musiman, misalnya: kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu.
3. Pola Data Siklis Cyclical
Pola data yang menunjukkan gerakan naik turun dalam jangka panjang dari suatu kurva trend. Terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang dalam data.
2.6 Metode Pemulusan Smoothing
Metode Smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk
menaksir nilai pada beberapa tahun ke depan. Secara umum metode smoothing di klasifikasikan menjadi 2 dua bagian, yaitu:
1. Metode Rata-rata Metode rata-rata dibagi atas 4 empat bagian, yaitu:
a. Nilai tengah Mean b. Rata-rata bergerak tunggal Single Moving Average
c. Rata-rata bergerak ganda Double Moving Average d. Kombinasi rata-rata bergerak lainnya
Universitas Sumatera Utara
Metode rata-rata tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode Pemulusan Eksponensial Bentuk umum dari metode pemulusan eksponensial adalah:
Ft Xt
I Ft
1
Dimana: I
Ft = ramalan satu periode ke depan
Xt = data actual pada periode ke t Ft = ramalan pada periode ke t
= parameter pemulusan Bila bentuk umum tersebut diperluas maka akan berubah menjadi:
1 1
1 1
N
Ft Xt
Xt I
Ft
N
Dari pemulusan bentuk umum di atas dapatlah dikatakan bahwa metode eksponensial smoothing merupakan sekelompok metode yang menunjukkan
pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang relative lebih besar dengan
nilai observasi yang lebih tua. Metode ini terdiri atas:
a. Smoothing Eksponensial Tunggal a.1. Satu parameter one parameter
a.2. Pendekatan Aditif ARRES Digunakan untuk data yang bersifat stationer dan tidak menunjukkan pola atau
trend.
Universitas Sumatera Utara
b. Smoothing Eksponensial Ganda b.1. Metode Linier satu arameter dari Brown
b.2. Metode dua parameter dari Holt
c. Smoothing Eksponensial Triple c.1. Metode Kuadratik satu parameter dari Brown
Digunakan untuk pola kuadratik, kubik, atau orde yang lebih tinggi. c.2. Metode Kecenderungan dan Musim Tiga Parameter dari Winer
Dapat digunakan untuk data berbentuk trend dan musiman. c.3. Smoothing Eksponensial Menurut Klasifikasi Peges
2.6.1 Metode Pemulusan yang Digunakan
Untuk mendapatkan hasil yang baik harus diketahui cara yang tepat. Data jumlah pelanggan kartu kredit menunjukkan pola data trend linier yang dapat dilihat dari plot
auto korelasi yang menunjukkan pola data trend linier. Dalam urusan bisnis dan ekonomi sering sekali diperlukan data untuk mengikuti rata-rata persentase tingkat
perubahan sepanjang waktu, misalnya rata-rata persentase jumlah kredit menurut besar arus yang menabung selama beberapa tahun mendatang.
Berapa banyaknya jumlah pelanggan kartu kredit yang akan didapat Bank Mandiri cabang Medan yang akan datang?. Pertanyaan ini merupakan pertanyaan
yang paling penting di dalam dunia perbisnisan. Nilai tersebut dapat diperoleh dengan menggunakan rumus smoothing eksponensial linier satu-parameter dari Brown.
Universitas Sumatera Utara
Maka metode peramalan analisa time series yang akan digunakan untuk meramalkan jumlah pelanggan kartu kredit, pada pemecahan masalah ini adalah
dengan menggunakan Metode Smoothing Eksponensial Ganda yaitu ”Smoothing Eksponensial Satu Parameter dari Brown.
a. Metode Pemulusan Eksponensial Ganda Metode Linier Satu Parameter dari Brown
