Data yang memiliki karakteristik bertipe siklus dan musiman cenderung lebih cocok menggunakan metode Weight Moving Average (WMA). Sebaliknya, data yang memiliki kecenderungan tren tertentu bisa menggunakan metode Single Exponential Smoothing (SES).
Dua metode forecasting ini bisa dibilang sebagai metode yang paling sederhana untuk menghitung proyeksi angka penjualan atau sejenisnya pada waktu-waktu mendatang. Walaupun sebenarnya masih ada cukup banyak beberapa metode forecasting yang lain, namun dengan menggunakan dua metode tersebut kita sudah bisa melihat hasil proyeksi setidaknya untuk satu periode mendatang.
Tahap Keempat: Menghitung Forecasting
Berikut ini merupakan rekaman data penjualan produk bulanan selama 9 bulan terakhir. Semua data tersebut akan dijadikan sebagai rujukan untuk memperkirakan angka penjualan produk pada periode ke-10, ke-11, dan seterusnya.
Yang harus dipahami terkait forecasting ini adalah semakin panjang periode yang ingin diproyeksikan maka tingkat akurasinya akan semakin berkurang. Dengan kata lain, proyeksi penjualan produk pada bulan ke-10 adalah yang paling mendekati.Â
Semakin jauh jangkauan proyeksinya yaitu untuk menebak periode ke-11 dan selanjutnya tingkat akurasinya akan semakin berkurang.
Sebelum menentukan metode mana yang sebaiknya dipakai untuk membuat proyeksi forecasting dari data penjualan yang sudah ada tersebut, terlebih dahulu kita perlu mengetahui pola persebaran datanya. Dengan bantuan grafik pada aplikasi Microsoft Excel, kita bisa memeriksa garis tren yang terjadi pada data tersebut. Apakah bertipe naik, turun, atau landai saja.
Apabila garis tren menunjukkan pola yang bergerak naik atau turun maka kita bisa menganggapnya bertipe data tren. Sedangkan, apabila garis tren cenderung landai maka kita bisa mengelompokkannya sebagai bagian dari tipe data musiman, siklus, ataupun random.
Kita bisa menggunakan rumusan metode WMA apabila tipe datanya tergolong musiman, random, atau siklus. Jika tipe datanya cenderung menunjukkan tren maka metode SES bisa diaplikasikan.
