Dengan memperhitungkan data diatas maka dapat digunakan suatu rumusan untuk melakukan peramalan jumlah penduduk pada tahunn 2016.
Adapun rumusan yang dipergunakan adalah dengan rumusan sebagia berikut: �
�
= �
�
+ � + �
�
2.1
� + �
�
=
�
�
�
�
maka
� = �
�
�
�
�
�
� �
– 1 2.2
Keterangan: P
t
: Jumlah penduduk pada tahun t P
: Jumlah penduduk pada tahun dasar r : rata- rata laju pertumbuhan penduduk pertahun
t : Jangka waktu dalam banyaknya tahun. Dengan rumus diatas maka jumlah penduduk tahun 2016 dapat diperkirakan.
2.5 Metode Pemulusan Smoothing
Metode pemulusan smoothing adalah metode peramalan dengan mengadakan penghalusan terhadap masa lalu, yaitu dengan mengambil rata- rata dari nilai
beberapa tahun untuk menaksir nilai pada pada beberapa tahun kedepan.
Secara umum penghalusan smoothing diklarifikasikan menjadi dua yaitu: 1.
Metode rata- rata moving average Dengan moving average rata- rata bergerak ini kita melakukan
peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata- ratanya, lalu menggunakan rata- rata tersebut sebagai ramalan untuk
periode berikutnya. Istilah rata- rata bergerak digunakan, karena setiap kali data pengamatan baru tersedia, maka angka rata- rata yang baru dihitung,
dan dipergunakan sebagai ramalan.
Metode rata- rata bergerak dibagi atas empat bagian yaitu: 1.
Nilai tengah Mean
Universitas Sumatera Utara Universitas Sumatera Utara
2. Rata- rata bergerak tunggal Singel Moving Average
3. Rata- rata bergerak ganda Double Moving Average
4. Kombinasi rata- rta bergerak.
Metode rata- rata tujuannya adalah untuk memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang.
2. Metode pemulusan smoothing eksponensial
Metode pemulusan smoothing eksponensial merupakan pengembangan dari metode rata- rata bergerak moving average. Dalam metode ini
peramalan dilakukan dengan mengulang secara terus menerus dengan menggunkan data terbaru. Setiap data diberi bobot, data yang lebih baru
diberi bobot yang lebih besar.
Bentuk umum dari metode pemulusan smoothing eksponensial ini adalah:
�
�+�
= α�
�
+ 1- α �
�
2.3
F
t+1
: ramalan satu period eke depan X
t
: data actual pada periode t F
t
: ramalan pada periode t α : parameter pemulusan 0 α1
Bila bentuk umum tersebut diperluas maka akan berubah menjadi: �
�+�
= α�
�
+ α 1-α �
�−�
+ �� − �
�
�
�−�
+ …+ �� − �
�
�
��−�
2.4
Metode ini terdiri atas: 1.
Smoothing Eksponensial Tunggal a.
Satu Parameter one parameter b.
Pendekatan Aditif ARRES Digunakan untuk data yang bersifat stasioner dan tidak
menunjukkan pola atau trend. 2.
Smoothing Eksponensial Ganda a.
Metode Linear satu parameter dari Brown b.
Metode Dua Parameter dari Holt
Universitas Sumatera Utara Universitas Sumatera Utara
3. Smoothing Eksponensial Tripel
a. Metode Kuadrat Satu Parameter dari Brown
Digyunaka untuk pola data kuadratif, kubik, atau orde yang lebih tinggi.
b. Metode Kecenderungan dan Musiman Tiga Parameter dari Winter.
4. Smoothing Eksponensial menurut Klasifikasi pegels
2.6 Metode Smoothing yang Digunakan
