Peramalan (Forecasting) Penjualan
Dosen Pengampu : Ignatius Aryono Putranto, SE, M.Acc Disusun Oleh: 1.
Juliani Dora
(132114125)
2. Aleksander Liu
(132114171)
3. Yosie Dwinanda
(142114063)
4. Yulia Ratna Wulandari
(142114078)
5. Thomas Edo Kristian
(142114084)
6. Febby Virginia Fono
(142114151)
PROGRAM STUDI AKUNTANSI FAKULTAS EKONOMI TA 2016-2017 PERAMALAN (FORECASTING) PENJUALAN
Peramalan (forecasting) adalah perkiraan mengenai sesuatu yang belum terjadi. Peramalan bertujuan agar ramalan yang dihasilkan mampu meminimumkan pengaruh ketidakpastian yang dihadapi perusahaan, yang biasanya diukur dengan mean squarer error, mean absolute error, dsb. Hubungan Forecasting Dengan Rencana Forecasting/ramalan bukan merupakan rencana. Forecasting adalah ramalan tentang apa yang akan terjadi pada waktu yang akan datang, sedangkan rencana adalah penentuan apa yang akan dilakukan pada waktu yang akan datang. Forecast penjualan menjadi suatu alat yang penting, yang akan dapat mempengaruhi manajer dalam membuat perencanaan penjualan. Pengaruh Kebenaran Asumsi Asumsi mempunyai pengaruh terhadap ketepatan forecastyang dibuat. Jika asumsi yang dibuat tepat atau mendekati kenyataan, maka forecast yang dihasilkan juga akan mendekati kebenaran, sebaliknya jika asumsinya tidak tepat akan menyebabkan forecast yang dihasilkan akan mengalami penyimpangan. Pemilihan Metode Forecasting Untuk memilih metode forecasting penjualan dipengaruhi berbagai faktor sebagai berikut: Sifat produk yang dijual Metode distribusi yang dipakai (langsung-tidak langsung) Besarnya perusahaan dibandingkan pesaing-pesaingnya Tingkat persaingan yang dihadapi Data historis yang tesedia Sifat permintaan produk yang bersangkutan TEKNIK FORECASTING Berbagai teknik digunakan perusahaan untuk meramalkan penerimaan dan volume penjualan. Forecast penjualan dilakukan dengan memanfaatkan berbagai teknik forecasting, mencakup pengukuran secara kuantitatif yakni dengan menggunakan metode statistik dan matematik, dan pengukuran secara kualitatif yang biasanya menggunakan judgement. Dengan demikian forecasting menghendaki perpaduan antara analisa yang ilmiah dilengkapi dengan pendapat pribadi perencana. Teknik statistik dipakai sebagai alat primer bagi
penyusunan forecast, sedangkan interpretasi dan judgement digunakan sebagai pelengkap. Secara sistematik, teknik-teknik atau metode-metode forecast di kelompokkan menjadi. A. Forecasting berdasar pendapat (judgment method) Forecast penjualan bermanfaat untuk untuk menentukan keputusan dan kebijakan manajemen seperti :
Kebijakan perencanaan produksi
Kebijakan penetapan barang jadi
Kebiakan pemakaian mesin dan peralatan
Kebijakan tentang investasi aktiva tetap
Rencana pembelian bahan mentah dan penolong
Rencana aliran kas
Sumber – sumber pendapat yang dipakai sebagai dasar melakukan forecasting adalah: 1. Salesman 2. Manajer area 3. Konsultan 4. Survei konsumen 5. B. Forecasting dengan perhitungan secara statistic Beberapa teknik perhitungan: 1. Analisis Trend
Trend bebas
Trend setengah rata-rata
Trend matemats (moment & least squad)
2. Analisis growth
3. Analisis regresi korelasi 4. Analisis dengan teknik- teknik khusus
1. Analisis Trend (kecendrungan) Secara umum data – data penjualan mencerminkan 4 faktor berikut: 1.Trend 2.Siklus 3.Musiman 4.Ketidakteraturan
(1)Trend Bebas Penerapan garis trend secara bebas dapat dikatakan sebagai suatu cara penerapan garis trend tanpa menggunakan rumus matematika. Contoh penerapan garis trend bebas Sebuah perusahaan yang bergerak pada produksi mainan anak ingin membuat ramalan penjualan untuk beberapa tahun mendatang wilayah Indonesia timur. Data penjualan untuk lima tahun terakhir
Tahun
Volume penjualan (unit)
2A05 2A06 2A07 2A08 2A09 digambarkan garis trend sebagai berikut:
520.000 580.000 600.000 660.000 680.000
Data tersebut dapat
B. Trend Setengah Rata-rata (Semi Average) Formula ya ng digunaka adalah : Y = a + b (X) a = Rata-rata kelompok 1(X1)atau kelopmpok 2(X2) bergantung tahun dasar b = (Rata-rata kelompok 2 – rata-rata kelompok 1) /n = (X2 – X1) /n n = jumlah tahun dihitung dari periode dasar (jarak periode antara X1 dan X2) KASUS FORECASTING DENGAN ANALISIS TREND SEMI AVERAGE Pada awal tahun 2A11 perusahaan tekstil “ GAYA BARU “ merencanakan penyusunan anggaran penjualan secara terperinci. Data – data yang berhasil dikumpulkan adalah sebagai berikut : a. Data penjualan selama 6 tahun terakhir Tahun
Volume penjualan
2A05 2A06 2A07 2A08 2A09 2A10
425.000 500.000 575.000 650.000 670.000 720.000
meter meter meter meter meter meter
b. Komposisi penjualan perusahaan tersebut terdiri dari 60% kain bermotif dan 40 % kain polos. c. Harga jual yang terjadi pada tahun 2A10, untuk kain bermotif Rp.6.000/m dan kain polos Rp.5.000/m. pada tahun anggaran 2A11 direncanakan harga jual meningkat sebesar 10 % dari tahun sebelumnya. d.Perusahaan masih ingin tetap mempertahankan daerah pemasarannya untuk tiga wilayah dengan kopmposisi sebagai berikut : Daerah pemasaran Yogyakarta Semarang Surakarta
Berdasarkan data diatas diminta:
Distribusi 50% 25% 25%
1. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average 2. Menyusun anggaran penjualan tahun 2A11 berdasarkan daerah, produk, dan total omzet penjualan. 3. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average, jika data yang digunakan adalah data penjualan 4 tahun terakhir 4. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average, jika data yang digunakan adalah data penjualan 5 tgahun terakhir. Penyelesaian kasus analisis trend semi average 1) Volume penjualan perusahaan tahun 2A11
Data genap (kelompok ganjil) (6 tahun data )
Formula : Y
= a + b (X)
a
= X1 atau X2, bergantung tahun dasar
b
= (X2-X1)/n
n
= jarak periode antara X1 dan X2
Perhitungan: a
= 500.000 atau 680.000
b
= (680.000-500.000)/3 = 60.000
Y 2A11 = 500.000 + (60.000 x 5) = 800.000 ( tahun dasar 1) Y 2A11 = 680.000 + (60.000 x 2) = 800.000 ( tahun dasar 2) Maka penjualan tahun 2A11 adalah sebesar 800.000 unit (2)
Anggaran Penjualan tahun 2A11 berdasarkan daerah, produk, dan total omzet penjualan
(3)
Volume penjualan perusahaan tahun 2A11, data penjualan 4 (empat) tahun terakhir Data Genap (kelompok Genap) (4 tahun data) Tahun
Y
Semi Total
Semi
2A07 2A08 2A09 2A10
575.000 650.000 670.000 720.000
1.225.000
Average 612.500
1.390.000
695.000
Formula : Y
= a + b (X)
a
= X1 atau X2, bergantung tahun dasar
Xa
Xb
-1 1 3 5
-5 -3 -1 1
b
= (X2-X1)/n
n
= jarak periode antara X1 dan X2
Perhitungan: a
= 612.500 atau 695.000
b
= (695.000 – 612.500) / 2 = 41.250
Y 2A11 = 612.500 + (41.250 x 7/2) = 756.875 ( tahun dasar 1) Y 2A11 = 695.000+ (41.250 x 3/2) = 756.875 ( tahun dasar 2) Maka penjualan perusahaan tahun 2A11 adalah sebesar 756.875 unit (4)
Volume penjualan perusahaan tahun 2A11, data penjualan 5 tahun terakhir. Data Ganjil (5 tahun) Tahun
Y
Semi Total
Semi
Xa
Xb
-1 0 1 2 3
-3 -1 -1 0 1
Average 2A06 2A07 2A08 2A09 2A10
500.000 575.000 650.000 670.000 720.000
1.725.000
575.000
2.040.000
680.000
Formula : Y
= a + b (X)
a
= X1 atau X2, bergantung tahun dasar
b
= (X2-X1)/n
n
= jarak periode antara X1 dan X2
Perhitungan: a
= 575.000 atau 680.000
b
= (680.000-575.000) / 2 = 52.500
Y 2A11 = 575.000 + (52.500 x 4) = 785.000 ( tahun dasar 1) Y 2A11 = 680.000 + (52.500 x 4) = 785.000 ( tahun dasar 2) Maka penjualan perusahaan tahun 2A11 adalah sebesar 785.000 unit
C. ANALISIS TREND MATEMATIS Dalam tren matematis ini terdapat 2 pendekatan yang dapat digunakan untuk menggambarkan garis trend,yaitu : (1) ANALISIS TREND MOMENT Formula yang dapat digunakan adalah:
Y = a + b (X) Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii): ∑XY = a. ∑X + b. ∑X Formula Y = a + b (X) merupakan persamaan garis trend yang akan di gunakan. Persamaan (i) dan persamaan (ii) digunakan untuk menghitung nilai a dan b yang pada akhirnya dijadikan sebagai dasar penerapan garis linear (garis trend). KASUS FORECASTING DENGAN METODE TREND MOMENT Data perkembangan jumlah penjualan selama 5 tahun terakhir (tahun 2A06 s/d 2A10), sebagai berikut : Tahun 2A06 2A07 2A08 2A09 2A10
Volume Penjualan 671.382 unit 692.865 unit 703.930 unit 634.268 unit 763.296 unit
Dengan data tersebut hitunglah : a. Volume penjualan tahun 2A11 dengan metode trend moment b. Trend Penjualan setiap tahun (tahun 2A06 s/d 2A10)
PENYELESAIAN KASUS TREND MOMENT a. Menghitung Forecast Penjualan Tahun 2A11 Y = a + b (X) Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii) : ∑XY = a. ∑X + b. ∑X Persamaan (i) : 3.465.732 = 5a + 10b Persamaan (ii) : 7.056.704 = 10a + 30b Atau Persamaan (ii) : 7.056.704 = 10a + 30b Persamaan (i) : 6.931.464 = 10a + 30b 125.240 = 10b Diperoleh: b = 12.524 a = 6688.098,4 Persamaan Trend : Y = 668.098,4 + 12.524 (X) Volume Penjualan tahun 200F adalah : Y = 668.098,4 + 12.524 (X) Y = 668.098,4 + 12.524 (5) Y = 730.718,4 unit (pembulatan) b. Menghitung Trend setiap tahun Nilai trend setiap tahun : Tahun 2A06 Tahun 2A07 Tahun 2A08 Tahun 2A09 Tahun 2A10
Periode 2A06 2A07 2A08 2A09 2A10 Total
: Y = 668.098,4 + 12.524 (0) = 668.098,40 : Y = 668.098,4 + 12.524 (1) = 680.622,40 : Y = 668.098,4 + 12.524 (2) = 693.146,40 : Y = 668.098,4 + 12.524 (3) = 705.670,40 : Y = 668.098,4 + 12.524 (0) = 718.194,40
Penjualan (Y) 671.382 unit 692.856 unit 703.930 unit 634.268 unit 763.296 unit 3.465.732 unit
X 0 1 2 3 4 10
X2 0 1 4 9 16 30
c. Membuat Grafik Garis Trend Dengan metode momenr (lihat chart)
XY 0 692.856 1.407.860 1.902.804 3.053.184 7.056.704
(2) ANALISIS TREND LEAST SQUARE Metode Trend Least Square pada dasarnya memiliki sumber formula yang sama dengan metode matematis. Hal yang membedakan adalah bahwa metode Least Square menggunakan asumsi ∑X = 0 Formula yang digunakan
Y = a + b (X) Keterangan : a= ∑X/n Y = Variabel Dependen b = ∑XY / ∑X2 X = Variabel Independen (periode) a = Nilai Konstanta b = Koefisien Regresi n = Jumlah Data (periode) KASUS FORECASTING DENGAN METODE TREND LEAST SQUARE Data dan informasi yang berkaitan dengan rencana kegiatan operasional perusahaan di tahun 2A11.
a.
Pengalaman penjualan selama 5 (lima) tahun terakhir: Tahun
Volume Penjualan
2A06
900.000 unit
2A07
920.000 unit
2A08
950.000 unit
2A09
980.000 unit
2A10
1.000.000 unit
b. Produk direncanakan akan didistribusikan di dua daerah pemasaran, yaitu: Wilayah Pemasaran
Proporsi Penjualan
Kalimatan Tengah
60%
Kalimatan Selatan
40%
c. Harga jualan untuk wilayah Kalimantan Tengah adalah Rp 30.000/unit, sedangkan untuk wilayah Kalimantan Selatan dinaikkan sebesar 25% dari wilayah Kalimantan Tengah dengan pertimbangan biaya transportasi. d. Pola penjualan yang direncanakan untuk seluruh wilayah: Periode
Kalimantan Tengah
Kalimant6an Selatan
Kuartal I
30%
30%
Kuartal II
40%
35%
Kuartal
30%
35%
III Berdasarkan data tersebut diminta: a.
Menghitung forecast penjualan tahun 2A22 dengan metode Least Square.
b.
Menyusun anggaran penjualan tahun 2A11 secara terinci menurut wilayah
pemasaran dan periode waktu. Penyelesaian Kasus Trend Least Square a.
Menghitung forecast penjualan tahun 2A11
Untuk menghitung forecast penjualan tahun 2A11, digunakan metode Trend Least Square Penjualan (Y) X
X
XY
2
2A06 900.000
-2 4
-1.800.000
2A07 920.000
-1 1
-920.000
2A08 950.000
0
0
0
2A09 980.000
1
1
980.000
2A10 1.000.000
2
4
2.000.000
Total
0
10 260.000
4.750.000
Metode Least Square A
= ΣY/n = 4.750.000/5= 950.000
B
= ΣXY/ΣX = 260.000/10 = 26.000 2
Y tahun 2A11 = a+b (X) = 950.000 + (26.000 x 3) = 1.028.000 Dengan demikian diperoleh Ramalan Penjualan Tahun 2A11 sebesar 1.028.000 unit Periode
Kalimantan Tengah
Kalimantan Selatan
Total Penjualan (Rp)
Unit
Harga
Rp
Unit
Harga
/unit
/unit
(Rp)
(Rp)
Rp
Kuartal 1
185.040
30.000
5.551.200.000
123.360
37.500
4.626.000.000
10.177.200.000
Kuartal 2
246.720
30.000
7.401.600.000
143.920
37.500
5.397.000.000
12.798.600.000
Kuartal 3
185.040
30.000
5.551.200.000
143.920
37.500
5.397.000.000
10.948.200.000
Total
616.800
18.504.000.000
411.200
15.420.000.000
33.924.000.000
b. Menyusun Anggaran Penjualan tahun 2A11 2. Analisis Growth Untuk membuat forecasting dengan menggunakan analysis growth (pertumbuhan) mengacu pada formula sebagai berikut: Formula = Pn = Po (1+I)
n
Keterangan: Pn = Volume Penjualan tahun ke-n Po = Volume penjualan tahun dasar n = Periode atau tahun i
= Interest (tingkat pertumbuhan penjualan)
KASUS FORECASTING PENJUALAN DENGAN ANALISIS GROWTH Perusahaan merapi Iron. Co merupakan perusahaan pengecoran besi. Data yang diperoleh dari data industri pengecoran besi menggambarkan volume penjualan industri dan penjualan perusahaan selama tiga tahun terakhir:
Tabel data penjualan industri dan perusahaan Tahun
Penjualan Industri Penjualan perusahaan
2A08
360.000.000 ton
36.000.000 ton
2A09
400.000.000 ton
44.000.000 ton
2A10
440.000.000 ton
53.240.000 ton
Diasumsikan bahwa pertumbuhan penjualan industri setiap tahun mengikuti kecenderungan (trend) yang berlaku, sedangkan pertumbuhan penjualan perusahaan menyesuaian besarnya pertumbuhan Market Share perusahaan dari tahun ke tahun. Dengan data tersebut, diminta untuk: 1. Menghitung volume penjualan industri tahun 2A11 dengan metode Trend Least Square. 2. Menghitung market share untuk tahun 2A11 dengan analisis Growth. 3. Menghitung volume penjualan perusahaan tahun 2A11 sesuai tingkat market share perusahaan. Penyelesaian Kasus Analisis Growth:
a.
Volume Penjualan Industri tahun 2A11 Untuk menghitung volume penjualan industri tahun 2A11, digunakan metode Trend Least square. Formula yang digunakan: Y = a+b (X) a = ΣY/n b = ΣXY/ΣX
2
Keterangan: Y = Variabel Dependen X = Variabel Independen (Periode) a = Nilai Konstanta b = Koefisien Regresi n = Jumlah Data
Periode Penjualan Industri (Y) X
X
XY
2A08
1
-
360.000.000 ton
-
2
1
360.000.000
2A09
400.000.000 ton
0
0
0
2A10
440.000.000 ton
1
1
440.000.000
Total
1.200.000.000 ton
0
2
80.000.000
Menghitung nilai a dan b = a = ΣY/n = 1.200.000.000/3 = 400.000.000 b = ΣXY/ΣX = 80.000.000/2 = 40.000.000 2
Y tahun 2A11 = a + n (x) = 400.000.000 + (40.000.000 x 2) = 480.000.000 Dengan demikian diperoleh penjualan industri tahun 2A11 sebesar 480.000.000 ton b. Mareket Share Perusahaan tahun 2A11 Untuk menghitung besarnya market share digunakan formula berikut: Market share = Penjualan perusahaan x 100%
Penjualan industri Period
Penjualan Industri (ton) Penjualan Perusahaan (ton) Market
e
share
2A08
360.000.000
36.000.000
10%
2A09
400.000.000
44.000.000
11%
2A10
440.000.000
53.240.000
12,1%
Pembagian market share (MS) dari tahun ke tahun dihitung dengan menggunakan analisis . Formula:
Pn = Po (1 + i)
n
MS tahun 2A10 = MS 2A08 (1 + i) 12,1% = 10% (1 + i)
n
2
(1 + i) = 0,121/ 0,1 2
(1 + i) = 1,21 2
(1 + i) = 1,1 i= 0,1 atau 1 = 10% Disini ditemukan besarnya interest (tingkat pertumbuhan penjualan) adalah 10% sehingga market share tahun 2A11 adalah: MS tahun 2A11 = MS tahun 200A (1 + i) MS tahun 2A11 = 0,1 (1 + 0,1)
n
3
MS tahun 2A11 = 0,1 x 1,331 = 0,1331 = 13,31% c. Volume Penjualan Perusahaan Tahun 2A11 Penjualan perusahaan (PP) dihitung dengan cara mengalikan antara penjualan industri (PI) dengan market shared (MS) yang diperoleh pada tahun tersebut. Formula: Penjualan perusahaan = Penjualan Industri x Market shared PP 2A11 = PI 2A11 x MS 2A11 = 480.000.000 x 13,31% = 63.888 ton Dengan demikian dihasilkan penjualan perusahaan tahun 2A11 sebesar 63.888 ton.
3. Analisis Regresi Korelasi Dengan analisis dikenal dua jenis variabel yakni variabel dependen (Y) dan variabel independen (X). Variabel dependen adalah variabel yang nilainya dipengaruhi (tergantung) besar kecilnya variabel lain (variabel independen). Sedangkan variabel independen adalah variabel bebas yang nilainya tidak dipengaruhi oleh variable lain. Dalam analisis regresi, pengaruh linear antara nilai suatu variabel dengan nilai variabel lain dinyatakan dengan persamaan Y = f (X) Yang berarti bahwa nilai variabel dependen (Y) di tentukan oleh nilai variabel independen (X) dengan fungsi linear, maka pengaruhnya besar dari variabel independen terhadap variabel dependen dinyatakan dengan persamaan Y = a + b (X) Dalam analisis regresi korelasi, maka formula regresi yang di gunakan adalah Yp = a+ b (X) Besarnya nilai a dan b dihitung dengan bantuan formula :Korelasi adalah hubungan antara satu variabel dengan variabel lainnya. Analisis ini biasanya digunakan untuk melengkapi analisis regresi. Contoh : permintaan akan produk susu ditentukan oleh faktor jumlah produk, jumah kelahiran bayi dll. Korelasi dinyatakan denganangka -1 sd 1, dengan simbol r, yang erarti bahwa besarnya nilai r berada di antara -1 sd 1. Kriteria lain :
r = -1, terdapat hubungan negatif sempurna.
r = +1, terdapat hubungan posistif sempurna.
r = 0, tidak terdapat hubungan sama sekali.
Untuk mencari koefisien korelasi dapat digunakan rumus :
KASUS FORECASTING DENGAN ANALISIS REGRESI KORELASI
Perusahaan “PRIMA MAKMUR” ingin mengetahui apakah periklanan yang dilakukan selama ini efektif dalam membantu meningkatkan volume penjualan produk. Berikut data-data penjualan dan biaya periklanan
Penyelesaian Kasus analisi regresi korelasi
Pada kolom terakhir dalam tabel tersebut ditunjukan hasil perhitungan Yp pada setiap periode. Langkah selanjutnya adalah mengukur ketergantungan antar kedua variabel dengan analisi korelasi
Forecast dengan tekhnik khusus a. ANALISI INDUSTRI Salah satu cara yang dapat digunakan untuk membuat forcast adalah melalui analisis industri.analisi ini berfokus pada kegiatan memperkirakan market share yang dimilik perusahaan. Untuk menghitung market share digunakan formula Market share =( Penjualan Perusahaan / penjualan industri ) x 100% KASUS FORECASTING DENGAN ANALISA MARKET SHARE Cv niken shoes co. merupakan perusahaan yang bergerak dalam bidang industri sepatu olahraga. Data permmintaan industri sepatu CV. Niken shoes co selama 6 tahun terakhirterakhir :
PENYELESAIAN KASUS ANALISA MARKET SHARE a.perkiraan demand industri sepatu dengan metode trend moment
Formula yang digunakan: Y = a + b (x) Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii): ∑XY = a.∑X + b.∑X
Persamaan (i) : 490.500.000 = 6a + 15b Persamaan (ii): 1.303.500.000 =15a + 55b Atau: Persamaan (i) : 2.607.000.000 = 30a + 75b Persamaan (ii): 2.452.500.000 = 30a + 110b 154.500.000 = 35b b = 4.414.285,72
a = 70.714.285,70 Persamaan Trend: Y = 70.714.285,70 + 4.414.285,72(X) Volume Penjualan Industri tahun 2A11 adalah: Y = 70.714.285,70 + 4.414.285,72 (X) Y = 70.714.285,70 + 4.414.285,72 (6) Y = 97.200.000 m (pembulatan) b. Tingkat Penjualan Perusahaan yang dapat dicapai tahun 2A11 Market share 2A11 = 11.340.000 x 100% 94.500.000 = 12% Tingkat Penjualan Perusahaan 2A11 = 12% x 97.200.000 m = 11.664.000 m
B. ANALISIS LINI PRODUK (PRODUCT LINE) Analisis Lini Produk (product line) digunakan pada perusahaan-perusahaan yang menghasilkan lebih dari satu macam produk. Masing-masing macam produk tersebut tidak dapat diambil kesamaannya dan harus dibuat forcesat secara terpisah.
C. ANALISIS PENGGUNAAN AKHIR Analisis ini digunakan pada perusahaan-perusahaan yang memproduksi barang-barang tidak langsung dapat dikonsumsi, melainkan masih memerlukan proses lebih lanjut untuk menjadi produk akhir.
Contoh: KASUS ANALISA PENGGUNA AKHIR Perusahaan ‘’PRIMA BOTTLE’’ adalah perusahaan yang bergerak dibidang usaha produksi botol yang ditujukan untuk botol minuman ringan dan botol obat-obatan. a. Penjualan botol minuman ringan Tahun 2A04 s/d 2A10:
b. Penjualan botol obat-obatan Tahun 20X0 s/d 20X6
Penyelesaian Kasus: a.
Forecast penjualan botol minuman ringan dengan menggunakan metode Least Square
a = ∑Y / n
a = 2.172.000 7 a = 310.286
b = ∑XY / ∑ X 2
= 530.000 28
Y = 310.286 + 18.929 (X)
b = 18.929
Nilai Trend Tahun 2A11 = 310.286 + (18.929 x 4) = 386.000 Tahun 2A12 = 310.286 + (18.929 x 5) = 404.929 Tahun 2A13 = 310.286 + (18.929 x 6) = 423.857 Tahun 2A14 = 310.286 + (18.929 x 7) = 442.786 Tahun 2A15 = 310.286 + (18.929 x 8) = 461.714
b. Forecast penjualan botol obat-obatan dengan menggunakan metode Least Square
a = ∑Y / n
a = 7.338.000 7 a = 1.048.286
b = ∑XY / ∑ X 2
= 4.762.000 28
Y = 1.048.286 + 170.071 (X)
b = 170.071
Nilai Trend Tahun 2A11=1.048.286 + (170.071 x 4) = 1.728.571 Tahun 2A12=1.048.286 + (170.071 x 5) = 1.898.643 Tahun 2A13=1.048.286 + (170.071 x 6) = 2.068.714 Tahun 2A14=1.048.286 + (170.071 x 7) = 2.238.786 Tahun 2A15=1.048.286 + (170.071 x 8) = 2.408.857