FORECASTING (PERAMALAN)

Ilmu Manajemen
 PERAMALAN
(FORECASTING)
PENGERTIAN :

PERAMALAN :ADALAH SENI DAN ILMU

MEMPREDIKSI PERISTIWA MASA
DEPAN YANG MEMERLUKAN DATA –
DATA
 ADA DUA METODE PERAMALAN :
1. TOP-DOWN FORECASTING
YAITU SUATU METODE PERAMALAN UMUM YANG MENDASARKAN PADA
BERBAGAI KONDISI BISNIS UMUM YANG DIBUAT OLEH PARA EKONOMI
DALM MEMBAGA – LEMBAGA PEMERINTAH, PERUSAHAAN BESAR DAN
UNIVERSITAS – UNIVERSITAS. KEMUDIAN MEMPERKIRAKAN BERAPA
BAGIAN PASAR PERUSAHAAN (MARKET SHARE) DAN AKHIRNYA
BERAPA BARANG YANG DIPRODUKSI, DAN BERAPA SETIAP PRODUK
PERUSAHAAN AKAN DAPAT DIJUAL SETIAP BULAN.

2. BOTTOM-UP FORECASTING
YAITU SUATU METODE PERAMALAN YANG DIMULAI DENGAN
PERKIRAAN PERMINTAAN PRODUK – PRODUK AKHIR INDIVIDU. DATA
DATA PERAMAL BIYASA DIPEROLEH DARI ESTIMASI ORANG – ORANG
PENJUALAN, DISTRIBUTOR DAN PARA PELANGGAN.
 JENIS – JENIS PERAMALAN

1. RAMALAN EKONOMI ADALAH RAMALAN SIKLUS BISNIS

YANG MEMPREDIKSI TINGKAT INFLASI, TINGKAT SUKU
BUNGA DAN INDICATOR – INDIKATOR LAIN.
2. RAMALAN TEKNOLOGI ADALAH RAMALAN YANG
BERKAITAN DENGAN TINGKAT KEMAJUAN TEKNOLOGI
YANG MELAHIRKAN PRODUK BARU, MEMBUTUHKAN
PABRIK DAN PERALATAN BARU.
3. PERAMALAN PERMINTAAN ADALAH PROYEKSI
PERMINTAAN TERKAIT PRODUK ATAU JASA
PERUSAHAAN. RAMALAN INI MEMBAHAS RAMALAN
PENJUALAN, RAMALAN PRODUKSI, KAPASITAS DAN
SISTEM PENJADWALAN PERUSAHAAN, UNTUK
KEPERLUAN PERENCANAAN KEUANGAN, PAMASARAN,
 PENDEKATAN PERAMALAN
ADALAH BEBERAPA PENDEKATAN TEKNIK KUALITATIF YANG DIGUNAKAN :

1. METODE DELPHI.
ADALAH SUATU TEKNIK PERAMALAN YANG MEMPERGUNAKAN SUATU
PROSEDUR YANG SISTEMATIS UNTUK MENDAPATKAN CONSENSUS
PENDAPATAN – PENDAPATAN DARI SUATU KELOMPOK AHLI.
2. SURVEY PASAR KONSUMEN/RISET PASAR.
ADALAH SUATU RAMALAN YANG MEMPERBESAR MASUKAN DARI
PELANGGAN TANPA MELIHAR RENCANA PEMBELIAN MASA DEPANNYA
3. JURI DAN OPINI EKSEKUTIF.
ADALAH RAMALAN YANG MENGAMBIL OPINI SEKELOMPOK KECIL
MANAJER TINGKAT TINGGI. BIASA DIKOMBINASIKAN DENGANAN
MODEL STATISTIC. MENGHASILKAN ESTIMASI PERMINTAAN KELOMPOK
4. GABUNGAN ARMADA PENJUALAN.
ADALAH RAMALAN YANG MENDASARKAN PADA SETIAP WILAYAH
PENJUALANNYA, KEMUDIAN DIKAJI ULANG LALU DIKOMBINASIKAN
DIWILAYAH LAIN DAN NASIONAL UNTUK MENCAPAI RAMALANA SECARA
MENYELURUH.
5. PENDEKATAN NAIF/NAÏVE APPROACH.
ADALAH SUATU PERAMALAN YANG MENGASUMSIKAN BAHWA
PERMINTAAN DALAM PERIODE BERIKUTNYA ADALAH SAMA DENGAN
PERMINTAAN DALAM PERIODE SEBELUMNYA(MOST RECENT PERIOD)
 PENDEKATAN, TEKNIK KUANTITATIF

ADALAH BEBERAPA RAMALAN DENGAN

TEKNIK KUANTITATIF ANTARA LAIN :
1.PROYEKSI TREND/TREND PROJEECTION.
2.RATA–RATA BERGERAK/MOVING
AVERAGES.
3.PENGHALUS EKSPONENSIAL /
EXPONENTIAL SMOOTHING.
4.ANALISIS TUNTUN WAKTU/TIME SERIES.
5.REGRESI DAN KORELASI.
 TAHAPAN SISTEM PERAMALAN
TANPA MELIHAT METODE YANG DIGUNAKAN, PROSES
PERAMALAN SECARA UMUM ADALAH SEBAGAI BERIKUT :
1. MENENTUKAN PENGGUNAAN PERAMALAN/TUJUAN ATAU
PENCAPAIAN.
2. MEMILIH HAL-HAL YANG AKAN DIRAMAL.
3. MENENTUKAN HORISON WAKTUNYA, PANJANG,
MENENGAH DAN PENDEK.
4. MEMILIH MODEL PPERAMALAN.
5. MENGUMPULKAN DATA YANG DIBUTUHKAN UNTUK
MEMBUAT RAMALAN.
6. MENENTUKAN MODEL PETAMALAN YANG TEPAT.
7. MEMBUAT RAMALAN.
8. MENERAPKAN HASILNYA.
1.PROYEKSI TREND/KUADRAT TERKECIL(LEAST SQUARE)
METODE INI DAPAT MENGUNAKAN PERSAMAAN Y = a +bx
BILA TITIK TENGAH SEBAGAI TAHUN DASAR Ex = 0

Y = a + bX
∑Y = n.a → ∑Xy
n
∑Xy = b.∑X² → b = ∑xy
∑X²
DAPAT JUGA MENGGUNAKAN TAHUN PERTAMA SEBAGAI
TAHUN DASAR.

Y = a + bx → a =Y - bx ATAU a = ∑Y.∑x² - ∑x∑Y

n.∑x² - (∑x)²
b = n.∑xY - ∑ x.∑ xY
n. ∑x² - (∑ x)²
CONTOH KASUS :
PT. ABC MEMPUNYAI DATA PENJUALAN PADA
TUJUH TAHUN TRAKHIR SEBAGAI BERIKUT :

TAHUN 1999 2000 2001 2002 2003 2004 2005

PENJUALAN 150.000 200.000 250.000 300.000 450.000 475.000 490.000
DARI DATA DIATAS HITUNGLAH RAMALAN
PENJUALAN TAHUN 2006
JAWAB :

TAHUN (Y) (X) (X)² Xy

1999 150.000 -3 9 -450.000
2000 200.000 -2 4 -400.000
2001 250.000 -1 1 -250.000
2002 300.000 0 0 0
2003 450.000 1 1 450.000
2004 475.000 2 4 950.000
2005 490.000 3 9 1.470.000
∑ 2.315.000 0 28 1.770.000
Y = a+bX → a = ∑Y = 2.315.000 = 330.714
n 7
b = ∑ xY = 1.770.000 = 63.214
∑ x² 28

Y 2006 = a + bX
= 330.714 + 63.214 (4)
= 330.714 + 252.856
= 583.570
1.A METODE TREND SEMI
AVERAGE
 Metode ini digunakan bila data yang ada jumlahnya
genap, sehingga dapat dibagi menjadi dua kelompok
sama besar. Contoh soal. Data penjual PT. ADIJAYA
tahun 1994-1999. (dalam tabel). Dari data tersebut
buatlah ramalan penjualan untuk tahun 2000?
tahun Jumlah penjualan (dalam juta)
1994 140
1995 148
1996 157
1997 157
1998 160
1999 169
JAWABAN SOAL

 Catatan ; kelaompok pertama bila data ganjil dimulai angka 0

(tengah) dan bila data genap dimulai angka -3,-1,1,3 dst.
Tahun Jumlah Total Average X
Penjualan(Y)
1994 140 -1
1995 148 445 445/3=148,33 0
1996 157 1

1997 157 2
1998 160 486 486/3=162 3
1999 169 4
Lanjutan jawaban
 Rumus : Y = a + bx
_
 a = rata-rata kelompok pertama X 1
_ _
 b = selisih antara X 2 dengan X 1 dibagi dengan
jumlah data yang ada dalam satu kelompok.
 Jadi a = 148,33 ; b = 162 – 148,33/3 = 4,5567
 Y = 148,33 + 4,5567 (X)
 Maka forecast penjualan untuk tahun 2000 adalah
(X diberi skore 5)
 Y = 148,33 + 4,5567 (5) = 171,11 unit
METODE TREND MOMENT
 Adalah metode peramalan yang mempunyai
persamaan Y = a + bX
 Pemberian score X dimulai dari 0,1,2,3, ……dst.
 Contoh soal. Data penjual PT. ADIJAYA tahun
1995-1999. (dalam tabel). Dari data tersebut
buatlah ramalan penjualan untuk tahun 2000?
tahun Jumlah penjualan (dalam juta)
1995 140
1996 148
1997 157
1998 160
1999 169
 JAWABAN CONTOH SOAL
 Persamaan ; Y = a + bX
 Dalam mencari koefisien a dan b digunakan
persamaan
Tahun Y X XY X²
1995 140 0 0 0
1996 148 1 148 1
1997 157 2 314 4
1998 160
3 480 9
1999 169
4 676 16
Σ 774 10 1.618 30

ΣY = n.a + b. Σ X
ΣXY = a. Σ X + b. Σ X²
JAWABAN CONTOH SOAL
774 = 5.a + b (10) {x2}
1.618 = 10.a + b (30) {x1}

1.548 = 10 a + 20 b
1.618 = 10 a + 30 b (-)
-70 = -10 ; b=7
Substitusikan :
774 = 5 a + 10 (7)
5 a = 774 – 70 = 704
a =704/5 = 140,8
Forecast Y2000 = 140,8 + 7 (X) = 140,8 + 7(5)= 175,8
 2. RATA – RATA BERGERAK/MOVING AVERAGE.
ADALAH SUATU TEKNIK PERAMALAN MENGASUMSIKAN BAHWA
PERMINTAAN PASAR TETAP KECIL SEPANJANG WAKTU.
RUMUS :
MA = JUMLAH PERMINTAAN DATA n PERIODE SEBELUMNYA
n
TAHUN KUARTALAN PENJUALAN (UNIT) TOTAL GERAKAN TIGA RATA-RATA
KUARTAL BERGERAK TIGA
KUARTAL
2000 1 80 - -
2 78 241 : 3 80,3
3 83 246 : 3 82
4 85 252 : 3 84
2001 1 84 257 : 3 85,7
2 88 262 : 3 87,3
3 90 267 : 3 89
4 89 265 : 3 88,5
2002 1 86 266 : 3 88,7
2 91 271 : 3 90,3
3 94 278 : 3 92,7
4 93 277 : 3 92,3
2003 1 90 279 : 3 93
2 96 289 : 3 95,3
3 100 293 : 3 97,7
4 97 - -

MA = 80 + 78 + 83 = 80,3 → RATA-RATA BERGERAK

3
JADI PERKIRAAN PENJUALAN UNTUK TAHUN 2004
KUARTAL I ADALAH 97,7 MELEBIHI METODE (MA)
ADALAH :
- EFEKTIF MERATAKAN ATAU MENGHALUSKAN
FLUKTUASI PADA DATA.
- BISA DITETAPKAN PADA BERBAGAI JENIS DATA.

KELEMAHAN METODE MA ADALAH :

- TIDAK PERSAMAAN RAMALAN.
- HANYA MAMPU MERAMAL JANGKA PENDEK/NILAI
RATA-RATA BERGERAK TERAKHIR.
PERHITUNGAN.
DALAM ANALISIS DATA PENJUALAN
ATAU PERMINTAAN AKAN PRODUK
INDEKS MUSIM DAPAT DIGUNAKAN.
CARA MENGHITUNGNYA DENGAN
MENCAPAI RATA-RATA BERBAGAI RASIO
PENJUALAN KUARTALAN NYATA
TERHADAP NILAI GARIS TREND (Y)
UNTUK SETIAP KUARTALAN.
CONTOH SOAL :
DATA PENJUALAN YANG TERDAPAT PADA PT. SEMPURNA (DALAM TON)

TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL

1999 110 420 160 185 875

2000 200 360 120 330 1.010
2001 240 375 230 360 1.205
2002 190 350 100 250 890
2003 210 355 190 225 980

PERTANYAAN :
a. BERAPAKAH FORECAST PENJUALAN UNTUK KUARTAL PERTAMA
DAN KEDUA TAHUN 2004 DENGAN METODE RATA – RATA
BERGERAK EMPAT KUARTAL.
b. BERAPAKAH FORECAST PERMINTAAN MUSIMAN SELAMA TAHUN
2004 , JIKA DIASUMSIKAN PERMINTAAAN SELAMA TAHUN 2004
SEBANYAK 1019 TON , DENGAN MODEL RATA-RATA BERGERAK
SEDERHANA ?
JAWAB :
a. PRAKIRAAN PENJUALAN UNTUK KUARTALAN PERTAMA
TAHUN 2004
210 + 355 + 190 + 225 = 245 ton
4
PRAKIRAAN PENJUALAN UNTUK KUARTALAN KEDUA
TAHUN 2004
355 + 190 + 225 + 245 = 253,75 ton
4
b. RATA-RATA PENJUALAN PER KUARTAL DARI PENJUALAN TAHUN
1999
SAMPAI DENGAN 2004.
KUARTAL I = 110 + 200 + 240 + 190 + 210 = 190 ton
5
KUARTAL II = 420 + 360 + 375 + 350 + 355 = 372 ton
5
KUARTAL III = 160 + 120 + 230 + 100 + 190 = 160 ton
5
KUARTAL IV = 185 + 330 + 360 + 250 + 225 = 270 ton
5
RATA-RATA PENJUALAN SELURUH KUARTAL =
875 + 1.010 + 1.205 + 890 + 980 = 248 ton
20
INDEKS MUSIMAN MASING-MASING KUARTAL

KUARTAL I = 190 = 0,77

248
KUARTAL II = 372 = 1,5
248
KUARTAL III = 160 = 0,65
248
KUARTAL IV = 270 = 1,1
248
DENGAN ANGKA INDEKS MUSIMAN TERSEBUT MAKA
PRAKIRAAN PENJUALAN MUSIMAN TAHUN 2004 JIKA
PENJULAN SELAMA TAHUN 2004 SEBESAR 1.019 DENGAN
METODE RATA-RATA SEDERHANA (SIMPLE AVERAGE)

KUARTAL I = 1.019 x 0,77 = 196,1575 ton

4
KUARTAL II = 1.019 x 1,5 = 382,125 ton
4
KUARTAL III = 1.019 x 0,65 = 165,5873 ton
4
KUARTAL IV = 1.019 x 1,1 = 280,225 ton
4
RATA-RATA BERGERAK / WEIGHT
MOVING-AVERAGE TERTIMBANG
WMA = ∑ (timbangan untuk periode n) (permintaan dalam periode n)
∑ Timbangan
CONTOH :
BERDASARKAN DATA DIBAWAH INI HITUNGLAH
FORECAST UNTUK KUARTAL PERTAMA 2004
DENGAN METODE WMA :
DALAM TON
TAHUN KUARTAL 1 KUARTAL 2 KUARTAL 3 KUARTAL 4 TOTAL
1999 110 420 160 185 875
2000 200 360 120 330 1.010
2001 240 375 230 360 1.205
2002 190 350 100 250 890
2003 210 355 190 225 980
 DATA BOBOT

PERIODE BOBOT (TERBILANG)

1 (DATA PALING LAMA) 5%
2 10%
3 15%
4 25%
5 (DATA PALING AKHIR) 45%

FORECAST UNTUK KUARTAL PERTAMA TAHUN 2004

DIHITUNG SEBAGAI BERIKUT :
F = 0,05(250)+0,10(210)+0,15(355)+0,25(190)+0,45(225)
1,00
= 235,5 ton
3. EXPONENTIAL SMOOTHING
ADALAH SUATU TEKNIK PERAMALAN RATA-RATA
BERGERAK YANG MELAKUKAN PENIMBANGAN
TERHADAP DATA MASA LALU DENGAN CARA
PENGHALUSAN SEHINGGA DATA PALING AKHIR
MEMPUNYAI BOBOT ATAU TIMBANGAN LEBIH
BESAR DALAM RATA-RATA BERGERAJ.
RUMUS : Ft = Ft – 1 + a (At – 1 – Ft – 1)
KETERANGAN :
Ft = RAMALAN UNTUK PERIODE SEKARANG (t)
Ft – 1 = RAMALAN YANG DIBUAT UNTUK PERIODE
TERAKHIR (t – 1)
A = SMOOTHING CONSTANT (0 ≤ α < 1)
At = PERMINTAAN NYATA PERIODE TERAKHIR
CONTOH :
DENGAN MENGGUNAKAN MODEL EXPONENTIAL
SMOOTHING, HITUNGLAH FORECAST UNTUK KUARTAL
PERTAMA 2004, BILA DIKETAHUI BAHWA FORECAST
UNTUK KUARTAL TERAKHIR TAHUN 2003 ADALAH 220,5
TON. BILA NILAI a = 0,15 (DATA SOAL SAMA DENGAN
DIATAS)
JAWAB :
FORECAST UNTUK KUARTAL PERTAMA 2004 YANG
DIRATAKAN SECARA EKSPONENSIAL DAPAT
DIHITUNG SEBAGAI BERIKUT :
Ft = Ft – 1 + A (At – 1 – Ft – 1)
= 220,5 + 0,15 (225 – 220,5)
= 221,175 ton
 PENGARUH TREND DALAM EXPONENTIAL SMOOTHING.

METODE RATA-RATA BERGERAK TERTIMBANG DAN

AXPONENTIAL SMOOTHING GAGAL MERESPON TREND.
UNTUK MEMPERBAIKI RAMALAN MAKA HASIL RAMALAN
YANG SUDAH DIRATAKAN DENGAN EKSPONENIAL DAPAT
DIKOREKSI DENGAN PERHITUNGAN PERBEDAAN ANTARA
DUA RAMALAN SEBELUMNYA DAN PENAMBAHAN JUMLAH
INI PADA RAMALAN BARU, YAITU :
FORECAST TERMAKSUK TREND (FTT) = Ft +
KONEKSI TREND, PERSAMAAN YANG LENGKAP
EXPONENTIAL SMOOTHING YANG TERKOREKSI TREND
MENGGUNAKAN CONSTANT “ß”.
Tt = Tt - 1 + ß(Ft – Ft – 1)
CONTOH SOAL :

DENGAN MENGGUNAKAN MODEL TREND –

ADJUSTED EXPONENTIAL SMOOTHING,
HITUNGLAH FORECAST UNTUK KUARTAL
PERTAMA 2004. GUNAKAN α = 0,15 DAN ß =
0,1 UNTUK DAKTOR TREND SMOOTHING
(DATA LENGKAP SEPERTI SOAL DIATAS)
JAWAB :
- LANGKAH PERTAMA MENGHITUNG FORECAST EXPONENTIAL
SMOOTHING SEDERHANA UNTUK KUARTAL PERTAMA 2004 SBB :
Ft = 220,5 + 0,15 (225 – 220,5)
= 221,175 ton

- LANGKAH KEDUA MENGHITUNG tt SEBAGAI BERIKUT :

tt = Ft – Ft – 1
= 221,175 – 220,5 = 0,675
- LANGKAH KETIGA MENGHITUNG Tt DENGAN ASUMSI BAHWA
PENYELESAIAN TREND AWAL ADALAH SEBESAR 0.
Tt = Tt – 1 + ß(tt – Tt -1)
= 0 + 0,10(0,0675) = 0,0675

- LANGKAH KEEMPAT MEMPERHITUNGKAN PENGARUH TREND

FORECAST UNTUK KUARTAL PERTAMA 2004 SBB :
Ft = Ft + 1- ß Tt
ß
Ft = 221,175 + 1-0,1 0,0675
0,1
= 221,7825 ton
4. ANALISIS RUNTUN WAKTU / TIME SERIES
ADALAH MODEL PERAMALAN YANG MENDASARKAN DATA SAMA
LALU MENJADI KOMPONEN- KOMPONEN DAN KENUDIAN
MEMPROYEKSIKAN DIWAKTU YANG AKAN DATANG. SERI WAKTU
YANG DIGUNAKAN ADA EMPAT YAITU :
a) TREND (T)
IALAH GERAKAN YANG MENUNJUKAN POLA PENURUNAN ATAU
KENAIKAN JANGKA PANJANG SERANGKAINA DATA HISTORIES
b) MUSIM (S) SEASIONAL
IALAH POLA DATA YANG BERULANG ATAU MUSIMAN SEPERTI PERIODE
HARIAN, MINGGUAN, BULANAN, KUARTALAN, ATAU TAHUNAN, BIASA
MUSIM HUJAN DAN MUSIM KEMARAU DAN LAIN-LAIN
c) SIKLUS (C) CYCLICAL
IALAH POLA DALAM DATA YANG TERJADI SETIAP BEBERAPA TAHUN.
KOMPONEN INI SULIT DITENTUKAN AKARENA MENYANGKUT KEJADIAN
– KEJADIAN YANG PASTI MISALNYA POLITIK, PERANG, KONDISI
EKONOMI, SIKLUS BISNIS DAN LAIN-LAIN.
d) RESIDU/ERRATIC (E)
IALAH SUATU UNSURE YANG MENUNJUKAN FLUKTUASI DATA YANG
TIDAK SISTEMATIK ATAU RANDOM (ACAK)

SEHINGGA EMPAT KOMPONEN MEMBENTUK FUNGSI ANALISIS RUNTUT WAKTU

SUATU NILAI RAMALAN (Y), y = Y x S x C x E
5. METODE REGRESI DAN
KORELASI
 Korelasi suatu metode peramalan model
statistik yang digunakan untuk menentukan
hubungan antara minimal satu variabel terikat
(Dependent variabel) dengan satu variabel
bebas (independent variabel) .
 Tujuannya adalah untuk meramalkan atau
memperkirakan nilai veriabel terikat dalam
hubungannya dengan nilai variabel bebas
tertentu.
RUMUS REGRESI SEDERHANA

 Y = a + bx
 Y = Nilai variabel terikat
 a = tetapan regresi (perpotongaan sumbu Y)
 b = kemiringan garis regresi/kelandaian
 X = variabel bebas
 
a  y b x


n  XY   X Y
b 
n X  ( X )
2 2

n  jumlahobserv asi
 X
X  
n
 Y
Y  
n
Rumus regresi berganda
dan korelasi
 Y = a + b1X1 + bX2
 Y = a + bX1 + bX2 + bX3 …. dst.
 Korelasi (r) :
 Bila r =+1 berarti ada korelasi positif sempurna
antara variabel terikat dengan variabel bebas
 Bila r = -1artinya ada korelasi negatif sempurna
antara variabel terikat dengan variabel bebas.
n XY  ( X )( Y )
r
(n X 2  ( X ) 2 )( n Y 2  ( Y ) 2 )
CONTOH SOAL REGRESI
Berdasarkan data penjualan PT. ADIJAYA tahun
2005 sampai dengan tahun 2009 seperti dalam
tabel , buatlah persamaan regresi dan
korelasinya dan interprestasikan hasilnya ?
Tahun Biaya Iklan /X Jumlah Penjualan/Y
(dalam juta Rupiah) (dalam juta Rupiah)

2005 9. 140
2006 12. 148
2007 14. 157
2008 15. 160
2009 17. 169
Total 67 10.507
JAWABAN SOAL REGRESI
Tabel untuk mencari nilai a dan b :
Tahun X Y XY X² Y²
2005 9 140 1260 81 19600
2006 12 148 1776 144 21904
2007 14 157 2198 196 24649
2008 15 160 2400 225 25600
2009 17 169 2873 289 285611
Total 67 774 10507 935 120314

Persamaan regresinya Y = a + b (X)

Koefisien a dan b dicari dengan rumus :

n.  XY   X .  Y 5(10507)  (67)(774)
b   3,64
n. X  ( XY )
2 2
5(935)  (67) 2
Lanjutan Jawaban

 Y  b.  X 774  (3,64)(67)
a   106,02
n 5

Jadi Y = 106,02 + 3,64 X

Persamaan ini dapat diinterpretasikan bahwa bila
biaya iklan naik satu juta Rupiah, jumlah
penjualan akan meningkat 3,64 juta unit.
Lanjutan Jawaban
 Koefisien korelasi dicari dengan
persamaan :
r n.  XY   X .  Y
n  X 2  ( X ) 2 n.  Y 2  ( Y ) 2
5(10507)  (67)(774)
r  0,994
5(935)  (67) 2
5(120314)  (774) 2

 Karena nilai r mendekati 1, berarti terdapat

hubungan yang kuat antara biaya iklan dengan
jumlah penjualan
LATIHAN KASUS 1
PT. ADI MIX MEMPUNYAI DATA PENJUALAN SELAMA 5
TAHUN TERAKHIR SEBAGAI BERIKUT :

(000 M²)
TAHUN
KUARTAL
2001 2002 2003 2004 2005
I 19 28 27 30 32
II 37 42 36 43 44
III 30 31 28 29 32
IV 22 18 19 20 22
TOTAL 108 119 110 122 130
DARI DATA DIATAS DIMINTA :

a) HITUNGLAH RAMALAN PENJUALAN TAHUN 2006.

b) BILA PESEDIAAN AKHIR TAHUN 2005 BERJUMLAH
10.000M², DAN RENCANA PERSEDIAAN AKHIR TAHUN
2006 ADALAH 25.000M², MAKA HITUNGLAH JUMLAH
PRODUKSI TAHUN 2006.
c) HITUNGLAH RAMALAN PENJUALAN KUARTAL I, II,
TAHUN 2006 DENGAN METODE RATA-RATA
BERGERAK EMPAT KUARTALAN.
d) BERAPA RAMALAN PERMINTAAN MUSIMAN SELAMA
TAHUN 2006 (JIKA DIASUMSIKAN PERMINTAAAN
SELAMA 2006 SEBANYAK 175.000 m2 ) DENGAN
MODEL RATA – RATA BERGERAK SEDERHANA.
LATIHAN KASUS 2
Dibawah ini disajikan data tiga tahun terakhir
perkuartal pengunjung atraksi Disney orlando
Amerika Serikat seperti dalam tabel. Dari tabel
tersebut saudara diminta untuk :
 Menghitung ramalan jumlah pengunjung tahun
2007 pada musim dingin, musim semi, musim
panas, dan musim gugur dengan metode trend
least square ?
 Menghitung ramalan jumlah pengunjung musiman
selama tahun 2007 , Jika diprediksi jumlah
pengunjung tahun 2007 naik 25% dari jumlah
pengunjung tahun sebelumnya; dengan metode
indeks musim ?
Tabel pengunjung Atraksi
Disney orlando
Kuartal Pengunjung
Musim dingin 73.000
Musim semi 104.000
Musim panas 168.000
Musim gugur 74.000
Musim dingin 65.000
Musim semi 85.000
Musim panas 124.000
Musim gugur 55.000
Musim dingin 90.000
Musim semi 150.000
Musim panas 200.000
Musim gugur 95.000