METODE RATA RATA

METODE RATA RATA SEDERHANA

Proyeksi dengan menggunakan rata-rata sederhana pada prinsipnya menentukan

nilai prediksi dengan berdasarkan nilai rata-rata historis selama periode pengamatan
Metode ini digunakan jika data bersifat stasioner, tidak mengandung unsur tren atau
musiman

Kelebihan Kekurangan
merupakan metode proyeksi yang mudah Bobot data untuk setiap pengamatan sama
dan sederhana yaitu 1/n sehingga tidak memperhitungkan
tidak memerlukan banyak data time series data yang ekstrem
metode ini tidak mempertimbangkan unsur
tren dan musiman
metode ini tidak mempertimbangkan
vaariabel lain yang dapat mempengaruhi
nilai prediksi

Nilai Proyeksi berikutnya merupakan

penjumlahan dari data yang diamati dibagi
dengan jumlah pengamatan yang dilakukan
contoh

Bulan Periode Y Yt+1 E

Januari 1 178 =average($D$35:$D$43)
Februari 2 182 =D36-E36
Maret 3 185
April 4 190
May 5 110
Juni 6 198
Juli 7 122
Agustus 8 135
September 9 140
Oktober

Bulan Periode Y Yt+1 E

Januari 1 178
Februari 2 182
Maret 3 185
April 4 190
May 5 110
Juni 6 198
Juli 7 122
Agustus 8 135
September 9 140
Oktober
 METODE RATA RATA
METODE RATA RATA BERGERAK TUNGGAL
SINGLE MOVING AVERAGE (SMA)

Pada dasarnya metode rata-rata bergerak dengan metode rata-rata sederhana adalah
sama. perbedaannya adalah jika pada metode rata-rata sederhana untuk membuat
proyeksi hanya dihitung nilai rata-rata dari semua data yang ada, maka pada metode
rata-rata bergerak dilakukan dengan jalan menghitung rata-rata tetapi dengan periode
yang selalu bergerak mengikuti perubahan waktu, dengan tujuan menghilangkan data
terlama menggantinya dengan data terbaru.

Kelebihan Kekurangan
merupakan metode proyeksi yang mudah Memerlukan data runtut waktu yang relatif banyak
dan sederhana Bobot yang diberikan kepada setiap observasi sama
Tidak adanya dasar yang kuat untuk menetapkan
banyaknya periode pergerakan data.
Pemilihan periode pergerakan dilakukan secara trial
and eorror (coba-coba)

contoh pergerakan 3 bulanan

Tahun Kwartal Periode Y Jumlah Yt+1 E

 2019 1 1 100
2 2 150
3 3 90 =sum(E30:E32)
4 4 210 =F32/3 =E33-G33
2020 1 5 110
2 6 160
3 7 93
4 8 215
2021 1 9 105
2 10 155
3 11 88
4 12 220
2022 1 13 115
2 14 165
3 15 98
4 16 225
2023 1 17 118
2 18 167
3 19 88
4 20

Tahun Kwartal Periode Y Jumlah Yt+1 E

2019 1 1 100
2 2 150
3 3 90
4 4 210
2020 1 5 110
 2 6 160
3 7 93
4 8 215
2021 1 9 105
2 10 155
3 11 88
4 12 220
2022 1 13 115
2 14 165
3 15 98
4 16 225
2023 1 17 118
2 18 167
3 19 88
4 20

contoh pergerakan 4 bulanan

Tahun Kwartal Periode Y Jumlah Yt+1 E

2019 1 1 100
2 2 150
3 3 90
4 4 210 =sum(E82:E85)
2020 1 5 110 =F85/4 =E86-G86
2 6 160
3 7 93
4 8 215
 2021 1 9 105
2 10 155
3 11 88
4 12 220
2022 1 13 115
2 14 165
3 15 98
4 16 225
2023 1 17 118
2 18 167
3 19 88
4 20

Tahun Kwartal Periode Y Jumlah Yt+1 E

2019 1 1 100
2 2 150
3 3 90
4 4 210
2020 1 5 110
2 6 160
3 7 93
4 8 215
2021 1 9 105
2 10 155
3 11 88
4 12 220
2022 1 13 115
 2 14 165
3 15 98
4 16 225
2023 1 17 118
2 18 167
3 19 88
4 20

Metode mana yang lebih baik? pergerakan 3 bulanan atau 4

bulanan? Mari kita hitung tingkat kesalahan proyeksi nya
MENGHITUNG TINGKAT KESALAHAN PROYEKSI

Metode proyeksi yang baik adalah metode proyeksi yang memberikan tingkat kesalahan yang paling kecil. Tingkat kesa
merupakan selisih antara nilai riil dengan nilai proyeksi. Tingkat kesalahan sering disebut dengan error atau residual. k
proyeksi disebabkan karena nilai proyeksi terlalu kecil atau nilai proyeksi terlalu besar. Oleh karena itu kita tidak dapat
menjumlahkan atau merata-rata nilai eorror, karena nilai error ada yang bertanda positif dan negatif, sehingga nilai err
dimutlakan atau dikuadratkan terkebih dahulu. Berikut metode yang dapat digunakan untuk menghitung tingkat kesala
proyeksi
CONTOH Menggunakan data sebelumnya dengan metode pergerakan 3 bulanan

Tahun Kwartal Periode Y Yt+1 Error

2019 1 1 100
2 2 150
3 3 90
4 4 210 113 96.7 =ABS(G53)
2020 1 5 110 150 -40.0
 2 6 160 137 23.3
3 7 93 160 -67.0
4 8 215 121 94.0
2021 1 9 105 156 -51.0
2 10 155 138 17.3
3 11 88 158 -70.3
4 12 220 116 104.0
2022 1 13 115 154 -39.3
2 14 165 141 24.0
3 15 98 167 -68.7
4 16 225 126 99.0
2023 1 17 118 163 -44.7
2 18 167 147 20.0
3 19 88 170 -82.0
Jumlah =SUM(H53:H68)

MAD =H69/16
MSE =I69/16
MAPE =J69/16
MPE =K69/16

Tahun Kwartal Periode Y Yt+1 Error

2019 1 1 100
2 2 150
3 3 90
4 4 210 113 96.7 96.7
2020 1 5 110 150 -40.0 40.0
 2 6 160 137 23.3 23.3
3 7 93 160 -67.0 67.0
4 8 215 121 94.0 94.0
2021 1 9 105 156 -51.0 51.0
2 10 155 138 17.3 17.3
3 11 88 158 -70.3 70.3
4 12 220 116 104.0 104.0
2022 1 13 115 154 -39.3 39.3
2 14 165 141 24.0 24.0
3 15 98 167 -68.7 68.7
4 16 225 126 99.0 99.0
2023 1 17 118 163 -44.7 44.7
2 18 167 147 20.0 20.0
3 19 88 170 -82.0 82.0
Jumlah 941.3

MAD 58.83
MSE 4327.28
MAPE 44.10%
MPE -14.93%

CONTOH Menggunakan data sebelumnya dengan metode pergerakan 4 bulanan

Tahun Kwartal Periode Y Yt+1 Error

2019 1 1 100
 2 2 150
3 3 90
4 4 210
2020 1 5 110 138 -27.5 27.5
2 6 160 140 20.0 20
3 7 93 143 -49.5 49.5
4 8 215 143 71.8 71.75
2021 1 9 105 145 -39.5 39.5
2 10 155 143 11.8 11.75
3 11 88 142 -54.0 54
4 12 220 141 79.3 79.25
2022 1 13 115 142 -27.0 27
2 14 165 145 20.5 20.5
3 15 98 147 -49.0 49
4 16 225 150 75.5 75.5
2023 1 17 118 151 -32.8 32.75
2 18 167 152 15.5 15.5
3 19 88 152 -64.0 64
Jumlah 637.5

MAD 42.5
MSE 2287.25
MAPE 33%
MPE -14%

Metode Rata Metode Rata

KESIMPULAN rata bergerak rata bergerak 4
MAD 3 periode 58.8 periode 42.5
Lebih baik metode rata -
rata bergerak 4 periode
 Lebih baik metode rata -
MSE 4327.28 2287.25
MAPE 44% 33% rata bergerak 4 periode
MPE -15% -14%
ng paling kecil. Tingkat kesalahan
engan error atau residual. kesalahan dalam
karena itu kita tidak dapat langsung
n negatif, sehingga nilai error harus
k menghitung tingkat kesalahan teknik
 (%) (%)

=G53^2 =H53/E53 =G53/E53

 (%) (%)

9344.4 46% 46.0%

1600.0 36% -36.4%
544.4 15% 14.6%
4489.0 72% -72.0%
8836.0 44% 43.7%
2601.0 49% -48.6%
300.4 11% 11.2%
4946.8 80% -79.9%
10816.0 47% 47.3%
1547.1 34% -34.2%
576.0 15% 14.5%
4715.1 70% -70.1%
9801.0 44% 44.0%
1995.1 38% -37.9%
400.0 12% 12.0%
6724.0 93% -93.2%
69236.4 706% -239%

(%) (%)
756.3 25% -25.0%
400.0 13% 12.5%
2450.3 53% -53.2%
5148.1 33% 33.4%
1560.3 38% -37.6%
138.1 8% 7.6%
2916.0 61% -61.4%
6280.6 36% 36.0%
729.0 23% -23.5%
420.3 12% 12.4%
2401.0 50% -50.0%
5700.3 34% 33.6%
1072.6 28% -27.8%
240.3 9% 9.3%
4096.0 73% -72.7%
34308.8 496% -206%
 Bulan Periode Y Berikut adalah data penjualan hijab arumi
Januari 1 178
periode Januari 2023 hingga September
Februari 2 182
Maret 3 185 2023.
April 4 190 Buatlah proyeksi penjualan bulan Oktober
May 5 110 2023 menggunakan metode, rata-rata
Juni 6 198 sederhana, rata-rata bergerak 2 periode,
Juli 7 122 dan rataa-rata bergerak 3 periode.
Agustus 8 135 Dan tentukan mana yang paling baik dari
September 9 140 3 metode tersebut! sertakan perhitungan
Oktober
tingkat kesalahan proyeksi

NB : masing masing data penjualan pada setiap

periode ditambahkan dengan angka terakhir nim
saudara.
Kumpulkan hari Jumat 29 September 2023