PRESENTASI MOVING

AVERAGE
Muhamad Fauzi
6025202002
 Moving Average adalah indikator yang menghitung harga rata-rata suatu aset dalam periode waktu
tertentu, kemudian menghubungkannya dalam bentuk garis. Nilai rata-rata bisa berasal dari
pembukaan (open), penutupan (close), tertinggi (high), terendah (low), ataupun pertengahan (median). 
 Moving Average adalah bagian dari indikator lagging. Artinya, metode ini berlandaskan peristiwa
sebelumnya dan menerangkan informasi mengenai data riwayat pasar. Kegunaannya bukan sebagai
alat prediksi, melainkan memberi konfirmasi
 Moving average sering digunakan oleh para investor sebagai indikator saat melakukan analisis
teknikal. Investor maupun trader mempertimbangkan moving average suatu saham untuk mengetahui
harga rata-ratanya
 adalah pendekatan umum untuk pemodelan deret waktu univariat.
Model rata-rata bergerak menetapkan bahwa variabel output bergantung
secara linier pada nilai saat ini dan berbagai nilai masa lalu dari istilah
stokastik (dapat diprediksi secara tidak sempurna).
 Bersama dengan model autoregressive (AR), model rata-rata bergerak
adalah kasus khusus dan komponen kunci dari model deret waktu
ARMA dan ARIMA yang lebih umum, yang memiliki struktur stokastik
yang lebih rumit.
 Model rata-rata bergerak tidak boleh disamakan dengan rata-rata
bergerak, sebuah konsep yang berbeda meskipun ada beberapa
kesamaan.
 Berlawanan dengan model AR, model MA hingga selalu stasioner.
 Rumus Moving Average (Rumus Rata-rata Bergerak)
Rumus Moving Average atau Rata-rata Bergerak adalah sebagai berikut :
MA = ΣX / Jumlah Periode
Keterangan :
MA = Moving Average
ΣX = Keseluruhan Penjumlahan dari semua data periode waktu yang diperhitungkan
Jumlah Periode = Jumlah Periode Rata-rata bergerak
 
atau dapat ditulis dengan :
 
MA = (n1 + n2 + n3 + …) / n
 
 Keterangan :
MA = Moving Average
n1 = data periode pertama
n2 = data periode kedua
n3 = data periode ketiga dan seterusnya
n = Jumlah Periode Rata-rata bergerak
SEKIAN DAN TERIMAKASIH
MUHAMAD FAUZI
6025202002
 2. Moving Average (MA(q))
𝑍𝑡 =𝜃0 +𝛼𝑡 −𝜃1𝛼𝑡−1 −𝜃2𝛼𝑡−2 −⋯−𝜃𝑝𝛼𝑡−𝑞 (2)
Keterangan:
𝑍𝑡 = data pada waktu t, t = 1,2,3,...,n
𝛼𝑡−𝑖 = error pada periode t-i, i = 1,2,3,...,q
𝛼𝑡 = error pada periode t-i, i = 1,2,3,...,q
𝜃0 = konstanta model Moving Average (MA)
𝜃𝑖 = koefisien dari 𝑍𝑡−𝑖 pada model Moving Average
(MA)
Model Autoregressive Integrated Moving Average (ARIMA) Model
Autoregressive Integrated Moving Average
(ARIMA) adalah model yang secara penuh mengabaikan independen variabel
dalam membuat peramalan ARIMA menggunakan nilai masa lalu dan sekarang
dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat.
ARIMA sangat baik ketepatannya untuk peramalan jangka pendek, sedangkan untuk
peramalan jangka panjang peramalannya kurang baik. Biasannya akan cenderung flat
(mendatar/konstan) untuk periode yang cukup panjang
 ARIMA ADA 3 :
 1) Autoregressive Model (AR)

 2) Moving Average Model (MA)

 3) Model campuran