MAKALAH STATISTIKA

“Analisis Rekapitulasi Data Penjualan Pada Perusahaan

Ritel Setelah Naiknya Harga BBM”

Untuk memenuhi persyaratan nilai Ujian Akhir Semester ( UAS )

Mata Kuliah Statistika

Dosen Pengampu : Indra Prana, MM

Disusun Oleh :
Kelompok Ritel
• ADIATMA DWI SUSILO (17210923_17.3G.25)
• AHMAD DAEROBI (17210230_17.3F.25)
• RAHMAT HIDAYAT (17211096_17.3G.25)
• SHANTA HAPPY S (17211119_17.3G.25)
• YOPI RENALDI (17210967_17.3G.25)
• YOGA A.M.F (17210247_17.3F.25)
• ACEP MUHAMAD S (17210279_17.3G.25)
• ADRYAN (17210898_17.3G.25)
• BINTANG PERDANA (17210712_17.3G.25)
• IKHSANUL HAFIZH (17210902_17.3G.25)
• GIBRAN QAULAN S (17210819_17.3G.25)

Program Studi Teknologi Informasi

Fakultas Teknik dan Informatika
UNIVERSITAS BINA SARANA INFORMATIKA
Jl. Kamal Raya No. 18, Ringroad Barat, Cengkareng – Jakarta Barat
Telp. (021) 543776399 Fax. (021) 54376298
2022
 KATA PENGANTAR
Puji dan syukur kami panjatkan kehadirat Allah SWT atas segala karunia yang telah
dilimpahkan sehingga penulis dapat menyelesaikan makalah yang berjudul "Analisis
Rekapitulasi Data Penjualan Pada Perusahaan Ritel Setelah Naiknya Harga BBM”.
Sebagaimana ketentuan yang sudah berlaku di Fakultas Teknik dan Informatika
Universitas Bina Sarana Informatika, bahwa mahasiswa/i diharuskan menyusun makalah
sebagai salah satu persyaratan untuk memperoleh nilai UAS mata kuliah Statistika. Makalah
ini berisikan tentang informasi Analisis Rekapitulasi Data Penjualan Pada Perusahaan Ritel
Setelah Naiknya Harga BBM.
Terlepas dari semua itu, Kami menyadari sepenuhnya bahwa masih ada kekurangan
baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan terbuka
kami menerima segala saran dan kritik dari pembaca agar kami dapat memperbaiki makalah
ilmiah ini.
Akhir kata kami berharap semoga makalah statistika ini dapat memberikan manfaat maupun
inpirasi terhadap pembaca.

Jakarta, 24 November 2022

Penulis

i
 DAFTAR ISI

KATA PENGANTAR .................................................................................... i

DAFTAR ISI ................................................................................................... ii-iii

BAB I PENDAHULUAN ............................................................................... 4

1.1 Latar Belakang ................................................................................ 4-6
1.2 Rumusan Masalah ........................................................................... 7
1.3 Tujuan Penulisan ............................................................................. 7
1.4 Metode Penelitian............................................................................ 7
1.5 Sistematika Penulisan...................................................................... 8
BAB II TIJAUAN TEORITIS ...................................................................... 9
2.1 Sejarah Statistika .............................................................................. 9
2.2 Pengertian Statistika......................................................................... 10
2.3 Klasifikasi Jenis Data ....................................................................... 10
2.4 Jenis - Jenis Pengambilan Sample Data........................................... 10-11
2.5 Penyajian Data ................................................................................. 12-13
2.6 Pengertian Data Mining ................................................................... 13
2.7 Fungsi Data Mining ......................................................................... 13-14
BAB III PEMBAHASAN .............................................................................. 15
3.1 Analisis dan Penyajian Data Penjualan ........................................... 15
3.1.1 Tabel Rekapitulasi Penjualan Pada Bulan Agustus ............... 15-16
3.1.2 Tabel Rekapitulasi Penjualan Pada Bulan September ........... 17
3.2 Menentukan Nilai Tengah Atau Median ......................................... 18-22
3.3 Menentukan Nilai Rata - Rata ......................................................... 22-23
3.4 Menghitung Nilai Minimum Dan Maximum .................................. 24-26
3.5 Menentukan Jangkauan, Banyak Kelas, Panjang Kelas,Dan Modus 27
3.6 Diagram Pie...................................................................................... 28

ii
BAB IV PENUTUP ........................................................................................ 29
4.1 Kesimpulan ...................................................................................... 29
4.2 Saran................................................................................................. 29
DAFTAR PUSTAKA ..................................................................................... 30

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Bisnis ritel merupakan suatu usaha menyalurkan berbagai produk kepada konsumen
untuk di konsumsi sendiri. Ritel merupakan bisnis yang sangat menjanjikan seiring
meningkatnya kebutuhan konsumen, untuk itu banyak pelaku bisnis mulai berlomba dalam
meningkatkan strategi penjualannya. Perusahaan Retail ini merupakan jaringan minimarket
yang menyediakan kebutuhan pokok dan kebutuhan sehari – hari. Hal ini menjadikan peran
besar terutama bagi kelangsungan hidup konsumen.

Perusahaan Ritel memiliki kualitas dan kemutuan dalam setiap produk – produk,
sehingga menjamin konsumen mendapatkan produk yang premium. Untuk
menghitung/mengontrol pada sebuah penjualan supaya stabil atau bertumbuh yang dimana
sangat penting dalam memajukan perusahaan. Maka disini kami membuat sebuah analisis
mengenai persentase angka penjualan di perusahaan retail yang ada di Jakarta Barat Setelah
adanya kenaikan Harga BBM.

Perkembangan usaha ritel yang berjenis minimarket di Provinsi DKI Jakarta

Terkhususnya di lokasi City park Cengkareng Kota Jakarta Barat meningkat pertahunnya
(Badan Pusat Statisik, DKI Jakarta). Perusahaan ini merupakan jaringan bisnis ritel yang
bergerak di bidang pemenuhan kebutuhan pokok sehari – hari. Ritel ini bernaung di bawah
pimpinan PT. Indomarco Prismatama. Jumlah gerai Perusahaan Ritel ini terus meningkat
setiap tahunnya. Ritel ini di kelilingi banyak pesaing sejenis yang berkelas nasional seperti
Alfamart dan Alfamidi, serta banyaknya toko kelontong di sekitar minimarket yang tentu
berpengaruh terhadap pendapatan perusahaan. Hal ini pun menimbulkan persaingan antar
perusahaan ritel, konsumen sudah mulai cerdas dan selektif dalam masalah harga,
kenyamanan, kebersihan, kualitas barang dan lain sebagainya mendorong perusahaan
untuk menyusun strategi pemasaran yang efektif untuk menarik konsumen dan melakukan
perubahan sesuai dengan tren yang ada agar dapat bersaing serta lebih unggul dari
pesaingnya.

Produk merupakan segala sesuatu yang dapat ditawarkan produsen untuk

diperhatikan, dicari, dibeli, digunakan atau dikonsumsi pasar sebagai pemenuhan
kebutuhan atau keinginan pasar yang bersangkutan. Produk menjadi penentu komponen
strategi pemasaran yang lain, jenis produk yang berbeda akan mempengaruhi strategi
penjualan yang berbeda. Produk yang di jual di Perusahaan Ritel ini terbilang bervariasi
dan mampu memenuhi kebutuhan sehari-hari. Tetapi meski terbilang lengkap tetap saja
terdapat produk- produk tertentu yang belum memenuhi kriteria kebutuhan dan keinginan
konsumen. Keragaman dari produk yang ada di Ritel ini berpengaruh terhadap minat beli
konsumen. ketika seorang konsumer menginginkan suatu produk kemudian tersedia di
toko, tentu konsumen akan terdorong melakukan keputusan pembelian. Disamping
kelengkapan dan keragaman produk pertimbangan konsumen terhadap harga juga semakin
penting.

4
 Harga adalah nilai yang dipertukarkan konsumen untuk manfaat memiliki atau
menggunakan produk atau jasa (Kotler, 2009). Suatu produk yang memiliki harga sesuai
dengan manfaat yang di dapat tentu menjadi daya tarik tersendiri bagi konsumen,
konsumen akan lebih terpuaskan ketika produk yang mereka beli sesuai dengan daya beli
mereka. Harga menjadi tolak ukur konsumen untuk melakukan pembelian, harga
bergantung dengan kondisi ekonomi konsumen itu sendiri, strategi perusahaan mengenai
harga masih standar dengan toko-toko di perusahaan lain yaitu memasang label harga pada
produk dan rak minimarket.

Terlebih dari Informasi mengenai latar Belakang Perusahaan Ritel Ini ada Sebuah
Permaslahan dengan dampak kenaikan BBM dan sekarang, Kalangan ekonomi menyebut
naiknya harga bahan bakar minyak (BBM) berpotensi memberi dampak masif terhadap
bisnis ritel modern seperti Alfamart (AMET) Dkk. apabila daya beli masyarakat kelas
menengah melemah. Menurut Direktur Center of Economic and Law Studies (Celios)
Bhima Yudhistira, potensi melemahnya daya beli masyarakat kelas menengah cukup besar.
Sebab, naiknya harga BBM tidak diiringi dengan kompensasi yang sepadan.

Pertama, kenaikan harga BBM belum dikompensasi dengan kenaikan upah,

sedangkan BBM adalah kebutuhan pokok yang akan tetap dibeli sehingga mereka akan
mengurangi belanja untuk kebutuhan lain. Termasuk di ritel modern," Di samping itu,
segmen masyarakat kelas bawah yang mendapatkan subsidi berupa bantuan langsung tunai
(BLT) dengan anggaran total Rp12,4 triliun dinilai bukan merupakan segmentasi pasar
bisnis ritel modern, Uang subsidi tersebut diperkirakan bakal menyasar warung-warung
serta pasar tradisional yang merupakan segmentasi pasar masyarakat ekonomi kelas bawah,
Menyiasati kondisi tersebut, peritel modern dikatakan mungkin dapat melakukan berbagai
penyesuaian.Pertama, mengubah format etalase dengan menampilkan produk-produk
dengan harga yang sesuai dengan daya beli masyarakat.

Kedua,melakukan beberapa efisiensi seperti pengurangan beban operasional.

Misalnya, kata Bhima, pebisnis ritel dapat lebih selektif dalam melakukan ekspansi, baik
dari segi pemilihan lokasi maupun ukuran toko, "Ritel ini memang paling besar
terdampaknya karena kenaikan harga BBM karena bersentuhan langsung dengan
konsumen. Kalau kenaikan harga produk dirasa terlalu tinggi, bisa memengaruhi omzet,"
Pada perkembangan lain, emiten pengelola jaringan ritel, PT Indomarco Prismatama, masih
meminta data perubahan harga produk kepada produsen seiring dengan naiknya BBM.

Pertama, sebagai contoh, produsen menaikkan harga produknya di Perushaan Ritel

ini pada 15 Oktober 2022, tetapi masih menjual barang kepada peritel dengan harga lama
untuk pembelian terakhir. Dengan catatan, jumlah pembelian tidak melebihi batas rerata
yang ditentukan.

Kedua, terdapat juga kemungkinan produsen memberitahukan peritel bahwa

kenaikan harga bakal dilakukan, tetapi sudah menjual produk-produknya dengan nilai yang
sudah disesuaikan sebagai informasi, sebelumnya Komisi Pengawas Persaingan Usaha
(KPPU) juga sudah menanyakan perihal penyesuaian harga produk kepada Alfamart terkait
dengan kenaikan harga BBM. Sekadar informasi, Alfamart saat ini memiliki lebih dari 300
unit produsen yang memasok produk-produk kepada emiten berkode saham AMRT
tersebut .

5
 Lebih jauh, Solihin menjelaskan asosiasi produsen produk makanan dan minuman
(mamin) seperti Gabungan Pengusaha Produsen Makanan dan Minuman Indonesia
(Gapmmi) memiliki sejumlah pertimbangan dalam menyesuaikan harga produk. Gapmmi
sebagai gabungan produsen memperhitungkan komponen yang berdampak terhadap harga
jual terhadap peritel, seperti transportasi dan produksi yang menggunakan bahan bakar,"
jelasnya. Sebelumnya Ketua Umum GAPMMI Adhi Lukman mengatakan ongkos produksi
produk mamin berpotensi naik di kisaran 1-2 persen akibat kenaikan harga BBM.
Sebagaimana diketahui, harga bahan bakar solar sendiri mengalami kenaikan sekitar 24
persen dari Rp5.150 per liter menjadi Rp6.800 per liter sejak pemerintah menaikkan harga
pada akhir pekan lalu. Adhi juga menjelaskan ingkos logistik di industri maakanan dan
minuman saat ini memiliki kontribusi rata-rata sekitar 6 persen terhadap keseluruhan biaya
produksi. Di industri tersebut, sambungnya, BBM berkontribusi terhadap sekitar 50 persen
dari keseluruhan ongkos logistik. Sisanya, dikeluarkan untuk biaya supir tol dan lain-lain.

Berdasarkan uraian permasalahan diatas, kami tertarik untuk mengadakan

penelitian mengenai Dampak dan pengaruh kenaikan harga BBM terhadap penjualan di
bidang Bisnis Ritel. Untuk itu peneliti mengadakan penelitian dengan judul “Analisis
Rekapitulasi Data Penjualan di Perusahaan Retail Setelah Naiknya Harga BBM”.

6
1.2 Rumusan Masalah

Berdasarkan uraian di atas, rumusan masalah dalam penelitian ini adalah sebagai berikut:

1. Perbandingan rekapitulasi penjualan sebelum dan sesudah adanya kenaikan Harga

BBM.

2. Bagaimana Cara agar penjualan Tetap stabil atau meningkat dikala adanya kasus
kenaikan Harga BBM?

3. Apakah penurunan penjualannya sangat signifikan akibat pengaruh meningkatnya harga

BBM?

4. Bagaimanakah Analisa Mengenai pengaruh rekapitulasi data penjualan perusahaan ritel

Setelah naiknya harga BBM?

1.3 Tujuan Penulisan

Berikut ini adalah beberapa tujuan penulisan makalah :

1. Untuk memenuhi persyaratan dalam memperoleh nilai UAS Mata Kuliah Statistika

2. Untuk mengetahui Perbandingan dan pengaruh terhadap penjualan pada bisnis Ritel
setelah adanya kenaikan Harga BBM.

3. Untuk mengetahui perhitungan Rekapitulasi Data Penjualan Perusahaan Ritel Setelah

Naiknya Harga BBM

1.4 Metode Penelitian

Dalam penulisan makalah ini kami menggunakan metode study kepustakaan yaitu
proses pencarian dan pengumpulan data - data yang Real atau Valid (Sah) dan dari situs-
situs yang berhubungan dengan judul makalah yang kami buat.

7
1.5 Sistematika Penulisan

BAB I PENDAHULUAN, terdiri dari Latar Belakang, Rumusan Masalah, Tujuan

Penelitian, Metode Penelitian dan Sistematika Penulisan.

BAB II KAJIAN TEORI, membahas tentang Sejarah Statistika, Pengertian Statistika,

Klasifikasi Jenis Data, Jenis – Jenis Pengambilan Sample, Penyajian Data, Pengertian
Data Mining, Fungsi Data Mining.

BAB III PEMBAHASAN, dalam bab ini dikemukakan hasil penelitian mengenai Analisis
Rekapitulasi Data Penjualan Pada Perusahaan Ritel Setelah Naiknya Harga BBM.
BAB IV PENUTUP, membahas tentang Kesimpulan dan Saran. Kemudian terakhir berisi
Daftar Pustaka .

8
 BAB II
TINJAUAN TEORITIS

2.1 Sejarah Statistika

Gottfried Achenwall ( 1749 ) menggunakan Statistik dalam bahasa Jerman untuk
pertama kalinya sebagao nama bagi kegiatan analisis data kenegaraan, dengan
mengartikannya sebagai “ilmu tentang negara (state)”. Pada awal abad ke-19 telah terjadi
pergeseran arti menjadi “ilmu mengenai pengumpulan dan klasifikasi data”. Sir John
Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris.
Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-
lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya
melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan
yang berubah setiap saat.
Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-
bidang dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat
luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada
paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika
inferensi), Karl Pearson(metode regresi linear), dan William Sealey Gosset (meneliti
problem sampel berukuran kecil).
Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua
bidang ilmu pengetahuan, mulai dari astronomi hngga linguistika. Bidang – bidang
ekonomi, , biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi
oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti
ekonometrika, biometrika (atau biostatistika), dan psikometrika.
Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika,
tetapi sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait
dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika
sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di
dalam departemen tersendiri maupun tergabung dengan matematika.

9
2.2 Pengertian Statistika
Pada hakekatnya statistik adalah suatu kerangka teori-teori dan metode-metode
yang telah dikembangkan untuk melakukan pengumpulan, analisis, dan pelukisan data
sampel guna memperoleh kesimpulan-kesimpulan yang bermanfaat.
Adapun statistika adalah ilmu tentang cara-cara mengumpulkan, menggolongkan,
menganalisis, dan mencari keterangan yang berhubungan dengan pengumpulan data yang
penyelidikan dan kesimpulannya berdasarkan bukti-bukti yang berupa angka-angka.
Secara umum kedudukan statistika memiliki beberapa manfaat, antara lain:
a) Menyajikan data secara ringkas dan jelas, sehingga lebih mudah dimengerti
oleh para pengguna.
b) Menunjukkan trend atau tendensi perkembangan suatu masalah.
c) Melakukan penarikan kesimpulan secara ilmiah.

2 .3 Klasifikasi Jenis Data

1. Menurut Jenis Data :
a. Data Hitung ( enumeration / counting data )
Data hitung adalah hasil perhitungan jumlah tertentu yang termasuk data hitung
adalah persentase dari suatu jumlah tertentu.
b. Data Ukur ( Measurement Data )
Data ukur adalah yang menunjukan ukuran mengenai nilai sesuatu.
2. Menurut Sifatnya :
a. Data Kuantitatif ( Quantitative data )
Data kuantitatif adalah data mengenai penggolongan dalam hubungannya
dengan penjumlahan.
b. Data Kualitatif
Data Kualitatif adalah data mengenai penggolongan dalam hubungannya
dengan kualitas atau sifat tertentu.
3. Menurut Sumber Data :
a. Data Internal (Internal Data)
Data internal adalah data yang asli, artinya data sebagai hasil observasi yang
dilakukan sendiri, bukan data hasil karya orang lain.

10
b. Data Eksternal (External Data)
Data eksternal adalah data hasil observasi orang lain, seseorang boleh saja
menggunakan data untuk suatu keperluan, meskipun data tersebut merupakan hasil
kerja orang lain. Data eksternal ini di bagi menjadi dua :
• Data Eksternal Primer (primary external data)
Data primary eksternal adalah data dalam bentuk ucapan lisan atau tulisan dari
pemiliknya sendiri, yakni orang yang melakukan observasi sendiri.
• Data Eksternal Sekunder (secondary external data)
Data eksternal sekunder adalah data yang diperoleh bukan dari orang lain yang
melakukan observasi melainkan melalui seseorang atau sejumlah orang lain.
4. Menurut Cara Memperolehnya :
a. Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh
peneliti perorangan maupun organisasi.
b. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek
penelitian.
5. Menurut Waktu Pengumpulannya :
a. Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu.
b. Data berkala
Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke
waktu atau periode secara historis.

11
2.4 Jenis-jenis Pengambilan Sample Data
Jenis-jenis pengambilan sample yaitu :
1) Random sederhana (simple random sampling) adalah pengambilan sampel secara
acak sehingga setiap anggota populasi mempunya kesempatan yang sama untuk
menjadi sampel, misalnya dengan cara undian.
2) Random berstrata (Stratified Random Sampling) adalah pengambilan sampel yang
populasinya dibagi-bagi menjadi beberapa bagian/stratum. Anggota-anggota dari
stratum dipilih secara random, kemudian dijumlahkan, jumlah ini membentuk anggota
sampel
3) Sistematis (Systematic Sampling) adalah pengambilan sampel berdasarkan urutan
tertentudari populasi yang telah disusun secara teratur dan diberi nomer urut.
4) Luas/Sampel Kelompok (Cluster sampling) adalah pengambilan sampel tidak
langsung memilih anggota populasi untuk dijadikan sampel tetapi memilih kelompok
terlebih dahulu. Yang termasuk sebagai sampel adalah anggota yang berada dalam
kelompok terpilih tersebut.
2.5 Penyajian Data
Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitan yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan
yang diinginkan. Data yang disajikan harus sederhana dan jelas agar muda dibaca.
Penyajian data juga dimaksudkan agar para pengamat dapat dengan mudah memahami
apa yang kita sajikan untuk selanjutnya dilakukan penilaian atau perbandingan, dan lain-
lain.
Tujuan penyajian data adalah:
1. Memberi gambaran yang sistematis tentang peristiwa-peristiwa yang merupakan hasil
penelitian atau observasi,
2. Data lebih cepat ditangkap dan dimengerti,
3. Memudahkan dalam membuat analisis data,
4. Membuat proses pengambilan keputusan dan kesimpulan lebih tepat, cepat, dan akurat.
Cara penyajian data ada tiga macam, yaitu :
1. Narasi, yaitu penyajian data hasil penelitian dalam bentuk kalimat.
2. Tabel, yaitu kumpulan angka-angka yang disusun menurut kategori-kategori. Misalnya
berat badan menurut jenis kelamin, jumlah pegawai menurut pendidikan, jumlah
penjualan menurut jenis barang dan daerah penjualan, dll.

12
 3. Grafik atau Diagram, yaitu gambar-gambar yang menunjukkan secara visual data
berupa angka atau simbol-simbol yang biasanya dibuat berdasarkan data
dari tabel yang telah dibuat.
2.6 Pengertian Data Mining
Data mining merupakan tahap analisa data serta mencari pola tersembunyi secara
otomatis atau semi otomatis. Data mining, menurut Gartner group, merupakan proses
mencari lkorelasi, pola, dan rend melalui big data, kemudian digunakan teknologi
pengenalan pola, teknik statistika, dan matematika dengan tujuan mendapatkan pola atau
model terbaru yang lebilh tepat, berguna dan mudah untuk dimengerti dalam suatu
database yang sangat besar (massive base).

Akivitas data mining sendiri mencangkup pengumpulan, penggunaan data

sebelamnya untuk menemukan keselarasan, serta hubungan maupun pola yang terdapat
dalam se data yang berukuran besar (5).Pola alias korelasi berperan sebagai alat yang
memberikan penjelasan serta memberikan prediksi data terbaru. Selain itu data mining
juga dapat diartikan sebagai rangkaian proses yang bertujuan menghasilkan informasi
benilai dari sekumpulan data yang sebelumnya tidak benilai. Tidak hanya itu, data mining
juga dianggap mumpuni untuk mengolah data guna menghasilkan sebuah isu yang
menyampaikan pengetahuan. Dalam dunia jurnal ilmiah nama lain dari data mining adalah
Knowledge Discovery in Database (KDD).

Metode yang digunakan untuk mendapatkan pengetahuan asal dari sebuah database
merupakan definisi dari KDD. Dimana pada database dapat dijumpai tabel - tabel yang
saling berelasi. Yang kemudian pengetahuan tersebut dapat menjadi basis pengetahuan
(knowledge base) untuk kepentingan pengambilan keputusan.

2.7 Fungsi Data Mining

Data mining dapat berguna untuk memprediksi masa depan dengan menggunakan
pola yang ditemukan. Beberapa contoh keuntungan kompetitif dari data mining antara lain
peningkatan pendapatan. minimalisir pengeluaran serta kemampuan dalam meningkatkan
pemasaran. Beberapa fungsi dari data mining adalah sebagai berikut:

a. Fungsi Deskripsi (description)

Yaitu salah satu tehnik pada pembelajaran mesin (machine learning), yangg
memungankan mesin untuk memberikan penjelasan hasil analisa dalam bentuk iniromasi
rinci dan mudah dipahami. Informasi pada umumnya tersaji dalam bentuk ann meric
maupun data statistika. Metode decision tree, neural network dan exploratory data analysis
merupakan contoh-contoh metode yang termasuk kedalam fungsi ini.

13
b. Fungsi Estimasi (estimation)

Teknik hampir menyerupai fungsi deskripsi, namun pada fungsi estimasi

variabelnya tidak menggunakan kategorikal melainkan numerik. Fungsi ini dapat
dimanfaatkan untuk menebak sebuah nilai yang belum diketahui, contohnya menerka
informasi gaji pegawai atas nama seseorang dan jabatannya. Point estimation, simple linier
regression, confident interval estimation dan corellation adalah beberapa contoh metode
yang masuk ke dalam fungsi estimasi.

c. Fungsi Prediksi (prediction)

Satu hal yang membedakan fungsi prediksi dengan fungsi estimasi dan klasifikasi
adalah hasil prediksi atau perkiraan nilai di masa depan. Fungsi prediksi dapat digunakan
untuk memprediksi produk roti pada tahun depan. Beberapa metode yangdigunakan pada
fungsi prediksi, yaitu k-nearest neightbor, decision tree dan neural newonk.

d. Fungsi Klasifikasi (classification)

Menggunakan variabel kategorikal, fungsi klasifikasi mampu memeriksa set record

besar yang mana tiap-tiap record memiliki informasi variabel target dan set input. Fungsi
klasifikasi dinilai mumpuni untuk memberikan gambaran kelas dari sebuah objek yang
labelnya tidak diketahui. Jenis yang paling sederhana dari fungsi klasifikasi adalah binner
yang atribut targetnya hanya memiliki dua nilai yang mungkin. Sedangkan jika memiliki
lebih dari dua nilai mungkin disebut nebagai target multelas. Metode seperti naive bayes,
k-nearest neightbor dan decisiom tree termasuk ke dalam pungsi klasifikasi.

e. Fungsi Pengelompokkan (clustering)

Fungsi pengelompokan mampu melakukan identifikasi data dengan karakteristik

tertentu Beberapa contoh metode yang digunakan pada fungsi pengelompokan, yakni k
means, hirearschical clustering serta self organizing map (SOM).

f. Fungi Asosiasi (association)

Keranjang pasar merupakan nama lain dari fungsi asosiasi, hal itu karena fungsi
asosiasi dapat menentukan produk atau barang yang paling banyak dibeli oleh konsumen
pasar. GRI algorithm, apriori,FP- growth dan generalize sequental pattern (GSP)
merupakan metode yang kerap digunakan dalam fungsi ini.

14
 BAB III
PEMBAHASAN
3.1 Analisis dan Penyajian Data Penjualan
Penjualan adalah fungsi yang paling penting dalam pemasaran karena menjadi
tulang punggung kegiatan untuk mencapai pasar yang dituju. Fungsi penjualan juga
merupakan sumber pendapatan yang sangat dibutuhkan untuk menutupi biaya-biaya yang
dikeluarkan oleh perusahaan.
Berdasarkan data yang kami kumpulkan dari perusahaan ritel yang kami Analisa
yaitu PT. Indomarco Prismatama yang berlokasi di City park Cengkareng Kota Jakarta
Barat, mengenai penjualan sebelum dan sesudah adanya kenaikan harga bbm dan kami
memperoleh data penjualan pada bulan Agustus - September 2022 adalah sebagai berikut.

3.1.1 Tabel Rekapitulasi Penjualan Pada Bulan Agustus

15
 Berdasarkan tabel diatas, adalah tabel sebuah penjualan pada PT. Indomarco
Prismatama dengan gerai di daerah City Park Cengkareng Kota Jakarta barat sebelum
naiknya harga BBM. dilihat berdasarakan indikator rekapitulasi sales yang hitung oleh staf
penjualan PT. Indomarco Prismatama terhadap penjualan sudah baik, rata-rata
growt/pertumbuhan sales sudah stabil mencapai target yang di tentukan ,oleh perusahaan
dan responden tentang pelayanan yang diberikan oleh staf penjualan terhadap konsumen
sudah baik atau netral, ini menunjukkan bahwa pelayanan yang diberikan oleh staf
penjualan terhadap konsumen belum bisa dikatakan baik dan tidak juga buruk.
Kemudian berdasarkan indikator pertanyaan Konsumen sagat terkesan setelah
melakukan pembelian barang belanjaan pada gerai toko PT. Indomarco Prismatama, rata-
rata jawaban responden tentang Konsumen sangat terkesan setelah melakukan pembelian
barang pangan atau kebutuhan lainnya pada salah satu gerai toko PT. Indomarco
Prismatama adalah netral sebanyak 314(std) struk per day atau jumlah rata rata masuknya
konsumen. ini menunjukkan semua konsumen terkesan setelah melakukan pembelian
barang disini.

16
3.1.2 Tabel Rekapitulasi Penjualan Pada Bulan September

Berdasarkan table di atas adalah rekapitulasi penjualan sesudah naiknya harga

BBM, yang di mana terlihat jelas perbedaan dengan turunnya penjualan pada bulan
September 2022.

17
3.2 Menentukan Nilai Tengah Atau Median
A. Menentukan Median Pada Penjualan Bulan Agustus
Dari kedua Data penjualan yang di ambil pada bulan Agustus dan September
dimana Data pada bulan Agustus adalah data penjualan sebelum kenaikan harga BBM
pada tahun 2022, berikut data penjualan pada bulan Agustus:

Dari Sekumpulan Data tersebut dapat di tentukan Nilai Tengah atau biasa di sebut dengan
median.

Untuk Median atau Nilai tengah sendiri dapat di artikan sebagai pemusatan data
yang membagi suatu data menjadi setengah (50%) data terkecilnya dan
terbesarnya,dengan syarat utama untuk menentukan median adalah dengan mengurutkan
data-data yang ada.

18
a. Langkah pertama untuk menentukan median pada data penjualan Agustus adalah
mengambil sebuah data penjualan pada bulan agustus,Berikut data penjualan pada
bulan Agustus:

b. Langkah kedua mengurutkan data terkecil hingga data terbesar dari data penjualan pada
bulan Agustus,berikut data penjualan bulan Agustus sebelum dan sesudah di urutkan,
dimana data beracak berwarna font Merah dan data berurutan memiliki font berwarna
Hijau.

Data Tidak berurutan Data Berurutan

19
 Dapat di simpulkan untuk median atau nilai tengah pada data penjualan bulan
Agustus memiliki dua nilai tengah,karena banyaknya jumlah data pada data penjualan
bulan Agustus 28 (dua puluh delapan) Data dengan kata lain sekumpulan data genap :
11.496.320 dan 11.542.248
Untuk menentukan median pada kedua data nilai tersebut dengan cara
menjumlahkan kedua data dan di bagi 2, rumusnya sebagai berikut.
½.(11.496.320+11.542.248) = 11.519.284
Maka median untuk data penjualan pada bulan Agustus adalah = 11.519.284

B. Menentukan Median Pada Penjualan Bulan September

Data penjulan pada bulan september adalah,sebagai berikut:

20
a. Ini adalah sekumpulan data pada bulan September

b. langkah selanjutnya adakah mengurutkan data terkecil hingga data terbesar

Dapat di lihat bahwa pada data penjualan bulan September adalah:

10.094.098 dan 10.343.758

21
 Maka untuk menghitung nilai median pada data bulan September yaitu dengan cara
menjumlahkan semua data yang sudah di urutkan dan di jumlahkan kemudian di bagi 2
dan cari nilai tengah atau mediannya, rumusnya sebagai berikut .

½.(10.094.098+10.343.758) = 10.218.928

Maka median untuk data penjualan pada bulan September adalah = 10.218.928

3.3 Menentukan Nilai Rata – Rata

Rata-rata atau yang biasa di sebut dengan mean adalah jumlah keseluruhan data di
bagi banyaknya data.
Untuk mengetahui dan menentukan rata – rata pada data penjualan bulan Agustus
dan September dengan menggunakan dua metode,yakni pada Bulan Agustus dengan
menggunakan rumus matematika antara lain:

Untuk jumlah keseluruhan data dan banyaknya data pada bulan Agustus, adalah
sebagai berikut:

22
Untuk perhitungan rata-rata pada bulan Agustus adalah:

Maka rata-rata pada data penjualan bulan Agustus adalah :

11.738.240

Untuk menghitung rata-rata pada bulan September dengan menggunakan

Microsoft Excel, yakni :

Rumus excel Avarage

Dapat dilihat dari tabel tersebut bawah data penjualan pada bulan September
berada pada kolom A dan berada pada baris 259-288, maka untuk rumus rata ratanya
adalah :

= Avarage(A259;A288)
Maka dari hasil rumus excel rata-rata pada data penjualan bulan September adalah
= 10.336.580

23
3.4 Menghitung Nilai Minimum dan Maximum
Nilai minimum adalah nilai terkecil dalam kumpulan data yang diurutkan. Nilai
maksimum adalah nilai terbesar dalam kumpulan data yang diurutkan. Median adalah
bilangan di tengah dalam kumpulan data yang diurutkan.

A. Menghitung Nilai Minimum dan Maximum data pada bulan Agustus

Pada sekumpulan data berurut penjualan bulan Agustus dapat di simpulkan

bahwa Rp. 9.050.394 adalah data penjualan paling kecil sedangkan untuk data
penjualan paling besar pada sekumpulan data penjualan bulan Agustus adalah
16.830,390 dimana pada data 9.050.394 jatuh pada tanggal 26 Agustus 2022 tepatnya
pada hari Jumat, dimana menurut data BMKG untuk wilayah Jakarta dan sekitarnya
mengalami Hujan ringan.
Sedangkan untuk data tertinggi pada penjualan barang di bulan Agustus adalah
16.830.390 tepatnya pada hari Rabu bertepatan pada tanggal 17 Agustus 2022, tepatnya
Hari kemerdekaan Indonesia dan pada tanggal tersebut merupakan Libur Nasional dan
di perkiraan Sebuah Toko mengadakan Diskon besar-besaran untuk beberapa Produk
Seabagi Turut Memperingati Hari Perayaan Ulang Tahun Indonesia ke -77,dan menurut
BMKG Cuaca pada tanggal 17 Agustus untuk wilayah Jakarta dan Sekitarnya Berawan.

24
 Jadi dapat disimpulkan bahwa cuaca dan hari besar atau hari libur nasional sangat
mempengaruhi data penjualan di suatu perusahaan.

B. Menghitung Nilai Minimum dan Maximum data pada bulan September

Sedangkan untuk menentukan nilai Max dan Min pada Data penjualan bulan
September dengan mengggunakan Microsoft Excel yakni menggunakan :

= Min untuk data paling kecil

= Max untuk data paling besar

Dapat di amati bahwa dari data tersebut berada pada kolom B dan baris 259 -
288
Maka untuk rumus Excel yang di gunakan pada data terkecil
=MIN(B259-B288)
= Rp. 7.828.952

25
Sedangkan untuk nilai terbesar pada data penjualan bulan September
=MAX(B259-B288)
= 15.145.364
Data nilai minimum penjualan di bulan September adalah 7.828.952 di hari
Kamis pada tanggal 15 September dan merupakan pertengahan bulan yakni sudah
melewati fase tanggal gajian, sedangkan untuk nilai Maximum penjualan pada bulan
September ialah 15.145.364 tepatnya pada hari Selasa tanggal 27 September 2022,
setelah di telusuri penyebab meningkatnya jumlah penjualan pada bulan September di
ketahui bahwa rata-rata perusahaan Swasta di Jakarta melakukkan penggajian pada
karyawannya di tanggal 25-28,dan dapat di simpulkan bahwa tanggal pada fase gajian
atau setalah fase gajian sangat mempengaruhi jumlah data penjualan di suatu
perusahaan.

26
3.5 Menentukan Jangkauan, Banyak Kelas, Panjang Kelas, dan Modus

1. Jangkauan
Jangkauan adalah selisih antara data terbesar dan data terkecil
Untuk jangkauan pada data penjualan di bulan Agustus ialah:
16.830.390 - 9.850.394 = 6.979.996
Sedangkan jangkauan pada data penjualan bulan September ialah:
15.145.364 - 7.828.952 = 7.316.412

2. Banyak Kelas
Cara menentukan banyaknya kelas pada data penjualan bulan Agustus dan
September
Dengan rumus K=1+3,33 log N
Dimana:
K: banyaknya kelas yang akan di buat
N: banyaknya data

Maka pada bulan Agustus Banyaknya kelas K = 1 + 3,3 (log 31) = 5.9214935896530
Sedangkan pada bulan September banyaknya kelas K= 1 + 3,3(log 30) =
5.8745001405748

3. Panjang interval Kelas

Panjang interval kelas adalah jarak antar tepi atas kelas dan tepi bawah kelas
dengan rumus

Panjang interval = jangkauan / banyaknya kelas

Pada Bulan Agustus: 6.979.996 / 5.9214935896530 = 1.178.755.9834898
Pada Bulan September : 7.316.412 / 5.8745001405748 =1.245.452.6895771

4. Modus
Modus dalam data pada data penjualan bulan Agustus dan September tidak
ada,karena data di katakan tidak memiliki modus apabila tidak memiliki mode atau
keteraturan data. Sedangkan pengertian dari modus adalah nilai yang sering keluar
dalam sebuah perkumpulan data.

27
3.6 Diagram Pie
Berikut adalah diagram pie yang dimana berguna untuk menunjukkan dan
membandingkan proporsi dari data. Diagram lingkaran tidak dapat menunjukkan
frekuensinya.

TOTAL AKUMULASI PENJUALAN PERBULAN

285,408,531
355,125,120

AGUSTUS SEPTEMBER

TOTAL AKUMULASI PENJUALAN

PERBULAN
AGUSTUS SEPTEMBER
Rp. 355,125,120 Rp. 285,408,531

Jika dilihat dari bentuk diagram bahwa persentase bulan Agustus lebih besar yakni
355,125,120 dan persentase pada bulan September 285,408,531 untuk menghitung selisih
perbandingan data data penjualan pada bulan Agustus dan September maka data
penjualan bulan Agustus di kurang dengan data penjualan bulan September yakni
355,125,120 - 285,408,531 = 69.716.607 ,jadi untuk selisih perbandingannya adalah Rp.
69.716.607.

Dimana sebelumnya diketahui bahwa bulan Agustus nilai data sebelum

meningkatnya harga Bbm dan bulan September nilai data sesudah harga Bbm meningkat,
jadi dapat di simpulkan pengaruh Bbm terhadap omset suatu perusahaan terkhususnya
pada perusahaan ritel ini sangat besasr jika dilihat dari selisih tersebut dibulatkan maka
pengaruhnya sebesar 70%.

28
 BAB III
PENUTUP
4.1 Kesimpulan

Dari hasil analisis rekapitulasi data penjualan pada perusahaan ritel setelah
naiknya harga BBM dapat kami simpulkan bahwa:

1. Jumlah Penjualan pada bulan agustus lebih tinggi dibandingkan dengan jumlah
penjualan pada bulan september karena bisa dilihat dari analisis dan penyajian data
penjualan jumlah konsumen pada bulan Agustus - September 2022.
2. Pada bulan agustus sebelum adanya kenaikan bbm data penjualan mengalami
kenaikan karena banyak event yang di adakan seperti event diskon special hari
kemerdekaan disini data penjualan tertinggi menunjukan angka penjualan hingga
Rp. 16.830.390.
3. Kenaikan Harga Bbm sangat mempengaruhi penjualan barang pada bulan
semptember 2022, disini angka penjualan pada nilai data maximum tidak melebihi
penjualan pada nilai data standar di bulan agustus. yaitu data penjualan maximum
di bulan September adalah sebesar Rp. 15.145.364.
4. Total akumulasi nilai data penjualan di bulan Agustus adalah Rp. 355. 125.120
sedangkan pada bulan September nilai data penjualan adalah Rp. 285.408.531 data
tersebut merupakan perbedaan nilai data penjualan setelah adanya kenaikan harga
bbm dan menunjukan penurunan penjualannya sangat signifikan jika dilihat dari
selisih tersebut kami mencoba membulatkan maka pengaruhnya sebesar 70%.
5. Disini Modus dalam data pada data penjualan bulan Agustus dan September tidak
ada, karena data di katakan tidak memiliki modus apabila tidak memiliki mode atau
keteraturan data, Sedangkan pengertian dari modus adalah nilai yang sering keluar
dalam sebuah perkumpulan data.

4.2 Saran
Berdasarka kesimpulan tersebut di atas, maka penulis menyarankan :

1. Hasil analisis ini diharapkan sebagai bahan evaluasi agar dapat mengetahui
tanggapan masyarakat umum, khususnya pada bidang perusahaan ritel di Kota
Jakarta Barat.
2. Perlu penelitian dan analisis lebih lanjut dengan kuantitatif penyebaran kuesioner
terhadap responden secara mendalam dan teliti tentang dampak kenaikan harga
BBM terhadap Rekapitulasi data Penjualan Pada Perusahaan Ritel.
3. Perlu adanya dialog dan sosialisasi hingga subsidi bagi para pelaku usaha yang
sudah tertekan akibat pandemi Covid-19 Khususnya Ritel, bukan hanya di cabang
City Park Cengkareng saja tetapi pada semua cabang atau bisnis ritel selain PT.
Indomarco Prismatama yang ada di Ibukota Jakarta atau seluruh Indonesia.

29
 DAFTAR PUSTAKA

• https://ekonomi.bisnis.com/read/20220913/257/1576579/bisnis-ritel-bisa-
terdampak-masif-oleh-kenaikan-harga-bbm-ini-penyebabnya
• https://sismatik.nusaputra.ac.id/index.php/sismatik/article/download/35/31
• http://eprints.ums.ac.id/45363/3/04.%20BAB%20I.pdf
• https://m.merdeka.com/indomaret/profil
• https://www.detik.com/edu/detikpedia/d-6140687/ketahui-jenis-jenis-
sampling-agar-tak-salah-saat-penelitian
• https://www.kajianpustaka.com/2014/03/distribusi-frekuensi.html
• https://zulfahmi95.wordpress.com/2016/11/12/makalah-statistik-penyajian-
data/
• Cara membuat diagram Pie dan Rumus Excel Avarage yang ada pada Slide
Materi Statistika.

30