Peramalan Sederhana (Single Moving Average vs Single Exponential Suavização) Mungkin sebagian besar diantara kita pernah mendengar tentang teknik peramalan. Tentunya bukan dukun peramal, melainkan tekni untuk meramalkan previsão suatu dados deret waktu série temporal. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan. Dalam meramal suatu nilai pada masa yang akan datang bukan berarti hasil yang didapatkan ialah sama persis, melainkan merupakan suatu pendekatan alternatif yang lumrah dalam ilmu statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Média móvel do Suavização exponencial. Kedua teknik ini merupakan tekni previsão yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni previsão ARIMA, ARCHGARCH, ECM, VECM, VAR, dsb. Meskipun demikian, asumsi data stasioner haruslah terpenuhi untuk meramal. Moving average merupakan teknik peramalan berdasarkan rata-rata bergerak dari nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. Akan tetapi teknik ini tidak desirankan untuk data time series yang menunjukkan adanya pengaruh tendência dan musiman. Mover média média terbagi menjadi média móvel em vez de média móvel dupla. Suavização exponencial. Hampir sama dengan média móvel yaitu merupakan teknik previsão yang sederhana, tetapi telah menggunakan suatu penimbang dengan besaran antara 0 hingga 1. Jika nilai w mendekati nilai 1 maka hasil previsão cenderung mendekati nilai obseervasi, sedangkan jika nilai w mendekati nilai 0, maka hasil forecasting mengarah Ke nilai ramalan sebelumnya. Suavização exponencial de terbagi menjadi único alisamento exponencial e suavização exponencial dupla. Kali ini, akan dibahas perbandingan metode single moving average dengan single exponential lmothing. Pemimpin Safira Beach Resto ingin mengetahui omzet restoran pada Januari 2013. Ia meminta cantou manajer untuk mengestimasi nilai tersebut dengan dados omzet bulanan dari bulan Juni 2011 sampai Desember 2012. Berbekal pengetahuan di bidang statistik, cantou manajer melakukan forcast dengan metode single moving average 3 bulanan dan Suavização exponencial única (w0,4). Média de Movimento Único Pada tabel di atas previsão ramalan bulan setembro de 2011 yaitu 128,667 juta rupiah diperoleh dari penjumlahan omzet bulan Juni, Juli, Agustus 2011 dibagi dengan angka média móvel (m3). Angka previsão pada bulan Oktober 2011 yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus, setembro de 2011 dibagi dengan angka média móvel tiga bulanan (m3). Perhitungan serupa dilakukan hingga ditemukan hasil previsão bulan Januari 2013 sebesar 150.667 juta rupiah. Dapat diinterpretasikan bahwa omzet bulan Januari 2013 diperkirakan senilai 150, 667 juta rupiah atau mengalami penurunan sebesar 1.333 juta rupiah dibanding dengan omzet Desembramo 2012 sebesar 152 juta rupiah. Perhatikan baris pada bulan Juni-Agustus 2011 kolom Previsão hingga erro tidak memiliki nilai, karena peramalan pada bulan-bulan tersebut tidak tersedia dados média móvel 3 bulanan, bulan sebelumnya. Selandutnya untuk melihat kebaikan hasil ramalan digunaka RMSE (erro quadrático médio quadrado) Untuk perhitungan RMSE, mula-mula dicari nilai erro atau selisih antara nilai aktual dan ramalan (previsão de omzet), kemudian kuadrat nilai-nilai tersebut untuk masing-masing bulanan de dados. Lalu, jumlahkan seluruh nilai error yang telah dikuadratkan. Terakhir hitung nilai RMSE dengan rumus di atas atau lebih gambangnya, bagi nilai penjumlahan erro yang telah dikuadratkan dengan banyaknya observa a hasilnya lalu di akarkan. Pada tabel di atas, banyaknya observasi yaitu 16 (mulai dari setembro 2011-dezembro 2012). Suavização Exponencial Única. Selanjutnya kita akan melakukan peramalan dengan metode Single Suavização exponencial. Metode ini menggunak nilai penimbang yang dapat diperoleh dari operasi statistik tertentu (bisa proporsi tertentu), namun dapat juga ditentukan oleh peneliti. Kali ini akan digunakan nilai w 4. Previsão W0,4 Ycap (t1) (juta rp.) Nilai ramalan pada bulan Juni 2011 yaitu 137,368 juta rupiah diperoleh dari rata-rata omzet dari bulan Juni 2011 hingga bulan Desember 2012. Nilai ramalan pada bulan Juli 2011 yaitu 134,821 juta rupiah diperoleh dari perhitungan dengan rumus di atas, dengan kata lain nilai ramalan bulan Juli 2011 diperoleh dari hasil kali w0,4 dan nilai aktual omzet bulan Juli 2011 dijumlahkan dengan hasil kali (1-0,4) serta nila ramalan Bulan Juni 2011 sebesar 134,821 juta rupiah. Lakukan perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Januari 2013. Hasil ramalan omzet untuk bulan Januari 2013 yaitu 149,224 juta rupiah atau turun sebesar 2,776 juta rupiah. Kemudian hitung nilai RMSE dengan rumus seperti pada perhitungan RMSE média móvel. Hanya saja jumlah observasi berbeda. Pada tabel di atas jumlah obervasi (m) yaitu 19 lebih banyak dibanding dengan metode simples média móvel 3 bulanan (16) karena pada metode eksponensial perhitungan ramalan dapat dimulai dari data pada periode awal. RMSE metode único suavização exponencial sebesar 1,073. Selanjutnya dari kedua metodo di atas akan dibandingkan mana hasil yang terbaik. Untuk hal tersebut maka, bandingkan nilai RMSE dari kedua metode. Metode dengan RMSE terkecil dapat dinyatakan sebagai metode terbaik untuk meramal. RMSE mov. average 0,946, RMSE exp. smoothing 1,073. RMSE mov. average lt RMSE exp. smoothing. Kesimpulanya bahwa metodo movendo a média lebih baik dalam melakukan peramalan, sehingga omzet pada bulan Januari 2013 diperkirakan sebesar 150,667 juta rupiah (meskipun memiliki nilai yang lebih rendah daripada bulan sebelumnya). (Untuk materi yang lebih jelas, silakan dicari di buku-buku referensi Analisis Time Series, misalnya. Enders, Walter. 2004. Applied Econometric Time Series Segunda edição. New Jersey: Willey. Kalo contoh soal dalam tulisan ini, saya kutip dari buku modul Kuliah. Metode peramalan (previsão) terdiri dari metode kualitatif dan kuantitatif. Metode kualitatif adalah metode yang menganalisis kondisi obyektif dengan apa adanya atau peramalan yang didasarkan atas dados kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang yang menyusunnya. Peramalan kualitatif memanfaatkan Factor-faktor penting seperti intuisi, pendapat, pengalaman pribadi, dan sistema nilai pengambilan keputusan. Metode ini meliputi metode delphi, metodo nominal grup, pesquisa passando por analógica analogia e ciclo de vida. Metode kuantitatif adalah peramalan yang didasarkan atas dados kuantitatif atau modelo matematis Yang beragam dengan data masa lalu. Hasil peramalan yang dibuat sangat berga Ntung pada metode yang dipergunakan dalam peramalan tersebut. Baik tidaknya metode yang digunakan tergantung dengan perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara hasil ramalan dengan kenyataan yang akan terjadi maka semakin baik pula metode yang digunakan. Metode kuantitatif dapat diterapkan apabila. uma. Tersedia dados dan informasi masa lalu b. Dados de Informasi tersebut dapat dikuantitatifkan dalam bentuk numerik c. Diasumsikan beberapa aspek masa lalu akan terus berlanjut di masa datang. Metode ini meliputi metode kausal dan series temporais. A. Metode Time Series Metode series temporais (deret waktu) didasarkan atas penggunaan analisa pola hubungan antar variabel yang diperkirakan dengan variabel waktu. Metode série temporal terdiri dari metode naif, metode rata-rata bergerak (média móvel), metodo eksponential smoothing from metode tendência projeção. Cara sederhana untuk peramalan ini mengasumsikan bahwa permintaan dalam periode berikutnya adalah sama dengan peramalan dalam periode sebelumnya. Pendekatan naif ini merupakan modelo peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pen-dekatan naif memberikan titik awal untuk perbandingan dengan modelo lain yang lebih canggih. Contoh. Jika penjualan sebuah produk (mis: telepon genggam Motorolla) adalah 68 unidade pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama, yaitu sebanyak 68 unidade juga. Metode Rata-rata Bergerak (média móvel) Rata-rata bergerak adalah suatu metodo peramalan yang menggunakan rata-rata periode terakhir dados untuk meramalkan periode berikutnya. Metode eksponential smoothing merupakan pengembangan dari metode em média móvel. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap dados diberi bobot, dados yang lebih baru diberi bobot yang lebih besar. Rumus metode epersponential suavização. Dimana. F t Peramalan baru F t-1 Peramalan sebelumnya Konstanta penghalusan (08804 88051) A t-1 Permintaan aktual periode lalu Menghitung kesalahan peramalan Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan dalam peramalan. Tiga dari perhitungan yang paling terkenal adalah Deviasi mutlak rata-rata (desvio absoluto médio MAD) MAD adalah nilai yang dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode dados (n). B. Metode Kausal Metode peramalan kausal mengembangkan suatu modelo sebab-akibat antara permintaan yang diramalkan dengan variable-variabel lain yang dianggap berpengaruh. Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan banyaknya populasi, pendapat masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus (hari raya, natal, tahun baru). Data dari variável-variabel tersebut dikumpulkan dan dianalisa untuk menentukan kevaliditasan dari modelo peramalan yang diusulkan. Metode ini dipakai untuk kondisi dimana variável penyebab terjadinya item yang akan diramalkan sudah diketahui. Dengan adanya hubungan tersebut, saída dapat diketahui jika input diketahui. Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi menggunakan teknik 8220least squares8221. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan peramalan dengan menggunakan metoda ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang begitu baik. Metoda ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan permalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metoda ini adalah dados kuartalan dari beberapa tahun lalu. Contoh: dados berikut berhubungan dengan nilai penjualan pada bar pada beberapa pecan di penginapan Marthy e Polly Starr di Marathon, Flórida. Jika peramalan menunjukkan bahwa akan namorando 20 tamu pecan depan, berapakah penjualan yang diharapkan. Metoda ini didasarkan atas peramalan sistem persamaan regresi yang diestimasikan secara simultan. Baik untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metoda ini sangat baik. Metoda peramalan ini selalu dipergunakan untuk peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi masyarakat, seperti permintaan, harga dan pena. Data yang dibutuhkan untuk penggunaan metoda peramalan ini adalah dados kuartalan beberapa tahun. Empat tahapan yang termasuk di dalam memformulasi modelo de previsão ekonometrika ini antara lain membangun suatu modelo teori, mengumpulkan dados, memilih bentuk persamaan fungsi yang diestimas, dan mengestimasi dan menginterpretasi hasil. Contoh. S ebagai contoh disini misalnya kita menginginkan untuk memprakirakan permintaan, maka hubungan antar harga dan kuantitas dapat menjadi dasar teori yang logis bagi suatu modelo. Faktor harga yang mempengaruhi volume permintaan tersebut sebenarnya tidaklah merupakan satu-satunya faktor yang mempengaruhi permintaan, tetapi banyak faktor lain yang juga ikut mempengaruhi permintaan. Maka secara spesifik hubungan kausalistik permintaan itu dipengaruhi oleh selain harga, tetapi juga dipengaruhi misalnya oleh renda por kapita (I), harga barang lain (Po), dan Advertensi (A), dan lain-lain. Karena itu modelo fungsi yang dikembangkan dalam persamaan ekonometri sebagaimana ditunjukkan pada pembahasan estimaz permintaan yang dipengaruhi oleh sejumlah faktor atau variabel antara lain seperti yang dinyatakan sebagai: Qd f (P, I, Po, dan A) Yang secara ekonomi terbukti secara empirik bahwa fungsi permintaan Dipengaruhi P, I, Po, dan A itu dirumuskan sebagai fungsi: Qd a 8211 bP cI dPo eA Dimana Qd merupakan volume permintaan, um merupakan koefisiensi konstanta, b, c, d, dan e merupakan koefisiensi faktor Harga, Renda, Harga Barang Lain , Dan Advertistensi. Metoda ini dipergunakan untuk menyusun proyeksi tendência ekonomi jangka panjang. Modelo ini kurang baik ketepatannya untuk peramalana jangka panjang. Modelo ini banyak dipergunakan untuk peramalan penjualan perusahaan, penjualan sektor industri dan sub-sektor industri, produksi dari sektor dan sub sektor industri. Data yang dibutuhkan untuk penggunaan metoda atau modelo ini adalah dados tahunan selama sekitar sepuluh sampai lima belas tahun. Perkenalcan, saya dari tim kumpulbagi. Saya ingin tau, apakah kiranya anda berencana untuk mengoleksi arquivos menggunakan hospedagem yang baru Jika ya, silahkan kunjungi site ini kbagi untuk info selengkapnya. Di sana anda bisa dengan bebas partilha dan mendowload foto-foto keluarga dan viagem, música, video, filem dll dalam jumlah dan waktu yang tidak terbatas, setelah registrasi terlebih dahulu. Grátis:) Média móvel Ada beberapa kegunaan dari SMA. Secara garis besar dapat digunakan untuk hal-hal berikut: 1. Menentukan trend yang akan terjadi. 3. Memuluskan indikator lain yang terlalu bergerigi. Pada bagian ini saya akan membahas mengenai menentukan tendência dengan memakai SMA. Menentukan titik resistência do suporte serta memuluskan indikator saya bahas pada bagian lainnya dari CD ini (pasti saya bahas kok. Jangan khawatir.) Nah, untuk lebih jelasnya mari kita perhatikan lagi grafik SMA barusan: Apakah Anda melihat sesuatu dari grafik ini (ayolah, sedikit Lebih cerdas lagi.). Ya Benar Disini dapat kita lihat bahwa apabila harga bergerak naik, SMA berada dibawah dari candlestick dan sebaliknya bila harga bergerak turun maka SMA berada diatas candelabro. Tentu saja penerapan periode yang tepat amat membantu disini. Apabila terjadi cruzando antara harga dengan SMA, dapat kita ketahui bahwa akan terjadi perubahan arah tendência. Nah, bagaimana kalau kita menggunakan dua buah SMA dengan dua periode yang berbeda Hmm. Sangat menarik. Kita akan segera tahu bagaimana hasilnya: Lebih memudahkan bukan Dengan penggunaan dua SMA dengan dua periode yang berbeda kita dapat lebih akurat lagi memprediksikan kemana harga akan bergerak. Apabila telah terjadi perpotongan antara harga dengan kedua SMA maka akan dipastikan harga kan berubah arahnya. Dengan demikian kita memiliki tiga buah perpotongan garis yaitu perpotongan antara SMA 20 dan SMA 40 dan perpotongan SMA 20 dengan harga serta perpotongan SMA 40 dengan harga. Dapat kita catat bahwa apabila rentang antara kedua SMA semakin besar maka kemungkinan tendência akan terus berlangsung dan bila mulai terjadi penyempitan jarak diantara keduanya dan sampai terjadi perpotongan kebali, bisa disimpulkan bahwa trend sudah berakhir. Mudah bukan Lalu bagai mana dengan periode Sayangnya sampai saat ini belum ada aturan pencarian periode yang tepat untuk dipakai. Memang perlu banyak-benyak berlatih dan mencoba (julgamento e erro). Perlu Anda catat bahwa penggunaan periode dapat berubah-ubah menurut kebutuhan meskipun pada par yang sama karena memang kondisi sebuah mata uang adalah dinamis dari waktu kewaktu. Nah, saya sarikan penggunaan SMA untuk membaca tendência dalam bentuk tabel sbb: SMA dengan periode lebih panjang berada dibawah SMA berperiode lebih pendek. Kondisi tendência de alta naik MA dapat digunakan untuk menentukan arah tendência, untuk menentukan proteksi, untuk masuk atau keluar (entrada maupun saída) untuk meratakan (suavização) gerakan-gerakan harga yang terlalu kasar, untuk sinyal konfirmasi dengan menggunakannya sebagai sinyal CrossOver, dsb. Fungsi MA adalah meratakan gerakan pasar yang fluktuatif dan mengidentifikasikan arah pergerakan harga, juga dengan MA bisa menunjukan kekuatan tendência dari kecuraman dari sudut garisnya. Média móvel de Jenis-jenis yang lain akan dibahas pada artikel terpisah 1. Média móvel simples SMA dihitung dengan cara menambahkan harga yang akan dihitung kemudian dibagi dengan periode lama waktunya. Harga yang dihitung biasanya adalah harga Fechar. Tapi bisa juga harga High, Low, atau rata-rata dari ketiganya. 2. Ponderado (WMA), Exponencial (EMA) e Triangular MA Beberapa comerciante beranggapan bahwa harga yang terakhir adalah lebih penting daripada harga yang lebih lama. Sehingga naikturunnya MA itu, karena pengaruh harga terakhir bukan karena pengaruh dados beberapa periode yang lalu. Sehingga harga yang terakhir diberi pemberat berupa bilangan bulat yang dikalikan kepada harga terakhir. Jika pemberat tersebut linier maka disebutlah WMA dan bila berbentuk exponensial disebut EMA. Sedang untuki Triangular MA, penekanan pemberatnya ada pada tengah-tengah periode. 3. Variabel MA e séries temporais MA. Variável MA adalah EMA yang parameternya dapat berubah (Adaptive) berdasarkan volatilitas dados dari. Sedang Time Series MA dihitung berdasarkan teknik linier regresi. Dicas 1 Entrada temporária dengan menggunakan Single Moving Average (SMA, WMA, EMA) adalah. Comprar bila harga (umumnya Close) diatas rata-rata, Vender bila harga dibawah rata-rata. Dicas 2 Single Moving Average sering digunakan sebagai trend filtro juga. Yaitu bila harga diatas rata-rata, maka ambillah posisi comprar tapi gunakan indicator lain untuk Entrada demikian untuk sebaliknya. Artikel Terkait: Halo Saudara, saat ini kita akan mempelajari tentang indikator zig zag. Pernahkan Anda berjalan atau berlari secara zig zag. Agak agarrando atau membing. Berikut adalah rumus dari indikator Jacaré: Jacarés Jaw (a linha azul) atau Rahang Alligator, Alligators Dentes (a linha vermelha) atau gigi A. Regressão linear adalah sebuah indikator statistik yang digunakan untuk memprediksikan harga ke depan dados de dados lalu, dan biasanya digunakan Sa. Guppy MA diperkenalkan oleh Daryl Guppy adalah seorang pendiri dan Direktur dari Guppytraders Pty Ltd. Saat ini dia merupakan comerciante aktif yang. Índice de Canal de Mercadorias atau lebih sering disebut dengan CCI, pertama kali diperkenalkan porno Donald Lambert pada sebuah artikel yang dipublikasikan. Análise Fundamental Forex. Kini Anda tidak perlu merasa sulit dalam menghadapi berbagai berita Bônus: World Factbook Tersedia Pré-Visualização Gratuita gtgt klik di sini. Opções Trading: Pilihan tak Terbatas dalam Investasi Salah satu alternativo investasi terbaik Anda. Bônus: Melhores Opções Links amplo Tutorial Forex CD Tersedia Pré-Visualização Gratuita gtgt klik di sini. Happy Trading com Fibonacci Tutorial CD Bonus: Melhores Dicas de Negociação amp Trick Tersedia Pré-Visualização Gratuita gtgt klik di sini. Forex Online Trading. Trend Investasi Masa Kini Bônus: FREE tutorial forex CD klik di sini. Belajar Forex Education Journals Vol.1 Bonus: FREE Forex tutorial CD klik di sini. Forex Premium Tutorial Categoria do CD: Audio Visual forex tutorial CD Tersedia Pré-Visualização Gratuita gtgt klik di sini. Sukses Investasi Forex Untuk Semua Orang Categoria: Audio Visual forex tutorial CD Tersedia Pré-Visualização Gratuita gtgt klik di sini.
No comments:
Post a Comment