Penghalusan Eksponensial Tunggal Single Eksponential Smoothing-SES, Metode Penghalusan Eksponensial Ganda Brown, Metode Winters Aditif,
Metode Winter Multiplikatif dan Metode Box-Jenkins.
4.6.1 Metode Regresi Sederhana Trend
Teknik trend yang akan digunakan adalah teknik trend linier yang sering disebut regresi sederhana. Persamaannya adalah Makridarkis et al, 1999 :
Y
t
= Ŷ
t
+
t
= +
1
��
1
= � − �
�
2
− �
2
= −
1
�
Dimana : Y
t
= nilai Aktual Y pada periode ke-t Ŷ
t
= nilai Ramalan Y pada periode ke-t
t
= error
t
yaitu perbedaan antara Nilai Aktual dan Ramalan Y periode ke-t
b = koefisien slope
a = intercept
4.6.2 Metode Rata-rata Sederhana Moving Average
Tehnik rata-rata sederhana menggunakan pendekatan dimana ramalan merupakan perhitungan kumulatif nilai rataan dari seluruh data masa lalu yang
dimiliki. Persamaannya adalah Hanke et al, 2003 :
�+1
=
� �=1
Dimana:
�+1
= nilai ramalan untuk satu periode ke depan setelah t
�
= nilai aktual pada waktu ke t n = jumlah periode data historis
4.6.3 Metode Rata-rata Bergerak Sederhana Center Moving Average
Langkah kerja dalam mengaplikasikan teknik rata-rata bergerak sederhana adalah sebagai berikut:
1. Menentukan ordo dan bobot rata-rata bergerak. Ordo dari rata-rata
bergerak jumlah data masa lalu yang dimasukkan kedalam rataan yang disimbolkan dengan n.
2. Menetapkan persamaan teknik peramalan.
�+1
=
� �
�=�− +1
Dimana:
�+1
= nilai ramalan untuk satu periode ke depan setelah t Y
t
= nilai aktual pada waktu ke-t N
= ordo t
= waktu
4.6.4 Metode Dekomposisi
Teknik dekomposisi berupaya memisahkan berbagai komponen yang mempengaruhi pola perilaku deret data. Pemisahan dekomposisi ini bertujuan
untuk membantu pemahaman atas deret data sehingga dapat dicapai keakuratan peramalan yang lebih baik. Komponen yang mempengaruhi deret data dapat
dikelompokkan menjadi empat macam, yaitu : trend, musiman, siklus dan faktor acak. Secara umum persamaannya adalah :
Y
t
= fungsi S
t,
T
t,
C
t
dan R
t
Bila variasi musim data historis menurun atau meningkat, fungsi data historis dapat berbentuk multiplikatif sebagai berikut:
Y
t
= S
t
. T
t
. C
t
. R
t
Sedangkan jika data historis konstan, fungsinya dapat berupa aditif, yaitu:
Y
t
= S
t
+ T
t
+ C
t
+ R
t
Dimana: Y
t
= nilai aktual pada periode t S
t
= komponen musiman pada waktu t T
t
= komponen trend pada waktu t C
t
= komponen siklus pada waktu t R
t
= komponen acak pada waktu t
4.6.5 Metode Single Eksponential Smoothing