TUGAS 1

PERAMALAN
Mata Kuliah Perencanaan & Pengendalian Produksi
Dosen Pengampu : Emmalia Andriantantri, ST., MT.

Disusun Oleh
KELOMPOK 3 :
MAHARDIKA AYUSMA (2213001)
DANIELA NAFTALY YUNIAR (2213007)
FAIRUS NAFIS PRAHASTADI (2313006)
MUHAMMAD FAUZAN A’ROF (2313006)
MUHAMMAD RIVALDO (2313034)

PROGRAM STUDI TEKNIK INDUSTRI S-1

FAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI NASIONAL MALANG

2024
 DAFTAR ISI

DAFTAR ISI...................................................................................................................................ii
PENGELOLAN PERMINTAAN DAN PROSEDUR PERAMALAN..........................................1
TEKNIK-TEKNIK PERAMALAN................................................................................................9
DAFTAR PUSTAKA....................................................................................................................13

ii
 PENGELOLAN PERMINTAAN DAN PROSEDUR PERAMALAN
Prosedur Permintaan

Peramalan adalah proses prediksi terhadap permintaan produk di masa depan berdasarkan
data historis, tren pasar, dan faktor eksternal lainnya. Dalam konteks produksi, peramalan
digunakan untuk menentukan jumlah bahan baku yang harus disediakan, menyesuaikan kapasitas
produksi dengan kebutuhan pasar, mengoptimalkan tenaga kerja dan penggunaan mesin, dan
mengurangi risiko overproduction atau stockout. Tujuan dari peramalan yaitu bertujuan untuk
mengukur potensi permintaan ataupun pertumbuhan permintaan dimasa mendatang contohnya
tahun depan atau bulan depan. Dapat meminimumkan kesalahan meramal dan dapat diukur
dengan Mean Absolute Percent Error (MAPE). Juga untuk meramalkan permintaan dari item-
item independent demand dimasa yang akan datang dan menjamin efektivitas dan efisiensi dari
sistem peramalan maka diperlukan menyusun langkah-langkah peramalan

Permintaan pada sektor barang/jasa berasal dari sistem pasok. Kegiatan produksi,
pengiriman, perancangan produk dan pembelian material, semuanya itu mengikuti permintaan
yang datang dari para konsumen. Kegiatan tersebut dilaksanakan dengan tujuan untuk memenuhi
kebutuhan atau permintaan terhadap barang atau jasa dari pihak konsumen. Di beberapa situasi
nyata, besar dan waktu pada permintaan terhadap barang/jasa tidak mudah diketahui sebelum
kejadian. Di samping itu, banyak aktivitas yang harus dikerjakan sebelum permintaan atau
kebutuhan dari pelanggan teridentifikasi dengan pasti.
Peramalan permintaan adalah kegiatan untuk meng-estimasi besarnya permintaan terhadap
ketersediaan barang/layanan jasa tertentu pada suatu periode dan wilayah pemasaran tertentu.
Peramalan dapat dibuat pada tingkatan yang berbeda-beda. Misalnya pada sebuah perusahaan
yang menjual beberapa kelompok produk di beberapa wilayah yang berbeda, maka ramalan
dapat dibuat secara agregat untuk semua kelompok produk dan semua wilayah, atau untuk tiap
kelompok produk, tiap wilayah dan pada level yang dapat lebih detail seperti pada level individu
produk. Agregasi dapat dibuat berdasarkan waktu. Angka ramalan dapat dibuat untuk per periode
hari/mingguan/bulanan bahkan tahunan.
Pengelolaann Permintaan (Demand Management) adalah upaya/kegiatan untuk membuat
permintaan dapat lebih mudah dipenuhi oleh pihak supply chain. Dalam memenuhi permintaan

1
yang fluktuatif, suatu perusahaan bisa menggunakan beberapa strategi yang umumnya
diputuskan pada tingkat perencanaan jangka menengah yang sering disebut sebagai Aggregate
Planning atau Sales and Operations Planning (SOP). Pada umumnya, sebuah model rencana
agregat akan memiliki parameter, variabel, fungsi tujuan dan kendala. Secara spesifik, Demand
Management ini adalah upaya untuk meyakinkan bahawa profil permintaan pelanggan memiliki
pola yang halus sehingga mudah dan efisien untuk dipenuhi. Dengan kata lain, peramalan ini
hanya melihat permintaan sebagai input dan harus diubah polanya dulu sebelum masuk ke proses
peramalan, perencanaan produksi, pengadaan
bahan baku, produksi dan pengiriman ke
konsumen.

Gambar di samping ini merupakan ilustrasi

bahwa pola permintaan sangat fluktuatif.
Seperti pada perusahaan tidak langsung
menggunakan permintaan tersebur sebagai
input dalam kegiatan pemenuhan pesanan, namun terlebih dahulu dipengaruhi sedemikian rupa
sehingga lebih stabil polanya.

Mengelola permintaan berarti mengubah pola permintaan sehingga memiliki pola yang lebih
menguntungkan bagi supply chain. Ada beberapa cara yang bisa digunakan oleh supply chain
untuk mempengaruhi pola permintaan, antara lain : Promosi, Pricing, Self Management dan
Deal Structure.
 Promosi
Bagi supply chain, kegiatan promosi ini bisa membuat pola permintaan lebih mudah
atau lebih sulit untuk dipenuhi. Jika promosi dilakukan pada saat-saat permintaan lemah
dan efek promosi relatif cepat terhadap reaksi pasar maka supply chain akan
mendapatkan pola permintaan yang lebih rata. Sebaliknya, jika promosi dilakukan pada
saat-saat permintaan memang tinggi, supply chain justru akan menghadapi permintaan
yang lebih fluktuatif.
Misalnya pada penjuaaln kartu ucapan natal dan tahun baru akan tinggi pada minggu
ke-2 atau ke-3 di bulan Desember. Jika promosi dilakukan Perusahaan pada bulan
Desember, permintaan akan meningkat pada bulan tersebut hingga perbedaan penjualan

2
 pada bulan Desember dan bulan-bulan lainnya akan lebih tinggi. Sebaliknya jika promosi
dilakukan pada bulan Agustus-Oktober (sebelum bulan Desember), volume penjualan
pada bulan-bulan tersebut akan meningkat baik karena memang volume pembelian untuk
ucapan ulang tahun dan lain-lain akan meningkat maupun karena Sebagian orang
membeli kartu ucapan natal dan tahun baru sekitar 2 bulan/3 bulan lebih awal. Jika hal ini
terjadi, permintaan kartu akan meningkat pada bulan-bulan Desember dan kemungkinan
menurun pada bulan Desember karena Sebagian orang membeli kartu natal dan tahun
baru sebelum bulan Desember.
 Pricing
Kebijakan harga bisa memiliki tujuan yang lebih luas dari sekedar promosi. Misalnya
pada tarif telepon yang lebih mahal di siang hari dibandingkan tarif pada malam hari
yang lebih murah adalah cara untuk memindahkan Sebagian beban jaringan yang
memang sibuk pada siang hari ke malam hari.
Potongan harga yang diberikan untuk produk-produk yang tidak terjual pada akhir
musim jual untuk mendapatkan diskon, yang berarti menimbulkan dampak negatif bagi
supply chain.
Misalnya potongan harga pada resto (happy hour pada jam 5-6 sore) akan menggeser
jam makan Sebagian pelanggan yang biasanya datang jam 7/ jam 8 sehinggan beban resto
tersebar lebih merata ke beberapa jam operasi mereka.
 Self Management
Cara penempatan suatu barang di supermarket berpengaruh terhadap penjualan
barang tersebut. Misalnya pada toko perbelanjaan, barang yang letaknya tersembunyi
walaupun sebenarnya menarik bagi banyak konsumen, tidak akan banyak laku karena
tidak terlihat oleh calon-calon pembeli. Oleh karena itu, produk yang baru diluncurkan
atau sedang punya program peningkatan penjualan, biasanya ditempatkan di tempat-
tempat yang terlihat jelas oleh para pengunjung toko perbelanjaan.
 Deal Structure
Persetujuan jual beli seperti dapat tidaknya produk dikembalikan, term pembayaran,
perlindungan, harga, garansi dan sebagainya. Dapat tidaknya produk dikembalikan
apabila tidak sesuai dengan keinginan pembeli akan meningkatkan volume penjualan,
namun penjualan akan menanggung biaya pengembalian yang lebih tinggi.

3
4
CONTOH SOAL
Sebuah perusahaan minuman ingin menggunakan metode eksponensial smoothing dengan α =
0,2 untuk meramalkan permintaan produk. Jika permintaan aktual bulan sebelumnya adalah 700
unit, dan peramalan bulan sebelumnya adalah 520 unit, hitunglah peramalan untuk bulan
berikutnya!
Jawaban :
Rumus Eksponensial Smoothing: F t= F t−1 + α ( At −1− F t −1)
dimana:
 F t = Peramalan baru
 F t−1 = Peramalan sebelumnya = 520 unit
 At −1 = Data aktual bulan sebelumnya = 700 unit
α = Faktor perataan = 0,2
Perhitungan:
F t = F t−1+ α( At −1− F t−1)
F t = 520 + 0,2 (700−520)
F t = 520 + 0,2(180)
F t = 520 + 36
F t= 556
Jadi, peramalan permintaan untuk bulan berikutnya adalah 556 unit.
Jadi pengelolaan permintaan berperan penting dalam efisiensi operasional dan kepuasan
pelanggan. Dengan metode peramalan yang tepat, perusahaan dapat menghindari kelebihan atau
kekurangan produksi, mengoptimalkan sumber daya, dan meningkatkan profitabilitas. Oleh
karena itu, pemilihan metode peramalan yang sesuai dan pemantauan hasilnya secara berkala
sangat diperlukan untuk menjaga daya saing perusahaan di pasar.

Prosedur Peramalan
Peramalan pada sebuah produksi merupakan sebuah ramalan yang menentukan sebuah
permintaan suatu produk, dan dengan begitu merupakan sebuah langkah awal dari proses
perencanaan dan pengendalian produksi.
Dalam peramalan terdapat beberapa jenis yang harus diperhatikan, yaitu:
- Produk apa yang diperlukan (what)

5
- Berapa jumlahnya (how much), dan
- Kapan dibutuhkannya (when)
Suatu perusahaan biasanya menggunakan prosedur tiga tahap untuk sampai pada peramalan
penjualan, yaitu diawali dengan melakukan peramalan lingkungan, diikuti dengan peramalan
penjualan industri, dan diakhiri dengan peramalan penjualan perusahaan.
Dalam melakukan peramalan, upaya ini terdiri dari beberapa tahapan, khususnya jika
menggunakan metode kuantitatfi, Tahapan tersebut antara lain :
1. Mendefinisikan Tujuan Peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat
dari suatu permintaan. Dan mengumpulkan data tentang penjualan, produksi dan
persediaan dari periode sebelumya.
2. Membuat diagram pencar (Plot Data)
Memplot demand lawan waktu, yang dimana demand ini sebagai titik ordinat (Y) dan
waktu sebagai titik axis (X). Menganalisis data untuk mengidentifikasi pola disesuaikan
seperti tren, musiman ataupun siklus.
3. Memilih model peramalan yang tepat
Memilih dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa
model peramalan yang diperkirakan dapat mewakili pola tersebut. Model ini dapat berupa
metode kuantitatif seperti regresi linier, metode ekponensial atau metode kualitatif seperti
metode Delphi
4. Melakukan peramalan
Menggunakan medel/metode yang dipilih untuk menghitung peramalan kebutuhan di
masa mendatang.
5. Menghitung Kesalahan Peramalan
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan
terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai
ramalan disebut sebagai “kesalahan ramalan (forecast error).
 Mean Absolute Error (MAE)
Dengan persamaan :

MAE=
∑|A t −Ft|
n

6
7
 dimana,
At = nilai aktual pada periode ke-t
Ft = nilai peramalan pada periode ke-t
n = jumlah periode
 Mean Squared Error (MSE)
Dengan persamaan,

MSE=
∑ ( A t−F t )
2

n
Root Mean Squared Error (RMSE)
Dengan persamaan,

Mean
RMSE=

Absolute Percentage Error (MAPE)

√ ∑ ( A t −Ft )2
n

Dengan persamaan,

MAPE=
100 %
n
∑ At| |
At −F t

Tracking Signal

TS=∑ ¿ ¿ ¿
dimana,
MAD = Mean Absolute Deviation (Mean Absolute Error)
6. Memilih metode peramalan dengan kesalahan yang terkecil
Apabila nilai kesalah tersebut tidak berbeda secara signifikan pada Tingkat ketelitian
tertetu (Uji Statistik F), maka akan memilih secara sembarang metode-metode tersebut.
7. Melakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai
dengan pola data yang sebenarnya.

Metode Rumus Perhitungan Peramalan/Teknik Peramalan

Regresi Linier Sederhana,
Dengan persamaan :
y=a+bx

8
dimana,
y = variabel tergantung (dependen)
x = variabel bebas (independen)
a = konstanta (nilai y pada saat x = 0)
b = slope
Moving Average
Dengan persamaan,

MAn=
∑ Ai
n
dimana,
 M An = rata-rata bergerak untuk periode ke-n
 Ai = nilai aktual periode ke-i
 N = jumlah periode yang digunakan dalam perhitungan

CONTOH SOAL
Sebuah Perusahaan produk manufaktur memiliki data penjualan bulan sebagai berikut.
Bulan Penjualan Aktual (unit) Penjualan Peramalan (unit)
Januari 100 95
Februari 120 110
Maret 130 125
April 140 135
Mei 150 145
Juni 160 155
 Menghitung kesalahan peramalan menggunakan persamaan :
 Mean Absolute Error (MAE)
 Mean Squared Error (MSE)
 Root Mean Squares Error (RMSE)
 Mean Absolute Percentage Error (MAPE)
 Menghitung peramalan untuk bulan Juli menggunakan metode Moving Average dengan
periode 3 bulan.

9
Jawaban :
 Kesalahan Peramalan
1. Mean Absolute Error (MAE)

MAE=
∑|A t −Ft|=|100−95|+|120−110|+|130−125|+|140−135|+|150−145|+|160−155|= 35 ≈ 5 , 83
n 6 6
2. Mean Squared Error (MSE)

MSE=
∑ ( A t−F t )2 = (100−95)2 +(120−110 )2+(130−125)2 +(140−135)2 +(150−145)2+(160−155)2 =
n 6
3. Root Mean Squared (RMSE)

4.
RMSE=
√
Mean Absolute Percentage Error (MAPE)
∑ ( A t −Ft )2 =√ 37 , 5 ≈ 6 ,12
n

MAPE=
100 %
n
∑ | |At 6 100(| 120
+ ||
130
+
140
+||
At −F t 100 % 100−95 120−110 130−125 140−135 150−145 16
= +
150
+ || || ||
 Perhitungan Peramalan menggunakan Moving Average
Rata-rata bergerak 3 bulan untuk memprediksi penjualan bulan Juli :

MAn=
∑ Ai = Penjualan April + PenjualanMei + PenjualanJuni = 140+ 150+160 = 450 =150
n 3 3 3

10
 Dapat disimpulkan dari contoh ini, kesalahan peramalan rata-rata (MAE) adalah sekitar 5,38
juta, dengan kesalahan kuadrat rata-rata (MSE) sekitar 37,5 juta dan akar kesalah kuadrat rata-
rata (RMSE) sekitar 6,12 juta. Sementara itu, kesalahan persentase absolut rata-rata (MAPE)
adalah sekitar 4,53%. Untuk bulan Juli, peramalan menggunakan metode rata-rata bergerak
(moving average) periode 3 bulan menghasilkan estimasi penjualan sebesar 150 juta.
Dari metode peramalan dan evaluasi kesalah peramalan ini dapat memberikan gambaran
tentang sebearapa akurat prediksi yang dibuat dan membantu dalam mengambil keputusan untuk
perencanaan produksi dan pengendalian persediaan.

TEKNIK-TEKNIK PERAMALAN
 Regresi Linier Sederhana
Bentuk regresi yang paling sederhana dan sering digunakan meliputi hubungan linier
antara dua variabel. Tujuan regresi linier adalah untuk memperoleh sebuah persamaan garis
lurus yang akan meminimasi jumlah bias vertikal dari titik-titik yang terobservasi dengan
garis lurus yang terbentuk. Metode yang dipakai untuk mendapatkan persamaan tersebut
disebut least squares.
Besarnya koefisien a dan b dapat dihitung dengan persamaan :
b=n ¿ ¿

a=
∑ y−b ∑ x atau y−b x
n
Diketahui, n = jumlah data hasil observasi
Keakuratan perkiraan regresi tergantung pada biasan data sampel di sekitar garis, yang
artinya semakin besar luasannya maka semakin kecil keakuratan perkiraannya. Besarnya
kiasan dapat dihitung dengan perkiraan standar kesalahan se, yaitu :

√ ∑ y −a ∑ y −b ∑ xy
2

se =
n−2
 Simple Average
Metode simple average merupakan metode yang sesuai digunakan jika data yang
tersedia tidak mengandung unsur trend dan faktor musiman. Secara sederhana metode ini
menghitung rataan dari data yang tersedia sejumlah n, mengikuti persamaan berikut :

11
 Ai
F i+1=∑
n
dimana,
Fi+1 = peramalan untuk periode ke i + 1
Ai = nilai aktual tahun ke-i
n = banyaknya data
 Weighted Moving Average
Diperlukan pembobotan untuk data paling baru dari deret berkala. Misalnya pada data
yang paling baru ditentukan bobotnya sebesar 0.4, data terbaru berikutnya berbobot 0.3,
kemudian berturut-turut 0.2 dan terakhir 0.1. Dan perlu diingat bahwa jumlah bobot yang
diberikan harus sama dengan 1.00. Dan bobot terberat diberikan pada data yang terbaru.
 Eksponential Smoothing
Eksponensial smoothing memerlukan perhitungan yang lebih sedikit, tidak memerlukan
data histories dalam jangka waktu yang lama melainkan hanya data terbaru yang dipakai
untuk menghitung peramalannya. Karakteristik smoothing dikendalikan dengan
menggunakan faktor smoothing α , yang bernilai antara 0 sampai dengan 1. Fungsi faktor ini
adalah untuk memberikan penekanan yang lebih terhadap data yang paling baru. Setiap
peramalan yang baru berdasarkan pada hasil peramalan sebelumnya ditambah dengan suatu
presentase perbedaan antara peramalan dengan nilai aktualnya pada saat tersebut, dengan
persamaan :
Ft = Ft-1 + α (At-1 – Ft-1)
dimana,
Ft = peramalan periode ke-t
Ft-1 = peramalan periode ke-t
α = konstanta smoothing
At-1 = permintaan aktual atau penjualan untuk periode t-1
 Winter’s
Metode winter’s merupakan metode peramalan yang sering dipilih untuk menangani
data permintaan yang mengandung baik variasi musiman maupun unsur trend. Metode ini
mengolah tiga asumsi untuk modelnya : unsur konstan, unsur trend dan unsur musiman.

12
 Metode winter’s menggunakan model Trend Hold, yang dimulai dengan estimasi trend yang
biasa, dengan persamaan :
Tt = β ( Ft – Ft-1 ) + ( 1 – β ) Tt-1
dimana,
Tt = estimasi nilai trend periode t
β = konstanta smoothing unsur trend
Ft = rata-rata eksponensial pada periode t
Dengan asumsi nilai F0 = A1 dan T0 = 0
 Single Eksponensial Smoothing
Peramalan single eksponensial smoothing dihitung berdasarkan hasil peramalan
ditambah dengan peramalan periode sebelumnya. Jadi, kesalahan peramalan sebelumnya
digunakan untuk mengoreksi peramalan berikutnya. Dengan persamaan :
Ft = αAt + ( 1-α ) F ( t-1 )
 Eksponential Smoothing with Linear Trend
Dengan persamaan :
Ft = αAt + ( 1-α ) F ( t-1 ) + T ( t-1 )

Di dalam sebuah peramalan (forecasting) dibutuhkan sedikit mungkin kesalahan (error) di

dalamnya. Agar dapat meminimalisir tingkat kesalahan tersebut, maka akan lebih baik jika
peramalan tersebut dilakukan dalam satuan angka atau kuantitatif.
Dalam sebuah Perusahaan, mereka menggunakan tiga jenis peramalan ketika merencanakan
masa depan operasinya, yaitu:
1. Ramalan ekonomi membahas siklus bisnis dengan memprediksi tingkat : inflasi, supply
uang peramalan perumahan, dan indikator-indikator perencanaan lain.
2. Ramalan teknologi berkaitan dengan tingkat kemajuan teknologi yang akan melahirkan
produk-produk baru yang akan mengesankan, membutuhkan pabrik, danperalatan baru.
3. Ramalan permintaan adalah proyeksi permintaan untuk produk atau jasa perusahaan.

Metode Peramalan menurut Heizer dan Render yang dikutip dalam buku Operations
Management (Render, Heizer, 2014, p. 143) mengemukakan terdapat dua pendekatan umum
peramalan, yaitu peramalan kuantitatif (quantitative forecast) dan peramalan kualitatif
(qualitative forecast). Peramalan kuantitatif adalah peramalan yang menggunakan model
13
matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan
permintaan sedangakan peramalan kualitatif adalah peramalan yang menggabungkan faktor
seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal.
Metode kualitatif, terbagi menjadi 4 teknik peramalan, yaitu Juri dari opini eksekutif ( jury of
executive opinion). Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat
tinggi 17 umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan
prediksi permintaan kelompok.
Metode delphi (delphi method). Ada 3 (tiga) jenis partisipan dalam metode Delphi yaitu:
pengambil keputusan, karyawan, dan responden. Pengambil keputusan melakukan peramalan,
karyawan menyiapkan, menyebarkan, mengumpulkan, dan meringkas kuesioner dan hasil survei.
Responden adalah sekelompok orang yang ditempatkan di tempat yang berbeda di mana
penliaian dilakukan.
Komposit tenaga penjual (sales force composite) Setiap tenaga penjual memperkirakan
berapa penjualan yang dapat ia capai dalam wilayahnya, dan melakukan pengkajian untuk
memastikan apakah peramalan cukup realistis, baru kemudian digabungkan pada tingkat wilayah
dan nasional untuk mendapatkan peramalan secara keseluruhan.
Survei pasar konsumen (consumer market survey) Metode ini meminta masukan dari
konsumen mengenai rencana pembelian mereka di masa mendatang. Hal ini juga membantu
dalam menyiapkan peramalan, tetapi juga membantu dalam merancang desain produk baru
danperencanaan produk baru. Namun, metode ini dapat menjadi tidak benar karena masukan dari
konsumen yang terlalu optimis

14
 DAFTAR PUSTAKA

file:///C:/Users/ASUS/Downloads/
35.TUGASDIANAYUISMARANIBASIR_105021104222.pdf
file:///C:/Users/ASUS/Downloads/10.%20BAB%20II%20(1).pdf

Kwok Ericson; SUSANTI, Wilda. Penerapan Metode Regresi Linier dalam Aplikasi Sistem
Peramalan Jumlah Bahan Baku untuk Produksi Tahu. Jurnal Mahasiswa Aplikasi Teknologi
Komputer dan Informasi (JMApTeKsi), [S.l.], v. 1, n. 2, p. 121-128, dec. 2019. ISSN 2685-
6565.Availableat:<https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/jmapteksi/article/view/
3010>. Date accessed: 19 feb. 2025.

Ekonomi Manajemen. (n.d.). Pengertian peramalan. Ekonomi Manajemen. Retrieved February

19, 2025, from https://ekonomimanajemen.com/pengertian-peramalan-2/

Muhammad Fajar. (2025). PPT Pengelolaan permintaan dan Peramalan permintaan. Scribd.
https://www.scribd.com/presentation/544121571/PPT-Pengelolaan-permintaan-dan-Peramalan-
permintaan

PPIC (Forecasting/ Peramalan, Line Balancing, Penjadwalan Mesin, Ongkos Produksi, dan
Material Requirement Planning (MRP). (2016, November 22). Learning from Reading.
https://bellarukmana.wordpress.com/2016/11/22/ppic-forecasting-peramalan-line-balancing-
penjadwalan-mesin-ongkos-produksi-dan-material-requirement-planning-mrp/

Pengelolaan Permintaan dan Perencanaan Produksi. (2021). Studocu.

https://www.studocu.id/id/document/universitas-islam-negeri-sunan-ampel-surabaya/
manajemen-rantai-pasok/pengelolaan-permintaan-dan-perencanaan-produksi/45844435

https://www.facebook.com/URL-PROFILE-FB. (2016). ARDY WEB: Prosedur Peramalan

(Forecasting) Dalam Manajemen Operasi. ARDY WEB.
https://ardy-web.blogspot.com/2016/02/prosedur-peramalan-forecasting-dalam.html

15
16