forecasting (peramalan) ilmu manajemen · peramalan (forecasting) pengertian : ... top-down...

Report

Post on 09-Mar-2019

873 Views

Category:

Documents

28 Downloads

Preview:

Click to see full reader

TRANSCRIPT

FORECASTING (PERAMALAN)

Ilmu Manajemen

PERAMALAN

(FORECASTING)

PENGERTIAN :

PERAMALAN :ADALAH SENI DAN ILMU

MEMPREDIKSI PERISTIWA MASA

DEPAN YANG MEMERLUKAN DATA –

DATA

ADA DUA METODE PERAMALAN :

1. TOP-DOWN FORECASTING

YAITU SUATU METODE PERAMALAN UMUM YANG MENDASARKAN PADA

BERBAGAI KONDISI BISNIS UMUM YANG DIBUAT OLEH PARA EKONOMI

DALM MEMBAGA – LEMBAGA PEMERINTAH, PERUSAHAAN BESAR DAN

UNIVERSITAS – UNIVERSITAS. KEMUDIAN MEMPERKIRAKAN BERAPA

BAGIAN PASAR PERUSAHAAN (MARKET SHARE) DAN AKHIRNYA

BERAPA BARANG YANG DIPRODUKSI, DAN BERAPA SETIAP PRODUK

PERUSAHAAN AKAN DAPAT DIJUAL SETIAP BULAN.

2. BOTTOM-UP FORECASTING

YAITU SUATU METODE PERAMALAN YANG DIMULAI DENGAN

PERKIRAAN PERMINTAAN PRODUK – PRODUK AKHIR INDIVIDU. DATA

DATA PERAMAL BIYASA DIPEROLEH DARI ESTIMASI ORANG – ORANG

PENJUALAN, DISTRIBUTOR DAN PARA PELANGGAN.

JENIS – JENIS PERAMALAN

1. RAMALAN EKONOMI ADALAH RAMALAN SIKLUS BISNIS

YANG MEMPREDIKSI TINGKAT INFLASI, TINGKAT SUKU

BUNGA DAN INDICATOR – INDIKATOR LAIN.

2. RAMALAN TEKNOLOGI ADALAH RAMALAN YANG

BERKAITAN DENGAN TINGKAT KEMAJUAN TEKNOLOGI

YANG MELAHIRKAN PRODUK BARU, MEMBUTUHKAN

PABRIK DAN PERALATAN BARU.

3. PERAMALAN PERMINTAAN ADALAH PROYEKSI

PERMINTAAN TERKAIT PRODUK ATAU JASA

PERUSAHAAN. RAMALAN INI MEMBAHAS RAMALAN

PENJUALAN, RAMALAN PRODUKSI, KAPASITAS DAN

SISTEM PENJADWALAN PERUSAHAAN, UNTUK

KEPERLUAN PERENCANAAN KEUANGAN, PAMASARAN,

KEUANGAN DAN PERSONALIA.

PENDEKATAN PERAMALAN

ADALAH BEBERAPA PENDEKATAN TEKNIK KUALITATIF YANG DIGUNAKAN :

1. METODE DELPHI.

ADALAH SUATU TEKNIK PERAMALAN YANG MEMPERGUNAKAN SUATU

PROSEDUR YANG SISTEMATIS UNTUK MENDAPATKAN CONSENSUS

PENDAPATAN – PENDAPATAN DARI SUATU KELOMPOK AHLI.

2. SURVEY PASAR KONSUMEN/RISET PASAR.

ADALAH SUATU RAMALAN YANG MEMPERBESAR MASUKAN DARI

PELANGGAN TANPA MELIHAR RENCANA PEMBELIAN MASA DEPANNYA

3. JURI DAN OPINI EKSEKUTIF.

ADALAH RAMALAN YANG MENGAMBIL OPINI SEKELOMPOK KECIL

MANAJER TINGKAT TINGGI. BIASA DIKOMBINASIKAN DENGANAN

MODEL STATISTIC. MENGHASILKAN ESTIMASI PERMINTAAN KELOMPOK

4. GABUNGAN ARMADA PENJUALAN.

ADALAH RAMALAN YANG MENDASARKAN PADA SETIAP WILAYAH

PENJUALANNYA, KEMUDIAN DIKAJI ULANG LALU DIKOMBINASIKAN

DIWILAYAH LAIN DAN NASIONAL UNTUK MENCAPAI RAMALANA SECARA

MENYELURUH.

5. PENDEKATAN NAIF/NAÏVE APPROACH.

ADALAH SUATU PERAMALAN YANG MENGASUMSIKAN BAHWA

PERMINTAAN DALAM PERIODE BERIKUTNYA ADALAH SAMA DENGAN

PERMINTAAN DALAM PERIODE SEBELUMNYA(MOST RECENT PERIOD)

PENDEKATAN, TEKNIK KUANTITATIF

ADALAH BEBERAPA RAMALAN DENGAN

TEKNIK KUANTITATIF ANTARA LAIN :

1.PROYEKSI TREND/TREND PROJEECTION.

2.RATA–RATA BERGERAK/MOVING

AVERAGES.

3.PENGHALUS EKSPONENSIAL /

EXPONENTIAL SMOOTHING.

4.ANALISIS TUNTUN WAKTU/TIME SERIES.

5.REGRESI DAN KORELASI.

TAHAPAN SISTEM PERAMALAN

TANPA MELIHAT METODE YANG DIGUNAKAN, PROSES

PERAMALAN SECARA UMUM ADALAH SEBAGAI BERIKUT :

1. MENENTUKAN PENGGUNAAN PERAMALAN/TUJUAN ATAU

PENCAPAIAN.

2. MEMILIH HAL-HAL YANG AKAN DIRAMAL.

3. MENENTUKAN HORISON WAKTUNYA, PANJANG,

MENENGAH DAN PENDEK.

4. MEMILIH MODEL PPERAMALAN.

5. MENGUMPULKAN DATA YANG DIBUTUHKAN UNTUK

MEMBUAT RAMALAN.

6. MENENTUKAN MODEL PETAMALAN YANG TEPAT.

7. MEMBUAT RAMALAN.

8. MENERAPKAN HASILNYA.

1.PROYEKSI TREND/KUADRAT TERKECIL(LEAST SQUARE)

METODE INI DAPAT MENGUNAKAN PERSAMAAN Y = a +bx

BILA TITIK TENGAH SEBAGAI TAHUN DASAR Ex = 0

Y = a + bX

∑Y = n.a → ∑Xy

∑Xy = b.∑X² → b = ∑xy

∑X²

DAPAT JUGA MENGGUNAKAN TAHUN PERTAMA SEBAGAI

TAHUN DASAR.

Y = a + bx → a =Y - bx ATAU a = ∑Y.∑x² - ∑x∑Y

n.∑x² - (∑x)²

b = n.∑xY - ∑ x.∑ xY

n. ∑x² - (∑ x)²

CONTOH KASUS :

PT. ABC MEMPUNYAI DATA PENJUALAN PADA

TUJUH TAHUN TRAKHIR SEBAGAI BERIKUT :

TAHUN 1999 2000 2001 2002 2003 2004 2005

PENJUALAN 150.000 200.000 250.000 300.000 450.000 475.000 490.000

DARI DATA DIATAS HITUNGLAH RAMALAN

PENJUALAN TAHUN 2006

JAWAB :

TAHUN (Y) (X) (X)² Xy

1999 150.000 -3 9 -450.000

2000 200.000 -2 4 -400.000

2001 250.000 -1 1 -250.000

2002 300.000 0 0 0

2003 450.000 1 1 450.000

2004 475.000 2 4 950.000

2005 490.000 3 9 1.470.000

∑ 2.315.000 0 28 1.770.000

Y = a+bX → a = ∑Y = 2.315.000 = 330.714

n 7

b = ∑ xY = 1.770.000 = 63.214

∑ x² 28

Y 2006 = a + bX

= 330.714 + 63.214 (4)

= 330.714 + 252.856

= 583.570

1.A METODE TREND SEMI

AVERAGE

Metode ini digunakan bila data yang ada jumlahnya

genap, sehingga dapat dibagi menjadi dua kelompok

sama besar. Contoh soal. Data penjual PT. ADIJAYA

tahun 1994-1999. (dalam tabel). Dari data tersebut

buatlah ramalan penjualan untuk tahun 2000?

tahun Jumlah penjualan (dalam juta)

1994

1995

1996

1997

1998

1999

140

148

157

160

169

JAWABAN SOAL

Catatan ; kelaompok pertama bila data ganjil dimulai angka 0

(tengah) dan bila data genap dimulai angka -3,-1,1,3 dst.

Tahun Jumlah

Penjualan(Y)

Total Average X

1994

1995

1996

1997

1998

1999

140

148

157

160

169

445

486

445/3=148,33

486/3=162

-1

Lanjutan jawaban

Rumus : Y = a + bx

a = rata-rata kelompok pertama

b = selisih antara dengan dibagi dengan

jumlah data yang ada dalam satu kelompok.

Jadi a = 148,33 ; b = 162 – 148,33/3 = 4,5567

Y = 148,33 + 4,5567 (X)

Maka forecast penjualan untuk tahun 2000 adalah

(X diberi skore 5)

Y = 148,33 + 4,5567 (5) = 171,11 unit

1X_

2X_

METODE TREND MOMENT

Adalah metode peramalan yang mempunyai

persamaan Y = a + bX

Pemberian score X dimulai dari 0,1,2,3, ……dst.

Contoh soal. Data penjual PT. ADIJAYA tahun

1995-1999. (dalam tabel). Dari data tersebut

buatlah ramalan penjualan untuk tahun 2000?

tahun Jumlah penjualan (dalam juta)

1995

1996

1997

1998

1999

140

148

157

160

169

JAWABAN CONTOH SOAL

Persamaan ; Y = a + bX

Dalam mencari koefisien a dan b digunakan

persamaan

ΣY = n.a + b. Σ X

ΣXY = a. Σ X + b. Σ X²

Tahun Y X XY X²

1995

1996

1997

1998

1999

140

148

157

160

169

148

314

480

676

Σ 774 10 1.618 30

JAWABAN CONTOH SOAL774 = 5.a + b (10) {x2}

1.618 = 10.a + b (30) {x1}

1.548 = 10 a + 20 b

1.618 = 10 a + 30 b (-)

-70 = -10 ; b=7

Substitusikan :

774 = 5 a + 10 (7)

5 a = 774 – 70 = 704

a =704/5 = 140,8

Forecast Y2000 = 140,8 + 7 (X) = 140,8 + 7(5)= 175,8

2. RATA – RATA BERGERAK/MOVING AVERAGE.

ADALAH SUATU TEKNIK PERAMALAN MENGASUMSIKAN BAHWA

PERMINTAAN PASAR TETAP KECIL SEPANJANG WAKTU.

RUMUS :

MA = JUMLAH PERMINTAAN DATA n PERIODE SEBELUMNYA

MA = 80 + 78 + 83 = 80,3 → RATA-RATA BERGERAK

TAHUN KUARTALAN PENJUALAN (UNIT) TOTAL GERAKAN TIGA

KUARTAL

RATA-RATA

BERGERAK TIGA

KUARTAL

2000

2001

2002

2003

100

241 : 3

246 : 3

252 : 3

257 : 3

262 : 3

267 : 3

265 : 3

266 : 3

271 : 3

278 : 3

277 : 3

279 : 3

289 : 3

293 : 3

80,3

85,7

87,3

88,5

88,7

90,3

92,7

92,3

95,3

97,7

JADI PERKIRAAN PENJUALAN UNTUK TAHUN 2004

KUARTAL I ADALAH 97,7 MELEBIHI METODE (MA)

ADALAH :

- EFEKTIF MERATAKAN ATAU MENGHALUSKAN

FLUKTUASI PADA DATA.

- BISA DITETAPKAN PADA BERBAGAI JENIS DATA.

KELEMAHAN METODE MA ADALAH :

- TIDAK PERSAMAAN RAMALAN.

- HANYA MAMPU MERAMAL JANGKA PENDEK/NILAI

RATA-RATA BERGERAK TERAKHIR.

PERHITUNGAN.

DALAM ANALISIS DATA PENJUALAN

ATAU PERMINTAAN AKAN PRODUK

INDEKS MUSIM DAPAT DIGUNAKAN.

CARA MENGHITUNGNYA DENGAN

MENCAPAI RATA-RATA BERBAGAI RASIO

PENJUALAN KUARTALAN NYATA

TERHADAP NILAI GARIS TREND (Y)

UNTUK SETIAP KUARTALAN.

PERTANYAAN :

a. BERAPAKAH FORECAST PENJUALAN UNTUK KUARTAL PERTAMA

DAN KEDUA TAHUN 2004 DENGAN METODE RATA – RATA

BERGERAK EMPAT KUARTAL.

b. BERAPAKAH FORECAST PERMINTAAN MUSIMAN SELAMA TAHUN

2004 , JIKA DIASUMSIKAN PERMINTAAAN SELAMA TAHUN 2004

SEBANYAK 1019 TON , DENGAN MODEL RATA-RATA BERGERAK

SEDERHANA ?

CONTOH SOAL :

DATA PENJUALAN YANG TERDAPAT PADA PT. SEMPURNA (DALAM TON)

TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL

1999

2000

2001

2002

2003

110

200

240

190

210

420

360

375

350

355

160

120

230

100

190

185

330

360

250

225

875

1.010

1.205

890

980

JAWAB :

a. PRAKIRAAN PENJUALAN UNTUK KUARTALAN PERTAMA

TAHUN 2004

210 + 355 + 190 + 225 = 245 ton

PRAKIRAAN PENJUALAN UNTUK KUARTALAN KEDUA

TAHUN 2004

355 + 190 + 225 + 245 = 253,75 ton

b. RATA-RATA PENJUALAN PER KUARTAL DARI PENJUALAN TAHUN

1999

SAMPAI DENGAN 2004.

KUARTAL I = 110 + 200 + 240 + 190 + 210 = 190 ton

KUARTAL II = 420 + 360 + 375 + 350 + 355 = 372 ton

KUARTAL III = 160 + 120 + 230 + 100 + 190 = 160 ton

KUARTAL IV = 185 + 330 + 360 + 250 + 225 = 270 ton

RATA-RATA PENJUALAN SELURUH KUARTAL =

875 + 1.010 + 1.205 + 890 + 980 = 248 ton

INDEKS MUSIMAN MASING-MASING KUARTAL

KUARTAL I = 190 = 0,77

248

KUARTAL II = 372 = 1,5

248

KUARTAL III = 160 = 0,65

248

KUARTAL IV = 270 = 1,1

248

DENGAN ANGKA INDEKS MUSIMAN TERSEBUT MAKA

PRAKIRAAN PENJUALAN MUSIMAN TAHUN 2004 JIKA

PENJULAN SELAMA TAHUN 2004 SEBESAR 1.019 DENGAN

METODE RATA-RATA SEDERHANA (SIMPLE AVERAGE)

KUARTAL I = 1.019 x 0,77 = 196,1575 ton

KUARTAL II = 1.019 x 1,5 = 382,125 ton

KUARTAL III = 1.019 x 0,65 = 165,5873 ton

KUARTAL IV = 1.019 x 1,1 = 280,225 ton

RATA-RATA BERGERAK / WEIGHT

MOVING-AVERAGE TERTIMBANG

WMA = ∑ (timbangan untuk periode n) (permintaan dalam periode n)

∑ Timbangan

CONTOH :

BERDASARKAN DATA DIBAWAH INI HITUNGLAH

FORECAST UNTUK KUARTAL PERTAMA 2004

DENGAN METODE WMA :

TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL

1999

2000

2001

2002

2003

110

200

240

190

210

420

360

375

350

355

160

120

230

100

190

185

330

360

250

225

875

1.010

1.205

890

980

DALAM TON

PERIODE BOBOT (TERBILANG)

1 (DATA PALING LAMA)

5 (DATA PALING AKHIR)

10%

15%

25%

45%

DATA BOBOT

FORECAST UNTUK KUARTAL PERTAMA TAHUN 2004

DIHITUNG SEBAGAI BERIKUT :

F = 0,05(250)+0,10(210)+0,15(355)+0,25(190)+0,45(225)

1,00

= 235,5 ton

3. EXPONENTIAL SMOOTHING

ADALAH SUATU TEKNIK PERAMALAN RATA-RATA

BERGERAK YANG MELAKUKAN PENIMBANGAN

TERHADAP DATA MASA LALU DENGAN CARA

PENGHALUSAN SEHINGGA DATA PALING AKHIR

MEMPUNYAI BOBOT ATAU TIMBANGAN LEBIH

BESAR DALAM RATA-RATA BERGERAJ.

RUMUS : Ft = Ft – 1 + a (At – 1 – Ft – 1)

KETERANGAN :

Ft = RAMALAN UNTUK PERIODE SEKARANG (t)

Ft – 1 = RAMALAN YANG DIBUAT UNTUK PERIODE

TERAKHIR (t – 1)

A = SMOOTHING CONSTANT (0 ≤ α < 1)

At = PERMINTAAN NYATA PERIODE TERAKHIR

CONTOH :

DENGAN MENGGUNAKAN MODEL EXPONENTIAL

SMOOTHING, HITUNGLAH FORECAST UNTUK KUARTAL

PERTAMA 2004, BILA DIKETAHUI BAHWA FORECAST

UNTUK KUARTAL TERAKHIR TAHUN 2003 ADALAH 220,5

TON. BILA NILAI a = 0,15 (DATA SOAL SAMA DENGAN

DIATAS)

JAWAB :

FORECAST UNTUK KUARTAL PERTAMA 2004 YANG

DIRATAKAN SECARA EKSPONENSIAL DAPAT

DIHITUNG SEBAGAI BERIKUT :

Ft = Ft – 1 + A (At – 1 – Ft – 1)

= 220,5 + 0,15 (225 – 220,5)

= 221,175 ton

PENGARUH TREND DALAM EXPONENTIAL SMOOTHING.

METODE RATA-RATA BERGERAK TERTIMBANG DAN

AXPONENTIAL SMOOTHING GAGAL MERESPON TREND.

UNTUK MEMPERBAIKI RAMALAN MAKA HASIL RAMALAN

YANG SUDAH DIRATAKAN DENGAN EKSPONENIAL DAPAT

DIKOREKSI DENGAN PERHITUNGAN PERBEDAAN ANTARA

DUA RAMALAN SEBELUMNYA DAN PENAMBAHAN JUMLAH

INI PADA RAMALAN BARU, YAITU :

FORECAST TERMAKSUK TREND (FTT) = Ft +

KONEKSI TREND, PERSAMAAN YANG LENGKAP

EXPONENTIAL SMOOTHING YANG TERKOREKSI TREND

MENGGUNAKAN CONSTANT “ß”.

Tt = Tt - 1 + ß(Ft – Ft – 1)

CONTOH SOAL :

DENGAN MENGGUNAKAN MODEL TREND –

ADJUSTED EXPONENTIAL SMOOTHING,

HITUNGLAH FORECAST UNTUK KUARTAL

PERTAMA 2004. GUNAKAN α = 0,15 DAN ß =

0,1 UNTUK DAKTOR TREND SMOOTHING

(DATA LENGKAP SEPERTI SOAL DIATAS)

JAWAB :

- LANGKAH PERTAMA MENGHITUNG FORECAST EXPONENTIAL

SMOOTHING SEDERHANA UNTUK KUARTAL PERTAMA 2004 SBB :

Ft = 220,5 + 0,15 (225 – 220,5)

= 221,175 ton

- LANGKAH KEDUA MENGHITUNG tt SEBAGAI BERIKUT :

tt = Ft – Ft – 1

= 221,175 – 220,5 = 0,675

- LANGKAH KETIGA MENGHITUNG Tt DENGAN ASUMSI BAHWA

PENYELESAIAN TREND AWAL ADALAH SEBESAR 0.

Tt = Tt – 1 + ß(tt – Tt -1)

= 0 + 0,10(0,0675) = 0,0675

- LANGKAH KEEMPAT MEMPERHITUNGKAN PENGARUH TREND

FORECAST UNTUK KUARTAL PERTAMA 2004 SBB :

Ft = Ft + 1- ß Tt

Ft = 221,175 + 1-0,1 0,0675

0,1

= 221,7825 ton

4. ANALISIS RUNTUN WAKTU / TIME SERIES

ADALAH MODEL PERAMALAN YANG MENDASARKAN DATA SAMA

LALU MENJADI KOMPONEN- KOMPONEN DAN KENUDIAN

MEMPROYEKSIKAN DIWAKTU YANG AKAN DATANG. SERI WAKTU

YANG DIGUNAKAN ADA EMPAT YAITU :

a) TREND (T)

IALAH GERAKAN YANG MENUNJUKAN POLA PENURUNAN ATAU

KENAIKAN JANGKA PANJANG SERANGKAINA DATA HISTORIES

b) MUSIM (S) SEASIONAL

IALAH POLA DATA YANG BERULANG ATAU MUSIMAN SEPERTI PERIODE

HARIAN, MINGGUAN, BULANAN, KUARTALAN, ATAU TAHUNAN, BIASA

MUSIM HUJAN DAN MUSIM KEMARAU DAN LAIN-LAIN

c) SIKLUS (C) CYCLICAL

IALAH POLA DALAM DATA YANG TERJADI SETIAP BEBERAPA TAHUN.

KOMPONEN INI SULIT DITENTUKAN AKARENA MENYANGKUT KEJADIAN

– KEJADIAN YANG PASTI MISALNYA POLITIK, PERANG, KONDISI

EKONOMI, SIKLUS BISNIS DAN LAIN-LAIN.

d) RESIDU/ERRATIC (E)

IALAH SUATU UNSURE YANG MENUNJUKAN FLUKTUASI DATA YANG

TIDAK SISTEMATIK ATAU RANDOM (ACAK)

SEHINGGA EMPAT KOMPONEN MEMBENTUK FUNGSI ANALISIS RUNTUT WAKTU

SUATU NILAI RAMALAN (Y), y = Y x S x C x E

5. METODE REGRESI DAN

KORELASI

Korelasi suatu metode peramalan model

statistik yang digunakan untuk menentukan

hubungan antara minimal satu variabel terikat

(Dependent variabel) dengan satu variabel

bebas (independent variabel) .

Tujuannya adalah untuk meramalkan atau

memperkirakan nilai veriabel terikat dalam

hubungannya dengan nilai variabel bebas

tertentu.

RUMUS REGRESI SEDERHANA

Y = a + bx

Y = Nilai variabel terikat

a = tetapan regresi (perpotongaan sumbu Y)

b = kemiringan garis regresi/kelandaian

X = variabel bebas

rvasijumlahobsen

XXn

YXXYnb

xbya

22 )(

Rumus regresi berganda

dan korelasi

Y = a + b1X1 + bX2

Y = a + bX1 + bX2 + bX3 …. dst.

Korelasi (r) :

Bila r =+1 berarti ada korelasi positif sempurnaantara variabel terikat dengan variabel bebas

Bila r = -1artinya ada korelasi negatif sempurnaantara variabel terikat dengan variabel bebas.

))()()((

))((

2222 YYnXXn

YXXYnr

CONTOH SOAL REGRESI

Berdasarkan data penjualan PT. ADIJAYA tahun

2005 sampai dengan tahun 2009 seperti dalam

tabel , buatlah persamaan regresi dan

korelasinya dan interprestasikan hasilnya ?

Tahun Biaya Iklan /X

(dalam juta Rupiah)

Jumlah Penjualan/Y

(dalam juta Rupiah)

2005

2006

2007

2008

2009

12.

14.

15.

17.

140

148

157

160

169

Total 67 10.507

JAWABAN SOAL REGRESI

Tabel untuk mencari nilai a dan b :

Tahun X Y XY X² Y²

2005

2006

2007

2008

2009

140

148

157

160

169

1260

1776

2198

2400

2873

144

196

225

289

19600

21904

24649

25600

285611

Total 67 774 10507 935 120314

Persamaan regresinya Y = a + b (X)

Koefisien a dan b dicari dengan rumus :

64,3)67()935(5

)774)(67()10507(5

)(.

..222

XYXn

YXXYnb

Lanjutan Jawaban

Jadi Y = 106,02 + 3,64 X

Persamaan ini dapat diinterpretasikan bahwa bila

biaya iklan naik satu juta Rupiah, jumlah

penjualan akan meningkat 3,64 juta unit.

02,1065

)67)(64,3(774.

XbYa

Lanjutan Jawaban

Koefisien korelasi dicari dengan

persamaan :

Karena nilai r mendekati 1, berarti terdapat

hubungan yang kuat antara biaya iklan dengan

jumlah penjualan

994,0

)774()120314(5)67()935(5

)774)(67()10507(5

)(.)(

2222

YYnXXn

YXXYnr

LATIHAN KASUS 1

PT. ADI MIX MEMPUNYAI DATA PENJUALAN SELAMA 5

TAHUN TERAKHIR SEBAGAI BERIKUT :

KUARTALTAHUN

2001 2002 2003 2004 2005

I 19 28 27 30 32

II 37 42 36 43 44

III 30 31 28 29 32

IV 22 18 19 20 22

TOTAL 108 119 110 122 130

(000 M²)

DARI DATA DIATAS DIMINTA :

a) HITUNGLAH RAMALAN PENJUALAN TAHUN 2006.

b) BILA PESEDIAAN AKHIR TAHUN 2005 BERJUMLAH

10.000M², DAN RENCANA PERSEDIAAN AKHIR TAHUN

2006 ADALAH 25.000M², MAKA HITUNGLAH JUMLAH

PRODUKSI TAHUN 2006.

c) HITUNGLAH RAMALAN PENJUALAN KUARTAL I, II,

TAHUN 2006 DENGAN METODE RATA-RATA

BERGERAK EMPAT KUARTALAN.

d) BERAPA RAMALAN PERMINTAAN MUSIMAN SELAMA

TAHUN 2006 (JIKA DIASUMSIKAN PERMINTAAAN

SELAMA 2006 SEBANYAK 175.000 m2 ) DENGAN

MODEL RATA – RATA BERGERAK SEDERHANA.

LATIHAN KASUS 2

Dibawah ini disajikan data tiga tahun terakhirperkuartal pengunjung atraksi Disney orlandoAmerika Serikat seperti dalam tabel. Dari tabeltersebut saudara diminta untuk :

Menghitung ramalan jumlah pengunjung tahun2007 pada musim dingin, musim semi, musimpanas, dan musim gugur dengan metode trendleast square ?

Menghitung ramalan jumlah pengunjung musimanselama tahun 2007 , Jika diprediksi jumlahpengunjung tahun 2007 naik 25% dari jumlahpengunjung tahun sebelumnya; dengan metodeindeks musim ?

Tabel pengunjung Atraksi

Disney orlando

K u a r t a l Pengunjung

Musim dingin

Musim semi

Musim panas

Musim gugur

Musim dingin

Musim semi

Musim panas

Musim gugur

Musim dingin