Single Moving Average (Metode Rata-rata Bergerak Tunggal)

Single Moving Average (Metode Rata-rata Bergerak Tunggal)

Single Moving Average (Metode Rata-rata Bergerak Tunggal)

Metode single moving average merupakan metode yang mudah penghitungannya. Tujuan utama dari penggunaan metode ini adalah untuk menghilangkan atau mengurangi acakan (randomness) dalam deret waktu. Metode single moving average mula-mula memisahkan unsur tren siklus dari data dengan menghitung rata-rata bergerak yang jumlah unsurnya sama dengan panjang musiman. Nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang paling lama dan memasukkan nilai observasi baru. Rata-rata berggerak inilah yang kemudian dijadikan ramalan untuk periode yang akan datang. Adapun pendekatan yang dapat digunakan adalah:
Σ
Dimana: Ft+1 = peramalan pada periode t+1
X1 = nilai aktual
t = jumlah observasi rata-rata bergerak
Contoh: Selaku manajer garmen, Anda ingin melakukan peramalan tingkat permintaan jaket Anda pada tahun 2013. Adapun data masa lampau untuk tingkat permintaan jaket adalah (dalam ribuan pcs):
Tahun (1) 2001 = 386 pcs
Tahun (2) 2002 = 340 pcs
Tahun (3) 2003 = 390 pcs
Tahun (4) 2004 = 368 pcs
Tahun (5) 2005 = 425 pcs
Tahun (6) 2006 = 440 pcs
Tahun (7) 2007 = 410 pcs
Tahun (8) 2008 = 466 pcs
Tahun (9) 2009 = 330 pcs
Tahun (10) 2010 = 350 pcs
Tahun (11) 2011 = 375 pcs
Tahun (12) 2012 = 380 pcs

Jika menggunakan rata-rata bergerak tiga bulanan maka cara penghitungan untuk periode 13 (tahun 2013) adalah;
Jika ingin melakukan peramalan pada periode 14 (tahun 2014 maka data yang digunakan untuk melakukan rata-rata bergerak dari periode kedua sampai keempat, yaitu:
dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya.
Apabila menggunakan rata-rata bergerak lima bulanan maka cara penghitungan untuk periode 13 dan 14 (tahun 2013, 2014) adalah dengan cara merata-rata lima data, yaitu:

dan demikian seterusnya jika melakukan peramalan permintaan untuk periode berikutnya.
c. Single Exponential Smoothing (Pemulusan Eksponensial Tunggal)
Metode ini menunjukkan adanya karakteristik dari pemulusan data dengan menambahkan suatu faktor yang sering disebut dengan konstanta pemulusan (smoothing constant) dengan simbol alpha (α). Pemulusan eksponensial salam bentuk sederhana tidak memperhitungkan pengaruh tren sehingga nilai α sangat kecil dan dapat dihilangkan. Nilai α rendah cocok pada permintaan produk yang stabil (tanpa tren atau variasi siklikal). Sedangkan nilai α tinggi untuk perubahan-perubahan yang sesungguhnya cenderung terjadi karena lebih tanggap terhadap permintaan yang fluktuatif. Nilai α tinggi ini digunakan pada analisis data pada pengenalan produk baru, kampanye promosi, antisipasi terhadap resesi, dan juga sesuai bagi industri pakaian jadi yang memerlukan tanggapan yang cepat. Metode single exponential smoothing ini dapat didekati dengan rumus:
dimana: Xt = nilai aktual terbaru
Ft = peramalan terakhir
Ft+1 = peramalan untuk periode yang akan datang
α = konstanta pemulusan

Contoh.
Selaku manajer garmen, Anda ingin melakukan peramalan tingkat permintaan jaket Anda pada bulan Januari dan Februari 2013. Adapun data masa lampau untuk tingkat permintaan jaket adalah (dalam ribuan pcs):
Bulan (1) = 386 pcs Bulan (7) = 410 pcs
Bulan (2) = 340 pcs Bulan (8) = 466 pcs
Bulan (3) = 390 pcs Bulan (9) = 330 pcs
Bulan (4) = 368 pcs Bulan (10) = 350 pcs
Bulan (5) = 425 pcs Bulan (11) = 375 pcs
Bulan (6) = 440 pcs Bulan (12) = 380 pcs
Tabel 8. Rekapitulasi permintaan jaket dan perhitungan dengan metode single exponential smoothing Periode (bulan) Data permintaan Nilai ramalan dengan konstanta pemulusan α=0,2
Januari 2012
386
Februari
340
F13= 0,2(386)+(1-0,2)(386) = 386
Maret
390
F14= 0,2(340)+(1-0,2)(386) = 376,8
April
368
F15= 0,2(390)+(1-0,2)(376,8) = 379,44
Mei
425
F16= 0,2(368)+(1-0,2)(379,44) = 377,152
Juni
440
F17= 386,722
Juli
410
F18= 397,377
Agustus
466
F19= 399,901
September
330
F20= 413,121
Oktober
350
F21= 396,497
November
375
F22= 387,197
Desember
380
F23= 384,758
Jadi dari peramalan dengan menggunakan metode single exponential smoothing dapat diketahui bahwa tingkat permintaan jaket pada Januari 2013 adalah sebanyak 386.000 pcs dan pada Februari 2013 sebesar 376.800 pcs.