Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek
pengamatan terbaru. Exponential Smoothing menitik-beratkan 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. Penghalusan eksponensial
(exponential smoothing) adalah suatu 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 (Romy Biri, 2013).
Single Exponential Smoothing atau sering disebut dengan simple exponential smoothing menggunakan
satu parameter saja.
Dimana:
Yˆt 1 = nilai ramalan untuk periode berikutnya
= konstanta pemulusan
Yt = data baru atau nilai Y yg sebenarnya pada periode t
Yˆt = nilai pemulusan yang lama atau rata-rata pemulusan hingga periode t-1
Contoh soal
Permintaan
Periode
suatu produk
1 178
2 177
3 181
4 182
5 180
6 184
7 179
8 181
9 182
10 179
11 178
12 180
Formula:
C4 = (B3*$B$1)+(C3*(1-$B$1))
D3 = ABS(C3-B3)/B3
Menggunakan Add-Ins Excel Solver dapat dicari nilai Alpha yang optimal untuk mendapat error yang
paling minimum yaitu dengan cara berikut:
Permintaan
Periode Forecast APE MAPE
suatu produk
1 178 178 0.00% 0.96%
2 177 178 0.56%
3 181 177.6366719 1.86%
4 182 178.8586635 1.73%
5 180 179.9999994 0.00%
6 184 179.9999996 2.17%
7 179 181.4533122 1.37%
8 181 180.5619549 0.24%
9 182 180.721109 0.70%
10 179 181.1857661 1.22%
11 178 180.3916158 1.34%
12 180 179.5226745 0.27%
179.6961003
alpha = 0.363328112
Contoh soal
Permintaan
Periode suatu
produk
1 143
2 152
3 161
4 172
5 180
6 184
7 189
8 181
9 192
10 199
11 220
12 230
Untuk inisiasi Level Periode 1 disamakan dengan nilai aktual. Sedangkan Trend Periode 1 dapat dari nilai
aktual periode 2 dikurangi nilai aktual periode 1.
Formula:
C4 =($B$1*B4)+((1-$B$1)*(C3+D3))
E4 =C3+D3
F4 =ABS(E4-B4)/B4
G3 =AVERAGE(F4:F14)
Menggunakan Add-Ins Excel Solver dapat dicari nilai Alpha dan Beta yang optimal untuk mendapat error
yang paling minimum yaitu dengan cara berikut:
Brown Double Exponential Smoothing dimaksudkan untuk diterapkan pada data yang menunjukkan tren
linear dari waktu ke waktu.
Contoh soal
Permintaan
Periode suatu
produk
1 143
2 152
3 161
4 172
5 180
6 184
7 189
8 181
9 192
10 199
11 220
12 230
Formula:
C4 = ($B$1*B4)+((1-$B$1)*C3)
D4 = ($B$1*C4)+((1-$B$1)*D3)
E3 = (2*C3)-D3
F3 = ($B$1*(C3-D3))/(1-$B$1)
G4 = E3+F3
H4 = ABS(G4-B4)/B4
I3 = AVERAGE(H4:H14)
Menggunakan Add-Ins Excel Solver dapat dicari nilai Alpha yang optimal untuk mendapat error yang
paling minimum yaitu dengan cara berikut:
Gambar 12 Add-Ins Excel Solver
Untuk batasan Alpha penulig membatasi < 1karena untuk menhindari nilai tak hingga pada bt.
Permintaan
Periode Lt L't at bt Forecast APE MAPE
suatu produk
Unsur stasioner, trend, dan musiman. Menurut Makridakis (1999) Metode ini digunakan ketika data
menunjukan adanya trend dan perilaku musiman.
Terdapat dua model Holt-Winters tergantung pada tipe musimannya yaitu Multiplicative seasonal model
dan Additive seasonal model. Additive seasonal model diguakan ketika data musiman bersifat konstan
sedangkan multiplicative seasonal modle digunakan ketika data musiman berubah-ubah.
Level
Lt (Yt S t s ) (1 )( Lt 1 bt 1 )
Trend
bt ( Lt Lt 1 ) (1 )bt 1
Seasonal
S t (Yt Lt ) (1 ) S t s
Forecast
Ft m Lt bt m S t s m
Keterangan :
Lt = level
bt = trend
St = komponen musiman
Dalam eksopnential smoothing , nilai awal sangat dibutuhkan karena peramaln untuk t − 1 belum
tersedia. Misalnya pada nilai berikut :
Lt (Yt S t s ) (1 )( Lt 1 bt 1 )
Lt-1 = L0
Bt-1 = b0
Dari rumus berikut nilai L0 dan b0 tidak dapat diketahui untuk itu maka diperlukan inisiasi nilai awal.
Inisialisasi level diambil dari rata-rata pada satu musim pertama sebelum di forecast :
1
Ls (Y1 Y2 ... Ys )
s
Untuk menginisiasikan trend, digunakan 2 musim (2 periode) :
1 Y Y Y Y2 Y Ys
bs s 1 1 s 2 ... s s
s s s s
Untuk menginisialisasikan indikasi musim digunakan rumus berikut :
S1 Y1 Ls , S 2 Y2 Ls ,...S s Ys Ls
Level
Yt
Lt (1 )( Lt 1 bt 1 )
st s
Trend
bt ( Lt Lt 1 ) (1 )bt 1
Seasonal
Yt
St (1 ) S t s
Lt
Forecast
Ft m ( Lt bt m) S t s m
Keterangan :
Lt = level
bt = trend
St = komponen musiman
Ft+m = peramalan untuk periode ke depan
Sama halnya dengan additive model, dibutuhkan inisiasi untuk multiplicative model. Berikut merupakan
inisiasi nilai awal untuk model multiplicative :
Inisialisasi level diambil dari rata-rata pada satu musim pertama sebelum di forecast :
1
Ls (Y1 Y2 ... Ys )
s
1 Y Y Y Y2 Y Ys
bs s 1 1 s 2 ... s s
s s s s
Untuk menginisialisasikan indikasi musim digunakan rumus sebagai berikut :
Y1 Y Y
S1 , S 2 2 ,...S s s
Ls Ls Ls
Contoh soal
Berikut merupakan contoh soal Triple Exponential Smoothing.
Diberikan data sebagai berikut :
Jawaban :
Untuk mengetahui apakah data tersebut memiliki seasonal atau tidak dapat dlihat dari pola datanya.
Dari plot data diketahui bahwa sales memiliki seasonal dan trend naik. Sehingga dapat digunakan menggunakan
metode triple exponential smoothing.
Additive Model
Jawaban :
Langkah 1 mencari level awal menggunakan rumus inisiasi level.
1
Ls (Y1 Y2 ... Ys )
s
Dalam mencarai level awal yaitu rata rata dari 4 periode sales sebelumnya.
2000 1 1 $684.20
2000 2 2 $584.10
2000 3 3 $765.40
2000 4 4 $892.30 731.50
2001 1 5 $885.40
2001 2 6 $677.00
2001 3 7 $1,006.60
2001 4 8 $1,122.10
2002 1 9 $1,163.40
2002 2 10 $993.20
2002 3 11 $1,312.50
2002 4 12 $1,545.30
2003 1 13 $1,596.20
2003 2 14 $1,260.40
2003 3 15 $1,735.20
2003 4 16 $2,029.70
2004 1 17 $2,107.80
2004 2 18 $1,650.30
2004 3 19 $2,304.40
2004 4 20 $2,639.40
1 Y Y Y Y2 Y Ys
bs s 1 1 s 2 ... s s
s s s s
2000 1 1 $684.20
2000 2 2 $584.10
2000 3 3 $765.40
2000 4 4 $892.30 731.50 -60.96
2001 1 5 $885.40
2001 2 6 $677.00
2001 3 7 $1,006.60
2001 4 8 $1,122.10
2002 1 9 $1,163.40
2002 2 10 $993.20
2002 3 11 $1,312.50
2002 4 12 $1,545.30
2003 1 13 $1,596.20
2003 2 14 $1,260.40
2003 3 15 $1,735.20
2003 4 16 $2,029.70
2004 1 17 $2,107.80
2004 2 18 $1,650.30
2004 3 19 $2,304.40
2004 4 20 $2,639.40
Langkah 3 mencari seasonal awal menggunakan rumus inisiasi seasonal. Pada seasonal awal dicari dari periode
pertama sampai periode keempat.
S1 Y1 Ls , S 2 Y2 Ls ,...S s Ys Ls
Kemudian setelah level , trend , dan seasonal awal sudah ada nilainya langkah selanjutnya adalah mencari nilai level
pada periode berikutnya menggunakan rumus :
Lt (Yt S t s ) (1 )( Lt 1 bt 1 )
kemudian untuk mencari trend pada periode berikutnya menggunakan rumus trend berikut
bt ( Lt Lt 1 ) (1 )bt 1
kemudian untuk mencari seasonal pada periode berikutnya menggunakan rumus seasonal berikut
S t (Yt Lt ) (1 ) S t s
Ft m Lt bt m S t s m
Dari hasil peramalan menggunakan triple exponential smoothing diketahui bahwa error yang didapat adalah 35%.
Untuk mengurangi error tersebut dapat dicari nilai alpha, beta, gamma yang optimal dengan cara :
Nilai optimal alpha, beta, dan gama adalah ketika nilai MAPE mencapai titik paling minimum. Oleh karena itu kita
akan mencarinya menggunakan solver pada microsoft excel :
Klik data > solver
Klik cell MAPE yang menjadi set objective
Klik cell Alpha, Beta, dan Gama pada field by changing variable cells
Gambar 17 Add-Ins Excel Solver
Agar optimal pilih nilai alpha lebih kecil sama dengan 1 dan lebih besar sama dengan 0. Begitu juga untuk beta dan
gamma. Kemudian klik solve maka otomatis akan berubah nilai alpha beta gamma menjadi seperti gambar berikut
Setelah dirubah nilai alphanya diektahui bahwa MAPE berkurang menjadi 17%. Berikut merupakan plot data
perbandingan Forecast dan Actualnya.
Gambar 19 Plot Perbandingan Data Actual dan Forecast
Multiplicative Model
Jawaban :
Langkah pertama adalah mencari inisiasi level awal mengunakan rumus inisiaasi awal level.
1
Ls = (Y1 +Y2 +... +Ys )
s
Mencari level awal dengan membagi rata-rata sales pada periode sbelumnya.
2000 1 1 $684.20
2000 2 2 $584.10
2000 3 3 $765.40
2000 4 4 $892.30 731.50
2001 1 5 $885.40
2001 2 6 $677.00
2001 3 7 $1,006.60
2001 4 8 $1,122.10
2002 1 9 $1,163.40
2002 2 10 $993.20
2002 3 11 $1,312.50
2002 4 12 $1,545.30
2003 1 13 $1,596.20
2003 2 14 $1,260.40
2003 3 15 $1,735.20
2003 4 16 $2,029.70
2004 1 17 $2,107.80
2004 2 18 $1,650.30
2004 3 19 $2,304.40
2004 4 20 $2,639.40
Langkah 2 mencari trend awal menggunakan rumus inisiasi trend. Dengan menggunakan rumus berikut
1 Y Y Y Y2 Y Ys
bs s 1 1 s 2 ... s s
s s s s
2000 1 1 $684.20
2000 2 2 $584.10
2000 3 3 $765.40
Langkah 3 mencari seasonal awal menggunakan rumus inisiasi seasonal. Pada seasonal awal dicari dari periode
pertama sampai periode keempat.
Y1 Y Y
S1 , S 2 2 ,...S s s
Ls Ls Ls
Year Quarter Period Sales Level Trend Seasonal
2001 1 5 $885.40
2001 2 6 $677.00
2001 3 7 $1,006.60
2001 4 8 $1,122.10
2002 1 9 $1,163.40
2002 2 10 $993.20
2002 3 11 $1,312.50
2002 4 12 $1,545.30
2003 1 13 $1,596.20
2003 2 14 $1,260.40
2003 3 15 $1,735.20
2003 4 16 $2,029.70
2004 1 17 $2,107.80
2004 2 18 $1,650.30
2004 3 19 $2,304.40
2004 4 20 $2,639.40
Kemudian setelah level , trend , dan seasonal awal sudah ada nilainya langkah selanjutnya adalah mencari nilai lvel
pada periode berikutnya menggunakan rumus :
Yt
Lt (1 )( Lt 1 bt 1 )
st s
kemudian untuk mencari trend pada periode berikutnya menggunakan rumus trend berikut
bt ( Lt Lt 1 ) (1 )bt 1
kemudian untuk mencari seasonal pada periode berikutnya menggunakan rumus seasonal berikut
Yt
St (1 ) St s
Lt
2001 2 6 $677.00
2001 3 7 $1,006.60
2001 4 8 $1,122.10
2002 1 9 $1,163.40
2002 2 10 $993.20
2002 3 11 $1,312.50
2002 4 12 $1,545.30
2003 1 13 $1,596.20
2003 2 14 $1,260.40
2003 3 15 $1,735.20
2003 4 16 $2,029.70
2004 1 17 $2,107.80
2004 2 18 $1,650.30
2004 3 19 $2,304.40
2004 4 20 $2,639.40
Ft m ( Lt bt m) St s m
Sehingga didapat jawaban akhirnya adalah
Dari hasil peramalan menggunakan triple exponential smoothing diketahui bahwa error yang didapat adalah 7%.
Untuk mengurangi error tersebut dapat dicari nilai alpha, beta, gamma yang optimal dengan cara :
Nilai optimal alpha, beta, dan gama adalah ketika nilai MAPE mencapai titik paling minimum. Oleh karena itu kita
akan mencarinya menggunakan solver pada microsoft excel :
Klik data > solver
Klik cell MAPE yang menjadi set objective
Klik cell Alpha, Beta, dan Gama pada field by changing variable cells
Gambar 20 Add-Ins Excel Solver
Agar optimal pilih nilai alpha lebih kecil sama dengan 1 dan lebih besar sama dengan 0. Begitu juga untuk beta dan
gamma. Kemudian klik solve maka otomatis akan berubah nilai alpha beta gamma menjadi seperti gambar berikut
Setelah dirubah nilai alphanya diektahui bahwa MAPE berkurang menjadi 5%. Berikut merupakan plot data perbandingan
Forecast dan Actualnya.
Gambar 22 Plot Data Actual dengan Forecast