Nama : Firman Zakaria

NIM : 1905967

4.1. Berikut ini diberikan jumlah pint tipe darah B yang digunakan di Woodlawn Hospital
dalam 6 minggu silam:

Minggu dari Penggunaan Pint

31 Agustus 360
7 September 389
14 September 410
21 September 381
28 September 368
5 Oktober 374

a. Buatlah peramalan permintaan untuk pekan 12 Oktober dengan menggunakan pergerakan

rata-rata minggu ke-3.
b. Gunakan pergerakan rata-rata tertimbang 3 minggu, dengan bobot 0,1, 0,3, dan 0,6,
menggunakan 0,6 untuk pekan terbaru. Buat peramalan permintaan untuk pekan 12
Oktober.
c. Hitunglah peramalan untuk pekan 12 Oktober menggunakan penghalusan eksponensial
dengan peramalan untuk 31 Agustus 360 dan a = 0,2.

Jawaban

a. = (381 + 368 + 374)/3

= 374,3

b. = [(0,1 x 368) + (0,3 x 381) + (0,6 x 374)] / 1

= 375.5

c. ● (0,1 x 381) + (0,3 x 410) + (0,6 x 368)/1

= 381 + 123 + 220,8
= 381,9
 Ft = Ft-1 + a (At-1 – Ft-1)
= 381,9 + 0,2 (374 – 381,9)
= 3819 + 0,2 (- 7,9)
= 381,9 – 1,58
= 380, 32

● (0,1 x 368) + (0,3 x 381) + (0,6 x 410)/1

= 36,8 + 114,3 +246
= 397,1

Ft = Ft-1 + a (At-1 – Ft-1)

= 397,1 + 0,2 (374 – 397,1)
= 397,1 + 0,2 (-23,1)
= 397,1 + (-4,62)
= 397,1 – 4,62
= 392, 48
4.2.
Tahun 1 2 3 4 5 6 7 8 9 10 11
Permintaan 7 9 5 9 13 8 12 13 9 11 7

a. Plot data di atas pada grafik. Apakah Anda mengamati beberapa kecenderungan,
siklus, atau variasi acak?
b. Mulai dalam tahun ke-4 dan menuju tahun ke-12, ramalkan permintaan menggunakan
pergerakan rata-rata 3 tahun. Plot peramalan Anda pada grafik yang sama dengan data
yang asli.
c. Mulai dalam tahun ke-4 dan bergerak menuju tahun ke-12, ramalkan permintaan
dengan menggunakan pergerakan rata-rata 3 tahun dengan bobot 0,1, 0,3, dan 0,6,
menggunakan 0,6 untuk tahun terbaru. Plot peramalan ini pada grafik yang sama.
d. Sebagaimana Anda bandingkan peramalannya dengan data yang asli, yang mana yang
terlihat memberikan hasil yang lebih baik?
Jawaban

a.
14

12

10

0
1 2 3 4 5 6 7 8 9 10 11

permintaan

Berdasarkan data di atas terdapat kecenderungan variasi acak atau siklus.

b.
PERAMALAN PERMINTAAN
TAHUN PERMINTAAN
RATA-RATA 3 TAHUN
1 7
2 9
3 5
4 9 (7 + 9 + 5)/3 = 7
5 13 (9 + 5 + 9)/3 = 7,67
6 8 (5 + 9 + 13)/3 = 9
7 12 (9 + 13 + 8)/3 = 10
8 13 (13 + 8 + 12)/3 = 11
9 9 (8 + 12 + 13)/3 = 11
10 11 (12 + 13 + 9)/3 = 11,33
11 7 (13 + 9 + 11)/3 = 11
12 ? (9 + 11 + 7)/3 = 9
 14

12

10

0
1 2 3 4 5 6 7 8 9 10 11 12

Permintaan Peramalan Permintaan Rata-Rata 3 Tahun

c.
TAHUN PERMINTAAN PERAMALAN PERMINTAAN RATA-
RATA 3 TAHUN
1 7
2 9
3 5
4 9 [(0,6 x 5) + (0,3 x 9) + (0,1 x 7)] = 6,4
5 13 [(0,6 x 9) + (0,3 x 5) + (0,1 x 9)] = 7,8
6 8 [(0,6 x 13) + (0,3 x 9) + (0,1 x 5)] = 11
7 12 [(0,6 x 8) + (0,3 x 13) + (0,1 x 9)] = 9,6
8 13 [(0,6 x 12) + (0,3 x 8) + (0,1 x 13)] = 10,9
9 9 [(0,6 x 13) + (0,3 x 12) + (0,1 x 8)] = 12,2
10 11 [(0,6 x 9) + (0,3 x 13) + (0,1 x 12)] = 10,5
11 7 [(0,6 x 11) + (0,3 x 9) + (0,1 x 13)] = 10,6
12 ? [(0,6 x 7) + (0,3 x 11) + (0,1 x 9)] = 8,4
 14

12

10

0
1 2 3 4 5 6 7 8 9 10 11 12

Permintaan
Peramalan Permintaan Rata-Rata 3 Tahun
Peramalan Permintaan Rata-Rata 3 Tahun dengan Bobot

d. Dari data di atas kita bisa lihat pada data peramalan tidak ada yang akurat, namun
hanya mendekati data asli, jika di lahat dari itu maka data permintaan rata – rata 3
tahun adalah data yang paling mendekati keakuratan.

4.7 Permintaan aktual untuk para pasien di Omaha Emergency Medical Clinic untuk 6 minggu
pertama tahun ini sebagai berikut.

Minggu Jumlah Aktual Pasien

1 65
2 62
3 70
4 48
5 63
6 52

Administrasi klinik Marc Schniederjans menginginkan Anda untuk meramalkan

permintaan pasien pada klinik untuk minggu ke-7 dengan menggunakan data ini. Anda
memustukan untuk menggunakan metode pergerakan rata-rata tertimbang untuk
 menemukan peramalan ini. Metode Anda menggunakan 4 level permintaan akutal, dengan
bobot 0,333 pada periode saat ini, 0,25 1 periode lalu, 0,25 2 periode lalu, dan 0,167 3
periode lalu.
a. Apa nilai peramalan Anda?
b. Jika sebagai gantinya bobot adalah sebesar 20, 15, 15, dan 10, masing-masing, berapa
perubahan peramalan ini? Jelaskan mengapa.
c. Apakah jika bobot adalah 0,40, 0,30, 0,20, dan 0,10, masing-masing? Sekarang apa
peramalan untuk minggu ke-7?

Jawaban

a. Diketahui bobot 0,333 pada periode saat ini, 0,25 1 periode lalu, 0,25 2 periode lalu,
dan 0,167 3 periode lalu
MINGGU JUMLAH PERAMALAN RATA-RATA TERTIMBANG
AKTUAL PASIEN
1 65
2 62
3 70
4 48
5 63 [(0,333 x 48) + (0,25 x 70) + (0,25 x 62) + (0,167 x 65)] = 59,839
6 52 [(0,333 x 63) + (0,25 x 48) + (0,25 x 70) + (0,167 x 62)] = 60,833
7 [(0,333 x 52) + (0,25 x 63) + (0,25 x 48) + (0,167 x 70)] = 56,756

Dari data di atas, nilai peramalan pada minggu ke-7 adalah 56,756

b.
MINGGU JUMLAH PERAMALAN RATA-RATA TERTIMBANG
AKTUAL
PASIEN
1 65
2 62
3 70
4 48
5 63 [(20 x 48) + (15 x 70) + (15 x 62) + (10 x 65)] = 3.590
6 52 [(20 x 63) + (15 x 48) + (15 x 70) + (10 x 62)] = 3.650
 7 [(20 x 52) + (15 x 63) + (15 x 48) + (10 x 70)] = 3.405

Perubahan pada minggu ke-5 memiliki selisih 3.530,161; pada minggu ke-6 memiliki selisih
3.589,167; dan pada minggu ke-7 memiliki selisih 3.348,244 Perubahan ini disebabkan
perubahan bobot, sehingga peramalan rata-rata tiap minggunya juga berubah.

c. [(0,40 x 52) + (0,30 x 63) + (0,20 x 48) + (0,10 x 70)]

= 20,8 + 18,9 + 9,6 + 7
= 56,3
4.11. Gunakan penghalusan eksponensial dengan penghalusan konstan 0,3 untuk meramalkan registrasi
pada seminar yang diberikan dalam soal 4.10. untuk memulai prosedur, asumsikan bahwa
peramalan untuk tahun ke-1 adalah 5.000 orang yang mendaftarkan diri.
a. Apa MAD?
b. Apa MSE?

Jawaban

Tahun Regisrtasi Peramalan α =0,3 MAD MSE

Jumlah aktual – (kesalahan)2
peramalan / n
1 4.000 5.000 1.000 1.000.000
2 6.000 F=5.000+0,3(4.000-5.000)=4.700 1.300 1.690.000
3 4.000 F=4.700+0,3(6.000-4.700)=5.090 1.090 1.188.100
4 5.000 F=5.090+0,3(4.000-5.090)=4.763 237 56.169
5 10.000 F=4.763+0,3(5.000-4.763)=4.834 5.166 26.687.556
6 8.000 F=4.834+0,3(10.000-4.834) = 1.616 2.611.456
6.384
7 7.000 F=6.384+0,3(8.000-6.384) = 131 17.161
6.869
8 9.000 F=6.869+0,3(7.000-6.869) = 2.092 4.376.456
6.908
9 12.000 F=6.908+0,3(9.000-6.904) = 4.464 19.927.296
7.536
 10 14.000 F=7.536+0,3(12.000-7.536) = 5.125 26.265.625
8.875
11 15.000 F=8.875+0,3(14.000-8.875) = 4.587 21.040.569
10.413
Jumlah 26.808 / 11 104.860.396 / 11
Nilai 2.437,09 9.532.763,27

a. MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model.
Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap kesalahan
peramalan dibagi dengan jumlah periode data n. Rumus untuk menghitung MAD adalah
sebagai berikut:

b. MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE
merupakan rata-rata selisih kuardrat antara nilai yang diramalkan dan yang diamati.
Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan deviasi yang besar
karena adanya pengkuadratan. Rumus untuk menghitung MSE adalah sebagai berikut:

4.18. Pertimbangan level permintaan aktual (At) dan peramalan (Ft) untuk telepon multilini
komersial pada Office Max:

Periode Waktu, t Permintaan Aktual, At Peramalan, Ft

1 50 50
2 42 50
3 56 48
4 46 50
 Peramalan pertama, F1 berasal dari pengamatan A1, dan menetapkan F1 setara
dengan A1. Peramalan rata-rata sebelumnya diperoleh dengan penghalusan eksponensial.
Menggunakan metode penghalusan eksponensial, temukan peramalan untuk periode
waktu 5. (Petunjuk: Anda pertama menemukan penghalusan konstan, a.)
Jawab:
1. Mencari α
α = 2/(n+1)
α = 2/(4+1)
α = 2/5
α = 0,4
2. Metode Penghalusan Eksponensial
Ft  Ft 1   ( At 1  Ft 1 )
Rumus:
Ket : Ft = nilai ramalan untuk periode waktu ke-t
Ft-1 = Peramalan sebelumnya
Α = Konstanta penghalusan (0≤α≤1)
At-1 = Permintaan aktual periode lalu

Ft  Ft 1   ( At 1  Ft 1 )

Ft  50  0,4(46  50)
= 50 + 0,4 (-4)
= 48,4
= 48

4.19. Pendapatan pada perusahaan arsitektural Spraggins dan Yunes untuk periode
Februari hingga Juli sebagai berikut.

Bulan Feb Mar Apr Mei Jun Jul

Pendapatan 70,0 68,5 64,8 71,7 71,3 72,8
 Gunakan penghalusan eksponensial yang disesuaikan dengan kecenderungan untuk
meramalkan pendapatan perusahaan Agustus. Asumsi bahwa peramalan rata-rata awal
untuk Februari adalah $65.000 dan penyesuaian kecenderungan awal adalah 0.
Penghalusan konstan yang dipilih adalah a = 0,1 dan B = 0,2.
Jawab:

Bulan Pendapatan (A) Peramalan rata- Kecenderungan Peramalan

(Dalam $ rata(f) yang diratakan Kecenderungan
Ribuan) (T) (F,T)
1 Februari 70 65 2 67
2 Maret 68,5 67,3 2,06 69,36
3 April 64,8 69,27 2,04 71,31
4 Mei 71,7 70,66 1,91 72,57
5 Juni 71,3 72,48 1,89 74,37
6 Juli 72,8 74,06 1,83 75,89
7 Agustus 75,58 1,76 77,34

Maret → Peramalan rata-rata α=0,1 β=0,2

𝐹 = α (𝐴 ) + (1 - α ) (𝐹 + 𝑇 )
= (0,1) (70) + (1-0,1) (65+2)
= 7 + 60,3
= 67,3

𝑇 = β (𝐹 +𝐹 ) + (1-𝛽) 𝑇
= 0,2 (67,3 – 65) + (1 – 0,2) 2
= 0,46 + 1,6
= 2,06
𝐹 = 67,3 + 2,06
= 69,27

April → 𝐹 = α (𝐴 ) + (1- α)( 𝐹 + 𝑇 )

= 0,1 (68,5) + (1-0,1)(67,3+2,06)
= 6,85 + 62,42
 = 69,27
𝑇 = 0,2 (69,27 – 67,3) + (0,8) 20,6
= 0,39 + 1,65
= 2,04

Mei → 𝐹 = 0,1 (64,8) + (0,9) (71,31)

= 6,48 + 64,18
= 70,66
𝑇 = 0,2 (70,66 – 69,27) + (0,8) (2,04)
= 0,28 + 1,63
= 1,91

Juni → 𝐹 = 0,1 (71,7) + (0,9) (72,57)

= 7,17 + 65,31
= 72,48
𝑇 = 0,2 (72,48 – 70,66) + (0,8) + 1,91
= 0,36 + 1,53
= 1,89

Juli → 𝐹 = 0,1 (71,3) + (0,9)(74,37)

= 7,13 + 66,93
= 74,06
𝑇 = 0,2 (74,06-73,48)+(0,8)1,89
= 0,32 + 1,51
= 1,83

Agustus → 𝐹 = 0,1 (72,8)+(0,9) 𝑇 = 0,2 (75,58 – 74,06) +

75,89 (0,8)1,83
= 7,28 + 68,30 = 0,30 + 1,46
= 75,58 = 1,76
4.23. Penjualan penutup selimut (quilt cover) pada toserba Bud Banis di Carbondale selama
tahun yang lalu diperlihatkan di bawah ini. Manajemen mempersiapkan peramalan
menggunakan kombinasi penghalusan eksponensial dengan pertimbangan kolektifnya untuk
4 bulan (Maret, April,, Mei, dan Juni).
Bulan Unit Penjualan Peramalan Manajemen
Juli 100
Agustus 93
September 96
Oktober 110
November 124
Desember 119
Januari 92
Februari 83
Maret 101 120
April 96 114
Mei 89 110
Juni 108 108

a. Hitunglah MAD dan MAPE untuk teknik manajemen.

b. Apakah hasil manajemen lebih baik daripada (misalnya, memiliki MAD dan MAPE
lebih kecil daripada) peramalan sederhana
c. Peramalan manakah yang Anda rekomendasikan, didasarkan pada kesalahan
peramalan yang lebih rendah?

Jawaban

a.

Bulan Unit Peramalan Perhitungan Perhitungan

Penjualan Manajemen MAD MAPE
Maret 101 120 19 1.88%
April 96 114 18 1.87%
Mei 89 110 21 2.44%
Juni 108 108 0
TOTAL 42.25 6.19%
 b. Penggunaan metode peramalan memiloiki hasil yang berbeda dari tiap metodenya, jadi lebih baik
memilih sesuai kebutuhan dari peramalan tersebut
c. Penggunaan MAPE lebih twepat karena kecil dari kesalahanya

4.24. Mark Gershon, pemilik hak distributor instrumen musik, berpikir bahwa permintaan untuk
gitar dapat terkait dengan jumlah penampilan di televisi oleh grup terkenal Maroon 5 selama
bulan sebelumnya. Mark telah mengumpulkan data yang ditunjukkan dalam tabel berikut:
Permintaan untuk gitar 3 6 7 5 10 7
Penampilan Maroon 5 di 3 4 7 6 8 5
TV

a. Buatlah grafik data ini untuk melihat apakah persamaan linear akan menggambarkan
hubungan di antara pertunjukan grup di televis dengan penjualan gitar
b. Gunakan metode regresi kuadrat kecil untukk memperoleh persamaan peramalan
c. Apa estimasi Anda untuk penjualan gitar jika Maroon 5 tampil di TV 9 kali bulan lalu?
d. Apa koefisien korelasi (r) dan koefisien determinan (r2) untuk model ini, dan apa
artinya?

Jawaban

a.

Permintaan gitar
12
10
Permintan gitar

8
6
4
2
0
0 1 2 3 4 5 6 7 8 9
Penampilan maroon 5 di TV
 b.

Permintaan gitar
12
Permintaan Gitar 10

0
0 2 4 6 8 10
Penampilan maroon 5 di TV

c. Dilihat dari data jika maroon 5 tampil di tv 9 kali bulan lalu maka permintaan gitar
berada pada titik 7,5 dapat disimpulan bahwa permintaan gitar akan 7 buah hingga 8
buah.
d. Koefisien Korelasi adalah ukuran yang mencerminkan derajat atau kekuatan hubungan
linear (tetapi catatan bahwa korelasi tidak selalu berarti hubungan sebab-akibat)
sedangkan Koefisien Determinan merupakan kuadrat dari koefisien korelasi. Dalam
data ini nilai koefisien korelasi nya yaitu moderat yaitu berada pada nilai 0,30 sampai
dengan 0,49.

4.33. Jumlah disk drive internal (dalam jutaan) yang dibuat di pabrik di Taiwan selama 5
tahun silam berikut.
Tahun Disk Driver
1 140
2 160
3 190
4 200
5 210
a. Ramalkan jumlah disk drives yang akan dibuat pada tahun mendatang, dengan
menggunakan regresi linear.
b. Hitunglah kesalahan rata-rata yang dikuadratkan (MSE) ketika menggunakan regresi
linear.
c. Hitunglah persentase kesalahan rata-rata yang absolut (MAPE).

Jawaban
a.
Tahun (t) Disk Driver ((Y(t)) t Y(t) t2
1 140 140 1
2 160 320 4
3 190 570 9
4 200 800 16
5 210 1050 25
15 900 2830 55

b = (5) (2880) – (900) (15) / (5) (55) – (152)

= 14.400 – 13.500/ 275-225
= 900/500
= 18
a = 900/5 – (18) (15)/ 5
= 180 – 54
= 126
Jadi, Y(t) = 126 = 18t
Dengan demikian hasil peramalan untuk tahun ke-6 adalah sebagai berikut:
Y(6) = 12(6) + 18(6)
= 126 + 108
= 234
 b.

TAHUN (t) DISK DRIVES ȳt (kesalahan²)

Y (t)
1 140 144 -4² = 16
2 160 162 -2² = 4
3 190 180 10² = 100
4 200 198 2² = 4
5 210 216 -16² = 256

c. MAPE = Kesalahan/Aktual x 100

TAHUN (t) DISK ȳt (kesalahan²) MAPE (%)
DRIVES
Y (t)
1 140 144 -4² = 16 2,85
2 160 162 -2² = 4 1,25
3 190 180 10² = 100 5,26
4 200 198 2² = 4 1
5 210 216 -16² = 256 7,62
NILAI

,
Nilai MAPE = = 3,6%