PERTEMUAN KE-5

PEMULUSAN EKSPONENSIAL TUNGGAL METODE ADAPTIF

MATA KULIAH : TEKNIK PERAMALAN

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS PAMULANG

2021
A. TUJUAN
Setelah mempelajari materi pertemuan ke-5, diharapkan mahasiswa mampu :
1) Memprediksikan dengan metode eksponensial tunggal
B. URAIAN MATERI

1. Metode Eksponensial Smoothing (Pemulusan)

Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif
dan efisien. Metode ini merupakan prosedur perbaikan terus menerus pada peramalan
terhadap objek pengamatan terbaru. Metode peramalan ini menitik beratkan pada
penurunan prioritas secara eksponensial pada objek pengamatan yang lebih lama.

2. Single Exponential Smoothing atau Pemulusan Eksponensial Tunggal Metode

Adaptif

Dikenal juga sebagai simple exponensial smoothing yang digunakan pada

peramalan jangka pendek, biasanya hanya 1 bulan ke depan. Model mengasumsikan
bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola
pertumbuhan konsisten. Metode ini hanya dapat mempresiksikan satu periode setelahnya,
jika data yang ada 12 maka hanya dapat memprediksikan data pada periode ke-13.

Perumusan untuk perhitungan dengan metode pemulusan eksponensial tunggal

adalah sebagai berikut:

𝐹𝑡 + 1 = 𝛼𝑡𝑋𝑡 + (1 − 𝛼𝑡)𝐹𝑡

𝐸𝑡
∝𝑡= | |
𝑀𝑡

𝐸𝑡 = 𝛽𝑒𝑡 + (1 − 𝛽)𝐸𝑡−1

𝑀𝑡 = 𝛽|𝑒𝑡| + (1 − 𝛽)𝑀𝑡−1

𝑒𝑡 = 𝑥 𝑡 − 𝐹 𝑡

Keterangan :

Ft = peramalan untuk periode t

Xt + (1 – α) = nilai aktual time series

Ft+1 = peramalan pada waktu t + 1

α = konstanta perataan antara 0 dan 1

Ilustrasi pola data yang dapat dipredikaikan dengan dengan menggunakan metode
pemulusan eksponensial tunggal yaitu :

NILAI PENGAMATAN (Xt)

350,0

300,0

250,0

200,0

150,0

100,0

50,0

0,0
1 2 3 4 5 6 7 8 9 10 11

Gambar 1.1 Pola Data

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan

eksponensial adalah memilih konstanta pemulusan α yang diperkirakan tepat. Nilai
konstanta pemulusan α dapat dipilih diantara nilai 0 dan 1, karena berlaku: 0α 1.
Menurut Vincent Gaspersz penentuan nilai α dapat ditentukan dengan cara melihat
pola data aktual. Apabila pola historis data aktual permintaan sangat bergejolak atau
tidak stabil dari waktu ke waktu, kita memilih nilai α yang mendekati 1. Misalkan
saja dipilih α = 0.9 atau nilai α = 0.8 (di atas 0.6) tergantung pada sejauh mana
gejolak data tersebut. Semakin bergejolak maka nilai α yang dipilih harus semakin
tinggi mendekati angka 1. Kemudian jika pola historis data aktual permintaan
relative stabil dari waktu ke waktu, kita bisa memilih nilai α yang mendekati 0.
Misalkan saja dipilih α = 0.1 atau nilai α = 0.2 (di bawah 0.5) tergantung pada sejauh
mana kestabilan data tersebut. Semakin stabil maka nilai α yang digunakan semakin
mendekati nilai 0.
 Contoh :
Pengaplikasian metode peramalan dengan metode pemulusan ekponensial
tunggal, untuk meramalkan jumlah rata-rata komputer yang terjual disebuah toko
pada bulan ke 12.
Diketahui data yang dimiliki dari peride 1 – 11 adalah sebagai berikut:
Tabel 1.1 Data Ilustrasi

Periode Nilai F
1 150,000
2 125,000
3 155,000
4 158,000
5 115,000
6 100,000
7 160,000
8 136,000
9 147,000
10 90,000
11 123,000
12 ?

Catatan:
• 𝐹2 = 𝑋1
• 𝛼2 = 𝛼3 = 𝛼4 = 𝛽 = 0,2
• 𝐸1 = 𝑀1 = 0

Dengan menggunakan rumus yang sudah di jelaskan di atas, maka akan kita
dapatkan hasil sebagai berikut:
e2 = 125 – 150 = -25
E2 = 0,2(-25) + (1 – 0,2)0 = -5
M2 = 0,2|(−25) | + (1 – 0,2)0 = 5

F3 = 0,2(125) + (1 – 0,2)150 = 145

e3 = 155 – 145 = 10

E3 = 0,2(10) + (1 – 0,2)(-5) = -2

M3 = 0,2|10| + (1 – 0,2)5 = 6

F4 = 0,2(155) + (1 – 0,2)145 = 147

e4 = 158 – 147 = 11

E4 = 0,2(11) + (1 – 0,2)(-2) = 0,6

M4 = 0,2|11| + (1 – 0,2)6 = 7

F5 = 0,2(158) + (1 – 0,2)147 = 149,2

e5 = 115 – 149,2 = -34,2

E5 = 0,2(-34,2) + (1 – 0,2)0,6 = -6,36

M5 = 0,2|(−34,2)| + (1 – 0,2)7 = 12,44

𝐸4 0,6
∝5 = | | = | | = 0,086
𝑀4 7

F6 = 0,086(115) + (1 – 0,086)149,2 = 146,3

e6 = 100 – 146,3 = -46,3

E6 = 0,2(-46,3) + (1 – 0,2)(-6,36) = -14,35

M6 = 0,2|(−46,3)| + (1 – 0,2)12,44 = 19,21

𝐸5 −6,36
∝6 = | | = | | = 0,511
𝑀5 12,44

F7 = 0,511(100) + (1 – 0,511)146,3 = 122,6

e7 = 160 – 122,6 = 37,4

E7 = 0,2(37,4) + (1 – 0,2)(-14,35) = -4

M7 = 0,2|(37,4)| + (1 – 0,2)19,21 = 22,85

𝐸6 −14,35
∝7 = | | = | | = 0,747
𝑀6 19,21

F8 = 0,747(160) + (1- 0,747)122,6 = 150,538

e8 = 136 – 146,5 = -10,5

E8 =0,638(-10,5) + (1 – 0,638)14,32 = -1,515

M8 = 0,638|(−10,5)| + (1 – 0,638)26,62 = 16,34

𝐸7 14,32
∝8 = | | = | | = 0,538
𝑀7 26,62

F9 = 0,538(136) + (1 – 0,538)146,5 = 140,9

e9 = 147 – 140,9 = 6,1

E9 = 0,538(6,1) + (1 – 0,538)(-1,515) = 2,583

M9 = 0,538|(6,1)| + (1 – 0,538)16,34 = 10,83

𝐸8 −1,515
∝9 = | | = | | = 0,027
𝑀8 16,34

F10 = 0,027(147) + (1 – 0,027)140,9 = 141,1

e10 = 90 – 141,1 = -51,1

E10 = 0,027(-51,1) + (1- 0,027)2,583 = -3,976

M10 = 0,027|(−51,1)| + (1 – 0,027)10,83 = 11,92

𝐸 2,583
∝10 = |𝑀10 | = |10,83| = 0,239
10

F11 = 0,239(90) + (1 – 0,239)141,1 = 128,9

e11 = 123 – 128,9 = -5,9

E11 = 0,239(-5,9) + (1 – 0,239)3,976 = 1,616

M11 = 0,239|(−5,9)| + (1 – 0,239)11,92 = 10,48

𝐸9 −3,976
∝11 = | |=| | = 0,334
𝑀9 11,92

Perhitungan untuk peramlan periode ke-12 yaitu :

F12 = 0,334(123) + (1 – 0,334)128,9 = 126,9

Berikut kami rang kum perhitungan di atas pada tabel 1.2.

Tabel 1.2 Hasil Perhitungan

Periode Nilai F
1 150,000
2 125,000 150,000 -25,000 -5,000 5,000 0,200
3 155,000 145,000 10,000 -2,000 6,000 0,200
4 158,000 147,000 11,000 0,600 7,000 0,200
5 115,000 149,200 -34,200 -6,360 12,440 0,086
6 100,000 146,300 -46,300 -9,800 15,350 0,511
7 160,000 122,600 37,400 14,320 26,620 0,638
8 136,000 146,500 -10,500 -1,515 16,340 0,538
9 147,000 140,900 6,100 2,583 10,830 0,027
10 90,000 141,100 -51,100 3,976 11,920 0,239
11 123,000 128,900 -5,900 1,616 10,480 0,334
12 126,900
 Jadi, kita dapatkan F12 = 126,9.

Metode pemulusan dapat digunakan untuk meramalkan nilai rata-rata untuk bulan
berikutnya. Tetapi hanya dapat digunakan untuk meramalkan 1 bulan ke depan.
Sehingga untuk meramalkan beberapa bulan ke depan, tidak dapat menggunakan
metode ini.

C. TUGAS
Soal Tugas :
Prediksikan dengan menggunakan metode eksponensial tungga pada data tabel 1.3
berikut ini dan simpulkanlah
Tabel 1.2 Data Ilustrasi XX

PERIODE NILAI PENGAMATAN

BULAN
WAKTU (Xt)
Januari 1 200,0
Februari 2 135,0
Maret 3 195,0
April 4 197,5
Mei 5 310,0
Juni 6 175,0
Juli 7 155,0
Agustus 8 130,0
September 9 220,0
Oktober 10 277,5
November 11 235,0

D. REFERENSI
Assauri Sofjan. 1984. Teknik dan Metode Peramalan (Penerapannya dalam Ekonomi
dan Dunia Usaha). Jakarta : Lembaga Penerbit Fakultas Ekonomi
Universitas Indonesia.
Makridakis Spyros, dkk. 2002. Metode dan Aplikasi Peramalan. Tangerang Selatan :
Binarupa Aksara.