Feed

Metode Exponential Smoothing

Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Ia 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.

1. Single Exponential Smoothing

Juga dikenal sebagai simple exponential 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.

Rumus untuk Simple exponential smoothing adalah sebagai berikut:
St = α * Xt + (1 – α) * St-1
dimana:

St = peramalan untuk periode t.
Xt + (1-α) = Nilai aktual time series
Ft-1 = peramalan pada waktu t-1 (waktu sebelumnya)
α = konstanta perataan antara nol dan 1

2. Double Exponential Smoothing

Metode ini digunakan ketika data menunjukkan adanya trend. Exponential smoothing dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap periode – level dan trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada akhir masing-masing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode. Rumus double exponential smoothing adalah:

St = α * Yt + (1 – α) * (St-1 + bt-1)            
bt = Υ * (St – St-1) + (1 – Υ) * bt-1              

3. Triple Exponential Smoothing

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku musiman. Untuk menangani musiman, telah dikembangkan parameter persamaan ketiga yang disebut metode “Holt-Winters” sesuai dengan nama penemuya. Terdapat dua model Holt-Winters tergantung pada tipe musimannya yaitu Multiplicative seasonal model dan Additive seasonal model yang akan dibahas pada bagian lain dari blog ini.

Untuk Ilustrasi penggunaan SPSS mari kita kembali ke toko “AHOY” yang sehari-hari menjual gula. Untuk saat ini penjualannya hingga minggu ke-7 adalah pada tabel berikut:

Minggu
Sales (kg)
1
120
2
150
3
140
4
130
5
150
6
200
7
160
AHOY ingin mengetahui penjualan gulanya pada minggu ke delapan dengan metode exponential smoothing, aplikasi SPSS dapat dilakukan sebagai berikut:

Untuk SPSS 13, 14, dan 15 langkah-langkahnya dengan menggunakan konstanta pemulusan 0,2 tidak dirinci disini, secara garis besar langkah-langkahnya adalah sebagai berikut:

1. Pilih Analyze – Time Series – Exponential Smoothing
2. Kemudian pilih variabel sales, lalu klik Parameters, isikan angka 0,8 pada damping factor, kemudian ubah General alpha menjadi 0,2.
3. Kemudian klik Custom under initial value, isikan 17 untuk starting, dan 0 untuk value. Kemudian Continue – Save.

4. Selanjutnya klik Predict through, masukkan angka 8 pada corresponding box (hasil peramalan yang ingin dilihat adalah pada minggu ke-8). Klik continue – OK.

Hasil yang didapat adalah pada kolom ketiga paling kiri data.


_______________________________________________________

Untuk langkah-langkah pada SPSS 17.0 akan kita bahas secara lengkap berikut ini:

Langkah-langkah awal memasukkan data telah dibahas pada bagian sebelumnya (Simple Moving Average).

1. Klik Analyze – Forecasting – Create Models seperti berikut:

2. Setelah muncul kotak dialog Time Series Modeller, masukkan variabel sales ke kolom dependent variables, kemudian pilih method dengan “exponential smoothing”, seperti gambar di bawah:

3. Klik Criteria, lalu pada model type pilih metode sesuai dengan tipe data yang anda gunakan, apakah simple, Holt’s linear trend, atau yang lainnya, pada kasus ini kita akan menggunakan metode simple exponential smoothing, kemudian klik continue.

4. Pada menubar Statistic, checklist kotak display forecast seperti berikut:

5. Pada menubar save isikan angka 8 pada predicted values.

6. Kemudian pada menu option, isikan observation sesuai dengan periode peramalan yang anda inginkan misalnya pada kasus toko “AHOY” ini adalah 8. Klik OK,

7. Setelah itu akan muncul output berikut ini:


Pada bagian grafik yang ditandai, merupakan peramalan penjualan toko AHOY pada minggu ke-8, sedangkan nilai MAPE merupakan selisih error antara data aktual dengan ramalan dalam persentase.

Make money internet surveys

8. Sedangkan nilai pemulusan beserta hasil peramalannya dapat dilihat pada bagian data editor berikut ini:

Demikianlah tahapan peramalan metode exponential smoothing dengan SPSS 17.0, mudah bukan??(yoz)

1 Response to Metode Exponential Smoothing

September 28, 2011 at 9:56 PM

bisa gak di share tentang apa keunggulan dan kekurangan dari masing2 metode peramalan yang dipengaruhi oleh waktu (time series) ?
thanks

Post a Comment

Copyright © 2009 Statistik 4 Life - βeta All rights reserved.