LUKMANUL AZIZ B.141.19.

0030

1. Prediksi Masa Depan Perusahaan. Data Forecasting digunakan untuk memprediksi masa
depan bisnis. Metode ini bisa dijadikan untuk memberi gambaran umum tentang arah perusahaan
di masa depan.

Memenuhi Permintaan Konsumen. Metode peramalan bermanfaat untuk mengetahui estimasi

permintaan konsumen di masa depan. Dengan acuan data Forecasting, Anda bisa memenuhi
permintaan barang dari pelanggan dengan jumlah dan waktu yang tepat.

Antisipasi Perubahan Tren Pasar. Metode peramalan digunakan untuk menghadapi anomali
permintaan di musim tertentu. Dengan Forecasting, perusahaan bisa memprediksi kapan saatnya
menambah kapasitas produk, atau sebaliknya.

Menjaga Keuangan Tetap Stabil. Data Forecasting sangat penting untuk mengelola biaya
operasional secara efektif dan efisien. Data tersebut bisa Anda gunakan untuk menentukan kapan
saatnya meningkatkan kapasitas produksi atau kapan waktu yang tepat untuk rekrutmen
karyawan baru

2. Horizon Peramalan. Ada dua aspek dari horizon waktu yang berhubungan dengan masing –
masing metode peramalan yaitu cakupan waktu di masa yang akan dating dan jumlah periode
ramalan yang diinginkan.
Tingkat Ketelitian. Tingkat ketelitian sangat dibutuhkan dalam tingkat perincian dalam
peramalan. Beberapa pengambilan keputusan terdapat variasi/penyimpangan atas ramalan yang
dilakukan. Adapun anggapan lain bahwa variasi/penyimpangan atas ramalan cukup berbahaya.
Ketersediaan data. Metode yang digunakan berkaitan dengan keadaan atau informasi atau data
yang dimiliki. Apabila dari data sebelumnya diketahui adanya pola musiman. Maka untuk
pramalan satu tahun kedepan sebaiknya menggunakan metode variasi musim.
Bentuk pola data. Dasar utama dari metode peramalan yaitu anggapan bahwa berbagai macam
pola yang ada didalam data yang diramalkan akan berkelanjutan.
Biaya. Terdapat empat unsur biaya dalam suatu peramalan yaitu biaa pengembangan, biaya
penyimpanan data, biaya operasi pelaksanaan dan biaya kesempatan penggunaan teknik.
 LUKMANUL AZIZ B.141.19.0030

Jenis dari model. Model ini merupakan suatu deret dimana waktu digambarkan sebagai unsur
penting untuk menentukan perubahan dalam pola yang secara sistematik dapat dijelaskan dengan
analisis regresi atau korelasi
Mudah tidaknya penggunanaan dan aplikasi. Mudah tidaknya penggunaan dan aplikasinya
merupakan prinsip umum dalam penggunaan metode ilmiah dari peramalan.
3. A

No Bulan Penjualan periode

1 Jan 38 0 a+bX1+=Y1
2 Feb 40 1 a+b(0)=38
3 Mar 35 2

4 Apr 26 3 a+bx2=Y2
5 Mei 28 4 a+b(7)=39
6 Jun 32 5 3b=1
7 Jul 31 6 b=0,333

8 Ags 39 7

9 Sep 26 8
Y=a+bX
Y=38+0,333X
10 Okt 28 9

11 Nov 29 10

12 des 26 11

total 378
LUKMANUL AZIZ B.141.19.0030

No Bulan Penjualan Periode Total semi

average
1 Jan 38 -3 a=33,17
b=29,83-33,17:6
2 Feb 40 -2
33,17
b=-0,56
3 Mar 35 -1
Y=a+bX
4 Apr 26 0 Y=33,17 +(0,56)X
Y=33,17+(0,56)9
5 Mei 28 1 Y=33,17+(-5,04)
6 Jun 32 2
Y=28,13

7 Jul 31 3
29,83
8 Ags 39 4

9 Sep 26 5

10 Okt 28 6

11 Nov 29 7

12 des 26 8

total 378
LUKMANUL AZIZ B.141.19.0030

C
LEAST SQUARE

No Bulan Penjualan Periode XY X’

a= 378:12= 31,5
1 Jan 38 -11 -418 121 b= -248:572= -0,43

2 Feb 40 -9 -360 81

3 Mar 35 -7 -245 49 Y=31,5+(-0,43)X

Y=31,5-0,43X
4 Apr 26 -5 -130 25

5 Mei 28 -3 -84 9

6 Jun 32 -1 -32 1

7 Jul 31 1 31 1

8 Ags 39 3 117 9

9 Sep 26 5 130 25

10 Okt 28 7 196 49

11 Nov 29 9 261 81

12 des 26 11 286 121

378 -248 572

LUKMANUL AZIZ B.141.19.0030

TREND MOMENT

No Bulan Penjualan Periode XY X’

378=12.a+b.0
1 Jan 38 -11 -418 121 (-248)=a.0+b572
(-248)=b572
2 Feb 40 -9 -360 81
b=-0,43

3 Mar 35 -7 -245 49
12a=378
4 Apr 26 -5 -130 25 a=31,5

5 Mei 28 -3 -84 9
Y=31,5(-0,43)X
6 Jun 32 -1 -32 1 Y=31,5-0,43X

7 Jul 31 1 31 1

8 Ags 39 3 117 9

9 Sep 26 5 130 25

10 Okt 28 7 196 49

11 Nov 29 9 261 81

12 des 26 11 286 121

378 -248 572