2. Metode Pemulusan Smoothing Eksponensial Dalam pemulusan eksponensial terdapat satu atau lebih parameter pemulusan
yang ditentukan secara eksplisit, dan hasil pemilihan ini menentukan bobot yang dikenakan pada nilai observasi.
Metode pemulusan eksponensial terdiri dari: 1. Smoothing Eksponensial Tunggal
2. Smoothing Eksponensial Ganda a. Metode linier satu parameter dari Brown
b. Metode dua parameter deri Holt 3. Smoothing Eksponensial Triple
a. Metode kuadratik satu parameter dari Brown b. Metode kecenderungan dan musiman tiga parameter dari Winter.
2.6 Metode Smoothing yang Digunakan
Dasar pemikiran dari pemulusan linier dari Brown adalah serupa dengan rata – rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data
yang sebenarnya. Bila terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan ganda dan disesuaikan untuk
trend. Persamaan yang dipakai dalam Pemulusan Smoothing Eksponensial Ganda: Metode Linier Satu – Parameter dari Brown adalah:
m b
a F
t t
m t
+ =
+
Universitas Sumatera Utara
a. Menentukan nilai pemulusan eksponesial tunggal
t
S ′
1
1
−
′ −
+ =
′
t t
t
S X
S α
α
b. Menentukan nilai pemulusan eksponensial ganda
t
S ′′
1
1
−
′′ −
+ ′
= ′′
t t
t
S S
S α
α
c. Menentukan nilai
t
a
t t
t t
S S
S a
′′ −
′ +
′ =
t t
t
S S
a ′′
− ′
= 2
d. menentukan nilai
t
b
t t
t
S S
b ′′
− ′
− =
α α
1
Dimana:
m t
F
+
= Nilai peramalan pada periode ke -
t
t
a = Besarnya konstanta periode
t
t
b = Slope nilai trend dari data yang sesuai
m = Jumlah periode yang diramalkan
t
X = Nilai riil periode
t
t
S ′
= Nilai pemulusan eksponensial tunggal
t
S ′′
= Nilai pemulusan eksponensial ganda
1 −
′
t
S = Nilai pemulusan eksponensial tunggal periode ke
1 −
t
1 −
′′
t
S = Nilai pemulusan eksponensial ganda periode ke
1 −
t
Universitas Sumatera Utara
2.7 Ketepatan Ramalan
Ketepatan ramalan adalah suatu hal yang mendasar dalam peramalan, yaitu bagaimana mengukur kesesuaian suatu metode peramalan tertentu untuk suatu
kumpulan data yang diberikan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam pemodelan deret berkala time series dari
data masa lalu yang diramalkan situasi yang akan terjadi di masa yang akan datang. Untuk menguji kebenaran ramalan ini digunakan ketepatan ramalan.
Beberapa kriteria yang digunakan untuk menguji ketepatan ramalan antara lain:
1. Mean Error ME Nilai Tengah Kesalahan
N e
ME
N t
t
∑
=
=
1
2. Mean Absolute Error MAE Nilai Tengah Kesalahan Absolut
N e
MAE
N t
t
∑
=
=
1
3. Mean Square Error MSE Nilai Tengah Kesalahan Kuadrat
N e
MSE
N i
i
∑
=
=
1 2
Universitas Sumatera Utara
4. Mean Percentage Error MPE Nilai Tengah Kesalahan Persentase
N Pe
MPE
N t
t
∑
=
=
1
5. Mean Absolute Percentage Error MAPE Nilai Tengah Kesalahan Persentase Absolut
N Pe
MAPE
N t
t
∑
=
=
1
Dimana:
t
e =
t t
F X
−
t
X = data aktual periode t
t
Pe =
100
−
t t
t
X F
X
; kesalahan persentase pada periode t
t
F = nilai ramalan pada periode t
N
= banyaknya periode
Metode peramalan yang dipilih adalah metode peramalan yang memberikan Mean Square Error MSE yang terkecil.
Universitas Sumatera Utara
BAB 3
ANALISIS DATA
3.1 Arti Analisis Data
