Forecasting HMM, Double exponential smoothing,fuzzy mamdani,

Exponential Smoothing adalah suatu prosedur yang secara terus menerus memperbaiki peramalan dengan cara menghitung nilai rata-rata .

Yaitu dengan cara menghaluskan /smoothing nilai sebelumnya dengan cara exponential.
caranya dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk memprediksi nilai masa depan.


MACAM-MACAM METODE

1.      Single Exponentials Smoothing

 Model mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten berdasarkan time series , yaitu melalui penggunaan sebuah konstanta smoothing (penghalus).

Konstanta smoothing mungkin berkisar dari 0 ke 1. Nilai yang dekat dengan 1 memberikan penekanan terbesar pada nilai saat ini sedangkan nilai yang dekat dengan 0 memberi penekanan pada titik data sebelumnya.

Rumus untuk Simple exponential smoothing adalah sebagai berikut:

S_t = α * X_t + (1 – α) * S_t-1

dimana:
St = peramalan untuk periode t.
Xt + (1-α) = Nilai aktual time series
Ft-1 = peramalan pada waktu t-1 (waktu sebelumnya)
α = konstanta perataan antara 0 dan 1


2.Double Exponentials Smoothing

Metode ini digunakan ketika berbentuk data trend.
Ada dua metode dalam Double Exponential Smoothing, yaitu :

a)      Metode Linier Satu Parameter dari Brown’s
Metode ini dikembangkan oleh Brown’s untuk mengatasi perbedaan yang muncul antara data aktual dan nilai peramalan apabila ada trend pada poltnya. Dasar pemikiran dari pemulusan eksponensial linier dari Brown’s adalah serupa dengan rata-rata bergerak linier (Linier Moving Average), karena kedua nilai pemulusan tunggal dan ganda ketinggalan  dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda ditambahkan kepada nilai pemulusan dan disesuaikan untuk trend. Persamaan yang digunakan pada metode ini adalah :