 EKMA4570/MODUL 2 2.

Kegiatan Be laj ar 1

Peramalan Jualan

P ada Kegiatan Belajar 1 menjelaskan tentang peramalan jualan, meliputi:

metode ramalan jualan, kebaikan dan keburukan metode ramalan jualan,
dan membuat ramalan jualan.

A. METODE RAMALAN JUALAN

Telah dikemukakan fungsi manajemen oleh George R. Terry terdiri atas

perencanaan (planning), pengorganisasian (organizing), pelaksanaan
(actuating), dan pengawasan (controlling). Dalam kaitannya dengan
peramalan (forecasting), L.F Orwick mengemukakan fungsi manajemen yang
terdiri dari peramalan (forecasting), perencanaan (planning),
pengorganisasian (organizing), pengkomandoan (commanding),
pengkoordinasian (coordinating), pengawasan (controlling). Dari fungsi
manajemen yang dikemukakan oleh Orwick tersebut berarti proses kegiatan
manajemen dimulai dari peramalan (forecasting) setelah itu baru dilakukan
perencanaan (planning), baru kemudian fungsi manajemen yang lain. Pada
Gambar 1.2 tampak anggaran jualan (rencana jualan) dibuat berdasarkan
ramalan jualan.
Peramalan jualan merupakan proses kegiatan memperkirakan produk
yang akan dijual pada waktu yang akan datang dalam keadaan tertentu dan
dibuat berdasarkan data yang pernah terjadi dan atau mungkin akan terjadi.
Peramalan (forecasting) adalah proses kegiatan meramalkan suatu
kejadian yang mungkin terjadi pada masa akan datang dengan cara mengkaji
data yang ada. Jualan artinya hasil proses menjual atau yang dijual atau hasil
penjualan. Penjualan artinya proses menjual. Menjual artinya menyerahkan
sesuatu kepada pembeli dengan harga tertentu. Peramalan jualan berarti
proses meramalkan produk yang dijual dari perusahaan tertentu dan pada saat
tertentu. Peramalan jualan merupakan faktor penting dalam perencanaan
perusahaan, karena peramalan jualan akan menentukan anggaran jualan, dan
anggaran jualan menentukan anggaran produk, anggaran biaya pabrik,
anggaran beban usaha, anggaran kas, anggaran rugi-laba dan anggaran
neraca.
2.4 Penganggaran 

Teknik membuat ramalan jualan dapat dilakukan secara kualitatif dan

kuantitatif atau gabungan keduanya.

1. Metode Kualitatif
Ramalan jualan yang dibuat secara kualitatif dengan menggunakan
metode pendapat para tenaga penjual, metode pendapat para manajer divisi
penjualan, metode pendapat eksekutif, metode pendapat para ahli, dan
metode pendapat survei konsumen.

a. Pendapat para tenaga penjual

Pendekatan ini menekankan pertimbangan dan keahlian dari para tenaga
penjual. Partisipasi tingkat tinggi dari bawah ke atas sangat ditekankan.
Metode ini sering digunakan oleh perusahaan kecil, dan perusahaan yang
hasil produknya berjumlah sedikit.

b. Pendapat para manajer divisi penjualan

Pendekatan ini menekankan pertanggungjawaban dari manajer penjualan
daerah atau produk. Variasi dari pendekatan ini berdasarkan pada survei
informal dari pelanggan utama perusahaan, jualan diramalkan atas dasar
laporan yang dipersiapkan oleh perwakilan khusus perusahaan yang berkaitan
dengan pelanggan.

c. Pendapat para ahli

Orang yang berpengalaman dan ahli dalam bidang penjualan sering kali
dimintai pertimbangan untuk meramalkan jualan.

d. Pendapat eksekutif
Perusahaan kecil dan menengah sering menggunakan metode pendapat
juri dari eksekutif. Dalam bentuk paling sederhana, menyajikan pertimbangan
kombinasi atau pendapat dari eksekutif tingkat atas dalam perusahaan
tersebut. Perusahaan kecil sering menggunakan prosedur yang sederhana,
dimulai dengan analisis data jualan historis menurut produk. dan daerah
sebagai suatu dasar untuk perencanaan jualan. Ramalan jualan awal dibuat
sebagai fungsi staf. Hasilnya kemudian disesuaikan oleh eksekutif penjualan
tingkat atas untuk faktor seperti kondisi ekonomi, kebijakan manajemen
penjualan, dan tujuan pertumbuhan yang ingin dicapai. Selanjutnya, ramalan
jualan sementara diberikan ke masing-masing manajer kantor pemasaran
 EKMA4570/MODUL 2 2.5

daerah (produk) untuk pertimbangan peninjauan kembali dan perbaikan yang

diusulkan.

e. Pendapat dari survei konsumen

Metode survei-konsumen juga dapat digunakan untuk meramalkan
jualan. Sasaran survei bisa berupa individu, rumah tangga, perusahaan,
departemen, negara, dan organisasi tertentu. Umumnya survei hanya meneliti
sampelnya saja. Untuk keperluan ramalan ditanyakan maksud atau rencana
orang (individu), rumah tangga, departemen, negara dan organisasi lainnya.
Misalnya individu ditanya bermaksud beli barang tertentu, kalau ya, berapa
jumlahnya.

2. Metode Kuantitatif
Ramalan jualan yang dibuat secara kuantitatif dapat menggunakan
analisis trend, analisis regresi, metode distribusi probabilitas, dan metode
analisis jalur produk.

a. Analisis trend
Analisis trend merupakan salah satu metode statistik yang mudah
digunakan dalam meramalkan (jualan). Analisis trend terdiri atas; trend garis
lurus dan trend bukan garis lurus. Trend garis lurus (linear) terdiri atas;
metode kuadrat terkecil dan metode bukan garis lurus antara lain trend
parabola kuadrat, trend eksponensial (logaritma). Analisis trend merupakan
analisis runtut waktu atau data berkala sebagai variabel bebas (X).

b. Analisis regresi
Analisis regresi juga termasuk metode statistik dalam meramalkan
(jualan). Analisis regresi terdiri atas regresi sederhana dan analisis regresi
berganda. Analisis regresi merupakan analisis antara variabel terikat (Y)
dengan variabel bebas (X). Variabel bebas yang mempengaruhi variabel
terikat digunakan untuk meramalkan variabel terikat. Bila variabel bebas
hanya ada satu digunakan analisis regresi sederhana, tetapi bila variabel
bebas lebih dari satu maka digunakan analisis regresi berganda. Untuk
analisis regresi berganda dalam modul ini hanya dikemukakan dua variabel
bebas, karena bila variabel bebas sangat banyak, perhitungannya lebih rumit,
dan sebaiknya menggunakan program komputer.
2.6 Penganggaran 

c. Metode distribusi probabilitas

Metode ini dapat digunakan untuk meramalkan jualan dengan cara
memakai variasi produk yang akan dijual dan membuat probabilitas masing-
masing taksiran variasi produk yang akan dijual.

d. Metode analisis lini produk

Metode analisis jalur produk atau lini produk dalam membuat ramalan
jualan sangat penting. Mengenai jalur produk (lini produk) dibahas lebih
lanjut pada Modul 4 Kegiatan Belajar 1. Ramalan jualan baik strategis
maupun taktis harus mencakup keputusan sementara tentang jalur produk
baru yang akan diperkenalkan, jalur produk lama yang akan dihapuskan,
inovasi dan produk campuran. Produk campuran adalah hubungan volume
antara dua produk atau lebih, misalkan anggaran jualan setahun 2.000 unit
produk X dan 2.500 produk Y sehingga berjumlah 4.500 unit. Masalahnya
apakah meningkatkan produk Y tanpa meningkatkan produk X atau
meningkatkan produk X tanpa meningkatkan produk Y. Masalah ini lebih
lanjut akan dibahas pada Modul 7 Kegiatan Belajar 1 tentang penyusunan
anggaran variabel perusahaan industri dengan pokok bahasan Manfaat
Metode Penentuan Harga Produk Variabel Dalam Pengambilan Keputusan,
yaitu keputusan meningkatkan produk tertentu.

B. KEBAIKAN DAN KEBURUKAN METODE RAMALAN JUALAN

Metode kualitatif dan metode kuantitatif tidak menjamin ketepatan

ramalan jualan dengan realisasi. Ramalan jualan akan mendekati realisasi
jualan, apabila ramalan jualan tersebut dapat disusun berdasarkan kontrak
jual beli (sales contract).
Setiap metode bagaimanapun baiknya, tentu ada keburukannya
(kelemahannya). Begitu juga dengan metode ramalan jualan yang
dikemukakan dalam modul ini.

1. Metode Kualitatif
Ramalan jualan yang dibuat secara kualitatif, seperti dengan
menggunakan metode pendapat para tenaga penjual, metode pendapat para
manajer divisi penjualan, dan metode pendapat eksekutif mempunyai
kebaikan (keunggulan), tetapi juga mempunyai keburukan (kelemahan)
dalam membuat ramalan jualan.
 EKMA4570/MODUL 2 2.7

a. Metode pendapat para tenaga penjual

Kebaikan metode pendapat para tenaga penjual adalah bahwa:
1) menanamkan tanggung jawab dan mereka merasa milik perusahaan;
2) ramalan dibuat oleh individu yang terdekat dengan pelanggan;
3) rencana awalnya disetujui oleh orang yang bertanggung jawab untuk
tercapainya tujuan penjualan.

Kelemahan metode pendapat para tenaga penjual adalah:

1) tenaga penjual (pramuniaga) mungkin terlalu optimis atau pesimis,
ramalannya terlalu kecil untuk melindungi diri sendiri;
2) perhatian yang tidak cukup mungkin ditujukan untuk variabel sebab
akibat yang luas. Para peserta tenaga penjual mungkin tidak memberikan
perhatian yang cukup kepada masalah selanjutnya sehingga evaluasi
potensi pasar tidak layak. Kelemahan ini dapat diatasi melalui
pendidikan tentang anggaran dan motivasi;
3) metode ini terbatas pada ramalan taktis jangka pendek, tujuan utama
dalam ramalan jualan seharusnya memaksimumkan laba jangka panjang
daripada jangka pendek.

b. Metode pendapat para manajer divisi penjualan

Metode ini juga mempunyai kebaikan dan keburukan dalam membuat
ramalan jualan. Kebaikan metode ini antara lain: (a) dapat digunakan secara
luas oleh perusahaan dari semua ukuran, (b) berguna dalam situasi jumlah
pelanggan terbatas. Keburukan metode ini antara lain digunakan untuk
ramalan jualan jangka pendek sehingga dapat mengabaikan memaksimalkan
laba jangka panjang.

c. Metode pendapat eksekutif

Metode ini juga mempunyai kebaikan karena sederhana, langsung dan
ekonomis sehingga sering digunakan. Kelemahannya antara lain:
(a) memerlukan pengalaman khusus, dan pengetahuan yang luas dan
(b) menghasilkan ramalan yang lebih atau kurang ilmiah.

d. Metode pendapat para ahli

Metode ini kebaikannya mudah dilakukan, tetapi kelemahannya bersifat
subjektif, artinya lebih mengandalkan orangnya daripada data yang
mendukung pendapat orang tersebut.
2.8 Penganggaran 

e. Metode pendapat dari survei konsumen

Metode pendapat dari survei konsumen keunggulannya bersifat objektif,
tetapi kelemahannya yang diteliti adalah sampel (tidak keseluruhan
konsumen) maka hasilnya taksiran saja.
Bila berbicara sampel maka kita berbicara populasi. Sekumpulan
konsumen adalah populasi. Beberapa konsumen yang dapat mewakili dari
sekumpulan konsumen disebut sampel. Sampel acak (random) adalah sampel
yang diambil dari populasi dengan peluang yang sama. Penyampelan adalah
proses pemilihan sejumlah unsur dari populasi, dengan cara mempelajarinya,
memahami sifatnya, dapat ditaksir sifat dari populasi.

2. Metode Kuantitatif
Metode kuantitatif seperti metode distribusi probabilitas juga
mempunyai kebaikan dan keburukan.

a. Metode distribusi probabilitas

Kebaikan metode distribusi probabilitas adalah adanya nilai tunggal pada
nilai yang diharapkan dan distribusi probabilitas itu sendiri mudah
dikerjakan. Kelemahan metode distribusi probabilitas adalah lebih
bergantung kepada taksiran manajemen dalam penentuan besarnya nilai
probabilitas.

b. Analisis trend dan regresi

Metode ini selain mempunyai kebaikan karena menggunakan ramalan
yang ilmiah dan realistis (objektif), tetapi metode trend dan regresi juga
mempunyai kelemahan. Kelemahan metode trend dan regresi karena
menggunakan asumsi yang konstan (tetap), misalnya harga jual harus
mempunyai fungsi yang linear (garis lurus) dengan kuantitas barang yang
dijual. Sebagai contoh, harga jual per satuan harus sama untuk jumlah barang
yang dijual berapa pun banyaknya, padahal pada kenyataannya ada potongan
harga.
Beberapa data runtut waktu dalam analisis trend, seperti: data jualan
yang tersedia dalam satuan uang, data tersebut dipengaruhi oleh jumlah fisik
barang yang dijual dan harga jualnya. Adanya inflasi dan variasi harga dari
waktu ke waktu dapat menimbulkan masalah dalam analisis. Sebagai contoh,
meningkatnya harga jual per unit akan meningkatkan jumlah jualan dalam
satuan uang, padahal mungkin jumlah kuantitas barang yang terjual menurun.
 EKMA4570/MODUL 2 2.9

Jadi, analisis yang demikian berdasarkan asumsi (anggapan) harga konstan

(tidak berubah). Di samping anggapan harga jual tidak berubah, daya beli
konsumen juga diasumsikan tidak berubah, selera konsumen juga
diasumsikan tidak berubah, pesaing dan barang substitusi juga dianggap tidak
berubah, permintaan dianggap tetap, dan hal-hal lain dianggap tidak berubah,
padahal kenyataannya dapat saja berubah.
Oleh karena analisis trend dan regresi menggunakan asumsi (anggapan)
yang konstan maka ramalan dengan analisis trend dan regresi tidak dapat
digunakan untuk ramalan jangka panjang, terkecuali anggapan konstan
tersebut dalam jangka panjang tidak berubah.
Metode survei konsumen dalam penelitian mengambil sampelnya saja.
Metode trend (regresi) juga demikian, dalam penelitian mengambil
sampelnya saja (bila populasi sampel yang teliti sangat banyak). Dengan
demikian metode trend (regresi) juga berdasarkan taksiran.
Dalam teknik regresi variabel bebas sangat banyak dan yang diteliti
kurang, juga akan menurunkan kualitas hasil penelitian.

C. MEMBUAT RAMALAN JUALAN

Membuat ramalan jualan secara kuantitatif dapat menggunakan metode

distribusi probabilitas, analisis trend, dan analisis regresi. Analisis trend
terdiri atas: analisis trend garis lurus dan analisis trend bukan garis lurus.
Analisis regresi terdiri atas: regresi sederhana, dan regresi berganda.

1. Metode Distribusi Probabilitas

Metode distribusi probabilitas dapat digunakan untuk meramalkan jualan
dengan cara menaksir variasi produk yang akan dijual, setelah itu memilih
angka tertentu untuk membuat kelas interval, dan titik tengah dari kelas
interval tersebut dipilih sebagai nilai kelas interval masing-masing.
Kemudian membuat probabilitas dengan cara untung-untungan, dan jumlah
probabilitas dari semua kemungkinan berjumlah satu atau 100%. Setelah itu
mengalikan setiap kemungkinan jualan dengan probabilitasnya untuk
mendapatkan nilai tertimbang (terbobot) masing-masing. Jumlah nilai
tertimbang merupakan nilai yang diharapkan dalam hal ini jualan yang
diramalkan.
Misalkan manajer penjualan menaksir jumlah suatu produk selama
sebulan bervariasi dari 0 sampai 20.000 unit namun tidak mungkin sampai
2.10 Penganggaran 

20.001 unit. Manajer penjualan memilih 5 angka tertentu dan probabilitas

dari masing-masing angka tersebut. Interval 0 sampai 20.000 unit dibagi
dalam 5 buah kelas interval, dan titik tengah dari kelas interval tersebut
dipilih sebagai nilai kelas interval masing-masing. Pendekatan ini
menghasilkan distribusi probabilitas seperti Tabel 2.1.

Tabel 2.1.
Distribusi Probabilitas

Jualan x Probabilitas = Nilai Tertimbang

1.000 unit 10% 100 unit
5.000 20% 1.000
9.000 35% 3.150
13.000 30% 3.900
17.000 5% 850
100% 9.900 Unit

Dengan demikian nilai yang diharapkan 9.900 unit yang merupakan

ramalan jualan sebulan.

2. Analisis Trend Garis Lurus

Trend merupakan gerakan lamban berjangka panjang dan cenderung
menuju ke satu arah, menaik atau menurun. Dalam suatu data runtut waktu
garis trend pada dasarnya garis regresi dan variabel bebas X merupakan
variabel waktu.
Analisis trend garis lurus (linear) terdiri atas: metode kuadrat terkecil
dan metode momen.
Dalam analisis trend tidak ada ketentuan jumlah data historis (n) yang
dianalisis, tetapi semakin banyak jumlah data (n) semakin baik hasil
perhitungan analisis.
Misalnya: data jualan susu dari PT Imma selama 5 tahun, yaitu tahun
2011, 2012, 2013, 2014, 2015 masing-masing 130 unit, 145 unit, 150 unit,
165 unit dan 170 unit.
Dari data jualan susu selama 5 tahun (n = 5), dapat dihitung ramalan
jualan dengan menggunakan analisis trend garis lurus (metode kuadrat
terkecil dan metode momen), maupun dengan menggunakan analisis trend
bukan garis lurus sebagai berikut.
Analisis trend garis lurus terdiri atas metode kuadrat terkecil dan metode
momen yang dapat diuraikan sebagai berikut.
 EKMA4570/MODUL 2 2.11

a. Metode kuadrat terkecil

Trend garis lurus adalah suatu trend yang diramalkan naik atau turun
secara garis lurus. Variabel waktu sebagai variabel bebas dapat menggunakan
waktu tahunan, semesteran, bulanan, mingguan.
Ramalan jualan menggunakan metode kuadrat terkecil (least square)
dapat dihitung dengan rumus:
Y a bX Y = Variabel terikat
n XY X Y
b 2
X = Variabel bebas
2
n X X
Y X
a b a = Nilai konstan
n n
b = Koefisien arah regresi
n = Banyaknya data

Untuk menggunakan rumus metode kuadrat terkecil dibuat Tabel 2.2 dan
dihitung sebagai berikut.

5 1.620 10 760 8.100 7.600

b 2
0
5 30 10 150 100
760 10
a 10 152 20 132
5 5
Nilai a dapat juga dicari dengan rumus sebagai berikut.
X 2 Y X XY
a 2
n X2 X
30 760 10 1.620
a 2
5 30 10
a 132
2.12 Penganggaran 

Tabel 2.2.
Trend Garis Lurus

n Tahun Jualan (Y) X X2 XY

1 2011 130 0 0 0
2 2012 145 1 1 145
3 2013 150 2 4 300
4 2014 165 3 9 495
5 2015 170 4 16 680
760 10 30 1.620

Persamaan trend garis lurus Y = a + bX

Ramalan jualan tahun 2016 = 132 + 10 (5)
= 182 unit

Metode kuadrat terkecil dapat juga dihitung dengan rumus yang lain, dan
dengan menggunakan Tabel 2.3 dihitung sebagai berikut.

Y XY
a b Syarat X 0
n X2
760 100
a 152 b 10
5 10

Tabel 2.3.
Trend Garis Lurus

n Tahun Jualan (Y) X XY X2

1 2011 130 -2 -260 4
2 2012 145 -1 -145 1
3 2013 150 0 0 0
4 2014 165 1 165 1
5 2015 170 2 340 4
760 0 100 10

Persamaan trend garis lurus Y = a + bX

Ramalan jualan tahun 2016 = 152 + 10 (3)
= 182 unit

b. Metode momen
Ramalan jualan menggunakan metode momen dapat dihitung dengan rumus:
 EKMA4570/MODUL 2 2.13

Y = a + bX
Y = na + b X
XY = a X + b X2
Berdasarkan Tabel 2.2 dengan rumus tersebut dibuat perhitungan sebagai
berikut.
Cara eliminasi
760 = 5 a. b 10 …… 3
1.620 = 10 a. b 30

2.280 =15 a. b 30
1.620 =10a. b30
660 =5a

660
a 132
5
1.520 = 10 a. b 20
1.620 =10 a. b 30
100 = b 10
100
b 10
10

Cara substitusi

1.620 = 10 a b 30
10 a b 30 = 1.620
b 30 = 1.620 – 10a
1.620 10a
b
30
b = 54 - 0,3333 a
b = 54-0,3333 132
b = 10
5a + b 10 = 760
5 a + 10 (54 - 0,3333 a) = 760
5 a + 540 - 3,333 a = 760
5 a - 3,333 a = 760 - 540
1,667 a = 220
a = 132
2.14 Penganggaran 

Berdasarkan Tabel 2.2 cara substitusi dapat juga dihitung sebagai berikut.
b = { XY - ( X Y) : n }: { X2 - ( X)2 : n}
= {1.620 - (10 760) : 5} : {30 - (10) 2 : 5}
= (1.620 - 1.520) : (30 - 20)
= 100: 10
= 10
a = Y  bX Y = 760 : 5 = 152 = Y rata-rata
= 152 -10 2 X = 105 : 5 =21 = X rata-rata
= 152 - 20
= 132

Persamaan trend garis lurus Y = a + b X tahun 2016 berarti X = 5

Ramalan jualan tahun 2016 = 132 + 10 (5) = 182 unit

2. Analisis Trend Bukan Garis Lurus

Trend bukan garis lurus (bukan linear) ada beberapa macam, antara lain:
trend parabola kuadrat, trend eksponensial, dan trend eksponensial yang
diubah.

a. Trend parabola kuadrat

Trend garis lengkung disebut juga dengan trend parabola. Trend
parabola terdiri atas trend parabola kuadrat dan trend parabola kubik. Trend
parabola adalah trend yang nilai variabel terikat naik atau turun tidak garis
lurus (tidak linear) atau terjadi parabola (melengkung).
Persamaan trend parabola kuadrat adalah:

Y = a + bX + c (X)2

Rumus trend parabola kuadrat yang akan dikemukakan dalam uraian ini
adalah untuk jualan produk-bukan permintaan turunan. Dikatakan jualan
produk bukan permintaan turunan, bila produk yang dijual tersebut tidak
dipengaruhi oleh penjualan produk lainnya yang memerlukan bahan baku
dari produk tersebut. Misalkan produk susu tidak digunakan sebagai bahan
baku dari produk roti, maka produk susu ini adalah produk bukan permintaan
turunan. Akan tetapi, bila produk berupa susu digunakan untuk bahan baku
membuat produk biskuit susu misalnya maka produk susu ini dikatakan
produk permintaan turunan.
 EKMA4570/MODUL 2 2.15

Anggap saja jualan susu PT Imma seperti contoh sebelumnya merupakan

produk bukan permintaan- turunan, sehingga dalam metode parabola kuadrat
dapat dibuat perhitungan seperti Tabel 2.4.

Tabel 2.4.
Trend Parabola Kuadrat

n Tahun Jualan (Y) X XY X2Y X4

1 2011 130 -2 -260 4 520 16
2 2012 145 -1 -145 1 145 1
3 2013 150 0 0 0 0 0
4 2014 165 1 165 1 165 1
2015 170 2 340 4 680 16
760 0 4 100 10 1.510 34

Rumus yang digunakan sebagai berikut.

Y = na + c X2 760 = 5a 10c …. x 2
2 2 4
X Y=a X +c X 1.510 = 10 a 34c

1.520 = 10a 20c

Syarat X = 0 1.510 = 10a 34c
10 = 14 c
10
c=  0,71
14
XY = b X2
100 = 10 b
100
b =  10
10
760 = 5a + 10c …. x3,4
2.584 =17 a + 34c
1.510 = 10a + 34c
1.074 = 7a
1.074
a =  153, 43
7
2.16 Penganggaran 

Persamaan trend parabola kuadrat Y = a + b X + c (X) 2

Ramalan jualan tahun 2016 = 153,43 10 X - 0,71 (X)2
= 153,43 10 (3) - 0;71 (3)2
= 177,04 unit

b. Trend eksponensial
Trend eksponensial atau trend logaritma atau trend pertumbuhan adalah
trend yang nilai variabel bebasnya naik secara berlipat ganda (tidak garis
lurus).
Trend garis lurus (linear) dengan bentuk persamaan Y = a + bX. Di
dalam hal ini b = rata-rata kenaikan Y persatuan waktu (per bulan, per tahun,
dan lain sebagainya). Ada beberapa jenis trend yang tidak linear akan tetapi
dapat dibuat linear (garis lurus) dengan jalan melakukan transformasi
(perubahan bentuk). Misalnya:
Trend eksponensial: Y = abx diubah menjadi
Trend semi-log Y = log a + (log b) X, log Y = Y o, log a = a o dan
log b = bo, maka Yo = ao + boX.
Trend eksponensial sering digunakan untuk meramalkan jumlah
penduduk, pendapatan nasional, produksi, hasil penjualan (jualan), kejadian
lain yang perkembangannya/pertumbuhannya secara geometris (berkembang
dengan cepat sekali).
Misalkan selama 8 tahun terjadi pertumbuhan yang cepat sekali
penjualan minyak goreng, tahun I = 20, tahun 2 = 100, tahun 3 = 800, tahun 4
= 3.000, tahun 5 = 15.000, tahun 6 = 150.000, tahun 7 = 1.000.000, tahun 8 =
2.000.000
Untuk meramalkan penjualan minyak goreng tahun 9 dibuat perhitungan
dengan Tabel 2.5.

Tabel 2.5.
Trend Eksponensial

Tahun Y Log Y X X log Y X2

1 20 1,30 1 1,30 1
2 100 2,00 2 4,00 4
3 800 2,90 3 8,70 9
4 3.000 3,48 4 13,92 16
5 15.000 4,18 5 20,90 25
 EKMA4570/MODUL 2 2.17

Tahun Y Log Y X X log Y X2

6 150.000 5,18 6 31,08 36
7 1.000.000 6,00 7 42,00 49
8 2.000.000 6,30 8 50,40 64
31,34 36 172,30 204

Y = 31,34: 8 = 3,917
X = 36 : 8 = 4,5

Untuk membuat log Y dan antilog dapat menggunakan lampiran

logaritma dan antilogaritma pada lembaran akhir Modul 2 ini. Misalnya
tahun 1, Y = 20, log Y = 1,30, maka karakteristik dari logaritma ini adalah 1
(ingat bahwa 1,301 = 1 + 0,301). sedangkan mantisanya adalah 0,031. Pada
tabel logaritma bilangan dengan basis 10 lampiran Modul 2 ini tampak pada
kolom B angka 20 dan kolom 0 pada garis yang sama angka 301. Dengan
demikian log Y = 1,301 atau dibulatkan 1,30. Tahun 2, Y = 100, log Y =
2,00, maka karakteristik dari logaritma ini adalah 2, sedangkan mantisanya
adalah 0,00. Tampak pada tabel kolom B angka 10 dan, kolom 0 pada garis
yang sama 0,00. Tahun 4, Y = 3.000, log Y = 3,48, maka karakteristik dari
logaritma ini adalah 3, sedangkan mantisanya 0,477. Tampak pada tabel
kolom B angka 30 dan kolom 0 pada garis yang sama angka 477. Dengan
demikian log Y = 3,477 atau dibulatkan 3,48. Tahun 6, Y = 150.000, log Y =
5,18 maka karakteristik dari logaritma ini adalah 5, sedangkan mantisanya
0,176. Tampak pada tabel kolom B angka 15 dan kolom 0 pada garis yang
sama angka 176. Dengan demikian log Y = 5,176 atau dibulatkan 5,18.
Berdasarkan Tabel 2.5 dibuat perhitungan sebagai berikut.


bo  ΣXY  ΣX.ΣY : n : ΣX2 ΣX : n
2

172,30 3631,34 : 8

204 36 : 8
2

31,27
  0,745
42
2.18 Penganggaran 

a o  Y  bo X
 3,917  0,745(4,5)
 0,564
Persamaan trend yang sudah dilinearkan adalah:
Yo = a + boX
Yo = 0,564 + 0,745 X

Bila ingin dibuat persamaan eksponensialnya maka nilai a o dan bo

diantilogkan a = 3,66 dan b = 5,56.
ao = 0,564 diantilogkan a = 3,66, menggunakan tabel antilogaritma pada
lampiran lembar akhir modul 2 ini dengan cara pada kolom X angka 56 pada
kolom 4 baris yang sama terdapat angka 366 sehingga diantilogkan a = 3,66.
bo = 0,745 diantilogkan b = 5,56, menggunakan tabel antilogaritma dengan
cara kolom X angka 74 pada kolom 5 baris yang sama terdapat angka 556,
sehingga diantilogkan b = 5,56.
Berarti persamaan eksponensialnya sebagai berikut.
Y = abx
= 3,66 (5,56) x
Jika ingin mengetahui nilai peramalan minyak goreng pada tahun 9 maka
nilai X = 9 dan dibuat persamaannya sebagai berikut.
Y = 3,66 (5,56)9
= 3,66 5.077.771,15
= 18.584.642,41
Jadi, ramalan minyak goreng yang dijual tahun 9 sebesar 18.584.642,41

c. Trend eksponensial yang diubah

Untuk membuat ramalan dengan menggunakan trend eksponensial yang
diubah, rumus yang digunakan sebagai berikut.
k  Y1  a
Y2  Y1
a
b 2 1
Y  Y2
b2  3
Y2  Y1
Y  k  ab x
Misalkan selama 6 tahun jualan sebagai berikut. Tahun 1 = 1, tahun 2 = 5,
tahun 3 = 10, tahun 4 = 20, tahun 5 = 46, dan tahun 6 = 70.
 EKMA4570/MODUL 2 2.19

Berdasarkan data tersebut dibuat perhitungan untuk meramalkan jualan tahun

ke-7 sebagai berikut, seperti Tabel 2.6.

Tabel 2.6.
Trend Eksponensial Diubah

Tahun (X) Jualan (Y)

1 (0) 1 ( Y1)
2 (1) 5
3 (2) 10 (Y2)
4 (3) 20
5 (4) 46 (Y3)
6 (5) 70

Tiga titik yang dipilih diganti dengan memilih jualan tahun 1 (X = 0),
tahun 3 (X = 2), tahun 5 (X = 4), berjarak dua tahun. Dengan menggunakan
rumus k, a, b2 , dan Y diperoleh:
Y  Y2 46 10
b2  3  4 b 4  2
Y2  Y1 10 1
Y2  Y1 10 1
a  3
b 2 1 4 1
k  Y1  a  1 3  2
x
Y  k  ab x  2  32
Untuk tahun 7 x = 6
Jadi, ramalan jualan tahun 7 adalah
Y = -2 + 3 (2) 6 = -2 +3 (64) = -2 + 192 = 190

3. Standar Kesalahan Peramalan (SKP)

Dalam analisis trend ada dua metode yang dapat digunakan untuk
ramalan jualan, yaitu metode trend garis lurus dan metode trend bukan garis
lurus. Untuk menentukan metode mana yang paling sesuai dari kedua metode
tersebut, maka digunakan standar kesalahan peramalan (SKP). Nilai SKP
yang terkecil akan menunjukkan bahwa peramalan yang disusun tersebut
mendekati kesesuaian. Adapun rumus standar kesalahan peramalan (SKP)
adalah sebagai berikut.
2.20 Penganggaran 

2
SKP  Σ X  Y : n  2
X = jualan
Y = ramalan jualan
n = jumlah data yang dianalisis
-2 = 2 derajat kebebasan hilang karena dua parameter populasi
sedang diramalkan dengan nilai sampel data (a dan b)

Misalnya dari data yang telah dikemukakan terdahulu, yaitu jualan susu
oleh PT Imma yang ramalan jualannya menggunakan metode trend garis
lurus (metode kuadrat terkecil) dan metode trend bukan garis lurus (metode
parabola kuadrat) adalah sebagai berikut.
Menurut metode kuadrat terkecil, persamaan trend garis lurusnya adalah
Y = a + bX
Y =132 + 10X

Tabel 2.7.
Ramalan Jualan Trend Garis Lurus

Ramalan Jualan
Tahun X a bx
(Y)
2011 0 132 0 132 + 0 = 132
2012 1 132 10 132 + 10 = 142
2013 2 132 20 132 + 20 = 152
2014 3 132 30 132 + 30 = 162
2015 4 132 40 132 + 40 = 172

Perhitungan SKP jualan susu dengan metode kuadrat terkecil (metode

trend garis lurus) seperti Tabel 2.8.
 EKMA4570/MODUL 2 2.21

Tabel 2.8.
SKP Trend Garis Lurus

Ramalan Jualan Ramalan

Tahun (X - Y) (X - Y)2
Nyata (X) Jualan (Y)
2011 130 132 -2 4
2012 145 142 3 9
2013 150 152 -2 4
2014 165 162 3 9
2015 170 172 -2 4
30

2
SKP  Σ X  Y : n  2
 30 : 3  3,16

Menurut metode parabola kuadrat (metode trend garis lengkung)

persamaannya
Y = a + bX + c(X)2
Y = 153,43 + 10X - 0,71 (X)2

Untuk menghitung SKP trend garis lengkung dibuat Tabel 2.9 dan Tabel
2.10.

Tabel 2.9.
Ramalan Jualan Trend Garis Lengkung

Tahun X A BX CX2 Ramalan Jualan (Y)

2011 -2 153,43 -20 -2,84 153,43 - 20 - 2,84 = 130,59
2012 -1 153,43 -10 -0,71 153,43 - 10 - 0,71 = 142,72
2013 0 153,43 0 0 153,43 - 0 - 0 = 153,43
2014 +1 153,43 +10 -0,71 153,43 + 10 - 0,71 = 162,72
2015 +2 153,43 +20 -2,84 153,43 + 20 - 2,84 = 170,59

Perhitungan SKP jualan susu dengan metode parabola kuadrat (trend

garis lengkung) seperti Tabel 2.10.
2.22 Penganggaran 

Tabel 2.10.
SKP Trend Garis Lengkung

Jualan Nyata Ramalan

Tahun (X - Y) (X - Y)2
(X) Jualan (Y)
2011 130 130,59 -0,59 0,3481
2012 145 142,72 +2,28 5,1984
2013 150 153,43 -3,43 11,7649
2014 165 162,72 +2,28 5,1984
2015 170 170,59 -0,59 0,3481
22,8579

2
SKP  Σ X  Y : n  2 SKP  22,8579 : 3  2,76

Jadi, dengan metode trend garis lurus nilai SKP 3,16 lebih besar daripada
dengan metode trend garis lengkung (parabola) yang mempunyai nilai SKP
2,76. Oleh karena itu, dengan metode trend garis lengkung lebih sesuai untuk
ramalan jualan susu PT Imma. Jualan susu PT Imma selama 5 tahun bila
dibuatkan scatter diagramnya seperti Gambar 2.1.
Bila diperhatikan Gambar 2.1 tampak garis trend membentuk garis
lengkung (parabola). Oleh karena itu, untuk meramalkan jualan susu pada PT
Imma lebih cocok menggunakan trend garis lengkung (trend parabola
kuadrat).

Gambar 2.1.
Scatter Diagram Trend Garis Lengkung (Parabola)
 EKMA4570/MODUL 2 2.23

4. Analisis Regresi Sederhana

Analisis data kuantitatif dimaksudkan untuk memperhitungkan besarnya
pengaruh secara kuantitatif dari perubahan kejadian terhadap kejadian
lainnya. Perubahan kejadian dapat dinyatakan dengan perubahan nilai
variabel.
Regresi sederhana ini dipergunakan untuk meramalkan sebuah variabel
terikat (Y) dengan menggunakan satu variabel bebas (X). Variabel bebas
yang dipilih adalah yang mempunyai hubungan (korelasi) dengan variabel
terikat. Untuk mengetahui bahwa variabel bebas (X) yang dipilih mempunyai
korelasi dengan variabel terikat (Y) dapat digunakan analisis korelasi.

a. Analisis Korelasi
Ramalan jualan dengan metode statistik analisis trend akan lebih lengkap
apabila ditambah dengan analisis korelasi. Analisis korelasi dipakai untuk
mengetahui hubungan sebab akibat antara beberapa variabel. Perubahan
tingkat jualan yang akan terjadi tidak hanya ditentukan oleh jualan, tetapi
ditentukan juga oleh faktor lain. Faktor lain dapat satu faktor, dapat juga
lebih dari satu faktor. Bila faktor lain tersebut ada satu faktor, berarti variabel
bebas ada satu, bila faktor lain lebih dari satu, berarti variabel bebasnya
berganda, berarti menggunakan analisis regresi berganda. Misalnya jualan
susu ditentukan oleh faktor tingkat jualan biskuit susu, jualan kulit sepatu
ditentukan oleh faktor jualan sepatu. Produk kulit sepatu yang jualannya
bergantung pada jualan biskuit susu, maka produk kulit sepatu dan susu
disebut dengan produk permintaan turunan.
Formula (rumus) yang dapat dipergunakan dalam analisis korelasi
berupa metode kuadrat terkecil sebagai berikut.

Y  a  bX
nΣXY  ΣXΣY
b 2
nΣX 2   ΣX 
ΣY  bΣY
a
n
n = jumlah data yang dianalisis
a = jumlah pasang observasi = nilai konstan
b = koefisien regresi
2.24 Penganggaran 

Untuk menghitung menggunakan rumus metode kuadrat terkecil dan

koefisien korelasi dibuat Tabel 2.11.

Tabel 2.11.
Analisis Korelasi

Tahun X Y XY X2 Y2 (X – X) Residual (X – X) (X – (Y –
(Y – Y) (Y – Y) X)2 Y)2
2011 3 130 390 6 16.900 -2 -22 44 4 484
2012 4 145 580, 16 21.025 -1 -7 7 1 49
2013 5 150 750 25 22.500 0 -2 0 0 4
2014 6 165 990 36 27.225 1 +13 13 1 169
2015 7 170 170 49 28.900 2 +18 36 4 324
25 760 3.900 135 116.550 0 0 100 10 1.030

Apabila X = penjualan biskuit susu, variabel bebas (independent)

Y = penjualan susu, variabel tergantung (dependent)

X = EX : n = 25 : 5 = 5 (rata-rata X)
Y = YY : n = 760: 5 = 152 (rata-rata Y)

Jika menggunakan nilai rata-rata Y sebagai penaksir, maka dalam setiap

penaksiran yang dibuat akan muncul beberapa variabel kesalahan, kesalahan
ini disebut residual. Misalkan dalam jualan susu (Y) terdapat 5 taksiran dan 5
kesalahan, yaitu 3 kesalahan negatif dan 2 kesalahan positif yang jumlahnya
selalu nol, dan disebut jumlah kuadrat residual.
Berdasarkan rumus metode kuadrat terkecil dan Tabel 2.11 dibuat
perhitungan sebagai berikut.

53.900   25760  19.500 19.000

b 2
  10
5135  25 675  625
760 10 25
a  102
5

Perhitungan tersebut dapat juga dihitung dengan metode momen sebagai

berikut.
 EKMA4570/MODUL 2 2.25

Y = na + Xb
XY = Xa + X2b

760 = 5 a + 25b.... x 5 760 = 5a + 25b.... x 5,4

3.900 = 25 a + 135b 3.900 = 25a + 135b
3.800 = 25a + 125b 4.104 = 27a + 135b
3.900 = 25a + 135b 3.900 = 25a + 135b
100 = 10b 204 = 2a
b = 100: 10 = 10 a = 204: 2 = 102

Dapat juga dihitung dengan rumus sebagai berikut.

ΣXY  nXY 3.900  5(5)(152) 3.900  3.800
b    10
ΣX2  nX2 135  5(5)2 135 125
a  Y  bX  152 10(5)  102

Dengan demikian Y = a + bX
Y =102 + 10X

Kemudian hubungan saling ketergantungan antara kedua variabel, yaitu

jualan susu dan jualan biskuit susu harus diuji dengan koefisien korelasi.
Koefisien korelasi menunjukkan angka paling kecil -1 dan paling besar +1.
Bila koefisien korelasi mendekati satu, berarti pengaruh variabel bebas (X)
terhadap variabel tergantung (Y) adalah besar, tidak peduli apakah koefisien
korelasi tersebut positif atau negatif. Apabila korelasi tersebut positif berarti
semakin besar (X) semakin besar (Y). Sebaliknya bila korelasi tersebut
negatif berarti semakin besar (X) semakin kecil (Y) atau semakin kecil (X)
semakin besar (Y). Kalau koefisien korelasi mendekati nol, berarti pengaruh
dari variabel tersebut kecil sekali (tidak berpengaruh).Guilford (1956:145)
mengemukakan pengaruh korelasi seperti Tabel 2.12.
2.26 Penganggaran 

Tabel 2.12.
Pengaruh Korelasi

Koefisien Korelasi (R) Tafsiran

< 0,20 Sangat lemah, dapat diabaikan
10,20 - 0,40 Lemah
0,40 - 0,70 Cukup
0,70 - 0,90 Kuat
0,90 - 1,00 Sangat kuat

Mengenai korelasi yang positif dan negatif dapat dijelaskan melalui Gambar
2.2 dan 2.3.

Gambar 2.2
Korelasi Positif

Pada Gambar 2.2 misalkan Y = variabel tergantung (terikat) adalah

jualan susu, dan variabel bebas adalah jualan biskuit susu. Pada titik A,
jualan biskuit susu (X) , sebanyak 20 unit dan jualan susu (Y) sebanyak 20
unit. Pada titik C, jualan biskuit susu (x) sebanyak 15 unit yaitu turun 5 unit,
dari 20 unit menjadi 15 unit, jualan susu (Y) juga turun 5 unit dari 20 unit
menjadi 15 unit. Sebaliknya pada titik B, jualan biskuit susu (X) sebanyak 25
unit, naik 5 unit yaitu dari 20 unit menjadi 25 unit. Kenaikan jualan biskuit
susu ini juga diikuti kenaikan jualan susu sebanyak 5 unit, yaitu dari 20 unit
menjadi 25 unit. Jadi, Y berkorelasi dengan X secara positif, karena
perubahan X berpengaruh terhadap Y, X naik Y naik, X turun Y juga ikut
turun.
 EKMA4570/MODUL 2 2.27

Gambar 2.3
Korelasi Negatif

Pada Gambar 2.3 misalkan Y = variabel terikat (dependent) dan X =

variabel bebas (independent). Pada titik A variabel X sebanyak 20 unit dan
variabel Y sebanyak 15 unit. Kemudian titik A berpindah ke titik C, maka X
naik 5 unit, yaitu dari 20 unit menjadi 25 unit, di sisi lain Y turun 5 unit,
yaitu dari 15 unit menjadi 10 unit. Bila titik A berpindah dari titik B, maka X
turun 5 unit, dan Y naik 5 unit, yaitu dari 15 unit menjadi 20 unit. Jadi, X
berpengaruh terhadap Y secara negatif, X naik Y turun, X turun Y naik.
Adapun variabel Y dengan variabel X yang tidak berkorelasi dapat
digambarkan seperti Gambar 2.4

Gambar 2.4
Tidak Ada Korelasi

Y = variabel terikat
X = variabel bebas
2.28 Penganggaran 

Pada titik A, X. = 10 unit dan Y = 10 unit. Titik A pindah ke titik B, X =

10 unit tetap dan Y naik 15 unit, yaitu dari 10 unit menjadi 25 unit. Titik A
pindah ke titik C, X naik 10 unit, yaitu dari 10 unit menjadi 20 unit, dan Y
tetap 10 unit. Jadi, variabel X dengan variabel Y tidak ada korelasi, karena X
naik Y tetap dan Y naik X tetap.
Teknik regresi sederhana untuk menjelaskan hubungan antara satu
variabel terikat dengan satu variabel bebas merupakan sebuah garis lurus
sederhana dan dinyatakan dalam rumus koefisien korelasi (R) sebagai
berikut.

nΣXY  ΣXΣY
R
2 2
nΣX 2 ΣX  nΣX2 ΣXY

Rumus koefisien korelasi (R) tersebut dihitung dengan menggunakan

Tabel 2.11 sebagai berikut.

5.3.900  25760
R
2 2 2
5135 25 5116.650 760

Berdasarkan Tabel 2.11 juga dapat dihitung koefisien korelasi (R) sebagai
berikut.
X  X Y  Y 
R
2 2
 X  X  Y  Y 
100
R  0,98533
101,030

Bila koefisien determinan (R2) sudah diketahui, maka koefisien korelasi

(R) dapat dihitung dengan rumus sebagai berikut.
R = R2
R2 = koefisien determinan

Misalkan diperoleh R2 sebesar 97,08752% maka

 EKMA4570/MODUL 2 2.29

R  0,9708752
 0,98533

Oleh karena koefisien korelasi positif 0,98533 mendekati angka 1,

berarti pengaruh jualan biskuit susu sangat besar terhadap jualan susu.
Apabila jualan biskuit susu meningkat maka permintaan akan susu
meningkat, sebaliknya bila jualan biskuit susu menurun berarti permintaan
akan susu menurun.
Hal tersebut terlihat pada tahun 2013 jualan biskuit susu sebanyak 5 unit,
maka jualan susu sebanyak 150 unit. Kemudian pada tahun 2014 tingkat
jualan biskuit susu meningkat dari 5 unit menjadi 6 unit yang mengakibatkan
jualan susu juga meningkat dari 150 unit menjadi 165 unit. Jadi, untuk
membuat ramalan jualan susu dapat dilaksanakan dengan melihat
perkembangan tingkat jualan biskuit susu.
Karena jualan susu bergantung pada tingkat jualan biskuit susu, maka
dalam menentukan ramalan jualan susu perlu membuat perhitungan ramalan
jualan biskuit susu. Ramalan jualan biskuit susu dapat dihitung dengan
metode trend garis lurus (linear) dan dapat juga dengan metode trend
lengkung (trend parabola kuadrat). Berikut ini perhitungan ramalan jualan
biskuit susu (Y) dengan metode trend garis lurus dan metode trend garis
lengkung (trend parabola kuadrat).
Ramalan jualan biskuit susu (Y) dengan metode kuadrat terkecil (trend
garis lurus) dibuat dengan menggunakan Tabel 2.13.

Tabel 2.13.
Trend Garis Lurus

n Tahun Y X XY X2
1 2011 3 0 0 0
2 2012 4 1 4 1
3 2013 5 2 10 4
4 2014 6 3 18 9
5 2015 7 4 28 16
25 10 60 30

Berdasarkan Tabel 2.13 dibuat perhitungan sebagai berikut.

2.30 Penganggaran 

nΣXY  ΣXΣY 5 60 10  25

b 2
 2
1
nΣX 2   ΣX  530 10
ΣY  bΣY 25  110
a  3
n 5

Persamaan trend garis lurus Y = a + bX

Y = 3 + 1x
Ramalan jualan tahun 2011 = 3 + 1(0) = 3
2012 = 3 + 1(1) = 4
2013 = 3 + 1(2) =-5
2014 = 3 + 1(3) =6
2015 = 3 + 1(4) = 7

Ramalan jualan biskuit susu (Y) dengan metode trend garis lengkung
(parabola kuadrat) dibuat dengan menggunakan Tabel 2.14.

Tabel 2.14.
Trend Garis Lengkung

Tahun Y X XY X2 X2 Y X4
2011 3 -2 -6 4 12 16
2012 4 -1 -4 1 4 1
2013 5 0 0 0 0 0
2014 6 1 6 1 6 1
2015 7 2 4 4 28 16
25 0 10 10 50 24

Berdasarkan Tabel 2.14 dibuat perhitungan sebagai berikut.

ΣXY 10
b  1
ΣX 2 10
 EKMA4570/MODUL 2 2.31

Y = na + X2c
X2c = 2a + X4c
25 = 5 a + 10c …. x3,4 25 = 5 a + 10c
50 = 10 a + 34c 25 = 5 (5) + 10c
25 = 25 + 10
85 = 17 a + 34c 25 - 25 = l0c
50 = 10 a + 34c c =0
35 = 7a
a = 35 : 7 = 5

Persamaan trend garis lengkung

(parabola kuadrat)
Ramalan jualan tahun
Y = a + bX + cX2
Y = 5 + 1X + 0X2
2011 = 5 + 1(-2) + 0(4) = 3
2012 = 5 + 1(-1) + 0(1) = 4
2013 = 5 + 1(0) + 0(0) = 5
2014 = 5 + 1(1) + 0(1) = 6
2015 = 5 + 1(2) + 0(4) = 7

Hasil perhitungan ramalan jualan menurut metode trend garis lengkung

(parabola kuadrat) tersebut kemudian dibandingkan dengan penjualan seperti
Tabel 2.15.

Tabel 2.15.
Ramalan Jualan Trend Garis Lurus dan Trend Garis Lengkung

Ramalan Jualan
Jualan
Tahun Trend Garis Trend Garis
Nyata
Lurus Lengkung
2011 3 3 3
2012 4 4 4
2013 5 5 5
2014 6 6 6
2015 7 7 7
.
Dari data perbandingan jualan nyata dan ramalan jualan seperti Tabel
2.15 terlihat data jualan nyata sama dengan ramalan jualan, baik dengan
2.32 Penganggaran 

metode trend garis lurus atau trend garis lengkung (parabola kuadrat).
Dengan demikian metode peramalan yang sesuai dengan kenyataan, dapat
menggunakan metode trend garis lurus atau metode trend garis lengkung
(parabola kuadrat).
Ramalan jualan dengan trend garis lurus sangat jarang terjadi sama
dengan trend garis lengkung dan apalagi sama dengan jualan nyata.
Seandainya ramalan jualan dengan trend garis lurus sama dengan jualan
nyata, sedangkan dengan trend garis lengkung berbeda dengan jualan nyata,
berarti metode trend garis lurus adalah yang paling sesuai digunakan untuk
ramalan jualan. Sebaliknya bila ramalan jualan dengan trend garis lurus tidak
sama dengan jualan nyata, berarti metode trend garis lengkung (parabola
kuadrat) adalah yang paling sesuai digunakan untuk ramalan jualan.
Akan tetapi, yang sering terjadi jualan nyata tidak sama dengan
perhitungan ramalan jualan, baik ramalan jualan dengan metode garis lurus,
maupun dengan metode garis lengkung. Apabila ramalan jualan tidak sama
dengan jualan nyata maka masing-masing metode yang dipergunakan dalam
menghitung ramalan jualan akan diperhitungkan dengan standar kesalahan
peramalan (SKP) seperti yang telah diuraikan terdahulu. Untuk menentukan
metode ramalan jualan yang mana yang paling sesuai, ditentukan oleh SKP
yang terkecil.
Dalam kasus ini karena ramalan jualan sama dengan jualan nyata, baik
ramalan jualan dengan metode trend garis lurus maupun dengan metode trend
garis lengkung (parabola kuadrat) berarti metode ramalan jualan tersebut
sesuai keduanya, sehingga terserah memilih salah satu yang akan
dipergunakan. Misalnya kita pilih metode trend garis lurus, maka ramalan
jualan biskuit susu tahun 2016 (X = 5) sebagai berikut.
Y = 3+ IX
Ramalan jualan 2016 = 3 + 1(5)
= 8 unit

Ramalan jualan biskuit susu tahun 2016 sebesar 8 unit merupakan X dari
ramalan jualan susu tahun 2016.
Persamaan trend garis lurus Y = a + bX
Y = 102 + 10X
Ramalan jualan 2016 = 102 + 10 (8) = 182 unit
 EKMA4570/MODUL 2 2.33

b. Koefisien Determinan
Koefisien determinan (R2) baru saja dikemukakan pada analisis korelasi.
Koefisien determinan bila diakarkan   akan menjadi koefisien korelasi,
sebaliknya koefisien korelasi (R) bila dikuadratkan menjadi koefisien
determinan (R 2). Koefisien korelasi (R) sebesar 0,98533 maka koefisien
determinan (R2) sebesar (0,98533) 2 = 97,0875%. Koefisien determinan (R2)
mengukur persentase variabilitas Y yang dapat dijelaskan oleh variabel bebas
X. Dalam analisis regresi, koefisien determinan ini merupakan nilai paling
penting, karena koefisien determinan menggambarkan seberapa jauh
variabilitas Y dipengaruhi oleh variabilitas X.
Rumus koefisien determinan (R2) dapat dihitung dengan menggunakan
Tabel 2.11 dan hasil perhitungan metode kuadrat terkecil sebagai berikut.
aΣY  bΣXY  nY 2
R2 
ΣY 2  nY2
2
2 102 760  10 3.900  5 152 
R  2
116.550  5152
77.520  39.000  5 23.104

116.550 115.520
1.000
  97,09%
1.030

Nilai koefisien determinan (R2) sebesar 97,09% artinya: (a) 97,09% dari
variabilitas jualan susu (Y) dapat dijelaskan oleh variabilitas jualan biskuit
susu (X), dan (b) variabilitas yang tidak dapat dijelaskan jualan biskuit susu
mungkin dijelaskan oleh faktor lain yang tidak dimasukkan dalam persamaan
regresi tersebut misalnya jualan susu pesaing, tingkat kelahiran, iklan, harga
jual, dan lain-lain.

c. Pengujian Hipotesis tentang Koefisien Korelasi

Sebelum memutuskan untuk menggunakan variabel bebas X untuk
meramalkan variabel terikat Y, terlebih dahulu dibuat hipotesis (anggapan
dasar) bahwa variabel X dan Y mempunyai hubungan yang kuat.
Dalam merumuskan hipotesis nol (H o) harus disertai dengan hipotesis
alternatif (Ha) sebagai berikut.
2.34 Penganggaran 

Ho : e = 0, X dan Y tidak berhubungan (tidak berkorelasi)

Ha : e < 0, X dan Y mempunyai hubungan negatif
Ha : e > 0, X dan Y mempunyai hubungan positif
Ha : e 0, X dan Y berhubungan

Bila hasil pengujian ternyata harus menerima HQ berarti X dan Y tidak

berhubungan, maka tidak ada gunanya menggunakan regresi Y = a + bX
untuk meramalkan Y.
Cara mengujinya adalah sebagai berikut.
Rumuskan bentuk hipotesisnya:
Ho : e = 0
Ha : e < 0 pengujian sepihak (one tail test)
Ha : e > 0 pengujian sepihak (one tail test)
Ha : e 0 pengujian dua pihak (two tail test)

Tentukan besarnya nilai kesalahan jenis pertama (type I error) = , yaitu

besarnya kesalahan kalau kita menolak Ho padahal Ho itu benar. Setelah
diketahui, kemudian dicari nilai t o atau t /2 dari tabel t (lampiran 1 lembaran
terakhir Modul 2 ini).
Hitung to yaitu nilai observasi, sebagai berikut.

r n 2
to 
2
1  r 

to mengikuti fungsi t dengan derajat kebebasan d.f = n - 2

Aturan permainan, untuk menolak atau menerima H o. Hal ini tergantung
dari bentuk perumusan hipotesanya, yaitu sebagai berikut.

(1) Ho : e = 0 Kalau to < - t , Ho ditolak

Ha : e < 0 Kalau to - to, Ho diterima

(2) Ho : e = 0 Kalau to > t , Ho ditolak

He : e > 0 Kalau to t , Ha diterima

(3) Ho : e = 0 Kalau to < -t /2 atau to > t /2 Ho ditolak

Ha : e 0 Kalau - t /2 to t /2 Ho diterima
 EKMA4570/MODUL 2 2.35

Kalau Ho diterima berarti H a ditolak, sebaliknya kalau H o ditolak H a

diterima. Bilamana menggunakan perumusan (1), (2), atau (3). Hal ini
bergantung kepada variabel yang sedang dipelajari.
Kalau X = pupuk, Y = produksi padi; X = biaya advertensi, Y = hasil
penjualan; kalau X = dapatan, Y = konsumsi, dipergunakan perumusan (1).
Kalau X = harga, Y = permintaan, kalau X = aseptor, Y = tingkat kelahiran;
dipergunakan perumusan (2). Selanjutnya dipergunakan perumusan (3) kalau
tidak peduli mengenai bentuk hubungan atau tidak begitu pasti apakah
hubungan positif atau negatif atau memang tertarik mengenai ada tidaknya
hubungan tanpa ingin mengenai hubungan itu positif atau negatif.
Sebagai contoh pengujian hipotesis tentang koefisien korelasi dapat
dilakukan sebagai berikut.

R n 2 0,98533 5  2 1,70664
to     10,00082
1 R 2 1 0,97088 0,17065
n - 2 = derajat kebebasan

Dengan menggunakan nilai alpha 0,05 t (n - 2) = t 0,05 (3) = 2,353 dari

tabel t (lampiran 1 Modul 2).

Ho : e = 0 kalau to > t , Ho ditolak

Ha : e > 0 kalau to t , Ho diterima

Oleh karena t o = 10.00082 > t0,05 (3) = 2,353 maka Ho ditolak pada
tingkat nyata (signifikan) sebesar 5% yang berarti terbukti bahwa antara X
(jualan biskuit susu) dengan Y (jualan susu) ada hubungan yang positif. Jadi,
untuk meramalkan nilai Y dapat dibuat berdasarkan nilai X.

5. Analisis Regresi Berganda

Teknik regresi sederhana hanya mampu menganalisis sate variabel
terikat dan satu variabel bebas. Dalam dunia nyata variabel bebas tidak hanya
satu, tetapi lebih dari satu. Oleh karena itu, diperlukan analisis regresi yang
mampu menjelaskan hubungan antara variabel terikat (defenden) dengan
variabel bebas (independen) yang lebih dari satu, yaitu analisis regresi
berganda.
2.36 Penganggaran 

a. Persamaan Regresi Berganda

Persamaan regresi linear (garis lurus) berganda dengan dua variabel
bebas (X) sebagai berikut.

Y = ao + a1X1 + a2X2

Y adalah variabel terikat

ao adalah konstanta (intersep) dari Y
a1 dan a2 adalah koefisien regresi parsial
X1 dan X2 adalah dua variabel bebas

Koefisien ao, a1, a2 ditentukan dengan menggunakan metode kuadrat

terkecil seperti halnya menentukan koefisien a dan b untuk regresi (linear)
Y = a + bX.
Rumus yang digunakan untuk metode kuadrat terkecil dalam regresi
berganda dua variabel bebas sebagai berikut.

Y = a o n + a 1 X1 + a 2 X2 (1)
YX1 = ao X1 + a1 X12 + a2 EX1X2 (2)
YX2 = ao X2 + a1 X1X2 + a2 X22 (3)

Pada contoh analisis regresi sederhana terdapat koefisien korelasi (R2)

sebesar 97,09%, hal ini berarti 97,09% dari variabilitas jualan susu (Y) dapat
dijelaskan oleh variabilitas jualan biskuit susu (X). Variabilitas yang tidak
dapat dijelaskan jualan biskuit susu (X), mungkin dijelaskan oleh faktor lain
sebesar 2,91%. Misalkan faktor lain tersebut adalah tingkat harga jual (X 2)
pada tahun 2011 = 7, 2012 = 3, 2013 = 2, 2014 = 4, 2015 = 6.
Berdasarkan data jualan susu (Y) sebagai variabel terikat, jualan biskuit
susu (X 1) sebagai variabel bebas, dan tingkat harga jual (X2) sebagai variabel
bebas, perhitungannya seperti Tabel 2.16.
 EKMA4570/MODUL 2 2.37

Tabel 2.16.
Regresi Linear Berganda

Tahun Y X1 X2 X12 X2 2 X2 Y X1X2 X1 Y Y2

2011 130 3 7 9 49 910 21 390 16.900
2012 145 4 3 16 9 435 12 580 21.025
2013 150 5 2 25 4 300 10 750 22.500
2014 165 6 4 36 16 660 24 990 27.225
2015 170 7 6 49 36 1.020 42 1.190 28.900
760 25 22 135 114 3.325 109 3.900 116.550

Y = 760: 5 = 152 X1 = 25 : 5 = 5 X 2 = 22 : 5 = 4,4

Berdasarkan Tabel 2.16 dibuat perhitungan dengan menggunakan rumus

sebagai berikut.

y = ao n + a1 X1 + a2 X2 760 = ao 5 + a1 25 + a222 (1)

YX1 = ao X1 + a1 X12 + a2 X1X2 3.900 = ao25 + a1135 + a2109 (2)
YX2 = ao X2 + a1 X1X2 + a2 X22 3.325 = ao22 + a1109 + a2114 (3)
760 = ao 5 + a1 25 + a222 (1) x5
3.900 = ao25 + a1135 + a2109 (2)
3.800 = ao25 + a1 125 + x2110 (1)
100 = a110 - a21 (4)

3.900 = ao25 + a 1135 + a2109 (2) ….. x 4,4

3.325 = ao22 + a1109 + a1114 (3) …..x 5

17.160 = ao110 + a1594 + a22479,6 (2)

16.625 = a2110 + a1545 + a2570 (3)
= a149 - a290,4 (5)

100 = a110 - a21 (4) …x 4,9

535 = a149 - a290,4 (5)
490 = a149 - a24,9 (4)
45 = - a284,5
a2 = -0,52632
2.38 Penganggaran 

100 = a110 - a21 (4) …x 90,4

535 = a149- a290,4 (5)

9.040 =a11904 – a2904 (4)
8.505 = a1855
a1 = 9,94737

760 = ao5 + a125 + a222

760 = ao5 + 9,94737 (25) - 0,52632 (22)
760 = ao5 + 248,68425 – 11,57904
760 = ao5 + 237,10521
760 - 237,10531 = ao5
522,89479 = ao5
ao = 522,98479
 104,57896
5

Koefisien a o, a1, dan a 2 dapat juga dihitung dengan persamaan regresi

berganda sebagai berikut.

2 2
ΣX1  25
Σx12  ΣX12   135   10
n 5
ΣX1ΣY 25 760
Σx1 y  ΣX1Y   3.900   100
n 5
ΣX1ΣX2   25 22
Σx1x 2  ΣX1X 2   109   1
n 5
2 2
ΣX2  22
Σx 22  ΣX 22   114   17,2
n 5
2 2
2 2 ΣY 760
Σy  ΣY   116.550  1.030
n 5

a2 
 Σx 2 y2 Σx12   Σx1 yΣx1 x 2  1910 1001

 1 2 1 2
Σx 2
Σx 2
  Σx x 
2
1017, 2 1
2

190  100
  0,52632
172 1
 EKMA4570/MODUL 2 2.39

a1 
 Σx1yΣx22   Σx 2 yΣx1x2  10017, 2 191

Σx1 Σx2  Σx1x 2 
2 2 2
1017, 2 1
2

1.720 19
  9,94737
172 1

Dengan demikian persamaan regresi linear berganda

Y = a o + a 1 X1 + a 2 X2
Y = 104,57896 + 9,94737 X 1 - 0,52632 X 2

Bila X2 diramalkan tahun 2016 menggunakan analisis trend garis lurus

perhitungannya seperti Tabel 2.17.

Tabel 2.17.
Trend Garis Lurus

Tahun X2 X X2X X22 X2

2011 7 0 0 49 0
2012 3 1 3 9 1
2013 2 2 4 4. 4
2014 4 3 12 16 9
2015 6 4 24 36 16
22 10 - 43 114 30

ΣX 2  bΣX nΣX 2 X  ΣX2 ΣX

a b 2
n nΣX 2   ΣX
22  0,10(10) 5(43)  (22)(10)
a b
5 5(30)  (10) 2
22 1 215  220
a b
5 150 100
5
a = 4,60 b b = -0,10
50
Y = a + bX
Y = 4,60 – 0,10X
Y = 4,60 – 0,50
Y = 4,10
2.40 Penganggaran 

Jadi, X2 diramalkan tahun 2016 sebanyak 4,10, sedangkan X, diramalkan

menggunakan analisis trend garis lurus tahun 2016 sebanyak 8 (perhitungan
pada analisis regresi sederhana).
Dengan demikian jualan susu tahun 2016 diramalkan sebanyak 182.
Perhitungannya sebagai berikut.

Y = 104,57896 + 9,94737 X1 - 0,52632 X2

Y =104,57896 + 9,94737(8) - 0,52632(4,10)
Y = 104,57896 + 79,57896 - 2,1579
Y = 182

b. Koefisien Korelasi
Seperti halnya pada analisis regresi sederhana, untuk mengetahui kuat
atau lemah hubungan variabel terikat (Y) dengan variabel bebas (X)
diperlukan perhitungan koefisien korelasi. Pada analisis regresi sederhana
hanya satu perhitungan koefisien korelasi, karena variabel bebasnya juga
satu. Pada analisis regresi berganda perhitungan koefisien korelasi dihitung
secara parsial dan secara berganda.
Sebuah variabel bebas yang baik adalah variabel bebas yang
berhubungan erat dengan variabel terikatnya, dan tidak berhubungan erat
dengan variabel bebas lainnya. Misalkan volume jualan susu mempunyai
hubungan (korelasi) positif yang sangat tinggi dengan biskuit. Susu
ditunjukkan oleh koefisien korelasi (R) sebesar 0,98740. Sementara dengan
variabel bebas lainnya, misalnya tingkat harga jual mempunyai korelasi
negatif, yaitu R - 0,39739. Berarti dengan tambahan variabel bebas (harga
jual) persentase simpangan yang dapat dijelaskan bertambah besar.
Berdasarkan data yang terdapat pada persamaan regresi berganda yang
baru saja dijelaskan dapat dihitung koefisien korelasi parsial dan koefisien
korelasi berganda. Sebelum menghitung koefisien korelasi berganda terlebih
dahulu dihitung koefisien korelasi parsial dengan menggunakan Tabel 2.16
dan perhitungannya, kemudian dihitung dengan rumus sebagai berikut.
Σx1 y 100 100
R12   
Σx 2 Σy2
1
10 1.030 3,1622832,09361
100
  0,98533
101,48898
 EKMA4570/MODUL 2 2.41

Σx 2 y 100 100
R13   
Σx 22 Σy2 17, 2 1.030 4,14729 32,09361
19
  0,14275
133,10151

Rx1 = Koefisien korelasi parsial antara Y dan X, sebesar 0,98740 bila X 2

konstan
Rx2 = Koefisien korelasi parsial antara Y dan X 2 sebesar -0,39739, bila
X1 konstan.

Artinya jualan susu (Y) dipengaruhi oleh jualan biskuit susu (X1) dengan
korelasi yang positif 0,98740 (sangat kuat) bila tingkat harga jual (X2)
konstan (tetap). Dengan koefisien korelasi RX2 sebesar -0,39739 pengaruh
harga jual (X2) berkorelasi negatif lemah terhadap jualan susu (Y), bila jualan
biskuit susu (X1) konstan (tetap).
Adapun koefisien korelasi berganda (R) dapat dihitung setelah diperoleh
koefisien determinasi berganda (R) sebagai berikut.
R  R2

Bila R2 (koefisien determinasi berganda) sebesar 0,975473 maka R =

0,975473 = 0,98766
Oleh karena R (koefisien korelasi berganda) sebesar 0,98766 mendekati
angka I positif berarti terdapat hubungan yang sangat erat antara Y (jualan
susu) dengan variabel bebas X1 (jualan biskuit susu) dan X 2 (harga jual).
Mengenai koefisien determinasi berganda sebesar 0,975473 dijelaskan
perhitungannya seperti berikut ini.

e. Koefisien Determinasi
Koefisien determinasi parsial dihitung berdasarkan perhitungan koefisien
korelasi parsial yang dikuadratkan sebagai berikut.
R2x1 (0,98740) 2 = 0,97496 = 97,50%, artinya bila X 2 konstan (tetap),
maka hubungan X terhadap variabilitas Y sebesar 97,50%.
R2x2 = (-0,39739) 2 = 0,15792 = 15,79%, artinya bila X, konstan (tetap)
maka sumbangan X2 terhadap variabilitas Y sebesar 15,79%.
Berdasarkan perhitungan terdahulu (Tabel 2.16) dibuat perhitungan
koefisien determinasi berganda (R2) sebagai berikut.
2.42 Penganggaran 

a1Σx1 y  a 2 Σx 2 y 9,9437100   0,5263219

R2  
Σy2 1.030
994, 737 10,00008
R2   0,975473  97,55%
1.030

R2 = 97,55% artinya bahwa variabel X 1 dan X2 dapat menjelaskan

variabilitas Y secara bersama-sama 97,55%, sedangkan yang tidak dapat
dijelaskan 2,45%. Sebesar 2,45% tersebut dijelaskan oleh faktor lain selain
X1 dan X2.
R2 (koefisien determinasi berganda) juga dapat dihitung dengan cara
perhitungan seperti Tabel 2.18.

Tabel 2.18.
Koefisien Determinasi Berganda

Residual Kuadrat
Residual
X1 X2 Y YR Kuadrat Y - Y  Total
(Y-YR) 2
(Y-YR)2 Y - Y 
1 3 7 130 130,73683 -0,73683 0,54292 -22 484
2 4 3 145 142,78948 2,21052 4,88640 -7 49
3 5 2 150 153,26317 -3,26317 10,64828 -2 4-
4 6 4 165 162,15790 2,84210 8,07753 13 169
5 7 6 170 171,05263 -1,05263 1,10803 18 324
25 22 760 760 0 25,26316 0 1.030

Y = 760: 5 = 152
YR = nilai taksiran Y = 104,57896 + 9,94737 X 1 - 0,52632 X2
1 = 104,57896 + 9,94737 (3) - 0,52632 (7) = 130,73683
2. = 104,57896 + 9,94737 (4) - 0,52632 (3) = 142,78948
3 = 104,57896.+ 9,94737 (5) - 0,52632 (2) = 153,26317
4 = 104,57896 + 9,94737 (6) - 0,52632 (4) = 162,15790
5 = 104,57896 + 9,94737 (7) - 0,52632 (6) = 171,05263

Simpangan Total = Simpangan Terjelaskan + Simpangan Tidak Terjelaskan

 EKMA4570/MODUL 2 2.43

2 2 2
Σ  Y  Y = Σ  Y  Y + Σ  Y  Y
1.030 = 1.004,73684 + 25,26316

2
Σ  YR  Y 1.004,73684
R2  2
  97,5% atau
Σ Y  Y 1.030
2
2 Σ  Y  YR  25, 26316
R  1 2
 1  0,975473  97,55%
Σ Y  Y 1.030

Jadi, persamaan regresi menjelaskan 97,55% dari variabilitas jualan susu (Y).

LAT I H A N

Untuk memperdalam pemahaman Anda mengenai materi di atas,

kerjakanlah latihan berikut!

1) Sebutkan fungsi manajemen yang dikemukakan oleh L.F. Orwick.

Jelaskan fungsi manajemen yang pertama menurut L.F. Orwick!
2) Peramalan jualan secara kuantitatif dapat menggunakan analisis trend.
Apa yang Anda ketahui tentang analisis trend?
3) Apa guna metode Standar Kesalahan Peramalan. Jelaskan secara
singkat?
4) Apa yang dimaksud dengan produk permintaan turunan?
5) Apa beda analisis regresi sederhana dengan analisis regresi berganda?

Petunjuk Jawaban Latihan

1) Fungsi manajemen menurut L.F. Orwick terdiri atas forecasting,

planning, organizing, commanding, coordinating, dan controlling.
Peramalan (forecasting) adalah fungsi manajemen pertama sebelum
dilakukan perencanaan (planning).
2) Trend adalah gerakan lamban berjangka panjang dan cenderung menuju
ke suatu arah, menaik atau menurun. Analisis trend yang dapat
digunakan untuk peramalan jualan terdiri atas: trend garis lurus dan trend
bukan garis lurus. Trend garis lurus terdiri atas: metode kuadrat terkecil
2.44 Penganggaran 

dan metode momen. Trend bukan garis lurus, antara lain: trend parabola
kuadrat, trend eksponensial, dan trend eksponensial yang diubah.
3) Guna metode Standar Kesalahan Peramalan (SKP) terutama untuk
menentukan/memilih metode ramalan yang paling sesuai dengan cara
membandingkan beberapa metode ramalan dan dipilih SKP yang paling
kecil.
4) Produk permintaan turunan adalah produk yang permintaannya memiliki
ketergantungan dengan permintaan produk lain.
5) Beda utama analisis regresi sederhana dengan regresi berganda adalah
dalam hal variabel bebas. Dalam analisis regresi sederhana variabel
bebas (X) hanya satu. sedangkan dalam analisis regresi berganda
variabel bebas lebih dari satu.

R A NG KUM AN

Peramalan menurut L.F. Orwick merupakan fungsi manajemen

pertama sebelum dilakukan perencanaan. Penganggaran merupakan
salah satu jenis perencanaan, karena anggaran adalah salah satu jenis
rencana. Oleh karena itu, sebelum dibuat anggaran terlebih dahulu dibuat
ramalan. Dalam hal ini sebelum dibuat anggaran jualan terlebih dahulu
dibuat ramalan jualan.
Teknik membuat ramalan jualan dapat dilakukan secara kualitatif
dan kuantitatif. Teknik membuat ramalan jualan secara kualitatif dengan
menggunakan metode pendapat, antara lain: pendapat para ahli, pendapat
para pramuniaga, pendapat survey konsumen, pendapat para manajer
pemasaran. Peramalan jualan secara kuantitatif, antara lain dapat
menggunakan analisis trend garis lurus, analisis trend bukan garis lurus,
analisis regresi sederhana, analisis regresi berganda, dan metode
distribusi probabilitas.
Peramalan jualan secara kualitatif biasanya digunakan untuk
perusahaan yang baru berdiri, belum mempunyai data kuantitatif,
mempunyai data kuantitatif tetapi tidak dapat digunakan (tidak lengkap).
Peramalan jualan secara kualitatif sifatnya subjektif, tidak seobjektif
peramalan jualan secara kuantitatif.