Perbedaan Moving Average Dan Eksponensial Smoothing

Pangestu Subagyo, 1986 3 Pemulusan eksponensial adalah metode peramalan rata-rata bergerak yang melakukan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih tua Makridakis, 1993 Metode pemutakhiran eksponensial adalah metode pengembangan metode moving average sederhana, yang mula mula dengan rumus sebagai berikut. Metode tunggal eksponensial smoothing merupakan metode pendekatan moving average sederhana, yang mula mula dengan rumus sebagai berikut 1 1 1 2 dan 1 3 1 4 Perbedaan antara St 1 dan St sebgai berkut a Pada St 1 tidak ada pada St tidak ada b Pada St tidak ada pada St 1 tidak ada Pangestu Subagyo, 1986 18 Dengan melihat hubungan di atas maka jika Nilai St sudah diketahui Maka nilai St 1 dapat dicari berdasarkan nilai St itu. Kalau diganti dengan ramalan pada tahun t yaitu St maka equation diubah menjadi 1 5 bisa diubah menjadi 1 6 Di dalam metode Exponential smothing dengan rumus perkiraan menjadi St 1 Xt 1 St 1 7 Pangestu Subagyo, 1986 19 Penerapan teknik peramalan ini menghasilkan tabel di bawah ini Tabel I Nilai St contoh penggunaan metode Saingle Exponential Smoothing No Xt St 1 20 2 21 20 3 19 20,10 4 17 19,19 5 22 19,69 6 24 19,92 Sumber Pangestu subagyo, 1986 21.Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut S7 X6 1 S6 0,1 24 0,9 19,92 20,33 Metode Single Eksponensial Smoothing lebih cocok digunakan untuk meramal hal hal fluktuasinya Secara acak tidak teratur.2 Metode Doble Exponential Smoothing Metode ini merupakan model linier yang dikemukakan oleh Brown Didalam merode Doble Exponential Smoothing dilakukan proses smoothing dua kali, sebagai berikut S t Xt 1 S t-1 1 8 S t S t 1 1 9 Rumus A ini agak berbeda dengan rumus Single Exponential Smoothing karena X t dapat dipakai untuk mencari S t bukan St 1 Ramalan dilakukan dengan rumus St m at btm 1 10 m jangka waktu ramalan kedepan 1 11 1 12 Metode double eksponensial smoothing ini biasanya lebih tepat untuk meramalkan Data yang mengalami trend naik Agar bisa menggunakan rumus 1 8 dan 1 9 maka nilai t t-1 dan S t-1 harus tersedia pada saat t 1, nilai ini tidak dapat tersedia Jadi nilai ini harus ditentukan pada awal periode Hal ini Dilakukan dengan hanya ukuran S t dan S t sama dengan Xt atau dengan menggunakan suatu nilai pertama sebagai contoh Contoh penggunaan Metode doble exponential smoothing untuk penjualan barang X Tabel 2 Volume penjualan barang X NO PERMINTAAN BARANG 1 120 2 125 3 129 4 124 5 130 Sumber pangestu Subagyo, 1986 26 Akan dicari ramalan minggu ke-6 dengan menggunakan rumus 1 10 dengan 0,2 perhitungan di mulai dengan menghitung St dengan rumus 1 8 yaitu S t Xt 1- S t - 1 X1 120, karena belum cukup data S t tanggap sebesar 120 dan selanjutnya dengan rumus 1 8 secara berangkai menghasilkan. kemudian mencari nilai dengan rumus 1 9 yaitu dengan 0,2 120 dan harga-harga berangkai hasil. Harga-harga a dan b Diperoleh dengan menggunakan rumus 1 11 dan 1 12 Dari secara berangkai diperoleh harga. dari secara berangkai didapat harga-harga. Harga ramalan tahun ke-6 dengan rumus 1 10 yaitu St m at btm dengan m 1 dan 0,2 S6 a5 b5 126 , 84 0,64 127,48 Jadi ramalan penjualan tunai ke-6 adalah 127,48,3 Metode Metode Exponential Smoothing Metode ini merupakan metode yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat Metode ini lebih cocok jika dipakai untuk membuat perkiraan yang berfluktuasi atau mengalami Gelombang pasang surut Pangestu Subagyo, 1986 26 Cara pembuatan peramalan dengan metode ini sebagai berikut Carilah nilai dengan rumus sebagai berikut 1 13 Untuk tahun pertama tidak dapat dicari dengan rumus di atas , Maka boleh ditentukan dengan bebas yang ditentukan sama seperti yang telah terjadi pada tahun pertama Carilah dengan rumus 1 14 Pada tahun pertama biasanya seperti yang terjadi pada tahun pertama Carilah nilai 1 15 Untuk tahun pertama biasanya sama dengan data tahun Pertama Carilah nilai 1 16 Carilah nilai 1 17 Carilah dalam 1 18 Buat persamaan forecastnya 1 19 m adalah jangka waktu maju ke depan, yaitu berapa tahun yang akan datang ramalan dilakukan di, bt, ct adalah yang telah dihitung sesuai dengan rumus di depan Contoh Metode peminjaman Triple Exponential Smoothing untuk peramalan penjualan kita menggunakan data tabel 2 Akankah ramalan tahun ke-6 menggunakan rumus 1 19 dengan 0,2 Dari contoh di atas kita sudah mendapatkan nilai dan maka kita harus mencari nilai, bt, ct dengan 120 dengan Rumus 1 16 hasil perolehan harga-harga. Dengan mengggunakan rumus 1 16 1 17 1 18 harga at, bt, ct bisa didapatkan. Harga ramalan tahun ke-6 di Dengan menggunakan rumus 1 19.Exponential Smoothing merupakan prosedur perbaikan terus-berlanjut pada peramalan terhadap objek pengamatan terbaru Ia menitik-beratkan pada prospek yang lebih tua dengan kata lain, observasi terbaru akan diberikan prioritas lebih tinggi bagi peramalan Observasi yang lebih lama.1 Single Exponential Smoothing. Juga dikenal sebagai smoothing eksponensial sederhana yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke depan Model mengasumsikan data berfluktuasi di sekitar yang berarti, tidak trend atau pola pertumbuhan konsisten Rumus untuk sederhana Exponential smoothing adalah sebagai berikut. dimana S t peramalan untuk periode tX t 1- Nilai aktual time series. F t-1 peramalan pada waktu t-1 waktu sebelumnya. Konstanta perataan antara nol dan 1.2 Double Exponential Smoothing. Metode ini digunakan saat data menunjukkan adanya tren Eksponensial smoothing dengan adanya tren seperti pemulusan sederhana kecuali dua komponen harus diupdate setiap periode dan trend nya Level isimbangan yang dimuluskan dari data ke akhir Masing periode Trend adalah perhitungan yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode Rumus double exponential smoothing adalah.3 Triple Exponential Smoothing. Metode ini digunakan saat data menunjukkan adanya tren dan perilaku musiman Untuk gabungan musiman, telah dikembangkan parameter persamaan yang Disebut metode Holt-Winters sesuai dengan nama penemuya Ada dua model Holt-Winters tergantung pada tipe musimannya yaitu model musiman multiplicative dan model musiman aditif yang akan dibahas pada bagian lain dari blog ini. Kembali kita lihat data Bali visit 2015 yang diambil dari Disbudpar Provinsi Bali B Erikut ini. Data bentuk deret waktu yang diambil sejak Januari 2008 sampai Sept 2015, data ini terdiri dari 92 pengamatan, untuk datanya dapat diambil disini Untuk bahasan metode pemulusan eksponensial berikut kita akan menggunakan perangkat lunak evies versi 8 1. impor data buka perangkat lunak eviews kamu , Pilih buka file yang ada.2 Setelah keluar jendela eviews pilih file import import dari file.3 Kemudian ambil data kamu open.4 Setelah terbuka penuh seperti berikut langsung klik next, lalu finish.5 Nah sekarang workfile kita sudah terbaca oleh eviews.6 Klik 2x pada variabel kunjungan maka akan terjadi datanya pada jendela eviews.7 Untuk masuk ke pemulusan eksponensial pilih di tab proc eksponensial smoothing smoothing eksponensial tunggal.8 Kemudian setelah muncul jendela eksponensial smoothing pilih tingkat pemulusannya, misalnya double, visitsm adalah hasil estimasi, kemudian smoothing parameter Biarkan eviews yang menentukan, lalu ok.9 nanti outputnya akan menjadi seperti jadinya Rikut. Dari output bisa kita lihat parameternya Alpha sebesar 0,0240, dimana metode pemulusan eksponensial dengan formula. 2 n 1 atau n 2 -.semakin tinggi yang sedang, maka peramalan akan semakin mendekat secara aktual. Dengan demikian peramalan yang menghasilkan dengan double exponential smoothing adalah sebagai berikut. Berikut ini adalah perbandingan dengan peramalan dengan double exponential smoothing. Untuk Hasil dengan single exponential smoothing adalah sebagai berikut, ulangi kembali proses dari langkah nomor 8 diatas, pilih single exponential smoothing. Dari output diatas, single exponential smoothing memberi nilai yang lebih baik yaitu 0,64, lebih dari sekedar peringatan pada pada yang Lebih baru dari nilai double exponential smoothing sebesar 0,024 Semakin besar nilai 1 maka nilai peramalan yang akan mendekati peramalan naif lihat bahasannya disini, dimana titik berat akan terlihat rata-rata data aktual, pada keadaan di mana dimana, 1TYT TYT Maka nilai peramalan akan sama de Ilai ilai ilai ilai ilai ilai single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single single Berikut. Berikut ini adalah perbandingan dengan cara peramalan menggunakan metode single eksponensial smoothing garis yang berwarna merah adalah data setelah proses pemulusan tingkat 1, kita dapat melihat tidak banyak penyesuaian yang terjadi terhadap data aktual. Berikut ini adalah grafik perbandingan peramalan dengan metode pemulusan Eksponensial terhadap data aktual, dapat kita lihat dengan peramalan dengan double eksponensial smoothing tidak mengikuti pola dari grafik data aktual dan single eksponensial smoothing yang lebih dekat terhadap rata-rata, perbedaan mendasar hal ini dua kali eksponensial smoothing telah mema Sukkan komponen tren dalam estimasinya Untuk data aktual, nilai single dan double exponential dicoba dan grafiknya bisa anda unduh disini. sumber data disbudpar provinsi Bali diolah oleh Statistik 4 Life. Posted by ariyoso. Teori Konsep Statistik. Konsep Variabel Kualitatif dan Kuantitatif Tipe Data Deskriptif Konsep Parametrik dan Non Parametrik Statistika Inferensia Penyusunan Hipotesis Teknik Pengukuran Statistik Teknik Sampling Sebaran Probabilitas Diskret Sebaran Normal Sebaran Binomial Sebaran Poisson Transformasi Data Korelasi Bivariat Pemaparan Data Kualitatif dengan Tabulasi Silang baru IBM SPSS Ver 23.Exonsential Smoothing adalah suatu prosedur yang secara terus menerus memperbaiki peramalan Dengan merata-rata menghaluskan smoothing masa lalu dari suatu data runtut waktu dengan cara menurun eksponensial Menurut Trihendradi 2005 analisis eksponensial smoothing adalah salah satu analisis deret waktu, dan merupakan metode peramalan dengan memberi nilai pembobot pa Daihatsu visual sebelumnya untuk memprediksi masa depan. B MACAM-MACAM METODE.1 Eksponasi tunggal Smoothing. Atau biasa disebut sebagai metode pemotretan eksponensial sederhana ini digunakan untu peramalan jangka pendek Model mengasumsikan data berfluktuasi di sekitar yang berarti, tetap tren atau Pola pertumbuhan tidak seperti Moving Average Exponential Smoothing memberi tekanan yang lebih besar terhadap deret waktu saat ini dengan menggunakan sebuah konstanta smoothing penghalus Konstanta smoothing mungkin berkisar dari 0 ke 1 Nilai yang dekat dengan 1 memberikan tekanan terbesar pada saat ini sedangkan yang dekat dengan 0 beri penekanan pada titik data sebelumnya. Rumus untuk Simple exponential smoothing adalah sebagai berikut. dimana S t peramalan untuk periode t X t 1- Nilai aktual time series F t-1 peramalan pada waktu t-1 waktu sebelumnya konstanta perataan antara 0 dan 1 .