BAB V PROSPEK PENJUALAN AIR MINUM DALAM KEMASAN
AMDK
5.1. Identifikasi Pola Data
Langkah penting dalam pemilihan teknik peramalan adalah dengan mengidentifikasi pola data yang muncul di dalam suatu data. Setelah pola data
teridentifikasi, maka metode peramalan yang paling cocok dengan pola tersebut dapat diterapkan. Ada empat jenis pola data, yaitu horisontal, trend, siklik, dan
musiman. Pola data tersebut dapat dianalisis dengan menggunakan pendekatan analisis plot data dan analisis koefisien autokorelasi. Pada penelitian ini plot data
dibuat dalam bentuk grafik untuk mempermudah menganalisa pola data yang terkandung didalam data. Dalam menganalisa koefisien autokorelasi digunakan
tingkat signifikan 5 persen. Data penjualan yang dianalisis adalah data penjualan perusahaan dalam
bentuk bulanan, mulai dari tahun 2003 sampai tahun 2005. Dalam rentang waktu tersebut terdapat 3 tahun yang berarti data penjualan AMDK tersebut terdiri dari
36 periode waktu. Perkembangan data penjualan air minum dalam kemasan tersebut dapat dilihat pada Lampiran 4.
5.1.1. Identifikasi Pola Data Penjualan Air Minum Dalam Kemasan
Berdasarkan hasil plot data time series pergerakan penjualan air minum dalam kemasan yang disajikan pada Gambar 5 dapat dianalisa komponen
penyusun data pergerakan penjualan AMDK. Beberapa metode mungkin cocok untuk pola data deret data yang stasioner, metode lain mungkin cocok untuk pola
deret data yang mengandung unsur trend, musiman, dan siklus.
Gambar 4. Plot Data Penjualan AMDK pada Bulan Januari 2003-Desember 2005
Dari Gambar 4, dapat dilihat bahwa pola data penjualan air minum dalam kemasan di KP Bogor tidak stasioner. Ketidakstasioneran terlihat dari sebaran
data penjualan AMDK yang tidak berada di sekitar garis lurus atau rata-rata konstan. Plot data menunjukkan sebaran data penjualan AMDK berfluktuatif pada
rata-rata penjualan 2284 kartonbulan. Hasil plot data menunjukkan bahwa data kemungkinan memiliki unsur trend dan musiman. Sebaran data tersebut
cenderung meningkat setiap tahun, sehingga kecenderungan titik-titik meningkat setiap tahun menandakan unsur trend.
Berdasarkan plot autokorelasi Gambar 5 terlihat bahwa nilai koefisien autokorelasi pada time lag satu dan dua berbeda nyata dari nol, kemudian secara
bertahap turun mendekati nol. Hal tersebut menunjukkan bahwa data tidak stasioner. Unsur trend terlihat dari beberapa nilai koefisien autokorelasi yang
berbeda nyata dari nol. Selanjutnya untuk unsur musiman tidak terlihat jelas Plot Data Penjualan AMDK di PT. Sinar Sosro KP Bogor
1000 2000
3000 4000
5000 6000
1 3
5 7
9 11 13 15 17 19 21 23 25 27 29 31 33 35
Periode Waktu bulan
Penjualan n
karton
karena beberapa time lag yang berbeda nyata dari nol tidak mempunyai jarak yang sistematis.
Gambar 5. Plot Autokorelasi Penjualan AMDK
Kehadiran unsur trend disebabkan adanya peningkatan penjualan yang dialami oleh Kantor Penjualan Bogor. Peningkatan penjualan AMDK tersebut
disebabkan karena meningkatnya kebutuhan masyarakat akan air minum yang bersih, sehat serta mudah untuk didapatkan.
5.1.2. Penerapan Metode Peramalan Time Series
Kategori