METODE
PENGHALUSAN
EKSPONENSIAL
Macam-macam Metode Time
Series
Metode Moving Everage
Metode Exponential Smoothing
Metode Naif
EXPONENTIAL
SMOOTHING
Pola data yang tidak stabil atau
perubahannya besar dan bergejolak
umumnya menggunakan model
pemulusan eksponensial (
Exponential
Smoothing Models
).
Metode
Single Exponential Smoothing
lebih cocok digunakan untuk
Moving Average VS
Exponential Smoothing
MOVING AVERAGE
Moving Average merupakan
teknik peramalan
berdasarkan rata-rata bergerak dari nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll.
Teknik ini tidak disarankan
untuk data time series yang menunjukkan adanya
pengaruh trend dan musiman.
EXPONENTIAL
SMOOTHING
Exponential Smoothing juga
merupakan teknik peramalan sederhana, tetapi
menggunakan suatu penimbang (w) dengan
besaran antara 0 hingga 1.
Jika nilai w mendekati nilai 1
maka hasil forecasting
cenderung mendekati nilai
observasi, sedangkan jika nilai w mendekati nilai 0, maka
Contoh Kasus 2
Pimpinan Restoran Almira ingin
mengetahui omzet restoran pada
November 2015. Ia meminta sang
manajer untuk mengestimasi nilai
tersebut dengan data omzet dari
bulan April 2014 sampai dengan
Oktober 2015.
Ramalkan dengan metode Single
Moving Average 3 bulanan, serta
dengan Single Exponential
Dengan Moving Average
3 bln
Bulan (t) Omzet (Yt) (Juta Rp)
Forecast
Mov.Average 3t (Yt+1) (Juta Rp)
Error (Omzet-Forcast) Error 2 Rasi o
Dengan Moving Average
3 bln
Bulan (t) Omzet (Yt) (Juta Rp) Forecast Mov.Average 3t (Yt+1) (Juta Rp) Error (Omzet-Forcast)
Error2 Rasio
Januari 2015 137 Februari
2015
137
Menghitung akurat
peramalan
RMSE
Root Mean Square
Error
Rumus:
MAPE
Dengan Exponential Smoothing
dengan w=[0,1], [0,5] dan [0,9]
Bulan (t) Omzet (Yt) (Juta Rp)
Forecast
w=[0,1], [0,5] dan [0,9] (Juta Rp) Error (Omzet-Forcast) Error 2 Rasi o
