Tugas Manajemen Operasional Minggu 11 Kelompok 6

Nurul Hidayah 08020322065

Ryan Ditra Wirayudha 08020322072
Ahmad Rizki Wajedi 08030322081
Hogie Dwi Putri Natalis 08040322094

Soal:

Jawaban:

1. Peramalan pada operasional Perusahaan memiliki beberapa hal penting,

diantaranya adalah:

 Perencanaan yang lebih baik: Peramalan membantu perusahaan untuk

merencanakan kebutuhan sumber daya, termasuk tenaga kerja, bahan baku,
dan modal, sehingga operasional dapat berjalan lebih efisien.
  Pengendalian stok: Dengan peramalan yang akurat, perusahaan dapat
mengelola persediaan stok dengan lebih baik, menghindari kelebihan stok
atau kekurangan stok yang dapat mengganggu produksi atau pelayanan.

 Pengambilan keputusan strategis: Peramalan membantu perusahaan dalam

pengambilan keputusan strategis, seperti ekspansi, diversifikasi, atau
penurunan kapasitas produksi.

 Pelayanan pelanggan yang lebih baik: Dengan peramalan yang tepat,

perusahaan dapat memenuhi permintaan pelanggan dengan lebih baik,
mengurangi waktu tunggu, dan meningkatkan kepuasan pelanggan.

 Efisiensi biaya: Dengan peramalan yang akurat, perusahaan dapat

menghindari biaya yang tidak perlu, seperti biaya penyimpanan atau biaya
produksi tambahan yang muncul karena ketidakpastian.

1. Manajemen permintaan dan peramalan memiliki hubungan yang erat dalam

konteks operasional Perusahaan. Peramalan berperan penting dalam manajemen
permintaan dengan memberikan landasan yang diperlukan untuk merencanakan,
mengelola, dan mengoptimalkan respons perusahaan terhadap permintaan
pelanggan.

1. Metode kuantitatif dalam peramalan melibatkan penggunaan data numerik dan

matematis untuk membuat prediksi, sementara metode kualitatif lebih
bergantung pada interpretasi subjektif dan pengalaman ahli untuk membuat
estimasi berdasarkan faktor non-numerik. Metode kuantitatif sering
menggunakan model matematis dan statistik, sedangkan metode kualitatif
mendasarkan prediksi pada penilaian kualitatif dari berbagai faktor seperti
pendapat ahli, wawancara, atau diskusi kelompok.

2. Metode Delphi adalah proses peramalan yang melibatkan survei berulang kepada
sekelompok ahli yang anonim, dengan tujuan mencapai konsensus atas perkiraan
masa depan. Perbedaannya dengan Panel Consensus adalah bahwa metode
 Delphi mengumpulkan informasi melalui survei berulang dan anonim, sementara
Panel Consensus melibatkan diskusi langsung antara anggota panel untuk
mencapai kesepakatan bersama. Metode Delphi memungkinkan penyampaian
pandangan tanpa tekanan dari faktor sosial atau politik, sementara Panel
Consensus memungkinkan interaksi langsung yang dapat memengaruhi
pandangan peserta.

3. Berikut merupakan kelompok metode peramalan kuantitatif:

1. Time Series

Metode time series atau deret waktu merupakan metode peramalan yang
menghubungkan keterkaitan antara variabel dependen (variabel yang dicari)
dengan variabel independen atau variabel yang mempengaruhinya kemudian
dihubungkan dengan waktu, mingguan, bulan atau tahun.

Jadi di dalam metode deret waktu, variabel yang dicari berupa waktu. Untuk
menggunakan metode peramalan ini, Anda dapat menghitungnya menggunakan
metode smoothing, metode box jenkins, atau metode proyeksi trend dengan
regresi.

2. Metode Kasual (Sebab Akibat)

Metode peramalan kuantitatif yang kedua yaitu metode kasual (casual

methods) atau metode sebab akibat. Metode ini didasarkan pada keterkaitan
antara variabel yang diperkirakan dengan variabel lain yang mempengaruhinya.
Namun, variabel nya bukan dalam bentuk waktu. Untuk menghitung atau
meramalnya, Anda dapat menggunakan metode regresi dan korelase, metode
input output, atau metode ekonometri.

4. Metode time series dan metode hubungan kausal adalah dua pendekatan yang
berbeda dalam analisis data:

1. Metode Time Series:

 Metode time series digunakan untuk menganalisis data yang dikumpulkan

 dari waktu ke waktu. Ini termasuk data historis seperti harga saham
harian, suhu harian, penjualan bulanan, dan sebagainya.

 Pendekatan ini fokus pada pemahaman pola, tren, musiman, dan fluktuasi
dalam data seiring waktu.

 Metode ini tidak mencoba untuk mengidentifikasi sebab-akibat atau

hubungan kausal antara variabel-variabel dalam data time series.

2. Metode Hubungan Kausal:

 Metode hubungan kausal, atau analisis kausal, bertujuan untuk

menentukan hubungan sebab-akibat antara variabel-variabel dalam data.

 Pendekatan ini mencoba untuk menjelaskan bagaimana perubahan dalam

satu variabel dapat memengaruhi perubahan dalam variabel lain.

 Ini melibatkan penggunaan eksperimen atau analisis statistik seperti

regresi kausal untuk menentukan pengaruh sebab-akibat antara variabel.

Jadi, perbedaan utama antara keduanya adalah bahwa metode time series
fokus pada analisis pola waktu, sementara metode hubungan kausal mencari
hubungan sebab-akibat antara variabel-variabel dalam data.
PT. TUMPANG

Jawaban:

1. A.

Peramalan bulan Juli 2007

Rata – rata 3 bulanan Rata – rata 6 bulanan
820+779+685 820+779+685+520+478+450
F3 = = 761,3 F6 =
3 6
= 622
Peramalan bulan Agustus 2007
Rata – rata 3 bulanan Rata – rata 6 bulanan
850+820+779 850+820+779+685+520+478
F3 = = 816,3 F6 =
3 6
= 688,6
Peramalan bulan September 2007
Rata – rata 3 bulanan Rata – rata 6 bulanan
758+850+820 758+850+820+779+685+520
F3 = = 809 F6 =
3 6
= 735,3
Peramalan bulan Oktober 2007
Rata – rata 3 bulanan Rata – rata 6 bulanan
802+758+850 802+758+850+820+779+685
F3 = = 803,3 F6 =
3 6
= 782,3
Peramalan bulan November 2007
Rata – rata 3 bulanan Rata – rata 6 bulanan
867+802+758 867+802+758+850+820+779
F3 = = 809 F6 =
3 6
= 812,6
Peramalan bulan Desember 2007
Rata – rata 3 bulanan Rata – rata 6 bulanan
789+867+802 789+867+802+758+850+820
F3 = = 819,3 F6 =
3 6
= 814,3
 Peramalan bulan Januari 2008
Rata – rata 3 bulanan Rata – rata 6 bulanan
814+789+867 814+789+867+802+758+850
F3 = = 823,3 F6 =
3 6
= 813,3

2. Grafik data peramalan

Grafik Data Peramalan

900

800

700

600

500

400

300

200

100

0
1 2 3 4 5 6 7 8 9 10 11 12 Jan-08

permintaan 3 month 6 month

Jawaban:

PT. MAMIRI

Bulan Data aktual Peramalan Ft (α = 0.20)

1 150 155 (data yang diketahui)
2 160 155 + 0.20 (150 – 155) = 154
3 159 154 + 0.20 (160 – 154) =155.2
4 152 155.2 + 0.20 (159 – 155.2) =155.96
5 170 155.96 + 0.20 (152 – 155.96) = 155.168
6 155.168 + 0.20 (170 – 155.168) =
158.1344

Jawaban:

PT. MINI

A. Model regresi linier

 Tahun Periode Perminta x2 xy
Waktu (x) an (y)
2003 1 100 1 100
2004 2 125 4 250
2005 3 142 9 426
2006 4 155 16 620
2007 5 174 25 870
∑x=15 ∑y=696 ∑x2=55 ∑xy=2266
∑x /5=3 ∑y/5=139.2

2266-5(139.2)(3)
b= = 17,8
55-5(9)
a = 139.2 – 5(3) = 124.2
Yt = a + bx
Yt = 124.2 + 17,8 x
Jadi, pada tahun 2008 hasil peramalan sebesar Y2008 = 124.2 +17,8 (6) = 231

B. Gambar data peramalan

C. Error data ramalan

Tahun Aktual Ramalan Eror RSPE Abs Kum MAD Tracking

Eror Error signal
1 100 103,6 -3,6 -3,6 3,6 3,6 3,6 -1
2 125 121,4 3,6 -7,2 3,6 7,2 3,6 -2
3 142 139,2 2,8 -10 2,8 10 3,3 -3,03
 4 155 157 -2 -8 2 12 3 -2,6
5 174 174,8 -0,8 -7,2 0,8 12.8 2,56 -2,8125

Jawaban:

Perusahaan TOYS
 Pada chart ini, kami mengambil keputusan yang lebih bijak dengan memilih
metode peramalan exponential smoothing daripada peramalan regresi linear. Hal ini
disebabkan oleh kemampuan peramalan exponential smoothing yang lebih baik
dalam mengikuti alur penjualan aktual yang seringkali memiliki fluktuasi dan
perubahan yang tidak selalu sesuai dengan pola linear, sehingga kami dapat
memastikan bahwa peramalan kami lebih akurat dan responsif terhadap perubahan
dalam data penjualan sebenarnya.