Tugas Manajemen Operasional Minggu 11 Kelompok 6
Tugas Manajemen Operasional Minggu 11 Kelompok 6
Soal:
Jawaban:
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.
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.
4. Metode time series dan metode hubungan kausal adalah dua pendekatan yang
berbeda dalam analisis data:
Pendekatan ini fokus pada pemahaman pola, tren, musiman, dan fluktuasi
dalam data seiring waktu.
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.
800
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 Jan-08
PT. MAMIRI
Jawaban:
PT. MINI
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
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.