Teknik prakiraan

ramalan rata-rata
Kelompok 3
Ehki Arca Pakiding B1b119050
Rama Irfandi B1b119063
Nurul Qisty B1b119052
Raihan Ummu B1b119051
Ismi Armianti B1b119041
 Peramalan (Forecasting)
Peramalan merupakan suatu seni dari ilmu memprediksi sesuatu yang belum terjadi dengan tujuan untuk
memperkirakan peristiwa-peristiwa yang akan terjadi dimasa depan nantinya dengan selalu memerlukan
data-data dari masa lalu. Sehingga dengan peramalan, maka kemungkinan terjadinya peristiwa-peristiwa
yang tidak sesuai dengan tujuan yang diharapkan diikuti dengan kesiapan untuk
mengantisipasinya.Peramalan bertujuan mendapatkan ramalan yang dapat meminimumkan kesalahan
yang meramal yang dapat diukur dengan Mean Squre Error (MSE). Peramalan pada umumnya
digunakan untuk memprediksi sesuatu yang kemungkinan besar akan terjadi misalnya kondisi
permintaan, kondisi ekonomi dan lain – lain.
 Berikut pengertian peramalan
menurut pendapat dari beberapa
ahli:

● Peramalan. Adalah proses untuk memperkirakan berapa kebutuhan dimasa datang yang
meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam
rangka memenuhi permintaan barang ataupun jasa. (Nasution dan Prasetyawan, 2008: 29).
● Peramalan. Adalah perhitungan yang objektif dan dengan menggunakan datadata masa lalu,
untuk menentukan sesuatu di masa yang akan datang. (Sumayang, 2003 : 24)
● Peramalan. Merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada
beberapa variabel peramal, sering berdasarkan data deret waktu historis. (Gaspersz, 2005 : 72)
Ada sembilan langkah yang harus diperhatikan yang digunakan untuk
menjamin efektivitas dan efisiensi dari sistem peramalan sebagai
berikut (Gasperzs, 2005 : 74) :

• Menentukan tujuan dari peramalan.

• Memilih item yang akan diramalkan.
• Mentukan horizon waktu peramalan : Apakah jangka panjang
(lebih dari 1 tahun), jangka menengah (1-12 bulan), atau jangka
pendek (1-30 hari).
• Memilih model-model peramalan.
• Memperoleh data yang dibutuhkan untuk melakukan peramalan.
• Validasi model peramalan.
• Membuat peramalan.
• Implementasikan hasil-hasil peramalan.
• Memantau keandalan hasil peramalan
Moving average atau rata – rata bergerak adalah salah satu metode
peramalan sederhana yang sering digunakan untuk memperkirakan
kondisi pada masa yang akan datang dengan menggunakan kumpulan
data masa lalu ( data – data historis), periode waktu kumpulan data
tersebut berupa tahunan, bulanan, mingguan bahkan harian.

Pengertian Moving Average

Metode moving average ini lebih baik digunakan untuk menghitung data yang
bersifat stabil atau data yang tidak berfluktuasi dengan tajam (data yang perubahan
naik atau turunnya secara drastis), hal ini dikarenakan data pada setiap periode
diberikan bobot yang sama sehingga tidak daapt mewakilkan periode – periode
tertentu yang bersifat khusus atau data periode terakhir yang biasanya dinila
sebagai data terbaik dalam menggambarkan kondisi terkini.
   :
Rumus
Dimana: St+1 = peramalan untuk periode
t + 1 Xt = data pada periode
t N = jangka waktu moving average
 
 
 Moving Average adalah salah satu indikator
teknis yang dikenal luas digunakan untuk
memprediksi data masa depan dalam analisis
deret waktu. Selama pengembangannya,
banyak variasi dan implementasi telah
dilakukan oleh para peneliti.Salah satu variasi
yang banyak digunakan adalah Exponential
Moving Average (EMA).
Simple Moving Average atau juga disingkat SMA adalah Moving Average paling sederhana dan tidak
menggunakan pembobotan dalam perhitunganperamalan. Meskipun sederhana, SMA cukup efektif
dalam menentukan trend yang sedang terjadi di market. Cara pembacaannyapun sederhana.
(Marcelina,2011:2 dalam Hari Utari, et al, 2016: 2)
Simple Moving Average (SMA) dihitung dengan cara mengambil nilai rata-rata dari harga suatu
penjualan pada rentang waktu tertentu ke belakang. (Hendarto, 2005: 92 dalam Johanes F.A., 2015: 20)
Formula yang dapat diterapkan dalam metode Simple Moving
Average antara lain:

 
 
 Weighted Moving Average
(WMA)

Weighted Moving Average (WMA) adalah bentuk peningkatan Simple Moving Average
(SMA).itu memberikan bobot lebih besar untuk data yang lebih baru daripada yang lebih
lama. Faktor bobot dihitung dari jumlah hari yang digunakan dalam data deret waktu, juga
dikenal sebagai jumlah digit. (Seng Hansun, 2014: 23). Formula yang dapat diterapkan pada
Weighted Moving Average antara lain:
 
 SNEAK PEEK

Exponential Moving Average (EMA)adalah jenis WMA yang menetapkan faktor

bobot untuk setiap nilai dalam seri data sesuai dengan usianya. Seperti WMA,
dalam EMA data terbaru mendapatkan bobot terbesar dan setiap nilai data
mendapat bobot lebih kecil saat kita kembali secara kronologis, tetapi tidak seperti
WMA, dalam EMA bobot untuk setiap titik data lama menurun secara
eksponensial, sehingga tidak pernah mencapai nol.
THANK
S! DO YOU HAVE ANY
QUESTION?

CREDITS: This presentation template was created by

Slidesgo, including icons by Flaticon, infographics &
images by Freepik.

Please keep this slide for attribution.