PERBANDINGAN METODE REGRESI LINIER DAN … · PERBANDINGAN METODE REGRESI LINIER DAN KUADRATIK...

PERBANDINGAN METODE REGRESI LINIER DAN KUADRATIK

DALAM PERAMALAN PENJUALAN SEPEDA MOTOR

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Novy Ika Anthonia Renyaan

135314052

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

i

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

COMPARISON OF LINEAR AND POLYNOMIAL

REGRESSION METHOD IN FORECASTING MOTORCYCLE SALES

A THESIS

Presented as Partial Fullfillment of the Requirments

To Obtain the Sarjana Komputer Degree

In Study Program of Informatics Enggineering

By :


135314052

INFORMATICS ENGINEERING STUDY PROGRAM

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018

ii


HALAMAN MOTTO

“Ora et Labora”

“Sebab itu janganlah kamu kuatir akan hari besok, karena hari besok

mempunyai kesusahannya sendiri. Kesusahan sehari cukuplah

sehari.” (Matius 6 : 34)

“Apa pun juga yang kamu perbuat,

perbuatlah dengan segenap hatimu seperti untuk Tuhan

dan bukan untuk manusia.” (Kolose 3 : 23)

“Untuk maju kita lihat kedepan, untuk tahu diri kita lihat kebelakang”

v


HALAMAN PERSEMBAHAN

Skripsi ini saya persembahkan untuk :

Tuhan Yesus Kristus yang selalu memberkati dan menyertaiku dalam proses

menyelesaikan skripsi ini

Papa, Mama, kedua adikku tercinta dan keluarga yang selalu memberikan doa

serta dukungan selama proses perkuliahan

Seluruh Dosen dan karyawan yang telah memberikan pengetahuan,

dukungan, bimbingan dan fasilitas selama proses perkuliahan

Teman-teman seperjuangan yang telah memberikan doa,

dukungan, motivasi dan semangat

Keluarga besar Universitas Sanata Dharma yang telah memberikan segala

pengalaman berharga, yaitu ilmu atau pembelajaran dalam bidang apapun.

vi


PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa tugas akhir yang saya tulis

tidak mengandung atau memuat hasil karya orang lain, kecuali yang telah

disebutkan dalam daftar pustaka dan kutipan selayaknya karya ilmiah.

Yogyakarta, 23 Januari 2018

vii


LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIMAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma

Yogyakarta :

Nama : Novy Ika Anthonia Renyaan

NIM : 135314052

Demi pengembangan ilmu pengetahuan, saya memberikan kepada

perpustakaan Universitas Sanata Dharma karya ilmiah yang berjudul :

PERBANDINGAN METODE REGRESI LINIER DAN KUADRATIK

DALAM PERAMALAN PENJUALAN SEPEDA MOTOR

Berserta perangkat yang diperlukan (bila ada). Dengan demikian saya

memberikan kepada perpustakaan Universitas Sanata Dharma Yogyakarta hak

untuk menyimpan, mengalihkan dalam bentuk media lain, menglola dalam bentuk

pangkalan data, mendistribusikan secara terbatas, dan mempublikasikan di

internet atau media lain untuk kepentingan akademis tanpa meminta ijin dari saya

maupun memberikan royaliti kepada saya selama tetap mencantumkan nama saya

sebagai penulis. Demikian pernyataan yang saya buat sebenarnya.

Dibuat di Yogyakarta,

Pada tanggal : 23 Januari 2018

Yang menyatakan,

viii


ABSTRAK

Sepeda motor merupakan salah satu alat transportasi yang memenuhi

kebutuhan penting dalam kehidupan masyarakat. Meningkatnya pembelian sepeda

motor membuat para penjual kewalahan dalam meramalkan jumlah produksi

sepeda motor pada bulan selanjutnya atau tahun selanjutnya. Sehingga penjual

perlu meramalkan penjualan sepeda motor untuk setiap bulan atau setiap

tahunnya.

Sistem aplikasi peramalan dengan metode Regresi Linier dan metode

Kuadratik yang dibangun diharapkan mampu membantu para penjual dalam

memproduksi sepeda motor. Tahapan pertama dalam perhitungan adalah

mengambil data penjualan sebelumnya. Selanjutnya menentukan bulan atau tahun

sebagai x dan penjualan sebagai y, kemudian setiap data akan dikalikan dan

dipangkatkan. Semua perhitungan akan di cari error terkecil, sehingga akan

ditunjukkan pada pengguna sistem.

Hasil akhir perhitungan sistem menunjukkan kedua metod memiliki hasil

yang baik. Berdasarkan hasil uji, metode kuadratik lebih baik dibandingkan

metode regresi tetapi tidal semua peramalan memiliki hasil yang baik karena

faktor jumlah data yang berbeda-beda. Oleh karena itu, pada setiap peramalan

juga dicantumkan error peramalan untuk membantu mempertimbangkan hasil

peramalan.

ix


ABSTRACT

Motorcycles are one means of transportation that meets the important

needs in people's lives. Increased purchases of motorcycles make the sellers

overwhelmed in predicting the amount of motorcycle production in the next

month or next year. So the seller needs to forecast motor sales every month or

every year.

The application of forecasting system with Linear Regression method

and built Polynomial Regression method is expected to assist the seller in

producing motorcycle. The first stage in the calculation is to take the previous

sales data. Next determine month or year as x and sales as y, then each data will

be multiplied and raised. All calculations will be searched for the smallest error,

so it will be displayed to the user system.

The end result of the system calculation shows both methods have good

results. Based on the test results, the Polynomial Regression method is better than

the Linear Regression method but the increase and decrease of all forecasting

have good results because of the many different data factors. Therefore, in each

estimate also includes forecasting errors to help consider forecasting results.

x


KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena

atas berkat dan rahmat-Nya, penulis dapat menyelesaikan tugas akhir sesuai

dengan waktu yang telah ditentukan. Skripsi ini disusun sebagai salah satu syarat

untuk memperoleh gelar sarjana Teknik Informatika di Universitas Sanata

Dharma Yogyakarta.

Penulis telah menyadari bahwa tanpa melibatkan bantuan dan dukungan

banyak pihak skripsi ini sulit untuk selesai, namun berkat dukungan dan bantuan

dari banyak pihak, akhirnya skripsi ini dapat diselesaikan. Oleh sebab itu atas

bantuan dan dukungannya, penulis menghaturkan ucapan terima kasih kepada :

1. Tuhan Yang Maha Esa karena telah memberikan berkat dan memberikan

kekuatan selama proses penyelesaian tugas akhir.

2. Sudi Mungkasi,S.Si.,M.Math.Sc.,Ph.D selaku Dekan Fakultas Sains dan

Teknologi Universitas Sanata Dharma Yogyakarta.

3. Dr. Anastasia Rita selaku Ketua Program Studi Teknik Informatika

Universitas Sanata Dharma Yogyakarta.

4. Drs. Haris Sriwindono, M.Kom. Selaku dosen pembimbing yang telah

meluangkan waktu untuk membimbing penulis selama pembuatan skripsi ini.

5. Seluruh dosen Teknik Informatika atas ilmu yang telah diberikan selama

menuntut ilmu dan sangat membantu penulis dalam mengerjakan tugas akhir.

6. Orang tuaku Bapak Albert W. A. Renyaan dan Ibu Falantina Eva Kristina

Sedubun, adik-adikku Steven William Renyaan dan Hansel Surya Ariel

Renyaan, serta keluarga besar Renyaan dan Sedubun (Opa Elieser Sedubun

dan Om Elisa Burhanudin) yang selalu memberikan doa, dukungan, kasih

sayang dan motivasi kepada penulis dalam penyelesaian tugas akhir.

xi


7. Sahabat terbaik Priscilla Friehastie Setyawati dan Irma Lestari Ayomi yang

selalu memberikan semangat, dukungan dan motivasi.

8. Teman-teman TI(ber)7 : Birgitta Ranindya Siwi, Dewi Suryamaharani, Ni

Komang Asih Setiawati, Claudia Anggivi Ellora, Theodora Ratri Dewanti,

Elisabeth Nasa Sari yang selalu memberikan semangat, motivasi dan waktu.

9. Indra Tio Purnomo Putra yang selalu memberikan semangat, motivasi dan

dukungan.

10. Teman-teman Teknik Informatika 2013 yang selalu memberi motivasi,

semangat dan bantuan selama menyelesaikan skripsi ini.

11. Teman terbaik Astrid, Ajeng, Melan, Tasya, Arnas, Mario, Putra, Hotman,

Feliks, Adrian, Andre, Vrengki dan Ben Oni yang selalu memberikan

dukungan dan semangat.

12. Teman-teman seperantauan : Gamma, Doni, Dina, Ray, Alif, Hanang, Wulan,

Aan yang memberikan dukungan dan semangat.

13. Teman CS di sekertariat FST : Pela, Cindy, Ditha, dan Mei yang selalu

memberikan dukungan dan semangat.

14. Serta semua pihak baik secara langsung maupun tidak langsung telah

membantu penulis dalam menyelesaikan skripsi.

xii


Penulis menyadari bahwa skripsi ini masih banyak kekurangan dan jauh dari

sempurna. Oleh sebab itu penulis sangat mengharapkan kritik dan saran dari

pembaca yang dapat bermanfaat bagi perbaikan pada masa mendatang.

Penulis berharap semoga skripsi ini dapat bermanfaat bagi pihak-pihak yang

berkepentingan untuk menambah wawasan dan pengetahuan dan juga bagi

pembaca.

Yogyakarta, 23 Januari 2018

Penulis


xiii


DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

HALAMAN JUDUL ............................................................................................... ii

HALAMAN PERSETUJUAN ............................................................................................ iii

HALAMAN PENGESAHAN ............................................................................................... iv

HALAMAN MOTTO ............................................................................................. v

HALAMAN PERSEMBAHAN ............................................................................. vi

PERNYATAAN KEASLIAN KARYA................................................................ vii

KARYA ILMIMAH UNTUK KEPENTINGAN AKADEMIS .......................... viii

ABSTRAK………………………………………………………………………..ix

ABSTRACT………………………………………….……………………………x

KATA PENGANTAR............................................................................................ xi

DAFTAR ISI ........................................................................................................ xiv

DAFTAR GAMBAR .......................................................................................... xvii

DAFTAR TABEL ............................................................................................... xvii

BAB I PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang ............................................................................................... 1

1.2 Rumusan Masalah .......................................................................................... 2

1.3 Tujuan ............................................................................................................ 2

1.4 Batasan Masalah ............................................................................................ 3

1.5 Sistematika Penulisan .................................................................................... 3

BAB II TINJAUAN PUSTAKA ......................................................................... 5

2.1 Time Series .................................................................................................... 5

2.2.1 Definisi Time Series................................................................................. 5

xiv


2.2 Metode Regresi Linier (Regression Linear) .................................................. 5

2.2.1 Definisi Metode Regresi Linier (Regression Linear) .............................. 5

2.2.3 Regresi Linear Sederhana ........................................................................ 6

2.3 Metode Kuadratik (Polynomial Regression) ................................................. 7

2.3.1 Definisi Metode Kuadratik (Polynomial Regression) ............................. 7

2.4 Tinjauan Penelitian Terkait ............................................................................ 8

BAB III METODOLOGI PENELITIAN .......................................................... 11

3.1 Gambaran Umum ......................................................................................... 11

3.2 Desain Penelitian ......................................................................................... 11

3.2.1 Studi Literatur ................................................................. ....................... 11

3.2.2 Data ....................................................................................................... 11

3.2.3 Analisa Alat Uji ..................................................................................... 12

3.2.4 Analisa dan Pengujian Sistem ............................................................... 13

BAB IV ANALISIS DAN PERANCANGAN SISTEM ...................................... 14

4.1 Analisa Sistem ............................................................................................. 14

4.2 Analisa Kebutuhan Pengguna ...................................................................... 14

4.2.1 Diagram Use Case ..................................................................... ............ 14

4.2.2 Data Flow Diagram (DFD) .................................................................... 15

4.2.3 Flowchart ............................................................................................... 18

4.2.4 Perancangan Basis Data ........................................................................ 18

4.3 Perancangan Antarmuka .............................................................................. 21

BAB V IMPLEMENTASI DAN ANALISA HASIL ........................................... 24

5.1 Implentasi..................................................................................................... 24

5.1.1 Implentasi Tampilan Antarmuka ........................................................... 24

5.2 Analisa Hasil ................................................................................................ 26

xv


5.2.1 Analisa Penjualan Sepeda Motor Dengan Metode Regresi Linier ........ 26

5.2.2 Analisa Penjualan Sepeda Motor Dengan Kuadratik ............................ 35

5.3 Analisa Hasil Keseluruhan........................................................................... 42

BAB VI KESIMPULAN DAN SARAN .............................................................. 43

6.1 Kesimpulan .................................................................................................. 43

6.2 Saran ............................................................................................................ 43

DAFTAR PUSTAKA ........................................................................................... 44

LAMPIRAN……………………………………………………………………...47

xvi


DAFTAR GAMBAR

Gambar 4. 1 Diagram Use Case .......................................................................... 14

Gambar 4.2 Diagram Konteks ............................................................................. 15

Gambar 4.3 DFD level 1 ...................................................................................... 15

Gambar 4.4 DFD level 2 ...................................................................................... 16

Gambar 4.5 DFD level 2 ....................................................................................................... 19

Gambar 4.6 Desain Konseptual ......................................................................................... 20

Gambar 4.7 Desain Logikal ................................................................................................ 20

Gambar 4.8 Flowchart regresi linier .................................................................... 20

Gambar 4.9 Flowchart Kuadratik ........................................................................ 21

Gambar 4.10 Input Manual Data Motor .............................................................. 22

Gambar 4.11Input Manual Data Penjualan Motor .............................................. 22

Gambar 4.12 Peramalan....................................................................................... 23

Gambar 5. 1 Input Data Motor ............................................................................ 24

Gambar 5. 2 Input Data Penjualan ....................................................................... 25

Gambar 5. 3 Peramalan........................................................................................ 25

Gambar 5. 4 Grafik Hasil Perhitungan Regresi Linier................................................. 36

Gambar 5. 5 Grafik Hasil Perhitungan Kuadratik ............................................... 40

Gambar 5. 6 Grafik Hasil Keseluruhan ............................................................... 42

xvii


DAFTAR TABEL

Tabel 1. 1 Penjualan Sepeda Motor dari tahun 2010 - 2015 .................................. 1

Tabel 4. 1 Tabel Motor ......................................................................................... 18

Tabel 4. 2 Tabel MotorPrediksi ............................................................................ 19

Tabel 5. 1 Tabel Penjualan Sepeda Motor Honda Type CB150R ........................ 26

Tabel 5. 2 Tabel Data Perhitungan Penjualan Sepeda Motor ............................... 29

Tabel 5. 3 Tabel Hasil Penjualan Sepeda Motor dengan Metode Regresi Linier 33

Tabel 5. 4 Tabel Data Perhitungan Penjulan Sepeda Motor................................. 35

Tabel 5. 5 Tabel Hasil Penjualan Sepeda Motor dengan Metode Kuadratik ....... 40

Tabel 5. 6 Tabel Hasil Keseluruhan ..................................................................... 42

xviii


BAB I

PENDAHULUAN 1.1 Latar Belakang

Perkembangan teknologi di dunia maupun di Indonesia saat ini maju sangat

cepat dan menghasilkan berbagai jenis alat transportasi, khusus alat transportasi

darat, salah satunya adalah sepeda motor. Sepeda motor merupakan alat

transportasi darat yang dapat memenuhi kebutuhan masyarakat karena mudah

diperoleh, penggunaannya tidak sulit, harganya dapat dijangkau oleh masyarakat.

Bahkan melalui kredit, masyarakat sudah dapat memiliki sebuah sepeda motor

baru.

Peminat sepeda motor dari tahun ke tahun di Indonesia semakin meningkat.

Peningkatan kebutuhan sepeda motor pun memberikan dampak positif bagi

pengembangan industri otomotif di Indonesia, khusus industri sepeda motor.

Produksi sepeda motor pun semakin banyak. Kualitas sepeda motor menjadi

pertimbangan perusahaan untuk memasarkan sepeda motor. Data AISI (Asosiasi

Industri Sepeda Motor Indonesia) pada tahun 2010 - 2015, tercatat penjualan

sepeda motor mengalami peningkatan (tabel 1.1). Hal ini menunjukkan bahwa

sepeda motor merupakan salah satu kebutuhan masyarakat di Indonesia sebagai

alat transportasi yang sangat penting.

Tabel 1. 1 Penjualan Sepeda Motor dari tahun 2010 - 2015

TIPE MOTOR TAHUN TOTAL PENJUALAN

Revo 2010 - 2015 1397955

Vario 2010 - 2015 2215116

1


2

Beat 2010 - 2015 6790430

Scoopy 2010 - 2015 1022956

CB150R 2010 - 2015 411855

Sumber: Data AISI (Asosiasi Industri Sepeda Motor Indonesia), 2016.

Sekitar 71%, sepeda motor CBR150R Streetfire produksi Honda menduduki

peringkat pertama yang paling diminati oleh masyarakat. (Krisna W, Antonius,

2013). Jumlah peminat yang meningkat membuat perusahaan kewalahan dalam

memprediksikan jumlah penjualan sepeda motor setiap tahun. Data tabel tersebut

menunjukkan peningkatan pada tahun 2014, kemudian pada tahun 2015

mengalami penurunan penjualan sepeda motor di Indonesia. Maka perlu

dilakukan penelitian tentang pembuatan suatu sistem pendukung pengambilan

keputusan untuk mengatasi masalah penjualan sepeda motor. Sistem pendukung

pengambilan keputusan yang akan dirancang menggunakan metode regresi linier

dan kuadratik. Perbandingan kedua metode tersebut untuk lebih menunjukkan

tingkat keakuratan dalam meprediksi penjualan sepeda motor.

1.2 Rumusan Masalah

Berdasarkan latar belakang, maka dibuat rumusan masalah sebagai berikut :

1. Bagaimana memprediksi penjualan sepeda motor pada bulan selanjutnya

di tahun yang akan datang?

2. Seberapa akurat perbandingan hasil penjualan sepeda motor dangan

metode regresi linier dan kuadratik?

1.3 Tujuan

Penelitian ini bertujuan untuk membandingkan metode regresi linier dan

kuadratik yang dapat membantu perusahaan dalam memprediksi jumlah total

penjualan sepeda motor setiap merk yang harus diproduksi pada tahun yang akan

datang atau tahun berikutnya.


3

1.4 Batasan Masalah

Dalam pengembangan sistem pendukung pengambilan keputusan, terdapat

batasan-batasan masalah antara lain:

1. Data sepeda motor yang digunakan merupakan data sepeda motor Honda

yang diproduksi di Indonesia.

2. Data sepeda motor yang digunakan mencakup motor honda tipe Vario, Beat,

Revo, Scoopy dan CB150R.

3. Sistem berbasis aplikasi dengan menggunakan bahasa pemrograman Java dan

MYSQL.

1.5 Sistematika Penulisan

BAB I : PENDAHULUAN

Bab ini berisi latar belakang, rumusan masalah, tujuan, batasan masalah dan

sistematika penulisan.

BAB II : TINJAUAN PUSTAKA

Bab ini berisi dasar teori yang digunakan untuk pembahasan dalam penulisan.

BAB III : METODOLOGI PENELITIAN

Bab ini berisi tentang metode yang digunakan dalam melakukan penelitian.

BAB IV : ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi tentang tahapan analisis dan perancangan sistem yang akan di

bangun.

BAB V : IMPLEMENTASI DAN ANALISIS HASIL

Bab ini berisi tentang penjelasan program dan hasil implementasi program,

serta berisi kelemahan dan kekurangan dari implementasi sistem.

BAB VI : PENUTUP


4

Bab ini berisi tentang kesimpulan dan saran dari implementasi yang sudah

dilakukan.


BAB II

TINJAUAN PUSTAKA

2.1 Time Series

2.1.1 Definisi Time Series

Deret waktu (time series) adalah serangkaian nilai pengamatan (observasi)

yang diambil selama kurun waktu tertentu, umumnya dalam interval - interval

yang sama panjang. Beberapa contoh deret waktu adalah produksi tahunan besi -

baja di Amerika Serikat untuk kurun waktu beberapa tahun, harga penutupan

harian sebuah saham di pasar modal untuk kurun waktu satu bulan, suhu udara per

jam yang diberitakan oleh badan meteorologi sebuah kota selama kurun waktu

satu hari, dan penjualan total bulanan sebuah pasar swalayan selama kurun waktu

satu tahun.

Secara matematis, deret waktu didefinisikan oleh nilai - nilai Y1, Y2, .... Yᵢ

dari suatu variabel Y (suhu udara, harga penutupan saham, dan sebagainya) untuk

titik - titik waktu t1, t2, ..... t¡ dengan demikian, Y merupakan sebuah fungsi dari t

dan disimbolkan dengan Y = F(t). (Spiegel dan Stephens, 2004).

2.2 Metode Regresi Linier (Regression Linear)

2.2.1 Definisi Metode Regresi Linier (Regression Linear)

Persamaan matematik dengan melakukan peramalan nilai - nilai suatu peubah

(variabel) tak bebas dari satu atau lebih peubah bebas disebut persamaan regresi.

Istilah ini berasal dari hasil pengamatan yang dilakukan Sir Francis Galton (1822 -

1911) membandingkan tinggi badan anak laki - laki dengan tinggi badan bapaknya.

Galton menyatakan bahwa tinggi badan anak laki - laki dari bapak yang tinggi

pada beberapa generasi kemungkinan cendurung “mundur” (regressed) mendekati

rata - rata populasi. (Yusuf, 2009).

Dikatakan pula bahwa analisis regresi mempunyai dua jenis variabel yaitu:


6

1. Variabel Respon (variabel dependen) yaitu variabel yang keberadaannya

dipengaruhi oleh variabel lain dan dinotasikan dengan variabel Y.

2. Variabel Prediktor (variabel independen) yaitu variabel bebas (tidak

dipengaruhi oleh variabel lain) dan dinotasikan dengan X.

Hubugan – hubungan antara variabel bebas maka regresi linier terdiri dari dua

bentuk, yaitu:

1. Analisis regresi sederhana (simple analysis regresi).

2. Analisis regresi berganda (Multiple analysis regresi).

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu

variabel bebas (variable independen) dan variabel tak bebas (variabel dependen).

Analisis regresi berganda merupakan hubungan antara tiga variabel atau lebih,

yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.

Tujuan regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel

dependen) jika nilai variabel yang satu berhubungan dengan variabel lainnya

sudah ditentukan.

2.3.2 Regresi Linear Sederhana

Regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara

satu buah variabel bebas terhadap satu buah variabel terikat.Bentuk umum dari

persamaan regresi linier untuk suatu populasi menurut Yusuf (2009) adalah

sebagai berikut :

yˆ a bx .................................. (2.1)

Keterangan:

y' = Nilai yang diproyeksikan

x = Variabel bebas

a = Parameter Intercept

b = Parameter Koefisisen Regresi Variabel Bebas

Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a

adalah konstanta (intercept) yang merupakan titik potong antara garis regresi

dengan sumbu Y pada koordinat kartesius.


7

Langkah - langkah yang dilakukan metode regresi linier dalam menyelesaikan

contoh diatas menurut Yusuf (2009) adalah sebagai berikut :

1. Tentukan Y = varibel tak bebas dan X = variabel bebas.

2. Hitung nilai a dan b.

b nxyxyn x

2 ( x)

2

a y bx (2.2) ..........................

3. Setelah nilai a dan b sudah ditemukan, masukkan nilai tersebut pada rumus

persamaan Y=a+bx. Kemudian masukkan nilai x, nilai x merupakan nilai

tahun yang akan diramalkan.

2.3 Metode Kuadratik (Polynomial Regression)

2.3.1 Definisi Metode Kuadratik (Polynomial Regression)

Metode kuadratik merupakan nilai variabel tak bebas dengan bentuk naik atau

turun secara linier atau terjadi secara parabola, jika data dibuat scatter plot

(hubungan variabel dependen dan independen adalah kuadratik) dan merupakan

metode regresi non linier (Yusuf, 2009). Model matematiknya sebagai berikut :

ˆ 2

(2.3) y a bx cx ..........................................

Keterangan :

y' = Nilai yang diramalkan

a,b, c = konstanta (nilai koefisien)

x = waktu (tahun atau bulan)

Pada proses peramalan dengan metodekuadratik, perlu dicari nilai konstanta

a,b dan c terlebih dahulu dengan menggunakan rumus sebagai berikut:


8

y n.a bx xx2

xy ax bx2 cx3..................................... (2.4)

x2 y ax2 bx3 cx4

Jika menggunakan x dengan skala angka (…-3, -2, -1, 0, 1, 2, 3…) baik pada

data ganjil maupun genap maka, ∑X dan ∑X³ = 0, sehingga persamaan diatas

dapat disederhanakan menjadi:

y n.a c x 2

xy b x 2............................... (2.5)

x 2 y a x 2 c x 4

Pada proses peramalan dengan metode kuadratik, mempunyai rumus lain

untuk mencari nilai konstanta a, b dan c dengan menggunakan rumus sebagai

berikut:

a ( y)(x

4 ) (x

2 y)(x

2 ) .......................................(2.6)

n(x4 ) (x

2 )

2

xy.......................................

(2.7) b

x2

c

n(

x2 y)

(

x2 )(

y) ....................................... (2.8)

n(x4 ) (x

2 )

2

2.4 Tinjauan Penelitian Terkait

Perbedaan antara penelitian terdahulu dengan penelitian ini dapat dilihat dari

variabel-variabel yang digunakan. Penelitian Joko Widodo (RAMALAN

PENJUALAN SEPEDA MOTOR HONDA PADA CV. RODA MITRA LESTARI,

2008) menyatakan hasil ramalan penjualan sepeda motor Honda Supra X 125 pada

bulan Oktober 2008, perusahaan mengalami kenaikan penjualan dari bulan

sebelumnya. Kenaikan penjualan ini sebagai pengaruh positif dari situasi krisis global.

Dengan adanya kenaikan penjualan, maka perusahaan mendapatkan profit


9

yang dapat digunakan lagi untuk membiayai proses produksi dan pembiayaan

lainnya guna memenuhi permintaan pasar terhadap kebutuhan transportasi sepeda

motor. Kenaikan penjualan dapat dijadikan pedoman perusahaan dalam

mengambil kebijakan dan strategi tepat yang dibutuhkan agar target penjualan

sepeda motor Honda Supra X 125 semakin meningkat di masa mendatang. Inovasi

produk dan pelayanan perusahaan yang profesional serta memuaskan merupakan

salah satu cara yang dapat meningkatkan hasil penjualan.

Penelitian Noviana Rahmawati (FORECASTING PENJUALAN SEPEDA

MOTOR KAWASAKI PADA PT. SUMBER BUANA MOTOR

YOGYAKARTA, 2013), uraian hasil perbandingan jumlah forecasting antara

menggunakan metode leastsquare yaitu 6.763 unit sedangkan dengan metode PT.

Sumber Buana Motor yaitu 6.000 unit berdasarkan Trend Market, berdasarkan

penjualan di bulan dan tanggal yang sama di tahun sebelumnya dan berdasarkan

stock yang ada. Usaha-usaha yang dilakukan manajemen untuk mencapai target

penjualan, yaitu melalui promosi produk, mengadakan event atau kegiatan,

Trainning product knowledge, kontes modifikasi sepeda motor Kawasaki, potret

model dan sponsorship. Pencapaian target penjualan sepeda motor Kawasaki dari

bulan Januari sampai April 2013 mencapai 2.244 unit atau 37,4% dari jumlah yang

ditargetkan tahun 2013, yaitu 6.000 unit.

Hasil penelitian yang telah dilakukan oleh Evi Mundiastuti (2011) dengan

judul “Evaluasi Perbandingan Peramalan Penjualan Pelumas Dengan

Menggunakan Standar Kesalahan Peramalan (SKP) Pada PT. Pertamina (Persero)

Sales Region IV Pelumas Jateng & DIY”Penelitian ini bertujuan untuk

mengetahui sejauh mana efektifitas anggaran penjualan pelumas yang disusun

perusahaan terhadap realisasi penjualan yang telah dicapai pada periode yang

dianggarkan. Data yang digunakan adalah data primer berupa laporan penjualan

tiga jenis pelumas yaitu Enduro 4T ukuran 1 Liter,Prima XP ukuran 1 Liter, dan

Mesran Super ukuran 1 Liter.

Data tersebut merupakan data penjualan selama lima tahun dari tahun 2006

sampai dengan 2010. Data diolah dan dianalisis menggunakan metode trend least


10

square dan metode trend kuadratik. Bila 25 dibandingkan antara peramalan dan

realisasi penjualan pelumas maka perhitungan anggaran penjualan yang lebih baik

untuk Prima XP dan Enduro 4T adalah menggunakan metode trend kuadratik,

sedangkan untuk Mesran Super adalah menggunakan metode trend least square.

Hal ini dikarenakan tingkat kesalahan lebih kecil dan mendekati realisasi

penjualan pelumas. Kaitan dengan penelitian yang dilakukan sekarang ini yaitu

dalam hal metode yang digunakan untuk analisis data.


BAB III

METODOLOGI PENELITIAN

3.1 Gambaran Umum

Penelitian yang dilakukan bertujuan untuk meramalkan jumlah penjualan

sepeda motor pada tahun mendatang. Input yang digunakan berupa data tahun dan

data penjualan setiap tipe motor Honda. Data tersebut akan diolah, sehingga

menghasilkan output prediksi total penjualan pada tahun yang akan mendatang.

Sistem ini diharapkan mampu membantu penjual dalam menentukan jumlah

produksi pada tahun yang akan datang.

3.2 Desain Penelitian

3.2.1 Studi Literatur

Studi literatur dilakukan dengan membaca buku, jurnal, serta sumber data

lain yang berkaitan dengan Sistem Pendukung Pengambilan Keptusan (SPPK),

regresi linier dan kuadratik.

3.2.2 Data

a. Data yang Digunakan

Data yang digunakan adalah data tahun dan data penjualan setiap tipe motor

Honda. Data tahun yang dimaksud adalah data dari tahun 2010 sampai dengan

tahun 2015 dan data penjualan merupakan data total penjualan pada tahun yang

telah ditentukan.

b. Teknik Pengumpulan Data

Penelitian tahap pertama yang dilakukan adalah mengumpulkan data yang

dibutuhkan untuk sistem peramalan. Data dikumpulkan secara tertulis dari data

beberapa pihak-pihak yang terkait dalam menangani data jumlah penjualan sepeda

motor merk Honda pada AISI (Asosiasi Industri Sepeda Motor Indonesia).


12

3.2.3 Analisa Sistem

Metodologi yang digunakan dalam pengembangan alat uji adalah waterfall.

Model pengembangaan ini dilakukan secara sistematis. Tahapan dari

pengembangan alat uji waterfall adalah sebagai berikut :

a. Analisa

Tahap ini dilakukan analisis terhadap kebutuhan sistem. Seorang analis

bertugas dalam mencari informasi sebanyak mungkin dari user sehingga sistem

yang dibuat seusai dengan keinginan user. Tahapan ini biasanya akan

menghasilkan dokumen user requirement yang dapat digunakan seorang analis

untuk menerjemahkan ke dalam bahasa pemrograman.

b. Desain

Pada tahap ini akan dilakukan proses pembuatan rancangan alat uji

berdasakan informasi dari tahap-tahap sebelumnya. Proses ini berfokus pada

struktur data, arsitektur perangkat lunak, representasi interface, dan detail

algoritma. Tahapan ini akan menghasilkan dokumen yang disebut software

requirement. Dokumen ini yang digunakan seorang programmer untuk

membangun sistem.

c. Pengkodean (Coding)

Pengkodean (coding) merupakan tahap perancangan yang telah dibuat pada

tahap desain dan diterjemahkan ke dalam bahasa pemograman pada komputer.

Pengkodean menghasilkan alat uji dalam bentuk perangkat lunak yang dibuat

berdasarkan rancangan yang telah ada.

d. Pengujian

Tahap pengujian, alat uji berupa perangkat lunak yang diuji coba untuk

mengetahui apakah perangkat lunak sudah sesuai dengan rancangan dan

kebutuhan pengguna. Selain itu, pengujian dilakukan untuk menemukan

kesalahan sistem yang kemudian akan diperbaiki.


13

3.2.3 Pengujian Sistem

Analisis hasil dan pengujian sistem yang dibangun, yaitu :

a. Analisa

Pada tahap ini dilakukan percobaan perhitungan jumlah total penjualan

menggunakan metode regresi linier dan kuadratik. Melihat prediksi jumlah

total penjualan pada tahun yang akan datang.

b. Pengujian

Sistem akan diuji untuk melihat perbandingan dari metode regresi linier

dan kuadratik dalam hasil keputusan prediksi jumlah total penjualan pada

tahun yang akan mendatang. Kemudian, melihat kekurangan sistem dan

memperbaiki kekurangan tersebut.


BAB IV

ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini dijelaskan analisis sistem yang akan dibuat dan perancangan

sistem untuk melakukan prediksi dalam penjualan sepeda motor honda dengan

menggunakan metode regresi linier dan kuadratik.

4.1 Analisis Sistem

Sistem yang dibuat memiliki kemampuan untuk memprediksi penjualan

sepeda motor honda berdasarkan bulan dan total penjualan pertahun. Sistem

prediksi penjualan sepeda motor ini menggunakan dua metode yaitu, metode

regresi linier dan kuadratik. Data yang dibutuhkan adalah data penjualan pada

tahun 2010 sampai dengan tahun 2015. Sistem ini akan diimplementasikan ke

sebuah aplikasi dengan menggunakan bahasa pemrogramman Java.

4.2 Analisis Kebutuhan Pengguna

4.2.1 Diagram Use Case

Berikut ini (Gambar 4.1) adalah use case, yang terdiri dari kelola data motor,

kelola data penjualan, dan kelola hasil peramalan.

Gambar 4. 1 Diagram Use Case


15

Data tersebut akan diproses dengan menggunakan dua metode yaitu metode

regresi linier dan kuadratik untuk mendapatkan hasil permalan.

4.2.2 Data Flow Diagram (DFD)

a. DFD Level 0 (Diagram Konteks)

Berikut ini (Gambar 4.2) merupakan digram konteks dari sistem peramalan

penjualan sepeda motor.

Gambar 4.2 Diagram Konteks Sistem Peramalan Penjualan Sepeda Motor

b. DFD level 1 proses 1

Berikut ini (Gambar 4.3) merupakan DFD level 1 proses 1 dari cara kelola

data motor.

Gambar 4.3 DFD Level 1.1


16

c. DFD level 1 proses 2

Berikut ini (Gambar 4.4) adalah DFD level 1 proses 2 yaitu proses kelola

data motor.

Gambar 4.4 DFD level 2


17

d. DFD Level 2 proses 1

Berikut ini (Gambar 4.5) merupakan DFD level 2 proses 1 yaitu proses kelola data penjualan sepeda motor.

Gambar 4.5 DFD Level 2 Proses Kelola Data Penjualan Sepeda Motor


18

4.2.3 Desain Manajemen Data

4.2.3.1 Desain Konseptual

Gambar 4.6 Desain Konseptual

4.2.3.1 Desain Logikal

Gambar 4.7 Desain Logikal

4.2.4 Desain Fisikal

4.2.4.1 Tabel Motor

Tabel 4. 1 Tabel Motor

No Nama Kolom Tipe Keterangan

Kolom untuk menyimpan

1 kode_motor VARCHAR (10) kode motor


2 type_motor VARCHAR (10) tipe motor


19

4.2.4.1 Tabel Motor Prediksi

Tabel 4. 2 Tabel Motor Prediksi

No Nama Kolom Tipe Keterangan


1 Id_prediksi INT(11) id prediksi


2 kode_motor VARCHAR (10) kode motor


3 Tahun INT(11) kode tahun


4 Bulan INT(11) kode bulan


5 total_penjualan INT(11) kode total_penjualan


20

4.2.4 Flowchart

a. Flowchart Regresi Linier

Gambar 4.8 Flowchart Regresi Linier


21

b. Flowchart kuadratik

Gambar 4.9 Flowchart Kuadratik

Flowchart tersebut menjelaskan dari proses input, hingga proses output dari

dua metode yaitu, regresi linier dan kuadratik. Data yang akan digunakan sebagai

input yaitu data bulan dan total penjualan sepeda motor. Data tersebut akan

diproses untuk menghasilkan jumlah motor yang akan diproduksi pada tahun

berikutnya.

4.3 Perancangan Antarmuka

- Halaman Input Motor

Berikut adalah rancangan halaman input data. Data yang akan menjadi

inputan adalah data kode motor dan type motor. Setelah mengisi kode dan

type, kemudian terdapat tombol simpan untuk menyimpan hasil inputan


22

data. Dalam halaman ini juga terdapat fasilitas untuk melihat, mengedit

dan menghapus data.

Gambar 4.10 Input Manual Data Motor

- Halaman input data penjualan motor

Berikut adalah rancangan halaman input data penjualan motor. Dalam

halaman ini dapat mengolah data dalam jumlah banyak. Data dalam

halaman ini akan menjadi acuan untuk proses perhitungan peramalan,

sehingga output dari data tersebut akan menghasilkan data baru.

Gambar 4.11 Input Manual Data Penjualan Motor


23

- Halaman Peramalan

Berikut adalah halaman peramalan. Data yang sudah di simpan akan

diproses untuk menghasilkan output berupa data hasil perbandingan

metode regresi linear dan metode kuadartik sesuai data yang sudah di

inputkan.

Gambar 4.12 Peramalan


24

BAB V

IMPLEMENTASI DAN ANALISA HASIL

5.1 Implentasi

5.1.1 Implentasi Tampilan Antarmuka

- Halaman Input Motor

Berikut adalah implementasi tampilan halaman input motor. Menu ini

digunakan ketika user ingin menginputkan data merek motor dan type

motor yang akan di ramalkan.

Gambar 5. 1 Input Data Motor

- Halaman Input Data Penjualan

Berikut adalah implementasi tampilan halaman input data penjualan. Menu

ini user akan menginputkan data type motor, bulan, tahun dan total

penjualan. Data tersebut akan di proses untuk menghasilkan output hasil

ramalan produksi sepeda motor .


25

Gambar 5. 2 Input Data Penjualan

- Halaman Peramalan

Berikut adalah implementasi tampilan halaman peramalan. Menu ini user

akan menginputkan data type motor, bulan, tahun dan total penjualan. Data

tersebut akan di proses untuk menghasilkan output hasil ramalan produksi

sepeda motor .

Gambar 5. 3 Peramalan


26

5.2 Analisa Hasil

Data yang digunakan adalah data penjualan sepeda motor ditahun 2010 - 2015.

Data yang digunakan berjumlah 360 dari lima type motor. Data tersebut akan di

hitung, kemudian perhitungan hasil sistem merupakan hasil peramalan penjualan

sepeda motor pada tahun berikutnya. Berikut adalah tabel data penjualan sepeda

motor pada tahun 2010 - 2015 :

Tabel 5. 1 Tabel Penjualan Sepeda Motor Honda Type Beat

BULAN (X) PENJUALAN (Y)

1 78.230

2 74.597

3 72.206

4 71.244

5 61.234

6 59.423

7 32.110

8 32.532

9 30.723

10 42.604

11 40.703

12 74.130

13 76.249

14 72.514

15 84.450

16 83.510

17 69.253

18 74.542

19 77.657


27

20 75.995

21 90.347

22 95.456

23 101.902

24 98.934

25 99.483

26 97.975

27 95.251

28 99.517

29 104.543

30 105.260

31 117.308

32 97.134

33 98.406

34 106.457

35 114.258

36 108.006

37 113.008

38 119.209

39 121.325

40 124.274

41 136.734

42 146.553

43 123.407

44 112.062

45 125.574

46 152.470


28

47 147.331

48 149.072

49 142.208

50 145.165

51 137.325

52 133.025

53 141.306

54 148.523

55 146.187

56 153.054

57 165.225

58 161.003

59 146.326

60 134.970

61 148.076

62 155.039

63 150.340

64 162.341

65 175.342

66 167.443

67 183.644

68 171.053

69 170.654

70 161.903

71 175.835

72 195.476


29

5.2.1 Analisa Penjualan Sepeda Motor Dengan Metode Regresi Linier

Berikut adalah table perhitungan metode regresi linier :

Tabel 5. 2 Tabel Data Perhitungan Penjualan Sepeda Motor

BULAN (X) PENJUALAN (Y) X² XY

1 78.230 1 78.230

2 74.597 4 149.194

3 72.206 9 216.618

4 71.244 16 284.976

5 61.234 25 306.170

6 59.423 36 356.538

7 32.110 49 224.770

8 32.532 64 260.256

9 30.723 81 276.507

10 42.604 100 426.040

11 40.703 121 447.733

12 74.130 144 889.560

13 76.249 169 991.237

14 72.514 196 1.015.196

15 84.450 225 1.266.750

16 83.510 256 1.336.160

17 69.253 289 1.177.301

18 74.542 324 1.341.756

19 77.657 361 1.475.483

20 75.995 400 1.519.900

21 90.347 441 1.897.287

22 95.456 484 2.100.032


30

23 101.902 529 2.343.746

24 98.934 576 2.374.416

25 99.483 625 2.487.075

26 97.975 676 2.547.350

27 95.251 729 2.571.777

28 99.517 784 2.786.476

29 104.543 841 3.031.747

30 105.260 900 3.157.800

31 117.308 961 3.636.548

32 97.134 1.024 3.108.288

33 98.406 1.089 3.247.398

34 106.457 1.156 3.619.538

35 114.258 1.225 3.999.030

36 108.006 1.296 3.888.216

37 113.008 1.369 4.181.296

38 119.209 1.444 4.529.942

39 121.325 1.521 4.731.675

40 124.274 1.600 4.970.960

41 136.734 1.681 5.606.094

42 146.553 1.764 6.155.226

43 123.407 1.849 5.306.501

44 112.062 1.936 4.930.728

45 125.574 2.025 5.650.830

46 152.470 2.116 7.013.620

47 147.331 2.209 6.924.557

48 149.072 2.304 7155456

49 142.208 2.401 6.968.192


31

50 145.165 2.500 7.258.250

51 137.325 2.601 7.003.575

52 133.025 2.704 6.917.300

53 141.306 2.809 7.489.218

54 148.523 2.916 8.020.242

55 146.187 3.025 8.040.285

56 153.054 3.136 8.571.024

57 165.225 3.249 9.417.825

58 161.003 3.364 9.338.174

59 146.326 3.481 8.633.234

60 134.970 3.600 8.098.200

61 148.076 3.721 9.032.636

62 155.039 3.844 9.612.418

63 150.340 3.969 9.471.420

64 162.341 4.096 10.389.824

65 175.342 4.225 11.397.230

66 167.443 4.356 11.051.238

67 183.644 4.489 12.304.148

68 171.053 4.624 11.631.604

69 170.654 4.761 11.775.126

70 161.903 4.900 11.333.210

71 175.835 5.041 12.484.285

72 195.476 5.184 14.074.272

∑ = 2.628 ∑ = 8.256.625 ∑ = 127.020 ∑ = 358.306.914


32

Semua data pada tabel diatas merupakan variabel penentu keputusan untuk

menghitung penjualan sepeda motor dengan metode regresi linier. Berikut adalah

proses menghitung nilai rata-rata, kemudian menghitung nilai a dan b, antara lain :

Menghitung nilai rata-rata

x

n

x

262872 36.5

y

x

8256625 114675.3472

n 72

Menghitung nilai a dan b

b nxyxyn x

2 (

x)2

(72 3583066914) (2628 8256625)

(72 127020) (2628)2

1830.98918

a y bx

114675.3472 (1830.98918 36.5)

47844.24218

Hitung hasil peramalan

yˆ a bx

= 47844.24218 + ( 1830.98918* 73)

= 181506.4523

Dengan menggunakan metode regresi linier maka didapatkan hasil penjualan di

tahun selanjutnya adalah 181506.4523 penjualan.


33

Tabel 5. 3 Tabel Hasil Penjualan Sepeda Motor dengan Metode Regresi Linier

TAHUN TOTAL

2010 0

2011 14.668

2012 11.444

2013 128.429

2014 152.713

2015 104.601

2016 (bulan 1)* 181.506


34

Hasil perhitungan di atas dapat dilihat dalam grafik berikut ini :

250000 200000 150000

PENJUALAN (Y) 100000

Linear (PENJUALAN (Y))

50000

0 0 10 20 30 40 50 60 70 80

bulan

Gambar 5. 4 Grafik Hasil Perhitungan Regresi Linier


35

5.2.2 Analisa Penjualan Sepeda Motor Dengan Kuadratik

Tabel 5.4 merupakan data perhitungan penjualan sepeda motor menggunakan

metode kuadratik :

Tabel 5. 4 Data Perhitungan Penjualan Sepeda Motor

BULAN PENJUALAN

X² XY X²Y

X⁴

(X) (Y)

1 78.230 1 78.230 78.230 1

2 74.597 4 149.194 298.388 16

3 72.206 9 216.618 649.854 81

4 71.244 16 284.976 1139.904 256

5 61.234 25 306.170 1530.850 625

6 59.423 36 356.538 2139.228 1.296

7 32.110 49 224.770 1573.390 2401

8 32.532 64 260.256 2082.048 4.096

9 30.723 81 276.507 2488.563 6.561

10 42.604 100 426.040 4260.400 10.000

11 40.703 121 447.733 4925.063 14.641

12 74.130 144 889.560 10674.720 20.736

13 76.249 169 991.237 12886.081 28.561

14 72.514 196 1.015.196 14212.744 38.416

15 84.450 225 1.266.750 19001.250 50.625

16 83.510 256 1.336.160 21378.560 65.536

17 69.253 289 1.177.301 20014.117 83.521


36

18 74.542 324 1.341.756 24151.608 104.976

19 77.657 361 1.475.483 28034.177 130.321

20 75.995 400 1.519.900 30398.000 160.000

21 90.347 441 1.897.287 39843.027 194.481

22 95.456 484 2.100.032 46200.704 234.256

23 101.902 529 2.343.746 53906.158 279.841

24 98.934 576 2.374.416 56985.984 331.776

25 99.483 625 2.487.075 62176.875 390.625

26 97.975 676 2.547.350 66231.100 456.976

27 95.251 729 2.571.777 69437.979 531.441

28 99.517 784 2.786.476 78021.328 614.656

29 104.543 841 3.031.747 87920.663 707.281

30 105.260 900 3.157.800 94734.000 810.000

31 117.308 961 3.636.548 112732.988 923.521

32 97.134 1.024 3.108.288 99465.216 1048.576

33 98.406 1.089 3.247.398 107164.134 1185.921

34 106.457 1.156 3.619.538 123064.292 1336.336

35 114.258 1.225 3.999.030 139966.050 1500.625

36 108.006 1.296 3.888.216 139975.776 1679.616

37 113.008 1.369 4.181.296 154707.952 1874161

38 119.209 1.444 4.529.942 172137.796 2085.136

39 121.325 1.521 4.731.675 184535.325 2313.441


37

40 124.274 1.600 4.970.960 198838.400 2560.000

41 136.734 1.681 5.606.094 229849.854 2825.761

42 146.553 1.764 6.155.226 258519.492 3111.696

43 123.407 1.849 5.306.501 228179.543 3418.801

44 112.062 1.936 4.930.728 216952.032 3748.096

45 125.574 2.025 5.650.830 254287.350 4100.625

46 152.470 2.116 7.013.620 322626.520 4477.456

47 147.331 2.209 6.924.557 325454.179 4879.681

48 149.072 2.304 7155456 343461.888 5308.416

49 142.208 2.401 6.968.192 341441.408 5764.801

50 145.165 2.500 7.258.250 362912.500 6250.000

51 137.325 2.601 7.003.575 357182.325 6765.201

52 133.025 2.704 6.917.300 359699.600 7311.616

53 141.306 2.809 7.489.218 396928.554 7890.481

54 148.523 2.916 8.020.242 433093.068 8503.056

55 146.187 3.025 8.040.285 442215.675 9150.625

56 153.054 3.136 8.571.024 479977.344 9834.496

57 165.225 3.249 9.417.825 536816025 10556.001

58 161.003 3.364 9.338.174 541614.092 11316.496

59 146.326 3.481 8.633.234 509360.806 12117.361

60 134.970 3.600 8.098.200 485892.000 12960.000

61 148.076 3.721 9.032.636 550990.796 13845.841


38

62 155.039 3.844 9.612.418 595969.916 14776.336

63 150.340 3.969 9.471.420 596699.460 15752.961

64 162.341 4.096 10.389.824 664948.736 16777.216

65 175.342 4.225 11.397.230 740819.950 17850.625

66 167.443 4.356 11.051.238 729381.708 18974.736

67 183.644 4.489 12.304.148 824377.916 20151.121

68 171.053 4.624 11.631.604 790949.072 21381.376

69 170.654 4.761 11.775.126 812483.694 22667.121

70 161.903 4.900 11.333.210 793.324.700 24.010.000

71 175.835 5.041 12.484.285 886.384.235 25.411.681

72 195.476 5.184 14.074.272 1.013.347.584 26.873.856

∑ = 2.628 ∑ =

∑ = ∑ = ∑ =

∑ =

8.256.625 127.020 358.306.914 18.716.104.944

400.544.868

Semua data pada tabel diatas merupakan variabel penentu keputusan untuk

menghitung penjualan sepeda motor dengan metode kuadratik. Berikut adalah

proses menghitung nilai a, b dan c, antara lain :

Mencari persamaan 1, 2 dan 3

y n.a cx2

xy bx2

x2 y ax2 cx4

Berikut adalah persamaan 1, 2 dan 3 dari rumus metode kuadratik, yaitu :


39

8.256.625 = 72 * a + 127.020 * c

358.306.914 = b * 127.020

18.716.104.944 = a * 127.020 + c * 400.544.868

Dari persamaan diatas, akan dicari nilai a, b dan c. Nilai - nilai tersebut akan

digunakan untuk mencari nilai peramalan metode regresi kuadratik. Namun, untuk

mencari nilai a, b dan c perlu menyamaratakan nilai-nilai tersebut. Maka akan

digunakan rumus x² / jumlah data (jumlah x dalam data).

x2 1764.166667

72

Persamaan 1 untuk mencari nilai c

∑y = 14.566.062.604 = 127.020 * a + 224.084.450 * c

∑x²y = 18.716.104.944 = 127.020 *a + 400.544.868 * c

-4.150.042.340 = 0 * a + (-176.460.418) * c

Hasil dari nilai c = 0.042520149

Persamaan 2 untuk mencari nilai b

∑xy = b + 2.820.870052

Hasil dari nilai b = 2.820.870052

Persamaan 3 untuk mencari nilai a

∑x²y = 8.256.625 = 72 * a + 127.020 * c

8.256.625 = 72 * a + 127.020 * 0.042520149

8256625 = 72*a + 313.711.4155

8.256.625 - 313.711.4155 = 72*a

8.251.224.091 = 72*a

a = 872027E-6


40

Hasil dari nilai a = 872027E-6 (0.00)

Setelah mendapatkan hasil nilai a, b dan c, maka nilai tersebut akan digunakan

untuk menghitung hasil peramalan metode kuadratik.

Menghitung hasil peramalan metode kuadratik

yˆ a bx cx 2

= 872027E-6 (0.00) + (2.820.870052 * 73) + 0.042520149 * (73)²

= 206.150.1037

Dengan menggunakan metode kuadratik maka didapatkan hasil penjualan di tahun

selanjutnya adalah 206.150.1037 penjualan.

Tabel 5. 5 Hasil Penjualan Sepeda Motor dengan Metode Kuadratik

TAHUN TOTAL

2010 0

2011 14.668

2012 11.444

2013 128.429

2014 152.713

2015 104.601

2016 (bulan 1)* 206.150


41

Hasil perhitungan di atas dapat dilihat dalam grafik berikut :

250000 200000

150000

100000 PENJUALAN (Y)

Linear (PENJUALAN (Y))

50000

0 0 10 20 30 40 50 60 70 80

bulan

Gambar 5. 5 Grafik Hasil Perhitungan Kuadratik


42

5.3 Analisa Hasil Keseluruhan

Hasil keseluruhan dengan menggunakan metode regresi linier dan kuadratik,

seperti terlihat pada Tabel 5.6 sebagai berikut:

Tabel 5. 6 Hasil Keseluruhan

Tahun Metode Regresi Linier Metode Kuadratik Data Real

2016 (bulan 1)* 181.506 206.150

317.189

Hasil error 135.683 111.039

Grafik yang menunjukan hasil dalam tabel di atas dapat dilihar dalam gambar 5.6

2016

210000 200000

190000

180000

170000

160000

METODE REGRESI LINIER METODE KUADRATIK

Gambar 5. 6 Grafik Hasil Keseluruhan

Berdasarkan hasil yang didapat, hasil tertinggi pada semua perhitungan dengan

menggunakan metode kuadratik dan hasil terendah pada metode regresi linier.

Penggunaan metode yang berbeda ternyata tidak berpengaruh terhadap hasil

perhitungan secara keseluruhan.


43

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Sistem pendukung pengambilan keputusan penjualan sepeda motor yang

dibuat menggunakan metode regresi linier dan kuadratik dapat membantu

perusahaan untuk memproduksi penjualan sepeda motor pada bulan selanjutnya di

tahun yang akan datang. Dalam percobaan ini, hasil dari kuadratik lebih baik

dibandingkan dengan hasil regresi linier. Hasil error pada metode kuadratik lebih

kecil, yaitu 111.039 dibandingkan hasil error pada regresi linier, yaitu 135.683.

Hasil error tersebut dapat menjadi bahan pertimbangan untuk memilih metode

yang tepat dalam pengambilan keputusan penjualan sepeda motor agar

mendapatkan hasil yang lebih baik.

6.2 Saran

Saran untuk pengembangan aplikasi peramalan ini adalah sebagai berikut :

1. Menambahkan beberapa model peramalan sebagai pembanding untuk

mendapatkan hasil ramalan yang lebih baik dan lebih akurat.


44

DAFTAR PUSTAKA

Turban, Efraim. 2005. Decision Support Systems and Intelligent Systems 7th

Ed,

Yogyakarta : Andi.

Wibisono, Yusuf. 2009. Metode Statistik, Yogyakarta : Universitas Gadjah Mada.

Sianipar, R. H. 2010. JAVA : Algoritma, Struktur Data dan Pemrograman GUI,

Bandung : Penerbit Informatika.

E. Walpole, Ronald. 1992. Pengantar Statistika, Jakarta : PT. Gramedia Pustaka

Utama.

Rahmawati, Noviana. 2013. Forecasting Penjualan Sepeda Motor Kawasaki

Pada PT. Sumber Buana Motor Yogyakarta Tahun 2013. Skripsi,

Fakultas Ekonomi Universitas Negeri Yogyakarta.

Pradopo, Dimas. Total Penjualan Sepeda Motor Tahun 2014

https://otomotifnet.gridoto.com/read/02113294/total-penjualan-sepeda-m

otor-2014-hanya-naik-tipis?page=all (9 Januari 2015)

Pradopo, Dimas. Total Penjualan Sepeda Motor Tahun 2013 Kuartal I

https://otomotifnet.gridoto.com/read/02113668/ini-dia-10-besar-matik-ter

laris-kuartal-pertama-2013?page=all (15 April 2013)

Billy. Penjualan Terlaris Pada 4 Bulan Pertama Tahun 2011

https://otomotifnet.gridoto.com/read/02114130/nih-10-besar-motor-terlar

is-di-4-bulan-pertama-2011?page=all (19 Mei 2011)

Pradopo, Dimas. Penjualan Terlaris Pada 4 Bulan Pertama Tahun 2012

https://otomotifnet.gridoto.com/read/02113856/nih-daftar-matik-terlaris-

di-4-bulan-pertama-2012?page=all (15 Mei 2012)


https://otomotifnet.gridoto.com/read/02113294/total-penjualan-sepeda-motor-2014-hanya-naik-tipis?page=all


https://otomotifnet.gridoto.com/read/02113668/ini-dia-10-besar-matik-terlaris-kuartal-pertama-2013?page=all

https://otomotifnet.gridoto.com/read/02113668/ini-dia-10-besar-matik-terlaris-kuartal-pertama-2013?page=all

https://otomotifnet.gridoto.com/read/02114130/nih-10-besar-motor-terlaris-di-4-bulan-pertama-2011?page=all

https://otomotifnet.gridoto.com/read/02114130/nih-10-besar-motor-terlaris-di-4-bulan-pertama-2011?page=all




45

LAMPIRAN

Data penjualan sepeda motor merek Honda tipe Baet tahun 2010 - 2015

TAHUN (X) PENJUALAN (Y) X² XY X²Y X⁴

2010 699.609 4.040.10 1.406.214.0 2.826.490.320 16.322.408.010

2011 1.033.928 4.044.12 2.079.229.2 4.181.329.937 16.354.914.662

2012 775.258 4.048.14 1.559.819.0 3.138.356.021 16.387.469.844

2013 1.348.256 4.052.16 2.714.039.3 5.463.361.167 16.420.073.604

2014 1.798.535 4.056.19 3.622.249.4 7.295.210.472 16.452.725.990

2015 1.134.844 4.060.22 2.286.710.6 4.607.721.979 16.485.427.050

12.075 6.790.430 24.300.95 13.668.261.8 27.512.469.899 98.423.019.162


46

Hasil peramalan dan hasil error motor honda tipe Beat :

Metode Regresi Linier Metode Kuadratik Keterangan

TAHUN TOTAL TAHUN TOTAL Data penjualan motor honda

Beat tahun 2016 sebesar

2010 699.609

2010 699.609 1.814.600 penjualan.

2011 1.033.928 2011 1.033.928

2012 775.258 2012 775.258

2013 1.348.256

2013 1.348.256

2014 1.798.535

2014 1.798.535

2015 1.134.844

2015 1.134.844

2016* 1.857.102

2016* 1.636.038

Hasil error = 178.562 Hasil error = 42.502


PERBANDINGAN METODE REGRESI LINIER DAN … · PERBANDINGAN METODE REGRESI LINIER DAN KUADRATIK...

Documents

Transcript of PERBANDINGAN METODE REGRESI LINIER DAN … · PERBANDINGAN METODE REGRESI LINIER DAN KUADRATIK...