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