TUGAS

MANAJEMEN OPERASI

DOSEN PENGAJAR :
Prof. Marijati Sangen, SE., MM

oleh:

Rahmad Oktavianto/NIM 1720318310030

KEMENTRIAN PENDIDIKAN NASIONAL

UNIVERSITAS LAMBUNG MANGKURAT
FAKULTAS EKONOMI DAN BISNIS
PROGRAM MAGISTER MANAJEMEN
2018
1. 4.4 Pusat pemprosesan cek menggunakan penghalusan eksponensial untuk
meramalkan jumlah cek yang masuk tiap bulan. Jumlah cek yang diterima pada
juni adalah 40 juta, sementara hasil peramalan adalah 42 juta. Penghalusan
konstan 0.2 yang digunakan?
a. apakah peramalan pada Juli ?
Jawab :

'= 42000000 + 0.2 (40000000 - 42000000)

'= 42000000 – 400000
'= 41600000

b. jika cek yang diterima oleh pusat adalah 45 juta pada juli, apa peramalan untuk
agustus?
Jawab :

'= 41600000 + 0.2 (45000000 - 41600000)

'= 41600000 + 680000
'= 42280000
c. Mengapa ini akan menjadi metode peramalan yang kurang tepat untuk keadaan ini?
Jawab :

Karena untuk peramalan perbankan tergantung musiman sehingga peramalan tersebut

kurang tepat untuk keadaan ini

2. 4.5 Carbondale hospital sedang mempertimbangkan untuk membeli sebuah

mobil ambulan yang baru, keputusan sebagian sisanya akan diantisipasi pada
kisaran tempuh yang dijalankan pada tahun mendatang , jarak tempuh selama
lima tahun yang lalu sebagai berikut :

Tahun Kisaran
1 3000
2 4000
3 3400
4 3800
5 3700

a. Gunakan pergerakan rata-rata tertimbang 2 tahun dengan bobot 0.4 dan 0.6 untuk
meramalkan kisaran tempuh tahun yang akan dating (bobot 0.6 adalah untuk tahun
terbaru) apa MAD yang dihasilkan dari pendekatan ini terhadap peramalan ?
Jawab :
 Tahu Pergerak 2-Year moving Differen
n an average ce
1 3000
2 4000
3 3400 3600 200
4 3800 3640 160
5 3700 3640 60
420
Penyimpangan absolut rata-rata adalah 420/3 = 140
b. Hitunglah peramalan untuk tahun ke 6 dengan menggunakan penghalusan
eksponensial, peramalan awal untuk tahun 1 dari 3000 mil, dan α = 0.5 ?
Jawab :

Tahu Pergerak Exponential

n an Smoothing
1 3000
2 4000 3000
3 3400 3500
4 3800 3450
5 3700 3625
6 3750 3662.5

Perkiraan untuk tahun 6 adalah 3662,5

3. 4.6 Penjualan bulanan untuk yazici batteries, inc adalah sebagai berikut
Bulan Penjualan
Januari 20
Februari 21
Maret 15
April 14
Mei 13
Juni 16
Juli 17
Agustus 18
September 20
 Oktober 20
November 21
Desember 23

a. Plot data penjualan bulanan

Jawab :

Sales
25
20
15
10 Sales
5
0

b. Peramalan penjualan pada januari dengan menggunakan masing-masing metode

berikut.
i. Metode naïve
Jawab :

Dengan menggunakan metode peramalan Naive kita melihat bahwa nilai

bulan adalah 23 , yang merupakan nilai bulan itu.

ii. Pergerakan rata-rata 3 bulan

Jawab :

Rata-rata bergerak 3 bulan untuk bulan berikutnya akan sama dengan 21.333
Forecasting
25
18.2 19.4
20 17.3 19.33 20.33
15.818.6715.9 16.2 18.33
16.67 17
15 14.33 15.33
14
Value 10
5

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

Demand Forecast WMA

iii. Rata-rata tertimbang 6 bulan menggunakan 0.1,0.1,0.1,0.2,0.2 dan 0.3 dengan
bobot terberat yang diterapkan pada bulan yang terbaru
Jawab :
Plot WMA terletak di bagan di atas. Ramalan untuk bulan depan adalah 20,6
seperti yang dperlihatkan oleh tabel di bawah ini.
Next
Period Sales Weights Forecast period 20.6
January 20 0.1
February 21 0.1
March 15 0.1
April 14 0.2
May 13 0.2
June 16 0.3
July 17 15.8
August 18 15.9
September 20 16.2
October 20 17.3
November 21 18.2
December 23 19.4

iv. Penghalusan eksponensial menggunakan α = 0.3 dan peramalan pada

September 18
Jawab :
Perkiraan setelah penghalusan eksponensial adalah 20,14 dan gambar tabel
nya seperti di bawah ini.
Waktu Permintaan Peramalan
January 20 20
February 21 20
March 15 20.3
April 14 18.71
May 13 17.30
June 16 16.01
July 17 16.01
August 18 16.30
September 18 16.81
October 20 17.17
November 21 18.02
December 23 18.91
Bulan Berikut =20.14
 Forecasting
25 23
21 21
20
20 18 18
20.3 17
20 16
15 18.71 18.91
14 17.3 17.17 18.02
15 13 16.3 16.81
16.01 16.01
Value
10

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

20 20

v. Proyeksi kecenderungan
Jawab ;
Setelah Melihat tren, saya yakin perkiraan proyeksi kecenderungan berikutnya adalah
20,76.

Regression
25 23
20 21 20 20 21
20 17 18
15 16
14 13
15
10
5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Linear ()

c. Dengan data yang diberikan , metode yang manakah yang memungkinkan anda untuk
meramalkan penjualan pada maret mendatang ?
Jawab:

Dengan menggunakan proyeksi tren, maka akan lebih mudah untuk memproyeksikan
penjualan pada Maret berikutnya dan sama dengan hasil nya yaitu 21,95

4. 4.8 Temperature tinggi harian di St. Louis untuk minggu lalu adalah :
 Hari 1 93
Hari 2 94
Hari 3 93
Hari 4 95
Hari 5 96
Hari 6 88
Hari 7 90
c. Peramalan temperature tinggi untuk hari ini dengan menggunakan pergerakan rata-
rata 3 hari ?
Jawab :
(hari 5 + hari 6 + hari 7) / 3 = ?
(96 + 88 + 90 ) / 3 = 91.33
Jadi temperature untuk hari ini yaitu 91.33
d. Peramalan temperature tinggi untuk hari ini, dengan menggunakan pergerakan rata-
rata 2 hari ?
Jawab :
(hari 6 + hari 7) / 2 =?
( 88 + 90) / 2 = 89
Jadi temperature untuk hari ini yaitu 89

5. 4.9 Lenovo menggunakan cip ZX-81 dalam beberapa computer laptopnya, harga
untuk cip selama 12 bulan adalah sebagai berikut .

Bulan Harga per cip Bulan Harga per cip

Januari $1.80 Juli 1.80
Februari 1.67 Agustus 1.83
Maret 1.70 September 1.70
April 1.85 Oktober 1.65
Mei 1.90 November 1.70
juni 1.87 desember 1.75
a. Gunakan pergerakan rata-rata 2 bulan pada keseluruhan data dan plot rata-rata serta
harganya ?
Jawab :
Period Permintaan Peramalan
January 1.80
February 1.67
March 1.70 1.74
April 1.85 1.69
May 1.90 1.78
June 1.87 1.88
July 1.80 1.89
 August 1.83 1.84
September 1.70 1.82
October 1.65 1.77
November 1.70 1.68
December 1.75 1.68
Next period 1.73

12
10
8
6
Harga
4 2-Mo. Avg.
2
0
1 2 3 4 5 6 7 8 9 10 11 12
Bulan: 1 (Januari) sampai ke 12 (Desember)

b. Gunakan pergerakan rata-rata 3 bulan dan tambahkan plot 3 bulan pada grafik yang
diciptakan dalam bagian a
Jawab :
1.9
1.87
1.85 1.86
1.83
1.82
1.8
1.78
1.75 1.74
1.72 1.73
harga 1.7
1.68 2-Mo. Avg.
1.65 3-Mo. Avg.
1.6
1.55
1 2 3 4 5 6 7 8 9 10 11 12
Bulan: 1 (Januari) sampai bulan ke 12 (December)

c. Yang manakah yang lebih baik (menggunakan deviasi rata-rata yang absolut) rata-
rata 2 bulan atau rata-rata 3 bulan ?
Jawab:

 Rata-rata 3 bulan paling baik karena konsistensi dalam datanya, sedangkan rata-
rata 2 bulan memiliki fluktuasi yang lebih tidak seimbang pada datanya.

d. Hitunglah peramalan untuk tiap-tiap bulan menggunakan penghalusan eksponensial,

dengan peramalan awal untuk januari adalah $1.80 gunakan α = 0.1, kemudian α =
0.3 dan terakhir α = 0.5 menggunakan MAD, yang mana α yang terbaik?
 Jawab :

Exponential
Harga/Chi Smoothing
Bulan
p
0.1 0.3 0.5
Jan $1.80
Feb $1.67 $1.80 $1.80 $1.80
Mar $1.70 $1.79 $1.76 $1.74
Apr $1.85 $1.78 $1.74 $1.72
May $1.90 $1.79 $1.77 $1.78
Jun $1.87 $1.80 $1.81 $1.84
Jul $1.80 $1.80 $1.83 $1.86
Aug $1.83 $1.80 $1.82 $1.83
Sep $1.70 $1.81 $1.82 $1.83
Oct $1.65 $1.80 $1.79 $1.76
Nov $1.70 $1.78 $1.75 $1.71
Dec $1.75 $1.77 $1.73 $1.70

6. 4.13 Seperti yang anda lihat pada table berikut permintaan untuk operasi bedah
transplantasi jantung pada Washington general hospital terus-menerus mengalami
peningkatan dalam beberapa tahun yang lalu :

Tahun 1 2 3 4 5 6
Transplantasi 45 50 52 56 58 7
Jantung
Direktur layanan medis mempredeksikan 6 tahun yang lalu bahwa permintaan
dalam tahun ke 1 akan sebanyak 41 operasi bedah.

C) gunakan metode proyeksi kecenderungan untuk meramalkan permintaan dalam tahun

ke-1 hingga ke-6

Jawab :

Tahun (X) Permintaan (Y) X2 XY

1 45 1 45
 2 50 4 100
3 52 9 156
4 56 16 224
5 58 25 290
Σ = 15 Σ = 261 Σ = 55 Σ = 815

15 / 5 = 3 261 / 5 = 52.2
x
x  y
y 
n n

= = 3.2
 xy - nxy 815  5(3)(52.2)
b
55  5(9)
x 2
 nx 2

= 52.2 – 3.2(3) = 42.6

a  y - bx

Persamaan nya adalah kemudian Y = a + bX, ie Y = 42.6 + 3.2X

Tahun Permintaa Proyeksi Tren Peramalan (Y) | Error |
(X) n
1 45 Y = 42.6 + 3.2(1) 45.8 0.8
2 50 Y = 42.6 + 3.2(2) 49.0 1.0
3 52 Y = 42.6 + 3.2(3) 52.2 0.2
4 56 Y = 42.6 + 3.2(4) 55.4 0.6
5 58 Y = 42.6 + 3.2(5) 58.6 0.6
6 ? Y = 42.6 + 3.2(6) 61.8
Σ = 3.2
MAD = 3.2 / 5 = 0.64

7. 4.14 Berikut adalah 2 mingguan peramalan yang dibuat dengan 2 metode

peramalan yang berbeda untuk jumlah gallon bensin, dalam ribuan, yang diminta
pada pompa bensin setempat. Juga diperlihatkan level permintaan actual dalam
ribuan gallon.

Peramalan
 Minggu Metode 1 Metode 2 Permintaan Aktual
1 0.90 0.80 0.70
2 1.05 1.20 1.00
3 0.95 0.90 1.00
4 1.20 1.11 1.00
Apa MAD dan MSE untuk tiap-tiap metode?
Jawab :
Metode 1 :
MAD = {(0.9 – 0.7) + (1.05 – 1) + (0.95 – 1 ) + (1.2 – 1)}/4 = 0.125
MSE = {(0.2^ 2)+(0.05^2)+(0.05^2)+(0.04^2)/4 = 0021
Metode 2 :
MAD = {(0.8-0.7)+(1.20-1)+(0.90-1)+(1.11-1)}/4 = 0.1275
MSE = {(0.1^2)+(0.2^2)+(0.1^2)+(0.11^2)}/4 = 0.018

8. 4.19 Pendapatan pada perusahaan arsitektural sparaggins dan yunes untuk

periode februari hingga juli sebagai berikut.
Bulan FEB MAR APR MAY JUNE JUL
Pendapata
n 70.0 68.5 64.8 71.7 71.3 72.8
(dalam $ ribuan)

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 α = 0.1 dan β = 0.2

Jawab :
Forecast Ft = (At-1) + (1 - )(Ft-1 + Tt-1), Trend Tt = (Ft – Ft-1) + (1 - )T t-1

Mo Inc Forecast Trend FIT Err2

Feb 70.0 65.0 0 65+0 = 65 25.0
Mar 68.5 0.1(70)+0.9(65) = 65.5 0.2(65.5–65)+(0.8)0 = 0.1 65.5+0.1=65.6 8.4
Apr 64.8 0.1(68.5)+0.9(65.6) = 65.89 0.2(65.89-65.5)+(0.8)0.1 = 0.16 65.89+0.16=66.05 1.6
May 71.7 0.1(64.8)+0.9(66.05) = 65.93 0.2(65.92-65.89)+(0.8)0.16 = 0.13 65.93+0.13=66.06 31.9
Jun 71.3 0.1(71.7)+0.9(66.06) = 66.62 0.2(66.62-65.93)+(0.8)0.13 = 0.25 66.62+0.25=66.87 19.7
Jul 72.8 0.1(71.3)+0.9(66.87) = 67.31 0.2(67.31-66.62)+(0.8)0.25 = 0.33 67.31+0.33=67.64 26.6
Aug 0.1(72.8)+0.9(67.64) = 68.16 0.2(68.16-67.31)+(0.8)0.33 = 0.43 68.16+0.43=68.60
Σ= 113.2
MSE = 113.2 / 6 = 18.87
 Forecast Income di bulan Agustus spraggins dan yunes (trend-adjusted exponential
smoothing) adalah $ 113.2

9. 4.20 penyelesaian kembali soal 4.19 dengan α = 0.1 dan β = 0.8 menggunakan
MSE , tentukan penghalusan konstan yang manakah yang memberikan peramalan
yang lebih baik?

Jawab :

Mo Inc Forecast Trend FIT Err2

Feb 70.0 65.0 0 65+0 = 65 25.0
Mar 68.5 0.1(70)+0.9(65) = 65.5 0.8(65.5–65)+(0.2)0 = 0.4 65.5+0.4=65.9 6.76
Apr 64.8 0.1(68.5)+0.9(65.9) = 66.16 0.8(66.16-65.5)+(0.2)0.4 = 0.61 66.16+0.61=66.77 3.87
May 71.7 0.1(64.8)+0.9(66.77) = 66.57 0.8(66.57-66.16)+(0.2)0.61 = 0.45 66.57+0.45=67.02 21.8
9
Jun 71.3 0.1(71.7)+0.9(67.02) = 67.49 0.8(67.49-66.57)+(0.2)0.45 = 0.82 67.49+0.82=68.31 8.91
Jul 72.8 0.1(71.3)+0.9(68.31) = 68.61 0.8(68.61-67.49)+(0.2)0.82 = 1.06 68.61+1.06=69.68 9.76
Σ= 76.1
9
MSE = 76.19 / 6 = 12.70

Berdasarkan kriteria MSE, penghalusan eksponensial dengan  = 0.1 dan  = 0.8 memberikan
peramalan yang lebih baik.

10. 4.26 Pada masa yang lalu , Diler Ban Peter Kelle di Baton Rouge menjual rata-
rata 1000 ban radial setiap tahun. Dalam 2 tahun yang lalu, 200 dan 250, masing-
masing telah terjual pada musim gugur , 350 dan 300 pada musim dingin , 150 dan
165 pada musim semi dan 300 dan 285 pada musim panas. Dengan ekspansi besar
yang direncakan , Kelle memproyeksikan penjualan tahun mendatang untuk
meningkat hingga 1200 ban radial, apa permintaan selama tiap-tiap musim?
Jawab :

Tahun Permintaan Permintaan Indeks

Musim 1 2 tahunan bulanan musiman
rata-rata rata-rata
Dingin 200 250 225 250 0,900
Semi 350 300 325 250 1,300
Panas 150 165 158 250 0,630
Gugur 300 285 293 250 1,170
∑ 1000 1000 1000 1000 4000
Permintaan rata-rata total tahunan = 1000
Permintaan rata-rata bulanan = 1000/4 = 250
 Musim Tahun Mendatang
Dingin = (1200 / 4) x 0,900 = 270
Semi = (1200 / 4) x 1,300 = 390
Panas = (1200 / 4) x 0,630 = 189
gugur = (1200 / 4) x 1,1700 = 351
1200

11. 4.27 george kyparisis memiliki perusahaan yang meproduksi kapal layar .
permintaan actual untuk kapal layar George tiap 4 musim yang lalu sebagai berikut
:

Musim Tahun
Dingin 1400 1200 1000 900
Semi 1500 1400 1600 1500
Panas 1000 2100 2000 1900
Gugur 600 750 650 500

George telah meramalkan bahwa permintaan tahunan untuk kapal layarnya dalam tahun
ke 5 akan setara dengan 6500 kapal layar. Didasarkan pada data ini dan model musiman
perkalian, apa level permintaan untuk kapal layar George dalam musim semi tahun ke-5?

Jawab :
Model Musiman the multiplicative
Tahun
Musim
2004 2005 2006 2007 rata^^ S index Tahun ke 5
Dingin 1,400 1,200 1,000 900 1,125 0.9 1,260
Semi 1,500 1,400 1,600 1,500 1,500 1.2 1,680
Panas 1,000 2,100 2,000 1,900 1,750 1.4 1,960
Gugur 600 750 650 500 625 0.5 700
1,250 5,600

Indeks musiman = rata-rata permintaan musiman 2004-2007 / permintaan musiman rata-rata

Indeks Musiman Musim Dingin = 1,125 / 1,250 = 0,9
Indeks Musim Semi Musim Semi = 1,500 / 1,250 = 1,2
Indeks Musiman Musim Panas = 1,750 / 1,250 = 1,4
Indeks Musiman Musim Gugur = 625 / 1.250 = 0,5
Prakiraan untuk tahun ke 5
Permintaan tahunan yang diharapkan = 5,600 / 4 x 0,9 = 1.260 perahu layar
Permintaan tahunan yang diharapkan = 5,600 / 4 x 1,2 = 1.680 perahu layar
Permintaan tahunan yang diharapkan = 5,600 / 4 x 1,4 = 1.960 perahu layar
Permintaan tahunan yang diharapkan = 5,600 / 4 x 0,5 = 700 perahu layar

12. 4.33 Jumlah disk drive internal (dalam jutaan) yang dibuat dipabrik Taiwan
selama 5 tahun silam berikut:
Tahun Disk Drives
1 140
2 160
3 190
4 200
5 210

C) Hitunglah persentase kesalahan rata-rata yang absolut (MAPE)

Jawab :
Tahun Disk Drives kesalaha %
(x) (y) x2 xy y = 126 + 18x n kesalahan2 kesalahan
1 140 1 140 144 -4 16 -2,86%
2 160 4 320 162 -2 4 -1,25%
3 190 9 570 180 10 100 5,26%
4 200 16 800 198 2 4 1,00%
5 210 25 1050 216 -6 36 -2,86%

15 900 55 2880 160 -0,70%

Ʃx
ẋ= 3
n
Ʃy
ȳ= 180,0
n
Ʃxy-nẋȳ
b= 18,00
Ʃx2-nx2
a= ȳ - bx 126,00
y= a + b (x)
126 + 18
y= (x)