terbaru yang diperhitungkan. Kelemahan dari teknik rata-rata bergerak ini adalah sebagai berikut :
1. Peramalan selalu berdasarkan pada N data terakhir tanpa
mempertimbangkan data-data sebelumnya. 2.
Setiap data dianggap memiliki bobot yang sama, padahal lebih masuk akal bila data yang lebih baru akan mempunyai bobot yang lebih tinggi
karena data tersebut merepresentasikan kondisi yang terakhir terjadi. Kelemahan kedua ini akan diatasi dengan menggunakan teknik rata-
rata bergerak dengan pembobotan. 3.
Diperlukan biaya yang besar dalam penyimpanan dan pemrosesan datanya, karena bila N cukup besar, maka akan membutuhkan memori
yang cukup besar dan proses komputasinya menjadi lama.
2.11.3.2 Metode Pemulusan Exponensial.
Terdapat dua batasan utama yang mendorong para peramal untuk menerapkan metode pelicinanpemulusan eksponensial untuk menggantikan rata-
rata bergerak. Pertama, untuk menghitung ramalan rata-rata bergerak, setidaknya nilai pengamatan sejumlah N harus disimpan. Kedua, metode rata-rata bergerak
memberikan bobot yang setara untuk masing-masing pngamatan untuk N pengamatan terakhir dan tidak memberikan bobot apapun untuk semua periode
sebelumnya t-N. Pada prinsipnya, pelicinan eksponensial beroperasi dengan cara yang
sejalan dengan rata-rata bergerak dengan “melicinkan” pengamatan historis untuk
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
mengurangi kerandoman. Tetapi prosedur matematika untuk melakukan pelicinan ini agak berbeda dengan yang dipergunakan dalam rata-rata bergerak Makridakis,
2003. Model matematis exponensial ini dapat dikembangakan dari persamaan berikut Arman Hakim, 2003 :
N A
A F
F
N t
t t
t −
−
− +
=
1
2.22
Dimana bila data permintaan aktual yang lama
N t
A
−
tidak tersedia, maka dapat digantikan dengan nilai pendekatan yang berupa nilai ramalan sebelumnya
1 −
t
F , sehingga persamaan diatas 2.8 dapat dituliskan menjadi :
N F
A F
F
t t
t t
− +
=
− 1
2.23
atau
1
1 1
1
−
− +
=
t t
t
F N
A N
F 2.24
Dari persamaan 2.10 terlihat bahwa peramalan dengan teknik pemulusan eksponensial pada periode t.
1 +
t
F akan didasarkan atas pembobotan data
permintaan aktual akhir
t
A dengan bobot 1N dan pembobotan ramalan yang
paling akhir
1 −
t
F dengan bobot 1-1N. Karena N bilangan positif, maka 1N
akan menjadi konstanta yang bernilai antara nol N = ~ sampai dengan 1 N = 1. Dengan mengganti 1N dengan α, maka persamaan 2.24 akan menjadi :
1
1
−
− +
=
t t
t
F A
F α
α 2.25
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Bila kita notasikan
t
f sebagai peramalan permintaan pada periode t sehingga
1 −
=
t t
F f
maka persamaan 2.25 menjadi :
t t
t
f A
F α
α −
+ =
1 2.26
Dari persamaan 2.12 diatas, terlihat bahwa teknik pemulusan eksponensial banyak mengurangi kelemahan teknik rata-rata bergerak dalam penyimpanan data
karena hanya data permintaan aktual terakhir, ramalan terakhirdan suatu nilai konstanta
α yang harus disimpan. Cara lain untuk menuliskan persamaan 2.25 adalah dengan susunan berikut :
1 1
− −
− +
=
t t
t t
F A
F F
α 2.27
Dimana
1 −
−
t t
F A
merupakan kesalahan ramalan dalam periode t
t
e , sehingga
persamaan 2.22 dapat ditulis sebagai berikut :
t t
t
e F
F α
+ =
− 1
2.28 Dari persamaan 2.28 terlihat bahwa bila α mempunyai angka mendekati satu,
maka ramalan yang baru akan menyesuaikan kesalahan dengan besar pada ramalan sebelumnya. Kebalikan
nya, bila α mendekati nol, maka ramalan yang baru akan menyesuaikan kesalahan dengan kecil.
Penentuan besarnya nilai α harus dipertimbangkan dengan baik. Salah satu metode yang dapat dipaki adalah memilih nilai α berdasarkan nilai N yang
dilibatkan dalam teknik pemulusan eksponensial. Metode ini hanya dapat diterapkan oleh perusahaan yang telah lama menggunakan teknik pemulusan
eksponensial dengan N yang cukup memadai. Rata-rata usia data dengan teknik
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
MA = N – ½, sedangkan rata-rata usia data dengan teknik Es = 1 – α α. Untuk
menghitung nilai α dalam hubungannya dengan N adalah dengan membuat persamaan sebagai berikut :
α α
− =
− 1
2 1
N 2.29
atau
1 2
+ =
N α
2.30
Untuk menggunakan pelicinan eksponensial, seoramg manajer hanya memerlukan angka pengamtan terbaru, ramalan terbaru, dan nilai α. Pelicinan
eksponensial tunggal mudah dan murah untuk dipergunakan, karena program komputer dapat secara otomatis menemukan nilai α terbaik. Di samping itu, bukti
empiris dan pengalaman di antara para pengguna peramalan menegaskan bahwa pelicinan eksponensial merupakan metode yang akurat, efektif dan dapat
diandalkan untuk berbagai aplikasi peramalan Makridakis, 2003.
2.11.3.3 Regresi Linier.
