FORECASTING PENJUALAN UNIT PADA CV.

NIAGA PRATAMA MOTOR

Forecasting Penjualan Unit Sepeda Motor

Diperoleh data penjualan pada periode bulan Januari (1) sampai Desember (12)
tahun 2014.

Tabel 4.1 Data Penjualan

PERIODE (t) DATA AKTUAL (y)

1 46
2 51
3 55
4 38
5 47
6 40
7 25
8 28
9 24
10 35
11 26
12 20

Dan dari data tersebut akan ditentukan hasil forecasting untuk bulan Januari
(13) sampai bulan Desember (24) 2015 digunakan persamaan :

Table 4.2 Forecasting

PERIODE DATA AKTUAL t*y t2

(t) (y)
13 46 598 169
14 51 714 196
15 55 825 225
16 38 608 256
17 47 799 289
18 40 720 324
19 25 475 361
20 28 560 400
21 24 504 441
22 35 770 484
23 26 598 529
24 20 480 576
t = 222 y = 435 t * y = t2 = 4250
7651
(t)2 =
49284
Maka didapatkan :

t = 222

y = 435

t*y = 7651

t2 = 4250

(t)2 = 49284

Jika seluruh sigma dan nilai lainnya sudah di dapat, maka proses menghitung nilai a
dan nilai b bisa dilakukan dengan menggunakan rumus :

t


2

b= t 2
n
n ( t . y ) t y

yb t
a= n

Hasil Perhitungan :

12 .7651222 .435 9181296570 4758

b= 12.425049284 = 5100049284 = 1716 = 2,77

435(2,77 .222) 435+614,94 1049,94

a= 12 = 12 = 12 = 87,5

Jika hasil nilai a dan nilai b tersebut dimasukkan kedalam persamaan linier
sederhana dengan rumus sebagai berikut maka :

F (t) = y = a + bt

Keterangan :

F (t) = Hasil Peramalan Pada Periode Tertentu.

y = Y aksen.

a = Nilai dari Ft pada t = 0

b = Kemiringan Garis.

t = Periode.

Maka akan didapatkan hasil peramalan F(t) yaitu hasil linier dari bulan Januari (13)
sampai bulan Desember (24) tahun 2015 yang tertera didalam table berikut ini :

Tabel 4.3 Proses Perhitungan Forecosting

PERIODE PROSES PERHITUNGAN

DATA AKTUAL (y) y
(t) (F(t) = y = a + bt)
13 46 87,5 + (2.77 * 13) 51.49
14 51 87,5 + (2.77 * 14) 48.72
15 55 87,5 + (2.77 * 15) 45.95
16 38 87,5 + (2.77 * 16) 43.18
17 47 87,5 + (2.77 * 17) 40.41
18 40 87,5 + (2.77 * 18) 37.64
19 25 87,5 + (2.77 * 19) 34.87
20 28 87,5 + (2.77 * 20) 32.1
21 24 87,5 + (2.77 * 21) 29.33
22 35 87,5 + (2.77 * 22) 26.56
23 26 87,5 + (2.77 * 23) 23.79
24 20 87,5 + (2.77 * 24) 21.02

Analisis Hasil Akurasi Peramalan

Setelah proses perhitungan hasil peramalan selesai langkah berikutnya

adalah melakukan perhitungan akurasi kesalahan diantaranya MAD, MSE, MAPE
seperti yang tertera di bawah ini :

Tabel Akurasi Kesalahan

DATA | yf | / y )
PERIODE | yf | ((
AKTUAL t*y t2 f (y f)2
(t)
(y) *100)
13 46 598 169 51.49 5.49 30.14 11.93
14 51 714 196 48.72 2.28 5.2 4.47
15 55 825 225 45.95 9.05 81.9 16.45
16 38 608 256 43.18 5.18 26.83 13.63
17 47 799 289 40.41 6.59 43.43 14.02
18 40 720 324 37.64 2.36 5.57 5.9
19 25 475 361 34.87 9.87 97.42 39.48
20 28 560 400 32.1 4.1 16.81 14.64
21 24 504 441 29.33 5.33 28.41 22.21
 22 35 770 484 26.56 8.44 71.23 24.11
23 26 598 529 23.79 2.21 4.88 8.5
24 20 480 576 21.02 1.02 1.04 5.1
t = 222 y = t*y = t2 = f = (y-f)2 = | yf |
((
435 7651 4250 435.06 | yf | 412.86
/y)*100)
= =180.44
61.92
(t)2=
49284

Setelah hasil sigma diperoleh secara keseluruhan maka langkah berikutnya hasil
sigma dihitung menggunakan rumus berikut ini :

MAD ( Mean Absolute Deviation )

|Aktualforecast|
MAD = n

61.92
MAD = 12 = 5.16

MSE (Mean Square Error )

( AktualForecast ) 2
MSE =
n1