Anggaran kas
JK. JK.
MENENGAH PANJANG
Economic Forecast
Technological Forecast
Demand Forecast
Economic Forecast
Merencanakan indikator ekonomi yang berguna
membantu organisasi untuk menyiapkan peramalan.
(inflasi)
Technological Forecast
Peramalan jangka panjang yang memperhatikan tingkat
kemajuan teknologi.
Demand Forecast
Meramalkan penjualan suatu perusahaan pada setiap
periode dalam horizon waktu.
FORECASTING APPROACH
Peramalan Kualitatif
Peramalan Kuantitatif
PERAMALAN KUALITATIF
Peramalan yang
menggabungkan faktor-
faktor seperti intuisi
pengambilan
keputusan, emosi,
pengalaman pribadi dll
PERMALAN KUALITATIF
Metode peramalan
yang meminta input
dari para konsumen
mengenai rencana
pembelian mereka
di masa yang akan
datang
PERAMALAN
KUANTITATIF
Peramalan yang menggunakan satu
atau lebih model matematis dengan
data masa lalu dan variabel sebab
akibat untuk meramalkan permintaan
PERAMALAN KUANTITATIF
MODEL TIME
NAIVE APPROACH SERIES
MOVING AVERAGE
EXPONENTIAL SMOOTHING Menggunakan
sekumpulan data masa
lalu untuk peramalan
Januari Februari
MOVING AVERAGE
Metode Bulan Penjualan Rata2 Bergerak 3-
Aktual Bulan
peramalan yang
Januari 20
menggunakan
rata-rata dari Februari 30
sejumlah (n) data Maret 45
terkini untuk April 31,7 (20+30+45)/3=31,7
meramalkan 50
periode
mendatang
0
J F M A
J F M A
Moving Average dengan Pombobotan
Bobot yg Periode
diberikan
3 Bulan lalu (Maret)
2 Dua bulan lalu (Februari)
1 Tiga bulan lalu (Januari)
6 Total bobot
TREND PROJECTION
LINEAR REGRESSION
TREND PROJECTION
Trend Projection
(proyeksi tren)
y a bx
merupakan metode
a=
peramalan yang y
menyesuaikan sebuah n
garis tren pada
b=
xy
sekumpulan data masa
lalu, dan kemudian x 2
y a bx Y = 4.810,4 + 1.164,4 X
a = Y/n = 24.052 / 5 = 4.810,4 Y2008 = 4.810,4 + 1.164,4 (3) =8.300,6
b = XY/X = 11.634 / 10 = 1.164,4 Y2009= 4.810,4 + 1.164,4 (4) =9.464
SIMPLE LINEAR REGRESSION
Model matematis
garis lurus yang y a bx
menjelaskan
hubungan fungsional
xy nx. y
b = x (x)2 2
40
32,5
30 Garis Regresi
Y= 17,5 + 2,5 X
20
a= 17,5
10
1 2 3 4 5 6 7 WAGES
Untuk menghitung keakuratan regresi yang
diperkirakan, harus dihitung Kesalahan Standar
Estimasi (Standard error of the estimate). Perhitungan
ini disebut Deviasi Standar Regresi (Standard
Deviation of the Regression)
S y. x
a y b xy
y 2
n2
Case: Perusahaan Konstruksi Nodel
S y. x
a y b xy
y 2
n2
3950 17,5.(150) 2,5(515)
62
3,06
n xy x. y
r
n x 2
( x ) 2 . n y 2 ( y ) 2
Case: Nodel
n xy x. y
r
n x ( x) . n y ( y)
2 2 2 2
r 0,901
Correlations
Model Summaryb
y x
y Pears on Correlation 1 .901*
Sig. (2-tailed) .014 Adjusted Std. Error of Durbin-
N 6 6 Model R R Square R Square the Estimate Watson
x Pears on Correlation .901* 1 1 .901 a .813 .766 3.062 2.333
Sig. (2-tailed) .014
N 6 6
a. Predictors: (Constant), x
*. Correlation is s ignificant at the 0.05 level (2-tailed). b. Dependent Variable: y