Prediksi Penjualan Sepeda Motor Honda di Kabupaten dan Kotamadya Malang dengan Metode Peramalan Hierarki. Oleh : Rika Susanti

dokumen-dokumen yang mirip
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI KABUPATEN NGAWI DENGAN ARIMA DAN VARIASI KALENDER. Muflih Rori Putra Harahap

Peramalan Volume Penjualan Semen di PT.Semen Gresik Persero Tbk

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK

PEMODELAN DATA DERET WAKTU YANG MENGANDUNG EFEK VARIASI KALENDER PADA KASUS PENJUALAN PRODUK DI PERUSAHAAN RITEL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Peramalan Jumlah Pengunjung Domestik dan Mancanegara di Maharani Zoo & Goa Menggunakan ARIMA Box - Jenkins

BAB 2 LANDASAN TEORI

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Analisis Peramalan Jumlah Permintaan Kerudung di Industri Kecil Kerudung Arin di Surabaya dengan Metode Variasi Kalender

Peramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis

BAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang

Prediksi Permintaan BBM di PT. Pertamina Region V dengan Metode Peramalan Data Time Series Hirarki

Peramalan Total Market Sepeda Motor Dan Total Penjualan Motor X Di Propinsi Jawa Timur Dengan Pendekatan ARIMA Box-Jenkins Dan ARIMAX

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

PERAMALAN JUMLAH PENUMPANG TRANSPORTASI UDARA TUJUAN SURABAYA BALIKPAPAN DENGAN METODE ARIMA BOX-JENKINS

BAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat

Pemodelan Produksi Minyak dan Gas Bumi pada Platform MK di PT X Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

*Corresponding Author:

metodologi penelitian

Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS

BAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan

BAB II TINJAUAN TEORITIS

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

Oleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Peramalan Kebutuhan Premium dengan Metode ARIMAX untuk Optimasi Persediaan di Wilayah TBBM Madiun

BAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

Abstrak Hampir seluruh aktivitas manusia di berbagai belahan bumi sangat bergantung terhadap ketersediaan air bersih.

Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

APLIKASI METODE DOUBLE EXPONENTIAL SMOOTHING BROWN DAN HOLT UNTUK MERAMALKAN TOTAL PENDAPATAN BEA DAN CUKAI

KAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting

Bab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen

PEMODELAN PRODUKSI SEKTOR PERTANIAN

Penentuan Pelebaran Window Time Optimal Pada Data Deret Waktu

PROSEDUR PEMBENTUKAN MODEL VARIASI KALENDER BERDASARKAN MODEL ARIMAX UNTUK PERAMALAN DATA DENGAN EFEK VARIASI KALENDER

PENGEMBANGAN MODEL REGRESI DERET WAKTU UNTUK DATA YANG MENGANDUNG VARIASI KALENDER

Model ARIMAX Dan Deteksi GARCH Untuk Peramalan Inflasi Kota Denpasar Tahun 2014

Perbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X

2 efek dari pengaruh kejadian luar (exernal even) pada daa ime series (Wei, 2006). Bila y adalah daa ime series yang mengandung variasi kalender, maka

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT

IV METODE PENELITIAN

ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI

PERAMALAN JUMLAH PENGUNJUNG PANTAI KENJERAN SURABAYA MENGGUNAKAN ARIMA BOX-JENKINS

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

Peramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model

S 9 Peramalan Volume Penjualan Calana Panjang di Boyolali dengan Menggunakan Model Variasi Kalender

ANALISIS PERAMALAN KOMBINASI TERHADAP JUMLAH PERMINTAAN DARAH DI SURABAYA (STUDI KASUS:

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

PERAMALAN KONSUMSI LISTRIK PADA SEGMEN RUMAH TANGGA PT PLN (PERSERO) DISTRIBUSI JAWA TIMUR

Analisis Peramalan Jumlah Penumpang Kereta Api Penataran Tujuan Surabaya-Malang

PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)

III. METODE PENELITIAN

Peramalan Pengguna Kapal Ferry Ujung-Kamal dengan Metode Intervensi

FORECASTING & ARIMA. Dwi Martani. 1/26/2010 Statistik untuk Bisnis 9 1

KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak

Proyeksi Penduduk Provinsi Riau Menggunakan Metode Campuran

PENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.

PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

PERAMALAN NILAI EKSPOR NON MIGAS SEKTOR PERINDUSTRIAN DI JAWA TIMUR DENGAN MENGGUNAKAN ARIMA BOX-JENKINS

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

BAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada

PERAMALAN JUMAH MOBIL PRIBADI YANG BERADA DI KOTA SURABAYA

PERAMALAN PENJUALAN LISTRIK DI PT. PEMBANGKITAN JAWA BALI (PT. PJB) KANTOR PUSAT SURABAYA

APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND

Sekilas Pandang. Modul 1 PENDAHULUAN

Prediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki

ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING

(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF

PERAMALAN RATA-RATA TEMPERATUR UDARA HARIAN KOTA PEKANBARU MENGGUNAKAN MODEL ARIMA (0,1,1) TUGAS AKHIR

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu

BAB III METODE PENELITIAN

IV. METODE PENELITIAN

MAKALAH TUGAS AKHIR IDENTIFIKASI MODEL ARIMA BOX-JENKINS

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

BAB 2 LANDASAN TEORI

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Perancangan Sistem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Metode Triple Exponential Smoothing

MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR

agenda Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran

Peramalan Hasil Produksi Pupuk NPK Menggunakan Model Fungsi Transfer Multi Input. : Nesia Brilliana I.P NRP :

BAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami

IDENTIFIKASI POLA DATA TIME SERIES

DAMPAK PENURUNAN HARGA BBM JENIS PREMIUM TERHADAP ANGKA INFLASI DI KOTA YOGYAKARTA (Studi Aplikasi Model Intervensi dengan Step Function)

BAB 3 METODOLOGI PEMECAHAN MASALAH

Genteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435

Transkripsi:

Prediksi Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Oleh : Rika Susani 1310100066 Dosen Pembimbing Co. Pembimbing : Dra. Desri Susilaningrum, M.Si. : Dr. Suharono, S.Si, M.Sc. 1

AGENDA PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PENELITIAN ANALISIS PEMBAHASAN KESIMPULAN 2

BAB 1 PENDAHULUAN 3

Laar Belakang BAB I. PENDAHULUAN Indusri oomoif berkembang pesa di Indonesia, khususnya sepeda moor Honda merupakan merek sepeda moor yang paling diminai Ada 3 jenis sepeda moor Di Wilayah Malang Pangsa Pasar Honda mencapai >70% pada 2014 4

Laar Belakang BAB I. PENDAHULUAN Kabupaen Malang & Koamadya Malang Tingginya Perminaan Sepeda Moor Honda di Wilayah Malang karena perumbuhan ekonomi yang inggi (Depui pemasaran MPM) Variabel yang mempengaruhi perminaan sepeda moor : (Budiaro, 2013) : LPE, PDRB per kapia, dan Jumlah Penduduk (Usia Produkif) Prediksi penjualan ahunan menggunakan Variabel LPE, PDRB Per Kapia, Penduduk Usia produkif 5

Laar Belakang BAB I. PENDAHULUAN Daa Penjualan Sepeda Moor Honda merupakan daa dere waku hierarki 12000 10000 8000 6000 4000 2000 0 Jan-09 May-09 Sep-09 Jan-10 May-10 Sep-10 Jan-11 May-11 Sep-11 Jan-12 May-12 Sep-12 Jan-13 May-13 Sep-13 Jan-14 Toal Honda Prediksi penjualan menggunakan meode peramalan hierarki maic cub spor 6

Laar Belakang BAB I. PENDAHULUAN Peneliian Terdahulu (meode peramalan hierarki) Ahanasopoulos, dkk (2009) Peramalan hierarki hingga level 2 unuk kasus kedaangan wisaawan lokal di Ausralia Karikasari, (2009) Peramalan Penjualan di perusahaan riel Amigo di Jawa Tengah pada level 0 dan level 1 7

Laar Belakang BAB I. PENDAHULUAN Peneliian saa ini Peramalan Penjualan sepeda moor Honda dengan Meode Peramalan Hierarki Peramalan Penjualan Toal Honda dan Menuru Jenisnya Peramalan Penjualan Tahunan dan Bulanan Top- Down & Boom- Up Peramalan Penjualan Tahunan Toal Honda menggunakan variabel LPE, PDRB Perkapia, dan Jumlah Penduduk Usia Produkif 8

Laar Belakang BAB I. PENDAHULUAN 816 825 804 791 524 Honda menuru 526 Jenis 476 474 999 Peramalan Penjualan Bulanan menggunakan ARIMAX Maic Cub Spor 1,034 515 501 1,147 Peneliian Sebelumnya (ARIMAX) Peer, dan Silvia (2012) : Peramalan 1,180 PDRB di Slovakia menggunakan 1,012 variabel 952 pengangguran 67 75 64 68 62 62 70 61 79 75 56 78 807 1,486 Suharono, 620 619 Lee, dan 608 Hamzah (2010) : 589 Peramalan Penjualan baju muslim 448 anak laki-laki pada perusahaan Garmen di Indonesia Noviani (2010) : Peramalan Penjualan sandal dorlop di Sukoharjo 522 9

Rumusan Masalah BAB I. PENDAHULUAN Bagaimana karakerisik penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang? Bagaimana model peramalan hierarki penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang? Bagaimana hasil ramalan penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang dengan meode peramalan hierarki? Tujuan Peneliian Mengeahui karakerisik penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang. Memperoleh model peramalan hierarki yang sesuai unuk penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang. Meramalkan penjualan sepeda moor Honda berbagai ipe di Kabupaen dan Koamadya Malang dengan meode peramalan hierarki. 10

Manfaa Peneliian BAB I. PENDAHULUAN memberikan informasi pada PT. Mira Pinashika Mulia selaku disribuor dalam meramalkan penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang sehingga dapa digunakan sebagai bahan perimbangan dalam perencanaan unuk disribusi ke depan. 11

BAB 2 TINJAUAN PUSTAKA 12

BAB II. TINJAUAN PUSTAKA Regresi Linear Berganda Y X... 0 1 1 X w w Regresi Non Linear Y e 1 2 ( 3 ) Esimasi Parameer menggunakan OLS Esimasi Parameer menggunakan Meode Leas Square dengan Ierasi Gauss-Newon 13

Analisis Time Series BAB II. TINJAUAN PUSTAKA Analisis Dere Waku Analisis dere waku (ime series) : kronologi uruan pengamaan pada suau variable erenu Langkah ARIMA Box-Jenkins yaiu 1.idenifikasi model semenara, 2.esimasi parameer dalam model, 3.diagnosic checking 4.peramalan. P Model ARIMA S d S D S ( B ) p ( B)(1 B) (1 B ) Y q ( B) Q ( B ) a. p, d, q, P, D dan Q pada model ARIMA diliha berdasarkan nilai ACF dan PACF daa yang elah sasioner. (Sumber : Bowerman & O Connell, 1993 ) 14

15 BAB II. TINJAUAN PUSTAKA Model ARIMAX. ) ( ) ( ) ( ) (...... 2, 02 1, 01 2, 2 1, 1 3, 3 1, 1 12, 1 2, 2 1, 1 0 S P p S Q q a B B B B D D D D V V U U U Y

BAB II. TINJAUAN PUSTAKA Meode Peramalan Hierarki Sumber : Demand Forecasing, Planning, and Managemen oleh Larry Lapide (2006) 16

17 BAB II. TINJAUAN PUSTAKA Pendekaan Top-down Meode Peramalan Hierarki (lanjuan) Disagregasi Proporsi Daa Hisori Proporsi Hasil Peramalan n Y Y f n b b 1, ) ( n n b b n Y n Y f 1 1, HP1 : HP2 : 1 0 1,, ) ( ˆ ) ( ˆ c a a n b a n b b h S h Y f dengan, b = 1,2,..., m c Proporsi Pemilihan Model Terbaik n Y Y Y Y n smape 1 2 ˆ ˆ 1

BAB 3. METODOLOGI PENELITIAN 18

Sumber Daa BAB III. METODOLOGI PENELITIAN Daa Penjualan Sepede Moor Honda daa sekunder dari PT MPM Honda Daa in-sample : Daa Januari 2009-Desember2013 Daa ou-sample : Daa Januari 2014-Mare 2014 Daa LPE, Jumlah Penduduk Usia Produkif, dan PDRB daa sekunder dari BPS 19

Variabel Peneliian BAB III. METODOLOGI PENELITIAN 20

Variabel Peneliian BAB III. METODOLOGI PENELITIAN 21

Meode Peneliian BAB III. METODOLOGI PENELITIAN 1. Melakukan Analisis Saisika deskripif, unuk mengeahui karakerisik penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang. 2. Melakukan pemodelan dengan menggunakan Meode Peramalan Hierarki, dengan pendekaan opdown dan boom-up. Pada pendekaan op-down digunakan proporsi disagregasi proporsi daa hisori HP1, HP2, proporsi daa ahun 2013 dan proporsi ramalan. Penenuan model erbaik di anara dua meode hierarki berdasarkan smape erkecil. 3. Melakukan peramalan menggunakan model yang diperoleh pada poin 2. 22

Langkah Pemodelan Top-down BAB III. METODOLOGI PENELITIAN Pada pendekaan ini, pemodelan dilakukan mulai dari level paling aas yaiu level 0. Pemodelan pada level ini dilakukan unuk mendapakan model ramalan penjualan ahunan oal Honda dengan meode regresi linier. Kemudian pada level 1, dilakukan pemodelan regresi non linier guna mendapakan ramalan rasio penjualan ahunan Honda menuru jenisnya. Adapun ramalan rasio penjualan ersebu akan dijadikan sebagai proporsi unuk melakukan pemecahan dari ramalan level 0 ke level 1. Pemodelan pada level 2, dilakukan dengan meode ARIMAX, dimana pemodelan ARIMAX ersebu digunakan sebagai model yang mendasari dalam perhiungan proporsi ramalan. Selain menggunakan proporsi ramalan, unuk mendapakan ramalan pada level 2 dilakukan pula perhiungan berdasarkan proporsi daa hisori HP1 HP2, dan proporsi daa ahun 2013. Dari ke empa pendekaan perhiungan proporsi juga akan dipilih proporsi disagregasi erbaik berdasarkan krieria smape ou-sample minimum. 23

BAB III. METODOLOGI PENELITIAN Langkah Pemodelan Boom-up Pada pendekaan ini, pemodelan dimulai pada level hierarki paling bawah, yaiu level 2. Pada level 2 model yang digunakan unuk memperoleh ramalan bulanan Honda menuru jenisnya adalah dengan meode ARIMAX. Adapun model ARIMAX yang digunakan pada level ini merupakan model ARIMAX erbaik yang memiliki smape ou-sample erkecil. Selanjunya pemodelan dilanjukan ke level hierarki di aasnya yaiu level 1. Pada level ini unuk mendapakan ramalan penjualan ahunan Honda menuru jenisnya, dilakukan dengan menjumlahkan hasil ramalan penjualan bulanan Honda yang diperoleh pada level 2. Kemudian, unuk pemodelan pada level paling aas (level 0), yaiu dengan menjumlahkan hasil peramalan pada level 1 unuk mendapakan ramalan penjualan ahunan oal Honda. 24

BAB 4 ANALISIS DAN PEMBAHASAN 25

Analisis Saisika Deskripif Kabupaen Malang Penjualan Sepeda Moor Honda Menuru Jenis Rasio Penjualan Honda Menuru Jenis ahun 2013 BAB IV. ANALISIS DAN PEMBAHASAN Raa-raa penjualan bulanan Honda menuru Jenisnya Maic Cub Spor 12% maic cub spor 7% 2219 2888 2466 2583 2414 2451 2620 1754 1754 1817 1780 1845 81% 1325 1434 1314 946 837 945 880 814 972 1043 940 1046 Tahun Rasio Maic Rasio Cub Rasio Spor 2009 0,249 0,664 0,086 2010 0,428 0,522 0,048 2011 0,692 0,268 0,039 2012 0,784 0,181 0,034 2013 0,805 0,124 0,070 165 158 177 165 160 167 259 209 220 202 175 186 26

Analisis Saisika Deskripif Koamadya Malang Penjualan Sepeda Moor Honda Menuru Jenis BAB IV. ANALISIS DAN PEMBAHASAN Raa-raa penjualan bulanan Honda menuru Jenisnya Rasio Penjualan Honda Menuru Jenis Maic Cub Spor 1,486 maic cub spor 13% 6% 816 825 804 791 999 1,034 1,147 952 1,180 1,012 807 81% 524 476 526 474 515 501 620 619 608 589 448 522 67 75 64 68 62 62 70 61 79 75 56 78 Tahun Rasio Maic Rasio Cub Rasio Spor 2009 0,288 0,666 0,047 2010 0,465 0,503 0,032 2011 0,667 0,295 0,038 2012 0,749 0,213 0,038 2013 0,813 0,129 0,057 27

Peramalan Hierarki Top-Down Kabupaen Malang Level 0 (Peramalan Penjualan Tahunan Sepeda Moor Honda) ˆ 1 4.778.064 2.878X 11 Y Parameer Esimasi Sd. Error hiung P- value β 0-4.778.064 694.043-6,88 0,006 β 1 2.878,4 414,5 6,94 0,006 Hasil rend analysis Xˆ 1.666,64 2, 55 1 Koamadya Malang BAB IV. ANALISIS DAN PEMBAHASAN Level 0 (Peramalan Penjualan Tahunan Sepeda Moor Honda) Parameer Yˆ 434,56 2 X 2 3 Sd. Esimasi Error hiung P-value β 0 434,56 16,10 26,99 0,00 Hasil rend analysis Xˆ 30,39 4, 31 2 3 Ramalan level 0 28

Model Peramalan Hierarki Top-Down Kabupaen Malang BAB IV. ANALISIS DAN PEMBAHASAN Level 1 (Peramalan penjualan ahunan Honda menuru jenisnya) Pemodelan Rasio Penjualan Honda menuru jenisnya Rasio Penjualan Honda Maic 0,8 0,7 0,6 0,5 0,4 0,3 Maic cub Rasio Penjualan Honda Cub 0,7 0,6 0,5 0,4 0,3 0,2 Rˆ 1 0, 865-1, 133e 1 (-0, 570 ) Rˆ 1 0, 025 1, 043e 2 ˆ 1 Rˆ Rˆ R 13 11 1 2 (-0, 447 ) 0,2 2009 2010 2011 Tahun 2012 2013 0,1 2009 2010 2011 Tahun 2012 2013 0,09 Rasio Penjualan Honda Spor 0,08 0,07 0,06 0,05 0,04 spor 0,03 2009 2010 2011 Tahun 2012 2013 29

Model Peramalan Hierarki Top-Down Kabupaen Malang BAB IV. ANALISIS DAN PEMBAHASAN ˆ ˆ ˆ Y1 R Y i 1 i 1 Ramalan level 1 30

Model Peramalan Hierarki Top-Down Koamadya Malang BAB IV. ANALISIS DAN PEMBAHASAN Rˆ 2 0, 865-0, 999e 1 Rˆ 2 0, 0251, 058e ˆ 2 R 1 R R 23 21 22 ˆ ˆ (-0, 518 ) (-0, 417 ) Ramalan level 1 31

Model Peramalan Hierarki Top-Down BAB IV. ANALISIS DAN PEMBAHASAN Peramalan hierarki Level 2 1. Proporsi Daa Hisori Daa Hisori HP1 Daa Hisori HP2 Kabupaen & Koamadya Malang 2. Proporsi Hasil Ramalan Daa ahun 2013 Hasil Ramalan dari Meode ARIMAX yang diproporsikan 32

Kabupaen Malang Model ARIMAX unuk Honda Maic BAB IV. ANALISIS DAN PEMBAHASAN 6000 Sep/2009 Sep/2010 Agus/2011 Agus/2012 Agus/2013 5000 Penjualan Honda Maic 4000 3000 2000 1000 0 Monh Jan Year 2009 Jul Jan 2010 Jul Jan 2011 Jul Jan 2012 Jul Jan 2013 Jul 33

BAB 5 KESIMPULAN DAN SARAN 34

KESIMPULAN BAB V. KESIMPULAN DAN SARAN 1. Penjualan sepeda moor Honda di Kabupaen dan Koamadya Malang cenderung meningka dari ahun 2009-2013. Penjualan Honda sejak ahun 2011 didominasi oleh maic. Penjualan Honda maic dan spor cenderung naik, sedangkan Penjualan Honda cub cenderung menurun. 2. Pada peramalan hierarki di peroleh hasil sebagai beriku. Pada level 0, Penjualan ahunan sepeda moor Honda di Kabupaen dan Koamadya masing-masing dipengaruhi oleh penduduk usia produkif dan PDRB per Kapia. Meode peramalan hierarki erbaik, unuk meramalkan penjualan penjualan sepeda moor Honda di Kabupaen Malang adalah dengan pendekaan boom-up, sedangkan peramalan hierarki erbaik di Koamadya Malang menggunakan pendekaan op-down. 3. Hasil ramalan bulanan menunjukkan bahwa penjualan Honda maic dan spor cenderung naik, sedangkan Honda cub cenderung urun. Ramalan Penjualan bulanan Honda maic dan spor di Kabupaen eringgi erjadi pada bulan Juli, sedangkan di Koamadya Malang penjualan nya eringgi pada bulan Desember. 35

SARAN BAB V. KESIMPULAN DAN SARAN Pada peneliian selanjunya, sebaiknya menambah jumlah daa dan menggunakan meode peramalan hierarki lain seperi pendekaan middle-ou aau kombinasi opimal 36

Dafar Pusaka Anonim. (2013). Jelang Lebaran, Perminaan Sepeda Moor Meningka. hp://bandungoomoifmania.com/laes-news/88-jelang-lebaran-perminaan-sepedamoor-meningka. diakses anggal 13 April 2014 pukul 01.06 Anonim. (2014). PT. Mira Pinashika Musika Tbk. hp://cdc.unpad.ac.id/?p=10710 diakses anggal 28 Januari 2014 pukul 07.24 Ahanasopoulos, G., Ahmed, R. A., dan Hyndman, R. J. (2009). Hierachical Forecas for Ausralian Domesic Tourism. Inernaional Journal of Forecasing, 146-166 Badan Pusa Saisik Koa Malang. Memaknai Perumbuhan Ekonomi Koa Malang 7,5%. hp://malangkoa.bps.go.id/?hal=beria_deil&id=3 diakses anggal 13 April 2014 pukul 01.59 Bowerman, B.L dan O Connell, D. (1993). Forecasing and Time Series : An Applied Approach, 3rd ediion. California : Duxbury Press. Budiaro, A. (2013). Analisis Fakor-Fakor yang Mempengaruhi Perminaan Sepeda Moor di Koa Semarang (Sudi Kasus PNS Koa Semarang). Skripsi Fakulas Ilmu Ekonomi dan Bisnis Universias Diponegoro, Semarang. Chahyono, K. (2014). Ekspedisi Nusanara Perkua Image sporbike Honda di Malang. hp://dapurpacu.com/ekspedisi-nusanara-perkua-image-sporbike-honda-di-malang diakses pada 13 April 2014 pukul 00.30. 37

Cryer, J. D., dan Chan, K. S. (2008). Time Series Analysis Wih Applicaion in R (2nd ediion). New York : Springer. Daniel, W.W. (1989). Saisika Nonparamerik Terapan, Jakara : PT Gramedia. Draper, N., dan Smih, H. (1992). Analisis Regresi Terapan, Edisi kedua. Jakara : PT. Gramedia Pusaka Uama. Guerrero, V. M. (1990). Temporal Diasgregaion Time Series : An ARIMA Based Approch. Inernaional Saisical Review 58, S 29-46 Gujarai, D.N. (2003). Basic Economerics. New York : McGraw Hill/Irwin. Hardiana, V. M. (2013). Peramalan Jumlah Tamu di Hoel X dengan Pendekaan ARIMA, Fungsi Transfer, dan ANFIS. Tugas Akhir S1 Jurusan Saisika ITS, Surabaya. Karikasari, P. (2013). Prediksi Penjualan di Perusahaan Riel dengan Meode Peramalan Hirarki Berdasarkan Model Variasi Kalender. Tugas Akhir S1 Jurusan Saisika ITS, Surabaya. Kurniawan, A. (2013). Honda Kuasai 61,3% Pangsa Pasar Moor Bulan Okober. hp://www.ribunnews.com/bisnis/2013/11/11/honda-kuasai-613-pangsa-pasar-moorbulan-okober diakses anggal 13 April 2014 pukul 23.45 Luhfi, A M. (2014). Moor Spor Honda Kian Digemari di Malang. hp://oo.deik.com/read/2014/03/07/100845/2518397/1208/moor-spor-honda-kiandigemari-di-malang. diakses anggal 13 April 2014 pukul 23.55 38

Makridakis, S dan M. Hibbon, (2000). The M3-Compeiion : resul, conclussion and implicaion. Inernaional Journal of Forecasing 16(1) : 451-476. Noviani, T.D. (2010). Analisis Variasi Kalender dengan Pendekaan ARIMAX unuk meramalkan Penjualan Sandal Dorlop di Perusahaan Amigo Group Sukoharjo, Sukoharjo. Tugas Akhir S1 Jurusan Saisika ITS, Surabaya. Peer, D, dan Silvia, P. (2012). ARIMAX vs ARIMAX-Which Aproach is Beer o Analyzed and Forecas Macroeconomic Time Series?. Proceedings of 30h Inernaional Conference Mahemaical Mehods in Economics : 136-140. Suharono, M. H. Lee, dan N. A Hamzah. (2010). Calendar Variaion Model Based On ARIMAX for Forecasing Sales Daa Wih Ramadhan Effec. Proceedings of he Regional Conference on Saisical Sciences : 349-361. Walpole, R.E.(1995). Penganar Meode Saisika. Edisi Keiga. Jakara : Gramedia Pusaka Uama. Wei, W. W. (2006). Time Analysis Univariae and Mulivariae Mehods (2nd Ediion). New York : Pearson 39

Peramalan Penjualan Sepeda Moor Honda di Kabupaen dan Koamadya Malang dengan Meode Peramalan Hierarki Berdasarkan Model ARIMAX 40

Srukur daa pada peramalan hierarki Daa Penjualan Tahunan Toal Sepeda Moor Honda Daa Penjualan Tahunan Sepeda Moor Honda Menuru jenis Daa Penjualan Bulanan Sepeda Moor Honda menuru jenisnya 41