METODE PEMULUSAN
(SMOOTHING)
EXPONENTIAL SMOOTHING
• Exponential Smoothing adalah salah satu tipe teknik peramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga data paling akhir mempunyai
bobot atau timbangan lebih besar dalam rata-rata bergerak (Santoso, 2009). Sekelompok metode yang menunjukan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua. Oleh
EXPONENTIAL SMOOTHING
Exponential smoothing memiliki keuntungan dibandingkan moving average karena:
• Perhitungan yang lebih sederhana, dan
PEMULUSAN EKSPONENSIAL TUNGGAL
• Perhitungan peramalan dengan exponential smoothing menggunakan
persamaan berikut:
• Peramalan Baru = (a)Permintaan Aktual Periode Lalu + (1 -a)
Peramalan Periode Lalu
• Atau,
• Peramalan Permintaan = Peramalan Periode Lalu + a
PEMULUSAN EKSPONENSIAL TUNGGAL
• Metode single exponential smoothing merupakan perkembangan dari metode moving average. Yang mula-mula dengan rumus sebagai
PEMULUSAN EKSPONENSIAL TUNGGAL
PEMULUSAN EKSPONENSIAL TUNGGAL
• Dalam metode exponential smoothing ini bisa ditentukan secara bebas, yang bias mengurangi forecast error. Besarnya a antara 0
sampai 1.
• Kalu nilai mendekati 1 berarti data terakhir lebih diperhatikan (diberi
CONTOH
Pertanyaan:
Tabel berikut ini merupakan
data permintaan mingguan,
berapa nilai
exponential
smoothing untuk periode
waktu 2 s/d 10 dengan
α=0.10 dan α=0.60
Diasumsikan :
JAWABAN CONTOH
• Kolom alpha (a)yang bersangkutan menunjukkan nilai-nilai perkiraan. • Perhatikan bahwa peramalan hanya bias dilakukan untuk satu periode
KELEMAHAN DARI EKSPONENSIAL TUNGGAL
• Menentukan nila α yang optimal untuk meminimumkan MSE.
• Untuk memperoleh MSE minimum harus ditentukan dengan cara coba coba.
• Suatu nilai α dipilih, dihitung MSE pada klompok pengujian, dan kemudian dicoba nila α yang lain. Lalu seluruh MSE tersebut
PEMULUSAN EKSPONENSIAL TUNGGAL PENDEKATAN ADAPTIF (ARRSES)
• Kelebihan metode ini adalah nilai α dapat berubah secara terkendali,dengan adannya perubahan dalam pola datanya.
•
F
t
=F
t-1
+ α(A
t-1
-F
t-1
)
• Pada dasarnya peramalan metode adaptif serupa dengan pemulusan eksponensial tunggal kecuali α diganti dengan αt
