PENGARUH DEMAND FORECASTING TERHADAP

PERMINTAAN MOBIL XPANDER DIMASA DEPAN

Diajukan untuk memenuhi salah satu tugas mata kuliah Manajemen Logistik yang
di ampu oleh :
Eka Ludiya, SE.,MM.

Disusun oleh :
Muhammad Arya D 5111181180
Shinta Wati A W 5111181187
Rivan Sugianto 5111181192
Rivan Nawawi A 5111181197
Dian Budiaty P 5111181202
Kelas G

JURUSAN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS JENDERAL ACHMAD YANI
2020

i
 KATA PENGANTAR

Rasa syukur yang dalam penulis sampaikan ke hadirat Tuhan Yang Maha
Esa,  karena dengan kemurahan-Nya makalah ini dapat penulis selesaikan sesuai
yang diharapkan. Makalah yang berjudul “Pengaruh Demand Forecasting
terhadap permintaan mobil xpander dimasa depan” ini merupakan salah satu tugas
mata kuliah Manajemen Logistik di program studi Manajemen, Fakultas Ekonomi
dan Bisnis, Universitas Jenderal Achmad Yani

Dalam penyusunannya, penulis memperoleh banyak bantuan dari berbagai

sumber, oleh karena itu penulis mengucapkan terima kasih yang sebesar-besarnya
kepada sumber-sumber yang bersangkutan, baik itu buku maupun internet.

Penulis menyadari bahwa terdapat banyak kekurangan dalam penyusunan

makalah ini, maka dari itu penulis menerima kritik dan saran yang membangun
dari pembaca demi kesempurnaan makalah ini.

Cimahi,29 Februari 2020

Penyusun

ii
iii
 DAFTAR ISI
KATA PENGANTAR................................................................................
DAFTAR ISI...............................................................................................
BAB I PENDAHULUAN...........................................................................
1.1 Latar Belakang.......................................................................................
1.2 Rumusan Masalah .................................................................................
1.3 Maksud dan Tujuan ...............................................................................
BAB II TINJAUAN PUSTAKA................................................................
2.1 Definisi Manajemen...............................................................................
2.2 Definisi Manajemen Logistik.................................................................
2.3 Pengertian Demand Forecasting............................................................
2.4 Fungsi Forecasting.................................................................................
2.5 Jenis-jenis Peramalan.............................................................................
BAB III PEMBAHASAN .........................................................................
3.1

iii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Peramalan (forecasting) permintaan akan produk dan jasa di waktu
mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan dan
pengawasan produksi. Peramalan yang baik adalah esensial untuk efisiensi
operas-operasi manufacturing dan produksi jasa. 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 Rumusan Masalah
1. Apa yang dimaksud dengan peramalan?
2. Bagaimana pengaruh metode Demand Forcasting terhadap permintaan mobil
xpander?
3. Apa kelebihan dari metode untuk penjualan mobil xpander?
1.3 Maksud dan Tujuan
1.3.1 Maksud
Untuk memenuhi salah satu tugas mata kuliah Manajemen Logistik.
1.3.2 Tujuan
Untuk mengetahui tentang forecasting, pengaruh demand forecasting terhadap
permintaan mobil xpander dan apa kelebihannya

4
 BAB II
TINJAUAN PUSTAKA
2.1 Definisi Manajemen

Manajemen adalah sebuah proses untuk mengatur sesuatu yang dilakukan

oleh sekelompok orang atau organisasi untuk mencapai tujuan organisasi tersebut
dengan cara bekerja sama memanfaatkan sumber daya yang [Link]
etimologi kata manajemen diambil dari bahasa Perancis kuno, yaitu menagement,
yang artinya adalah seni dalam mengatur dan melaksanakan. Manajemen dapat
juga didefinisikan sebagai upaya perencanaan, pengkoordinasian,
pengorganisasian dan pengontrolan sumber daya untuk mencapai sasaran secara
efisien dan efektif.

Sedangkan menurut Hasibuhan (2016), Manajemen adalah suatu proses untuk

mewujudkan tujuan yang [Link] sebagai ilmu
pengetahuan,manajemen juga bersifat universal dan mempergunakan kerangka
ilmu pengetahuan yang sistematis.
Dan ditegaskan pula pada penelitian Ibrahim (2016), Manajemen merupakan
proses yang khas yang terdiri dari tindakan perencanaan, pengorganisasian,
menggerakan dan pengawasan yang dilakukan untuk menentukan serta mencapai
sasaran yang sudah ditetapkan melalui pemanfaatan sumber daya manusia seta
sumber-sumber lain.
Jadi dapat disimpulkan bahwa manajemen adalah suatu ilmu dan seni atau
suatu proses perencanaan, pengorganisasian, memimpin, dan pengendalian
sumber daya manusia dan sumber daya lainnya untuk mencapai tujuan tertentu.
2.2 Definisi Manajemen Logistik
Secara umum pengertian manajemen logistik adalah suatu penerapan prinsip-
prinsip manajemen dalam kegiatan logistik dengan tujuan agar pergerakan
personil dan barang dapat dilakukan secara efektif dan efisien.
Logistik merupakan suatu ilmu pengetahuan dan atau seni serta proses
mengenai perencanaan dan penentuan kebutuhan pengadaan, penyimpanan,

5
penyaluran dan pemeliharaan serta penghapusan material/alat-alat (aditama,
2003).
Sedangkan menurut Donald J. Bowersox dalam bukunya Manajemen Logistik
(1978) menyatakan bahwa manajemen logistik adalah unik karena ia merupakan
salah satu aktivitas perusahaan yang tertua tetapi juga termuda. Aktivitas logistik
(lokasi fasilitas, transportasi, inventarisasi, komunikasi, dan engurusan &
penyimpanan) telah dilaksanakan orang semenjak awal spesialisasi komersil. Sulit
untuk dapat membayangkan sesuatu pemasaran atau manufakturing yang tidak
membutuhkan sokongan logistik.
Manajemen logistik adalah suatu ilmu pengetahuan dan atau seni serta proses
mengenai perencanaan dan penentuan kebutuhan pengadaan, penyimpanan,
penyaluran dan pemeliharaan serta penghapusan material/alat-alat, sehingga
manajemen logistik mampu menjawab tujuan dan bagaimana cara mencapai
tujuan dengan ketersediaan bahan logistik setiap saat bila dibutuhkan dan
dipergunakan secara efisien dan efektif (Subagya, 1994).
Jadi, Manajemen logistik adalah bagian dari proses supply chain management
(SCM) yang memiliki fungsi penting dalam perencanaan, pelaksanaan, dan
pengendalian efektifitas dan efisiensi penyimpanan dan aliran barang, pelayanan
dan informasi, hingga ke titik konsumsi untuk memenuhi keperluan konsumen.
2.3 Pengertian Demand Forcasting

Forecasting atau perkiraan adalah kegiatan yang bertujuan untuk meramalkan

atau memprediksi segala hal yang terkait dengan produksi, penawaran, permintaan
,dan penggunaan teknologi dalam sebuah industri atau usaha. Perkiraan ini pada
akhirnya akan digunakan oleh perusahaan maupun pihak manajemen operasional
untuk membuat perencanaan terkait kegiatan usaha dalam beberapa periode
tertentu.

Peramalan permintaan (demand forcasting) merupakan tingkat permintaan

produk-produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada
masa yang akan datang.

6
2.4 Fungsi Forcasting
Fungsi perkiraan atau forecasting terlihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa
yang akan terjadi pada waktu keputusan itu dilaksanakan (Ginting, 2007).
Menurut Heizer dan Render (2009:47), perkiraan atau forecasting memiliki tujuan
sebagai berikut:
a. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu, serta
melihat sejauh mana pengaruh di masa datang.
b. Perkiraan diperlukan karena adanya time lag atau delay antara saat suatu
kebijakan perusahaan ditetapkan dengan saat implementasi.
c. Perkiraan merupakan dasar penyusunan bisnis pada suatu perusahaan sehingga
dapat meningkatkan efektivitas suatu rencana bisnis.

2.5 Jenis-jenis Peramalan (Forecasting) 

Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga
jenis, yaitu (Herjanto, 2008:78):
1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari
18 bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18
bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan
produksi dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3
bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan karyawan.
Berdasarkan fungsi dan perencanaan operasi di masa depan, peramalan atau
forecasting dibagi menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
1. Peramalan ekonomi (economic forecast), peramalan ini menjelaskan
siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana
yang dibutuhkan untuk membangun perumahan dan indikator perencanaan
lainnya. 
2. Peramalan teknologi (technological forecast), peramalan ini
memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan
produk baru yang menarik, yang membutuhkan pabrik dan peralatan yang
baru. 
3. Peramalan permintaan (demand forecast), adalah proyeksi permintaan
untuk produk atau layanan perusahaan. Proyeksi permintaan untuk produk
atau layanan suatu perusahaan. Peramalan ini juga disebut peramalan
penjualan yang mengendalikan produksi, kapasitas, serta sistem

7
 penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran,
dan sumber daya manusia.
Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi dua jenis,
yaitu (Saputro dan Asri, 2000:148):
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data
kualitatif pada masa lalu. Hasil ramalan yang dibuat sangat tergantung pada
orang yang menyusunnya. Hal ini penting karena peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan
secara kualitatif ini didasarkan atas hasil penyelidikan, seperti pendapat
salesman, pendapat sales manajer pendapat para ahli dan survey konsumen. 
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
penjualan pada masa lalu. Hasil peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut. Penggunaan
metode yang berbeda akan diperoleh hasil yang berbeda pula.
Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis, yaitu
(Ginting, 2007)
1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya. 
2. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-
metode dalam penganalisaan data tersebut.

8
 BAB III

ANALISIS DAN PEMBAHASAN

3.1 Analisis jurnal

N Jurnal Persamaan Perbedaan Kesimpulan

O Penelitian
1. Demand Sama-sama Jurnal Berdasarkan hasil
forecasting menggunakan pendukung perhitungan yang
smartphone X metode dengan jurnal dilakukan
seiring kuantitatif. utama ditunjukkan bahwa
perkembanga menggunakan permintaan
n teknologi di metode yang Smartphone X di
Provinsi berbeda. Untuk Propinsi Sumatera
Sumatera jurnal Utara positif
Utara, pendukung dipengaruhi oleh
Meilita(2019) menggunakan PDRB (Produk
Metode Uji T Domestik Regional
(metode uji Bruto), IHK
rata-rata). (Indeks Harga
Sedangkan Konsumen), dan
untuk jurnal ITB (Indeks
utama Tendensi Bisnis).
menggunakan Hal ini dilihat dari
Metode Double hasil model
Moving sumamry pada
Average dan model matematis
Double yang diperoleh
Exponential bahwa nilai
Smoothing. keofisien korelasi
adalah sebesar
0,984 yang artinya

9
 bahwa keempat
variabel
independen secara
simultan memiliki
pengaruh yang kuat
terhadap
permintaan
Smartphone X di
Propinsi Sumatera
Utara.
2. Peramalan Sama-sama Jurnal ini tidak Jurnal ini tidak
penjualan menggunakan menggunakan begitu memiliki
hijab metode metode Trend banyak perbedaan
sxproject peramalan Rata- Analisis tidak Karena jurnal ini
menggunakan rata Bergerak seperti jurnal mengambil
metode (Moving utamanya. referensi dari jurnal
moving Average) dan utama.
average dan Penghalusan
exponential Eksponensial
smooting, (Exponensial)
Khamaludin(2
sama-sama
019)
menggunakan
metode analisis
kesalahan Mean
Absolute
Deviation
(MAD), Mean
Squared Error
(MSE), dan
Mean Absolute
Percent Error

10
 (MAPE).
3. Demand Antara jurnal Jurnal Metode regresi
forcasting for pendukung dan pendukung ternyata berkinerja
a mixed use jurnal utama dengan jurnal lebih baik daripada
building using sama-sama utama model klasifikasi
agent menggunakan menggunakan umtuk prediksi
schedule analisis metode yang permintaan panas.
information kuantitatif dan berbeda. Untuk Demikian pula, dari
with a data kualitatif. jurnal hasil perbandingan
driven pendukung didapatkan bahwa
model,Zihao menggunakan dengan
li(2019). model berbasis menggunakan
data dengan model data dapat
Metode Regresi mensimulasikan
(model analisis konsumsi energi,
yamg meskipun tidak ada
digunakan pengethauan
untuk melihat tentang kondisi
pengaruh fisik bangunan.
antara dua
variabel.
Sedangkan
untuk jurnal
utama
menggunakan
Metode Double
Moving
Average dan
Double
Exponential
Smoothing.

11
4. Sistem Pada jurnal Pada jurnal Kesimpulannya,
forcasting utama dan jurnal pertama pada jurnal utama
perencanaan pendukung sama menggunakan dan pendukung
produksi sama sumber data sama-sama
dengan menggunakan primer dan menggunakan
metode single metode single sekunder. metode single
exponensial exponential Sedangkan exponential
smoothing smooting dengan pada jurnal smooting yaitu
pada kripik ukuran kesalahan pendukung metode yang
singkong pada permintaan menggunakan menunjukan
srikandi di sama - sama sumber data pembobotan
kota Langsa, menggunakan (a) kualitatif dan menurun secara
Dewi dan Evi rata-rata deviasi kuantitatif. exponensial
(2018) mutlak (Mean terhadap nilai
Perbedaan
Absolute pengamatan yang
kedua pada
Deviation- lebih lama.
jurnal utama
MAD), (b) rata-
menggunakan
rata kuadrat
metode Moving
kesalahan (Mean
Average
Square Error-
sedangkan pada
MSE), (c) rata-
jurnal
rata kesalahan
pendukung
peramalan
tidak. Lalu
(Mean Forcast
pada jurnal
Error-MFE), (d)
utama
rata-rata
menggunakan
persentase
analisis trend
kesalahan
sedangkan pada
absolut (Mean
jurnal
Absolute
pendukung
Persentage
menggunakan

12
 Error-MAPE). analisis
deskriptif.
5. A review of Jurnal ini sama- Jurnal Kesimpulannya
demand sama pendukung pada jurnal
forecasting menggunakan menggunakan pendukung ini lebih
models and metode moving banyak metode kompleks karena
methodologic average. yang tidak jika dilihat dalam
al digunakan dari metode yang
developement jurnal utama, digunakan
s within yaitu : (a) time ketimbang dengan
tourism and series models, jurnal utama.
passenger (b)
transportation autoregressive
industry, moving
Iman average
Ghalehkhond (ARMA), (c)
abi (2018). autoregressive
integrated
moving
average
(ARIMA), (c)
SARIMA, (d)
regression
models, (e)
support vector
machines, dll.
6. Domestic Pada jurnal Perbedaannya Kesimpulannya,
water demand utama dan jurnal pada jurnal pada kedua jurnal
forecasting in pendukung utama yaitu jurnal utama
the Yellow memiliki menggunakan dan jurnal
River basin kesamaan yaitu metode pendukung sama-

13
 under menggunakan exponensial sama mengginakan
changing analisis analisis analisis data
environment, kuantitatif dan sedangkan pada kuantitatif
Xiao-jun kualitatif pada jurnal berdasarkan data
Wang et al. data populasi. pendukung populasi masa lalu.
(2018) Pada jurnal hanya Populasi adalah
pendukung ini menggunakan kumpulan dari
menggunakan data data keseluruhan
analisis populasi tahun pengukuran, objek,
kuantitatif sebelumnya atau individu yang
berdasarkan data saja. sedang dikaji.
data populasi
tahun
sebelumnya
7. Demand Kedua jurnal ini Pada jurnal Pada
forecasting in sama-sama utama hanya kesimpulannya
the presence menggunakan menggunakan jurnal utama dan
of systematic metode metode jurnal pendukung
events: cases peramalan kuantitatif saja, sama-sama
in capturing kualitatif dan sedangkan melakukan
sales sama-sama untuk jurnal penelitian atau
promotions, menggunakan pendukung menganalisis
Mahdi perkiraan menggunakan 2 dengan berbagai
Abolghasemi peramalan. metode yaitu metode untuk
al (201 ) kualitatif dan mendapatkan
kuantitatif. gambaran atau
wawasan terhadap
perilaku konsumen.
8. Optimisation Pada jurnal Dari jurnal Kesimpulannya,
of water utama maupun utama dan jurnal utama dan
demand jurnal pendukung jurnal pendukung

14
 forecasting by pendukung terdapat sama-sama
artificial terdapat beberapa melakukan
intelligence persamaan yang perbedaan. penelitian atau
with short digunakan Jurnal menganalisis
data sets, diantaranya dari pendukung dengan berbagai
Rafael jurnal utama menggunakan metode untuk
Gonzalez terdapat beberapa memprediksi
Perea, el persamaan metode keyakinan
(2018) terhadap model diantaranya konsumen untuk
metode moving metode regresi memenuhi
average, dan metode uji kebutuhan.
sedangkan dari T. sedangkan
jurnal untuk jurnal
pendukung utamanya
mengunakan terdapat
metode metode
peramalan rata- eksponensial
rata bergerak. smooting dan
metode tren
analisis.
9. Peramalan Pada jurnal Pada jurnal Jadi kesimpulan
permintaan utama dan jurnal utama ini jurnal utama dan
produk pendukung menggunakan jurnal pendukung
insektisida memiliki metode moving sama-sama
dengan kesamaan yaitu average, melakukan Analisa
metode menganalisa exponential peramalan
regresi linear peramalan smooting dan permintaan atau
berganda dan permintaan dan trend analysis. menganalisis
jaringan saraf menganalisa Sedangkan pengaruh
tiruan, Yusuf pengaruh jurnal konsumen dan
Qaradhawi konsumen dan pendukung membuka wawasan

15
 ST, el (2019) melakukan menggunakan terhadap perilaku
survey untuk metode regresi konsumen.
menambah berganda.
wawasan dalam
perilaku
konsumen.

Alasan memilih jurnal yang berjudul Analisa Peramalan Permintaan Mobil

Mitsubishi Xpander dengan Tiga Metode Forecasting.

Pada penelitian jurnal Dalam penelitian ini, penulis membahas analisis peramalan
permintaan mobil Mitsubhisi Xpander. Peramalan dilakukan dengan
menggunakan tiga metode yaitu metode Moving Average, metode Exponential
Smoothing dan metode Trend Analysis dengan membandingkan persentase rata-
rata kesalahan absolut MAPE (Mean Absolute Persentage Error), maka metode
peramalan yang dipilih adalah metode Exponential Smoothing, dengan MAD nilai
2203.865, MSE adalah 5987605, dan kesalahan standar adalah 2774,59. Dari
analisis pengolahan data yang telah dilakukan berdasarkan metode peramalan
yang dipilih, peramalan penjualan mobil Mitsubhisi Xpander adalah 5.319.466
atau 5.320 mobil / bulan, artinya PT .itsubhisi Motors Indonesia harus
menyediakan 5.320 Mobil Mitsubhisi Xpander setiap bulan untuk memenuhi
konsumen permintaan.

3.2 Bagaimana pengaruh permintaan mobil xpander menggunakan metode

moving average.

16
 Moving average merupakan metode yang paling sering digunakan dan paling
standar. Moving average adalah suatu metode peramalan umum dan mudah
untuk menggunakan alat-alat yang tersedia untuk analisis tekniks. Moving
average menyediakan metode sederhana untuk pemulusan data masa lalu. Metode
ini beguna untuk peramalan ketika tidak terjadi tren, gunakan estimasi berbeda
untuk mempertimbangkanya. Hal ini disebut dengan “bergerak” karena sebgai
data baru yang tersedia, data yang tertua tidak digunakan lagi (Makridakis dkk,
1999).

Analisis dengan menggunakan Metode Moving Average Moving average adalah

suatu metode peramalan umum dan mudah untuk menggunakan alat-alat yang
tersedia untuk analisis tekniks, Untuk mendapatkan hasil peramalan yang lebih
ekektif, maka kita menggunakan metode rata-rata bergerak sebanyak 2 periode,
yaitu periode 1 dan periode ke 2. hasil perhitungannya adalah sebagai berikut:.

a. Moving Average dengan Periode 1 Dari data yang didapat berikut ini hasil
perhitungannya:

Berdasarkan table diatas didapat nilai forecast permintaan untuk periode

berikutnya sebesar 3300 mobil, nilai MAD sebesar 1244.444, MSE sebesar
2831111, dan Bias sebesar 244.44 sedangkan standart error sebesar 1907.878.
Berdasarkan output tersebut maka dapat dilihat dari MAPE (Mean Absolute
Percent Error) bahwa tingkat kesalahan penggunaan metode ini sebesar 29.42 %.

b. Moving Average dengan Periode 2 Dari data yang didapat berikut ini hasil
perhitungannya:

17
Berdasarkan Tabel diatas didapat nilai forecast penjualan untuk periode
berikutnya sebesar 4900 mobil, nilai MAD sebesar 1437.5, MSE sebesar
3675000, dan Bias sebesar 450 sedangkan standart error sebesar 2213.594.
Berdasarkan output tersebut maka dapat dilihat dari MAPE (Mean Absolute
Percent Error) bahwa tingkat kesalahan penggunaan metode ini sebesar 30.56 %,
Namun untuk menentukan keputusan menggunakan metode ini atau tidak, maka
kita akan membandingkan dengan metode lainnya. Sebagai bahan perbandingan
awal dapat kita bandingkan di antara kedua model rata-rata bergerak periode 1
dan 2 dengan melihat MAPE (Mean Absolute Percent Error). Dari pengolahan
data didapat nilai MAPE 1(29.42 %) < MAPE 2 (30.56%). Sehingga dapat
disimpulkan untuk sementara bahwa model rata-rata bergerak periode 1 lebih baik
dibandingkan periode 2 karena nilai MAPE periode 1 lebih kecil dibandingkan
periode 2.

3.3 Bagaimana pengaruh permintaan mobil xpander menggunakan metode

Exponential Smoothing

Metode exponential smoothing adalah metode yang menunjukkan pembobotan

menurun secara eksponensial terhadap nilai pengamatan yang lebih lama.
Terdapat satu atau lebih parameter penulisan yang ditentukan secara eksplisit, dan
hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi.
(Makridakis dkk, 1999).

18
Berdasarkan table diatas didapat bahwa nilai forecast untuk periode berikutnya,
yaitu sebesar 5319.466, nilai MAD sebesar 2203.865, nilai MSE sebesar 5987605,
dan Bias (Mean Error) sebesar 1562.765 dan Standart Error sebesar 2774.59.
Berdasarkan output tersebut dapat di lihat MAPE (Mean Absolute Percent Error)
sebesar 44.57%, jadi dapat dikatakan bahwa tingkat kesalahan peramalan
penjualan sebesar 44.57 %.

3.3 Bagaimana pengaruh permintaan mobil xpander menggunakan metode

Trend Analisis

Yaitu metode Memisahkan tiga komponen terpisah dari pola dasar yang cendrung
mencirikan deret data ekonomi dan bisnis. Komponen tersebut adalah factor trend,
siklus dan musiman.

Dari table diatas didapat bahwa nilai forecast untuk periode berikutnya, yaitu
sebesar 7253.333, nilai MAD sebesar 1411.394, nilai MSE sebesar 2999406, Bias
(Mean Error) sebesar 0 dan standart error = 1936.3. Berdasarkan output tersebut

19
dapat dilihat MAPE (Mean Absolute Percent Error) yaiti tingkat kesalahan
peramalan 46.90%.

20
 BAB IV

KESIMPULAN

Demand forecasting mempunyai fungsi untuk menentukan berapa banyak dari

tiap barang yang diproduksi perusahaan yang harus diangkut ke berbagai pasar.
Ini merupakan hal yang penting bagi perusahaan untuk menjelaskan beberapa tipe
ramalan permintaan dan mendiskusikan hasil tersebut dengan bagian pemasaran,
produksi, dan separtemen logistic.
Berbagai macam metode dalam Demand Forecasting yang diterapkan oleh
perusahaan dapat
membantu pembuatan ramalan yng diperlukan. Peramalan dipengaruhi oleh biaya,
ketepatan dalam peramalan, mudah tidaknya penggunaan aplikasi dalam
pengambilan keputusan.
Dengan menganalisis jurnal internasional dan jurnal nasional kita dapat
mengetahui metode-metode yang telah digunakan perusahaan, dan sudah
dilakukan penelitian serta terdapat hasil dari metode-metode peramalan itu
sendiri.

21
 DAFTAR PUSTAKA

[Link]
[Link]
[Link]
kesuksesan-bisnis/
[Link]

22