ESTIMASI DAN PERAMALAN PERMINTAAN

MATA KULIAH EKONOMI LANJUTAN

NAMA KELOMPOK :

• I Gusti Ayu Trisna Cahyani (12)(1902612010218)

• Kadek Satria Wibawa (18)(1902612010224)
• Ni Komng Juliantari (23)(1902612010229)
• Ni Ketut Tia Ayu Puspita (25)(1902612010231)

UNIVERSITAS MAHASARASWATI

FALKUTAS EKONOMI DAN BISNIS

TAHUN AJARAN 2021/2022

1
 DAFTAR ISI

KATA PENGANTAR.................................................................................................i
DAFTAR ISI................................................................................................................ii
BAB I PENDAHULUAN............................................................................................1
1.1 Latar Belakang ........................................................................................................3
1.2 Rumusan Masalah ...................................................................................................3
1.3 Tujuan Penulisan .....................................................................................................4

BAB II PEMBAHASAN .............................................................................................5

2.1 Pentingnya estimasi permintaan .............................................................................5

2.2 Metode estimasi (langsung dan tidak langsung) .....................................................5
2.3 Perbedaan estimasi permintaan dengan peramalan permintaan..............................13
2.4 Pentingnya peramalan permintaan ..........................................................................14
2.5 Metode peramalan ...................................................................................................14

BAB III PENUTUP .....................................................................................................17

3.1 Kesimpulan .............................................................................................................17

3.2 Saran .......................................................................................................................17

DAFTAR PUSTAKA

2
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Dalam kegiatan perekonomian, tidak terlepas dari permintaan dan penawaran pada
kesempatan kali ini, kami akan membahas masalah “estimasi dan peramalan permintaan”.
Estimasi permintaan itu ada yang dilakukan secara lansung dan tidak langsung. Yaitu estimasi
yang bersifat kualitatif direktif. Diantaranya, customer survey, metode observasi dan metode
market eksperimen. Perpotongan dari kurva permintaan dan penawaran yang berbeda tetapi
tidak di ketahui itu menghasilkan observasi harga – kuantitas yang berbeda–beda. Oleh karena
itu dengan hanya menggabungkan observasi yang berbeda–beda tentang harga – kuantitas, kita
tidak menghasilkan kurva permintaan untuk komoditas tersebut. Kurva permintaan tidak dapat
di identifikasi dengan sesederhana itu. Ini dikenal dengan istilah Masalah identifikasi
(identification problem).
Selain itu, agar hasil analisis ini mendalam kita harus membubuhinya dengan analisis
kuantitatif. Analisis kuantiatif yang sering digunakan adalah regresi. Pada makalah ini, akan
dibahas juga contoh analisis yang menggunakan metode regresi dan contoh penggunaan dari
regresi tersebut. Meskipun survei konsumen, klinik konsumen, eksperimen pasar dan
pendekatan pemasaran yang lainnya untuk mengestimasi permintaan menjadi sangat berguna,
tetapi metode yang paling digunakan untuk mengestimasi permintaan dalam ekonomi
manajerial adalah analisis regresi, metode ini biasanya lebih objektif menyediakan informasi
yang lengkap dan lebih murah.

1.2 Rumusan Masalah

Adapun rumusan masalah dari latar belakang yang telah dipaparkan yaitu sebagai berikut.
1. Bagaimana pentingnya estimasi permintaan ?
2. Bagaimana metode estimasi (langsung dan tidak langsung) ?
3. Apa Perbedaan estimasi permintaan dengan peramalan permintaan ?
4. Bagaimana pentingnya peramalan permintaan ?
5. Apa sajakah metode peramalan ?

3
1.3 Tujuan Penulisan
1. Untuk mengetahui pentingnya estimasi permintaan
2. Untuk mengetahui metode estimasi (langsung dan tidak langsung)
3. Untuk mengetahui perbedaan estimasi permintaan dengan peramalan permintaan
4. Untuk mengetahui pentingnya peramalan permintaan
5. Untuk mengetahui metode peramalan

4
 BAB II

PEMBAHASAN

2.1 PENTINGNYA ESTIMASI PERMINTAAN

Pengertian Estimasi Permintaan Estimasi (Penaksiran) Permintaan adalah proses

menemukan nilai‐nilai koefisien (parameter) dari fungsi permintaan masa kini (current values)
terhadap suatu produk. Dimana fungsi permintaan adalah fungsi dari variabel ‐variabel harga,
iklan, pendapatan konsumen, trend, dan variabel‐variabel lain yang mempengaruhi tingkat
permintaan.
Q = a + b 1 P + b 2 A + b 3 Y + b 4 T +. . + bn.
N Dari persamaan di atas, estimasi permintaan mencoba mencari nilai koefisien b 1, b 2, b 3, b
4, . . . , bn yang merupakan nilai koefisien atau parameter pengaruh dari masing‐masing variabel
terhadap jumlah yang diminta konsumen. Koefisien ini menjadi kunci bagi pembuatan keputusan
manajerial.

2.2 METODE ESTIMASI (LANGSUNG DAN TiDAK LANGSUNG)

Terdapat beragam cara estimasi permintaan yang dapat kita kelompokkan ke dalam dua
metode:
1. Metode Langsung Metode menaksir permintaan dengan melibatkan langsung konsumen
melalui
wawancara dan survei,
pasar simulasi
eksperimen pasar terkendali.
A. Metode Wawancara dan Survei Dilakukan dengan mewawancarai para pembeli
potensial untuk mengetahui berapa yang akan mereka beli jika suatu variabel yang
mempengaruhi permintaan diubah. Cth: Berapa banyak ”permen merek Kiss” yang
dibeli seorang konsumen bila:
• Harga naik 10%

5
 • Iklan dilakukan setiap hari pada prime‐time.
• Pendapatan konsumen meningkat 10%. Pendekatan ini mungkin mudah
dilakukan, namun terdapat beberapa kelemahan: Masalah representasi
responden terhadap seluruh populasi.
• Interview bias: adanya faktor leading dalam usaha probing.
• Akurasi jawaban dan kesenjangan antara intensi (dalam jawaban) dengan
realitas aksi pembelian.
• Salah tafsir responden atas pertanyaan yang dapat menimbulkan jawaban yang
salah.
B. Metode Pasar Simulasi Respons konsumen terhadap perubahan suatu variabel
(misalnya harga) juga dapat dilakukan dengan menggunakan pasar simulasi untuk
mengamati perilaku partisipan dalam pasar yang disimulasikan serupa dengan pasar
sesungguhnya. Partisipan diberikan uang (atau voucher) yang dapat dipergunakan
untuk berbelanja dengan uang tersebut di suatu pasar simulasi. Partisipan dipilih
seksama untuk dapat mewakili target pasar produk tersebut. Namun, metode ini juga
memiliki kelemahan:
• Kemungkinan cara membelanjakan uang pemberian akan berbeda dengan
membelanjakan uang sendiri.
• Bila partisipan tahu bahwa ia diamati, mungkin ia akan berpretensi.
• Biaya mahal, sehingga sampel pun sedikit, sehingga terdapat bahaya sampel
yang tidak representatif.
Contoh: Perusahaan kopi ON TERUS ingin mengetahui respon konsumen terhadap harga
dan melakukan eksperimen pasar simulasi. Ada 6 kelompok yang dipilih, masing‐ masing
terdiri dari 100 pembelanja yang diorganisir. Setiap sore, setiap kelompok dapat
berbelanja di toko tiruan yang khusus menjual kopi selama 30 menit dimana setiap
partisipan diberikan voucher Rp 100. 000. Kopi ON TERUS dipamerkan secara mencolok
berdampingan dengan beberapa merek kopi. Untuk setiap kelompok, ditetapkan harga
kopi ON TERUS yang berbeda‐beda sedangkan semua produk lain harganya tetap.

6
 Table Hasil Ekperimen Kopi On Terus

C. Metode Eksperimen Pasar Langsung Respons konsumen terhadap perubahan suatu

variabel (misalnya harga) juga dapat dilakukan dengan melakukan eksperimen di pasar
yang sesungguhnya untuk mengamati perilaku partisipandalam beberapa sampel pasar
yang dianggap mewakili perilaku target market. Dalam pasar yang terpilih sebagai
sampel itu, beberapa variabel yang mempengaruhi pembelian dikendalikan oleh
peneliti untuk mengetahui dampaknya terhadap permintaan konsumen. Namun,
metode ini juga memiliki kelemahan:
• Relatif sulit untuk mengendalikan sampel dan variabel di pasar.
• Biaya mahal, sehingga sampel pun sedikit, sehingga terdapat bahaya sampel
yang tidak representatif.

Contoh Kasus Metode Langsung (Survei): Perusahaan “SEPATU MULTI WARNA” (SMW)
ingin memperkenalkan bakiak di pasar Jakarta. Staf R&D membuat survei dengan responden 1000
orang. Responden diminta memilih satu dari enam jawaban keinginan membeli SMW pada 5
kemungkinan harga.

7
Contoh Kuesioner Pasar Langsung

✓ Masing‐masing kategori jawaban itu kemudian diberikan bobot:

✓ Pasti tidak membeli = 0 % pasti akan membeli
✓ Hampir pasti tidak membeli = 20 % pasti akan membeli
✓ Mungkin tidak membeli = 40 % pasti akan membeli
✓ Mungkin akan membeli = 60 % pasti akan membeli
✓ Hampir pasti akan membeli = 80 % pasti akan membeli
✓ Pasti akan membeli = 100 % pasti akan membeli

8
Maka ekspektasi permintaan untuk masing‐masing kategori jawaban dapat diperoleh dengan
mengalikan jumlah jawaban dengan bobot kepastian akan membeli untuk masing jawaban
Tabel Ekspektasi permintaan SMW

Tabel Ekspetasi Permntaan SMW

Gambar Proyeksi Kurva Pemintaan SMW

2. Metode Tidak Langsung Metode menaksir permintaan dengan menggunakan data‐data

sekunder yang telah dikumpulkan dan kemudian dilakukan upaya menemukan hubungan
statistik antara variabel dependent dan variabel independent. Salah satu teknik yang sering
digunakan untuk estimasi demand dengan metode tak langsung adalah Teknik Analisa
Regresi (Sederhana dan Berganda).

9
A. Analisis Regresi Permintaan
Analisis regresi permintaan adalah sebuah teknik statistik yang digunakan untuk
menemukan ketergantungan dari suatu variabel terhadap satu atau lebih variabel lain.
Jadi teknik ini dapat diterapkan untuk mencarai nilai dari koefisien-koefisien tersebut
menunjukkan pengaruh dari variabel yang menentukan permintaan sebuah produk.
Untuk analisis regresi, kita membutuhkan sejumlah observasi, masing-masing terdiri
dari variabel dependen Y dan nilai variable independen X yang berhubungan. Analisis
regresi ini memungkinkan kita untuk menarik kesimpulan dari pola hubungan yang
ditunjukan oleh hasil observasi. Dalam analisis ini dapat digunakan data runtut-waktu
(time series) maupun data seksi-silang (cross-section).
1. Analisis Runtut Waktu dan Seksi Silang
A. Analisis Runtut Waktu (time series)
Analisis runtut waktu menggunakan observasi yang telah dicatat selama waktu
tertentu dalam situasi tertentu. Misalnya, tingkat harga dan penjualan bulanan
suatu produk dan sebuah perusahaan yang telah dikumpulkan selama enam
atau dua belas bulan. Satu masalah dalam analisis ini adalah bahwa beberapa
faktor yang tak dapat dikendalikan yang mempengaruhi penjualan cenderung
untuk berubah selama periode waktu tersebut, sehingga beberapa perbedaan
dalam observasi penjualan merupakan akibat dari pengaruh-pengaruh ini, dan
bukan pengaruh dari tingkat harga. Jika perubahan variabel-variabel tak
terkendali tersebut dapat diamati dan diukur, kita dapat memasukan variabel-
variabel ini sebagai variabel indevenden dalam analisis regresi. Misalnya,
tindakan para pesaing dan perubahan tingkat pendapatan konsumen sebaiknya
dikuantifikasikan (secara langsung atau dengan variabel proksi yang tepat) dan
dimasukan kedalam analisis.
B. Analisis Seksi Silang (cross-section)
Analisis seksi silang menggunakan obsevasi-observasi dari perusahaan yang
berbeda dalam lingkungan bisnis yang sama. Dengan demikian, analisis ini
bisa mengurangi masalah yang ditimbulkan oleh perubahan variabel-variabel
tak terkendali sepanjang waktu, tetapi timbul faktor-faktor seperti efektifitas
tenaga penjualan, posisi aliran kas, tingkat kegiatan promosi, dan tujuan

10
 manajemen berbeda-beda antar perusahaan, maka kesemua hal tersebut akan
mempunyai dampak yang berbeda pula terhadap tingkat penjualan. Sekali lagi,
jika faktor-faktor ini dapat dikuantifikasikan dan datanya dapat dimasukan
kedalam analisis regresi untuk mengetahui dampaknya terhadap variabel
dependen.

2. Linieritas Persamaan Regresi

Dengan hipotesis bahwa Y merupakan suatu fungsi dari X atau beberapa variable
X, maka dapat ditentukan bentuk ketergantungan variabel Y terhadap variable-
variabel X. dalam analisis regresi menurut "ketergantungan" dinyatakan dengan:
A. Bentuk linier
Y = a + b1X1 + b2X2 + … + bnXn + e
Dimana e adalah nilai kesalahan atau residu yang timbul karena adanya
perbedaan antara nilai aktual setiap Y yang diobservasi untuk setiap nilai X
dengan nilai Y yang ditaksir oleh persamaan regresi untuk nilai-nilai X
tertentu. Untuk observasi individual bisa terjadi nilai residu negative atau
positif sebab adanya variasi random dari nilai Y.

B. Bentuk Non linier

Y = αX1β1X2β2
Dimana variable-variabel independennya (X1 dan X2) mempunyai pengeruh
berganda terhadap variable dependen Y. hubungan garis lengkung ini dapat
dinyatakan sebagai suatu hubungan garis lurus dengan transformasi logaritma.
Dengan melogaritmakan nilai Y, X1 dan X2.

C. Bentuk logaritma
logY = log a + b1 log X1 + b2 log X2
Dalam bentuk ini, persamaannya menjadi linier dan koefisien b1 dan
b2 langsung dapat dicari dengan analisis regresi. Koefisien a pada persamaan
diatas dapat diperoleh dengan membalikkan transformasi (yakni denga antilog)
nilai log a yang diberikan analisis regresi tersebut.

11
 D. Bentuk kuadratik
Y = a + b1X1 + b2X12
Kemungkinan lain bentuk fungsi yang cocok untuk menunjukkan hubungan
antara variable dependen dan variable independen adalah bersifat kuadratik
yaitu dengan mengkuadratkan variable independen yang sama (X1).

E. Bentuk pangkat tiga

Y = a + b1X1 + b2X12 + b3X13
Bentuk fungsi pangkat tiga ini dapat digunakan pada kasus fungsi produksi dan
fungsi biaya total, dan analisis regresi dapat digunakan untuk menentukan
nilai-nilai dari parameter a, b1, b2 dan b3.

3. Penaksiran Parameter Regresi

Metode kuadrat kecil sering disebut ordinary least squares (OLS), adalah proses
matematis untuk menentukan intersep dan slope garis yang paling tepat yang
menghasilkan jumlah kuadrat deviasi (simpangan) yang minimum.

4. Koefisien Determinasi
Koefisien determinasi (R2), adalah angka yang menunjukan proporsi variabel
dependen yang dijelaskan oleh variasi variable independen. Artinya,
R2 menunjukkan seberapa jauh kesesuaian persamaan regresi tersebut dengan
data. Koefisien determinasi dapat dihitung dengan rumus
R2 =

5. Kesalahan Baku Penaksiran

Kesalahan baku penaksiran adalah ukuran penyebaran (dispersi) data dari garis
yang paling tepat. Dengan kesalahan baku penaksiran ini (Se), kita dapat
menghitung interval keyakinan (sekitar nilai penaksiram untuk variabel

12
 independen) untuk tingkat tingkat keyakinan yang berbeda. Intervalkeyakinan
adalah kisaran nilai dimana observasi aktual diharapkan terletak dalam persentase
tertentu pada waktu tertentu.
Kesalahan baku penaksiran dapat dihitung dengan rumus berikut :
Se =

6. Daya Prediksi Persamaan Regresi

Bila interval keyakinan relative sempit, karena nilai kesalahan baku yang relative
kecil, maka kita dapat mengatakan bahwa persamaan regresi itu mempunyai
kemampuan prediksi yag lebih besar daripada nilai Se yang relative besar dengan
interval keyakinan relative luas. Untuk menentukan nilai Se lebih besar atau kecil
maka dapat menghubungkannya dengan nilai rata-rata observasi ( ). Bila rasio
Se/ < 0,05, maka deviasi absolute rata-rata

7. Kesalahan Baku Koefisien

Kesalahan baku koefisien Sβ adalah ukuran ketepatan nilai β yang diperoleh, yaitu
koefisien yang menaksir hubungan marginal antara variable X dengan Y.
Kesalahan baku koefisien dapat dihitung dengan rumus :
Sβ =

2.3 PERBEDAAN ESTIMASI PERMINTAAN DENGAN PERAMALAN PERMINTAAN

Menurut Dominic Salvatore dalam bukunya Managerial Economic dalam perusahaan

global, estimasi (penaksiran) Permintaan bertujuan untuk menemukan nilai-nilai koefisien
(parameter) dari fungsi permintaan masa kini (current values) terhadap suatu produk. Sedangkan
peramalan permintaan bertujuan untuk mengurangi resiko atau ketidakpastian yang dihadapi
perusahaan dalam pengambilan keputusan operasional jangka pendek maupun jangka panjang.

13
2.4 PENTINGNYA PERAMALAN PERMINTAAN

Meramalkan permintaan dari pasar yang dimasuki oleh perusahaan adalah suatu pekerjaan
yang perlu dilakukan oleh setiap manajer perusahaan dalam rangka memprediksi berapa peluang
pasar yang tersedia di masa depan. Peramalan permintaan merupakan usaha untuk mengetahui
jumlah produk atau sekelompok di masa yang akan datang dalam kendala satu set kondisi tertentu.

Untuk melakukan forecasting atau peramalan terhadap permintaan pasar, disini akan
diuraikan berbagai metode model peramalan terhadap permintaan pasar dari barang atau jasa
yang diproduksi dan dijual oleh perusahaan. Secara garis besar terhadap dua macam metode
kualtatif yang terdiri atas teknik survey dan teknik pengumpulan opini. Sedangkan metode
berikutnya adalah metode kuantitatif, yang terdiri atas meode Time Series, metode Tren
Linear, metode Kuadratik, analisis Musiman, dan model Ekonometri.
Dengan melakukan peramalan (forecasting) permintaan pasar dengan cara yang
tepat, akan dapat membantu manajer perusahaan dalam menggambarkan tersedianya potensi
pasar. Jika hasil forecasting itu dapat meyakinkan para manajer perusahaan, maka akan dapat
membantu menyiapkan perencanaan di bidang produksi, keuangan, dan menyiapkan sarana
dan prasarana pemasaran yang diperlukan dalam rangka memanfaatkan potensi pasar yang
tersedia itu.

2.5 METODE PERAMALAN (U1 BAB 6;P2 BAB 4,5)

1. Metode Kualitatif
Metode peramalan permintaan secara kualitatif berhubungan dengan data-data kualitatif,
misalnya tentang selera konsumen terhadap suatu produk, atau survey tentang loyalitas
konsumen, dan lain-lain. Forecasting kualitatif ini dapatb dikelompokkan ked ala beberapa
metode teknik seperti akan dijelaskan berikut ini.
1. Teknik Survey
Teknik survey ini merupakan suatu alat meramalkan yang cukup penting khususnya
untuk memprediksi kejadian-kejadian atau kecenderungan dalam jangka pendek
mendatang ini.
2. Teknik Jajak Pendapat (opinion pools)

14
 Teknik jajak pendapat sering dilakukan untuk melengkapi data dari survey. Jajak
pendapat dari para pakar, para eksekutif, dari masyarakat umum, atau dari konsumen.
Jajak pendapat ini lebih bersifat pandangan atau pendapat pribadi (subyektif) dari
respondennya, sebalinya teknik survey lebih bersifat obyektif.
3. Metode Delphi
Pada metode ini sekelompok pakar mengisi kuesioner, moderator menyimpulkan
hasilnya dan memformulasikan menjadi suatu kuesioner baru yang diisi kembali oleh
kelompok tersebut, demikian seterusnya. Hal ini merupakan proses pembelajaran
(learning proses) dari kelompok tanpa adanya tekanan atau intimidasi individu.
4. Analog historis (historical anology)
Merupakan teknik peramalan berdasarkan pola data masalalu dari produk-produk yang
dapat bisa makan secara analogy. Misalnya peramalan untuk pengembangan pasar
televise multi system menggunakan model permintaan televise hitam putih atau
televise berwarna biasa. Anology historis cenderung akan menjadi terbaik untuk
produk dipasar dan apabila terdapat hubungan substitusi langsung dari produk dalam
pasar itu.
5. Dugaan Manajemen (manajemen estimate) atau panel consensus
Dimana peramalan semata-mata berdasarkan pertimbangan manajemen, umumnya
oleh manajemen senior. Metode ini akan cocok dalam situasi yang sangat sensitive
terhadap instusi dari suatu atau sekelompok kecil orang yang karena pengalamannya
mampu memberikan opini yang kritis dan relevan. Teknik akan dipergunakan dalam
situasi dimana tidak ada situasi dimana tidak ada relative lain dari model peramalan
yang dapat diterapkan. Bagaimana metode ini mempunyai banyak keterbatasan,
sehingga perlu dikombinasikan dengan metode peramalan yang lain.
2. Metode kuantitatif
1. Time series
Metode time series berhubungan dengan nilai-nilai suatu variable yang diatur secara
periodesasi sepanjang periode waktu dimana perkiraan permintaan diproyeksikan.
Misalnya mingguan, bulanan, kwartalan, dan tahunan, tergantung keinginan dari
pihak-pihak yang melakukan perkiraan permintaan ini. Metode ini semata-mata
mendasarkan diri pada data dan keadaan masa lampau. Jika keadaan dimasa yang akan

15
 datang cukup stabil dalam arti tidak banyak perubahan yang berarti dengan keadaan
masa lampau, metode ini dapat memberikan hasil peramalan yang cukup akurat.

2. Metode trend least square

Adalah suatu metode peramalan serangkaian waktu yang sesuai dengan garis tren
terhadap serangkaian titik-titik data masalalu, kemudian diproyeksikan ke dalam
peramalan masa depan untuk peramalan jangka menengah dan jangka panjang.
3. Metode casual
Metode kasual mengonsumsikan faktor yang diperkirakan menunjukan adanya
hubungan sebab akibat dengan satu atau beberapa variable bebas (independen) .
sebagai contoh, jumlah pendapatan berhubungan dengan faktor-fakor seperti jumlah
penjualan, harga jual, dan tingkat promosi.
4. Metode variasi musim
Melakukan perkiraan volume permintaan konsumen diwaku-waktu yang akan datang
dapat didasarkan pada gelombang musiman yang melengket pada kaltur budaya atau
kebiasaan dari masyarakat. Tetapi dapat juga karna faktor sifat dan keadaan alam yang
melekat pada iklim atau cuaca. Misalnya produksi musim semi, gugur,dan musim
penghijauan dan bahkan musim kemarau produk apa yang sedang atau yang akan
datang musimnya.

16
 BAB III

PENUTUP

A. Kesimpulan
Estimasi dan peramalan permintaan adalah merupakan kegiatan memperkirakan
jumlah permintaan konsumen terhadap barang atau jasa dimasa yang akan datang
berdasarkan data atau keadaaan masa lalu dan saat ini. Peramalan 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. Tujuan peramalan dalam kegiatan produksi adalah untuk
meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang
sebenarnya. Peramalan tidak akan pernah sempurna, tetapi meskipun demikian hasil
peramalan akan memberikan arahan bagi suatu perencanaan.
Terdapat empat metode umum peramalan, sebagaimana ada dua cara mengatasi semua
model keputusan. Yang pertama adalah analisis kuantitatif dan yang kedua adalah analisis
kualitatif, metode casual, metode variasi musim.

B. Saran

Semoga dengan tersusunnya makalah ini mampu memberikan, menambahkan

pengetahuan semua pembaca. Dan harapan dari penulis bukan hanya sekedar dibaca
melainkan difahami dengan jelas. Demikianlah makalah ini kami buat, bila ada terdapat
kesalahan maka kami meminta kritik dan saran yang membangun dari pembaca, sekaligus
atas kritik dan sarannya kami ucapkan terima kasih

17
 DAFTAR PUSTAKA

https://id.scribd.com/document/435077413/Estimasi-Dan-Peramalan-Permintaan

https://slidetodoc.com/estimasi-permintaan-pengertian-estimasi-permintaan-
estimasi-penaksiran-permintaan/

18