Selasa, 29 Mei 2012

MAKALAH PERAMALAN


MAKALAH
SISTEM PRODUKSI
PERAMALAN (FORECASTING)

DI
S
U
S
U
N
Oleh :
Nama : Endryatman Yuftha
       Nim   : 080130025
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MALIKUSSALEH
ACEH UTARA
2012




DAFTAR ISI

KATA PENGANTAR................................................................................................... i
DAFTAR ISI................................................................................................................... ii
BAB I PENDAHULUAN............................................................................................... 1
1.1  Latar Belakan Masalah.................................................................................. 1
1.2  Pendefinisian Tujuan Peramalan.................................................................... 1
1.3  Peranan Peramalan dalam Sistem Produksi................................................... 2
1.4  Karakteristik Peramalan yang Baik................................................................ 3
BAB II LANDASAN TEORI........................................................................................ 5
2.1.  Pengertian Peramalan................................................................................... 5
              2.2. Langkah Langkah Dalam Penyusunan Peramalan....................................... 7
              2.3. Metode Peramalan........................................................................................ 9
                     2.3.1. Jenis- Jenis Metode Peramalan........................................................... 9
              2.4. Model Time Series Analysis......................................................................... 10
                      2.4.1. Model Konstan (Constant Forecasting)............................................ 11
                      2.4.2. Model Siklis (Musiman).................................................................... 11
                      2.4.3. Model Regresi Linier (Linier Forecasting)........................................ 11
                      2.4.4. Model Rata-Rata Bergerak (Moving Average).................................. 12
2.4.4.1. Centered Moving Average.................................................... 12
2.4.4.2. Simple Moving Average........................................................ 12
2.4.4.3. Weighted Moving Average.................................................... 13
BAB III KESIMPULAN................................................................................................ 15
           3.1. Kesimpulan ..................................................................................................... 15

DAFTAR PUSTAKA..................................................................................................... 16







KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadiran Allah SWT yang telah melimpahkan Rahmat dan  karunia-Nya sehingga penulis dapat menyelesaikan Makalah ini, Shalawat dan salam tidak lupa penulis sampaikan kepangkuan baginda Rasullulah SAW yang telah membawa risalah untuk umat manusia Adapun Makalah yang penulis Tulis adalah “PERAMALAN (forecasting)
Selama dalam proses penulisan Makalah ini banyak sekali hambatan dan kesulitan yang penulis alami di karenakan terbatasnya pengetahuan yang penulis miliki. Justru itu, penulis mengucapkan terima kasih kepada
1.      Bapak Ir. Muhammad ST, MT  yang telah banyak memberikan petunjuk, bimbingan dan dorongan dalam menyusun Proposal ini dari awal sampai akhir.,
2.      Juga kepada rekan seperjuangan, dan semua pihak yang telah membantu penulis dalam menyusun Proposal ini
Atas semua batuan dan bimbingan dari semua pihak penulis serahkan kepada Allah SWT, semoga Allah dapat membalas dengan rahmat yang berlimpah ganda. Makalah  ini masih sangat jauh dari kesempurnaan, justru itu penulis megharapkan kritik dan saran dari semua pihak yang sifatnya membangun demi kesempurnaan Makalah ini, akhirnya harapan penulis, semoga Makalah  ini dapat bermanfaat bagi semua pihak pembaca, terutama bagi penulis sendiri.

Hormat saya
Endryatman Yuftha





BAB I
PENDAHULUAN

1.1. Latar Belakang Masalah
        Peramalan merupakan tahap awal dari perencanaan dan pengandalian produksi. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap suatu atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan merupakan suatu perkiraan terhadap keadaan yang akan terjadi di masa yang akan datang. Keadaan masa yang akan datang yang dimaksud adalah:
1.      Apa yang dibutuhkan (jenis)
2.      Berapa yang dibutuhkan (jumlah/kuantitas)
3.      Kapan dibutuhkan (waktu)
Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya. Peramalan tidak akan pernah “perfect”, tetapi meskipun demikian hasil peramalan akan memberikan arahan bagi suatu perencanaan. Suatu perusahaan  biasanya menggunakan prosedur tiga tahap untuk sampai pada peramalan penjualan, yaitu diawali dengan melakukan peramalan lingkungan, diikuti dengan peramalan penjualan industri, dan diakhiri dengan peramalan penjualan perusahaan.
1.2.  Pendefinisian Tujuan Peramalan
                Tujuan peramalan dilihat dengan waktu:
1.        Jangka pendek (short term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh low management.
2.        Jangka menengah (medium term)
      Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh middle management.



3.         Jangka panjang (long term)
 Menentukan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh top management.
1.3. Peranan Peramalan dalam Sistem Produksi
   Peranan peramalan dalam perencanaan proses produksi adalah sebagai berikut:
1.         Business Planning
            Berisi rencana pendanaan, pembiayaan dan keuangan perusahaan sebagai dasar untuk membuat rencana pemasaran.
2.         Marketing Planning
Rencana tentang produk yang akan dibuat, penjualan dan pemasaran, sebagai dasar untuk membuat production planning.
3.      Master Production Schdule
Rencana produk akhir yang harus dibuat pada tiap periode selama 1-5 tahun.     Produk akhir, merupakan dekomposisi dari production planning.
4.      Resource Planning
 Rencana kapasitas yang diperlukan untuk memenuhi production plan, dapat dinyatakan dalam jam-orang atau jam-mesin. Merupakan bahan pertimbanagn untuk ekspansi orang, mesin, pabrik, dan lain-lain, yang ditetapkan berdasarkan kapasitas yang tersedia.
5.      Rought Cut Capacity Planning (RCPP)
.....  Rencana untuk menentukan kapasitas yang diperlukan untuk memenuhi MPS. Hasilnya berupa jenis orang/mesin yang diperlukan untuk tiap work centre pada setiap periode. Merupakan bahan pertimbangan untuk penambahan jam kerja atau sub kontrak.
6.      Demand Management
Aktivitas memprediksi kebutuhan di masa datang dikaitkan dengan kapasitas. Terdiri dari aktivitas forecasting, distribution requirement planning, order entry, shipment, dan service part requirement.
7.      Material Requirement Planning
Menetapkan rencana kebutuhan material untuk melaksanakan MPS. Output MRP adalah purchasing dan PAC (Production Activity Control), dan MRP menghasilkan rencana pembelian meliputi jumlah due date, release date.
8.      Capacity Requirement Planning
Rencana kebutuhan kapasitas yang dibutuhkan untuk merelealisasikan MPS di tiap periode dan tiap mesin. CRP lebih teliti dan lebih rinci dibanding RCCP, karena disarkan pada planned order. Jika kapasitas tidak tersedia bisa ditambah dengan over time, merubah routing dan lain-lain. Jika tidak tercapai MPS harus dirubah.
9.      Production Activity Control (PAC)
Sering disebut distributor shop floor control (SFC), aktivitas membuat produk setelah bahan dibeli. PAC terdiri dari aktivitas awal-akhir suatu job berdasarkan urutan kedatangan job, lalu membebankan job ke work station, dan melakukan pelaporan. Hasil laporan akan merupakan feedback bagi MPS.
10.  Purchasing
Merupakan aktivitas memilih vendor, membuat order pembelian, dan menjadwalkan vendor.
11.  Performance Measurement
Evaluasi sistem untuk melihat seberapa jauh hasil yang diperoleh dibandingkan dengan rencana yang telah ditetapkan. Sebagai bahan evaluasi pencapaian bisnis planning.

1.4. Karakteristik Peramalan yang Baik
..... Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut:
A.    Akurasi
.....        Akurasi dari suatu peramalan diukur dengan hasil kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau telalu rendah dibanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten jika besarnya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya perusahaan kemungkinan kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan barang/ persediaan, sehingga banyak  modal tersia-siakan. Keakuratan hasil peramalan berperan dalam menyeimbangkan persediaan ideal.

B.     Biaya
.....       Biaya yang diperlukan dalam pembuatan suatu peramalan tergantung jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang digunakan. Ketiga faktor pemicu biaya tersebut akan mempengaruhi betapa banyak data yang diblutuhkan, bagaimana pengolahannya (manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa data ahli yang diperbantukan. Pemilihan metode peramalan harus sesuai dengan dana yang tersedia dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting akan diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum Pareto (Analisa ABC).

C.     Kemudahan
.....        Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan teknologi.





BAB II
LANDASAN TEORI

2.1.Pengertian Peramalan
        Peramalan (forecasting) merupakan bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional keuangan, peramalan memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada bagian pemasaran, peramalan penjualan dibutuhkan untuk merencanakan produk baru, kompensasi tenaga penjual, dan beberapa keputusan penting lainnya. Selanjutnya, pada bagian produksi dan operasi menggunakan data-data peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan, dan pengendalian persedian (inventory control). Untuk menetapkan kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan dengan metode peramalan.
               Peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam penerapan teknik-teknik peramalan adalah:“If we can predict what the future will be like we can modify our behaviour now to be in a better position, than we otherwise would have been, when the future arrives.” Artinya, jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa mendatang yang relatif dekat.
 Peramalan merupakan teknik yang digunakan untuk memperkirakan suatu system dimasa yang akan datang.Peramalan diperlukan oleh suatu perusahaan karena setiap keputusan yang diambil dapat memengaruhi keadaan diamasa yang akan datang. Menurut Horison waktu,nya,peramalan dapat dibagi menjadi 3 yaitu:

1.      Peramalan jangka pendek yang memberikan hasil peramalan satu tahun mendatang.atau kurang
2.      Peramalan jangka menengah untuk meramalkan keadaan satu hingga 5 tahun kedepan.
3.      Peramalan jangka panjang digunakan untuk pengambilan keputusan mengenai perencanaan produk dan perencanaan pasar,pengeluaran biaya perusahaan,studi kelayakan pabrik,anggaran,purchase order,perencanaan tenaga kerja dan perencanaan kapasitas kerja serta pengambilan keputusan yang berhubungan dengan kejadian lebih dari 5 tahun yang akan datang.
1. Dalam metode peramalan dapat dibagi atas dua metode yaitu:
A. Metode kuanlitatif
     Metode kuanlitatif yaitu menggunakan perhitungan matematik dan statistic.
Metode kuanlitatif dapat digolongkan menjadi 2 yaitu:
1.      Teknik Deret Berkala (Time Series)yang memerlukan sistem seperti kotak hitamdan tidak ada usaha memerlukan faktor yang berpengaruh pada system tersebut.
            Metode ini cocok untuk peramalan jangka pendek dan jangka menengah.
Contoh:
1.      Single Moving Average
2.      Single Exponential Smothing,
3.      Dll.
2.      Teknik Exponential(causal) yang mengasumsikan adanya hubungan sebab akibat anatara output dan input dari suatu sistem.
Contoh:
1.      Analisis Regrasi Ganda
2.      Metode Dephi.


1.      Metode kualitatif.
 Metode ini digunakan dimana tidak ada model matematik, biasanya dikarenakan data yang ada tidak cukup representatif untuk meramalkan masa yang akan datang (long term forecasting). Peramalan kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah biaya yang dikeluarkan sangat murah (tanpa data) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat subyektif sehingga seringkali dikatakan kurang ilmiah.
Salah satu pendekatan peramalan dalam metode ini adalah Teknik Delphi, dimana menggabungkan dan merata-ratakan pendapat para pakar dalam suatu forum yang dibentuk untuk memberikan estimasi suatu hasil permasalahan di masa yang akan datang. Misalnya: berapa estimasi pelanggan yang dapat diperoleh dengan realisasi teknologi 3G. 
Metode kualitatif biasanya tidak menggunakan perhitungan matematis ataupun perhitungan secara statitik.Metode ini cukup dengan tanggapan atau buah pikiran dari orang orang yang cuku mengenai keadaan yang akan diramalakan.
Contoh:
1.      Metode Juri Opinion
2.      Metode Delphi.
2.2.  Langkah Langkah dalam melakukan peramalan adalah sebagai berikut:
Dalam melakukan peramalan terdiri dari beberapa tahapan khususnya jika menggunakan metode kuantitatif. Tahapan tersebut adalah:
1.      Definisikan Tujuan Peramalan
Misalnya peramalan dapat digunakan selama masa pra-produksi untuk mengukur tingkat dari suatu permintaan.
2.      Buatlah diagram pencar (Plot Data)
Misalnya memplot demand versus waktu, dimana demand sebagai ordinat (Y) dan waktu sebagai axis (X).

3.      Memilih model peramalan yang tepat
Melihat dari kecenderungan data pada diagram pencar, maka dapat dipilih beberapa model peramalan yang diperkirakan dapat mewakili pola tersebut.
4.      Lakukan Peramalan
5.      Hitung kesalahan ramalan (forecast error)
Keakuratan suatu model peramalan bergantung pada seberapa dekat nilai hasil peramalan terhadap nilai data yang sebenarnya. Perbedaan atau selisih antara nilai aktual dan nilai ramalan disebut sebagai “kesalahan ramalan (forecast error)” atau deviasi yang dinyatakan dalam:
et = Y(t) – Y’(t)
Dimana : Y(t)  = Nilai data aktual pada periode t
               Y’(t) = Nilai hasil peramalan pada periode t
                t       = Periode peramalan
Maka diperoleh Jumlah Kuadrat Kesalahan Peramalan yang disingkat SSE  (Sum of Squared Errors) dan Estimasi Standar Error (SEE – Standard Error Estimated)
SSE = S e(t)2 = S[Y(t)-Y’(t)]2
  1. Pilih Metode Peramalan dengan kesalahan yang terkecil.
Apabila nilai kesalahan tersebut tidak berbeda secara signifikan pada tingkat ketelitian tertentu (Uji statistik F), maka pilihlah secara sembarang metode-metode tersebut.


  1. Lakukan Verifikasi
Untuk mengevaluasi apakah pola data menggunakan metode peramalan tersebut sesuai dengan pola data sebenarnya.
2.3. Metode Peramalan
  Salah satu cara untuk mengklasifikasikan permasalahan pada peramalan adalah mempertimbangkan skala waktu peramalannya yaitu seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat tiga kategori waktu yaitu jangka pendek (minggu ® bulan), menengah (bulan ® tahun), dan jangka panjang (tahun ® dekade). Tabel berikut ini menunjukkan tipe-tipe keputusan berdasarkan jangka waktu peramalannya.
Tabel 2.3   Rentang Waktu dalam Peramalan
Rentang Waktu
Tipe Keputusan
Contoh
Jangka Pendek
( 3 – 6 bulan)
Operasional
Perencanaan Produksi, Distribusi
Jangka Menengah
( 2 tahun)
Taktis
Penyewaan Lokasi dan Peralatan
Jangka Panjang
(Lebih dari 2 tahun)
Strategis
Penelitian dan Pengembangan untuk akuisisi dan merger
Atau pembuatan produk baru

2.3.1.   Jenis- Jenis Metode Peramalan
 Untuk melakukan peramalan diperlukan metode tertentu dan metode mana yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai. Dalam prakteknya terdapat berbagai metode peramalan antara lain :
1.      Time Series atau Deret Waktu
Analisis time series merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang mempengaruhi-nya (independent variable), yang dikaitkan dengan waktu seperti mingguan, bulan, triwulan, catur wulan, semester atau tahun.
Dalam analisis time series yang menjadi variabel yang dicari adalah waktu.
 Metode peramalan ini terdiri dari :
a.      Metode Smoting, merupakan jenis peramalan jangka pendek seperti perencanaan persediaan, perencanaan keuangan. Tujuan penggunaan metode ini adalah untuk mengurangi ketidakteraturan data masa lampau seperti musiman.
b.      Metode Box Jenkins, merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
c.      Metode proyeksi trend dengan regresi, merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis.

2.      Causal Methods atau sebab akibat
Merupakan metode peramalan yang didasarkan kepada hubungan antara variabel yang diperkirakan dengan variabel alin yang mempengaruhinya tetapi buakn waktu. Dalam prakteknya jenis metode peramalan ini terdiri dari :
a.      Metode regresi dan kolerasi, merupakan metode yang digunakan baik untuk jangka panjang maupun jangka pendek dan didasarkan kepada persamaan dengan teknik least squares yang dianalisis secara statis.
b.      Model Input Output, merupakan metode yang digunakan untuk peramalan jangka panjang yang biasa digunakan untuk menyusun trend ekonomi jangka panjang.
c.      Model ekonometri, merupakan peramalan yang digunakan untuk jangka panjang dan jangka pendek.

2.4. Model Time Series Analysis
 Berikut ini akan dijabarkan cara melakukan peramalan dengan menggunakan model Time Series Analysis yang terdiri dari beberapa model. Adapun asumsi dasar dalam menggunakan model deret waktu ini adalah pola data ramalan akan sama dengan pola data sebelumnya. Model yang termasuk kategori model deret waktu yaitu: (1) Model Konstan, (2) Model Siklis, (3) Model Analisis Regresi, (4) Model Moving Average, (5) Model Exponential Smoothing.

2.4.1.      Model Konstan (Constant Forecasting)
Persamaan garis yang menggambarkan pola konstan adalah:
Y’(t) = a          dimana a = konstanta
Untuk mendapatkan nilai (a) maka dapat didekati melalui turunan kuadrat terkecilnya (least square) terhadap (a) sebagai berikut:
2.4.2.      Model Siklis (Musiman)
Untuk pola data yang bersifat siklis atau musiman, persamaan garis yang mewakili dapat didekati dengan fungsi trigonometri, yaitu:
 .............................................(1)
Dimana n adalah jumlah periode peramalan
Jumlah Kuadrat Kesalahan Terkecil didefinisikan sebagai:

2.4.3.      Model Regresi Linier (Linier Forecasting)
Persamaan garis yang mendekati bentuk data linier adalah:
Y’(t) = a + b(t)
Konstanta a dan b ditentukan dari data mentah berdasarkan Kriteria Kuadrat Terkecil (least square criterion). Perhitungannya sebagai berikut: Anggaplah data mentah diwakili dengan (Yi,ti), dimana Yi adalah permintaan aktual di saat ti, dimana i = 1,2, .....,n.


Definisikan:

2.4.4.      Model Rata-Rata Bergerak (Moving Average)
Metode rata-rata bergerak banyak digunakan untuk menentukan trend dari suatu deret waktu. Dengan menggunakan metode rata-rata bergerak ini, deret berkala dari data asli diubah menjadi deret rata-rata bergerak yang lebih mulus. Metode ini digunakan untuk data yang perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman atau seasonal. Model rata-rata bergerak mengestimasi permintaan periode berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir. Terdapat tiga macam model rata-rata bergerak, yaitu:
2.4.4.1.Simple Moving Average
Simple Moving Average (SMAt)=

2.4.4.2.Centered Moving Average
Perbedaan utama antara Simple Moving Average dan Centered Moving Average terletak pada pemilihan observasi yang digunakan. Simple Moving Average menggunakan data yang sedang diobservasi tambah data sebelum observasi. Misalnya, menggunakan 5 periode moving average, maka untuk SMA menggunakan data periode ke-5 dan 4 data periode sebelumnya. Sebaliknya untuk CMA, “Center” berarti rataan antara data sekarang dengan menggunakan data sebelumnya dan data sesudahnya. Misalnya untuk 3 periode moving average, maka SMA menggunakan data periode 3 ditambah data sebelumnya dan data sesudahnya. Didefinisikan sebagai berikut:
Dimana Yt adalah nilai tengah dari interval L data observasi. (L-1)/2 observasi merupakan data sebelum dan sesudahnya. Misalnya CMA 5 periode, maka Yt = Y5  maka intervalnya dimulai dari Y3 sampai Y7
2.4.4.3.Weighted Moving Average
Formula untuk Weighted Moving Average (WMAt):
 dan
2.4.5.      Pelicinan Exponential (Exponential Smoothing)
Dalam model rata-rata bergerak (Moving Average) dapat dilihat bahwa untuk semua data obesrvasi memiliki bobot yang sama yang membentuk rata-ratanya. Padahal, data observasi terbaru seharusnya memiliki bobot yang lebih besar dibandingkan dengan data observasi di masa yang lalu. Hal ini dipandang sebagai kelemahan model peramalan Moving Average. Untuk itu, digunakanlah metode Exponential Smoothing agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai berikut:
Metode exponential smoothing mempertimbangkan bobot data-data sebelumnya dengan estimasi untuk Y’(t+1)­ dengan periode (t+1) dihitung sebagai:
Dimana a disebut konstanta pelicinan dalam interval 0 < a < 1. Rumus ini memperlihatkan bahwa data yang lalu memiliki bobot lebih kecil dibandingkan dengan data yang terbaru. Rumus tersebut dapat disederhanakan sebagai berikut:
Dengan nilai Y’(1) untuk inisial ramalan didekati dengan nilai rata-ratanya  ()
Atau
Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang penting dalam menghasilkan hasil ramalan yang “andal”. Model Exponential Smoothing digunakan untuk peramalan jangka pendek.






















BAB III
KESIMPULAN

3.1.   Kesimpulan
        Adapun Kesimpulan yang dapat saya buat ialah sebagai berikut:
  1. Peramalan merupakan tahapan awal dalam perencanaan sistem operasi produksi.
  2. Model yang paling tepat harus dipilih dalam melakukan peramalan.
  3. Model yang dipilih dapat dibandingkan dengan model yang lain dengan menggunakan kriteria minimum average sum of squared errors.
Distribusi forecast errors harus dimonitor, jika terjadi bias maka model yang digunakan tidak tepat



















                                    DAFTAR PUSTAKA






3 komentar:

  1. permisi pak, saya pernah menulis tentang fungsi autocorrelation untuk penentuan pola data time series apakah musiman, tren, atau stationer, di artikel berikut: http://datacomlink.blogspot.com/2015/12/data-mining-identifikasi-pola-data-time.html yang ingin saya tanyakan, apakah ada teknik lain untuk mencari pola data time series selain fungsi autocorrelation ya pak? terima kasih

    BalasHapus
  2. ya ini daftar pustakanya dari mana ya ? rumusnya tidak keliahatan

    BalasHapus