2.7 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 diklasifikasikan menjadi 2 dua bagian, yaitu:
1 Metode Rata – Rata
a Metode rata-rata bergerak tunggal
Jika data berkala tidak terjadi gejala trend naik maupun turun, musiman, dan lainnya, melainkan sulit diketahui polanya, maka metode yang digunakan
adalah metode rata-rata bergerak tunggal Pangestu Subagyo, 1986: 13. Metode ini cocok untuk melakukan peramalan yang bersifat random. Untuk
menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu.
Rumus umumnya adalah:
∑
+ −
= +
− −
−
= +
+ +
+ =
t i
n t
j j
t n
t t
t t
t
X n
S n
X X
X X
S 1
...
1 2
1
b Metode rata-rata bergerak ganda
Metode ini sedikit lebih sulit jika dibandingkan dengan metode Metode rata- rata bergerak tunggal. Ada beberapa langkah yang harus ditentukan dalam
meramal dengan rata-rata bergerak ganda yaitu :
Universitas Sumatera Utara
1 Menghitung rata-rata bergerak pertama, diberi simbol St’. ini dihitung dari
data historis yang ada. Hasilnya diletakkan pada periode terakhir rata-rata bergerak pertama.
n X
X X
X S
n t
t t
t t
1 2
1
...
+ −
− −
+ +
+ +
=
2 Menghitung rata-rata bergerak kedua, diberi simbol St’’. ini dihitung dari
rata-rata bergerak pertama. Hasilnya diletakkan pada periode terakhir rata- rata bergerak kedua.
n S
S S
S S
n t
t t
t t
1 2
1
...
+ −
− −
+ +
+ +
=
3 Menentukan besarnya nilai at konstana.
t t
t t
S S
S a
− +
=
4 Menentukan besarnya nilai bt slope.
1 2
− −
= v
S S
b
t t
t
V= jangka waktu rata-rata bergerak 5
Menentukan ramalan. m
b a
F
t t
m t
+ =
+
. m =jangka waktu peramalan ke depan
2 Metode Pemulusan Smoothing Eksponensial
Bentuk umum dari Metode Pemulusan Smothing Eksponensial ini adalah: F
t+1
= αX
t
+ 1 – αF
t
Universitas Sumatera Utara
Dengan : F
t+1
= ramalan suatu periode ke depan X
t
= data aktual periode t F
t
= ramalan pada periode α
= parameter pemulusan 0 α1
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 di atas dapatlah dikatakan bahwa Metode Smoothing Eksponensial secara eksponensial terhadap nilai observasi yang lebih tua atau dengan
kata lain observasi yang baru diberikan bobot yang relatif lebih besar dengan nilai observasi yang lebih tua.
Metode ini terdiri atas: a.
Smoothing Eksponensial Tunggal 1
Satu Parameter one parameter 2
Pendekatan aditif ARRES Digunakan untuk data data yang bersifat stasioner dan tidak
menunjukkan pola atau trend. b. Smoothing Eksponen Ganda
1 Metode Linier Satu Parameter dari Brown
2 Metode Dua Paremeter Dari Holt
c. Smoothing Eksponensial Triple 1
Metode Kuadratik Satu Parameter dari Brown Digunakan untuk pola data kuadrati, kubik, atau orde yang lebih tinggi.
Universitas Sumatera Utara
2 Metode kecenderungan dan musiman tiga parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend dan musiman.
d. Smoothing Eksponensial Menurut Klasifikasi Pegels.
2.8 Ketepatan Peramalan