Metode ini digunakan untuk melicinkan Smoothing dan mengurangi fluktuasi ramalan. Metode ini sangat kurang tepat digunakan untuk peramalan jangka panjang.
Data yang dibutuhkan untuk penggunaan metode ini minimum selama dua tahun Assauri, 1984.
a. Moving Averages
Dengan Moving averages rata-rata bergerak ini kita dapat melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-
ratanya lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya Gitosudarmo dan Najmudin, 2001.
1. Single Moving Average Persamaan matematis dari Single moving averages adalah:
N X
X X
F
n t
t t
t 1
1 1
..........
+ −
− +
+ +
+ =
Keterangan: F
t+1
= Ramalan untuk Periode ke t + 1 X
1
= Nilai riil periode ke t n = Jangka waktu rata-rata bergerak
N = Jumlah observasi yang dipergunakan dalam menghitung rata-rata bergerak
2. Double Moving Average Beberapa langkah dalam menentukan ramalan dengan metode Double
Moving Average Gitosudarmo dan Najmudin, 2001, yakni:
Universitas Sumatera Utara
a Menghitung Moving Average rata-rata bergerak pertama diberi simbol
t
S
. Ini dihitung dari data historis yang ada. Hasilnya diletakkan pada
periode terakhir moving average pertama. b
Menghitung Moving Average rata-rata bergerak kedua diberi simbol
t
S
. Ini dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan pada
periode terakhir moving average kedua. c
Menentukan besarnya nilai a
t
konstanta
t t
t t
S S
S a
− +
= d
Menentukan besarnya nilai b
t
slope
1 2
− −
= V
S S
b
t t
t
V adalah jangka waktu moving average kedua e
Menentukan besarnya forecast: m
b a
F
m t
+ =
+
M adalah jangka waktu forecast ke depan
b. Exponential Smoothing
Metode Exponential Smoothing merupakan pengembangan dari Metode Moving Average. Dalam metode ini peramalan dilakukan dengan mengulang
perhitungan secara terus-menerus dengan menggunakan data terbaru. Dua metode
Universitas Sumatera Utara
dalam Exponential Smoothing diantarannya Single Exponential Smoothing dan Double Exponential Smoothing Gitosudarmo dan Najmudin, 2001.
1. Single Exponential Smoothing
Persamaan Matematis dari metode ini adalah:
t t
t
F X
F 1
1
α α
− +
=
+
Dengan: F
t+I
= Ramalan untuk periode ke t+1 X
t
= Nilai rill periode ke t F
t
= Ramalan untuk periode ke t α
= Parameter Smoothing 0α1 Dari persamaan tersebut besarnya forecast yang akan datang dijelaskan
sebagai berikut:
t t
t
F X
F 1
1
α α
− +
=
+ t
t t
t
F F
X F
α α
− +
=
+1 t
t t
t
F X
F F
α α
− +
=
+1 1
t t
t t
F X
F F
− +
=
+
α X
t
- F
t
merupakan kesalahan forecast atau forecast error periode ke t. Dengan demikian dapat dikatakan bahwa forecast pada periode yang akan
datang adalah ramalan periode sebelumnya ditambahkan alpha α dikalikan
dengan kesalahan forecast sebelumnya. Dalam melakukan peramalan dengan metode Single Exponential
Smoothing besarnya alpha α ditentukan secara trial dan error sampai
Universitas Sumatera Utara
ditemuka n alpha α yang menghasilkan forecast error terkecil Gitosudarmo
dan Najmudin, 2001.
2. Double Exponential Smoothing
Metode ini merupakan model linier yang dikemukakan oleh Brown. Pada Metode ini proses penentuan ramalan dimulai dengan menentukan
besarnya alpha α secara trial dan error Gitosurdarmo dan Najmudin,
2001. Tahap – tahap dalam menentukan ramalan adalah sebagai berikut:
a. Menentukan Smoothing pertama
t
S
1
1
−
− +
=
t t
t
S X
S
α α
Dimana:
t
S = Smoothing pertama periode t α = Berdasarkan nilai mean square error terkecil dari 0,1 sampai 0,9
t
X = Nilai riil periode t
1 −
t
S
= Smoothing pertama periode t-1 b.
Menentukan Smoothing kedua
t
S
1
1
−
− +
=
t t
t
S S
S
α α
Dimana:
t
S
= Smoothing kedua periode t
t
S
= Smoothing pertama periode t
1 −
t
S
= Smoothing kedua periode t-1
Universitas Sumatera Utara
c. Menentukan besarnya konstanta
t
a
2
t t
t
S S
a −
=
d. Menentukan besarnya slope
t
b
1
t t
t
S S
b
α α
− =
e. Menentukan besarnya forecast
m t
F
+
m b
a F
t t
m t
+ =
+
Dimana m adalah jumlah periode kedepan yang diramalkan Dari kedua metode Smoothing yang telah dijelaskan, dikatakan bahwa
ketepatan ramalan yang dilakukan dengan metode rata-rata bergerak Moving Average adalah rendah. Oleh karena alasan tersebut, maka metode atau teknik rata-
rata bergerak tidak digunakan dalam peramalan. Sehingga dapat dipergunakan metode yang lebih baik yaitu metode Exponential Smoothing Assauri,1984.
2. Metode Proyeksi Trend dengan Regresi
Metode ini merupakan dasar garis trend untuk suatu persamaan sistematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal yang diteliti untuk
masa depan. Metode ini sangat baik ketepatanya untuk peramalan jangka panjang. Untuk memproyeksi hal yang diteliti, terlebih dahulu trend ditentukan. Untuk
menentukan nilai trend dapat digunakan beberapa cara yaitu metode tangan bebas free hand, metode setengah rata-rata semi average, metode rata-rata bergerak
Universitas Sumatera Utara
moving average dan metode kuadrat terkecil least square Gitosudarmo dan Najmudin, 2001.
a. Metode Tangan Bebas Free Hand
