Metode Pemulusan Eksponensial (Exponential Smoothing Model)

Dalam model peramalan pemulusan eksponensial, apabila forecast error adalah positif, yang berarti nilai aktual permintaan lebih tinggi daripada nilai ramalan (A-F > 0), maka model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan. Sebaliknya apabila forecasts error adalah negatif, yang berarti nilai aktual permintaan lebih rendah daripada nilai ramalan (A-F < 0), maka model pemulusan eksponensial akan secara otomatis menurunkan nilai ramalan. Proses penyesuaian ini berlangsung terus-menerus, kecuali apabila forecasts error telah mencapai nol. Kenyataan inilah yang mendorong peramal (forecaster) lebih suka menggunakan model peramalan pemulusan eksponensial, apabila pola histories dari data aktual permintaan bergejolak atau tidak stabil dari waktu ke waktu.
Peramalan menggunakan metode pemulusan eksponensial dilakukan berdasarkan formula berikut:
Ft = Ft-1 + α (At-1 – Ft-1)
dimana:
Ft = nilai ramalan untuk periode waktu ke-t
Ft-1 = nilai ramalan untuk satu periode waktu yang lalu
α = koefisien pemulusan
At-1 = nilai aktual untuk satu periode waktu yang lalu

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan, α, yang diperkirakan tepat. Nilai konstanta pemulusan dapat dipilih di antara nilai 0 dan 1 karena berlaku 0 < α < 1. Bagaimanapun juga, untuk penetapan nilai α yang diperkirakan tepat, dapat digunakan panduan berikut:
• Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, dipilih nilai α = 0,9; namun dapat juga dicoba nilai-nilai α lain yang mendekati satu.
• Apabila pola historis dari data aktual permintaan cenderung stabil dari waktu ke waktu, dipilih nilai α = 0,1; namun dapat juga dicoba nilai-nilai α yang lain yang mendekati nol.