3. Exponential Smoothing dengan musiman
2. Metode Regresi
3. Metode Dekomposisi
3.3.7. Metode Smoothing
Metode smoothing digunakan untuk melicinkan atau mengurangi ketidakteraturan ramalan berdasarkan data yang lalu. Metode smoothing dapat
dibagi lagi menjadi beberapa metode, antara lain : 1.
Moving Average Moving Average diperoleh dengan merata-rata permintaan berdasarkan
beberapa data masa lalu yang terbaru. Tujuannya adalah untuk mengurangi atau menghilangkan variasi acak permintaan dalam hubungannya dengan waktu.
a. Single Moving Average Merupakan peramalan untuk satu periode ke depan dari periode rata-rata.
b. Weigthed Moving Average Weighted moving averages adalah metode perhitungan dengan cara mengalikan
tiap-tiap periode dengan faktor bobot dan membagikannya dengan hasil produk yang merupakan penjumlahan faktor bobot. Metode Eksponensial Smoothing
2.3.8. Metode Proyeksi Kecenderungan dengan Regresi
Metode kecenderungan dengan regresi merupakan dasar kecenderungan untuk suatu persamaan, sehingga dengan dengan dasar persamaan tersebut dapat
diproyeksikan hal-hal yang akan diteliti pada masa yang akan datamg. Untuk
Universitas Sumatera Utara
peramalan jangka pendek dan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk metode ini adalah tahunan,
minimal lima tahun. Namun, semakin banyak data yang dimiliki semakin baik hasil yang diperoleh.
Bentuk fungsi dari metode ini dapat berupa:
a Konstan, dengan fungsi peramalan Yt:
Yt = a, dimana N
Y a
∑
=
1
Dimana: Yt = nilai tambah N = jumlah periode
b Linear, dengan fungsi peramalan:
Yt = a + bt Dimana :
n bt
Y a
− =
∑ ∑ ∑ ∑ ∑
− −
− =
2 2
t t
n y
t ty
n b
c Kuadratis, dengan fungsi peramalan :
Yt = a + bt + ct
2
Dimana : n
t c
t b
Y a
∑ ∑ ∑
− −
=
2
∂ −
=
α θ
b c
2
α β
θα δ
− ∂
− ∂
= b
∑ ∑
− =
∂
4 2
2
t n
t
∑ ∑ ∑
− =
tY n
Y t
δ
∑ ∑ ∑
− =
Y t
n Y
t
2 2
θ
∑ ∑ ∑
− =
3 2
2
t n
t t
α
Universitas Sumatera Utara
∑ ∑
− =
2 2
t n
t
β
d Eksponensial, dengan fungsi peramalan :
Yt = ae
bt
Dimana :
n t
b Y
a
∑ ∑
− =
ln ln
2 2
ln ln
∑ ∑
∑ ∑
∑
− −
= t
t n
Y t
Y t
n b
e Siklis, dengan fungsi peramalan :
n t
c n
t b
a Y
t
π π
2 cos
2 sin
ˆ +
+ =
Dimana :
n t
c n
t b
na Y
π π
2 cos
2 sin
∑ ∑
+ +
=
n t
n t
c n
t b
n t
a n
t Y
π π
π π
π
2 cos
2 sin
2 sin
2 sin
2 sin
2
∑ ∑
∑
+ +
=
n t
n t
b n
t c
n t
a n
t Y
π π
π π
π
2 cos
2 sin
2 cos
2 cos
2 cos
2
∑ ∑
∑ ∑
+ +
=
3.3.9. Metode Dekomposisi
Yaitu hasil ramalan ditentukan dengan kombinasi dari fungsi yang ada sehingga tidak dapat diramalkan secara biasa. Model tersebut didekati dengan
fungsi linear atau siklis, kemudian bagi t atas kwartalan sementara berdasarkan pola data yang ada. Metode dekomposisi merupakan pendekatan peramalan yang
tertua. Terdapat beberapa pendekatan alternatif untuk mendekomposisikan suatu deret berkala yang semuanya bertujuan memisahkan setiap komponen deret data
Universitas Sumatera Utara
seteliti mungkin. Konsep dasar pemisahan bersifat empiris dan tetap, yang mula- mula memisahkan unsure musiman, kemudian trend dan akhirnya unsur siklis
Adapun langkah-langkah perhitungannya adalah sebagai berikut: 1. Ramalkan fungsi Y biasa dt=a+bt
2. Hitung nilai indeks 3. Gabungkan nilkai perolehan indeks kemudian ramalkan yang baru.
3.3.10. Metode Kausal
Kategori