Disusun Oleh :
TEKNOLOGI KOMPUTER
UNIVERSITAS BINA SARANA INFORMATIKA
2022
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
Semoga makalah ini dapat dipergunakan sebagai salah satu acuan, petunjuk maupun
pedoman bagi pembaca. Harapan kami semoga makalah ini dapat membantu menambah
kami akui masih banyak kekurangannya, oleh karena itu saya harapkan kepada para
kesempurnaan makalah ini. Sehingga kami dapat memperbaiki bentuk maupun isi makalah
ini sehingga kedepannya dapat lebih baik. Demikian makalah ini kami buat semoga
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.........................................................................................................................11
3.1. Metode Rata-rata Bergerak Moving Average...........................................................................11
3.1.1 Contoh Soal Metode Rata-rata Bergerak............................................................................11
3.2. Metode Least Square (Kuadrat terkecil)...................................................................................14
BAB IV PENUTUP..................................................................................................................................19
4.1.Kesimpulan................................................................................................................................19
4.2.Saran..........................................................................................................................................20
BAB I PENDAHULUAN
1.1.Latar Belakang
Analisa deret berkala adalah data yang dikumpulkan dari waktu kewaktu untuk
menggambarkan perkembangan suatu kegiatan (perkembangan, harga, hasil, penjualan,
jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb).
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 diseluruh
dunia, karena moving average mampu menghilangkan faktor subjektif dari setiap analisa.
Moving average menunjukan nilai harga rata-rata satu periodie 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)
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
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 runtut waktu adalah serangkaian pengamatan terhadap peristiwa,
kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-
urutan waktu terjadinya, kemudian disusun sebagai data statistik.
Dari suatu runtut 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 bakal
terjadi dimasa yang akan datang.
Moving Average adalah indikator yang menghitung harga rata-rata suatu aset dalam
periode waktu tertentu, kemudian menghubungkannya dalam bentuk garis. Nilai rata-rata bisa
berasal dari harga pembukaan (open), penutupan (close), tertinggi (high), terendah (low),
ataupun pertengahan (median).
Memahami Analisis Seri Berkala Data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan evolusi aktivitas (evolusi produksi, harga, hasil penjualan, populasi, jumlah
kecelakaan, jumlah kejahatan, dll)
Deret waktu atau time series adalah serangkaian pengamatan terhadap peristiwa,
peristiwa, atau variabel yang dicatat dari waktu ke waktu, dicatat dengan cermat sesuai urutan
kemunculannya, dan kemudian disusun sebagai data statistik.
2.4.Metode
pendapat (judgment) dari yang melakukan peramalan. Berkaitan dengan itu, dalam peramalan
datang dengan berdasarkan data variabel yang bersangkutan pada masa sebelumnya. Data
masa lampau itu secara sistematik digabungkan dengan menggunakan suatu metode tertentu
Jenis-jenis peramalan dapat dibagi dalam tiga bagian, yaitu peramalan jangka panjang,
Berdasarkan horizon waktu, Jenis-jenis peramalan dapat dibagi dalam tiga bagian, yaitu
1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 24 bulan, misalnya
peramalan yang diperlukan dalam kaitannya dengan penanaman modal, perencanaan fasilitas,
3. Peramalan jangka pendek, yaitu untuk jangka waktu kurang dari 3 bulan, misalnya
dan penugasan.
Pada dasarnya, metode kuantitatif yang digunakan dalam prakiraan dapat dikelompokkan dalam
1. . Metode serial waktu (deret berkala, time series) 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
itu. Tujuan analisis ini untuk menemukan pola deret variabel yang bersangkutan
berdasarkan nilai-nilai variabel pada masa sebelumnya, dan mengekstrapolasikan pola itu
diprakirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa
jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan metode kausal untuk
Gerakan atau variasi dari data berkala juga terdiri dari empat komponen, yaitu:
1. Gerakan/VariasiTrend jangka panjang atau Trend Sekuler
(long term movements or seculer trend)
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 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 movementsor variation)
Gerakan Siklis adalah gerakan/variasi jangka panjang disekitar garis trend (Berlaku
untuk data tahunan).
Gerakan Siklis terjadi berulang – ulang namun tidak perlu periodic, 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 yang 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 variations)
Gerakan atau variasi yang disebabkan oleh faktor kebetulan (Chance Factor). Gerakan
yang berbeda tapi 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
dll.
Trend (T) atau Trend Sekuler ialah gerakan dalam data berkala yang berjangka panjang,
lamban dan berkecenderungan menuju ke satu arah, arah menaik atau menurun. Umumnya
meliputi gerakan yang lamanya 10 tahun atau lebih.
Trend juga sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan,
misalnya :
Menggambarkan hasil penjualan /Jumlah penduduk / jumlah kecelakaan / jumlah kejahatan /
jumlah unit, dll.
Perkembangan produksi harga Volume penjualan dari waktu ke waktu, dll
Trend digunakan dalam melakukan peramalan (forecasting). Metode yang biasanya dipakai,
antara lain adalah Metode Semi Average dan Metode Least Square.
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
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
Untuk memudahkan pemahaman sobat, silahkan simak contoh soal dan jawaban moving
average method berikut ini :
Januari 22.500 –
February 37.500 –
Maret 30.000 –
April ?
Mei ?
Jawaban :
Jadi perkiraan penjualan ponsel 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.
Misalnya data aktual pada bulan April yang didapat adalah 35.000 unit, maka perhitungannya
adalah sebagai berikut :
Dengan perhitungan tersebut didapat bahwa perkiraan penjualan ponsel untuk 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 :
Januari 22.500 –
Februari 37.500 –
Maret 30.000 –
Mei ? 34.167
Kita dapat melanjutkan tabel ini setelah mendapatkan data-data aktua 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
2. Dari data berikut, tentukan estimasi produksi menggunakan metode rata-rata bergerak.
1997 300
1998 320
1999 260
2000 400
2001 410
2002 412
Jawaban :
1997 300 –
2002 412 –
Dari tabel di atas, maka estimasi produksi bisa dilihat di kolom rata-rata bergerak 3 tahun,
misalnya estimasi produksi untuk tahun 2001 adalah 407 unit.
Metode ini paling sering digunakan untuk meramalkan Y, karena perhitungannya lebih teliti.
Y ‘ = a0 +bx
a = (SY) / n
b = (SYx) / Sx2
dengan :
Untuk melakukan penghitungan, maka diperlukan nilai tertentu pada variabel waktu (x)
sehingga jumlah nilai variabel waktu adalah nol atau Sx = 0.
CONTOH SOAL:
Tentukanlah persamaan trend linier jumlah karet (ton) yang dimuat di Pelabuhan
Tanjung Priok tahun 2010 – 2015.
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
= X 7/2 = X 3,5 = 0
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.
a = (SY) / n = 71 / 6 = 11,83
CONTOH SOAL:
Tentukanlah persamaan trend linier jumlah karet (ton) yang dimuat di Pelabuhan
Tanjung Priok tahun 2010 – 2016.
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
Artinya Tahun dasar nol terletak di Tahun ke 4 (tahun 2013). Sehingga terlihat seperti di tabel
tersebut untuk X = 0.
a = (SY) / n = 91 / 6 = 15,17
BAB IV 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
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, itu
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
Ramalan penjualan hanya perkiraaan atas penjualanan dimasa 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
4.2.Saran
Pada perhitungan dengan metode least square tentunya juga diperlukan ketelitian dan
kecermatan agar tidak terjadi kesalahan, untuk memperkecil kesalahan pada metode least
Mengenai analisa data menggunakan metode moving average, semoga para pembaca
mampu memahami apa yang kami maksutkan dan pembaca mampu menerapkan metode ini