Oleh Kelompok 9:
1. Kresdiyana F 201710160311333
2. Nevi Kusumaningtyas 201710160311344
3. Zuriah Ayu Lestari 201710160311356
4. Indah Febrianti Sundawa 201710160311376
5. Presia Mega Meiliana 201710160311457
i
KATA PENGANTAR
Puji dan syukur kita panjatkan atas kehadirat Allah SWT yang mana telah
senantiasa memberikan kita kehidupan, jasmani dan rohani yang sehat sehingga
kami dapat membuat makalah ini dan tak lupa pula kita junjung nabi besar
Muhammad S.A.W yang mana telah membawa kita dari alam kebodohan ke alam
yang penuh dengan ilmu pengetahuan, Penulis tahu bahwasan nya makalah ini
belum dapat di katakana dan di kategorikan sempurna, seperti yang kita ketahui
tidak ada yang sempurna di dunia ini ke sempurnaan hanya milik Allah Swt, Oleh
karena itu kami memohon kritik dan saran dari seluruh pembaca agar makalah ini
bisa menjadi lebih baik dan berguna untuk semua orang yang membaca makalah
ini, selain itu kami mengucapkan banyak terimakasih kepada semua pihak yang
telah membantu kami dalam menyusun makalah ini.
Penulis
ii
DAFTAR ISI
KATA PENGANTAR .....................................................................................ii
DAFTAR ISI ...................................................................................................iii
BAB 1 PENDAHULUAN.................................................... ...........................1
.1 Latar Belakang.....................................................................................1
1.2 Rumusan Masalah................................................................................1
1.3 Tujuan ..................................................................................................1
BAB 2 PEMBAHASAN .................................................................................2
2.1 Metode Metode Dalam Permintaan Untuk Pelayanaan.......................2
2.1.1 Metode Delphi……………………………………………….….2
2.1.2 Analisis Lintas Dampak………………………………………....3
2.1.3 Analogi Sejarah……………………………………………..…...3
2.2 Model Causal……………………………………………………..…..4
2.2.1Regresi Model ………………………………………………..….4
2.2.2 Model Ekonometrik……………………………………………..4
2.3 Model Series Waktu………………………………………………….5
2.3.1 N-Periode Bergerak Rata-Rata………………………………….5
2.3.2 Penghalusan Eksponensial……………………………………....5
2.3.3 Perkiraan Gagal……………………………………………….....5
2.3.4 Hubungan Antara a Dan N …………………………………..…6
2.3.5 Penghalusan Eksponensial dengan Penyesuaian Tren ………….6
2.3.6 Cara Menghitung Eksponensial Smoothing……………………..6
2.3.7 Pengahalusan Eksponential Dengan penyesuaian Musiman…….7
2.3.8 Perataan Eksponential dengan Trend dan Penyeseuaian Musiman7
BAB 3 PENUTUPAN………………………………………………………….9
3.1 Kesimpulan…………………………………………………...………..9
3.2 Saran ……………………………………………………………...…...9
iii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Peramalan (forecasting) adalah kegiatan mengestimasi apa yang akan
tejadi pada masa yang akan datang. Peramalan diperlukan karena adanya
perbedaan kesenjagan waktu (Timelag) antara kesadaran akan dibutuhkannya
suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila
perbedaan waktu tersebut panjang maka peran peramalan begitu penting dan
sangat dibutuhkan, terutama dalam penentuan kapan terjadinya suatu sehingga
dapat dipersiapkan tindakan yang perlu dilakukan.
Menurut Arman Hakim Nasution (2006), Peramalan adalah proses untuk
memperkiraan beberapa kebutuhan di masa datang yang meliputi kebutuhan
dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam
rangka memenuhi permintaan barang dan jasa.
Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang
stabil, karena perubahan permintaan relatif kecil. Tetapi peramalan akan
sangat dibutuhkan bila kondisi permintaan pasar bersifat kompleks dan
dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat
kompleks, dan dinamis karena permintaan tersebut akan tergantung dari
keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produk
substitusi. Oleh karena itu peramalan yang akurat merupakan informasi yang
sangat dibutuhkan dalam pengambilan keputusan manajemen.
1.3 Tujuan
1. Untuk mengetahui apa saja metode-metode yang digunakan dalam
Permintaan Peramalan untuk Layanan
2. Untuk mengetahui apa saja model yang ada dalam Model Causal
3. Untuk mengetahui apa saja model yang ada dalam Model Series Waktu
1
BAB II
PEMBAHASAN
2
2.1.2 Analisis Lintas Dampak
Analisis lintas dampak mengasumsikan bahwa beberapa peristiwa
di masa depan terkait dengan terjadinya peristiwa sebelumnya Seperti
dalam metode Deiphi, panel para ahli mempelajari serangkaian
korelasi antara peristiwa yang disajikan dalam sebuah matriks.
Korelasi-korelasi ini membentuk dasar untuk memperkirakan
kemungkinan peristiwa di masa depan yang terjadi. Sebagai contoh,
pertimbangkan forcast yang dilakukan pada tahun 2003 dan
mengasumsikan $ 3 per-gallor harga gas-line pada tahun 2010
(peristiwa A) dan penggandaan penumpang yang sama pada angkutan
massal pada tahun 2020 (acara B). Dengan konsensus awal, dapat
ditentukan bahwa diberikan A, probabilitas kondisional B adalah 7,
dan bahwa diberikan B, probabilitas bersyarat A adalah 6. Probabilitas
ini ditunjukkan dalam matriks di bawah ini.
Asumsikan bahwa probabilitas tak bersyarat forcensted untuk
penggandaan kapal angkutan umum massal pada tahun 2020 adalah
1,0 dan probabilitas probabilitas tak bersyarat t3 per galon untuk
bensin pada tahun 2010 adalah.3. Nilai-nilai baru ini secara statistik
tidak konsisten dengan nilai-nilai dalam matriks. Ketidakkonsistenan
akan ditunjukkan kepada para ahli di panel, kemudian akan merevisi
perkiraan mereka dalam serangkaian iterasi. Seperti halnya metode
Delphi, matriks pengalaman yang dapat digunakan untuk
menghasilkan prakiraan dan administrator diperlukan untuk mencapai
probabilitas bersyarat yang memuaskan.
3
dibuat dengan mudah ketika kita diprioritaskan dengan informasi
statistik yang tidak rumit, beberapa di antaranya mungkin relevan
untuk membuat prakiraan yang menguntungkan r, organisasi layanan
kompetitif harus berurusan dengan kekayaan dan beberapa di
antaranya torecast harus dilakukan untuk vear berikutnya - atau untuk
dekade berikutnya bukan hanya untuk hari, minggu, atau bulan
berikutnya. ramalan jangka panjang memiliki potensi untuk mengeja
kesuksesan atau kehancuran bagi organisasi. Oleh karena itu, kami
memerlukan cara untuk memisahkan informasi kritis kami dan
mengolahnya untuk membantu kami membuat perkiraan yang tepat
mungkin tidak relevan. Dalam situasi-situasi ini, model kausal juga
lebih memungkinkan untuk mempertimbangkan bahwa ada hubungan
yang dapat diperbaiki di antara informan yang ingin kami ramalkan
dan faktor-faktor lainnya. Model-model ini berkisar dari yang sangat
sederhana, di mana ramalan itu didasarkan pada teknik yang disebut
regresi unclyris, hingga yang dikenal sebagai sistem persamaan
ekonomeiri. Asumsi yang serupa dengan model deret waktu (yang ada)
bahwa data mengikuti pola yang dapat diidentifikasi dari waktu ke
waktu dan bahwa Model.
4
2.3 Model Series waktu
2.3.1 N-Periode Bergerak Rata-Rata
Pengamatan yang dilakukan selama periode waktu tampaknya
memiliki pola acak; akibatnya, kami tidak merasa percaya diri dalam
mendasarkan perkiraan pada mereka. Sebagai contoh, pemilik hotel
telah mencatat peningkatan hunian selama dua hari Sabtu terakhir dan
berharap ractice menawarkan tingkat diskon.
5
2.3.4 Hubungan Antara α dan N
Memilih nilai untuk α adalah masalah penilaian, sering didasarkan
pada pola data histori, dengan nilai-nilai besar memberikan banyak
bobot untuk data terbaru untuk mengantisipasi biaya. Untuk
membantu memilih, suatu hubungan dapat bergerak-membalas metode
dan konstanta menghaluskan eksponensia α.
Jika kita mengasumsikan bahwa kedua metode serupa ketika usia rata-
rata data masa lalu adalah sama, maka hasil hubungan berikut ini
Rata-rata bergerak :
N
Rata-rata usia :
( 0+1+2+… ..+ N−1 )
N
= ( )
( N −1 )
2 =
N −1
2
N
6
Model ini mudah diterapkan pada komputer pribadi menggunakan
perangkat lunak spreadsheet.
Konstanta smoothing memungkinkan kita untuk mengubah
kecepatan di mana model merespons perubahan dalam pola yang
mendasarinya dalam data.
7
8
BAB III
PENUTUP
3.1 Kesimpulan
Peramalan begitu penting dan sangat dibutuhkan, terutama dalam
penentuan kapan terjadinya suatu sehingga dapat dipersiapkan tindakan
yang perlu dilakukan. Peramalan tidak terlalu dibutuhkan dalam kondisi
permintaan pasar yang stabil, karena perubahan permintaan relatif kecil.
Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar
bersifat kompleks dan dinamis.
Dalam Permintaan Peramalan untuk Layanan terdapat beberapa
metode-metode, yaitu metode Delphi, analisis dampak silang, dan analogi
sejarah. Model lain dari peramalan ialah model casual yang memiliki dua
jenis yakni regresi model dan model ekonometrik. Selain itu juga ada
model series waktu yang memiliki beberapa jenis, yakni N-Periode
bergerak rata-rata, penghalusan eksponensial sederhana, dan perkiraan
gagal
3.2 Saran
Sehubungan dengan kurangnya literatur yang kami ketahui untuk
membahas materi ini secara lebih dalam, maka saran yang dapat kami
berikan kepada pembaca dan penulis makalah dengan topik yang sama
adalah untuk menambah dan melengkapi materi ini dengan literatur lain
yang mungkin tidak ada atau belum disajikan dalam makalah ini.
Sehubungan dengan hal itu, pembaca diharapkan dapat memberikan saran
maupun kritik yang dapat kami gunakan untuk melengkapi makalah ini,
karena kami menyadari bahwa makalah yang kami buat masih belum bisa
dinilai sempurna.