Permintaan Peramalan

untuk Layanan
Nama Anggota :
1. Kresdiana 201710160311
2. Nevi Kusumaningtyas 201710160311344
3. Zuria Ayu L 201710160311
4. Indah Febrianti Sundawa 201710160311376
5. Presia
Pilihan Metode Peramalan

Metode Delphi
metode delphi didasarkan pada pendapat ahli. dalam
bentuknya yang paling sederhana, orang-orang dengan
keahlian dalam suatu pertanyaan diberikan pertanyaan,
dan orang-orang ini tidak diizinkan untuk berinteraksi
satu sama lain. biasanya, para peserta diminta untuk
membuat perkiraan angka. misalnya, mereka mungkin
diminta untuk memprediksi rata-rata Dow Jones tertinggi
untuk tahun mendatang.
Analisis Lintas Dampak

Analisis lintas dampak mengasumsikan bahwa beberapa

peristiwa di masa depan terkait dengan terjadinya
peristiwa sebelumnya Seperti dalam metode Deiphi,
panel para ahli mempelajari serangkaian korelasi antara
peristiwa yang disajikan dalam sebuah matriks. Korelasi-
korelasi ini membentuk dasar untuk memperkirakan
kemungkinan peristiwa di masa depan yang terjadi.
Historis Analogi

Historis mengasumsikan bahwa pola pengenalan dan

pertumbuhan layanan baru akan meniru pola yang sama.
konsep yang datanya tersedia. Analogi historis sering
digunakan untuk memperkirakan penetrasi pasar atau
siklus hidup layanan baru. Konsep siklus hidup produk
seperti yang digunakan dalam tahap invalves
pemasaran, seperti pengenalan, pertumbuhan,
kematangan, dan penurunan .
Regresi Model

• Model Ekonometrik
Model Econometrie adalah versi model regresi yang
melibatkan sistem tions. Persamaan terkait satu sama
lain, dan koefisien ditentukan sebagai model regresi yang
lebih sederhana. Model ekonometrik membutuhkan
pengumpulan data yang luas dan analisis yang canggih
dibuat, oleh karena itu, mereka umumnya digunakan
untuk variasi independen forecasis jangka panjang.
Penghalusan Eksponensial
Sederhana
•  Hubungan Antara α dan N
Memilih nilai untuk α adalah masalah penilaian, sering
didasarkan pada pola data histori, dengan nilai-nilai
besar memberikan banyak bobot untuk data terbaru
untuk mengantisipasi biaya.

Rata-rata bergerak :
Rata-rata usia : = =
Penghalusan Eksponensial
dengan Penyesuaian Tren
• Penghalusan Eksponensial adalah suatu metode peramalan rata-
rata bergerak yang memberikan bobot secara eksponensial atau
bertingkat pada data-data terbarunya sehingga data-data terbaru
tersebut akan mendapatkan bobot yang lebih besar.

Rumus Exponential Smoothing (Penghalusan Eksponensial)

Ft = Ft – 1 + α (Dt-1 – Ft-1)

Dimana :
Ft = Prakiraan Permintaan sekarang
Ft-1 = Prakiraan Permintaan yang lalu
α = Konstanta Eksponensial
Dt-1 = Permintaan Nyata
Penghalusan Eksponensial dengan
Penyesuaian Musiman
Variasi musiman data adalah pergerakan yang regular baik
meningkat maupun menurun dalam kurun waktu tertentu yang
terkait dengan kejadian berulang seperti cuaca atau liburan.
Berikut adalah langkah yang akan diikuti oleh sebuah
perusahaan yang memiliki musim 1 bulan:
• Temukan rata-rata permintaan historis untuk setiap musim
denganmenjumlahkan permintaan bulan tersebut dalam setiap
bulan, dibagidengan jumlah tahun yang tersedia.
• Hitung rata-rata permintaan untuk semua bulan dengan membagi
rata-rata permintaan tahunan total dengan jumlah musim.
• Estimasi permintaan tahunan total untuk tahun depan.
Pemulusan Eksponensial

Perataan eksponensial adalah cara yang relatif mudah dan langsung

untuk membuat prakiraan jangka pendek. Ini memiliki banyak
atribut, termasuk:
• Semua data masa lalu dipertimbangkan dalam proses perataan.
• Data terbaru diberi bobot lebih dari data yang lebih lama.
• Hanya data terbaru yang diperlukan untuk memperbarui perkiraan.
• Model ini mudah diterapkan pada komputer pribadi menggunakan
perangkat lunak spreadsheet.
• Konstanta smoothing memungkinkan kita untuk mengubah
kecepatan di mana model merespons perubahan dalam pola yang
mendasarinya dalam data.