SMOOTHING DATA
Metode smoothing digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu,
dengan membuat rata rata tertimbang dari sederetan data masa lalu. Ketepatan peramalan dengan
metode in akan terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka
Panjang kurang akurat.
Metode smoothing terbagi dua, yaitu :
1. Moving Average
- Single Moving Average
- Double Moving Average
2. Exponential Smoothing
- Single Exponential Smoothing
- Double Exponential Smoothing
Moving Average
Single Moving Average
Rata-rata bergerak tunggal (single moving average) adalah suatu metode peramalan yang
dilakukan dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut
sebagai ramalan untuk periode yang akan datang.
Keterangan :
ft : Ramalan kegiatan pada periode ke – t
n : Jumlah periode yang dicakup dalam analisis perataan
At-1 : Kegiatan pada periode sebelumnya
At-2, At-3, …, At-n : Aktivitas pada dua, tiga, dan n periode sebelumnya
Double Moving Average
Double moving average adalah metode peramalan pada pola data waktu tertentu di mana cara
menghitung double moving average adalah dengan menghitung satu kelompok moving average,
kemudian kelompok kedua dihitung sebagai hasil dari perhitungan kelompok satu.
Rumus :
Keterangan :
Mt' : rata-rata bergerak double moving average periode t
at : koefisien a ke t
bt : koefisien b ke t
n : jumlah periode dalam moving average
Ft : periode ke depan yang diramalkan
Exponential Smoothing
Teori Peramalan dengan Exponential Smoothing (Penghalusan Eksponensial)
Konsep Exponential smoothing atau Penghalusan Eksponensial merupakan suatu metode
peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada
data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih
besar.
Pengertian Exponential Smoothing (Penghalusan Bertingkat) menurut para ahli:
- Menurut Render dan Heizer (2005), Penghalusan exponential adalah teknik peramalan rata-
rata bergerak dengan pembobotan dimana data diberi bobot oleh sebuah fungsi exponential.
- Menurut Trihendradi (2005), analisis exponential smoothing merupakan salah satu analisis
deret waktu, dan merupakan metode peramalan dengan memberi nilai pembobot pada
serangkaian pengamatan sebelumnya untuk memprediksi nilai masa depan.
- Menurut T. Hani Handoko (2011), Exponential Smoothing adalah suatu tipe teknik
peramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan
cara eksponensial sehingga data paling akhir mempunyai bobot atau timbangan lebih besar
dalam rata-rata bergerak.
Pengertian secara umum
Exponential Smoothing adalah suatu prosedur yang secara terus menerus memperbaiki
peramalan dengan merata-rata (menghaluskan = smoothing) nilai masa lalu dari suatu data runtut
waktu dengan cara menurun (exponential).
Macam – macam metode
1. Single Exponentials Smoothing
Metode ini digunakan untuk peramalam jangka pendek. Exponential Smoothing memberikan
penekanan pada time series melalui penggunaan sebuah konstanta smoothing. Konstanta
smoothing berkisar dari 0 ke 1. Rumus Single Exponentials Smoothing :
2. Double Exponentials Smoothing
Metode double exponential smoothing dibagi menjadi double exponential smoothing satu
parameter dari Brown dan dua parameter dari Holt. Metode double exponential smoothing
satu parameter dari Brown dikembangkan untuk mengatasi perbedaan yang muncul antara
data aktual dan nilai peramalan apabila ada tren pada pola datanya. Adapun rumus yang
digunakan dalam metode double exponential smoothing satu parameter dari Brown dapat
ditentukan berdasarkan persamaan
Sedangkan metode pemulusan eksponensial linier dari Holt, pada prinsipnya adalah serupa
dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara
langsung. Sebagai gantinya, Holt memuluskan nilai trend dengan parameter yang berbeda
dari parameter yang digunakan pada pemulusan data yang asli. Adapun rumus yang
digunakan dalam metode double exponential smoothing dua parameter dari Holt dapat dilihat
pada persamaan berikut [2]:
Pengukuran Akurasi Hasil Peramalan.
Ukuran akurasi hasil peramalan merupakan ukuran kesalahan peramalan tentang tingkat
perbedaan antara hasil permintaan dengan permintaan yang sebenarnya terjadi.
Salah satu cara mengevaluasi teknik peramalan adalah menggunakan ukuran tentang tingkat
perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. Ada empat ukuran
yang biasa digunakan, yaitu :
1. Rata-rata Deviasi Mutlak (Mean Absolute DeviatinI = MAD)
Rumus :
Keterangan :
At = permintaan actual pada periode –t.
Ft = peramalan permintaan (Forecast) pada periode –t.
n = jumlah periode peramalan yang terlibat.
2. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)
Rumus :
Keterangan :
At = permintaan actual pada periode –t.
Ft = peramalan permintaan (Forecast) pada periode –t.
n = jumlah periode peramalan yang terlibat.