PERAMALAN DAN

PERENCANAAN AGREGAT

Manajemen Operasional Lanjutan

 Peramalan Dan Kegunaannya

Peramalan (forecasting) adalah proses

pengestimasian permintaan di masa mendatang
dikaitkan dengan aspek kuantitas, kualitas, waktu
terjadinya, dan lokasi yang membutuhkan produk
barang atau jasa yang bersangkutan.
Dilihat dari jangka waktunya, ada tiga macam peramalan:
1. Peramalan jangka panjang (long-term forecasting)
2. Peramalan jangka menengah (intermediate forecasting)
3. Peramalan jangka pendek (short-term forecasting)

Metode peramalan dibedakan atas tiga macam :

1. Metode Prediktif atau penaksiran (estimation)
2. Metode Kausal (causal method)
3. Analisis Deret Berkala (time series analysis)
 Tipe Metode Peramalan

Chase dan Aquilano (1995), Chase, Aquilano dan Jacobs

(2001) , serta Russel dan Taylor (2000) membedakan
metode peramalan dalam empat kategori, yaitu
metode kualitatif, metode analisis deret
berkala, metode kausal, dan metode
simulasi
 Metode Kualitatif

Adalah metode penaksiran permintaan berdasarkan

prakiraan secara subjektif atau opini pembuat ramalan

1. Metode Akar Rumput (grass roots method)

2. Metode Riset Pasar (market research)
3. Metode Kesepakatan Panel (panel concensus)
4. Metode Analogi Historis (historical analogy)
5. Metode Delphi (delphi method
 Metode Analisis Deret Berkala
(time series analysis)
Adalah metode pembuatan ramalan yang berangkat dari
asumsi, bahwa data historis yang lalu dapat dipakai untuk
meramalkan volume kegiatan di masa yang akan datang

1. Metode Rata-rata bergerak sederhana (simple moving average)

2. Metode Rata-rata bergerak tertimbang (weighted moving average)
3. Penghalusan Eksponensial (exponential smoothing)
4. Analisis Regresi dan Korelasi (regression and correlation analysis)
5. Proyeksi Trend (trend projection)
 Metode Kausal

1. Analisis Regresi dan Korelasi

2. Proyeksi Trend
3. Model ekonometrik
4. Model input-output
5. Indikator penentu (leading indicator)
 Model Simulasi

Adalah metode peramalan dinamis yang biasanya

mempergunakan aplikasi komputer. Lazim dipakai
pada pembuatan kebijakan di bidang pengendalian
persediaan.
 Least Quare (Kuadrat Terkecil)

Adalah salah satu metoda yang paling luas digunakan untuk

menentukan persamaan trend data karena metoda ini
menghasilkan apa yang secara matematik digambarkan
sebagai Line of Best Fit”

Garis trend ini mempunyai sifat-sifat :

(a) Penjumlahan seluruh deviasi vertikal titik-titik data terhadap
garis adalah nol,
(b) Penjumlahan seluruh kuadrat deviasi vertikal data historik
dari garis adalah minimum,
(c) Garis melalui rata-rata X dan Y
Y  na  b X  Y  a  bX

Rumus Least Quare

Y  na  b X  Y  a  bX

 XY  a X  b X
2
Bila titik tengah data sebagi tahun dasar, maka : X 0

 Y
 Y  na  a
n

 XY
 XY  b X 2
 b
X 2
Contoh Kasus I :
Diketahui data kebutuhan bahan baku dalam kurun waktu 7 tahun
sebuah perusahaan sebagai berikut.

Kebutuhan Bahan Baku

Tahun
(Ton)
2017 10
2018 12
2019 13
2020 12
2021 15
2022 14
2023 16
Jumlah 92

Pertanyaannya : berapa banyak sebaiknya perusahaan menyediakan

kebutuhan bahan baku pada tahun 2024 ? Hitung dengan menggunakan
pendekatan metode Least Quare !!
a. Pembahasan Cara Pertama Contoh Kasus I :
Yaitu dengan memberikan nilai X angka 0 (nol) pada tahun pertengahan.

Kebutuhan Bahan
Tahun X XY X2
Baku (Ton)
2017 10 -3 -30 9
2018 12 -2 -24 4
2019 13 -1 -13 1
2020 12 0 0 0
2021 15 1 15 1
2022 14 2 28 4
2023 16 3 48 9
Jumlah 92 24 28
 a. Pembahasan Cara Pertama Contoh Kasus I :
Yaitu dengan memberikan nilai X angka 0 (nol) pada tahun pertengahan.

Kebutuhan Bahan
Tahun X XY X2
Baku (Ton)
2017 10 -3 -30 9
2018 12 -2 -24 4 a
 Y  92  13,14
n 7
2019 13 -1 -13 1
2020 12 0 0 0
b
 XY  24  0,85
2021 15 1 15 1  X 28
2

2022 14 2 28 4
2023 16 3 48 9
Jumlah 92 24 28

Y  a  bX
Y2024  13,14  0,85 (X)
 13,14  0,85 (4)
 16,54
Jadi sebaiknya perusahaan harus mempersiapkan
kebutuhan bahan baku untuk perusahaan pada tahun
2024 sebanyak 16,54 ton
 b. Pembahasan Cara Pertama Contoh Kasus I :
Yaitu dengan memberikan nilai X angka 0 (nol) pada tahun pertama
Kebutuhan
Tahun Bahan Baku X XY X2
(Ton)
2017 10 0 0 0
Y  a  bX
2018 12 1 12 1
Y2024  10,57  0,85 (X)
2019 13 2 26 4
 10,57  0,85 (7)
2020 12 3 36 9
 16,52
2021 15 4 60 16
2022 14 5 70 25
2023 16 6 96 36
Jumlah 92 21 300 91

a
 Y  X  X  XY
2


92(91)  21(300)
 10,57 Jadi sebaiknya perusahaan harus
n X  ( X )
2 2
7(91)  212
mempersiapkan kebutuhan bahan
baku untuk perusahaan pada tahun
n XY  X  Y 7(300)  21(92)
b   0,86 2024 sebanyak 16,52 ton
n X 2  ( X ) 2 7(91)  212
Contoh Kasus II :
Diketahui data kebutuhan bahan baku dalam kurun waktu 8 tahun
sebuah perusahaan sebagai berikut.

Kebutuhan Bahan Baku

Tahun
(Ton)
2016 48
2017 50
2018 51
2019 50
2020 52
2021 54
2022 55
2023 57
Jumlah 417

Pertanyaannya : berapa banyak sebaiknya perusahaan menyediakan

kebutuhan bahan baku pada tahun 2024 ? Hitung dengan menggunakan
pendekatan metode Least Quare !!
 Pembahasan Contoh Kasus II :
Yaitu dengan memberikan nilai X angka 0 (nol) pada tahun pertengahan.
Kebutuhan Bahan
Tahun X XY X2
Baku (Ton)
2016 48 -7 -336 49
2017 50 -5 -250 25
a
 Y  417  52,12
2018 51 -3 -153 9 n 8
2019 50 -1 -50 1
2020 52 1 52 1 b
 XY  99  0,59
2021 54 3 162 9  X 168
2

2022 55 5 275 25
2023 57 7 399 49
Jumlah 417 99 168

Y  a  bX
Y2024  52,12  0,59 (X) Jadi sebaiknya perusahaan harus mempersiapkan
 52,12  0,59 (9) kebutuhan bahan baku untuk perusahaan pada tahun
2024 sebanyak 57,43 ton
 57,43
 Moving Average (Rata-Rata Bergerak)

Rata-rata bergerak diperoleh melalui penjumlahan dan

pencarian nilai rata-rata dari sejumlah periode tertentu,
setiap kali menghilangkan nilai terlama dan menambah
nilai baru

MA 
X
Jumlah Periode
Contoh Kasus III :
Diketahui data kebutuhan bahan baku dalam kurun waktu 8 tahun
sebuah perusahaan sebagai berikut.

Kebutuhan Bahan Baku

Tahun
(Ton)
2016 48
2017 50
2018 51
2019 50
2020 52
2021 54
2022 55
2023 57
Jumlah 417

Pertanyaannya : berapa banyak sebaiknya perusahaan menyediakan

kebutuhan bahan baku pada tahun 2024 ? Hitung dengan menggunakan
pendekatan metode rata-rata bergerak 3 tahunan !!
Moving Average (Rata-Rata Bergerak 3 Tahunan)

MA2024 (3 Th)   (Th 2021  Th 2022  Th 2023)

n
(54  55  57)

3
 55,33

Jadi sebaiknya perusahaan harus mempersiapkan kebutuhan bahan baku

untuk perusahaan pada tahun 2024 sebanyak 55,33 ton
Terima Kasih