1

METODE DEKOMPOSISI UNTUK FORECASTING VOLUME

PENJUALAN PERTAMAX TAHUN 2006 PADA SPBU PAMULARSIH

SEMARANG

TUGAS AKHIR

Diajukan dalam rangka penyelesaian studi Diploma III

Untuk memperoleh gelar Ahli Madya Statistik

Oleh:

Siti Sulikah
4151302522
Matematika
Statistika Terapan dan Komputasi

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2005
 2

ABSTRAK

Siti Sulikah. 2005. ”Metode Dekomposisi Untuk Forecasting Volume

Penjualan Pertamax Tahun 2006 Pada SPBU Pamularsih Semarang”.
Statistika Terapan dan Komputasi Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Negeri Semarang. 2005.

Matematika merupakan ilmu pengetahuan yang penting sekali

perananannya dalam melakukan analisis pada ilmu ekonomi. Metode statistika
sebagai salah satu cabang dari matematika terapan sangat dibutuhkan dalam
pengambilan keputusan diperusahaan-perusahaan, diantaranya adalah untuk
keperluan forecasting (peramalan) penjualan. Kerja dengan forecasting akan jauh
lebih baik dari pada tanpa forecast sama sekali. Metode dekomposisi merupakan
salah satu metode ramalan, yang dalam penelitian ini digunakan sebagai metode
dalam forecasting penjualan.
Permasalahan dalam penelitian ini adalah bagaimana penggunaan
metode dekomposisi untuk forecasting volume penjualan pertamax dan
bagaimana volume penjualan pertamax tahun 2006 pada SPBU Pamularsih
Semarang dibandingkan dengan tahun-tahun sebelumnya.
Tujuan dalam penelitian ini adalah untuk menganalisis penggunaan
metode dekomposisi untuk meramalkan penjualan pertamax pada SPBU
Pamularsih Semarang dan untuk mengetahui besarnya volume penjualan pertamax
tahun 2006 dibandingkan dengan tahun-tahun sebelumnya.
Pengambilan data dalam penelitian ini dilakukan dengan observasi pada
April 2005 di CV. BINA HIDUP Semarang. Data yang diambil adalah laporan
penjualan bahan bakar pertamax, sejak bulan Januari 2002 sampai dengan bulan
Desember 2004. Setelah itu dilakukan analisis data dengan menggunakan metode
dekomposisi untuk forecasting volume penjualan pertamax. Data yang diambil
berupa data primer dan data sekunder.
Data yang berupa volume penjualan pertamax perbulan terlebih dahulu
diubah menjadi kwartalan kemudian data kwartalan ini dibersihkan dari pengaruh
trend kuartalan, pengaruh musiman atau indeks musim, indeks siklis dan random.
Setelah dilakukan analisis dengan menggunakan metode dekomposisi, dari
perhitungan diperoleh forecasting untuk bahan bakar pertamax pada tahun 2006
kwartal I sampai dengan IV berturut-turut sebesar 95300,34 liter, 91330,34 liter,
93148,59 liter dan 105103,59 liter.
Kesimpulan dari hasil penelitian ini metode dekomposisi yang
digunakan adalah trend dan musiman dan penjualan mengalami kenaikan pada
tahun 2006 dibandingkan dengan tahun-tahun sebelumnya.Saran yang diberikan
adalah melakukan penelitian lebih lanjut tentang metode-metode forecasting yang
lebih praktis dan efisien. Untuk mengantisipasi kemungkinan yang terjadi, maka
seorang pimpinan perlu melakukan forecasting. Dengan melakukan forecasting
akan dapat diketahui kenaikan dan penurunan volume penjualan.
 3

HALAMAN PENGESAHAN

Tugas Akhir ini telah dipertahankan dihadapan sidang panitia ujian Tugas Akhir

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang,

pada:

Hari : Senin

Tanggal : 8 Agustus 2005

Panitia Ujian

Ketua Sekretaris

Drs. Kasmadi Imam S., M.Si Drs. Supriyono, M.Si

NIP 130781011 NIP 130815345

Pembimbing I Pembimbing II

Drs. Wardono, M.Si Isnarto, S.Pd, M.Si

NIP 131568905 NIP 132092853

Penguji I Penguji II

Isnarto, S.Pd, M.Si Drs. Wardono, M.Si

NIP 132092853 NIP 131568905
 4

MOTTO

Karena sesungguhnya sesudah kesulitan itu ada kemudahan.

Sesungguhnya sesudah kesulitan itu ada kemudahan. Maka

sesungguhnya kamu telah selesai (dari sesuatu urusan) kerjakanlah

dengan sungguh-sungguh (urusan) yang lain (QS. Al-Insyiroh;5-7).

Jerih payah hanya akan berhasil kalau pelakunya tidak mudah putus

asa ( Napoleon).

Qt diciptakan berbeda bukan untuk bermusuhan, bukan untuk saling

jaga jarak, tapi untuk saling mengerti dan saling menghargai.

Jadilah yang terbaik untuk dirimu sendiri

Raihlah cita-cita setinggi langit, karena jika engkau terpelesetpun

engkau masih diantara bintang-bintang ( Chicken Soup ).

Tugas Akhir ini kuperuntukkan:

Bapak dan Ibu terkasih yang tak putus harapan untuk sebuah doá

Mbak-mbak, Mas-masku & Ponakan-ponakan yang kusayangi Wawan, Tika, Upi yang

selalu mengobarkan semangatku.

Sahabat-sahabatku Eta, Siti, Tata yang tak henti-hentinya memberiku motivasi

Mbak-Mbak & Adik-adik An-Najah

Temen-temen Staterkomp ’02

Seseorang yang nantinya akan membimbingku kelak

Almamaterku UNNES
 5

KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT penulis panjatkan yang

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

terima kasih kepada:

1. Bapak Dr. H. Ari Tri Soegito, S.H., M.M, Rektor Universitas Negeri

Semarang.

2. Bapak Drs. Kasmadi Imam S, M S, Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam yang telah memberikan ijin kepada penulis dalam

peneltitian ini.

3. Bapak Drs. Supriyono, M.Si, Ketua Jurusan Matematika yang telah membantu

dalam penelitian ini.

4. Ibu Dra. Nur Karomah D.W, M.Si, Ketua Prodi Statistika Terapan dan

Komputasi yang telah membantu dalam penelitian ini.

5. Bapak Drs. Wardono, M.Si, dosen pembimbing I yang dengan penuh

kesabaran, ketulusan dan keikhlasan telah memberikan petunjuk, bimbingan

dan pengarahan dalam penyusunan tugas akhir ini.

 6

6. Bapak Isnarto, S.Pd, M.Si, dosen pembimbing II yang dengan penuh

kesabaran, ketulusan dan keikhlasan telah memberikan petunjuk, bimbingan

dan pengarahan dalam penyusunan tugas akhir ini.

7. Pimpinan CV. BINA HIDUP Semarang yang telah memberikan ijin kepada

penulis untuk melakukan penelitian.

8. Seluruh staf dan karyawan CV. BINA HIDUP Semarang yang telah

membantu penulis baik langsung maupun tidak langsung sehingga tugas akhir

ini dapat selesai dengan baik.

9. Kedua Orang Tuaku yang tak henti-hentinya mendo’akanku untuk kesuksesan

dan keberhasilanku.

10. Temen-temen Staterkomp 02

11. Temen-temen kos An-najah yang telah memberikan motivasi kepada penulis

selama penulis menyusun tugas akhir ini.

Semoga Allah SWT memberikan pahala atas bantuan yang telah

diberikan kepada penulis. Dalam penyusunan tugas akhir ini penulis menyadari

masih banyak kekurangan dan kesalahan walaupun penulis sudah berusaha

semaksimal mungkin untuk kesempurnaan tugas akhir ini penulis mengharapkan

kritik dan saran yang membangun. Semoga tugas akhir ini dapat memberikan

manfaat bagi kita semua. Amiiin.

Semarang, Juni 2006

Penulis
 7

DAFTAR ISI

Halaman

HALAMAN JUDUL………………………………………………… I

ABSTRAK……………………………………………………………. ii

HALAMAN PENGESAHAN………………………………………. iii

MOTTO DAN PERSEMBAHAN…………………………………... iv

KATA PENGANTAR……………………………………………….. v

DAFTAR ISI………………………………………………………… vii

DAFTAR LAMPIRAN……………………………………………… ix

BAB I PENDAHULUAN

A. Latar Belakang Masalah…………………………………. .. 1

B. Rumusan Masalah dan pembatasannya…………………….5

C. Tujuan dan Manfaat Penelitian……………………………. 6

D. Penegasan Istilah…………………………………………... 7

E. Sistematika Penulisan…………………………………….... 8

BAB II LANDASAN TEORI

A. Forecasting……………………………………………….. 10

1. Definisi dan tujuan Forecasting………………………..10

2. Hubungan Forecasting dengan Rencana……………….11

B. Penjualan……………………………………………………12

1. Pengertian Penjualan……………………………….…..12

2. Tujuan Penjualan………………………………………..12

C. Data Time Series……………………………………………14

D. Metode Dekomposisi……………………………………….16
 8

E. Forecasting dengan Metode Dekomposisi…………………...33

BAB III METODE PENELITIAN

A. Ruang Lingkup……………………………………………….35

B. Variabel dan Pengambilan Data………………………………35

1. Data Primer……………………………………………….35

2. Data Sekunder…………………………………………….35

C. Analisis Data………………………………………………….36

D. Penarikan Kesimpulan………………………………………...38

BAB IV HASIL KEGIATAN DAN PEMBAHASAN

A. Hasil Penelitian………………………………………………..39

B. Pembahasan……………………………………………………41

BAB V PENUTUP

A. Kesimpulan……………………………………………………43

B. Saran…………………………………………………………...44

DAFTAR PUSTAKA…………………………………………………….46

LAMPIRAN………………………………………………………………47
 9

DAFTAR LAMPIRAN

Lampiran 1 :tabel 10 data volume penjualan pertamax dari tahun 2002-2004

perbulan

Lampiran 2 :tabel 11 data volume penjualan pertamax perkwartal

Gambar 1 Grafik volume penjualan pertamax perkuartal dari tahun

2002-2004

Lampiran 3 :Tabel 12 data volume penjulan pertamax pertahun

Tabel 13 perhitungan Y, XY, dan X2

Lampiran 4 :Tabel 14 skala X untuk trend kwartalan

Tabel 15 Nilai trend perkwartal dari tahun 2002-2004

Lampiran 5 :Tabel 16 Persentase data nilai riil dari nilai trend serta mediannya

Lampiran 6 :Tabel 17 Perhitungan Indeks siklis pertamax

Lampiran 7 :Perhitungan nilai trend kwartalan tahun 2006

Lampiran 8 :Regresi untuk pertamax

Lampiran 9 :Surat-surat ijin

 10

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Kemajuan ilmu dan teknologi semakin dirasakan kegunaannya oleh

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

matematikawan selalu ingin meningkatkan ilmu pengetahuannya, mengigat

matematika banyak digunakan pada bidang-bidang yang lain, dengan

demikian matematika merupakan ratunya ilmu sekaligus pelayanannya.

Matematika merupakan alat untuk menyederhanakan penyajian dan

pemahaman masalah. Dengan menggunakan bahasa matematika, suatu

masalah menjadi lebih sederhana untuk disajikan, dipahami, dianalisis dan

dipecahkan.

Dalam ilmu ekonomi, matematika merupakan ilmu pengetahuan yang

penting sekali peranannya dalam melakukan analisis. Dalam menggunakan

matematika untuk menganalisis peristiwa / gejala-gejala ekonomi maka

hubungan antar berbagai faktor ekonomi bisa dinyatakan secara lebih singkat

dan jelas. Perubahan-perubahannya mudah dilukiskan dan dihitung.

Berkembangnya ilmu pengetahuan dan teknologi yang semakin pesat yang

disertai dengan ketatnya persaingan dalam dunia usaha mengakibatkan antara

perusahaan yang satu dengan yang lain saling berlomba untuk memberikan

pelayanan yang sebaik-baiknya kepada konsumen. Pimpinan perusahaan

 11

sering terlibat pada persoalan yang mengharuskan membuat dan menggunakan

ramalan terutama forecast mengenai penjualan. Forecast penjualan tersebut

sebagai dasar untuk menentukan rencana penjualan. Rencana penjualan akan

ditentukan dengan memperhatikan forecast penjualan dan memperhatikan

sumberdaya yang dimiliki.

Dari sinilah rencana-rencana yang lebih operasional akan ditentukan

kemudian. Ramalan pada dasarnya merupakan dugaan/ perkiraan apa yang

akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perusahaan ( pangestu

S;1986,3). Ramalan telah banyak digunakan dan membantu dengan baik

dalam berbagai manajemen sebagai dasar-dasar perencanaan, pengawasan dan

pengambilan keputusan. Kerja dengan forecasting akan jauh lebih baik dari

pada tanpa forecast sama sekali. Salah satu diantaranya adalah peramalan

(forecasting) volume penjualan. Sehingga seorang pimpinan perusahaan yang

bertanggung jawab, perlu mengetahui bagaimana volume penjualan tahun

depan.

Forecasting (peramalan) adalah salah satu unsur yang sangat penting

dalam pengambilan keputusan. Suatu dalil yang dapat diterima bahwa

semakin baik ramalan tersedia untuk pimpinan semakin baik pula prestasi

kerja mereka sehubungan dengan keputusan yang mereka ambil. Ramalan

yang dilukakan umumnya berdasarkan data yang terdapat pada masa lampau

yang dianalisis dengan menggunakan cara-cara tertentu. Data masa lampau

dikumpulkan, dipelajari, dan dianalisis dihubungkan dengan perjalanan waktu,

adanya faktor waktu tersebut menghasilkan analisis yang digunakan untuk

menyampaikan sesuatu yang akan terjadi dimasa yang akan datang. Sehingga
 12

dalam hal ini seorang pimpinan berhadapan dengan ketidakpastian yang

nantinya akan berlanjut pada faktor akurasi/keseksamaan yang harus

diperhitungkan. Akurasi suatu ramalan berbeda untuk tiap persoalan dan

tergantung pada berbagai faktor, yang jelas tidak akan didapatkan hasil

peramalan yang tepat 100%.

Pengambilan data penjualan dari waktu kewaktu berguna untuk

melihat gambaran tentang perkembangan suatu penjualan, misalnya makin

naik ( increasing) atau makin turun (decreasing). Ramalan penjualan ini juga

sangat berguna untuk dasar perencanaan produksi apakah terjadi over

production sehingga banyak barang yang tidak laku atau under production

yaitu kekurangan barang. Hasil ramalan penjualan dapat digunakan untuk

meramalkan besarnya biaya-biaya lain dalam perusahaan tersebut, misalnya

biaya produksi, biaya publikasi dan biaya iklan yang harus disediakan

Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang

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

hanya dapat terjadi dalam ilmu alam dan ilmu eksakta.

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

ekonomi pada khususnya tidak mungkin bisa tepat. Penyimpangan tersebut

selalu dipengaruhi oleh berbagai macam hal, seperti kebudayaan, selera,

perasaan, dan sebagainya. Dalam bidang sosial ekonomi, meskipun tidak bisa
 13

membuat forecasting yang persis sama dengan kenyataan, tetapi bukan berarti

forecast ini tidak penting (pangestu S, 1986:3). Forecast sangat penting

sebagai pedoman dalam pembatasan rencana. Kerja dengan menggunakan

forecast akan jauh lebih baik dari pada tanpa forecast sama sekali.

Banyak sekali metode forecasting yang ada antara lain: metode

moving average, metode exponential smoothing,metode dekomposisi, metode

input output, metode regresi dan sebagainya.

Metode dekomposisi sering juga disebut sebagai metode time series.

Keunggulan metode ini dibandingkan dengan metode lainnya adalah pola atau

komponen-komponen tersebut dapat dipecah (di dekomposisi) menjadi sub

pola yang menunjukkan tiap-tiap komponen deret berkala secara terpisah dan

pemisahan tersebut seringkali membantu meningkatkan ketepatan peramalan

dan membantu atas deret data secara lebih baik (Spyros M,1992:123)

Dewasa ini industri minyak dan gas bumi memegang peranan penting

dalam perekonomian Indonesia, baik sebagai penghasil devisa maupun

sebagai salah satu pemenuhan energi dalam negeri. Kualitas kehidupan

masyarakat semakin meningkat demikian pula kebutuhan-kebutuhan

sekundernya. Kebutuhan akan bahan bakar semakin meningkat seiring dengan

munculnya berbagai jenis merk kendaraan yang mempunyai tingkat rasio

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

lagi menjadi Premix dan mangalami perubahan lagi namanya menjadi

pertamax. Naiknya harga pertamax dan pertamax plus membuat kerepotan

para pemilik kendaraan yang biasa menggunakan bahan bakar beroktan tinggi.

Berdasarkan uraian diatas, maka penulis tertarik untuk mengadakan

penelitian dengan judul “ Metode Dekomposisi untuk Forecasting Volume

Penjualan Pertamax tahun 2006 pada SPBU Pamularsih Semarang “.

B. Rumusan Masalah dan Pembatasannya

1. Rumusan masalah

a. Bagaimana penggunaan metode dekomposisi untuk forecasting

volume penjualan pertamax tahun 2006 pada SPBU Pamularsih

Semarang?

b. Bagaimana volume penjualan pertamax tahun 2006 pada SPBU

Pamularsih Semarang dibandingkan dengan tahun-tahun sebelumnya?

2. Pembatasan masalah

Dalam penulisan tugas akhir ini hanya akan membahas metode

dekomposisi untuk meramalkan volume penjualan pertamax tahun 2006

pada SPBU Pamularsih Semarang. Berdasarkan data-data terdahulu yang

diperoleh dari CV. BINA HIDUP Semarang.

 15

C. Tujuan dan Manfaat Penelitian

Tujuan utama yang akan dicapai dalam penyusunan tugas ahkir ini

adalah menganalisis penggunaan metode dekomposisi untuk meramalkan

penjualan pertamax pada SPBU Pamularsih Semarang dan untuk mengetahui

besarnya volume penjualan pertamax tahun 2006.

Manfaat dari penulisan laporan tugas akhir ini adalah:

1. Bagi penulis

Sebagai sarana bagi penulis untuk mengaplikasikan ilmu yang telah

didapat dibangku perkuliahan sehingga menunjang untuk terjun ke dunia

kerja yang lebih luas dan nyata.

2. Bagi Jurusan

Agar dapat dijadikan sebagai bahan studi kasus bagi pembaca dan acuan

bagi mahasiswa serta dapat memberikan bahan referensi bagi perpustakaan

sebagai bahan acuan yang dapat menambah ilmu pengetahuan bagi

pembaca dalam hal ini mahasiswa yang lainnya.

3. Bagi SPBU Pamularsih Semarang

Sebagai bahan pertimbangan suatu keputusan yang tepat dan dapat

mengetahui pula seberapa besar volume penjualan Pertamax pada tahun

2006.
 16

D. Penegasan Istilah

Untuk menghindari kesalahan penafsiran atau persepsi yang berbeda dari

istilah-istilah yang ada dalam judul penelitian ini, maka perlu adanya

penegasan dan pembatasan beberapa istilah antara lain:

1. Dekomposisi

Dekomposisi merupakan salah satu metode forecasting yang sering

disebut dengan time series, yakni pemecahan menjadi subpola yang

menunjukkan tiap-tiap komponen deret berkala secara terpisah ( Spyros

M,1992:123)

2. Forecasting (peramalan)

Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang

belum terjadi (Pangestu S,1986:3). Ramalan yaitu memperkirakan sesuatu

pada waktu yang akan datang berdasarkan data masa lampau yang

dianalisis secara ilmiah, khususnya menggunakan metode statistika

(Sudjana,1981:238). Forecast adalah meramalkan apa yang akan terjadi

pada waktu yang akan datang (Pangestu S,1986:3)

3. Volume Penjualan

Volume mengandung arti besarnya, sedangkan penjualan adalah: usaha

yang dilakukan manusia untuk menyampaikan barang kebutuhan yang

telah dihasilkannya kepada mereka yang memerlukan imbalan uang

menurut harga yang ditentukan, atas persetujuan bersama. Jadi volume

penjualan dapat dikatakan sebagai besarnya hasil yang diterima

perusahaan dari kegiatan pertukaran barang/jasa yang dapat dinyatakan

dengan ukuran tertentu atau dengan sejumlah uang yang disebut harga.
 17

Forecasting (peramalan) penjualan dalam penelitian ini adalah suatu usaha

untuk meramalkan kuantitas penjualan pertamax pada SPBU Pamularsih

dengan menggunakan metode dekomposisi.

E. Sistematika Penulisan

Secara garis besar Tugas Akhir ini dibagi menjadi 3 bagian yaitu bagian

pendahuluan , bagian isi dan bagian akhir.

1. Bagian Pendahuluan Tugas Akhir memuat

Judul Tugas Akhir, Abstrak, Hal pengesahan, Motto dan persembahan,

kata pengantar, daftar isi, daftar gambar, daftar tabel, daftar lampiran.

2. Bagian isi Tugas Akhir terdiri dari lima bab

BAB I PENDAHULUAN

Didalam bab ini dikemukakan latar belakang masalah, rumusan

masalah dan pembatasan masalah, tujuan dan manfaat penelitian,

penegasan istilah dan sistematika penulisan.

BAB II LANDASAN TEORI

Didalam bab ini dikemukakan konsep-konsep yang dijadikan

landasan teori sebagai berikut: forecasting (peramalan), penjualan,

Data times series, Metode Dekomposisi dan forecasting dengan

metode dekomposisi.

BAB III METODE PENELITIAN

Didalam bab ini dikemukakan tentang ruang lingkup kegiatan,

variabel yang digunakan dan cara pengambilan data dan analisis

hasil data, penarikan kesimpulan.

 18

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Didalam bab ini dikemukakan hasil penelitian dan pembahasan

yang berisi analisis penggunaan metode dekomposisi untuk

forecasting volume penjualan pertamax tahun 2006 pada SPBU

Pamularsih Semarang.

BAB V PENUTUP

Didalam bab ini dikemukakan kesimpulan dan saran.

3. Bagian Akhir Tugas Akhir ini berisi: Daftar Pustaka dan Lampiran.
 19

BAB II

LANDASAN TEORI

A. Forecasting

1. Definisi dan Tujuan Forecasting

Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang

belum terjadi ( Pangestu S, 1986: 1). Forecasting atau peramalan adalah

memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan

data masa lampau yang dianalisa secara ilmiah, khususnya menggunakan

metode statistika (Supranto,1984:80). Tidak ada satu perusahaanpun yang

tidak ingin sukses dan berkembang, untuk mencapai sukses dan

berkembangnya suatu perusahaan perlu adanya suatu cara yang tepat,

sistematis dan dapat dipertanggungjawabkan.

Jadi forecasting (peramalan) adalah salah satu unsur yang sangat

penting dalam pengambilan keputusan, suatu dalil yang dapat diterima

bahwa semakin baik ramalan tersedia untuk pimpinan semakin baik pula

prestasi kerja mereka sehubungan dengan keputusan yang mereka ambil.

Ramalan yang dilakukan umumnya akan berdasarkan data yang terdapat

pada masa lampau yang dianalisis dengan menggunakan cara-cara tertentu.

Dalam hal ini perlu adanya forcest, dengan mengumpulkan,

menggunakan dan menganalisa data-data historis serta

menginterpretasikan peristiwa-peristiwa dimasa mendatang maka forecast

dapat dibuat. Dengan membuat peramalan diupayakan supaya dapat

meminimumkan pengaruh ketidakpastian tersebut. Dalam ilmu sosial

segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat.
 20

Didalam forecasting kita selalu bertujuan agar forecast yang kita buat bisa

meminimumkan pengaruh ketidakpastian terhadap perusahaan. Dengan

kata lain forecasting bertujuan mendapatkan forecast yang bisa

meminimumkan kesalahan meramal (forecast error) yang biasanya diukur

dengan Mean Square Error, Mean Absolute Error dan sebagainya

(Pangestu S, 1986:3).

2. Hubungan Forecasting dengan rencana

Forecasting (peramalan) merupakan alat bantu penting dalam

perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi.

Peramalan mempunyai peranan langsung pada peristiwa eksternal yang

pada umumnya berada diluar kendali manajemen, seperti ekonomi

pelanggan, pemerintah dan lainnya. Peramalan permintaan memegang

peranan penting dalam perencanaan dan pengambilan keputusan

khususnya bidang produksi.

Forecasting adalah peramalan apa yang akan terjadi pada waktu

yang akan datang, sedang rencana merupakan penentuan apa yang akan

dilakukan pada waktu yang akan datang (Pangestu S,1986:3). Dengan

sendirinya terjadi perbedaan antara forecasting dengan rencana.

Forecasting adalah peramalan apa yang akan terjadi, tetapi belum tentu

bisa dilaksanakan oleh perusahaan.

Misalnya forecast atau meramalkan permintaan konsumen akan

suatu bahan bakar 350000 liter pada tahun yang akan datang, berarti

konsumen akan membutuhkan 350000 liter pada tahun tersebut. Apakah

perusahaan pasti mampu melayani semuanya? Belum tentu. Mungkin

 21

kapasitas maksimum perusahaan hanya 300000 liter, jadi rencana

penjualan perusahaan hanya bisa 300000 liter. Untuk membuat rencana

penjualan suatu perusahaan harus mempertimbangkan kapasitas, fasilitas,

elastisitas harga, forecast permintaan konsumen dan sebagainya.

B. Penjualan

1. Pengertian Penjualan

Bagi sebuah perusahaan penjualan merupakan sumber utama

pendapatan perusahaan. Pendapatan yang diperoleh dari penjualan

dipergunakan perusahaan untuk membiayai segala kegiatannya maupun

untuk mengembangkan usahanya.

Penjualan meliputi perencanaan, pengarahan, dan pengawasan

personal seling, termasuk penarikan, pemilihan, perlengkapan, penentuan

rute, supervisi, pembayaran, dan motivasi sebagai tugas yang diberikan

pada para tenaga penjualan untuk mencapai tujuan penjualan (Bashu

Swastha,1998:403).

2. Tujuan Penjualan

Sukses bisa dicapai bilamana seseorang itu memiliki suatu tujuan

atau cita-cita demikian pula halnya dengan pengusaha atau penjual. Tujuan

tersebut akan menjadi kenyataan apabila dilaksanakan dengan kemauan

dan kemampuan yang memadai. Selain itu, harus diperhatikan pula faktor-

faktor lain seperti:

 22

a. Modal yang diperlukan

b. Kemampuan merencanakan dan membuat produk

c. Kemampuan menentukan tingkat harga yang tepat

d. Kemampuan memilih penyalur yang tepat

e. Kemampuan menggunakan cara-cara promosi yang tepat, dan

f. Unsur penunjang lainnya.

Pada umunya, para pengusaha mempunyai tujuan mendapatkan laba

tertentu (mungkin maksimal), dan mempertahankan atau bahkan berusaha

meningkatkannya untuk jangka waktu lama. Tujuan tersebut dapat

direalisir apabila penjualan dapat dilaksanakan seperti yang direncanakan.

Dengan demikian tidak berarti bahwa barang atau jasa yang terjual selalu

menghasilkan laba.

Menurut Bashu Swastha (1998:404), pada umumnya perusahaan

mempunyai tiga tujuan umum dalam penjualannya, yaitu:

a. Mencapai volume penjualan tertentu

b. Mendapatkan laba tertentu

c. Menunjang pertumbuhan perusahaan

Dalam realitasnya penjualan dewasa ini tampak bahwa tujuan

penjualan yang utama adalah mendapatkan laba. Laba tersebut jatuh pada

produsen, grosir dan lembaga-lembaga penjualan lainnya.

 23

C. Data Time Series

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

adalah serangkaian pengamatan terhadap sesuatu peristiwa, kejadian, gejala,

atau variabel yang diambil dari waktu kewaktu, dicatat secara teliti menurut

urut-urutan waktu terjadinya, dan kemudian disusun sebagai data statistik

(Sutrisno H, 2000:432).

Dari suatu rangkaian waktu akan dapat diketahui apakah peristiwa,

gejala atau variabel yang diamati berkembang mengikuti pola-pola

perkembangan yang teratur atau tidak. Sekiranya suatu rangkaian waktu

menunjukkan pola yang teratur, maka akan dapat dibuat suatu ramalan yang

cukup kuat mengenai tingkah laku gejala yang dicatat. Atas dasar ramalan itu

dapatlah dibuat rencana yang cukup kuat dan dapat dipertanggungjawabkan.

Analisa rangkaian waktu atau time series analysis adalah suatu

analisa terhadap pengamatan, pencatatan, dan penyusunan peristiwa yang

diambil dari waktu kewaktu tersebut (Sutrisno H,2000:432). Pada umumnya

pengamatan dan pencatatan itu dilakukan dalam jangka-jangka waktu tertentu,

misalnya tiap-tiap akhir triwulan, tiap-tiap permulaan tahun, tiap-tiap sepuluh

tahun, dan sebagainya. Salah satu fungsi time series adalah memberi cara

pemisahan komponen-komponen didatanya agar dapat memperlihatkan trend,

siklik dan variasi musim ( jika ada) bebas dari variasi random.
 24

Ciri-ciri gerakan rangkaian waktu dapat digolongkan kedalam empat

pola pokok. Pola ini biasa disebut komponen dari rangkaian waktu.

Komponen-komponen dari rangkaian waktu itu adalah:

1. Gerakan jangka panjang

Gerakan jangka panjang atau biasa disebut seculer trend adalah rata-rata

perubahan (biasanya tiap tahun) dalam jangka panjang. Kalau hal yang

diteliti menunjukkan gejala kenaikan maka trend yang kita miliki

menunjukkan rata-rata pertambahan, sering disebut trend positif, tetapi

kalau hal yang kita teliti menunjukkan gejala semakin berkurang maka

trend yang kita miliki menunjukkan rata-rata penurunan atau sering

disebut trend negatif.

2. Gerakan berkala atau gerakan musiman

Gerakan musiman atau gelombang musim adalah gelombang pasang surut

yang berulang kembali dalam jangka waktu tidak lebih dari satu tahun.

3. Gerakan melingkar atau gerakan siklis

Gerakan melingkar atau gerakan siklis adalah perubahan atau gelombang

pasang surut sesuatu hal yang berulang kembali dalam waktu lebih dari

satu tahun ( kebanyakan antara 5 sampai 10 tahun).

4. Gerakan tak karuan atau gerakan tak teratur atau Variasi random

Variasi random adalah gelombang pasang surutnya sesuatu hal yang

biasanya terjadi secara tiba-tiba dan sukar diperkirakan. Biasanya ini

terjadi secara kebetulan dan sukar diramalkan.

 25

D. Metode Dekomposisi

Dekomposisi (pemecahan / dipecah) menjadi sub pola yang menunjukkan

tiap-tiap komponen deret berkala secara terpisah. Pemisahan tersebut

seringkali membantu meningkatkan ketepatan peramalan dan membantu

pemahaman perilaku deret data secara lebih baik (Spyros M,1992:123).

Dekomposisi tersebut dibagi kedalam 4 komponen (pola) perubahan

sebagai berikut:

1. Trend (T)

2. Fluktuasi Musiman (M)

3. Fluktuasi Siklis (S)

4. Perubahan yang bersifat Random (R)

Masing-masing pola perubahan akan dipelajari dan dicari satu per satu, setelah

ditemukan akan digabungkan lagi menjadi nilai, taksiran atau ramalan.

Penggabungannya ada yang dengan menambahkan dan ada yang dengan

mengalikan.

Dalam hal ini digunakan cara penggabungan dengan mengalikan atau

dapat ditunjukkan dengan persamaan berikut:

X=TxMxSxR

X merupakan nilai trend yang terjadi sebenarnya ( data ).

1. Trend (T)

Trend atau sering disebut secular trend adalah rata-rata perubahan

dalam jangka panjang. Ada beberapa metode yang dapat digunakan untuk

membuat trend, yaitu metode trend linier least square, trend parabolic,
 26

dan trend eksponential (Pangestu S,1986:32). Pada penulisan tugas akhir

ini digunakan metode least square. Dikatakan metode least square karena

persamaan yang diperoleh mengakibatkan jumlah kesalahan forecast

kuadrat terkecil kalau dibandingkan dengan persamaan yang dihasilkan

oleh metode lainnya.

a. Mencari Persamaan Trend

Persamaan trend dengan metode least square adalah sebagai

^
berikut: Y = a + bX

^
Y adalah nilai trend (forecast), a bilangan konstan, b slope atau

koefisien kecondongan garis trend dan X mewakili waktu (tahun).

Kalau digambarkan garis trend akan terlihat seperti gambar 1.

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

Untuk mempermudah hitungannya biasanya nilai X pada tahun

yang berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut
1,2, dan seterusnya. Kalau jumlah data (tahun) ganjil maka kita bisa
meletakkan X=0 tepat berada ditengah, sehingga jumlah nilai seluruh
X=0, sehingga persamaan di atas dapat dirubah, menghasilkan rumus
untuk mencari nilai a dan nilai b secara lebih singkat sebagai berikut:

a=
∑Y
n

b=
∑ XY
∑X 2

Berikut contoh mencari persamaan trend dengan metode least square.

Misalkan PT. Ikha Jaya berhasil melakukan penjualan sebuah produk,
data penjualan yang diperoleh seperti pada tabel dibawah ini:

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

Dari data tabel 1 diperoleh:

a=
∑Y =
855166
= 285055,3
n 3

b=
∑ XY =
68259
= 34129,5
∑X 2
2

Kemudian subtitusikan nilai a dan b yang diperoleh dari persamaan

^
trend: Y = a + bX , sehingga diperoleh persamaan trendnya sebagai

berikut:

^
Y = 285055,3 + 34129,5 X

(Y penjualan setiap tahun, satuan X=1 tahun, origin tahun 2003).

b. Merubah Bentuk Persamaan Trend

Y dari persamaan trend pada bagian a menyatakan penjualan tiap

tahun. Persamaan tersebut dapat diubah sebagai berikut:

(1) Memindah Origin

Tahun yang merupakan origin dapat dipindah, didalam

memindah origin yang diganti hanya nilai a (konstannya). Nilai

a yang baru sebesar nilai trend pada tahun yang menjadi origin

baru. Misalnya pada contoh didepan (tabel 1 halaman 18)

digunakan origin tahun 2003 kalau originnya akan diubah tahun

2005 maka nilai a sebesar nilai trend pada tahun 2005=353314,3

sehingga persaman trend baru menjadi:

^
Y = 353314,3 + 34129,5 X

(Y penjualan setiap tahun, satuan X=1 tahun, origin tahun 2005).

 29

(2) Trend Rata-rata

Dari persamaan trend tahunan dapat diubah menjadi

persamaan trend rata-rata tiap bulan, dilakukan dengan : a dibagi

12 dan b dibagi 12. Kalau akan dijadikan trend rata-rata tiap

kuartal baik a maupun b dibagi 4. Dari persamaan trend tahunan

akan diubah menjadi trend rata-rata tiap kuartal:

^ 285055,3 34129,5
Y = + X
4 4

^
Y = 71263,825 + 8532,375 X

(Y rata-rata penjualan setiap kuartal, satuan X=1tahun, origin th

2003).

(3) Persamaan Trend Bulanan dan Kuartalan

Trend bulanan adalah trend dari bulan satu ke bulan

berikutnya. Menunjukkan perkiraan kenaikan atau perubahan

setiap bulannya. Kalau akan mengubah persamaan trend tahunan

dengan persamaan X satu tahun menjadi trend bulanan maka a

dibagi 12 dan b dibagi 122.

Trend kuartalan adalah trend yang menunjukkan perubahan

dari kuartal ke kuartal. Kalau akan mengubah persamaan trend

tahunan yang satuan X satu tahun menjadi trend kuartalan maka

a dibagi 4 dan b dibagi 42. Dalam hal ini kuartal I adalah bulan

Januari – Maret.

Contoh mengubah persamaan trend tahunan menjadi trend

kuartalan, persamaannya menjadi:

 30

^ 285055,3 34129,5
Y = + X
4 16

^
Y = 71263,825 + 2133,09 X

(Y penjualan dalam satu kuartal, satuan X=1 tahun, origin

pertengahan kuartal II-III tahun 2003).

Lihat tabel 2 satuan X menunjukkan satu kuartal

Tabel 2
Skala X untuk trend kuartalan
Kw.I Kw.II Kw.III Kw.IV

2003:X -1.5 -0,5 0 0,5 1,5

^
Y pada origin 71263,825
2004: X 2,5 3,5 3,5 4,5
Sehingga nilai trend kuartalan menjadi:

^
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.

Untuk mencari nilai trend kuartalan seperti tersebut diatas

perhitungannya cukup sulit karena nilai X yang di substitusikan

pecahan. Untuk mempermudah biasanya originnya dirubah

menjadi kuartal yang terdekat (Kw.II atau Kw III). Misalnya

originnya dirubah menjadi Kw. II 2003 maka nilai a diganti

 31

dengan nilai trend pada kuartal II sebesar 70197,28 sedangkan b-

nya tetap. Sehingga persamaan trendnya menjadi:

^
Y = 70197,28 + 2133,09 X

(Y penjualan satu kuartal, satuan X=1 kuartal, origin kuartal II

tahun 2003).

Lihat tabel skala X berubah

Tabel 3
Skala X kuartalan, origin dirubah

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

persamaan yang sudah dirubah originnya dengan nilai X baru

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

2. Fluktuasi Musiman (M)

Gelombang musim adalah gelombang pasang surut yang

berulang kembali dalam waktu tidak lebih dari satu tahun. Pada

hakekatnya gelombang musim menggambarkan gelombang periodis.

Produksi barang-barang industri dan agraria, penjualan barang-barang

konsumsi, nilai obligasi dan saham, kurs mata uang asing umumnya

berfluktuasi secara periodis. Kondisi alam seperti iklim, tingkat

kelembaban dll merupakan sebab terjadinya gelombang musim dalam

bidang produksi dan harga-harga barang agraria (Anto D,1986:250).

Dalam forecasting biasanya gelombang musim ini dinyatakan

dalam bentuk indeks namanya indeks musim. Hubungan antara

komponen-komponen perubahan biasanya dinyatakan dengan perkalian

sebagai berikut: X = T x M x S x R, artinya data yang terjadi itu (X) dapat

dihitung dengan mengalikan nilai trend dengan indeks musim, indeks

siklis dan perubahan-perubahan yang bersifat random.

Untuk menghitung indeks musim dapat digunakan beberapa

metode antara lain:

(a). Metode Rata-rata Sederhana

Dalam metode ini indeks musim dihitung dengan berdasarkan

rata-rata tiap periode musim setelah dibebaskan dari pengaruh trend.

Untuk mencarinya dengan langkah-langkah dibawah ini:

(1) Susunlah data tiap kuartal ( atau bulan sesuai dengan kebutuhan)

untuk masing-masing tahun. Kuartal ke bawah dan tahun ke

kanan (lihat tabel 4).

 33

(2) Carilah rata-rata tiap kuartal pada tahun-tahun tersebut (lihat

tabel 4 kolom 4).

(3) Karena rata-rata tersebut masih mengandung unsur kenaikan

(trend) maka hilangkanlah pengaruh trend ini dengan

menguranginya dengan b pada persamaan trend kuartalan

(2133,09) secara kumulatif. Seperti pada tabel 4 kolom 5 dan

sisanya atau rata-rata perkuartal dikurangi dengan b kumulatif

(kolom 4 - kolom 5) dan hasilnya adalah seperti pada tabel 4

kolom 6.

272256,56
(4) Cari rata-rata dari tabel 4 kolom 6 yaitu = 68064,14
4

(5) Nyatakanlah angka-angka tersebut pada tabel 4 kolom 6 sebagai

persentase dari rata-ratanya, dan didapat indeks musim sebagai

berikut ( lihat tabel 4 kolom 6):

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

(b). Metode Persentase terhadap Trend

Untuk mencari indeks musim dengan metode ini, langkah-

langkahnya adalah sebagai berikut:

(1) Carilah nilai trend pada setiap periode (lihat tabel 5) dengan cara

mensubstitusikan X dengan skala X dengan trend kwartalan

(lihat tabel 2) . Persamaan trend kwartalannya adalah:

^
Y = 71263,825 + 2133,09 X

(Y penjualan dalam satu kwartal, satuan X=satu kwartal, origin

pertengahan kwartal II-III th 2003).

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

(2) Cari persentase nilai real terhadap nilai trend

Tahun Kuartal Nilai Nilai Persentase

Real Trend

2002 I 72398 59531,83 72398

x100% = 121,61
59531,83

II 58794 61664,92 58794

x100% = 95,34
61664,92

Dan seterusnya dapat dilihat dalam tabel 6.

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

(3) Cari median tiap kwartal dengan tidak memandang kapan

terjadinya ( tabel 6 kolom 5).

(4) Hitung rata-rata dari median-median (tabel 6 kolom 5) tersebut

 397,25 
 = 99,3125 
 4 

(5) Hitung indeks musim dengan cara median dibagi rata-rata

median dikalikan 100% untuk contoh sebagai berikut:

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

(c). Metode Persentase terhadap rata-rata Bergerak

Dalam metode persentase terhadap rata-rata bergerak ( ratio to

moving average) ini dapat kita tentukan indeks musimnya dengan

prosedur perhitungan sebagai berikut:

(1) Susunlah data historis yang ada kedalam tabel 7 pada kolom

pertama menyatakan tahun, kolom kedua periode musim dan

kolom ketiga data yang ada.

(2) Hitunglah jumlah bergerak selama satu tahun dan letakkan pada

pertengahan data. Untuk pertama kali dilihat jumlah kwartal I

sampai dengan IV pada tahun 2002, yaitu 72398 + 58794 +

60690 + 70148 = 262030, diletakkan pada pertengahan kwartal II

dan III. Berikutnya dihitung jumlah data penjualan mulai kwartal

II tahun 2002 sampai dengan kwartal I tahun 2003, sebesar

58794 + 60690 +70148 + 59988 = 249620, diletakkan pada

pertengahan kwartal III dan IV tahun 2002 dan seterusnya,

hasilnya terlihat pada kolom 4 tabel 7.

(3) Hitunglah jumlah bergerak dua periode dari jumlah bergerak

(kolom 4 tabel 7) , letakkan pada pertengahan kedua periode itu.

Misalnya untuk pertama kali hitung jumlah dari dua nilai pertama
 37

pada kolom 4 tabel 7, sebesar 262030 + 249620 = 511650

hasilnya letakkan pada pertengahan kedua nilai yang

dijumlahkan tersebut, yaitu pada kuartal III. Berikutnya dihitung

jumlah bergerak antara angka kedua dan angka ketiga pada

kolom 4 tabel 7, sebesar 249620 + 251533 = 501153, letakkan

pada kwartal IV 2002 kemudian hitung lagi jumlah bergerak

berikutnya, hasilnya dapat dilihta pada kolom 5 pada tabel 7.

(4) Hitunglah rata-rata bergerak dengan membagi angka-angka pada

kolom ke 4 dengan 8 ( karena jumlah bergerak 4 kwartal

dijumlahkan lagi 2 periode) pada kwartal III 2002 masing-

masing = 511650 : 8 = 63956,25; kwartal IV 2002 = 501153 : 8 =

62644,125 dan seterusnya, hasilnya seperti pada kolom 6 pada

tabel 7.

(5) Hitunglah persentase dengan data asli ( kolom 3) dibagi rata-rata

bergerak, hasilnya dikalikan dengan 100%, hasilnya seperti pada

kolom 7 tabel 7.

(6) Persentase data asli dari rata-rata bergerak tersebut disususn

dalam tabel 8 dibagi menurut tahun dan periode musiman yang

dikehendaki ( dalam contoh ini kuartalan).

(7) Lihat semua persentase kwartal pertama, dengan tidak

memperhatikan tahun terjadinya untuk mencari mediannya,

hasilnya diletakkan pada kolom 5 tabel 8.

(8) Indeks musim dapat dihitung dengan median dikali 100%, untuk

tiap-tiap kwartal sebagai berikut:

 38

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

3. Fluktuasi Siklis (S)

Fluktuasi siklis adalah perubahan atau gelombang pasang surut

sesuatu hal yang berulang kembali dalam waktu lebih dari sartu tahun

(kebanyakan antara 5 sampai 10 tahun). Adapun langkah-langkah untuk

mencari indeks siklis sebagai berikut:

(a). Susunlah data tiap kuartal kebawah ( lihat tabel 9)

(b). Cari nilai trend tiap kuartal dengan mensubtitusikan nilai-nilai X

sesuai dengan kuartal dan tahun yang bersangkutan (sudah dihitung

dalam tabel 5) hasilnya seperti tercantum pada kolom 2 tabel 9.

(c). Cantumkanlah indeks musim pada kolom 3 tabel 9.

(d). Kalikanlah trend ( dalam kolom 3 tabel 9) dengan indeks musim (pada

kolom 3 tabel 9 dalam %) hasilnya disebut “ normal” seperti pada

kolom 4 tabel 9.

59531,83 x 101,75 = 60573,63

61664,92 x 95,34 = 58791,33 dan seterusnya

 40

(e). Kolom 5 tabel 9 diperoleh dari data (pada kolom 1 tabel 9) dibagi

dengan normal (pada kolom 4 tabel 9) dikalikan 100. ini menunjukkan

perubahan siklis dan perubahan random.

(T x M x S x R) / (T x M)= S x R

(f). Untuk mengalikan pengaruh perubahan random, cari jumlah

tertimbang bergerak weight moving total dari variasi siklis dan random

(pada kolom 5 tabel 9), misalnya dengan digunakan weight 1,2,1

artinya jumlah data selama 3 kuartal dengan weight, kuartal

sebelumnya 1, kuartal yang bersangkutan 2, dan kuartal sesudahnya 1.

Jumlah tertimbang bergerak tahun 2002:

Kw.I = 119,52(1) + 103,31(2) + 100,01(1) = 426,15

Kw.I = 103,31(1) + 100,01(2) + 101,29(1) = 404,62 dan seterusnya.

(g). Hitunglah rata-rata bergerak tertimbang, dengan cara angka-angka

pada jumlah bergerak tertimbang kolom 6 tabel 9 dibagi dengan

jumlah tertimbangnya (1+2+1=4). Hasilnya merupakan rata-rata

tertimbang bergerak seperti pada tabel 9 kolom 7 dan inilah indeks

siklis yang dicari.

 41

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

4. Perubahan yang bersifat Random ( R )

Variasi random adalah gelombang pasang atau surutnya sesuatu

hal biasanya terjadi secara tiba-tiba dan sukar diperkirakan. Biasanya

terjadi secara kebetulan dan sukar diramalkan.

 42

E. Forecasting dengan Metode Dekomposisi.

Pada metode dekomposisi, forecasting dilakukan dengan

menggabungkan komponen-komponen yang telah diperoleh yaitu trend,

indeks musim, mestinya dengan indeks siklis dan perubahan-perubahan

random. Tetapi gerak siklis sukar diperkirakan polanya karena faktor yang

mempengaruhinya banyak sekali, demikian juga gerak random sangat sulit

diperkirakan.

Oleh karena itu forecasting biasanya hanya menggunakan trend (T)

dan gerak Musiman (M) saja, sehingga forecast dapat dibuat dengan rumus

sebagai berikut:

F=TxM

Sebagai contoh forecast permintaan konsumen pada tahun 2002

dengan menggunakan data, trend dan indeks musim yang telah diperoleh. Kita

pakai persamaan trend sebagai berikut:

^
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.

Maka nilai trend untuk tahun 2006 sebagai berikut:

Kuartal I = 71263,825 + 21339,09 (11) = 305993,815

Kuartal II = 71263,825 + 21339,09 (12) = 327332,905

Kuartal III = 71263,825 + 21339,09 (13) = 348671,995

Kuartal IV = 71263,825 + 21339,09 (14) = 370011,085

 43

Dengan memakai indeks musim seperti yang tercantum pada tabel

4 akan diperoleh forecast untuk tahun 2006 sebagai berikut:

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

Pengisian Bahan Bakar Umum) Pamularsih. Data yang dianalisis adalah

volume penjualan pertamax pada SPBU Pamularsih Semarang tahun 2002-

2004.

B. Variabel dan Pengambilan Data

Variabel yang diteliti dalam penyusunan laporan tugas akhir ini adalah

volume penjualan bahan bakar pertamax pada SPBU Pamularsih Semarang

pada tahun 2002-2004.

Data yang diambil dalam penyusunan tugas akhir ini adalah sebagai berikut:

1. Data Primer

Data primer merupakan informasi data yang diperoleh secara

langsung dari CV.BINA HIDUP Semarang. Data tersebut berupa

volume penjualan bahan bakar pertamax mulai tahun 2002-2004.

2. Data Sekunder

Data sekunder merupakan informasi data yang diperoleh dengan

mengumpulkan terlebih dahulu teori yang ada kaitannya dengan masalah

yang diteliti. Agar diperoleh data yang objektif maka teknik

 45

pengumpulan datanya dilakukan dengan cara studi kepustakaan, yaitu

dengan melakukan telaah dari literatur-literatur (referensi) yang

berhubungan dengan materi prakiraan atau prediksi menggunakan

metode dekomposisi.

C. Analisis Data

Didalam tahap ini dilakukan pengkajian data yang diperoleh

beradasarkan teori yang ada, khususnya yang berkaitan dengan penggunaan

metode dekomposisi untuk peramalan (forecasting) penjualan.

Langkah-langkah analisis yang dilakukan adalah:

1. Membuat Scatter Diagram

Untuk melihat volume penjualan dari data time series yang ada

dilakukan dengan menggambarkan suatu diagram yang dinamakan

scatter diagram dengan menggunakan program excel, waktu atau

periode penjualan (X) dan volume penjualan (Y).

2. Menentukan Persamaan Trendnya

Ada beberapa metode yang bisa dipakai untuk membuat trend

linier, misalnya metode setengah rata-rata, dalam penelitian ini metode

yang digunakan adalah metode least square. Dikatakan sebagai metode

least square karena persamaan yang diperoleh mengakibatkan jumlah

kesalahan forecatsing kuadrat terkecil kalau dibandingkan dengan

persamaan yang dihasilkan oleh metode lain.

Persamaan trend dengan metode least square adalah sebagai

^
berikut: Y = a + bX
 46

^
Dengan: Y = nilai trend (forecast)

a = bilangan konstan

b = slope atau koefisien kecondongan garis trend

x = mewakili waktu (tahun).

^
Y merupakan nilai trend sedang Y merupakan nilai asli yang

diperoleh. Tahun diwakili dengan nilai X yang skalanya sederhana,

misalnya kalau pada tahun 2003 nilai X = 1 maka pada tahun 2002 X =

0, pada tahun 2004 X = 2 dan seterusnya. Pada tahun X = 0 nilai trend

sebesar a.

Untuk mencari nilai a dan nilai b dari persamaan diatas dapat digunakan

dua persamaan sebagai berikut:

∑ Y = n.a + b.∑ X
∑ XY = a.∑ X + b∑ X 2

Untuk mempermudah hitungannya nilai X pada tahun yang

berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut 1,2,

dan seterusnya. Kalau jumlah data (tahun) ganjil maka kita bisa

meletakkan X=0 tepat berada ditengah, sehingga jumlah nilai seluruh

X=0, dari persamaan di atas dapat diubah, menghasilkan rumus untuk

mencari nilai a dan nilai b secara lebih singkat sebagai berikut:

a=
∑Y
n

b=
∑ XY
∑X 2
 47

3. Mengubah persamaan trend tahunan menjadi trend kuartal

4. Menghitung nilai trend untuk masing-masing kuartalan dengan metode

persentase terhadap Trend dengan cara sebagai berikut:

a. Cari nilai trend mulai kuartal I sampai dengan kuartal IV pada

tahun berikutnya.

b. Cari persentase nilai riil

c. Cari median tiap kuartal dengan tidak memandang kapan

terjadinya

d. Cari rata-rata median tersebut

e. Cari indeks musim tiap kuartalnya.

5. Mencari indeks siklisnya

6. Menghitung forecasting volume penjualan bahan bakar pertamax pada

tahun 2006

D. Penarikan Kesimpulan

Pada akhir pembahasan dilakukan penarikan kesimpulan sebagai

jawaban dari permasalahan.

 48

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

A. Hasil Penelitian

Pengambilan data dilakukan di CV.BINA HIDUP Semarang, CV ini

menyediakan berbagai macam bahan bakar yang didistribusikan ke SPBU-

SPBU cabangnya diantaranya SPBU Pamularsih, SPBU Gajah Mungkur. Pada

penelitian ini data yang diambil untuk analisis adalah data volume penjualan

pertamax perbulan sejak tahun 2002 sampai dengan tahun 2004.

Dengan menggunakan langkah-langkah yang telah diuraikan dalam bab

III akan dibahas penggunaan metode dekomposisi untuk menentukan

forecasting penjualan pertamax serta mengetahui berapa nilai ramalan

penjualan untuk tahun 2006 dan perbandingan penjualan pertamax dengan

tahun-tahun sebelumnya:

1. Lampiran 2 gambar 1 didapat dari program excel ,menunjukkan grafik

volume penjualan pertamax perkuartal dan nilai trend perkuartal dari

tahun 2002-2004. Dari grafik pada gambar 1 dapat dilihat bahwa volume

penjualan pertamax fluktuatif artinya dalam setiap kuartal mengalami

penurunan dan peningkatan hasil penjualan dan bila dilihat dari forecast

nilai trend maka tiap kuartalnya selalu mengalami kenaikan.

2. Pada tabel 10 (lampiran 1) menunjukkan data untuk penjualan pertamax

selama 36 bulan, sejak bulan Januari 2002 sampai bulan Desember 2004.

Dari volume penjualan tiap bulan tersebut diubah menjadi tiap kuartal

(satu kuartal dihitung dari bulan Januari sampai dengan Maret).

 49

Langkah selanjutnya adalah menentukan persamaan trend berdasarkan

pada tabel 13 (lampiran 3) dan perhitungannya, diperoleh persamaan trend

^
tahunan: Y = 285055,3 + 34159,5 X .

^
( Y = penjualan tiap tahun, satuan X= 1 tahun , origin tahun 2003).

3. Dan persamaan trend kwartalan (persamaan diperoleh berdasarkan

persamaan trend tahunan lampiran 3 tabel 13 ) adalah:

^
Y = 71263,825 + 2133,09 X

^
( Y =penjualan tiap kuartal satuan X= 1 kuartal, origin pertengahan kuartal

II-III 2003)

4. Pada tabel 14 (lampiran 4) menunjukkan skala X untuk trend kuartalan,

berdasarkan skala tersebut maka diperoleh nilai trend kwartalan (dengan

mensubstitusikan skala X pada persamaan trend kwartalan) yang

ditunjukkan pada tabel 15 lampiran 4.

Untuk menghitung indeks musim (data tabel 11 lampiran 2) digunakan

metode persentase terhadap trend (tabel 16 lampiran 5) diperoleh indeks

musim untuk kuartal 1 sampai dengan kuartal IV berturut-turut:kuartal I

=102,45; kuartal II=96; kuartal III= 95,78; kuartal IV=105,76.

5. Dengan nilai-nilai X berdasarkan trend kwartalan untuk tahun 2006 dan

perhitungannya (pada lampiran 6 tabel 17) maka diperoleh forecasting

untuk kwartal I sebesar=93661,27; kuartal II sebesar= 95794,36; kwartal

III sebesar= 97927,45; dan kwartal IV sebesar= 100060,54.

6. Dengan menggunakan indeks musim yang ada (lampiran 6 tabel 17) maka

diperoleh forecasting penjualan pertamax untuk tahun 2006 kuartal I

 50

sebesar =95300,04; kuartal II= 91330,34; kuartal III= 93148,59; kuartal

IV=105103,59

B. Pembahasan

Dengan menggunakan nilai trend pada tahun 2006 diperoleh forecasting

volume penjualan mulai kuartal I sampai kuartal IV berturut-turut diharapkan

dapat terjual sebesar 93661,27 liter, 95794,36 liter, 97927,45 liter dan

100060,54 liter. Tampak bahwa nilai trend tiap kuartal mengalami perubahan

positif. Hal ini menunjukkan bahwa penjualan pertamax mengalami kenaikan

terutama menjelang liburan misal penjualan pertamax bulan desember 2002

mengalami kenaikan yang semula bulan November 2002 terjual 21403 liter

kemudian bulan desember 2002 terjual sebesar 26380 liter. Penjualan

mengalami kenaikan dikarenakan menjelang tahun baru 2003 konsumen

banyak menggunakan bahan bakar tersebut. Begitu juga dengan penjualan

pada bulan Oktober 2004 mengalami kenaikan dikarenakan pada bulan

tersebut ada peringatan Hari Raya Idhul Fitri. Hal ini disebabkan oleh selera

konsumen.

Dengan menggunakan indeks musim yang ada diperoleh forecast untuk

tahun 2006 yaitu kuartal I penjualan pertamax diharapkan dapat terjual sebesar

95300,04 liter dan kuartal II untuk penjualan pertamax diharapkan dapat

terjual sebesar 91330,34 liter dan kuartal III untuk penjualan pertamax

diharapkan dapat terjual sebesar 93148,59 liter dan kuartal IV untuk

penjualan pertamax diharapkan dapat terjual sebesar 105103,59 liter, jumlah

keseluruhan prakiraan permintaan tahun 2006 sebesar 384882.56 liter.

 51

Jika dilihat dari penjualan tahun-tahun sebelumnya maka penjualan

pertamax mengalami kenaikan dari tiap tahunnya. Ini dapat dilihat dari data

penjualan tahunan (lihat tabel 12 lampiran 3) selalu mengalami kenaikan

begitu juga dengan hasil forecasting tahun 2006 juga mengalami kenaikan

karena makin bertambahnya jumlah kendaraan yang memiliki tingkat rasio

kompresi mesin yang tinggi maka dibutuhkan pula bahan bakar yang memiliki

nilai oktan yang tinggi (http/Pertamina/Pertamax) dan letak SPBU Pamularsih

yang strategis. Sehingga dapat disimpulkan bahwa data penjualan pertamax

memiliki pola musiman karena penjualannya selalu mengalami kenaikan pada

bulan-bulan tertentu yang berulang kembali dalam waktu tidak lebih dari satu

tahun. .
 52

BAB V

PENUTUP

A. Simpulan

Dari hasil penelitian dan pembahasan di atas dapat diambil suatu

kesimpulan sebagai berikut:

1. Metode dekomposisi didasarkan pada prinsip “pemecahan” data ke dalam

masing-masing komponen yakni trend, musiman, siklis, dan unsur

random. Kemudian dilakukan ramalan terhadap nilai masing-masing dan

komponen tersebut secara terpisah ( kecuali faktor yang tidak dapat

diduga) dan akhirnya menggabungkan kembali ramalan-ramalan tersebut.

2. Dari hasil perhitungan pada lampiran 3 diperoleh persamaan trend

kuartalan untuk volume penjualan bahan bakar pertamax sebagai berikut:

^
Y = 71263,825 + 2133,09 X

Dengan memperhatikan perhitungan pada lampiran 7 diperoleh nilai trend

untuk tahun 2006 sebagai berikut:

^
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

terjual sebesar 93661,27 liter, kwartal II bahan bakar pertamax diharapkan

dapat terjual sebesar 95794,36 liter, kwartal III bahan bakar pertamax
 53

diharapkan dapat terjual sebesar 977927,45 liter dan kwartal IV bahan

bakar pertamax diharapkan dapat terjual sebesar 100060,54.

Tampak bahwa nilai trend untuk tiap kwartal mengalami perubahan yang

positif.

3. Dari hasil perhitungan pada lampiran 7 diperoleh forecast penjualan bahan

bakar pertamax untuk tahun 2006 adalah sebagai berikut:

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

terjual sebesar 95300,34 liter kwartal II bahan bakar pertamax diharapkan

dapat terjual sebesar 91330,34 liter kwartal III bahan bakar pertamax

diharapkan dapat terjual sebesar 93148,59 liter dan kwartal IV bahan

bakar pertamax diharapkan dapat terjual sebesar 105103,59 liter.

4. forecasting volume penjualan bahan bakar pertamax tahun 2006 pada

SPBU Pamularsih Semarang mengalami kenaikan volume penjualan jika

dibandingkan dengan tahun-tahun sebelumnya. Hal ini terjadi mungkin

karena semakin bertambahnya jumlah kendaraan yang memiliki tingkat

rasio kompresi mesin yang tinggi dan mungkin juga karena letak SPBU

Pamularsih yang strategis sehingga dapat dijangkau oleh konsumen.

 54

B. Saran

Untuk mengantisipasi berbagai kemungkinan yang terjadi pada tingkat

penjualan bahan bakar pertamax, pimpinan CV.BINA HIDUP Semarang harus

mengambil kebijakan. Salah satunya adalah dengan mengadakan forecasting

penjualan untuk tahun-tahun mendatang. Hal ini sangat berguna karena

seorang pimpinan harus dapat mengambil langkah kapan bahan bakar

pertamax lebih banyak dipasok dan kapan penjualan akan mengalami

penurunan. Sehingga selain mengandalkan teknik pemasaran, promosi,

kuantitas dan kualitas bahan bakar dan lain-lain pimpinan CV.BINA HIDUP

Semarang melakukan forecasting sebagai langkah awal antisipasi terhadap

volume penjualan.
 55

DAFTAR PUSTAKA

Anto Dajan. 1986. Pengantar Metode Statistika jilid I. Jakarta. Penerbit PT.
Pustaka LP3ES Indonesia

Basu Swasta. 1998. Statistik Deskriptif untuk Ekonomi dan Niaga.Bandung.

Tarsito Bandung

Indriyo Gitosudarmo. 2001. Teknik Proyeksi Bisnis.Yogyakarta. BPFE.

Yogyakarta

Pangestu Subagyo. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta. BPFE

Yogyakarta

Spyros Makridakis Dkk (penterjemah) Untung S. Andriyanto Dkk. 1992. Metode

dan Aplikasi Peramalan Jilid I. Jakarta. Erlangga

Sudjana. 1981. Statistik Deskriptif untuk Ekonomi dan Niaga. Bandung. Tarsito

Sutrisno Hadi. 2000. Statistik Jilid III. Andi Yogyakarta

T. Hani Handoko. 1984. Dasar Manajemen Produksi dan Operasi. Yogjakarta.

BPFE Yogjakarta.

WWW. Google.com / http/ Pertamina/Pertamax.id

56
 57

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"

Tahun Penjualan (Perliter)

2002 262030
2003 262847
2004 330289

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 setiap tahun, satuan X=1 tahun, origin tahun 2003).

untuk mendapatkan trend kuartalan dari persamaan diatas a dibagi 4 dan b dibagi
16 sehingga diperoleh persamaan trend kuartalan sebagai berikut:
^ 285055,3 34129,5
Y= + X
4 16
^
Y = 71263 ,825 + 2133 ,09 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

Kw 2002 2003 2004 Median

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
Rata-rata median dari data tersebut  397 , 25 
 = 99,3125 
adalah:  4 
 61

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

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,871a ,759 ,518 27199,54
a. Predictors: (Constant), X

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