Exponential Smoothing
-
Upload
azka-rianto -
Category
Documents
-
view
15 -
download
1
description
Transcript of Exponential Smoothing
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