Moving Average Moving average adalah metode yang digunakan untuk meramalkan periode selanjutnya.

Persamaan berikut merupakan persamaan peramalan simple moving average. Sebuah moving average dari urutan ke k, MA (k) dihitung dengan

Yt+1= nilai peramalan untuk periode selanjutnya Yt= nilai sebenarnya pada periode t k = jumlah perlakuan dalam moing average Teknik moving average hanya berkaitan dengan periode k terbaru dari data diketahui. Jumlah titik data dalam setiap rata-rata tidak berubah saat waktu kemajuan. Model moving averagetidak menangani trend atau musiman dengan sangat baik,walaupun itu lebih baik daripada metode simple average. Contoh : Pembelian Gasoline untuk Sponake Transit Authority Tabel disamping mendemonstrasikan teknik peramalan moving average dengan data SponakeTransit Authority (STA) menggunakan moving average lima mingguan. Peramalan moving average untuk minggu ke-29 adalah

Saat nilai yang sebenarnya untuk minggu ke-29 diketahui, eror peramalan dihitung

Peramalan untuk minggu ke -31

Analis harus menggunakan penilaian ketika menentukan berapa banyak hari, minggu, bulan, atau kuartal yang akan menjadi dasar moving average. Jumlah yang lebih kecil, yang lebih berat diberikan kepada beberapa periode terakhir. Sebaliknya, semakin besar nomor, semakin berat diberikan untuk periode yang lebih baru. Sejumlah kecil adalah yang paling diinginkan bila ada perubahan mendadak di tingkat seri. Sejumlah kecil tempat beban berat sebelumnya, yang memungkinkan perkiraan untuk mengejar lebih cepat ketingkat saat ini. Sejumlah besar yang diinginkan ketika ada lebar, jarang terjadi fluktuasi dalam seri. Moving average sering digunakan dengan data kuartalan, atau bulanan untuk membantu kelancaraan kompenen dalam deret waktu. Untuk data kuartalan, moving average empat kuartalan, MA(4), menghasilkan rata-rata dari empat penjuru dan untuk data bulanan, moving average 12 bulanan, MA(12), menghilangkan atau rata-rata keluar efek musiman. Urutan terbesar moving average lebih besar dari efek smooting.

Double Moving Averages Salah satu cara untuk meramalkan data time series yang memiliki trend linear adalah dengan menggunakan double moving average. Metode ini secra tidak langsung dinamakan set pertama dihitung moving averagenya dan set kedua dihitung sebagai moving average dari set pertama. persamaan berikut digunakan untuk menghitung moving average dari order ke-k.

persamaan dibawah ini digunakan untuk menghitung moving average kedua

persamaan dibawah digunakan untuk menghitung peramalan dengan menambahkan selisih antara moving average pertama dan moving average kedua dengan moving average pertama.

Persamaan dibawah ini merupakan faktor penyesuaian tambahan yang mirip dengan kemiringan ukuran yang dapat berubah selama runtun waktu tersebut.

persamaan ini digunakan untuk membuat ramalan p periode di masa depan

Dengan: k = jumlah periode dalam moving average p= jumlah periode peramalan untuk masa mendatang