Metode Peramalan
(Forecasting Method)
HORIZON
HORIZON WAKTU
WAKTU
• Peramalan Jk. Pendek
digunakan untuk
merencanakan:
Pembelian
Penjadwalan kerja
Jumlah tenaga kerja
Tingkat produksi, dll.
• Jangka waktu hingga 1 tahun
tetapi umumnya kurang dari 3
bulan
HORIZON
HORIZON WAKTU
WAKTU
• Peramalan Jangka
Menengah digunakan
untuk merencanakan:
Penjualan
Anggaran produksi
Anggaran kas
Kualitatif Kuantitatif
Metode
Metode Kualitatif
Kualitatif
• Juri dari opini eksekutif (jury of executive
opinion)
• Metode Delphi (Delphi method)
• Komposit tenaga penjualan (sales fore
composite)
• Survei pasar konsumen (consumer market
survey)
Jury of Executive Opinion
• Teknik peramalan
berdasarkan prediksi
tenaga penjualan
terhadap besarnya
penjualan yang
memungkinkan dimasa
yang akan datang
Consumer Market Demand
• Metode peramalan
yang meminta input
dari para konsumen
mengenai rencana
pembelian mereka di
masa yang akan
datang
Persyaratan
Persyaratan Penggunaan
Penggunaan
Metode
Metode Kuantitatif:
Kuantitatif:
d t 1 Keterangan:
Rata 2bergerak 1 dt -1= demand dlm periode n sebelumnya
n n = jumlah periode dlm rata2 bergerak
Keterangan:
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalusan (pembobotan) (0< α<1)
At-1 = permintaan aktual periode lalu
Forecasting Errors & Tracking Signals
t t
d d '
d t
N
2
t d '
100 N d t d 't
c. Mean Absolute Percent Error (MAPE)
N t 1 d t
MOVING AVERAGE
Bulan Penjualan Rata2 Bergerak 3-
• Metode peramalan Aktual Bulan
yang Januari 20
menggunakan rata- Februari 30
rata dari sejumlah
Maret 45
(n) data terkini
April 31,7 (20+30+45)/3=31,7
untuk meramalkan
periode mendatang 50
0
J F M A
J F M A
Moving Average dengan Pombobotan
Bobot yg diberikan Periode
3 Bulan lalu (Maret)
2 Dua bulan lalu (Februari)
1 Tiga bulan lalu (Januari)
6 Total bobot
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/X² = 11.634 / 10 = 1.164,4 Y2009= 4.810,4 + 1.164,4 (4) =9.464
SIMPLE LINEAR REGRESSION
• Model matematis garis
lurus yang menjelaskan
hubungan fungsional
y a bx
antara satu variabel xy nx. y
terikat (dependent b = x n( x )2 2
variable)
a y bx
Y = Variabel Terikat
X = Variabel Bebas (bukan waktu)
a = Konstanta
b = Koefisien regresi
n = Jumlah data (pengamatan)
Case:
Perusahaan Konstruksi Nodel, West Bloomfield
40
32,5
30 Garis
Garis Regresi
Regresi
Y=
Y= 17,5
17,5 ++ 2,5
2,5 XX
20
a=
a= 17,5
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
395017,5.(150) 2,5(515)
62
3,06
n xy x . y
r
n
x 2 ( x )2 . n y 2 ( y )2
Case: Nodel
nxyx.y
r
nx (x) . ny (y)
2 2 2 2
r 0,901
Correlations
Model Summaryb
y x
y Pearson Correlation 1 .901* Adjusted Std. Error of Durbin-
Sig. (2-tailed) .014
Model R R Square R Square the Estimate Watson
N 6 6 a
x Pearson Correlation .901* 1
1 .901 .813 .766 3.062 2.333
Sig. (2-tailed) .014 a. Predictors: (Constant), x
N 6 6
*. Correlation is significant at the 0.05 level (2-tailed). b. Dependent Variable: y