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
Setelah pola data penjualan AMDK dapat diidentifikasi maka penerapan peramalan dapat dilakukan secara lebih mudah. Berdasarkan identifikasi unsur-
unsur yang terdapat dalam data penjualan AMDK di Kantor Penjulan Bogor tersebut, maka dapat ditentukan metode peramalan model time series.
Berdasarkan pola yang dimiliki pada data, maka tidak semua metode peramalan
32 22
12 2
1,0 0,8
0,6 0,4
0,2 0,0
-0,2 -0,4
-0,6 -0,8
-1,0
A u
to co
rr e
la ti
on
LBQ T
Corr Lag
LBQ T
Corr Lag
LBQ T
Corr Lag
LBQ T
Corr Lag
298,72 279,63
256,56 236,37
217,25
199,06 181,16
163,68 147,73
135,87 124,39
113,79 108,02
103,04
100,78 99,53
98,51 97,87
97,76 97,43
97,42 96,81
96,33
95,38 92,75
89,64 85,71
80,04 72,92
60,66 42,83
24,45 -0,50
-0,62 -0,64
-0,68 -0,72
-0,77 -0,81
-0,83 -0,76
-0,79 -0,80
-0,62 -0,60
-0,42
-0,32 -0,30
-0,24 -0,10
-0,18 0,02
0,26 0,24
0,34
0,59 0,65
0,76 0,95
1,12 1,60
2,21 2,70
4,75 -0,24
-0,29 -0,30
-0,31 -0,33
-0,34 -0,36
-0,36 -0,32
-0,33 -0,33
-0,25 -0,24
-0,17
-0,13 -0,12
-0,10 -0,04
-0,07 0,01
0,10 0,09
0,13
0,23 0,25
0,29 0,35
0,40 0,54
0,66 0,68
0,79 32
31 30
29 28
27 26
25 24
23 22
21 20
19
18 17
16 15
14 13
12 11
10
9 8
7 6
5 4
3 2
1
Autocorrelation Function for Sales
model time series dapat diterapkan pada data tersebut. Karena tidak semua metode model time series cocok untuk data yang memiliki komponen trend. Metode
peramalan yang mungkin cocok untuk kondisi data tersebut adalah metode trend, moving average, holt’s linier exponential smoothing, double exponential
smoothing dan metode autoregressive integrated moving average ARIMA. Dari hasil penerapan metode peramalan kuantitatif menunjukkan bahwa
metode trend kuadratik merupakan metode peramalan yang terbaik dalam meramalkan penjualan air minum dalam kemasan, karena metode peramalan
tersebut mampu menghasilkan MSE terkecil Tabel 9 sebesar 249148. Metode trend-kuadratik dari hasil penerapan metode time series tersebut menghasilkan
output komputer dengan persamaan sebagai berikut : Y
t
= 503,641 + 63,0088 t + 1,36549 t
2
Berdasarkan persamaan tersebut, diketahui bahwa penjualan AMDK memiliki slope positif. Slope positif berarti trend memiliki kecenderungan meningkat
seiring dengan peningkatan periode. Hasil lengkap penerapan metode trend kuadratik dapat dilihat pada Lampiran 5.
Tabel 9. Nilai MSE dari Beberapa Metode Peramalan Time Series
Metode Peramalan MSE
Trend Linear 266480
Trend Kuadratik 249148
Trend Exponential Growth 306758
Moving Average 397871
Single Exponential Smoothing 349929
Double Exponential Smoothing Holt 349692
ARIMA 0,1,2 278301
Dengan diketahui metode peramalan penjualan AMDK terbaik maka ramalan penjualan AMDK di KP Bogor pada tahun 2006 dengan metode trend
kuadratik dapat dihitung. Ramalan penjualan untuk satu tahun yang akan datang disajikan pada Tabel 10.
Tabel 10. Ramalan Penjualan AMDK Tahun 2006 dan Realisasi Penjualan AMDK Tahun 2005 Karton
Bulan Realisasi Penjualan AMDK
Tahun 2005 Ramalan Penjualan AMDK
Tahun 2006
Januari 2280
4704 Februari
2614 4870
Maret 3325
5038 April
3388 5209
Mei 3903
5382 Juni
3607 5559
Juli 3366
5738 Agustus
4410 5920
September 4865
6104 Oktober
3682 6291
November 3965
6481 Desember
4993 6674
Total 44398
67970
Tabel 10 di atas menjelaskan bahwa ramalan penjualan tertinggi sebesar 6674 karton dan penjualan terendah 4704 karton. Total perkiraan penjualan tahun
2006 adalah 67.970 karton, jika dibandingkan dengan realisasi penjualan tahun 2005 maka terjadi peningkatan penjualan sebesar 34,7 persen 23.572 karton.
BAB VI ANALISIS LINGKUNGAN PERUSAHAAN
