Hello, Kaum Berotak! Apa kabar? Kali ini kita akan membahas tentang rumus exponential smoothing. Apa itu exponential smoothing? Bagaimana cara mengaplikasikannya? Yuk, simak artikel berikut!
Apa itu Exponential Smoothing?
Exponential smoothing adalah metode peramalan (forecasting) yang berguna untuk memprediksi data masa depan berdasarkan data masa lalu. Metode ini banyak digunakan dalam bidang keuangan, ekonomi, bisnis, dan lain-lain. Dalam exponential smoothing, data masa lalu diberikan bobot (weight) yang berbeda-beda. Bobot ini digunakan untuk menghitung rata-rata tertimbang (weighted average) data masa lalu. Bobot tersebut semakin kecil seiring dengan lamanya waktu (time) yang berlalu. Dengan cara ini, data terbaru akan memiliki bobot yang lebih besar dibandingkan data yang lebih lama.
Jenis-Jenis Exponential Smoothing
Ada beberapa jenis exponential smoothing yang umum digunakan, antara lain:
- Simple Exponential Smoothing
- Double Exponential Smoothing
- Triple Exponential Smoothing
Setiap jenis exponential smoothing memiliki rumus dan penggunaan yang berbeda-beda. Namun, pada dasarnya, semua jenis exponential smoothing digunakan untuk memprediksi data masa depan berdasarkan data masa lalu.
Cara Menghitung Exponential Smoothing
Untuk menghitung exponential smoothing, kita memerlukan beberapa variabel, yaitu:
- Ft: forecast data pada periode t
- At: actual data pada periode t
- α: smoothing constant (0 ≤ α ≤ 1)
- Ft-1: forecast data pada periode t-1
Berikut adalah rumus untuk menghitung exponential smoothing:
Ft = αAt + (1-α)Ft-1
Nilai α adalah smoothing constant yang dapat diatur sesuai dengan kebutuhan. Nilai α yang lebih kecil akan memberikan bobot yang lebih besar pada data terbaru, sehingga forecast data akan lebih responsif terhadap perubahan data terbaru. Sebaliknya, nilai α yang lebih besar akan memberikan bobot yang lebih besar pada data lama, sehingga forecast data akan lebih stabil dan kurang responsif terhadap perubahan data terbaru.
Contoh Penggunaan Exponential Smoothing
Misalkan kita memiliki data penjualan produk A selama 12 bulan terakhir seperti tabel berikut:
| Bulan | Penjualan |
|---|---|
| 1 | 100 |
| 2 | 120 |
| 3 | 130 |
| 4 | 150 |
| 5 | 160 |
| 6 | 180 |
| 7 | 200 |
| 8 | 220 |
| 9 | 230 |
| 10 | 250 |
| 11 | 270 |
| 12 | 280 |
Kita akan menggunakan exponential smoothing dengan smoothing constant α = 0,3 untuk memprediksi penjualan produk A pada bulan ke-13 (F13). Berikut adalah langkah-langkah untuk menghitung forecast data:
- F1 = A1 = 100
- F2 = αA2 + (1-α)F1 = 0,3×120 + 0,7×100 = 106
- F3 = αA3 + (1-α)F2 = 0,3×130 + 0,7×106 = 113,8
- F4 = αA4 + (1-α)F3 = 0,3×150 + 0,7×113,8 = 132,06
- F5 = αA5 + (1-α)F4 = 0,3×160 + 0,7×132,06 = 146,44
- F6 = αA6 + (1-α)F5 = 0,3×180 + 0,7×146,44 = 165,5
- F7 = αA7 + (1-α)F6 = 0,3×200 + 0,7×165,5 = 186,85
- F8 = αA8 + (1-α)F7 = 0,3×220 + 0,7×186,85 = 209,7
- F9 = αA9 + (1-α)F8 = 0,3×230 + 0,7×209,7 = 225,49
- F10 = αA10 + (1-α)F9 = 0,3×250 + 0,7×225,49 = 248,64
- F11 = αA11 + (1-α)F10 = 0,3×270 + 0,7×248,64 = 271,05
- F12 = αA12 + (1-α)F11 = 0,3×280 + 0,7×271,05 = 284,14
- F13 = αA13 + (1-α)F12 = 0,3xF12 + 0,7×284,14 = 287,9
Dengan menggunakan exponential smoothing, kita memperoleh prediksi penjualan produk A pada bulan ke-13 sebesar 287,9.
Kesimpulan
Exponential smoothing adalah metode peramalan yang berguna untuk memprediksi data masa depan berdasarkan data masa lalu. Dalam exponential smoothing, data masa lalu diberikan bobot yang berbeda-beda. Bobot ini digunakan untuk menghitung rata-rata tertimbang (weighted average) data masa lalu. Ada beberapa jenis exponential smoothing yang umum digunakan, antara lain simple exponential smoothing, double exponential smoothing, dan triple exponential smoothing. Setiap jenis exponential smoothing memiliki rumus dan penggunaan yang berbeda-beda. Cara menghitung exponential smoothing cukup sederhana dan mudah dipahami. Dengan menggunakan exponential smoothing, kita dapat memperoleh prediksi data yang lebih akurat dan responsif terhadap perubahan data terbaru.
Sampai Jumpa Kembali di Artikel Menarik Lainnya!
