DASAR TEORI
5
Universitas Kristen Petra
Gambar 2.1. Pola data (Sumber: Widjajati & Soehardjoepri, 2017)
6
Universitas Kristen Petra
• Moving Average
• Exponential Smoothing
Peramalan dengan metode Exponential Smoothing merupakan peramalan
yang digunakan untuk pola data yang tidak stabil atau perubahannya besar dan
bergejolak (Gasperz, 2001) . Peramalan ini menggunakan konstanta (∝)
pemulusan dengan nilai antara 0 hingga 1. Nilai ∝ mendekati 1 dipilih apabila
pola historis dari data aktual sangat bergejolak atau tidak stabil sedangkan ∝
mendekati 0 apabila pola data aktual stabil. Rumus dari peramalan Exponential
Smoothing adalah sebagai berikut
F t = F t-1 + ∝( A t-1 - F t-1 ) (2.2)
Dengan :
Ft = Nilai ramalan untuk periode waktu ke t
F t-1 = Nilai ramalan untuk satu periode waktu yang lalu
A t-1 = Nilai aktual untuk satu periode waktu yang lalu
∝ = Konstanta pemulusan
• Event Based
7
Universitas Kristen Petra
menggunakan Moving Average akan disebut sebagai Moving Average Event
Based (MAEB) dan peramalan yang menggunakan exponential smoothing akan
disebut Exponential Smoothing Event Based (ESEB). Persamaan dalam
penghitungan indeks special event adalah sebagai berikut:
𝑋𝑡 (2.3)
It=
𝐹𝑡
Dengan
Dengan
8
Universitas Kristen Petra
Dengan:
Tt = Smoothed Trend untuk periode t
T t-1 = Smoothed trend untuk periode t-1
β = Konstanta dari trend- smoothing yang dipilih
Ft = Nilai ramalan berdasarkan metode exponential smoothing
untuk periode t
F t-1 = Nilai ramalan berdasarkan metode exponential smoothing
untuk periode t-1
• Winter’s Exponential
𝑌𝑡
Lt = ∝ 𝑆 + (1-α)(L t-1 + b t-1 ) (2.6.1)
𝑡−𝑠
𝑌𝑡
St = γ + ( 1- γ) ) 𝑆𝑡−𝑠 (2.6.3)
𝐿𝑡
Dengan:
bt = Pemulusan trend
St = Pemulusan musiman
9
Universitas Kristen Petra
S = Panjang musiman
1
MAD = ∑𝑛𝑡=1 |𝑌𝑡 − 𝑌�𝑡 | (2.7)
𝑛
1 |𝑌𝑡 −𝑌�𝑡 |
MAPE = ∑𝑛𝑡=1 (2.8)
𝑛 𝑌𝑡
1
MSE = ∑𝑛𝑡=1(𝑌𝑡 − 𝑌�𝑡 )2 (2.9
𝑛
Dengan
�t =
Y nilai forecast pada periode t
10
Universitas Kristen Petra