24
a
(smoothing constant)
dapat
berubah,
tergantung
pada
asumsi
kita
mengenai
perubahan
yang akan
terjadi pada data tersebut. Semakin besar asumsi
terhadap tarjadinya
peningkatan penjualan,
nilai
a
akan
semakin
besar,
dan
begitu
pula
sebaliknya.
Dengan
demikian, pemilihan besarnya nilai a
harus kita lakukan dengan hati-hati.
Untuk
memperoleh
forecasting
yang
lebih
akurat,
kita
dapat
membandingkan
nilai
forecasting
dengan
nilai
aktual
yang
terjadi.
Semakin
kecil
perbedaan
antara
nilai
hasil
forecasting dan
nilai
aktual,
berarti
tingkat
kesalahannya
semakin
kecil
dan
metode
forecasting
yang digunakan relatif baik. Tingkat
kesalahan forecasting
(forecast
error) dapat
dihitung sebagai berikut:
Forecast error = Demand – Forecast
4.
Eksponential
Smoothing dengan menggunakan trend adjustment
5.
Trend projection
6.
Linear regression causal model
Peramalan
dengan
regresi linier
di
dasarkan
pada
asumsi
bahwa
pola
pertumbuhan
dari
data
historis
bersifat
linier.
Rumus
yang
di
gunakan
untuk
menghitung
peramalan dengan metode regresi linier adalah persamaan garis regresi linier
sebagai berikut:
Y = a + bX
 |