Teknik Proyeksi Bisnis

Forecast dengan Smoothing

 Metode Single Exponential Smoothing
 Metode Double Exponential Smoothing
 Metode Triple Exponential Smoothing
Lecturer: IVENTURA TAMBA, ST, MM
 Metode Single Exponential Smoothing
► St = α Xt-1 + (1- α)St-1
► St-1 = Forecast untuk periode t-1
► Xt-1 = Data periode t-1
► α = nilai pengurang forecast error, ditentukan secara bebas
dengan nilai antara 0 – 1.
►α = 0.10
Forecast
► St = α Xt-1 + (1- α)St-1
Bln Penj. α = 0.10 α = 0,50 α = 0.90
► S2 = 20

1 20 - - -
► S3 = 0.10 (21)+(1- 0.10)20 2 21 20.00 20.00 20.00
► S3 = 20.10 3 19 20.10 20.50 20.90
4 17 19.99 19.75 19.19
► S4 = 0.10 (19)+(1- 0.10)20.10 … … … … …
►S = 19.99 12 19 20.61 21.82 22.07
 Metode Single Exponential Smoothing
Forecast
Bulan Permintaan α = 0.10 α = 0,50 α = 0.90

Januari 20 20.00
- -
20.00 -
20.00
Februari 21 20.10 20.50 20.90
Maret 19 19.99 19.75 19.19
April 17 19.69 18.38 17.22
Mei 22 19.92 20.19 21.52
Juni 24 20.33 22.09 23.75
Juli 18 20.10 20.05 18.58
Agustus 21 20.19 20.52 20.76
Sept 20 20.17 20.26 20.08
Okt. 23 20.45 21.63 22.71
Nov. 22 20.61 21.82 22.07
Des. 19
 Metode Single Exponential Smoothing
a = 0.10
Bulan Permintaan Forecast Error Absolute error (Error)2

Januari 20 - - - -
Februari 21 20.00 1.00 1.00 1.00
Maret 19 20.10 -1.10 1.10 1.21
April 17 19.99 -2.99 2.99 8.94
… … … … … …
Des. 19 20.61 -1.61 1.61 2.59
a = 0.50
Bulan Permintaan Forecast Error Absolute error (Error)2

Januari 20 - - - -
Februari 21 20.00 1.00 1.00 1.00
Maret 19 20.50 -1.50 1.50 2.25
April 17 19.75 -2.75 2.75 7.56
… … … … … …
 Metode Single Exponential Smoothing
a = 0.90
Bulan Permintaan Forecast Error Absolute error (Error)2

Januari 20 - - - -
Februari 21 20.00 1 1 1
Maret 19 20.90 -1.90 1.90 3.61
April 17 19.19 -2.19 2.19 4.79
… … … … … …
Des. 19 22.07 -3.07 3.07 9.42

►a: 0.10 a:
0.50 a:
0.90
► Mean Absolute eror 1.90 2.2 2.54
► Mean Square eror 4.76 6.5 8.75
► Nilai eror yang digunakan untuk forecast adalah dengan a: 0.10,
karena mempunyai tingkat kesalahan yang paling kecil sehingga
 Metode Double Exponential Smoothing
► Metode ini merupakan model linear dan proses smoothing
dilakukan dua kali.
 St’ = aXt + (1-a)S’t-1
 S”t = aS’t + (1-a)S”t-1
► Forecast dilakukan dengan rumus
 St+m = at + btm
►m = Jangka waktu forecast ke depan
► at = 2 S’t – S”t

► bt = {a/(1-a)}.(S’t – S”t)
► Untuk menentukan nilai a caranya adalah trial and error.
Dicari nilai a yang dapat meminimumkan nilai mean
square error.
► Metode double exponential smoothing ini biasanya lebih
tepat untuk meramalkan data yang mengalami trend
 Metode Double Exponential Smoothing
• Dengan a = 0.20, jika X1 = 120, karena belum cukup data maka, S’1=120, S”1=120
dan f2 = 120
• Jika X2 = 125, maka:
• S’2 = 0.20 (125) + (1 – 0.20) 120 = 121 (Kolom ke 3)
• S”2 = 0.20 (121) + (1 – 0.20) 120 = 120.2 (Kolom ke 4)
• a2 = 2(121) – 120.2 = 121.80 (Kolom ke 5)
• b2 = 0.20/(1-0.20) (121 – 120.20) = 0.20 (kolom ke 6)
• Nilai Forecast tahun ke 3
• F3 = 121,8 + 0,20 = 122 (kolom ke 7)
(1)Tahun (2) Prmnt X (3) S’ (4) S” (5) a (6) b (7) Forecast
2001 120 120 120 120 - -
2002 125 121 120.20 121.80 0.20 120
2003 129 122.60 120.68 124.52 0.48 122
2004 124 122.88 121.12 124.64 0.44 125
2005 130 124.30 121.76 126.84 0.64 125.08
 Metode Triple Exponential Smoothing
► Metode ini merupakan model linear dan proses smoothing
dilakukan tiga kali.
 St’ = aXt + (1-a)S’t-1
 S”t = aS’t + (1-a)S”t-1
 S’”t = aS’’t + (1-a)S’”t-1
► Forecast dilakukan dengan rumus
► Ft+m = at + bt m + ½ ctm2

 m = Jangka waktu forecast ke depan

 at = 3 S’t – 3 S”t + S’”t
 bt = {a/2(1-a)2}. {(6 – 5a) S’t – (10 – 8a) S”t + (4 – 3a)S’”t }
 ct = {a2/(1-a)2}.(S’t – 2S”t + S’”t )
► Metode triple exponential smoothing ini biasanya lebih tepat
untuk meramalkan data yang mengalami trend fluktuasi.
 Metode Triple Exponential Smoothing

• Dengan a = 0.10, jika X1 = 125, karena belum cukup data maka, S’1=125, S”1=125,
S”’1=125, at = 125, nilai b dan c = 0, dan nilai f2 = 125
• Jika X2 = 130, maka:
• S’2 = 0.10 (130) + (1 – 0.10) 125 = 125.50 (Kolom ke 3)
• S”2 = 0.10 (125.50) + (1 – 0.10) 125 = 125.05 (Kolom ke 4)
• S’”2 = 0.10 (125.05) + (1 – 0.10) 125 = 125.01 (Kolom ke 5)
• a2 = 3(125.50) – 3(125.05) + 125.01 = 126,36 (Kolom ke 6)
• b2 = {(0.10)/2(1-0.10)2} (6 – (5 x 0.10)125.50) – (10 – (8 x 0.10) 125.05 +
( 4 – 3 x 0.10) 125.01) = 0.14 (kolom ke 7)
• c2 = (0.10)2 / (1-0.10)2 (125.50 – 2(125.05) + 125.01) = 0.01 (Kolom ke 8)
• Nilai
(1)ThnForecast
(2) X tahun ke 3 (4) S” (5) S”’ (6) a (7) b (8) c (9) Forecast
(3) S’
• F3 = 126,36 + 0,14 (1) + 0.025 (12) = 126, 525 (kolom ke 9)
2001 125 125.00 125.00 125.00 125.00 0 0 -
2002 130 125.50 125.05 125.01 126.36 0.14 0.01 125.00
2003 140 126.95 125.24 125.03 130.16 0.53 0.02 126.53