PERAMALAN PENJUALAN AHM OIL SPX2 

DI ASTRA HONDA
AUTHORIZED SERVICE STATION (AHASS) 02660 GRIYA MOTOR
(Studi Kasus Pada AHASS 02660 Griya Motor Kabupaten Kuningan)

SKRIPSI

Diajukan untuk memenuhi sebagian dari

Syarat Memperoleh Gelar Sarjana Ekonomi Program Studi Manajemen

Oleh :

GALIH DWI HANDAYANI

20170510366

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS KUNINGAN
2021
 LEMBAR PENGESAHAN

PERAMALAN PENJUALAN AHM OIL SPX2 DI ASTRA HONDA

AUTHORIZED SERVICE STATION (AHASS) 02660 GRIYA MOTOR

(Studi Kasus Pada AHASS 02660 Griya Motor Kabupaten Kuningan)

Disusun Oleh :

GALIH DWI HANDAYANI

20170510366

Telah berhasil mempertahankan skripsinya pada tanggal 28 Agustus 2021

dihadapan Dewan Penguji. Skripsi ini disahkan sebagai bagian dari persyaratan
untuk memperoleh Gelar Sarjana pada Program Studi Manajemen Fakultas
Ekonomi Universitas Kuningan

Susunan Dewan Penguji :

Penguji I, Penguji II Penguji III,

Dr. Hj. Lili Karmela F, SE.,M.Si Fauziyah Adzimatinur, SE., M.Si H. Robi Awaluddin, S.Pd., M.M
NIK. 41038971054 NIK. 410106920218 NIK. 410110900234
 LEMBAR PERSETUJUAN

PERAMALAN PENJUALAN AHM OIL SPX2 DI ASTRA HONDA

AUTHORIZED SERVICE STATION (AHASS) 02660 GRIYA MOTOR
(Studi Kasus Pada AHASS 02660 Griya Motor Kabupaten Kuningan)

Disusun Oleh :

GALIH DWI HANDAYANI

20170510366

DISETUJUI OLEH PEMBIMBING :

Kuningan, Januari 2022

Pembimbing I, Pembimbing II,

Dr. H. Ayus A. Yusuf, SE., M.Si H. Robi Awaluddin, S.Pd., M.M

NIP. 19710801200031002 NIK. 410110900234

Mengetahui

Dekan Fakultas Ekonomi Ketua Program Studi Manajemen

Dr. Hj. Lili Karmela F, SE.,M.Si Rina Masruroh, SE., ME.Sy

NIK. 41038971054 NIK. 41038091296
 MOTTO DAN PERSEMBAHAN

MOTTO
“JADILAH MANUSIA YANG MENANGGUNG RESIKO SECARA MANDIRI

KARENA KEHIDUPAN DAN TANGGUNG JAWAB BERADA PADA DIRI

SENDIRI. BERDOA,OPTIMIS, KONSISTEN, DAN GAPAI APA YANG

TELAH DIRENCANAKAN UNTUK HIDUP BAHAGIA”

PERSEMBAHAN

Skripsi ini saya persembahkan kepada kedua orangtua saya yang telah
mendukung, berkorban membiayai kuliah saya dan untuk orang – orang yang saya
cintai yang ada di sekeliling saya, sehingga saya bisa menyelesaikan skripsi ini.
 LEMBAR PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi ini dengan judul “Peramalan
Penjualan AHM Oil SPX2 di Astra Honda Authorized Service Station (AHASS)
02660 Griya Motor (Studi Kasus pada AHASS 02660 Griya Motor Kabupaten
Kuningan)” beserta isinya adalah benar karya saya sendiri, bukan merupakan hasil
jiplakan atau pengutipan dengan cara yang tidak sesuai dengan etika yang berlaku
dalam masyarakat keilmuan.

Atas pernyataan ini, saya siap bertanggung jawab dan menanggung resiko
apapun yang dijatuhkan kepada saya sesuai dengan peraturan yang berlaku,
apabila dikemudian hari ditemukan pelanggaran terhadap etika keilmuan atau ada
klaim terhadap keaslian karya ini.

Kuningan, Agustus 2021

GALIH DWI HANDAYANI

20170510366
 ABSTRACT

GALIH DWI HANDAYANI (2021) Forecasting Sales of AHM Oil SPX2 at

Astra Honda Authorized Service Station (AHASS) 02660 Griya Motor (Case
Study at AHASS 02660 Griya Motor in Kuningan) Management Study Program
Faculty of Economics Supervised by Dr. H. Ayus A. Yusuf, S.E., M.Si and H.
Robi Awaluddin, S.Pd., M.M

The purpose of this study is to identify the analysis of the Least Square and
Moving Average methods on AHM Oil Spx2 products. The research method used
is a quantitative methode with a descriptive approach. Forecasting is a method
for estimating a future value using past data. This research was conducted at
AHASS 02660 Griya Motor. In this study, the author discusses the analysis of
forecasting sales of SPX2 Oil products. Forecasting is carried out using three
methods. Based on the result of the analysis of forecasting calculations using the
Least Square method an the Moving Average method for the next period, the Least
Square method = 505.50 bottles and the Moving Average = 489.56 bottles.

Keyword : forecasting, Least Square and Moving Average method.

 ABSTRAK

GALIH DWI HANDAYANI (2021) Peramalan Penjualan AHM Oil SPX2  Di

Astra Honda Authorized Service Station (AHASS) 02660 Griya Motor (Studi
Kasus Pada AHASS 02660 Griya Motor Kabupaten Kuningan) Program
Studi Manajemen Fakultas Ekonomi Dibimbing oleh Dr. H. Ayus A. Yusuf,
S.E., M.Si dan H. Robi Awaluddin, S.Pd., M.M

Tujuan penelitian adalah mengidentifikasi analisis metode Least Square dan

Moving Average pada produk AHM Oil SPX2. Metode penelitian yang digunakan
yaitu metode kuantitatif dengan pendekatan deskriptif. Peramalan adalah metode
untuk memperkirakan suatu nilai dimasa depan dengan menggunakan data masa
lalu. Penelitian ini dilakukan pada AHASS 02660 Griya Motor. Pada
penelitianini, penulis membahas mengenai analisis peramalan penjualan produk
AHM oil SPX 2. Peramalan yang dilakukan mengggunakan dua metode yaitu
metode Least Square dan metode Moving Average dengan membandingkan
tingkat kesalahan (error) terkecil. Berdasarkan hasil analisis perhitungan
peramalan menggunakan metode Least Square dan metode Moving Average untuk
periode berikutnya adalah metode Least Square = 505,50 botoldan metode
Moving Average= 489,56 botol.

Kata kunci : peramalan, Least Square dan metode Moving Average.

 KATA PENGANTAR

Puji syukur penulis panjatkan atas kehadirat Allah SWT, berkat limpahan
rahmat dan hidayah-Nya sehingga penulisa dapat menyelesaikan penyusunan
skripsi dengan judul “Peramalan Penjualan AHM Oil SPX2 Di As tra Honda
Authorized Service Station (AHASS) 02660 Griya Motor (Studi Kasus Pada
AHASS 02660 Griya Motor Kabupaten Kuningan)” Penulis menyadari bahwa
dalam penulisan skripsi ini penulis mendapatkan bantuan dan pertolongan dari
berbagai pihak, sehingga skripsi ini dapat terselesaikan dengan baik.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih banyak
kekurangan yang disebabkan oleh kekurangan dan kelalaian, serta keterbatasan
penulis. Oleh karena itu penulis mohon maaf apabila terdapat kesalahan ataupun
kekurangan serta diharapkan adanya kritik dan saran yang membangun dari semua
pihak. Akhir kata penulis berharap kiranya skripsi ini dapat bermanfaat bagi kita
semua, Aamiin.

Kuningan, Agustus 2021

Yang Membuat Pernyataan

GALIH DWI HANDAYANI

20170510366
 UCAPAN TERIMA KASIH

Selama menyelesaikan skripsi ini penulis telah banyak bantuan dari berbagai
pihak, baik secara langsung maupun tidak langsung. Untuk itu, dengan segala
kerendahan hati, penulis ingin menyampaikan ucapan terimakasih yang sebesar-
besarnya kepada semua pihak yang turut membantu, khususnya :
1. Allah SWT dengan segala rahmat serta karunia_Nya yang memberikan
kekuatan peneliti dalam menyelesaikan skripsi ini.
2. Orang tua tercinta Ibu Nani Yuningsih S.Pd dan Bapak Suroyoto. Kakak
saya Eva Noviani, serta adik saya Rangga Tri Munggaran yang telah
memberikan kasih saying, cinta, semangat dan motivasi serta dukungan
moril maupun materil, juga doa dan restu yang selalu mengiringi setiap
langkah penulisan skripsi.
3. Bapak Dr. H. Ayus A. Yusuf, S.E., M.Si selaku dosen pembimbing 1 yang
telah meluangkan banyak waktu nya dengan penuh kesungguhan dan
kesabaran dalam memberikan bimbingan sehingga penulis dapat
menyelesaikan skripsi ini dengan baik.
4. Bapak H. Robi Awaludin.,S.Pd.,MM selaku dosen pembimbing II yang
senantiasa memberikan bimbingan dan pengarahannya, dan banyak
bantuan kepada penulis dalam penyempurnaan penyusunan skripsi ini.
5. Bapak Dr. Dikdik Harjadi, M.Si, Selaku Rektor Universitas Kuningan.
6. Ibu Dr. Hj. Lili Karmela F, SE., M.Si selaku Dekan Fakultas Ekonomi
Universitas Kuningan.
7. Ibu Rina Masruroh, SE., ME, Sy selaku Ketua Program Studi Manajemen
dan Pembimbing Akademik Fakultas Ekonomi, Universitas Kuningan.
8. Bapak dan Ibu Dosen Fakultas Ekonomi Universitas Kuningan yang telah
memberikan ilmu selama masa perkuliahan sampai saat ini.
9. Seluruh Staff Tata Usaha Fakultas Ekonomi Universitas Kuningan.
10. Semua pihak yang tidak bisa di sebutkan satu persatu baik dari keluarga,
kalangan kampus, maupun objek penelitian yang telah membantu penulis
dalam penulisan skripsi ini sampai selesai.
 DAFTAR ISI

LEMBAR PENGESAHAN

LEMBAR PERSETUJUAN

MOTTO DAN PERSEMBAHAN

LEMBAR PERNYATAAN

ABSTRACT............................................................................................................i

ABSTRAK.........................................................................................................ii

KATA PENGANTAR...........................................…………………………... iii

UCAPAN TERIMA KASIH..............................................................................iv

DAFTAR ISI......................................................... …………………………... vi

DAFTAR TABEL...............................................................................................ix

DAFTAR GAMBAR...........................................................................................x

DAFTAR LAMPIRAN.......................................................................................xi

BAB I PENDAHULUAN

I.1 Latar Belakang......................................……………….....................1

I.2 Rumusan Masalah.................................…………………….............8

I.3 Tujuan Penelitian..................................……………………….........9

I.4 Manfaat Penelitian................................………………………….....9

BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN

2.1 Landasan Teori ............................................................................................ 10

2.1.1 Manajemen Operasional............................................................................ 10

2.1.2Pengertian Peramalan Penjualan................................................................ 11

2.1.2.1 Jenis-jenis Peramalan............................................................................. 11

2.1.2.2 Tipe Peramalan....................................................................................... 12

2.1.2.3 Proses Peramalan.................................................................................... 13

2.1.2.4 Metode – Metode Peramalan.................................................................. 14

2.1.2.5 Peramalan Runtun Waktu....................................................................... 16

2.1.3 Penjualan................................................................................................... 18

2.1.3.1 Pengertian Penjualan.............................................................................. 18

2.1.3.2 Jenis-jenis Penjualan............................................................................... 20

2.1.3.3 Tujuan Penjualan.................................................................................... 21

2.1.3.4 Faktor-faktor yang mempengaruhi penjualan......................................... 21

2.1.6 Penelitian terdahulu................................................................................... 23

2.2 Kerangka Pemikiran..................................................................................... 30

BAB III METODE PENELITIAN

3.1 Metode Penelitian......................................................................................... 32

3.2 Metode yang digunakan................................................................................ 32

3.3 Objek dan Lokasi Penelitian......................................................................... 33

3.4 Data dan Teknik Pengumpulan Data............................................................ 33

3.5 Teknik Analisis Data................................................................................... 34

3.6 Operasional Variabel.................................................................................... 34

3.7 Populasi dan Sampel..................................................................................... 36

3.7.1 Populasi................................................................................................. 36

3.7.2 Sampel.................................................................................................... 36

3.8 Teknik Pengumpulan Data........................................................................... 36

3.8.1 Metode Least Square................................................................................. 37

3.8.2 Metode Moving Average........................................................................... 37

3.9 Menghitung Kesalahan Peramalan............................................................... 40

BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian............................................................................................. 42

4.1.1 Gambaran Umum perusahaan .................................................................. 42

4.1.2 Sejarah Singkat AHASS 02260 Griya Motor............................................ 44

4.1.3. Visi dan Misi AHASS 02660 Griya Motor.............................................. 44

4.1.4 Struktur Organisasi.................................................................................... 45

4.2 Data Penjualan .......................................................................................49

4.3 Analisis Data................................................................................................. 50

4.3.1 Metode Least Square................................................................................. 50

4.3.2 Metode Moving Average........................................................................... 57

4.4 Pembahasan.................................................................................................. 57

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan................................................................................................... 64

5.2 Saran-saran................................................................................................... 65

DAFTAR PUSTAKA

LAMPIRAN

DAFTAR RIWAYAT HIDUP

 DAFTAR TABEL

Tabel

1.1 Data Penjualan AHM Oil SPX2 Tahun 2020......……………………. 7

1.2 Data Penjualan AHM Oil SPX2 Tahun 2021...................................... 7

3.1 Operasional Variabel........................................................................... 34

4.1 Data Penjualan AHM Oil SPX2 Tahun 2021-2021............................. 49

4.2 Perhitungan Peramalan Metode Least Square...................................... 52

4.3 Perhitungan Peramalan dan Tingkat Error........................................... 53

4.4 Perhitungan Peramalan metode Moving Average................................ 56

4.5 Hasil Nilai Error metode Least Square dan Moving Average............. 59
 DAFTAR GAMBAR

Gambar

1.1 Produk SPX2............................................................................... 6

2.1 Kerangka Pemikiran.................................................................... 31

4.1 Struktur Organisai....................................................................... 45

4.2 Grafik Penjualan AHM Oil SPX2............................................... 49

4.3 Grafik Perhitungan Least Square................................................ 54

4.4 Grafik Perhitungan Moving Average.......................................... 57

 DAFTAR LAMPIRAN

Lampiran I : Surat Pengantar Bimbingan Skripsi

Lampiran II : Surat Permohonan Izin Penelitian

Lampiran III : Berita Acara Bimbingan Skripsi

Lampiran IV : Dokumentasi Peneliti di Lokasi Penelitian

Lampiran V : Output Hasil

Lampiran VI : Daftar Riwayat Hidup

 BAB I

PENDAHULUAN

1.1 Latar Belakang

AHASS adalah Bengkel Motor resmi sepeda motor Honda / Astra Honda
Authorized Service Station untuk melakukan perawatan sepeda motor honda dan
pelayanan after sales service di Indonesia, serta melayani pembelian spare part
motor honda atau suku cadang asli Honda. Setiap bengkel resmi Honda memiliki
kode tertentu. Bengkel Griya Motor sendiri adalah 02660. Bengkel kami telah
berdiri selama 10 tahun. Kami memiliki mekanik yang berpengalaman dan
bersertifikat dengan sparepart lengkap.
Pada umumnya kita beranggapan bahwa fungsi utama oli hanyalah sebagai
pelumas mesin. Padahal oli memiliki fungsi lain yang tak kalah penting, yakni
antara lain sebagai pendingin, pelindung dari karat, pembersih dan penutup celah
pada dinding mesin. Semua fungsi tersebut adalah sangat erat berkaitan, sebagai
pelumas, oli akan membuat gesekan antar komponen di dalam mesin bergerak
lebih halus, sehingga memudahkan mesin untuk mencapai suhu kerja yang ideal.
Semakin banyaknya pilihan oli saat ini, tentunya akan membuat kita sedikit
bingung, karena semua produsen oli pasti mengatakan oli mereka yang paling
bagus. Maka dari itu pabrikan sepeda motor Honda mengeluarkan oli yang di
peruntukan untuk sepeda motor merk Honda kategori  matic bernama AHM Oil
SPX-2. Karena permintaan konsumen akan penggantian oli tidak stabil maka dari
itu diperlukan analisis yang dapat meramalkan stok penjualan AHM Oil SPX-2.
Peramalan (forecasting) permintaan akan produk dan jasa di waktu
mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan dan
pengawasan produksi, (Handoko, 2011). Manajemen produksi atau operasi
menggunakkan hasil peramalan dalam pembuatan keputusan-keputusan yang
menyangkut pemilihan proses, perencanaan kapasitas, dan layout fasilitas, serta
untuk berbagai keputusan yang bersifat terus menerus berkenaan dengan
perencanaan, scheduling, dan persediaan. Salah satu tujuan peramalan untuk
memberi kesiapan penuh kepada pihak manajemen perusahaan agar bisa
mengetahui berbagai kondisi yang mungkin terjadi di kemudian hari. Suatu
ramalan dianggap baik jika mendekati kebenaran, namun sebaliknya suatu
ramalan dianggap tidak tepat jika jauh dari realita yang terjadi.
Peramalan dapat memberikan bantuan yang sangat penting dalam
mengidentifikasi trend pada penjualan dan penghasilan dari sebuah perusahaan.
Sejumlah teknik peramalan atau model yang memungkinkan untuk membantu
manajemen perusahaan, namun pilihan akan teknik peramalan yang dipilih
memerlukan sejumlah pertimbangan.
Manajemen dari sebuah perusahaan akan menghadapi faktor eksternal
yang sangat tidak menentu, dimana masa depan dari sebuah perusahaan tidak
dapat diprediksi karena sangat tidak menentu, kemudian di temukanlah solusi
bagaimana menerapkan peramalan statistik untuk menghadapi kondisi tersebut
apabila yang kita hadapi adalah kondisi yang tidak dapat sesuai dengan pola yang
seharusnya. Penentuan target penjualan berarti perusahaan berusaha untuk
meramalkan penjualan ke depan dengan memperhatikan kondisi ke depan dan
kondisi masa lampau. Banyak metode yang dapat digunakan untuk meramalkan
penjualan ke depan, tapi secara umum peramalan dibagi dua klasifikasi yaitu
metode kuantitatif dan kualitatif. Metode kuantitatif sendiri terdiri dari metode
sebab akibat dan metode time series. Sedangkan metode kualitatif banyak
berhubungan dengan intuisi dan subyektif peramal seperti pendapat ahli,
keputusan eksekutif, estimasi penjual, dan lain-lain.
Kebutuhan sehari-hari yang tidak bisa terlepas yaitu transportasi.
Transportasi sebagai alat yang digunakan untuk aktivitas yang dapat menunjang
aktivitas sehari-hari. Masyarakat saat ini memilih sepeda motor sebagai alat
transportasi yang lebih efektif dan efisien. Selain memudahkan untuk digunakan,
sepeda motor dari segi biaya lebih hemat dan dapat mengefisiensikan waktu
ketimbang mobil ataupun kendaraan umum.
Sepeda motor yang beredar di berbagai daerah di Indonesia memiliki
beberapa merek, salah satunya Honda. Dari semua jenis motor tersebut memiliki
kelebihan masing-masing. Produsen seharusnya dapat menarik perhatian
konsumen dengan menginformasikan keunggulan yang mereka punya sesuai
dengan kebutuhan dan keinginan konsumen. Masyarakat mayoritas memilih
menggunakan sepeda motor sebagai alat transportasi untuk sehari-hari. Sepeda
motor dapat menunjang aktivitas masyarakat di berbagai bidang atau profesi,
sepeda motor dapat digunakan oleh kalangan kecil maupun kalangan menengah
ke atas.
Sebagai pemilik kendaraan wajib mengganti oli secara berkala untuk
menjaga usia mesin kendaraan. Penggantian oli secara berkala merupakan
kewajiban pemilik sepeda motor. Biasanya mengganti oli ada waktu tertentu
tergantung pemakaian dan daya tahan oli tersebut. Kenapa diwajibkan untuk rajin
dalam melakukan penggantian oli mesin? Karena, Oli mesin yang mengalir di
mesin memiliki batas pemakaian, tidak selamanya kondisi oli tersebut baik,
kondisi oli dalam mesin semakin lama akan semakin kotor karena ada sisa residu
dari ruang pembakaran.
Berdasarkan penelitian (Unedo & Manurung, 2015), jumlah penjualan
sepeda motor dapat diprediksi dengan metode Least Square dengan menentukan
kualitas atau keakuratan dari data-data yang diperoleh serta waktu atau periode
data-data tersebut dikumpulkan. Sedangkan, menurut (Anggraeni, 2015) Jumlah
penjualan sepeda motor dapat diprediksi dengan metode Least Square dengan
menentukan kualitas atau keakuratan dari data-data yang diperoleh serta waktu
atau periode data-data tersebut dikumpulkan.
(Palandeng, Ekonomi, & Manajemen, 2018) dalam hasil penelitiannya,
berdasarkan beberapa metode peramalan yang telah diuji cobakan, maka
didapatkan bahwa metode analisis Moving Average 3 bulan yang lebih cocok
diterapkan untuk data time-series dengan nilai MAD, MSE, MPE dan MAPE
lebih kecil dibanding metode peramalan lain. Hal ini menunjukkan bahwa metode
peramalan Moving Average 3 bulan mempunyai nilai akurasi lebih tinggi untuk
melakukan peramalan penjualan PT Sinar Galesong Mandiri Malalayang.
Menurut (Alamsyah & Arnie, n.d.), hasil perbandingan data penjualan sepeda
motor perbulan di Haur Kuning dengan aplikasi prediksi menggunakan single
moving average tidak terlalu jauh selisihnya dengan keadaan dilapangan.
 AHASS 02660 Griya Motor yang beralamat di Jalan Siliwangi No 183
Kecamatan Ciawigebang Kabupaten Kuningan adalah sebuah usaha yang
bergerak di bidang perawatan dan pemeliharaan sepeda motor dan juga
menyediakan spare part sepeda motor termasuk AHM Oil. AHM Oil telah banyak
digunakan masyarakat seluruh Indonesia. Honda mengeluarkan terobosan baru
pada tahun 2013 yaitu AHM Oil SPX-2. AHM Oil SPX-2 merupakan salah satu
jawaban atas perkembangan teknologi mesin skutik Honda yang semakin pesat
dengan populasinya yang terus meningkat. Dapat digunakan pada 7 model skutik
Honda, yaitu Honda Beat series, Honda Vario series, Honda Spacy series, Honda
Scoopy, Honda PCX, Honda Genio dan Honda  ADV. 

Gambar 1.1

AHM Oil SPX-2

Penulis melakukan penelitian di AHHAS ini dikarenakan target penjualan

AHM Oil setiap bulannya tidak mencapai target dimana dapat dilihat pada tabel
dibawah ini. Berikut ini merupakan data penjualan produk AHM Oil SPX-2 pada
tahun 2020 :
Tabel 1.1
Data Penjualan AHM Oil SPX-2 Tahun Periode Januari- Desember 2020
AHASS 02660 Griya Motor
No Bulan Tahun
2020 Target Keterangan
penjualan
1 Januari 537 550 Tidak Tercapai
2 Februari 536 550 Tidak Tercapai
3 Maret 534 550 Tidak Tercapai
4 April 424 550 Tidak Tercapai
5 Mei 550 550 Tercapai
 6 Juni 530 550 Tidak Tercapai
7 Juli 520 550 Tidak Tercapai
8 Agustus 623 550 Tercapai
9 September 519 550 Tidak Tercapai
10 Oktober 477 550 Tidak Tercapai
11 Nopember 479 550 Tidak Tercapai
12 Desember 517 550 Tidak Tercapai
Total 6.246

Sumber : AHASS 02660 Griya Motor

Tabel 1.2
Data Penjualan AHM Oil SPX-2 Tahun Periode Januari- Juni 2021
AHASS 02660 Griya Motor
No Bulan Tahun
2021 Target Keterangan
penjualan
1 Januari 449 550 Tidak Tercapai
2 Februari 445 550 Tidak Tercapai
3 Maret 498 550 Tidak Tercapai
4 April 511 550 Tidak Tercapai
5 Mei 551 550 Tercapai
6 Juni 542 550 Tidak Tercapai
Total 2.996
Sumber : AHASS 02660 Griya Motor

Berdasarkan tabel 1.1 dapat terlihat bahwa penjualan pada tahun 2020-
2021 mengalami adanya kenaikan dan penurunan atau fluktuasi dan masih tidak
tercapainya target penjualan dimana setiap bulannya target penjualan seharunya
550. Data penjualan sebelumnya dapat dijadikan bahan untuk menghitung
penjualan di masa yang akan datang dengan tujuan untuk meminimalisir biaya
antara permintaan dan penjualan. Dengan latarbelakang masalah ini maka penulis
akan menghitung seluruh jumlah penjualannya dan akan menghitung penjualan
dimasa yang akan dating dengan menggunakan metode Least Square dan Moving
Average.
Metode Least Square dan Moving Average merupakan salah satu teknik
dalam menyusun forecast penjualan dengan meminimumkan fungsi kriteria
jumlah kuadrat kesalahan prediksi. Metode Least Square dan Moving Average
adalah metode yang digunakan untuk menentukan persamaan trend data yang
mencakup analisis Time Series dengan dua kasus, yaitu kasus data genap dan
ganjil.
Kebanyakan masyarakat saat ini memilih atau membeli motor berdasarkan
trend yang terjadi saat ini. Maka, Honda mengeluarkan kembali produk yang
sejenis di kategori oil premium matic. Maka dari itu penulis tertarik melakukan
penelitian mengenai “Peramalan Penjualan AHM Oil SPX-2 Di AHASS 02660
Griya”.

1.2     Rumusan Masalah

Berdasarkan uraian di atas peramalan penjualan di perusahaan

AHASS02660 Griya   Motor, maka penulis merumuskan pokok permasalahan
sebagai berikut :
1) Berapa nilai peramalan penjualan AHM Oil SPX-2 untuk periode yang
akan datang dengan menggunakan metode Least Square dan Moving Average?
2) Metode mana yang paling baik digunakan untuk peramalan penjualan
AHM OilSPX-2?

1.3   Tujuan Penelitian

Berdasarkan rumusan masalah di atas maka tujuan dari penelitian ini

adalah sebagai berikut:
1) Menganalisis peramalan penjualan AHM OilSPX-2 yang dilakukan oleh
AHASS 02660 Griya Motor.
2) Mengidentifikasi analisis metode Least Square dan Moving Average pada
produk AHM Oil.
1.4 Manfaat Penelitian

Manfaat dalam penelitin ini adalah sebagai berikut :

1.4.1 Manfaat Teoritis
Hasil penelitian ini diharapkan dapat digunakan sebagai salah satu bahan
masukan mengenai Peramalan Penjualan AHM Oil Spx-2 pada perusahaan
bersangkutan.
1.4.2 Manfaat Praktis
Hasil penelitian ini secara praktis dapat menyumbangkan pemikiran
terhadap pemecahan masalah yang berkaitan dengan peramalan penjualan pada
produk AHM Oil Spx-2 dengan menggunakan metode Least Square dan Moving
Average untuk mengetahui jumlah penjualan pada masa yang akan datang. 
 BAB II 

LANDASAN TEORI DAN KERANGKA BERPIKIR

2.1  Landasan Teori 

2.1.1  Manajemen Operasional

Manajemen Operasi merupakan serangkaian aktivitas yang menciptakan

nilai dalam bentuk barang dan jasa dengan mengubah masukkan menjadi hasil
Heizer & Render, (2015 : 3). Manajemen operasi adalah manajemen proses
konversi dengan bantuan fasilitas seperti, tanah, tenaga kerja, modal dan
manajemen masukan (inputs) yang diubah menjadi keluaran yang diinginkan,
berupa barang atau jasa.
Assauri, (2018) mengatakan bahwa manajemen produksi dan operasi
merupakan kegiatan untuk mengatur dan mengkoordinasi penggunaan sumber –
sumber daya yang berupa sumber daya manusia, sumber daya alat, dan sumber
daya dana serta bahan, secara efektif dan efisien untuk menciptakan dan
menambah kegunaan (utility) suatu barang atau jasa yang berguna sebagai usaha
untuk mencapai tujuan dan sasaran organisasi.
Manajemen produksi merupakan suatu ilmu yang membahas secara
komprehensif bagaimana pihak manajemen produksi perusahaan mempergunakan
ilmu dan seni yang dimiliki dengan mengarahkan dan mengatur orang – orang
untuk mencapai suatu hasil produksi yang diinginkan Fahmi, (2016 : 3). Karena
itu seorang manajer operasional yang mengerti kata seni (art) juga memahami jika
ilmu manajemen produksi merupakan sebuah bidang ilmu operasional yang terus
berkembang dari waktu ke waktu.

2.1.2  Pengertian Peramalan Penjualan

Peramalan (forecasting) adalah suatu seni dan ilmu pengetahuan dalam

memprediksi peristiwa pada masa mendatang. Peramalan akan melibatkan
mengambil data historis (seperti penjualan tahun lalu) dan memproyeksikan
mereka ke masa yang akan datang dengan model matematika. Mungkin akan
didasarkan pada data yang didorong oleh permintaan, misalnya rencana konsumen
untuk membeli dan memproyeksikan mereka ke masa yang akan datang.
Peramalan akan melibatkan kombinasi dari keduanya, yang mana, model
matematika disesuaikan dengan pertimbangan yang baik dari manajer Heizer &
Render, (2015 : 113).

2.1.2.1  Jenis-jenis Peramalan

Menurut Rusdiana et al. (2014) menjelaskan bahwa peramalan dapat

dibedakan dari beberapa segi bergantung pada cara melihatnya. Klasifikasi
peramalan terdiri dari sebagai berikut :
a) Berdasarkan Sifat Pendekatan
1. Peramalan Kualitatif
Didasarkan pada pengamatan kejadian-kejadian pada masa sebelumnya
digabung dengan pemikiran dan intuisi dari penyusunnya.
2. Peramalan Kuantitatif
Peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan
menggunakan teknik dan metode dalam penganalisaannya. Menurut Makridakis et
al. (1999). Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi
berikut:
a. Tersedia informasi tentang masa lalu;
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik;
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa mendatang.
b) Berdasarkan Horizon/ Jangka Waktu
1. Peramalan jangka pendek : peramalan ini memiliki rentang waktu sampai
dengan 1 tahun, tetapi umumnya kurang dari 3 bulan. Digunakan untuk
perencanaan pembelian, penjadwalan pekerjaan, level angkatan kerja, penugasan
pekerjaan, dan level produksi.
2. Peramalan jangka menengah : kisaran menengah atau intermediate,
peramalan umumnya rentang waktu dari 3 bulan hingga 3 tahun. Berguna dalam
perencanaan penjualan, perencanaan produksi dan penganggaran, penganggaran
uang kas, dan analisis variasi rencana operasional.
3. Peramalan kisaran panjang : umumnya 3 tahun atau lebih dalam rentang
waktunya, peramalan jangka panjang digunakan dalam perencanaan untuk produk
baru, pengeluaran modal, lokasi tempat fasilitas atau perluasan, dan penelitian
serta pengembangan.

2.1.2.2   Tipe Peramalan

Berikut ini adalah tipe peramalan menurut Rusdiana et al. (2014)

1. Peramalan ekonomi, menangani siklus bisnis dengan memprediksikan
tingkat inflasi, uang yang beredar, mulai pembangunan perumahan, dan indikator
perencanaan lainnya.
2. Peramalan teknologi, berkaitan dengan tingkat perkembangan teknologi,
di mana dapat menghasilkan terciptanya produk baru yang lebih menarik, yang
memerlukan pabrik dan perlengkapan yang baru.
3. Peramalan permintaan, adalah proyeksi atas permintaan untuk produk atau
jasa dari perusahaan. Peramalan mendorong keputusan sehingga para manajer
memerlukan informasi dengan segera dan akurat mengenai permintaan yang
sesungguhnya. Mereka memerlukan peramalan yang didorong oleh permintaan,
dimana fokus perhatian pada pengidentifikasi dan pelacakan keinginan konsumen
dengan sangat cepat.

2.1.2.3 Proses Peramalan

Berikut ini adalah proses peramalan menurut Rusdiana et al. (2014)

1. Penentuan tujuan, langkah pertama terdiri atas penentuan macam estimasi
yang diinginkan. Analisis membicarakan dengan para pembuat keputusan untuk
mengetahui apa yang dibutuhkan mereka.
2. Pengembangan model, dalam peramalan, model adalah suatu kerangka
analitik yang bila dimasukkan data masukan, menghasilkan estimasi penjualan di
waktu mendatang.
3. Pengujian model, nilai suatu model ditentukan oleh derajat ketepatan hasil
peramalan dengan kenyataan.
4. Penerapan model, setelah pengujian, analisis penerapan model dalam
tahap ini, data historik dimasukkan dalam model untuk menghasilkan suatu
ramalan.
5. Revisi dan evolusi, perbaikan mungkin perlu dilakukan karena adanya
perubahan-perubahan dalam perusahaan atau lingkungannya, seperti tingkat harga
produk perusahaan, karakteristik-karakteristik produk, pengeluaran-pengeluaran
pengiklanan, tingkat pengeluaran pemerintah, kebijaksanaan moneter dan
kemajuan teknologi.

2.1.2.4 Metode – Metode Peramalan

Berikut ini adalah metode-metode peramalan menurut Rusdiana et al.

(2014)

1. Top-down Forecasting

Metode “top-down” sering dimulai dengan hasil-hasil peramalan berbagai

kondisi bisnis umum yang dibuat oleh para ekonom dalam lembaga-lembaga
pemerintah dan dalam perusahaan-perusahaan besar serta universitas-universitas.
Ramalan-ramalan yang lebih terperinci dan dibuat menurut pesanan dibeli dari
organisasi-organisasi yang bergerak khusus dalam peramalan “ekonometrik”
(peramalan kecenderungan ekonomi, penggunaan prosedur-prosedur statistikal
dan matematikal).

Para peramal sering menggunakan metode peramalan “ekstrinsik” untuk

menyusun ramalan-ramalan khusus bagi produk-produk individual utama atau
bagi kelompok dan kelas produk penting. Metode peramalan ekstrinsik biasanya
digunakan untuk peramalan kelompok-kelompok produk, seperti sepatu atau ban.
Ramalan-ramalan ini biasanya dikembangkan oleh staf pemasaran organisasi.
Metode peramalan ini menganggap bahwa, di waktu yang lalu, ada berbagai
hubungan antara penjualan suatu barang atau kelompok barang dengan satu atau
lebih faktor eksternal, seperti pertumbuhan penduduk, tingkat pendapatan, jumlah
orang yang bekerja, atau jumlah rumah baru yang sedang dibangun.
2. Bottom-up forecasting
Metode bottom-up mulai dengan perkiraan permintaan produk- akhir
individual. Dalam metode ini para peramal menerima estimasi-estimasi dari
orang-orang penjualan dan para langganan. Analisis juga perlu mengamati pola-
pola penjualan di waktu yang lalu. Akhirnya, analis menambahkan ramalan-
ramalan produk lainnya dan memperoleh hasil peramalan total, yang disebut
ramalan agregat.
Dalam kenyataannya, banyak perusahaan menggunakan kedua metode,
top-down dan bottom-up, secara bersamaan dan mengkombinasikan kedua hasil
proyeksinya menjadi suatu ramalan tunggal. Tetapi sebelum penetapan ramalan
akhir, perusahaan juga mungkin menggunakan pendekatan “pendapat dewan
eksekutif” (metode “Delphi”) untuk “membenarkan” dengan pertimbangan-
pertimbangan tertentu hasil peramalan yang ditentukan secara lebih teknikal.
Ramalan- ramalan disesuaikan ke bawah atau ke atas menurut apa yang
diperkirakan orang-orang puncak organisasi tentang waktu yang akan datang.

 2.1.2.5 Peramalan Runtun Waktu

Runtun waktu didasarkan pada urutan poin data yang ditempatkan secara
merata (mingguan, bulanan, kuartalan, dan lainnya). Penguraian runtun waktu ada
4, yaitu :
1. Kecenderungan, adalah pergerakan data secara bertahap ke atas atau ke
bawah selama bertahun-tahun. Perubahan dalam pendapatan, distribusi umum,
atau pandangan budaya yang mempertanggungjawabkan pergerakan dalam
kecenderungan.
2. Musiman, adalah pola data yang mengulang dengan sendirinya  setelah
satu periode hari, minggu, bulan, atau kuartalan.
3. Siklus, adalah pola dalam data yang terjadi setiap beberapa tahun.
Biasanya diikat dalam siklus bisnis dan sangat penting dalam analisis bisnis dalam
jangka pendek dan perencanaan. Memprediksi siklus bisnis sangat sulit karena
dipengaruhi oleh peristiwa politik dan oleh kerusuhan internasional.
4. Variasi secara acak, adalah “blip” di dalam data yang disebabkan oleh
adanya peluang dan situasi yang tidak seperti biasanya. Mengikuti pola yang tidak
terlihat, sehingga tidak dapat diprediksikan.

Peramalan runtun waktu, yaitu :

1. Pendekatan Awan (Notive Approach)

Pendekatan Awan (Notive Approach) adalah sebuah teknik peramalan yang

mengasumsikan bahwa permintaan pada periode selanjutnya adalah sama untuk
permintaan pada periode yang terkini. Cara paling sederhana untuk
mengasumsikan bahwa permintaan dalam periode yang paling baru.
2. Pergerakan Rata-Rata (Moving Average)
Pergerakan Rata-Rata (Moving Average) adalah sebuah metode peramalan yang
menggunakan rata-rata dari periode yang terkini dan terdapat data untuk meramal
periode selanjutnya. Metode ini menggunakan sejumlah nilai data aktual historis
untuk menghasilkan peramalan. Pergerakan rata- rata bermanfaat untuk
mengasumsikan bahwa permintaan pasar akan tetap kokoh secara wajar selama
bertahun-tahun.
3. Penghalusan Eksponensial (eksponensial Smoothing)
Penghalusan Eksponensial (eksponensial Smoothing) adalah sebuah pergerakan
rata-rata bobot teknik peramalan di mana poin-poin data ditimbang oleh sebuah
fungsi eksponensial. Ini melibatkan sangat sedikit catatan yang mempertahankan
data masa sebelumnya dan mudah digunakan secara wajar.
4. Kuadrat Terkecil (Least Square)
Kuadrat Terkecil (Least Square) adalah salah satu metode yang paling luas
digunakan untuk menentukan persamaan trend data karena metode ini
menghasilkan apa yang secara matematik digunakan sebagai “line of best fit”.
2.1.3 Penjualan

2.1.3.1 Definisi Penjualan

Penjualan adalah suatu usaha yang terpadu untuk mengembangkan

rencana-rencana strategis yang diarahkan pada usaha pemuasan kebutuhan dan
keinginan pembeli, guna mendapatkan penjualan yang menghasilkan laba
(Marwan, 1991). Penjualan merupakan sumber hidup suatu perusahaan, karena
dari penjualan dapat diperoleh laba serta suatu usaha memikat konsumen yang
diusahakan untuk mengetahui daya tarik konsumen sehingga dapat mengetahui
hasil produk yang dihasilkan.
Dalam kegiatan pemasaran yang sangat komplek dan saling berkaitan
yang satu dengan yang lainnya, seperti promosi dan penjualan hendaknya dikelola
dengan baik untuk mencapai tujuan perusahaan, yaitu laba. Promosi berfungsi
untuk meningkatkan volume penjualan juga sebagai strategi untuk menjangkau
pembeli untuk melakukan pertukaran. Sedangkan penjualan adalah pemindahan
barang dan jasa yang dilakukan oleh penjual. Pada umumnya perusahaan yang
ingin mempercepat proses peningkatan volume penjualan akan melakukan untuk
mengadakan kegiatan promosi melalui iklan, personal selling, dan publisitas. 
Istilah penjualan sering disamakan dengan istilah promosi. Padahal penjualan
hanya meliputi kegiatan pemindahan barang atau jasa, atau penggunaan penjual
saja.  Tidak terdapat kegiatan promosi yang ditujukan untuk mendorong
permintaan. Jadi penjualan hanya merupakan bagian dari promosi. Sifat kegiatan
dan struktur pelaporan di dalam perusahaan dapat berbeda. Namun pada
prinsipnya semua ditujukan untuk memudahkan tugas penjualan. Bagi tenaga
penjualan kegiatan pemasaran sangat penting.
Adapun pengertian penjualan menurut para ahli yang diantaranya yaitu:
Menurut Moekijat “Dalam Buku Kamus Istilah Ekonomi” yang menyatakan
bahwa “selling” melakukan penjualan adalah suatu kegiatan yang ditujukan untuk
mencari pembeli, mempengaruhi dan memberikan petunjuk agar pembeli dapat
menyesuaikan kebutuhannya dengan produk yang ditawarkan serta mengadakan
perjanjian mengenai harga yang menguntungkan bagi kedua belah pihak
“2000:488”.

Menurut Nitisemito “1998:13” mengemukakan bahwa “penjualan adalah

semua kegiatan yang bertujuan untuk melancarkan arus barang dan jasa dari
produsen ke konsumen secara paling efisien dengan maksud untuk menciptakan
permintaan yang efektif”. Menurut Assuari “2004:5” Berpendapat bahwa
“penjualan adalah sebagai kegiatan manusia yang mengarahkan untuk memenuhi
dan memuaskan kebutuhan dan keinginan melalui proses pertukaran”.

2.1.3.2 Jenis-jenis Penjualan

Adapun jenis-jenis penjualan yang diantaranya yaitu:

1. Trade Selling
Merupakan suatu jenis penjualan yang dilakukan oleh pedagang kepada
grosir, tujuan utamanya untuk dijual kembali.
2. Technical Selling
Merupakan suatu cara atau usaha-usaha untuk meningkatkan penjualan
dengan cara memberikan saran dan nasehat kepada konsumen atau pembeli akhir
dari barang dan jasanya. Dalam hal yang satu ini wirausaha tersebut mempunyai
tugas utama untuk mengidentifikasi dan juga menganalisa segala macam masalah
yang dihadapi oleh pembeli lalu setelah itu menunjukkan bagaimana produk atau
jasa yang ditawarkan bisa mengatasi masalah si konsumen dan pembeli.
3. Missionary Selling
Merupakan suatu bentuk wirausaha di mana pengusaha atau perusahaan
berusaha untuk meningkatkan penjualannya dengan cara mendorong pembeli dan
tentu saja untuk membeli produk atau jasanya. Dalam hal ini pengusaha atau
perusahaan yang bersangkutan memiliki penyalur tersendiri dalam menyalurkan
atau mendistribusikan produk maupun jasanya.
4. New Business Selling
Merupakan suatu usaha-usaha untuk membuka transaksi baru dengan cara
mengubah seorang calon konsumen menjadi konsumen.
2.1.3.3 Tujuan Penjualan

Dalam suatu perusahaan, kegiatan penjualan merupakan kegiatan yang

paling penting karena dengan adanya kegiatan penjual tersebut terbentuklah laba
yang dapat menjamin kontinuitas perusahaan. Jadi dapat disimpulkan bahwa
semua perusahaan hams mengklasifikasikan suatu produk atau memberikan jasa
sesuai permintaan penjualan. Penjualan harus menghasilkan suatu aliran
pendapatan yang cukup untuk menutup biaya operasi perusahaan dan dapat
memberikan suatu keuntungan bagi investor.
Tujuan penjualan pada umumnya adalah untuk mencapai laba optimal
dengan modal yang minimal. Tetapi untuk mencapai tujuan tersebut perusahaan
harus mempunyai sasaran dan misi tertentu. Sasaran-sasaran penjualan itu antara
lain sebagai berikut:
1. Memenuhi tujuan dalam sebuah organisasi.
2. Memenuhi gambaran kepada orang lain dalam sebuah organisasi tentang
arti spesifik peranan mereka dalam organisasi.
3. Menimbulkan konsisten   dalam   hal   pengambilan   keputusan   antara
sejumlah besar manajer yang berbeda.
4. Memberikan dasar untuk menyusun perencanaan spesifik.
5. Memberikan landasan untuk tindakan korektif serta pengawasan.

2.1.3.4 Faktor-faktor yang mempengaruhi penjualan

Selain itu masalah produk, distribusi dan harga sebagai variabel pemasaran
yang lain juga harus dipertimbangkan. Dalam praktek, kegiatan penjualan itu
dipengaruhi oleh beberapa faktor sebagai berikut:
1. Kondisi dan Kemampuan Penjual
Transaksi jual-beli atau pemindahan hak milik secara komersial atas
barang dan jasa itu pada prinsipnya melibatkan dua pihak, yaitu penjual sebagai
pihak pertama dan pembeli sebagai pihak kedua. Disini penjual harus dapat
menyakinkan kepada pembelinya agar dapat berhasil mencapai sasaran penjualan
yang diharapkan. Untuk maksud tersebut penjual harus memahami beberapa
masalah penting yang sangat berkaitan, yakni:
a) Jenis dan karakteristik barang yang ditawarkan.
b) Harga produk.
c) Syarat penjualan seperti: pembayaran, penghantaran, pelayanan sesudah
penjualan, garansi dan sebagainya.
2. Kondisi Pasar.
Pasar, sebagai kelompok pembeli atau pihak yang menjadi sasaran dalam
penjualan, dapat pula mempengaruhi kegiatan penjualannya. Adapun faktor-faktor
kondisi pasar yang perlu diperhatikan adalah:
a) Jenis pasarnya
b) Kelompok pembeli atau segmen pasarnya
c) Daya belinya
d) Frekuensi pembelian
e) Keinginan dan kebutuhan
3. Modal
Akan lebih sulit bagi penjualan barang apabila barang yang dijual tersebut
belum dikenal oleh calon pembeli, atau apabila lokasi pembeli jauh dari tempat
penjual. Dalam keadaan seperti ini, penjual harus memperkenalkan dan membawa
barangnya ke tempat pembeli. Untuk melaksanakan maksud tersebut diperlukan
adanya sarana serta usaha, seperti: alat transpor, tempat peragaan baik di dalam
perusahaan maupun di luar perusahaan, usaha promosi, dan sebagainya. Semua ini
hanya dapat dilakukan apabila penjualan memiliki sejumlah modal yang
diperlukan untuk itu.
4. Kondisi Organisasi Perusahaan
Pada perusahaan besar, biasanya masalah penjualan ini ditangani oleh
bagian tersendiri (bagian penjualan) yang dipegang orang-orang tertentu/ahli di
bidang penjualan.
5. Faktor lain
Faktor-faktor lain, seperti: periklanan, peragaan, kampanye, pemberian
hadiah, sering mempengaruhi penjualan. Namun untuk melaksanakannya,
diperlukan sejumlah dana yang tidak sedikit. Bagi perusahaan yang bermodal
kuat, kegiatan ini secara rutin dapat dilakukan. Sedangkan bagi perusahaan kecil
yang mempunyai modal relatif kecil, kegiatan ini lebih jarang dilakukan.

2.2 Penelitian Terdahulu

Dibawah ini penulis sajikan hasil penelitian terdahulu :

Peneliti pertama adalah penelitian yang dilakukan oleh Made A. A.D.
Kusuma Anggraini (2015) dengan judul Analisis Peramalan Penjualan Produk
Sepeda Motor Matik Tipe Scoopy Dengan Metode Kuadrat Terkecil Pada Pt.
Mertha Buana Motor Tahun 2015. Hasil penelitian peramalan penjualan produk
sepeda motor matik tipe Scoopy pada PT. Mertha Buana Motor dengan
menggunakan metode kuadrat terkecil pada tahun 2015 sebanyak 87 unit. Terjadi
penurunan sebanyak 14 unit dari tahun 2014 ke tahun 2015. Sementara itu
persamaan pada penelitian ini adalah objek penelitian, masalah atau fenomena
yang dihadapi yaitu persediaan yang menumpuk di gudang,  permintaan terhadap
oli berfluktuasi. Sedangkan perbedaan metode terdahulu  metode analisis data
kuadrat terkecil sedangkan peneliti sendiri menggunakan metode Least S quare
dan Moving Average. 
Didukung oleh penelitian Made A. A.D. Kusuma Anggraeni (2015)
dengan Analisa Peramalan Permintaan Air Minum   Dalam Kemasan Pada PT.
XYZ Dengan Metode Least Square dan Standar Error of Estimate. Hasil
penelitian dengan penggunaan metode Least Square untuk  meramalkan penjualan
air minum dalam kemasan di periode yang  akan  datang dengan berdasarkan  data
penjualan tahun 2014 maka PT XYZ harus memproduksi AMDK untuk tahun
2015 sebesar 1248  agar  kebutuhan pelanggan dapat dipenuhi. Sementara itu
persamaan masalah atau fenomena yang dihadapi yaitu persediaan yang
menumpuk di gudang, permintaan terhadap oli berfluktuasi dan penggunaan
metode Least Square. Sedangkan perbedaan objek terdahulu pada PT XYZ 
sedangkan peneliti di AHASS 02660 Griya Motor Ciawigebang. Bangun Unedo
Putra Manurung (2015) dengan judul Implementasi Least Square Dalam Untuk
Prediksi Penjualan Sepeda Motor (Studi Kasus: Pt.Graha Auto Pratama). Hasil
penelitian metode Least Square dapat diterapkan pada prediksi jumlah penjualan
sepeda motor di periode yang akan datang dengan menggunakan data jumlah
penjualan sepeda motor yang sebelumnya. Sementara itu persamaan masalah atau
fenomena yang dihadapi yaitu persediaan yang menumpuk di gudang, permintaan
berfluktuasi dan penggunaan metode Least Square. Sedangkan perbedaan objek
terdahulu pada PT. Graha Auto Pratama  sedangkan peneliti di AHASS 02660
Griya Motor Ciawigebang. Kemudian pada penelitianMuhammad Firman
Alamsyah, Rintana Arnie (2016) dengan judul Model Aplikasi Prediksi Penjualan
Sepeda Motor Dengan Metode Single Moving Average. Hasil penelitian
perbandingan data penjualan sepeda motor perbulan di Haur Kuning dengan
aplikasi prediksi menggunakan single moving average tidak terlalu jauh selisihnya
dengan keadaan dilapangan. Sementara itu persamaan masalah atau fenomena
yang dihadapi yaitu persediaan yang menumpuk di gudang, permintaan
berfluktuasi dan penggunaan metode Least Square. Sedangkan perbedaan metode
terdahulu Single Moving Average sedangkan peneliti Least Square dan Moving
Average. 
Sedangkan dalam penelitian Moting Su, Zongyi Zhang, Ye Zhu, and
Donglan Zha (2019) dengan judul Data-Driven Natural Gas Spot Price
Forecasting with Least Squares Regression Boosting Algorithm. Hasil penelitian
harga Spot gas alam Henry Hub mulai dari Januari 2001 hingga Desember 2017
diselidiki. Algoritma LSBoost menunjukkan keunggulan dalam prediksi harga gas
bumi, karena mencapai R- square dan MAE, MSE, dan RMSE tertinggi
dibandingkan dengan metode yang ada seperti linier regresi, SVM linear, SVM
Kuadratik, dan SVM kubik. Eksperimen kami pada dataset menunjukkan bahwa
model LSBoost lebih unggul dan menjanjikan. Sementara itu persamaan metode
Least Square. Sedangkan perbedaan subjek terdahulu Gas Alam sedangkan
peneliti oli. Kemudian dalam penelitian Tartisio Njoki Filder, Moses Mahugu
Muraya and Robert Mathenge Mutwiri (2019) dengan judul Application of
Seasonal Autoregressive Moving Average Models to Analysis and Forecasting of
Time Series Monthly Rainfall Patterns in Embu County, Kenya. Hasil penelitian
di antara 10 model SARIMA yang kompeten secara statistik, musiman urutan
pertama dibedakan SARIMA  (1,  1,  1)  (0, 1, 2) 12. Model ditemukan cocok
untuk pemasangan data curah hujan di Embu, Country. Sementara itu persamaan
metode Least Square. Sedangkan perbedaan objek terdahulu pada kabupaten
Embu, Kenya sedangkan peneliti di AHASS 02660 Griya Motor Ciawigebang. 
Pada penelitian Elyas Shivanian, Saeid Abbasbandy (2017) dengan judul
Multiple  Solutions Of A  Nonlinear Reactive Transport Model Using Least
SquarePseudo-Spectral Collocation Method. Hasil penelitian telah digunakan
teknik sederhana untuk mendapatkan tebakan awal atau tebakan untuk
menerapkan metode Newton pada sistem yang timbul dari penerapan metode
kolokasi pseudo- spektar untuk mendapatkan solusi perkiraan. Dan juga
menerapkan metode least square diskrit untuk mendapatkan   polynomial yang
lebih halus sebagai solusi yang lebih akurat.bahwa model LSBoost lebih unggul
dan menjanjikan. Sementara itu persamaan metode Least Square. Sedangkan
perbedaan metode terdahulu metode kalokasi pseudo-spektral kuadarat terkecil
sedangkan peneliti metode Least Square dan Moving Avarege. Sedangkan pada
penelitian S. Saalini, B. Ruban Raja, T. Edwin Prabakaran (2018) dengan judul
MV- Optimality of Nearest Neighbour Balanced Block Designs using
Autoregressive Moving Average Model  (ARMA (1,1)) for Seven Treatments. Hasil
penelitian bahwa MV-Optimalitas Nearest Neighboor Balanced Block Design
menggunakan model rata– rata bergerak autogresif. Sementara itu persamaan
metode Moving Average. Sedangkan perbedaan subjek MV-Optimality dari
Nearest Neighbour sedangkan peneliti di AHASS 02660 Griya Motor
Ciawigebang. 
Kemudian pada penelitian Anthony E. Usoro (2018) dengan judul
Modelling Of Nigeria Gross Domestic Product Using Seasonal And Bilinear
Autoregressive Integrated  Moving Average Models. Hasil penelitian distribusi
fungsi autokorelasi dan autokorelasi parsial menyarankan SARIMA yang sama (0,
1, 2) (0, 1,1)  4  dan BARIMA (0,  2,1, 0, 1). Sementara itu persamaan metode
Moving Average. Sedangkan perbedaan objek di Nigeria sedangkan peneliti pada
oli.Siti Wardah, Iskandar (2016) dengan judul Analisis Peramalan Penjualan
produk Keripik Pisang Kemasan Bungkus (Studi Kasus : Home Industry Arwana
Food Tembilahan). Hasil penelitian berdasarkan metode peramalan yang terpilih,
peramalan penjualan terhadap produk keripik pisang jenis kemasan bungkus
adalah sebanyak 1121,424 atau 1122 bungkus/bulan, artinya pihak Home Industry
Arwana Food Tembilahan harus menyediakan produk keripik pisang kemasan
bungkus adalah sebanyak 1122 bungkus untuk tiap bulannya. Sementara itu
persamaan masalah atau fenomena yang dihadapi yaitu persediaan yang
menumpuk di gudang. Sedangkan perbedaan objek terdahulu di Home Industry
Arwana Food Tembilahan sedangkan peneliti di AHASS 02660 Griya Motor
Ciawigebang. Ahmad Tohir (2011) dengan judul Analisis Peramalan Penjualan
minyak sawit. Hasil penelitian berdasarkan metode peramalan yang terpilih,
peramalan penjualan terhadap minyak sawit terus meningkat. Sementara itu
persamaan metode yaitu kuantitatif. Sedangkan perbedaan objek terdahulu di PT
Kharisma Pemasaran Bersama sedangkan peneliti di AHASS 02660 Griya Motor
Ciawigebang. Dan penelitian Hutagalung Juliana (2014) dengan judul Analisis
Peramalan Volume Penjualan Oli Pada Pt Pertamina Lubricant. Hasil penelitian
berdasarkan metode peramalan yang terpilih, peramalan penjualan model MAPE
MSE mempunyai nilai α=9 jadi lebih akurat. Sementara itu persamaan ada
persamaan subjek yaitu oli. Sedangkan perbedaan objek terdahulu di Pt Pertamina
Lubricant sedangkan peneliti di AHASS 02660 Griya Motor Ciawigebang.
Hisyam Ihsan, Rahmat Syam, Fahrul Ahmad (2018) dengan judul Peramalan
Penjualan dengan Metode Exponential Smoothing (Studi Kasus : Penjualan Bakso
Kemasaan/Kiloan Rumah Bakso Bang Ipul) (2018). Pada data penjualan sejak
Januari 2016 s.d Juni 2018 memperlihatkan pola data penjualan bergerak
horizontal. Hasil hitung metode exponential smoothing diperoleh nilai MSE a =
0,1 paling kecil dibandingkan nilai MAE dengan a yang lain yaitu sebesar 6.23
dan nilai MSE dengan a = 0,1 paling kecil dibandingkan dengan a yang lain yaitu
sebesar 58.32. disimpulkan bahwa metode exponential smoothing dengan a
sebesar 0.1 cocok digunakan untuk meramalkan banyaknya penjualan bakso
kemasaan/kiloan Rumah Bakso Bang Ipul. Hasil ramalan banyaknya penjualan
bakso pada bulan Juli 2018 adalah sebesar 48 kg. Sementara itu persamaan
peneliti terdahulu masalah/fenomena yang dihadapi yaitu penjualan produk
berfluktuasi. Sedangkan perbedaan objek terdahulu di Rumah Bakso Bang Ipul
sedangkan peneliti di AHASS 02660 Griya Motor Ciawigebang. 
Selanjutnya penelitian oleh Ni Putu Lisna Padma Yanti, I.A Mahatma
Tuningrat, A.A.P. Agung Suryawan Wiranatha (2016) dengan judul Analisis
Peramalan Penjualan Produk Kecap Pada Perusahaan Kecap Manalagi Denpasar
Bali (2016). Hasil penelitian untuk meramalkan penjualan kecap manis pada
periode berikutnya peneliti menggunakan metode trend linier. Metode ini dipilih
karena memiliki nilai tingkat error yang paling rendah apabila dibandingkan
dengan metode peramalan time series lainnya. Pada peramalan penjualan kecap
manis botol ukuran 625 ml diperoleh nilai MAD sebesar 1.984,54, MSE sebesar
8.850.382,64 dan MAPE sebesar 2,33%. Sementara itu persamaan permasalahan
yang dihadapi penjualan berfluktuasi. Sedangkan perbedaan objek terdahulu di
perusahaan Kecap Manalagi Denpasar Bali sedangkan peneliti di AHASS 02660
Griya Motor Ciawigebang. Kemudian Rosidi, Mohammad (2017) dengan judul
Sistem Peramalan Stok Oli Yamalube Dengan Metode Single Exponential
Smoothing Pada Bengkel Zat Besi Cycles. Hasil penelitian untuk meramalkan
penjualan Stok Oli Yamalube pada periode berikutnya peneliti menggunakan
metode trend linier. Metode ini dipilih karena memiliki nilai tingkat error yang
paling rendah apabila dibandingkan dengan metode peramalan time series lainnya.
Pada peramalan penjualan Stok Oli Yamalube diperoleh nilai MAD sebesar
1.984,54, MSE sebesar 8.850.382,64 dan MAPE sebesar 2,33%. Sementara itu
persamaan peneliti terdahulu yang dihadapi penjualan berfluktuasi. Sedangkan
perbedaan objek terdahulu di bengkel zat besi cycles sedangkan peneliti di
AHASS 02660 Griya Motor Ciawigebang.

2.3 Kerangka Berpikir

Peramalan merupakan hal yang penting dan berpengaruh dalam dunia

bisnis, peramalan dapat dijadikan sebagai dasar pengambilan keputusan untuk
perencanaan jangka pendek maupun jangka panjang suatu perusahaan. Dalam
perusahaan peramalan penjualan sangat diperlukan karena berguna untuk
mengantisipasi bila terjadi peningkatan permintaan yang tinggi dan untuk
menjaga keberlangsungan proses produksi. Dalam melakukan peramalan
dibutuhkan adanya data penjualan, maka selanjutnya menentukan metode
peramalan apa yang akan digunakan dan sesuai dengan pola data yang tersaji.
Setelah dihitung peramalannya dengan metode terpilih dan dilakukan
perbandingan antar periode, maka dilanjutkan dengan menghitung keakuratan
peramalan kemudian ditarik kesimpulannya.

AHASS 02660 GRIYA

MOTOR

Data Penjualan OliSPX2

Analisis Metode Peramalan

Perhitungan dengan Perhitungan dengan metode

metode Exponential Moving Average, Least Square

MAD , MSE dan

MAPEterkecil

Pilihan Efisiensi

Menganalisis metode
yang paling efektif

Gambar 2.1Kerangka Pemikiran

 BAB III

METODE PENELITIAN

3.1 Metode Penelitian

Metode kuantitatif merupakan suatu metode penelitian yang didasarkan

pada prinsip-prinsip statistika. Menurut Robert Donmoyer (dalam Given,
2008:713) penelitian kuantitatif adalah pendekatan-pendekatan terhadap kajian
empiris untuk mengumpulkan, menganalisa dan menampilkan data dalam bentuk
numerik daripada naratif.
Metode penelitian yang digunakan yaitu metode kuantitatif dengan
pendekatan deskriptif. Pendekatan deskriptif ditujukan untuk mendeskripsikan
atau menggambarkan hasil penelitian pada suatu keadaan (fenomena) yang sedang
terjadi secara jelas tanpa manipulasi. Metode kuantitatif dengan pendekatan
deskriptif mampu menjawab rumusan masalah yang berkenaan dengan variabel
mandiri. Variabel mandiri adalah variabel yang berdiri sendiri, bukan variabel
independen maupun dependen (Sugiyono, 2018). Sedangkan untuk hasil akhir
peramalan akan digunakan metode komparatif yaitu perbandingan hasil akhir dari
dua metode untuk melihat kemampuan masing-masing metode dalam
mengoptimalkan penjualan produk oli.

3.2  Metode Penelitian yang Digunakan

Peramalan penjualan memiliki metode yang cukup banyak, sehingga perlu
melakukan pemilihan metode yang sesuai dan tepat sehingga sebuah ramalan
tidak jauh berbeda dengan realisasi. Salah satu kriteria yang digunakan dalam
pemilihan metode terbaik adalah dengan melihat kesalahan peramalan yang paling
kecil. Metode terbaik yaitu metode yang memenuhi kriteria ketepatan peramalan
berupa MAD, MSE, dan MAPE.
Metode yang digunakan dalam penelitian ini adalah metode peramalan
kuantitatif, dengan cara meramalkan yang mungkin akan terjadi pada masa
mendatang berdasarkan data kuantitatif masa lalu. Ada beberapa metode
peramalan kuantitatif yang dapat digunakan untuk meramalkan penjualan masa
depan. Metode kuantitatif yang dipilih  adalah metode Least Square dan Moving
Average. Dalam penelitian ini, kedua metode yaitu metode Least Square dan
Moving Average dapat digunakan atau sesuai dengan perhitungan penjualan AHM
Oil di lihat atau ditinjau dari hasil penelitian sebelumnya.

3.3 Waktu dan Tempat Penelitian

Penelitian ini dilakukan di AHASS 02660 Griya Motor Ciawigebang Jalan

Siliwangi No 183yang merupakan salah satu tempat penjualan AHM Oil.
Penelitian dilakukan pada bulan April 2021 sampai Agustus 2021.

3.4    Data dan Teknik Pengumpulan Data

3.4.1 Data

1. Data primer
Diperoleh dari hasil wawancara dan observasi langsung dengan pihak
manajemen perusahaan.
2. Data sekunder
Bersumber dari informasi perusahaan. Data ini berasal dari literatur dan
referensi yang mendukung.

3.4.2 Teknik Analisis Data

1) Dokumentasi
Dengan cara memeriksa dan mencatat laporan penjualan yang telah
diberikan pihak perusahaan.
2) Wawancara
Wawancara digunakan sebagai teknik pengumpulan data untuk
menemukan permasalahan yang diteliti.
3) Studi Literatur
Mencari referensi teori yang relevan dengan permasalahan yang penulis
teliti.(sumber : Sugiyono, (2016 : 137).
3.5  Operasional Variabel

Tabel 3.1
Operasional Variabel

No Konsep Pengertian Variabel Indikator

1 Metode Least Metode Least Square (Kuadrat Kecil) Y ^ = a + bX

Square adalah metode yang digunakan untuk Y=data berkala

menentukan persamaan trend data (Time Series) =

yang mencakup analisis Time Series taksiran data trend

dengan dua kasus data genap dan X = Variabel

ganjil. waktu (hari,

minggu, bulan

atau tahun) a =

nilai trend pada

tahun dasar

b = rata-rata

pertumbuhan

nilai trend pada

tiap tahun

2 Metode Pergerakan rata-

Moving Pergerakan rata – rata 4 bulanan rata =
Average ditemukan dengan menjumlahkan n = jumlah
permintaan selama 4 bulan yang lalu periode dalam
dan membaginya dengan 4. Dengan pergerakan rata-
tiap – tiap bulan yang terlewati, data rata
bulan yang paling baru akan
 ditambahkan pada jumlah data 3 bulan
sebelumnya, dan bulan yang paling
awal diturunkan. Praktik ini cenderung
untuk melancarkan penyimpangan
dalam serangkaian data.

3 Perhitungan Dihitung dengan mengambil nilai MAD =         

MAD (Mean jumlah absolut kesalahan peramalan
Absolute individual dan membaginya dengan ∑ = Jumlah
Deviation) jumlah periode data.
   = Permintaan
Aktual

 = Nilai
Peramalan n =
Jumlah Peramalan
yang terlibat

4 Perhitung an Rata- rata perbedaan yang

MSE =         
MSE (Mean dikuadratkan diantara nilai yang

Squared diramalkan dengan yang diamati. ∑ = Jumlah

Error)
   = Permintaan

Aktual

   = Nilai

Peramalan n =

Jumlah Peramalan

yang terlibat

5 Perhitungan Ini dihitung sebagai perbedaan rata-

MAPE =
MAPE (Mean rata yang absolute antara nilai yang

Absolute diramalkan dengan aktualnya,

 Percent Error) sebelumnya dan bulan yang paling
∑ = Jumlah
awal diturunkan. Praktik ini cenderung

untuk melancarkan penyimpangan    = Permintaan

dalam serangkaian data. Dicerminkan Aktual

sebagai persentase aktual.

   = Nilai

Peramalan n =

Jumlah Peramalan

yang terlibat

(Sumber : Heizer & Render, 2015)

3.6 Populasi Dan Sampel Penelitian

3.6.1 Populasi

Menurut (Arikunto, 2007)) “populasi adalah keseluruhan subjek

penelitian, subjek tersebut mempunyai kuantitas dan karakteristik tertentu yang
ditetapkan untuk dipelajari dan kemudian ditarik kesimpulannya”.

3.6.2 Sampel

Menurut (Yusup, 2014) “Sampel merupakan sebagian dari populasi yang

terpilih dan mewakili populasi tersebut, sebagian dan mewakili diatas merupakan
dua kata kunci dan merujuk kepada semua ciri populasi dalam jumlah yang
terbatas pada masing-masing karakteristiknya”.

3.7 Teknik Analisis Data

Di dalam teknis analisis data, data yang diperoleh dari hasil observasi akan
diolah dengan menggunakan dua metode dalam peramalan, yaitu metode least
square dan moving average.
3.7.1 Metode Least Square

Metode Least Square (Kuadrat Kecil) adalah metode yang digunakan

untuk menentukan persamaan trend data yang mencakup analisis time Series
dengan dua kasus data genap dan ganjil (Subagyo, 2013).
Adapun langkah-langkah peramalan leastsquare adalah pertama melihat
garis trend dari masing-masing titik untuk dimasukkan dalam peramalan, kedua
melihat nilai rata-rata, selanjutnya melihat persamaan trend dengan metode trend
momen. Terakhir melihat peramalan data model least square yang akan datang
Persamaan trend  dengan  metode Least Square, yaitu:
Y = a + bX ………(1)
Keterangan :
Y  = data berkala (Time Series) = taksiran data trend
x= Variabel waktu (hari, minggu, bulan atau tahun)
a = nilai trend pada tahun dasar
b = rata-rata pertumbuhan nilai trend pada tiap tahun.
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah : a
= ΣY / N dan b =ΣXY / ΣX2.

3.7.2 Metode Moving Average

Berikut ini merupakan langkah- langkah dari setiap metode yang

digunakan:
1. Metode Single Moving Average
a) Diperoleh data penjualan AHM Oil SPX-2 pada bulan Januari 2020 hingga
Juni 2021.
b) Memilih jumlah n yang akan dipakai dalam penghitungan..
c) Menerapkan dan menentukan nilai peramalan untuk periode berikutnya
menggunakan rumus yang disediakan.
2. Metode Weighted Moving Average
a) Setelah langah a dan b pada metode single moving average, dilakukan
metode weighted moving average menggunakan pembobotan. Setiap periode yang
ditentukan memiliki bobot nilai masing-masing dengan total keseluruhan bobot
sama dengan satu.
b) Menerapkan dan menentukan nilai peramalan untuk periode berikutnya
(Heizer & Render, 2015), peramalan Moving Average menggunakan sejumlah
nilai data aktual historis untuk menghasilkan peramalan. Pergerakan rata-rata
bermanfaat jika kita dapat mengasumsikan bahwa permintaan pasar akan tetap
kokoh secara wajar selama bertahun-tahun. Dengan tiap-tiap bulan yang terlewati,
data bulan yang paling baru akan ditambahkan pada jumlah data 3 bulan
sebelumnya, dan bulan yang paling awal diturunkan. Praktik ini cenderung untuk
melancarkan penyimpangan dalam serangkaian data.
Langkah awal dalam melakukan prosedur penelitian adalah Studi Literatur
yaitu dengan mencari bahan dan informasi penelitian yang terdapat di jurnal,
buku-buku baik onlinemaupun cetak, dan juga internet. Kemudian,
mengidentifikasi masalah tentang bagaimana menerapkan metode moving average
dalam peramalan penjualan oli. Tahap selanjutnya adalah pengumpulan data yang
bersumber dari data jumlah penjualan barang. Metode dalam pengumpulan data
adalah observasi dan wawancara. Metode observasi ini dilakukan dengan cara
melakukan pengamatan langsung dan mengambil data-data yang diperlukan.
Sedangkan metode wawancara dilakukan dengan mengajukan pertanyaan tentang
penjualan oli yang diperlukan kepada manajer Setelah melakukan pengumpulan
data akan dilanjutkan dengan penentuan variabel. Pada penelitian ini variabel
yang digunakan adalah jumlah penjualan oli pada bulan januari 2020 sampai juli
2021. Selanjutnya adalah penerapan Metode Moving Average. Langkah awal
penerapan metode Moving average adalah menentukan jumlah periode (T).
Periode tersebut akan digunakan dalam observasi pada setiap rata-rata. Hasil dari
perhitungan tersebut akan dijadikan peramalan bulan berikutnya yaitu bulan
Januari 2018. Rumus moving average adalah sebagai berikut:

𝐹𝑇+1=𝑥1+𝑥2 +…….+ 𝑥𝑇 = 1  ∑ 𝑇 =1 Xi         ........ (1) 

T T i
Dimana : 

FT + 1 = Forecast untuk period ke T+1. 

Xi = Data pada periode i , i = 1,2, …….., T 

T = Periode moving average

Setelah perhitungan peramalan dengan metode moving average. Akan
dilanjutkan menghitung kesalahan peramalan (error) menggunakan mean
absolute deviation (MAD), mean square error (MSE) dan mean absolute
percentage error (MAPE). Fungsi dari penghitungan kesalahan (error) ini untuk
mengetahui ketepatan suatu metode moving average peramalan dalam
memodelkan data penjualan oli. Berdasarkan implementasi metode moving
average dan perhitungan kesalahan peramalan (error) akan dilakukan tahap
analisa hasil peramalan yang akan digunakan untuk peramalan bulan berikutnya.

3.8 Menghitung Kesalahan Peramalan

Heizer & Render, (2015), ada beberapa ukuran yang digunakan dalam
praktiknya untuk menghitung keseluruhan dalam kesalahan peramalan.
Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang
berbeda, mengawasi peramalan, dan untuk memastikan peramalan berjalan baik.
Tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean
Absolute Deviation – MAD), kesalahan kuadrat rerata (Mean Squared Error –
MSE), dan kesalahan persen mutlak rerata (Mean Absolute Percent Error –
MAPE).
1.  Deviasi Rata-Rata Absolut (Mean Absolute Deviation)
MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah
model. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap
kesalahan peramalan dibagi dengan jumlah periode data n. Rumus untuk
menghitung MAD adalah sebagai berikut.
MAD=∑

2. Kesalahan Rata-Rata Kuadrat (Mean Square Error)

MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan.

MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang
diamati. Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan
deviasi yang besar karena adanya pengkuadratan. Rumus untuk menghitung MSE
adalah sebagai berikut.
MSE =        ∑ |peramalan kesalahan | 2
n
3. Kesalahan Persentase Rata rata yang Absolut (MAPE)
Permasalahan dengan, baik MAD maupun MSE adalah bahwa nilai mereka
bergantung pada besarnya barang yang diramalkan. Jika peramalan barang diukur
dalam ribuan, nilai MAD dan MSE menjadi sangat besar. Untuk mengatasi
permasalahan ini kita dapat menggunakan mean absolute percent error (MAPE).
MAPE dihitung dengan :
MAPE = Ʃ 100 ǀ Aktuali – Aktuali ǀ / Aktuali
n
 BAB IV

HASIL DAN PEMBAHASAN

4.1. Hasil Penelitian

4.1.1. Gambaran Umum Perusahaan

PT Astra Honda Motor (AHM) merupakan pelopor industri sepeda motor

di Indonesia. Didirikan pada 11 Juni 1971 dengan nama awal PT Federal Motor,
yang sahamnya secara mayoritas dimiliki oleh PT Astra International. Saat itu, PT
Federal Motor hanya merakit, sedangkan komponennya diimpor dari Jepang
dalam bentuk CKD (completely knock down). Tipe sepeda motor yang pertama
kali di produksi Honda adalah tipe bisnis, S 90 Z bermesin 4 tak dengan kapasitas
90cc. Jumlah produksi pada tahun pertama selama satu tahun hanya 1500 unit,
namun melonjak menjadi sekitar 30 ribu pada tahun dan terus berkembang hingga
saat ini. Sepeda motor terus berkembang dan menjadi salah satu moda transportasi
andalan di Indonesia.
Kebijakan pemerintah dalam hal lokalisasi komponen otomotif mendorong
PT Federal Motor memproduksi berbagai komponen sepeda motor Honda tahun
2001 di dalam negeri melalui beberapa anak perusahaan, diantaranya PT Honda
Federal (1974) yang memproduksi komponen-komponen dasar sepeda motor
Honda seperti rangka, roda, knalpot dan sebagainya, PT Showa Manufacturing
Indonesia (1979) yang khusus memproduksi peredam kejut, PT Honda Astra
Engine Manufacturing (1984) yang memproduksi mesin sepeda motor serta PT
Federal Izumi Mfg.(1990) yang khusus memproduksi piston. Seiring dengan
perkembangan kondisi ekonomi serta tumbuhnya pasar sepeda motor terjadi
perubahan komposisi kepemilikan saham di pabrikan sepeda motor Honda ini.
Pada tahun 2000 PT Federal Motor dan beberapa anak perusahaan di merger
menjadi satu dengan nama PT Astra Honda Motor, yang komposisi kepemilikan
sahamnya menjadi 50% milik PT Astra International Tbk dan 50% milik Honda
Motor Co. Japan. Saat ini PT Astra Honda Motor memiliki 3fasilitas pabrik
perakitan, pabrik pertama berlokasi Sunter, Jakarta Utara yang juga berfungsi
sebagai kantor pusat. Pabrik kedua berlokasi di Pegangsaan Dua, Kelapa Gading,
serta pabrik ke 3 yang berlokasi di kawasan MM 2100 Cikarang Barat, Bekasi.
Pabrik ke 3 ini merupakan fasilitas pabrik perakitan terbaru yang mulai beroperasi
sejak tahun 2005. Dengan keseluruhan fasilitas ini PT Astra Honda Motor saat ini
memiliki kapasitas produksi 4.2 juta unit sepeda motor per-tahunnya, untuk
permintaan pasar sepeda motor di Indonesia yang terus meningkat. Salah satu
puncak prestasi yang berhasil diraih PT Astra Honda Motor adalah pencapaian
produksi ke 35 juta pada tahun 2012. Prestasi ini merupakan prestasi pertama
yang yang berhasil diraih oleh industri sepeda motor di Indonesia bahkan untuk
tingkat ASEAN. Guna menunjang kebutuhan serta kepuasan pelanggan sepeda
motor Honda, saat PT Astra Honda Motor di dukung oleh 1.800 showroom
penjualan, 3.600 layanan service atau bengkel AHASS (Astra Honda Authorized
Service Station), serta 7.400 gerai suku cadang, yang siap melayani jutaan
penggunaan sepeda motor Honda di seluruh Indonesia. Industri sepeda motor saat
ini merupakan suatu industri yang besar di Indonesia. Karyawan PT Astra Honda
Motor saja saat ini berjumlah sekitar 18.000 orang, ditambah ratusan.

4.1.2 Sejarah singkat AHASS 02660 Griya Motor

Awalnya bengkel khusus motor HONDA yang disebut sebagai AHASS

(Astra Honda Authorized Service Station) ini berdiri pada tahun 2011 tepatnya
pada tanggal 5 April 2011 oleh Bapak H. Dede Erwin Ismanto, yang diberi nama
Griya Motor yang beralamat di Jalan. Siliwangi No 183 Desa Ciawigebang
Kecamatan Ciawigebang Kabupaten Kuningan. Griya Motor ini ditujukan untuk
pembelian onderdil dan pelayanan servis motor honda untuk memenuhi dan
melayani para pengguna motor honda yang berada di daerah tersebut, berupa
pelayanan service dan pembelian alat-alat motor merek Honda.

4.1.3 Visi dan Misi AHASS 02660 Griya Motor

VISI

Menjadi perusahaan yang terpercaya dan terbaik di dalam bisnis.

MISI 

1.  Memberikan kepastian dan kenyamanan melalui pelayanan yang terbaik.

2. Menjadi tempat pilihan untuk tumbuh dan berkembangnya karyawan
menjadi individu yang profesional, memiliki integritas dan kompetensi di
bidangnya masing – masing.
3. Membangun hubungan yang saling menguntungkan dengan perusahaan
aliansi untuk meningkatkan keunggulan kompetitif perusahaan di kedua belah
pihak.
4. Melakukan kerjasama dengan pihak pabrikan sesuai dengan prinsip
keterbukaan, fairness, saling menguntungkan dan berkembang sebagai partner in
progress.
4.1.4 Struktur Organisasi 

Pemilik

Manajer/Kepala Cabang

PIC/Kepala bagian
pemeliharaan

Service Advisor Kepala Mekanik

Kasir PIC CRM PIC Part Mekanik Final Check

Gambar 4.1 Struktur Organisasi AHASS 02660 Griya Motor

Wewenang dan tanggung jawab karyawan AHASS sesuai jabatannya

masing-masing. Hal ini diperlukan agar setiap karyawan mengetahui apa yang
harus dilakukan demi tercapainya tujuan dari AHASS. Berikut adalah wewenang
dan tanggung jawab dari jabatan-jabatan karyawan AHASS.
1. Pemilik
 Bertanggung jawab atas kegiatan penjualan yang terjadi, membantu
Kepala Cabang dalam mengawasi pelaksanaan kegiatan penjualan dan
pemeliharaan, membantu Komisaris dalam merencanakan pengembangan AHASS
02660 Griya Motor dengan tujuan yang ingin dicapai, bertanggung jawab dalam
merencanakan dan mengkoordinir rencana kerja bersama Kepala Cabang guna
memenuhi sasaran yang ditetapkan, menerima laporan penjualan dan permintaan
barang dari Kepala Cabang.
2. Kepala Cabang (Manajer)
Bertanggung jawab dalam membantu pemilik untuk merencanakan,
mengkoordinasi rencana kerja, membuat laporan evaluasi, mengawasi
pelaksanaan kegiatan penjualan dan pemeliharaan, bertanggung jawab atas
pelaksanaan kegiatan setiap bagian penjualan dan pemeliharaan, membuat laporan
permintaan dan penjualan untuk Kepala Cabang, bertanggung jawab dalam
menentukan permintaan jumlah stok, bertanggung jawab terhadap pengaturan
cash flow pada perusahaan.
3.  PIC/ Kepala Bagian Pemeliharaan
Bertanggung jawab atas kegiatan operasional penjualan kepada Kepala
Cabang, membuat laporan secara evaluasi secara berkala, bertanggung jawab
dalam mengawasi SA, PIC CRM, Kasir, PIC Part, kepala mekanik, mekanik dan
final check.
4. SA/ Service Advisor
Bertanggung jawab melayani kebutuhan pelanggan yang datang dan keluar
bengkel dengan mendengarkan, menganalisis, dan menjelaskan tentang kerusakan
kendaraan, membuat PKB dan estimasi waktu serta biaya untuk mencapai
kepuasan pelanggan, serta menjaga kerapian data-data kendaraan pelanggan.
5. Kepala Mekanik
a. Memberikan pembagian tugas kerja kepada mekanik atas dasar keahlian.
b. Mengawasi kinerja mekanik sehari-hari.
c. Memberikan solusi terhadap masalah teknis yang tidak bisa dipecahkan
oleh mekanik.
d. Bertanggung jawab pada pengelolaan dan manajemen peralatan dan
perlengkapan
e. Mengontrol kebersihan area mekanik.
f. Memastikan form claim atau LKH terisi dengan benar.
g. Melakukan checklist kebersihan dan kelengkapan tools update.

6. PIC CRM ( Customer Relationship Management )

CRM adalah adalah suatu jenis  strategi perusahaan  yang secara khusus
membahas teori mengenai penanganan hubungan antara perusahaan dengan
pelanggannya dengan tujuan meningkatkan nilai perusahaan di mata para
pelanggannya.CRM juga dapat didefinisikan sebagai  strategi atau pendekatan
yang diterapkan suatu organisasi untuk mempelajari kebiasaan dan keperluan
pelanggan sehingga suatu organisasi memiliki hubungan yang lebih dekat ke
pelanggan. Terdapat juga pengertian lain dari CRM, dimana CRM didefinisikan
sebagai sistem informasi yang terintegrasi yang digunakan untuk merencanakan,
menjadwalkan, dan mengendalikan aktivitas-aktivitas pra penjualan dan pasca
penjualan dalam sebuah organisasi.
7. Kasir/ Front Desk
Kasir adalah orang yang bertugas melayani pelanggan untuk memudahkan
proses transaksi, sekaligus membantu perusahaan dalam menghimpun jumlah
pembelian secara harian, serta rutin dan juga berkala.
8. PIC Part
PIC spare part atau Inventory adalah seseorang yang dipercaya untuk
bertanggung jawab atas kondisi dan keadaan perkembangan Spare Part
Onderdill.Maksud dengan adanya seorang PIC pada Spare Part onderdill adalah
agar management perputaran keluar masuk spare part onderdill lebih terkendali.
Adapun tugas dan tanggung jawab sebagai seorang PIC spare part onderdill
adalah sebagai berikut :
a) Menjaga kondisi area penyimpanan spare part dengan baik, rapi, bersih,
terawat dan tertata.
b) Mendata keluar masuknya setiap jenis dan nama barang spare part
onderdill.
c) Mendata stok spare part yang masih ada secara quantity.
d) Mendata nama - nama spare part yang sudah habis, yang minimum stock
dan barang yang harus di order kembali.
e) Menginformasikan kepada atasan setiap kondisi spare part setiap hari.
f) Membuat budget pembelian atau pengeluaran biaya untuk pengadaan
spare part baru.
9. Mekanik 
Mekanik mempunyai tugas untuk melakukan servis pada sepeda motor
yang datang dan masuk pada antrian. Servis maupun perawatan yang dilakukan
dari ringan, sedang, maupun berat semua harus dilakukan dengan bertanggung
jawab.
10 Final Check
Bertugas memeriksa ulang motor yang telah di servis.

4.2 Data Penjualan

Berikut data penjualan produk AHM Oil SPX-2 periode Januari 2020
sampai Juni 2021:
Tabel 4.1
Data Penjualan AHM Oil SPX-2 Tahun 2020-2021
AHASS 02660 Griya Motor
No Bulan Tahun
2020 2021
1 Januari 537 449
2 Februari 536 445
3 Maret 534 498
4 April 424 511
5 Mei 550 551
6 Juni 530 542
7 Juli 520
8 Agustus 623
9 September 519
10 Oktober 477
 11 Nopember 479
12 Desember 517
Total 6.246 2.996

Bila disajikan dalam bentuk grafik maka terlihat sebagai berikut :

Gambar 4.2
Grafik Penjualan AHM Oil SPX-2
Dalam gambar 4.2 terlihat bahwa fluktuasi jumlah produk yang terjual
memiliki selisih yang cukup jauh. Pada April 2020 angka penjualan berada pada
angka 424 botol, kemudian di bulan Mei 2020 naik menjadi 550 botol. Di bulan
Agustus 2020 sampai Nopember 2020 terus mengalami penurunan penjualan,
namun dibulan Desember 2020 sempat mengalami kenaikan kembali.
Memasuki tahun 2021 selama 6 bulan penjualan terus mengalamiPeningkatan
meskipun angkanya sangat kecil jika dibandingkan tahun 2020 sehingga target
yang ditetapkan oleh perusahaan pada setiap bulannya belum mampu tercapai.
Meskipun begitu perusahaan tetap optimis dan percayabahwa penjualan pada
periode selanjutnya akan mengalami kenaikan meskipun keadaan perekonomian
masyarakat sedang gaduh dikarenakan pandemi Covid-19.

4.3 Analisis Data

 Didalam teknis analisis data, data yang diperoleh dari hasil observasi akan
diolah dengan menggunakan dua metode dalam peramalan, yaitu metode least
square dan moving average.

4.3.1 Metode Least Square

Metode Least Square (Kuadrat Kecil) adalah metode yang digunakan

untuk menentukan persamaan trend data yang mencakup analisis time Series
dengan dua kasus data genap dan ganjil (Subagyo, 2013). Persamaan trend 
dengan  metode Least Square, yaitu:
Y = a + bX ………(1) Keterangan :
Y        = data berkala (Time Series) = taksiran data trend x = Variabel waktu
(hari, minggu, bulan atau tahun) a = nilai trend pada tahun dasar
b = rata-rata pertumbuhan nilai trend pada tiap tahun.
Di bawah ini terdapat hasil perhitungan peramalan dengan Metode Least Square
untuk data penjualan tahun 2020-2021 sebagai berikut :

Tabel 4.2
Perhitungan PeramalanMetode Least Square

Bulan Y X X2 Xy Nilai a Nilai b Nilai

trend
Januari 537 -17 289 -4913 513,4 -0,607 523.719
Februari 536 -15 225 -3375 513,4 -0,607 522.505
Maret 534 -13 169 -2197 513,4 -0,607 521.291
April 424 -11 121 -1331 513,4 -0,607 520.077
Mei 550 -9 81 -729 513,4 -0,607 518.863
Juni 530 -7 49 -343 513,4 -0,607 517.649
Juli 520 -5 25 -125 513,4 -0,607 516.435
Agustus 623 -3 9 -27 513,4 -0,607 515.221
September 519 -1 1 -1 513,4 -0,607 514.007
Oktober 477 1 1 1 513,4 -0,607 512.793
Nopember 479 3 9 27 513,4 -0,607 511.579
Desember 517 5 25 125 513,4 -0,607 510.365
Januari 2021 449 7 49 343 513,4 -0,607 509.151
Februari 445 9 81 729 513,4 -0,607
2021 507.937
Maret 2021 498 11 121 1331 513,4 -0,607 506.723
April2021 511 13 169 2197 513,4 -0,607 505.509
Mei2021 551 15 225 2275 513,4 -0,607 504.295
Juni2021 542 17 289 4913 513,4 -0,607 503.081
∑Y = ∑X ∑X2 = ∑Xy =
9242 = 0 1938 -1176
Nilai a dapat dihtung dengan cara:

Nilai b dapat dihitung dengan cara :

Bila dimasukan kedalam persamaan trend-least square dengan perhitungan

manual tahun dasar 2020 maka diperoleh nilai trend rata-rata sebagaiberikut:
Y = a + bX
Yjanuari = 513,4 – 0,607 (-17) = 523,719
Yfebruari = 513,4 – 0,607 (-15) = 522,505

Ymaret = 513,4 – 0,607 (-13) = 521,291

Yapril = 513,4 – 0,607 (-11) = 520.077

Ymei = 513,4 – 0,607 (-9) =518.863

Yjuni = 513,4 – 0,607 (-7) =517.649

Yjuli = 513,4 – 0,607 (-5) =516.435

Yagustus = 513,4 – 0,607 (-3) =515.221

Yseptember = 513,4 – 0,607 (-1) =515.221

Yoktober = 513,4 – 0,607 (1) =512.793

Ynopember = 513,4 – 0,607 (3) =511.579

Ydesember = 513,4 – 0,607 (5) =510.365

Yjanuari 21= 513,4 – 0,607 (7) =509.151

Yfeb21 = 513,4 – 0,607 (9) =507.937

Ymaret 21 = 513,4 – 0,607 (11) =506.723

Yapril 21 = 513,4 – 0,607 (13) =505.509

Ymei 21 = 513,4 – 0,607 (15) =504.295

Yjuni 21 = 513,4 – 0,607 (17) =503.081

Jadi dibuat peramalan untuk bulan Juli 2021 yang dihitung sebagai
berikut: Y19 = 513,4 – 0,607(13) = 505,509
Berikut ini adalah tabel data perhitungan dan penjualan dengan menggunakan
metode Least Square :
Tabel 4.3.
Perhitungan Peramalan dan Tingkat Eror Penjualan AHM Oil SPX-2 Tahun
2020-2021AHASS 02660 Griya Motor
Menggunakan Metode Least Square
Pct
Bulan Penjualan Peramalan Bias |Error| |Error|^2
Error

Januari 537 523,719 13,281 13,281 176,385 2,47

Februari 536 522,505 13,495 13,495 182,115 2,52

Maret 534 521,291 12,709 12,709 161,519 2,38

April 424 520,077 -96,077 96,077 9230,79 22,66

Mei 550 518,863 31,137 31,137 969,513 5,66

Juni 530 517,649 12,351 12,351 152,547 2,33

Juli 520 516,435 3,565 3,565 12,7092 0,69

Agustus 623 515,221 107,779 107,779 11616,3 17,30

September 519 514,007 4,993 4,993 24,93 0,96

Oktober 477 512,793 -35,793 35,793 1281,14 7,50

Nopember 479 511,579 -32,579 32,579 1061,39 6,80

Desember 517 510,365 6,635 6,635 44,0232 1,28

Januari
449 509,151 -60,151 60,151 3618,14 13,40
2021

Februari
445 507,937 -62,937 62,937 3961,07 14,14
2021

Maret
498 506,723 -8,723 8,723 76,0907 1,75
2021

Apr-21 511 505,509 5,491 5,491 30,1511 1,07

Mei 2021 551 504,295 46,705 46,705 2181,36 8,48

Juni 2021 542 503,081 38,919 38,919 1514,69 7,18

total 9242 0,8 593,32 36294,87 118,5814

Average 513,44 0,04 32,96 2016,38 6,59

next

period 505,509 MAD MSE MAPE

forecast

Sumber : Hasil Pengolahan Data Metode Least Square

Jika divisualisasikan kedalam bentuk grafik maka akan tanmpak sebagi berikut :

Gambar 4.3
Grafik Perhitungan Peramalan dan Tingkat Eror Penjualan AHM Oil SPX2
Tahun 2020-2021 AHASS 02660 Griya Motor Menggunakan Metode Least
Square
Berdasarkan hasil peramalan least square yang ditunjukan oleh tabel 4.3
dapat diketahui hasilperamalan untuk bulan Januari 2020 adalah sebesar
505,50botol. Diketahui juga hasil Mean Absolut Deviation tahun 2019 adalah
32,96, Mean Square Eror (MSE) sebesar dan Mean Absolute Precent Eror
2016,38 (MAPE) sebesar 6,59%. Grafik pada gambar 4.3 menjelaskan
perbandingan antara data penjualan asli dan data hasil peramalan menggunakan
metode LeastSquare.

4.3.2 Metode MovingAverage

Heizer & Render, 2015), peramalan Moving Average menggunakan

sejumlah nilai data aktual historis untuk menghasilkan peramalan. Pergerakan
rata-rata bermanfaat jika kita dapat mengasumsikan bahwa permintaan pasar akan
tetap kokoh secara wajar selama bertahun-tahun. Dengan tiap-tiap bulan yang
terlewati, data bulan yang paling baru akan ditambahkan pada jumlah data 3 bulan
sebelumnya, dan bulan yang paling awal diturunkan. Praktik ini cenderung untuk
melancarkan penyimpangan dalam serangkaian data.
Secara matematis, pergerakan rata – rata yang sederhana (yang berfungsi
sebagai estimasi permintaan periode berikutnya).Pergerakan rata – rata =n =
jumlah periode dalam pergerakan rata – rata
Perhitungan manual hanya untuk menyamakan apakah hasilnya sama
dengan menggunakan aplikasi. Perhitungan selanjutnya adalah menggunakan
bantuan aplikasi software yang bernama POM-QM for windows version 5 by
Horward J. Weiss.
Tabel 4.4.
Perhitungan Peramalan Penjualan AHM Oil SPX-2 Tahun 2020-2021AHASS
02660 Menggunakan Metode Moving Average
Bulan Penjualan Peramalan Bias |Error| |Error|2 Pct Error

Januari 537          

Februari 536          

Maret 534          

April 424 535,67 -111,67 111,67 12469,44 26,34

Mei 550 498,00 52,00 52,00 2704 9,45

Juni 530 502,67 27,33 27,33 747,11 5,16

Juli 520 501,33 18,67 18,67 348,44 3,59

Agustus 623 533,33 89,67 89,67 8040,11 14,39

September 519 557,67 -38,67 38,67 1495,11 7,45
Oktober 477 554,00 -77,00 77,00 5929 16,14
Nopember 479 539,67 -60,67 60,67 3680,44 12,67
Desember 517 491,67 25,33 25,33 641,78 4,90
Januari 2021 449 491,00 -42,00 42,00 1764 9,35
Februari 445 481,67 -36,67 36,67 1344,44 8,24
 Bulan Penjualan Peramalan Bias |Error| |Error|2 Pct Error

2021

Maret 2021 498 470,33 27,67 27,67 765,44 5,56

Apr-21 511 464,00 47,00 47,00 2209 9,20

Mei 2021 551 484,67 66,33 66,33 4400,11 12,04

Juni 2021 542 520,00 22,00 22,00 484 4,06

total 9242 9,33 742,67 47022,44 148,53

Average 513,44 0,52 41,26 2612,36 8,25

next period

forecast   489,56 BIAS MAD MSE MAPE

Sumber : Hasil Pengolahan Data Menggunakan POM-QM v.5

Dibawah ini merupakan grafik data penjualan AHM Oil SPX-2 Tahun
2020-2021AHASS 02660 menggunakan metode Moving Average :

Gambar 4.4
Grafik Perhitungan Peramalan Penjualan AHM Oil SPX-2 Tahun 2020-2021
AHASS 02660Menggunakan Metode Moving Average
Berdasarkan hasil peramalan dengan menggunakan metode Moving
Average yang ditampilkan pada gambar 4.4 dapat diketahui bahwa hasil dari
peramalan untuk bulan Januari 2020 adalah sebanyak 489,56 botol. Diketahui
juga hasil nilai MAD (Mean Absolut Deviation) adalah 41,26, nilai MSE (Mean
Squared Error) adalah 2612,36, dan nilai MAPE (Mean Absolute Percent Error)
menunjukkan angka sebesar 8,25%. Gambar 4.4 menunjukkan yang menjelaskan
perbandingan data penjualan aktual dan data hasil peramalan menggunakan
metode Moving Average.

4.4 Pembahasan

Pada umumnya kita beranggapan bahwa fungsi utama oli hanyalah sebagai
pelumas mesin. Padahal oli memiliki fungsi lain yang tak kalah penting, yakni
antara lain sebagai pendingin, pelindung dari karat, pembersih dan penutup celah
pada dinding mesin. Semua fungsi tersebut adalah sangat erat berkaitan, sebagai
pelumas, oli akan membuat gesekan antar komponen di dalam mesin bergerak
lebih halus, sehingga memudahkan mesin untuk mencapai suhu kerja yang ideal.
Semakin banyaknya pilihan oli saat ini, tentunya akan membuat kita sedikit
bingung, karena semua produsen oli pasti mengatakan oli mereka yang paling
bagus. Maka dari itu pabrikan sepeda motor Honda mengeluarkan oli yang di
peruntukan untuk sepeda motor merk Honda kategori  matic bernama AHM Oil
SPX-2. Karena permintaan konsumen akan penggantian oli tidak stabil maka dari
itu diperlukan analisis yang dapat meramalkan stok penjualan AHM Oil SPX-2.
Peramalan akan melibatkan mengambil data historis (seperti penjualan tahun lalu)
dan memproyeksikan mereka ke masa yang akan datang dengan model
matematika. Mungkin akan didasarkan pada data yang didorong oleh permintaan,
misalnya rencana konsumen untuk membeli dan memproyeksikan mereka ke
masa yang akan datang. Peramalan akan melibatkan kombinasi dari keduanya,
yang mana, model matematika disesuaikan dengan pertimbangan yang baik dari
manajer.
Perbandingan metode Least Square dan metode Moving Average kedua
metode yang digunakan keduanya sama-sama memiliki kekurangan dan kelebihan
masing-masing tetapi dalam penelitian ini metode pemulusan yang paling sesuai
dan hasil nilai kesalahan/errornya paling kecil adalah menggunakan metode
Moving yang dapat dilihat dalam nilai MAPE dengan hasil peramalan/prediksi
untuk dua belas bulan yang akan datang yakni :

Tabel 4.5
Peramalan/prediksi
No Bulan Peramalan / Prediksi

1 Januari 0.031383208

2 Februari 0.030595418

3 Maret 0.029807629

4 April 0.029019839

5 Mei 0.02823205

6 Juni 0.02744426

7 Juli 0.026656471

8 Agustus 0.025868681

9 September 0.025080892

10 Oktober 0.024293102

11 November 0.023505313

12 Desember 0.022717523

Jadi dari hasil didapatkan peramalan tingkat inflasi dua belas bulan depan
mengalami trend menurun. Dengan adanya peramalan ini produk oil ini mampu
membuat kebijakan yang dapat menguntungkan perusahaan. Setelah melakukan
analisis menggunakan metode Least Square dan metode Moving Average,
selanjutnya adalah membandingkan tingkat error antara kedua metode dengan
mencari tingkat error yang paling kecil diantara dua metode tersebut. Perhitungan
ukuran kesalahan peramalan keseluruhan yaitu dengan model perhitungan Mean
Absolute Deviation (MAD), Mean Squared Eror (MSE) yang merupakan rata rata
selisih kuadrat antara nilai yang diramalkan dengan yang diamati, dan Mean
Absolute Percented Eror (MAPE) yaitu rata rata diferensiasi absolute antara nilai
yang diramalkan dengan nilai aktual. Hasil penentuan tingkat error ini dilakukan
untuk mengetahui perbandingan tingkat error yang lebih rendah antara metode
Least Square dan Moving Average. Berikut ini adalah hasil nilai error dari
peramalan metode Least square dan Moving Average.

Tabel 4.6
Hasil Nilai Error Peramalan Least Square dan Moving Average

Metode Hasil MAD MSE MAPE

Peramalan Peramalan

Least Square 505,509 32,96 2016,38 6,59%

Moving
489,56 41,26 2612,36 8,25%
Average

Berdasarkan hasil perhitungan yang ditunjukan oleh tabel 4.5 dapat

diketahui nilai error dari metode peramalan Least Square dan Moving Average.
Metode dengan tingkat error terkecil adalah Least Square dengan jumlah
peramalan 505,509 dengan rata rata Mean Absolute Deviation (MAD) dengan
jumlah 32,96, Mean Square Eror (MSE) dengan jumlah 2016,38 dan Mean
Absolute Percented Eror sebesar 6,59%.
Hasil ini sesuai dengan penelitian yang dilakukan oleh Made A. A.D.
Kusuma Anggraeni (2015)Hasil penelitian menunjukan peramalan penjualan
produk sepeda motor matik tipe Scoopy pada PT. Mertha Buana Motor dengan
menggunakan metode kuadrat terkecil pada tahun 2015 sebanyak 87 unit. Terjadi
penurunan sebanyak 14 unit dari tahun 2014 ke tahun 2015.Sementara itu
persamaan penelitian ini tentang peramalan penjulan dan objek penelitian,
sedangkan perbedaan dari penelitian ini adalah masalah atau fenomena yang
dihadapi yaitu persediaan yang menumpuk di gudang dan permintaan terhadap oli
berfluktuasi serta metode analisis data yang digunakan quadrat.
Wiryawan (2015)Hasil penelitian menunjukan penggunaan metode Least
Square untuk  meramalkan penjualan air minum dalam kemasan di periode yang 
akan  datang dengan berdasarkan  data penjualan tahun 2014 maka PT XYZ harus
memproduksiAMDK untuk tahun 2015 sebesar 1248  agar  kebutuhan pelanggan
dapat dipenuhi. Persamaan pada penelitian ini yaitu pada objek penelitian,
masalah atau fenomena yang dihadapi yaitu persediaan yang menumpuk di
gudang dan permintaan terhadap oli berfluktuasi.Penggunaan metode Least
Square. Sementara itu perbedaan penelitian ini meramalkan penjualan air, Metode
analisis data yang digunakan quadrat.
Muhammad Firman Alamsyah, Rintana Arnie (2016Model Aplikasi
Prediksi Penjualan Sepeda Motor Dengan Metode Single Moving Average). Hasil
penelitian ini menunjukan perbandingan data penjualan sepeda motor perbulan di
Haur Kuning dengan aplikasi prediksi menggunakan single moving average tidak
terlalu jauh selisihnya dengan keadaan dilapangan. Namun persamaan penelitian
ini yaitu pada objek penelitian, masalah atau fenomena yang dihadapi yaitu
persediaan yang menumpuk di gudang dan permintaan terhadap oli
berfluktuasi.Penggunaan metode Least Square. Sementara perbedaan pada
penelitian ini yaitu metode single moving average.
Jumlah penjualan penjualan AHM Oil SPX-2 dapat diprediksi dengan
metode Least Square dengan menentukan kualitas atau keakuratan dari data-data
yang diperoleh serta waktu atau periode data-data tersebut dikumpulkan,
(Anggraeni, 2015). Jumlah penjualan sepeda motor dapat diprediksi dengan
metode Least Square dengan menentukan kualitas atau keakuratan dari data-data
yang diperoleh serta waktu atau periode data-data tersebut dikumpulkan, Unedo &
Manurung, (2015).Kuadrat terkecil (least square) adalah salah satu metode yang
paling luas digunakan untuk menentukan persamaan trend data, karena metode ini
menghasilkan apa yang secara matematika digambarkan sebagai “line of bestfit”.
 Pendekatan yang dapat digunakan untuk melihat hasil peramalan yang
terbaik, dan dijadikan dasar bagi perusahaan dalam menentukan jumlah penjualan
adalah dengan melihat nilai Mean Squared Error(MSE) atau Standar Error (SE)
dari tiap-tiap metode peramalan. Peramalan penjualan produk dalam sebuah
perusahaan merupakan masalah yang sangat penting dalam menentukan besarnya
penjualan pada masa yang akan datang. Dengan adanya peramalan penjualan pada
perusahaan dalam memperkirakan penjualannya, maka manajemen perusahaan
tersebut akan dapat melangkah ke depan dengan pasti. Peramalan penjualan juga
dapat membuat perusahaan lebih mengetahui gambaran tentang keadaan masa
depan perusahaan, sehingga manajemen perusahaan tersebut akan dapat
mempunyai masukan yang cukup untuk menentukan kebijakan perusahaan.
Metode trend matematis least square merupakan salah satu cara meramal
yang akan digunakan untuk membuat suatu rencana penjualan. Metode ini akan
digunakan untuk mencari ramalan penjualan. Setelah diketahui peramalan
penjualan, maka perusahaan akan dapat menentukan anggaran pada tiap daerah
pemasaran tiap tahunnya. Untuk membuat anggaran diperlukan langkah-langkah
sebagai berikut: Menentukan jumlah ramalan penjualan pada masing-masing
daerah pemasaran. Untuk keperluan tersebut perlulah dibuat tabel, dari data yang
diperoleh. Namun perlu diketahui, bahwa untuk menentukan jumlah ramalan
penjualan pada masing-masing daerah pemasaran memerlukan suatu asumsi,
asumsi itu adalah sebagai berikut: bahwa keadaan ekonomi tahun 2021 tidak
mempunyai perbedaan yang cukup berarti dengan keadaan ekonomi tahun-tahun
yang bersangkutan.
Dalam peramalan ditetapkan jenis produk apa yang diperlukan (what),
jumlahnya (how many), dan kapan dibutuhkan. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya. Peramalan permintaan atau
penjualan dilakukan perusahaan untuk memproyeksikan jumlah permintaan atau
penjualan yang akan diterima oleh perusahaan kedepannya. Peramalan permintaan
atau penjualan merupakan kegiatan yang penting dalam sebuah bisnis industri.
Hal ini disebabkan peramalan permintaan dapat mempengaruhi proses kerja
lainnya, seperti pembelian bahan baku, dan perencanaan produksi. Oleh karena itu
diperlukan suatu cara peramalan yang memiliki tingat akurasi yang tinggi. Tujuan
peramalan menunjukkan bahwa terdapat banyak cara bagi para manajer untuk
meramalkan. Para manajer dapat menggunakan peramalan sebagai sudut pandang
untuk menggambarkan bagaimana mempersiapkan, memonitor, dan membuat
perimbangan dalam mengambil keputusan atas keakuratan dari peramalan.
Hal ini sesuai dengan pendapat (Heizer dan Render, 2015) menyatakan
bahwa peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa
yang akan datang. Teori tersebut didukung oleh definisi dari (Assauri, 2016)
bahwa peramalan adalah suatu pernyataan tentang masa depan, dari suatu variabel
yang diminati seperti permintaan, peramalan yang baik akan menjadi informatif
untuk suatu keputusan yang dibuat. Beberapa jenis peramalan dapat bersifat
jangka panjang, yang mencakup beberapa tahun atau lebih, atau bersifat jangka
pendek memprediksi beberapa minggu atau bulan. Peramalan adalah kegiatan
memprediksi nilai masa depan dengan dasar pengetahuan atau nilai pada masa
lalu yang dipersiapkan.Untuk mengetahui metode peramalan yang paling tepat
yaitu dengan cara membandingkan antara metode peramalan yang dilakukan oleh
perusahaan dengan metode peramalan peneliti kemudian mengambil hasil
peramalan yang paling mendekati dengan aktual dan yang memiliki error terkecil.
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis dan pembahasan dalam peramalan penjualan

AHM Oil SPX2 AHASS 02660 Griya Motor Ciawigebang Kabupaten Kuningan,
yaitu sebagai berikut:
1. Berdasarkan hasil analisis perhitungan peramalan menggunakan metode
Least Square dan metode Moving Average untuk periode berikutnya adalah
metode Least Square = 505,50 botoldan metode Moving Average= 489,56 botol.
2. Setelah di analisis ternyata yang paling baik digunakan untuk peramalan
penjualan AHM Oil SPX-2 untuk periode selanjutnya adalah metode Least
Square, yang meiliki tingkat Error sedikit dengan dataRill.Berdasarkan hasil
perhitungan yang ditunjukan oleh tabel 4.5 dapat diketahui nilai error dari metode
peramalan Least Square dan Moving Average. Metode dengan tingkat error
terkecil adalah Least Square dengan jumlah peramalan 505,509 dengan rata rata
Mean Absolute Deviation (MAD) dengan jumlah 32,96, Mean Square Eror
(MSE) dengan jumlah 2016,38 dan Mean Absolute Percented Eror sebesar
6,59%.

5.2 Saran

Berikut adalah saran yang bisa diberikan oleh peneliti kepada perusahaan
untuk dijadikan bahan pertimbangan, yaitu :
1. Perusahaan sebaiknya mencoba metode peramalan untuk mengetahui
penjualan di masa yang akan datang atau periodeselanjutnya.
2. Metode peramalan tidak selamanya efektif dalam hal ini tidak selalu sesuai
harapan untuk meramalkan penjualan di periode selanjutnya, karena metode
peramalan tidak melihat situasi atau fenomena yang akan terjadi yang dapat
mempengaruhi tingkat penjualan, contohnya yaitu tingkat perekonomian di suatu
daerah atau Negara.
3. Sehingga penelitian selanjutnya disarankan untuk melakukan penelitian
dengan metode yang berbeda seperti metode analisis dan metode trend
linierataupun jika ingin melakukan penelitian dengan metode yang sama
diharapkan menerapkan metode peramalan Single Moving Averagedengan
menggunakan data dalam jangka panjang dan penerapannya secara terus menerus.
 DAFTAR PUSTAKA

Alamsyah, M. F., & Arnie, R. (n.d.). Model Aplikasi Prediksi Penjualan Sepeda

Motor Dengan Metode Single Moving Average. 779–788.

Ahmad Tohir (2011) dengan judul Analisis Peramalan Penjualan minyak sawit.

Anggraeni, M. A. A. D. K. (2015). Analisis Peramalan Penjualan Produk Sepeda

Motor Matik Tipe Scoopy Dengan Metode Kuadrat Terkecil Pada

Pt .Mertha Buana Motor Tahun 2015. (2), 1–10.

Anthony E. Usoro (2018) dengan judul Modelling Of Nigeria Gross Domestic

Product Using Seasonal And Bilinear Autoregressive Integrated  Moving

Average Models

Assauri, S. (2018). Manajemen Produksi dan Operasi (Revisi 200).

Awat, N.J. 1995. Metode Statistik dan Ekonometri. Liberty. Yogyakarta. Dewi,

E.A. 2018. “Perbandingan Metode Holt Winter’s Exponential Smoothing

dan Extreme Learning Machine (ELM) Pada Peramlan Penjualan

Semen”. Universitas Islam Indonesia. Yogyakarta.

Arsyad, Lincolin, Peramalan Bisnis, Edisi pertama, BPFE Yogyakarta, 1997.

Bangun Unedo Putra Manurung (2015) dengan judul Implementasi Least Square

Dalam Untuk Prediksi Penjualan Sepeda Motor (Studi Kasus: Pt.Graha

Auto Pratama).

Djarwanto, Statistik Sosial Ekonomi, Edisi Tiga, BPFEE Yogyakarta, 2001.

Elyas Shivanian, Saeid Abbasbandy (2017) dengan judul Multiple  Solutions Of A 

Nonlinear Reactive Transport Model Using LeastSquarePseudo-Spectral

Collocation Method.
Erlangga. Safitri, T. 2016. Perbandingan Peramalan Menggunakan Exponential

Smoothing Holt-Winters dan ARIMA. Universitas Negri Semarang,

Semarang.

Fahmi, I. (2016). Manajemen Produksi Dan Operasi. Bandung: Alfabeta.

Gunawan dan Marwan, “Anggaran Perusahaan”, BPFE Yogyakarta, 2004.

Gaspersz, Vincent, Production Planning and Inventory Control, Gramedia Pustaka

Utama, Jakarta, 2005.

Handoko, T. H. (2011). Dasar-Dasar Manajemen Produksi Dan Operasi (Edisi

1). Yogyakarta: BPFE_YOGYAKARTA.

Hisyam Ihsan, Rahmat Syam, Fahrul Ahmad (2018) dengan judul Peramalan

Penjualan dengan Metode Exponential Smoothing (Studi Kasus :

Penjualan Bakso Kemasaan/Kiloan Rumah Bakso

Heizer, J., & Render, B. (2015). Manajemen Operasi (Edisi 11). Jakarta: Salemba

Empat.

Hutagalung Juliana (2014) dengan judul Analisis Peramalan Volume

Penjualan Oli Pada Pt Pertamina Lubricant.

Made A. A.D. Kusuma Anggraini (2015) dengan judul Analisis Peramalan

Penjualan Produk Sepeda Motor Matik Tipe Scoopy Dengan Metode

Kuadrat Terkecil Pada Pt. Mertha Buana Motor Tahun 2015.

Moting Su, Zongyi Zhang, Ye Zhu, and Donglan Zha (2019) dengan judul Data-

Driven Natural Gas Spot Price Forecasting with Least Squares

Regression Boosting Algorithm.

Muhammad Firman Alamsyah, Rintana Arnie (2016) dengan judul Model

 Aplikasi Prediksi Penjualan Sepeda Motor Dengan Metode Single

Moving Average

Nasution, Hakim dan Prasetyawan, Perencanaan dan Pengendalian Produksi,

Graha Ilmu, Yogyakarta, 2008.

Nasution, Hakim dan Arman, Perencanaan dan Pengendalian Produksi, Guna

Wijaya, Jakarta, 2003.

Ni Putu Lisna Padma Yanti, I.A Mahatma Tuningrat, A.A.P. Agung Suryawan

Wiranatha (2016) dengan judul Analisis Peramalan Penjualan Produk

Kecap Pada Perusahaan Kecap Manalagi Denpasar Bali

Palandeng, I. D., Ekonomi, F., & Manajemen, J. (2018). Sepeda Motor Suzuki

Pada Pt Sinar Galesong Mandiri Malalayang Analysis Of Sales Forecast

And Inventory For Suzuki Motorcycle Products At Pt Sinar Galesong

Mandiri Malalayang. 6(4), 2828–2837.

Render dan Hizer, Prinsip-Prinsip Manajemen Operasi, Salemba Empat, Jakarta,

2005.

Rosidi, Mohammad (2017) dengan judul Sistem Peramalan Stok Oli

Yamalube Dengan Metode Single Exponential Smoothing Pada Bengkel

Zat Besi Cycles

Saalini, B. Ruban Raja, T. Edwin Prabakaran (2018) dengan judul MV- Optimality

of Nearest Neighbour Balanced Block Designs using Autoregressive

Moving Average Model  (ARMA (1,1)) for Seven Treatments.

Siti Wardah, Iskandar (2016) dengan judul Analisis Peramalan Penjualan produk

Keripik Pisang Kemasan Bungkus (Studi Kasus : Home Industry Arwana

 Food Tembilahan).

Subagyo, P. (2013). Forecasting Konsep dan Aplikasi (3rd ed.). Yogyakarta:

BPFE_YOGYAKARTA.

Sumayang, Lalu, Dasar-Dasar Manajemen Produksi dan Operasi, Salemba Empat,

Jakarta, 2003.

Sugiyono. (2017). Metode Penelitian Kombinasi. Bandung: Alfabeta.

Supranto, J. 2000. Statistik: Teori dan Aplikasi. Jilid 1 Edisi keenam. Jakarta:

Tampubolon, P. M. (2004). Manajemen Opersional. Jakarta: Ghalia Indonesia.

Unedo, B., & Manurung, P. (2015). Implementasi Least Square Dalam

Untuk Prediksi Penjualan Sepeda Motor ( Studi Kasus : Pt . Graha Auto

Pratama ). 2(6), 21–24.

Tartisio Njoki Filder, Moses Mahugu Muraya and Robert Mathenge Mutwiri

(2019) dengan judul Application of Seasonal Autoregressive Moving

Average Models to Analysis and Forecasting of Time Series Monthly

Rainfall Patterns in Embu County,

Subagyo, Pangestu, Forecasting Konsep dan Aplikasi, BPFE, Jakarta, 2002.

https://id.m.wikipedia.org/wiki/Inflasi

http://ejournal.pelbeng.ac.id/index.php/ISI/article/download/112/105

https://www.bi.go.id/id/moneter/inflasi/data
LAMPIRAN
LAMPIRAN
I
 UNIVERSITASKUNINGAN No.Dokumen :

BerlakuSejak :
FAKULTASEKONOMI
Revisi :
PROGRAMSTUDI:AKUNTANSI&MANAJEMEN
Halaman :
(TERAKREDITASI BANPT.)

MATRIKPERBAIKANBIMBINGANSKRIPSI

NAMAMAHASISWA : Galih Dwi Handayani

NIM : 20170510366
Program Studi : Manajemen
Jenjang : S1
Tahun : 2021
Pembimbing I : Dr.H.AyusA.Yusuf,S.E.,M.Si
PembimbingII : H.RobiAwaludin.S.Pd., M.M
Konsentrasi : Manajemen operasional
Dengan Judul: “PERAMALAN PENJUALAN AHM OIL SPX2 DI ASTRA HONDA
AUTHORIZED SERVICESTATION (AHASS) 02660 GRIYA MOTOR”

Hasil Perbaikan Halaman

No Tgl Saran Perbaikan Hal
Perbaikan
1 14 -Revisi penyusunan bab1 Sudahdi
April 2021 dengan teori pirami da perbaikisesuaiarahan
terbalik
- Menambahkan lokasi
penelitian pada judul
- Menambahkan target
penjualan dengan realitas
- Mengganti rumusan
masalah point C dengan
rumusan kondisi saat ini
- Manfaat penelitian baca
referensi lain/contoh lain

2 4 • Judul skripsi pakai huruf

Sudan diperbaiki
Juni 2021 Kapital dan ditambahkan
dimana
• Memperjelas mengapa
memilih judul dan lokasi
 ini? Akibatnya apa yang
akan terjadi
• Rumusan masalah masih
bertumpuk. Rumusan
masalah pertama
seharusnya menjelaskan
kondisi saat ini, kedua
bagaimana hasil dan
yang ketiga mana.yang
lebih mendekati
kenyataan real.
• Pada penelitian
terdahulu, table tahun
bisa di hapus dan bisa
dituliskan dinama
peneliti. Jika lebih dari 5
halaman bisa dibuat
paragraph tidak perlu
tabel. Penelitian
terdahulu harus
mencakup hasil
penelitian orang lain,
persamaan dan
perbedaan nya apa
dengan penelitian kita.
• Hasil penelitian
terdahulu ditambah 5
sehingga menjadi 15
penelitian terdahulu.
• Tidak perlu ada
hipotesis.
• Di bab 3 harus ada data
primer dan sekunder.
3 4 Juli 2021  Revisi Bab II & III
Sudahdiperbaiki
Lihat jurnal sejenis untuk
melihat metode
deskriptif apa yang akan
digunakan.
 Kerangka pemikiran
salah. Seharusnya
dimulai dari perusahaan
dan seterusnya. Lihat
jurnal lain.
 Peneliti terdahulu dijeda
paragraph per 3 kata
sampai 5 kata paragraph
 baru.
 Populasi jangan menurut
Sugiono dan cari yang
lain. Sampel masih
keliru.
 Menjelaskan langkah-
langkah lebih detail pada
metode Moving
Average.
4 27
 Rapihkan lagi gambar Sudah diperbaiki
yang ada pada peneltian.
 Lengkapi daftar pustaka
dan lampiran.
 Membandingkan hasil
peramalan dengan 2
metode yang digunakan
untuk mengetahui
tingkat efektivitas.
 Perdalam lagi hasil
analisis dan
implementasi manajerial.
 Pada judul ditambahkan
lokasi kabupaten.
5 28
 Metode Least Square Sudahdiperbaiki
harus berisi langkah-
langkah dan paragraf di
paraphrase
 Judul Teknis Analisis
Data rubah menjadi
Teknik Analisis Data.
 Kata pada metode
penelitian pada BAB III
masih berulang. Perbaiki
sehingga menjadi
sistematis.
 Menambah waktu dan
tempat pada Objek
Penelitian.
 Ubah kata metodologi
Menjadi metode.
 6 10 Agustus  Revisi BAB 4 Jelaskan Sudahdiperbaiki
2021 secara detail hasil
penelitian.
 Bandingkan dengan
penelitian sebelumnya.
 Tambahkan implikasi
manajerial.
 BAB 5 Limitasi penelitian
pada saran.
 Saran penelitian
selanjutnya.

Kuningan, Agustus 2021

DosenPembimbingII WakilDekan I

(H.Robi Awaludin.S.Pd., M.M) (Enung Nurhayati,S.E.,Ak.,

M.Si.,CA
LAMPIRAN
II
Dokumentasi peneliti di lokasi penelitian
LAMPIRAN
III
1. Output hasil Metode Least Square

Bulan Y X X2 xy Nilai a Nilai b Nilai

trend

Januari 537 -17 289 -4913 513,4 -0,607 523.719

Februari 536 -15 225 -3375 513,4 -0,607 522.505

Maret 534 -13 169 -2197 513,4 -0,607 521.291

April 424 -11 121 -1331 513,4 -0,607 520.077

Mei 550 -9 81 -729 513,4 -0,607 518.863

Juni 530 -7 49 -343 513,4 -0,607 517.649

Juli 520 -5 25 -125 513,4 -0,607 516.435

Agustus 623 -3 9 -27 513,4 -0,607 515.221

September 519 -1 1 -1 513,4 -0,607 514.007

Oktober 477 1 1 1 513,4 -0,607 512.793

Nopember 479 3 9 27 513,4 -0,607 511.579

Desember 517 5 25 125 513,4 -0,607 510.365

Januari 2021 449 7 49 343 513,4 -0,607 509.151

Februari 445 9 81 729 513,4 -0,607

2021 507.937

Maret 2021 498 11 121 1331 513,4 -0,607 506.723

April2021 511 13 169 2197 513,4 -0,607 505.509

Mei2021 551 15 225 2275 513,4 -0,607 504.295

Juni2021 542 17 289 4913 513,4 -0,607 503.081

 ∑Y = ∑X ∑X2 = ∑Xy =

9242 =0 1938 -1176

Nilai a dapat dhitung dengan cara:

Nilai b dapat dihitung dengan cara :

Y = a + bX
Yjanuari = 513,4 – 0,607 (-17) = 523,719
Yfebruari = 513,4 – 0,607 (-15) = 522,505

Ymaret = 513,4 – 0,607 (-13) = 521,291

Yapril = 513,4 – 0,607 (-11) =

Jadi dibuat peramalan untuk bulan Juli 2021 yang dihitung sebagai berikut:

Y19 = 513,4 – 0,607(13) = 505,509

2. Output hasil Metode Moving Average

Bulan Penjualan Rata-rata bergeraktigabulanan

Januari 537 NA

Februari 536 NA

Maret 534 NA

April 424 535.67

Mei 550 498

Juni 530 502.67

Juli 520 501.33

Agustus 623 533.33

September 519 557.67

Oktober 477 554

Nopember 479 539.67

Desember 517 491.67

Januari 2021 449 491

Februari 2021 445 481.67

Maret 2021 498 470.33

April 2021 511 464

Mei 2021 551 484.67

Juni 2021 542 520

∑Y = ∑X = 0

9242
LAMPIRAN
IV
 DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI

Nama : Galih Dwi Handayani

Jeniskelamin : Perempuan

Tempat dantanggal lahir : Bandung, 26 September 1997

Agama : Islam

Alamat : Dusun II Kampung Babakan Rt/Rw

002/004 Desa Mandalajaya Kec. Maleber

Kab. Kuningan, Jawa Barat 45575

E-mail :handayanidwigalih@gmail.com

II. PENDIDIKAN

SD : SDN 2 Mandalajaya (2004-2010)

SMP : SMPN 1 Garawangi (2010-2013)
SMA : SMAN 3 Kuningan (2013-2016)
Pergurun Tinggi : Fakultas Ekonomi Universitas Kuningan (2021)