Apa itu Exponential Smoothing?
Exponential smoothing adalah metode perkiraan data waktu untuk data yang bervariasi yang bisa diperluas untuk mendukung data dengan tren sistematis atau komponen musiman. Metode exponential smoothing adalah metode alternatif yang biasa digunakan seperti metode ARIMA Box Jenkins.
Bagaimana Cara Menghitung Exponential Smoothing?
Adapun langkah-langkah di dalam cara menghitung exponential smoothing sebagai berikut :
1. Menghitung koefisien α
2. Menghitung nilai peramalan periode pertama
3. Menghitung nilai peramalan di keseluruhan periode
4. Menghitung akurasi peramalan dengan peta kontrol Tracking Signal
5. Membuat grafik peta kontrol Tracking Signal
Cara menghitung Exponential Smoothing adalah dengan memberikan bobot secara eksponensial atau bertingkat pada data-data terbaru sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih besar. Metode exponential smoothing digunakan untuk menghitung data dengan menggunakan data permintaan aktual beberapa bulan yang telah berlalu dimana data cenderung tidak stabil dan berubah-ubah setiap waktu
rumus exponential smoothing adalah sebagai berikut :
 |
| Gambar 1.0 Rumus Exponential smoothing |
keterangan:
Ft = nilai ramalan untuk periode ke-t
At-1= nilai aktual periode ke t
Ft-1 = nilai ramalan untuk periode waktu yang lalu; t-1
α = konstanta pemulusan (smoothing constant)
Dengan catatan :
* Apabila data permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu maka dengan memilih nilai α yang mendekati 1, seperti 0,9 atau 0,8 dst
* Apabila data permintaan relatif stabil atau tidak bergejolak dari waktu ke waktu maka dengan memilih nilai α yang mendekati 0, seperti 0,1 atau 0,2 dst
* Untuk angka pertama dalam rumus, diperoleh dari rata-rata data permintaan aktual dibagi 12 bulan
Di dalam menentukan nilai α dengan cara trial dan error sesuai catatam di atas, saudara juga bisa menghitung dengan rumus α =(2/n+1)
Contoh soal exponential smoothing sebagai berikut
Anita membuat masker dan ia menjualnya secara offline dengan memajang masker home made di Tokonya. Data permintaan pada bulan Januari 32 masker, bulan Februari 56 masker, bulan Maret 48 masker, bulan April 63 masker. bulan Mei 35 masker, bulan Juni 47 masker, bulan Juli 49 masker, bulan Agustus 57 masker, bulan September 62 masker, bulan Oktober 65 masker, bulan November 58 masker, bulan Desember 53 masker. kemudian Anita memperkirakan berapa perkiraan masker yang dijual pada bulan Januari 2022? Maka mari kita membantu Anita dengan metode peramalan exponential smoothing.
Data permintaan yang dimiliki oleh Toko Anita terlampir dalam tabel 1.0 dibawah ini.
 |
| Tabel 1.0, Permintaan Aktual Masker Anita selama 12 bulan |
Sebagaimana tahapan langkah di atas, maka yang pertama dihitung adalah menentukan koefisien α, dengan rumus α =(2/n+1), α = (2/12+1) = 1,53846 atau dibulatkan menjadi 0,2
Langkah ke 2 yakni menghitung nilai peramalan periode pertama,
Cara menghitungnya yakni dengan menjumlahkan keseluruhan data permintaan kemudian dibagi dengan banyaknya periode yang ada, dimana total keseluruhan permintaan adalah 625 dibagi banyaknya periode sebanyak 12 periode sehingga, F (1) = 625/12 = 52,08
Langkah ke 3 yakni menghitung nilai peramalan di keseluruhan periode.
F2= 52,08+0,2x(32-52,08) = 48,07
F3 = 48,07 + 0,2 x (56 – 48,07) = 49,65
F4 = 49,65 + 0,2 x (48 – 49,65) = 49,32
F5 = 49,32 + 0,2 x (63 – 49,32) = 52,06
F6 = 52,06 + 0,2 x (35 – 52,06) = 48,65
F7 = 48,65 + 0,2 x (47 – 48,65) = 48,32
F8 = 48,32 + 0,2 x (49 – 48,32) = 48,45
F9 = 48,45 + 0,2 x (57 – 48,45) = 50,16
F10 = 50,16 + 0,2 x (62 – 50,16) = 52,53
F11 = 52,53 + 0,2 x (65 – 52,53) = 55,02
F12 = 55,02 + 0,2 x (58 – 55,02) = 55,62
F13 = 55,62 + 0,2 x (53 – 55,62) = 55,10
Sehingga dari hasil permalan menggunakan exponential smoothing diperoleh hasil bahwa permintaan di bulan Januari 2022 sebesar 55,10 unit atau dibulatkan menjadi 55 unit
Bagaimana Cara Menghitung Exponential Smoothing di Excel?
Langkah-langkah di dalam Cara Menghitung Exponential Smoothing di Excel sebagai berikut:
1.Saudara membuat dahulu tabel sesuai dengan tabel 1.1 di bawah dengan menggunakan microsoft excel,
 |
| Tabel 1.1, Perhitungan Exponential Smoothing |
2.Untuk menghitung nilai kolom ketiga tentang nilai peramalan pada periode ke 1 atau periode bulan januari dengan menjumlahkan permintaan aktual kemudian membagi dengan 12 sehingga memperoleh nilai 52,08, nilai 12 diperoleh dari perhitungan bulan. rumus di excel sebagaimana gambar di bawah :
 |
| Gambar 1.1 |
3.Selanjutnya di kolom ke 2 kita menggunakan rumus exponential smoothing
Ft = Ft-1 + α(At-1 – Ft-1), kolom ketiga baris indeks ke 2 mendapatkan hasil 48,07 dari perhitungan
F2= 52,08+0,2x(32-52,08), hal tersebut dilakukan secara kontinyu sampai kolom ke tiga belas adapun di excel saudara bisa menginput rumus sebagaimana gambar 1.1 di bawah, untuk hasil selanjutnya ke bawah saudara bisa langsung mendragnya ke bawah
 |
| gambar 1.2. rumus exponential smoothing di excel |
4. Hasil peramalan dengan exponential smoothing terlihat di tabel 1.2 di bawah. dimana hasil peramalan menunjukkan permintaan di bulan Januari 2022 sebesar 55,10. atau dibulatkan menjadi 55 unit.
 |
| Tabel 1.2 |
Hasil peramalan harus diuji menggunakan peta kontrol tracking signal, untuk melihat keandalan perhitungan exponential smoothing.
Menghitung Akurasi Peramalan Dengan Peta Kontrol Tracking Signal
Langkah-langkah di dalam menghitung akurasi peramalan dengan peta kontrol tracking signal di excel sebagai berikut :
1. Kolom error berisi dari pengurangan kolom aktual dengan kolom forecast.
2. Kolom RSFE diperoleh dari kumulatif (penjumlahan) kolom error. Di kolom baris periode ke 2 terlihat nilai -12,15 diperoleh dari menjumlahkan -20,08 + 7,93 = -12,15.
3. Kolom absolut error diperoleh dengan meng absolut kan nilai pada kolom error. Yang dimaksud dengan mengabsolutkan adalah nilai negatif berubah menjadi nilai positif. di excel saudara bisa ketikkan rumus =abs (kolom error) sebagaimana gambar 1.2 di bawah.
 |
| Gambar 1.3. rumus absolut di excel |
4. Kolom kumulatif absolut error berisi dari kumulatif (penjumlahan) nilai kolom absolut error.
5. Kolom MAD berasal dari pembagian kolom kumulatif absolut error dengan kolom periode.
6. Kolom Tracking signal diperoleh dengan membagi Kolom RSFE dengan Kolom MAD
 |
| Tabel 1.3 |
Hasil perhitungan di atas selanjutnya akan kita buat untuk grafik peta kontrol tracking signal
Cara Membuat Grafik Peta Kontrol Tracking Signal Di Excel
Sebagaimana tahapan dalam cara menghitung exponential smoothing, maka perlu dibuat grafik peta kontrol tracking signal untuk mengetahui apakah nilai tracking signal melebih batas kontrol atau tidak,
1. Seleksi atau pilih tabel di kolom tracking signal sebagaimana gambar di bawah :
 |
| Tabel 1.4 |
2. Pilih menu insert, kemudian pilih sub menu line di group chart, klik dan pilih tipe stacked line, klik lagi.
 |
| Gambar 1.4 |
3. Kemudian muncul sub menu design, arahkan kursor di sub menu layout, pilih layout yang ke 9. sehingga hasilnya sebagaimana di bawah
 |
| Gambar 1.5 |
4.Setelah hasil tampak seperti gambar di atas, lanjutkan untuk membuat batas atas dan batas bawah peta kontrol tracking signal dengan mengklik menu layout>klik sub menu Axes>klik primary vertical axis>klik more primary vertical Axis options, sebagaimana gambar di bawah.
 |
| Gambar 1.6 |
5. Setelah muncul kota dialog options, berupa kotak Format Axis, atur mazimum mencapai nilai 4, dan nilai minimum adalah -4, sebagaimana gambar di bawah.
 |
| Gambar 1.7 |
6. Hasil grafik peta kontrol tracking signal terlihat seperti gambar di bawah, untuk menambahkan tulisan BKA (Batas Kontrol Atas) dan BKB (Batas Kontrol Bawah) saudara bisa tambahkan melalui add tezt.
 |
| Gambar 1.8 Peta Kontrol Tracking Signal |
sebagaimana gambar di bawah, dimana di dalam gambar menunjukkan bahwa sebaran titik-titik tracking signal tersebar merata baik pada nilai positif dan negatif. serta tidak melebihi batas kontrol atas batas kontrol di atas, sehingga ES dengan α 0,2 dapat kita gunakan dalam metode peramalan diatas.
