telah didapat. Pendekatan teknologis sering memerlukan input dan sejumlah orang yang terlatih secara khusus. Metode teknologis dibagi menjadi dua bagian : yaitu
metode eksploratoris seperti Delphi, kurva s, analogi, dan penelitian morfologis dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah
masa depan secara heuristik, sering kali dengan melihat semua kemungkinan yang ada. Serta metode normatif seperti matriks keputusan, pohon relevansi dan analisis
sistem dimulai dengan menciptakan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala,
sumber daya dan teknologi yang tersedia. Ramalan teknologis digunakan sangat eksklusif untuk jangka menengah dan jangka panjang, seperti perumusan strategi,
pengembangan produk dan teknologi baru, serta pengembangan rencana jangka panjang.
2.6.3 Pemilihan Teknik dan Metode Peramalan
Peramalan adalah suatu sistem informasi berdasarkan model, karenanya ada beberapa metode yang harus dipilih. Pemilihan metode peramalan tersebut tidaklah
berdasarkan kerumitannya, namun juga perlu diperhatikan kemudahan dan biaya mengimplementasikannya, yang meliputi beberapa faktor, seperti biaya, ketersediaan
data, keahlian staff, ketersediaan hardware dan software, ketepatan peramalan yang digunakan dan pertimbangan horizon waktu.
Untuk peramalan yang mencakup banyaknya item seperti pada kasus sistem persediaan inventory, maka metode pemulusan seringkali merupakan satu-satunya
yang dapat dipakai, hal ini dikarenakan kemudahan dan biaya yang rendah.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Apabila deret datanya bersifat stasioner, maka pemulusan eksponensial tunggal dengan tingkat respon yang adaptif pada umumnya lebih disukai, karena
metode pemulusan eksponensial tumggal ini memerlukan penentuan α mean
eksponensial smoothing sedemikian rupa sehingga dapat meminimumkan kesalahan
kuadrat rata-rata mean square error. Hal yang lebih penting a dalah nilai α optimal
akan berubah bila terdapat perubahan dasar dalam pola data. Di pihak lain pemulusan eksponensial
dengan tingkat respon yang adaptif mengatur dengan sendirinya melalui perubahan nilai α mengikuti perubahan dasar dalam pola datanya. Metode ini sering
kali lebih disukai karena dapat mengurangi resiko kesalahan yang besar dan menyediakan suatu sistem dengan tingkat kesulitan administratif yang kecil, adanya
kenyataan bahwa pemulusan eksponensial dengan tingkat respon yang adaptif tersebut benar-benar otomatis, yang merupakan tambahan keuntungan lain dari
pemulusan eksponensial tunggal, membuatnya menjadi metode yang sesuai untuk penggunaan praktis bila pada datanya stasioner dan musiman.
Deret pola data yang bersifat linier trend, tidak stasioner, maka metode yang tepat untuk memperoleh peramalan yang mendekati kebenaran dengan menggunakan
metode double eksponensil with linier trend. Untuk deret musiman, metode winter merupakan salah satunya pendekatan pemulusan yang banyak digunakan.
Dalam metode ini diperlukan tiga parameter pemulusan yang bernilai antara 0 dan 1, dimana ketiga parameter tersebut harus dicobakan sebelum nilai α dan δ yang
optimal dapat ditentukan.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.6.4 Metode Peramalan Pemulusan 2.6.4.1 Metod