28
Peramalan baru = Peramalan periode terakhir + a (permintaan sebenarn ya
periode terakhir – peramalan periode terakhir).
Dimana a adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh
peramal yan g mempunyau nilai antara 0 dan 1. Persamaan diatas juga dapat
ditulis sebagai berikut:
Ft = Ft-1 + a (At-1 – Ft-1)
Keterangan:
Ft = per amalan baru
Ft-1 = peramalan sebelu mnya
a = konstanta penghalusan (pembobotan)(0= a=1)
At-1 = permintaan aktual periode lalu
Prediksi terakhir untuk permintaan sama dengan prediksi lama, disesuaikan
dengan sebagian diferensiasi permintaan aktual periode lalu dengan prediksi
lama. Pendekatan penghalusan eksponensial mudah digunakan dan telah
berhasil diterapkan pada hampir setiap jenis bisnis. Walaupun demikian, nilai
yang tep at untuk konstanta penghalusan, a, dapat membuat diferensiasi antara
peramalan yang akurat d an yang tidak akurat. Nilai a yang tinggi dipilih saat
rata-rata cenderung beru bah. Nilai a yang rendah digunakan saat rata-rata
cukup stabil. Tujuan pemilihan suatu nilai untuk konstanta penghalusan
adalah mend apatkan peramalan yang paling akurat.
5. Penghalusan Eksponensial dengan tren (Eksponential Smoothing with Trend)
Penghalusan eksponensial yang sederhana gagal memberikan respon terhadap
tren yang terjadi. Untuk memperbaiki peramalan, maka digunakan model
penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada
tren yang ada. Idenya adalah dengan men ghitung rata-rata data
penghalusan
eksponensial, kemudian menyesu aikan untuk keterlambatan (lag) positif atau
negative pada tren. Dengan penghalusan eksponensial dengan penyesuaian
tren, estimasi rata-rata d an 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.
Ft = a(At-1) + (1 - a) (Ft-1 + Tt-1)
 |