Dalam metode time series ada beberapa teknik yang biasa digunakan tergantung pola permintaan

yang terjadi. Dibawah ini merupakan penjelasannya :

1) Metode naive (naif) Teknik peramalan yang mengasumsikan permintaan periode
berikutnya sama dengan permintaan pada periode terakhir. Metode naif digambarkan
secara matematis berikut : Permintaan periode mendatang = permintaan periode terakhir
2) Moving Average Peramalan moving average (rataan bergerak) menggunakan sejumlah
data aktual masa lalu untuk menghasilkan peramalan .
3) Weighted Moving Average Saat terdapat tren atau pola yang terdeteksi, bobot dapat
digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Moving average
dengan pembobotan disebut juga Weighted Moving Average.
4) Exponential Smoothing (penghalusan eksponensial) merupakan metode peramalan rataan
bergerak dengan pembobotan di mana titiktitik data dibobotkan oleh fungsi eksponensial.
5) Proyeksi terhadap tren. Proyeksi Tren ( trend linear ) adalah teknik menyesuaikan garis
tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa datang
untuk peramalan jangka menengah atau jangka panjang.

Saya akan menjelaskan tentang teknik Metode Exponential Smoothing (penghalusan

eksponensial).

Metode Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada peramalan

terhadap objek pengamatan terbaru. Metode peramalan ini menitik-beratkan pada penurunan
prioritas secara eksponensial pada objek pengamatan sebelumnya. Dalam metode ini, observasi
terbaru akan diberikan prioritas lebih tinggi bagi peramalan dari pada observasi yang lebih lama.
Dua metode dalam exponential smoothing diantaranya yaitu single exponential smoothing dan
double exponential smoothing.
a) Metode Single Exponential Smoothing Metode Single Exponential Smoothing ini akan
diterapkan pada perhitungan dalam perhitungan peramalan Jumlah peserta didik baru.
Berikut rumus untuk Metode Forecasting Single Exponential Smoothing :

Pangestu Subagyo berpendapat bahwa metode ini lebih cocok digunakan untuk meramal hal-hal
yang fluktuasinya secara random atau tidak teratur (2013, hlm. 22).

b) Metode Double Exponential Smoothing Metode ini merupakan model linier yang
dikemukakan oleh Brown. Didalam metode double exponential smoothing dilakukan
proses smoothing dua kali, sebagai berikut:

Pangestu Subagyo berpendapat bahwa metoda double exponential smoothing ini biasanya lebih
tepat untuk meramalkan data yang mengalami tren kenaikan (2013, hlm. 25). Menurut Barry
Render & Jay Heizer (2001, hlm. 54) permasalahan umum yang dihadapi dalam metode ini
adalah bagaimana memilih α yang tepat untuk meminimkan kesalahan peramalan. Nilai α yang
menghasilkan tingkat kesalahan yang paling kecil yang dipilih dalam peramalan. Besarnya α
adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Dalam
melakukan peramalan dengan menggunakan metode exponential smoothing, besarnya α (alpha)
ditentukan secara trial dan error sampai ditemukan α (alpha) yang menghasilkan forecast error
terkecil.
CONTOH KASUS :

Peramalan Pergerakan Inflasi di Kota Palu pada Periode Selanjutnya Metode yang sesuai untuk
peramalan pada pergerakan inflasi di Kota Palu adalah dengan metode single exponential
smoothing dengan alpha 0.1 karena berdasarkan perhitungan error memiliki error forecast yang
lebih baik dibanding dengan metode peramalan yang lain, baik dari in-sample maupun pada out-
sample. Berikut adalah perhitungan peramalan pergerakan inflasi pada tahun 2013 (Januari±Mei)
di Kota Palu.

Dari tabel 8 dapat dilihat bahwa pergerakan nilai inflasi Kota Palu mengalami kestabilan yang
baik. Perubahannya tidak begitu besar, pada bulan Januari 2013, dimana diramalkan pergerakan
inflasi sebesar 0,4759 persen, mengalami penurunan pada bulan Februari yaitu 0,4463 persen.
Setelah itu pada bulan Maret diramalkan inflasi mengalami kenaikan sebesar 0,4597 persen.
Kemudian mengalami penurunan lagi pada bulan April sebesar 0,4073 persen. Pada bulan Mei
2013 diperoleh nilai peramalan pergerakan inflasi di Kota Palu sebesar 0,2683 persen, artinya
pergerakan inflasinya pengalami penurunan juga dari bulan April.

KESIMPULAN
Berdasarkan analisis data yang telah dilakukan dapat disimpulkan bahwa peramalan pergerakan
inflasi di Kota Palu pada Bulan Mei 2013 dengan menggunakan metode single eksponential
smoothing dengan alpha 0,1 adalah sebesar 0,2683 persen, yang berarti pergerakan inflasi di
Kota Palu kembali mengalami penurunan atau mengalami deflasi.

REFERENSI :
 Handoko, T. Hani. 1984. Dasar-dasar Manajemen Produksi dan Operasi. Yogyakarta:
BPFE UGM Yogyakarta.
 Makridakis, S. 1992. Analisis Runtun Waktu. Karunika. Jakarta
 Nanga, M. 2005. Makroekonomi: Teori, Masalah dan Kebijakan. Edisi Kedua. Jakarta:
PT. Raja Grafika Persada.
 Rahardja, P. 1997. Uang dan Perbankan. Jakarta: Rineka Cipta.
 Raharja, A., el al. 2010. Penerapan Metode Exponential Smoothing untuk Peramalan
Penggunaan Waktu Telepon Di PT. Telkomsel DIVRE3 Surabaya. SISFO Jurnal Sistem
Informasi.
 Subagyo, P. 1986. Forecasting Konsep dan Aplikasi. BPFE UGM. Yogyakarta.