7/18/2019 Exponential Smoothing

http://slidepdf.com/reader/full/exponential-smoothing-56d7a7cdc6c7f 1/4

Manajemen Produksi dan Mutu : Forecasting

Exponential Smoothing

Kelompok 3

1. 

Azka R. Tedjaningrat (1206230832)

2. 

Meidiono Untoro

3. 

Rizal P. Munthe (1206244806)

A. 

Resume

Exponential Smoothing merupakan suatu teknik di mana dilakukan perbaikan data secara terus

menerus. Namun penggunaan teknik ini tidak selalu akurat dan dapat diandalkan dalam setiap situasi.

Dalam teknik Exponential Smoothing, kita menerapkan beban pada data time series terakhir dan sisa

bebannya pada data forecasting yang terakhir. Beban yang diterapkan pada data data tersebut inilah

yang disebut smoothing factor.

Untuk menghitung nilai Exponential Smoothing, digunakan rumus berikut

 = ( ∗ α) + (1 − α) 

Dimana:

Fn = Nilai Forecast data yang ingin diketahui

D = Data permitaan dari periode terakhir

α = Smoothing factor

F = data forecast dari periode terakhir

Dalam forecasting data time series tentunya akan ditemukan error. Kita tidak dapat meramal

Sesuatu yang belum pasti dan terjadi secara 100% benar. Untuk itu, diperlukan perhitungan nilai

error, diantaranya adalah

7/18/2019 Exponential Smoothing

http://slidepdf.com/reader/full/exponential-smoothing-56d7a7cdc6c7f 2/4

Mean Absolute Deviation (MAD)

Mean Square Error (MSE)

Mean Absolute Percent Error (MAPE)

B. 

Rumusan Masalah

Data Penjualan atau Permintaan Excavator Hitachi EX1500 tahun 2014

Month Jan Feb Mar Apr Mei Jun Jul Agus Sept Okt Nov Des

Demand 58 60 50 57 64 60 53 49 56 65 70 55

1. 

Perhitungan Manual

Jika α = 0,1 maka

Month Demand Forecast

 jan 58

feb 60 F1 = D1 = 58

mar 50 α*D2 + (1-α) * F1 = 0,1 * 60 + (1-0,1) * 58 = 58,2

apr 57 α*D3 + (1-α) * F2 = 0,1 * 50 + (1-0,1) * 58,2 = 57,38

mei 64 α*D4 + (1-α) * F3 = 0,1 * 57 + (1-0,1) * 57,38 = 57,342

 jun 60 α*D5 + (1-α) * F4 = 0,1 * 64 + (1-0,1) * 57,342 = 58,0078

 jul 53 α*D6 + (1-α) * F5 = 0,1 * 60 + (1-0,1) * 58,0078 = 58,20702agu 49 α*D7 + (1-α) * F6 = 0,1 * 53 + (1-0,1) * 58,20702 = 57,68632

sept 56 α*D8 + (1-α) * F7 = 0,1 * 49 + (1-0,1) * 57,68632 = 56,81769

okt 65 α*D9 + (1-α) * F8 = 0,1 * 56 + (1-0,1) * 56,81769 = 56,73592

nov 70 α*D10 + (1-α) * F9 = 0,1 * 65 + (1-0,1) * 56,73592 = 57,56233

des 55 α*D11 + (1-α) * F10 = 0,1 * 70 + (1-0,1) * 57,56233 = 58,80609

7/18/2019 Exponential Smoothing

http://slidepdf.com/reader/full/exponential-smoothing-56d7a7cdc6c7f 3/4

 

2. 

Perhitungan Menggunakan Excel

Untuk menghitung hasil forecast menggunakan excel dengan memakai fungsi Data Analysis.

Berikut tahapannya,

a. 

Pilih Data Analysis pada menu Data di Ms. Excel

b. 

Pilih Exponential Smoothing, lalu klik Ok.

c. 

Akan muncul kotak dialog seperti dibawah dan isikan data data yang diperlukan.

d. 

Klik Ok dan hasil Forecasting akan muncul seperti dibawah ini.

Month Demand Forecast

 jan 58 #N/A

feb 60 58

mar 50 58.2

apr 57 57.38

mei 64 57.342

 jun 60 58.0078

 jul 53 58.20702

agu 49 57.686318

sept 56 56.8176862

okt 65 56.73591758

nov 70 57.56232582

des 55 58.80609324

7/18/2019 Exponential Smoothing

http://slidepdf.com/reader/full/exponential-smoothing-56d7a7cdc6c7f 4/4

 Grafik Perbandingan Actual Demand dan Forecasting Demand

Month Demand Forecast ( forecast-demand )^2

 jan 58 #N/A

feb 60 58 4

mar 50 58.2 67.24

apr 57 57.38 0.1444

mei 64 57.342 44.328964

 jun 60 58.0078 3.96886084

 jul 53 58.20702 27.11305728

agu 49 57.686318 75.4521204

sept 56 56.8176862 0.668610722

okt 65 56.73591758 68.29505824

nov 70 57.56232582 154.695739

des 55 58.80609324 14.48634575

MSE = {sum ( forecast-demand )^2 }/11 41.85392329

Nilai Error dari Exponential Forecasting adalah

40 

45 

50 

55 

60 

65 

70 

75 

80 

85 

90 

an  feb  mar  apr  mei  un  ul  agu  sept  okt  nov  des 

Unit Demand 

Demand  Alpha = 0.1