ANALISI PERAMALAN PENJUALAN PRODUK DESAIN PAKAIAN

BERTEMA TRADISIONAL OLEH PERUSAHAAN (L.I)

NAMA : LILIS ANDRIYANI

NIM : 1993141097

MANAJEMEN C

UNIVERSITAS NEGERI MAKASSAR

MAKASSAR

2021
 BAB I

PENDAHULUAN

A. Latar Belakang

Kegiatan untuk mengetahui atau memperkirakan apa yang akan terjadi pada masa
yang akan datang disebut dengan peramalan (FORECASTING). Oleh karena itu perusahaan
perlu meramalkan apa yang terjadi pada masa yang akan datang, hal ini dikarenakan untuk
menentukan tujuan yang akan dicapai oleh perusahaan. Fungsi dari peramalan adalah untuk
pengambilan keputusan. Menurut Render dan Heizer (2005) peramalan adalah seni dan ilmu
untuk memperkirakan kejadian di masa yang akan datang. Oleh karena itu perusahaan perlu
meramalkan apa yang terjadi pada masa yang akan datang. Hal ini dikarenakan untuk
memperoleh masukan yang sangat berarti dalam dalam menentukan kebijakan perusahaan.
Peramalan dilakukan bertujuan agar mengetahui perkirakan jumlah penjualan yang akan
datang dan jumlah kesalahan ramalan, sehingga untuk memenuhi kebutuhan konsumen,
manajemen perusahaan membuat peramalan penjualan produk. Peramalan penjualan ini
tentang jumlah produk yang akan dipesan atau diminta pada periode yang akan datang dan
peramalan tersebut diperoleh dari data permintaan produk pada periode sebelumnya.
Sebuah perusahaan didirikan mempunyai tujuan untuk menghasilkan barang dan jasa
yang menjadi kebutuhan konsumen dan sekaligus untuk mendapatkan keuntungan dari usaha
tersebut. Selain untuk mendapatkan keuntungan juga bertujuan untuk membantu pemerintah
dalam mengurangi angka pengangguran dengan membuka lapangan pekerjaan serta
bertujuan untuk mempertahankan dan meningkatkan kelangsungan hidup perusahaan di
masa yang akan datang. Untuk mewujudkan itu semua, pemimpin perusahaan harus
menetapkan suatu kebijakan yang tepat dalam mengelola perusahaan
Perusahaan memiliki pandangan atau harapan agar pada masa yang akan datang
mengalami perubahan, yang dimaksud perubahan disini adalah perubahan kearah yang lebih
baik atau bisa dikatakan mengalami perkembangan. Hal ini menjadi salah satu factor
pendukung bagi perusahaan untuk melakukan kegiatan-kegiatan menuju kearah
perkembangan pada masa yang akan datang.
 Keputusan yang diambil seorang manajer akan mempengaruahi suatu perusahaan
dimasa yang akan datang. Untuk mengetahui berapa mengetahui berapa permintaan periode
berikutnya dan berapa jumlah produksi yang harus dikerjakan oleh suatu perusahaan maka
seorang manajer harus dapat meramalkan permintaan atas produk yang dihasilkannya untuk
periode berikutnya. Dalam mengambil keputusan, para manajer selalu berusaha membuat
estimasi yang baik tentang apa yang terjadi di masa yang akan datang. Perencanaan yang
efektif baik untuk jangka panjang maupun jangka pendek bergantung pada peramalan
permintaan untuk produk perusahaan tersebut.
Dengan adanya peramalan, maka perusahaan dapat melakukan pengambilan
keputusan yang tepat dalam produksinya, namun dalam kegiatan peramalan memerlukan
penerapan metode-metode, hal ini bertujuan agar dapat mengetahui permintaan yang akan
datang dan meminimumkan kesalahan peramalan.
Perusahaan (L.I) terletak di daerah makassar. Bergerak dalam industri pembuatan
desainpakaian bertema tradisional. Perusahaan tersebut dalam memproduksi berdasarkan
pesanan atau supplier. Adanya persaingan dengan adanya bermunculan Perusahaan sejenis
yaitu Perusahaan pakaian lain sejenis di makassar membuat persaingan semakin ketat.
Selama ini Perusahaan (L.I) tidak melaksanakan peramalan produksi untuk menentukan
perencanaan produksi. Atas dasar latar belakang masalah diatas maka penulis mengambil
judul “Analisi Peramalan Penjualan Produk Desain Pakaian Bertema Tradisional Oleh
Perusahaan (L.I)”.
 BAB II
TINJAUAN PUSTAKA

A. Pengertian Peramalan

Peramalan merupakan gambaran keadaan perusahaan pada masa yang akan datang.
Gambaran tersebut sangat penting bagi manajemen perusahaan karena dengan gambaran
tersebut maka perusahaan dapat memprediksi langkah-langkah apa saja yang diambil dalam
memenuhi permintaan konsumen. Ramalan memang tidak selalu tepat 100%, karena masa
depan mengandung masalah ketidakpastian, namun dengan pemilihan metode yang tepat
dapat membuat peramalan dengan tingkat kesalahan yang kecil.
Sumayang (2003) mendefinisikan Peramalan adalah perhitungan yang objektif dan
dengan menggunakan data-data masa lalu, untuk menentukan sesuatu di masa yang akan
datang. Hal ini serupa dengan pendapat Render dan Heizer (2005) Peramalan adalah seni
dan ilmu untuk memperkirakan kejadian di masa depan. Menurut Subagyo (2002)
Forecasting adalah memperkirakan sesuatu yang akan terjadi. Menurut Gasperz (2005)
Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan
dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang
tepat. Menurut Nasution (2003) Peramalan adalah Proses untuk memperkirakan beberapa
kebutuhan dimasa yang akan datang yang meliputi kebutuhan dalam ukuran kuantitas,
kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang dan
jasa. Dari kelima pendapat para ahli di atas maka dapat ditarik kesimpulan bahwa peramalan
adalah memperkirakan sesuatu yang akan terjadi dengan menggunakan data-data masa lalu.

B. Tujuan Peramalan

Menurut Subagyo (2002) tujuan peramalan adalah mendapatkan peramalan yang bisa
meminimumkan kesalahan meramal (forecast error) yang biasa diukur dengan Mean
Absolute Error (MAD) dan Mean Squre Error (MSE). Sehingga dengan adanya peramalan
produksi manajemen perusahaan akan mendapatkan gambaran keadaan produksi dimasa
yang akan datang, dan akan memberikan kemudahan manajeman perusahaan dalam
 menentukan kebijakan yang akan dibuat oleh perusahaan. Menurut Gaspersz (2005) tujuan
peramalan adalah untuk meramalkan permintaan dari item-item independent demand di
masa yang akan datang.

C. Faktor-faktor yang Mempengaruhi Peramalan

Permintaan suatu produk pada suatu perusahaan sangat dipengaruhi oleh berbagai
faktor lingkungan yang saling berinteraksi dalam pasar yang berada di luar kendali
perusahaan. Dimana faktor - faktor lingkungan tersebut juga akan mempengaruhi peramalan.
Berikut ini merupakan beberapa faktor lingkungan yang mempengaruhi peramalan (Yamit,
2005) :
1. Kondisi umum bisnis dan ekonomi
2. Reaksi dan tindakan pesaing
3. Tindakan pemerintah
4. Kecenderungan pasar
5. Siklus hidup produk
6. Gaya dan mode
7. Perubahan permintaan konsumen
8. Inovasi teknologi
 BAB III
METODE PENELITIAN

A. Objek Penelitian

Penelitian dilaksanakan pada PERUSAHAAN (L.I) yang belum menerapkan

peramalan penjualan. PERUSAHAAN (L.I) merupakan perusahaan desain pakaian yang
bertema tradisional yang berada di daerah Makassar.

B. Teknik Analisis Data

Ada dua hal yang harus diperhatikan dalam peramalan yang akurat dan tepat.
Pertama adalah pengumpulan data, data harus relevan agar peramalan yang dihasilkan bisa
memberikan informasi yang akurat. Kedua adalah pemilihan teknik yang tepat. Metode
Single Moving Averages, Metode Exponential Smoothing dan Weight Moving Averages
merupakan metode dengan teknik peramalan kuantitatif statistik yang pada umumnya
menggunakan data historis yang menitikberatkan pada pola, perubahan pola, dan faktor
gangguan (disturbances) yang disebabkan oleh pengaruh acak (random). Metode Trend
Projection menyesuaikan sebuah garis trend pada sekumpulan data masa lalu, dan kemudian
diproyeksikan dalam garis untuk meramalkan
Data yang digunakan untuk analisis peramalan PERUSAHAAN (L.I) adalah data
pada bulan Januari sampai dengan desember. Metode yang digunakan untuk menganalisis
peramalan penjualan produk yaitu sebagai berikut :

1. Metode Moving Averages

Metode Moving Averages diperoleh dengan merata-ratakan permintaan berdasarkan
beberapa data masa lalu yang terbaru (Nasution dan Prasetyawan, 2003).

Keterangan :
 Ft = Ramalan kegiatan pada periode ke-t
n = Jumlah periode dalam rata-rata bergerak
Xt-1, Xt-2, …., Xt-n = Kegiatan pada periode sebelumnya
2. Metode Penghalusan Eksponensial (Exponential Smoothing)
Metode Penghalusan eksponensial merupakan teknik peramalan rata-rata bergerak
dengan pembobotan dimana data diberi bobot oleh sebuah fungsi eksponensial (Render
dan Heizer, 2005).
Ft = Ft-1 + α (At-1 – Ft-1)
Keterangan :
Ft = Hasil peramalan pada periode t
Ft-1 = Hasil peramalan pada periode sebelumnya
α = Konstanta penghalus ramalan (pembobot) (0 ≤ α ≤ 1)
At-1 = Data aktual pada periode sebelumnya
3. Metode Trend
Metode peramalan dengan proyeksi trend ini mencocokan garis trend kerangkaian titik
data historis dan kemudian memproyeksi garis itu kedalam ramalan jangka menengah
hingga jangka panjang. Jika mengembangakan garis trend linier dengan metode statistik,
metode yang tepat digunakan adalah metode kuadrat kecil (Least square method).
Pendekatan ini menghasilkan garis lurus yang meminimalkan jumlah kuadrat perbedaan
vertical dari garis pada setiap observasi aktual.
Y’ = a + b x
Y’ = Ramalan pada periode tertentu
a = Intercept
b = Kemiringan garis
x = Kode periode waktu
 BAB IV
HASIL ANALISIS DAN PEMBAHASAN

A. Metode Rata-rata Bergerak Tunggal (Single Moving Averages)

Metode single moving average yaitu metode peramalan yang menggunakan rata-rata
dari jumlah (n) data terkini untuk meramalkan periode mendatang. dalam melakukan
peramalan dengan menggunakan metode single moving averages penulis menggunakan
periode dari bulan januari sampai dengan desember untuk menegtahuai forecast ditahun
berikutnya pada bulan januari.

Periode Bulan Penjualan

1 Januari 1050
2 Ferbruaty 1305
3 Maret 1100
4 April 1000
5 Mei 975
6 June 1230
7 July 1250
8 Agustus 1200
9 September 1350
10 Oktober 1100
11 November 1050
12 december 1050

Periode Bulan Penjualan Forecast Error Abs Square

1 Jan 1050
2 Feb 1305
3 Mar 1100 1177,5 -77,5 77,5 6006,25
4 Apr 1000 1202,5 202,5 202,5 41006,25
5 May 975 1050 -75 75 5625
6 Jun 1230 987,5 242,5 242,5 58806,25
7 Jul 1250 1102,5 147,5 147,5 21756,25
8 Aug 1200 1240 -40 40 1600
9 Sep 1350 1225 125 125 15625
10 Oct 1100 1275 -175 175 30625
11 Nov 1050 1225 -175 175 30625
12 Dec 1050 1075 -25 25 625
13 Jan 1050 -255 212300
JUMLAH 1285 212300
 Mean 128,5 21230

Dari perhitungan data tersebut, maka forecast untuk bulan januari tahun berikutnya sebesar
1050 Dan mean absolute errornya sebesar 128,5 sedangkan untuk mean square errornya
sebesar 21230

B. Metode Exponential Smoothing

Metode Exponential Smoothing yaitu merupakan teknik ratarata bergerak terhadap

data masa lalu dengan memberi penimbang terhadap data terakhir. jadi untuk melakukan
peramalan dibutuhkan satu data terakhir,

jadi forecast untuk bulan januari tahun berikutnya adalah 13.660 Dan mean absolute error
eror dengan Alpa 0,1 sebesar 120,01 sedangkan Dengan Alpa 0,5 sebesar 131,03 dan dengan
Alpa 0,9 mean absolute error nya sebesar 126,64. Sedangkan untuk mean square error nya
dengan Alpa 0,1 sebesar 20151,01 sedangkan dengan Alpa 0,5 sebesar 20151,01 dan dengan
Alpa 0,9 mean square error nya sebesar 23805,5
C. Metode Trend

Pada metode ini ada beberapa metode yang diambil yaitu : Tren Linier ,Least Square
,Tren Momen ,Tren prabolik ,Tren Exponensial. Dengan membandingan dengan salah satu
perusahaan yang bergerak pada bidang yang sama, dengan melihat data dari tahun 1999
sampai dengan tahun 2010, berikut adalah hasil hasil perhitungan dari data yag didapatkan.
1. Tren least square
Metode ini adalah cara perhitungan dengan variable x harus diangka ganjil. Metode ini
merupakan penyederhanaan dari metode Trend Moment. Sehingga akan mempermudah
dalam perhitungannya.
Tahun A B X XA XB X2
1999 1867 2801 -11 -20537 -30811 121
2000 1879 2819 -9 -16911 -25371 81
2001 1786 2679 -7 -12502 -18753 49
2002 1098 1647 -5 -5490 -8235 25
2003 1987 2981 -3 -5961 -8943 9
2004 1697 2546 -1 -1697 -2546 1
2005 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9
2007 1768 2652 5 8840 13260 25
2008 1987 2981 7 13909 20867 49
2009 1097 1646 9 9873 14814 81
2010 1679 2519 11 18469 27709 121
Jumlah 20613 30924 0 -4241 -6358 572

2. Tran momen

Tahun A B X XA XB X2
1999 1867 2801 -11 -20537 -30811 121
2000 1879 2819 -9 -16911 -25371 81
2001 1786 2679 -7 -12502 -18753 49
2002 1098 1647 -5 -5490 -8235 25
2003 1987 2981 -3 -5961 -8943 9
2004 1697 2546 -1 -1697 -2546 1
2005 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9
2007 1768 2652 5 8840 13260 25
2008 1987 2981 7 13909 20867 49
2009 1097 1646 9 9873 14814 81
 2010 1679 2519 11 18469 27709 121
Jumlah 20613 30924 0 -4241 -6358 572

3. Metode Tren prabolik

Trend kuadratik adalah trend yang nilai variabel naik atau turun secara linier atau
terjadinya parabola bila datanya dibuat scatter plot (hubungan variabel dependen dan
independen adalah kuadratik)

Tahun A B X XA XB X2 X2A X2B X4

- -
1999 1867 2801 -11 121 225907 338921 14641
20537 30811
- -
2000 1879 2819 -9 81 152199 228339 6561
16911 25371
- -
2001 1786 2679 -7 49 87514 131271 2401
12502 18753
2002 1098 1647 -5 -5490 -8235 25 27450 41175 625
2003 1987 2981 -3 -5961 -8943 9 17883 26829 81
2004 1697 2546 -1 -1697 -2546 1 1697 2546 1
2005 1769 2654 1 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9 17991 26991 81
2007 1768 2652 5 8840 13260 25 44200 66300 625
2008 1987 2981 7 13909 20867 49 97363 146069 2401
2009 1097 1646 9 9873 14814 81 88857 133326 6561
2010 1679 2519 11 18469 27709 121 203159 304799 14641
Jumlah 20613 30924 0 -4241 -6358 572 965989 1449220 48620

4. Metode Tren Exponensial

Selain trend diatas ada satu lagi trend yang biasa digunakan oleh seorang peramlan, yaitu
Trend Exponential untuk mengetahui apakah suatu data tepat diproyeksi dengan Trend
Exponential, yaitu apabila nilai logaritma dari dta yang ada perubahannya relatif sama.

X log X log
Tahun A B log A log B X X2
A B
1999 1867 2801 3,27 3,45 -11 121 -35,97 -37,95
2000 1879 2819 3,27 3,45 -9 81 -29,43 -31,05
2001 1786 2679 3,25 3,42 -7 49 -22,75 -23,94
2002 1098 1647 3,04 3,21 -5 25 -15,2 -16,05
2003 1987 2981 3,30 3,47 -3 9 -9,9 -10,41
2004 1697 2546 3,23 3,4 -1 1 -3,23 -3,4
2005 1769 2654 3,24 3,42 1 1 3,24 3,42
2006 1999 2999 3,31 3,47 3 9 9,93 10,41
 2007 1768 2652 3,24 3,42 5 25 16,2 17,1
2008 1987 2981 3,30 3,47 7 49 23,1 24,29
2009 1097 1646 3,04 3,21 9 81 27,36 28,89
2010 1679 2519 3,22 3,4 11 121 35,42 37,4
Jumlah 20613 30924 38,71 40,79 0 572 -1,23 -1,29
 BAB V
KESIMPULAN DAN SARAN

A. Kesimpulan

Berdasarkan analisis dan pembahasan yang telah penulis lakukan pada bab IV, maka
dapat diambil kesimpulan dari pembahasan dalam penelitian pada Produk Desain Pakaian
Bertema Tradisional Oleh Perusahaan (L.I)adalah Ramalan jumlah penjualan untuk bulan
selanjutnya serta perbandingannya dengan perusahaan lain yang bergerak dibidang yang
sama berdasarkan metode Single Moving Averages, Exponential smoothing, dan Trend
Projection. Peramalan yang dilakukan umumnya didasarkan pada masa lalu yang kemudian
dianalisis dengan menggunakan metode atau cara-cara tertentu. Data masa lalu
dikumpulkan, dipelajari, dianalisis dan dihubungkan dengan perjalanan waktu, karena
adanya faktor waktu tersebut, maka dari data hasil analisis tersebut kita dapat mencoba
mengatakan sesuatu yang terjadi di masa yang akan datang.
Dalam hal ini kita dihadapkan pada suatu kondisi ketidak pastian, sehingga akan ada
faktor akurasi atau ketidaksamaan yang harus diperhitungkan. Peramalan selalu bertujuan
agar ramalan yang di buat biasa meminimumkan kesalahan peramalan (forecast error)
artinya perbedaan antara kenyataan dengan ramalan tidak terlalu jauh. Ramalan yang baik
adalah ramalan yang mendekati kenyataan. Oleh karena peramalan digunakan sebagi acuan
dalam pengambilan keputusan maka ramalan yang baik sangat dibutuhkan.

B. Saran

Berdasarkan hasil analisis data dan kesimpulan maka dapat dikemukakan saran-saran
sebagai bahan pertimbangan Perusahaan (L.I) dalam menentukan kebijakan dalam hal
peramalan penjualan produk desain pakaian tema tradisional.dimana disarankan untuk,
Dalam peramalan khususnya peramalan penjualan hendaknya Perusahaan (L.I) tidak hanya
menggunakan satu metode peramalan (Single Moving Averages saja atau Exponential
Smoothing saja), tetapi lebih dari satu metode untuk mengetahui metode mana yang paling
tepat.
 Dan penulis mengharapkan semiga laporan ini dapat menjadi sebuah acuan bagi para
pembaca mampu memahahi materi dan pembahasan yang lampirkan.
 LAMPIRAN-LAMPIRAN

A. Smoothing Method
1. Dari perhitungan data dibawah tersebut, maka forecast untuk bulan januari tahun
berikutnya sebesar 1050 Dan mean absolute errornya sebesar 128,5 sedangkan untuk
mean square errornya sebesar 21230

Periode Bulan Penjualan

1 Januari 1050
2 Ferbruaty 1305
3 Maret 1100
4 April 1000
5 Mei 975
6 June 1230
7 July 1250
8 Agustus 1200
9 September 1350
10 Oktober 1100
11 November 1050
12 december 1050

Periode Bulan Penjualan Forecast Error Abs Square

1 Jan 1050
2 Feb 1305
3 Mar 1100 1177,5 -77,5 77,5 6006,25
4 Apr 1000 1202,5 202,5 202,5 41006,25
5 May 975 1050 -75 75 5625
6 Jun 1230 987,5 242,5 242,5 58806,25
7 Jul 1250 1102,5 147,5 147,5 21756,25
8 Aug 1200 1240 -40 40 1600
9 Sep 1350 1225 125 125 15625
10 Oct 1100 1275 -175 175 30625
11 Nov 1050 1225 -175 175 30625
12 Dec 1050 1075 -25 25 625
13 Jan 1050 -255 212300
JUMLAH 1285 212300
Mean 128,5 21230

2. forecast untuk bulan trimester ke 13 sebesar 914,47 dan mean absolute errornya sebesar
238,14 dan untuk mean square errornya Sebesar 74323,5
 Trimester Profit
1 738
2 957
3 778
4 729
5 847
6 829
7 972
8 927
9 837
10 904
11 627
12 498

B. Eksponential Smooting

1. jadi forecast untuk bulan januari tahun berikutnya adalah 13.660 Dan mean absolute error
eror dengan Alpa 0,1 sebesar 120,01 sedangkan Dengan Alpa 0,5 sebesar 131,03 dan
dengan Alpa 0,9 mean absolute error nya sebesar 126,64. Sedangkan untuk mean square
error nya dengan Alpa 0,1 sebesar 20151,01 sedangkan dengan Alpa 0,5 sebesar
20151,01 dan dengan Alpa 0,9 mean square error nya sebesar 23805,5.
Periode Bulan Penjualan
1 Januari 1050
2 Ferbruaty 1305
3 Maret 1100
 4 April 1000
5 Mei 975
6 June 1230
7 July 1250
8 Agustus 1200
9 September 1350
10 Oktober 1100
11 November 1050
12 december 1050

2. Yaitu :
Trimester Profit
1 738
2 957
3 778
4 729
5 847
6 829
7 972
8 927
9 837
10 904
11 627
12 498
C. Variasi Random

1. prediksi biaya pada tahun berikutnya untuk dua perusahaan di bawah,

Tahun A B
1999 1867 2801
2000 1879 2819
2001 1786 2679
2002 1098 1647
2003 1987 2981
2004 1697 2546
2005 1769 2654
2006 1999 2999
2007 1768 2652
 2008 1987 2981
2009 1097 1646
2010 1679 2519

Dan digunakan beberapa metode yaitu :

a. Tren least square

Tahun A B X XA XB X2
1999 1867 2801 -11 -20537 -30811 121
2000 1879 2819 -9 -16911 -25371 81
2001 1786 2679 -7 -12502 -18753 49
2002 1098 1647 -5 -5490 -8235 25
2003 1987 2981 -3 -5961 -8943 9
2004 1697 2546 -1 -1697 -2546 1
2005 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9
2007 1768 2652 5 8840 13260 25
2008 1987 2981 7 13909 20867 49
2009 1097 1646 9 9873 14814 81
2010 1679 2519 11 18469 27709 121
Jumlah 20613 30924 0 -4241 -6358 572

b. Tran momen

Tahun A B X XA XB X2
1999 1867 2801 -11 -20537 -30811 121
2000 1879 2819 -9 -16911 -25371 81
2001 1786 2679 -7 -12502 -18753 49
2002 1098 1647 -5 -5490 -8235 25
2003 1987 2981 -3 -5961 -8943 9
2004 1697 2546 -1 -1697 -2546 1
2005 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9
2007 1768 2652 5 8840 13260 25
2008 1987 2981 7 13909 20867 49
2009 1097 1646 9 9873 14814 81
2010 1679 2519 11 18469 27709 121
Jumlah 20613 30924 0 -4241 -6358 572

c. Metode Tren prabolik

Tahun A B X XA XB X2 X2A X2B X4

 - -
1999 1867 2801 -11 121 225907 338921 14641
20537 30811
- -
2000 1879 2819 -9 81 152199 228339 6561
16911 25371
- -
2001 1786 2679 -7 49 87514 131271 2401
12502 18753
2002 1098 1647 -5 -5490 -8235 25 27450 41175 625
2003 1987 2981 -3 -5961 -8943 9 17883 26829 81
2004 1697 2546 -1 -1697 -2546 1 1697 2546 1
2005 1769 2654 1 1769 2654 1 1769 2654 1
2006 1999 2999 3 5997 8997 9 17991 26991 81
2007 1768 2652 5 8840 13260 25 44200 66300 625
2008 1987 2981 7 13909 20867 49 97363 146069 2401
2009 1097 1646 9 9873 14814 81 88857 133326 6561
2010 1679 2519 11 18469 27709 121 203159 304799 14641
Jumlah 20613 30924 0 -4241 -6358 572 965989 1449220 48620

d. Metode Tren Exponensial

X log X log
Tahun A B log A log B X X2
A B
1999 1867 2801 3,27 3,45 -11 121 -35,97 -37,95
2000 1879 2819 3,27 3,45 -9 81 -29,43 -31,05
2001 1786 2679 3,25 3,42 -7 49 -22,75 -23,94
2002 1098 1647 3,04 3,21 -5 25 -15,2 -16,05
2003 1987 2981 3,30 3,47 -3 9 -9,9 -10,41
2004 1697 2546 3,23 3,4 -1 1 -3,23 -3,4
2005 1769 2654 3,24 3,42 1 1 3,24 3,42
2006 1999 2999 3,31 3,47 3 9 9,93 10,41
2007 1768 2652 3,24 3,42 5 25 16,2 17,1
2008 1987 2981 3,30 3,47 7 49 23,1 24,29
2009 1097 1646 3,04 3,21 9 81 27,36 28,89
2010 1679 2519 3,22 3,4 11 121 35,42 37,4
Jumlah 20613 30924 38,71 40,79 0 572 -1,23 -1,29

2. Dengan metode tren momen dan least square, untuk memperkiraan penjualan tahun
bulan januari tahun berikutnya dari data penjualan :

Tahun Sale
jan 1,350
feb 1,225
mar 1,475
apr 1,530
may 1,625
 jun 1,500
jul 1,560
aug 1,640
sep 1,475
oct 1,575
nov 1,640
dec 1,700
a. Metode tren momen
Tahun Sale X X Sale X2
Jan 1350 0 0 0
Feb 1225 1 1225 1
Mar 1475 2 2950 4
Apr 1530 3 4590 9
May 1625 4 6500 16
Jun 1500 5 7500 25
Jul 1560 6 9360 36
Aug 1640 7 11480 49
Sep 1475 8 11800 64
Oct 1575 9 14175 81
Nov 1640 10 16400 100
Dec 1700 11 18700 121
Jumlah 18295 66 104680 506

b. Metode Least Square

Tahun Sale X X Sale X2
Jan 1350 -11 -14850 121
Feb 1225 -9 -11025 81
Mar 1475 -7 -10325 49
Apr 1530 -5 -7650 25
May 1625 -3 -4875 9
Jun 1500 -1 -1500 1
Jul 1560 1 1560 1
Aug 1640 3 4920 9
Sep 1475 5 7375 25
Oct 1575 7 11025 49
Nov 1640 9 14760 81
Dec 1700 11 18700 121
Jumlah 18295 0 8115 572
D. Regresi

1. Hubungan dan signifikan hubungan antar variabel di bawah

Tahun Gaji Kelahiran

2001 1.000 20
2002 1.200 35
2003 1.100 20
2004 900 30
2005 1.200 40
2006 1.100 20
2007 1.350 20

a. Metode Regresi
Gaji
Tahun Kelahiran(Y) X2 Y2 XY
(X)
2001 1000 20 1000000 400 20000
2002 1200 35 1440000 1225 42000
2003 1100 20 1210000 400 22000
2004 900 30 810000 900 27000
2005 1200 40 1440000 1600 48000
2006 1100 20 1210000 400 22000
2007 1350 20 1822500 400 27000
Jumlah 7850 185 8932500 5325 208000

ATAU
Tahun Gaji Kelahiran XY 𝑌2 𝑥2
2001 1.000 20 2.000 1.000.000 400
2002 1.200 35 42.000 1.440.000 1.225
2003 1.100 20 22.000 1.210.000 400
2004 900 30 27.000 810.000 900
2005 1.200 40 48.000 1.440.000 1.600
2006 1.100 20 22.000 1.210.000 400
2007 1.350 20 27.000 1.822.500 400
JUMLAH 7.850 185 190.000 8,932.500 5.325

𝑛.𝑥𝑦−𝑥.𝑦
𝑏= 𝑛.𝑥 2 − 𝑥 2
7(190.000)−185 (7.850)
𝑏= 7(5.325)− 5.325
 1.330.000−1.452.250
𝑏= 37.275− 5.325
−126.250
𝑏= 31.950
= −3,82

𝑌−𝑏 (𝑥)
a = 𝑛
7.850−(−3,82) (185)
= 7
8.557
= 7
= 1.222
Pers. Regresi
Y = a + b (x)
= 1.222 + (-3,82) (x)
Korelasi (r) anatara hubungan antara variabel adalah :
𝑛.𝑋𝑌−𝑋.𝑌
r =(
√𝑛.𝑋 2 −𝑋 2 )(𝑛.𝑌 2 −𝑌 2

7.190.000−185.7.850
=(
√7.(5.325)−(5.325)) ( 7 (8.932.500−8.932.500)
1.330.000−1.452.250
=
√( 31.950)(53.595.000)
−122.250
=
√1.712.360.250
−122.250
= 1.305.571
= -0,093
= -0,1

Karena korelasi tersebut (-) negatif -0.093 atau < 1 maka dapat disimpulkan bahwan
pengaruh kelahiran (umur) terhadap gaji tdk saling berhubungan atau tidak signifikan

2. Penjualan tahun 2010

Tahun Penjualan X Semi total Semi Average
2004 120 -1
2005 120 0 380 380/3 = 126.67 Kelompok
1
2006 140 1
2007 135 2
2008 150 3 395 395/3 = 131.67 Kelompok
2
2009 110 4
Jumlah
a. Metode Regresi
Tahun Penjualan(Y) Periode(X) X2 Y2 XY
2004 120 1 1 14400 120
2005 120 2 4 14400 240
2006 140 3 9 19600 420
2007 135 4 16 18225 540
2008 150 5 25 22500 750
2009 110 6 36 12100 660
Jumlah 775 21 91 101225 2730

ATAU

Rata-rata kelompok 1
a = 126,67
𝑟𝑎𝑡𝑎" kelompok 2-rata" 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 1
b= 𝑛
131,67 – 126,67
b= 3
5
b=3 = 1,67

Pers. Trend

Y = 126,67 + 1,67

Nilai penjual taun 2010 (5)

Y = 126,67 + 1,67 (5)

= 135,02

Y (2004) = 126,67 + 1,67 (-1) = 125

Y (2005) = 126,67 + 1,67 (0) = 126,67

Y (2006) = 126,67 + 1,67 (1) =128,34

Y (2007) = 126,67 + 1,67 (2) = 130,01

Y(2008) = 126,67 + 1,67 (3) =131,68

Y (2009) = 126,67 + 1,67 (4) = 133,35

Y (2010) = 126,67 + 1,67 (5) = 135,02