Tugas Kelompok

Riset Operasi

Kelas B
Disusun Oleh:
Muhammad Karimul Ghumam (2018090)
Jecky Like Titi Sanjaya (2018115)
Habib Khoirul Muwahidin (1718091)
Rahmah Nur Hidayanti (2018111)
Sixtus Yoebel Augusto (2018080)

PROGRAM STUDI TEKNIK INFORMATIKA S-1

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI NASIONAL MALANG
2021
Memodelkan sebuah permasalahan nyata dan memecahkan dengan
menggunakan Metode Peramalan
A. Peramalan (forecasting)
Adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi, dengan
menggunakan data historis dan memproyeksikannya ke masa depan dengan beberapa
bentuk model matematis.
1) Peramalan Berdasarkan Jangka Waktu.
a. Peramalan jangka pendek (kurang satu tahun, umumnya kurang tiga bulan)
Digunakan untuk rencana pembelian, penjadwalan kerja, jumlah TK,
tingkat produksi.
b. Peramalan jangka menengah (tiga bulan hingga tiga tahun)
Digunakan untuk perencanaan penjualan, perencanaan dan
penganggaran produksi dan menganalisis berbagai rencana operasi.
c. Peramalan jangka panjang ( tiga tahun atau lebih) :
Digunakan untuk merencanakan produk baru, penganggaran modal,
lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan).
2) Ada dua metode peramalan
1. Top-Down Forecasting
Top-down forecasting merupakan metode peramalan umum yang
mendasarkan pada berbagai kondisi bisnis umum yang dibuat oleh para
ekonomi dalam lembaga pemerintahan, perusaan besar dan universitas. Dan
memperkirakan berapa bagian perusahaan (market share) dan akhirnya berapa
barang yang diproduksi, dan berapa setiap produk perusahaan yang diproduksi
akan dapat dijual setiap bulannya.
2. Bottom-Up Forecasting
Bottom-Up Forecasting merupakan suatu metode peramalan yang dumulai
dengan perkiraan permintaan produk-produk akhir individu. Data-data
peramalan biasanya diperoleh dari estimasi orang-orang penjualan, distributor
dan para pelanggan.
3) Jeins-jenis peramalan
a. Ramalan Ekonomi
siklus bisnis yang memprediksi tingkat inflasi, tingkat suku bunga dan
indicator-indikator lain.
 b. Ramalan Teknologi
Ramalan yang berkaitan dengan tingkat kemajuan teknologi yang
melahirkan produk baru, membutuhkan pabrik dan peralatan baru.
c. Ramalan Permintaan
Proyeksi permintaan terkait produk atau jasa perusahaan.
4) Pendekatan Peramalan
1. Teknik Kualitatif
a. Metode Delphi
Teknik peramalan yang mempergunakan suatu produser yang
sistematis untuk mendapatkan consensus pendapatan dari suatu kelompok.
b. Survey Pasar Konsumen Pasar
Ramalan yang memperbesar masukan dari pelanggan tanpa melihat
rencana pembelian masa depannya.
c. Juri Dan Opini Eksekutif
Ramalan yang mengambil opini sekelompok kecil manajer tingkat
tinggi. Biasa dikombinasikan dengan manajer tingkat tinggi. Biasanya
dikombinasikan dengan model static, menghsilkan estimasi permintaan
kelompok.
d. Pendekatan naif
Peramalan yang mengasumsikan bahwa permintaan dalam periode
berikutnya adalah sama dengan permintaan dalam periode sebelumnya.
2. Teknik Kuantatif
a. Proyeksi Trend (Trend projection)
b. Rata-rata Bergerak (Moving Average)
c. Penghalus Eksponsial (Exponential Smoothing)
d. Analisis Tuntun Waktu (Time Series)
e. Regresi dan Korelasi
3. Pola data metode derat berkala
1. Pola horizontal
Terjadi bilamana data berfluktuasi disekitar nilai rata-rata yg konstan.
Suatu produk yg penjualannya tdk meningkat atau menurun selama waktu
tertentu termasuk jenis ini. Pola khas dari data horizontal atau stasioner
seperti ini.
2. Pola musiman
Terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
(misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu
tertentu). Penjualan dari produk seperti minuman ringan, es krim, dan
bahan bakar pemanas ruang semuanya menunjukkan jenis pola ini. Untuk
pola musiman kuartalan dapat dilihat Gambar 1.2.
3. Pola siklis
Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis. Contoh:
Penjualan produk seperti mobil, baja, dan peralatan utama lainnya. Jenis
pola ini dapat dilihat pada Gambar 1.3.
4. Pola trend
Terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data. Contoh: Penjualan banyak perusahaan, berbagai
indikator bisnis atau ekonomi lainnya. Jenis pola ini dapat dilihat pada
Gambar 1.4.
B. Perhitungan Trend
Untuk persamaan linear, garis trend dicari dengan penyelesaian simultan nilai a
dan b pada dua persamaan normal berikut :
ΣY= na+bΣX
Σ XY = a Σ X + b Σ X2
Bila titik tengah data sebagai tahun dasar, maka Σ X = 0 dan dapat dihilangkan dari
persamaan diatas, sehingga menjadi :

Salah satu perhitungan dalam metode ini adalah Metode Rata-rata Bergerak
Tunggal (Single Moving Average Method) yaitu suatu metode yang dilakukan dengan
mengambil sekelompok nilai pengamatan, mencari rata-rata tersebut sebagai ramalan
untuk periode yang akan datang. Disebut rata-rata bergerak karena setiap kalo data
baru tersedia maka angka baru dihitung dan digunakan sebagai data ramalan untuk
periode yang akan datang. Heizer dan Render (2005)m mengatakan bahwa metode ini
merupakan metode peramalan obyektif yang paling efektif dan efisien dari segi biaya.
Karakteristik khusus metode ini yaitu:
 1. Untuk menentuka ramalan pada periode yang akan datang memerlukan data historis
selama jangka waktu tertentu, misalnya dengan empat bulan moving average maka
ramalan bulan kelima baru dibuat setelah bulan keempat selesai.
2. Semakin panjang jangka waktu moving average maka efek pelicinan (smooth)
semakin terlihat dalam ramalan
Rumus matematika yang digunakan adalah:

dimana
Mt : Moving Average periode
t Yt+1 : Nilai ramalan periode berikutnya
Yt : Nilai sebenarnya periode
t n : Jumlah batas dalam Moving Average
C. Tahapan Sistem Peramalan
1. Menentukan penggunaan peramalan/tujuan/pencapaian.
2. Memilih hal-hal yang akan diramal.
3. Menentukan horizon waktunya, panjang menengah dan pendek.
4. Memilih model peramalan.
5. Mengumpulkan data yang dibutuhkan untuk membuat ramalan.
6. Menentukan model peramalan yang tepat.
7. Membuat ramalan.
8. Menerapakan hasilnya.
D. Kriteria Performance Peramalan
● Mean Absolute Deviation (MAD)
● Mean Squared Error (MSE)
● Mean Absolute Percentage Error (MAPE)
● Standard Error of Estimation (SEE)
E. Verifikasi
Proses verifikasi peramalan dilakukan terhadap metode peramalan yang terbaik.
Proses verifikasi digunakan untuk melihat apakah metode peramalan yang diperoleh
representif terhadap data. Jika sebaran berada di luar batas control, maka metode
peramalan tersebut tidak sesuai artinya pola peramalan terhadap data tidak
representif.
 Kondisi out of control dapat diperiksa dengan menggunakan empat aturan berikut:
1. Aturan Satu Titik
Bila ada satu titik sebaran (Y’-Y) berada di luar UCL dan LCL.
2. Aturan Tiga Titik
Bila ada dua atau lebih dari tiga titik sebaran secara berturut-turut jatuh pada
daerah A di sisi yang sama dari garis tengah.
3. Aturan Lima Titik
Bila ada empat atau lebih dari lima titik sebaran secara berturut-turut jatuh pada
daerah B di sisi yang sama dari garis tengah.
4. Aturan Delapan Titik
Bila ada delapan buah titik atau lebih secara berturut-turut pada daerah C di sisi
yang sama dari garis tengah.
Contoh soal:
1. PT. ABC mepunyai data penjualan pada tujuh tahun terakhir sebagai berikut:

TAHUN PENJUALAN

1999 150.000

2000 200.000

2001 250.000

2002 300.000

2003 450.000

2004 475.000

2005 490.000

Dari data diatas hitunglah ramalan penjualan tahun 2006 ?

Penyelesaian:
Metode ini dapar menggunkan persamaan Y = a + bx bila titik tengah sebagai tahun
dasar Ex=0.
Y = a + bX
∑Y = n.a → ∑Xy
n
∑Xy = a.∑X² → b = ∑xy
 ∑X²
Dapat juga menggunakan tahun pertama sebagai tahun dasar
Y = a + bx → a =Y –bx Atau a = ∑Y.∑x² -∑x∑Y
n.∑x² - (∑x)²
b = n.∑xY -∑ x.∑ xY
n. ∑x² - (∑ x)²

TAHUN (Y) (X) (X^2) Xy

1999 150.000 -3 9 -450.000
2000 200.000 -2 4 -400.000
2001 250.000 -1 1 -250.000
2002 300.000 0 0 0
2003 450.000 1 1 450.000
2004 475.000 2 4 950.000
2005 490.000 3 9 1.470.000
∑ 2.315.000 0 28 1.770.000

Y = a+bX → a = ∑Y = 2.315.000 = 330.714

n 7
b = ∑ Xy = 1.770.000 = 63.214
∑x² 28
Y 2006 = a + bX
= 330.714 + 63.214 (4)
= 330.714 + 252.856
= 583.570
2. Data penjual PT. ADIJAYA tahun 1994-1999. (dalamtabel). Dari data tersebut
buatlah ramalan penjualan untuk tahun 2000 ?
Tahun Jumlah Penjualan (Dalam juta)
1994 140
1995 148
1996 157
1997 157
1998 160
1999 169
 Catatan ; kelompok pertama bila data ganjil dimulai angka 0 (tengah) dan bila
data genap dimulai angka -3,-1,1,3 dst.
Jumlah
Tahun Total Average X
Penjualan(Y)
1994 140 445 445/3=148,33 -1
1995 148 486 486/3=162 0
1996 157 1
1997 157 2
1998 160 3
1999 169 4

Rumus : Y = a + bx
a = rata-rata kelompok pertama
b = selisih antara dengan dibagi dengan jumlah data yang ada dalam satu kelompok.
Jadi a = 148,33 ; b = 162 –148,33/3 = 4,5567
Y = 148,33 + 4,5567 (X)
Maka forecast penjualan untuk tahun 2000 adalah (X diberi skore 5)
Y = 148,33 + 4,5567 (5) = 171,11 unit

Daftar Pustaka
https://dounkey.com/2017/09/20/peramalan/
https://docplayer.info/122341624-Forecasting-peramalan-ilmu-manajemen.html
http://dosen.stiepena.ac.id/wp-content/uploads/2017/01/MATERI-4-PERAMALAN-
FORECASTING.pdf

Link Google Docs :

https://docs.google.com/document/d/1IJfICAoPU1iGKSebkc0NLjkOpZ4rDjMt_8LAwAsm2
5U/edit#