Manajemen Produksi dan Mutu: Forecasting

Exponential Smoothing dengan Trend Adjustment

KELOMPOK 10
Stephanie Rawi

1306413580

Shavira Marsya Arianti

1206260715

Farizqi Wishnu Adrianto

1206237290

Fakultas Teknik
Universitas Indonesia
2015

I.
RESUME
Forecasting adalah proses memprediksi kejadian yang di masa depan. Digunakan untuk
menjadi dasar dalam membuat keputusan bisnis (produksi, persediaan, fasilitas).
Forecasting memiliki tiga jangka waktu yaitu jangka pendek, jangka menengah dan jangka
panjang. Secara garis besar forecasting dibagi menjadi dua macam yakni
a. Qualitative Method:
Jury of executive opinion, Delphi method, Sales force composite, Consumer market
survey
b. Quantitative Method:
Time series: Naive Approach, Moving Averages, Exponential Smoothing
Associative Model: Trend Projection, Linear Regression
Pada metode kuantitatif terdapat metode exponential smoothing merupakan prosedur
perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia menitikberatkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih
tua. Dengan kata lain, observasi terbaru akan diberikan prioritas lebih tinggi bagi
peramalan daripada observasi yang lebih lama. Menurut Trihendradi (2005) analisis
exponential smoothing merupakan salah satu analisis deret waktu, dan merupakan metode
peramalan dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk
memprediksi nilai masa depan.

Exponential Smoothing dengan Trend Adjustment digunakan ketika data menunjukkan

adanya trend. Exponential smoothing dengan adanya trend seperti pemulusan sederhana
kecuali bahwa dua komponen harus di-update setiap periode level dan trend-nya. Level
adalah estimasi yang dimuluskan dari nilai data pada akhir masing-masing periode. Trend
dapat dianggap sebagai estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir
masing-masing periode.
Formula untuk model pemulusan eksponensial dengan mempertimbangkan trend dengan
persamaan koreksi kecenderungan (trend correction) menggunakan suatu konstanta
pemulusan , dihitung dengan tahapan-tahapan berikut:
Step 1: Hitunglah Ft

Step 2: Hitunglah Tt

Step 3: Hitunglah nilai ramalan

Keterangan
= Nilai ramalan berdasarkan periode t
= Nilai ramalan berdasarkan periode t-1
= Actual demand periode yang lalu
= Trend correction
,

= Konstanta dari trend smoothing yang besarnya 0 < ,

<1

= Nilai ramalan yang dipengaruhi trend

Formula untuk menghitung kesalahan peramalan dapat menggunakan rumus:

Mean Absolute Deviation (MAD)

MAD =

Mean Square Error (MSE)

MSE =

Mean Absolute Percent Error (MAPE)

MAPE =
II.

RUMUSAN MASALAH
Berdasarkan data historis perusahaaan produk (At)
diketahui permintaan pasar dari periode 1 hingga 10
(t). Dengan adanya konstanta = 0,3 dan = 0,2
perusahaan tersebut ingin mengetahui nilai ramalan
permintaan (FITt) daripada periode 11 dengan trend
adjusted exponential smoothing

At
1
2

500
524

3
4

520
528

5
6

540
542

7
8

558
550

9
10

570
575

11

III.

PERHITUNGAN MANUAL
Menghitung 4 periode pertama untuk menemukan trend
528-500 / 3 = 9.33
Sehingga pada periode ke 5 menjadi 528 + 9.33 = 537.33 sebagai Ft 5 dengan rumus:

Dengan perhitungan manual selanjutnya dapat diperoleh FITt periode 11 sebesar

583,2183

At

Ft

Tt

FITt

1
2

500
524

N/A

N/A

N/A

N/A

N/A

N/A

3
4

520
528

N/A

N/A

N/A

N/A

N/A

N/A

5
6

540
542

537.3333333 9.333333 546.6667

544.6666667 8.933333
553.6

7
8

558
550

550.12
558.2501333

9
10

570
575

561.5262187 7.227932 568.7542

569.1279053 7.302683 576.4306

11

8.237333 558.3573
8.215893 566.466

576.0014116 7.216847 583.2183

Lalu didapatkan nilai error dari forecast:

MAD

5.879133

MSE
MAPE

75.64339
1.077147

Grafik At vs FITt
600

Demand

580
560
Actual Demand (A)

540
520

Trend Adjusted
Exponential Smoothing
(FIT)

500
480
460
1

10

Periode

IV.

PERHITUNGAN DENGAN FORMULA MS. EXCEL

Jika mengunakan formula (=DESMTH) pada excel maka akan langsung didapatkan nilai FITt
sehinga didapatkan:
At

FITt

500

2
3
4
5
6
7
8
9
10
11

524
520
528
540
542
558
550
570
575

#N/A
500
548
534.0656
541.0096
551.7222
555.1726
567.0383
566.5701
577.3481
577.3481

Grafik At vs FITt
600
580
560
Demand

540
520

At

500

FITt

480
460
1

6
Periode

10

11

Kemudian nilai ketiganya yakni nilai At, FI dengan formula =DESMTH dan
perhitungan manual dapat dibandinglan dan digambarkan dengan grafik berikut:
600
580
560
540
At
520

FIT dengan =desmth

500

FIT hitung manual

480
460
440
1

V.

10 11

KESIMPULAN
Pada hasil perhitungan kami menemukan bahwa jika dihitung manual dan dengan
formula mendekati dan nilai error cukup rendah yakni dibawah 10%. Namun kami
merasa jika menghitung dengan formula akan lebih cepat, mudah dan akurat sesuai
data yang ada. Implementasi exponential smoothing with trend adjustment akan
sangat berguna pada industry untuk meramal permintaan produk sehingga dapat
meminimalisasi cost namun hal ini akan tercakap jika estimasi konstanta dan
tepat.