Média móvel de kasus

2,1 Pengertian Penjualan Menurut EC. Widjayono Moestadjab (1991), Penjualan adalah memberikan sesuatu dengan mendapatkan sebuah ganti yang berupa uang atau dengan kata lain hanya meliputi kegiatan pemindahan hak atas sesuatu produk dari penjualan kepada pembeli. Menurut Basu Swastha DH dalam buku manajemen penjualan (1999: hal 8), Penjualan adalah ilmu dan seni mempengaruhi pribadi yang dilakukan oleh penjual untuk mengajak orang lain untuk membeli barang atau jasa yang ditawarkannya. 2.2 Peramalan Penjualan Peramalan penjualan adalah bagian yang penting bagi suatu perusahaan. Berikut ini adalah berbagai macam pengertian peramalan dikemukakan: Menurut Gunawan Adi Saputro dan Marwan Asri (1996: 148). 8220Peramalan adalah suatu cara untuk mengukur dan menaksir kondisi bisnis dimasa mendatang8221. Menurut Suad Husnan dan Suwarsono (1994: 40). 8220Peramalan adalah usaha untuk mengetahui permintaan jumlah produk8221. Dengan uraian di atas dapat diperoleh kesimpulan bahwa Peramalan merupakan suatu usaha untuk melihat situaçao kondisi dengan memperkirakan kondisi yang berlaku terhadap perkembangan dimasa yang akan datang. 2.3 Tujuan Peramalan Tujuan dari peramalan adalah: a. Untuk menetukan kebijaksanaan dalam persoalan penyusunan anggaran. B. Untuk pengawasan dalam persediaan. C. Untuk membantu kegiatan perencanaan dan pengawasan produksi. D. Untuk pengawasan pembelanjaan. E. Untuk penyusunan kebijaksanaan yang efektif dan efisien. 2.4 Jenis Peramalan Pada umumnya peramalan dapat dibedakan dari beberapa segi, tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam, yaitu: 1. Peramalan yang bersifat subjektif Peramalan yang berdasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil peramalan tersebut. 2. Peramalan yang bersifat objektif Yaitu peramalan yang didasarkan atas dados yang relevan pada masa yang lalu, dengan menggunakan tehnik-tehnik dan modelo dalam menganalisa data tersebut. Desarmando itu jika dilihat dari jangka waktu peramalan yang disusun, maka peramalan dapat dibedakan atas dua macam yaitu: 1. Peramalan Jangka Panjang Yaitu peramalan yang dilakukan untuk menyusun hasil ramalan, yang jangka waktunya lebih diário setengah tahun atau tiga semestre. 2. Peramalan jangka Pendek Yaitu peramalan yang dilakukan untuk menyusun hasil ramalan dalam jangka waktu kurang dari setengah tahun. Berdasarkan sifat peramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam: 1. Peramalan kualitatif Yaitu peramalan yang disusun atas dados kualitatif paada 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. 2. Peramalan Kuantitatif Yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan dimuat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang bebeda akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya metode yang digunakan, sangat ditentukan oleh perbedaan penyimpangan antara hasil peramalan dari kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan sekecil mungkin. Peramalan Kuantitatif dapat digunakan apabila terjadi tiga kondisi sebagai berikut: a. Adanya informasi tentang keadaan lain. B. Informasi tersebut dapat dikuantitatifkan dalam bentuk dados. C. Dapat diasumsikan bahwa pola yang lalu akan berkelanjuatan pada masa yang akan datang. 2.5 Tehnik Dan Metode Peramalan Dalam pemilihan tehnik dan metode peramalan, pertama kita perlu mengetahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan analisa keadaan, dalam mempersiapkan peramalan. Ada enam ciri utama yang perlu diperhatikan. Yaitu: 1. Horizon Waktu (Time Horizon) Periode waktu selama suatu keputusan atau analisa akan mempunyai pengaruh, dan waktu itu manajer harus merencanakan dan memperhitungkan pengaruh-pengaruh pemilihan tehnik dan metode yang tepat. Horizon waktu umumnya dapat dibagi dalam jangka pendek, jangka menengah dan jangka panjang. 2. Tingkat perincian (Nível de Detalhe). Tugas-tugas dalam pengambilan keputusan pada umumnya dibagi-bagi (untuk memudahkan penanganannya menurut tingkat perincian yang dibutuhkan) 3. Jumlah Produk. Dalam keadaan dimana keputusan atau analisa yang dibuat mengenai berbagai produk perusahaan, hendaklah ada usaha pengembangan. Secara efektif atas aturan-aturan pengambilan keputusan yang sederhana, eang dapat diaplikasikan secara mekanisme untuk masing-masing produk. Umumnya ada empat unsur biaya yang mencakup suatu prosedur peramalan, yaitu biaya-biaya pengembangan, dados penyimpangan, operasi pelaksanaan dan kesempatan dalam penggunaan tehnik dan metode lain. Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat perinciaan yang dibutuhkan oleh suatu peramalan. Untuk beberapa pengambilan keputusan mengharapkan variasi-variasi atau penyimpangan atas ramalan yang dilakukan antara 10 sampai dengan 15 bagi maksud-maksud yang mereka harapkan. 2.6 Tehnik Perkiraan Dengan Mengunakan Metode Deret Waktu Metode Deret Waktu biasanya dipakai untuk menganalisis pola permintaan masa lalu dan memproyeksikannya untuk masa depan. Dasar perhitungan prakiraan deret waktu ini ialah menghitung besar setiap komponen berdasarkan dados massa lalu. Asumsi dasar yang dipakai dalam metode ini ialah bahwa pola permintaan dapat dibagi menjadi beberapa komponen yaitu tingkat rata-rata (nível médio), kecenderungan (tendência), musiman (sazonalidade), siklus (Ciclo) dan kesalahan (erro). 2.7 Metode Rata-Rata Bergerak Metodo ini merupakan metodo yang termudah dalam teknik peramalan deret waktu kita mengasumsikan bahwa komponen acak tidak terdapat pola musiman, tendência, atau komponen siklus pada dados permintaan pada saat ini. Mover média ialah suatu titik peramalan dengan mengkonsumsikan dados dari beberapa periode terbaru atau terakhir dados dados tersebut dijadikan dados peramalan untuk periode yang akan datang. uma. Rumus rata-rata bergerak (Média em movimento) Jumlah Permintaan Pada N Periode Terakhir 1Tempmsohtmlclip101clipimage001.gif MA Diketahui nilai peramalan 210 nilai nyata 195 N 1 MAD 210 8211 195 15 b. Rata-rata Bergerak Tertimbang Terbobot (Weight Moving Average) Desodorante metode rata-rata bergerak sederhana kita mengenal metode rata-rata tertimbang (Weight Moving Average) dimana pada setiap elemen data kita dapat memberikan bobot. Dengan cara ini nilai-nilai yang akhir dapat diberikan bobot lebih keras. Rumus Rata-rata Bergerak TertimbangTerbobot (Weight Moving Average) WMA (dados penjualan terakhir x bobot ke 82111) (Data x sampai bobot terakhir). Diketahui WI 40, W2 30, W3 20, W4 10 Dados penjualan nyata untuk bulan ke-1 100, ke-2 90, ke-3 105, dan F5 0,40 (95) 0,30 (105) 0,20 ( 90) 0,10 (100) F5 38 31,5 18 10 c. Pemulusan Eksponensial (Emsponensial Smoothing). Pemulusan eksponensial adalah suatu tehnik peramalan rata-rata bergerak yang melakukan pertimbangan terhadap dados masa lalu dengan cara eksponensial sehingga dados paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata bergerak. Dengan pemulusan eksponensial sederhana forecasting dilakukan dengan cara ramalan periode terakhir ditambah porsi perbedaan (disebut Alpha) antara permintaan periode terakhir dengan peramalan periode terakhir. Rumus Pemulusan Eksponensial (Suavização Eksponensial) Ft Ramalan untuk periode sekarang (t) 1 1 Ramalan yang dibujo untuk periode terakhir (t-1) a Suavidade constante A 1 Permintaan nyata peeriode teakhir 1Tempmsopptmlclip101clipimage005.gif a Nilai a yang terendah terutama cocok bila permintaan produk Perubahan yang stabil tetapi variasi acak adalah tinggi, sedangkan yang tinggi berguna dimana sesungguhnya cenderung terjadi karena lebih respontif terhadap fluktuasi permintaan. Diketahui Ft 1 1,050 unidade A 1 1000 unidade a 0,50Portal - Statistik Bertemu lagi dengan postingan kali ini, setelah sekian lama offline dari dunia blogger, tidak pernah lagi mengurusi blog, nah pada kesempatan kali ini saya mau berbagi kembali kepada semua sahabat yang membutuhkan Tutorial atau pengetahuan tentang previsão peramalan, mungkin beberapa hari kedepan saya akan banyak que contém a pronúncia tulisan tentang. Semoga tulisan ini dapat berguna bagi kita semua. Pada postingan pertama tentang analisis runtun waktu kali ini, saya akan berbagi tentang analisis runtun waktu yang paling sederhana yaitu metode Moving Average. Analisis runtun waktu merupakan suatu metodo kuantitatif untuk menentukan pola dados masa lalu yang telah dikumpulkan secara teratur. Analisis runtun waktu merupakan salah satu metode peramalan yang menjelaskan bahwa deretan observa pada suatu variabel dipandang sebagai realisasi dari variabel aleatório berdistribusi bersama. Gerakan musiman adalah gerakan rangkaian waktu yang sepanjang tahun pada bulan-bulan yang sama yang selalu menunjukkan pola yang identik. Contohnya: harga saham, inflasi. Gerakan aleatório adalah gerakan naik turun waktu yang tidak dapat diduga sebelumnya dan terjadi secara acak contohnya: gempa bumi, kematian dan sebagainya. Asumsi yang penting yang harus dipenuhi dalam memodelkan runtun waktu adalah asumsi kestasioneran artinya sifat-sifat yang mendasari proses tidak dipengaruhi oleh waktu atau proses dalam keseimbangan. Apabila asumsi stasioner belum dipenuhi maka deret belum dapat dimodelkan. Namun, deret yang nonstasioner dapat ditransformasikan menjadi deret yang stasioner. Pola Data Runtun Waktu Salah satu aspek yang paling penting dalam penyeleksian metode peramalan yang sesuai untuk dados runtun waktu adalah untuk mempertimbangkan perbedaan tipe pola dados. Ada empat tipe umum. Horizontal, tendência, sazonal e dan cíclica. Ketika data observasi berubah-ubah di sekitar tingkatan atau rata-rata yang konstan disebut pola horizontal. Sebagai contoh penjualan tiap bulan suatu produk tidak meningkat atau menurun secara konsisten pada suatu waktu dapat dipertimbangkan untuk pola horizontal. Ketika data observasi naik atau menurun pada perluasan periode suatu waktu disebut pola tendência. Pola cíclico ditandai dengan adanya fluktuasi bergelombang dados yang terjadi di sekitar garis tendência. Ketika observasi dipengaruhi oleh faktor musiman disebut pola sazonal yang ditandai dengan adanya pola perubahan yang berulang secara otomatis dari tahun ke tahun. Untuk runtun tiap bulan, ukuran variabel komponen sazonal runtun tiap Januari, tiap Februari, dan seterusnya. Untuk runtun tiap triwulan ada elemen empat musim, satu untuk masing-masing triwulan. Média de Movimento Único Rata-rata bergerak tunggal (média em movimento) 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. Mudança 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 (Ft), dan menggunakannya untuk memprediksi dados pada periode selanjutnya. Metode 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 dari 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: Studi Kasus Suatu perusahaan pakaian sepakbola periode januari 2017 sampai dengan Abril de 2017, dados de menghasilkan dados de penguimais: dados de mão-de-obra meramalkan hasil penjualan menggunakan metode peramalan yang cocok dados de dengano tersebut. Bandingkan metode MA tunggal orde 3, 5, 7 dengan aplikasi Minitab dan MA ganda ordo 3x5 dengan aplikasi Excel, manakah metode yang paling tepat untuk Dados diferentes para berikan alasannya. Baiklah sekarang kita mulai, kita mulai dari Média móvel única. Adapun langkah-langkah melakukan forcasting dados terhadap penjualan pakaian sepak bola adalah: Membuka aplikasi Minitab dengan melakukan clique duas vezes em pada icon desktop. Setelah aplikasi Minitab terbuka dan siap Digunakan, buat nama variabel Bulan dan Data dados de mascate de kemudian sesuai studi kasus. Sebelu M memulai untuk melakukan previsão, terlebih dahulu yang harus dilakukan adalah melihat bentuk sebaran dados runtun waktunya, menu klik Gráfico 8211 Série de tempo Plot 8211 Simples, masukkan variabel Dados ke kotak Series, sehingga didapatkan output seperti gambar. Selanjutnya untuk melakukan pronostica dengan metode Moving Average single orde 3, klik menu Stat 8211 Série temporal 8211 Moving Average. . Sehingga muncul tampilan seperti gambar dibawag, pada kotak Variável: masukkan variabel Dados, pada kotak MA comprimento: masukkan angka 3, selanjutnya berikan centang pada Gerar previsões dan isi kotak Número de previsões: dengan 1. Klik button Opção dan berikan judul dengan MA3 dan klik ESTÁ BEM. Selanjutnya klik button Armazenamento dan berikan centang pada Médias móveis, Ajustes (previsões de um período antecipadamente), Residuals, dan Previsões, klik OK. Kemudian klik Gráficos de pilih Plot predito vs. real dan OK. Sehingga muncul output seperti gambar dibawah ini, Pada gambar diatas, terlihat dengan jelas hasil dari dados de previsão tersebut, pada periode ke-17 nilai ramalannya adalah 24, denngan MAPE, MAD, e MSD seperti pada gambar diatas. Cara peramalan dengan metode Média dobrável duplo dapat dilihat DISINI. Ganti saja langsung angka-angkanya dengan dados sobat, hehhe. Maaf yaa saya tidak jelaskan, lagi laperr soalnya: D demikian postingannya, semoga bermanfaat. Terimakasih atas kunjungannya. Moving Average (MA) amp Index de Força Relativa (RSI) Índice de força relativa (RSI) da média móvel (MA) salah satu penyusun sistem dalam trading Imagem via Wikipedia Mudança média (MA) e índice de força relativa (RSI) akan Banyak dibahas dalam bagian ini, kita akan mempelajari penyusunan metode trading berdasarkan analisa teknikal. Untuk memudahkan proses penyusunan, dalam buku ini kita hanya akan membahas e menggunakan dua indikator yang paling populer saja, yakni média móvel do RSI. Kedua indikator tersebut akan digunakan dalam studi kasus selanjutnya. Mover Média merupakan indikator teknikal yang paling luas digunakan oleh investidor dan trader diseluruh dunia, karena kemampuannya menghilangkan faktor subjektif dari setiap anal. Mover média dapat diartikan sebagai perubahan harga rata-rata dalam satu timeframe tertentu. Misalnya MA 20. yang merupakan harga rata-rata selama 20 periode grafik tertentu. Jika diaplikasikan kedalam grafik Daily, MA 20 berarti harga rata-rata selama 20 hari perdagangan. Demikian juga untuk H1, MA 20 rata-rata harga selama 20 jam terakhir. Média de Movimento de Tipos Dari cara perhitungan rata-rata harga, MA terbagi dalam 3 modelo: 1. Modelo de média móvel simples (SMA) MA modelo ini adalah murni rata-rata pergerakan harga dan merupakan yang paling luas digunakan. Perhitungannya diambil dari penjumlahan dari seluruh dados kemudian dibagi dengan jumlah periode yang di observasi. 2. Média móvel ponderada (WMA) Perhitungan WMA diambil berdasarkan pembagian dari jumlah keseluruhan periode. Misalnya, WMA 5 hari, merupakan penjumlahan seluruh dados dibagi jumlah periode1234515. Perbedaan dengan SMA terletak pada tingkat sensitivasnya. WMA lebih sensitif dibanding SMA. Sehingga lebih cepat menghasilkan sinyal dibanding SMA, namun memiliki lebih banyak noise. 3. Exponential Moving Average (EMA) EMA adalah MA yang berusaha menjawab persoalan antara SMA da WMA, dengan perhitungan yang lebih rumit diantara ketiganya. Misalnya, untuk membuat EMA 20 hari, dados do maka diperlukan MA 20 hari terlebih dahulu, dados do banco de dados no mercado, no entanto, no mercado. Perhitungan EMA, sudah dilakukan otomatis oleh plataforma de negociação yang ada. EMA mampu mengenali perubahan tren lebih awal, dibanding SMA, namun memiliki ruído yang lebih rentah dibanding WMA. Dalam gambar 1 diatas kita dapat melihat perbedaan dari ketiga jenis Moving Average. Bergerak ponderado lebih cepat, sementara Exponencial bergerak lebih cepat dibanding Simpe MA, namun masih mampu memberikan sinyal lebih cepat dibanding simples Moving Average. Penggunaan media móvel Ada banyak cara untuk menggunakan MA sebagai alat dalam menentukan tren dan perubahan nya, dan cara tersebut semakin hari semakin berkembang. Beberapa gambaran unum penggunaan MA dibawah ini dapat dijadikan panduan Mudança média dapat dijadikan sebagai indikator untuk mengenali tren dengan membandingkan pergerakan harga terhadap garis MA. Tren naik dapat dikatakan telah terjadi ketika harga bergerak di atas MA, turun ketika harga bergerak di bawah MA. MA juga berfungsi sebagai support dan resistance pergerakan harga. Seperti pada gambar 2 MA berfungsi sebagai apoio ketika Euro mengalami rally dari bulan Februari hingga abril 2008, setelah berhasil menembus nível apoio pada bulan Agustus08, garis MA kemudian berfungsi sebagai resistência hingga Mei 2009. Ketika harga berada diatas MA, MA bertindak sebagai apoio dan ketika Harga berada di bawah MA, MA bertindak sebagai resistência. MA juga dapat digunakan untuk mencari indikasi perubahan tren harga, sekaligus menemukan nível entrada e saída transaksi. Ada dua cara utama untuk mendapatkan hasil tersebut: Pemotongan garis MA oleh harga. Perubahan tren harga dapat dikenali ketika harga memotong ke atas atau ke bawah garis MA. Jika harga memotong ke atas garis MA, maka tren naik sedang dimulai. Dan jika memotong ke bawah garis MA, maka tren turun dapat dikatakan sedang dimulai. Perpotongan antara garis MA Perpotongan antara garis MA dikenal dengan istilah crossover method. Umumnya crossover menggunakan dua atau lebih garis MA yang saling berbeda periode. Crossover yang paling terkenal dan masih memiliki validitas tinggi adalah método de cruzamento duplo. Metode ini yang seterusnya akan kita gunakan dalam pembahasan selanjutnya. Konsep crossover berarti, MA akan menghasilkan sinyal tendência naik ketika garis MA periode yang lebih pendek memotong ke atas garis MA periode yang lebih panjang, dan sinyal tren turun terjadi ketika garis MA pendek memotong ke bawah garis MA periode yang lebih panjang. Kombinasi klasik yang populer untuk metode ini adalah 5 dan 10, 10 dan 50, 20 dan 50. Dalam gambar 3, di dalam grafik euro sejak tanggal 5 hingga 14 Mei 2009, terdapat dua kali crossover, yang pertama menghasilkan kerugian dan yang kedua menghasilkan keuntungan Cukup besar. Crossover bekerja dalam kondisi terbaik pada saat harga mengalami tren satu arah, seperti yang diilustrasikan dalam figura 4, terhadap USD JPY. Por hora. Índice de Força Relativa (RSI) Indikator ini adalah indikator ke dua yang akan kita bahas dalam buku ini. RSI merupakan salah satu indikator yang paling luas digunakan oleh trader dan investor. Dikembangkan, por exemplo, J. Welles Wilder Jr., Sejak, 1970, um dan pertama kali dipublikasikan melalui bukunya Novos conceitos em sistemas de comércio técnico. Ada banyak penggunaan RSI yang diperkenalkan oleh Wilder dalam bukunya tersebut, namun kita hanya akan membahas bagian terpenting yang masih memiliki validitas tinggi. RSI mungkin dapat didefinisikan sebagai indikator yang mengukur kekuatan relatif passando berdasarkan perbandingan antara kenaikan dan penurunan, yang ditampilkan dalam bentuk indeks yang bergerak antara nível 0 (nol) hingga 100. Ada tiga variasi penggunaan RSI yang harus diperhatikan karena akurasi sinyalnya yang masih cenderung tinggi. 1. Identifikasi puncak dan lembah harga (Amp. Superior do reconhecimento do fundo) Puncak dan lembah harga diindikasikan melalui RSI yang bergerak ke atas área 70 atau turun kebawah área 30. Beberapa analis lebih menyukai penggunaan 80 sebagai área ekstrim atas atau lebih dikenal dengan istilah overbought área dan 20 sebagai level ekstrim bawah atau oversold. Sebagai contoh, gambar 5 menunjukkan kepada Anda bagaimana RSI memberkan indikasi hert tertinggi dan terendah yang terjadi pada grafik EURJPY. Ketika harga mencapai level dasar, RSI telah memasuki área oversold di bawah nível 30, kemudian harga bergerak naik membentuk puncak (topo) yang diikuti oleh RSI di atas 70 (overbought), dan turun kembali membentuk dasar yang ditandai dengan penurunan RSI kembali ke bawah level 30. 2. Mengenali pola (Reconhecimento de Padrões) Pola harga yang muncul dalam RSI mungkin tidak dapat diidentifikasikan hanya melalui grafik harga. Terkadang beberapa pola muncul lebih jelas dalam RSI dibanding pada harga sendiri. Gambar 6 memperlihatkan ketika harga bergerak naik, RSI telah membentuk pola cabeça e ombro yang pertama, dan lebih dulu mengalami breakout dibanding harga ketika menembus garis tren. Pada pola head amp ombro kedua, baik harga maupun RSI secara bersamaan menembus garis tahanan. Setelah berhasil neckline HampS, RSI kemudian membentuk pola triangle yang hanya diindikasikan oleh garis support dalam harga. 3. Falha balanços atau Divergência Penggunaan yang ketiga ini adalah penggunaan yang paling banyak diawasi oleh comerciante karena kekuatannya yang cukup besar dalam menghasilkan pergerakan pasar. Divergence terjadi ketika harga membentuk nível tertinggi atau terendah baru namun tidak diikuti oleh pembentukan nível tertinggi atau terendah baru RSI. Misalnya dalam tren naik seperti dalam gambar 7, harga membentuk nível tertinggi baru namun RSI mengalami kegagalan membentuk nível tertinggi baru, kegagalan ini disebut dengan falha swing dan akhirnya membentuk divergência. Maksud dari divergência adalah passar telah kehilangan kekuatan ketika high terbaru tersebut dibentuk. Demikian juga saat penurunan, harga membentuk low baru namun RSI mengalami kegagalan sehingga membentuk divergência de alta. Divergence memiliki implikasi reversal, dalam arti jika terjadi dibawah akan memberikan dorongan bullish dan jika terjadi di atas akan memberikan dorongan bearish. Kombinasi antara média móvel de RSI Penggunaan dua indikator diatas, seperti halnya penggunaan indikator yang lain, sangat tergantung pada pribadi penggunanya. Hal yang perlu diperhatikan sebelum penyusunan metode trading, adalah karakter, kemampuan modal dan strategi yang Anda pilih. Anda dapat menggunakan poin-poin di bawah ini sebagai panduan untuk menggabungkan dua indikator tersebut: Mudança média adalah indikator yang digunakan sebagai filtro dari fluktuasi harga, ditujukan untuk mengenali tren dan perubahan tren yang terjadi. MA periode lebih pendek bergerak sangat dekat dengan harga. Semakin kecil periode yangdipilih semakin kecil pula jarak MA dengan harga, sehingga swing yang terjadi selama pergerakan harga berlangsung tidak dapat diperhalus oleh MA, dengan demikian frekuensi terjadinya ruído atau sinyal failure-pun semakin tinggi. Namun di sisi lain, penggunaan MA dengan periode ini akan menghasilkan sinyal yang relatif jauh lebih cepat. Semakin panjang periode MA yang dipilih biasanya semakin jauh pula jaraknya dengan harga correndo. MA ini dapat memperhalus pergerakan harga sehingga trem dapat dengan mudah dikenali. Sinyal yang dihasilkan lebih lambat namun memiliki tingkat akurasi yang jauh lebih tinggi. RSI adalah indikator kekuatan pasar yang bergerak dalam batasan 0 hingga 100. Ditujukan untuk mengenali peluang berbaliknya harga dalam intervalo waktu yang relativo pendek. Gunakan RSI untuk nível oversold ketika tren naik, untuk mencari peluang lebih murah. Dan gunakan pola RSI untuk mendapatkan nível breakout terbaik, atau divergence untuk mengenali peluang berbaliknya harga. Studi kasus ini ditujukan untuk membantu Anda dalam merumuskan sinyal yang akan Anda gunakan dalam transaksi. Sehingga contoh dalam e-book ini selayaknya tidak dianggap sebagai rekomendasi, karena hanya bersifat ilustrasi yang memberikan panduan bagi Anda. Dalam studi ini mari kita mengambil contoh Franco suiço diário, periode Juni 2007 hingga 22 Mei 2009. Pada tanggal 31 Mei 2007 seperti yang terlihat pada gambar 9.8, MA mengalami duplo crossover di area atas, namun RSI belum memberikan konfirmasi untuk membeli. Pada tanggal 29 Juni 2007, RSI 14 berhasil melakukan breakout ke bawah dan beberapa waktu kemudian, terjadidouble crossover. Dengan demikian, kedua indikator ini memberikan kesimpulan yang sama dan kita telah mendapatkan konfirmasi untuk menjual. Dalam gambar 9, terlihat pada bulan 9, 2008, CHF telah selesai membentuk pola berlanjut Ampère principal Ampère, sementara harga bergerak di bawah MA, yang mengindikasikan tren turun masih kuat. Breakout RSI pada garis decote Cabeça e ombro mengindikasikan em baixa, yang berarti masih sejalan dengan posisi MA. Disini, kita dapat membiarkan posisi sebelumnya atau menambah posisi baru. Gambar 9 Divergência poderosa RSI, USDCHF Daily Bulan Februari 2008, RSI selesai membentuk pola Triângulo simétrico (garis biru pada gambar 10) dan breakout ke bawah, dengan kondisi MA yang masih stabil di atas. Keduanya memberikan indikasi bahwa penurunan masih berlanjut. Kemudian pada bulan Maret, terjadi divergence (ditandai dengan garis merah), dimana harga berhasil membentuk baixo baru namun RSI mengalami kegagalan, yang merupakan indikasi perubahan tren harga. Disini kita dapat mengurangi posisi yang ada untuk berjaga-jaga atau bahkan melikuidasi seluruhnya. Dalam gambar 11 setelah RSI membentuk divergência, harga mengalami kenaikan hingga bulan Mei 2008, dan mengalami konsolidasi dalam gama terbatas Bersamaan dengan itu, RSI membentuk pola triângulo yang berhasil ditembus ke atas pada bulan Juli, yang kemudian diikuti oleh breakout harga terhadap canal linha dan crossover MA duplo. Di sini kita melikuidasi seluruh posisi yang tersisa dan merupakan waktu baik mengambil posisi beli. Dalam gambar 12 setelah breakout, CHF mengalami kenaikan hingga Nopember 2008 Pada periode ini, RSI telah menyelesaikan pola Cabeça e ombro dan Triangle yang diikuti oleh divergence pada puncak harga. Disini kembali kita sebaiknya melikuidasi posisi. Setelah harga dan RSI berhasil melakukan breakout ke bawah, duplo MA melakukan cross yang mengindikasikan tren turun. Namun di saat yang bersamaan, RSI membentuk divergência kembali di dasar harga yang mengindikasikan reversal (berlawanan dengan MA). Di nível ini kita sebaiknya tidak mengambil posisi, sembari menunggu konfirmasi selanjutnya. Dalam gambar 13, MA kemudian memberikan konfirmasi kenaikan setelah divergence padatahap e sebelumnya. Kita mendapatkan konfirmasi membeli. Harga kemudian mengalami kenaikan sejak bulan Januari 2009, yang kemudian diikuti oleh crossover MA. Pada fase ini kita kemudian kembali melikuidasi posisi dengan lucro sangat tipis. Pada fase berikutnya, harga mengalami konsolidasi hingga 8 Mei 2009 lalu, dimana harga dan RSI secara bersamaan membentuk pola triangle Breakout harga dan RSI terjadi dibarengi dengan cruz MA. Pada tahap ini kita kembali mendapatkan sinyal konfirmasi untuk menjual. Posisi tersebut dapat kita pertahankan hingga satu atau dua indikator kita saling memberikan sinyal yang berlawanan. Jika kita menemukan kedua indikator membroikan sinyal yang sama, maka dari sisi kombinasi, hal ini sudah cukup sebagai dasar untuk mengambil posisi baru atau menambah posisi lama. Skenario secara lengkap dapat disimak pada gambar 14. USDCHF menurun dari Maret 2007 hingga Fevereiro de 2008 dan pembalikan trem terjadi yang menyebabkan tendência de alta Maret 2008 sampai ke Nopember 2008. Setelah ini, USDCHF memasuki pola harga de lado. Jika melihat gambaran secara keseluruhan, dapat dilihat tren dan pola pada harga dan RSI. Seperti yang sudah kita diskusikan sebelumnya, trem dapat dikenali melalui penggunaan média móvel. Dan RSI dapat kita gunakan sebagai filtro untuk mendapatkan konfirmasi lanjutan. Gunakan ilustrasi diatas sebagai panduan. Anda dapat mencari, menyusun dan eksperimentasi dengan alat teknikal yang lain. Namun ingatlah untuk menjamin alat tersebut sederhana mungkin. Mudança média adalah indikator untuk mengenali tren dan mengukur tren yang terjadi. Sebuah sinyal yang dihasilkan oleh média móvel didasarkan pada crossover yang terjadi baik dengan hlad maupun dengan MA yang berbeda periode. Índice de Força Relativa adalah jenis dari oscilador yang ditujukan untuk mengukur kekuatan hagar dan penggunaan terbaiknya terletak pada saat harga mengalami konsolidasi atau sideway. Anda dapat menggunakan média móvel bersamaan dengan RSI untuk menghasilkan sinyal transaksi.