Apa itu Metode peramalan moving average?

• Destia Anisya Ramdani Universitas Singaperbangsa Karawang
• Fahriza Nurul Azizah

Abstract

Pelumas merupakan produk dari PT XYZ yang digunakan untuk kendaraan dan mesin-mesin industri. Peramalan umumnya dilakukan untuk meramalkan jumlah produksi di masa mendatang dengan menggunakan data historis atau data-data pada permintaan sebelumnya terhadap produk perusahaan. Penelitian ini dilakukan untuk menguji enam metode peramalan agar dapat mengetahui metode mana yang tepat untuk diterapkan pada PT XYZ. Peramalan pada PT XYZ ini menggunakan data historis permintaan tahun 2019 dari bulan januari hingga bulan desember yang telah merepresentasikan pola permintaan setiap tahun di PT XYZ. Data ini digunakan untuk meramalkan setahun kedepan.
Penelitian kali ini akan membandingkan enam metode peramalan diantaranya metode moving average 3 bulanan, moving average 5 bulanan, exponential smoothing dengan α=0,1, exponential smoothing dengan α=0,5, exponential smoothing dengan α=0,9 dan naive method. Untuk bahan perbandingan dari keenam metode yang telah disebutkan maka diberikan peramalan yaitu dengan metode penyimpangan Mean Absolute Deviation (MAD), Mean Square Error (MSE), Root Mean Square Error (RMSE), dan Absolute Presentage Error (MAPE).
Hasil penelitian ini menunjukkan metode peramalan exponential smoothing dengan α=0,9 dengan nilai penyimpangan MAD 2.364,50, MSE 12.448.875,06, RMSE 3.528,30 dan MAPE 0,60 dapat dikatakan metode yang lebih optimal untuk diterapkan di PT XYZ karena memiliki nilai penyimpangan paling rendah dari metode moving average 3 bulanan, moving average 5 bulanan, exponential smoothing dengan α=0,1, exponential smoothing dengan α=0,5 dan naive method.
Sehingga PT XYZ untuk menentukan tingkat permintaan konsumen dapat menggunakan metode exponential smoothing dengan α=0,9, karena setelah dilakukan perbandingan dari hasil penyimpangan setiap metode dan telah terbukti bahwasannya metode exponential smoothing dengan α=0,9 memiliki nilai penyimpangan MAD 2.364,60, MSE 12.448.875,06, RMSE 3.528,30 dan MAPE 0,60 yang artinya merupakan nilai penyimpangan terkecil dari metode moving average 3 bulanan, moving average 5 bulanan, exponential smoothing dengan α=0,1, exponential smoothing dengan α=0,5, dan naive method.

Pada kesempatan kali ini, saya akan berbagi sedikit tentang peramalan. Data yang digunakan juga sangat sederhana dengan metode yang sederhana juga.

Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan bahwa peramalan merupakan kegiatan untuk mengetahui nilai variabel yang dijelaskan (variabel dependen) pada masa akan datang dengan mempelajari variabel independen pada masa lalu, yaitu dengan menganalisis pola data dan melakukan ekstrapolasi bagi nilai-nilai masa yang akan datang.Selain itu ada tiga kriteria yang perlu dipertimbangkan yaitu:

a. Pola data

b. Faktor biaya peramalan

c. Faktor kemudahan.

Rata-rata bergerak tunggal (single moving average) adalah suatu metode peramalan yang dilakukan dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan untuk periode yang akan datang. Metode single moving average mempunyai karakteristik khusus yaitu:

a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu.

b. Semakin panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average yang semakin halus.

Disini akan menggunakan 2 aplikasi yaitu Ms Excel dan Eviews. Penjelasan pertama menggunakan Ms Excel.

Langkah pertama adalah masukkan data soal ke Microsoft Excel, lalu melakukan peramalan dengan MA (2). MA (2) adalah peramalan data menggunakan rata — rata 2 data sebelumnya. Input rumus average pada kolom ketiga karena menggunakan 2 data sebelumnya untuk melakukan peramalan lalu tarik ke bawah cell sampai di kolom terakhir dan lebihkan satu kolom untuk nilai peramalan pada tahun 2015. Sama dengan MA (2) langkah untuk mengerjakan MA (4) hanya saja menggunakan rata — rata 4 data terakhir. Dan pada MA (6) adalah menggunakan 6 data terakhir. Berikut adalah tampilan untuk menghitung MA (2).

Langkah selanjutnya adalah menghitung MSE (Means Square Error) dari hasil peramalan dicari selisih antara data asli dengan data peramalan lalu dikuadratkan. Untuk MA (4) dan MA (6) sama langkahnya hanya saja data yang dipakai yaitu 4 dan 6 data sebelumnya. Berikut adalah tampilan formulanya :

Mencari dan menentukan nilai MSE dengan merata — ratakan hasil langkah sebelumnya. Berikut adalah gambarnya :

Ø Langkah kerja menggunakan software Eviews 7

Buka apliasi Eviews 7.

Klik menu File > New > Workfile.

Ketik 1991 pada kolom Start date, dan pada kolom End date di ketik 2014 seperti gambar dibawah ini :

Klik Menu Object > New Object. Seperti gambar dibawah ini :

Pilih series pada kolom type of object, lalu tulis kartal pada kolom name for object > Klik OK.

Selanjutya akan muncul tampilan workfile, lalu klik data kartal sebanyak 2 kali. Seperti gambar dibawah ini :

Selanjutnya adalah menginput data peredaran uang kartal pada object kartal dengan cara klik edit+/- , selanjutnya blok data yang akan di input kedalam workfile klik copy dan paste data di dalam workfile. Lalu klik edit+/-. Berikut adalah tampilan workfile setelah di masukkan data :

Melakukan peramalan dengan cara klik Menu Quick > Generate Series seperti gambar dibawah ini :

Selanjutnya adalah menginput sintaks persamaan untuk metode moving average untuk MA (2) yaitu movav(kartal,2) pada kolom enter equation. Seperti gambar dibawah ini :

Untuk MA (4) dan MA (6) langkah yang dilakukan sama dengan 2 langkah sebelumnya diatas, namun sintaks yang digunakan berbeda. Untuk MA (4) menggunakan sintaks “movav4=@movav(kartal,4)” dan untuk sintaks MA (6) menggunakan sintaks “movav6=@mavav(kartal,6)”.

Pada lembar workfile, klik View > Show untuk menampilkan perbandingan data asli dengan hasil peramalannya.

Dalam kolom Objects to display in a single window di isi dengan kartal movav2 karena akan melihat hasil peramalan pada MA (2) > Klik OK. Seperti gambar berikut :

Untuk melihat hasil MA (4) menggunakan sintaks “kartal manov4” dan sintak untuk MA (6) yaitu “kartal manov6”. Ulangi 2 langkah sebelumnya.

Berikut adalah penjelasan singkat menyelesaikan studi kasus tersebut. Untuk penjelasan hasil, akan saya jelaskan pada kesempatan selanjutnya.

Apa yang dimaksud dengan Metode moving average?

Mengapa menggunakan metode moving average?

Apa itu Metode Simple average?

Langkah langkah metode moving average?