A / Semester 3

JURNAL PERKULIAHAN
MANAJEMEN OPERASI

“ PERAMALAN “

SEMESTER GANJIL 2022/2023

DOSEN :
Dra. Sri Hastari,MM
 JURNAL PERKULIAHAN
Program Studi : Manajemen

Mata Kuliah : Manajemen Operasi

SKS : 3 (tiga)

Dosen : Dra. Sri Hastari,MM.

Topik : Pendahuluan

Sub Topik :

A. PEMAHAMAN PERAMALAN

1.1 Definisi Peramalan

1.2. Meramalkan Horison Waktu

B. JENIS – JENIS PERAMALAMAN

C. KEPENTINGAN STRATEGI PERAMALAN

D. PENDEKATAN DAN METODE PERAMALAN

4.1. 7 Langkah Sistem Peramalan

4.2. Pendekatan Peramalan

4.3. Peramalan Deret Waktu

4.4. Dekomposisi Deret Waktu

4.5. Pendekatan Naif

4.6. Rata Rata Bergerak – Moving Avarage

4.7. Penghalusan Eksponensial

4.8. Kesalahan Peramalan

4.9. Mean Absolute Deviation (MAD)

4.10. Mean Squared Error (MSE)

4.11. Mean Absolute Percent Error (MAPE)

4.12. Proyeksi Tren
A. PEMAHAMAN PERAMALAN

1.1 Definisi Peramalan

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian/peristiwa di

masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan
memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis.

1.2. Meramalkan Horison Waktu

a. Peramalan jangka pendek: kurang dari 3 bulan. Digunakan untuk merencanakan

pembelian, penjadwalan kerja, jumlah tenaga kerja ,penugasan kerja, dan tingkat produksi.

b. Peramalan jangka menengah: 3 bulan hingga 3 tahun. Digunakan untuk perencanaan

penjualan, perencanaan produksi, anggaran kas, dan menganalisis berbagai rencana produksi.

c. Peramalan jangka panjang: rentang waktu 3 tahun atau lebih. Digunakan untuk
merencanakan produk baru, lokasi atau ekspansi dan research and development.

B. JENIS – JENIS PERAMALAMAN

a. Ramalan Ekonomi: membahas siklus bisnis dengan memprediksi tingkat inflasi,

ketersediaan uang, dan indikator perencanaan lainnya (membangun perumahan)

b. Ramalan Teknologi: berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan
produk-produk baru dan peralatan-peralatan baru

c. Ramalan Permintaan: berkaitan dengan proyeksi permintaan untuk produk. Disebut

peramalan penjualan, yang mengendalikan produksi, kapasitas, perencanaan keuangan,
pemasaran dan sumber daya manusia.

C. KEPENTINGAN STRATEGI PERAMALAN

1. Sumber Daya Manusia

2. Kapasitas

3. Manajemen Rantai Pasokan

D. PENDEKATAN DAN METODE PERAMALAN

4.1. 7 Langkah Sistem Peramalan

 1. Menetapkan tujuan peramalan

2. Memilih unsur yang akan diramalkan

3. Menentukan horison waktu peramalan

4. Memilih jenis model peramalan

5. Mengumpulkan data yang diperlukan untuk melakukan peramalan

6. Membuat peramalan

7. Memvalidasi dan menerapkan hasil peramalan

4.2. Pendekatan Peramalan

 Peramalan Kualitatif
1. Jury of executif opinion

2. Delphi method

3. Sales force composite

4. Consumer market survey

 Peramalan Kuantitatif
1. Naif

2. Rata-rata bergerak

3. Penghalusan Eksponensial

4. Proyeksi trend

5. Regresi linier

4.3. Peramalan Deret Waktu

Deret waktu didasarkan pada urutan dari titik-titik data yang berjarak sama dalam
waktu (mingguan, bulanan, kuartalan, dll). Meramalkan data deret waktu berarti nilai masa
depan diperkirakan hanya dari nilai masa lalu dan variabel lain diabaikan walaupun variabel-
variabel tersebut mungkin sangat bermanfaat.

4.4. Dekomposisi Deret Waktu

1. Tren: pergerakan data sedikit demi sedikit meningkat/menurun.

 2. Musim: pola data yang berulang pada kurun waktu tertentu.

3. Siklus: pola data yang terjadi setiap beberapa tahun.

4. Variasi Acak: satu titik khusus dalam data yang disebabkan oleh peluang dan
situasi yang tidak lazim.

4.5. Pendekatan Naif

Pendekatan Naif adalah teknik peramalan yang mengasumsikan permintaan periode

berikutnya sama dengan permintaan pada periode terakhir. Pendekatan Naif merupakan
model peramalan objektif yang paling efektif dan efisien dari segi biaya.

4.6. Rata Rata Bergerak – Moving Avarage

 Rata-rata bergerak adalah suatu metode peramalan yang menggunakan n rata-rata

periode terakhir data untuk meramalkan periode berikutnya.
 Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk
menghasilkan peramalan.
 Rata-rata bergerak = ∑ Permintaan dalam periode n sebelumnya
n

n adalah jumlah periode dalam rata-rata bergerak, misalnya tiga bulan, empat bulan,
enam bulan

Contoh rata rata bergerak sederhana :

Contoh rata rata bergerak tertimbang :

Timbangan ditetapkan :

3 = bulan lalu

2 = dua bulan lalu

1 = tiga bulan lalu

4.7. Penghalusan Eksponensial

 enghalusan Eksponensial adalah suatu teknik peramalan rata-rata bergerak dengan

pembobotan dimana titik-itik data dibobotkan oleh fungsi eksponensial.

 Rumus penghalusan eksponensial adalah

Ft = Ft-1+ α (At-1-Ft-1)

dimana: Ft = peramalan baru,

Ft-1= peramalan sebelumnya,

α = konstanta penghalusan (pembobotan) (0≤ α ≤ 1),

At-1 = permintaan aktual periode lalu

4.8. Kesalahan Peramalan

 Kesalahan peramalan menunjukkan seberapa baik model tersebut dapat bekerja saat
menggunakan data lama.
 Kesalahan peramalan = Permintaan aktual – nilai peramalan
= A t – Ft
Ft melambangkan peramalan pada periode t, dan

At melambangkan permintaan aktual pada periode t.

4.9. Mean Absolute Deviation (MAD)

 Mean Absolute Deviation (MAD) adalah ukuran kesalahan peramalan keseluruhan

untuk sebuah model.
MAD = ∑ |Aktual – Peramalan|

4.10. Mean Squared Error (MSE)

 Mean Squared error (MSE) adalah rata-rata selisih kuadrat antara nilai yang
diramalkan dan nilai yang diamati

MSE = ∑ ( Kesalahan peramalan)2

4.11. Mean Absolute Percent Error (MAPE)

 Mean Absolute Percent Error (MAPE) adalah Rata-rata diferensiasi absolute antara
nilai yang diramalkan dan aktual dinyatakan sebagai presentase nilai aktual.
 MAPE = ∑ kesalahan persen absolut

4.12. Proyeksi Tren

Tren projectiona adalah suatu metode peramalan serangkaian waktu yang sesuai dengan garis
tren terhadap serangkaian dat masa lalu, kemudian di proyeksikan kedalam peramalan masa
depan.

Rumus :

Y = a +bx

Dimana, y = variabel yang diprediksi , a = persilangan sb y , b = kemiringan garis regresi , x

= variabel bebas (waktu) , a = ŷ – bx

B = ∑xy-n ӯ

∑x2- n 2

dimana:

b = kemiringan garis regresi,

∑ = tand penjualan total

x = nilai variabel bebas yang diketahui.

y = nilai variabel terkait yang diketahui

 MENGETAHUI
DOSEN PEMBINA MAHASISWA

(Dra. Sri Hastari,MM.) Fira Rahma Amalia

(2161201002984)