Kegiatan Be laj ar 1
Peramalan Jualan
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.
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
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
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
2. Metode Kuantitatif
Metode kuantitatif seperti metode distribusi probabilitas juga
mempunyai kebaikan dan keburukan.
Tabel 2.1.
Distribusi Probabilitas
Untuk menggunakan rumus metode kuadrat terkecil dibuat Tabel 2.2 dan
dihitung sebagai berikut.
Tabel 2.2.
Trend Garis Lurus
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
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
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
Tabel 2.4.
Trend Parabola Kuadrat
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
Y = 31,34: 8 = 3,917
X = 36 : 8 = 4,5
bo ΣXY ΣX.ΣY : n : ΣX2 ΣX : n
2
172,30 3631,34 : 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
Tabel 2.6.
Trend Eksponensial Diubah
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 32
Untuk tahun 7 x = 6
Jadi, ramalan jualan tahun 7 adalah
Y = -2 + 3 (2) 6 = -2 +3 (64) = -2 + 192 = 190
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
Tabel 2.8.
SKP Trend Garis Lurus
2
SKP Σ X Y : n 2
30 : 3 3,16
Untuk menghitung SKP trend garis lengkung dibuat Tabel 2.9 dan Tabel
2.10.
Tabel 2.9.
Ramalan Jualan Trend Garis Lengkung
Tabel 2.10.
SKP Trend Garis Lengkung
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
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
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
X = EX : n = 25 : 5 = 5 (rata-rata X)
Y = YY : n = 760: 5 = 152 (rata-rata Y)
Y = na + Xb
XY = Xa + X2b
Dengan demikian Y = a + bX
Y =102 + 10X
Tabel 2.12.
Pengaruh Korelasi
Mengenai korelasi yang positif dan negatif dapat dijelaskan melalui Gambar
2.2 dan 2.3.
Gambar 2.2
Korelasi Positif
Gambar 2.3
Korelasi Negatif
Gambar 2.4
Tidak Ada Korelasi
Y = variabel terikat
X = variabel bebas
2.28 Penganggaran
nΣXY ΣXΣY
R
2 2
nΣX 2 ΣX nΣX2 ΣXY
5.3.900 25760
R
2 2 2
5135 25 5116.650 760
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
101,030
R 0,9708752
0,98533
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
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
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
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 5152
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.
r n 2
to
2
1 r
R n 2 0,98533 5 2 1,70664
to 10,00082
1 R 2 1 0,97088 0,17065
n - 2 = derajat kebebasan
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.
Y = ao + a1X1 + a2X2
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)
Tabel 2.16.
Regresi Linear Berganda
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 1910 1001
1 2 1 2
Σx 2
Σx 2
Σx x
2
1017, 2 1
2
190 100
0,52632
172 1
EKMA4570/MODUL 2 2.39
a1
Σx1yΣx22 Σx 2 yΣx1x2 10017, 2 191
Σx1 Σx2 Σx1x 2
2 2 2
1017, 2 1
2
1.720 19
9,94737
172 1
Tabel 2.17.
Trend Garis Lurus
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 3,1622832,09361
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
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
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
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
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
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