Production Operation Analysis ISYE6101
untuk periode 1 melalui n, dimiliki rumus sebagai berikut [ CITATION Cho10 \l 1033 ]:
L =
1 N
∑
i=1 n
D
i
Jadi, formula untuk forecasting permintaaan adalah: a. Simple Exponential Smoothing
F
t
= α. D
t
+ 1-α . F
t-1
Dimana: F
t
= Forecast saat periode t D
t
= Permintaan aktual dalam periode t α
= Konstanta smoothing 0 α 1 yang didefinisikan secara subyektif
L
t
= Level pada periode t
b. Double Exponential Smoothing Double Parameter Metode Holt’s
Model metode Holt’s tepat digunakan ketika permintaan diasumsikan memiliki level dan trend dalam komponen sistematik tetapi
tidak ada seasonality. Sama seperti sebelumnyaa, konstanta smoothing
α
dan
β
bernilai antara 0 dan 1. Dalam periode t, dengan diberikan estimasi dari level S
t
dan trend G
t
, forecast untuk periode dimasa yang akan datang adalah:
F
t
= S
t
+ τ. G
t
Setelah mengamati permintaan D
t
dalam periode t, 2 persamaan di bawah ini digunakan untuk memperbarui dasar dan estimasi trend pada
akhir periode t [ CITATION Sha07 \l 1033 ]:
S
t
= α.D
t
+ 1-α .S
t-1
+ G
t-1
G
t
= β. S
t
-S
t-1
+ 1-β. G
t-1
Model tersebut memerlukan spesifikasi insial dari nilai untuk S dan G
, dimana S mungkin memiliki nilai yang sama dengan observasi
bulan pertama dan G mungkin memiliki nilai yang sama dengan rata-
rata peningkatan observasi per bulan dari tahun lalu.
c. Exponential Smoothing Triple Parameter Metode Winters’
Metode model Winter’s tepat digunakan ketika komponen sistematik dari permintaan memiliki level, trend dan faktor seasonal.
Asumsikan perioditas dari permintaan adalah p. Untuk memulai, diperlukan estimasi insial dari level S
, trend G , dan faktor seasonal
C
1
, C... , C
p
. Didapatkan estimasi tersebut menggunakan prosedur untuk forecast untuk periode di masa yang akan datang yaitu [ CITATION
Cho10 \l 1033 ]:
F
t ,t+τ
= S
t
+ τ G
t
. C
t+τ -N
Integrated Industrial Engineering Laboratory Industrial Engineering Department
BINUS University
Production Operation Analysis ISYE6101
Pada observasi permintaan untuk periode t + 1, didapatkan revisi estimasi untuk level, trend, dan faktor seasonal yaitu:
S
t
= α . D
t
C
t-N
+ 1- α .S
t-1
+ G
t-1
¿
G
t
= β . S
t
- S
t-1
+ 1 - β .G
t-1
C
t
= γ . D
t
S
t
+ 1- γ .C
t-N
Dimana
α
merupakan konstanta smoothing untuk level, 0
α
1;
β
merupakan konstanta smoothing untuk level, 0
β
1; dan
γ
merupakan konstanta smoothing untuk level, 0
γ
1.
4. Akurasi Forecast
Setiap instansi dari permintaan memiliki komponen yang random Chopra Meindl, 2010. Metode forecasting yang baik seharusnya
menangkap komponen sistematik dari suatu permintaan tetapi bukan komponen random nya. Komponen random tersebut membentuk dirinya
menjadi forecast error. Forecast error tersebut dapat menunjukan berapa besar forecast yang telah dibuat sebelumnya itu dapat diandalkan. Akurasi
forecast dapat diukur dengan beberapa metode berikut [ CITATION Ren09 \l 1033 ]:
a. MAD Mean Absolute Deviation