SMOOTHING

BY : LILIES HANDAYANI, S.SI., M.SI

Tugas 1
 Sekilas Tentang Smoothing

Prinsip dasar : pengenalan pola data dengan

menghaluskan variasi lokal

Prinsip penghalusan umumnya berupa rata-rata

Beberapa metode penghalusan hanya cocok untuk

pola data tertentu

 Accuracy Measures

Beberapa ukuran yang dapat dipakai untuk

penilaian seberapa baik metode mengepas data :
Mean Absolute Deviation (MAD)
1 n
MAD | X t X t |
n t 1

Mean Squared Deviation (MSD)

1 n
MSD ( X t X t ) 2
n t 1

Mean Absolute Percentage Error (MAPE)

1 n X t X t
MAPE 100%
n t 1 Xt
 Metode Smoothing

Single Moving Average

Double Moving Average

Single Exponential Smoothing

Double Exponential Smoothing

Metode Winter untuk musiman aditif

Metode Winter untuk musiman multiplikatif

 Single Moving Average

Ide : data pada suatu periode dipengaruhi oleh

data beberapa periode sebelumnya
Cocok untuk pola data konstan/stasioner
Prinsip dasar :
Data smoothing pada periode ke-t merupakan rata-
rata dari m buah data dari data periode ke-t hingga
ke-(t-m+1) 1 t
St
m i t m 1
Xi

Data smoothing pada periode ke-t berperan sebagai

nilai forecasting pada periode ke-t+1
Ft = St-1 dan Fn,h = Sn
 Ilustrasi MA dengan m=3

Periode (t) Data (Xt) Smoothing (St) Forecasting (Ft)

1 5 - -
2 7 - -
3 6 6 -
4 4 5.6 6
5 5 5 5.6
6 6 5 5
7 8 6.3 5
8 7 7 6.3
9 8 7.6 7
10 7 7.3 7.6
11 7.3
12 7.3
 Tugas 2

1. Buatlah ramalan untuk data permintaan berikut dengan m

= 3 dan m = 5 menggunakan metode single moving
average!
2. Plot kedua hasil ramalan dalam satu grafik, lalu
bandingkan hasil yang anda peroleh !
3. Bandingkan nilai MAPE, MAD, dan MSD dari hasil
tersebut !

Bulan Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des

Permintaan 20 21 19 17 22 24 18 23 20 25 22 24
 Double Moving Average

Mirip dengan single moving average

Cocok untuk data yang berpola tren
Proses penghalusan dengan rata-rata dilakukan
dua kali
1 t
Tahap I : S1,t
m i t m 1
Xi

1 t
Tahap II : S2,t
m i t m 1
S1,i
 Double Moving Average (lanjutan)

Forecasting dilakukan dengan formula

F2,t ,t h At Bt (h)

dengan

At 2S1,t S2,t

Bt
2
m 1
S1,t S2,t
 Ilustrasi DMA dengan m=3

t Xt S1,t S2,t At Bt F2,t

1 12.50
2 11.80
3 12.85 12.38
4 13.95 12.87
5 13.30 13.37 12.87 13.87 0.50
6 13.95 13.73 13.32 14.14 0.41 14.37
7 15.00 14.08 13.73 14.43 0.35 14.55
8 16.20 15.05 14.29 15.81 0.76 14.78
9 16.10 15.77 14.97 16.57 0.80 16.57
10 17.37
11 18.17
12 18.97
 Latihan
Permintaan
Periode
1. Buatlah ramalan data ke 21, Barang
1 120
22, 23, 24, dan 25 untuk 2 125
data permintaan berikut 3 129
4 124
dengan m = 4 5 130
6 140
menggunakan metode 7 128
double moving average! 8 125
9 135
2. Tentukan nilai MAD, MSD, 10 145
11 140
dan MAPE dari hasil yang 12 130
anda peroleh 13 145
14 150
3. Plot hasil ramalan dan nilai 15 160
16 150
aktual dalam satu grafik ! 17 155
4. Interpretasi hasil yang anda 18 160
19 165
peroleh ! 20 160
 Pemilihan Model

Beberapa model dapat diterapkan untuk data yang

sama (MA dengan m = 3 atau m = 6, SES dengan
= 0.3 atau = 0.4)
mana yang dipilih??
Membagi data menjadi dua bagian, training dan
testing
Training: bagian data yang digunakan untuk
smoothing atau modeling
Testing: bagian data yang digunakan untuk
verifikasi
 Pengaruh Pemilihan Nilai m
9.00

8.00

7.00

6.00

5.00 Semula
MA (m=3)
4.00 MA (m=6)

3.00

2.00

1.00

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Waktu

MA dengan m yang lebih besar menghasilkan pola data yang lebih

halus.