B4B

DEMAND
FORCASTING
 Pengertian Peramalan
Bukan menduga (guess) !
Estimasi nilai atau karakteristik
 Sebuah pernyataan
masa depan
tentang nilai di masa Is the art of specifying meaningful information about
mendatang dari sebuah
variabel yang ingin
the future (Apakah seni menentukan informasi yang
diketahui, seperti bermakna tentang masa depan) (Narasimhan, et.al.,
permintaan (demand). 1995)
 Peramalan digunakan
untuk membuat
keputusan bernilai.
Informasi yang dipergunakan sebagai dasar untuk
 Jangka panjang
 Jangka pendek
membuat rencana
2
Mengapa Diperlukan
Masa depan (waktu tempat perencanaan dimaksud)
bersifat tidak pasti (uncertain)

Permintaan tidak pasti karena:

-Kompetisi
-Perilaku konsumen
-Siklus bisnis
-Upaya penjualan
-Siklus hidup produk
Diperlukan referensi untuk -Variasi random, dll.
perencanaan  hasil
peramalan
Peramalan dan Pengelolaan Permintaan 3
 “Hukum” dalam Peramalan

Hasil ramalan tidak

pernah tepat ! Semakin jauh ke masa
depan peramalan
dilakukan semakin
tidak handal hasilnya !
Detailed forecasts are
worse than aggregate
forecasts! (Perkiraan
terperinci lebih buruk dari
perkiraan agregat!)

Peramalan dan Pengelolaan Permintaan 4

 Pentingnya Peramalan Ekonomi
 Tujuan Peramalan Ekonomi adalah untuk
mengurangi risiko atau ketidakpastian yang
dihadapi perusahaan dalam pengambilan
keputusan jangka pendek atau jangka panjang
 Untuk menjawab:
1. Berapa banyak produk harus dibuat?
2. Harga berapa produk harus ditetapkan?
3. Berapa banyak biaya untuk iklan?
4. Bagaimana membuat rencana pertumbuhan
perusahaan?
 Langkah melakukan Peramalan Ekonomi
1. Langkah Pertama: Melakukan Peramalan Ekonomi Makro
tentang kegiatan ekonomi secara keseluruhan ie: GNP,
Kondisi Bisnis (ie: penjualan mobil2 baru, rumah2 baru,
listrik dll)
2. Langkah Kedua: Membuat peramalan Ekonomi Mikro
tentang permintaan dan penjualan dari industri dan
perusahaan
 Pangsa pasar Historis
 Strategi
Pemasaran yang direncanakan (perkenalan produk baru,
perubahan harga, upaya promosi)
3. Menentukan Teknik Peramalan – Kualitatif atau
Kuantitatif
 Kriteria Penentuan Metode Peramalan
1. Biaya persiapan peramalan dan
keuntungan yg dihasilkan dari
penggunaannya
2. Jangka waktu dalam pembuatan
keputusan
3. Periode waktu Peramalan (jangka pendek
atau jangka panjang)
4. Tingkat akurasi yang dikehendaki
5. Kualitas dan Ketersediaan Data
6. Tingkat kerumitan hubungan yang akan
diramalkan
 Peramalan Kualitatif
1. Teknik Survei
 Survei tentang pabrik dan para eksekutif bisnis dan rencana
pengeluaran untuk perlengkapan
 Survei tentang rencana perubahan inventori & harapan penjualan
 Survei tentang rencana pengeluaran konsumen
2. Jajak Pendapat (Opinion Polls)
 Jajak Pendapat Eksekutif (executif opinion)
 Jajak Pendapat tenaga penjual (salesman)
 Jajak Pendapat tentang keinginan konsumen (penelitian pasar)
 Pendapat para ahli yg dipandang memahami
 Lembaga-lembaga penyalur (chanel of distribution)
3. Mendapatkan Perspektif Luar Negeri
Sebab-Sebab Fluktuasi dalam deret waktu
Proyeksi Trend
Memproyeksi trend masa lalu dengan meletakkan suatu
garis lurus pada data, baik secara visual atau analisis
regresi

1. Model Regresi Linear 3. Estimasi laju Pertumbuhan

2. Model Laju Pertumbuhan

Dengan Persentasi Konstan
 TREND
 Trend merupakan gerakan jangka
panjang yang dimiliki kecenderungan
menuju pada satu arah, yaitu arah
naik dan turun. (Atmajaya, 2009)

 Trend adalah suatu gerakan

kecenderungan naik atau turun dalam
jangka panjang yang diperoleh dari
rata-rata perubahan dari waktu ke
waktu dan nilainya cukup rata atau
mulus (smooth). (Purwanto S.K., 2011)
METODE ANALISIS TREND
 METODE FREE HAND METHOD
 METODE SEMI RATA-RATA (SEMI AVERAGE METHOD)
 METODE TREND MOMENT
 METODE KUADRAT TERKECIL (LEAST SQUARE
METHOD)
 METODE METODE SETENGAH RATA - RATA
 Free hands method (metode tangan bebas)
Contoh :
Tahun Prod
Trend
(ton)
25
2000 2
20
.
2001 3
. .
.
Produksi
2002 6 15
2003 10
. .
10
2004 6
. .
2005
2006
12
14
5
. .
2007 17 00 01 02 03 04 05 06 07 08 09

2008 16 Tahun
2009 21
107 13
Metode Semi Rata-Rata (Semi Average Method)
 Metode setengah rata-rata
 Caranya:
 membagi data dalam dua bagian yaitu kelompok pertama dan
kelompok kedua.
 selanjutnya dua kelompok tersebut dipergunakan sebagai dasar
untuk perhitungan trend dan forecasting.

 persamaan untuk menghitung Metode setengah Rata-Rata (Semi

Average Method) adalah :
 Y= a + bx
Y= a + bx
Langkah-langkah Metode setengah Rata-Rata
(Semi Average Method)

 1. Membagi data dalam dua kelompok sama besar

 2. Menghitung rata-rata setiap kelompok
 3. Menghitung nilai “a”
 4. Menghitung Nilai “b”
 5. Menentukan Nilai “X”
 6. Nilai X untuk data genap adalah -5,-3,-1,+1,+3,+5
dan untuk data aganjil -3,-2,-1,0, +1, +2, +3
sebagi contoh untuk data berjumlah Genap ,
8 data maka menghutung X adalah:
Menghitung Nilai Forecast
 untuk menghitung nilai forecast, X yang dipergunakan adalah
berdasarkan perhitungan dari tahun dasar
 Misalkan data yang didapatkan adalah 8 tahun sebagaimana diatas,
maka Nilai X untuk tahun 2012 adalah sebagai berikut:
 Contoh :
 Sebuah Perguruan Tinggi
Swasta di surabaya,
berdasarkan laporan
keuangan didapatkan
laporan tahun 2004
sampai dengan 2012
adalah sebagai berikut:
Menghitung Trend: menggunakan table bantu
menghitung nilai “b”
 n= jumlah data =8,
 rata-rata kelompok 1 = 6930,75
 dan rata-rata kelompok 2 = 10081,75

 maka b adalah:
nilai “a”
 Persamaan Trend untuk kelompok 1
 rata rata pada kelompok 1 = 6930,75 .
 sehingga persamaan trend kelompok 1 adalah :

 Persamaan Trend untuk kelompok 2

 rata rata pada kelompok 2 = 10081,75
 sehingga persamaan trend kelompok 2 adalah :
Dengan menggunakan persamaan di atas maka
nilai Trend untuk data tersebut adalah :
berdasarkan hasil tabel maka garis trend
dan real dapat digambarkan
sebagai berikut:
Menghitung Forecast
 Berdasarkan analisa trend diatas, berapakah Forecast untuk tahun 2012,
untuk itu dilakukan perhitungan dengan menggunakan persamaan yang telah
ditemukan diatas: Y= 6930,75 + 393,875 X
 nilai X dihitung dengan berdasarkan tahun dasar, dengan mengacu pada
table sebelumnya maka nilai X untuk tahun 2012 adalah :
METODE TREND MOMENT
 Metode Trend Moment, menggunakan persamaan yang berbeda dengan
metode setengah rata-rata untuk menaksir nilai a dan nilai b dalam
persamaan trend :
 pada metode trend moment,
nilai X pada persamaan trend
dihitung dengan menjadikan
data pertama sebagai tahun
dasar dan nilai X=0.

 Contoh : sebagaimana data

pada kasus metode setengah
rata-rata maka akan dihitung
berapa nilai a dan b dengan
metode Tren Moment.
untuk memudahkan menyelesaikan perhitungan,
dibuatkan tabel penolong
sebagai berikut:
PERSAMAAN
METODE KUADRAT TERKECIL (LEAST
SQUARE METHOD)
 Metode untuk menghitung nilai trend pada tahun berjalan dan untuk
mencari forecast pada periode yang akan datang.
 Untuk menghitung nilai trend dan forecast terlebih dahulu menaksir
nila a dan b pada persamaan Y = a + bX.

 nilai X dihitung denganmengacu pada panduan jika :

 Data Gasal maka X : ...., -3,-2,-1,0,1,2,3 , ....
 Data Genap maka X : ...., -3, -1,1,3 , ....
 persamaan untuk menaksir nilai a dan b adalah:
 Contoh:
 Dengan menggunakan
data sebelumnya akan
dihitung berapa forecast
untuk tahun 2012.
Penyelesaian:
Untuk memudahkan perhitungan, maka dibuatkan tabel
pembantu sebagaimana di bawah ini:
Graph:
3. Metode Single Moving Average
 Metode single moving average
 Cara menghitung:
Jika menggunakan cara 3 bulan moving averages, maka
forecast satu bulan sebesar rata-rata 3 bulan sebelumnya.
Rumus:
X t  X t -1  ... X t - n 1
St 1 
n
St+1 = Forecast untuk periode ke t + 1
Xt = Data periode t
n = Jangka waktu moving averages.
3. Metode Single Moving Average
 Misal:
 Jika forecast dengan metode 3 bulan moving averages untuk bulan
April adalah
 Penjualan Januari 20.000 kg
Februari 21.000 kg
Maret 19.000 kg

X 3  X 2  X1
S4 
3
19.000  21.000  20.000
S4 
3
S4  20.000
3. Metode Single Moving Average

Forecast
Bulan Permintaan 3 bulan 5 bulan

Januari 20 - -
Februari 21 - -
Maret 19 - -
April 17 20.00 -
Mei 22 19.00 -
Juni 24 19.33 19.80
Juli 18 21.00 20.60
Agustus 23 21.33 20.00
September 20 21.67 20.80
Oktober 25 20.33 21.40
November 22 22.67 22.00
3. Metode Single Moving Average
 Metode Single Moving Average ini biasanya lebih cocok digunakan untuk
melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala
trend naik maupun turun, musiman dan sebagainya, melainkan sulit diketahui
polanya.
 Metode Single Moving Average mempunyai 2 sifat khusus:
 Untuk membuat forecast diperlukan data masa lalu selama jangka waktu
tertentu.
 Semakin panjang moving averages, maka akan menghasilkan moving
averages yang semakin halus.

 Menghitung forecast error

 Mean absolute error => E   X t  St

 Mean squared error =>

E 
X t  St 2
n
3. Metode Single Moving Average

3 bulan
Bulan Permintaan Forecast Error Absoluteerr (Error)2
or
Januari 20 - - - -
Februari 21 - - - -
Maret 19 - - - -
April 17 20.00 -3.00 3.00 9.00
Mei 22 19.00 3.00 3.00 9.00
Juni 24 19.33 4.67 4.67 21.78
Juli 18 21.00 -3.00 3.00 9.00
Agustus 23 21.33 1.67 1.67 2.78
September 20 21.67 -1.67 1.67 2.78
Oktober 25 20.33 4.67 4.67 21.78
November 22 22.67 -0.67 0.67 0.44
Desember 24 22.33 1.67 1.67 2.78
 3. Metode Single Moving Average

Perbandingan eror antara 3 bulan dan 5 bulan moving average

3 bln moving average 5 bln moving average

Mean absolut error 2.67 2.37
Mean squared error 8.81 7.54

Berdasarkan perbandingan tersebut, moving average dengan jangka waktu lebih lama, maka
forecasting akan menimbulkan penyimpangan lebih kecil.
 Semi Averages Method (Metode Setengah Rata-rata)
Prod Total Setengah
tahun b X1 X2 Y’ Y’’
(ton) Setengah Rata-rata
2000 2 -2 -7 0,84 0,84
2001 3 -1 -6 3,12 3,12
2002 6 27 a1 = 27/5 = (a2 - a1)/5 0 -5 5,40 5,40
2003 10 = 5,4 = (16,8 - 5,4) 1 -4 7,68 7,68
2004 6 = 2,28 2 -3 9,96 9,96
2005 12 3 -2 12,24 12,24
2006 14 4 -1 14,52 14,52
2007 17 84 a2 = 84/5 5 0 16,80 16,80
2008 20 = 16,8 6 1 19,08 19,08
2009 21 7 2 21,36 21,36

Y’ = 5,4 + 2,28 X1 Y’ = 16,8 + 2,28 X2

43
 Moving Averages Method (Metode Rata-rata Bergerak)
3 tahunan

Total
Tahun X Produksi (ton) Rata-rata Bergerak
Rata-rata
2000 1 2
2001 2 3 11 (11:3) 3,6667
2002 3 6 19 (19:3) 6,3333
2003 4 10 22 (22:3) 7,3333
2004 5 6 28 (28:3) 9,3333
2005 6 12 32 (32:3) 10,6667
2006 7 14 43 (43:3) 14,3333
2007 8 17 51 (51:3) 17,0000
2008 9 20 58 (58:3) 19,3333
2009 10 21
44
Kesimpulan :
 1. Analisa trend adalah analisa untuk mengetahui pola dan tendensi
pergerakan perusahaan ditinjau dari bidang yang diinginkan
 2. Beberapa analisa trend memeberikan hasil yang berbeda-beda
tetapi dalam batas yang sewajarnya.
 3. Forecast adalah untuk meramalkan volume dan jumlah pada
periode yang akan datang.
 4. Hasil dari Forecast sebagai dasar untuk menghitung budget pada
periode yang diharapkan.
 5. Perbandingan Hasil Forecast dari keempat metode adalah sebagai
berikut:
 6. Berdasarkan tabel maka didapatkan
bahwa hasil metode trend moment
dan Least square adalah sama yaitu
sebesar 12,092.86
Dan metode setengah rata-rata
berbeda yaitu sebesar 12051,13.
Any Queries ?
PERAMALAN DENGAN TREND

 Trend adalah rata-rata perubahan dalam jangka panjang

(biasanya tiap tahun)
 Trend dapat berupa trend naik yang disebut trend positif dan
dapat pula berupa trend turun yang disebut trend negatif
 Disebut trend positif apabila variabel yang diteliti (Y)
menunjukkan gejala kenaikan atau menunjukkan rata-rata
pertambahan
 Disebut trend negatif apabila variabel yang diteliti (Y)
menunjukkan gejala semakin menurun atau menunjukkan rata-
rata penurunan
 Trend dapat berupa trend linear, trend parabola/kwadratik,
dan trend eksponensial
47
Untuk menghitung trend ada 4 metode :

 Free hands method (metode tangan bebas)

 Semi averages method (metode setengah rata-rata)
 Moving averages method (metode rata-rata bergerak)
 Least square method (metode kwadrat terkecil)

48
 Free hands method (metode tangan bebas)
Contoh :
Tahun Prod
Trend
(ton)
25

. .
2000 2
20
2001 3
.
.
Produksi
2002 6 15
2003 10
. .
10
2004 6
. .
2005
2006
12
14
5
. .
2007 17 00 01 02 03 04 05 06 07 08 09

2008 20 Tahun
2009 21
111 49
 Semi Averages Method (Metode Setengah Rata-rata)
Prod Total Setengah
tahun b X1 X2 Y’
(ton) Setengah Rata-rata
2000 2 -2 -7 0,84
2001 3 -1 -6 3,12
2002 6 27 a1 = 27/5 = (a2 - a1)/5 0 -5 5,40
2003 10 = 5,4 = (16,8 - 5,4) 1 -4 7,68
2004 6 = 2,28 2 -3 9,96
2005 12 3 -2 12,24
2006 14 4 -1 14,52
2007 17 84 a2 = 84/5 5 0 16,80
2008 20 = 16,8 6 1 19,08
2009 21 7 2 21,36

Y’ = 5,4 + 2,28 X1 Y’ = 16,8 + 2,28 X2

50
 Moving Averages Method (Metode Rata-rata Bergerak)
3 tahunan

Total
Tahun X Produksi (ton) Rata-rata Bergerak
Rata-rata
2000 1 2
2001 2 3 11 (11:3) 3,6667
2002 3 6 19 (19:3) 6,3333
2003 4 10 22 (22:3) 7,3333
2004 5 6 28 (28:3) 9,3333
2005 6 12 32 (32:3) 10,6667
2006 7 14 43 (43:3) 14,3333
2007 8 17 51 (51:3) 17,0000
2008 9 20 58 (58:3) 19,3333
2009 10 21
51
 TREND LINEAR dengan Metode Kwadrat
 Terkecil
Trend linear adalah trend dengan menggunakan persamaan garis lurus:
Y = a + bX

Trend naik Trend turun

52
Trend Linier…

Formulasi: Ŷ= a+bx

Ŷ = Y cap= nilai trend (forecast)

a = konstanta
b = slope/kecondongan
x = waktu (tahun)

53
Rumus 1:

Y = n a + b X
XY = a X + b X2

54
Rumus 2 :

Y
a=
n

XY
b=
X2
55
Contoh:

 Suatu perusahaan mempunyai volume permintaan sebagai berikut:

Tahun Y(jutaan Rp) X XY X2

2003 110 -3 -330 9
2004 112 -2 -224 4
2005 125 -1 -125 1
2006 135 0 0 0
2007 140 1 140 1
2008 145 2 290 4
2009 150 3 450 9
∑ 917 0 201 28
56
Cari nilai a dan b:

Y 917
a= = = 131
n 7

XY 201
b= = = 7,18
X2 28
57
Jadi, persamaan trend:

Y’ = 131 + 7,18 X

Peramalan penjualan tahun 2010:

Y’ = 131 + 7,18 X
Y’ = 131 + 7,18 (4)
= 159,72
Peramalan penjualan tahun 2011:
Y’ = 131 + 7,18 X
Y’ = 131 + 7,18 (5)
= 166,9

58
Contoh soal:

Data produksi PT Prima Lestari 10 tahun terakhir sejak tahun 2001 sebagai
berikut:
2, 3, 6, 8, 10,12 ,14,17, 20 dan 21
a. Tentukan persamaan garis trendnya?
b. Tentukan peramalan tahun 2011 dan 2012 ?

59
Least Square Method
(Metode Kwadrat Terkecil)
X Y XY X2 Y2 Y’
Y 113
-5 2 -10 25 4
a= = = 11,3
-4 3 -12 16 9 n 10
-3 6 -18 9 36
-2 8 -16 4 64 XY 210
b= = = 1,91
-1 10 -10 1 100
X2 110
1 12 12 1 144
2 14 28 4 196
3 17 51 9 289 Y’ = 11,3 + 1,91X
4 20 80 16 400
5 21 105 25 441 Y’2011 = 22,76
0 113 210 110 1683 Y’ 2012= 24,67
60
Contoh soal:

Data pelanggan PT Telkom Tbk sebagai berikut :

Tahun Pelanggan (juta)

2001 5,0
2002 5,6
2003 6,1
2004 6,7
2005 7,2

Tentukan persamaan trend dan peramalan tahun 2006s/d 2011 dengan

61 metode least
square!
Lanjutan………………..

Tahun Pelanggan =Y Kode X Y.X X2

(tahun)
1997 5,0 -2 -10,0 4
1998 5,6 -1 -5,6 1
1999 6,1 0 0 0
2000 6,7 1 6,7 1
2001 7,2 2 14,4 4
  Y=30,6   Y.X=5,5 X2=10

Nilai a = 30,6/5=6,12
Nilai b =5,5/10=0,55
Jadi persamaan trend Y’=6,12+0,55x 62
 Trend
25

.
20
.
.
.
Produksi

15

.
.
10
.
.
5
.
. . . . . . .
0 2 4 6 8 10 12
Tahun
63
Least Square Method
(Metode Kwadrat Terkecil)
X Y Y = a + bX (Y = a + bX) X Y’
1 2 2 = a + 1 b 2 = 1 a + 1 b
2 3 3 = a + 2 b 6 = 2 a + 4 b
3 6 6 = a + 3 b 18 = 3 a + 9 b
4 10 10 = a + 4 b 40 = 4 a + 16 b
5 6 6 = a + 5 b 30 = 5 a + 25 b
6 12 12 = a + 6 b 72 = 6 a + 36 b
7 14 14 = a + 7 b 98 = 7 a + 49 b
8 17 17 = a + 8 b 136 = 8 a + 64 b
9 20 20 = a + 9 b 180 = 9 a + 81 b
10 21 21 = a + 10 b 210 = 10 a + 100 b
55 111 111 = 10 a + 55 b 792 = 55 a + 385 b
Y = n a + b X XY = a X + b X2
Dua persamaan normal
64
Y = n a + b X
XY = a X + b X2
 111 = 10 a + 55 b 55 6105 = 550 a + 3025 b

 792 = 55 a + 385 b 10 7920 = 550 a + 3850 b

1815 = 825 b
b = 1815/825
b = 2,2
111 = 10 a + 55 b
111 = 10 a + 55 (2,2)
111 = 10 a + 121
10 a = -10
a = -1
Y’ = -1 + 2,2X
65
 Deret Berkala dan Peramalan Bab 6

METODE ANALISIS TREND

2. Metode Kuadrat Terkecil

Menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data asli
dengan data pada garis trendnya.
P e l a n g g a n ( J u ta a n ) Trend Pelanggan PT. Telkom

8
7
6
5
4
3
2
Y = a + bX 1
0
97 98 99 00 01
a = Y/N
Tahun

b = YX/X2 Data Y' Data Y

66
METODE ANALISIS TREND: Trend Non
Linier
 TREND KUADRATIK
Merupakan trend yang nilai variabel tak bebasnya naik atau turun secara
linier atau terjadi parabola bila datanya dibuat scatter plot (hubungan
variabel dependen dan independen adalah kuadratik) dan merupakan metode
trend non linier.

67
Bentuk kurva trend kuadratik:

J u m la h P e la n g g a n
Trend Kuadratis

8.00

(ju ta a n )
6.00
4.00
2.00
0.00
97 98 99 00 01

Tahun

68
Formulasi trend kuadratik:
Ŷ = a + bX + cX2

Ŷ = Nilai trend yang diproyeksikan

a,b, c = konstanta (nilai koefisien)
X = waktu (tahun)

69
Lanjutan……..

 Untuk melakukan suatu peramalan dengan metode trend kuadratik, maka kita
harus mencari nilai konstanta a,b dan c terlebih dahulu dengan menggunakan
rumus sebagai berikut:

70
Rumus 1:

 Dengan menggunakan rumus tiga persamaan normal:

Y = n. a + b X + c X2
XY = a X + b X2 + c  X3
X2Y)= a X2 + b X3 + c X4

Jika menggunakan x dengan skala angka (…-3,-2,-1,0,1,2,3…) baik pada data

ganjil maupun genap maka, X dan  X3 = 0,

71
Lanjutan…..

sehingga persamaan diatas dapat disederhanakan menjadi:

Y = n. a + c X2
XY = b X2
X2Y= a X2 + c X4

72
Rumus 2:

(Y) (X4) – (X2Y) (X2)

a =
n (X4) - (X2)2

b = XY/X2

c = n(X2Y) – (X2 ) ( Y)/ n (X4) - (X2)2

73
 Contoh soal:
Hasil penjualan suatu perusahaan selama 11 tahun terakhir adalah sebagai
berikut:
Tahun Penjualan X X2 X3 X4 XY X2 Y
2000 801 -5 25 -125 625 -4.005 20.025
2001 820 -4 16 -64 256 -3.280 13.120
2002 862 -3 9 -27 81 -2.586 7.758
2003 923 -2 4 -8 16 -1.846 3.692
2004 1.005 -1 1 -1 1 -1.005 1.005
2005 1.103 0 0 0 0 0 0
2006 1.222 1 1 1 1 1.222 1.222
2007 1.360 2 4 8 16 2.720 5.440
2008 1.521 3 9 27 81 4.563 13.689
2009 1.702 4 16 64 256 6.808 27.232
2010 1.900 5 25 125 625 9.500 47.500
 13.219 0 110 0 1.958 74
12.091 140.683
Next……..

n= ganjil………2005; X=0
Persamaan normal:

1. Y = n. a + c X2
13.219= 11a + 110c

2. XY = b X2
12.091=110b b= 109,92

3. X2Y= a X2 + c X4 75

140.683= 110a + 1.958 c

Dari persamaan 1 dan 3

13.219 = 11 a + 110 c x10 132.190 = 110 a + 1.100 c

140.683 = 110 a + 1958c 140.683 = 110 a + 1.958 c
- 8.493 = -858 c
c = 9,90
Dari persamaan 1 =
13.219 = 11 a + 110 c
13.219 = 11 a + 110 (9,90)
11a = 13.219 - 1.089
11 a = 12.130
a = 1.102, 73
Jadi, persamaan forecastnya= 76

Ŷ = 1.102,73 + 109,92X + 9,90X2

Next……..

x= 6
Ŷ20I1 = 1.102,73 + 109,92(6) + 9,90(62)
= 1.102,73 + 659,52 + 356,4
= 2.118,65

77
Latihan soal:

Data jumlah pelanggan PT Telkom tahun 2002-2006sebagai berikut:

Tahun Y (jutaan)
2002 5,0
2003 5,6
2004 6,1
2005 6,7
2006
Carilah persamaan trend kuadratik dan 7,2
hitung peramalan jumlah pelanggan
tahun 2007 dan 2010 !
jumlah 30,6

78
 Jawab:

Tahun Y X XY X2 X2Y X4
1997 5,0 -2 -10,00 4,00 20,00 16,00
1998 5,6 -1 -5,60 1,00 5,60 1,00
1999 6,1 0 0,00 0,00 0,00 0,00
2000 6,7 1 6,70 1,00 6,70 1,00
2001 7,2 2 14,40 4,00 2880 16,00
  30.60 5,50 10,00 61,10 34,00

a = (Y) (X4) – (X2Y) (X2) = {(30,6)(34)-(61,1)(10)}/{(5)(34)-(10)2}=6,13

  n (X4) - (X2)2
b = XY/X2 = 5,5/10=0,55
c = n(X2Y) – (X2 ) ( Y) = {(5)(61,1)-(10)(30,6)}/{(5)(34)-(10)2}=-0,0071
n (X4) - (X2)2
Jadi persamaan kuadratisnya adalah Y =6,13+0,55x-0,0071x 2

79
Trend Non Linier :
Trend Eksponensial
Adalah suatu tren yang mempunyai pangkat atau eksponen dari waktunya.
Bentuk persamaan eksponensial dirumuskan sebagai berikut:

Y’ = a (1 + b)X

Y’ = a . bX
80
Grafik trend eksponensial

Trend Es kponens ial

P e la n g g a n
15,00

(ju ta a n )
J u m la h
10,00
5,00
0,00
97 98 99 00 01

Tahun

81
Rumus 1:

Log Ŷ = log a + x log b

 log Y
Log a =
n

 (x. log Y)
Log b =
 X2

82
Rumus 2:

Y’ = a (1 + b)X

Ln Y’ = Ln a + X Ln (1+b)
Sehingga a = anti ln (LnY)/n
b = anti ln  (X. LnY) -1
X2

83
Contoh soal:

 Suatu perusahaan mempunyai data penjualan sebagai berikut:

Tahun ‘92 ‘93 ‘94 ‘95 ‘96 ‘97 ‘98 ‘99 2000
Penjualan (Y) 72 87 104 125 150 180 216 259 311
Y= penjualan (unit)
Dengan menggunakan trend eksponensial, berapa proyeksi penjualan tahun
2001?

84
Next…..
Tahun Penjualan Log Y X X² X Log Y Ln Y X Ln Y
(Y)
1992 72 1,8573 -4 16 -7,4293 4,2767 -17,1068
1993 87 1,9395 -3 9 -5,8186 4,4659 -13,3977
1994 104 2,0170 -2 4 -4,0341 4,6444 -9,2888
1995 125 2,0969 -1 1 -2,0969 4,8283 -4,8283
1996 150 2,1761 0 0 0 5,0106 0
1997 180 2,2553 1 1 2,2553 5,1930 5,1983
1998 216 2,3345 2 4 4,6689 5,3753 10,7506
1999 259 2,4133 3 9 7,2399 5,5568 16,6704
2000 311 2,4928 4 16 9,9710 5,7398 22,9592
∑ 19,5827 0 60 4,7564 45,0908 10,9512

85
Next….

1. Log Ŷ = log a + x log b

 log Y 19,5827
Log a = = = 2,1758
n 9

 (x. log Y) 4,7564

Log b = = = 0,0793
 X2 60

86
Next……..

Jadi persamaan eksponensial:

Log Ŷ = log a + x log b
Log Ŷ = 2,1758 + 0,0793x

Peramalan Tahun 2001; x= 5

Log Ŷ2001 = 2,1758 + 0,0793(5)
= 2,5723
Ŷ2001 = 373,51.

87
Next….

2. Y’ = a (1 + b)X

Ln Y’ = Ln a + X Ln (1+b)
Sehingga a = anti ln (LnY)/n
a = anti ln (45,0908)/9
a = anti ln 5,0101
a = 149,9197

88
Next………..
b = anti ln  (X. LnY) -1
X2
b = anti ln 10,9512 -1
60
b = anti ln 0,1825 - 1
b = 1,2002 – 1 = 0,2002
Jadi, persamaannya Y’ = a (1 + b)X
Y’ = 149,9197 (1 + 0,2002)X
Y’ = 149,9197 .1,2002X
Y’2001 = 149,9197 .1,20025
Y’2001 = 149,9197. 2,4904
Y’2001 = 373,36
89
Contoh soal:

 Volume penjualan PT XYZ selama 5 tahun sejak tahun 2003 adalah 5, 5,6,
6,1, 6,7, dan 7,2

Tentukan persamaan trend eksponensialnya dan berapa forecast tahun 2008-

2011?

90
CONTOH TREND EKSPONENSIAL

Tahun Y X Ln Y X2 X Ln Y

1997 5,0 -2 1,6 4,00 -3,2

1998 5,6 -1 1,7 1,00 -1,7
1999 6,1 0 1,8 0,00 0,0
2000 6,7 1 1,9 1,00 1,9
2001 7,2 2 2,0 4,00 3,9
  9,0 10,00 0,9
Nilai a dan b didapat dengan:
a = anti ln (LnY)/n = anti ln 9/5=6,049
b = anti ln  (X. LnY) - 1 = {anti ln0,9/10}-1=0,094
(X)2 91
Sehingga persamaan eksponensial Y =6,049(1+0,094) x