3. Metode Single simple Eksponential Smoothing Exponential Smoothing
Adalah salah satu jenis metode peramalan Time series yang didasarkan pada asumsi bahwa angka rata-rata baru dapat diperoleh dari angka rata-
rata lama dan data demand yang terbaru. Menurut Lalu Sumayang, 2004 rumusnya sebagai berikut :
Rumusnya :
1
1 ..
t t
t
A D
A
Menurut Teguh Baroto, 2002 rumusnya sebagai berikut : Rumusnya :
1 1
1
t t
f f
f
Keterangan :
t
f
= perkiraan pada periode t
= suatu nilai
1
yang ditentukan secara subjektif
t
f =
permintaan actual pada periode t
1
t
f
= perkiraan permintaan pada periode t-1
2.8.3 Pengukuran Ketepatan Metode Peramalan
Didalam pengukuran peramalan pada data histories yang tersedia, perlu dilakukan pengukuran kesesuaian metode tertentu untuk suatu kumpulan data
yang diberikan. Dalam banyak situasi peramalan, ketepatan accuracy dipandang sebagai criteria penolakan untuk metode peramalan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Ukuran statistic yang sering digunakan untuk pengukuran ketepatan metode peramalan dimana terdapat nilai pengamatan dan peramalan untuk n
periode serta n buah kesalahan adalah Arman Hakim, 2003 Jika Xi merupakan data actual untuk periode da Fi merupakan ramalan
nilai kecocokanfitted value untuk periode yang sama, maka didefinisikan sebagai berikut :
Fi Xi
ei
Jika terjadi nilai pengamatan dan ramalan untuk n periode waktu, maka akan terdapat n buah kesalahan dan ukuran statistic standar berikutnya dapat
didefinisikan sebagai berikut : 1. Kesalahan Rata-rata Mean Error
ME =
n
i
n ei
1
2. NIlai tengah kesalahan absolute Mean Absolute Error
MAE =
n
i
n ei
1
3. Jumlah kuadrat kesalahan SUM Of Square Error
SSE =
n
i
ei
1 2
4. Nilai tengah kesalahan kuadrat mean Square Error
MSE =
n
i
n ei
1 2
MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5. Deviasi standard kesalahan standard deviation error dan deviasi absolute rata-rata MAD
Rumusnya dari standard deviasi kesalahan adalah : SDE =
n i
n ei
1 2
1
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataan. Secara sistematis, dirumuskan sebagai berikut : MAD =
n
F A
t t
6. Rata- rata kesalahan Peramalan Mean Forecast Error = MFE
MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan tidak
bisa, maka nilai MFE akan mendekati nol. MFE dihitung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan. Secara sistematis, MFE dinyatakan sebagai berikut :
MFE =
n
F A
t t
7. Rata-rata Persentase Kesalahan Absolut Mean Absolute Percentage Error =
MAPE MAPE merupakan ukuran kesalahan relative. MAPE biasanya lebih berarti
dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan actual selama periode tertentu yang akan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
memberikan informasi persentase kesalahan terlalu tinggi atatu terlalu rendah. Secara sistematis, MAPE dinyatakan sebagai berikut :
MAPE =
t t
t
A F
A n
100
Dalam banyak situasi peramalan, perbandingan dari masing-masing metode peramalan yang dicoba adalah dijadikan sebagai acuan pemilihan dan
pilihan diambil berdasarkan nilai MSE paling minimum. Bila dihubungkan dengan penetuan konstanta pemulusan pada metode smoothing, maka besar
kecil nya nilai dan
ini dapat dilakukan dengan cara trial and error atatu dapat dibantu dengan programsoftware computer untuk nilai yang baik.
2.8.4 Verifikasi Dan Pengendalian Peramalan
