Forecasting Metode Weighted Moving Average


Metode Smoothing merupakan salah satu jenis teknik yang digunakan dalam analisis time series (runtun waktu) untuk memberikan peramalan jangka pendek. Dalam melakukan smoothing (penghalusan) terhadap data, nilai masa lalu digunakan untuk mendapatkan nilai yang dihaluskan untuk time series. Nilai yang telah dihaluskan ini kemudian diekstrapolasikan untuk meramal nilai masa depan. Tehnik yang kita kenal dalam metode smoothing yaitu Simple Moving Average dan Exponential smoothing. Pada halaman ini, saya hanya akan membahas tentang Simple Moving Average.

Simple Moving Average

Data time series seringkali mengandung ketidakteraturan yang akan menyebabkan prediksi yang beragam. Untuk menghilangkan efek yang tidak diinginkan dari ketidak-teraturan ini, metode simple moving average mengambil beberapa nilai yang sedang diamati, memberikan rataan, dan menggunakannya untuk memprediksi nilai untuk periode waktu yang akan datang. Semakin tinggi jumlah pengamatan yang dilakukan, maka pengaruh metode moving average akan lebih baik. Meningkatkan jumlah observasi akan menghasilkan nilai peramalan yang lebih baik karena ia cenderung meminimalkan efek-efek pergerakan yang tidak biasa yang muncul pada data.

Moving average juga mempunyai dua kelemahan yaitu memerlukan data masa lalu dalam jumlah besar untuk ketepatan prediksi, dan masing-masing observasi diberikan bobot yang sama, ini melanggar bukti empiris bahwa semakin observasi terbaru seharusnya lebih dekat dengan nilai masa depan maka kepentingan bobotnya akan meningkat pula.

Aplikasi Metode Moving Average dengan software IBM SPSS 23 dapat dilihat pada contoh berikut ini:

Berikut kita memiliki data kunjungan ke Bali dari Januari 2008 hingga Juni 2015 dalam format excel, data diambil dari website Dinas Pariwisata Provinsi Bali :

1. Langkah pertama adalah memasukkan data ke dalam worksheet SPSS 23 sebagai berikut:

Data View: (bagi yang belum jelas tentang cara impor data dari excel ke SPSS 23 lihat di step bahasan ini >>>)

2. Kemudian pada menubar SPSS 23 pilih Transform – Create Time Series Seperti Gambar:

3. Setelah itu akan muncul kotak dialog berikut, pilih Visit dan klik panah sehingga variabel visit berpindah ke kolom variabel – New Variabel di sebelah kanan.

4. Setelah itu pilih pada kotak function pilih Centered Moving Average, atau bisa juga Prior Moving Average.

5. Kemudian isikan span dengan 3, dan klik change. Span diisi dengan angka 3 artinya mengalami proses 3 kali smoothing yang biasa kita kenal juga dengan Weighted Moving Average. Adapun proses 1 dan 2 kali smoothing kita sebut Single Moving Average dan Double Moving Average. Jangan lupa untuk klik change agar variabel visit_1 berubah menjadi visi_3, kemudian ok.

6. Output yang didapat dari metode Centered Moving AverageWeighted Moving Average adalah sebagai berikut:

Dari output diatas, dapat diketahui bahwa Kunjungan pada bulan-bulan berikutnya dapat kita lihat dari variabel baru yang dihasilkan dari time series analysis metode centered moving averageweighted moving average.

Demikian juga jika kita memilih prior moving average, keduanya merupakan metode simple moving average dengan span 3, maka hasil peramalannya akan sama.(yoz)

Aplikasi Metode Exponential Smoothing dengan SPSS akan dibahas pada bahasan selanjutnya

6 thoughts on “Forecasting Metode Weighted Moving Average

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s