sebagai bahan penulisan skripsi dengan judul “PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA
TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS”
1.2 Perumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan permasalahan dalam penelitian ini adalah : 1. Bagaimana bentuk persamaan peramalan yang dapat dipakai untuk meramalkan
penjualan produksi teh botol pada masa yang akan datang dengan menggunakan metode ARIMA Box-Jenkins.
2. Berapa penjualan produksi teh botol yang diramalkan pada masa yang akan datang.
1.3 Batasan Masalah
Agar pembahasan dapat lebih terarah maka perlu dilakukan pembatasan masalah yaitu: 1. Hanya penjualan produksi teh botol dengan kemasan botol kaca 220ml saja yang
diramalkan. 2. Data yang dibutuhkan yaitu data penjualan produksi teh botol periode Juni 2007
sampai dengan Mei 2013. 3. Peramalan dilakukan secara kuantitatif.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini yaitu untuk mengetahui jumlah penjualan produksi teh botol pada PT. Sinar Sosro Sumatera Bagian Utara tahun 2014 dengan menggunakan metode ARIMA
Box-Jenkins.
1.5 Kontribusi Penelitian
Hasil dari penelitian ini diharapkan dapat memberi manfaat sebagai berikut : a. Sebagai informasi bagi perusahaan di dalam mengambil kebijakan sehubungan
dengan penjualan produksi teh botol pada masa yang akan datang b. Sebagai referensi bagi peneliti selanjutnya yang akan melakukan penelitian yang sama
di masa mendatang
Universitas Sumatera Utara
1.6 Tinjauan Pustaka Lerbin R. Aritonang R. dalam bukunya Peramalan Bisnis mengemukakan bahwa
data yang di analisa dalam model ARIMA Box-Jenkins adalah data yang bersifat stasioner, yaitu data yang mempunyai rata-rata dan variansi yang konstan dari periode ke periode.
Peramalan dengan menggunakan ARIMA dilakukan melalui lima tahap : 1. Pemeriksaan kestasioneran data
Pada tahap satu, data runtut waktu harus diperiksa kestasionerannya apakah rata-rata dan variansinya konstan, homogen dari waktu ke waktu karna data yang di analisi
pada ARIMA adalah data yang stasioner. Pemeriksaan itu dilakukan berdasarkan analisis otokorelasi dan otokorelasi parsial dibicarakan kemudianatas datanya. Jika
datanya telah stasioner kemudian dilanjutkan ke tahap kedua. Bila datanya belum stasioner maka datanya harus di transformasi dengan metode tertentu hingga menjadi
stasioner. 2. Pengidentifikasian model
Pada tahap dua, model untuk data yang telah stasioner diidentifikasi berdasarkan hasil analisis otokorelasi dan otokorelasi parsial atas data yang stasioner atau yang telah
distasionerkan itu. Jadi, data yang dianalisi otokorelasi dan otokorelasi parsialnya mungkin saja berupa data yang asli atau data yang telah ditransformasi sehingga
menjadi stasioner. Model-model pengembangan ARIMA :
• Model umum ARp • Model Umum MAp
• Model ARI • Model IMA
• Model ARIMA
3. Pengestimasian parameter model 4. Pengujian model
5. Penggunaan model untuk peramalan
Spyros Makridakis, Steven C. Wheelwright dan Victor E. McGee dalam bukunya
Metode dan Aplikasi Peramalan mengemukakan bahwa hal yang penting dalam analisa deret
Universitas Sumatera Utara
berkala adalah koefisien autokorelasi yang menggambarkan hubungan antara suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu lag ke periode.
Autokorelasi untuk time lag 1,2,3,…,k dapat dicari dan di notasikan
k
r
sebagai berikut :
∑ ∑
= +
− =
− −
− =
n t
t k
t k
n t
t k
Y Y
Y Y
Y Y
r
1 2
1
1-1
Dengan :
=
k
r
koefisien autokorelasi
=
t
Y
data actual pada periode t
= Y
nilai tengah mean dari data aktual
=
+k t
Y
data aktual pada periode t dengan time lag ketertinggalan k
Sakti Silaen dalam bukunya Statistika Untuk Bisnis Dan Ekonomi mengemukakan
bahwa penaksiran interval yaitu menaksir suatu nilai statistic, seperti μ dengan suatu tingkat keyakinan. Dikemukakan juga bahwa semakin besar sampel yang dipergunakan sebagai
penaksir, maka akurasi taksiran pun akan semakin mendekat. Demikian juga sebaliknya jika sampel yang dipergunakan semakin kecil, maka akurasi harga penaksir yang ditemukan juga
relatif rendah. Kisaran nilai penaksir tertentu ada batasan nilai terendah dan nilai tertinggi disekitar yang ditaksir, inilah yang disebut sebagai penaksiran interval. Dengan menganggap
bahwa distribusi sampel adalah normal, atau jika jumlah sampel relatif besar. Maka μ adalah penkasir bagi
x
µ
dan
= n
x
σ σ
yang disebut juga standard error kesalahan baku.
Sehingga Z terletak sedemikian rupa diantara batas
2 α
Z −
dan
2 α
Z +
yaitu sebagai peluang atau luas dibawah kurva normal = 0,95 dengan menggunakan tabel distribusi normal,
ditemukan bahwa nilai Z terletak diantara :
≤ ≤
− n
r n
k
1 96
, 1
1 96
, 1
1-2
Universitas Sumatera Utara
Dengan : n
= Jumlah sampel
=
k
r
koefisien autokorelasi
Syafrizal Helmi Situmorang, Iskandar Muda, Doli M. Ja’far Dalimunthe, Fadli, dan
Fauzie Syarief dalam bukunya Analisis Data untuk Riset Manajemen dan Bisnis
mengemukakan mengenai penggunaan SPSS untuk peramalan forecasting, yaitu dengan menu Analyze, Forecasting, dan lainnya.
C. Tri Hendradi dalam bukunya Statistik SIX SIGMA dengan MINITAB
mengemukakan mengenai pengenalan dan penggunaan Minitab untuk peramalan Forecasting.
1.7 Metode Penelitian
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Ramalan tersebut dapat didasarkan atas berbagai macam metode, yaitu Metode
Pemulusan Eksponensial atau Rata-rata Bergerak, Metode Box-Jenkins dan Metode Regresi, semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk
memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan
dalam peramalan yang bersifat objektif. Langkah-langkah yang dilakukan dalam penelitian ini adalah :
1. Pengumpulan data penjualan produksi teh botol dari Juni 2007 sampai dengan bulan Mei 2013.
2. Memplot data penjualan tersebut untuk mengetahui pola data. 3. Memeriksa kestasioneran data dengan menghitung koefisien autokorelasi dan
koefisien autokorelasi parsial. 4. Identifikasi model ARIMA sementara.
5. Menetapkan model ARIMA sementara untuk peramalan. 6. Pendugaan nilai awal parameter model ARIMA
7. Pengujian terhadap model yang telah ditetapkan untuk mengetahui apakah model yang ditetapkan telah tepat.
Universitas Sumatera Utara
8. Menggunakan model untuk peramalan. 9. Menarik kesimpulan.
Universitas Sumatera Utara
DATA PENJUALAN
PLOT DATA PENJUALAN PLOT KOEFISIEN AUTOKORELASI
APAKAH DATA STASIONER
YA
IDENTIFIKASI MODEL
PENETAPAN MODEL
PENAKSIRAN PARAMETER MODEL
PENGUJIAN MODEL
APAKAH MODEL TELAH MEMADAI
YA
PENGGUNAAN MODEL UNTUK PERAMALAN
KESIMPULAN
Universitas Sumatera Utara
BAB 2 LANDASAN TEORI
Peramalan adalah kegiatan umtuk memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan pengalaman di masa lalu. Metode peramalan yang sering digunakan dalam
ekonomi dan dunia usaha adalah deret waktu time series.
2.1 Beberapa Uji Yang Digunakan 2.1.1
Uji Kecukupan Sampel
Sebelum melakukan analisa terhadap data, langkah awal yang harus dilakukan adalah pengujian terhadap anggota sampel. Pengujian ini dimaksudkan untuk mengetahui apakah
data yang diperoleh dapat diterima sebagai sampel. Dengan tingkat keyakinan 95 05
, =
α
rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:
2
1 2
1 1
2
20
− =
∑ ∑
∑
= =
= N
t t
N t
t N
t t
Y Y
Y N
N 2-1
Dengan : =
N Ukuran sampel yang dibutuhkan
= N
Ukuran sampel percobaan
=
t
Y
Data aktual Apabila
N N , maka sampel percobaan dapat diterima sebagai sampel.
2.1.2 Uji Musiman
Untuk mengetahui adanya komponen musiman dilakukan uji musiman. Hipotesa ujinya adalah sebagai berikut :
Universitas Sumatera Utara
