Pemulusan eksponensial adalah bentuk peramalan deret waktu yang menggunakan rata-rata tertimbang dari pengamatan masa lalu untuk memperkirakan nilai saat ini dan masa depan. Ini dapat digunakan untuk memperkirakan data non-musiman, seperti penjualan atau inventaris, atau untuk data musiman, seperti kinerja iklim atau kampanye.
Pemulusan eksponensial bekerja dengan menyesuaikan secara progresif estimasi nilai masa depan berdasarkan data historis terkini. Ini memberikan bobot yang lebih besar pada titik data yang lebih baru, dan bobot yang lebih kecil pada titik data yang lebih lama. Dengan melakukan hal ini, teknik pemulusan eksponensial mampu menangkap tren terkini dalam data sekaligus mengurangi jumlah noise yang biasanya muncul pada titik data yang jauh dari waktu saat ini.
Berbeda dengan teknik peramalan lainnya, seperti model autoregressive moving average (ARMA), pemulusan eksponensial relatif mudah dipahami dan diterapkan. Kesederhanaannya menjadikannya alat yang berguna untuk meramalkan titik data jangka pendek dalam model komputer.
Pemulusan eksponensial juga dikenal sebagai rata-rata pergerakan tertimbang eksponensial (EWMA).
