MAKALAH
STATISTIKA DESKRIPTIF
(ANALISA DATA BERKALA DENGAN METODE MOVING AVERAGE)
DISUSUN OLEH : KELOMPOK 9 (SEMBILAN)
1) LEONARD YULIO SITOMPUL (18110451)
2) CAHYA RAMA DHANI (18110620)
3) AULIA RAHMAH (18111407)
4) INAYATURROHMAH (18111478)
5) M.AGHIS FALUTFI (18111504)
6) DEVY KUSUMA DEWI (18111512)
7) RYONALDI YUDHA P (18111854)
8) DEVI TRISNOWATI (18111925)
Kelas 12.3B.04
MANAJEMEN INFORMATIKA
BINA SARANA INFORMATIKA BEKASI
2012
BAB I
PENDAHULUAN
1.1 Latar
Belakang
Analisa data deret berkala dengan metode moving
average dalam pokok bahasan mata kuliah statistika deskriptif , merupakan salah
satu materi pokok yang harus dipelajari oleh mahasiswa semester 3 jurusan
Manajemen Informatika di Akademi Bina Sarana Informatika. Di dalam materi moving
average ini mahasiswa diajarkan cara menghitung dengan metode rata – rata
bergerak sederhana dan rata – rata bergerak tertimbang.Untuk melakukan
perhitungan dengan metode moving average ini bisa dilakukan secara manual (rumus
moving average) atau dengan menggunakan Microsoft Excel dan SPSS.
Dalam
pengimplementasiannya metode moving average ini banyak digunakan oleh industry
– industry untuk mengurangi variasi dari data berkala aslinya. Dengan
mengurangi variasi tersebut, maka rata –
rata bergerak dapat menghilangkan fluktuasi – fluktuasi yang tidak diinginkan.
Karena apabila system dalam suatu industri yang ada masih menggunakan system manual
(pembukuan/ buku biasa), sehingga penyediaan dokumen inventory bagi industry
ini untuk proses pelayanan terhadap produksi masih belum maksimal.
1.2 Rumusan
Masalah
1. Bagaimana
cara menentukan rata – rata bergerak dan rata – rata bergerak tertimbang.
2. Bagaimana
penggunaan metode peramalan dengan
rata-rata bergerak sederhana (simple moving average) dan
rata –rata bergerak tertimbang.
3. Bagaimana
cara penggunaan metode peramalan dengan
rata – rata bergerak (moving average) menggunakan Microsoft Excel.
1.3 Batasan
Masalah
Agar pembahasan
tidak terlalu melebar, maka batasan masalah yang terkait antara lain :
a. Rata
– rata bergerak sederhana.
b. Rata
– rata bergerak tertimbang.
1.4 Tujuan
Penulisan
Tujuan penelitian dalam makalah ini adalah :
1. Mampu
menganalisa data berkala dari waktu ke waktu.
2. Agar
mahasiswa memahami data berkala dengan metode moving average.
3. Mampu mengerjakan soal-soal tentang metode moving
average.
4. Dapat
menguasai materi rata – rata bergerak sederhana dan rata – rata bergerak tertimbang.
5. Mampu
menerapkan metode moving average dalam data sekunder dengan menggunakan
Microsoft Excel atau SPSS.
1.5 Manfaat
Penelitian
Manfaat metode rata-rata bergerak adalah 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.
1.6 Metodologi
Adapun metode penelitian yang
dilakukan, yaitu menggunakan langkah – langkah sebagai berikut :
a. Mencari
literatur dan buku – buku yang berkaitan dengan tema tugas ujian akhir semester
atau tugas makalah ini, yang di gunakan untuk mendukung dan membantu dalam
materi – materi yang dibutuhkan dalam mengerjakan tugas akhir semester ini.
b. Mencari
sumber informasi lainnya yakni internet, dan catatan-catatan kuliah penulis
yang berhubungan masalah dengan yang dibahas.
c. Melakukan
uji coba dan evaluasi perangkat lunak yang sesuai dengan tujuan.
1.7 Sistematika
Penulisan
Pembahasan dalam
tugas ujian akhir semester ini akan dibagi menjadi beberapa bab sebagai berikut :
BAB
I PENDAHULUAN
Berisi
penjelasan latar belakang, rumusan makalah, batasan masalah, tujuan, manfaat,
metodologi, serta sistematika penulisan
yang digunakan dalam pengerjaan makalah tugas akhir semester.
BAB
II TINJAUAN PUSTAKA
Berisi
teori penunjang yang dapat mendukung pemahaman terhadap system, yaitu mengenai
prinsip dan konsep serta teknologi yang diterapkan dalam system.
BAB
III PEMBAHASAN
Berisi
uraian yang relevan dengan ruang lingkup masalah, yang meliputi :
·
Membahas singkat teori pendukung
berdasarkan kajian pustaka atau bahan
referensi yang resmi.
·
Pada dasarnya uraian adalah untuk
membahas permasalahan dengan alternative
pemecahan masalah yang dikaji yang dapat dibantu dengan factor pendukung atau
penghambat.
·
Serta pembahasan soal – soal analisa data berkala dengan metode moving
average. Selain itu, penulis memberikan contoh cara menerapkannya dalam data
sekunder dengan menggunakan Microsoft Excel.
BAB
IV PENUTUP
Berisi
kesimpulan yang berisi jawaban dan permasalahan dalam bentuk ikhtisar
permasalahan serta saran yang merupakan usul atau pendapat dari penulis yang
mengacu pada materi pembahasan.
DAFTAR
PUSTAKA
Pada
bagian ini akan dipaparkan tentang sumber – sumber literature yang digunakan
dalam pembuatan makalah ini.
LAMPIRAN
Berisi
dokumen tambahan yang ditambahkan (dilampirkan) ke dokumen utama.
BAB II
TINJAUAN PUSTAKA
2.1
Analisa
Data Deret Berkala (Time Series)
· Data Berkala (Data Deret waktu) adalah data
yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu
kegiatan atau sekumpulan hasil observasi yang diatur dan didapat menurut urutan
kronologis waktu, misalnya perkembangan produksi, harga barang, hasil
penjualan, jumlah penduduk, dll.
·
Analisis data berkala memungkinkan kita
untuk mengetahui perkembangan suatu/beberapa kejadian serta
pengaruhnya/hubunganya terhadap kejadian lain.
·
Dengan data berkala kita dapat membuat
ramalan berdasarkan garis regresi atau garis trend.
·
Data berkala terdiri dari
komponen-komponen, sehingga dengan analisis data berkala kita dapat mengetahui
masing-masing komponen atau bahkan menghilangkan suatu/beberapa komponen.
·
Karena ada pengaruh dari komponen, data
berkala selalu mengalami perubahan-perubahan, sehingga apabila dibuat grafik
akan menunjukkan adanya fluktuasi.
2.2 Komponen
Data Berkala
Ada
empat komponen gerak/variasi data berkala, yaitu :
- Gerak
Jangka Panjang atau Trend
·
Suatu gerakan yang menunjukan arah
perkembangan atau kecenderungan secara umum, arahnya bisa menaik atau menurun.
Garis trend ini juga sangat berguna untuk membuat ramalan (forecasting). Trend
sekuler umumnya meliputi gerakan yang lamanya sekitar 10 tahun atau lebih[1].
Gambar
1.1
Grafik
Trend Jangka Panjang
t
|
t
|
Y
|
Y
|
·
Trend dibedakan menjadi dua jenis, yakni
:
a. Trend
Linier → mengikuti pola garis lurus ( Y = a + b t ).
b. Trend
Non Linier → mengikuti pola lengkung (parabola, eksponensial, logaritma, dll).
- Gerak
Siklis
·
Gerakan atau variasi jangka panjang di
sekitar garis trend (berlaku untuk data tahunan). Gerakan sikli bisa terulang
setelah jangka waktu tertentu (setiap 3 tahun, 5 tahun atau bisa lebih).
·
Gerak siklis melukiskan terjadinya empat
fase kejadian dalam jangka waktu tertentu, yakni kemajuan, kemunduran, depresi
dan pemulihan.[2]
Gerak siklis (sekitar trend)
|
Garis Trend
|
(1)
|
(1)
|
(4)
|
(2)
|
(2)
|
(3)
|
(3)
|
(4)
|
Keterangan
:
(1)
Kemajuan
(2)
Kemunduran
(3)
Depresi
(4)
Pemulihan
|
t (waktu)
|
Y (nilai/kuota)
|
Gambar 1.2 Tahap – tahap Siklis
- Gerak
Musiman
Gerak
musiman terjadi lebih teratur dibandingkan garak siklis dan bersifat lengkap,
biasanya selama satu tahun kalender. Gerak ini berpola tetap dari waktu ke
waktu. Factor utama yang menyebabkan gerak ini adalah iklim dan kebiasaan.
- Gerak
Ireguler atau Faktor Residu (Gerak Tak Teratur)
·
Gerak ini bersifat sporadis/tidak
teratur dan sulit dikuasai.
·
Perang, bencana alam, mogok dan
kekacauan adalah beberapa faktor yang terkenal yang bisa menyebabkan gerak ini
terjadi.
·
Dengan adanya pengaruh tersebut, maka
gerak ireguler sulit untuk dilukiskan dalam suatu model.
2.3 Analisis
Trend Linier
Persamaan trend linier adalah Y = a + b t
Berikut
adalah beberapa cara untuk menentukan persamaan trend linier :
- Metode
Tangan Bebas
Langkah-langkah
:
1. Buat
sumbu datar t dan sumbu tegak Y, dimana t menyatakan variabel waktu (tahun,
bulan, dll) dan Y menyatakan variabel yang akan dianalisis (nilai data
berkalanya). Buat diagram pencar
dari koordinat (t, Y).
2. Tarik
garis yang dapat mewakili atau paling tidak mendekati semua titik koordinat
yang membentuk diagram pencar tersebut.
3. Jika
garis yang terbentuk bergerak di sekitar garis lurus, maka cukup alasan untuk
menentukan bahwa trend yang terbentuk adalah trend linier. Sedangkan apabila
garis yang terbentuk cenderung lengkung, maka trend yang terbentuk adalah trend
non linier.
2.4 Peramalan
Pada dasarnya peramalan
adalah merupakkan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan
dimasa depan, tetapi dengan menggunakkan metode – metode tertentu maka peramalan akan menjadi lebih dari
sekedar perkiraan. Peramalan dilakukkan dengan memanfaatkan informasi terbaik
yang ada pada masa itu, untuk menimbang kegiatan dimasa yang akan dating agar
tujuan yang diinginkan dapat tercapai.
Adapun
manfaat dari peramalan adalah sebagai berikut :
1.
Membantu agar perencanaan suatu pekerjaan dapat
diperkirakan dengan secara tepat.
2.
Merupakan suatu pedoman dalam menentukan tingkat persediaan
perencanaan dapat sebagai masukan untuk penentuan jumlah investasi.
3.
Membantu menentukan pengembangan suatu pekerjaan untuk
periode selanjutnya.
2.5 Tekhnik dan Jenis –
jenis Peramalan
Situasi
peramalan sangat beragam dalam horizon waktu peramalan, factor yang menentukan
hasil sebenarnya, tipe pola data berbagai aspek lainnya. Untuk menghadapi
penggunaan yang luas seperti itu, beberapa tekhnik telah dikembangkan. Tekhnik
tersebut dibagi kedalam dua kategori utama yaitu :
1.
Metode Kualitatif yaitu peramalan yang didasarkan atas
kwalitas pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat
dan pengetahuan serta pengalaman dari
penyusunnya. Biasanya peramalan secara kwalitatif ini didasarkan atas
hasil penyelidikan, seperti Delphi, S-curve, analogis dan penelitian bentuk
atau morphological atau decisions trees. Metode peramalan secara kwalitatif
dapat dibagi menjadi kedalam 5 bagian yaitu :
1) Metode Delphi,
sekelompok pakar mengisi kuesioner, moderator menyimpulkan hasilnya dan
memfokuskan menjadi suatu kuesioner baru yang diisi kembali oleh kelompok
tersebut, demikian seterusnya.
2) Dugaan manajemen
(management estimate) atau Panel Consensus, dimana peramalan semata – mata
berdasarkan pertimbangan manajemen, umumnya oleh manajemen senior.
3) Riset Pasar (market
research), merupakan metode peramalan berdasarkan hasil – hasil dari survey
pasar yang dilakukan oleh tenaga – tenaga pemasar produk atau yang mewakilinya.
4) Metode kelompok
terstruktur (structured group methods), seperti metode Delph dan lain – lain.
Metode Delphi merupakan tekhnik peramalan berdasarkan pada proses konvergensi
dari opini beberapa orang atau ahli secara interaktif tanpa menyebutkan
identitasnya.
5) Analogi historis
(Historical Analogy), merupakan tekhnik peramalan berdasarkan pola data masa
lalu dari produk – produk yang dapat disamakan secara analogi.
2.
Metode Kuantitaif adalah peramalan yang dapat didasarkan atas data yang dapat
dikuantitatifkan pada masa yang lalu. Tekhnik peramalan kuantitatif sangat
beragam, dapat dikembangkan dari
berbagai disiplin dan untuk berbagai maksud. Prosedur peramalan kuantitatif
terletak diantara dua rangkaian
kesatuan, yaitu metode naïf atau instuitif dan metode kuantitatif formal yang
didasarkan atas prinsip – prinsip
statitistika. Jenis yang pertama menggunakan ekstrapolasi horizontal, musiman
dan kecenderungan (trend).Metode peramalan kuantitatif dapat dibagi kedalam 2
bagian yaitu :
1) Analisa deret berkala
(time series) adalah suatu analisis yang berdasrkan hasil ramalan yang
mempengaruhinya. Pendugaan masa depan dilakukkan berdasarkan nilai masa lalu
dari suatu variable atau kesalahan masa
lalu. Tujuan metode peramalan deret berkala adalah menemukan pola dalam deret
data historis dan mengeksploitasikan pola dalam deret data historis daan
mengeksploitasikan pola tersebut ke masa depan.
2) Metode kasual adalah
suatu metode yang menggunakan pendekatan sebab akibat, dan bertujuan untuk
meramalkan keadaan di masa yang akan datang dengan menemukan dan mengukur
beberapa variable tidak bebas yang akan diramalkan. Tujuan dari metode kausal
adalah menemukan bentuk hubungan
tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variable
tidak bebas.
2.6 Metode Rata – rata
Bergerak (Moving Average)
Metode
rata – rata bergerak banyak di gunakan 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. Metode rata – rata bergerak mengestimasi permintaan periode berikutnya
sebagai rata – rata data permintaan actual dari n- periode terakhir. Terdapat
taiga macam model rata – rata bergerak, yaitu :
1) Simple Moving Average
Simple Moving Average (SMAt)=
|
Ilustrasi 1
Diberikan data harga penutupan akhir minggu surat-surat
berharga perusahaan “Mandala” yang bergerak dalam bidang maskapai penerbangan.
t
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
12
|
Y
|
46
|
56
|
54
|
43
|
57
|
56
|
67
|
62
|
50
|
56
|
47
|
56
|
Maka Moving Average 3 mingguan (SMA3) terhadap
harga penutupan akhir minggu saham diperoleh dari perhitungan berikut:
Tabel
1.1 Harga Penutupan Akhir Minggu Saham PT. ABC
Minggu (t)
|
Permintaan (Y)
|
Simple Moving Average 3 mingguan
|
1
|
46
|
-
|
2
|
56
|
-
|
3
|
54
|
52
|
4
|
43
|
51
|
5
|
57
|
51.33
|
6
|
56
|
52
|
7
|
67
|
60
|
8
|
62
|
61.17
|
9
|
50
|
59.17
|
10
|
56
|
56
|
11
|
47
|
51
|
12
|
56
|
53
|
Berdasarkan data di atas, maka ramalan untuk
minggu-minggu mendatang (13)
2)
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
periode moving average, maka SMa menggunakan data periode 3 ditambah data
sebelumnya dan data sesudahnya. 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 Yt
= Y5 maka
intervalnya dimulai dari Y3 sampai Y7.
Ilustrasi
2
Bulan (t)
|
Permintaan (Y)
|
|
|
||
Januari
|
46
|
-
|
-
|
||
Februari
|
56
|
-
|
-
|
||
Maret
|
54
|
-
|
-
|
||
April
|
43
|
-
|
-
|
||
-
|
-
|
55.13
|
|||
Mei
|
57
|
55.4
|
-
|
||
-
|
-
|
55.63
|
|||
Juni
|
56
|
57
|
-
|
||
-
|
-
|
55.63
|
|||
Juli
|
67
|
58.4
|
-
|
||
-
|
-
|
54.75
|
|||
Agustus
|
62
|
58.2
|
-
|
||
-
|
-
|
56.38
|
|||
September
|
50
|
56.4
|
-
|
||
Oktober
|
56
|
54.2
|
-
|
||
November
|
47
|
-
|
-
|
||
Desember
|
56
|
-
|
-
|
Contoh
perhitungan:
3)
Weighted
Moving Average
Rumus untuk Weighted Moving Average (WMAt)
Ilustrasi 3
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 2
bulan sebelumnya, 20% untuk 3 bulan sebelumnya, dan 10% untuk 4 bulan
sebelumnya. Data penjualannya sebagai berikut :
Bulan1
|
Bulan2
|
Bulan3
|
Bulan4
|
Bulan5
|
100
|
90
|
105
|
95
|
?
|
Peramalan weighted moving average dengan N = 4
adalah :
Maka ramalan bulan ke (5 + t) dengan t =1,2,3 adalah :
BAB III
PEMBAHASAN
3.1 Rata – rata
Bergerak dalam Statistika
Dalam
statistika rata – rata bergerak, juga disebut bergulir rata, berati bergulir
atau menjalankan rata – rata, adalah jenis filter yang respon impulse yang
terbatas digunakan untuk menganalisis satu set poin datum dengan menciptakan
serangkaian rata – rata dari himpunan bagian yang berbeda dari kumpulan data
lengkap.
Deret berkala adalah data yang
dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan
(perkembangan produksi, harga, hasil penjualan, jumlah penduduk, jumlah
kecelakaan, jumlah kejahatan, dsb).
Salah satu
manfaat penting dari rata – rata bergerak adalah mengurangi variasi dari data
berkala aslinya. Dengan mengurangi variasi tersebut, maka rata – rata bergerak
dapat menghilangkan fluktuasi – fluktuasi yang tidak diinginkan.
Sebuah rata-rata
bergerak umumnya digunakan dengan time series
data untuk kelancaran keluar fluktuasi jangka pendek dan jangka
panjang menyoroti trend atau siklus. Ambang batas antara jangka pendek dan
jangka panjang tergantung pada aplikasi, dan parameter moving average akan
ditetapkan sesuai. Sebagai contoh, sering digunakan dalam analisis
teknis dari data keuangan, seperti saham harga , kembali atau volume
perdagangan. Hal ini juga digunakan dalam bidang ekonomi untuk
memeriksa produk domestik bruto, pekerjaan atau deret waktu lainnya
makroekonomi. Secara matematis, rata-rata bergerak adalah jenis konvolusi dan
sehingga dapat dilihat sebagai contoh dari low-pass filter yang digunakan
dalam pemrosesan sinyal . Ketika
digunakan dengan non-data time series, sebuah filter moving average komponen
frekuensi yang lebih tinggi tanpa sambungan khusus untuk waktu, meskipun
biasanya beberapa jenis memesan tersirat. Dilihat simplistically dapat
dianggap sebagai merapikan data.
3.2 Komponen Deret Berkala
Empat
Komponen Deret Berkala :
1. Trend
Sekuler, yaitu gerakan yang berjangka panjang, lamban seolah – seolah alun
ombak dan berkecenderungan menuju ke satu arah, arah menaik atau menurun.
Ciri
– ciri Trend Sekuler :
·
Umumnya meliputi gerakan yang lamanya 10
tahun atau lebih.
·
Trend digunakan dalam melakukan
peramalan (forecasting). Metode yang biasanya dipakai, antara lain adalah
Metode Semi Average dan Metode Least Square.
2.
Variasi Musim, yaitu ayunan sekitar trend yang bersifat
musiman serta kurang lebih teratur.
3.
Variasi Sikli, yaitu ayunan trend yang berjangka lebih
panjang dan agak lebih tidak teratur.
4.
Variasi Random/Residu, yaitu gerakan yang tidak
teratur sama sekali.
3.3 Rata – rata Bergerak Sederhana
Rata
– rata bergerak sederhana yang sering digunakan untuk meratakan deret berkala
yang bergelombang adalah metode rata – rata bergerak. Metode ini dibedakan atas
dasar jumlah tahun yang digunakkan untuk mencari rata – ratanya. Jika
digunakkan 3 tahun sebagai dasar pencarian rata – rata bergerak 3 tahun.
ü Prosedur menghitung
rata – rata bergerak sederhana per 3 tahun sebagai berikut :
1.
Jumlahkan data selama 3 tahun berturut – turut.
Hasilnya diletakkan di tengah – tengah tahun tersebut.
2.
Bagilah dengan banyaknya tahun tersebut (3) untuk
mencari nilai rata – ratanya.
3.
Jumlahkan data berikutnya selama 3 tahun berturut –
turut dengan meninggalkan tahun yang pertama. Hasilnya diletakkan di tengah –
tengah tahun tersebut dan bagilah dengan banyaknya tahun tersebut (3) dan seterusnya
sampai selesai.
ü Kelemahan dari metode
ini adalah :
1.
Metode ini memerlukan penyimpanan yang lebih banyak
karena semua T pengamatan terakhir harus disimpan, tidak hanya nilai rata –
rata.
2.
Metode ini tidak dapat menanggulangi dengan baik
adanya trend atau musiman.
3.4 Rata – rata Bergerak Tertimbang
Umumnya timbangan yang digunakkan bagi rata – rata bergerak
ialah Koefisien Binomial. Rata – rata bergerak per3 tahun harus diberi
koefisien 1, 2, 1 sebagai timbangannya.
ü Prosedur menghitung
rata – rata bergerak tertimbang per 3 tahun sebagai berikut :
1.
Jumlahkan data tersebut selama 3 tahun berturut –
turut secara tertimbang.
2.
Bagilah hasil penjumlahan tersebut dengan factor
pembagi 1+2+1=4. Hasilnya diletakkan di tengah – tengah tahun tersebut.
3.
Dan seterusnya sampai selesai.
3.5 Soal – soal Moving Average
Kasus 1 (Rata – rata bergerak sederhana)
Tabel
1.2
Produksi
Sabun Kesehatan Tahun 1997 – 2003
Tahun
|
Produksi
(ribu ton)
|
1997
|
175,5
|
1998
|
194,9
|
1999
|
218,5
|
2000
|
202,9
|
2001
|
213,0
|
2002
|
207,8
|
2003
|
213,0
|
1. Buatlah nilai trend
dengan metode rata – rata bergerak, dengan 3 tahun dan 5 tahun rata – rata
bergerak ! Buatlah grafiknya juga !!
Tabel 1.3
Letak Rata – rata Bergerak 3 Tahun dan 5 Tahun
Th
|
Produksi (ribu ton)
|
Jumlah 3 tahun
|
Jumlah 5 tahun
|
Rata-rata bergerak
3 tahun
|
Rata-rata bergerak
5 tahun
|
1997
|
175,5
|
-
|
-
|
-
|
-
|
1998
|
194,9
|
-
|
-
|
-
|
-
|
1999
|
218,5
|
588,9
|
-
|
196,3
|
-
|
2000
|
202,9
|
616,3
|
-
|
205,4
|
-
|
2001
|
213,0
|
634,4
|
1.004,8
|
211,5
|
200,96
|
2002
|
207,8
|
623,7
|
1.037,1
|
207,9
|
207,42
|
2003
|
213,0
|
633,8
|
1.055,2
|
211,3
|
211,04
|
Jika
ingin menghitung rata-rata bergerak dengan n genap,
prosedurnya hampir sama dengan menghitung rata-rata bergerak
dengan n ganjil.
prosedurnya hampir sama dengan menghitung rata-rata bergerak
dengan n ganjil.
Kasus 2
Dengan
menggunakan data berkala di bawah ini, tentukanlah :
a. Rata
– rata bergerak 2 tahun.
b. Rata
– rata bergerak tertimbang 3 tahun.
Tabel 1.4
Besar Pinjaman
Suatu Negara (Milliaran Rupiah)
Tahun
|
Besar Pinjaman (Y)
|
2000
|
2.5
|
2001
|
3.8
|
2002
|
3.5
|
2003
|
2.3
|
2004
|
1.5
|
2005
|
4.5
|
2006
|
4.2
|
2007
|
1.7
|
2008
|
1.8
|
a.
Rata – rata Bergerak 2 Tahun
Tahun
|
Data Asli
|
Total Bergerak
2 tahun
|
Rata-rata Bergerak 2 tahun
|
2000
|
2.5
|
-
|
-
|
2001
|
3.8
|
6.3
|
3.15
|
2002
|
3.5
|
7.3
|
3.65
|
2003
|
2.3
|
5.8
|
2.9
|
2004
|
1.5
|
3.8
|
1.9
|
2005
|
4.5
|
6
|
3
|
2006
|
4.2
|
8.7
|
4.35
|
2007
|
1.7
|
5.9
|
2.95
|
2008
|
1.8
|
3.5
|
1.75
|
Tabel 1.5
Letak Rata – rata Bergerak 2 Tahun
b.
Rata – rata Bergerak Tertimbang 3 tahun
Tabel
1.6
Besar
Pinjaman Suatu Negara (Milliaran Rupiah)
Tahun
|
Data
Asli
|
Total
Bergerak Tertimbang 3 tahun
|
Rata-rata
Bergerak Tertimbang 3 tahun
|
2000
|
2.5
|
-
|
-
|
2001
|
3.8
|
13.6
|
3.4
|
2002
|
3.5
|
13.1
|
3.275
|
2003
|
2.3
|
9.6
|
2.4
|
2004
|
1.5
|
9.8
|
2.45
|
2005
|
4.5
|
14.7
|
3.675
|
2006
|
4.2
|
14.6
|
3.65
|
2007
|
1.7
|
9.4
|
2.35
|
2008
|
1.8
|
-
|
-
|
Rata – rata bergerak tertimbang 3 tahun
Perhitungan juga dapat dilakukan dengan
menggunakan Microsoft Excel, langkah – langkah sebagai berikut :
1) Masukan
data berkala (misal untuk 9 tahun).
2) Pilih
Tools, kemudian pilih Data Analysis.
3) Dari
kotak dialog, pilih Moving Average.
4) Sorot
data penjualan pada sel B4 – B12 pada kotak input range.
5) Ketik
3 pada kotak interval[3].
6) Ketik
C4 pada kotak output range.
7) Pilih
Chart Output.
8) Pilih
OK.
Dari
data Tabel 1.6 maka hasilnya seperti disajikan pada Gambar 1.4[4]
BAB IV
PENUTUP
4.1
Kesimpulan
Dua jenis yang paling umum adalah
Simple Moving Average dan Eksponensial Moving Average. Simple Moving Average
adalah bentuk paling sederhana moving average, Moving Average lebih halus
dibandingkan dengan Eksponensial Moving Average. Akan tetapi Simple Moving Average rentan terhadap lonjakan
(spike) harga. Jika Menggunakan eksponensial moving average dapat membantu anda
dalam melihat sutu trend lebih cepat, akan tetapi rentan terhadap sinyal palsu.
Anda dapat menggunakkan Moving Average dalam membantu anda untuk menentukan
sebuah trend, kapan harus masuk, dan kapan ketika trend tersebut akan segera
berakhir. Moving Average dapat digunakan sebagai support dan resistance
dinamis. Salah satu cara terbaik untuk menggunakkan moving average adalah
menggunakan beberapa moving average sehingga anda bisa melihat kedua pergerakan
jangka panjang dan jangka pendek.
4.2 Saran
Diharapkan mahasiswa mampu memahami materi
pembahasan dan mampu mengerjakan soal – soal analisa deret berkala dengan
metode moving average. Selain itu mampu menerapkan ke dalam data sekunder yaitu
menggunakan Microsoft Excel.
DAFTAR PUSTAKA
1. Riana, Dwiza, 2012,
Statistika Deskriptif itu Mudah, Tangerang, Jelajah Nusa.
2. “Modul matakuliah
statistika deskriptif”
3. http://www.google.co.id/search?hl=id&output=search&sclient=psy-ab&q=MOVING+AVERAGE&btnK=
Lampiran
Lembar Penilaian Presentasi
Kelompok : 9 (Sembilan)
Kelas : 12.3B.04
Materi : Analisa Data Berkala dengan Metode Moving Average
No.
|
NIM
|
Nama
|
Presentasi
|
Penguasaan Materi
|
Makalah
|
LTM
|
1
|
18110451
|
Leonard Yulio. S
|
||||
2
|
18110620
|
Cahya Rama. D
|
||||
3
|
18111407
|
Aulia Rahmah
|
||||
4
|
18111478
|
Inayaturrohmah
|
||||
5
|
18111504
|
M. Aghis Falutfi
|
||||
6
|
18111512
|
Devi Kusuma Dewi
|
||||
7
|
18111854
|
Ryonaldi Yudha. P
|
||||
8
|
18111925
|
Devi Trisnowati
|
Dosen Statistika Deskriptif
Herlawati, S.Si, MM, M.Kom
KATA PENGANTAR
Puji
syukur Kehadirat Tuhan Yang Maha Kuasa atas segala rahmat, karunia terutama
kesempatan yang diberikan-Nya, sehingga dapat menyelesaikan penulisan
makalah ini secara tuntas, walaupun masih banyak terdapat
kekurangan.
Selama
proses penulisan makalah ini, penulis memperoleh banyak bantuan dari berbagai
pihak, baik secara langsung maupun secara tidak langsung. Untuk itu dari hati
yang paling dalam penulis menyampaikan ucpan terima kasih kepada semua pihak
yang telah membantu penulisan makalah ini.
Sebagai
manusia biasa penulis menyadari bahwa dalam penulisan makalah ini masih banyak
terdapat kekurangan dan kekeliruan, baik dari segi isi maupun dari segi
penulisannya. Segala kritikan dan masukan dari semua pihak, akan menjadi
pengalaman yang sangat berharga bagi penulis demi kesempurnaan makalah ini.
Bekasi, November 2012
DAFTAR
ISI
Gambar Grafiknya bagaimana yah jika boleh tau tampilannya?
BalasHapusboleh minta dalam bentuk file pdf nya ga min?
BalasHapus