See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/371274450

MAKALAH MANAJEMEN OPERASIONAL TEHNIK PERAMALAN

Article · June 2023

CITATIONS READS

0 269

2 authors, including:

Akhmad Pide
Universitas Muhammadiyah Makassar
367 PUBLICATIONS 1,369 CITATIONS

SEE PROFILE

All content following this page was uploaded by Akhmad Pide on 03 June 2023.

The user has requested enhancement of the downloaded file.

MAKALAH MANAJEMEN OPERASIONAL TEHNIK PERAMALAN

Dosen Pengampu Mata Kuliah : Prof. Dr. AKhmad, SE.,M.Si

Oleh

NURHAYATI

(105021106022)

PROGRAM PASCASARJANA

PRODI MAGISTER MANAJEMEN

UNIVERSITAS MUHAMMADIYYAH MAKASSAR 2023

KATA PENGANTAR
 Segala puji bagi Allah SWT, Tuhan semesta alam yang telah
melimpahkanrahmat dan hidayahnya sehingga dapat menyelesaikan makalah ini.
Salawat besertasalam hendaknya dilimpahkan kepada baginda Rasulullah
Saw.Selanjutnya saya ucapkan terima kasih kepada bapak Dosen Prof. Dr. Ahmad,
SE.,M.S mata kuliah ‘MANAJEMEN OPRASI’yang telah memberikan tugas ini ada
pun judul makalah ini adalah“ Tehnik Peramalan(Forecasting),Semoga makalah
yang saya paparkan ini dapat memberikan pemahaman dan menambah pengetahuan
kita semua. Sebelumnya saya juga merasa dalam penulisan makalah ini masih ada
kekurangan, untuk itu saya mengharapkan saran dan masukanyang membangun
untuk kesempurnaan makalah saya ini, selanjutnya atas partisipasi semua pihak
saya ucapkan terma kasi.

Billahi fii Sabilil Haq, Fastabiqul Khairat, Wassalamu’alaikum Wr.Wb

Gowa, 20 Mei 2023

NURHAYATI

ii
 DAFTAR ISI

SAMPUL ......................................................................................................... i

KATA PENGANTAR ....................................................................................... ii

DAFTAR ISI .................................................................................................... iii

BAB I PENDAHULUAN ................................................................................ 1

A. Latar Belakang ....................................................................................... 1

B. Rumusan Masalah ................................................................................... 1
C. Tujuan Penelitian .................................................................................... 1
BAB II LANDASAN TEORI .......................................................................... 2

A. Peramalan ............................................................................................ 2
B. Metode Peramalan............................................................................... 2
C. Jenis-jenis Peramalan ......................................................................... 5

BAB III METODE PENELITIAN ................................................................... 8

A. Jenis Penelitian......................................................................................... 8
B. Defenisi Peramalan ................................................................................. 9
C. Tujuan Peramalan ................................................................................... 9
D. Fungsi Peramalan .................................................................................... 10
E. Jenis Peramalan ........................................................................................ 11
Bab IV Hasi Penelitian dan Pembahasaan ..................................................... 16
A. Hasil Pnelitian .......................................................................................... 16
B. Pembahasaan ............................................................................................ 17
C. Jenis – jenis Forecasting .......................................................................... 17
D. Metode Peramalan ................................................................................... 18

BAB V KESINPULAN DAN SARAN ........................................................... 25

A. Kesimpulan .............................................................................................. 25
B. Saran ........................................................................................................ 25
DAFTAR PUSTAKA ............................................................................... 26

iii
 BAB I

PENDAHULUAN

A. Latar Belakang

Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan

kejadiandimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data
historisdan memproyeksikannya ke masa mendatang dengan suatu bentuk model
matematis.Hal ini bisa juga merupakan prediksi intuisi yang bersifat subjektif. Hal inipun
dapatdilakukan dengan menggunakan kombinasi model matematis yang
disesuaikandengan pertimbangan yang baik dari seorang manajer.Sesuatu yang berjalan
dengan baik di suatu perusahaan pada suatu set kondisitertentu mungkin bisa menjadi
bencana bagi organisasi lain, bahkan pada departemenyang berbeda di perusahaan yang
sama. Selain itu, anda akan melihat keterbatasandari apa yang dapat anda harapkan dari
suatu peramalan. Peramalan sangat jarangmemberikan hasil yang sempurna. Peramalan
juga menghabiskan banyak biaya danwaktu dan waktu untuk dipersiapkan dan
diawasi.Hanya sedikit bisnis yang dapat menghindari proses peramalan dan hanya
menunggu apa yang terjadi untuk kemudian mengambil kesempatan. Perencanaanyang
efektif baik untuk jangka panjang maupun pendek bergantung pada peramalan
permintaan untuk produk perusahaan tersebut.

B. Rumusan Masalah

Berdasarkan latar belakang di atas maka rumusan masalah pada makalah inisebagai berikut:

1.Bagaimana peramalan dan manfaatnya?

2.Bagaimana tipe metode peramalan ?

C. Tujuan Penulisan

Berdasarkan rumusan masalah di atas maka tujuan penulisan dari makalah ini sebagai berikut:

1.Untuk mengetahui peramalan dan manfaatnya.

2.Untuk mengetahui tipe

1
 BAB II

LANDASAN TEORI

A. Peramalan

Peramalan berasal dari kata ramalan yang artinya adalah suatu situasi atau kondisi yang
diperkirakan akan terjadi pada masa yang akan datang. Sedangkan peramalan adalah bentuk
kegiatannya. Ramalan tersebut dapat didasarkan atas bermacam-macam cara yaitu metode
single exponential smoothing, metode double exponential smoothing, dan metode triple
exponential smoothing. Semua itu dikenal dengan metode peramalan.
Peramalan adalah memperkirakan keadaan dimasa yang akan datang melalui pengujian
keadaan dimasa lalu. Dalam kehidupan sosial segala sesuatu itu serba tidak pasti dan sukar
diperkirakan secara tepat, sehingga diperlukan peramalan. Peramalan yang dibuat selalu
diupayakan agar dapat meminimumkan pengaruh ketiadakpastian ini terhadap sebuah
masalah. Dengan kata lain peramalan bertujuan mendapatkan peramalan yang bisa
meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan mean
square error, mean absoulute errror, dan sebagainya.

B. Metode Peramalan

Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan
terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu.
dengan kata lain metode peramalan bersifat objektif. Di samping itu metode peramalan
memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam
peramalan, sehingga bila digunakan pendekatan yang sama dalam suatu permasalahan
dalam suatu kegiatan peramalan, akan dapat dasar pemikiran dan pemecahan yang sama.

2
 Baik tidaknya suatu peramalan yang disusun selain ditentukan oleh metode yang
digunakan, juga ditentukan oleh baik tidaknya informasi yang digunakan. Selama
informasi yang digunakan tidak dapat menyakinkan untuk mendapat hasil yang
bagus,hasil peramalan yang disusun juga akan sukar dipercaya ketepatannya.
Keberhasilan dari suatu peramalan sangat ditentukan oleh:
a. Pengetahuan teknik tentang pengumpulan informasi (data) masa lalu, dapat ataupun
informasi tersebut bersifat kuantitatif
b. Teknik dan metode yang tepat dan sesuai dengan pola data yang dikumpulkan.

Gambaran perkembangan pada masa lalu yang akan datang diperoleh dari hasil
analisa data yang didapat dari penelitian yang dilakukan. Perkembangan pada masa depan
merupakan perkiraan apa yang akan terjadi, sehingga dapat dikatan bahwa peramalan
selalu diperlukan dalam penelitian. Ketepatan penelitian merupakan hal yang penting,
walaupun demikian perlu diketahui bahwa sesuatu ramalan selalu ada unsur kesalahannya,
sehingga yang perlu diperhatikan adalah usaha untuk memperkecil kesalahan dari ramalan
tersebut.
Kegunaan peramalan terlihat pada saat pengambilan keputusan. Keputusan.-
keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan-pertimbangan
yang akan terjadi pada waktu keputusan itu dilaksanakan. Jangka waktu ke depan (time
horizon) merupakan faktor yang paling penting yang harus diperhatikan dalam pemilihan
teknik peramalan. Untuk peramalan jangka pendek dan jangka menengah, beberapa teknik
tersebut yang kurang tepat untuk diterapkan.peramalan merupakan sebuah metode untuk
memperhitungkan nilai dimasa yang akan datang dengan menggunakan data dimasa lalu
(Wardah & Iskandar, 2016). Peramalan pada sebuah perusahaan banyak digunakan untuk
memberikan menggambarkan keadaan perusahaan di masa yang bisa digunakan untuk
membantu pengambilan keputusan mengenai langkah-langkah apa saja yang bisa
dilakukan untuk memenuhi permintaan konsumen. Peramalan menurut para ahli
merupakan cara untuk mengukur, memperkirakan, memprediksi kebutuhan apa saja yang
dibutuhkan guna memenuhi permintaan barang ataupun jasa para konsumen (Yuniastari &
Wirawan, 2016) .

3
 Metode peramalan dibagi menjadi dua yaitu metode kualitatif dan metode
kuantitatif. Metode kualitatif adalah metode yang dilakukan bukan berdasarkan data
masa lalu atau data historis perusahaan. Untuk mengambil keputusan pada peramalan
dengan menggunakan metode kualitatif akan mempertimbagkan pendapat-pendapat dari
para ahli. Apabila terdapat data masa lalu atau data historis perusahaan akan lebih efektif
menggunakan metode kuantitatif. Salah satu model peramalan menggunakan metode
kuantitatif adalah metode Regresi Linier dan Exponential Smoothing (Yuniastari &
Wirawan, 2016). Suatu peramalan penjualan merupakan salah satu hal terpenting dalam
menyusun sebuah rencana produksi. Produksi yang berlebihan akan mengakibatkan
pemborosan yang membuat perusahaan menjadi mengalami kerugian. Untuk itu,
dibutuhkan sebuah peramalan penjualan untuk menghitung penjualan diperiode
selanjutnya sehingga dapat dipersiapkan berapa jumlah bahan baku yang akan dipakai
untuk proses produksinya (Rival dkk., 2012)
Metode peramalan Regresi Linear merupakan metode peramalan yang
menggunakan garis lurus untuk menggambarkan dua variabel atau lebih. (Sulardi dkk.,
2017). Regresi Linier menggunakan pola sederhana dengan mengasumsikan bahwa 2
variable dapat dinyatakan dengan suatu garis lurus dengan rumusan (Rival dkk., 2012)

4
 C. Jenis – jenis peramalan

1. Berdasarkan Waktu
Metode peramalan atu forecasting berdasarkan waktu peramalan terbagi menjadi
3 yaitu:
a. Peramalan jangka panjang yaitu forecasting yang menggunakan analisis dengan
waktu yang lebih panjang biasanya berlangsug selama dua tahun lebih.
b. Peramalan jangka menemgah dengan waktu tiga bulan hinggga dua tahun.
c. Peramalan jangka pendek yaitu dengan jangka waktu no hingga tinga bulan.
2. Berdasrkan Fungsi Dan Tujuan
Heizer dan Render (2009) menyatakan bahwa jenis forecasting terdiri dari economic
forecasting,tecnologiacal forecasting dan demand forecasting,namun klarifikasi
forecasting berdasarkan fungsi dan tujuannya menjadi lebih berkembang yaitu:
a. Genaral business forecasting
Peramalan bisnis secara keseluruhan mulai dari ekonomi,politik,sosial,budaya dan
hal – hal lainnya yang bersifat makro.
b. Sales forecasting
Peramalan jumlah barang yang biasa dijual do masa mendatang berdasarkan data
penjualan sebelumya
c. Demand forecasting
Peramalan yang bertujuan untuk mengetahui perkiraan permintaan dan kondisi pasar
d. Financial forecasting
Financial forecasting atau biasa di sebut juga dengan capital forecasting bertujuan
untuk memperkirakan biaya dan modal yang di keluarkan di masa mendatang
3. Berdasarkan ketersedian Data
a. Metode kualitatif
Di mana perusahaan atau organisasi tidak memiliki data yang cukup untuk analisis .
Hasil peramalan juga akan sangat subjektif karena hasil analisis berbeda – beda
contohya metode kualitatif :penyelidikan ,wawancara,diskusi,
b. Metode kuantitatif
Apabilah perusahaan memiliki data yang cukup,maka sebaiknya metode yang di

5
 gunakan adalah metode kuantitatif,Di mana dalam proses analisisnya menenggunakan
pendekatan data dan angka.
4. Langkah – langkah peramalan
Berikut ini adalah langka – langkah yang diperlukan dalam proses peramalan,yaitu:
a. Menentukan Tujuan Peramalan
Perlu diingat bahwa forcasting diperlukan untuk merencanakan masa depan,oleh
karna itu kita harus mempertimbangkan dan memutuskan peramalan apa yang
sebenarnya dibutuhkan oleh kita,Mungkin kedengarnya sederhana,namun kesalahan
memutuskan tujuan atau apa yang kita inginkan akan menghasilkan hasil yang
berbeda sehingga keakuratn peramalan akan di ragukan,Dalam tahapan ini,kita juga
perlu menentukan setiap detail dari peramalan tersebut,Contohnya jenis produk,unit
yang diperlukan (berapa kotak atau unit) dan jangka waktu (misalnya
mingguan,bulanan atau tahunan).

b. Mengevaluasi dan Menganalisis Data yang sesuai

Langkah ini melibatkan identifikasi data apa yang diperlukan dan apa saja yang
tersedia,pengidentifikasi data ini akan berdampak pada pemiliha metode peramalan
nanti.Misalnya,jika kita ingin meramalakan jumlah penjualan pada suatu produk
baru,mungkin kita tidak memiliki data historis penjualan sehingga membatasi kita
untuk menggunakan metode peramalan yang bersifat kuantitatif.
c. Memiliki dan Menguji Metode Peramalan
Setelah data dievaluasi langka selanjutnya adalah memilih dan menentukan medel
atau metode peramalan yang tepat,umumunya metode peramalan yang dipilih adalah
metode yang telah mempertimbangkan faktor- faktor seperti biaya dan kemudahan
penggunanya,Selain itu,satu faktor yang terpenting adalah faktor kekurang
peramalan cara yang paling umum adalah dengan mencari dua atau tiga metode yang
terbaik kemudian mengujinya pada data historis untuk melihat metode atau model
forecasting mana yang paling akurat.

d. Mengasilkan Peramalan

6
 Setelah menentukan metode atau model forcasting / permalan mana yang akan kita
gunakan,selanjutnya/ adalah menghasilkan ramalan yang kita butuhkan
e. Menentukan Keakurasian peramalan
Forcasting atau peramalan merupakan proses yang berkelanjutan.setelah memebuat
ramalan kita harsu mencatat apa yang sebenarnya terjadi ( aktual ) dan kemudahan
menggunakan informasi tersebut untuk memantau keakurasian peramalan kita, perlu
diketahui bahwa metode peramalan yang terbaik pada masa lau belum tentu bisa
memberikan hasil yang terbaik untuk masa depan. Oeleh karena itu,kita harus selalu
bersiap – siap untuk merevisi metode peramalan kita seiring dengan perubahan data
kita.
5. Metode – Metode Peramalan
Ada banyak metode yg digunakan untuk meramalkan suatu data.pada tahun
201,pernah di lakukan kompetisi peramalan yang di ikuti oleh peraml dari berbagai
penjuru dunia, Ada yang menngunakan Machine Learning methode,ada juga yang
mennggunakan statistikcal methode

BAB III

7
 METODE PENELITIAN

A. Jenis Penilitian
Penelitian ini dilakukan dengan cara studi literatur yaitu dengan mengumpulkan
dan mempelajari referensi-referensi pendukung yang berkaitan dengan teknik
peramalan menggunakan metode pemulusan eksponensial Holt-Winters kemudian
menerapkannya ke dalam suatu data.metode yang dipakai untuk dapat mengetahui
kejadian ataupun peristiwa yang mungkin akan terjadi dimasa yang akan datang
berdasarkan sumber informasi yang diperoleh dimasa lampau. Salah satu metode yang
digunakan dalam peramalan data deret waktu adalah metode pemulusan eksponensial
Holt-Winters. Metode pemulusan eksponensial Holt-Winters ini dapat digunakan pada
data deret waktu yang memuat unsur trend serta musiman sekaligus. Metode ini
didasarkan pada tiga persamaan pemulusan, yaitu untuk pemulusan keseluruhan,
komponen trend dan komponen musiman.
Metode pemulusan eksponensial Holt-Winters terdiri atas model musiman
multiplikatif dan model musiman aditif. Penelitian ini dilakukan dengan metode studi
literatur yaitu dengan mengumpulkan dan mempelajari referensi-referensi pendukung
yang berkaitan dengan teknik peramalan menggunakan metode pemulusan eksponensial
Holt-Winters kemudian menerapkannya ke dalam suatu data. Hasil penelitian
menunjukkan bahwa metode pemulusan eksponensial Holt-Winters model musiman
multiplikatif dapat digunakan bilamana suatu data menunjukkan adanya kenaikan
jangka panjang serta fluktuasi musiman yang semakin membesar seiring bertambahnya
periode waktu pengamatan.
Pola data seperti ini menunjukkan ketidakstasionerannya baik dalam rata-rata
maupun ragamnya. Sedangkan untuk model musiman aditif dapat digunakan bilamana
suatu data menunjukkan adanya kenaikan jangka panjang serta fluktuasi musiman yang
relatif konstan seiring bertambahnya periode waktu pengamatan. Pola data seperti ini
menunjukkan ketidakstasionerannya dalam rata-rata.

8
 Metode pemulusan eksponensial Holt-Winters model musiman multiplikatif
diterapkan pada data total pengeluaran produksi listrik di Jerman (sumber data: A First
Course on Time Series Analysis) diperoleh nilai konstanta pemulusan terbaik yaitu α =
0,712, b = 0 dan γ = 0. Sedangkan penerapan model musiman aditif pada data total
produk makanan (sumber data: Economic Time Series Page) diperoleh nilai konstanta
pemulusan α = 0,8, b = 0,291 dan γ = 0 sebagai nilai konstanta pemulusan terbaik
B. Definisi Peramalan
Peramalan adalah tindakan kerja bisnis yang menilai transaksi dan pemanfaatan
barang sehingga barang tersebut dapat dibuat dalam jumlah yang tepat. Antisipasi adalah
ukuran minat masa depan yang bergantung pada beberapa faktor pengukur, seringkali
bergantung pada informasi deret waktu yang dapat diverifikasi. Penentuan menggunakan
strategi pengukuran yang bersifat formal dan kasual. Estimasi adalah bagian tak
terpisahkan dari dinamika eksekutif. Memperkirakan mengurangi ketergantungan pada
hal-hal yang dipertanyakan. Estimasi memiliki gagasan tentang asosiasi antar divisi atau
area. Kesalahan dalam proyeksi transaksi akan mempengaruhi alat pengukur pengeluaran,
biaya kerja, pendapatan, stok, dll. Dua hal mendasar yang harus dipertimbangkan dalam
ukuran estimasi yang tepat dan membantu :
a. Bermacam-macam informasi penting sebagai data yang dapa memberikan pengukur
yang tepat.
b. Penentuan strategi pengukuran yang tepat yang akan menggunakan data informasi
yang diperoleh sebanyak yang dapat diharapkan secara wajar.
C. Tujuan peramalan
dilihat dari periode waktu antara lain:
a. Jangka Pendek
Tentukan jumlah dan musim benda itu menjadi produk. Biasanya setiap hari atau
minggu demi minggu dan dikendalikan oleh administrasi yang rendah.
b. Jangka menengah
Tentukan jumlah dan musim batas pembuatan. Biasanya bulan ke bulan atau
triwulanan dan ditentukan oleh administrasi pusat.

9
D. Fungsi Peramalan
Sebelum kita membahas mengenai fungsi peramalan, terlebih dahulu kita harus
memahami mengapa perlu dilakukan peramalan, yaitu:
a. Ketidakpastian
Ketidakpastian yang dimaksud adalah terkait kondisi bisnis di masa mendatang.
Tidak seorangpun bisa memastikan apa yang akan terjadi pada sektor usaha di masa
mendatang. Oleh sebab itu perlu dilakukan perencanaan dan perkiraan terkait
kebutuhan atau situasi bisnis mendatang. Hal ini dimaksudkan untuk mengurangi
ketidakpastian situasi sektor usaha di masa mendatang. Dengan peramalan maka
ketidakpastian tersebut akan bisa dikurangi, walaupun memang tidak mungkin
dihilangkan begitu saja. Dengan peramalan permintaan maka kebutuhan terkait
jumlah produk yang akan dibuat dapat ditentukan berdasarkan analisis ilmiah dan
tidak hanya berdasarkan perkiraan semata. Karena dengan menggunakan Teknik
peramalan yang melibatkan data masa lampau maka peramalan bukan hanya sekedar
perkiraan biasa.
b. Sumber daya perusahaan
Harus diakui bahwa setiap perusahaan memiliki keterbatasan sumber dayanya
masing-masing. Hampir tidak ada perusahaan yang tidak memiliki keterbatasan,
bedanya hanya apakah batasan terkait sumber daya tersebut luas atau sempit. Artinya
jika perusahaan besar tentu batasan terkait sumber daya biasanya akan lebih luas
dibandingkan perusahaan skala kecil. Oleh sebab itu setiap perusahaan akan selalu
melakukan evaluasi setiap periode terkait dengan pencapaian yang sudah diraih dan
kemudian mencoba melakukan proyeksi bisnis di masa mendatang. Tujuan
melakukan proyeksi bisnis maupun peramalan di sini adalah untuk mengetahui
apakah dengan kemungkinan pencapaian di masa mendatang sumber daya yang
dimiliki oleh perusahaan masih cukup atau tidak. Dengan perusahaan mengetahui
terkait kebutuhan sumber daya di masa mendatang maka pengambil keputusan bisa
mengambil langkah antisipatif dan menyiapkan strategi yang tepat.

10
 c. Pelayanan pelanggan
Pelanggan dalam tanda kutip merupakan nyawa perusahaan. Bagaimana tidak?
Sekarang apa jadinya jika perusahaan sudah membuat suatu produk namun tidak ada
yang membeli? Tentu saja perusahaan akan mengalami kerugian bahkan mungkin
bisa “gulung tikar”. Oleh sebab itu pelanggan harus diperhatikan dan dipahami
dengan baik kebutuhannya. Kemudian apakah kaitannya peramalan dengan
pelayanan pelanggan? Jawabannya adalah ketika pelanggan sedang membutuhkan
suatu produk namun stok tidak ada maka pelanggan tersebut tentu akan kecewa.
Selain pelayanan yang akan terganggu karena stok tidak ada, hal yang paling
dihindari adalah pelanggan tersebut berpindah ke kompetitor. Oleh sebab itu
diperlukan peramalan terkait dengan kebutuhan produk yang harus kita siapkan untuk
memenuhi permintaan pelanggan. Jangan sampai ketika kebutuhan pelanggan sedang
tinggi terkait produk kita, justru malah kita kehabisan stok sehingga tidak mampu
memenuhi kebutuhan pelanggan. Sekali lagi pelanggan adalah nyawa bagi
perusahaan yang akan secara berkala membelajankan uangnya untuk membeli produk
yang kita hasilkan, sehingga harus diperhatikan dengan baik:
Alasan pertama adalah karena masa mendatang penuh dengan ketidakpastian Fungsi
peramalan antara lain:
a. Mengambil keputusan atas dasar pertimbangan mantang yang akan dijalankan.

b. Untuk menentukan sumber daya pada masa yang akan datang.

c. Berupa media bantu untuk merancang yang efektif dan efisien.

d. Peramalan adalah alasan untuk mendirikan bisnis dalam suatu organisasi dengan
tujuan dapat memperluas kecukupan strategi yang telah teruji di lapangan.
E. Jenis-Jenis Peramalan
Sesuai Render dan Heizer (2004), jenis peramalan dapat dibagi menjadi beberapa
macam. Sehubungan dengan penyusunan tugas-tugas yang akan datang, estimasi
dibedakan menjadi 3 macam, yaitu:
a. Estimasi keuangan (perkiraan keuangan) menjelaskan siklus bisnis dengan
mengantisipasi laju pembengkakan, aksesibilitas uang tunai, cadangan yang
diharapkan untuk mengumpulkan dan petunjuk pengaturan lainnya.

11
 b. Mengukur inovasi (pengukuran inovatif) memfokuskan kemajuan inovatif
yang adil dan jujur yang dapat mengirimkan item baru yang menyegarkan,
yang dibutuhkan pabrik dan peralatan baru.
c. Pengukuran permintaan (meminta pengukuran) adalah proyeksi minat untuk
item atau administrasi organisasi.

Peramalan biasanya dipesan tergantung pada cakrawala waktu masa depan yang dicakupnya.
Seperti yang ditunjukkan oleh Taylor sesuai dengan antisipasi time skyline, dibagi menjadi
beberapa klasifikasi, yaitu:

a. Metode Peramalan
Untuk mengantisipasinya diperlukan perhitungan yang tepat sehingga
diperlukan penentuan yang sah. Pada dasarnya ada dua cara umum untuk
menangani semua model pilihan antisipasi. Selanjutnya adalah gambaran
penentuan kategori ilmiah.
b. Model Kualitatif
Model kualitatif mencoba mengingat variabel emosional untuk model
antisipasi, model ini akan sangat membantu jika informasi kuantitatif yang
tepat sulit diperoleh. Contoh dari teknik ini adalah strategi Delphi, penilaian
utama, komposit kekuatan dan gambaran pasar pembelanja.

Strategi Delphi adalah teknik yang digunakan secara luas dan diakui untuk
mengumpulkan informasi dari responden di ruang eksplorasi. Prosedur ini direncanakan sebagai
langkah pengumpulan korespondensi yang berarti untuk mencapai kombinasi sentimen pada
masalah utama. Prosedur ini telah digunakan di berbagai bidang studi, misalnya, penyusunan
program, evaluasi penilaian, pembuatan strategi, dan penggunaan aset untuk mendorong pilihan
lain, menyelidiki atau mengungkap asumsi dasar, dan menghubungkan penilaian pada titik yang
melintasi berbagai disiplin ilmu. Prosedur Delphi cocok sebagai strategi untuk kesepakatan kerja
dengan memanfaatkan serangkaian survei yang dikirim menggunakan penekanan yang berbeda
untuk mengumpulkan informasi dewan dari mata pelajaran yang dipilih.

12
Selama tahun 1950 prosedur Delphi diciptakan oleh Dalkey dan Helmer di Rand Corporation.
Strategi ini umumnya digunakan dan diakui untuk mencapai kombinasi penilaian tentang
informasi yang dapat disertifikasi yang disebutkan dari spesialis di wilayah titik tertentu. Strategi
Delphi digambarkan sebagai teknik untuk mengatur siklus korespondensi sehingga interaksi ini
bersifat memaksa yang memungkinkan berkumpulnya orang-orang, prosedur Delphi adalah salah
satu strategi untuk mengantisipasi.
Salah satu tujuan dari prosedur Delphi ini adalah untuk mendorong kemungkinan pilihan
program yang berbeda, mengungkap kecurigaan yang tersembunyi dari data yang mendorong
berbagai keputusan. Ada beberapa tahapan dalam melakukan strategi ini, salah satunya menurut
Dermawan bahwa pemimpin harus melalui interaksi Delphi dengan mengenali masalah-masalah
prinsip yang harus diselesaikan, kemudian pada saat itu dilakukan survei dan setelah itu jajak
pendapat dikirim oleh spesialis didalam asosiasi dan diluar asosiasi untuk menemukan masalah
dihadapkannya. Kemudian, pada saat itu para ahli akan melengkapi persetujuan dan memberikan
pengaturan berpikir kritis, untuk situasi ini sebuah kelompok ahli akan dibuat untuk meringkas
konsekuensi dari survei dan mengaudit hasil sinopsis kemudian pada siklus terakhir para
pemimpin dapat setuju untuk memutuskan pengaturan elektif atau strategi terbaik. Berikutnya
adalah keuntungan dan hambatan dari strategi Delphi:
Keuntungan dari teknik Delphi:
1) Hasil yang diperoleh tergantung pada spesialis
2) Sentimen yang dikomunikasikan dari para ahli sangat luas, karena setiap inti penemuan
memiliki penilaian.
Kerugian dari strategi Delphi:
1) Beban yang ditimbulkan lebih menonjol.
2) Hasil yang didapat tergantung pada anggapan.
3) Akan menghabiskan waktu lama.
c. Model Kuantitatif
Model kuantitatif adalah pengukuran yang menggunakan setidaknya satu model numerik
dengan informasi masa lalu dan faktor penyebab untuk menggambarkan minat. Pada
dasarnya model subjektif dibagi menjadi dua, khususnya tergantung pada deret waktu (seri
waktu) dan kausal (metode kausal).Model kausal, Model yang menggabungkan dan
menguji faktor-faktor yang diperlukan untuk mempengaruhi variabel dependen, model ini

13
 sebagian besar menggunakan investigasi untuk mengetahui faktor-faktor mana yang
secara keseluruhan mempengaruhi variabel dependen. Seri waktu adalah model yang
digunakan untuk meramalkan masa depan dengan memanfaatkan informasi otentik.
Dengan demikian, model deret waktu mencoba untuk memahami apa yang terjadi pada
waktu tertentu dan menggunakan informasi masa lalu untuk mengantisipasi. Contoh
model deret waktu ini menggabungkan Moving Average, Exponential Smoothing, dan
normal. (Murahartawaty, 2009)
1) Metode Moving Average
Pergerakan sangat berharga sambil mengharapkan permintaan pasar tetap stabil dalam jangka
panjang.
Teknik normal bergerak dibagi menjadi dua strategi, yaitu:
a) Single moving everage
Teknik ini digunakan untuk menggambarkan hal-hal yang tidak teratur, yang berarti tidak
ada pola naik atau turun, ketidakteraturan, dll, namun sulit untuk mengetahui contohnya.
Strategi ini memiliki dua sifat yang tidak biasa, untuk lebih spesifiknya membuat peramal
membutuhkan informasi yang dicatat untuk jangka waktu tertentu, semakin lama waktu
pergerakan normal akan menghasilkan pergerakan normal yang lebih mulus.
b) Weight Moving Average
Dalam teknik ini, jika sebuah pola diidentifikasi, bobot dapat digunakan untuk lebih
menekankan nilai saat ini. Strategi ini membuat prosedur pengukuran lebih mudah
menerima perubahan karena periode yang lebih dekat mendapatkan bobot yang lebih
berat.
2) Metode Exponential Smoothing
Metode Exponential merupakan sistem perbaikan terus-menerus untuk menentukan objek
persepsi terbaru. Teknik pengukuran ini berpusat di sekitar kebutuhan yang berkurang secara
dramatis pada objek persepsi yang lebih berpengalaman. Dalam pemulusan setidaknya ada
satu batas pemulusan yang ditunjukkan dengan tegas, dan hasil ini menentukan bobot yang
dialokasikan untuk nilai yang diperhatikan. (Douglas C. Montgomery, 2015) Secara
keseluruhan, persepsi yang sedang berlangsung akan diberikan kebutuhan yang lebih tinggi
untuk mengukur daripada persepsi yang lebih berpengalaman. Teknik smoothing juga dibagi
menjadi beberapa strategi.

14
a) Single Exponential Smoothing
Juga dikenal sebagai smoothing dasar yang digunakan dalam estimasi sesaat, biasanya hanya
beberapa bulan ke depan. Model mengharapkan bahwa informasi bervariasi di sekitar rata-rata
tetap, tanpa pola atau contoh pengembangan yang stabil.

b) Double Exponential Smoothing,

Strategi ini digunakan ketika informasi menunjukkan suatu pola. Pemulusan dalam melihat
pola menyerupai pemulusan langsung selain itu kedua bagian harus disegarkan setiap periode
tingkat dan pola. Tingkat adalah ukuran dari nilai informasi menjelang akhir setiap periode.
Pola adalah ukuran dari perkembangan normal menuju akhir setiap periode.

c) Triple Exponential Smoothing

Teknik ini digunakan ketika informasi menunjukkan pola dan perilaku sesekali Untuk
mengelola ketidakteraturan, batas kondisi ketiga telah dibuat yang disebut teknik "Holt
Winters" seperti yang ditunjukkan oleh nama inovator.

BAB
IV

15
 HASIL DAN PEMBAHASAN

A. Hasil Penelitian
Hasil penelitian menunjukkan bahwa metode pemulusan eksponensial Holt-Winters model
musiman multiplikatif dapat digunakan bilamana suatu data menunjukkan adanya kenaikan
jangka panjang serta fluktuasi musiman yang semakin membesar seiring bertambahnya periode
waktu pengamatan. Pola data seperti ini menunjukkan ketidakstasionerannya baik dalam rata-rata
maupun ragamnya. Sedangkan untuk model musiman aditif dapat digunakan bilamana suatu data
menunjukkan adanya kenaikan jangka panjang serta fluktuasi musiman yang relatif konstan
seiring bertambahnya periode waktu pengamatan. Pola data seperti ini menunjukkan
ketidakstasionerannya dalam rata-rata.
Metode pemulusan eksponensial Holt-Winters model musiman multiplikatif diterapkan
pada data total pengeluaran produksi listrik di Jerman (sumber data: A First Course on Time Series
Analysis) diperoleh nilai konstanta pemulusan terbaik yaitu α = 0,712, b = 0 dan γ = 0. Sedangkan
penerapan model musiman aditif pada data total produk makanan (sumber data: Economic Time
Series Page) diperoleh nilai konstanta pemulusan α = 0,8, b = 0,291 dan γ = 0 sebagai nilai
konstanta pemulusan terbaik. Metode Holt-Winters didasarkan atas tiga persamaan pemulusan,
yaitu persamaan pemulusan keseluruhan, persamaan pemulusan komponen trend dan persamaan
pemulusan komponen musiman. Terdapat dua model berbeda dalam metode Holt-Winters, hal ini
didasarkan atas bagaimana model musimannya, yaitu model multiplikatif dan aditif.

B. Pembahasan

16
 Peramalan (Forecasting) adalah proses untuk memperkirakan beberapa kebutuhan
dimasa yang akan datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu
dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa
(Nasution, 1999).Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas
yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang
berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis.
Peramalan menggunakan teknik- teknik peramalan yang bersifat formal maupun informal
(Gaspersz, 1998).
Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan
manajemen.Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif).
Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian. Kesalahan dalam
proyeksi penjualan akan mempengaruhi pada ramalan anggaran, pengeluaran operasi, arus
kas, persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam proses
peramalan yang akurat dan bermanfaat (Makridakis, 1999):
1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan
peramalan yang akurat.
2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data
yang diperoleh semaksimal mungkin.

C. Jenis-jenis Forecasting

Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan menjadi
beberapa tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi
menjadi 3 macam yaitu:

a. Peramalan ekonomi (economic forecasting) menjelaskan siklus bisnis dengan

memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan dan indicator perencanaan lainnya.

b. Peramalan teknologi (technological forecasting) memperhatikan tingkat

kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang
membutuhkan pabrik dan peralatan baru.

17
 c. Peramalan permintaan (demand forecasting) adalah proyeksi permintaan untuk
produk atau layanan suatu perusahaan.

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan

yang dicakupnya. Menurut Taylor (2004) dalam hubungannya dengan horizon
waktu peramalan terbagi atas beberapa kategori, yaitu:
a. Ramalan jangka pendek (short-range forecasting) mencakup masa depan yang
dekat (immediate future) dan memperhatikan kegiatan harian suatu perusahaan
bisnis, seperti permintaan harian atau kebutuhan sumber daya harian.
b. Ramalan jangka menengah (medium-range forecasting) mencakup jangka waktu
satu atau dua bulan sampai satu tahun. Ramalan jangka waktu ini umumnya lebih
berkaitan dengan rencana produksi tahunan dan akan mencerminkan hal-hal
seperti puncak dan lembah dalam suatu permintaan dan kebutuhan untuk
menjamin adanya tambahan untuk sumber daya untuk tahun berikutnya.
c. Ramalan jangka Panjang (long-range forecasting) mencakup periode yang lebih
lama dari satu atau dua tahun. Ramalan ini berkaitan dengan usaha manajemen
untuk merencanakan produk baru untuk pasar yang berubah, membangun fasilitas
baru, atau menjamin adanya pembiayaan jangka panjang.

D. Metode Peramalan

Untuk melakukan peramalan diperlukan perhitungan yang akurat sehingga

diperlukaan peramalan yang tepat. Pada dasarnya terdapat dua pendekatan umum untuk
mengatasi semua model keputusan meramal. Berikut gambar taksonomi peramalannya.

18
 Gambar 2.1 Taksonomi Peramalan

a. Model Kualitatif

Model kualitatif berupaya memasukkan faktor-faktor subyektif dalam model peramalan,

model ini akan sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh. Contoh dari
metode ini ialah metode delphi, opini juri eksekutif, komposit kekuatan dan survey pasar
konsumen. Di dalam pendekatan kualitatif ada Teknik delphi.
1. Teknik Delphi
Teknik delphi adalah metode yang banyak digunakan dan diterima untuk
mengumpulkan data dari responden dalam domain penelitian. Teknik ini dirancang sebagai
proses komunikasi kelomok yang bertujuan untuk mencapai konvergensi pendapat tentang isu-
isu nyata. Teknik ini telah digunakan di berbagai bidang studi seperti perencanaan program,
penilian assessment, penetuan kebijakan, dan pemanfaatan sumber daya untuk
mengembangkan berbagai alternatif, menjelajahi atau mengekspos yang mendasari asumsi,
serta berkorelasi penilaian pada suatu topik yang mencakup berbagai disiplin ilmu

19
tentang pengetahuan dunia nyata yang diminta dari para ahli dalam bidang topik tertentu. Salah
satu tujuan dari Teknik delphi ini untuk mengembangkan berbagai alternatif program yang
mungkin, mengekspos asumsi yang mendasari informasi yang mengarah ke penilaian berbeda.
Ada beberapa langkah dalam melakukan Teknik ini salah satunya Dermawan (2004),
menurutnya para pembuat keputusan harus melalui proses delphi dengan identifikasi isu masalah
pokok yang hendak diselesaikan, kemudian kuesioner dibuat kemudian kuesioner dikirim ke
para ahli yang ada di dalam organisasi maupun diluar organisasi untuk mengetahui permasalahan
yang dihadapi, kemudian para ahli akan mengisi kuesioner tersebut dan memberikan solusi
penyelesaian masalah, dalam hal ini akan di buat sebuah tim khusus untuk merangkum hasil dari
kuesioner dan menelaah ulang hasil rangkuman kemudian pada proses terakhir para pembuat
keputusan dapat mencapai kesepakatan untuk menentukan satu alternatif solusi atau tindakan
yang terbaik. Berikut ini kelebihan dan kekurangan dari Teknik delphi:
Kelebihan metode delphi:

a) Hasil yang didapat berdasarkan para ahli

b) Opini yang diungkapkan dari para ahli luas, karena masing-masing para ahli
memiliki pendapat.

Kekurangan metode delphi:

a) Biaya yang dikeluarkan lebih besar

b) Hasil yang di dapat berdasarkan asumsi

c) Akan memakan waktu lama

d) Hasil tidak berjalan sesuai prediksi

b. Model Kualitatif

Model kuantitatif yaitu peramalan yang menggunakan satu atau lebih model matematis
dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Pada dasarnya
model kualitatif dibedakan menjadi dua yaitu berdasarkan seri waktu (time series) dan kausal
(causal metods).

20
 Model kausal Model kausal memasukkan dan menguji variabel-variabel yang diduga akan
mempengaruhi variabel dependen, model ini biasanya menggunakan analisis regresi untuk
menentukan mana variabel yang signifikan mempengaruhi variable dependen. Selain
menggunakan analisis regresi, model kausal juga dapat menggunakan metode ARIMA atau Box-
Jenkins untuk mencari model terbaik yang dapat digunakan dalam peramalan.
Model Time series merupakan model yang digunakan untuk memprediksi masa depan
dengan menggunakan data historis. Dengan kata lain, model time series mencoba melihat apa
yang terjadi pada suatu kurun waktu tertentu dan menggunakan data masa lalu untuk
memprediksi. Contoh dari model time series ini antara lain Moving Average, Exponensial
Smoothing, dan rata-rata.

1. Metode Moving Average

Bermanfaat jika mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu.
Dalam metode moving average ini dibag menjadi dua metode yaitu:

a) Single moving average

Pada metode ini digunakan untuk melakukan peramalan hal-hal yang bersifat random yang
artinya tidak ada trend naik maupun turun, musiman dan sebagainya, namun sulit untuk
mengetahui polanya. Metode ini mempunyai dua sifat khusus yaitu membuat peramal
memerlukan data histories selama jangka waktu tertentu, semakin Panjang waktu moving average
akan menghasilkan moving average yang semakin halus.

b) Weight moving average

Pada metode ini apabila ada trend terdeteksi maka bobot dapat digunakan untuk
menempatkan penekanan yang lebih pada nilai terkini. Pada metode ini membuat Teknik
peramalan lebih tanggap perubahan karena periode yang lebih dekat mendapat bobotyang lebih
berat.
2. Metode Exponential Smoothing
Metode Exponential Smoothing (Makridakis, 1999) merupakan prosedur perbaikan terus-
menerus pada peramalan terhadap objek pengamatan terbaru. Metode peramalan ini menitik-
beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih tua.
Dalam pemulusan eksponensial atau exponential smoothing terdapat satu atau lebih
parameterpemulusanyang ditentukan secara eksplisit, dan hasil ini menentukan bobot yang
21
dikenakan pada nilai observasi.

22
 Dengan kata lain, observasi terbaru akan diberikan prioritas lebih tinggi bagi peramalan
daripada observasi yang lebih lama. Metode exponential smoothing dibagi lagi berdasarkan
menjadi beberapa metode.

a) Single exponential smoothing

Juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan jangka
pendek, biasanya hanya 1 bulan ke depan. Model mengasumsikan bahwa data berfluktuasi di
sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. (Makridakis, 1999).
Rumus untuk Simple exponential smoothing adalah sebagai berikut:

Ft+1 = α * Xt + (1 – α) * Ft (1)
Dimana:

Ft = peramalan pada periode t

Xt + (1- α) = nilai actual time series

Ft + 1 = peramalan pada waktu t + 1
Α = konstanta perataan antara 0 dan 1
b) Double exponential smoothing

Metode ini digunakan ketika data menunjukkan adanya trend. Exponential smoothing
dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate
setiap periode – level dan trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada
akhir masingmasing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata
pada akhir masing-masing periode. (Makridakis, 1999).
St = α * Yt + (1 – α) * (St - 1 + bt - 1) (2)
bt = γ * (St – St - 1) + (1 – γ) * bt – 1 (3)
Ft + m = St + bt m (4)

Dimana:
St = peramalan untuk periode t

Yt + (1- α) = nilai actual time series

Bt = trend pada peroide -t

A = parameter pertama perataan antara 0 dan 1 = untuk pemulasan nilai observasi

23
Γ = parameter kedua, untuk pemulasan trend

Ft + m = hasil peramalan ke – m

M = julah periode ke muka yang akan diramalkan

c) Triple exponential smoothing

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku musiman
(Makridakis, 1999). Untuk menangani musiman, telah dikembangkan parameter persamaan
ketiga yang disebut metode “HoltWinters” sesuai dengan nama penemuya. Terdapat dua model
Holt-Winters tergantung pada tipe musimannya yaitu Multiplicative seasonal model dan Additive
seasonal model yang akan dibahas pada bagian lain dari blog ini. Metode exponentian smoothing
yang telah dibahas sebelumnya dapat digunakan untuk hampir segala jenis data stasioner atau
non – stasioner sepanjang data tersebut tidak mengandung faktor musiman. Tetapi bilamana
terdapat musiman, metode ini dijadikan cara untuk meramalkan data yang mengandung faktor
musiman, namun metode ini sendiri tidak dapat mengatasi masalah tersebut dengan baik.
Meskipun demikian, metode ini dapat menangani factor musiman secara langsung.
(Makridakis, 1999). Rumus yang digunakan untuk triple exponential smoothing adalah:

Pemulusan trend: Bt =g (St – St-1) + (1 - g ) bt-1 (5)

Pemulusan Musiman: I = b t X t S + (1-b) t -L +m (6)

Ramalan: Ft + m = (St + bt m)It – L + m (7)

Dimana L adalah panjang musiman (misal, jumlah kuartal dalam suatu tahun), b adalah
komponen trend, I adalah factor penyesuaian musiman, dan Ft + m adalah ramalan untuk m
periode ke muka.

24
 BAB V
PENUTUP

A. Kesimpulan

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa

yang akan datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu
dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa
(Nasution, 1999).

Didalam peramalan ada 2 pendekatan yaitu model kualitatif dan model

kuantitatif. Model kualitatif adalah memasukkan faktor-faktor subyektif dalam
model peramalan, model ini akan sangat bermanfaat jika data kuantitatif yang akurat
sulit diperoleh, didalam model kualtatif terdapat metode delphi.Sedangkan model
kuantitaif peramalan yang menggunakan satu atau lebih model matematis dengan data
masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Didalam model
kuantitaif terdapat dua metode yaitu time series dan kausal.

B. Saran

Pada penulisan ini terdapat kekurangan. Penulis berharap pembaca dapat

memberikan masukan untuk makalah ini agar lebih baik lagi

25
 DAFTAR PUSTAKA

Agil Saputro, Bambang Purwanggono, 2016. Peramalan Perencanaan Produksi

Semen Dengan Metode Exponential Smoothing Pada PT. Semen Indonesia
(Persero). Universitas Diponegoro, Semarang, Indonesia.

Akhmad, N.A. Achsani, M. Tambunan, and S.A. Mulyo 2016. Impact of Fiscal
Policy on the Agricultural Development in anEmerging Economy:
Case Study from the SouthSulawesi, Indonesia. International
Research Journal of Finance and EconomicsIssue 96 (2012), Pages:
101-112
Akhmad. 2018. 20Manajemen Operasi: Teori dan Aplikasi dalam Dunia
Bisnis. Azkiya Publishing. Bogor.
Akhmad. 2014. Ekonomi Mikro: Teoti dan Aplikasi di Dunia Usaha. Andi
Offet. Yogyakarta.

Akhmad, Amir . 2020. Menanggulangi Kemiskinan Di Daerah Upaya

Penanggulangan Kemiskinan Pemerintah Kabupaten Dan Kota Di
Sulawesi Selatan. Azkiya Publishing. Bogor
Akhmad. 2021. Dinamika Pembangunan Ekonomi Nasional Dalam Era
Pandemi Virus Corona. Pidato Pengukuhan. Disampaikan pada Acara
Penerimaan Jabatan Guru Besar Dalam Bidang Ilmu Ekonomi,
Universitas Muhammadiyah Makassar Tanggal 10 Juli 2021

Akhmad. 2012. Dampak Kebijakan Fiskal Terhadap Perekonomian Kabupaten Dan

Kota Di Provinsi Sulawesi Selatan. Disertasi Doktor. Sekolah Pascasarjana,
Institut Pertanian Bogor, Bogor.

Andini, T. D., & Auristandi, P. (2016). Peramalan Jumlah Stok Alat Tulis Kantor di
UD Achmad Jaya Menggunakan Metode Double Exponential Smoothing.
Jurnal Ilmiah Teknologi Informasi Asia, 10(1), 1-10.

Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining. 2015

Introduction to Linear Regression Analysis, Fifth Edition. John Wiley &
Sons, Inc. Published 2015 by John Wiley & Sons, Inc

Hamidah, S. N., Salam, N., & Susanti, D. S. (2017). Teknik Peramalan

Menggunakan Metode Pemulusan Eksponensial Holt-Winters. EPSILON:
jurnal matematika murni dan terapan, 7(2), 26-33.

https://www.academia.edu/4382387/handout_peramalan

26
 Kisang Ryu, Alfonso Sanchez, 2013. The Evaluation of Forecasting Methods at an
Institutional Foodservice Dining Facility. Journal of Hospitality Financial
Management vol 11 no 1 hal 27-45.

M. Azman Maricar, 2017. Analysis of Data Mining for Forecasting Total Goods
Delivery with Moving Average Method. Institut Teknologi dan Bisnis
STIKOM Bali, Indonesia.

Murahartawaty. (2009). Peramalan. Jakarta: Sekolah Tinggi Teknologi Telkom

Penyusun, T., & Nurmutia, S. TEKNIK PERAMALAN.

Prakoso, I. A., Kusnadi, K., & Nugraha, B. (2021). Peramalan Penjualan Produk
Dengan Metode Regresi Linear Dan Aplikasi POM-QM di PT XYZ. Widya
Teknik, 20(1), 17-20.

Rusyida, W. Y. (2022). Teknik Peramalan: Metode ARIMA dan Holt Winter.

Penerbit NEM.

Vivi Putri, Meylia.(2019) Konsep Dasar Peramalan (16 Februari 2019)

27

View publication stats