Analisa Data Berkala Dengan Metode Moving Average

Tugas ini dibuat untuk memenuhi Nilai Tugas Project Mata Kuliah Statistika

Tim Penyusun :
Ryan Wolff (15220219)
Hanif Izzul Haq (15220263)
Silmi Rahmadina (15220277)
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.

1
 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
prospek tersebut. Peramalan merupakan suatu tahap awal dari perencanaan produksi. Pada
tahap ini ingin diketahui bagaimana keadaan dimasa yang akan datang dalam kaitannya dengan

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

yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan

3
 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. Penyebabnya:

Banjir, gempa bumi, pemogokan, perubahan politik. Contohnya: Pada saat

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

4
 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

Jumlah Periode / n = jumlah periode rata-rata bergerak

n1 = data periode pertama

n2 = data periode kedua

5
 n3 = data periode ketiga, dan seterusnya

Kami memberikan contoh perhitungan peramalan menggunakan metode rata-rata bergerak

sederhana dengan deret waktu (N) 3 bulan.

6
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.

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

7
8
 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 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.

9
 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.

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

10