mempengaruhinya, yang bukan waktunya disebut Metode Korelasi atau sebab akibat metode causal. Metode yang termasuk dalam jenis ini adalah :
a. Metode Regresi dan Korelasi b. Metode Ekonometri
c. Metode Input Output
2.7 Metode Pemulusan Smoothing
Metode Pemulusan Smoothing adalah metode peramalan dengan mengadakan penghalusan atau pemulusan data masa lalu yaitu dengan mengambil rata-rata dari
nilai beberapa tahun untuk menaksir nilai pada tahun yang akan datang. Smoothing dilakukan dengan dua cara yaitu rata-rata bergerak moving average dan pemulusan
eksponensial exponential smoothing.
2.7.1 Rata-rata Bergerak Moving Average
Dengan rata-rata bergerak moving averages ini dilakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan
rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang
baru dihitung dan dipergunakan sebagi ramalan.
1. Rata-rata Bergerak Tunggal Single Moving Averages
Menetukan ramalan dengan metode rata-rata bergerak tunggal single moving averages cukup mudah dilakukan. Bila akan menerapkan 4 bulan rata-rata
Universitas Sumatera Utara
bergerak maka maka ramalan pada bulan Mei dihitung sebesar rata-rata dari 4 bulan sebelumnya, yaitu bulan Januari, Februari, Maret, April.
Persamaan Matematis dari teknik ini adalah :
N X
X X
X F
n t
t t
t t
1 2
1 1
...
Indriyo dan Najmudin,2000:8 Keterangan :
1
t
F : ramalan untuk periode ke t + 1
X
t
: nilai riil periode ke t n
: jangka waktu rata-rata bergerak.
a. Karakteristik Khusus Rata-rata Bergerak Tunggal Single Moving Averages Metode single moving average memiliki karakteristik khusus.
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selam jangka waktu tertentu.
b. Semakin panjang jangka waktu rata-rata bergerak moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan rata-rata
bergerak moving average yang semakin halus. Artinya pada rata-rata bergerak moving average yang jangka waktunya lebih panjang,
perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.
b. Menghitung Kesalahan Ramalan Hasil proyeksi yang akurat adalah ramalan yang bisa meminimalkan kesalahan
meramal. Besarnya kesalahan meramal dihitung dengan mengurangi data riil dengan besarnya ramalan.
Error E = X
t
- F
t
Indriyo dan Najmudin,2000:11
Universitas Sumatera Utara
Keterangan : X
t
= data riil periode ke-t F
t
= ramalan periode ke-t Dalam menghitung kesalahan ramalan digunakan.
aMean Absolute Error Mean Absolute Error adalah rata-rata absolute dari kesalahan meramal, tanpa
menghiraukan tanda positif maupun negatif.
n F
X MAE
t t
Indriyo dan Najmudin,2000: 11 b Mean Squared Error
Mean Squared Error adalah kuadrat rata-rata kesalahan meramal.
n F
X MSE
t t
2
Indriyo dan Najmudin,2000:11 Metode ini mudah menghitungnya dan sederhana, tetapi mempunyai
kelemahan-kelemahan antara lain : 1 perlu data histories yang cukup,
2 data tiap periode diberi weight bobot sama, 3 kalau fluktuasi data tidak random, tidak menghasilkan forecasting yang
baik. Pangestu Subagyo, 1986:11.
2. Rata-rata Bergerak Ganda Double Moving Average
