PERAMALAN PENJUALAN

SEPEDA MOTOR MERK TVS

TAHUN 2018

NURUL RAHMA TIEFANI (24010115120009)

NUR MIFTA KHISNA (24010115120013)

JATI KURNIASIH (24010115120014)

ONY FIFI SEPTIYANI (24010115120027)
ENI SURINI (24010115120036)
LATAR BELAKANG MASALAH

• Sepeda motor adalah salah satu alat transportasi yang sangat banyak digunakan oleh masyarakat Indonesia
sehingga kebutuhan terhadap sepeda motor terus meningkat. Adanya permintaan sepeda motor yang terus naik
merupakan peluang besar bagi pelaku bisnis di Indonesia. Banyak merk-merk sepeda motor yang ada di
Indonesia, salah satunya adalah merk TVS yang merupakan salah satu produk dari TVS Motor Company.

• Selain berinovasi, pelaku bisnis juga harus mampu memperkirakan jumlah sepeda motor yang akan diproduksi
agar seimbang dengan permintaan masyarakat. Memperkirakan jumlah permintaan pelanggan merupakan salah
satu hal penting dalam bisnis karena berdampak langsung pada jumlah keuntungan yang didapat sehingga
diperlukan metode yang tepat untuk memperkirakan jumlah permintaan diperiode selanjutnya dengan modal
awal perhitungan yaitu berupa data penjualan periode sebelumnya.Atas dasar latar belakang masalah tersebut,
makalah ini akan kami beri judul “PERAMALAN PENJUALAN SEPEDA MOTOR MERK TVS TAHUN 2018”
PERMASALAHAN

Tahun Bulan Data Tahun Bulan Data

2016 Januari 95 2017 Januari 142
Februari 159 Februari 129 Suatu perusahaan sepeda motor menjual sepeda motor
Maret 187 Maret 131 merk TVS selama tahun 2016 dan 2017 dan
April 229 April 101 menghasilkan data sebagai berikut :
Mei 215 Mei 118 Bagian manajemen perusahaan ingin meramalkan hasil
Juni 147 Juni 67 penjualan menggunakan metode peramalan yang cocok
Juli 95 Juli 79 dengan data tersebut.
Agustus 187 Agustus 84

September 183 September 84

Oktober 128 Oktober 112

November 130 November 91
Desember 118 Desember 38
POLA DERET BERKALA

Dari gambar di samping, belum dapat

ditentukan data tersebut berpola trend atau
horizontal, oleh karena itu akan diuji dengan
beberapa metode.
ANALISIS RATA-RATA BERGERAK TUNGGAL
GRAFIK

Dari 3 grafik tersebut, terlihat bahwa MSE

terendah ada pada rata-rata bergerak tujuh bulanan
yaitu sebesar 965,920. Maka untuk metode rata-
rata bergerak tunggal, rata-rata bergerak yang
terbaik adalah rata-rata bergerak7 bulanan.
 ANALISIS RATA-RATA BERGERAK GANDA
Tahun Bulan Data S't(5) S"t(3x5) At Bt Ft e^2
2016 Januari 95
Februari 159
Maret 187
April 229
Mei 215 177 Periode yang digunakan adalah rata-
Juni 147 187,4
Juli 95 174,6 179,6667 169,5333 -2,53333
rata bergerak 3 x 5 (MA(3 x 5)).
Agustus 187 174,6 178,8667 170,3333 -2,13333 167 400 Berdasarkan analisa, diperoleh MSE
September 183 165,4 171,5333 159,2667 -3,06667 168,2 219,04
Oktober 128 148 162,6667 133,3333 -7,33333 156,2 795,24
sebesar 603,7135 dengan data
November 130 144,6 152,6667 136,5333 -4,03333 126 16 ramalan sebesar 76. Nilai MSE untuk
Desember 118 149,2 147,2667 151,1333 0,966667 132,5 210,25
2017 Januari 142 140,2 144,6667 135,7333 -2,23333 152,1 102,01
rata-rata bergerak ganda lebih kecil
Februari 129 129,4 139,6 119,2 -5,1 133,5 20,25 dibanding dengan MSE untuk rata-
Maret 131 130 133,2 126,8 -1,6 114,1 285,61 rata bergerak tunggal.
April 101 124,2 127,8667 120,5333 -1,83333 125,2 585,64
Mei 118 124,2 126,1333 122,2667 -0,96667 118,7 0,49 Maka dapat disimpulkan bahwa
Juni 67 109,2 119,2 99,2 -5 121,3 2948,49 penyelesaian paling baik adalah
Juli 79 99,2 110,8667 87,53333 -5,83333 94,2 231,04
Agustus 84 89,8 99,4 80,2 -4,8 81,7 5,29 dengan menggunakan metode Rata-
September 84 86,4 91,8 81 -2,7 75,4 73,96 rata Bergerak ganda 3 x 5 (MA(3x5)).
Oktober 112 85,2 87,13333 83,26667 -0,96667 78,3 1135,69
November 91 90 87,2 92,8 1,4 82,3 75,69
Desember 38 81,8 85,66667 77,93333 -1,93333 94,2 3158,44
76

MSE 603,7135
ANALISIS PEMULUSAN EKSPONENSIAL TUNGGAL
Tahun Bulan Data SMOO4 FITS4 RESI4
2016 Januari 95 95,092 97,453 -2,4534
Februari 159 156,592 95,092 63,9076
Maret 187 185,854 156,592 30,4080
April 229 227,374 185,854 43,1457
Mei 215 215,466 227,374 -12,3743
Juni 147 149,580 215,466 -68,4662 Dengan menggunakan pilihan
Juli 95 97,056 149,580 -54,5797
Optimal ARIMA maka diperoleh α
Agustus 187 183,611 97,056 89,9435
September 183 183,023 183,611 -0,6110 maksimal yaitu: 0,962321 dengan
Oktober 128 130,073 183,023 -55,0230
MSE : 1439,70
November 130 130,003 130,073 -0,0732
Desember 118 118,452 130,003 -12,0028
2017 Januari 142 141,113 118,452 23,5478
Februari 129 129,456 141,113 -12,1128
Maret 131 130,942 129,456 1,5436
April 101 102,128 130,942 -29,9418
Mei 118 117,402 102,128 15,8718
Juni 67 68,899 117,402 -50,4020
Juli 79 78,619 68,899 10,1009
Agustus 84 83,797 78,619 5,3806
September 84 83,992 83,797 0,2027
 ANALISIS PEMULUSAN EKSPONENSIAL GANDA
Tahun Bulan Data SMOO5 LEVE5 TREN5 FITS5
2016 Januari 95 94,252 94,252 39,5134 108,377
Februari 159 160,411 160,411 15,4178 133,765
Maret 187 187,625 187,625 14,6226 175,829
April 229 230,496 230,496 16,5574 202,247
Mei 215 213,208 213,208 14,2393 247,053
Juni 147 142,502 142,502 8,4213 227,447 Dengan menggunakan Pemulusan
Juli 95 91,873 91,873 4,3769 150,923 Eksponensial Ganda menghasilkan
Agustus 187 192,074 192,074 10,9400 96,250 MSE: 1452,46 dengan hasil maksimal α:
September 183 181,881 181,881 9,4925 203,014 1,05591 dan γ : 0,06849.
Oktober 128 124,457 124,457 4,9093 191,373
November 130 130,035 130,035 4,9552 129,366
Desember 118 117,050 117,050 3,7264 134,991
2017 Januari 142 143,187 143,187 5,2613 120,776
Februari 129 127,913 127,913 3,8548 148,448
Maret 131 130,957 130,957 3,7993 131,767
April 101 99,113 99,113 1,3580 134,756
Mei 118 118,980 118,980 2,6258 100,471
Juni 67 63,947 63,947 -1,3234 121,606
Juli 79 79,916 79,916 -0,1390 62,623
Agustus 84 84,236 84,236 0,1664 79,777
September 84 83,977 83,977 0,1373 84,403
ANALISIS PEMULUSAN EKSPONENSIAL TRIPEL
Tahun Bulan Data SMOO6 LEVE6 TREN6 SEAS6 FITS6
2016 Januari 95 159,736 171,218 -2,75175 0,91818 157,209
Februari 159 190,108 168,466 -2,75175 1,11033 187,053
Maret 187 207,247 165,714 -2,75175 1,23020 203,862
April 229 211,177 162,963 -2,75175 1,27434 207,671
Mei 215 211,604 160,211 -2,75175 1,29848 208,031
Juni 147 134,095 157,459 -2,75175 0,83699 131,792
Juli 95 108,977 154,707 -2,75175 0,69210 107,073
Agustus 187 165,979 151,956 -2,75175 1,07286 163,027
Dari grafik di atas dapat diketahui
September 183 161,684 149,204 -2,75175 1,06402 158,756
Oktober 128 145,296 146,452 -2,75175 0,97381 142,616 bahwa MSE yang dihasilkan adalah
November 130 131,609 143,700 -2,75175 0,89865 129,136
Desember 118 90,537 140,949 -2,75175 0,63004 88,804 917,667.
2017 Januari 142 129,416 138,197 -2,75175 0,91818 126,890
Februari 129 153,444 135,445 -2,75175 1,11033 150,389
Maret 131 166,625 132,693 -2,75175 1,23020 163,239
April 101 169,097 129,942 -2,75175 1,27434 165,590
Mei 118 168,727 127,190 -2,75175 1,29848 165,154
Juni 67 106,457 124,438 -2,75175 0,83699 104,154
Juli 79 86,124 121,686 -2,75175 0,69210 84,219
Agustus 84 130,553 118,935 -2,75175 1,07286 127,600
September 84 126,549 116,183 -2,75175 1,06402 123,621
Oktober 112 113,140 113,431 -2,75175 0,97381 110,460
November 91 101,935 110,679 -2,75175 0,89865 99,462
Desember 38 69,733 107,928 -2,75175 0,63004 67,999
 SIMPULAN
Jadi untuk peramalan terbaik adalah dengan menggunakan Rata-rata Bergerak Ganda atau dengan menggunakan
Metode Pemulusan Eksponensial Tripel dari Winters, karena menghasilkan nilai MSE yang terendah. Berikut
peramalan yang dapat dihasilkan:
• Ramalan penjualan sepeda motor merk TVS tahun 2018 dengan menggunakan Metode Rata-rata Bergerak Ganda
• Ramalan penjualan sepeda motor merk TVS tahun 2018 dengan menggunakan Metode Pemulusan Eksponensial
Tripel dari Winters
Bulan Data Ramalan
Januari 76
Februari 74,06667
Maret 72,13333
April 70,2
Mei 68,26667
Juni 66,33333
Juli 64,4
Agustus 62,46667
September 60,53333
Oktober 58,6
November 56,66667
Desember 54,73333