METODE PENGUKURAN DAN

PERAMALAN PERMINTAAN

Disusun oleh :
Bela Rosida Rakhim 125020205111006
Rifiana Nengtiyas
125020205111009

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
MALANG
2014

METODE PENGUKURAN DAN PERAMALAN PERMINTAAN

Pengukuran permintaan adalah usaha untuk mengetahui permintaan atas
suatu produk atau sekelompok produk di masa yang lalu dan di masa yng sekarang
dalam kendala satu asset kondisi tertentu. Peramalan permintaan merupakan usaha
untuk mengetahui jumlah produk atau sekelompok produk di masa yang akan datang
dalam

kendala satu asat kondisi tertentu. Hasil maksimal dari suatu kegiatan

peramalan adalah adalah melakukan minimisasi ketidakpastian yang mungkin terjadi

di masa yang akan datang.
PENDEKATAN PERAMALAN
Ada dua macam pendekatan dalam peramalan yaitu :
1. Pendekatan time series yaitu model yang tidak memperhatikan hubungan
sebab akibat atau dengan kata lain hasil peramalan hanya memperhatikan
kecenderungan dari data yang di masa lalu yang tersedia. Menurut
makridatis dan steven secara skematis pendekatan ini dapat diganbarkan
sebagai berikut:
system
Input-----------------generating proses----------------------output
Random effects
2. Pendekatan yang memperhatikan hubungan sebab akibat (cause-effects
method) atau pendekatan yang menjelaskan terjadinya suatu keadaan
(explanatory method) oleh sebab-sebab tertentu. Dengan kata lain
hubungan sebab akibat yang terjadi bukan hubungan deterministic
melainkan hubungan stokastic. Secara schematic pendekatan inidapat
digambarkan sebagai berikut

system
Input--------------cause and effects relationship------------uotput
Random effects
PROSEDUR PERAMALAN
Tahap-tahap dalam studi kelayakan proyek :
1. analisis ekonomi yakni yang mengadakan proyeksi terhadap aspek-aspek
makro terutama aspek kependudukan dan pendapatan.
2. analisis industri yakni analisis terhadap permintaan pasar dari seluruh
perusahaan yang menghasilkan produk sejenisdari produk yang diusulkan
dalam study kelayakan proyek.
3. analisis penjualan masa lalu yakni dilakukan untuk melihat market
positioning produk dalam stuktur persaingan dan dapat diketahui

market share produk tersebut.

4. analisis peramalan permintaan di mana berkaitan dengan perencanaan
program pemasaran di masa yang akan datang.
5. pengawasan hasil dari peramalan yakni usaha untuk minimalisasi
kesalahan hasil dari berbagai tenik peramalan yang dugunakan .
KENDALA PEMILIHAN TEKNIK PERAMALAN
Kendala-kendala yang dihadapi antara lain:
1. waktu yang hendak diliput yakni rentangan waktu masa yang akan datang
dan jangkauan peramalan.
2. tingkah laku data yakni meliputi jumlah , ketepatan, dan tingkah laku data
di masa yang lalu yang tersedia.
3. tipe model yakni pakah model yang digunakan merupakan model time
series, kaosalitas atau yang lainnya.
4. biaya yang tersedia yakni biaya yang tersedia untuk penyusunan studi
kelayakan proyek.
5. tingkat ketepatan yang diinginkan yakni ketelitian dan kecermatan
peramalan yang diinginkan.

6. kemudahan penerpan yakni kemampuan manajemen, data, dan biaya.

PENGUKURAN PERMINTAAN PRODUK
Ada beberapa metode dalam mengukur permintaan produk :
1. penggunaan data impor produk yang bersangkutan, jika selama ini
sebelum proyek yang bersangkutan ada belum pernah dihasilkan di dalam
negeri, dan produk yang bersangkutan merupakan produk subsitusi impor.
2. penggunaan data ekpor, impor, dan produksi dalam negeri . formula yang
digunakan untuk keadaan ini adalah:
PE = P + (I - E) + DC
Dimana:
PE : Permintaan efektif yang di cari
P

: Produksi dalam negeri selama masa yang bersangkutan

: Impor yang dilakukan

: ekspor yang dilakukan

DC : jumlah perubahan cadangan produk.

Contoh soal:
Produksi jeans kota bandung tahun 2004 adalah 1.500.000, dan produksi jeans
yang masuk ke kota bandung dari kota lain adalah 350.000, bandung
memasarkan sandalnya ke kota lain sebesar 750.000 dan selisih persediaan
adalah 100.000, maka permintaan efektif di masa mendatang dapat diukur
dengan rumus sbb:
PE = 1.500.000 ( 350.000 750.000) + 100.000 = 1.000.000
3. metode rasio rantai yakni metode yang menghitung permintaan efektif
dengan cara membagi dalam komponen-komponen yang lebih kecil dari
suatu mata rantai urutan dari variable yang berpengaruh terhadap produk
yang bersangkutan.
Permintaan Efektif : JP x X1 x X2 x X3 x Ip
Jp = Jumlah penduduk suatu wilayah
X1 = Konsumsi

X2 = Rata-rata Konsumsi
X3 = Rata-rata Konsumsi
Ip = Income per kapita

Contoh soal:
Jp = 1.000.000 orang, X3 = 5 %, X1= 50 % Ip = Rp. 20.000,- dan X2= 10
% dari konsumsi
PE = 1.000.000 x Rp. 20.000 x 50% x 10% x 5% = 50.000.000

PERAMALAN PERMINTAAN PRODUK YANG SUDAH MAPAN

Ada beberapa metode yang digunakan diantaranya:
1. metode pendapatan
2. metode tes atau eksperimen
3. metode survey
4. metode time series
5. metode regresi korelatif
6. metode input output

PERAMALAN PERMINTAAN PRODUK BARU

Ada beberapa metode yang akan di gunakan :
1. metode time series di mana metode ini hanya berdasarkan data dari masa
yng lalu.
2. metode tred linier yang mana dapat di formulasikan :
Y

a +

bX

Di mana pada metode ini juga di bagi lagi menjadi beberapa bagian yaitu :
1. metode least square
pada awal data yang tersedia adalah mempunyai kecenderungan berbentuk
garis lurus . dan dapat di formulasikan sebagai berikut :

a +

bX

Dimana :
Y

: variable yang akan di ramalkan

: kostanta yang akan menunjukkan brsarnya harga

: (ramalan) apabila X sama dengan nol

: variabilitas per x yaitu menunjukkan besarnya perubahan nilai y

dari setiap perubahan satu unit X

unit waktu yang dapat dinyatakan dalm minggu , bulan ,

semester, tahun tergantung pada data perusahaan.

Sedangkan untuk mencari nilai a dan b dapat dengan rumus sebagai berikut :
A = Y = Y

dan

B = XY
X2

contoh soal:
seorang pengusaha akan membuka pabrik sikat di kota A dgn target pasar kota
tersebut. Untuk itu pengusaha tsb ajan memproyeksikan permintaan sikat tahun 2011.
Data historis yg dikumpulkan dari thn 2000 s.d. tahun 2010 adalah sbb :
Tahun
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Total

Periode
-5
-4
-3
-2
-1
0
1
2
3
4
5
0

Permintaan
85
90
94
98
104
108
114
116
118
122
126
1175

XY
-425
-360
-282
-196
-104
0
114
232
354
488
630
451

a = 1175/11 = 106,818
b = 451/110 = 4,100
PERSAMAAN trend least squarenya sbb :
Y = a+bX

X2
25
16
9
4
1
0
1
4
9
16
25
110

Y=106,818 +4,100X, X adalah variabel waktu

b= 4,100 artinya setiap tahun terjadi peningkatan permintaan rata-rata sebesar 4,100
berdasarkan persaaman tsb maka proyeksi permintaan sikat di kota A adalah sbb :
Y = 106,818+4,100 (6)
= 131,418 atau 131.418 unit

2. metode product moment

metode ini hampir sama dengan metode leaset squere hanya saja ini di
gunakan dalam meramalkan penjualan perusahaan untuk data yang tersedia
adalah

mempunyai

kecenderungan

berbentuk

garis

lurus

di

mana

persamaannya adalah :
Y

a +

bX

.
Dimana :
Y

: variable yang akan di ramalkan

: kostanta yang akan menunjukkan brsarnya harga Y apabila X

sama dengan 0

: variabilitas per x yaitu menunjukksn besarnya perubahan nilai y

dari setiap perubahan satu unit X

: unit waktu yang dapat dinyatakan dalam minggu , bulan ,

semester, tahun tergantung pada data perusahaan

Sedangkan untuk mencari nilai a dan b adalah sebagai berikut :

Persamaan I
Y = n.a + bx
Dengan syarat x 0
Persamaan II
XY = a x + b x2

Contoh soal:
PT. Maju Jaya
Untuk data Ganjil
No
Tahun
1
2
3
4
5
6
7
8
9
10
11
Jumlah

1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
11

permintaan
(Y)
15000.00
16000.00
17000.00
17500.00
18000.00
18500.00
18500.00
19000.00
19250.00
19500.00
19750.00
198000.00

Prediksi (X) X^2

0.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
55.00

0.00
1.00
.4.00
9.00
16.00
25.00
36.00
49.00
64.00
81.00
100.oo
385.00

XY
0.00
16000.00
34000.00
52500.00
72000.00
92500.00
111000.00
133000.00
154000.00
175500.00
197500.00
1038000.09

Selanjutnya dari ,tabel diatas untuk nilai x atau nilai prediksi adalah dimulai
dari 0 (nol) dan selanjutnya bebas menggunakan intervalnya. Misalkan interval 1
(satu), berarti setiap kenaikan dan penurunan periode adalah +/-1 (satu). Selanjutnya
untuk mencari nilai a dan b serta persamaannya, maka lanjutkan dengan cara
memasukkan nilai-nilai kedalam persamaan I dan persamaan II, yaitu sebagai
berikut:
Persamaan I : Y = n.a + b x
Persamaan II : XY = a x + b x2
Keterangan:
Y = Variabel yang akan diramalkan
a = Konstanta
b = Variabel per X
X = Unit waktu/periode
Persamaan I : 198000 = (11) a + b (55)
Persamaan II : 1038000 = a (55) + b (385)
Untuk lebih jelasnya kita susun angka tesebut agar kelihatan benar
(variabelnya), sebagai berikut:
198000 = 11a + 55b
1038000 = 55a +385b
Dari dua persamaan tersebut diatas maka kita perlu untuk mencari salah satu
harga/nilai, misalkan a atau b. Jika kita akan mencari nilai b maka nilai a harus
disamakan, dan sebaliknya jika kita akan mencari nilai a harus disamakan dulu
dengan cara mengalikan dengan angka pengali. Dari contoh diatas, misalkan kita akan

mencari nilai b maka a harus kita samakan dulu dengan mengalikan persamaan I
dengan 5, agar nilai 11 menjadi 55 (diperoleh dari 11 x 55) sehingga:
198000 = 11a + 55b dikalikan 5
1038000 = 55a + 385b dikalikan 1
Maka:
99000 = 55a + 275b
1038000 = 55a + 385b - (dikurangi)
-48.000 = -110b
b = -48000/-110
b = 436,36
Selanjutnya kita cari besarnya nilai a dengan cara memasukkan nilai b
kedalam persamaan, boleh persamaan I ataupun persamaan II. Isalkan kita masukkan
pada persamaan I, adalah sebagai berikut:
198000 = 11a + 55b
Nilai b kita ganti dengan 436.36
198000 = 11a + 55 (436,36)
198000 = 11a + 24000
198000 = 11a + 24000
11a = 198000 24000
11a = 174000, maka
a = 174000/11
a = 15818.18
Jadi, persamaan metode momentnya adalah:
Y = 15818.18 + 436,36X
Jika perusahaan akan meramalkan untuk tahun 1999 dan tahun 2000 maka
nilai prediksinya (X) akan meningkat sesuai dengan intervalnya. Yaitu dari 10
menjadi 11 untuk tahun 1999 dan 2000 nilai prediksinya adalah 12, tahun 2001 adalah
13 dan seterusnya.
Maka ramalan permintaan untuk tahun 1999:
Y99 = 15818.18 + 436.36 (11)
Y99 = 15818.18 + 4800.00
Y99 = 20618.18 dibulatkan menjadi 20619 unit
Maka ramalan permintaan untuk tahun 2001:
Y01 = 15818.18 + 436.36 (12)
Y01 = 15818.18 + 5672.73
Y01 = 21490.91 dibulatkan menjadi 21491 unit
Ramalan permintaan tahun sebelumnya misalkan tahun 1987 adalah:
Y87 = 15818.18 + 436.36 (-1)
Y87 = 15818.18 + (- 436.36)
Y87 = 15381.82 dibulatkan menjadi 15382 unit.

3. metode setengah rata-rata

metode setengah rat-rata ini masih tergolong metode tred linier di man data
yang tersedia tetap berbentuk linier jika kita gambar dalam bentuk grafik.
Y

a + bX

Untuk mencari nilai a dan b adalah :

Y1 = a + bx1
Y2 = a = bx2
Contoh soal:
Berikut contoh metode Trend Semi Average Data Genap-Genap (Banyaknya Data
Keseluruhan dan Banyaknya Data Dalam Kelompok Berjumlah Genap). Dengan
menggunakan data penjualan di bawah ini diminta untuk membuat peramalan
penjualan untuk tahun 2007 dengan menggunakan metode Semi Average.

Jumlah seluruh data di atas yakni 4 data (Genap). Oleh karena itu analisis data
dilakukan dengan cara sebagai berikut:
Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap
langsung dibagi dua yang masing-masing kelompok terdiri dari 2 data
(Genap).
Menentukan periode dasar. Misalnya diasumsikan periode dasar
menggunakan tahun tengah data tahun kelompok I sehingga periode dasar
terletak antara tahun 2003 dan tahun 2004.

Menentukan Angka Tahun. Karena periode dasar berangka tahun x = 0 dan

terletak antara tahun 2003 dan 2004, maka angka tahun untuk tahun 2003
adalah -1/2 dan angka tahun untuk 2004, 2005, 2006 berturut-turut adalah 1/2,
3/2, 5/2 dst. Untuk memudahkan perhitungan maka dikonversi ke bilangan
bulat dengan mengalikan dengan angka 2, sehingga angka tahun untuk 2003
menjadi -1 dan angka tahun 2004, 2005, 2006 dst brturut-turut menjadi 1, 3, 5
dst.
Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing
kelompok. Untuk kelompok I, Nilai Semi Totalnya adalah 145 + 150 = 295.
Dengan cara yang sama dihitung Nilai Semi Total untuk Kelompok II.
Menentukan Semi average tiap Kelompok data. Semi Average untuk
kelompok I adalah (semi total kelompok I dibagi jumlah data kelompok I
sehingga nilainya adalah 295/2=147,5. Dengan cara yang sama juga dihitung
Semi Average untuk Kelompok II.

Ringkasan Perhitungan disajikan pada tabel berikut:

Dari perhitungan tersebut di atas, ditentukanlah nilai a dan b sehingga diperoleh

fungsi persamaan untuk peramalan dengan cara sebagai berikut::
Nilai a ditentukan berdasarkan nilai Semi Average untuk kelompok yang tahun
tengahnya digunakan sebagai periode dasar. Pada kasus ini periode dasar
menggunakan tahun tengah kelompok I, sehingga nilai a adalah sebesar nilai
Semi Average kelompok I yakni 147,5.
Menentukan nilai b Karena Jumlah data dalam kelompok adalah genap maka
untuk menentukan nilai b terlebih dulu menghitung Nilai Antara dengan cara
membagi selisih antara nilai Semi Average kelompok II dan I dengan jumlah

data dalam kelompok sehingga hasilnya (167,5 - 147,5) / 2 = 10. Selanjutnya

Nilai b ditentukan dengan membagi Nilai Antara dengan selisih antar angka
tahun, sehingga diperoleh nilai b sebesar (10/2) = 5
Menentukan Fungsi Peramalan. Karena nilai a=147,5 dan nilai b= 5, maka
fungsi peramalannya adalah Y= 147,5 + 5X

Perhitungan selengkapnya adalah sebagai berikut:

Jadi dengan menggunakan metode Setengah Rata-Rata, penjualan th 2007

diramalkan sebesar 182,5 unit dengan perhitungan sbb:

4. Metode Kuadratik

Metode kuadratik adalah metode merupakan trend non linier dan jika kita
gambar berbentuk garis melengkung. Sedangkan persamaan dari bentuk metode
kuadratik adalah :
Y = A + BX + Cx2
Di mana :
Y
a

: variable yang akan di ramalkan

: kostanta yang akan menunjukkan brsarnya harga Y apabila X sama
dengan 0
b dan c adalah variable per X, yaitu menunjukkan besarnya perubahan
satu unit X.

: unit waktu yang dapat dinyatakan dalam minggu , bulan , semester,

tahun tergantung pada data perusahaan

Sedangkan koovisiennya adalah ;

A = ( y -c X2 ) / n
B = ( XY / x2 )
C = ( n X 2Y) - (( X2 ) (Y))
(n X4) - ((X2)2)
Dengan syarat X2 sama dengan 0
5. metode exponencial sederhana
metode ini digunakan jika data histories di gambar menjadi kurva
kecenderungan berbentuk naik dan turun, akan tetapi kenaikan atau penurunan
tidak terlalu tajam. Maka fungsi persamaannya :
y = a.bx yang dapat disederhanakan menjadi fungsi logaritma yaitu :
y = log a + log b x
dengan syarat x = 0
maka koefisien a dan b dapat dicari dengan :

log a =

log Y

dan

log b = =

log Y

X2

Contoh soal:
Data penjualan PT Bintang selama beberapa tahun adalah sebagai berikut
(data dalam ribuan):
Penjualan PT Ikhlas
Tahun
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007

Penjualan
150
160
170
190
210
230
244
255
260
270
270
270
270
270
272

1. Metode Regresi-Korelasi
Dalam rangka menyusun peramalan penjualan produk

perusahaan

ternyata terdapat beberapa perusahaan di mana penjualan produknya

mempunyai ketergantungtan terhadap penjualan produk yang lain. Produk
yang mempengaruhi tersebut dapt berasal atau diproduksi oleh perusahaan
yang sama atau juga diproduksi atau di jual oleh perusahan yang lain.

2. Model Peramalan Penjualan.

Model peramalan penjualan produk perusahaan dimana produknya
merupakan produk permintaan turunan ini tidak jauh berbeda dengan model
penjualan produk terdahulu.
Secara umum prosedur yang dilaksanakan di dalam penyusunan
persamaan tersebut adalah ;
1. mengadakan pengujian apakah memeng terjadi hubungan antara
jumlah penjualan produk dominant dengan jumlah produk
perusahaan.
2. menyusun regresi antara penjualan produk dominan dengan produk
perusahan atas dasar penjualan kdi masa yang lalu.
3.

menyusun ramalan penjualan produk dominant

4. menyusun peramalan produk perusahaan.

Regresi Linier Sederhana

Pada hubungan ini hanya satu variable yang dianggap bebas atau

berpengaruh pada terjadinya variable yang lain atau variable yang terikat.
Sedangkan persamaannya adalah ;
Y = A + BX
Dimana:
X = variable bebas
Y = variable terikat
A = bilangan konstan
B = koofisien regresi

Dengan menggunakan metode regresi maka diperoreh koefisien a dan b

sebagai berikut :
B = [ N XY - ((X) (Y)) ]
[ N X2 - ((X)2) ]

A = (Y)
N

B (Y)
N

Setelah persamaan regresi lalu dilakukan uji kemaknaan dengan alat uji Ftest
yaitu:

Sebenarnya banyak sekali perhitungan korelasi , yang dalam penerapannya

memerlukan syarat-syarat tertentu dari data yang tersedia salah satunya adalah
dalam bentuk persamaan sebagai berikut

R = [ N ( XY)] - [((X) (Y)) ]

[ N ( X2 )] - ((X)2) ] [ N ( Y2 )] - ((Y)2)1/2

Contoh soal:
Data penjualan mie atom tahun 2006:

Perhitungan metode regresi linier untuk mie atom:

Regresi linier berganda

Persamaan dari analisa regresi berganda ini adalah:

Seperti pada analisa regresi linier sederhana, pada analisa regresi linear berganda ini
juga perlu dilakukan uji kemaknaan dengan Ftest, yaitu:

Setelah diketahui hubungan antar variabel dalam persamaan regresi langkah

berikutnya adalah melakukan perhitungan derajat hubungan antar variabel dengan
perhitungan koefisien korelasi:

Transformasi logaritma
Analisa regresi adalah hubungan variabel yang dapat diselesesaikan
hanya hubungan yang bersifat liniear. Jika terdapat hubungan variabel
yang tidak linear misalnya variabel kuadratik, maka jika kita hendak
menyelesaikan analisa tersebut dengan metode regresi langkah pertama
yang dilakukan adalah mentransformasikan ke dalam hubungan liniear.
Beberapa hubungan yang tidak liniear dapat ditransformasikan ke
dalam hubungan liniear atau secara inheren hubungan tersebut liniear,
adalah:
a) bentuk semilog
b) bentuk logaritma
c) bentuk polynomial
d) bentuk reciprocal
e) bentuk double/S
contoh fungsi persamaan logaritma:
Z = ABx
Lalu melakukan transformasi persamaan tersebut ke dalam persamaan
liniear yakni dengan cara:
Z = ABx
Log Z = log A + X log B
Jika log Z = Y

log A = a
log B = b
maka persamaannya menjadi
Y= a + bX
PENGAWASAN PERAMALAN
Jika misalnya terjadi penyimpangan dari batas-batas yang dapat ditolerir,
maka perusahaan dapat melakukan salah satu diantara dua tindakan berikut:
a. Menggunakan teknik peramalan lain yang lebih baik, artinya yang
dapat memperkirakan keadaan pada waktu yang akan datang.
b. Melakukan perubahan terhadap batas toleransi hasil peramalan, artinya
jarak atau batas toleransinya diperlebar sehingga dapat menampung
penyimpangan yang terjadi, selama hal tersebut tidak merugikan
perusahaan.
Beberapa patokan berikut ini dapat digunakan untuk melakukan
pengawasan peramalan, yakni:
A. kuadrat terkecil
dapat di formulasikan :
kuadrat terkecil = ( Y Y )2
B. metode kesalahan absolut rata-rata (MAD)
Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari
kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur
ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masingmasing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit
yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan
rumus sebegai berikut.
dapat diformulasikan sebagai berikut :
di mana :
MAD = Y Y

MAD : Mean Absolute Deviation

Y

: Data riil

Y : Data peramalan
N

: Jumlah periode atau waktu dari

data

I I

: harga Mutlak

Contoh soal:

MAD

n
53,39

11
4,85

C. Metode Kesalahan Kuadrat Rata-Rata Akar (root mean squared error)

Metode RMSE ini cara perhitungannya adalah dengan jalan menjumlahkan
kuadrat kesalahan atau selisih nilai riil dan nilai peramalan, kemudian
membagi jumlah tersebut dengan banyaknya waktu ramalan dan kemudian
menarik akarnya dapat dirumuskan :

RMSE =

(Y Y )2
N

Di mana
RMSE = Rood Mean Squared Error
Y

= Data riil

= Data Ramalan

Jumlah waktu Data Ramalan

Ft

D. test korelasi dengan rumus sebagai berikut:

r = koefisien korelasi
Y = data riil
Y = data peramalan
Y = means data riil

E. sering juga digunakan pengawasan teknik peramalan dengan cara control limit,

yakni ditentukan batas-batas (upper control limits) dan batas bawah (lower control
limits). Jika selisih antara nilai riil dan nilai peramalan pada masing masing
waktu/tahun berada dalam range upper dan lower control limits maka teknik
peramalan yang digunakan dapat dipertanggungjawabkan.
F. Tracking Signal
Validasi peramalan dilakukan dengan Tracking Signal. Tracking Signal adalah
suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai
aktual. NilaiTracking Signal dapat dihitung dengan menggunakan rumus sebegai
berikut.

Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar
daripada ramalan, sedangkan tracking signal yang negatif berarti nilai aktual
permintaan lebih kecil daripada ramalan. Tracking signal disebut baik apabila
memiliki RSFE yang rendah, dan mempunyai positive error yang sama banyak
atau seimbang dengan negative error, sehingga pusat dari tracking
signal mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta kontrol
untuk melihat kelayakkan data di dalam batas kontrol atas dan batas kontrol
bawah.