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)
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
BAB I PENDAHULUAN...................................................................................................... 1
BAB IV PENUTUP............................................................................................................... 9
4.1 Kesimpulan................................................................................................................ 9
4.2 Saran........................................................................................................................... 9
DAFTAR PUSTAKA............................................................................................................ 10
iii
BAB I
PENDAHULUAN
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.
1.3 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
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).
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).
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.
Metode peramalan atau forecasting berdasarkan waktu peramalan terbagi menjadi 3, yaitu :
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
(Pianda, 2018).
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:
Umumnya iklim dan tradisi. Contohnya: Iklim misalnya musim hujan (bulan
gerakan yang disebabkan faktor kebetulan (chance factor) dan sifatnya sporadis.
vii
Penyebabnya: Banjir, gempa bumi, pemogokan, perubahan politik. Contohnya:
BAB III
PEMBAHASAN
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 :
Keterangan :
MA = moving average
viii
Jumlah Periode / n = jumlah periode rata-rata bergerak
Penyelesaiannya :
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 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 :
Kita dapat melanjutkan tabel ini setelah mendapatkan data-data aktual penjualannya. Berikut
ini adalah contoh tabel dan grafik perhitungan peramalan atau perkiraan penjualan beserta
x
3.2 Rata-rata Bergerak Tertimbang
xi
Rumus Rata-rata Bergerak Tertimbang adalah sebagai berikut :
Keterangan :
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
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
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
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
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
id=Y1ptDwAAQBAJ
Sari, R. A., Hermawan, I., Ranita, S. V, & Simangunsong, P. B. N. (2023). Statistik Terapan
id=U3u_EAAAQBAJ
xv