21
F
t-1
= Peramalan sebelumnya
a
= Konstanta penghalusan (pembobotan) (0
=
a = 1)
A
t-1
= Permintaan aktual periode lalu
5.
Penghalusan Eksponential dengan Penyesuaian Trend (Exponential Smoothing
with Trend)
Model penghalusan eksponensial yang lebih rumit dan dapat
menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren rata-rata
data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag)
positif atau negatif pada tren. Dengan penghalusan eksponensial dengan
penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini
membutuhkan dua konstanta penghalusan, a untuk rata-rata dan ß untuk tren.
Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus
Penghalusan Eksponential dengan Penyesuaian Trend adalah sebagai berikut.
Ft = a (A
t-1
) + (1-a) (F
t-1
+ T
t-1
) , T
t
= ß (F
t
-F
t-1
) + (1-ß) T
t-1
dimana :
F
t
= peramalan dengan eksponensial yang dihaluskan dari data berseri
pada periode t
T
t
= tren dengan eksponensial yang dihaluskan pada periode t
A
t
= permintaan aktual periode t
a
= konstanta penghalusan untuk rata-rata (0
=
a = 1)
ß
= konstanta penghalusan untuk rata-rata (0
=
ß = 1)
6.
Proyeksi Trend (Linear Regression)
Proyeksi Tren merupakan suatu metode peramalan yang mencocokan
garis tren pada serangkaian data masa lalu, kemudian memproyeksikan
garis
pada masa mendatang untuk peramalan jangka menengah atau jangka panjang.
Rumus untuk menentukan perhitungan Linear Regression adalah sebagai
berikut.
y = a + bx
dimana :
y
= nilai terhitung dari variabel yang akan diprediksi
a
= persilangan sumbu y
 |