Dengan berubahnya selera konsumen, maka konsumen akan beralih pada produk yang lain, sehingga permintaan akan suatu jenis produk tertentu
akan berkurang dan akan sangat berpengaruh terhadap volume penjualan produk tersebut.
2.6 Forecasting dengan model Smoothing
Smoothing Metode pelicinan merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada
periode yang akan datang Gitosudarmo dan Najmudin, 2000 :7. Exponential Smoothing adalah suatu metode peramalan rata-rata bergerak
yang menunjukkan pembobotan menurun secara exponensial terhadap nilai observasi yang lebih tua Makridakis, 1999 : 79.
Bobot yang diberikan berciri menurun secara eksponensial dari titik data terakhir sampai data yang terawal. Jika dalam perhitungan peramalan diasumsikan
nilai meannya konstan sepanjang waktu, maka akan diberikan bobot yang sama terhadap setiap nilai observasi. Namun akan lebih beralasan bila diasumsikan
bahwa mean akan bergerak secara lambat sepanjang waktu. Oleh karena itu diberi bobot yang lebih pada nilai observasi yang baru.
2.6.1 Moving Averages MOVA
Moving averages merupakan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-rata kemudian menggunakan rata-rata tersebut
sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan,
karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung, dan dipergunakan sebagai ramalan.
2.6.1.1 Single Moving Averages
Dirumuskan sebagai berikut:
Keteranagan : = ramalan untuk periode ke t+1
= data pada periode ke t = jangka waktu rata-rata bergerak
N = jumlah periode
Karakteristik khusus Single Moving Averages yaitu: 1.
Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu. Dengan empat bulan moving average,
ramalan bulan ke lima baru dapat dibuat setelah bulan ke empat berakhir. Jika enam bulan moving average, ramalan bulan ke tujuh dapat dibuat setelah bulan
ke enam berakhir. 2.
Semakin panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam ramalan atau menghasilkan moving average yang
semakin halus, artinya pada moving average yang jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih
kecil.
Hasil proyeksi yang akurat adalah forecast yang dapat meminimalkan kesalahan meramal forecast error. Besarnya forecast error dihitung dengan
mengurangi penjualan riil dengan besarnya ramalan. Error = penjualan riil-ramalan
=
Dimana : data penjualan periode ke t
: ramalan periode ke t 2.6.1.2 Double Moving Averages
Menentukan ramalan dengan metode double average sedikit lebih sulit dibandingkan dengan metode single moving average. Ada beberapa langkah dalam
menentukan ramalan dengan metode double moving average, yakni: 1.
Menghitung moving average atau rata-rata bergerak pertama, diberi simbol
. Ini dihitung dari data historis yang ada. Hasilnya diletakan pada periode terakhir moving average pertama.
2. Menghitung moving average atau rata-rata bergerak kedua, diberi
simbol . Ini dihitung dari rata-rata bergerak pertama. Hasilnya diletakkan
pada periode terakhir moving average kedua. 3.
Menentukan besarnya nilai a
t
konstanta.
4. Menentukan besarnya nilai b
t
slope
, V adalah jangka waktu moving average. 5.
Menentukan besarnya forecast + m = a + bm , m adalah jangka waktu forecast ke depan.
2.6.2 Exponential Smoothing
