Média em Movimento indicador de merupakan eang paling sering digunakan dan paling standar. Jika di Indonesiakan artinya kira-kira adalah rata-rata bergerak. Mudando média sendiri memiliki aplikasi yang sangat luas meskipun sederhana. Dikatakan sederhana karena pada dasarnya metode ini hanyalah pengembangan dode metode rata-rata yang kita kenal disekolah (nah, ada gunanya juga bukan kita bersekolah). Rata-rata bergerak tunggal (média móvel) untuk periode t adalah nilai rata-rata untuk n jumlah data terbaru. Dengan munculnya data baru, maka nilai rata-rata yang baru dapat dihitung dengan menghilangkan dados yang terlama dan menambahkan dados yang terbaru. Mover média ini digunakan untuk memprediksi nilai pada periode berikutnya. Modelo ini sangat cocok digunakan pada dados yang stasioner atau dados yang konstant terhadap variansi, tetapi tidak dapat bekerja dengan dados yang mengandung unsur tendência atau musiman. Rata-rata bergerak pada orde 1 akan menggunakan dados terakhir (F t), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metodo ini sering digunakan pada dados kuartalan atau bulanan untuk membantu mengamati komponen-komponen suatu runtun waktu. Semakin besar orde rata-rata bergerak, semakin besar pula pengaruh pemulusan (suavização). Dibanding dengan rata-rata sederhana (dari satu data masa lalu) rata-rata bergerak berorde T mempunyai karakteristik sebagai berikut. Hanya menyangkut T periode tarakhir dari data yang diketahui. Jumlah titik dados dalam setiap rata-rata tidak berubah dengan berjalannya waktu. Kelemahan dieu metode ini adalah: Metode ini memerlukan penyimpanan yang lebih banyak karena semua T pengamatan terakhir harus disimpan. Tidak hanya nilai rata-rata. Metode ini tidak dapat menanggulangi dengan baik adanya tendência atau musiman, walaupun metode ini lebih baik dibanding rata-rata total. Diberikan N titik dados de diputuskan untuk menggunakan T pengamatan pada setiap rata-rata (yang disebut dengan rata-rata bergerak orde (T) atau MA (T), sehingga keadaannya adalah sebagai berikut: metodo metode peramalan dan aplikasi Metodo Expnontial Smoothing Metode alisamento exponencial Merupakan metode peramalan yang cukup baik untuk peramalan jangka panjang dan jangka menengah, terutama pada tingkat operasional suatu perusahaan, dalam perkembangan dasar matematis dari metodo smoothing (forcasting por Makridakis, hal 79-115) dapat dilihat bahwa konsep exponencial telah berkembang dan menjadi metode praktis dengan Penggunaan yang cukup luas, terutama dalam peramalan bagi persedian. Kelebihan utama dari metodo exponencial suavização adalah dilihat dari kemudahan dalam operasi yang relativo relativamente, ada sedikit keraguan apakah ketepatan yang lebih baik selalu dapat dicapai dengan menggunakan (QS) Quantitatif sistem ataukah metode dekonposisi yang secara Intuitif menarik, namun dalam hal i Ni jika diperlukan peramalan untuk ratusan item. Menurut Makridakis, ampère Wheelwright Mcgee dalam bukunya forcasting (hal 104). Menyatakan bahwa apabila dados yang dianalisa bersifat papelaria, maka penggunaan metode rata-rata bergerak (média móvel) atau único exponencial llopping cukup tepat akan tetapi apabila datanya menunjukan suatu tendência linier. Modelo maka yang baik untuk digunakan adalah exponencial smoothing linier dari brown atau modelo exponencial smoothing linier dari holt. Permasalahan umum yang dihadapi apabila menggunakan modelo pemulusan eksponensial adalah memilih konstanta pemulusan yang diperkirakan tepat. Adaptando-se a um anuário: uma história de Apabila pola historis dados de dados aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, kita memilih nilai a mendekati 1.Biasanya di pilih nilai a 0.9 namun pembaca dapat mencoba nilai a yang lain yang mendekati 1 seperti 0,8 0,99 tergantung sejauh mana gejolak dari data itu. Apabila pola historis dados de dados akual permintaan tidak berfluktuasi atau relati stabil dari waktu ke waktu maka kita memilih nilai a yang mendekati nol, katakanlah a 0.2 0.05 0.01 tergantung sejauh mana kestabilan dados itu, semakin stabil nilai a yang dipilih harus semakin kecil menuju ke nilai nol B.2. Metode Single Exponential Smoothing Metode ini juga digunakan untuk meramalkan suatu periode ke depan. Untuk melihat persuaan metode ini dengan metode single moving average. Maka lihat kembali persamaan matematis yang digunakan pada peramalan única média móvel. Peramalan untuk periode t, persa adalah: Sedangkan persamaan matematis untuk single moving exponencial smoothing sebagai berikut: Demikian seterusnya untuk Jadi terlihat bahwa metode único móvel médio merupakan sejumlah dados semua yang ditekankan pada baru. Harga ditetapkan por favor 0 X 1 dan harga yang terpilih yang memberikan simpangan terkecil dari perhitungan yang ada, seperti pada metode única média móvel. Peramalan dengan exponencial smoothing juga dapat digunakan untuk meramalkan beberapa periode kedepan untuk pola dados dengan kecenderungan linier, teknik yang digunakan dikenal dengan nama Brown Parâmetro Exponencial Smoothing langkah-langkah perhitungan untuk mendapatkan peramalan dengan metode ini adalah: nilai peramalan dengan single media móvel. Nilai media média móvel kedua. Hasil peramalan dengan duplo meio móvel pada periode kedepan. Periode kedepan yang diramalkan. B.3. Metode Double Exponential Smoothing Metode ini dikembangkan oleh Browns untuk mengatasi adanya perbedaan yang muncul antara dados aktual dan nilai peramalan apabila ada tendência pada parcela datanya. Untuk itu Browns memanfaatkan nilai peramalan dari hasil single Eksponential Smothing dan Double Suavização exponencial. Perbedaan antara kedua ditambahkan pada harga dari SES dengan demikian harga peramalan telah disesuaikan terhadap tendência pada plot datanya. B.3.1. Metode Double Expnontial Smoothing Satu Parâmetro Brown Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dados dados yang sebenarnya bilamana terdapat unsur tendência. Perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan dan disesuaikan untuk tendência. Persamaan Yang dipakai dalam implementasi pemulusan linier satu parâmetro castanho ditunjukan dibawah ini: um t S8217t (S8217t St) 2 S8217t St F t um t b t. m t 823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230823082308230 (2,21) S t Nilai pemulusan eksponensial Tunggal S t adalah Nilai pemulusan eksponensial Ganda. M jumlah periode ke muka yang diramalkan. Ramalan m periode ke muka Agar dapat menggunakan persaan diatas, nilai S t-1 dan S t-1. Harus tersedia. Tetapi pada saat t 1, nilai-nilai tersebut tidak tersedia. Jadi, nilai-nilai ini harus ditentukan pada awal periode. Hal ini dapat dilakukan dengan hanya menetapkan S t dan S t sama dengan X t atau dengan menggunakan suatu nilai rata-rata de beberapa nilai pertama sebagai titik awal. Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan (suavização) eksponensial. Jika parâmetro pemulusan a tidak mendekati nol, pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika a mendekati nol, proses inisialisasi tersebut dapat memainkan peran yang nyata selama periode waktu ke muka yang panjang. B.3.2. Metode Double Exponential Sming Dua Parâmetro Holt Metode pemulusan eksponensial linier dari Holt dalam prinsipnya serupa dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya Holt memuluskan nilai trend dengan parâmetro yang berbeda dari parâmetro yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstan pemulusan (dengan nialai antara 0 sampai 1) dan tiga persamaan: F t m S t b t m8230823082308230823082308230823082308230823082308230823082308230823082308230823082308230. (2.24) Dimana. Dados pemulusan pada periode t tendência pemulusan pada periode t peramalan pada periode t Diárias persas (1) menyesuaikan S t secara langsung untuk tendência periode sebelumnya yaitu b t-1 dengan menambahkan nilai pemulusan yang terakhir, yaitu S t-1. Hal ini membantu untuk menghilangkan kelambatan dan menempatkan S t ke dasar perkiraan nilai data saat ini. Kemudian persamaan meremajakan trend (2), yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terakhir. Hal ini tepat karena jika terdapat kecenderungan di dalam dados, nilai yang baru akan lebih tinggi atau lebih rendah dari pada nilai yang sebelumnya. Karena mungkin masih terdapat sedikit kerandoman. Maka hal ini dihilangkan oleh pemulusan g (gama) tendência pada periode akhir (S t S t-1), dan menambahkannya dengan taksiran tendência sebelumnya dikalikan (1- g). Jadi persamaan diatas dipakai untuk meremajakan tendência. Akhirnya persamaan (3) digunakan untuk peramalan ke muka. Tendência. B t, dikalikan dengan jumlah periode kedepan yang diramalkan, m dan ditambahkan pada nilai dasar S t. B.4. Metode Triple Exponential Smoothing Metode ini dapat digunakan untuk dados yang bersifat atau mengandung musiman. Metode ini adalah metode yang digunakan dalam pemulusan tendência dan musiman. Metode inverno didasarkan atas tiga persamaan pemulusan yaitu satu untuk papelaria, tendência, dan musiman. Hal ini serupa dengan metode holt dengan satu persamaan tambahan untuk mengatasi musiman. Persamaan dasar untuk metode inverno adalah sebagai berikut: L Panjang musiman. B Komponen tendência I Faktor penyesuaian musiman Ramalan untuk n período eke depan. 2.1.1. Aspek Umum de Metode Pemulusan Kelebihan utama dari penggunaan metode pemulusan (Suavização) yang luas adalah kemudahan dan ongkos yang rendah. Ada sedikit keraguan apakah ketetapan yang lebih baik selalu dapat di capai dengan menggunakan metode autoregresi atau pola rata-rata bergerak yang lebih canggih. Namun demikian, jika diperlukan ramalan untuk elemento de distribuição, seperti dalam banyak kasus sistem persedian (inventori), maka metode pemulusan seringkali merupakan satu-satunya metode yang dapat dipakai. Dalam hal keperluan peramalan yang besar, maka suatu yang kecil dan mantap itu lebih berarti. Sebagai contoh, menyimpan empat nilai sebagai ganti dari tiga nilai untuk setiap item dapat menjadi sangat berarti bagi keseluruhan item sebulan. Desarmando itu, waktu komputer yang diperlukan untuk melakukan perhitungan yang penting harus disediakan pada tingkat yang layak, dan alasan ini, metodo pemulusan eksponensial lebih disukai dari pada metode rata-rata bergerak dan metode dengan jumlah parâmetro yang sedikit lebih disukai dari pada yang lebih banyak. Metode último Square Pengertian. Análise tendência merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (dados) yang cukup banyak dan diamati dalam periode waktu yang relativo cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut . Secara teoristis, dalam analisis séries temporais yang paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan. Jika dados yang dikumpulkan tersebut semakin banyak maka semakin baik pula estimasi atau peramalan yang diperoleh. Sebaliknya, jika dados yang dikumpulkan semakin sedikit maka hasil estimasi atau peramalannya akan semakin jelek. Metode Least Square. Metode yang digunakan untuk analisis série temporal adalah Metode Garis Linier Secara Bebas (Metodo de mão livre), Metode Setengah Rata-Rata (método semi-médio), Metode Rata-Rata Bergerak (método médio móvel) de Metode Kuadrat Terkecil (método mínimo). Dalam hal ini akan lebih dikhususkan untuk membahas analisis séries temporais dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis série temporal adalah. Y a b X. Keterangan. Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) parâmetro dan (b) adalah. Um Y N dan b XY X2 Contoh Kasus Data Ganjil: Tabel. Volume Penjualan Barang X (unidade de dalam 000) Tahun 1995 sampai dengan 2003 Untuk mencari nilai a dan b adalah sebagai berikut: a 2.460 9 273,33 dan b 775 60 12,92 Persamaan garis liniernya adalah. Y 273,33 12,92 X. Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah. Y 273,33 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga. Y 273,33 142,12 415,45 artinya penjualan barang X pada tahun 2010 diperkirakan sebesar 415.450 unidade Contoh Kasus Data Genap: Tabel. Volume Penjualan Barang X (unidade de dalam 000) Tahun 1995 sampai dengan 2002 Untuk mencari nilai a dan b adalah sebagai berikut: a 2.150 8 268,75 dan b 1.220 168 7,26 Persamaan garis liniernya adalah. Y 268,75 7,26 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah. Y 268,75 7,26 (untuk tahun 2008 nilai X adalah 19), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406,69 atau 406.690 unidade. Elain dengan menggunakan metode tersebut di atas, juga dapat dipakai dengan metode sebagai berikut: Tabel. Volume Penjualan Barang X (dalam 000 unit) Tahun 1995 sampai dengan 2002 Untuk mencari nilai a dan b adalah sebagai berikut: a 2.150 8 268,75 dan b 610 42 14,52 Persamaan garis liniernya adalah. Y 268,75 14,52 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah. Y 268,75 14,52 (a partir de 2008 nilai X adalah 9), sehingga. Y 268,75 137,94 406,69 artinya penjualan barang X pada tahun 2008 diperkirakan sebesar 406.690 unidade. Para Arin, Untuk Y dan X itu adalah dados mentah, misalnya mencari tendência kunjungan maka Y nya adalah periode waktu (misal tiap bulan dalam 1 tahun) dan X nya jumlah pengunjung (misalnya per bulan). Setelah itu baru bisa dimasukkan dalam analisis tendência Kalau dicermati rumus tendência sama dengan rumus regresi sederhana (untuk mencari nilai a dan b). Karena jumlah X di trend sama dengan nol maka jika dimasukkan dalam rumus regresi maka jadi rumus tendência. Artinya, untuk mencari nilai a dan b pada tendência bisa menggunakan rumus regresi, tapi sebaliknya rumus tendência tidak dapat diaplikasikan dalam regresi, karena dalam regresi jumlah X tidak sama dengan nol saya lg skripsi mas, cuma blom ngerti menjelaskan nilai x itu secara lengkap, cuma Itung2annya saya ngerti, nah dosen saya minta menjelaskan nilai x itu dengan sedetail2nya. Dosennya nyuruh saya tiap x harus dijelaskan dari mana asalnya, gimana ya mas slamet menjelaskan x berasal darimana, malah dosen saya nyuruh tiap bulan x nya harus dijelasin. Para Iqbalbo, karena jumlah dados X-nya genap maka nilai 0 berada antara bulan Juni dan Juli, sehingga bulan Juni dinilai -1 dan bulan Juli dinilai 1. jarak antara bulan Juni dgn Juli atau jarak -1 dgn 1 adalah 2, maka seterusnya harus Loncat 2. Maka bulan Mei dinilai -3, abril -5 dst. Kalau bulan Agustus dinilai 3 de setembro dinilai 5 dst. Jadi untuk nilai X desinfecção totalnya 0 juga harus konsisten loncat 2. mas slamet8230 itu cara mencari x (variável waktu) gimana jujur saya masih bingung kok tau2 dapet nilai -4, -3 mohon penjelasannya mas .. terimaksih Para Iqbaldo, untuk mencari nilai X Pada analisis tendência kata kuncinya adalah jika nilai X dijumlahkan maka hasilnya 0. Dados do relatório jumlah tahun ganjil maka tahun yang ditengah nilainya 0, tahun sebelumnya -1 trus -2 dst, sedang tahun sesudahnya 1 trus 2 dst. Kalau dados jumlah tahun genap lihat contoh diatas. Buku Statistika Deskriptif email: ssantoso0219yahoo. co. id Post navigation Komisi GratisMoving Média Mulai dari chapter ini Anda akan mempelajari indikator teknikal. Perlu Anda ketahui bahwa indikator teknikal bukanlah alat yang bisa menjadikan Anda seperti cenayang. Indikator teknikal hanya membantu Anda untuk mengenali potensi pergerakan harga. Kali ini Anda akan mempelajari indikator teknikal yang bernama Media móvel. Mudar a média (selanjutnya akan kita sebut sebagai MA) merupakan salah satu indikator tren yang cukup populer. Indikator ini memperhalus pergerakan harga dalam rentang waktu tertentu, sehingga Anda dipermudah untuk mengenali tren atau arah pergerakan harga secara umum. Mari kita lihat gambar berikut ini. Gambar di atas adalah grafik 1 jam-a AUDUSD. Garis berwarna merah yang terlihat grafik tersebut adalah salah satu contoh indikator média móvel yang memiliki periode 50 (MA 50). Artinya, indikator tersebut mengambil data harga dari 50 candelstick terakhir, lalu menggambarkannya sebagai garis yang Anda lihat itu. Standar harga yang digunakan biasanya adalah harga penutupan (fechar), namun ada beberapa metode yang menggunakan harga aberto, alto, atau baixo. Namun kita tidak akan membahas hal tersebut kali ini. Kembali ke gambar di atas, Anda bisa melihat bahwa MA bisa memperlihatkan kepada Anda tren yang sedang berlangsung. Jika harga pada umumnya berada di bawah MA, maka trem saat itu adalah downtrend. Sebaliknya, jika harga secara umum bergerak di atas MA, maka tren saat itu adalah uptrend. Dari contoh di atas terlihat bahwa trend untuk AUDUSD pada grafik 1 jam-an (horário) adalah turun (tendência de baixa). Semakin curam kemiringan MA tersebut, maka itu artinya tren yang terjadi semakin kuat. Dengan demikian, Anda bisa lebih mudah memperkirakan potensi arah pergerakan selanjutnya. MA juga bisa berfungsi sebagai apoio dan resistência. Istilahnya adalah suporte dan resistência dinamis (suporte dinâmico e resistência). Dinamakan demikian karena ia bergerak sesuai dengan pergerakan harga. Pada saat uptrend, apoio MA berfungsi sebagai. Sebaliknya pada saat downtrend, MA resistência berbungsi sebagai. Oke, mungkin Anda sudah tidak sabar ingin segera mencicipi resep trading menggunakan MA ini. Sabar bahkan Utut Adianto juga belajar dasar-dasar catur dulu kok sebelum menjadi Grand Master. Baiklah, kita akan segera melangkah lebih jauh lagi. Dalam pembelajaran mengenai MA ini, Anda hanya akan membahas dua jenis MA yang populer saja, yaitu: Média móvel simples (SMA) Média móvel exponencial (EMA) Anda akan mempelajari dasar-dasarnya dulu, baru nanti Anda akan pelajari strateginya. Oke, ini dia. Média móvel simples (SMA) Média móvel simples (SMA) ini merupakan MA yang paling sederhana. Ya, sesuai dengan namanya: simples. Tapi jangan remehkan kemampuan si SMA yang sederhana ini, karena dengan penggunaan yang tepat ia pun bisa menuntun Anda untuk mengenali pergerakan harga. Jika Anda menggunakan SMA 50 de grafik 1 jam-an, maka SMA 50 yang Anda lihat adalah hasil dari penjumlahan 50 harga penutupan terakhir, lalu hasil penjumlahan itu dibagi lagi dengan 50. Dari perhitungan itulah Anda bisa memperoleh nilai rata-rata dari harga penutupan dalam 50 jam terakhir. Sudah dapat gambarannya kan Oke, kita lanjutkan. Seperti yang pernah disampaikan, pada prakteknya Anda tidak perlu sush-susah lagi menghitung SMA ini, plataforma de negociação yang Anda gunakan sudah menyediakan alatnya. Lho, lalu mengapa repot-repot mempelajari perhitungannya Tujuannya hanya agar Anda memiliki gambaan mengenai apa sebenarnya SMA ini. Juga agar Anda memiliki dasar jika nanti Anda ingin memodifikasi SMA ini sesuai dengan strategi Anda nantinya. Seperti yang telah disampaikan di awal tadi: MA memperhalus pergerakan harga. Semakin besar periode yang digunakan maka semakin halus pula MA yang dihasilkan. Semakin halus MA yang dihasilkan maka akan semakin lambat ia bereaksi terhadap pergerakan harga. Mari kita lihat perbandingan antara SMA 20 dengan SMA 50 berikut ini. Nah, kelihatan kan SMA 20 yang berwarna biru memiliki liukan-liukan yang lebih agresif dibandingkan dengan SMA 50 yang berwarna merah. Ini menunjukkan bahwa SMA 20 yang memiliki periode lebih pendek lebih cepat bereaksi terhadap pergerakan harga, sedangkan SMA 50 cenderung lebih lambat daripada SMA 20. SMA 50 terlihat lebih kalem, tidak se-liar SMA 20. Dengan mengamati kedua SMA di atas Anda bisa melihat bahwa Tendências de tendências de tendências. Kedua SMA yang Anda lihat pada grafik di atas menggambarkan arah tren secara umum, yaitu downtrend. Pada topik yang lebih lanjut Anda akan mempelajari strategi penggunaan SMA ini, kelemahannya serta cara mengantisipasi kelemahan SMA tersebut. Média de Movimento Exponencial (EMA) Perhitungan EMA tidaklah sesederhana SMA. EMA memberikan bobot yang lebih dalam perhitungan harga rata-rata dalam rentang waktu tertentu. Efeknya adalah EMA cenderung lebih sensitif terhadap pergerakan harga. Sehingga EMA bergerak sedikit lebih agresif daripada SMA. Gambar di atas memperlihatkan SMA da EMA yang diplot pada grafik yang sama. Periode yang digunakan juga sama-sama 50 namun metode perhitungannya berbeda. MA yang berwarna biru adalah EMA, sedangkan MA yang berwarna merah adalah SMA. Anda bisa melihat bahwa EMA 50 selalu lebih dekat kepada SMA 50. Ini artinya EMA lebih merepresentasikan pergerakan harga (ação de preço) daripada SMA. Dengan kata lain, EMA lebih menggambarkan apa yang terjadi di pasar saat ini. Mungkin sekarang Anda akan berteriak, Jadi yang mana yang harus saya pakai SMA atau EMA Hehe jangan bingung ya. EMA maupun SMA memiliki kekurangan dan kelebihan tersendiri. Kita bahas satu per satu. Kalau Anda adalah comerciante yang agresif dan ingin menggunakan MA yang bereaksi cepat terhadap pergerakan harga, maka EMA merupakan pilihan yang tepat. EMA bisa membantu Anda menangkap peluang lebih cepat dibandingkan SMA. Dengan demikian ganha yang bisa Anda dapatkan tentunya akan lebih besar pula. Namun kekurangannya adalah Anda bisa saja terjebak oleh sinal falso (sinais palsu) yang diberikan oleh EMA. Nah, SMA sendiri adalah kebalikan da EMA. SMA bereaksi lebih lamban pada pergerakan harga daripada EMA. Dengan demikian, peluang yang diberikan pun akan lebih lambat muncul. Artinya, lucro yang dihasilkan pun akan lebih kecil. Namun kemungkinan terjebak oleh falso sinal lebih kecil. Jadi pilih yang mana Terserah Anda. Ya, benar-benar terserah Anda. Anda sudah tahu kekurangan dan kelebihan masing-masing MA. Pilih yang sesuai dengan karakter Anda. Ingat selalu kalimat ini: JIKA HARGA SECARA UMUM BERGERAK DI ATAS MA, MAKA TREN YANG BERLANGSUNG ADALAH UPTREND. SEBALIKNYA JIKA HARGA SECARA UMUM BERGERAK DI BAWAH MA, MAKA TREN YANG BERLANGSUNG ADALAH DOWNTREND. Mudah kan Inilah prinsip dasar penggunaan MA. Dengan demikian, berhati-hatilah jika harga bergerak menembus MA (terjadi breakout), karena hal tersebut merupakan indikasi awal (bukan kepastian) bahwa tren akan berubah arah. Ingat juga bahwa pada saat uptrend strategi yang terbaik adalah Comprar. Sebaliknya, pada saat downtrend strategi yang terbaik adalah Sell. Pada saat uptrend, MA bisa Anda pergunakan sebagai area referensi untuk buy. Sebaliknya, pada saat downtrend, MA bisa Anda pergunakan sebagai area referensi untuk melakukan vendem. Strategi yang biasanya diterapkan adalah bounce trading. Mari kita cermati gambar berikut ini: Dalam gambar di atas terlihat indikator SMA 50 yang diplot pada grafik 1 jam-an. Terlihat bahwa harga terkoreksi dan mendekati SMA 50 dan memantul. Dengan demikian Anda memperoleh konfirmasi bahwa terjadi pantulan. Perda de parada de nível yang terlihat di gambar adalah ponto de saída berdasarkan support yang terdekat. Nível alvo yang diambil adalah resistance yang terdekat. Perlu diingat bahwa jika Anda akan melakukan comprar menggunakan MA, maka pastikan bahwa garis MA sedang menanjak (naik). Kita lihat apa yang terjadi kemudian. Ternyata rejeita yang terjadi válido do alvo Anda tercapai. Pada strategi vendem, yang dilakukan sebenarnya hanya kebalikan dari strategi comprar. Ketika harga mengalami pullback ke area MA, yang Anda lakukan adalah menunggu konfirmasi rebote untuk melakukan vender. Perhatikan gambar di bawah ini. Contoh di atas juga mempergunakan SMA 50. Yang pertama kali harus Anda perhatikan adalah apakah garis SMA tersebut sedang turun. Ketika harga mengalami pullback ke area SMA, pastikan bahwa kemiringannya SMA tetap ke bawah (turun). Dalam gambar di atas, kita melihat bahwa harga persis menyentuh garis SMA. Memang ada falha falsa, namun segera harga bergerak turun dan bergerak di bawah SMA. Keadaan ini menggambarkan bahwa tekanan bearish lebih besar daripada bullish. Pada saat ini Anda boleh langsung mengambil posisi vender dengan alvo de suporte terdekat dan stop loss di resistance terdekat. Apa yang terjadi selanjutnya Você já sederhana memang, tapi ingat: tidak selamanya skenarionya seperti ini. Terkadang bounce yang terjadi gagal dan harga malah berbalik dan menembus MA dengan sadisnya. Itulah sebabnya Anda perlu menempatkan pára a perda. Nantinya, dengan strategi ditambah manajemen resiko yang baik (akan dipelajari nanti pada level yang lebih tinggi), strategi yang sederhana pun bisa menghasilkan profit yang konsisten. Nah, ada pengembangan dari penggunaan MA sebagai ponto de entrada. Salah satu pengembangan yang populer adalah mengkombinasikan dua buah MA di dalam satu grafik. Kombinasi yang cukup populer adalah kombinasi SMA 20 dan SMA 50. Strategi ini kita sebut sebagai double MA. Idenya adalah memanfaatkan celah yang merupakan área de antara dua MA (apakah nanti Anda akan menggunakan SMA ataupun SMA, sama saja. Hanya saja dalam contoh ini kami menggunakan SMA). Dari gambar di atas Anda bisa melihat bahwa vender dilakukan ketika harga masuk ke dalam area yang dimaksud. Kalau Anda akan melakukan transaksi dengan strategi double MA maka minimo dua kondisi berikut harus terpenuhi: Kedua MA harus memiliki arah kemiringan yang sama. Jika akan COMPRAR, maka kemiringan kedua MA harus ke atas (naik). Sebaliknya, jika akan VENDA, maka kemiringan kedua MA harus ke bawah (turun). Harga sudah berada di dalam cela e a área de merupakan antara dua MA. Contoh di bawah ini adalah menggunakan strategi duplo MA untuk melakukan Comprar. Oke, Anda sudah tahu bahwa cela. MA tersebut bisa Anda manfaatkan untuk entrada. Pertanyaannya kemudian adalah: kapan persisnya Anda bisa comprar atau vender Untuk sementara, Anda gunakan saja dulu área tersebut. Jadi ketika harga masuk dan candlestick ditutup di area tersebut, maka pada saat itulah Anda melakukan transaksi. Nantinya, akan ada alat bantu tambahan yang bisa membantu Anda untuk menentukan timing kapan harus melakukan aksi. Itu akan dipelajari di tingkat yang lebih lanjut. Stay tune Double MA Crossover Perpotongan antara dua MA bisa Anda jadikan sinyal atau indikasi awal bahwa tren akan berubah arah. Hal tersebut juga bisa Anda pergunakan sebagai sinyal untuk entrada. Gambar di atas memperlihatkan SMA yang diplot di grafik 1 jam-an untuk currency pair GBPUSD. Pergerakan dari tanggal 27 Mei 2011 hingga lebih kurang 31 Mei 2011 adalah naik. Sekitar tanggal 1 Juni 2011, terjadi crossover (perpotongan) antara SMA 20 dan SMA 50. Setelah terjadi pullback sedikit, terlihat GBPUSD meluncur turun mulai tanggal 1 Juni 2011 hingga 2 Juni 2011. Jika Anda melakukan vende ketika kedua SMA itu berpotongan, maka pada tanggal 2 Juni Anda sudah memperoleh setidaknya 100 pips. Yummy Kalau comprar bagaimana Sederhana saja, perpotongan dari bawah ke atas merupakan sinyalnya. Perpotongan dua MA tersebut juga bisa Anda manfaatkan sebagai ponto de saída jika Anda seandainya telah melakukan Comprar berdasarkan strategi double MA sebelumnya. Jadi, ponto de entrada de selain sebagai, ponto de saída de perpotongan dua MA juga bisa digunakan sebagai.
No comments:
Post a Comment