55
Penjualan dari produk minuman ringan, es krim, dan lain-lain menunjukkan jenis pola ini.
3. Pola Siklis Cycle
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
4. Pola Trend
Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus menerus dalam jangka panjang.
b. Metode Kausal
Metode ini mengasumsikan faktor yang diperkirakan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas. Misalnya,
jumlah pendapatan berhubungan dengan faktor-faktor seperti jumlah penjualan, harga jual, dan tingkat promosi. Kegunaan dari metode kausal
adalah untuk menemukan bentuk hubungan antara variabel tersebut dan menggunakannya untuk meramalkan nilai dari variabel tidak bebas.
2.2.4 Metode Penghalusan Smoothing Data Time Series Deret Waktu
Metode smoothing digunakan untuk mengurangi ketidakteraturan musiman dari data yang lalu, dengan membuat rata-rata tertimbang dari sederetan data masa
lalu. Ketepatan peramalan dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka panjang kurang akurat.
1. Metode Pemulusan Eksponensial Tunggal Single Exponential Smoothing
Metode pemulusan eksponensial tunggal single exponential smoothing menambahkan parameter dalam modelnya untuk mengurangi faktor
kerandoman. Nilai peramalan dapat dicari dengan menggunakan rumus sebagai berikut:
Universitas Sumatera Utara
56
di mana: = data permintaan pada periode
= faktorkonstanta pemulusan = peramalan untuk periode
Metode pemulusan eksponensial tunggal mengikutsertakan data dari semua periode. Setiap data pengamatan mempunyai kontribusi dalam penentuan
nilai peramalan periode sesudahnya. Namun, dalam perhitungannya cukup diwakili oleh data pengamatan dan hasil peramalan periode terakhir, karena nilai
peramalan periode sebelumnya sudah mengandung nilai-nilai pengamatan sebelumnya.
Istilah eksponensial dalam metode ini berasal dari pembobotan faktor pemulusan dari periode sebelumnya yang berbentuk eksponensial, sebagaimana
dijabarkan berikut ini:
…
Terlihat bahwa koefisien dari waktu ke waktu membentuk hubungan eksponensial. Misalnya, untuk
, maka koefisien dari , ,
, , … ,
adalah , ; ,
, ; , ,
; , ,
; … ; , ,
2. Metode Pemulusan Eksponensial Linier Linear Exponential Smoothing
Double Exponential Smoothing Metode pemulusan eksponensial tunggal hanya akan efektif apabila serial data
yang diamati memiliki pola horizontal stasioner. Jika metode itu digunakan untuk serial data yang memiliki unsur trend kecenderungan yang konsisten,
nilai-nilai peramalannya akan selalu berada di belakang nilai aktualnya terjadi lagging
yang terus-menerus. Metode yang tepat untuk melakukan peramalan
Universitas Sumatera Utara
57
serial data yang meiliki unsur trend adalah metode pemulusan eksponensial linier. Salah satu metode yang digunakan adalah metode pemulusan eksponensial linier
dari Holt, yang menggunakan persamaan sebagai berikut:
Pemulusan eksponensial linier dari Holt menambahkan persamaan untuk memperoleh pemulusan trend dan menggabungkan trend dengan
persamaan pemulusan standar sehingga menghasilkan persamaan . Metode dari Holt ini menggunakan dua parameter, dan , yang masing-masing nilainya
dapat dipilih dari setiap angka antara 0 sampai dengan 1. Kedua parameter itu dapat mempunyai nilai yang sama atau berbeda besarnya.
Proses inisialisasi untuk pemulusan eksponensial linier dari Holt memerlukan dua taksiran, yaitu untuk nilai dan
. Nilai dapat disamakan
dengan nilai aktual pengamatan atau rata-rata dari beberapa nilai pengamatan pada periode awal, sedangkan nilai
menggunakan taksiran kemiringan dari serial data tersebut atau menggunakan rata-rata kenaikan dari beberapa periode,
misalnya:
3. Metode Pemulusan Eksponensial Musiman Winter’s Three Parameter