SEMARANG
TUGAS AKHIR
Oleh:
Siti Sulikah
4151302522
Matematika
Statistika Terapan dan Komputasi
2005
2
ABSTRAK
HALAMAN PENGESAHAN
Tugas Akhir ini telah dipertahankan dihadapan sidang panitia ujian Tugas Akhir
pada:
Hari : Senin
Panitia Ujian
Ketua Sekretaris
Pembimbing I Pembimbing II
Penguji I Penguji II
MOTTO
Jerih payah hanya akan berhasil kalau pelakunya tidak mudah putus
asa ( Napoleon).
Bapak dan Ibu terkasih yang tak putus harapan untuk sebuah doá
Mbak-mbak, Mas-masku & Ponakan-ponakan yang kusayangi Wawan, Tika, Upi yang
Almamaterku UNNES
5
KATA PENGANTAR
telah melimpahkan nikmat dan semua kasih sayangNya, sehinnga penulis dapat
menyelesaikan tugas akhir ini tanpa suatu halangan apapun. Sholawat serta salam
tercurah pada suri tauladan kita Nabi Muhammad SAW, keluarga, serta para
sahabatnya.
Penulisan tugas akhir ini dimaksudkan untuk memenuhi salah satu syarat
dalam rangka menyelesaikan studi Diploma III untuk memperoleh gelar Ahli
Madya. Terselesaikannya tugas akhir ini tidak lepas dari bantuan dan bimbingan
dari berbagai pihak, sudah sepatutnya dalam kesempatan ini penulis mengucapkan
1. Bapak Dr. H. Ari Tri Soegito, S.H., M.M, Rektor Universitas Negeri
Semarang.
peneltitian ini.
3. Bapak Drs. Supriyono, M.Si, Ketua Jurusan Matematika yang telah membantu
4. Ibu Dra. Nur Karomah D.W, M.Si, Ketua Prodi Statistika Terapan dan
7. Pimpinan CV. BINA HIDUP Semarang yang telah memberikan ijin kepada
8. Seluruh staf dan karyawan CV. BINA HIDUP Semarang yang telah
membantu penulis baik langsung maupun tidak langsung sehingga tugas akhir
dan keberhasilanku.
11. Temen-temen kos An-najah yang telah memberikan motivasi kepada penulis
diberikan kepada penulis. Dalam penyusunan tugas akhir ini penulis menyadari
kritik dan saran yang membangun. Semoga tugas akhir ini dapat memberikan
Penulis
7
DAFTAR ISI
Halaman
HALAMAN JUDUL………………………………………………… I
ABSTRAK……………………………………………………………. ii
KATA PENGANTAR……………………………………………….. v
DAFTAR LAMPIRAN……………………………………………… ix
BAB I PENDAHULUAN
D. Penegasan Istilah…………………………………………... 7
E. Sistematika Penulisan…………………………………….... 8
A. Forecasting……………………………………………….. 10
B. Penjualan……………………………………………………12
1. Pengertian Penjualan……………………………….…..12
2. Tujuan Penjualan………………………………………..12
D. Metode Dekomposisi……………………………………….16
8
A. Ruang Lingkup……………………………………………….35
1. Data Primer……………………………………………….35
2. Data Sekunder…………………………………………….35
C. Analisis Data………………………………………………….36
D. Penarikan Kesimpulan………………………………………...38
A. Hasil Penelitian………………………………………………..39
B. Pembahasan……………………………………………………41
BAB V PENUTUP
A. Kesimpulan……………………………………………………43
B. Saran…………………………………………………………...44
DAFTAR PUSTAKA…………………………………………………….46
LAMPIRAN………………………………………………………………47
9
DAFTAR LAMPIRAN
perbulan
2002-2004
Lampiran 5 :Tabel 16 Persentase data nilai riil dari nilai trend serta mediannya
BAB I
PENDAHULUAN
manusia. Hal tersebut terjadi karena hasil kemajuan teknologi yang ada pada
saat ini telah menjadi bagian yang tidak dapat dipisahkan dengan kebutuhan
manusia itu sendiri. Oleh karena itu sudah sewajarnya bila seorang
dipecahkan.
hubungan antar berbagai faktor ekonomi bisa dinyatakan secara lebih singkat
perusahaan yang satu dengan yang lain saling berlomba untuk memberikan
akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perusahaan ( pangestu
pengambilan keputusan. Kerja dengan forecasting akan jauh lebih baik dari
pada tanpa forecast sama sekali. Salah satu diantaranya adalah peramalan
depan.
semakin baik ramalan tersedia untuk pimpinan semakin baik pula prestasi
yang dilukakan umumnya berdasarkan data yang terdapat pada masa lampau
menyampaikan sesuatu yang akan terjadi dimasa yang akan datang. Sehingga
12
tergantung pada berbagai faktor, yang jelas tidak akan didapatkan hasil
naik ( increasing) atau makin turun (decreasing). Ramalan penjualan ini juga
production sehingga banyak barang yang tidak laku atau under production
biaya produksi, biaya publikasi dan biaya iklan yang harus disediakan
belum terjadi. Dalam ilmu pengetahuan sosial segala sesuatu serba tidak pasti,
lain halnya dengan ilmu-ilmu eksakta. Kalau proses perubahan dapat diketahui
tepat, maka forecasting pasti bisa tepat seperti yang akan terjadi. Hal ini
Lain halnya dengan ilmu sosial, hubungan yang pasti ini sulit
diperoleh dan pola perubahan yang sebenarnya sulit diketahui. Oleh karena
itu, dalam membuat forecast keadaan sosial pada umumnya dan bidang
perasaan, dan sebagainya. Dalam bidang sosial ekonomi, meskipun tidak bisa
13
membuat forecasting yang persis sama dengan kenyataan, tetapi bukan berarti
forecast akan jauh lebih baik dari pada tanpa forecast sama sekali.
Keunggulan metode ini dibandingkan dengan metode lainnya adalah pola atau
pola yang menunjukkan tiap-tiap komponen deret berkala secara terpisah dan
dan membantu atas deret data secara lebih baik (Spyros M,1992:123)
Dewasa ini industri minyak dan gas bumi memegang peranan penting
kompresi mesin yang tinggi, maka dibutuhkan pula bahan bakar yang
memiliki nilai oktan yang lebih tinggi pula. Salah satu bahan bakar yang
mempunyai nilai oktan yang tinggi adalah pertamax, nama pertamax baru
beredar sekitar 3 tahun yang lalu, dulu namanya Super TT kemudian diganti
14
para pemilik kendaraan yang biasa menggunakan bahan bakar beroktan tinggi.
1. Rumusan masalah
Semarang?
2. Pembatasan masalah
Tujuan utama yang akan dicapai dalam penyusunan tugas ahkir ini
1. Bagi penulis
2. Bagi Jurusan
Agar dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan
2006.
16
D. Penegasan Istilah
istilah-istilah yang ada dalam judul penelitian ini, maka perlu adanya
1. Dekomposisi
M,1992:123)
2. Forecasting (peramalan)
pada waktu yang akan datang berdasarkan data masa lampau yang
3. Volume Penjualan
dengan ukuran tertentu atau dengan sejumlah uang yang disebut harga.
17
E. Sistematika Penulisan
Secara garis besar Tugas Akhir ini dibagi menjadi 3 bagian yaitu bagian
kata pengantar, daftar isi, daftar gambar, daftar tabel, daftar lampiran.
BAB I PENDAHULUAN
metode dekomposisi.
Pamularsih Semarang.
BAB V PENUTUP
3. Bagian Akhir Tugas Akhir ini berisi: Daftar Pustaka dan Lampiran.
19
BAB II
LANDASAN TEORI
A. Forecasting
bahwa semakin baik ramalan tersedia untuk pimpinan semakin baik pula
segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat.
20
Didalam forecasting kita selalu bertujuan agar forecast yang kita buat bisa
(Pangestu S, 1986:3).
yang akan datang, sedang rencana merupakan penentuan apa yang akan
Forecasting adalah peramalan apa yang akan terjadi, tetapi belum tentu
suatu bahan bakar 350000 liter pada tahun yang akan datang, berarti
B. Penjualan
1. Pengertian Penjualan
Swastha,1998:403).
2. Tujuan Penjualan
atau cita-cita demikian pula halnya dengan pengusaha atau penjual. Tujuan
dan kemampuan yang memadai. Selain itu, harus diperhatikan pula faktor-
Dengan demikian tidak berarti bahwa barang atau jasa yang terjual selalu
menghasilkan laba.
penjualan yang utama adalah mendapatkan laba. Laba tersebut jatuh pada
Data time Series atau data deret waktu adalah sekumpulan hasil
observasi yang diatur dan didapat menurut urutan kronologis, biasanya dalam
interval waktu yang sama ( Sudjana, 1981:239). Rangkaian waktu tidak lain
atau variabel yang diambil dari waktu kewaktu, dicatat secara teliti menurut
(Sutrisno H, 2000:432).
menunjukkan pola yang teratur, maka akan dapat dibuat suatu ramalan yang
cukup kuat mengenai tingkah laku gejala yang dicatat. Atas dasar ramalan itu
tahun, dan sebagainya. Salah satu fungsi time series adalah memberi cara
siklik dan variasi musim ( jika ada) bebas dari variasi random.
24
pola pokok. Pola ini biasa disebut komponen dari rangkaian waktu.
Gerakan jangka panjang atau biasa disebut seculer trend adalah rata-rata
perubahan (biasanya tiap tahun) dalam jangka panjang. Kalau hal yang
kalau hal yang kita teliti menunjukkan gejala semakin berkurang maka
yang berulang kembali dalam jangka waktu tidak lebih dari satu tahun.
pasang surut sesuatu hal yang berulang kembali dalam waktu lebih dari
4. Gerakan tak karuan atau gerakan tak teratur atau Variasi random
D. Metode Dekomposisi
sebagai berikut:
1. Trend (T)
Masing-masing pola perubahan akan dipelajari dan dicari satu per satu, setelah
mengalikan.
X=TxMxSxR
1. Trend (T)
dalam jangka panjang. Ada beberapa metode yang dapat digunakan untuk
membuat trend, yaitu metode trend linier least square, trend parabolic,
26
ini digunakan metode least square. Dikatakan metode least square karena
^
berikut: Y = a + bX
^
Y adalah nilai trend (forecast), a bilangan konstan, b slope atau
0 X
Gambar 1. garis trend dan data asli
^
Pada gambar diatas Y merupakan nilai trend sedang Y merupakan nilai
asli yang diperoleh. Tahun biasanya diwakili dengan nilai X yang
skalanya sederhana. Misalnya kalau nilai X pada tahun 2003=1 maka
27
pada tahun 2002=0 pada tahun 2004=2 dan seterusnya. Pada tahun
dimana X= 0 nilai trend sebesar a.
Untuk mencari nilai a dan b dari persamaan diatas dapat
digunakan dua persamaan normal sebagai berikut:
∑ Y = n.a + b∑ X
∑ XY = a.∑ X + b∑ X 2
a=
∑Y
n
b=
∑ XY
∑X 2
Tabel 1
Menghitung Least Square Trend Penjualan
Tahun Penjualan (Y) X X2 XY
(1) (2) (3) (4) (5)
2002 262030 -1 1 -262030
2003 262847 0 0 0
2004 330289 1 1 330289
∑ 855166 0 2 68259
28
a=
∑Y =
855166
= 285055,3
n 3
b=
∑ XY =
68259
= 34129,5
∑X 2
2
^
trend: Y = a + bX , sehingga diperoleh persamaan trendnya sebagai
berikut:
^
Y = 285055,3 + 34129,5 X
a yang baru sebesar nilai trend pada tahun yang menjadi origin
^
Y = 353314,3 + 34129,5 X
^ 285055,3 34129,5
Y = + X
4 4
^
Y = 71263,825 + 8532,375 X
2003).
a dibagi 4 dan b dibagi 42. Dalam hal ini kuartal I adalah bulan
Januari – Maret.
^ 285055,3 34129,5
Y = + X
4 16
^
Y = 71263,825 + 2133,09 X
^
2003 Kw.I Y = 71263,825 + 2133,09(−1,5) = 68064,19
^
Kw.II Y = 71263,825 + 2133,09(−0,5) = 70197,28
^
Kw.III Y = 71263,825 + 2133,09(0,5) = 72330,37
^
Kw.IV Y = 71263,825 + 2133,09(1,5) = 74463,46
^
2004 Kw.I Y = 71263,825 + 2133,09(2,5) = 76596,55
dan seterusnya.
^
Y = 70197,28 + 2133,09 X
tahun 2003).
Kw.I Kw II Kw III Kw IV
2003 -1 0 1 2
2004 3 4 5 6
Sehingga nilai trend kuartalan dapat dicari dengan
sebagai berikut:
^
2003 Kw.I Y = 71263,825 + 2133,09(−1) = 69130,735
^
Kw.II Y = 71263,825 + 2133,09(0) = 71263,825
^
Kw.III Y = 71263,825 + 2133,09(1) = 73396,915
^
Kw.IV Y = 71263,825 + 2133,09(2) = 75530,005
^
2004 Kw.I Y = 71263,825 + 2133,09(3) = 77663,095
dan seterusnya.
32
berulang kembali dalam waktu tidak lebih dari satu tahun. Pada
konsumsi, nilai obligasi dan saham, kurs mata uang asing umumnya
(1) Susunlah data tiap kuartal ( atau bulan sesuai dengan kebutuhan)
kolom 6.
272256,56
(4) Cari rata-rata dari tabel 4 kolom 6 yaitu = 68064,14
4
70111,6
Kw.I = x100% = 103,01%
68064,14
66513,51
Kw.II = x100% = 97,72%
68064,14
64649,12
Kw.III = x100% = 94,98 %
68064,14
70982,33
Kw.IV = x100% = 104,28 %
68064,14
34
Tabel 4
Menghitung indeks musim dengan rata-rata sederhana
2002 2003 2004 Rata- B Rata2-B Indeks
rata Kumulatif kum Musim
(1) (2) (3) (4) (5) (6) (7)
Kw. I 70111,6 0 70111,6 103,01 %
72398 59988 77949
Kw.II 68646,6 2133,09 66513,51 97,72 %
58794 60707 86439
Kw.III 68915,3 4266,18 64649,12 94,98 %
60690 67339 78717
Kw.IV 77381,6 6399,27 70982,33 104,28%
70148 74813 87184
∑ 262030 262847 330289 272256,56
(1) Carilah nilai trend pada setiap periode (lihat tabel 5) dengan cara
^
Y = 71263,825 + 2133,09 X
Tabel 5
Nilai trend kwartalan mulai tahun 2002-2004
TW 02 03 04
I 59531,83 68064,19 76596,55
II 61664,92 70197,28 78729,64
III 63798,01 72330,37 80862,73
IV 65931,1 74463,46 82995,82
35
Real Trend
Tabel 6
Persentase data riil dari nilai trend serta mediannya.
Kw 02 03 04
(1) (2) (3) (4) Median
(5)
I 121,61 88,13 101,75 101,75
II 95,34 86,48 109,79 95,34
III 95,12 93,09 97,34 95,12
IV 106,39 100,47 105,04 105,04
∑ 397,25
397,25
= 99,3125
4
101,75
Kw.I = x100% = 102,45%
99,3125
36
95,34
Kw.II = x100% = 96%
99,3125
95,12
Kw.III = x100% = 95,78%
99,3125
105,04
Kw.IV = x100% = 105,76%
99,3125
(1) Susunlah data historis yang ada kedalam tabel 7 pada kolom
(2) Hitunglah jumlah bergerak selama satu tahun dan letakkan pada
Misalnya untuk pertama kali hitung jumlah dari dua nilai pertama
37
tabel 7.
kolom 7 tabel 7.
(8) Indeks musim dapat dihitung dengan median dikali 100%, untuk
97,005
Kw.I = x100% = 96,79%
100,2175
99,945
Kw.I = x100% = 99,72%
100,2175
96,99
Kw.I = x100% = 96,78%
100,2175
106,93
Kw.I = x100% = 106,69%
100,2175
Tabel 7
Perhitungan persentase terhadap rata-rata bergerak
Tahun Kuartal Permintaan Jml Jml Rata-rata Persentase
konsumen bergerak bergerak bergerak dr jml
4 kuartal 2 kuartal 4 kuartal bergerak
2002 I 72398
II 58794
262030
III 60690 511650 63956,25 94,89
249620
IV 70148 501153 62644,13 111,97
251533
2003 I 59988 509715 63714,38 94,15
258182
II 60707 521029 65128,63 93,21
262847
III 67339 543655 67956,88 99,09
280805
IV 74813 587348 73418,5 101,89
306540
2004 I 77949 624458 78057,25 99,86
317918
II 86439 648207 81025,88 106,68
330289
III 78717
IV 87184
39
Tabel 8
Perhitungan Indeks Musim
Kuartal 2002 2003 2004 Median
I 94,15 99,86 97,005
II 93,21 106,68 99,945
III 94,89 99,09 96,99
IV 111,97 101,89 106,93
Jumlah 400,87
Rata-rata 100,2175
sesuatu hal yang berulang kembali dalam waktu lebih dari sartu tahun
(d). Kalikanlah trend ( dalam kolom 3 tabel 9) dengan indeks musim (pada
kolom 4 tabel 9.
(e). Kolom 5 tabel 9 diperoleh dari data (pada kolom 1 tabel 9) dibagi
(T x M x S x R) / (T x M)= S x R
tertimbang bergerak weight moving total dari variasi siklis dan random
Tabel 9
Menghitung Indeks Siklis
(1) (2) (3) (4) (5) (6) (7)
2002 Kw.I 72398 59531,83 101,75 60573,63 119,52
Kw.II 58794 61664,92 95,34 58791,33 103,31 426,15 106,54
Kw.III 60690 63798,01 95,12 60684,66 100,01 404,62 101,15
Kw.IV 70148 65931,1 105,04 69254,02 101,29 389,2 97,3
2003 Kw.I 59988 68064,19 101,75 69255,31 86,61 365,22 91,31
Kw.II 60707 70197,28 95,34 66926,08 90,71 365,9 91,47
Kw.III 67339 72330,37 95,12 68800,64 97,87 382,1 95,52
Kw.IV 74813 74463,46 105,04 78216,41 95,65 389,18 97,29
2004 Kw.I 77949 76596,55 101,75 77936,98 100,01 410,82 102,71
Kw.II 86439 78729,64 95,34 75060,83 115,15 432,65 108,16
Kw.III 78717 80862,73 95,12 76916,62 102,34 418,84 104,96
Kw.IV 87184 82995,82 105,04 87178,81 100,01 - -
Keterangan:
(1) penjualan
(2) Trend
(3) Indeks Musim
(4) Normal
(5) Variasi Siklis dan random ( SxR)
(6) Jumlah bergerak rata-rata tertimbang 3 bulan
(7) Indeks Siklis
random. Tetapi gerak siklis sukar diperkirakan polanya karena faktor yang
diperkirakan.
dan gerak Musiman (M) saja, sehingga forecast dapat dibuat dengan rumus
sebagai berikut:
F=TxM
dengan menggunakan data, trend dan indeks musim yang telah diperoleh. Kita
^
Y = 71263,825 + 2133,09 X
(Y penjualan satu kuartal , satuan X=1 kuartal, origin kuartal II-III 2003).
Dengan nilai untuk tahun 2006 adalah: kuartal I=11, kuartal II=12, kuartal III=13,
kuartal IV=14.
103,01
Forecast kuartal I = 305993,815 x = 315204,23
100
97,72
Forecast kuartal II = 327332,905 x = 319869,71
100
97,98
Forecast kuartal III = 348671,995 x = 341628,82
100
104,28
Forecast kuartal IV = 370011,085 x = 385847,56
100
44
BAB III
METODE PENELITIAN
A. Ruang Lingkup
Ruang lingkup penulis dalam penelitian ini adalah pada CV. BINA
HIDUP yang berada di Jl. Bima Raya No. 06 Semarang. Dalam penelitian ini
data yang diambil adalah data penjualan pertamax pada SPBU (Stasiun
2004.
Variabel yang diteliti dalam penyusunan laporan tugas akhir ini adalah
Data yang diambil dalam penyusunan tugas akhir ini adalah sebagai berikut:
1. Data Primer
2. Data Sekunder
metode dekomposisi.
C. Analisis Data
Untuk melihat volume penjualan dari data time series yang ada
^
berikut: Y = a + bX
46
^
Dengan: Y = nilai trend (forecast)
a = bilangan konstan
^
Y merupakan nilai trend sedang Y merupakan nilai asli yang
misalnya kalau pada tahun 2003 nilai X = 1 maka pada tahun 2002 X =
sebesar a.
Untuk mencari nilai a dan nilai b dari persamaan diatas dapat digunakan
∑ Y = n.a + b.∑ X
∑ XY = a.∑ X + b∑ X 2
dan seterusnya. Kalau jumlah data (tahun) ganjil maka kita bisa
a=
∑Y
n
b=
∑ XY
∑X 2
47
tahun berikutnya.
terjadinya
tahun 2006
D. Penarikan Kesimpulan
BAB IV
A. Hasil Penelitian
penelitian ini data yang diambil untuk analisis adalah data volume penjualan
tahun-tahun sebelumnya:
tahun 2002-2004. Dari grafik pada gambar 1 dapat dilihat bahwa volume
penurunan dan peningkatan hasil penjualan dan bila dilihat dari forecast
selama 36 bulan, sejak bulan Januari 2002 sampai bulan Desember 2004.
Dari volume penjualan tiap bulan tersebut diubah menjadi tiap kuartal
^
tahunan: Y = 285055,3 + 34159,5 X .
^
( Y = penjualan tiap tahun, satuan X= 1 tahun , origin tahun 2003).
^
Y = 71263,825 + 2133,09 X
^
( Y =penjualan tiap kuartal satuan X= 1 kuartal, origin pertengahan kuartal
II-III 2003)
6. Dengan menggunakan indeks musim yang ada (lampiran 6 tabel 17) maka
IV=105103,59
B. Pembahasan
dapat terjual sebesar 93661,27 liter, 95794,36 liter, 97927,45 liter dan
100060,54 liter. Tampak bahwa nilai trend tiap kuartal mengalami perubahan
mengalami kenaikan yang semula bulan November 2002 terjual 21403 liter
tersebut ada peringatan Hari Raya Idhul Fitri. Hal ini disebabkan oleh selera
konsumen.
tahun 2006 yaitu kuartal I penjualan pertamax diharapkan dapat terjual sebesar
terjual sebesar 91330,34 liter dan kuartal III untuk penjualan pertamax
pertamax mengalami kenaikan dari tiap tahunnya. Ini dapat dilihat dari data
begitu juga dengan hasil forecasting tahun 2006 juga mengalami kenaikan
kompresi mesin yang tinggi maka dibutuhkan pula bahan bakar yang memiliki
bulan-bulan tertentu yang berulang kembali dalam waktu tidak lebih dari satu
tahun. .
52
BAB V
PENUTUP
A. Simpulan
^
Y = 71263,825 + 2133,09 X
^
Kwartal I : Y = 71263,825 + 2133,09(10,5) = 93661,27
^
Kwartal II : Y = 71263,825 + 2133,09(11,5) = 95794,36
^
Kwartal III : Y = 71263,825 + 2133,09(12,5) = 97927,45
^
Kwartal IV : Y = 71263,825 + 2133,09(13,5) = 100060,54
Artinya pada tahun 2006 kwartal I bahan bakar pertamax diharapkan dapat
dapat terjual sebesar 95794,36 liter, kwartal III bahan bakar pertamax
53
Tampak bahwa nilai trend untuk tiap kwartal mengalami perubahan yang
positif.
93661,27 x101,75
Forecast kwartal I : = 95300,34
100
95794,36 x95,34
Forecast kwartal II : = 91330,34
100
97927,45 x95,12
Forecast kwartal III : = 93148,59
100
100060,54 x105,04
Forecast kwartal IV : =105103,59
100
Artinya pada tahun 2006 kwartal I bahan bakar pertamax diharapkan dapat
dapat terjual sebesar 91330,34 liter kwartal III bahan bakar pertamax
rasio kompresi mesin yang tinggi dan mungkin juga karena letak SPBU
B. Saran
kuantitas dan kualitas bahan bakar dan lain-lain pimpinan CV.BINA HIDUP
volume penjualan.
55
DAFTAR PUSTAKA
Anto Dajan. 1986. Pengantar Metode Statistika jilid I. Jakarta. Penerbit PT.
Pustaka LP3ES Indonesia
Sudjana. 1981. Statistik Deskriptif untuk Ekonomi dan Niaga. Bandung. Tarsito
Tabel 10
Data volume penjualan "pertamax"
dari tahun 2002-2004 perbulan (perliter)
Bulan Penjualan
Jan-02 26939
Feb-02 21107
Mar-02 24352
Apr-02 21089
May-02 18860
Jun-02 18845
Jul-02 20265
Aug-02 20897
Sep-02 19528
Oct-02 22365
Nov-02 21403
Dec-02 26380
Jan-03 21899
Feb-03 18461
Mar-03 19628
Apr-03 19954
May-03 20108
Jun-03 20645
Jul-03 22296
Aug-03 23069
Sep-03 21974
Oct-03 24135
Nov-03 24466
Dec-03 26212
Jan-04 24776
Feb-04 25961
Mar-04 27212
Apr-04 27535
May-04 30164
Jun-04 28740
Jul-04 24222
Aug-04 26465
Sep-04 28030
Oct-04 30514
Nov-04 28734
58
Dec-04 27936
Tabel 11
Data volume penjualan "pertamax"
dari tahun 2002-2004 perkuartal (perliter)
Kuartal Penjualan
kuartal I 02 72398
kuartal II 02 58794
kuartal III 02 60690
kuartal IV 02 70148
kuartal I 03 59988
kuartal II 03 60707
kuartal III 03 67339
kuartal IV 03 74813
kuartal I 04 77949
kuartal II 04 86439
kuartal III 04 78717
kuartal IV 04 87184
Tabel 12
Penjualan "pertamax"
Tabel 13
Perhitungan jumlah Y,XY,dan Jml X^2
untuk mengetahui trend dan nilai trend penjualan "pertamax"
Tahun Penjualan (Y) X X2 XY
2002 262030 -1 1 -262030
2003 262847 0 0 0
2004 330289 1 1 330289
Jumlah 855166 0 2 68259
a=
∑Y = 855166= 285055,3
n 3
b=
∑ XY =
68259
= 34159,5
∑X2 2
59
a=
∑Y = 855166= 285055,3
n 3
b=
∑ XY =
68259
= 34159,5
∑X 2
2
^
Y^ = a + bX
Y = 285055,3 + 34129,5 X
(Y = penjualan tiap kuartal satuan X= 1 tahun origin pertengahan kuartal II-III 2003)
Tabel 14
Skala X untuk trend kuartalan
Kuartal X
kuartal I 2002 -5.5
kuartal II 2002 -4.5
kuartal III 2002 -3.5
kuartal IV 2002 -2.5
kuartal I 2003 -1.5
kuartal II 2003 -0.5
kuartal III 2003 0.5
kuartal IV 2003 1.5
kuartal I 2004 2.5
kuartal II 2004 3.5
kuartal III 2004 4.5
Kuartal IV 2004 5.5
60
tabel 15
Nilai trend perkuartal dari tahun 2002-2004
Kuartal Nilai trend
kuartal I 2002 59531.83
kuartal II 2002 61664.92
kuartal III 2002 63798.01
kuartal IV 2002 65931.1
kuartal I 2003 68064.19
kuartal II 2003 70197.28
kuartal III 2003 72330.37
kuartal IV 2003 74463.46
kuartal I 2004 76596.55
kuartal II 2004 78729.64
kuartal III 2004 80862.73
Kuartal IV 2004 82995.82
Tabel 16
Persentase data riil dari nilai trend serta mediannya
Tabel 17
Perhitungan indeks siklis “pertamax”
(1) (2) (3) (4) (5) (6) (7)
2002 Kw.I 72398 59531,83 101,75 60573,63 119,52
Kw.II 58794 61664,92 95,34 58791,33 103,31 426,15 106,54
Kw.III 60690 63798,01 95,12 60684,66 100,01 404,62 101,15
Kw.IV 70148 65931,1 105,04 69254,02 101,29 389,2 97,3
2003 Kw.I 59988 68064,19 101,75 69255,31 86,61 365,22 91,31
Kw.II 60707 70197,28 95,34 66926,08 90,71 365,9 91,47
Kw.III 67339 72330,37 95,12 68800,64 97,87 382,1 95,52
Kw.IV 74813 74463,46 105,04 78216,41 95,65 389,18 97,29
2004 Kw.I 77949 76596,55 101,75 77936,98 100,01 410,82 102,71
Kw.II 86439 78729,64 95,34 75060,83 115,15 432,65 108,16
Kw.III 78717 80862,73 95,12 76916,62 102,34 418,84 104,96
Kw.IV 87184 82995,82 105,04 87178,81 100,01 - -
Keterangan:
(8) penjualan
(9) Trend
(10) Indeks Musim
(11) Normal
(12) Variasi Siklis dan random ( SxR)
(13) Jumlah bergerak rata-rata tertimbang 3 bulan
(14) Indeks Siklis
Forecast penjualan pertamax dengan persamaan trend kuartalan:
^
Y = 71263,825 + 2133,09 X .
Dan nilai-nilai X berdasarkan trend kuartalannya untuk tahun 2006 adalah Kw I=
10,5; Kw II = 11,5; Kw III = 12,5; Kw IV = 13,5 didapat:
^
KwI Y = 71263,825 + 2133,09(10,5) = 93661,27
^
KwII Y = 71263,825 + 2133,09(11,5) = 95794,36
^
KwIII Y = 71263,825 + 2133,09(12,5) = 97927,45
^
KwIV Y = 71263,825 + 2133,09(13,5) = 100060,54
Dengan memakai indeks musim yang ada, maka forecast penjualan pertamax
untuk tahun 2006 adalah:
93661,27 x101,75
Forecast kuartal I : = 95300,34
100
95794,36 x95,34
Forecast kuartal II : = 91330,34
100
97927,45 x95,12
Forecast kuartal III : = 93148,59
100
100060,54 x105,04
Forecast kuartal IV : = 105103,59
100
62
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Xa , Enter
a. All requested variables entered.
b. Dependent Variable: PENJL
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2,33E+09 1 2329645541 3,149 ,327a
Residual 7,40E+08 1 739815104,2
Total 3,07E+09 2
a. Predictors: (Constant), X
b. Dependent Variable: PENJL
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 285055,3 15703,663 18,152 ,035
X 34129,500 19232,981 ,871 1,775 ,327
a. Dependent Variable: PENJL