Nama : Alvi Widia Ningsih

NPM : 170910200006

Riset Operasi Bisnis

1. Peramalan persediaan adalah perkiraan atau prediksi mengenai kumpulan barang-barang

yang disimpan yang mana akan dipakai atau dijual dimasa depan. Peramalan persediaan
perlu dilakukan agar kita dapat menentukan kuantitas dan waktu dari barang atau produk
yang akan diproduksi.
2. A. Metode Rata – Rata Sederhana
Metode rata – rata sederhana adalah rata – rata yang didapat dengan cara merata –
ratakan dari setiap data tersebut. Metode ini hanya bisa digunakan ketika data yang
tersedia tidak mengandung unsur musiman dan tren. Dengan kata lain data tersebut harus
stasioner.

B. Metode Rata – Rata Bergerak

Moving Average atau Rata-rata bergerak adalah metode peramalan yang menghitung
rata-rata suatu nilai runtut waktu dan kemudian digunakan untuk memperkirakan nilai
pada periode selanjutnya. Moving Average atau Rata-rata Bergerak diperoleh melalui
penjumlahan dan pencarian nilai rata-rata dari sejumlah periode tertentu, kemudian
menghilangkan nilai terlamanya dan menambah nilai baru. Metode Moving Average ini
lebih baik digunakan untuk menghitung data yang bersifat stabil atau data yang tidak
berfluktuasi dengan tajam (data yang perubahan naik dan turunnya sangat drastis). Hal ini
dikarenakan data pada setiap periode diberikan bobot yang sama sehingga tidak dapat
mewakilkan periode-periode tertentu yang bersifat khusus ataupun data periode terakhir
yang biasanya dinilai sebagai data yang terbaik dalam mengambarkan kondisi terkini.

C. Metode Rata – Rata Bergerak Berbobot

Metode Weight Moving Average merupakan metode yang banyak digunakan untuk
menentukan trend dari suatu deret waktu. Metode ini digunakan untuk data yang
perubahannya tidak cepat. Model rata – rata bergerak menggunakan sejumlah data aktual
permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa
yang akan datang. Didalam metode Weighted Moving Average, selain perhitungannya
sederhana, pada teknik Weighted Moving Average diberikan bobot yang berbeda untuk
setiap data historis masa lalu yang tersedia, dengan asumsi bahwa data historis yang
paling terakhir atau terbaru akan memiliki bobot lebih besar dibandingkan dengan data
historis yang lama karena data yang paling terakhir atau terbaru merupakan data yang
paling relevan untuk peramalan. Keunggulan lainnya dari metode ini adalah pemberian
nilai bobotnya dapat disesuaikan, tetapi penentuan bobot optimalnya sulit
D. Peramalan Eksponensial

Exponential smoothing atau dalam bahasa Indonesia disebut dengan Penghalusan

Eksponensial adalah suatu metode peramalan rata-rata bergerak yang memberikan bobot
secara eksponensial atau bertingkat pada data-data terbarunya sehingga data-data terbaru
tersebut akan mendapatkan bobot yang lebih besar. Dengan kata lain, semakin baru atau
semakin kini datanya, semakin besar pula bobotnya. Hal ini dikarenakan data yang
terbaru dianggap lebih relavan sehingga diberikan bobot yang lebih besar. Parameter
penghalusan (smoothing) biasanya dilambangkan dengan α (alpha).

E. Regresi Linear

Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah/variabel
bebas (X) dengan satu peubah tak bebas (Y). Dalam penelitian peubah bebas ( X)
biasanya peubah yang ditentukan oleh peneliti secara bebas misalnya dosis obat, lama
penyimpanan, kadar zat pengawet, umur ternak dan sebagainya. Disamping itu peubah
bebas bisa juga berupa peubah tak bebasnya, misalnya dalam pengukuran panjang badan
dan berat badan sapi, karena panjang badan lebih mudah diukur maka panjang badan
dimasukkan kedalam peubah bebas (X), sedangkan berat badan dimasukkan peubah tak
bebas (Y). Sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur
akibat perlakuan/peubah bebas (X). misalnya jumlah sel darah merah akibat pengobatan
dengan dosis tertentu, jumlah mikroba daging setelah disimpan beberapa hari, berat ayam
pada umur tertentu dan sebagainya.