TIME SERIES

DAN PERAMALAN (Lanjutan)

ENI
OKTAVIANI
, S.E, M.M
1 Metode
Rata-Rata
Bergerak (Moving
Average)
  jumlah data-data yang harus diambil

Pengertian untuk perhitungan rata-rata bergerak

(moving average) berjumlah bebas,
namun tentunya harus diubah sesuai
dengan ketersediaan data-data lampau
 Metode rata-rata bergerak atau yang ada.
yang biasa disebut moving
 Data yang dipakai pun harus berurut dari
average ialah metode peramalan
tahun terbaru hingga tahun yang paling
dimana dalam menghitung
lama, alasannya ialah data terbarulah
peramalan di masa depan
yang dianggap jauh lebih akurat
didapat dari penjumlahan data-
dibanding data-data yang lama.
data lampau dan kemudian
dibagi dengan jumlah data yang
ada.

3
 Biasanya dalam perhitungan rata-rata bergerak
(moving average), data yang diambil ialah data 3
periode sebelumnya. Karena data 3 tahun yang
lalu, dianggap paling relevan dengan keadaan yang
akan datang. Namun, tetap saja, jumlah data yang
diambil ialah bebas sesuai dengan selera masing-
masing.

4
Rumus

￮ Keterangan :
￮ Ft = Peramalan untuk periode yang akan datang
￮ n = Jumlah periode peramalan moving average
￮ At 1 = Data kasatmata satu periode sebelum peramalan
￮ At 2 = Data kasatmata dua periode sebelum peramalan
￮ At 3 = Data kasatmata tiga periode sebelum peramalan
￮ At n = Data kasatmata satu n sebelum peramalan

Jumlah ke-n harus diubahsuaikan dengan dilema yang

diminta. Jika memakai moving average 3 tahunan, maka
otomatis jumlah n dan data kasatmata akan berjumlah 3
pula. 5
Contoh Soal
Diketahui penjualan kemeja pada perusahaan X, periode sebelumnya ialah sebagai berikut :

Tahun Penjualan (unit)

Dengan memakai metode rata-rata bergerak, carilah
2012 1.500 peramalan untuk tahun 2018 dengan metode moving average
(3 tahunan) dan moving average (4 tahunan)
2013 1.800

2014 1.700

2015 22.00

2016 1.500

2017 2.000

6
Jawaban

Moving average (3 tahunan) Moving Average (4 tahunan)

Jadi, diprediksi menjual kemeja sebanyak Jadi, diprediksi menjual kemeja sebanyak
1.900 unit pada tahun 2018 dengan memakai 1.850 unit pada tahun 2018 dengan memakai
metode moving average (3 tahunan). metode moving average (4 tahunan).

7
 Metode Rata-
2 Rata
Bergerak
Tertimbang
(Weighted Moving Average)

Pengertian
 Metode rata-rata bergerak
tertimbang atau yang biasa
disebut weighted moving average
ialah metode untuk menghitung
data masa depan / periode
mendatang dengan
menjumlahkan data-data
lampau yang telah diberikan
bobotnya masing-masing.
 Alasan setiap data diberikan bobot
alasannya ialah efek data yang lebih gres
akan lebih besar lengan berkuasa pada
data keadaan di masa mendatang.
Sehingga bobot yang diberikan pada data
terbaru tentunya haruslah lebih besar dari
data terdahulunya.
 Mirip dengan metode rata-rata bergerak
(moving average), kita bebas memilih
berapa jumlah data yang ingin
dimasukkan untuk perhitungan, namun
harus diingat data yang diambil harus
berurut dari data terbaru, begitu pula
dengan bobotnya juga diurutkan dimana
data terbaru = bobot terbesar.
9
￮ Misalnya diketahui data penjualan tahun 2014,
2015, 2016, 2017 dengan bobot (2:4:3:1). 
￮ Kita tidak sanggup mengasumsikan bobot 2014 =
2, bobot 2015 = 4, bobot 2016 = 3, dan bobot 2017
= 1.
￮ Melainkan bobotnya harus diurutkan
(ingat !! data terbaru, bobot terbesar).
￮ Sehingga menjadi : bobot 2014 = 1, bobot 2015 =
2, bobot 2016 = 3, dan bobot 2017 = 4.

10
Rumus

11
Contoh Soal
Diketahui penjualan kemeja pada perusahaan X, periode sebelumnya ialah sebagai berikut :

Tahun Penjualan (unit)

2012 1.500 Jika diketahui bobot sebesar (2:4:1:3) Maka, ramalkan

berapa besar penjualan pada tahun 2018.
2013 1.800

2014 1.700

2015 22.00

2016 1.500

2017 2.000

12
Jawaban

Pertama-tama, harus kita urutkan bobotnya menjadi (4:3:2:1)

Sehingga didapatkan :

Jadi, diprediksi menjual kemeja sebanyak 1.860 unit pada tahun

2018 dengan memakai metode rata-rata berjalan tertimbang
(weighted moving average).
13
3 Variasi Musiman
Untuk Menentukan
Indeks Musiman

Pengertian
  Variasi musiman adalah fluktuasi yang
muncul secara reguler setiap tahun yang
biasanya disebabkan oleh iklim, kebiasaan
(mempunyai pola tetap dari waktu ke waktu).  singkat.
 Contoh yang menunjukan variasi  musiman
seperti penjualan pakaian akan meningkat
pada saat hari raya, penjualan buku dan tas
sekolah akan meningkat pada saat awal
sekolah.
 Salah satu komponen yang mempengaruhi
data time series adalah komponen musiman. 
Gerakan musiman (seasonal movement)
merupakan gerakan yang teratur artinya naik
turunnya terjadi pada waktu-waktu yang sama. 
Disebut gerakan musiman oleh karena
terjadinya bertepatan dengan pergantian musim
didalam satu tahun atau dalam waktu yang
 Jika data time series dipengaruhi oleh variasi
musiman, maka diperlukan metoda peramalan
yang lebih baik yang memperhatikan
keterlibatan variasi musiman didalam data.
15
 Untuk keperluan analisa seringkali data time
series dinyatakan dalam bentuk angka indeks.  Apabila
kita ingin menunjukkan ada tidaknya gerakan
musiman perlu dibuat indeks musiman (seasonal
index).  Indeks musiman adalah suatu angka yang
bervariasi terhadap nilai dasar 100.  Jika suatu periode
musiman mempunyai nilai indeks 100, nilai ini
menunjukan bahwa pada bulan tersebut tidak ada
pengaruh musiman.  Ada beberapa metode untuk
menghitung angka indeks musiman, antara lain adalah
metode rata-rata sederhana (simple average method).
￮  

16
Metode Rata-Rata Sederhana
Langkah- langkah menghitung indeks musiman:
1. Jumlahkan nilai setiap musim dalam satu periode tertentu.
2. Cari rata-rata untuk setiap musim (tahunan, kuartal, bulanan,
harian).
3. Jumlahkan hasil rata-rata nya (disebut total ratarata).
4. Rata-rata tiap musim dibagi dengan total rata-rata dikali 100%
(disebut persentase terhadap total rata-rata).
5. Kalikan jumlah musim dengan persentase terhadap total rata-rata.

17
Contoh Soal Misalkan data penjualan buku tulis per kuartal di suatu
perusahaan ditunjukkan oleh tabel di bawah. Berapakah indeks
musiman dari data tersebut dengan menggunakan metode rata-
rata sederhana?

Penjualan (Unit)

2015 2016 2017

Q1 2 4 3

Q2 4 5 4

Q3 7 9 10

Q4 3 4 4

18
Jawaban
Penjualan ( Unit ) JMl Rata-Rata % trhdp Indeks
total rata- Musiman (%)
rata
2015 2016 2017

Q1 2 4 3 9 3.00 15,25 61

Q2 4 5 4 13 4.33 22,01 88,04

Q3 7 9 10 26 8.67 44,08 176,32

Q4 3 4 4 11 3.67 18,66 74,64

JMl 19.67 100,00 400.00

19
Kurva Indeks Musiman

Penjualan ( Unit ) Indeks

Musiman (%)
2015 2016 2017

Q1 2 4 3 61

Q2 4 5 4 88,04

Q3 7 9 10 176,32

Q4 3 4 4 74,64

JMl 400.00

20
Interpretasi

Penjualan ( Unit ) Indeks

Musiman (%)
Pada kuarter pertama penjualan buku tulis
2015 2016 2017 adalah 38,8% lebih rendah dari pada rata-
rata penjualan setiap kuarternya. (61,02%-
Q1 2 4 3 61
100% = -38,8%)
Q2 4 5 4 88,04

Q3 7 9 10 176,32 Pada kuarter ketiga penjualan buku tulis

adalah 76,27% lebih tinggi dari pada rata-
Q4 3 4 4 74,64
rata penjualan setiap kuarternya.
JMl 400.00
(176,64%- 100% = 76,64%)

Patokannya dalah 100% jika (-) artinya lebih rendah

jika (+) artinya lebih tinggi
21
 Menghilangkan Pengaruh Musiman

Untuk melihat jika Penjualan (Unit) Penjualan Bebas Dari Pengaruh

musimnya adalah Musim
sama, maka yang 2015 2016 2017 Indeks 2015 2016 2017
mempengaruhi hanya musiman
faktor-faktor lain
selain musim
Q1 2 4 3 61 3,28 6,56 4,92
Q2 4 5 4 88,04 4,54 5,68 4,54
Q3 7 9 10 176,32 3,98 5,10 5,67
Q4 3 4 4 74,64 4,01 5,36 5,36
400,00

22
23
Thanks!

24