3. Pola 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 siklis bisnis. 4.
Pola Data Trend Pola yang menunjukkan kenaikan atau penurunan jangka panjang data.
2.5 Metode Pemulusan Smoothing
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa
tahun lalu untuk menaksir nilai pada beberapa tahun kedepan. Secara umumn metode pemulusan smoothing diklasifikasikan menjadi dua bagian:
1. Metode Rata-Rata
Metode rata-rata di bagi atas empat bagian: 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 Metode rata-rata tujuannya adalah untuk memanfaatkan data masa lalu untuk
mengembangkan suatu system peramalan pada periode mendatang. 2.
Metode Pemulusan Eksponensial Bentuk umum dari pemulusan eksponensial:
F
t+1
= α X
t
+ 1- α F
t
dimana: F
t+1
= ramalan suatu period eke depan X
t
= data aktual pada periode ke-t F
t
= ramalan pada periode ke-t α = parameter pemulusan
Bila bentuk umum tersebut diperluas maka akan berubah menjadi: F
t+1
= αX
t
+ α1-αX
t-1
+ α1-α
2
X
t-2
+…….+ 1- α
N
F
t-N-1
Dari perluasan bentuk umum diatas dapatlah dikatakan bahwa metode smoothing eksponensial merupakan sekelompok metode yang menunjukkan pembobotan
menurun secara eksponensial terhadap nilai observasi yang baru diberikan bobot yang relative lebih tua atau dengan kata lain observasi yang baru diberikan bobot yang
relative lebih besar nilai observasi yang lebih tua. Metode ini terdiri atas: 1.
Metode Pemulusan Smoothing Eksponensial Tunggal a.
Satu Parameter One Parameter b.
Pendekatan Aditif 2.
Metode Pemulusan Smoothing Eksponensial Ganda a.
Metode Linier Satu Parameter dari Brown b.
Metode Dua Parameter dari Holt
3. Metode Pemulusan Smoothing Eksponensial Triple
a. Metode Kuadratik Satu Parameter dari Brown
Digunakan untuk pola data kuadratik, kubik, atau orde yang lebih tinggi. b.
Metode Kecenderungan dan Musim Tiga Parameter dari Winter Digunakan untuk data berbentuk trend dan musiman.
4. Metode Pemulusan Smoothing Eksponensial Menurut Klasifikasi Pegels
2.5.1 Metode Smoothing yang Digunakan
Untuk mendapatkan hasil ramalan yang baik, maka harus diketahui cara peramalan yang tepat. Data penjualan mobil jenis minibus ke dalam grafis menunjukkan pola data trend
linier yang dapat dilihat dari plot nilai-nilai autokorelasi yang menunjukkan pola data trend liinier. Maka metode ramalan deret berkala yang digunakan untuk meramalkan nilai
penjualan mobil jenis minibus pada pemecahan masalah ini adalah dengan menggunakan Metode Pemulusan Smoothing Eksponensial Ganda Satu Parameter dari Brown.
Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari Metode Pemulusan Smoothing Eksponensial Ganda Satu Parameter dari
Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsure trend,
perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan tunggal dan disesuaikan untuk trend.
Persamaan yang dipakai dalam pelaksanaan Metode Pemulusan Smoothing Eksponensial Ganda Satu Parameter dari Brown adalah sebagai berikut:
S
t
= αX
t
+ 1- α S
t-1
S
t
= α S
t
+ 1- α S
t-1
a
t
= S’
t
+ S
t
- S
t
= 2 S
t
- S
t
b
t
= S
t
- S
t
F
t+m
= a
t
+ b
t
. m dimana:
m = jumlah periode ke muka yang diramalkan
S
t
= nilai pemulusan eksponensial tunggal single eksponensial smoothing value S
t
= nilai pemulusan eksponensial ganda double eksponensial smoothing value α
= parameter pemulusan eksponensial dengan besar 0 α 1 a
t
= Nilai konstanta pada priode ke-t b
t
= Nilai slope F
t+m
= hasil peramalan untuk m periode ke depan yang diramalkan
2.6 Ketepatan Ramalan
