METODE PERAMALAN PERMINTAAN

• Metode bebas (freehand method)

• Metode setengah rata-rata (semi average method)
• Metode rata-rata bergerak (moving average method)
• Metode kwadrat terkecil (least quares method)
Peramalan Permintaan
 Peramalan (forecasting) merupakan alat bantu yang penting
dalam perencanaan yang efektif dan efisien.
 Peramalan mempunyai peranan langsung pada peristiwa
eksternal yang pada umunya berada di luar kendali
manajemen.
 Seperti: pelanggan, pesaing, pemerintah dan lain
sebagainya.
 Peramalan permintaan manajemen operasi:
 perencanaan skedul produksi,
 perencanaan pemenuhan kebutuhan bahan,
 perencanaan kebutuhan tenaga kerja,
 perencanaan kapasitas produksi,
 perencanaan layout fasilitas,
 penentuan lokasi,
 penentuan metode proses,
 penentuan jumlah mesin dan lain sebagainya.
Peramalan Permintaan
 Metode Peramalan Permintaan
 Metode kuantitatif dapat dibagi ke dalam deret berkala atau
runtun waktu (time series) dan metode kausal, sedangkan
metode kualitatif dapat dibagi mejadi metode eksploratoris dan
normatif.

 Kuantitatif, Tiga kondisi yang harus dipenuhi, yaitu:

 1. Tersedia informasi tentang masa lalu
 2. Informasi dapat dikuantitatifkan dalam bentuk data numerik
 3. Diasumsikan pola masa lalu akan terus berlanjut.

 Metode Gerakan Trend, untuk mengukur gerakan trend, yaitu:

 Metode bebas (freehand method)
 Metode setengah rata-rata (semi average method)
 Metode rata-rata bergerak (moving average method)
 Metode kwadrat terkecil (least quares method)
1. Metode Bebas
 2. Metode setengah rata-rata
(semi average method)
 Perhitungan nilai trend pada tahun tertentu dapat ditentukan
dengan menggunakan rumus sebagai berikut:
 Y' = ao + bx
 Keterangan
 Y’ : nilai trend periode tertentu
 a : nilai trend periode dasar
 b : tambahan trend tahunan yang dihitung dengan cara
(X2 – X1)/n
 X2 : setengah rata-rata kelompok kedua
 X1 : setengah rata-rata kelompok pertama
 n : jumlah periode antara x2 dan x1
 X : jumlah unit tahun yang dihitung dari periode dasar.
 2. Metode setengah rata-rata
(semi average method)

 ao = a1988 = 332.200
 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480
 2. Metode setengah rata-rata
(semi average method)
 Nilai trend permulaan tahun 1986-1995 adalah:
 ao = a1988 = 319.200
 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

 Y1986 = 332.200 + 25.480 (-2,5) = 268.500

 Y1987 = 332.200 + 25.480 (-1,5) = 293.980
 Y1988 = 332.200 + 25.480 (-0,5) = 319.460
 Y1989 = 332.200 + 25.480 ( 0,5) = 344.940
 Y1990 = 332.200 + 25.480 ( 1,5) = 370.420
 Y1991 = 332.200 + 25.480 ( 2,5) = 395.900
 Y1992 = 332.200 + 25.480 ( 3,5) = 421.380
 Y1993 = 332.200+ 25.480 (4,5) = 446.860
 Y1994 = 332.200 + 25.480 ( 5,5) = 472.340
 Y1995 = 332.200 + 25.480 ( 6,5) = 497.820
 2. Metode setengah rata-rata
(semi average method)

 Misalnya:
 Nilai trend permulaan tahun 1986-1995 adalah:
 ao = a1993 = 459.600
 b = (X2 – X1)/n = (459.600 - 332.200)/5 = 25.480

 Nilai trend permulaan tahun 1986-1995 adalah:

 Y1986 = 459.600+ 25.480 (-7,5) = 268.500
 Y1987 = 459.600+ 25.480 (-6,5) = 293.980
 Y1988 = 459.600+ 25.480 (-5,5) = 319.460
 Y1989 = 459.600+ 25.480 (-4,5) = 344.940
 Y1990 = 459.600+ 25.480 (-3,5) = 370.420
 Y1991 = 459.600+ 25.480 (-2,5) = 395.900
 Y1992 = 459.600+ 25.480 (-1,5) = 421.380
 Y1993 = 459.600+ 25.480 (-0,5) = 459.600
 Y1994 = 459.600+ 25.480 ( 0,5) = 472.340
 Y1995 = 459.600+ 25.480 ( 1,5) = 497.820
2. Metode setengah rata-rata
(semi average method)
3. Metode Single Moving Average
 Metode single moving average
○ Cara menghitung:
Jika menggunakan cara 3 bulan moving averages,
maka forecast satu bulan sebesar rata-rata 3 bulan
sebelumnya.
Rumus:
X t  X t -1  ... X t -n 1
St 1 
n
St+1 = Forecast untuk periode ke t + 1
Xt = Data periode t
n = Jangka waktu moving averages.
3. Metode Single Moving Average

 Misal:
 Jika forecast dengan metode 3 bulan moving averages
untuk bulan April adalah
 Penjualan Januari 20.000 kg
Februari 21.000 kg
Maret 19.000 kg

X 3  X 2  X1
S4 
3
19.000  21.000  20.000
S4 
3
S4  20.000
3. Metode Single Moving Average

Forecast
Bulan Permintaan 3 bulan 5 bulan
Januari 20 - -
Februari 21 - -
Maret 19 - -
April 17 20.00 -
Mei 22 19.00 -
Juni 24 19.33 19.80
Juli 18 21.00 20.60
Agustus 23 21.33 20.00
September 20 21.67 20.80
Oktober 25 20.33 21.40
November 22 22.67 22.00
Desember 24 22.33 21.60
3. Metode Single Moving Average
 Metode Single Moving Average ini biasanya lebih cocok digunakan
untuk melakukan forecast hal-hal yang bersifat random, artinya tidak
ada gejala trend naik maupun turun, musiman dan sebagainya,
melainkan sulit diketahui polanya.
 Metode Single Moving Average mempunyai 2 sifat khusus:
 Untuk membuat forecast diperlukan data masa lalu selama jangka
waktu tertentu.
 Semakin panjang moving averages, maka akan menghasilkan
moving averages yang semakin halus.

 Menghitung forecast error

 Mean absolute error => E   X t  St

 Mean squared error => 

 t t
X  S 2

E
n
3. Metode Single Moving Average

3 bulan
Bulan Permintaan Forecast Error Absolute (Error)2
error
Januari 20 - - - -
Februari 21 - - - -
Maret 19 - - - -
April 17 20.00 -3.00 3.00 9.00
Mei 22 19.00 3.00 3.00 9.00
Juni 24 19.33 4.67 4.67 21.78
Juli 18 21.00 -3.00 3.00 9.00
Agustus 23 21.33 1.67 1.67 2.78
September 20 21.67 -1.67 1.67 2.78
Oktober 25 20.33 4.67 4.67 21.78
November 22 22.67 -0.67 0.67 0.44
Desember 24 22.33 1.67 1.67 2.78
 3. Metode Single Moving Average

Perbandingan eror antara 3 bulan dan 5 bulan moving average

3 bln moving average 5 bln moving average

Mean absolut error 2.67 2.37
Mean squared error 8.81 7.54

Berdasarkan perbandingan tersebut, moving average dengan jangka waktu

lebih lama, maka forecasting akan menimbulkan penyimpangan lebih kecil.
4. Trend Metode Least Square

 Trend adalah rata-rata perubahan dalam jangka panjang.

 Jika hal yang diteliti menunjukkan gejala pertambahan, maka trend

yang dimiliki disebut sebagai trend positif.

 Jika hal yang diteliti menunjukkan gejala semakin berkurang, maka

trend yang dimiliki disebut sebagai trend negatif.

 Salah satu metode trend yang digunakan adalah metode least

squares.

 Persamaan trend dengan metode least square adalah

 Ŷ = a + bX
 4. Trend Metode Least Square

 Y’ = a + bx Tahun X Penjualan xy X2 Y’
 Σx = na + bΣx Y
 Σxy = x + b Σx2 2000 10
 Dimana: 2001 05
 a & b = konstanta 2002 15
persamaan 2003 20
 n = Jumlah data 2004 25
 x = periode waktu 2005 30
2006 40
2007 45
2008 35
 4. Trend Metode Least Square

Σx = na + bΣx Tahun X Penjualan xy X2 Y’

Σxy = ∑xa + bΣx2 Y
2000 0 10 0 0
2001 1 05 5 1
2002 2 15 30 4
2003 3 20 60 9
2004 4 25 100 16
2005 5 30 150 25
2006 6 40 240 36
2007 7 45 315 49
2008 8 35 280 64
36 1180 204
 4. Trend Metode Least Square
Σx = na + bΣx 36 = 9a + 36b (4)
Σxy = ∑xa + b Σx2 1180 = 36a + 204b (1)

36 = 9a + 36b (4) => 144 = 36a + 144b

1180 = 36a + 204b (1) => 1180 = 36a + 204b
-1036 = -60b
b = -1036 /-60
b = 17.3

36 = 9a + 36b => 36 = 9a + 36 (17.3)

=> 36 = 9a + 622.8
=> -9a = 622.8 – 36
=> -9a = 586.8
=> a = -65.2

Y’ = -65.2 + 17.3 x
 Tahun Penjualan X XY X^2 Ŷ
2000 10 0 0 0 -65.25
2001 5 1 5 1 -47.95
2002 15 2 30 4 -30.65
2003 20 3 60 9 -13.35
2004 25 4 100 16 3.95
2005 30 5 150 25 21.25
2006 40 6 240 36 38.55
2007 45 7 315 49 55.85
2008 35 8 280 64 73.15
Σ 215 1180 204
Y = -65,25 + 17.30X a= -65.25 b= 17.30