menggunakan data masa lalu dapat melakukan peramalan. Dalam metode deret waktu peramal hanya berusaha mencari pola-pola dari data suatu data, tanpa
berusaha mencari apa penyebab dan mengapa polanya demikian. Bisa jadi pola data masa lalu tidak sama lagi dengan masa depan, karena faktor-faktor yang
mempengaruhinya sudah berubah. Metode peramalan kedua adalah metode peramalan asosiatif atau metode peramalan kausal metode peramalan
eksplanatori, yaitu metode peramalan yang menggabungkan peubah atau faktor yang mungkin mempengaruhi permintaan atas suatu produk peubah bebas
terhadap permintaan suatu produk peubah tidak bebas. Peramalan kuantitatif juga memiliki keterbatasan, jika terjadi perubahan pola data atau hubungan sebab
akibat, maka hasil ramalan menjadi kurang akurat Heizer dan Render, 2006.
2.9. Penelitian Terdahulu
Asri 2008 melakukan penelitian mengenai Analisis Peramalan Penjualan matrix blackberry PT Indosat, TBK dalam rangka perencanaan strategi
pemasaran. Pada penelitian ini data yang digunakan merupakan data penjualan per bulan, dari bulan Desember 2005 sampai bulan Desember 2007 secara nationwide
dan data penjualan perbualn Matrix Blackberry per wilayah penjualan Jabotabek dan Banten, Sumatera bagian utara, Sumatera bagian selatan, Jawa Barat,
JawaTengah dan DIY, Jawa Timur, dan Bali Nusa Tenggara, Kalimantan, Sulawesi, Maluku dan Papua dari bulan Januari sampai Bulan Desember 2007
diolah dengan metode peramalan time series dan regresi. Berdasarkan hasil pengolahan data tersebut diperolah hasil bahwa pola data penjualan matrix
blackberry merupakan trend yang terus meningkat, pola trend pada data penjualan blackberry menunjukkan peningkatan yang berkelanjutan. Sedangkan dari data
penjualan dan hasil peramalan diketahui bahwa penjualan matrix blackberry paling tinggi adalah wilayah Jabotabek dan Banten, penjualan paling rendah
berada di wilayah Kalimantan, hal ini memang dilatarbekakangi oleh letak geografis dan ekonomis setiap wilayah serta karakteristik masyarakatnya.
Ayu 2009 melakukan penelitian tentang peramalan penjualan cokelat candy and cookies sebagai acuan dalam perencanaan kuantitas produk pada UKM
Waroeng Cokelat di kota Bogor. Penelitian ini menggunakan alat analisis time series sedangkan metode yang terpilih untuk meramalkan produk adalah metode
yang memiliki nilai MAPE mean absolute percentange error terkecil. Berdasarkan hasil pengolahan data yang dilakukan dengan memplotkan masing-
masing data penjualan produk dari tahun 2006-2008, diperoleh hasil bahwa produk candy tipe 1 memiliki pola data trend dengan hasil peramalan sebanyak
1045 kemasan. Candy tipe 9 dan 23 memiliki pola data yang tidak stationer. Hasil peramalan yang didapatkan adalah sebesar 830 kemasan untuk candy 9 dan 289
kemasan untuk candy 23 sedangkan untuk produk cookies yaitu kurma coklat, etnik coklat dan sagu keju memiliki pola stationer. Hasil peramalan menunjukan
masing-masing 1630 toples. 438 toples dan 573 toples, hasil peramalan penjualan menunjukan bahwa hanya produk kurma coklat yang akan mengalami penurunan
penjualan di masa yang akan dating. Penelitian ini menganalisis peramalan penjualan mobil di Auto 2000 cabang
tajur dengan menggunakan time series dan metode Eviews. Penelitian ini menggunakan metode eviews dengan model VAR untuk melihat peramalan
penjualan mobil di Auto 2000 pada masa yang akan datang.
III. METODE PENELITIAN
3.1. Kerangka Pemikiran
Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
peramalan penjualan terbaik untuk untuk setiap mobil yang diproduksi oleh Auto 2000 dalam rangka perencanaan strategi pemasaran. Penelitian ini dimulai
dengan mengumpulkan data-data yang relevan, yaitu data penjualan historis mobil produksi Auto 2000 untuk kurun waktu 3 tahun yaitu tahun 2008-2010.
Data ini akan diolah dan dianalisis selanjutnya akan dibuat plot pola data penjualannya dan data tersebut akan diolah dengan menggunakan metode analisis
time series dan metode analisis regresi. Setelah data penjualan dianalisis maka akan dilakukan uji kointegrasi pada data tersebut, sehingga akan diketahui apakah
data tersebut stationer atau tidak. Setelah dilakukan uji kointegrasi maka akan mudah untuk menentukan metode peramalan yang akan digunakan, kerana data
penjualan ini bersifat stationer maka model yang dapat digunakan untuk analisis peramalan adalah Vector Autoregression atau VAR. setelah dilakukan analisis
VAR maka akan diperoleh hasil VAR, hasil tersebut akan menunjukan peramalan penjualan untuk produk sedan, MPV dan City car selama kurun waktu 6 bulan ke
depan.
