(Least Square)). Metode ini merupakan

suatu teknik peramalan yang didasarkan atas

analisis perilaku atau nilai masa lalu suatu

variabel yang disusun menurut urutan waktu [1]

Metode ini berdasarkan atas penggunaan

analisis pola hubungan antara variabel yang

akan diperkirakan dengan variabel waktu.

Bentuk persamaan umum dari metode ini

adalah Y = a + bx, dimana Y adalah variabel

dependen, a adalah konstanta, b adalah

koefisien regresi dan x adalah variabel waktu

(variabel x atau t) [2].

Regresi linier adalah metode permalan statistika yang

digunakan untuk membentuk model hubungan antara variabel

terikat (dependen; respon; Y) dengan satu atau lebih variabel

bebas (independen, prediktor, X) [4]. Bentuk model Simple

Linear Regression seperti pada Rumus 4.s

Digunakan untuk menentukan persamaan linier estimasi, berarti memilih satu garis linier dari beberapa kemungkinan garis linier yang dapat dibuat dari data yang ada yang mempunyai kesalahan (error) paling kecil dari data aktual dengan data estimasinya.

2. Kriteria ini dikenal dengan prinsip kuadrat terkecil (principle of least square).

3. Prinsip pemilihan garis regresi ini adalah pilih garis yang mempunyai jumlah kuadrat deviasi nilai observasi Y terhadap nilai Y prediksinya yang minimum sebagai garis regresi yang paling baik

(4)

Keterangan:

Y : variabel terikat

X : variabel bebas

a : konstanta

b : koefisien regresi

n : banyaknya data

Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan data yang relevan pada masa lalu.

Menurut Pangestu S. (2009 : 33) persamaan garis trend dengan metode least square adalah sebagai berikut :

Keterangan :

Y = nilai trend (forecast)

a = bilangan kostan/nilai tidak berubah

b = slop atau koefesian kecondongan garis trend

X = mewakili waktu (tahun)

merupakan bagian dari metode peramalan

penjualan (forecasting) yang bersifat kuantitatif yang perhitungannya lebih

didasarkan pada perhitungan-perhitungan data stastistik sehingga unsure

subjektif dapat dihilangkan dan peramalan penjualan (forecasting) yang

dihasilkan dapat lebih akurat.

The Method of Least Squares is a procedure to determine the best ?t line to data;

digunakan untuk melakukan peramalan

adalah pendapat para penjual, kepala bagian

pemasaran, kepala cabang, para ahli,

konsumen dan manajemen. Peramalan

semacam ini lebih banyak unsur

subjektifitasnya. Oleh karena itu, agar

unsur subjektifitas dalam suatu peramalan

dapat ditekan serendah mungkin.

Pendekatan kuantitatif yang menggunakan

metode statistik dan matematika ini adalah

suatu pendekatan yang menggunakan

perhitungan angka berrdasarkan data

historis atau data penjualan di tahun tahun

lalu. Metode - metode tersebut antara lain

Metode kuadrat terkecil pada

dasarnya memiliki sumber formula yang

metode sama dengan metode matematis.

Hal yang membedakannya adalah metode

kuadrat terkecil menggunakan asumsi

?? = ?, dengan formula yang digunakan

adalah garis lurus (straight line) yaitu :

Y = a + bX, dimana : a = ? ?/?,

b= ? ?? / ??? dan Y adalah variabel

dependen, X adalah variabel independen

(periode), a = nilai konstanta, b = koefisien

regresi, dan n sama dengan jumlah data

(periode), (Hunsberger, 1998 : 312).

Adalah metode peramalan yang digunakan untuk melihat trend dari data deret

waktu.

Rumus Least Square :

a) Analisis Trend

Trend merupakan gerakan lamban yang berjangka

panjang dan cenderung menuju ke satu arah, menaik atau

menurun.

dan untuk menentukan nilai X digunakan teknik alternatif dengan membagi data menjadi dua kelompok, yaitu :

1.Untuk n ganjil maka :

Jarak antara dua waktu diberi nilai satu satuan.

Nilai awal X untuk n ganjil diberi nilai 0

Di atas 0 diberi tanda negativf

Dibawah 0 diberi tanda positif

Nilai X untuk perhitungan diperoleh dari nilai X terakhir ditambah satu

Contoh n ganjil, maka skor nilai X nya : , -3, -2 , -1, 0, 1, 2, 3,

2.Untuk n genap maka :

Jarak antara dua waktu diberi nilai dua satuan.

Nilai awal X untuk n genap diberi nilai -1

Di atas -1 diberi tanda negativf

Dibawah -1 diberi tanda positif

Nilai X untuk perhitungan diperoleh dari nilai X terakhir ditambah dua

Contoh n genap, maka skor nilai X nya : , -5, -3, -1, 1, 3, 5,

Rumus di ambil dari literatur buku Sofyan Assauri. Teknik dan Metode Peramalan. LPFE UI. Jakarta. 1991.

Dimana :

Y :

a : Konstanta (Intercept)

b : Koefisien regresi (Slope)

X : Variabel yang mempengaruhi

(waktu : Tahun, Bulan, Hari)

Y : Data historis

X : Parameter pengganti waktu

a : Nilai trend periode dasar

b : Pertambahan trend

n : Jumlah data

variabel waktu (hari, minggu, bulan atau tahun).

Ramalan penjualan hanya perkiraan atas penjualan dimasa yang akan datang, jarang

sekali penjualan akan sama dengan ramalan penjualan, oleh karena itu akan terjadi

penyimpangan / perbedaan antara penjualan dengan ramalan penjualan baik jumlah

penjualan diatas / melebihi jumlah ramalan penjualan maupun jumlah penjualan dibawah

/ kurang dari jumlah ramalan penjualan. Ramalan penjualan yang dibuat tidak merupakan

point estimate, akan tetapi merupakan interval estimate Angka perbedaan tersebut

dapat ditoleransi sebatas wajar atau masih dalam interval estimate. Ukuran wajar dalam

penyimpangan ini dirumuskan dalam perhitungan standart error (SE), dengan rumus

sebagai berikut :