Data runtun waktu merupakan suatu rangkaian pengamatan urut waktu
dari karakteristik kuantitatif atas satu atau kumpulan kejadian yang diambil dalam
periode waktu tertentu. Hasil analisis data runtun waktu banyak digunakan dalam
berbagai bidang kehidupan, terutama dalam bidang finansial. Salah satu
penerapan utamanya adalah dalam upaya menemukan pola dari data historis yang
ada untuk memprediksi atau meramal data selanjutnya di masa mendatang. Untuk
menemukan pola tersebut, banyak peneliti yang telah mengadopsi dan
mengembangkan metode-metode analisis data runtun waktu, salah satunya metode
moving averages. Metode moving averages telah memiliki beberapa varian,
seperti Simple Moving Average, Weighted Moving Average, dan Exponential
Moving Average, namun belum ada aplikasi khusus yang dapat digunakan oleh
masyarakat Indonesia untuk menggunakan metode ini. Untuk itu dalam tahun
pertama penelitian ini, akan dilakukan perancangan dan pembangunan aplikasi
peramalan data runtun waktu menggunakan metode konvensional moving
averages, meliputi Simple Moving Average (SMA), Weighted Moving Average
(WMA), dan Exponential Moving Average (EMA). Pada tahun kedua, penelitian
dilanjutkan dengan mengembangkan dan menerapkan metode hybrid moving
averages, yang dikenal sebagai Weighted Exponential Moving Average
(WEMA). WEMA menggabungkan metode Weighted Moving Average dan
metode Exponential Moving Average dalam memprediksi data runtun waktu
periode selanjutnya. Prototype aplikasi yang dibangun pada tahun pertama dan
kedua penelitian juga diujicoba dan divalidasi menggunakan metode Mean Square
Error (MSE) dan Mean Absolute Percentage Error (MAPE) untuk mengetahui
tingkat kehandalan dan keakurasian masing-masing metode. Selain aplikasi
peramalan data runtun waktu yang bersifat open source, luaran penelitian
diharapkan dapat dipublikasikan dalam prosiding maupun jurnal penelitian, baik
di tingkat nasional maupun internasional.