BAB III HASIL ANALISIS

51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping data yang dibutuhkan, penulis juga memperoleh keterangan yang berkaitan dengan Penjualan Produk Coca-Cola. Data tersebut disajikan kedalam tabel. 3.1 seperti yang terlihat dibawah ini, yang selanjutnya akan dianalisis dengan metode Dekomposisi Census II. Tabel 3.1 Data Penjualan Produk Coca-Cola Bulan Tahun 00 003 004 005 006 Januari 8744 11115 13544 113475 10135 Februari 9078 119716 19953 115317 11875 Maret 8645 115558 19741 117514 11971 April 86855 10177 131566 116579 1155 Mei 87988 11918 133134 10055 15813 Juni 85516 115418 18855 118950 11315 Juli 87100 11475 130875 11680 1541 Agustus 89115 13158 1995 1705 13811 September 100473 1005 13475 119175 10915 Oktober 89789 1615 134071 10461 10987 Nopember 10117 11518 134533 10953 14315 Desember 10155 119539 135975 1010 13836 Sumber : PT. Coca-cola Bottling Indonesia

5 3. Pengolahan Data Setelah data yang diperlukan dalam penelitian diperoleh, maka dapat dilakukan pengolahan data dengan menggunakan tekhnik dekomposisi yang dipilih. Dalam hal ini digunakan Dekomposisi Census II. 1. Melakukan pengujian terhadap sample data hasil pengamatan dan dilanjutkan dengan uji keacakan sample, uji trend dan uji musim.. Menggambarkan grafik data dapat membantu dalam mengamati pola data trend. 3. Menghitung pemisahan awal dari musiman terhadap unsur trend-siklus dan memisahkan keacakan dengan menggunakan rata-rata bergerak (dalam hal ini rata-rata bergerak adalah 1-bulanan) dan penggantian terhadap nilai-nilai ekstrim, menghitung factor musiman awal dengan melakukan penyesuaian musiman awal terhadap data aktual. 4. Menghitung penyesuaian musiman akhir dengan menggunakan rata-rata bergerak berbobot 15-bulan dari Spencer untuk menghilangkan setiap pengaruh musiman dan unsur acak yang tidak terdeteksi sebelumnya. 5. Melakukan pengujian deret data untuk menentukan keberhasilan proses dekomposisi yang telah dilakukan. Dalam hal ini dilakukan uji perubahan persentasi dari komponen acak dan trend-siklus. 6. Menghitung Bulan Dominasi Siklus (MCD) yang diperoleh dari rasio perubahan persentasi dari komponen acak dan komponen trend-sikuls. 7. Menghitung taksiran trend-siklus dengan menghitung rata-rata bergerak dari data akhir yang telah disesuaikan menurut musim. Dalam hal ini digunakan rata-rata bergerak tiga bulanan. 8. Menggambarkan trend-siklus yang dihitung dalam Dekomposisi Cencus II. 9. Membuat ramalan untuk jumlah Penjualan Produk Coca-Cola dua tahun kedepan. 3..1 Pengujian Sampel Pengujian terhadap sampel dilakukan sesuai dengan persamaan (-) yaitu

53 ( ) 0 N Xt Xt N = X t untuk membantu dalam perhitungan, maka dibuat tabel 3. seperti berikut: Tabel 3. Uji Besar Sampel untuk Data Penjualan Produk Coca-Cola Periode Data(Xt) Xt Periode Data(Xt) Xt 1 8744 7646103364 31 130875 17186565 9078 815011784 3 1995 168875304 3 8645 74380005 33 13475 175496565 4 86855 754379105 34 134071 17975033041 5 87988 7741888144 35 134533 1809918089 6 85516 73198656 36 135975 184890065 7 87100 7586410000 37 113475 187657565 8 89115 79414835 38 115317 1398010489 9 100473 100948379 39 117514 13809540196 10 89789 80606451 40 116579 1359066341 11 10117 1044881089 41 10055 144130305 1 10155 1043564405 4 118950 1414910500 13 11115 15697735 43 11680 148060400 14 119716 1433190656 44 1705 1505651705 15 115558 13353651364 45 119175 14068065 16 10177 144451139 46 10461 145108551 17 11918 1486399874 47 10953 14696809 18 115418 133131474 48 1010 14886440100 19 11475 1475617565 49 10135 14434185 0 13158 1516789964 50 11875 1485351565 1 1005 14449405 51 11971 1433096944 1615 150344385 5 1155 149184405 3 11518 147666434 53 15813 1588910969 4 119539 14895751 54 11315 14717395

54 5 13544 17567911936 55 1541 1578169744 6 19953 168877809 56 13811 153916371 7 19741 168377081 57 10915 14604375 8 131566 1730961356 58 10987 14637854169 9 133134 1774661956 59 14315 15454195 30 18855 1660361105 60 13836 15335354896 Dari hasil perhitungan diperoleh : N = 60 X t = 7010414 X t = 8,310E+11 Maka untuk : N ' 0 60 8,310E+11-(7010414) = 7010414 N N ' 0 845751,690 = 7010414 = (,41843778) ' N ' = 5,81815099 Dengan nilai N < N ( 5,8 < 60 ) dan sesuai dengan criteria pengujian maka terima H o. Sehingga dapat diambil kesimpulan bahwa data yang digunakan dalam penelitian ini memenuhi kriteria untuk dianalisis. 3.. Uji Keacakan Sampel Dengan memperhatikan pola data yang diperlihatkan oleh grafik data, dapat dilihat arah dari time series. Untuk menunjukkan bahwa adanya pola data yang mempengaruhi data maka dilanjutkan uji keacakan sample.

55 Dengan α = 0,05 hipotesa ujinya adalah sebagai berikut: H 0 = Frekuensi naik dan frekuensi turun sama yang berarti tidak acak H 1 = Frekeunsi naik lebih besar dari frekuensi turun atau sebaliknya. Tabel 3.3 Uji Random untuk Data Penjualan Produk Coca-Cola Periode Data(Xt) Perubahan Periode Data(Xt) Perubahan 1 8744 31 130875 Naik 9078 Naik 3 1995 Turun 3 8645 Turun 33 13475 Naik 4 86855 Naik 34 134071 Naik 5 87988 Naik 35 134533 Naik 6 85516 Turun 36 135975 Naik 7 87100 Naik 37 113475 Turun 8 89115 Naik 38 115317 Naik 9 100473 Naik 39 117514 Naik 10 89789 Turun 40 116579 Naik 11 10117 Naik 41 10055 Naik 1 10155 Naik 4 118950 Turun 13 11115 Naik 43 11680 Naik 14 119716 Naik 44 1705 Naik 15 115558 Turun 45 119175 Turun 16 10177 Naik 46 10461 Naik 17 11918 Naik 47 10953 Naik 18 115418 Turun 48 1010 Naik 19 11475 Naik 49 10135 Turun 0 13158 Naik 50 11875 Naik 1 1005 Turun 51 11971 Turun 1615 Naik 5 1155 Naik 3 11518 Turun 53 15813 Naik 4 119539 Turun 54 11315 Turun 5 13544 Naik 55 1541 Naik 6 19953 Turun 56 13811 Turun

56 7 19741 Turun 57 10915 Turun 8 131566 Naik 58 10987 Naik 9 133134 Naik 59 14315 Naik 30 18855 Turun 60 13836 Turun Statistik penguji adalah : Z ( m M) 0,5 = σ Sehingga akan diperoleh : m =38 M M M = n 1 60 1 = = 9,5 σ = n + 1 1 60 + 1 σ = 1 σ =, 538 Sehingga : Z Z Z (38 9,5) 0,5 =, 538 = 8, 538 = 3,55

57 Dengan α = 0,5 diperoleh Z tabel = 1,645. Karena 3,55 > 1,645 ( Z hitung > Z tabel ) maka H o ditolak, artinya frekuensi naik dan frekuensi tidak sama berarti data bersifat acak. 3..3 Uji Musim Untuk mengetahui ada atau tidaknya faktor atau komponen musiman pada deret berkala dengan melakukan pengujian musiman yang dilakukan dengan menggunakan analisis variansi. Dalam hal ini yang diuji adalah: H 0 = µ 1 =µ =µ 3 =µ 4 =µ 5 (data tidak dipengaruhi musiman) H 1 = tidak semua µ atau paling sedikit satu tanda sama dengan tidak sama atau µ 1 µ (data dipengaruhi musiman). Dalam hal ini diasumsikan bahwa populasi bersifat normal. Jika Y ij dinotasikan sebagai nilai periode ke-i, tahun ke-j dengan i=1,,3,..., 1 dan j=1,,3,4,5 maka deret berkala dapat diperhatikan pada tabel 3.4 berikut ini: Tabel 3.4 Data Penjualan Produk Coca-Cola Bulan Tahun 00 003 004 005 006 Total Januari 8744 11115 13544 113475 10135 565711 Februari 9078 119716 19953 115317 11875 577139 Maret 8645 115558 19741 117514 11971 568770 April 86855 10177 131566 116579 1155 57733 Mei 87988 11918 133134 10055 15813 588908 Juni 85516 115418 18855 118950 11315 570054 Juli 87100 11475 130875 11680 1541 58654 Agustus 89115 13158 1995 1705 13811 588741 September 100473 1005 13475 119175 10915 59343 Oktober 89789 1615 134071 10461 10987 58793 Nopember 10117 11518 134533 10953 14315 60536 Desember 10155 119539 135975 1010 13836 603515 Total 1094173 143341 1583674 148874 147081 7010414 Sumber : PT. Coca-Cola Bottling Indonesia

58 Dari tabel 3.4 diperoleh: (i) Menghitung jumlah kuadrat (JK) JK = b p i= 1 j= 1 Y ij = (8744) + (9078) + (8645) +... + (13836) = 8,310E+11 (ii) Menghitung rata-rata jumlah kuadrat yang diperlukan (RJK) J RJK = b p (7010414) = 1 5 = 8,19098E+11 RJK antar perlakuan p J oj = RJK i= 1 b (1094173) + (143341) +... + (147081) = 8,19098E+11 1 = 11177840876 JKgalat = Y RJK RJKantar perlakuan = 8,310E+11-8,19098E+11-11177840876 = 743757815, (iii) Menghitung Kuadrat Tengah (KT) KT antar perlakuan RJK = db antar perlakuan antar perlakuan = 11177840876 5-1 = 79446019

59 KT galat = JK db galat galat = 743757815, (60-5) (iv) = 135869,37 Menyusun tabel analisa variansi Sumber Variansi Tabel 3.5 Analisa Variansi db RJK KT Fhitung Ftabel Rata-Rata 1 8,19098E+11 Antar Tahun 4 11177840876 79446019 06,6469876 3,65 Galat 55 743757815, 135869,37 Jumlah 60 Diperoleh nilai F hitung =.06,65 Sedangkan nilai F tabel = 3,65 dengan taraf keyakinan 99% maka dengan dapat disimpulkan bahwa H 0 ditolak, dengan perkataan lain bahwa data deret berkala dipengaruhi faktor musiman. 3..4 Pengujian Adanya Trend Dalam pengujian trend akan digunakan uji sesuai dengan persamaan berikut: S 1 τ = dan S= M nn ( 1) nn ( 1) 1 dengan n : besarnya sample total yang digunakan. M : jumlah total dari data yang lebih besar dari data sebelumnya. Untuk keperluan perhitungan diatas dibuat tabel 3.6 seperti berikut :

60 Tabel 3.6 Uji Rank untuk Trend Data Penjualan Produk Coca-Cola Jlh rank Jlh rank Periode Data (Unit) rank data yg lebih besar dari data Periode data rank data yg lebih besar dari data sebelumnya sebelumnya 1 8744 5 56 31 130875 53 8 9078 9 5 3 1995 51 10 3 8645 59 33 13475 55 6 4 86855 3 58 34 134071 58 3 5 87988 6 55 35 134533 59 6 85516 1 60 36 135975 60 1 7 87100 4 57 37 113475 14 47 8 89115 7 54 38 115317 15 46 9 100473 10 51 39 117514 19 4 10 89789 8 53 40 116579 18 43 11 10117 11 50 41 10055 5 36 1 10155 1 49 4 118950 0 41 13 11115 13 48 43 11680 36 5 14 119716 4 37 44 1705 4 19 15 115558 17 44 45 119175 1 40 16 10177 7 34 46 10461 9 3 17 11918 38 3 47 10953 31 30 18 115418 16 45 48 1010 39 19 11475 34 7 49 10135 6 35 0 13158 43 18 50 11875 37 4 1 1005 8 33 51 11971 3 38 1615 41 0 5 1155 40 1 3 11518 35 6 53 15813 48 13 4 119539 39 54 11315 33 8 5 13544 56 5 55 1541 47 14 6 19953 5 9 56 13811 44 17 7 19741 50 11 57 10915 30 31

61 8 131566 54 7 58 10987 3 9 9 133134 57 4 59 14315 46 15 30 18855 49 1 60 13836 45 16 Total 1830 Dari tabel di atas didapat : M = 1830 n = 60 Dengan, 1 S= M nn ( 1) 1 = (1830) (60)(60 1) = 1890 Maka diperoleh : S τ = 1 nn ( 1) 1890 τ = 1 60(60 1) = 1,068 Dengan diperolehnya τ = 1,068 (τ > 0 ) maka hal ini menunjukkan bahwa data dipengaruhi oleh trend yang mempunyai bentuk menaik atau trend positif. 3..5 Uji Siklik Untuk mengetahui apakah data deret berkala bersifat siklik atau tidak maka terlebih dahulu dilakukan pengujian deret data dengan uji siklik. Dalam hal ini penulis menggunakan uji chi kuadrat. Adapun hipotesa uji yang dilakukan adalah sebagai berikut:

6 H 0 : λ 1 =λ = =λ k (data tidak bersifat siklik) H 1 : paling sedikit dua λ k tidak sama (data bersifat siklik). Statistic yang digunakan untuk menguji hipotesis H 0 adalah: ( Xi X) χ = X untuk keperluan data diatas dibuat tabel 3.7 seperti berikut ini: Tabel 3.7 Uji Siklik untuk Trend Data Penjualan Produk Coca-Cola Periode data khi htg Periode data khi htg 1 8744 7396,905145 31 130875 1685,846303 9078 6038,606904 3 1995 1471,39748 3 8645 8011,53736 33 13475 09,138314 4 86855 7695,4497 34 134071 541,07096 5 87988 714,69798 35 134533 679,16677 6 85516 8397,857193 36 135975 3133,674805 7 87100 7570,007809 37 113475 96,9547734 8 89115 6578,971485 38 115317 19,85864 9 100473 9,757549 39 117514 3,885318509 10 89789 66,99010 40 116579 0,58406983 11 10117 089,0587 41 10055 88,4517638 1 10155 1845,734743 4 118950 38,0957403 13 11115 191,097106 43 11680 00,473507 14 119716 70,78070357 44 1705 94,3805149 15 115558 14,071546 45 119175 46,65460888 16 10177 95,961856 46 10461 11,040831 17 11918 0,6749643 47 10953 144,7690506 18 115418 17,3108161 48 1010 8,743871 19 11475 183,849873 49 10135 9,9088198 0 13158 341,61386 50 11875 16,953310 1 1005 96,8985973 51 11971 70,5839380 1615 85,4147848 5 1155 41,7559

63 3 11518 187,771079 53 15813 689,06549 4 119539 6,3359036 54 11315 171,375357 5 13544 110,64584 55 1541 68,8517379 6 19953 1471,6193 56 13811 415,8806135 7 19741 144,41844 57 10915 14,106156 8 131566 1855,937786 58 10987 147,175389 9 133134 7,1003 59 14315 478,196151 30 18855 135,48746 60 13836 418,868996 Dari hasil perhitungan diatas maka ( Xi X) χ = X = 10033,335 Dari daftar distribusi Chi Kuadrat dengan α = 0,05 maka χ 0,99(59) = 88,4 maka χ hitung > χ tabel maka Ho ditolak, sehingga dapat dikatakan bahwa data deret berkala dipengaruhi siklik. 3..6 Grafik Data Penggambaran data time series secara grafik cukup sederhana. Setiap pengamatan didalam time series digambarkan sebagai suatu titik pada susunan koordinat tegak lurus dengan memakai nilai pengamatan sebagai ordinat dan angka yang menunjukkan waktu sebagai absis. Dengan digambarkan time series tersebut, dapat dilihat dengan cepat bagaimana perubahan dari variabel yang sedang diamati pada waktu yang lampau. Perubahan ini lebih mudah dilihat dengan memperhatikan line chart dari time series daripada memperhatikannya bentuk tabel. Untuk data dari PT. Coca Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006 disajikan dalam gambar 3.1 berikut ini :

64 Plot Data Penjualan Produk Coca Cola Penjualan 160000 140000 10000 100000 80000 60000 40000 0000 0 1 5 9 13 17 1 5 9 33 37 41 45 49 53 57 Pengamatan Series1 Gambar 3.1 Gambar Data Penjualan Produk Coca-Cola 3..7 Perhitungan Penyesuaian Musiman Awal Dalam penganalisaan data dengan metode dekomposisi census II, fase pertama adalah membuat penyesuaian hari perdagangan. Dalam Data Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006, hari perdagangan bukan merupakan faktor yang penting karena pengaruhnya pada jadwal penjualan secara umum bersifat acak. Fase kedua dari census II adalah membuat pemisahan awal dari musiman terhadap unsur trend-siklus dan kemudian memisahkan keacakannya. Secara matematis, perhitungan ini meliputi sebagai berikut: X = l T C E t t t t t M = T C t t t X l T C E = R = = I E M T C t t t t t t t t t t t Pertama-tama penentuan harga rata-rata bergerak 1-bulanan. Rata-rata bergerak 1-bulanan yang ditetapkan pada data asli akan menghilangkan sebagian besar unsure musiman dan unsure acak yang terdapat dalam deret data. Masalah pemusatan dari rata-rata bergerak 1-bulanan dihilangkan dengan merata-ratakan rata-

65 rata bergerak dari dua bulan yang berurutan dan menempatkan pada bulan ketujuh dari data yang dirata-ratakan tersebut. Perhitungan rata-rata bergerak yang diperlukan untuk memperoleh MA terpusat 1-bulanan dan rasio dari nilai-nilai MA terhadap rata-rata bergerak ditunjukkan pada tabel 3.8 dibawah ini Tabel 3.8 Rata-Rata Bergerak Terpusat 1-Bulanan dari Data Penjualan Produk Coca-Cola Tahun Bulan Data Asli Rata-Rata MA - Rasio 1- Bergerak bulanan bulan Terpusat 1- dari MA Terpusat (1) () (3) bulanan 1-bulanan (3)/(5) (4) (5) (6) 00 Januari 8744 Februari 9078 Maret 8645 April 86855 Mei 87988 Juni 85516 Juli 87100 91181,08333 909,15 0,94459198 Agustus 89115 9337,16667 94463,75 0,943377751 September 100473 95690,33333 96911,70833 1,036747796 Oktober 89789 98133,08333 9951,5 0,9007061 November 10117 100909,9167 1033,6667 0,989184646 Desember 10155 103737,4167 104983,3333 0,97305916 003 Januari 11115 1069,5 107661,5417 1,041365359 Februari 119716 109093,8333 11051,917 1,083814 Maret 115558 111930,75 1175,9167 1,04878144 April 10177 113575,0833 11494,8333 1,04553719 Mei 11918 116310,5833 117156,4583 1,04064588 Juni 115418 11800,3333 11876,6667 0,9713068 Juli 11475 119451 1030,083 1,009748713

66 Agustus 13158 11153,4167 11579,9583 1,01979456 September 1005 1006,5 1597,4583 0,98048553 Oktober 1615 13188,4167 1366,9583 0,99155689 November 11518 14137,5 14604,8333 0,9757018 Desember 119539 1507,1667 1563,0417 0,951500894 004 Januari 13544 16191,9167 16583,5833 1,047086806 Februari 19953 16975,5 1758,3333 1,01174776 Maret 19741 17541,4167 1805,6667 1,013184679 April 131566 18563,9167 19041,5 1,019565449 Mei 133134 19518,5833 130060,875 1,0368359 Juni 18855 130603,1667 13188 0,9814683 Juli 130875 13197,8333 131178,917 0,997687943 Agustus 1995 130383,75 19773,9167 1,0013758 September 13475 19164,0833 18654,65 1,09694813 Oktober 134071 18145,1667 1750,7083 1,051366494 November 134533 16896,5 16351,917 1,064753658 Desember 135975 15806,3333 15393,65 1,08438571 005 Januari 113475 14980,9167 14597,7917 0,91073047 Februari 115317 1414,6667 1391,7083 0,930630938 Maret 117514 13610,75 13056,5833 0,954959067 April 116579 150,4167 11935,3333 0,95607344 Mei 10055 11368,5 1080,4167 0,993819 Juni 118950 1036,5833 119654,7083 0,994110484 Juli 11680 11907,8333 119350,3333 1,019519566 Agustus 1705 11967,8333 119901,0833 1,0338549 September 119175 10174,3333 1065,9167 0,9909919 Oktober 10461 10357,5 10589,8333 0,99893164 November 10953 108,1667 1106,0833 0,999098947 Desember 1010 1130 11400,5417 1,005007 006 Januari 10135 11499,0833 11654,5833 0,987509033 Februari 11875 11810,0833 11856,1667 1,000154554 Maret 11971 1190,5 11974,75 0,98144909

67 April 1155 1047,5 1069,1667 1,000703153 Mei 15813 1091,0833 131,1667 1,09303765 Juni 11315 1371,5 1447,3333 0,99075487 Juli 1541 153,4167 Agustus 13811 September 10915 Oktober 10987 November 14315 Desember 13836 Akibat rata-rata bergerak terpusat 1-bulanan, nilai 6 bulan pada awal hilang dan nilai 6 bulan pada akhir hilang. Dan untuk menghindari penyimpangan perhitungan untuk nilai -bulanan dari MA 1-bulanan dan nilai rasio 1-bulanan terpusat, maka nilai pada akhir (nilai pada juli 005) diasumsikan sama pada nilai bulan sebelumnya (nilai pada bulan juni 005). Dan hasil dari nilai rasio 1-bulanan terpusat ditunjukkan pada tabel 3.9 dibawah ini. Tabel 3.9 Rasio 1-bulanan Terpusat dari Data Penjualan Produk Coca-Cola 00...... 0,94 0,94 1,04 0,9 0,99 0,97 003 1,04 1,08 1,0 1,05 1,04 0,97 1,01 1,01 0,98 0,99 0,98 0,95 004 1,05 1,0 1,01 1,0 1,0 0,98 1 1 1,03 1,05 1,06 1,08 005 0,91 0,93 0,95 0,96 0,99 0,99 1,0 1,0 0,99 1 1 1,01 006 0,99 1 0,98 1 1,03 0,99...... Nilai R atau nilai rasio 1-bulanan terpusat masih mengandung unsur musiman dan rata-rata bergerak. Perlu diperhatikan bahwa terdapat enam nilai yang hilang pada awal dan enam nilai yang hilang pada akhir karena digunakan prosedur perata-rataan. Langkah selanjutnya dalam Dekomposisi Census II adalah pengeluaran atau penggantian nilai ekstrim sebelum rata-rata bergerak dihilangkan. Proses ini meliputi dua tahap: 1. Menghilangkan rata-rata bergerak (3 3 bulan). MA (3 3 bulan) digunakan pada rasio terpusat dari tabel 3.5. Perhitungan rata-rata bergerak (3 3 bulan)

68 ini mengakibatkan hilangnya dua nilai pada awal data dan dua nilai pada akhir data. Untuk menghindari kehilangan nilai itu, Census II melakukan taksiran nilai dua bulan pada dua nilai yang hilangan tersebut ditetapkan sama dengan rata-rata dua nilai yang mengikutinya. Dua nilai terakhir dirata-ratakan untuk mengisi dua bulan pada akhir deret data. Hal ini menghasilkan empat nilai, sehingga setelah dilakukan rata-rata bergerak (3 3), masih terdapat nilai sebanyak yang sebelumnya. Tabel 3.10 Perhitungan dari Rata-rata Bergerak (3x3) untuk Bulan Januari Nilai Tahun Rasio MA 3 MA (3x3) Tambahan di Terpusat awal dan di (1) () akhir (3) (4) (5) 1,045 00 1,045 1,043 003 1,04 1,04 1,045 1,09 004 1,05 1,05 1,000 1,009 005 0,91 0,91 0,983 0,978 006 0,99 0,99 0,950 0,966 0,950 0,963 0,95 Hasil perhitungan yang diperoleh ditunjukkan pada tabel 3.11 berikut : Tabel 3.11 Rata-rata Bergerak (3x3) untuk Semua bulan dari Data Penjualan 00 0,974 0,974 1,016 0,95 0,994 0,974 003 1,09 1,040 1,008 1,08 1,07 0,976 0,989 0,989 1,009 0,979 1,003 0,991 004 1,009 1,014 0,996 1,013 1,00 0,981 1,001 1,001 1,009 1,006 1,018 1,019 005 0,978 0,986 0,979 0,994 1,013 0,986 1,011 1,011 1,004 1,018 1,01 1,031 006 0,966 0,975 0,97 0,987 1,013 0,989. Menghitung Deviasi Standard. Setelah rata-rata bergerak (3 3) dihitung, lalu dicari selisih dengan rasio terpusat yang ditunjukkan pada tabel 3.6 dan untuk setiap bulan seperti digambarkan pada tabel 3.10. Dalam hal ini deviasi

69 standard digunakan untuk membuat batas control yang mengidentifikasikan nilai ekstrim. Untuk setiap bulan, batas tersebut dapat ditentukan pada MA (3 3 ), plus atau minus, deviasi standard kuadarat. Tabel 3.11 menyajikan perhitungan deviasi standard kuadrat tersebut. Tabel 3.1 Perhitungan Deviasi Standart dan Nilai Pengganti dari Data Penjualan Produk Coca-Cola Tahun Rasio Terpusat ma(3x3) deviasi deviasi kuadrat Tahun Rasio Terpusat ma(3x3) deviasi deviasi kuadrat Jan Juli 00. 00 0,94 0,974-0,034 0,001 003 1,04 1,09 0,011 0,000 003 1,01 0,989 0,01 0,000 004 1,05 1,009 0,041 0,00 004 1 1,001-0,001 0,000 005 0,91 0,978-0,068 0,005 005 1,0 1,011 0,009 0,000 006 0,99 0,966 0,04 0,001 006. Feb Agus 00. 00 0,94 0,974-0,034 0,001 003 1,08 1,040 0,040 0,00 003 1,01 0,989 0,01 0,000 004 1,0 1,014 0,006 0,000 004 1 1,001-0,001 0,000 005 0,93 0,986-0,056 0,003 005 1,0 1,011 0,009 0,000 006 1 0,975 0,05 0,001 006. Maret Sept 00. 00 1,04 1,016 0,04 0,001 003 1,0 1,008 0,01 0,000 003 0,98 1,009-0,09 0,001 004 1,01 0,996 0,014 0,000 004 1,03 1,009 0,01 0,000 005 0,95 0,979-0,09 0,001 005 0,99 1,004-0,014 0,000 006 0,98 0,97 0,008 0,000 006. Apr Okt 00. 00 0,9 0,95-0,05 0,003 003 1,05 1,08 0,0 0,000 003 0,99 0,979 0,011 0,000 004 1,0 1,013 0,007 0,000 004 1,05 1,006 0,044 0,00 005 0,96 0,994-0,034 0,001 005 1 1,018-0,018 0,000 006 1 0,987 0,013 0,000 006. Mei Nov

70 00. 00 0,99 0,994-0,004 0,000 003 1,04 1,07 0,013 0,000 003 0,98 1,003-0,03 0,001 004 1,0 1,00 0,000 0,000 004 1,06 1,018 0,04 0,00 005 0,99 1,013-0,03 0,001 005 1 1,01-0,01 0,000 006 1,03 1,013 0,017 0,000 006. Juni Des 00. 00 0,97 0,974-0,004 0,000 003 0,97 0,976-0,006 0,000 003 0,95 0,991-0,041 0,00 004 0,98 0,981-0,001 0,000 004 1,08 1,019 0,061 0,004 005 0,99 0,986 0,004 0,000 005 1,01 1,031-0,01 0,000 006 0,99 0,989 0,001 0,000 006. Variansi = 0,000740741 Standart Deviasi = 0,0716553 Kemudian tabel 3.1 adalah untuk mencari nilai ekstrim (nilai yang keluar dari batas control) dari nilai rasio terpusat dan kalau terdapat nilai ekstrim tersebut diganti untuk data Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006 dengan menganggap bahwa batas ontrol adalah MA (3 3 ± ) Deviasi standard. Tabel 3.13 Penggantian Nilai ekstrim dari Data Penjualan Produk Coca-Cola Tahun MA (3x3) ±SD Lebih Besar atau lebih Kecil Batas Tahun MA (3x3) ±SD Lebih Besar atau lebih Kecil Batas (1) () (3) Kontrol (4) (1) () (3) Kontrol (4) Jan Juli 00. 00 0,94 ± 0,054 0,94 Tdk 003 1,09 ± 0,054 1,04 Tdk 003 1,01 ± 0,054 1,01 Tdk 004 1,009 ± 0,054 1,05 Tdk 004 1 ± 0,054 1 Tdk 005 0,978 ± 0,054 0,91 Tdk 005 1,0 ± 0,054 1,0 Tdk 006 0,966 ± 0,054 0,99 Tdk 006.. Feb Agus 00. 00 0,94 ± 0,054 0,94 Tdk 003 1,040 ± 0,054 1,08 Tdk 003 1,01 ± 0,054 1,01 Tdk 004 1,014 ± 0,054 1,0 Tdk 004 1 ± 0,054 1 Tdk

71 005 0,986 ± 0,054 0,93 Tdk 005 1,0 ± 0,054 1,0 Tdk 006 0,975 ± 0,054 1 Tdk 006.. Maret Sept 00. 00 1,04 ± 0,054 1,04 Tdk 003 1,008 ± 0,054 1,0 Tdk 003 0,98 ± 0,054 0,98 Tdk 004 0,996 ± 0,054 1,01 Tdk 004 1,03 ± 0,054 1,03 Tdk 005 0,979 ± 0,054 0,95 Tdk 005 0,99 ± 0,054 0,99 Tdk 006 0,97 ± 0,054 0,98 Tdk 006.. Apr Okt 00. 00 0,9 ± 0,054 0,9 Tdk 003 1,08 ± 0,054 1,05 Tdk 003 0,99 ± 0,054 0,99 Tdk 004 1,013 ± 0,054 1,0 Tdk 004 1,05 ± 0,054 1,05 Tdk 005 0,994 ± 0,054 0,96 Tdk 005 1 ± 0,054 1 Tdk 006 0,987 ± 0,054 1 Tdk 006.. Mei Nov 00. 00 0,99 ± 0,054 0,99 Tdk 003 1,07 ± 0,054 1,04 Tdk 003 0,98 ± 0,054 0,98 Tdk 004 1,00 ± 0,054 1,0 Tdk 004 1,06 ± 0,054 1,06 Tdk 005 1,013 ± 0,054 0,99 Tdk 005 1 ± 0,054 1 Tdk 006 1,013 ± 0,054 1,03 Tdk 006.. Juni Des 00. 00 0,97 ± 0,77 0,97 Tdk 003 0,976 ± 0,054 0,97 Tdk 003 0,95 ± 0,77 0,95 Tdk 004 0,981 ± 0,054 0,98 Tdk 004 1,08 ± 0,77 1,08 Tdk 005 0,986 ± 0,054 0,99 Tdk 005 1,01 ± 0,77 1,01 Tdk 006 0,989 ± 0,054 0,99 Tdk 006.. Dari hasil perhitungan yang diperoleh dari tabel 3.13 tidak terdapat nilai ekstrim atau nilai yang melampaui batas kontrol MA (3 3) ± deviasi standard. Kemudian dilakukan perhitungan penyesuaian faktor musiman awal. 1. Enam bulan pada awal rasio terpusat dan enam bulam pada akhir rasio terpusat hilang karena adanya rata-rata bergerak terpusat 1-bulanan. Observasi ini digantikan dengan nilai tahun sebelum dan sesudahnya, seperti yang ditunjukkan pada tabel 3.14 dibawah ini

7 Tabel 3.14 Taksiran Nilai untuk Enam Observasi Awal dan Akhir dari Data Penjualan Produk Coca-Cola 00 1,04 1,08 1,0 1,05 1,04 0,97 0,94 0,94 1,04 0,9 0,99 0,97 003 1,04 1,08 1,0 1,05 1,04 0,97 1,01 1,01 0,98 0,99 0,98 0,95 004 1,05 1,0 1,01 1,0 1,0 0,98 1 1 1,03 1,05 1,06 1,08 005 0,91 0,93 0,95 0,96 0,99 0,99 1,0 1,0 0,99 1 1 1,01 006 0,99 1 0,98 1 1,03 0,99 1,0 1,0 0,99 1 1 1,01 Tahun Total Tengah Nilai 00 0,998 11,980 003 1,010 1,10 004 1,07 1,30 005 0,981 11,770 006 1,003 1,030. Rasio dari tiap tahun disesuaikan sehingga jumlahnya 100 dengan cara menjumlahkan itu dengan 1. Nilai yang diperoleh merupakan rata-rata dari semua bulan untuk setiap tahun. Nilai ini dibagikan terhadap nilai setiap bulan pada tahun yang sesuai yang menghasilkan angka rata-rata bulanan 100. prosedur ini digambarkan pada tabel dibawah ini. Untuk mendapatkan nilai penyesuaian rasio, untuk bulan Januari 00 dihitung 1,04 = 100 sebagai berikut : 0,998 = 104,17367 Begitu seterusnya untuk bulan-bulan berikutnya, sehingga didapat tabel seperti dibawah ini:

73 Tabel 3.15 Penyesuaian Rasio Bulanan Sehingga Rata-ratanya adalah 100 dari Data Penjualan Produk Coca-Cola 00 104,17 108,18 10,17 105,18 104,17 97,16 94,16 94,16 104,17 90,15 99,17 97,1 003 10,97 106,93 100,99 103,96 10,97 96,04 100,00 100,00 97,03 98,0 97,03 94,0 004 10,7 99,35 98,38 99,35 99,35 95,45 97,40 97,40 100,3 10,7 103,5 105,1 005 9,78 94,8 96,86 97,88 100,93 100,93 103,99 103,99 100,93 101,95 101,95 10,9 006 98,75 99,75 97,76 99,75 10,74 98,75 101,75 101,75 98,75 99,75 99,75 100,7 Tujuan melakukan penyesuaian rasio bulanan sehingga jumlahnya 100 adalah menghilangkan pengaruh peristiwa luar biasa dan untuk menyesuaikan deret data terhadap pengaruh yang disebabkan oleh prosedur perhitungan. Langkah terakhir pada tahap pendahuluan ini adalah membagi data asli dengan faktor musiman awal untuk memperoleh deret data yang telah disesuaikan menurut musim pendahuluan. Deret data ini membentuk dasar untuk menyempurnakan taksiran selanjutnya dari unsur musiman, unsur trend-siklus dan unsur acak. Untuk mendapatkan nilai faktor penyesuaian musiman awal untuk bulan Januari yaitu dengan mengambil data penyesuaian rasio bulanan rata-rata 100 (tabel 3.15) dikalikan dengan MA (3 3), seperti yang ada dibawah ini dan hasilnya terdapat pada tabel 3.17 Tabel 3.16 Penyesuaian Rasio Bulanan Rata-rata 100 x MA (3x3) untuk Bulan Januari Tahun MA (3x3) 103,57 103,57 103,77 00 104,17 104,17 103,57 103,49 003 10,97 10,97 103,14 10,0 004 10,7 10,7 99,34 100,14 005 9,78 9,78 97,93 97,68 006 98,75 98,75 95,77 96,8 95,77 96,76 95,77

74 Tabel 3.17 Faktor penyesuaian Musiman Awal 00 103,49 106,71 101,9 104,06 103,17 96,54 96,79 96,79 100,97 94,56 98,79 96,85 003 10,0 104,5 100,8 10,60 10,7 96,77 98,4 98,4 100,18 97, 99,55 98,39 004 100,14 101,05 98,97 100,74 101,4 97,36 99,57 99,57 99,98 99,63 100,74 100,84 005 97,68 98,54 97,90 99,40 101,31 98,57 101,46 101,46 99,76 100,98 101,08 101,86 006 96,8 97,79 97,47 98,98 101,66 99,3 10,14 10,14 99,78 100,89 101,00 10,11 Jika data asli dibagi dengan komponen musiman ini, maka yang tinggal hanya unsur trend-siklus dan fluktuasi yang tak beraturan. Data trend-siklus dan fluktuasi tersebut ditunjukkan pada tabel 3.18 dibawah ini. Tabel 3.18 Deret Data Penyesuaian Musiman Awal dari Data Penjualan Produk Coca-Cola 00 84493 84601 85147 83466 8584 88581 89989 9070 99508 94955 10457 105478 003 109895 114835 11535 11713 1191 11970 13651 15364 119989 1611 1067 11495 004 13359 18603 131091 130600 13170 13349 131440 130513 1350 134569 133545 13484 005 116170 11706 10035 11783 118503 10676 11999 10939 11946 1199 119661 11978 006 14081 1469 1819 13414 13759 156 1784 1117 1118 11990 13084 1177 Deret data tersebut dituliskan secara matematis sebagai berikut X l T C E PI = = = T C E t t t t t t t t t It It dimana PI t = nilai yang telah disesuaikan menurut musiman pendahuluan. 3..8 Penyesuaian Musiman Akhir Dalam tahap Census II ini deret data musiman awal yang telah disesuaikan tersebut, diproses lebih lanjut dengan menggunakan rata-rata bergerak untuk menghilangkan setiap pengaruh musiman dan rata-rata bergerak yang tidak terdeteksi sebelumnya. Hasil ini dicapai melalui suatu urutan langkah yang serupa dengan fase pendahuluan.

75 3..8.1 Mengisolasi Trend-Siklus Dengan menggunakan data yang telah disesuaikan menurut musim sebagai titik awal, unsure acak dihilangkan dengan menggunakan rata-rata bergerak berbobot 15-bulanan dari Spencer. Alasan untuk menerapkan rata-rata ini adalah bahwa data yang diberikan oleh persamaan (-8) mencakup unsur trend siklus dan unsur acak. Rata-rata bergerak ini menghilangkan unsur acak, yang memberikan suatu kurva halus yang memperlihatkan adanya unsur trend-siklus dalam data. Tabel 3.19 menggambarkan hal ini dan menunjukan hasil yang diperoleh. Bila data asli dibagi oleh rata-rata bergerak berbobot 15-bulaan dari Spenser, maka yang tinggal hanya faktor musiman acak akhir dan secara matematis dapat ditunjukkan dengan persamaan berikut: M = T C t t t X l T C E FIE = = = I E t t t t t t t t Mt Tt Ct dengan M t adalah MA 15-bulanan data spencer. FIE t adalah rasio musiman acak akhir. Tahun Tabel 3.19 Hasil Perhitungan Rata-rata Berbobot 15-bulanan Spencer dari Data Penjualan Produk Coca-Cola Jan Feb Mar Apr Mei Juni Juli Agus Sept Okt Nov Des 00 847 84144 84300 84908 86061 8785 90089 9686 95555 98756 1013 105836 003 109379 1160 115301 117506 119348 10785 11837 1533 1995 13469 14340 15680 004 1787 1896 13010 130950 13167 131576 13083 1371 133083 13510 130564 17399 005 13798 10563 118513 117919 1183 119016 119550 11979 119710 119881 10406 1140 006 1190 13004 13470 13476 1311 1597 108 11571 11308 1105 1103 1166 Rata-rata bergerak berbobot 15-bulanan dari Spencer (deret data telah disesuaikan menurut musim pendahuluan). Penerapan rumus rata-rata bergerak berbobot 15-bulanan dari Spencer akan mengakibatkan hilangnya tujuh nilai pada awal deret data dan tujuh nilai pada akhir deret data. Untuk menghindari hal tersebut,

76 setiap nilai hilang digantikan dengan nilai taksiran. Tujuh nilai pertama ditetapkan sama dengan nilai rata-rata dari empat observasi sebelumnya. 3..8. Rasio Musiman Acak Akhir Rasio musiman acak akhir dihitung dengan membagi data asli dengan nilai yang diperoleh dari rumus 15-bulanan Spencer. Hasilnya merupakan himpunan rasio musiman acak akhir yang disajikan pada tabel 3.0. Tabel 3.0 Rasio Musiman Acak akhir dari Data Penjualan Produk Coca Cola 00 100,3 100,5 101,0 98,3 99,1 100,9 99,9 99,3 104,1 96, 100, 99,7 003 100,5 10,0 99,9 99,7 99,9 98,8 101,5 10,3 97,6 10, 98, 96,7 004 104,0 99,8 100,7 99,7 100,0 100,6 99,5 98,3 99,6 101,6 10,3 105,8 005 93,8 97,1 101,3 99,5 100, 101,4 100,3 101,0 99,8 99,5 99,4 98,8 006 101,6 101,3 99,5 100,0 100,5 99,7 100,6 99,7 99,9 98,9 101,6 100,0 Tabel 3.1 Faktor Stabil-Indeks Musiman Data Penjualan Produk Coca-Cola Bulan Jan Feb Mar Apr Mei Juni Juli Agus Sept Okt Nov Des Ratarata 100,0 100,1 100,5 99,4 99,9 100,3 100,4 100,1 100, 99,7 100,3 100, Pada tabel 3.1 disajikan faktor-daktor yang stabil. Faktor ini merupakan nilai ratarata untuk setiap bulan dan menunjukkan banyaknya unsur musiman yang terdapat pada data asli tentang Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006. 3..8.3 Faktor Musiman Akhir Faktor musiman akhir diturunkan dengan menerapkan rata-rata bergerak (3 x 3) bulanan terhadap data rasio musiman acak akhir (tabel 3.0) Rata-rata bergerak (3 3) bulanan tersebut dihitung seperti pada fase pendahuluan. Dua observasi pada awal

77 dan dua observasi pada akhir yang hilang ditaksir sebelum rata-rata bergerak dihitung. Hasil yang diperoleh berupa himpunan faktor penyesuaian musiman akhir ditunjukkan pada tabel 3.1. Nilai faktor ini diramalkan satu tahun kedepan dengan mengalikan faktor pada baris terakhir dengan 3, dikurangi dengan faktor pada baris sebelumnya dan membagi hasilnya dengan. Untuk bulan Januari dihitung sebagai berikut: ( ) 98,8 3 98,97 / = 98,75 Demikian seterusnya untuk bulan-bulan berikutnya, dan nilai proyeksi ini ditunjukkan pada tabel 3. dibawah ini: Tabel 3. Faktor Penyesuaian Musiman Akhir 00 100,79 101,01 100,55 99,00 99,51 100,01 100,47 100,38 101,07 99,08 99,66 99,18 003 100,47 100,54 100,55 99,8 99,7 100,04 100,48 100,46 100,08 100,06 99,79 99,78 004 100,7 99,91 100,55 99,5 99,97 100,9 100,30 100,08 99,71 100,34 100,41 100,90 005 98,97 99,39 100,50 99,68 100,19 100,46 100,35 100,0 99,5 100,10 100,49 100,46 006 98,8 99,49 100,31 99,74 100,3 100,47 100,38 100,06 99,8 99,45 100,79 100,19 Tabel 3.3 Faktor Musiman Yang Diramalkan Satu Tahun ke Depan 007 98,75 99,54 100, 99,76 100,38 100,47 100,39 100,00 99,97 99,13 100,93 100,05 Secara matematis,langkah ini sama dengan menghitung nilai yang diharapkan untuk menghilangkan adanya unsur acak yang masih ada. 3..8.4 Deret Data Akhir yang Disesuaikan Menurut Musim Deret data yang telah disesuaikan menurut musim diperoleh dengan membagi data asli dengan faktor penyesuaian musiman akhir pada tabel 3.. Hasilnya untuk Data Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006.

78 Tabel 3.4 Deret Data Akhir yang Disesuaikan Menurut Musim dari Data Penjualan Produk Coca-Cola 00 86757 89375 85773 8773 8841 85507 86693 88778 99409 9063 10156 103000 003 111591 119073 11496 11049 160 11537 10895 1594 10109 1541 11774 119803 004 13187 130070 19031 1301 133174 1848 130484 19848 13860 133617 133984 13476 005 114656 11605 11699 116953 11987 118405 1156 1460 119750 10341 10363 11451 006 11570 1500 11934 1473 1541 10747 14937 13737 11133 11656 13341 13601 Jika penyesuaian ini telah selesai dilakukan, maka fluktuasi dalam data asli yang disebabkan oleh musiman akan hilang secara keseluruhan, dan yang tinggal hanya unsur trend-siklus dan unsur acak. Secara matematis, hal tersebut dapat ditunjukkan dengan persamaan dibawah ini: Xt It Tt Ct Et FA = = ε( IT) I t t t Sebelum dilanjutkan dengan fase akhir dari Dekomposisi Census II, diperlukan dua himpunan nilai tambahan untuk deret berkala tersebut, yaitu nilai akhir taksiran trendsiklus dan taksiran akhir dari komponen acak. Nilai yang pertama dihitung dengan menggunakan rata-rata bergerak berbobot 15-bulanan Spencer terhadap data akhir yang telah disesuaiakn menurut musiman pada tabel 3.4 dan hasilnya ditunjukkan pada tabel 3.5 berikut: Tabel 3.5 Taksiran Akhir dari Komponen Trend-Siklus dari Data Penjualan Produk Coca-Cola 00 87158 87157 87043 86840 86777 8707 8858 90088 9793 96388 100709 10559 003 11047 114335 117338 119081 11990 10171 1019 10369 1080 11613 1975 1489 004 16967 1895 130339 13096 13096 130954 131303 131994 13575 13144 130149 16766 005 1830 119358 11736 116978 117808 119033 10044 1058 10737 10743 10768 10879 006 11070 11390 11846 199 1700 1968 1956 1781 161 1571 1698 1998

79 Secara matematis, perhitungan dapat diperoleh dari persamaan berikut: ( Fa ) = ε( T C E ) t t t t ( Fa ) = T C t t t Selanjutnya untuk mendapatkan taksiran dari komponen acak (deret data yang disesuaikan menurut musim / rata-rata bergerak 15-bulanan dari Spencer), maka diperoleh dengan membagi persamaan : FA T C E RCt = = = E FA T C t t t t ' t t t Hasil dari langkah ini yang ditetapkan pada deret Data Penjualan Produk Coca-Cola pada PT Coca-Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006.. Ditunjukkan pada tabel 3.6 berikut: Tabel 3.6 Taksiran Akhir dari Komponen Acak 00 99,54 10,55 98,54 101,03 101,89 98,05 98,3 98,55 107,13 94,0 100,85 97,6 003 101, 104,14 97,94 101,65 101,97 96,01 100,56 101,85 99,41 100,76 99,0 95,93 004 104,11 100,89 99 100,97 101,7 98,11 99,38 98,37 100, 101,11 10,95 106,31 005 93,35 97,1 99,66 99,98 101,71 99,47 101,01 101,56 99,18 99,67 99,66 100,47 006 100,41 100,91 97,94 100,14 10,1 98,19 101,61 100,78 98,79 99,5 100,5 100,49 3..9 Pengujian Deret Data Setelah fase III selesai dilakukan dan komponen dasar dari deret berkala tersebut ditaksir, maka dilakukan pengujian deret data untuk menentukan apakah dekomposisi tersebut sukses atau tidak. 3..9.1 Uji Perubahan Persentase untuk Komponen Acak Dalam uji ini komponen acak dari data digunakan sebagai dasar untuk menghitung perubahan persentase komponen acak. Nilai rata-rata keseluruhan dari komponen acak, secara khusus bermanfaat untuk pedoman bagi jumlah minimum kesalahan proyeksi yang dapat diharapkan. Hal ini ditunjukkan pada tabel 3.7 berikut:

80 Tabel 3.7 Uji Perubahan Persentase Komponen Acak 00. 0,03 0,04 0,03 0,01 0,04 0 0 0,09 0,1 0,07 0,03 003 0,04 0,03 0,06 0,04 0 0,06 0,05 0,01 0,0 0,01 0,0 0,03 004 0,09 0,03 0,0 0,0 0,01 0,04 0,01 0,01 0,0 0,01 0,0 0,03 005 0,1 0,04 0,03 0 0,0 0,0 0,0 0,01 0,0 0 0 0,01 006 0 0 0,03 0,0 0,0 0,04 0,03 0,01 0,0 0 0,01 0 Nilai rata-rata keseluruhan adalah 0,08 Perhitungan data (nilai yang diambil dari tabel 3.6). Persentase pertama adalah nol karena tidak ada nilai sebelum bulan pertama dan persentase kedua adalah (10,55-99,54)/99,54=0,03. Dan untuk nilai bulan ketiga dan seterusnya dicari dengan cara yang sama, terlihat pada tabel 3.7. Nilai rata-rata keseluruhan adalah 0,08 Menunjukkan kesalahan maksimum dari ramalan tersebut adalah,8%. 3..9. Uji Perubahan untuk Komponen Trend-Siklus Dalam uji komponen trend-siklus dari deret data digunakan sebagai dasar untuk menghitung perubahan persentase trend-siklus dari bulan ke bulan. Untuk Data Penjualan Produk Coca-Cola pada PT Coca-Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006, nilai ini ditunjukkan pada tabel 3.8 jika kita kombinasikan dengan nilai perubahan persentase dalam komponen acak, maka kedua uji ini memberikan salah satu ukuran yang digunakan dalam Dekomposisi Census II yaitu bulan dominasi siklus (MCD). Tabel 3.8 Uji Perubahan Persentase Komponen Trend-Siklus 00. 0 0 0 0 0,01 0,01 0,0 0,03 0,04 0,04 0,05 003 0,04 0,04 0,03 0,01 0,01 0 0 0 0 0,01 0,01 0,0 004 0,0 0,0 0,01 0 0 0 0 0,01 0 0 0,0 0,03 005 0,03 0,03 0,0 0 0,01 0,01 0,01 0 0 0 0 0

81 006 0 0 0 0 0 0 0 0 0 0 0 0 Nilai rata-rata keseluruhan adalah 0,009 Perhitungan data (nilai diambil dari tabel taksiran akhir komponen trendsiklus). Persentase pertama adalah nol karena tidak ada nilai sebelum bulan pertama dan persentase bulan kedua adalah (87157-87158)/87158 = 0 untuk bulan ketiga dan seterusnya dicari dengan cara yang sama. 3..10 Bulan untuk Dominasi Siklus. Tabel 3.7 dan tabel 3.8 adalah menunjukkan persentase perubahan nilai setiap bulan dibanding nilai bulan yang sebelumnya, masing-masing untuk komponen acak dan trend-siklus. Rasio dari perubahan trend-siklus dan acak menunjukkan berapa lama jangka waktu bahwa variasi komponen trend-siklus melebihi variasi komponen acak. Untuk data penjualan rasio tersebut adalah 3,11 ( 0,08/0,009 ).yang menunjukkan bahwa komponen trend-siklus mendominasi komponen acak sebesar 3,11. Dengan diketahuinya MCD adalah 3 bulan maka dapat dikatakan antara rentang waktu satu bulan dan rentang waktu tiga bulan, fluktuasi dalam komponen trend-siklus menjadi lebih besar dari pada fluktuasi dalam komponen acak. Hal ini menunjukkan bahwa MA 3-bularan dari data akhir yang telah disesuaikan menurut musim haruslah menggambarkan gerakan dalam komponen trend-siklus karena MA 3-bulanan ini akan menghilangkan bagian terbesar dari komponen acak. Tabel 3.9 Rata-rata Bergerak 3-bulanan (Deret data yang telah di sesuaikan menurut musim) 00. 87301,7 8767 87308,9 870,3 86873,8 8699,5 9166,5 9936,6 97198,1 98394,9 105384,1 003 1111 115196,5 118349, 119411,6 119560, 119509 11960, 11199, 11748, 11474,7 1137,6 14587,8 004 17353, 13049,5 130434 131468,6 13185,6 130713,3 19604,7 131064 13108,4 133486,9 13410,8 17800,6 005 11814,3 115870 116635,8 117903,3 118395,3 11989,4 10707 11155, 10850, 10151, 10718,4 1118 006 11840, 11137,1 11438,4 1409,1 1877,5 13698,8 13140,5 1369 1175,3 1043,3 1866.

8 PLOT TREND SIKLUS DALAM CENCUS II Trend Siklus dalam Cencus II 160000,0 140000,0 10000,0 100000,0 80000,0 60000,0 40000,0 0000,0 0,0 1 5 9 13 17 1 5 9 33 37 41 45 49 53 57 Pengamatan Gbr 3. Trend-Siklus yang dihitung dalam Census II Nilai rata-rata keseluruhan dari perubahan persentase tanpa memperhatikan tandanya adalah 0,013. Nilai ini diperoleh dengan menggunakan rumus: n FA FA i= t 1 t FA t 1 /( n 1) = 0,1 Rata-rata bergerak MCD yang telah diperoleh, merupakan dasar untuk meramalkan trend-siklus. Suatu plot grafis dari rata-rata bergerak pada tabel 3.9 diatas, sangat berguna untuk mengidentifikasi tingkat perubahan suatu kegiatan, yaitu trend-siklus. 3..11 Peramalan Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006. Untuk membuat peramalan Jumlah Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006 dua tahun kedepan yaitu Januari 007 sampai Desember 008 maka terlebih dahulu dicari taksiran trend-siklus. Taksiran ini diperoleh dari rata-rata bergerak MCD yang kemudian dikalikan dengan ramalan musiman dua tahun kedepan.

83 Tabel 3.30 Faktor Musiman Yang diramalkan Januari 007 sampai Desember 008 007 98,75 99,54 100, 99,77 100,3850 100,4750 100,40 99,99 99,97 99,13 100,94 100,06 008 98,71 99,57 100,17 99,79 100,4175 100,4775 100,40 99,96 100,05 98,96 101,0 99,99 Tabel 3.31 Taksiran Trend-Siklus yang Diramalkan Januari 006 sampai Desember 007 007 1981 1984 1987 1990 1993 1996 1999 1300 13005 13008 13011 13014 008 13017 1300 1303 1306 1309 1303 13035 13038 13041 13044 13047 13050 Tabel 3.3 Peramalan Jumlah Penjualan Produk Coca-Cola 007 11444 1418 1358 1707 1993 13586 13491 1990 1968 11938 14167 13088 008 11430 1491 133 1768 1309 1363 1357 1989 13103 11764 1430 13038

84 BAB IV KESIMPULAN DAN SARAN 4.1 Kesimpulan Berdasarkan analisis yang telah dilakukan terhadap Data Penjualan Produk Coca Cola pada PT Coca Cola Bottling Indonesia Medan Berdasarkan Krat Periode Januari 00 sampai Desember 006, maka diperoleh hasil ramalan untuk tahun ke depan yaitu Januari 007 sampai dengan Desember 008 yaitu sebagai berikut : Bulan Tahun 007 008 Januari 11444 11430 Februari 1418 1491 Maret 1358 133 April 1707 1768 Mei 1993 1309 Juni 13586 1363 Juli 13491 1357 Agustus 1990 1989 September 1968 13103 Oktober 11938 11764 November 14167 1430 Desember 13088 13038 4. Saran Untuk melakukan perencanaan yang baik terlebih dahulu dilakukan peramalan mengenai keadaan yang berhubungan dengan rencana kerja yang hendak dibuat untuk

85 membantu dalam menentukan tindakan di masa yang akan datang dan tujuan untuk meningkatkan keuntungan dan keefisienan.