antara dua waktu diberi nilai satu satuan.

 Di atas 0 diberi tanda negatif

 Dibawahnya diberi tanda positif.

Untuk n genap maka n = 2k ® X ½ [k+(k+1)] = 0

 Jarak antara dua waktu diberi nilai dua satuan.

 Di atas 0 diberi tanda negatif

 Dibawahnya diberi tanda positif.

Soal 1

19
Tentukanlah persamaan trend linier jumlah karet (ton) yang di muat di Pelabuhan Tanjung

Priok tahun 2010-2015.

TAHUN Y (barang) X (waktu) YX X^2

2010 10 -5 -50 25

2011 12 -3 -36 9

2012 15 -1 -15 1

2013 9 1 9 1

2014 11 3 33 9

2015 14 5 70 25

71 11 70
 

Berdasarkan tabel tersebut data tahun sebanyak 6 tahun sehingga diperoleh: n = 6

Untuk n genap maka

n = 2k ® k = n/2 = 6/2 = 3 ® 

X ½ [k+(k+1)] = X ½ [3+(3+1)]

= X ½ [3+(4)]

20
 = X 7/2 = X 3,5 = 0

 Jarak antara dua waktu diberi nilai dua satua

 Di atas 0 diberi tanda negatif

 Dibawahnya diberi tanda positif.

Artinya Tahun dasar nol terletak antara tahun ke 3 dan ke 4 (tahun 2012 dan tahun 2013).

Sehingga tidak terlihat di tabel tersebut untuk X = 0.

Dengan data dari Tabel tersebut diperoleh perhitungan:

a = (SY) / n = 71 / 6 = 11,83

b = (SYx) / Sx2 = 11 / 70 = 0,16

sehingga diperoleh persamaan trend:

Y ‘ = a0 +bx à Y ‘ = 11,83 + 0,16 x

Jika ditanyakan Tahun 2009 (artinya X = -7) maka diperoleh:

Y ‘ = 11,83 + 0,16 x = 11,83 + 0,16 (-7) = 11,83 – 1,12 = 10,71

Jika ditanyakan Tahun 2017 (artinya X = 9) maka diperoleh:

Y ‘ = 11,83 + 0,16 x = 11,83 + 0,16 (9) = 11,83 + 1,44 = 13,27

Berikut data yang disajikan dalam tabel.

21
 Persamaan trend linier jumlah karet (ton) yang di muat di
Pelabuhan Tanjung Priok tahun 2010-2015
80

60

40

20

0
2010 2011 2012 2013 2014 2015

-20

-40

-60

Y (Barang) X (Waktu) YX X^2

Soal 2

Tentukanlah persamaan trend linier jumlah karet (ton) yang dimuat di Pelabuhan Tanjung

Priok tahun 2010 – 2016.

22
 TAHUN Y (barang) X (waktu) YX X^2

2010 10 -3 -30 9

2011 12 -2 -24 4

2012 15 -1 -15 1

2013 9 0 0 0

2014 11 1 11 1

2015 14 2 28 4

2016 20 3 60 9

91 30 28
 

Berdasarkan tabel tersebut data tahun sebanyak 7 tahun sehingga diperoleh: n = 7

Untuk n ganjil maka

n = 2k + 1 ® k = (n-1)/2 = (7-1)/2 = 6/2 = 3 à X k+1 = 0 à X 3 + 1 = X4 = 0

23
  Jarak antara dua waktu diberi nilai satu satuan.

 Di atas 0 diberi tanda negatif

 Dibawahnya diberi tanda positif.

Artinya tahun dasar nol terletak di tahun ke 4 (tahun 2013). Sehingga terlihat seperti di tabel

tersebut untuk X = 0.

Dengan data dari Tabel tersebut diperoleh perhitungan:

a = (SY) / n = 91 / 7 = 13

b = (SYx) / Sx2 = 30 / 28 = 1,07

sehingga diperoleh persamaan trend:

Y ‘ = a0 +bx à Y ‘ = 13 + 1,07x

Jika ditanyakan tahun 2009 (artinya X = – 4) maka diperoleh:

Y ‘ = 13 + 1,07x = 13 + 1,07 (-4) = 8,72

Jika ditanyakan tahun 2017 (artinya X = 4) maka diperoleh:

Y ‘ = 13 + 1,07x = 13 + 1,07 (4) = 17,28

Berikut data yang disajikan dalam tabel.

24
 Persamaan trend linier jumlah karet (ton) yang dimuat di Pelabuhan
Tanjung Priok tahun 2010 – 2016
100

80

60

40

20

0
2010 2011 2012 2013 2014 2015 2016

-20

-40

Y (Barang) X (Waktu) YX X^2

BAB IV

25
 PENUTUP

4.1. Kesimpulan

Kesimpulan dari materi tentang analisa data berkala dengan metode moving average

adalah SMA dihitung dengan cara menambahkan harga yang akan dihitung kemudian dibagi

dengan periode lama waktunya. Sedangkan WMA data diurutkan secara tertimbang,

kemudian dibagi dengan faktor bilangan binomial. Metode rata-rata bergerak merupakan

metode pengolahan data kuantitatif.

Kegunaan dari Moving Average yaitu moving average menentukan trend yang akan

terjadi, menentukan titik support dan resistance pergerakan harga, memuluskan indikator lain

yang terlalu bergerigi. Metode simple averages menggunakan rata-rata dari semua data

peramalan.

Peramalan yang diberikan oleh metode least square dalam data berkala cukup baik,

hal tersebut menunjukkan bahwa metode least square merupakan metode yang lebih teliti

sehingga sering digunakan untuk menghitung data berkala. Selain itu metode least square

juga dapat digunakan tidak hanya untuk meramalkan penjualan tetapi berbagai macam

peramalan lainnya, contohnya saja perkembangan produksi dan lain-lain.

Ramalan penjualan hanya perkiraaan atas penjualanan di masa yang akan datang,

jarang sekali penjualan akan sama dengan ramalan penjualan, oleh karena itu akan terjadi

penyimpangan/perbedaan antara penjualan dengan ramalan penjualan baik jumlah penjualan

diatas/melebihi jumlah ramalan penjualan maupun jumlah penjualan dibawah/kurang dari

jumlah ramalan penjualan.

4.2. Saran

26
 Pada perhitungan dengan metode least square tentunya juga diperlukan ketelitian dan

kecermatan agar tidak terjadi kesalahan, untuk memperkecil kesalahan pada metode least

square ini bisa menggunakan MS. Excel.

Akhir dari makalah ini, semoga para pembaca mampu memahami cara menganalisa

data menggunakan metode moving average maupun metode least square dan pembaca

mampu menerapkan metode ini menggunakan Ms. Excel ataupun penerapan dalam

kehidupan

sehari-hari.

27