Kali ini kita akan mencoba untuk melakukan salah satu metode forecasting yaitu Moving Average lebih tepatnya Single Moving Average Show Rata-rata bergerak tunggal (Single Moving Average) adalah suatu metode peramalan yang mencari nilai rata-rata dari sekelompok nilai pengamatan sebagai ramalan untuk periode yang akan datang. Metode Single Moving Average mempunyai karakteristik khusus yaitu : Dimana: Jika terdapat nilai pengamatan dan peramalan untuk n periode waktu, maka akan terdapat n buah kesalahan dan ukuran statistik standar yang dapat didefinisikan salah satunya dengan rata-rata kuadrat kesalahan (Mean Squared Error atau MSE). MSE merupakan metode alterntif untuk mengevaluasi teknik peramalan masing-masing kesalahan (selisih data aktual terhadap data peramalan) dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah data. MSE dihitung dengan rumus : Disini kita akan mencoba sebuah kasus menggunakan metode single moving average 5 bulanan. Disini kita akan melakukan peramalan pendapatan untuk 1 periode kedepan menggunakan single moving average 5 bulanan untuk data pendapatan. Kita akan menggunakan software excel. Silahkan terlebih dahulu download datanya DISINI Tabel data
1. Bukalah Ms. Excel, selanjutnya adalah carilah single moving average (SMA) 5 bulanan dari data pendapatan, dengan cara average atau rata-rata pada baris waktu (t) 6, dari pendapatan waktu (t) 1 hingga 5, lalu drag kebawah. Seperti pada gambar dibawah ini. 2. Langkah berikutnya adalah carilah nilai error yaitu pengurangan dari data asli dengan hasil peramalan, dan kemudian error tersebut dikuadratkan. Seperti gambar dibawah ini 3. Carilah nilai SSE dengan cara jumlahkan nilai error yang telah dikuadratkan., dan kemudian carilah MSE dengan cara merata-ratakan hasil error kuadrat yang telah didapat. Moving average merupakan rata-rata bergerak pada waktu (t) yang berubah rubah. Single moving average 5 bulanan dilakukan dengan mencari nilai rata-rata data asli dari waktu (t) 1 sampai 5. Hasil moving average diletakkan pada waktu (t) 6. Untuk meramalkan pada t 7 adalah rata-rata data asli pendapatan dari t 2 sampai t 6. Untuk meramalkan pada t 8 adalah hasil rata-rata data asli dari waktu (t) 3 sampai waktu (t) 7, begitu seterusnya. Sedangkan untuk melihat keakuratan hasil ramalan yang bagus adalah dengan mencari nilai error masing-masing waktu. Error diperoleh dari hasil pengurangan data asli dikurangi hasil ramalan. Semakin kecil nilai error yang diperoleh maka bagus metode yang digunakan untuk meramal. Berikut hasilnya.
Berdasarkan uraian diatas, diperoleh hasil jumlah kuadrat error dan rata-rata kuadrat error dari metode single moving average (5).
Nilai sum square error (SSE) untuk single moving average sebesar 574134E+13 dan untuk nilai MSE sebesar 2.20821E+12. SSE dan MSE bisa bernilai besar ataupun kecil tergantung juga bagaimana data kita. Disini kita menggunakan data jutaan sehingga SSE atau MSE bisa berbentuk jutaan. Dimana perlu diketahui bahwa MSE lebih disarankan daripada SSE hasilnya masih proporsional dengan data yang kita gunakan. Dari plot diatas dapat dilihat bahwa dari data hasil prediksi terlihat bahwa errornya terlihat cukup besar karena ketidaktepatan antara data actual dan prediksi dalam artian plot predict tidak mengikuti plot data actual. Bagaimana cara menghitung moving average?Simple Moving Average dihitung dengan cara menambahkan deretan harga terkini pada suatu rentang waktu, lalu membaginya sejumlah periode tersebut. Maka, nilai rata-rata pun bisa didapat.
Apa itu Metode peramalan moving average?Moving Average (rata-rata bergerak) adalah metode peramalan perataan nilai dengan mengambil sekelompok nilai pengamatan yang kemudian dicari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya.
Apa itu Metode Weight moving average?Metode Weighted Moving Average merupakan Metode rata-rata bergerak yang banyak digunakan untuk menentukan trend dari suatu deret waktu.
Apa itu Metode Simple average?Simple Moving Average merupakan model dalam melakukan prediksi. Teknik moving average digunakan dalam memprediksi permintaan dengan cara melakukan perhitungan nilai rata-rata dan nilai permintaan sesungguhnya dari sejumlah periode yang spesifik sebelumnya.
|