MK : Ekonomi Manajerial

Kode : MKB 301701

SKS : 3 SKS

BAB IV
ESTIMASI PERMINTAAN
(FORECASTING)

Dr. Cahyo Budi Santoso, SE, MAk

CahyoBudiSantoso 08117000040 cafana_07@yahoo.com

 REFERENSI
 Achyari, Agus, 2011, Manajemen Operasi, Edisi
kedua, Cetakan keempat, UT, Jakarta
 Kumalaningrum, Kusumawati dan Hardani, 2011,
Manajemen Operasi, UPP STIM YKPN,
Yogyakarta

2
 TUJUAN
Mahasiswa mampu menjelaskan tentang :
1. Arti penting mengelola permintaan dan penawaran
2. Faktor yang mempengaruhi permintaan
3. Strategi mengelola permintaan
4. Strategi mengelola penawaran
5. Teori antrian
6. Metode forecast bagi organisasi bisnis
 TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini, mahasiswa diharapkan
mampu :
1. Memahami berbagai cara/metode dalam
melakukan peramalan
2. Memahami sistem peramalan, meliputi obyek
peramalan, teknik peramalan dan sistem komputer
yang dapat mendukung sistem peramalan

4
 PENDAHULUAN
 Peramalan (forecasting) merupakan suatu prediksi
kegiatan-kegiatan yang akan datang untuk tujuan
perencanaan.
 Perusahaan memerlukan peramalan yang akurat
terhadap permintaan konsumen untuk menurunkan
lead time, tingkat persediaan, waktu produksi dan
efisiensi kapasitas perusahaan.

5
 METODE FORECAST
1. Judgmental Method / Non Statistical Method,
berdasarkan pendapat :
1. Salesman
2. Sales Manager/Opini Eksekutif
3. Para Ahli /Konsultan/Teknik Delphi
4. Survey Konsumen /Riset Pasar
 METODE FORECAST
2. Statistical Method
1. Analisa Trend  satu variabel
1. Trend Bebas (Free Hand Method)
2. Rata-rata sederhana bergerak (Simple Moving
Average)
3. Setengah Rata-Rata (Semi Average Method)
4. Trend Momen (Moment Method)
5. Trend Least Square (Least Square Method)
6. Kuadratik / garis lengkung (Parabolic Method)
2. Analisa Korelasi  dua variabel atau lebih
1. Regresi tunggal
2. Regresi berganda
 METODE FORECAST
3. Specific Purpose Method
1. Analisa industri (market share analyisis)
2. Analisa jenis produk yang dihasilkan (product line
analysis)
3. Analisa pemakai akhir produk (end used analysis)
 MANA YANG DIPILIH ?
 Masing-masing metode mempunyai kelebihan
dan kekurangan masing-masing.
 Hasil pengukuran antara metode yang satu
dengan metode yang lainnya akan berbeda
 Metode yang digunakan tergantung faktor
periode, perilaku permintaan, pola data dll.
 Metode Kuantitatif (Statistical Method) dipakai
Metode Utama
 Metode Kualitatif dipakai sebagai bahan
pertimbangan lanjutan.
 #1. Trend Bebas

PT NUSA INDAH
DATA PENJUALAN
TAHUN 2018

BULAN JUMLAH (Unit)

January 1,850 3,000
February 1,800 2,500
March 1,900
April 2,000 JUMLAH (Unit) 2,000
May 1,950 1,500
June 2,020
July 1,980 1,000
August 1,960 500
September 2,000
October 2,200 -
November 2,240
December 2,220
JUMLAH 24,120

BULAN

Berapa rencana penjualan pada tahun 2019 ?

 Tarik garis lurus (bebas)

3,000

2,500

2,000
JUMLAH (Unit)

1,500
dst-nya
1,000

500

-
a ry ary rc h pril ay ne uly us t ber ber ber ber ary ary rch pril ay ne uly ust ber ber ber ber
u J g m to m m u ru a A M Ju J g m to m m
a nu bru Ma A M J Au pte Oc ve ce Jan eb M Au pte Oc v e ce
J Fe o e F o e
Se N D Se N D

BULAN
 Tentukan nilai forecast tahun 2019

3,000

2,500

2,000
JUMLAH (Unit)

1,500

1,000

500

-
a ry ary rc h pril ay ne uly us t ber ber ber ber ary ary rch pril ay ne uly ust ber ber ber ber
u J g m to m m u ru a A M Ju J g m to m m
a nu bru Ma A M J Au pte Oc ve ce Jan eb M Au pte Oc v e ce
J Fe o e F o e
Se N D Se N D

BULAN
 PT NUSA INDAH PT NUSA INDAH
DATA PENJUALAN RENCANA PENJUALAN
TAHUN 2018 TAHUN 2019

BULAN JUMLAH (Unit) BULAN JUMLAH (Unit)

January 1,850 January 2,200
February 1,800 February 2,240
March 1,900 March 2,300
April 2,000 April 2,350
May 1,950 May 2,380
June 2,020 June 2,400
July 1,980 July 2,440
August 1,960 August 2,480
September 2,000 September 2,510
October 2,200 October 2,530
November 2,240 November 2,560
December 2,220 December 2,590
JUMLAH 24,120 JUMLAH 28,980
 #2. Rata-rata Sederhana Bergerak
PT NUSA INDAH
DATA PENJUALAN Rencana penjualan = ∑ Penjualan sebanyak n
TAHUN 2018
n
BULAN JUMLAH (Unit) Rencana penjualan Januari 2019
January 1,850 =2.220+2.240+2.200+2.000+1.960+1.980
February 1,800 6
March 1,900
= 2.100
April 2,000
May 1,950 Rencana penjualan Februari 2019
June 2,020 =2.100+2.220+2.240+2.200+2.000+1.960
July 1,980
6
August 1,960
September 2,000
= 2.120
October 2,200 Rencana penjualan Maret 2019
November 2,240
=2.120+2.100+2.220+2.240+2.200+2.000
December 2,220
JUMLAH 24,120 6
= 2.147
dstnya….

Berapa rencana penjualan pada tahun 2019 ?

 PT NUSA INDAH
RENCANA PENJUALAN
TAHUN 2019

BULAN JUMLAH (Unit)

January 2.100
February 2.120
March 2.147
April 2.168
May 2.162 Apakah boleh mengolah datanya per 5 bulan
June 2.150 atau per 3 bulan ?
July 2.141
August 2.148
September 2.153
October 2.154
November 2.151
December 2.149
JUMLAH 25.743
 #3. Trend ½ rata-rata
 Y’ = a+bX
• a = rata-rata Kelompok 1 (K1)
• b= (rata-rata K2 - rata-rata K1)
n

• n = jarak waktu antara K1 dengan K2

• X = jarak waktu antara K1 dengan tahun yang diinginkan
 Data genap
• Jumlah data dibagi dua
 Data ganjil
• Jumlah data dibuat genap
• Data tengah ditulis 2X
 Contoh
PT ROMANSA
DATA PENJUALAN
TAHUN 2007 – 2018

TAHUN JUMLAH (Unit) (Y)

2007 1,850 Berapa forecast
2008 1,800
2009 1,900 penjualan 5 tahun yad ?
2010 2,000
2011 1,950
2012 2,020
2013 1,980
2014 1,960
2015 2,000
2016 2,200
2017 2,240
2018 2,220
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018

NO DATA TAHUN JUMLAH (Unit) (Y)

1 2007 1,850
2 2008 1,800
3 2009 1,900
4 2010 2,000
5 2011 1,950
6 2012 2,020
7 2013 1,980
8 2014 1,960
9 2015 2,000
10 2016 2,200
11 2017 2,240
12 2018 2,220
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018

NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK

1 2007 1,850    
2 2008 1,800  
3 2009 1,900  
4 2010 2,000  
5 2011 1,950  
6 2012 2,020    
7 2013 1,980  
8 2014 1,960  
9 2015 2,000  
10 2016 2,200  
11 2017 2,240  
12 2018 2,220    
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018

NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK

1 2007 1,850    
2 2008 1,800  
3 2009 1,900 11,520 1,920
4 2010 2,000  
5 2011 1,950  
6 2012 2,020    
7 2013 1,980  
8 2014 1,960  
9 2015 2,000 12,600 2,100
10 2016 2,200  
11 2017 2,240  
12 2018 2,220    
 Trend ½ rata-rata
 Y’ = a+bX
• a = rata-rata Kelompok 1 (K1)
•
b = rata-rata K2 - rata-rata K1
n

• n = jarak waktu antara K1 dengan K2

 Maka :
• a = 1.920
• b = 2.100 – 1.920 = 30
6

• Y’ = 1.920 + 30X
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018

NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK

1 2007 1,850    
2 2008 1,800  
3 2009 1,900 11,520
4 2010 2,000  
5 2011 1,950   1,920
6 2012 2,020    
7 2013 1,980  
8 2014 1,960  
9 2015 2,000 n
6 12,600
10 2016 2,200  
11 2017 2,240  
12 2018 2,220     2,100
 Forecast untuk 5 tahun yad (2011 – 2015)

jarak waktu antara K1 dengan

Y’ = 1.920 + 30X tahun yang diinginkan
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2023

NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK

1 2007 1,850    
2 2008 1,800  
3 2009 1,900 11,520 1,920 K1
4 2010 2,000  
5 2011 1,950
1
  1,920
6 2012 2,020    
7 2013 1,980 2  
8 2014 1,960 3  
9 2015 2,000 4 12,600 2,100
10 2016 2,200 5  
11 2017 2,240  
6
12 2018 2,220    
7
13 2019      
14 2020     8  
15 2021     9  
16 2022     ½  
17 2023      
 Forecast untuk 5 tahun yad (2019 – 2023)

PT ROMANSA
Y’ = 1.920 + 30X RENCANA PENJUALAN
Y2019 = 1.920 + 30.(9 ½ ) = 2.205 TAHUN 2019 - 2023
Y2020 = 1.920 + 30.(10 ½ )= 2.235
Y2021 = 1.920 + 30.(11 ½ ) TAHUN JUMLAH (Unit) (Y)
= 2.265
Y2022 = 1.920 + 30.(12 ½ )= 2.295 2019 2,205
Y2023 = 1.920 + 30.(13 ½ )= 2.325 2020 2,235
2021 2,265
2022 2,295
2023 2,325
 PT ROMANSA
DATA PENJUALAN
TAHUN 2007 - 2018

NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK

1 2007 1,850    
2 2008 1,800  
3 2009 1,900 11,520
4 2010 2,000  
5 2011 1,950   K1
6 2012 2,020     1,920
7 2013 1,980  
8 2014 1,960  
9 2015 2,000 12,600
10 2016 2,200  
11 2017 2,240  
12 2018 2,220    
2,100
 Bagaimana dengan data ganjil ?
PT ROMANSA
DATA PENJUALAN
TAHUN 2006 – 2018

NO DATA TAHUN JUMLAH (Unit) (Y)

1 2006 1,750
2 2007 1,850
3 2008 1,810
4 2009 1,890
5 2010 2,000
6 2011 1,950
7 2012 2,020
8 2013 1,980
9 2014 1,970
10 2015 2,100
11 2016 2,200
12 2017 2,240
13 2018 2,260
 - Jumlah data dibuat genap
- Data tengah ditulis 2X

NO DATA TAHUN JUMLAH (Unit) (Y)

1 2006 1,750
2 2007 1,850
3 2008 1,810
4 2009 1,890
5 2010 2,000
6 2011 1,950
7 2012 2,020
8 2012 2,020
9 2013 1,980
10 2014 1,970
11 2015 2,100
12 2016 2,200
13 2017 2,240
14 2018 2,260
NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK
1 2006 1,750    
2 2007 1,850    
3 2008 1,810    
4 2009 1,890    
5 2010 2,000    
6 2011 1,950    
7 2012 2,020    
8 2012 2,020    
9 2013 1,980    
10 2014 1,970    
11 2015 2,100    
12 2016 2,200    
13 2017 2,240    
14 2018 2,260    
NO DATA TAHUN JUMLAH (Unit) (Y) JUMLAH KELOMPOK RATA-RATA KELOMPOK
1 2006 1,780    
2 2007 1,850    
3 2008 1,810    
4 2009 1,890 13,300
5 2010 2,000     K1
6 2011 1,950     1,900
7 2012 2,020    
8 2012 2,020    
9 2013 1,980   6n  
10 2014 1,970    
11 2015 2,100 14,770 2,110
12 2016 2,200    
13 2017 2,240    
14 2018 2,260    
 Trend ½ rata-rata
 Y’ = a+bX
• a = rata-rata Kelompok 1 (K1)
•
b = rata-rata K2 - rata-rata K1
n
• n = jarak waktu antara K1 dengan K2
 Maka :
• a = 1.900
• b = 2.110 – 1.900 = 35
6

• Y’ = 1.900 + 35X
 Forecast untuk 5 tahun yad (2019 – 2023)

Y’ = 1.900 + 35X PT ROMANSA

Y2019 = 1.900 + 35.(10 )= 2.250 RENCANA PENJUALAN
Y2020 = 1.900 + 35.(11 )= 2.285 TAHUN 2019 - 2023
Y2021 = 1.900 + 35.(12 )= 2.320
TAHUN JUMLAH (Unit) (Y)
Y2022 = 1.900 + 35.(13 )= 2.355
Y2023 = 1.900 + 35.(14 )= 2.390 2019 2,250
2020 2,285
2021 2,320
2022 2,355
2023 2,390
 #4. TREND MOMENT
 Y’ = a + bX
 ΣY = n a + b ΣX
 ΣXY = a ΣX + b ΣX 2

 Dimana :
• Y’ = nilai trend
• Y = data historis
• X = parameter pengganti waktu
• n = banyaknya data
 Contoh

PT ABADI
DATA PENJUALAN
TAHUN 2010 - 2018

TAHUN JUMLAH (Unit) (Y)

2010 4,660 Berapa rencana
2011 4,680
2012 4,590 penjualan pada tahun
2013 4,710
2014
2015
4,740
4,750
2019 dan 2020 ?
2016 4,770
2017 4,780
2018 4,800
JUMLAH 42,480
 2

TAHUN JUMLAH (Unit) (Y) X XY X2

2010 4,660      
2011 4,680      
2012 4,590      
2013 4,710      
2014 4,740      
2015 4,750      
2016 4,770      
2017 4,780      
2018 4,800      
JUMLAH 42,480      

Karena jarak (interval) antara

deretan tahun sama, maka jarak
Isi parameter X (interval) parameter X juga selalu
sama
 TAHUN JUMLAH (Unit) (Y) X XY X2
2010 4,660 0    
2011 4,680 1    
2012 4,590 2    
2013 4,710 3    
2014 4,740 4    
2015 4,750 5    
2016 4,770 6    
2017 4,780 7    
2018 4,800 8    
JUMLAH 42,480 36    
 TAHUN JUMLAH (Unit) (Y) X XY X2
2010 4,660 0 0 0
2011 4,680 1 4680 1
2012 4,590 2 9180 4
2013 4,710 3 14130 9
2014 4,740 4 18960 16
2015 4,750 5 23750 25
2016 4,770 6 28620 36
2017 4,780 7 33460 49
2018 4,800 8 38400 64
JUMLAH 42,480 36 171,180 204
 subtitusi

TAHUN JUMLAH (Unit) (Y) X XY X2

JUMLAH 42,480 36 171,180 204

Y’ = a + bX
ΣY = n a + b ΣX 42.480 = 9a + 36b X4
ΣXY = a ΣX + b ΣX2 171.180 = 36a + 204b X 1
169.920 = 36a + 144b
171.180 = 36a + 204b -
- 1.260 = - 60b  b = 21
42.480 = 9a + 36b
42.480 = 9a + 36 (21) Y’ = a + bX
9a = 41.724 Y’ = 4.636 + 21X
a = 4.636
 Rencana penjualan 2019 dan 2020

Y’ = 4.636 + 21X
Y2019 = 4.636 + 21 (9) = 4.825
Y2020 = 4.636 + 21 (10) = 4.846

Jadi rencana penjualan tahun 2019 = 4.825 unit

Jadi rencana penjualan tahun 2020 = 4.846 unit
Rencana penjualan untuk 5 tahun yad

PT ABADI
BUDGET PENJUALAN
TAHUN 2019 - 2023
TAHUN JUMLAH (Unit) (Y)
2019 4,825
2020 4,846
2021 4,867
2022 4,888
2023 4,909
 Bagaimana dengan data genap ?
 Latihlah diri Anda !
 #5. TREND LEAST SQUARE
 Y’ = a + bX
 ΣY = na + bΣX
 ΣXY = a ΣX + b ΣX 2

 Syarat least square ΣX = 0

 Maka :
• ΣY = na
• ΣXY = b ΣX2

Ketentuan untuk parameter X

Data genap  -1,-3 (kelipatan ganjil)
Data ganjil  -1,-2 (kelipatan 1)
 Contoh

PT ABADI
DATA PENJUALAN
TAHUN 2010 - 2018

TAHUN JUMLAH (Unit) (Y)

2010 4,660
2011 4,680 Berapa rencana penjualan
2012 4,590
2013 4,710 5 tahun yad ?
2014 4,740
2015 4,750
2016 4,770
2017 4,780
2018 4,800
JUMLAH 42,480
 TAHUN JUMLAH (Unit) (Y) X XY X2
2010 4,660 -4 -18640 16
2011 4,680 -3 -14040 9
2012 4,590 -2 -9180 4
2013 4,710 -1 -4710 1
2014 4,740 0 0 0
2015 4,750 1 4750 1
2016 4,770 2 9540 4
2017 4,780 3 14340 9
2018 4,800 4 19200 16
JUMLAH 42,480 0 1,260 60

Data ganjil  -1,-2 (kelipatan 1)

Syarat ΣX = 0
 TAHUN JUMLAH (Unit) (Y) X XY X2
2010 4,660 -4 -18640 16
2011 4,680 -3 -14040 9
2012 4,590 -2 -9180 4
2013 4,710 -1 -4710 1
2014 4,740 0 0 0
2015 4,750 1 4750 1
2016 4,770 2 9540 4
2017 4,780 3 14340 9
2018 4,800 4 19200 16
JUMLAH 42,480 0 1,260 60

ΣY = na  42.480 = 9a  a = 4.720
ΣXY = b ΣX2  1.260 = 60b  b = 21
Y’ = a + bX
Y’ = 4.720 + 21X
Y’ = 4.720 + 21 X PT ABADI
Y2019 = 4.720 + 21 (5) RENCANA PENJUALAN
Y2020 = 4.720 + 21 (6) TAHUN 2019 - 2023
Y2021 = 4.720 + 21 (7
Y2022 = 4.720 + 21 (8) TAHUN JUMLAH (Unit) (Y)
Y2023 = 4.720 + 21 (9) 2019 4,741
2020 4,762
2021 4,783
2022 4,804
2023 4,825
 Data genap
PT ABADI
DATA PENJUALAN
TAHUN 2009 - 2018

TAHUN JUMLAH (Unit) (Y)

2009 4,670
2010 4,660
2011 4,680
2012 4,590
2013 4,710
2014 4,740
2015 4,750
2016 4,770
2017 4,780
2018 4,800
JUMLAH 47,320
 TAHUN JUMLAH (Unit) (Y) X XY X^2
2009 4.670 -9 - 42.030 81
2010 4.660 -7 - 32.620 49
2011 4.680 -5 - 23.400 25
2012 4.590 -3 - 13.770 9
2013 4.710 -1 - 4.710 1
2014 4.740 1 4.740 1
2015 4.750 3 14.250 9
2016 4.770 5 23.850 25
2017 4.780 7 33.460 49
2018 4.800 9 43.200 81
JUMLAH 47.150 0 2.970 330

Data genap  -1,-3 (kelipatan ganjil)

Syarat ΣX = 0
 TAHUN JUMLAH (Unit) (Y) X XY X^2
2009 4.670 -9 - 42.030 81
2010 4.660 -7 - 32.620 49
2011 4.680 -5 - 23.400 25
2012 4.590 -3 - 13.770 9
2013 4.710 -1 - 4.710 1
2014 4.740 1 4.740 1
2015 4.750 3 14.250 9
2016 4.770 5 23.850 25
2017 4.780 7 33.460 49
2018 4.800 9 43.200 81
JUMLAH 47.150 0 2.970 330

ΣY = na  47.150 = 10a  a = 4.715

ΣXY = b ΣX 2  2.970 = 330b  b = 9
Y’ = a + bX
Y’ = 4.715 + 9X
Y’ = 4.715 + 9X PT ABADI
Y2019 = 4.715 + 9 (11) RENCANA PENJUALAN
Y2020 = 4.715 + 9 (13) TAHUN 2019 - 2023
Y2021 = 4.715 + 9 (15)
TAHUN X JUMLAH (Unit) (Y)
Y2022 = 4.715 + 9 (17)
2019 11 4,814
Y2023 = 4.715 + 9 (19)
2020 13 4,832
2021 15 4,850
2022 17 4,868
2023 19 4,886
 #6. METODE KUADRATIK
 Y’ = a + bX + cX 2
 ΣY = na + cΣX2
 ΣXY = bΣX2
 ΣX2Y = aΣX2+ cΣX 4
 PT ABADI
DATA PENJUALAN
TAHUN 2010 - 2018

TAHUN JUMLAH (Unit) (Y)

2010 4,660
2011 4,680
2012 4,590
2013 4,710
2014 4,740
2015 4,750
2016 4,770
2017 4,780
2018 4,800
JUMLAH 42,480
 TAHUN JUMLAH (Unit) (Y) X XY X^2 X^2Y X^4
2010 4.660 -4 - 18.640 16 74.560 256
2011 4.680 -3 - 14.040 9 42.120 81
2012 4.590 -2 - 9.180 4 18.360 16
2013 4.710 -1 - 4.710 1 4.710 1
2014 4.740 0 - 0 - 0
2015 4.750 1 4.750 1 4.750 1
2016 4.770 2 9.540 4 19.080 16
2017 4.780 3 14.340 9 43.020 81
2018 4.800 4 19.200 16 76.800 256
JUMLAH 42.480 0 1.260 60 283.400 708

Y’ = a + bX + cX2
ΣY = na + cΣX 2
ΣXY = bΣX 2 42.4800 = 9a + 60c X 60
ΣX2Y = aΣX2+ cΣX 4  283.400 = 60a + 708c X9

2.548.800 = 540a + 3.600c

2.550.600 = 540a + 6.372c
c = 0,65 b = 21 a = 4.715,67
Y’ = 4.715,67 + 2.1 X + 0,65 X 2
Y’ = 4.715,67 + 2.1 X + 0,65 X 2
Y2019 = 4.715,67 + 2.1 (5) + 0,65 (5)2
Y2020 = 4.715,67 + 2.1 (6) + 0,65 (6)2
PT ABADI
Y2021 = 4.715,67 + 2.1 (7) + 0,65 (7)2 RENCANA PENJUALAN
Y2022 = 4.715,67 + 2.1 (8) + 0,65 (8)2 TAHUN 2019 – 2023
Y2023 = 4.715,67 + 2.1 (9) + 0,65 (9)2
TAHUN JUMLAH (Unit) (Y)
2019 4.837
2020 4.865
2021 4.894
2022 4.925
2023 4.957
 Metode mana yang terbaik ?
PT ABADI PT ABADI PT ABADI
BUDGET PENJUALAN
BUDGET PENJUALAN RENCANA PENJUALAN
TAHUN 2019 - 2023
TAHUN 2019 - 2023 TAHUN 2019 – 2023
TAHUN JUMLAH (Unit) (Y)
2019 4,825 TAHUN JUMLAH (Unit) (Y) TAHUN JUMLAH (Unit) (Y)
2020 4,846 2019 4,825 2019 4.837
2021 4,867 2020 4,846 2020 4.865
2022 4,888 2021 4,867
2023 4,909 2021 4.894
2022 4,888 2022 4.925
2023 4,909 2023 4.957
Trend moment Least square Kuadratik
Y’ = a + bX Y’ = a + bX Y’ = a + bX + cX 2
 Cara menentukan metode terbaik
1. Rata-rata penyimpangan baku
• Mencari rata-rata selisih data riil dengan data
trend
• Kriteria : metode terbaik adalah nilai yang
terkecil
2. Standar kesalahan peramalan (SKP)
• Kriteria : pilih nilai SKP yang terkecil

X = data riil

SKP = Σ(X-Y)2 Y = data trend

n = jumlah data
n-2 2 = derajat kebebasan hilang karena
ada 2 parameter yang diukur
 #1. Rata-rata penyimpangan absolut

TREND GARIS LURUS/LEAST SQUARE TREND GARIS LENGKUNG/KUADRATIK

DATA RIIL DATA TREND PENYIMPANGAN DATA RIIL DATA TREND PENYIMPANGAN
TAHUN TAHUN
(X) (Y) ABSOLUT (X-Y) (X) (Y) ABSOLUT (X-Y)
2010 4.660 4.679 - 19 2010 4.660 4.642 18
2011 4.680 4.688 -8 2011 4.680 4.659 21
2012 4.590 4.697 - 107 2012 4.590 4.676 - 86
2013 4.710 4.706 4 2013 4.710 4.695 15
2014 4.740 4.715 25 2014 4.740 4.716 24
2015 4.750 4.724 26 2015 4.750 4.737 13
2016 4.770 4.733 37 2016 4.770 4.760 10
2017 4.780 4.742 38 2017 4.780 4.785 -5
2018 4.800 4.751 49 2018 4.800 4.810 -10
JUMLAH 313 JUMLAH 202
RATA-RATA 31 RATA-RATA 20

Kesimpulan :
Rata-rata penyimpangan absolut metode least square 31 lebih besar dari rata-rata
penyimpangan absolut metode kuadratik sebesar 20, dengan demikian metode
yang terbaik adalah metode kuadratik/garis lengkung
 #2. Standar kesalahan peramalan
2
TREND GARIS SKP = Σ(X-Y) TREND GARIS
LURUS/LEAST SQUARE n-2 LENGKUNG/KUADRATIK
PENYIMPANGAN PENYIMPANGAN
(X-Y)^2 (X-Y)^2
ABSOLUT (X-Y) ABSOLUT (X-Y)
- 19 361 18 322
- 8 4 21 462
- 107 11.449 - 86 7.442
4 16
15 215
25 625
24 592
26 676
37 1.369 13 161
38 1.444 10 95
49 2.401 -5 20
JUMLAH 18.405 - 10 101
SKP 51 JUMLAH 9.410
SKP 37
Kesimpulan :
Nilai SKP metode least square sebesar 51 lebih besar dari metode kuadratik sebesar 37,
dengan demikian metode terbaik adalah metode kuadratik/garis lengkung
 #6. Regresi  > 1 variabel

 Tujuan : apakah ada variabel lain yang mempunyai

pengaruh pada perkembangan variabel yang
ditaksir
 Y’ = a + bX
 ΣY = na + bΣX
 ΣXY = a ΣX + b ΣX2

 X = variabel yang mempengaruhi

 Koefisien korelasi

n ΣXY - ΣX ΣY
r=
n ΣX 2 – (ΣX) 2 x n ΣY2 – (ΣY) 2

 r mendekati 1  kuat
 r mendekati -1  lemah
 r mendekati 0  tidak ada pengaruh
 PT TUNAS MEKAR
DATA JUMLAH PRODUK SUSU DAN JUMLAH BAYI LAHIR
TAHUN 2014 - 2018

JUMLAH SUSU JUMLAH BAYI

TAHUN (ribuan kaleng) (Y) (ribuan jiwa) (X)
2014 240 140
2015 240 160
2016 300 250
2017 420 300
2018 300 350
JUMLAH 1,500 1,200

1. Berapa jumlah susu yang akan dijual, apabila

jumlah bayi pada tahun 2019 sebanyak 350 jiwa ?
2. Bagaimana pengaruh jumlah bayi terhadap jumlah
susu yang dijual ?
 JUMLAH SUSU JUMLAH BAYI
TAHUN (ribuan kaleng) (ribuan jiwa) XY X2 Y2
(Y) (X)
2014 240 140 33,600 19,600 57,600
2015 240 160 38,400 25,600 57,600
2016 300 250 75,000 62,500 90,000
2017 420 300 126,000 90,000 176,400
2018 300 350 105,000 122,500 90,000
JUMLAH 1,500 1,200 378,000 320,200 471,600

Y’ = a + bX
ΣY = na + bΣX 1.500 = 5a + 1.200b X 240
ΣXY = a ΣX + b ΣX2 378.000 = 1.200a + 320.200b X 1
a = 168 b = 0,55
Y’ = 168 + 0,55X
Y2019 = 168 + 0,55 (350)
Y2019 = 388 ribu kaleng
Jadi jumlah susu yang akan dijual pada tahun 2019
sebanyak 388.000 kaleng
 Koefisien korelasi
n ΣXY - ΣX ΣY
r=
n ΣX 2 – (ΣX) 2 x n ΣY2 – (ΣY) 2

(5 x 378.000) – (1.200 x 1.500)

r=
(5 x 320.500) – (1.200)2 x (5x471.600) – (1.500)2

r = 0,6795
Jadi jumlah bayi yang lahir
sangat mempengaruhi jumlah
r mendekati 1  kuat penjualan susu bayi. Semakin
r mendekati -1  lemah banyak bayi yang lahir,
r mendekati 0  tidak ada pengaruh semakin banyak susu yang
terjual
 LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011 : 142)
 PT Global menghasilkan produk kembang gula
dengan kualitas prima. Perusahaan ini ingin
memprediksi volume kembang gula yang akan
terjual pada bulan Juni 2019. Perusahaan
menetapkan biaya promosi yang berbeda untuk
setiap bulan.
 Berikut ini adalah data mengenai volume penjualan
dan biaya promosi berdasarkan informasi historis
pada lima bulan terakhir.
 LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011 : 142)

VOLUME PENGELUARAN Pertanyaan :

BULAN PENJUALAN PROMOSI 1. Tentukan persamaan
(dalam lusin) (dalam ribuan Rp) regresi !
2. Tentukan koefisien
Januari korelasi antara volume
150 10.000
penjualan dengan biaya
Februari promosi
200 13.000
3. Apabila perusahaan
Maret menetapkan biaya
180 12.000 promosi kembang gula
April Rp 25 juta, berapa
320 16.000 ramalan volume
Mei penjualan pada bulan
400 20.000 Juni ?
 LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011)
 PT Ceria, menghasilkan tas dengan kualitas ekspor.
Perusahaan ini ingin memprediksi volume tas yang
akan terjual pada minggu ke enam. Perusahaan
menetapkan harga yang berbeda untuk setiap
minggu. Berikut ini adalah data mengenai harga
produk dan volume penjualan berdasarkan
informasi historis pada lima minggu terakhir.
MINGGU VOLUME PENJUALAN (Ribu Unit) HARGA (Rp)
1 90 1,000
2 100 1,300
3 150 1,500
4 180 1,600
5 200 2,000
 LATIHAN
(Maria Pampa Kumalaningrum dkk, 2011)
 Pertanyaan :
a) Tentukan persamaan regresi
b) Apabila perusahaan menetapkan harga tas Rp
2.500.000 per buah, berapa ramalan penjualan pada
minggu ke enam ?