33
peramalan penjualan CPO dilakukan dengan menggunakan program Microsoft Excel
dan Minitab 15.
3.3.2.1. Metode Peramalan Time Series
Penelitian ini menggunakan metode peramalan time series. Metode peramalan time series terdiri dari beberapa metode, yaitu metode naif, metode
rata-rata bergerak, metode pemulusan eksponensial tunggal, metode pemulusan eksponensial ganda, metode indeks musiman, metode tren, metode Box-Jenkins
ARIMA. Berdasarkan semua metode yang digunakan tersebut akan dipilih metode yang paling sesuai dengan pola data yang terdapat pada perusahaan
berdasarkan nilai MSE terkecil.
1. Metode Naif Naive
Menurut Firdaus 2006: 5 metode naif dapat dirumuskan sebagai berikut:
t+1
=
t
Dimana :
t+1 =
nilai ramalan penjualan CPO periode mendatang
t
= nilai aktual penjualan CPO periode ke-t
2. Metode Rata-Rata Bergerak Moving Average
Metode ini menggunakan urutan kerja sebagai berikut: a.
Menentukan ordo dan bobot rata-rata bergerak Ordo dan rata-rata bergerak adalah jumlah data masa lalu yang dimasukkan ke
dalam rataan yang disimbolkan dengan n ordo. Dasar penentuan ordo ini
34
adalah dengan mengambil rata-rata dari dua data maka diharapkan pelicinan akan jelas. Sebagai contoh moving average MA ordo 1, berarti peramalan
hanya menggunakan satu observasi sebelumnya untuk meramalkan satu nilai yang akan datang Firdaus, 2006: 6.
b. Formula untuk teknik ini adalah:
t+1
= MA
nt
= y
t
+ y
t-1
+ y
t-2
+ …+y
t-n+1
n
Dimana :
t+1
=
nilai ramalan penjualan CPO untuk satu periode ke depan
y
t
= nilai aktual penjualan CPO pada waktu ke-t
n
= ordo dari rata-rata bergerak
3. Metode Pemulusan Eksponensial Tunggal Single Ekponential Smoothing
Menurut Firdaus 2006:10, formula untuk teknik ini adalah:
S
t
= y
t
+ 1- S
t-1
Nilai awal St = S1 + S2 + Sn-1 + Snn Dimana :
S
t-1
= nilai aktual penjualan CPO untuk satu periode ke depan yt
= nilai aktual penjualan CPO periode ke-t St
= nilai ramalan penjualan CPO periode sebelumnya = a = koefisien pemulusan0 1
35
4. Metode Pemulusan Eksponensial Ganda Double Eksponential
Smoothing
Metode Double Eksponential Smoothing menggunakan dua koefisien pemulusan diantaranya adalah koefisien pemulusan dan . Koefisien pemulusan
menunjukkan nilai koefisien terhadap pemulusan metode double eksponential smoothing
dan koefisien menunjukkan nilai koefisien terhadap trend. nilai konstanta pemulusan tersebut bernilai antara 0 dan 1. Persamaan dalam metode
double eksponential smoothing adalah:
A
t
= Y
t
+ 1- A
t-1
+ T
t-1
T
t
= A
t
-A
t-1
+ 1- T
t-1
Dimana : ,
= koefisien pemulusan Y
t
= nilai periode ke-t A
t-1
= nilai periode sebelumnya T
t-1
= nilai tren periode sebelumnya
5. Metode Indeks Musiman
