Moving Average dan Exponential Smoothing
Kebutuhan konsumen atau pelanggan vs kapasitas produksi perusahaan * Kebutuhan konsumen atau pelanggan vs kapasitas produksi perusahaan * Terdapat beberapa metode yang bisa digunakan dalam sebuah peramalan * Tidak ada satu pun metode yang bisa dikatakan paling cocok untuk suatu kasus
1.Metode Single Moving Averages Menghitung rata-rata dari nilai-nilai pada beberapa tahun untuk menaksir pada suatu tahun tertentu
St+1=forecast untuk periode ke t+1 Xt= data pada periode t n = jangka waktu moving averages Sifat moving averages : Bila ada data selama P periode kita baru bisa membuat forecast untuk periode ke P+1
Semakin panjang moving average akan menghasilkan moving average yang semakin halus Menghitung error
Bulan ke-1 s/d ke 11 Permintaan beras di suatu daerah 20,21,19,17,22,24,18,21,20,23,22 Buat moving average 3 dan 5 bulan Hitung error-nya Ambil kesimpulan!
Kelemahan Moving average a. Perlu data historis b. Semua data diberi bobot yang sama c. Tidak bisa mengikuti perubahan yang drastis d. Tidak cocok untuk forecasting data yang ada gejala trend
2. Metoda Double Moving Averages Moving average dilakukan dua kali Lalu mencari nilai a (konstanta) Mencari nilai b (slope) Menghitung forecast dengan rumus
1 20 2 21 3 19 4 22 5 6 periode demand 4 th m.av 4 th mo.av, kol.2 Nilai a Nilai b forecast 1 20 2 21 3 19 4 22 5 6
3. Metode Single Exponential Smoothing Adalah pengembangan dari moving averages Alpha mempunyai nilai antara 0 dan 1 Cobalah dengan menggunakan data awal pada contoh soal single moving averages pertama Hitung pula mean abs.error dan mean sq.error-nya
4.Metode Double Exponentials Smoothing (M Brown)
Forecast dihitung dengan Rumus tadi agak berbeda dengan single smoothing di mana Xt dipakai untuk mencari St bukan St+1 Forecast dihitung dengan m= jangka waktu forecast ke depan
5. Metode Triple Exponentials Smoothing (Winter)