STIE GALILEO BATAM. MODUL 2 : Production & Operation Management. Program Studi Manajemen STIE Galileo By Hazriyanto

(1)

STIE GALILEO BATAM

MODUL 2 :

Production & Operation Management

Program Studi Manajemen STIE Galileo By Hazriyanto

(2)

KATA PENGANTAR

Puji dan syukur kehadirat Allah Subhanahuwata’ala atas segala limpahan Rahmat dan hidayahNya, sehingga penulis Modul POM Alhamdulillah dapat diselesaikan.

Dalam penulisan ini penulis mengingat banyaknya aspek yang dibahas dengan kekurangannya, maka dalam penulisan ini hanya ditujukan untuk masalah POM.

Penulisan modul ini dilakukan dalam rangka salah satu usaaha untuk membantu mahasiswa/i kelas POM Program Studi Manajemen STIE Galileo khususnya dan yang lain pada umumnya.

Penulis menyadari bahwa, tanpa bantuan dari berbagai pihak, mulai dari perkuliahan sampai pada penulisan penyusunan modul ini, sulit bagi penulis untuk menyelesaikan modul ini, banyak pihak yang telah membantu penulis dalam menyelesaikan modul ini. Oleh karena itu pada kesempatan ini ijinkanlah penulis menyampaikan ucapan terima kasih kepada yang terhormat :

1. Bapak Ketua Yayasan

2. Bapak/Ibu Program Studi Manajemen

3. Bapak/Ibu rekan-rekan dosen baik yang berada dilingkungan STIE Galileo khususnya dan yang lain pada umumnya.

4. Istriku Nurhidayah, SHI, dan anakku Nadiyatul Insyirah dan Adzin Ahmad Ijlal yang telah memberikan bantuan dukungan materil dan moral terima kasih atas segala pengertian yang diberikan. Sementara waktu buatmu habis tersita buat menyelesaikan modul ini.

5. Semua Mahasiswa/i ku yang tidak bisa disebutkan namanya satu persatu, yang telah menjadi tempat untuk berdiskusi dan mengumpulkan bahan-bahan yang diperlukan dalam penulisan ini, sehingga modul ini dapat diselesaikan.

Penuliis menyadari sepenuhnya bahwa dalam penyusunan modul ini pastilah tidak terlepas dari adanya kekurangan dan kelemahan, dengan penuh kerendahan hati penulis masih mengharapkan adanya masukan berupa saran dan pemikiran membangun yang berguna untuk kegiatan penulisan selanjutnya.

Akhir kata, saya berharap Allah SWT berkenan membalas segalaa kebaikan semua pihak yang telah membantu. Semoga apa yang terkandung dalam modul ini dapat memberikan manfaat bagi kita sekalian.

Batam

HAZRIYANTO

(3)

DAFTAR ISI Kata Pengatar

Daftara Isi Pendahuluan Pembahasan :

BAB V Metode Transportasi BAB VI Manajemen Permintaan Daftar Pustaka

(4)

Operasi & Manajemen Produksi

(5)

4/9/2021 Operasi & Manajemen Produksi : 2 Hazriyanto

 Metode Transportasi merupakan suatu metode yang digunakan untuk mengatur distribusi dari sumber-sumber yang m e nye d i a k a n p ro d u k y a n g s a m a ke tempattempat yang membutuhkan secara optimal dengan biaya yang termurah . Alokasi produk ini harus diatur sedemikian rupa karena terdapat perbedaan biaya-biaya alokasi dari satu sumber atau beberapa sumber ke tempat tujuan yang berbeda.

(6)

 Tabel awal dapat dibuat dengan dua metode, yaitu:

1. Metode North West Corner (NWC)

=> dari pojok kiri atas ke pojok kanan bawah Kelemahan : tidak

memperhitungkan besarnya biaya sehingga kurang efisien.

2. Metode biaya terkecil => mencari dan memenuhi yang biayanya terkecil dulu.

Lebih efisien dibanding metode NWC.

(7)

 Selain metode-metode di atas masih ada satu metode yang lebih sederhana

penggunaannya yaitu metode Vogel’s Approximation Method (VAM).

(8)

Contoh masalah transportasi:

Ke Gudang A Gudang B Gudang C Kapasitas Pabrik Dari

Pabrik W Rp20 Rp5 Rp8 90

Pabrik H Rp15 Rp20 Rp10 60

Pabrik P Rp25 Rp10 Rp19 50

Kebutuhan gudang

50 110 40 200

(9)

Penyelesaian:

1. Metode NWC

Pabrik W Rp20 Rp5 Rp8

90

Pabrik H Rp15 Rp20 Rp10

60

Kebutuhan

gudang 50 110 40 200

(10)

 Biaya yang dikeluarkan :

(50 . 20) + (40 . 5) +( 60 . 20) + (10.10) + (40.19) = 3260

(11)

2. Metode biaya terkecil

Pabrik W Rp20 Rp5 Rp8 90

Pabrik H Rp15 Rp20 Rp10

60

Kebutuhan

gudang 50 110 40 200

(12)

 Biaya yang dikeluarkan :

(90 . 5) + (20 . 15) + (40 . 10) + (30 . 25) + (20 . 10) = 2400

(13)

4/9/2021 Operasi & Manajemen Produksi :

Hazriyanto 10

3. Metode VAM

Metode VAM merupakan metode yang lebih mudah dan lebih cepat untuk mengatur

alokasi dari beberapa sumber ke daerah tujuan.

Langkah metode VAM:

1. Cari perbedaan dua biaya terkecil, yaitu terkecil pertama dan kedua (kolom dan baris).

(14)

2. Pilih perbedaan terbesar antara baris dan kolom

3. Pilih biaya terendah

4. Isi sebanyak mungkin yang bisa dilakukan 5. Hilangkan baris / kolom yang terisi penuh 6. Ulangi langkah 1-5 sampai semua baris

dan kolom seluruhnya teralokasikan.

(15)

Hazriyanto 12

Ke Gudang

A Gudang

B Gudang

C Kapasitas

Pabrik Perbedaan baris Dari

Pabrik W 20 5 8 90 8 – 5 = 3

Pabrik H 15 20 10 60 15 – 10 = 5

Pabrik P 25 10 19 50 19 – 10 = 9

Kebutuhan

gudang 50 110 40 200

Perbedaan kolom

20 – 15

= 5

10 – 5 = 5

10 – 8 = 2

(16)

Ke Gudang

A Gudang

B Gudang

C Kapasitas

Pabrik W 20 5 8 90 8 – 5 = 3

Pabrik H 15 20 10 60 15 – 10 = 5

Kebutuhan

gudang 50 110 40 200

Perbedaan kolom

20 – 15

= 5

20 – 5 =

15 10 – 8 = 2

(17)

Hazriyanto 14

Ke Gudang

A Gudang

C Kapasitas

Pabrik W 20 8 90 20 – 8 = 12

Pabrik H 15 10 60 15 – 10 = 5

Kebutuhan

gudang 50 40 200

Perbedaan kolom

20 – 15

= 5

10 – 8 = 2

(18)

Ke Gudang A Gudang C Kapasitas Pabrik Dari

Pabrik H 15 10 60

Kebutuhan

gudang 50 40 – 30 = 10 50

10

Biaya transportasi :

(10 . 50) + (5 . 60) + (8 . 30) + (15 . 50) + (10 . 10) = 1890 (optimal)

(19)

Operasi & Manajemen Produksi

1 Operasi & Manajemen Produksi :

Hazriyanto 4/9/2021

(20)

 Konsep Dasar Manajemen Permintaan

Pada dasarnya manajemen permintaan (demand management) didefinisikan sebagai suatu fungsi pengelolaan dari semua permintaan produk untuk

menjamin bahwa penyusun jadwal induk (master scheduler) mengetahui dan

menyadari semua permintaan produk itu.

(21)

 Manajemen permintaan akan menjaring informasi yang berkaitan dengan

peramalan (forecasting), order entry, order promising, branch warehouse requirement, pesanan antar pabrik

(interplant order), dan kebutuhan untuk service part, seperti : suku cadang untuk pemeliharaan peralatan, keprluan untuk riset dan pengembangan produk.

(22)

 Secara garis besar aktivitas-aktivitas dalam manajemen permintaan dapat

dikategorikan ke dalam dua aktivitas utama, yaitu :

◦ Pelayanan pesanan (order service)

◦ Peramalan (forecasting)

(23)

 Pada dasarnya pelayanan pesanan (order service) bersifat pasti dan merupakan

suatu proses yang mencakup aktivitas-

aktivitas penerimaan pesanan, pemasukan pesanan (order entry), serta membuat

janji kepada pelanggan (oder promissing) berkaitan dengan produk dari perusahaan.

(24)

 Aktivitas peramalan bersifat tidak pasti dan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-

produk itu dapat dibuat dalam kuantitas yang tepat. Dengan demikian peramalan merupakan suatu dugaan terhadap

permintaan yang akan datang berdasarkan pada beberapa variable peramal, sering

berdasarkan data waktu histories.

(25)

 Peramalan dapat menggunakan teknik- teknik peramalan yang bersifat formal maupun informal.

(26)

 Konsep Dasar Sistem Peramalan dalam Manajemen Permintaan

Pada dasarnya terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem

peramalan dalam manajemen permintaan, yaitu :

(27)

1. Menentukan tujuan dari peramalan

2. Memilih independent demand

(permintaan terhadap material, part, atau produk yang bebas atau tidak terkait

dengan struktur bill of material untuk produk akhir atau item tertentu) yang akan diramalkan.

3. Menentuka horizon waktu dari

peramalan (jangka pendek, menengah, atau panjang)

(28)

4. Memilih model-model peramalan

5. Memeproleh data yang dibutuhkan untuk melakukan peramalan

6. Validasi model peramalan 7. Membuat peramalan

8. Implementasi hasil-hasil peramalan 9. Memantau keandalan hasil peramalan

(29)

Hazriyanto 11

 Tujuan utama dari peramalan dalam manajemen permintaan adalah untuk meramalkan permintaan dari item-item independent demand di masa yang akan datang. Dengan demikian, semakin panjang horizon waktu peramalan, hasil-hasil

ramalan akan semakin kurang akurat

(30)

 Dalam industri manufaktur, pemilihan interval waktu mingguan dimaksudkan untuk peramalan jangka pendek (short-

range forecast), sedangkan waktu bulanan untuk peramalan jangka menengah (mid- range forecast), dan interval waktu

triwulan untuk peramalan jangka panjang (long-range forecast).

(31)

Hazriyanto 13

 Perencanaan jangka panjang berkaitan dengan perencanaan bisnis, analisis fasilitas, proyek-

proyek jangka panjang, produk-produk atau

pasar-pasar baru, investasi modal. Karakteristik dari peramalan jangka panjang adalah dilakukan analisis satu kali (one-time analysis), lebih

banyak berdasarkan pertimbangan manajemen puncak (top manajemen), lebih banyak

menggunakan data eksternal (triwulan atau tahunan), dilakukan oleh manajemen puncak, dan dilakukan terhadap beberapa produk atau famili dari produk (product family).

(32)

 Peramalan jangka menengah berkaitan dengan perencanaan anggaran, produksi, pembelian menggunakan blanket purchase order (BPO), dan lain-lain. Karakteristik dari peramalan jangka menengah adalah : bersifat periodical (data bulanan atau

triwulan), menggunakan teknik kuantitatif dan kualitatif, dilakukan oleh manajemen menengah (middle management), dan

dilakukan terhadap kelompok produk atau famili dari produk (product family).

(33)

Hazriyanto 15

 Peramalan jangka pendek berkaitan dengan perencanaan distribusi inventory,

perencanaan material, dan lain-lain.

Karakteristik peramalan jangka pendek adalah : dilakukan secara teratur dan

berulang, menggunakan data internal (harian atau mingguan), menggunakan teknik

kuantitatif, dan dilakukan secara terperinci untuk banyak item atau stockkeeping units (SKUs).

(34)

1. Top-down forecasting

Metode “top-down” sering dimulai dengan penggunaan hasil-hasil peramalan berbagai kondisi bisnis umum yang dibuat oleh para ekonom dalam lembaga-lembaga

pemerintahan besar serta universitas- universitas. Sebagai contoh para ahli mungkin mengatakan bahwa produk nasional bruto pada tahun yang akan

(35)

 Bagi suatu perusahaan yang membuat lemari es, kompor gas, mesin cuci dan

sebagainya timbul pertanyaan : bagaimana hal itu akan mempengaruhi kita? Para

peramal dalam perusahaan pertama harus menterjemahkan peramalan umum ke

peramalan bisnis industrinya di waktu yang akan datang.

Hazriyanto 17

(36)

2. Botom – Up forecasting

Metode bottom up mulai dengan perkiraan permintaan produk akhir individual.

 Proses Peramalan

Peramalan adalah suatu usaha untuk

meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu.

Prose peramalan biasanya terdiri dari

(37)

1. Penentuan tujuan

◦ Langkah pertama terdiri atas penentuan macam estimasi yang diinginkan. Sebaliknya tujuan tergantung pada kebutuhan-kebutuhan informasi para manajer

2. Pengembangan Model

◦ Yang merupakan penyajian secara lebih sederhana sistem yang dipelajari. Dalam peramalan, model adalah suatu kerangka

analitik yang bila dimasukkan data masukkan, menghasilkan estimasi penjualan di waktu

mendatang.

Hazriyanto 19

(38)

3. Pengujian Model

◦ Sebelum diterapkan model biasanya diuji untuk menentukan tingkat akurasi, validitas dan reabilitas yang diharapkan.

4. Penerapan Model

◦ Setelah pengujian, analis menerapkan model dalam tahap ini, data historic dimasukkan dalam model untuk menghasilkan suatu ramalan

5. Revisi dan evaluasi

◦ Ramalan-ramalan yang telah dibuat harus

(39)

 Teknik Peramalan Teknik-teknik Kualitatif

Adalah subyektif atau judgmental atau berdasarkan pada estimasi-estimasi dan pendapat-pendapat.

 Analisis Runtun waktu (Time Series) Model-model peramalan runtun waktu

mencoba untuk meramalkan kejadian-kejadian di waktu yang akan dating atas dasar

serangkaian data masa lalu.

 Secara ringkas, metode-metode analisis trend dapat diuraikan sebagai berikut :

Hazriyanto 21

(40)

1. Freehand

2. Kuadrat terkecil (least squares)

3. Rata-rata bergerak (moving average)

4. Exponential Smoothing

5. Analisis regresi dan Korelasi

(41)

 Model rata-rata bergerak menggunakan

sejumlah data actual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang,

akan efektif diterapkan apabila kita dapat mengasumsikan bahwa permintaan pasar terhadap produk akan tetap stabil

sepanjang waktu.

Hazriyanto 23

(42)

Rata-rata bergerak n – periode =

∑(Permintaan dalam n – periode terdahulu)/n

Dimana n adalah banyaknya periode dalam rata-rata bergerak. Apabila kita

menggunakan rata-rata bergerak 3-

periode, tentu saja formula dari metode rata-rata bergerak 3-periode adalah :

Rata-rata bergerak 3 – periode =

∑(Permintaan dalam 3 – periode

(43)

Contoh Kasus :

 Kita akan meramalkan permintaan komputer untuk bulan Januari 1998, berdasarkan data permintaan actual

selama bulan Januari sampai Desember 1997. Data aktual permintaan computer selama tahun 1997 ditunjukkan dalam Tabel.

Hazriyanto 25

(44)

Bulan Indeks Waktu (t) Permintaan Aktual (A) Januari

Februari Maret April MeiJuni JuliAgustus September Oktober Nopember Desember Januari 1998

12 34 56 78 109 1112 13

280270 330250 340330 350300 330350 270290

???

(45)

 Untuk menjelaskan proses peramalan

menggunakan metode rata-rata bergerak beserta pengujian terhadap keandalan

model peramalan menggunaka peta

kontrol Tracking Signal, akan dilakukan dengan menggunakan langkah-langkah berikut :

Hazriyanto 27

(46)

(47)

 Dari gambar di atas bahwa pola historis dari data aktual permintaan komputer selama periode 1997 tidak membentuk kecenderungan (trend line), dengan

demikian model-model peramalan yang mempertimbangkan kecenderungan

(trend) tidak perlu dipertimbangkan.

Hazriyanto 29

(48)

Pemilihan Model Peramalan seyogianya berdasarkan pada pola histories dari data actual permintaan.

Berdasarkan pola historis dari data aktual

permintaan komputer selama periode 1997, kita akan menggunakan model rata-rata bergerak

(moving average).

 Terdapat 2 jenis model MA :

 Model rata-rata bergerak tidak terbobot (unweighted moving averages)

 Model rata-rata bergerak terbobot (weighted

(49)

 Permasalahan umum dalam menggunakan model rata-rata bergerak tidak terbobot adalah bagaimana memilih n-periode yang diperkirakan tepat (n=3,4,5,6 dst).

 Langkah 3. Melakukan Analisa Data

Berdasarkan Model Peramalan yang dipilih

 Hasil analisis data menggunakan Model rata- rata bergerak 4 periode (n=4 bulan) dan 5- periode (n=5 bulan).

 Tabel. Contoh perhitungan Berdasarkan

Model Rata-rata bergerak 4 dan 5 Periode (bulan)

Hazriyanto 31

(50)

Bulan (tahun 1997) Indeks Waktu (t) Permintaan Aktual

(A) Ramalan Berdasarkan MA(4) (F,MA4)

Ramalan Berdasarkan MA(5)

(F,MA5) Januari

Februari Maret April MeiJuni JuliAgustus September Oktober Nopember Desember Januari 1998

12 34 56 78 109 1211 13

280270 330250 340330 350300 330350 270290

???

-- --

(280+270+330+250)/4=283 (270+330+250+340)/4=298

313318 330328 333313 310

-- -- 294- 304320 314330 332320 308

Keterangan : MA(4) = rata-rata bergerak 4-periode, MA(5) = rata-rata bergerak 5-periode. Nilai ramalan adalah nilai pembulatan

(51)

Bulan (tahun

1997) Indeks

Waktu (t) Permintaan Aktual (A)

Ramalan Berdasarkan

MA(4)

Absolut Deviation untuk MA(4)

(A-F)

Ramalan Berdasarkan

MA(5)

Absolut Deviation untuk MA(5) (A-F)

MeiJuni JuliAgustus September Oktober Nopember Desember

56 78 109 1211

340330 350300 330350 270290

283298 313318 330328 333313

5732 3718 220 6323

294- 304320 314330 332320

36- 4620 1620 6230

Hazriyanto 33

MAD = ∑(absolute dari forecast error)/n

MAD untuk MA(4) = (57+32+37+18+0+22+63+23)/8 = 31.5 MAD untuk MA(5) = (36+46+20+16+20+62+30)/7 = 32.9 Berdasarkan nilai MAD untuk MA(4) dan MA(5), ramalan berdasarkan model rata-rata bergerak 4-bulan memiliki MAD lebih kecil.

(52)

Periode n (1) Forecast F (2) Aktual A (3) Error E = A-F (4)=(3)-(2)

RSFE (5) = Kumulatif

(4)

Absolut Error (6) = Absolut

dari (4)

Kumulatif absolute Error

(7) = kum (6)

(8)=(7)/(1)MAD

Tracking Signal (9)=(5)/(8) 12

34 56 78

283298 313318 330328 333313

340330 350300 330350 270290

+57+32 +37-18 +220 -63-23

+57+89 +126+108 +108+130 +67+44

5732 3718 220 6323

5789 126144 144166 229252

44.557 4236 28.827.7 32.731.5

+1+2 +3+3 +3.8+4.7

1.4+2

MAD = 252/8 = 31.5

RSFE = ∑(actual demand periodi – forecast demand in periodi) Tracking Signal = RSFE/MAD = +44/31.5 = +1.4

(53)

 Proyeksi tren; suatu metode peramalan

serangkaian waktu yang sesuai dengan garis tren terhadap serangkaian titik-titik data

masa lalu, kemudian diproyeksikan kedalam peramalan masa depan.

 y = a + bx

dimana y (disebut y topi) = nilai terhitung dari variabel yang akan diprediksi.

a = persilangan sumbu y

b = kemiringan garis regresi

Hazriyanto 35

(54)

x = variabel bebas

b = (∑xy – nx y)/(∑x² - nx²) Dimana;

b = kemiringan garis regresi

∑ = tanda penjumlahan total

x = nilai variabel bebas yang diketahui y = nilai variabel terikat yang diketahui a = y - bx

(55)

 Permintaan daya listrik pada N.Y. Edison selama periode 2001 hingga 2007

ditunjukan pada tabel dibawah dalam

satuan megawatt. Mari kita meramalkan permintaan tahun 2008 dengan

menempatkan satu tren garis lurus yang paling sesuai pada data berikut.

Hazriyanto 37

(56)

Tahun Permintaan Daya Listrik 2001

2002 2003 2004 2005 2006 2007

74 79 80 90 105 142 122

Pendekatan; dengan sekumpulan data, kita dapat meminimalkan perhitungan dengan mengubah nilai x (waktu)menjadi angka yang lebih sederhana

(57)

Tahun Periode

Waktu (x) Permintaan Daya Listrik

(y)

x² xy

2001 2002 2003 2004 2005 2006 2007

1 2 3 4 5 6 7

74 79 80 90 105 142 122

1 4 9 16 25 36 49

74 158 240 360 525 852 854

∑ 28 692 140 3.063

Hazriyanto 39

x = ∑x/n = 28/7 = 4 y = ∑y/n = 692/7 = 98,86

b = (3.063 – (7)(4)(98.86))/(140 – (7)(4²) = 295/28 = 10,54 a = 98,86 – 10,54(4) = 56,70

(58)

 Jadi, persamaan tren kuadrat terkecil adalah = 56,70 + 10,54x. Untuk

memproyeksikan permintaan di tahun 2008, pertama kita menotasikan tahun 2008 ke dalam sistem pengodean yang baru sebagai x = 8.

 Permintaan di tahun 2008 = 56,70 + 10,54(8) = 141,02, atau 141 megawatt.

(59)

SOAL LATIHAN

4/9/2021

1 Hazriyanto

1.

Pabrik 1 Rp3200 Rp3300 Rp3400 106

Pabrik 2 Rp3600 Rp4200 Rp3800 132

Pabrik 3 Rp3400 Rp3700 Rp4000 127

Kebutuhan gudang

122 152 91 365

Selesaikan dengan metode : NWC & Biaya Terkecil

(60)

SOAL LATIHAN

2. Produksi pabrik A, B , C adalah sebagai berikut:

Pabrik Kapasitas Produksi Tiap Bulan A

B C

150 ton 40 ton 80 ton

Jumlah 270 ton

Gudang pabrik tersebut mempunyai kapasitas sebagai berikut:

Gudang Kebutuhan Produksi Tiap Bulan H

I J

110 ton 70 ton 90 ton

(61)

4/9/2021 Hazriyanto

3

SOAL LATIHAN

 Biaya untuk mendistribusikan barang dari pabrik ke gudang :

Dari Biaya tiap ton (Rp)

Ke Gudang H Ke Gudang I Ke Gudang J

Pabrik A 27000 23000 31000

Pabrik B 10000 45000 40000

Pabrik C 30000 54000 35000

a. Buat tabel awal transportasi

b. Selesaikan dengan metode biaya terkecil c. Selesaikan dengan metode VAM

(62)

SOAL LATIHAN

1. Pengunjung Toronto Towers Plaza Hotel telah dicatat selama 9 tahun terakhir. Untuk memproyeksikan tingkat hunian masa depan, manajemen ingin menetapkan tren matematis pengunjung. Prediksi ini membantu hotel menetapkan apakah pengembangan perlu dilakukan.

Dengan data deret waktu yang diberikan berikut, buatlah persamaan regresi yang menghubungkan pengunjung dengan waktu (yakni persamaan tren). Kemudian, buatlah peramalan untuk pengunjung di tahun 2009. jumlah pengunjung dalam ribuan adalah sebagai berikut.

1999 : 7 2000 :16 2001:16 2002 : 21

2003 : 20 2004 : 20 2005 : 23 2006 : 25 2007 :

(63)

SOAL LATIHAN

4/9/2021

2 Hazriyanto

2.

1. Berikut data jualan barang dagangan Toko Rifqi selama 6 tahun:

tahun 2011 Rp3 2012 Rp4 2013 Rp5 2014 Rp8 2015 Rp7 2016 Rp9

Buatlah ramalan jualan tahun 2017 dengan metode Tren garis lurus (metode kuadrat terkecil).

(64)

SOAL LATIHAN

3. Perusahaan Dagang Tapin di Rantau ingin membuat

ramalan jualan tahun 2010. Berikut data jualan selama 4 tahun:

Tahun Jualan

2006 4.400 unit

2007 4.000 unit

2008 3.800 unit

2009 3.900 unit

Berdasarkan data tersebut, buatlah ramalan jualan tahun 2010 dengan metode kuadrat terkecil.

(65)

4/9/2021 Hazriyanto

4

4. Berikut data jualan PT Nafa selama 10 bulan:

Januari Rp4.670 Juni Rp4.750 Februari Rp4.680 Juli Rp4.770 Maret Rp4.590 Agustus Rp4.780 April Rp4.720 September Rp4.800

Mei Rp4.740 Oktober Rp4.820

Berdasarkan data tersebut, buatlah ramalan jualan bulan

November dengan metode tren garis lurus menggunakan rumus berikut ini

1. a = ∑Y/n b = ∑XY/∑X²

2. a = (∑X² ∑Y) - ∑X ∑XY)/n(∑X²) – (∑x)² b = n(∑XY) – (∑X ∑Y)/ n(∑X²) – (∑X)²

SOAL LATIHAN