PERAMALAN

Moving average method

MOVING AVERAGE
• Metode rata-rata bergerak banyak digunakan untuk
menentukan trend dari suatu deret waktu. Dengan
menggunakan metode rata-rata bergerak ini, deret berkala dari
data asli diubah menjadi deret rata-rata bergerak yang lebih
mulus. Metode ini digunakan untuk data yang perubahannya
tidak cepat, dan tidak mempunyai karakteristik musiman atau
seasonal. Model rata-rata bergerak mengestimasi permintaan
periode berikutnya sebagai rata-rata data permintaan aktual
dari n periode terakhir.
3 JENIS MOVING AVERAGE
1. Simple Moving Average
2. Centered Moving Average
3. Weighted Moving Average
Simple Moving Average
Ilustrasi
• Diberikan data penjualan permintaan produk lampu LED pada perusahaan XYZ
(Tahun 2020)
Contoh Perhitungan
Jawaban
Berdasarkan data di atas, maka ramalan
untuk minggu-minggu mendatang (13)
Centered Moving Average
• Perbedaan utama antara Simple Moving Average dan Centered Moving Average
terletak pada pemilihan observasi yang digunakan. Simple Moving Average
menggunakan data yang sedang diobservasi tambah data sebelum observasi.
Misalnya, menggunakan 5 periode moving average, maka untuk SMA
menggunakan data periode ke-5 dan 4 data periode sebelumnya.
• Sebaliknya untuk CMA, “Center” berarti rataan antara data sekarang dengan
menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 3 periode
moving average, maka SMA menggunakan data periode 3 ditambah data
sebelumnya dan data sesudahnya.
Centered Moving Average
• Didefinisikan sebagai berikut

• Dimana Yt adalah nilai tengah dari interval L data observasi. (L-1)/2 observasi
merupakan data sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Y t = Y5
maka intervalnya dimulai dari Y3 sampai Y7
Ilustrasi
Contoh Perhitungan
Weighted Moving Average
• Formula untuk Weighted Moving Average (WMAt):
Ilustrasi
• Diketahui data penjualan suatu departement store 4 bulan periode.
Kemudian ingin meramalkan penjualan bulan ke-5 dengan moving average
dimana menggunakan bobot 40% actual sales untuk bulan saat ini (4), 30%
untuk 1 bulan sebelumnya, 20% untuk 2 bulan sebelumnya, dan 10% untuk
3 bulan sebelumnya. Data penjualannya sebagai berikut:
Contoh Perhitungan
• Peramalan weighted moving average dengan N = 5 adalah:

• Maka ramalan bulan ke (5 + t) dengan t =1,2,3 adalah:

PERAMALAN
EXPONENTIAL SMOOTHING
METODE PEMULUSAN EKSPONENSIAL
Terdapat 4 Metode Exponential Smoothing :
• Pemulusan Eksponensial Tunggal (Single Exponential Smoothing / SES)
• Pemulusan Eksponensial Ganda: Metode Satu Parameter dari Brown
• Pemulusan Eksponensial Ganda: Metode Dua Parameter dari Holt
• Pemulusan Eksponensial Ganda: Metode Tiga Parameter dari Winter
Single Exponential Smoothing / SES

• Digunakan untuk data runtut waktu yang mengikuti pola stasioner. Bentuk umum
yang digunakan untuk menghitung ramalan adalah:
 Ilustrasi

• Peramalan pengiriman alat pembuka kaleng listrik dengan menggunakan pemulusan eksponensial.
• Agar dapat memulai sistem peramalan SES kita memerlukan , karena
Karena nilai tidak diketahui, maka kita dapat menggunakan nilai observasi pertama (Y1)
sebagai ramalan pertama
Ilustrasi – lanjutan
 Pemulusan Eksponensial Ganda:
Metode Satu Parameter dari Brown
• Digunakan dalam peramalan data runtut waktu yang mengikuti suatu trend linier.
• Bentuk umum yang digunakan untuk menghitung ramalan adalah:
Pemulusan Eksponensial Ganda:
Metode Satu Parameter dari Brown
 Contoh perhitungan

• Pemulusan eksponensial dari Brown

pada data permintaan suatu produk.
Perhitungan pada contoh di samping
ini menggunakan nilai α = 0,2.
 Pemulusan Eksponensial Ganda:
Metode Dua Parameter dari Holt
• Digunakan dalam peramalan data runtut waktu yang mengikuti suatu trend linier.
• Bentuk umum yang digunakan untuk menghitung ramalan adalah:
Pemulusan Eksponensial Ganda:
Metode Dua Parameter dari Holt
 Contoh perhitungan

• Pemulusan eksponensial dari Holt pada

data permintaan suatu produk.
Perhitungan pada contoh di samping ini
menggunakan nilai  = 0,2 dan  = 0,3.