TEKNIK PROYEKSI BISNIS

MOMENT METHOD

Disusun oleh:
Kelompok 8
Khaleed Qafnun A021211073
Muh. Rival Karim A021211138
Saqila Zati Hulwany A021211142
Halifatullah Algifari A021211167
Andi Muh Afnan A021211175

UNIVERSITAS HASANUDDIN

FAKULTAS EKONOMI DAN BISNIS

DEPARTEMEN MANAJEMEN

2023
A. Pendahuluan

Peramalan adalah data di masa lalu yang digunakan dengan tujuan memperkirakan data di
masa depan. Dengan demikian, peramalan adalah estimasi permintaan di masa depan berdasarkan
sejumlah variabel peramalan variabel, sering kali didasarkan pada data deret waktu historis.
Peramalan permintaan suatu produk dan layanan untuk masa depan sangat penting dalam
perencanaan dan pemantauan produk. Manajemen operasional menggunakan peramalan untuk
membuat keputusan yang terkait dengan proses seleksi, perencanaan kapasitas, tata letak fasilitas
dan untuk berbagi keputusan yang berkesinambungan terkait perencanaan, penjadwalan, dan
persediaan.

Peramalan dapat dibagi menjadi dua; peramalan kualitatif dan peramalan kuantitatif.
Peramalan kuantitatif dapat dibagi menjadi dua bagian; deret waktu metode peramalan time
series, dan metode kasual, sedangkan metode peramalan kualitatif metode dibagi menjadi metode
eksploratif dan normatif metode. Teknik peramalan kuantitatif sangat beragam. Teknik kuantitatif
dikembangkan dari berbagai disiplin ilmu dan untuk berbagai tujuan. Setiap teknik yang dipilih
memiliki karakteristik, keakuratan tingkat kesulitan dan biaya yang harus dipertimbangkan.

Analisis peramalan harus didasarkan pada pola data yang ada. pola data yang ada. Terdapat
empat pola data yang umum digunakan dalam teknik peramalan, yaitu:

1. Pola horizontal terjadi ketika data memiliki fluktuasi dengan rata-rata data.
Contoh data yang dikategorikan dalam pola ini adalah produk yang penjualannya tidak
mengalami kenaikan atau penurunan dalam kurun waktu tertentu.
2. Pola musiman terjadi ketika nilai data dipengaruhi oleh faktor musiman.
3. Pola Siklis terjadi ketika data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti
yang terkait dengan siklus bisnis
4. Pola Tren terjadi ketika ada sekuler jangka panjang
peningkatan atau penurunan data.
B. Moment Method

1. Pengertian
Trend Moment merupakan metode untuk mencari garis trend dengan perhitungan statistika
dan matematika tertentu guna mengetahui fungsi garis lurus sebagai pengganti garis patah-
patah yang dibentuk oleh data historis perusahaan. Dengan demikian pengaruh unsur
subyektif dapat dihindarkan.
Dalam penerapan metode Trend Moment dapat di lakukan dengan menggunakan
data historis dari satu variabel, adapun rumus yang di gunakan adalah:
𝑌 = 𝑎 + 𝑏𝑋
Dimana:
• Y adalah nilai trend atau variabel yang akan diramalkan
• a adalah bilangan konstan
• b adalah slope atau koefisien garis trend
• X adalah indeks waktu (dimulai dari 0,1,2,….n)

2. Langkah-langkah dalam menggunakan Metode Moment

a. Menentukan jumlah data penjualan yang akan digunakan sebagai peramalan
penjualan stok.
b. Menentukan nilai X, nilai Y, nilai X×Y dan nilai X2
c. Menentukan total jumlah nilai X, nilai Y, nilai X×Y dan nilai X2 berdasarkan data
penjualan.
d. Menentukan rata-rata nilai X, nilai Y, nilai X×Y dan nilai X2 berdasarkan data
penjualan.
e. Menentukan nilai b dengan menggunakan rumus.
f. 𝑏 = 𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)
𝑛(∑ 𝑋2)− (∑ 𝑋)
g. Menentukan nilai a dengan menggunakan rumus.
h. 𝑎 = (∑ 𝑌)−𝑏(∑ 𝑋)
𝑛
i. Menentukan nilai indeks musim dengan menggunakan rumus.
 𝑖𝑚 = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑛𝑗𝑢𝑎𝑙𝑎𝑛 𝑏𝑢𝑙𝑎𝑛 𝑦𝑎𝑛𝑔 𝑎𝑘𝑎𝑛 𝑑𝑖𝑟𝑎𝑚𝑎𝑙𝑘𝑎𝑛
𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑛𝑗𝑢𝑎𝑙𝑎𝑛 𝑘𝑒𝑠𝑒𝑙𝑢𝑟𝑢ℎ𝑎𝑛
j. Mencari nilai Y yang akan diramalkan dengan menggunakan rumus.
𝑌 = 𝑎 +𝑏x

3. Kelebihan
a. Metode moment relatif sederhana dan mudah diterapkan. Hal ini karena metode
moment hanya membutuhkan data sampel untuk menghitung parameter distribusi
populasi. Metode moment juga dapat digunakan untuk menghitung parameter
distribusi populasi yang tidak diketahui, seperti mean, median, dan modus.
b. Metode moment juga dapat digunakan untuk menguji hipotesis tentang parameter
distribusi populasi. Misalnya, untuk menguji hipotesis bahwa mean populasi sama
dengan 0, kita dapat menggunakan metode moment untuk menghitung mean
sampel. Jika mean sampel tidak signifikan berbeda dari 0, maka hipotesis tersebut
dapat diterima.

4. Kekurangan
a. Metode moment dapat menjadi tidak stabil jika distribusi populasi tidak mendekati
normal. Hal ini karena metode moment menggunakan hubungan antara moment
populasi dan parameter distribusi populasi. Hubungan tersebut hanya berlaku
dengan baik jika distribusi populasi mendekati normal.
b. Metode moment juga dapat menjadi tidak efisien jika distribusi populasi memiliki
varians yang besar. Hal ini karena metode moment membutuhkan banyak data
sampel untuk menghitung parameter distribusi populasi dengan akurat.
5. Keterbatasan
a. Ketidakpastian dalam Pemilihan Momen: Pemilihan momen-momen yang akan
digunakan untuk estimasi parameter dapat bersifat subjektif. Jika momen yang
dipilih tidak mencerminkan distribusi sebenarnya dengan baik, maka estimasi
parameter yang dihasilkan dapat menjadi tidak akurat.
b. Ketergantungan pada Bentuk Distribusi: Metode moment cenderung lebih efektif
untuk distribusi yang simetris dan memiliki bentuk yang relatif sederhana. Untuk
 distribusi yang kompleks atau skew, metode moment mungkin kurang efisien atau
bahkan gagal memberikan estimasi yang baik.
c. Keterbatasan pada Parameter Lebih Tinggi: Metode moment sering kali sulit
diaplikasikan dengan baik untuk memperkirakan parameter distribusi yang lebih
tinggi, seperti momen ketiga dan keempat (skewness dan kurtosis). Estimasi
momen-momen tinggi dapat lebih sensitif terhadap data pencilan dan memerlukan
ukuran sampel yang besar.
d. Sensitivitas terhadap Data Pencilan: Keberadaan data pencilan dalam sampel dapat
memiliki pengaruh besar pada hasil estimasi dengan metode moment. Pencilan
dapat mengubah momen-momen dan akibatnya mempengaruhi perkiraan
parameter.
e. Pentingnya Distribusi Populasi: Metode moment memerlukan asumsi tentang
bentuk distribusi populasi. Jika asumsi ini tidak memadai atau tidak sesuai dengan
data, estimasi parameter dapat menjadi bias atau tidak konsisten.
f. Ketergantungan pada Ukuran Sampel: Efisiensi metode moment dapat bergantung
pada ukuran sampel yang digunakan. Dalam beberapa kasus, ukuran sampel yang
besar mungkin diperlukan untuk menghasilkan estimasi yang baik.
g. Keterbatasan pada Estimasi Parameter Multivariat: Metode moment untuk estimasi
parameter multivariat (parameter untuk lebih dari satu variabel acak) dapat lebih
kompleks dan memerlukan momen-momen bersama, yang bisa sulit untuk dihitung
dan diinterpretasikan.
h. Keterbatasan pada Distribusi Nonparametrik: Metode moment pada umumnya
dikembangkan untuk distribusi parametrik tertentu, dan keterbatasan mungkin
timbul ketika mencoba menggunakannya untuk distribusi nonparametrik.
i. Ketidakpastian pada Penghitungan Momen: Penghitungan momen dari data empiris
juga dapat memunculkan ketidakpastian, terutama jika sampel yang digunakan
terlalu kecil.

6. Penggunaan
a. Statistika
 Dalam statistika, metode moment dapat digunakan untuk menghitung parameter
distribusi populasi, seperti mean, median, dan modus. Metode moment juga dapat
digunakan untuk menguji hipotesis tentang parameter distribusi populasi.
b. Ekonomi,
Dalam ekonomi, metode moment dapat digunakan untuk memperkirakan
parameter-parameter ekonomi, seperti tingkat inflasi, tingkat suku bunga, dan
tingkat pertumbuhan ekonomi. Misalnya, untuk memperkirakan tingkat inflasi, kita
dapat menggunakan metode moment dengan menggunakan data inflasi historis.
c. Teknik
Dalam teknik, metode moment dapat digunakan untuk memperkirakan
karakteristik suatu sistem, seperti karakteristik distribusi beban, karakteristik
distribusi frekuensi, dan karakteristik distribusi waktu. Misalnya, untuk
memperkirakan karakteristik distribusi beban, kita dapat menggunakan metode
moment dengan menggunakan data beban historis.