2.6.1. Metode Trend
Metode ini menggambarkan hubungan antara periode dan peubah yang diramalkan dengan menggunakan analisis trend. Apabila pola data yang
digunakan memiliki unsur musiman, maka komponen musiman dapat juga dicoba dalam metode ini Heizer dan Render, 2005. Persamaan proyeksi
trend adalah : Model trend linear : Ŷ = a + bx ………………….. 2
Keterangan: Ŷ
: nilai terhitung dari peubah yang akan diramalkan a
: persilangan sumbu y b
: kemiringan garis x
: peubah bebas waktu t
: periode waktu
2.6.2. Metode Rataan Bergerak Moving Average
Metode rataan menggunakan rataan semua data untuk meramal, jika tersedia data baru, maka data tersebut dihitung dengan menambahkan nilai
terkini dan mengeluarkan nilai terlama. Jumlah periode pada metode rataan bergerak sederhana adalah sama tetapi akan selalu bergerak ke depan dan
menghilangkan periode yang sebelumnya sesuai dengan pergerakannya. Metode ini tidak menangani trend atau musiman dengan baik, walaupun
metode ini lebih baik daripada rataan sederhana. Istilah rataan bergerak digunakan karena setiap diperoleh data aktual baru, maka rataan yang baru
dapat dihitung dengan meninggalkan data periode yang terlama dan memasukkan data periode terbaru.
Metode rataan bergerak menggunakan nilai terakhir untuk membuat peramalan.Trend ini melicinkan Metode rataan bergerak yang akan
digunakan sebagai peramalan untuk periode mendatang, dan seterusnya, secara matematik bentuk umum metode rataan bergerak dapat dirumuskan
sebagai Makridakis et al. 1995 berikut :
Y
t + 1
:
……………. 3
Y t
+ 1
:
∑
………………………. 4
Rataan bergerak :
∑
…. 5 Keterangan : Y
t +1 :
Nilai peramalan untuk periode t+1 Yi : data permintaan ke-i
k : jumlah deret waktu yang digunakan t
: periode waktu
2.6.3. Metode Pemulusan Smoothing Eksponensial
Metode peramalan merupakan metode rataan bergerak yang memberikan bobot yang lebih kuat pada data terakhir daripada data awal.
Hal ini menjadi sangat berguna jika perubahan terakhir pada data terlebih dahulu yang merupakan akibat dari perubahan aktual seperti, pola
musiman daripada hanya fluktuasi acak dimana suatu ramalan rataan bergerak sederhana sudah cukup. Metode ini juga menerangkan bahwa
metode ini melakukan pembobotan menurun secara eksponensial terhadap nilai peubah atau observasi yang lalu. Setiap data pengamatan mempunyai
kontribusi dalam penentuan nilai peramalan periode sebelumnya Makridakis et al., 1999.
Rumusan penghalusan eksponensial secara umum dapat ditunjukkan sebagai berikut :
Y
t + 1
= ∝
+ 1
− ∝
Y
…………………… 6 Peramalan baru = peramalan periode baru +
∝ permintaan aktual periode lalu – peramalan periode baru
Keterangan : Y
t + 1
= nilai peramalan periode t + 1 Yt
= data permintaan ke – t ∝
= konstanta penghalus 0 ≤ ∝
≤
1
Yt = nilai peramalan periode ke-t
2.6.4. Metode Dekomposisi
Kategori