MANAJEMEN OPERASI

Dosen : Dr. Anton A Setyawan, MSi

FORECASTING METHODS
OLEH :
IAN ARDO FATAS
NIM. P!""!#""$$
MAGISTER MANAJEMEN
%NIERSITAS M%HAMMADI&AH S%RA'ARTA
$"!#
A. PENGERTIAN
Setiap hari para manajer membuat keputusan tanpa mengetahui apa yang akan terjadi di
masa depan. Mereka memesan persediaan tanpa mengetahui bagaimana penjualan, membeli
peralatan baru tanpa kejelasan mengenai permintaan produk, dan membuat investasi tanpa
mengetahui bagaimana keuntungannya. Para manajer selalu berusaha membuat prediksi apa
yang akan terjadi di masa depan dalam lingkup ketidakpastian. Membuat prediksi yang baik
adalah tujuan utama dari peramalan.
Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang
meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan
dalam rangka memenuhi permintaan barang ataupun jasa. Selain itu peramalan juga
didefinisikan sebagai seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini
dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke
masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi
intuisi yang bersifat subjektif. Atau bias juga dengan menggunakan kombinasi model
matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.
Peramalan fore!asting" merupakan alat bantu yang penting dalam peren!anaan yang
efektif dan efisien khususnya dalam bidang ekonomi. Peramalan mempunyai peranan
langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali manajemen,
seperti# ekonomi, pelanggan, pesaing, pemerintah dan lain sebagainya.
Peramalan permintaan memegang peranan penting dalam peren!anaan dan pengambilan
keputusan khususnya dibidang produksi. Aktivitas manajemen operasi menggunakan
peramalan permintaan dalam peren!anaan yang menyangkut skedul produksi, peren!anaan
pemenuhan kebutuhan bahan, peren!anaan kebutuhan tenaga kerja, peren!anaan kapasitas
produksi, peren!anaan layout fasilitas, penentuan lokasi, pemenuhan metode proses,
penentuan jumlah mesin, desain aliran bahan dan lain sebagainya. Peranan ini disebabkan
adanya tenggang waktu antara suatu peristiwa dengan kebutuhan mendatang.
$alaupun terdapat banyak bidang lain yang memerlukan peramalan permintaan, namun
aktivitas manajemen operasi di atas merupakan bentuk khas dari keperluan peramalan
permintaan baik jangka pendek, menengah mauppun jangka panjang. Pada gilirannya,
perusahaan perlu memiliki pengetahuan dan ketrampilan yang meliputi#
%" &dentifikasi dan definisi masalah peramalan.
'" Aplikasi metode peramalan.
(" Pemilihan metode peramalan yang tepat untuk situasi tertentu.
)" *ukungan manajemen untuk menggunakan metode peramalan tertentu
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena
perubahan permintaannya relatif ke!il. +etapi peramalan akan sangat dibutuhkan bila kondisi
permintaan pasar bersifat kompleks dan dinamis. Hanya sedikit bisnis yang dapat
menghindari proses peramalan dan hanya menunggu apa yang terjadi untuk kemudian
mengambil kesempatan. Peren!anaan yang efektif baik untuk jangka panjang maupun
bergantung pada peramalan permintaan untuk produk perusahaan tersebut.
(. MERAMAL HORI)ON *A'T%
Peramalan biasanya diklasifikasikan berdasarkan hori,on waktu masa depan yang
di!akupnya. Hori,on waktu terbagi atas beberapa kategori#
Peramalan jangka pendek. Peramalan ini men!akup jangka waktu hingga % tahun
tetapi umumnya kurang dari ( bulan. Peramalan ini digunakan untuk meren!anakan
pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat
produksi.
Peramalan jangka menengah. Peramalan jangka menengah, atau intermediate,
umumnya men!akup hitungan bulanan hingga ( tahun. Peramalan ini berguna untuk
meren!anakan penjualan, peren!anaan !lan anggaran produksi, anggaran kas, !lan
menganallsis berma!am-ma!am ren!ana operasi.
Peramalan jangka panjang. .mumnya untuk peren!anaan masa ( tahun atau lebih.
Peramalan jangka panjang digunakan untuk meren!anakan produk baru,
pembelanjaan modal, lokasi atau pengembangan fasilitas, Berta penelitian !lan
pengembangan litbang".
Peramalan jangka menengah !lan jangka panjang dapat dibedakan dari peramalan
jangka pendek dengan melihat tiga hal#
Pertama, peramalan jangka menengah !lan jangka panjang berkaitan dengan
permasalahan yang lebih menyeluruh !lan mendukung keputusan manajemen
yang berkaitan dengan peren!anaan produk, pabrik, !lan proses. Menetapkan
keputusan akan fasilitas, seperti misalnya keputusan seorang manajer umum
untuk membuka pabrik manufaktur baru di Brasil, dapat memerlukan waktu
/-0 tahun sejak permulaan hingga benar-benar selesal se!ara tuntas.
1edua, peramalan jangka pendek biasanya menerapkan metodologi yang
berbeda dibandingkan peramalan jangka panjang. +eknik matematika, seperti
rata-rata bergerak, penghalusan eksponensial, !lan ekstrapolasi tren yang
kesemuanya akan dibahas sebentar lagi" umumnya !likenal untuk peramalan
jangka pendek. 2ebih sedikit metode kuantitatif yang berguna untuk
meramalkan suatu permasalahan, misalnya apakah suatu produk baru seperti
perekam disk optik perlu dimasukkan dalam lint produk perusahaan.
Akhirnya, sebagaimana yang mungkin Anda perkirakan, peramalan jangka
pendek !enderung lebih tepat dibandingkan peramalan jangka panjang.
3aktor-faktor yang mempengaruhi perubahan permintaan berubah setiap hari.
*engan demikian, sejalan dengan semakin panjangnya hori,on waktu,
ketepatan peramalan seseorang !enderung semakin berkurang. Peramalan
penjualan harus diperbarul se!ara berkala untuk menjaga nilai !lan
integritasnya. Peramalan harus selalu dikaji ulang dan direvisi pada setiap
akhir periode penjualan.
Pen+ar,- Si./,s Hi0,1 Pro0,.
3aktor lain yang harus dipertimbangkan saat membuat peramalan penjualan, terutama
peramalan penjualan jangka panjang, adalah siklus hidup produk. penjualan produk dan
bahkan jasa, ti!lak terjadi pada tingkat yang konstan sepanjang hidupnya.
Hampir semua produk yang berhasil melalui empat tahapan#
%. Perkenalan
'. Pertumbuhan
(. 1ematangan
). Penurunan.
Produk dalam dua tahapan pertama siklus produk seperti virtual reality !lan +4 dengan
fitur beresolusi tinggi" membutuhkan peramalan yang lebih panjang daripada produk yang
beradapada tahapan matang dan penurunan seperti disket (%5' in!i dan mobil penumpang".
Peramalanyang menggambarkan siklus hidup, berguna dalam memproyeksikan tingkat
penempatan pekerjayang berbeda-beda, penentuan tingkat persediaan dan kapasitas pabrik
sepanjang produk melewati tahapan awal hingga akhir.
C. JENIS PERAMALAN
6rganisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam peren!anaan
operasi di masa depan#
Peramalan ekonomi e!onomi! fore!ast" menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan, dan indikator peren!anaan lainnya.
Peramalan teknologi te!hnologi!al fore!ast" memperhatikan tingkat kemajuan
teknologi yang dapat melun!urkan produk baru yang menarik, yang membutuhkan
pabrik dan peralatan baru.
Peramalan permintaan demand fore!ast" adalah proyeksi permintaan untuk produk
atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang
mengendalikan produksi, kapasitas, Berta sistem penjadwalan dan menjadi input bagi
peren!anaan keuangan, pemasaran, dan sumber daya manusia.
Peramalan ekonomi dan teknologi adalah teknik khusus yang mungkin bukan
termasuk bagian dari tugas manajer operasi. 1arena itu penekanan pada buku ini
adalah pada peramalan permintaan.
D. 'EPENTINGAN STRATEGIS PERAMALAN
Peramalan yang balk sangat penting dalam semua aspek bisnis# Peramalan merupakan satu-
satunya prediksi atas permintaan hingga permintaan yang sebenarnya diketahui. Peramalan
permintaan mengendalikan keputusan di banyak bidang.
Berikut ini akan dibahas dampak peramalan produk pada tiga aktivitas#
%. Sumber daya manusia
'. 1apasitas
(. Manajemen rantai-pasokan supply-!hain management".
Sumber *aya Manusia
Mempekerjakan, melatih, dan memberhentikan pekerja, semuanya bergantung pada
permintaan. jika departemen sumber daya manusia harus mempekerjakan pekerja
tambahan tanpa adanya persiapan, akibatnya kualitas pelatihan menurun dan kualitas
pekerja juga menurun. Sebuah perusahaan kimia besar di 2ouisiana hampir
kehilangan konsumen terbesarnya saat melakukan ekspansi !epat yang
memberlakukan shift tanpa henti ') jam, yang mengakibatkan rendahnya
pengendalian kualitas pada shift kedua dan ketiga.
1apasitas
Saat kapasitas tidak men!ukupi, kekurangan yang diakibatkannya bisa berarti tidak
terjaminnyapengiriman, kehilangan konsumen, dan kehilangan pangsa pasar. &nilah
yang terjadi pada 7abis!o saat la melakukan kesalahan dengan menghitung terlalu
rendah permintaan untuk biskuit barn bernama Sna!kwell *evil8s 3ood yang rendah
kalori, yang ternyata permintaannya sangat besar. Bahkan dengan bekerja lembur,
7abis!o tidak bisa memenuhi permintaan, dan kehilangan konsumen. +etapi jika
kapasitas dibangun berlebihan, biayanya bisa melonjak tajam.
Manajemen 9antai Pasokan
Hubungan yang balk dengan pemasok, dan harga barang dan komponen yang
bersaing, bergantung pada peramalan yang akurat. Sebagai !ontoh, manufaktur
pembuat mobil yang menginginkan +9$ :orp. menjamin ketersediaan kantung
udara airbag" yang !ukup, harus menyediakan ramalan yang akurat untuk
membenarkan ekspansi pabrik +9$. *alam pasar global, di mana komponen mahal
untuk jet Boeing ;;; dibuat di lusinan negara, koordinasi yang dikendalikan oleh
peramalan sangat penting. Penjadwalan transportasi ke Seattle untuk perakitan akhir
pada biaya serendah mungkin berarti tidak ada kejutan tiba-tiba di akhir waktu yang
akan menurunkan margin keuntungan yang sudah rendah.
E. T%J%H LANG'AH SISTEM PERAMALAN
Peramalan terdiri dari tujuh langkah dasar. *isini +upperware :orporation, yang dijadikan
fokus Profil Perusahaan <lobal dan akan digunakan sebagai !ontoh setiap langkah.
%" Menetapkan tujuan peramalan. +upperware menggunakan peramalan permintaan untuk
mengendalikan produksi pada %( pabriknya.
'" Memilih unsur apa yang akan dismal. +upperware yang memiliki lebih dari )== produk,
dengan unit simpan produknya sto!k-keeping unit>S1." masing-masing. +upperware
melakukan peramalan permintaan sesuai dengan pengelompokan produk ini.
(" Menentukan hori,on waktu peramalan. Apakah ini merupakan peramalan jangka pendek,
menengah, atau jangka panjang? +upperware menyusun prediksi penjualan bulanan,
kuartalan, dan tahunan.
)" Memilih tipe model peramalan. +upperware menggunakan beragam model statistik yang
akan didiskusikan, termasuk rata-rata bergerak, penghalusan eksponensial, dan analisis
regresi. Selain itu juga model yang menggunakan penilaian subjektif atau nonkuantitatif.
/" Mengumpulkan data yang diperlukan untuk melakukan peramalan. 1antor pusat
+upperware mempunyai database yang besar untuk mengawasi penjualan setiap produk.
@" Membuat peramalan.
;" Memvalidasi dan menerapkan basil peramalan. Pada +upperware, peramalan dikaji di
departemen penjualan, pemasaran, keuangan, dan produksi untuk memastikan bahwa
model, asumsi, dan data yang digunakan sudah valid. Perhitungan kesalahan dilakukanA
kemudian peramalan digunakan untuk menjadwalkan bahan, peralatan, dan pekerja pada
setiap pabrik.
+ujuh langkah ini menyajikan jalan yang sistematis untuk memulai, mendesain, dan
menerapkan sistem peramalan. Apabila sistem tersebut digunakan untuk
menghasilkan ramalan berkala, maka data harus dikumpulkan se!ara rutin. 1emudian
perhitungan aktual dibuat dengan bantuan komputer.
+erlepas dari sistem yang digunakan oleh perusahaan seperti +upperware, setiap perusahaan
menghadapi beberapa kenyataan#
Peramalan jarang ada yang sempurna. Hal ini berarti faktor luar yang tidak dapat kita
duga atau kendalikan sering mempengaruhi peramalan. Perusahaan harus
memberikan kelonggaran untuk kenyataan ini.
Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil.
6leh karena itu, beberapa perusahaan membuat ramalan se!ara otomatis
menggunakan komputer dengan software peramalan, dan hanya mengawasi produk
yang mempunyai permintaan tidak menentu.
Baik peramalan kelompok produk maupun peramalan se!ara keseluruhan lebih akurat
daripada peramalan produk individu. Sebagai !ontoh, +upperware, melakukan
peramalan melalui pengelompokkan ukuran produk dan daerah pemasaran.
pendekatan ini menolong menyeimbangkan prediksi yang mungkin kurang atau
berlebih untuk setiap produk dan daerah pemasaran.
F. METODE PERAMALAN PERMINTAAN
Banyak jenis metode peramalan yang tersedia untuk manajemen. 7amun yang lebih
penting bagi para praktisi adalah bagaimana memahami karakteristik suatu metode
peramalan agar !o!ok bagi situasi pengambilan keputusan tertentu. Se!ara umum metode
peramalan dapat dibagi dalam dua ketegori utama, yaitu metode kuantitatif dan metode
kualitatif. Metode kuantitatif dapat dibagi ke dalam deret berkala atau kurun waktu time
series) dan metode kausal, sedangkan metode kualitatif dapat dibagi menjadi metode
eksploratoris dan normative.
Metode kuantitatif sangat beragam dan setiap teknik memiliki sifat, ketepatan dan biaya
tertentu yang harus dipertimbangkan dalam memilih metode tertentu. .ntuk menggunakan
metode kuantitatif terdapat tiga kondisi yang harus dipenuhi, yaitu#
%. +ersedia informasi tentang masa lalu
'. &nformasi tersebut dapat dikuantitatifkan dalam bentuk numeri!
(. *iasumsikan bahwa beberapa pola masa lalu akan terus berlanjut
METODE R%NT%N *A'T%
Metode runtun waktu atau sering disebut metode deret waktu atau deret berkala
menggambarkan berbagai gerakan yang terjadi pada sederetan data pada waktu tertentu.
2angkah penting dalam memiliki metode runtunwaktu adalah dengan
mempertimbangkan jenis pola data. Pola data dapat dibedakan menjadi empat jenis siklus
dan trend makriadis & wheelright, %B0(", yaitu#
Pola hori,ontal, terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang
konstan.
Pola musiman, terjadi bilamana suatu deret dipengaruhi oleh fa!tor musiman.
Pola siklus, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti siklus bisnis.
Pola trend, terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang
dalam data.
METODE GERA'AN TREND
Anggapan yang mengatakan bahwa garis trend seharusnya merupakan garis linear tidak
selalu demikian. +erdapat empat !ara yang biasa digunakan untuk mengukur gerakan
trend, yaitu#
Metode bebas freehand method)
Metode setengah-setengah semi average method)
Metode rata-rata bergerak moving average method)
Metode kuadrat terke!il least quares method)
METODE ARIASI M%SIM
+erdapat empat !ara yang umumnya digunakan untuk mengukur variasi musim, yaitu#
Metode rata-rata sederhana
Metode perbandingan dengan trend
Metode relative berantara
Metode perbandingan dengan rata-rata bergerak
Mereka dibagi ke dalam dua kategori#
%.Pendekatan naif
'.9ata-rata bergerak model time-series
(.Penghalusan eksponensial
).Proyeksi tren
/.9egresi linear model asosiatif
Model +ime-Series Model time-series membuat prediksi dengan asumsi bahwa
masa depan merupakan fungsi masa lalu. *engan kata lain, mereka melihat apa
yang terjadi selama kurun waktu tertentu, dan menggunakan data masa lalu
tersebut untuk melakukan peramalan. jika kita memperkirakan penjualan
mingguan mesin pemotong rumput, kita menggunakan data penjualan minggu lalu
untuk membuat ramalan.
Model Asosiatif Model asosiatif atau hubungan sebab akibat", seperti regresi
linear, menggabungkan variabel atau faktor yang mungkin mempengaruhi
kuantitas yang sedang diramalkan. Sebagai !ontoh, model asosiatif dari penjualan
mesin pemotong rumput mungkin memasukkan faktor seperti adanya perumahan
baru, anggaran Man, dan harga pesaing.
G. POLA DAN TE'NI' PERAMALAN
Teknik peramalan kualitatif atau subyektif (qualitative forecast)
+eknik peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman
pribadi, dan sistem nilai pengambil keputusan untuk meramal. +erdapat empat teknik
yang berbeda, yaitu #
'e1,t,san Dari Pen0a1at J,ri E.se.,ti2 3J,ry o2 E4e5,ti6e O1inion7. +eknik
peramalan yang meminta pendapat segolongan ke!il manajer tingkat tinggi dan
menghasilkan estimasi permintaan kelompok. *alam metode ini, pendapat
sekumpulan ke!il manajer atau pakar tingkat tinggi, sering dikombinasikan dengan
model statistik, dikumpulkan untuk mendapatkan prediksi kelompok.
Meto0e De/1-i 3Delphi Method7. +eknik peramalan yang menggunakan proses
kelompok dimana para pakar melakukan peramalan. Ada ( jenis peserta dalam
metode ini # pengambil keputusan, karyawan, dan responden. Pengambil keputusan
biasanya terdiri dari / hingga %= orang pakar yang akan melakukan peramalan.
1aryawan membantu pengambil keputusan dengan menyiapkan, menyebarkan,
mengumpulkan, serta meringkas sejumlah kuesioner dan hasil survei. 9esponden
adalah sekelompok orang, biasanya ditempatkan di tempat yang berbeda, dimana
penilaian dilakukan. 1elompok ini memberikan input pada pengambil keputusan
sebelum peramalan dibuat.
Ga8,n+an Dari Tena+a Pen9,a/an 3Sales Force Composite7. +eknik peramalan
berdasarkan prediksi tenaga penjualan akan penjualan yang diharapkan. *alam
pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa ia
lakukan dalam wilayahnya. Peramalan ini kemudian dikaji unutk memastikan apakah
peramalan !ukup realistis. 1emudian peramalan dikombinasikan pada tingkat
wilayah dan nasional untuk mendapatkan peramalan se!ara keseluruhan.
S,r6ei Pasar 'ons,:en 3Consumer Market Survey7. Metode peramalan yang
meminta input dari konsumen mengenai ren!ana pembelian mereka di masa depan.
Hal ini membantu tidak hanya dalam menyiapkan peramalan tetapi juga memperbaiki
desain produk dan peren!anaan produk baru. Survei konsumen dan gabungan tenaga
penjualan bisa jadi tidak benar, karena peramalan yang berasal dari input konsumen
yang terlalu optimis.
Teknik Peramalan Time Series
+eknik peramalan yang menggunakan sekumpulan data masa lalu untuk melakukan
peramalan. Model time-series membuat predikisi dengan asumsi bahwa masa depan
merupakan fungsi masa lalu. *engan kata lain, mereka melihat apa yang terjadi selama
kurun waktu tertentu, dan menggunakan data masa lalu tersebut untu melakukan
peramalan. Cika kita memperkirakan penjualan mingguan mesin pemotong rumput, kita
menggunakan data penjualan minggu lalu untuk membuat ramalan. +ime-series
mempunyai empat komponen, yaitu # +ren, Musim, Siklus, 4ariasi A!ak.
H. METODE PERAMALAN &ANG MENGG%NA'AN DATA MASA
LAL% :
%. Pendekatan !aif, teknik peramalan yang mengasumsikan permintaan, di periode
mendatang sama dengan permintaan terkini. +erbukti untuk beberapa jenis produk,
pendekatan naif naive approach" ini merupakan model peramalan objektif yang paling
efektif dan efesien dari segi biaya. paling tidak, pendekatan naif memberikan titik awal
untuk perbandingan dengan model lain yang lebih !anggih.
'. "ata#"ata $er%erak, metode peramalan yang menggunakan rata-rata dari sejumlah n"
data terkini untuk meramalkan periode mendatang. 9ata-rata bergerak berguna jika kita
dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita
ramalkan.
9ata-rata beergerak D E permintaan n periode sebelumnya
di mana n adalah jumlah periode dalam rata-rata bergerak>sebagai !ontoh, ), /, atau @
bulan, berarti rata-rata bergerak untuk ), /, atau @ periode.
Saat ada tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan
penekanan yang lebih pada mlai terkini. Praktik im membuat teknik peramalan lebih
tanggap terhadap perubahan karena periode yang lebih dekat mendapatkan bobot yang
lebih berat. Pemilihan bobot merupakan hal yang ti!lak pasti karena ti!lak ada rumus
untuk menetapkan mereka. 6leh karena itu, pemutusan bobot yang mana yang
digunakan, membutuhkan pengalaman. Sebagai !ontoh, jika bulan atau periode terakhir
diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang terlalu
!epat yang tidak biasa pada permintaan atau pola penjualan.
Baik rata-rata bergerak sederhana maupun rata-rata bergerak dengan pembobotan sangat
efektif dalam meredam fluktuasi pada pola permintaan untuk menghasilkan prediksi yang
stabil. 9ata-rata bergerak mempunyai tiga masalah#
%" Bertambahnya jumlah n jumlah periode yang dirata-rata" memang meredam
fluktuasi dengan lebih baik, tetapi membuat metode ini kurang sensitif terhadap
perubahan nyata pada data.
'" 9ata-rata bergerak tidak dapat menggambarkan tren dengan baik. 1arena merupakan
rata-rata, mereka akan selalu berada dalam tingkat yang sebelumnya dan tidak akan
memprediksikan perubahan ke tingkat yang lebih tinggi atau lebih rendah, yang
merupakan nilai aktual sesungguhnya.
(" 9ata-rata bergerak membutuhkan data masa lalu yang ekstensif.
$alaupun demikian, rata-rata bergerak dengan pembobotan biasanya bereaksi lebih
!epat saat terjadi perubahan permintaan. Bahkan saat periode menurun , rata-rata
bergerak dengan pembobotan dapat lebih mendekati permintaan aktual.

(. Pen%halusan &ksponensial 3&'ponential Smoothin%7
adalah teknik peramalan rata-rata bergerak dengan pembobotan dimana data diberi bobot
oleh sebuah fungsi eksponensial. Penghalusan eksponensial mungkin terdengar aneh,
tetapi sebenarnya banyak digunakan dalam bisnis dan merupakan bagian penting dari
sistem pengendalian persediaan berbasis komputer. 1onsepnya tidak rumit. Prediksi
terakhir permintaan sama dengan prediksi lama, disesuaikan dengan sebagian dari
diferensiasi permintaan aktual periode lalu dengan prediksi lama.
Memilih 1onstanta Penghalusan. Pendekatan penghalusan eksponensial mudah
digunakan, dan telah berhasil diterapkan pada hampir setiap jenis bisnis. $alaupun
demikian, nilai yang tepat untuk konstanta penghalusan, F, dapat membuat diferensiasi
antara peramalan yang akurat dan yang tidak akurat.
). Proyeksi Tren, metode peramalan time-series yang mnyesuaikan sebuah garis tren pada
sekumpulan data masa lalu, dan kemudian diproyeksikan dalam garis untuk meramalkan
masa depan.
/. (nalisis "e%resi )inier, model matematis garis lurus yang menjelaskan hubungan
fungsional antara variabel bebas dan variabel terikat. persamaan regresi menunjukkan
bagaimana satu variabel berhubungan pada nilai dan perubahan pada variabel lain.
R,:,s Lainnya
DAFTAR P%STA'A
Gamit, Hulian. '==(. Manajemen 6perasi dan Produksi. Idisi 1edua. Gogyakarta#
I167&S&A.
Hakim 7asution, Arman. '==(. Peren!anaan dan Pengendalian Produksi. Idisi 1edua.
Surabaya# Prima Printing
http#55go-phel,.blogspot.!om5'=%%5=%5peramalan-permintaan-barang-manajemen.html
http#55magussudrajat.blogspot.!om5'=%=5=)5peramalan-fore!asting.html
http#55buana-ilmu(.blogspot.!om5'=%%5=(5fore!asting.html
http#55www.bus.u!f.edu5fa!ulty5sgoodman5file.aJd?
fileD'=%'K'30K'3:P'L3ore!asting.do!J
https#55www'.b!.edu5M,houjd5files5=(Nfore!asting.pdf
http#55en.wikipedia.org5wiki53ore!astingO+imeNseriesNmethods
http#55dire!tory.umm.a!.id5*ataK'=Ilmu5do!5MI+6*INPI9AMA2A7NS1B.do!
http#55repository.usu.a!.id5bitstream5%'()/@;0B5'0)/=5)5:hapterK'=&&.pdf
http#55o!w.gunadarma.a!.id5!ourse5e!onomi!s5management-s%5manajemen-
operasional5peramalan