Analisa Data Berkala Dengan Metode Moving Average

Tugas ini dibuat untuk memenuhi Nilai Tugas Project Mata Kuliah Statistika

Tim Penyusun :
Ryan Wolff (15220219)
Silmi Rahmadina (15220277)
Hanif Izzul Haq (15220263)
Parhan Sahlani (15220226)
Rifky Wadahana (15220247)

PROGRAM STUDI ILMU KOMPUTER KAMPUS KALIABANG

UNIVERSITAS BINA SARANA INFORMATIKA
KALIABANG
2023
 KATA PENGANTAR

Puji dan syukur tim penulis ucapkan atas kehadirat Tuhan Yang Maha Esa atas segala
rahmat-Nya sehingga makalah yang berjudul “Analisa Data Berkala Dengan Metode Moving
Average” ini dapat terancang dengan baik sampai terselesaikan.

Makalah ini dibuat dengan tujuan memenuhi salah satu tugas yang diberikan oleh
dosen mata kuliah statistika. Pembuatan makalah ini juga tidak terlepas dari kontribusi
seluruh anggota. Penulis sangat berharap bahwa project kelompok ini dapat menambah
pengetahuan serta dapat membantu pembaca dalam rangka memperdalam pemahaman
tentang rata-rata bergerak sederhana dan rata-rata bergerak tertimbang yang disusun oleh tim
penulis.

Demikian makalah ini penulis buat, apabila terdapat kesalahan dalam penulisan
ataupun ketidaksesuaian materi yang kami rancang pada makalah ini, penulis mohon maaf.
Tim penulis menerima kritik dan saran yang membangun dari pembaca untuk kesempurnaan
makalah ini dan agar bisa membuat karya makalah yang lebih baik pada kesempatan
kedepannya.

Hormat kami,

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR........................................................................................................... ii

DAFTAR ISI.......................................................................................................................... iii

BAB I PENDAHULUAN...................................................................................................... 1

1.1 Latar Belakang........................................................................................................... 1

1.2 Rumusan Masalah...................................................................................................... 1
1.3 Tujuan........................................................................................................................ 1
BAB II LANDASAN TEORI................................................................................................ 2

2.1 Pengertian Analisa Data Berkala............................................................................... 2

2.2 Pengertian Moving Average...................................................................................... 2
2.3 Peramalan (Forecasting)............................................................................................ 2
2.4 Metode Peramalan Kuantitatif................................................................................... 3
2.5 Komponen Data Berkala............................................................................................ 4

BAB III PEMBAHASAN...................................................................................................... 5

3.1 Rata-rata Bergerak Sederhana.................................................................................... 5

3.2 Rata-rata Bergerak Tertimbang.................................................................................. 7

BAB IV PENUTUP............................................................................................................... 9

4.1 Kesimpulan................................................................................................................ 9
4.2 Saran........................................................................................................................... 9

DAFTAR PUSTAKA............................................................................................................ 10

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu atau pengetahuan yang berhubungan dengan cara-cara

pengumpulan, penyajian, pengolahan, dan analisis data. Statistika terbagi menjadi 2 yaitu
statistika deskriptif dan statistika inferensial. Statistika deskriptif merupakan cara ilmiah
untuk mengumpulkan, menyusun, meringkas, dan menyajikan data. Statistika inferensial
merupakan cara untuk mengolah dan menarik kesimpulan dari data yang teliti serta
menghasilkan keputusan yang logis dari pengolahan data tersebut.

Adapun definisi statistik adalah alat pengolah data angka atau produk dari kerja
statistika. Pada awal perkembangannya statistik digunakan untuk melakukan pendataan dan
analisa mengenai penduduk. Analisa data penduduk ini penting bagi pemerintah untuk
mengetahui jumlah, penyebaran, komposisi dan perkembangan penduduk dari tahun ke
tahun. Saat ini statistik berkembang, merambah ke banyak bidang. Ada beberapa fungsi dari
statistika yaitu statistika menggambarkan data dalam bentuk numeric/variabel, statistika
sebagai teknik untuk membuat perbandingan data, statistika dapat menentukan suatu
hubungan sebab akibat.

1.2 Rumusan Masalah

1. Bagaimana cara menentukan rata-rata bergerak sederhana dan rata-rata bergerak

tertimbang.
2. Bagaimana cara penggunaan metode peramalan dengan rata-rata bergerak
sederhana dan rata-rata bergerak tertimbang.

1.3 Tujuan

Tujuan dari penyusunan makalah ini adalah untuk membandingkan hasil pengolahan
data statistik baik secara manual maupun otomatis dengan menggunakan Microsoft Excel,
untuk menambah wawasan ilmu statistika terutama pada Metode Moving Average serta
untuk pemenuhan nilai UAS.

iv
 BAB II

LANDASAN TEORI

2.1 Pengertian Analisa Data Berkala

Analisa data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil
penjualan, jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dsb). Serangkaian nilai-
nilai variabel yang disusun berdasarkan waktu. 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 kearah 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 dari 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 (Pane & Rahcmadani, 2020).

2.2 Pengertian Moving Average

Moving Average atau MA adalah indikator yang sering sekali digunakan para trader.
Fungsi indikator ini digunakan untuk menghitung pergerakan harga rata-rata dari suatu
instrument finansial dalam suatu rentang waktu. Biasanya digunakan dalam waktu harian,
mingguan, bulanan, bahkan tahunan. Pada saat harga berubah, Moving Average bisa naik
atau turun (Santoso, 2013).

2.3 Peramalan (Forecasting)

Peramalan (Forecasting) adalah suatu teknik analisa perhitungan yang dilakukan

dengan pendekatan kualitatif maupun kuantitatif untuk memperkirakan kejadian dimasa
depan dengan menggunakan referensi data-data dimasa lalu. Peramalan bertujuan untuk
memperkirakan prospek ekonomi dan kegiatan usaha serta pengaruh lingkungan terhadap

v
prospek tersebut. Peramalan merupakan suatu tahap awal dari perencanaan produksi. Pada
tahap ini ingin diketahui bagaimana keadaan dimasa yang akan datang dalam kaitannya
dengan perencanaan produksi, maka keadaan dimasa yang akan datang yang dimaksud adalah
jumlah permintaan produk yang diminta konsumen.

Untuk membantu tercapainya suatu keputusan yang optimal dalam perencanaan

produksi tersebut diperlukan adanya suatu cara yang tepat, sistematis dan dapat
dipertanggung jawabkan. Tujuan-tujuan dari peramalan dapat berupa perencanaan
pengembangan produk, perencanaan produksi dari produk yang dihasilkan dengan fasilitas
yang tersedia, penjadwalan produksi dengan peralatan yang tersedia, sebagai dasar penyusun
anggaran tahunan perusahaan (Pianda, 2018).

Metode peramalan atau forecasting berdasarkan waktu peramalan terbagi menjadi 3, yaitu :

1. Peramalan Jangka Panjang yaitu forecasting yang menggunakan analisis dengan

waktu yang lebih panjang biasanya berlangsung selama dua tahun lebih. Misalnya,
peramalan yang diperlukan dalam kaitannya dengan penanaman modal, perencanaan
fasilitas, dan perencanaan untuk kegiatan litbang.
2. Peramalan Jangka Menengah yaitu dengan waktu tiga bulan hingga dua tahun.
Misalnya, peramalan untuk perencanaan penjualan, perencanaan produksi, dan
perencanan tenaga kerja tidak tetap.
3. Peramalan Jangka pendek yaitu dengan jangka waktu nol hingga tiga bulan. Misalnya,
peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan
kerja, dan penugasan karyawan (Rusyida, 2022).

2.4 Metode Peramalan Kuantitatif

Peramalan yang didasarkan atas data penjualan pada masa lalu. Hasil peramalan yang
dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut.
Penggunaan metode yang berbeda akan diperoleh hasil yang berbeda. Merupakan cara
peramalan yang menggunakan perumusan matematis atau statistik. Pada dasarnya metode
peramalan kuantitatif dapat dibedakan dalam dua jenis yaitu :

1. Metode deret waktu (Time Series Methods) yaitu metode peramalan yang didasarkan
atas penggunaan analisa pola hubungan antara variabel yang digunakan dengan
variabel waktu yang merupakan deret waktu.

vi
 2. Metode sebab akibat atau metode korelasi (Causal Methods) yaitu metode peramalan

yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan

diperkirakan dengan variabel lain yang mempengaruhinya yang bukan waktunya.

(Pianda, 2018).

2.5 Komponen Data Berkala

Gerakan/variasi dari data berkala terdiri dari empat komponen yaitu :

1. Gerakan Trend Jangka Panjang (Trend Sekuler) = T adalah suatu gerakan yang
berjangka panjang, lamban, dan berkecenderungan menuju kesatu arah (arah naik
atau menurun). Waktunya: Meliputi gerakan yang lama sekitar 10 tahun atau
lebih. Penyebabnya : Teknologi, arus modal, dan investasi, standar hidup yang
lebih baik dan terus meningkat. Contohnya: Pergerakan harga emas murni (arah
naik), pergerakan kematian penduduk (arah turun).
2. Gerakan/Variasi Siklis (Cyclical Movements or Variation) = C adalah gerakan
/variasi jangka panjang disekitar garis trend berlaku untuk data tahunan.
Waktunya: Gerakan siklus ini bisa terulang setelah jangka waktu tertentu (setiap 3
tahun, 5 tahun atau lebih) dan bisa juga terulang jangka waktu yang sama.
Contohnya: Gerakan siklis yang menunjukkan jangka waktu terjadinya
kemakmuran (prosperity), kemunduran (recession), deferesi (depression), dan
pemulihan (recovery).
3. Gerakan/Variasi Musiman (Seasonal Movements/Variation) = S adalah gerakan

yang berulang secara teratur (pola tetap) dari waktu kewaktu. Waktunya:

Berlangsung kurang dari setahun (Harian, bulanan, triwulanan). Penyebabnya:

Umumnya iklim dan tradisi. Contohnya: Iklim misalnya musim hujan (bulan

November-Februari) perusahaan ice cream mengalami penurunan penjualan.

4. Gerakan/Variasi yang tidak teratur (Irregular or Random Movements) = I adalah

gerakan yang disebabkan faktor kebetulan (chance factor) dan sifatnya sporadis.

Waktunya: Gerakan tidak diketahui kapan gerakan tersebut terulang.

vii
 Penyebabnya: Banjir, gempa bumi, pemogokan, perubahan politik. Contohnya:

Pada saat pemogokan hasil produksi menurun (Sari et al., 2023).

BAB III
PEMBAHASAN

3.1 Rata-rata Bergerak Sederhana

Rata-rata bergerak sederhana adalah metode yang digunakan untuk meramalkan atau
memprediksi sesuatu yang terjadi di masa depan dengan menggunakan data-data sebelumnya
yang di rata-ratakan untuk mendapat jumlah peramalan periode berikutnya secara kuantitatif.

Salah satu manfaat penting dari rata-rata bergerak adalah mengurangi variasi dari data
berkala aslinya. Dengan mengurangi variasi tersebut, maka rata-rata bergerak dapat
menghilangkan fluktuasi-fluktuasi yang tidak diinginkan. Rata-rata bergerak sederhana akan
bermanfaat jika diasumsikan bahwa permintaan pasar tetap stabil. Metode ini dibedakan atas
dasar jumlah tahun yang digunakan untuk mencari rata-ratanya. Jika digunakan 3 tahun
sebagai dasar pencarian rata-rata bergerak maka prosedur menghitung rata-rata bergerak
sederhana per 3 tahun adalah sebagai berikut :

1. Jumlahkan data selama 3 tahun berturut-turut. Hasilnya diletakkan di tengah-tengah

tahun tersebut.
2. Bagilah dengan banyaknya tahun tersebut (3) untuk mencari nilai rata-rata hitungnya.
3. Jumlahkan data berikutnya selama 3 tahun berturut-turut dengan meninggalkan tahun
yang pertama. Hasilnya diletakkan di tengah-tengah tahun tersebut dan bagilah
dengan banyaknya tahun tersebut (3) dan seterusnya sampai selesai.

Rumus Rata-rata Bergerak Sederhana adalah sebagai berikut :

MA = ΣX / Jumlah Periode MA = (n1 + n2 + n3 +…) / n

Keterangan :

MA = moving average

ΣX = keseluruhan penjumlahan dari semua data periode waktu yang diperhitungkan

viii
 Jumlah Periode / n = jumlah periode rata-rata bergerak

n1 = data periode pertama

n2 = data periode kedua

n3 = data periode ketiga, dan seterusnya

n = jumlah periode rata-rata bergerak

Kami memberikan contoh perhitungan peramalan menggunakan metode rata-rata bergerak

sederhana dengan deret waktu (N) 3 bulan.

Contoh Kasus dan Cara Menghitung Moving Average (Rata-rata Bergerak)

Perusahaan PT. SUMSANG yang bergerak di bidang manufakturing Ponsel ingin

meramalkan penjualan Ponsel untuk bulan April dan Mei dengan menggunakan data
bulanannya yang dimulai dari bulan Januari. Periode Rata-rata bergeraknya adalah 3 bulan.
Berikut ini adalah cara dan hasil perhitungannya.

Bulan Penjualan(unit) Perkiraan(unit)

Januari 32.500 -
Februari 47.500 -
Maret 40.000 -
April ?
Mei ?

Penyelesaiannya :

Perkiraan Penjualan untuk bulan April adalah :

MA April = (32.500 + 47.500 + 40.000) / 3

MA April =120.000 / 3

MA April = 40.000

Jadi perkiraan penjualan ponsel pada bulan April adalah sekitar 40.000 unit.

Kita dapat melanjutkan lagi untuk bulan Mei dengan menggunakan data perkiraan yang
dihitung tersebut atau dengan menunggu hasil aktual pada bulan yang bersangkutan.

ix
Misalnya data aktual pada bulan April yang didapat adalah 42.500 unit, maka perhitungannya
adalah sebagai berikut :

MA Mei = (47.500 + 40.000 + 42.500) / 3

MA Mel = 130.000 / 3

MA Mei = 43.333

Dengan perhitungan tersebut didapat bahwa perkiraan penjualan ponsel untuk Mei adalah
sekitar 43.333 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 32.500 -
Februari 47.500 -
Maret 40.000 -
April 42.500 40.000
Mei ? 43.333

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.

x
3.2 Rata-rata Bergerak Tertimbang

Rata-rata bergerak tertimbang adalah metode rata-rata bergerak yang banyak

digunakan untuk menentukan trend dari suatu deret waktu. Perhitungannya sederhana pada
teknik rata-rata bergerak tertimbang diberikan bobot yang berbeda untuk setiap data historis
masa lalu yang tersedia, dengan asumsi bahwa data historis yang paling terakhir atau terbaru
akan memiliki bobot lebih besar dibandingkan dengan data historis yang lama karena data
yang paling terakhir atau terbaru merupakan data yang paling relevan untuk peramalan.

Umumnya timbangan yang digunakan bagi rata-rata bergerak ialah Koefisien

Binomial. Rata-rata bergerak per 3 tahun harus diberi koefisien 1,2,1 sebagai timbangannya.
Prosedur menghitung rata-rata bergerak tertimbang per 3 tahun sebagai berikut :

1. Jumlahkan data tersebut selama 3 tahun berturut-turut secara tertimbang.

2. Bagilah hasil penjumlahan tersebut dengan faktor pembagi 1+2+1 = 4. Hasilnya
diletakkan di tengah-tengah tahun tersebut., dan seterusnya sampai selesai.

xi
Rumus Rata-rata Bergerak Tertimbang adalah sebagai berikut :

WMA = ( Σ (Dt*bobot)) / ( Σ bobot )

Keterangan :

Dt = data aktual pada periode t

bobot = bobot yang diberikan untuk setiap bulan

xii
 BAB IV
PENUTUP

4.1 Kesimpulan

Analisa data berkala dengan metode moving average merupakan rata-rata bergerak

sederhana yaitu dihitung dengan cara menambahkan harga, kemudian dibagi dengan periode

lama waktunya. Sedangkan rata-rata bergerak tertimbang yaitu data yang diurutkan secara

tertimbang, kemudian dibagi dengan faktor bilangan binomial. Metode rata-rata bergerak

merupakan metode pengolahan data kuantitatif.

Kegunaan dari moving average yaitu menentukan trend yang akan terjadi,

menentukan titik support, dan resistance pergerakan harga. Metode rata-rata bergerak

xiii
sederhana menggunakan rata-rata dari semua data peramalan. Kelemahan metode rata-rata

bergerak sederhana ini yaitu metode ini memerlukan penyimpanan yang lebih banyak karena

trend pengamatan terakhir harus disimpan, tidak hanya nilai rata-ratanya.

4.2 Saran

Dari apa yang kami urutkan diatas mengenai analisa data menggunakan metode

moving average, semoga para pembaca mampu memahami apa yang kami maksudkan, dan

pembaca mampu menerapkan metode ini menggunakan Microsoft Excel ataupun penerapan

dalam kehidupan sehari-hari.

DAFTAR PUSTAKA

Pane, S. F., & Rahcmadani, E. V. (2020). Big Data: Forecasting Menggunakan Python.

Kreatif. https://books.google.co.id/books?id=DCjZDwAAQBAJ

Santoso, H. (2013). Cara Mudah Membuat Robot Trading Profitable. Elex Media

Komputindo. https://books.google.co.id/books?id=44VKDwAAQBAJ

Pianda, D. (2018). Optimasi perencanaan produksi pada kombinasi produk dengan metode

linear programming. CV Jejak (Jejak Publisher). https://books.google.co.id/books?

id=Y1ptDwAAQBAJ

Rusyida, W. Y. (2022). Teknik Peramalan: Metode ARIMA dan Holt Winter. Penerbit NEM.

xiv
 https://books.google.co.id/books?id=z9-mEAAAQBAJ

Pianda, D. (2018). Optimasi perencanaan produksi pada kombinasi produk dengan metode

linear programming. CV Jejak (Jejak Publisher). https://books.google.co.id/books?

id=Y1ptDwAAQBAJ

Sari, R. A., Hermawan, I., Ranita, S. V, & Simangunsong, P. B. N. (2023). Statistik Terapan

dalam Bisnis. Cattleya Darmaya Fortuna. https://books.google.co.id/books?

id=U3u_EAAAQBAJ

xv