MAKALAH

PERAMALAN (Forecasting)
Diajukan untuk Memenuhi Salah Satu Tugas pada Mata Kuliah Manajemen
Operasi

Disusun oleh:
Nia Fatmala Sari (2713002)
Gilang Dwi Saputro (1814022)
Ade Wahyu kurniawan (1711096)
Fitriani Nur Komara(1814001)
Muhammad Navi Irwansyah

POLITEKNIK STMI JAKARTA

Jl. Letjen Suprapto No. 26 Cempaka Putih Timur
Jakarta Pusat, DKI Jakarta 10640, Indonesia

KATA PENGANTAR
Puji syukur ke hadirat Allah SWT yang telah melimpahkan rahmat serta
hidayahnya, sehingga kami sebagai penyusun dapat menyelesaikan makalah
ini.Makalah ini disusun untuk memenuhi salah satu tugas Peramalan(Forecasting)
pada

mata

kuliah

Manajemen

Operasi

dengan

pokok

bahasan

Peramalan(Forecasting) Dan juga kami berterima kasih pada Bapak Drs.Aan

Sukandar ,SMI,MM selaku Dosen mata kuliah Manajemen Operasi yang telah
memberikan tugas ini kepada kami..
Dalam penyusunan makalah ini, tidak sedikit hambatan yang penyusun
hadapi namun dengan semangat dan kerjasama penyusun dan dibantu semua
pihak akhirnya penyusunan makalah ini dapat terselesaikan tepat pada waktunya.
Penyusun sangat menyadari bahwa dalam penyusunan makalah ini masih
jauh dari sempurna, oleh karena itu kami mengharapkan kritik dan saran yang
bersifat membangun untuk lebih baik dalam penulisan makalah selanjutnya.

Jakarta, 2 Januari 2016

Penyusun

DAFTAR ISI
KATA PENGANTAR......................................................................................i
DAFTAR ISI....................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang......................................................................................1
1.2 Rumusan Masalah.................................................................................1
1.3 Tujuan..................................................................................................1
1.4 Manfaat.................................................................................................1
BAB II PEMBAHASAN
2.1 Pengertian peramalan (forecasting)......................................................2
2.2 Jenis Peramalan...........................................................................................3
2.3 Tujuh Langkah Sistem Peramalan........................................................5
2.4 Metode Peramalan......................................................................................5
2.5 Menghitung kesalahan peramalan10
BAB III PENUTUP
3.1 Kesimpulan ..........................................................................................18
3.2 Saran..18
DAFTAR PUSTAKA......................................................................................19

ii

BAB I
PENDAHULUAN
1.1 Latar Belakang
Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan
kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data
masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model
matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif.Atau bisa juga
dengan menggunakan kominasi model matematis yang disesuaikan dengan
pertimbangan yang baik dari seorang manager.
1.2 Rumusan Masalah
1. Bagaimana pengertian dari peramalan ?
2. Apa jenis-jenis dari peramalan ?
3. Apa saja Metode pendekatan dalam peramalan ?
1.3 Tujuan
1. Untuk mengetahui lebih dalam tentang peramalan (forecasting)
2. Untuk memperkirakan kejadian dimasa depan
2.4 Manfaat
1. Sebagai pengetahuan tentang peramalan (forecasting)
2. Sebagai pedoman untuk memperkirakan kejadian yang akan dating.
3. Sebagai pedoman untuk mempertimbakan sebuah keputusan.

BAB II
PEMBAHASAN
2.1. Pengertian peramalan (forecasting)
Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.
Peramalan adalah tahapan introduction
growth maturity
decline
1

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang

dicakupnya. Horison waktu terbagi atas beberapa kategori :
1. Peramalan jangka pendek, peramalan ini mencakup jangka waktu hingga 1 tahun
tetapi umumnya kurang dari bulan. Contoh: untuk merencanakan pembelian.
2. Peramalan jangka menengah, umumnya mencakup hitungan bulanan hingga 3 tahun.
Contoh: untuk merencanakan penjualan.
3. Peramalan jangka panjang, umumnya untuk perencanan masa 3 tahun atau lebih.
Contoh: untuk merencanakan produk baru.
Peramalan jangka menengah dan jangka panjang dapat di bedakan dari peramalan
jangka pendek dengan melihat tiga hal :
1. Peramalan jangka menengah dan jangka panjang berkaian dengan permasalahan yang
lebih menyeluruh dan mendukung keputuan manajemen yang berkaitan dengan
perencanaan produk, pabrik dan proses. Misalnya keputusanakan fasilitas pabrik
seperti membuka pabrik atau gedung baru.
2. Peramalan jangka pendek biasanya menerapkan metodologi yang berbeda di
bandingkan peramalan jangka panjang.
3. Peramalan jangka pendek cenderung lebih tepat dibandingkan peramalan jangka
panjang. Faktor-faktor yang mempengaruhi perubahan permintaan berubah setiap
hari.Dengan demikian, sejalan dengan semakin panjangnya horizon waktu, ketepatan
peramalan seseorang cenderung semakin berkurang.Peramalan penjualan harus
diperbaharui secara berkala untuk menjaga nilai dan integritasnya. Peramalan harus
selalu dikaji ulang dan direvisi pada setiap akhir periode penjualan.
Faktor lain yang harus dipertimbangkan saat membuat ramalan penjualan, terutama
peramalan penjualan jangka panjang adalah siklus hidup produk. Penjualan produk dan
bahkan jasa, tidak terjadi pada tingkat yang konstan sepanjang hidupnya. Hampir semua
produk yang berhasil melalui empat tahapan :-perkenalan, -pertumbuhan, -kematangan dan
-penurunan.
2.2 Jenis Peramalan
2

Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam
perencanaan operasi di masa depan :
1.

Peramalan Ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksi

tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan

2.

dan indicator perencanaan lainnya.

Peramalan Teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi
yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan

3.

peralatan baru.
Peramalan Permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau
layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang
mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi
perencanaan keuangan, pemasaran dan sumber daya manusia.
Peramalan yang baik sagat penting dalam semua aspek bisnis : peramalan merupakan

satu-satunya

prediksi

atas

permintaan

hingga

permintaan

yang

sebenarnya

diketahui. Peramalan permintaan mengendalikan keputusan dibanyak bidang. Berikut ini akan
diahasa dampak peramalan produk pada tiga aktivitas :
Sumber Daya Manusia
Mempekerjakan, melatih dan memberhentikan pekerja, semua tergantung pada permintaan.
Kapasitas
Saat kapasitas tidak mencukupi, kekurangan yang diakibatkannya bisa berarti tidak
terjaminnyapengiriman, kehilangan konsumen dan kehilangan pangsa pasar.
Manajemen Rantai Pasokan
Hubungan yang baik dengan pemasok dan harga barang dan komponen yang bersaing,
bergantung pada peramalan yang akurat.Sebagai contoh, manufaktur pembuat mobil yang
menginginkan TRW Corp. menjamin keteresediaan kantung udara yang cukup, harus
menyediakan ramalan yang akurat untuk membenarkan ekspansi pabrik TRW.
3

2.3 Tujuh Langkah Sistem Peramalan

Peramalan terdiri dari tujuh langkah dasar, yaitu sebagai berikut :

Menetapkan tujuan peramalan

Memilih unsur apa yang akan diramal
Menentukan horizon waktu peramalan
Memiliki tipe model peramalan
Mengumpulkan data yang diperlukan untuk melakukan peramalan
Membuat peramalan
Memvalidasi dan menerapkan hasil peramalan

2.4 Metode Peramalan

Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah
mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu data yang
ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu bulan),
menengah (bulan tahun), dan jangka panjang (tahun dekade). Tabel berikut ini
menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya.

Tabel 2.1. Rentang Waktu dalam Peramalan

Rentang Waktu
Tipe Keputusan
Contoh
Jangka Pendek
Perencanaan Produksi,
Operasional
( 3 6 bulan)
Distribusi
Jangka Menengah
Penyewaan Lokasi dan
Taktis
( 2 tahun)
Peralatan
Penelitian dan Pengembangan
Jangka Panjang
Strategis
untuk akuisisi dan merger
(Lebih dari 2 tahun)
Atau pembuatan produk baru
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi
semua model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah
analisis kualitatif.
1.

Peramalan Kuantitatif (quantitative forecast)

Peramalan yang menggunakan satu atau lebih model matematis dengan data masa lalu dan
variabel sebab akibat untuk meramalkan permintaan.Metode Peramalan Kuantitatif dapat
dikelompokkan dua jenis :
1 metode seri waktu
4

2 metode kausal
(1) model seri waktu / metode deret berkala (time series) metode yang dipergunakan untuk
menganalisis serangkaian data yang merupakan fungsi dari waktu, Model Seri Waktu /
Metode deret berkala :
Metode Naif
Cara sederhana untuk peramalan ini mengasumsikan bahwa permintaan dalam periode
berikutnya adalah sama dengan peramalan dalam periode sebelumnya. Pendekatan naif
ini merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya.
Paling tidak pendekatan naif memberikan titik awal untuk perbandingan dengan model
lain yang lebih canggih.
Contoh : jika penjualan sebuah produk (mis: telepon genggam Motorolla) adalah 68 unit
pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama,
yaitu sebanyak 68 unit juga.
(1) Rata-rata bergerak (moving averages)
Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat jika
diasumsikan bahwa permintaan pasar tetap stabil :
Rata-rata Bergerak = Permintaan data n periode sebelumnya
n

Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila ada pola atau
trend yang dapat dideteksi, timbangan bisa digunakan untuk menempatkan lebih
banyak tekanan pada nilai baru

Rata-rata Bergerak =(Timbangan periode n)(permintaan Periode

n)
Timbangan

Metode ini dapat menghaluskan fluktuasi tiba-tiba dalam pola permintaan untuk
menghasilkan estimasi yang stabil. Metode ini mempunyai masalah :

Meningkatkan ukuran n memang menghaluskan fluktuasi dengan lebih baik tetapi

metode ini kurang sensitive untuk perubahan nyata dalam data.

Rata-rata bergerak tidak dapat memanfaatkan trend dengan baik.
5

Karena merupakan rata-rata, rata-rata bergerak akan selalu berada dalam tingkat masa
lalu dan tidak akan memprediksi perubahan ke tingkat yang lebih tinggi maupun yang
lebih rendah

(2) Metode Eksponential Smoothing

Metode eksponential smoothing merupakan pengembangan dari metode moving
averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara
terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang
lebih baru diberi bobot yang lebih besar. Rumus metode eksponential smoothing :

dimana :

Ft = Peramalan baru
Ft-1 = Peramalan sebelumnya
= Konstanta penghalusan (01)
At-1=Permintaan aktual periode lalunghalusan eksponensial
(exponentialsmoothing),

Konstanta
Penghalus
an
= 0,1
= 0,5

Periode
Terakhi
r
0,1
0,5

Period
e
Sebelu
m
Terakh
ir
0,09
0,25

Periode
Kedua
Sebelu
m
Terakhi
r
0,081
0,125

Period
e
Ketiga
Sebelu
m
Terakh
ir
0,073
0,063

Period
e
Keemp
at
Sebelu
m
Terakhi
r
0,066
0,031

(3) Proyeksi trend (trend projection)

Proyeksi Trend adalaha suatu metode peramalan serangkaian waktu yg sesuai dengan
garis tren terhadap serangkaian titik-titik data masa lalu, kemudian diproyeksikan ke
dalam peramalan masa depan untuk peramalan jangka menengah dan jangka panjang
^

y a bx

Dimana :

y = variabel yg akan diprediksi

a = konstanta
b = kemiringan garis regresi
x = variabel bebas (waktu)

Dengan metode kuadrat terkecil (MKT) didapat :

Contoh soal 1 untuk Forecast time (Ft)Metode rata rata bergerak

Berikut ini adalah contoh penjualan pada supermarket Minikuper selama satu tahun lalu. Kita
ingin mengetahui nilai penjualan bulan depan tahun yang akan datang.
Rumus Rata-rata Bergerak = Permintaan data n periode
sebelumnya
n
Rumus Rata-rata Bergerak =(Timbangan periode n)(permintaan
Periode n)
Timbangan

Periode

Bobot yang diberikan

Bulan lalu
2 bulan lalu
3 bulan lalu
JUMLAH

Bulan

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

3
2
1
6

Aktual
Moving
Hasil Moving Rata-rata bergerak dengan
penjualan Average dalam 3 Averagedalam 3
pembobotan 3 bulan
tahun lalu
bulan
bulan
15
12
14
13
14
16
21
22
24
25
18
19

(15 + 12 + 14)/3
(12 + 14 + 13)/3
(14 + 13 + 14)/3
(13 + 14 + 16)/3
(14 + 16 + 21)/3
(16 + 21 + 22)/3
(21 + 22 + 24)/3
(22 + 24 + 25)/3
(24 + 25 + 18)/3

13,67
13,00
13,67
14,33
17,00
19,67
22,33
23,67
22,33

(1x15 + 2x12 + 3x14)/6

(1x12 + 2x14 + 3x13)/6
(1x14 + 2x13 + 3x14)/6
(1x13 + 2x14 + 3x16)/6
(1x14 + 2x16 + 3x21)/6
(1x16 + 2x21 + 3x22)/6
(1x21 + 2x22 + 3x24)/6
(1x22 + 2x24 + 3x25)/6
(1x24 + 2x25 + 3x18)/6

Hasil rata-rata
bergerak dengan
pembobotan 3
bulan

13,5
13,17
13,67
14,83
18,17
20,67
22,83
24,17
21,33

Grafik 1
Contoh soal 2 Metode Trend Projection
Dengan metode kuadrat terkecil (MKT) didapat :

Tabel berikut adalah memperlihatkan jumlah kecelakaan yang terjadi di Florida State
Highway 101 selama 4 tahun. Ramalkan jumlah kecelakaan yang terjadi pada bulan Mei.

Bulan
januari
februari
maret
april

Periode waktu
(x)
1
2
3
4
x =10

Jumlah kecelakaan (y)

x2

xy

30
40
60
90
y = 220

1
4
9
16
x2 = 30

30
80
180
360
xy = 650

Grafik 2

2.5 Menghitung Kesalahan Peramalan

Kesalahan Peramalan = Permintaan Aktual Nilai Peramalan

= At - Ft

Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling
tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang dibuatnya
merupakan rencana yang realistis. Ketepatan atau ketelitian inilah yang menjadi kriteria
performance suatu metode peramalan. Ketepatan atau ketelitian tersebut dapat dinyatakan
sebagai kesalahan dalam peramalan. Kesalahan yang kecil memberikan arti ketelitian
peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula
sebaliknya

Ada beberapa perhitungan yg biasa digunakan untuk menghitung kesalahan dlm peramalan.
Tiga dari perhitungan yang paling terkenal adalah

deviasi mutlak rata-rata (mean absolute deviation = MAD).

Kesalahan kuadrat rata-rata (mean absolute deviation =MSE) dan
kesalahan persen mutlak rata-rata (mean absolute percent ( MAPE)

Deviasi Mutlak Rata-rata (MAD)

MAD adalah nilai yg dihitung dengan me-ngambil jumlah nilai absolut dari setiap
kesalahan peramalan dibagi dengan jumlah periode data (n).
MAD

Aktual Peramalan
n

Kesalahan kuadrat rata-rata (mean absolute deviation =MSE)

Kesalahan persen mutlak rata-rata (mean absolute percent = MAPE)

Contoh soal 3
PT. TPN ingin memprediksi total penjualan bulan Januari tahun depan. Data
penjualan bulan Januari hingga Desember adalah sebagai beriku

Bulan

Januari
Februari

Aktual
penjual
an

Peramalan yg
dibulatkan dgn
=0,1

178
172

Maret

168

April
Mei
Juni
Juli
Agustus
Septem
ber
Oktober
Novemb
er
Desemb
er
Jumlah
Nilai

170

Perhitung
an MAD

Perhitung
an MSE

Deviasi
absolut

(Kesalaha
n)2

178 - 170=

64

170 + 0,1 x (178 170)=

172 171 =

171

171 + 0,1 x (172

Perhitungan
MAPE
Kesalahan /
Aktual (%)
(8 / 178) x 100 =

4,47
(1 / 172) x 100 =

0,70

174
192
201
190
192

171
171
171
173
176
177

3
21
28
14
15

9
441
784
196
225

1,74
1,94
10,96
13,9
7,44
7,67

194
190

179
180

15
10

225
100

7,86
5,12

200

181

19

361

9,38

210

183

27
164
13,66

729
3143,97
262

12,8
83,96
7

171)=

Grafik 3

10

(2) Metode Kausal

Metode peramalan kausal mengembangkan suatu model sebab-akibat antara permintaan yang
diramalkan dengan variable-variabel lain yang dianggap berpengaruh.
Sebagai contoh, permintaan akan baju baru mungkin berhubungan dengan banyaknya
populasi, pendapat masyarakat, jenis kelamin, budaya daerah, dan bulan-bulan khusus (hari
raya, natal, tahun baru). Data dari variable-variabel tersebut dikumpulkan dan dianalisa untuk
menentukan kevaliditasan dari model peramalan yang diusulkan.
Metode ini dipakai untuk kondisi dimana variable penyebab terjadinya item yang akan
diramalkan sudah diketahui. Dengan adanya hubungan tersebut, output dapat diketahui jika
input diketahui.

Metode Regresi dan Korelasi

Metoda regresi dan korelasi pada penetapan suatu persamaan estimasi menggunakan teknik
least squares. Hubungan yang ada pertama-tama dianalisis secara statistik. Ketepatan
peramalan dengan menggunakan metoda ini sangat baik untuk peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang ternyata ketepatannya kurang begitu baik. Metode
ini banyak digunakan untuk peramalan penjualan, perencanaan keuntungan, peramalan
permintaan dan permalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metoda
ini adalah data kuartalan dari beberapa tahun lalu.
Contoh : Data berikut berhubungan dengan nilai penjualan pada bar pada beberapa pecan di
penginapan Marthy and Polly Starr di Marathon, Florida. Jika peramalan menunjukkan bahwa
akan dating 20 tamu pecan depan, berapakah penjualan yang diharapkan.

11

Hal- hal yang perlu diketahu sebelum melakukan peramalan dengan metode regresi adalah
mengetahui terlebih dahulu mengetahui kondisi- kondisi seperti :

Adanya informasi masa lalu

Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa

yang akan datang.

Adapun data- data yang ada dilapangan adalah :

Musiman (Seasonal) adalah pola data yg berulang pada kurun waktu tertentu seperti :

harian, mingguan, bulanan, atau kuartal

Horizontal (Stationary) merupakan satu titik khusus dalam data yg disebabkan oleh

peluang dan situasi yg tidak lazim.Variasi acak tdk mempunyai pola khusus shg tdk dapat
diprediksi

Siklus (Cylikal) pola dalam data yg terjadi setiap beberapa tahun. Siklus ini biasanya

terkait pada siklus bisnis dan merupakansatu hal penting dalam analisisdan perencanaan bisnis
jangka pendek.Memprediksi siklus bisnis sulit dilakukan karena adanya pengaruh kejadian
politik ataupun kerusuhan internasional

Trend merupakan pergerakkan data sedikit demi sedikit meningkat atau menurun.

Perubahan pendapatan, populasi, penyebaran umur, atau pandangan budaya dapat

mempengaruhi pergerakkan tren.

12

2.Peramalan Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi, pendidikan
dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu orang dengan orang
lain dapat berbeda. Meskipun demikian, peramalan kualitatif dapat menggunakan
teknik/metode peramalan, yaitu :

Juri dari Opini Eksekutif : metode ini mengambil opini atau pendapat dari

sekelompok kecil manajer puncak/top manager (pemasaran, produksi, teknik, keuangan

dan logistik), yang seringkali dikombinasikan dengan model-model statistik.

Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan tingkat penjualan

di daerahnya, yang kemudian digabung pada tingkat provinsi dan nasional untuk
mencapai ramalan secara menyeluruh.

Metode Delphi : dalam metode ini serangkaian kuesioner disebarkan kepada

responden, jawabannya kemudian diringkas dan diberikan kepada para ahli untuk dibuat
13

peramalannya. Metode memakan waktu dan melibatkan banyak pihak, yaitu para staf,
yang membuat kuesioner, mengirim, merangkum hasilnya untuk dipakai para ahli dalam
menganalisisnya. Keuntungan metode ini hasilnya lebih akurat dan lebih profesional
sehingga hasil peramalan diharapkan mendekati aktualnya.

Survai Pasar (market survey) : Masukan diperoleh dari konsumen atau konsumen

potensial terhadap rencana pembelian pada periode yang diamati. Survai dapat dilakukan
dengan kuesioner, telepon, atau wawancara langsung.

BAB III
PENUTUP

3.1

Simpulan

Peramalan (forecasting) merupakan seni dan ilmu untuk memperkirakan kejadian dimasa
depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan
menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis.
Peramalan adalah tahapan introduction-growthmaturity-decline
Organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan
operasi di masa depan :1. Peramalan Ekonomi (economic forecast) 2.Peramalan Teknologi
(technological forecast) 3. Peramalan Permintaan (demand forecast).
Terdapat dua pendekatan umum peramalan, sebagaimana ada dua cara mengatasi semua
model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis
kualitatif. Bila peramalan sudah selesai, yang paling adalah tidak melupakannya Bila
peramalan sudah selesai, yang paling adalah tidak melupakannya. Sangat jarang manajer yang
ingin mengingat bila hasil ramalan mereka sangat tidak akurat, tetapi perusahaan perlu
menentukan mengapa permintaan aktual (variabel yang diuji) secara signifikan berbeda dari
yang diproyeksikan.
14

3.2 Saran
Salah satu cara untuk memantau peramalan guna menjamin keefektifannya adalah
menggunakan isyarat arah (Tracking Signal) : adalah pengukuran tentang sejauh mana
ramalan memprediksi nilai aktual dengan baik isyarat Arah, dihitung sebagai jumlah
kesalahan ramalan berjalan (running sum of the forecast error, RSFE) dibagi dengan deviasi
absolut mean (MAD)

DAFTAR PUSTAKA
http://syafruldzulfikarfajri.blogspot.com/2012/04/peramalan-manajemenoperasi.html
Dosen akademik. 2013. Contoh soal.

http://elib.unikom.ac.id/files/disk1/302/jbptunikompp-gdl-agusriyant-15051-3-bab2tia.pdf
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2009-200460TISI%20Bab%202.pdf
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2012-1-0051mnti%20bab%202.pdf
http://repository.widyatama.ac.id/xmlui/bitstream/handle/123456789/3737/Bab
%202.pdf?sequence=7
https://vebyenandes.wordpress.com/2013/03/27/manajemenindustrimetodeperamalanforecasting/
http://septianariap.blogspot.co.id/2012/11/metode-forecasting.html

15