Anda di halaman 1dari 6

METODE RATA RATA BERGERAK & METODE KUADRAT TERKECIL

Oleh :
KELOMPOK 1
AGUSTINUS S TITIRLOLOBY (2017-69-029)
ARIF FEBRIANTO (2017-69-002)
EXSECL MAKATITA (2017-69-031)
PATRICK R de FRETES (2017-69-006)
AINUN NAJIB LA TUA (2017-69-003)
MUH. IMAN PUTRA (2017-69-027)
YUSTIAN NALDO LIKO (2017-69-0
ARABELLA ZURIEL PARRERA (2017-69-015)
PHATIWARISANG LUBIS (2017-69-018)

FAKULTAS TEKNIK
UNIVERSITAS PATTIMURA
AMBON
2019
Kata Pengantar

Pujisyukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta taufik dan hidayah-Nyalah penulis dapat menyelesaikan tugas MANAJEMEN
TEKNOLOGI PRODUKSI di Dunia ini dengan keterbatasan pengetahuan dan kemampuan yang
dimiliki. Penulis sangat berharap makalah ini dapat berguna dalam rangka menambah wawasan
serta pengetahuan kita mengenai pengertian,fungsi. Penulis juga menyadari sepenuhnya bahwa
di dalam tugas ini terdapa tkekurangan-kekurangan dan jauh dari apa yang kami harapkan.
Untukitu, kami berharapa dan yakritik, saran danusulan demi perbaikan di masa yang
akandatang, menginga ttidak ada sesuatu yang sempurna tanpa sarana yang membangun.
Semoga tugas sederhana ini dapat dipahami bag isiapapun yang membacanya. Sekiranyatugas
yang telah disusun ini dapat berguna bagi penulis maupun yang membacanya. Akhir kata,
penulismengucapkanterimakasih.

Ambon 24 MEI 2019

Penulis
A. Peramalan (Forecasting)

Peramalan (Forecasting) adalah suatu teknik analisa perhitungan yang dilakukan


dengan pendekatan kualitatif maupun kuantitatif untuk memperkirakan kejadian dimasa
depan dengan menggunakan referensi data-data di masa lalu.
Fungsi peramalan atau forecasting terlihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan
terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat ramalan yang kita
susun, maka masalah peramalan juga merupakan masalah yang selalu kita hadapi
(Ginting, 2007).

Menurut Heizer dan Render (2009:47), peramalan atau forecasting memiliki tujuan
sebagai berikut:
a) Untuk mengkaji kebijakan perusahaan yang berlaku saat ini dan dan di masa lalu serta
melihat sejauh mana pengaruh di masa datang. 
b) Peramalan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan
perusahaan ditetapkan dengan saat implementasi. 
c) Peramalan merupakan dasar penyusutan bisnis pada suatu perusahaan sehingga dapat
meningkatkan efektivitas suatu rencana bisnis.

1. Metode Rata-Rata Bergerak (Moving Average)


Metode rata-rata bergerak atau yang biasa disebut moving average adalah metode
peramalan dimana dalam menghitung peramalan di masa depan didapat dari penjumlahan
data-data lampau dan kemudian dibagi dengan jumlah data yang ada.
Jumlah data-data yang harus diambil untuk perhitungan rata-rata bergerak
(moving average) berjumlah bebas, namun tentunya harus disesuaikan dengan
ketersediaan data-data lampau yang ada.
Data yang digunakan pun harus berurut dari tahun terbaru sampai tahun yang paling
lama, karena data terbarulah yang dianggap jauh lebih akurat dibanding data-data yang
lama.
Biasanya dalam perhitungan rata-rata bergerak (moving average), data yang
diambil adalah data 3 periode sebelumnya. Karena data 3 tahun yang lalu, dianggap
paling relevan dengan keadaan yang akan datang. Namun, tetap saja, jumlah data yang
diambil adalah bebas sesuai dengan selera masing masing.
Rumus peramalan dengan metode rata-rata bergerak (moving average) :

Keterangan :
Ft = Peramalan untuk periode yang akan datang
n = Jumlah periode peramalan moving average
At~1 = Data aktual satu periode sebelum peramalan
At~2 = Data aktual dua periode sebelum peramalan
At~3 = Data aktual tiga periode sebelum peramalan
At~n = Data aktual satu n sebelum peramalan

Contoh Soal :
samsung adalah perusahaan hp, diketahui penjualan pada periode sebelumnya adalah sebagai
berikut :

Dengan menggunakan metode rata-rata bergerak, carilah peramalan untuk tahun 2018 dengan
metode moving average (3 tahunan) dan moving average (4 tahunan).

2. Metode kuadrat terkecil(Least Square)


Metode kuadrat terkecil atau yang biasa disebut sebagai metode least square adalah
metode peramalan yang menggunakan persamaan linear untuk menemukan garis paling sesuai
untuk kumpulan data lampau guna meramalkan data di masa depan.
Rumus untuk metode peramalan dengan metode kuadrat terkecil adalah :

Dimana :
Ŷ = Besarnya nilai yang diramal
a = Trend pada periode dasar
b =  tingkat perkembangan nilai yang diramal
X = Unit waktu yang dihitung dari periode dasar\
jumlah dalam skala X harus sama dengan nol, sehingga nilai a dan b menggunakan rumus
berikut :

Dengan titik tengah sebagai tahun dasar, maka nilai X pada titik tengah tersebut akan
bernilai nol. Hanya saja, ada sedikit perbedaan untuk menentukan titik tengan pada data yang
berjumlah ganjil dan genap.
Contoh Soal :
1. DATA GANJIL

Karena data berjumlah ganjil, maka tahun 2014 memiliki nilai X sebesar nol, sehingga
jumlah data X otomatis akan berjumlah nol. Nilai X akan bernilai negatif ke data yang lebih
lama dan bernilai positif ke data yang lebih baru.
Sehingga peramalan penjualan untuk tahun 2017 adalah :
Jadi, jika dimasukkan dalam rumus menjadi :
Ŷ = a + bX
Ŷ2017 = 1.280 + 70 (3)
Ŷ2017 = 1.490
Nilai X diatas dimasukkan sebesar 3 karena yang ingin diramal adalah data tahun 2017, jadi jika
dilihat pada tabel diatas, nilai x untuk tahun 2017 dapat diketahui adalah sebesar 3 .
2. DATA GENAP
Pada data genap, karena data tengah berada di tengah tengah antara tahun
2013 dan 2014, maka otomatis nilai nol berada di tengah kedua data tersebut. Sehingga
loncatan dari nilai X tersebut adalah kelipatan 2.
Analoginya sebagai berikut :

Pada data genap, karena data tengah berada di tengah tengah antara tahun 2013 dan
2014, maka otomatis nilai nol berada di tengah kedua data tersebut. Sehingga loncatan
dari nilai X tersebut adalah kelipatan 2.
Analoginya sebagai berikut :

Sehingga, peramalan untuk tahun 2017 adalah sebagai berikut :


Jadi, jika dimasukkan dalam rumus menjadi :
Ŷ = a + bX
Ŷ2017 = 1.250 + 32,86 (7)
Ŷ2017 = 1.480,02
Sehingga, peramalan untuk tahun 2017 adalah sebagai berikut :
Jadi, jika dimasukkan dalam rumus menjadi :
Ŷ = a + bX
Ŷ2017 = 1.250 + 32,86 (7)
Ŷ2017 = 1.480,02