Skripsi ini membahas peramalan volume penjualan teh hitam dengan metode exponential smoothing pada PT Perkebunan Tambi Wonosobo. Data volume penjualan teh hitam dari Agustus 2003 hingga Juli 2005 digunakan untuk menganalisis pola data dan memilih metode peramalan yang tepat, yaitu metode single exponential smoothing. Hasil peramalan untuk Agustus dan September 2005 adalah masing-masing 131462,74 kg dan 92023,92 kg.

1. PERAMALAN (FORECASTING) VOLUME PENJUALAN TEH HITAM
DENGAN METODE EXPONENTIAL SMOOTHING
PADA PT PERKEBUNAN TAMBI WONOSOBO
SKRIPSI
Diajukan Dalam Rangka Penyelesaian Studi Strata 1
Untuk Mencapai Gelar Sarjana Sains
Oleh
Nama : Yan Astuti
NIM : 4150401018
Jurusan : Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2005

2. ABSTRAK
Dalam dunia usaha atau bisnis, matematika merupakan salah satu ilmu
pengetahuan yang penting sekali dalam melakukan analisis. Metode statistika
sebagai salah satu cabang dari matematika terapan sangat dibutuhkan dalam
pengambilan keputusan secara ekonomis di perusahaan-perusahaan, diantaranya
adalah untuk keperluan forecasting (peramalan) penjualan. Metode ramalan
exponential smoothing merupakan salah satu model ramalan data berkala (time
series) yang dalam penelitian ini digunakan sebagai metode dalam peramalan
penjualan.
Berdasarkan uraian di atas permasalahan yang akan dibahas adalah (1)
bagaimana penggunaan metode exponential smoothing untuk peramalan penjualan
teh hitam pada PT Tambi Wonosobo, (2) berapa prediksi atau ramalan penjualan
teh hitam pada bulan Agustus dan September 2005. Tujuan penelitian ini adalah
untuk mengetahui penggunaan metode exponential smoothing untuk peramalan
penjualan teh hitam untuk periode mendatang pada PT Tambi Wonosobo.
Sedangkan manfaat dari penelitian ini untuk masukan bagi PT. Perkebunan
Tambi Wonosobo bahwa dalam meramalkan atau memprediksi penjualan dapat
menggunakan metode exponential smoothing.
Pada penelitian ini prosedur yang digunakan adalah identifikasi masalah,
perumusan masalah, observasi, analisis data dan penarikan simpulan. Adapun data
yang diambil dalam penelitian ini adalah data volume penjualan teh hitam dari
bulan Agustus 2003 sampai dengan bulan Juli 2005 pada PT. Perkebunan Tambi
Wonosobo. Data yang diperoleh kemudian dianalisis dengan membuat scatter
diagram untuk menentukan polanya, setelah itu ditentukan persamaan garisnya,
dan memilih model exponential smoothing yang tepat berdasarkan pola data yang
ada. Jika data berpola konstan maka dapat digunakan metode single exponential
smoothing, jika pola datanya linear digunakan metode double exponential
smoothing dan jika pola datanya tidak konstan atau tidak linear digunakan metode
triple exponential smoothing untuk menganalisisnya.
Hasil yang diperoleh dalam penelitian ini adalah data volume penjualan
selama 24 bulan cenderung berpola konstan, nilai MAE orde 1 dengan α = 0,3
paling kecil dibandingkan dengan MAE orde 2 dan MAE orde 3, maka untuk
forecasting penjualan teh hitam dipilih metode single exponential smoothing.
Prediksi atau ramalan pada bulan Agustus dan September 2005 sebanyak
131462.74 dan 92023.92 kg.
Adapun saran-saran yang dapat disampaikan adalah perlu dilakukan
penelitian lebih lanjut tentang peramalan dengan metode exponential smoothing
dengan menggunakan pengembangan program komputer yang lebih tepat
dibandingkan dengan menggunakan komputer excell, sehingga diperoleh hasil
ramalan yang tepat dan bagi PT Perkebunan Tambi perlu untuk meningkatkan
peramalan volume penjualan teh hitam periode mendatang untuk meningkatkan
produksi sehingga keuntungan yang diperoleh akan maksimal.

4. MOTTO DAN PERSEMBAHAN
MOTTO
Allah meninggikan orang yang beriman diantara kamu dan orang-
orang yang diberi ilmu pengetahuan bebrapa derajad (QS. Al-
Mujadilah : 11)
Allah tidak membebani seseorang melainkan sesuai dengan
kesanggupannya........(QS. Al- Baqoroh : 286)
Sesungguhnya sesudah kesukaran itu pasti ada kemudahan (QS. Al-
Insiroh : 6)
Bekerjalah untuk duniamu seolah-olah kamu akan hidup selamanya
dan bekerjalah untuk akhiratmu seolah-olah kamu akan mati besok
(Hadist Nabi)
PERSEMBAHAN
Ibu dan Bapak tercinta, yang telah memberi
segalanya yang terbaik buat aku.
Mas Wasis yang setia menemaniku terimakasih atas
motivasinya.
Sahabatku Siti, Susti, Diah, dan Nining terima kasih
atas kritik dan sarannya.
Teman-teman di Reyna Cost dan teman-teman
angkatan ’01B Matematika ( I Love U All)

5. KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kehadirat Allah SWT, yang telah
melimpahkan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan
skripsi ini dengan baik.
Penulis menyadari bahwa dalam menyelesaikan skripsi ini, penulis tidak
dapat menyelesaikan sendiri tanpa bantuan orang lain, sehingga dalam
kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bapak Dr. A.T Soegito, SH, MM, Rektor Universitas Negeri Semarang yang
telah memberi kesempatan untuk meneruskan pendidikan ke jenjang S1.
2. Bapak Drs. Kasmadi Imam S, MS selaku Dekan FMIPA Universitas Negeri
Semarang yang telah memberi ijin untuk mengadakan penelitian ini.
3. Bapak Drs. Supriyono, M. Si selaku Ketua Jurusan Matematika FMIPA
Universitas Negeri Semarang.
4. Bapak Drs. Zaenuri Mastur S.E, M.Si, Akt selaku pembimbing utama yang
telah memberikan petunjuk dan bimbingan dalam menyelesaikan skripsi ini.
5. Bapak Walid S.Pd, M. Si selaku pembimbing pendamping yang telah
memberikan petunjuk dan bimbingan dalam menyelesaikan skripsi ini.
6. Bapak Direktur PT.Perkebunan Tambi Wonosobo yang telah memberi ijin
untuk penelitian ini.
7. Bapak dan Ibu Dosen Matematika FMIPA Universitas Negeri Semarang yang
telah memberi saran dan dorongan.

6. 8. Bapak dan Ibu karyawan Tata Usaha FMIPA Unioversitas Negeri Semarang
yang telah membantu administrasi.
9. Ibu dan Bapak tercinta yang telah memberikan segalanya.
10. Mas Wasis dan teman-teman di Reyna yang telah memberi dukungan moril
kepada penulis dalam menyelesaikan skripsi ini.
11. Mbak Tami’ yamg telah membantu dalam pencarian buku-buku pustaka..
12. Semua pihak yang telah memberi bantuan dalam penelitian dan penulisan
skripsi ini.
Penulis hanya dapat memohon, semoga Allah SWT memberikan balasan
kebaikan dan barakah kepada pihak-pihak tersebut. Penulis menyadari bahwa
skripsi ini masih banyak sekali kekurangannya. Oleh karena itu masukan berupa
saran dan kritik sangat diharapkan demi perbaikan skripsi ini.
Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat dan
menambah khasanah ilmu pengetahuan bagi pembaca.
Semarang. Agustus 2005
Penulis

7. DAFTAR ISI
Halaman
HALAMAN JUDUL...................................................................................... i
ABSTRAK .................................................................................................... ii
HALAMAN PENGESAHAN........................................................................ iii
MOTTO DAN PERSEMBAHAN................................................................. iv
KATA PENGANTAR ................................................................................... v
DAFTAR ISI.................................................................................................. vii
DAFTAR TABEL.......................................................................................... ix
DAFTAR GAMBAR ..................................................................................... x
DAFTAR LAMPIRAN.................................................................................. xi
BAB I PENDAHULUAN ........................................................................... 1
A. Latar Belakang Masalah ............................................................ 1
B. Penegasan Istilah........................................................................ 5
C. Pembatasan Masalah.................................................................. 6
D. Permasalahan ............................................................................. 6
E. Tujuan Penelitian....................................................................... 7
F. Manfaat Penelitian ..................................................................... 7
G. Sistematika Skripsi .................................................................... 8
BAB II LANDASAN TEORI....................................................................... 10
A. Peramalan (forecasting)............................................ 10
B. Penjualan .................................................................. 13
C. Data Time Series ...................................................... 15

8. D. Peramalan Dengan Metode Exponential Smoothing 18
E. Gambaran Umum Perusahaan.................................. 28
BAB III METODE PENELITIAN ................................................................ 32
A. Identifikasi Masalah................................................................... 32
B. Perumusan Masalah................................................................... 32
C. Observasi .................................................................................. 32
D. Analisa Data............................................................................... 33
E. Penarikan Simpulan ................................................................... 35
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ............................... 36
A. Penyajian Data dan Hasilnya ..................................................... 36
B. Analisis Data.............................................................................. 36
BAB V PENUTUP .................................................................................. 41
A. Simpulan .................................................................................. 41
B. Saran .......................................................................................... 42
DAFTAR PUSTAKA
LAMPIRAN-LAMPIRAN

9. DAFTAR TABEL
Halaman
Tabel 1. Nilai ŶT+t contoh penggunaan metode Single Exponential
Smoothing .................................................................................. 21
Tabel 2. Volume penjualan barang P........................................................... 23
Tabel 3. Volume penjualan teh hitam PT Perkebunan Tambi Wonosobo
sejak Agustus 2003 sampai dengan Juli 2005................................ 44
Tabel 4. Harga-harga ST, ST(2), dan ST(3) penjualan teh hitam .................. 46
Tabel 5. Harga-harga â1(T) dan â2(T) penjualan teh hitam.......................... 46
Tabel 6. Harga-harga â1(T) ,â2(T), dan â3(T) penjualan teh hitam............... 47
Tabel 7. Harga-harga ŶT+t orde1, orde 2, dan orde 3 penjualan teh hitam ... 48
Tabel 8. Harga- harga MAE orde 1, orde 2, dan orde 3 penjualan teh hitam .. 49
Tabel 9. Hasil perhitungan Single Exponential Smoothing......................... 50
Tabel 10. Hasil perhitungan Double Exponential Smoothing ....................... 51
Tabel 11. Hasil perhitungan Triple Exponential Smoothing ......................... 52

10. DAFTAR GAMBAR
Halaman
Gambar 1. Grafik komponen trend ................................................................ 16
Gambar 2. Grafik komponen musiman.......................................................... 17
Gambar 3. Grafik komponen siklis................................................................ 17
Gambar 4. Grafik komponen random ............................................................ 17
Gambar 5. Scatter diagram penjualan teh hitam ........................................... 37

11. DAFTAR LAMPIRAN
Halaman
Lampiran1. Volume penjualan teh hitam PT Perkebunan Tambi
Wonosobo sejak Agustus 2003 sampai dengan Juli 2005 ......... 44
Lampiran 2. Harga-harga ST, ST(2), dan ST(3) penjualan teh hitam.............. 45
Lampiran 3.Harga-harga â1(T) dan â2(T) penjualan teh hitam...................... 46
Lampiran 4.Harga-harga â1(T) ,â2(T), dan â3(T) penjualan teh hitam........... 47
Lampiran 5. Harga-harga ŶT+t orde1, orde 2, dan orde 3 penjualan teh hitam.... 48
Lampiran 6.Harga-harga MAE orde 1, orde 2, dan orde 3 penjualan teh
hitam........................................................................................... 49
Lampiran 7.Hasil perhitungan Single Exponential Smoothing..................... 50
Lampiran 8.Hasil perhitungan Double Exponential Smoothing.................... 51
Lampiran 9.Hasil perhitungan Triple Exponential Smoothing...................... 52

12. BAB I
PENDAHULUAN
LATAR BELAKANG MASALAH
Kemajuan ilmu dan teknologi semakin dirasakan kegunaanya oleh
manusia. Hal tersebut terjadi karena hasil kemajuan teknologi yang ada pada
saat ini telah menjadi bagian yang tidak dapat dipisahkan dengan kebutuhan
manusia itu sendiri.
Oleh karena itu, sudah sewajarnya jika matematikawan selalu ingin
meningkatkan ilmu pengetahuannya, mengingat matematika banyak
digunakan pada bidang-bidang yang lain. Dengan kata lain matematika
merupakan ratunya ilmu sekaligus pelayannya.
Matematika merupakan alat untuk menyederhanakan penyajian dan
pemahaman masalah. Dengan menggunakan bahasa matematika, suatu
masalah dapat menjadi lebih sederhana untuk disajikan, dipahami, dianalisis,
dan dipecahkan.
Matematika secara garis besar dibagi dua yaitu matematika terapan
(applied mathematics) dan matematika murni (pure mathematics).
Matematika terapan mempunyai pengertian bahwa matematika digunakan di
luar bidang matematika. Banyak para ilmuwan yang mengkaji matematika
untuk dapat dimanfaatkan dalam bidang lain.
Dalam ilmu ekonomi, matematika merupakan ilmu pengetahuan yang
penting sekali peranannya dalam analisis. Dengan menggunakan matematika
1

13. untuk menganalisis peristiwa atau gejala ekonomi maka hubungan-hubungan
antara berbagai faktor ekonomi bisa dinyatakan secara lebih singkat dan jelas,
perubahan-perubahannya mudah dilukiskan dan dihitung. Penerapan
matematika pada teori ekonomi dapat menunjukkan kemungkinan-
kemungkinan yang ada pada suatu perkembangan perekonomian.
Menurut Chiang (1987), penggunaan pendekatan matematika dalam
ekonomi akan memberikan empat keuntungan, yaitu:
1. bahasa matematika lebih ringkas dan tepat,
2. kaya akan dalil-dalil sehingga mempermudah pemakainnya,
3. dapat merumuskan asumsi-asumsi dengan jelas sehingga terhindar bias,
4. memungkinkan penggunaan sebanyak n variabel.
Teori statistika merupakan cabang dari matematika terapan (applied
mathematics). Teorinya berakar pada salah satu bidang ilmu matematika
murni yang dikenal dengan nama teori probabilita.
Perkembangan statistika sebagai metode ilmiah telah mempengaruhi
hampir setiap aspek kehidupan manusia modern. Pada abad ini, manusia sadar
atau tidak sadar, suka berpikir secara kuantitatif. Keputusan-keputusannya
diambil atas dasar hasil analisis dan intepretasi data kuantitatif. Dalam hal
demikian itu, metode statistika mutlak dibutuhkan sebagai peralatan analisis
dan intepretasi data kuantitatif. Peranan metode statistik dalam pengambilan
keputusan secara ekonomis di perusahaan-perusahaan maupun penelitian yang
sifatnya nonekonomis makin besar.

14. Forecasting (peramalan) adalah salah satu unsur yang sangat penting
dalam pengambilan keputusan. Suatu dalil yang dapat diterima bahwa
semakin baik ramalan tersedia untuk pimpinan semakin baik pula prestasi
kerja mereka sehubungan dengan keputusan yang diambil.
Ramalan yang dilakukan umumnya akan berdasarkan pada data masa
lampau yang dianalisis dengan menggunakan cara-cara tertentu. Data masa
lampau dikumpulkan, dipelajari, dan dianalisis dihubungkan dengan
perjalanan waktu. Karena adanya faktor waktu itu, maka dari hasil analisis
tersebut dapat dikatakan sesuatu yang akan terjadi pada masa mendatang.
Jelas, dalam hal tersebut kita berhadapkan dengan ketidakpastian sehingga
akan ada faktor akurasi atau keseksamaan yang harus diperhitungkan. Akurasi
suatu ramalan berbeda untuk tiap persoalan dan bergantung pada berbagai
faktor, yang jelas tidak akan selalu didapatkan hasil ramalan dengan ketepatan
seratus persen.
Ini tidak berarti bahwa ramalan menjadi percuma. Malahan sebaliknya
terbukti, bahwa ramalan telah banyak digunakan dan membantu dengan baik
dalam berbagai manajemen sebagai dasar-dasar perencanaan, pengawasan,
dan pengambilan keputusan. Salah salu diantaranya adalah forecasting
penjualan.
Ada tiga model yang dikenal untuk menganalisis peramalan yaitu
model ekonometrika, model deret berkala (time series) dan model ramalan
kualitatif. Model peramalan exponential smoohting merupakan salah satu
model ramalan deret berkala.

15. Metode pemulusan dinyatakan cukup sesuai untuk peramalan jangka
pendek dan jangka menengah terutama bila dibutuhkan sejumlah besar hasil
ramalan seperti yang terdapat pada tingkat operasional suatu perusahaan
(Makridakis, 1993: 206).
Metode pemulusan tidak berusaha membedakan masing-masing
komponen dan pola dasar yang ada (Awat, Napa J, 1990: 36). Seringkali pola
tersebut dapat dipecah (didekomposisikan) menjadi sub pola yang
menunjukkan tiap-tiap komponen deret berkala secara terpilih. Dengan
pemisahan ini dapat membantu meningkatkan ketepatan peramalan dan
membantu pemahaman atas perilaku time series secara lebih baik
(Makridakis, 1993: 150).
Dengan semakin meningkatnya kualitas hidup masyarakat, makin
meningkat pula kebutuhan masyarakat terhadap produk-produk yang
dihasilkan oleh suatu perusahaan.
Dalam menerapkan konsep ramalan tersebut diadakan penelitian di
PT. Perkebunan Tambi Wonosobo yang memproduksi teh. Penelitian
dilakukan untuk mendapatkan data penjualan teh dari tahun terdahulu
kemudian akan dilakukan peramalan penjualan untuk tahun yang akan datang,
sehingga dapat digunakan sebagai acuan bagi PT. Perkebunan Tambi
Wonosobo di dalam memproduksi komoditinya di masa yang akan datang.
Berdasarkan uraian di atas, maka penulis akan membahas mengenai
masalah peramalan atau forecasting volume penjualan produk pada PT.
Perkebunan Tambi Wonosobo dengan metode Exponential Smoothing.

16. PENEGASAN ISTILAH
Untuk menghindari kesalahan persepsi atau penafsiran yang berbeda
dan istilah-istilah yang ada dalam judul penelitian ini maka perlu penegasan
dan pembatasan beberapa istilah antara lain :
Exponential Smoothing
Exponential Smoothing adalah suatu tipe teknik ramalan rata-rata
bergerak yang melakukan penimbangan terhadap data masa lalu dengan
cara eksponensial sehingga data paling akhir mempunyai bobot atau
timbangan lebih besar dalam rata-rata bergerak. (Handoko, 1984: 279).
Yang dimaksud dengan Exponential Smoothing dalam penelitian
ini adalah suatu tipe teknik peramalan rata-rata bergerak yang digunakan
untuk forecasting penjualan produk pada PT. Perkebunan Tambi
Wonosobo.
Forecasting penjualan
Forecast adalah peramalan apa yang akan terjadi pada waktu yang
akan datang (Subagyo, 1986: 3). Forecasting adalah suatu usaha untuk
meramalkan keadaan di masa mendatang melalui pengujian keadaan di
masa lalu (Handoko, 1984: 3). Sedangkan penjualan adalah usaha yang
dilakukan manusia untuk menyampaikan barang yang telah dihasilkannya
kepada mereka yang membutuhkannya dengan imbalan uang menurut
harga yang ditentukan, atas persetujuan bersama ( Sutamto, dalam Limif
Rokhah, 2004: 8 ).

17. Forecasting penjualan dalam penelitian ini adalah suatu usaha
untuk meramalkan kuantitas penjualan produk pada PT. Perkebunan
Tambi Wonosobo dengan menggunakan metode pemulusan.
Volume Penjualan
Volume penjualan adalah jumlah yang terjual yang dinyatakan
dalam satuan unit atau dalam rupiah dan biasanya untuk jangka panjang
periode tertentu ( Nitisemito, 1984: 1).
PEMBATASAN MASALAH
Dalam penulisan skripsi ini penulis akan membahas metode
Exponential Smoothing untuk meramalkan volume penjualan teh hitam
pada PT. Perkebunan Tambi Wonosobo berdasarkan data-data terdahulu yang
diperoleh dari PT. Perkebunan Tambi Wonosobo. Dengan data tersebut,
penulis akan menganalisis dan menyimpulkan berapa besar volume penjualan
teh hitam periode berikutnya.
PERMASALAHAN
Masalah yang akan dibahas dalam penelitian ini adalah :
Bagaimana penggunaan metode Exponential Smoothing untuk peramalan
penjualan teh hitam pada PT Perkebunan Tambi Wonosobo?
Berapa prediksi atau ramalan penjualan teh hitam pada bulan Agustus dan
September 2005?

18. TUJUAN PENELITIAN
Tujuan dari penelitian ini adalah :
Untuk mengetahui dan menganalisis penggunaan metode Exponential
Smoothing untuk peramalan penjualan teh hitam pada PT. Perkebunan
Tambi Wonosobo.
Untuk mengetahui prediksi atau ramalan penjualan teh hitam di PT.
Perkebunan Tambi Wonosobo pada bulan Agustus dan bulan September
2005.
MANFAAT PENELITIAN
Hasil dan penelitian ini diharapkan dapat digunakan sebagai :
Sumbangan pemikiran bagi para pengambil keputusan pada PT. Perkebunan
Tambi Wonosobo bahwa dalam meramalkan atau memprediksi penjualan
dapat menggunakan metode Exponential Smoothing.
Bahan penelitian lebih lanjut tentang penggunaan Metode Exponential
Smoothing bagi peramalan bisnis.
SISTEMATIKA SKRIPSI

19. Skripsi ini terdiri atas beberapa bagian yang masing-masing diuraikan
sebagai berikut
Bagian Pendahuluan Skripsi
Bagian pendahuluan skripsi berisi halaman judul, abstrak, halaman
pengesahan, halaman motto dan persembahan, kata pengantar, daftar isi,
daftar tabel, daftar gambar dan daftar lampiran.
Bagian Inti Skripsi
Bagian inti merupakan bagian pokok dalam skripsi yang terdiri
dan 5 bab, yaitu :
BAB I Pendahuluan
Bab ini berisi alasan pemilihan judul, batasan masalah,
permasalahan, tujuan penelitian, manfaat penelitian, dan
sistematika skripsi.
BAB II Landasan Teori
Dalam bab ini akan dibahas dan diuraikan secara teoritis
mengenai peramalan (forecasting), volume penjualan, data time
series, dan forecasting dengan metode Exponential Smoothing.
BAB III Metode Penelitian
Bab ini berisi langkah-langkah yang ditempuh untuk
memecahkan masalah yang diajukan, yaitu metode
pengumpulan data dan metode analisis data.
BAB IV Hasil Penelitian dan Pembahasan

20. Bab ini berisi hasil-basil penelitian dan pembahasannya.
BAB V Penutup
Bab ini memuat simpulan dan saran-saran.
Bagian Akhir Skripsi
Bagian ini berisi daftar pustaka yang digunakan sebagai acuan dan
lampiran-lampiran yang melengkapi uraian pada bagian inti.
BAB II

21. LANDASAN TEORI
A. PERAMALAN
1. Hubungan Forecast dengan Rencana
Forecast adalah peramalan apa yang akan terjadi pada waktu yang
akan datang, sedang rencana merupakan penentuan apa yang akan
dilakukan pada waktu yang akan datang (Subagyo, 1986: 3). Dengan
sendirinya terjadi perbedaan antara forecast dengan rencana. Forecast
adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa
dilaksanakan oleh perusahaan.
Misalnya forecast/ramalan permintaan konsumen akan suatu
barang 10.000 unit pada tahun yang akan datang. Perusahaan belum tentu
mampu melayani. Mungkin kapasitas maksimum perusahaan hanya bisa
8000 unit. Untuk membuat rencana penjualan, suatu perusahaan harus
mempertimbangkan kapasitas, fasilitas, elastisitas, harga, forecast
permintaan konsumen, dan sebagainya.
2. Definisi dan Tujuan Forecasting
Forecasting adalah suatu usaha untuk meramalkan keadaan di
masa mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984:
260).
Dalam kehidupan sosial segala sesuatu itu serba tidak pasti, sukar
untuk diperkirakan secara tepat. Dalam hal ini perlu diadakan forecast.
10

22. Forecasting yang dibuat selalu diupayakan agar dapat meminimumkan
pengaruh ketidakpastian ini terhadap perusahaan.
Dengan kata lain forecasting bertujuan mendapatkan forecast yang
bisa meminimumkan kesalahan meramal (forecast error) yang biasanya
diukur dengan mean squared error, mean absolute error, dan sebagainya
(Subagyo, 1986: 4).
3. Proses Peramalan
Menurut Handoko (1984: 260), proses peramalan biasanya terdiri
dari langkah-langkah sebagai berikut:
a. Penentuan Tujuan
Analisis membicarakan dengan para pembuat keputusan dalam
perusahaan untuk mengetahui apa kebutuhan-kebutuhan mereka dan
menentukan:
1) variabel-variabel apa yang akan diestimasi,
2) siapa yang akan menggunakan hasil peramalan,
3) untuk tujuan-tujuan apa hasil peramalan akan digunakan,
4) estimasi jangka panjang atau jangka pendek yang diinginkan,
5) derajat ketepatan estimasi yang diinginkan,
6) kapan estimasi dibutuhkan,
7) bagian-bagian peramalan yang diinginkan, seperti peramalan
untuk kelompok pembeli, kelompok produk atau daerah geografis.

23. b. Pengembangan Model
Setelah tujuan ditetapkan, langkah berikutnya adalah
mengembangkan model, yang merupakan penyajian secara lebih
sederhana sistem yang dipelajari.
Dalam peramalan, model adalah suatu kerangka analitik yang
apabila dimasukkan data masukan menghasilkan estimasi penjualan di
waktu mendatang (atau variabel apa saja yang diramal). Analisis
hendaknya memilih suatu model yang menggambarkan secara realistis
perilaku variabel-variabel yang dipertimbangkan.
Sebagai contoh, bila perusahaan ingin meramalkan volume
penjualan yang polanya berbentuk linier, model yang dipilih mungkin
Y = A + BX, dimana Y menunjukkan besarnya volume penjualan; X
menunjukkan unit waktu, serta A dan B adalah parameter-parameter
yang menggambarkan posisi dan kemiringan garis pada grafik.
c. Pengujian Model
Sebelum diterapkan, model biasanya diuji untuk menentukan
tingkat akurasi, validitas, dan reliabilitas yang diharapkan. Ini sering
mencakup penerapannya pada data historis, dan penyiapan estimasi
untuk tahun-tahun sekarang dengan data nyata yang tersedia. Nilai
suatu model ditentukan oleh derajat ketepatan hasil peramalan data
aktual.

24. d. Penerapan Model
Setelah pengujian, analisis menerapkan model dalam tahap ini,
data historis dimasukkan dalam model untuk menghasilkan suatu
ramalan. Dalam kasus model penjualan, Y = A + BX, analisis
menerapkan teknik-teknik matematika agar diperoleh A dan B.
e. Revisi dan Evaluasi
Ramalan-ramalan yang telah dibuat harus senantiasa
diperbaiki dan ditinjau kembali. Perbaikan mungkin perlu dilakukan
karena adanya perubahan-perubahan dalam perusahaan atau
lingkungannya, seperti tingkat harga produk perusahaan, karakteristik-
karakteristik produk, pengeluaran-pengeluaran pengiklanan, tingkat
pengeluaran pemerintah, kebijakan moneter dan kemajuan teknologi.
Evaluasi, di pihak lain, merupakan perbandingan ramalan-
ramalan dengan hasil nyata untuk menilai ketepatan penggunaan suatu
metodologi atau teknik peramalan. Langkah ini diperlukan untuk
menjaga kualitas estimasi-estimasi di waktu yang akan datang.
B. PENJUALAN
1. Definisi Penjualan
Penjualan merupakan kegiatan ekonomis yang umum, dimana
dengan penjualan sebuah perusahaan akan memperoleh hasil/laba sesuai
dengan yang direncanakan atau memperoleh pengembalian atas biaya-

25. biaya yang dikeluarkan. Berikut ini definisi penjualan menurut beberapa
ahli:
a. Sutamto (dalam Limif Rokhah, 2004: 8) mengemukakan penjualan
adalah usaha yang dilakukan manusia untuk menyampaikan barang
yang telah dihasilkannya dengan imbalan uang menurut harga yang
ditentukan, atas persetujuan bersama.
b. Affif (1981:7) mengemukakan penjualan atau menjual berarti dapat
meyakinkan gagasan kita kepada orang lain untuk melakukannya.
c. Winardi (1991:3) mengemukakan penjualan sebagai proses dimana
sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan
atau keinginan sang pembeli yang berkelanjutan dan menguntungkan
kedua belah pihak.
Dari definisi tersebut maka akan terlihat betapa pentingnya fungsi
penjualan bagi sebuah perusahaan. Berangkat dari definisi di atas dapat
diberikan definisi forecasting penjualan sebagai suatu usaha untuk
meramalkan kuantitas penjualan barang di masa yang akan datang.
2. Tujuan Penjualan
Dalam pemasaran, kegiatan penjualan merupakan suatu kegiatan
terencana dan bertujuan, dan seperti kegiatan lainnya dalam perusahaan,
bila kegiatan itu memberikan hasil yang baik, pasti akan memperoleh balas
jasa yang sepadan.
Pada umumnya, para pengusaha mempunyai tujuan mendapatkan
laba yang maksimal serta mempertahankan atau berusaha

26. meningkatkannya untuk jangka waktu lama. Tujuan tersebut dapat
direalisir apabila penjualan dapat dilaksanakan seperti yang direncanakan.
Bagi perusahaan, pada umumnya mempunyai 3 tujuan umum
dalam penjualannya yaitu:
a. Mencapai volume penjualan tertentu,
b. Mendapatkan laba tertentu,
c. Menunjang pertumbuhan perusahaan.
Menurut Swastha (1990: 404), faktor-faktor yang harus
diperhatikan dalam mencapai tujuan penjualan diantaranya ialah :
1. Modal yang diperlukan,
2. Kemampuan merencanakan dan membuat produk,
3. Kemampuan menentukan tingkat harga yang tepat,
4. Kemampuan memilih penyalur yang tetap,
5. Kernampuan menggunakan cara-cara promosi yang tepat,
6. Unsur penunjang lain.
C. DATA TIME SERIES
Time series (runtun waktu) adalah himpunan observasi berurut dalam
waktu atau dimensi apa saja yang lain (Soejoeti, 1987: 36).
Andaikan variabel Yi merupakan serangkaian hasil observasi dan ti
merupakan variabel waktu yang bergerak secara seragam dan ke arah yang
sama, dan waktu yang lampau ke waktu yang mendatang, maka serangkaian

27. data yang terdiri dari Yi di atas dan yang merupakan fungsi dari ti dinamakan
deret berkala atau time series (Dajan, 1983: 266).
Data yang direkam di dalam interval waktu yang sama di dalam jangka
waktu yang relatif panjang disebut data runtun waktu (Arga, 1984: 1).
Interval waktu perekaman dapat amat singkat (beberapa bagian dari
satu detik saja) dan dapat cukup panjang (harian, mingguan, bulanan, tahunan,
dan bahkan puluhan tahun), tergantung dari macamnya data yang direkam.
Analisis runtun waktu umumnya memerlukan cacah data yang banyak, oleh
karena itu diperlukan rekaman data yang panjang. Rekaman data ekonomi,
interval waktunya dibuat sintesis, yaitu harian, mingguan, bulanan,
caturwulan, enam bulan, tahunan, dan sebagainya.
Data runtun waktu bervariasi karena adanya komponen-komponen
trend, siklis, musiman, dan komponen yang tidak teratur (random) di
dalamnya. Kenaikan permintaan yang disebabkan oleh laju kenaikan jumlah
penduduk yang tetap besarnya adalah tergolong pengaruh trend.
Gambar 1. Grafik komponen trend
Naik turunnya curah hujan harian di dalam kurun waktu beberapa
tahun, mengandung pengaruh musiman.
j
u
m
l
a
h
tahun

28. Gambar 2. Grafik komponen musiman
Era kemakmuran mengandung komponen siklis (berulang kembali di
dalam kurun waktu tertentu).
Gambar 3. Grafik komponen siklis
Terhambatnya produksi tekstil selama satu bulan karena kebakaran di
pabrik, mengandung komponen tidak teratur (random).
Gambar 4. Grafik komponen random
j
u
m
l
a
h
bulan
j
u
m
l
a
h
tahun
bulan
j
u
m
l
a
h

29. D. PERAMALAN DENGAN METODE EXPONENTIAL
SMOOTHING
Exponential Smoothing adalah suatu tipe teknik peramalan rata-rata
bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara
eksponensial sehingga data paling akhir mempunyai bobot atau timbangan
lebih besar dalam rata-rata bergerak (Handoko, 1984: 279).
a. Metode Single Exponential Smoothing
Metode Single Exponential Smoothing sebenarnya merupakan
perkembangan dari metode moving averages sederhana.
Metode ini dipergunakan secara luas di dalam forecasting karena
sederhana, efisien di dalam perhitungan ramalan, mudah disesuaikan
dengan perubahan data, dan ketelitian metode ini cukup besar.
Kalau dipercaya bahwa penjualan suatu barang besarnya tidak
berubah di dalam kurun waktu tertentu, atau jika perubahannya kecil saja,
maka dalam hal ini dipilih metode konstan sebagai berikut:
Yt = a + εt .............................................................................. (1.1)
Dengan : a = permintaan rata-rata
εt = random error dengan E (εt ) = 0
dan Var εt = σ2
ε (Arga, 1984:19)
Nilai a pada akhir periode T-1 adalah â (T-1) dan penjualan sekarang
adalah YT kita ingin mencari â (T) yaitu penaksir bagi a. Nilai â (T) adalah
sama dengan penaksir lama â (T-1) ditambah dengan sebagian kecil yang
tertentu dari kesalahan ramalan.

30. Kesalahan ramalan pada periode T adalah:
eT = YT – â (T-1) .................................................................... (1.2)
Jika α adalah nilai kecil tertentu yang dimaksud diatas maka
taksiran permintaan yang baru adalah:
â (T) = â (T-1) + α[YT – â (T-1)] ........................................... (1.3)
jika â (T) = ST, maka
ST = ST-1 + α (YT – ST-1)
ST= αYT + (1-α) ST-1 .............................................................. (1.4)
Model (1.4) disebut Exponential Smoothing sederhana atau basic
Exponential atau Exponential orde pertama atau Single Exponential
Smoothing.
ST adalah rata-rata tertimbang dari semua pengamatan yang lampau. Hal
ini dapat diperlihatkan sebagai berikut:
ST = αYT + (1-α) {α YT-1 + (1-α) ST-2}
Jika subtitusi ST-k untuk k = 2,3,…,T dilanjutkan maka akan
diperoleh:
ST = ∑
−
=
− −+−
1T
0k
T
kT
k
Soα)(1Yα)(1 .......................................... (1.5)
Dimana So adalah penaksir awal dari a, yang dipakai pada awal
proses. ST dipakai sebagai penaksir parameter a yang tidak diketahui pada
waktu T. â(T) = ST

31. Nilai ramalan penjualan untuk t waktu atau periode ke depan akan
menjadi:
ŶT+t = ST ................................................................................ (1.6)
1) Menentukan nilai α
α disebut Smoothing konstan. Dalam metode Exponential Smooting
nilai α bisa ditentukan secara bebas, yang bisa meminimumkan
forecast error. Besarnya α antara 0 dan 1, tetapi pada umumnya
terletak antara 0;0,1;0,30. besarnya α yang paling cocok bisa kita pilih
secara trial and error.
2) Menentukan nilai awal So
a) Jika data histories tersedia, maka nilai So dianggap sama dengan
nilai rata-rata hitung n data terbaru.
So = ∑+−=
T
1nTt
TY
n
1
............................................................. (1.7)
b) Cara kedua untuk memberi nilai kepada So ialah dengan:
So = Y1
Yaitu So sama dengan nilai pengamatan pertama (Arga, 1984: 22).
Contoh penggunaan metode Single Exponential Smooting untuk
Forecasting penjualan:
Untuk meramal besarnya penjualan t periode ke depan peramal
mengunakan smoothing konstan α = 0,1 dan So = Y1.

32. Nilai ramalan selalu diperbaharui dari waktu ke waktu dengan
menggunakan rumus:
ST = αYT + (1-α) ST-1
Penerapan teknik ini menghasilkan tabel di bawah ini.
Tabel 1
Nilai ŶT+1(T) contoh penggunaan metode
Single Exponential Smoothing
No. YT ŶT+1(T)
1 85 85,00
2 100 86,50
3 95 87,35
4 105 89,11
5 115 91,70
6 100 92,53
Pada T = 3 misalnya:
So = Yt
S1 = 0,1(85) + 0,9(85) = 85
S2 = 0,1(100) + 0,9(100) = 86,50
S3 = 0,1(95) + 0,1(86,50) = 87,35
Dan ŶT+1(3) = 87,35
Jadi besarnya ramalan penjualan untuk t periode setelah
pengamatan terakhir Y3 adalah 87,35.
b. Metode Double Exponential Smoothing

33. Metode ini menggunakan model linier yang dikemukakan oleh
Brown. Penjualan yang menunjukkan sifat trend dapat dinyatakan dengan
model sebagai berikut
Yt = a1 + a2.t + εt ......................................................................................... (2.1)
Dengan: E(εt) = 0
Var εt = σ2
ε (Arga, 1984:33)
Dilakukan proses smoothing dua kali sebagai berikut:
ST = αYT + (1-α) ST-1
ST(2) = ST + (1-α) ST-1(2) .............................................. (2.2)
Nilai-nilai â1(T) dan â2(T) dapat dihitung dengan rumus-rumus
sebagai berikut:
â1(T) = 2ST - ST(2) ....................................................... (2.3)
â2(T) = [ ](2)SS
α1
α
TT −
−
.................................................(2.4)
besarnya nilai ramalan untuk t periode ke depan adalah:
ŶT+1(T) = 1a
)
(T) + 2a
)
(T).t
= 2ST - ST(2) + [ ]
⎭
⎬
⎫
⎩
⎨
⎧
−
−
t(2)SS
α1
α
TT
= 2ST - ST(2) +
⎭
⎬
⎫
⎩
⎨
⎧
−
−
−
(2)S
α1
αt
S
α1
αt
TT
ŶT+1(T) = (2 +
α1
αt
−
) ST – (1 +
α1
αt
−
) ST(2) .................. (2.5)
Dengan ST dan ST(2) seperti dalam rumus (2.2) sedangkan S1(2) = Y1

34. Untuk menentukan nilai α sebagaimana penjelasan metode Single
Exponential Smoothing.
Contoh penggunaan metode Double Exponential smoothing untuk
forecasting penjualan:
Volume penjualan (dalam puluhan ribu unit) sejenis barang P yang
dialami suatu perusahaan selama 5 minggu berturut-turut diberikan
dibawah ini :
Tabel 2
Volume penjualan barang P
Minggu (T) Volume YT
1 64
2 65
3 72
4 78
5 75
Akan dicari ramalan minggu ke 6 menggunakan rumus (2.7) dengan
mengambil α = 0,2.
Perhitungan dimulai dengan menggunakan rumus (1.4) untuk S1 = Y1 = 64,
maka dari ST = αYT + (1-α)ST-1 secara berangkai didapat harga-harga:
S2 = (0,2)(65) + (0,8)(64) = 64,2
S3 = (0,2)(72) + (0,8)(64,2) = 64,76
S4 = (0,2)(78) + (0,8)(64,76) = 68,208

35. S5 = (0,2)(75) + (0,8) (68,208) = 69, 57
Untuk menggunakan rumus (2.7) digunakan harga-harga ST yang telah
didapat rumus (1.4) tetapi terlebih dahulu perlu dihitung ST(2) dengan
mengambil α = 0,2 dan S1(2) = Y1 = 64. Harga-harga ST(2) yang
dihitung dan rumus ST(2) = α ST + (l-α) ST-l(2) secara berangkai adalah:
S2 = (0,2)(64,2) + (0,8)(64) = 64,04
S3 = (0,2)(65,76) + (0,8)(64,04) = 64,38
S4 = (0,2)(68,208) + (0,8)(64,38) = 65,14
S5 = (0,2)(69,57) + (0,8) (65,14) = 66,026
Dari rumus ŶT+1(T) = (2 +
α1
αt
−
) ST – (1 +
α1
αt
−
) ST(2) untuk α = 0,2
dan t = 1 didapat ŶT+1(T) = 2,25 ST - 1,25 ST(2) dan dengan harga-harga
ST dan ST(2) yang telah diperoleh, ramalan untuk minggu ke-6 adalah:
Ŷ6(T) = Ŷ5+1(T) = 2,25 S5 - 1,25 S5(2)
= (2,25)(69,57) - (1,25)(66,026)
= 74.
Jadi ramalan volume penjualan minggu ke-6 setelah pengamatan terakhir
Ŷ5 adalah 740.000 unit.
c. Metode Triple Exponential Smoothing
Metode ini merupakan metode forecast yang dikemukakan oleh
Brown, dengan menggunakan persamaan kuadrat. Metode ini lebih cocok

36. kalau dipakai untuk membuat forecast hal yang berfluktuasi atau
mengalami gelombang pasang surut.
Ditinjau model kuadrat di bawah ini :
Yt = a1 + a2.t +
2
1
a3t2
+ εt .................................................(3.1)
Dimana: E(εt) = 0
Var εt = σ2
ε (Arga, 1984: 43)
Jika origin waktu dipindahkan ke akhir periode T maka:
tYˆ = 2
21 T).t(aˆ
2
1
T)t(aˆT)(aˆ 3
++ .......................................... (3.2)
Selanjutnya dapat dicari nilai statistik yang berikut:
ST = αXT + (1-α)ST-l
ST(2) = αST + (1- α)ST-l(2)
ST(3)= αST(2)+(1-α)ST-1(3)………………………………..……........ (3.3)
Nilai â1(T), â2(T), â3(T) dapat dihitung dengan rumus-rumus berikut:
â1(T) = 3ST - 3ST-1(2) + ST(3)
â2(T) = 2
2β
α
[(6-5α)ST - 2(5 - 4α) ST(2) + (4 -3α) ST(3)]
â3(T) =
2
β
α
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
[ST - 2ST(2) + ST(3)]…………………………………... (3.4)
dengan β = 1 - α
Prosedur (3.4) disebut triple exponential smoothing atau exponential
smoothing rangkap tiga.
Besarnya nilai ramalan t periode ke depan adalah:

37. ŶT+1(T) = â1(T)+ â2(T).t +
2
1
â3.t2
......................................... (3.5)
Dengan mensubstitusi persamaan-persamaan (3.4) ke dalam persamaan
(3.5) diperoleh:
ŶT+1(T) = 3ST – 3ST(2) + ST(3) + 2
2β
α.t
(6-5α) ST – 2
2β
αt2
(5-4α) ST(2) +
2
2β
αt
(4-3α) ST(3) + 2
22
2β
tα
ST – 2
22
2β
tα2
ST(2) + 2
22
2β
tα
ST(3)
= [6β2
+ (6-5α)αt + α2
t2
] 2
T
2β
S
- [6β2
+ 2(5-4α)α + 2α2
t2
] -
2
T
2β
(2)S
+ [2β2
+ (4-3α)αt + α2
t2
] 2
T
2β
(3)S
dengan β = 1-α
ŶT+1(T) = [6(1-α)2
+ (6-5α)αt + α2
t2
] 2
T
)-2(1
S
α
- [6(1-α)2
+ 2(5-4α)α +
2α2
t2
] - 2
T
)-2(1
(2)S
α
+ [2(1-α)2
+ (4-3α)αt + α2
t2
] 2
T
)-2(1
(3)S
α
................. (3.6)
dengan
ST = αXT + (1-α)ST-1
ST(2) = ST = αXT + (1-α)ST-1
ST(3) = αST(2) + (1-α)ST-1(3)
Dan S1(3) = Y1
Untuk menentukan nilai α sebagaimana penjelasan pada penggunaan
metode Single Exponential Smoothing.

38. Contoh penggunaan metode Triple Exponential smoothing untuk forecast
penjualan.
Untuk contoh ini digunakan data tabel 2, akan dicari ramalan minggu ke-6
menggunakan rumus (3.6) dengan mengambil α = 0,2.
Dari contoh penggunaan metode Double Exponential Smoothing untuk
forecasting penjualan sudah didapatkan harga-harga ST dan ST(2)
Selanjutnya dengan mengambil harga-harga ST dan ST(2) yang sudah
didapat digunakan rumus (3.6) untuk meramalkan YT+1(T). Akan tetapi
sebelumnya harus dihitung dahulu ST(3) dengan memanfaatkan ST(2) dan
S1(3) = Y1 = 64. Secara berantai diperoleh dari rumus :
ST(3) = 0,2ST(2)+0,8ST-1(3) harga-harga
S2(3) = (0,2)(64,04) + (0,8)(64) = 64,01
S3(3) = (0,2)(64,38) + (0,8)(64,01) = 51,21
S4(3) = (0,2)(65,14) + (0,8)(51,21) = 53,99
S5(3) = (0,2)(66,026) + (0,8)(53,99) = 56,397
Setelah harga-harga ST(3) dihitung, maka dari rumus (3.6) untuk α = 0,2
dan t = 1 diperoleh
ŶT+1(T) = [6(1-0,2)2
+ (6-5(0,2))(0,2) + (0,2)2
] 2
T
)0,2-2(1
S
- [6(1-0,2)2
+
2(5-4(0,2))(0,2) + 2(0,2)2
] - 2
T
)0,2-2(1
(2)S
+ [2(1-0,2)2
+ (4-
3(0,2))(0,2) + (0,2 )2
] 2
T
0,2)-2(1
(3)S
atau

39. ŶT+1(T) = 3,8125ST - 4,375ST(2) + 1,5625ST(3)
Dengan memasukkan harga-harga ST, ST(2)dan ST(3)untuk t = 1 diperoleh
ramalan berikut
Ŷ6(T) =Ŷ5+1(T) = 3,8152ST –4,375ST(2)+ l,5625ST(3)
= (3,8125)(69,57) - (4,375)(66,026) + (1 ,5625)(56,397)
= 64,4922.
Jadi ramalan volume penjualan minggu ke-6 setelah pengamatan terakhir
Y5 adalah 644,922.
E. GAMBARAN UMUM PT. PERKEBUNAN TAMBI
WONOSOBO
Pada masa Pemerintahan Hindia Belanda sekitar tahun 1865
Perusahaan Perkebunan Tambi adalah salah satu perusahaan milik Belanda,
dengan nama Bagelen Thee & Kina Maatschappij yang berada di Netherland.
Di Indonesia perusahaan tersebut dikelola oleh NV John Peet yang berkantor
di Jakarta.
Ketika revolusi kemerdekaan meletus, perusahaan diambil alih oleh
Pemerintah Republik Indonesia dan para pekerjanya diangkat menjadi
Pegawai Perkebunan Negara (PPN).
Setelah Konferensi Meja Bundar pada tahun 1950 perusahaan
diserahkan kembali kepada pemilik semula yaitu Bagelen Thee & Kina
Maatschappij.

40. Pada tahun 1954 perusahaan dijual kepada NV Eks PPN Sindoro
Sumbing, perusahaan yang didirikan Eks Pegawai Perusahaan Perkebunan
Negara.
Pada tahun 1957 NV Eks PPN Sindoro Sumbing bekerja sarna dengan
Pemerintah Daerah Wonosobo mendirikan sebuah perusahaan baru dengan
nama NV Tambi dan sekarang dengan nama PT. Perkebunan Tambi.
PT. Perkebunan Tambi sekarang dalam jangka pendek sedang
mengembangkan potensi keindahan dan daya tarik alam perkebunan sebagai
wisata agro dengan nama: Agrowisata Perkebunan Teh Tambi.
DATA PERUSAHAAN
PT. TAMBI memiliki 3 unit perkebunan, yaitu
1. Unit Perkebunan Tambi
2. Unit Perkebunan Bedakah
3. Unit Perkebunan Tanjungsari
Luas area : 829,14 Ha
Jenis Produk : Teh hitam
Produksi pertahun : 1800 sampai dengan 2000 Ton.
Lokasi Perkebunan : lereng sebelah barat gunung Sindoro dan Sumbing di
bagian tengah Jawa Tengah, Indonesia.
Ketinggian : 800 sampai dengan 2000 m d.p.l
Curah hujan : 2500 sampai dengan 3500 MM pertahun
Pemasaran : ekspor ke berbagai negara dan pemasaran dalam
negeri.

41. Proses Pengolahan Teh Hitam
A. Pelayuan
1. Pucuk teh dilayukan selama 10-18 jam di kotak layuan (withering
trough).
2. Suhu panas untuk melayukan antara 20°C - 27°C, dan beda
thermometer-thermometer suhu basah dan kering antara 3°C - 4°C.
3. Pembalikan dilakukan 2-3 kali menurut kebutuhan.
4. Pucuk layu yang baik berwarna hijau lemas, persentase layunya
48%-50%.
B. Penggulungan
Pucuk layu digulung untuk membentuk butiran/partikel teh kecil dan
berkeriting baik.
Setiap seri penggulungan terdiri dari 4 tahap. Setiap tahap selesai
dilakukan, pucuk diayak atau disortasi basah, agar didapat partikel
seragam dan dingin keadaannya, supaya jalannya fermentasi baik.
C. Fermentasi
1. Partikel-partikel teh menurut butirannya difermentasikan di atas
baki-baki alumunium dengan ketebalan 8-10 cm dan disusun di
fermenting trolleys.
2. Udara ruang fermentasi diatur konstan dengan suhu antara 20°C-
25°C. Kelembabannya 95%- 98% kelembaban nisbi (RH).
3. Lama fermentasi 120 - 130 menit dan pucuk layu masuk mesin
penggulungan tanpa pres (OT).

42. D. Pengeringan
1. Teh dikeringkan dalam mesin pengeringan selama kurang lebib 20 -
30 menit dengan suhu masaknya antara 80°C - 95°C.
2. Hasil pengeringan yang baik jika teh keringnya berkadar air (MC)
3%-4%.
E. Penjenisan/Sorlasi
1. Penjenisan dilakukan berdasarkan grade standar pasar.
2. Masing-masing grade harus tidak tercampur grade lain, dan bersih
dari serabut dan debu teh.
F. Pengepakan
1. Teh yang untuk diekspor dipak dalam peti-peti triplek atau
paperzak.
2. Peti triplek untuk mengepak grade BOP, BOPF, PF, BP berukuran
40 x 50 x 60 cm. Untuk jenis teh Dust 40 x 40 x 60 cm.
3. Tulisan marking dipeti teh menunjukkan spesifikasi produk dan
negara tujuan ekspor.
Negara tujuan export :
• Austalia
• New Zealand
• Rusia
• Polandia
• England

43. • Irlandia
• Pakistan
BAB III
METODE PENELITIAN
Pada penelitian ini prosedur atau langkah-langkah yang digunakan adalah
sebagai berikut:
Identifikasi Masalah
Identifikasi masalah dimulai dengan studi pustaka. Studi pustaka
merupakan penelaahan sumber pustaka yang relevan dan digunakan untuk
mengumpulkan informasi yang diperlukan dalam penelitian. Setelah sumber
pustaka terkumpul dilanjutkan dengan penelaahan isi sumber pustaka tersebut,
dari penelaahan yang dilakukan muncul ide dan dijadikan landasan untuk
malakukan penelitian.
Perumusan Masalah
Berangkat dari gagasan atau ide yang muncul serta hasil penelaahan
sumber pustaka dan diskusi dengan dosen pembimbing maka permasalahan
yang diteliti berkaitan dengan penggunaan metode Exponential Smoothing
untuk peramalan penjualan produk di PT. Perkebunan Tambi Wonosobo.
Observasi

44. Setelah permasalahan dirumuskan, dilakukan observasi untuk
mengumpulkan data yang akan dikaji. Dalam penelitian ini persoalan -
persoalan yang berkaitan dengan pengumpulan data adalah jenis data yang
dibutuhkan, dari mana data itu diperoleh, dan bagaimana cara memperoleh data.
Pada penelitian ini yang dibutuhkan merupakan data jenis kuantitatif
yakni laporan penjualan teh hitam sejak bulan Agustus 2003 sampai dengan
bulan Juli 2005 di PT Perkebunan Tambi Wonosobo.
Analisa Data
Di dalam tahap ini dilakukan pengkajian data yang diperoleh
berdasarkan teori yang ada, khususnya yang berkaitan dengan penggunaan
metode Exponential Smoothing untuk peramalan penjualan.
a. Membuat Scatter Diagram
Untuk melihat pola volume penjualan dari data time series yang ada
dilakukan dengan menggunakan suatu diagram yang dinamakan "scatter
diagram” dengan menggunakan program Excell. Waktu atau periode
penjualan (T) sebagai absis dan volume penjualan (YT+t) sebagai ordinat.
b. Menemukan persamaan Garis
Dengan menggunakan "Scatter diagram" akan dicari suatu garis yang
paling dekat menghampiri titik-titik di dalam diagram tersebut.
c. Memilih metode Exponential Smoothing yang tepat berdasarkan pola
yang didapat dari data time series yang ada.
1. Jika data time series memperlihatkan pola konstan atau jika
perubahannya kecil saja, maka untuk meramalkan YT+t dapat
32

45. digunakan metode Exponential Smoothing sederhana atau order
pertama berikut:
ŶT+t(T) = ST = αYT + (1-α)ST-1 ........................... (1.3)
2. Jika data time series memperlihatkan pola linier maka digunakan
metode Exponential Smoothing order dua dengan rumus:
ŶT+1(T) = (2 +
α1
αt
−
) ST – (1 +
α1
αt
−
) ST(2) ......... (2.6)
3. Jika data time series tidak memperlihatkan pola konstan ataupun linear
yang digunakan adalah metode Exponential Smoothing order tiga
dengan runus:
ŶT+1(T) = [6(1-α)2
+ (6-5α)αt + α2
t2
] 2
T
)-2(1
S
α
-
[6(1- α)2
+ 2(5-4α)α + 2α2
t2
] –
2
T
)-2(1
(2)S
α
+ [2(1-α)2
+ (4-3α)αt +
α2
t2
] 2
T
)-2(1
(3)S
α
........................................................ (3.6)
d. Menghitung Forecast Error
1. Mean Absolute Error
Mean Absolute Error (MAE) adalah rata-rata nilai absolute dari
kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya)
atau

46. MAE =
n
Yˆ-Y tt∑ ........................................... (4.1)
Dengan:
Yt = data sebenarnya terjadi
Ŷt = data ramalan dihitung dari model yang digunakan pada waktu t
N = banyak data hasil ramalan
2. Mean Squared Error (MSE)
Mean sqoared Error (MSE) adalah kuadrat dari rata-rata kesalahan
forecast, atau
MSE =
2
ˆ
n
YY tt∑ −
....................................................(4.2)
3. Mean Absolute Precentage Error (MAPE)
MAPE = 100
ˆYt
x
n
Y
Y
t
t
∑ ⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛ −
.....................................(4.3)
Cara apapun yang digunakan untuk menghitung forecast error,
model yang dianggap baik adalah model yang ketidakkonsistenannya
paling kecil antara ramalan dan hasil yang sebenarnya terjadi.
Penarikan Simpulan
Pada akhir pembahasan dilakukan penarikan simpulan sebagai
jawaban dari permasalahan.

47. BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Penyajian Data dan Hasilnya
Pengambilan data dilakukan di PT. Perkebunan Tambi Wonosobo
yang merupakan Perusahaan milik Pemerintah Daerah dan berdiri sejak tahun
1957. Perusahaan ini memproduksi teh hitam untuk pemasaran dalam negeri
dan luar negeri.
Pada penelitian ini data yang diambil untuk dianalisis adalah data
volume penjualan teh hitam sejak bulan Agustus 2003 sampai dengan bulan
Juli 2005.
B. Analisis Data
Dengan menggunakan langkah-langkah yang diuraikan dalam Bab III
akan dibahas rumus Exponential Smoothing yang sesuai untuk menentukan

48. peramalan penjualan teh hitam untuk periode ke- 25 dan periode ke- 26 atau
bulan Agustus dan bulan September 2005.
Tabel 3 menunjukkan data volume penjualan selama 24 bulan, sejak
bulan Agustus 2003 sampai dengan bulan Juli 2005. Data Tabel 3 disajikan
pada skater diagram berikut ini
Grafik Penjualan Teh Hitam
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
500000
Agustus
2003
N
ov-03
Februari 2004
M
ei 2004
Agustus
2004
N
ov-04
Februari 2005
M
ei 2005
Bulan
Volume
Gambar 5. Scatter diagram penjualan teh hitam
Gambar 5 didapat dari program Excell. Dengan menggunakan scatter
diagram diatas akan dicari garis yang mendekati titik-titik di dalam diagram.
Dalam penelitian ini digunakan program SPSS for Windows untuk
menentukan persamaan garisnya. Persamaan regresi yang diperoleh dari
perhitungan tersebut adalah ŶT = 168977,08 + 3442,37T.
Berdasarkan gambar 5 dan persamaan ŶT diatas tampak bahwa data
volume penjualan teh hitam cenderung berpola konstan.
36

49. Langkah selanjutnya adalah mencari harga-harga ramalan ŶT+t(T)
dengan menggunakan metode Exponential Smoothing. Pembahasan ini
menggunakan program Excell dalam perhitungannya. Dimulai dengan
menggunakan rumus-rumus berikut.
ST = αYT + (1- α) ST-1………………..(1.4)
ST(2) = α ST + (1- α) ST-1(2)……………..(2.2)
ST(3) = α ST(2) + (1- α) ST-1(3)………….(3.3)
Dengan menggunakan α = 0,1 ; 0,2 dan 0,3 dan S1 = S1(2) = S1(3) = 118000.
Setelah dilakukan perhitungan secara berangkai diperoleh harga-harga
ST, ST(2), dan ST(3) sebagaimana tercantum pada tabel 4 dalam lampiran 2,
akan dipilih α yang dapat meminimumkan forecast error secara trial and error.
Untuk menentukan harga-harga ramalan ŶT+t(T) digunakan rumus-
rumus sebagai berikut
Rumus orde 1 : ŶT+t(T) = ST = αYT + (1- α) ST-1………………...….(1.3)
Rumus orde 2 : ŶT+t(T) = )2()
1
t
1()
-1
t
(2 TT SS
α
α
α
α
−
+−+ …………….(2.5)
serta dipilih α = 0,1 ; 0,2 dan 0,3 dan t = 1 sehingga diperoleh
ŶT+t(T) = 2,11 ST – 1,11 ST(2) untuk α = 0,1
ŶT+t(T) = 2,25 ST – 1,25 ST(2) untuk α = 0,2
ŶT+t(T) = 2,43 ST – 1,43 ST(2) untuk α = 0,3
Rumus orde 3 : ŶT+1(T) = [6(1-α)2
+ (6-5α)αt + α2
t2
] 2
T
)-2(1
S
α
-
[6(1-α)2
+ 2(5-4α)αt + 2α2
t2
] - 2
T
)-2(1
(2)S
α
+

50. [2(1-α)2
+ (4-3α)αt + α2
t2
] 2
T
)-2(1
(3)S
α
... (3.6)
serta dipilih α = 0,1 ; 0,2 dan 0,3 dan t = 1 sehingga diperoleh
ŶT+t(T) = 3,346 ST – 3,580ST(2) + 1,235ST(3) untuk α = 0,1
ŶT+t(T) = 3,8125 ST – 4,376 ST(2) + 1,562 ST(3)untuk α = 0,2
ŶT+t(T) = 4,469 ST - 5,510 ST(2) + 2,04 ST(3) untuk α = 0,3
Setelah dilakukan perhitungan, secara berangkai diperoleh harga-harga
ŶT+t(T) orde 1, ŶT+t(T) orde 2 dan ŶT+t(T) orde 3 sebagaimana tercantum
pada tabel 5 dalam lampiran 3.
Dari ketiga harga ramalan ŶT+t(T) pada tabel 5 dihitung Mean Absolute Error
(MAE) masing-masing orde dengan menggunakan rumus
MAE =
n
Yt∑ − ˆYt
.............................. (4.1)
Dengan Yt = data sebenarnya terjadi
ŶT = data ramalan dihitung dari model yang digunakan pada waktu
atau tahun t
n = banyak data hasil ramalan
Setelah dilakukan perhitungan, secara berangkai diperoleh harga-harga
absolute error orde 1, absolute error orde 2, dan absolute error orde 3
sebagaimana tercantum pada tabel 6 dalam lampiran 4.
Dari tabel tersebut tampak bahwa MAE orde 1 dengan α = 0,3 paling kecil
dibandingkan dengan MAE orde 2 dan MAE orde 3.

51. C. Pembahasan
Dari analisis di atas dapat disimpulkan bahwa berdasarkan gambar 5
dan dari persamaan ŶT diatas tampak bahwa data volume penjualam teh hitam
cenderung berpola konstan serta MAE orde 1 dengan α = 0,3 paling kecil
dibandingkan MAE orde 2 dan MAE orde 3, maka untuk peramalan penjualan
teh hitam dipilih metode Single Exponential Smoothing.
Prediksi atau ramalan untuk bulan Agustus dan September 2005
penjualan teh hitam pada PT Perkebunan Tambi sebesar 131462,74 kg dan
92023,92 kg.
Selain melihat forecasting penjualan, seorang pimpinan harus
memperhatikan banyak hal, misalnya mutu dan kualitas produk, pelayanan
terhadap konsumen, konsep pemasaran yang bagus, persaingan harga dan
lain-lain. Sehingga kebijaksanaan pimpinan menjadi harapan dan tulang
punggung majunya suatu perusahaan.

52. BAB V
PENUTUP
A. Simpulan
Dari hasil penelitian dan pembahasan di atas dapat diperoleh simpuan
sebagai berikut :
1. Penggunaan metode Exponential Smoothing untuk forecasting penjualan
dilakukan melalui analisis data sebagai berikut :
a. Membuat scatter diagram untuk melihat pola volume penjualan dari
data yang ada.
b. Menemukan persamaan garis.
c. Mencari harga-harga ramalan ŶT+t(T) masing-masing orde untuk
memilih metode Exponential Smoothing yang tepat.
d. Menentukan forecast error masing-masing orde.
Kemudian dari analisis dapat ditarik kesimpulan metode yamg cocok
untuk meramalkan penjualan periode mendatang.

53. 2. Nilai ramalan penjualan teh hitam untuk bulan Agustus dan bulan
September 2005 adalah sebanyak 131.462,74 kg dan 92.023,92 kg.
B. Saran
1. Diperlukan penelitian lebih lanjut tentang metode-metode forecasting
yang lebih praktis, lebih efisien serta menghasilkan forecast error yang
lebih kecil dibandingkan dengan metode Exponential Smoothing.
2. Diperlukan penelitian lebih lanjut tentang peramalan metode Exponential
Smoothing dengan menggunakan pengembangan program komputer yang
lebih tepat dibandingkan dengan menggunakan program komputer excell,
sehingga dapat diperoleh hasil peramalan yang tepat.
3. Bagi PT. Perkebunan Tambi perlu untuk meningkatkan peramalan volume
penjualan teh hitam periode mendatang untuk meningkatkan produksi
sehingga keuntungan yang diperoleh akan maksimal.
41

54. DAFTAR PUSTAKA
Affif, Faisal. 1991. Akonting Manajemen Dalam Praktek. Yogyakarta: Kanisius
Arga, W. 1984. Analisis Runtun Waktu Teori dan Aplikasi. Yogyakarta : BPFE
Yogyakarta
Awat, J. Napa. 1990. Metode Peramalan Kuantitatif. Yogyakarta : Liberty
Chiang, Alpha. 1987. Dasar-Dasar Matematika Ekonomi. Jilid 1. Jakarta :
Erlangga
Dajan, Anto. 1983. Pengantar Metode Statistik Jilid I. Jakarta : Pustaka LP3S
Indonesia
Handoko, T. Hani. 1984. Dasar-Dasar Management Produksi dan Operasi.
Yogyakarta : BPFE Yogyakarta
Makridakis, Spyros . dkk. 1993. Metode dan Aplikasi Peramalan. Jilid 1. Edisi
Pertama. (Terjemahan : Untung S, Andrianto). Jakarta. :
Erlangga
Nitisemito, S. Alex. 1984. Marketing. Edisi Revisi 1. Jakarta : Ghalia Indonesia
Rokhah, Limif. 2004. Peramalan (forecasting) Volume Penjualan Pupuk Urea
Dengan Metode Exponential Smoothing Pada PT Pusri
Semarang. Semarang: Skripsi
Subagyo, Pangestu. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta : BPFE
Yogyakarta
Soejoeti, Zanzawi. 1987. Analisis Runtun Waktu. Jakarta : Karunika Jakarta

55. Sutamto, D. 1986. Teknik Menjual Barang. Jakarta : Balai Akasa
Swastha, Basu. 1990. Pengantar Bisnis Modern. Yogyakarta : Liberty
Winardi. 1991. Azas-azas Marketing. Bandung: Alumni
:
Lampiran 1
Tabel 3
Volume Penjualan Teh Hitam PT Perkebunan Tambi Wonosobo Sejak
Bulan Agustus 2003 sampai Bulan Juli 2005
Bulan Volume
Penjualan (kg)
Agustus 2003 118000
September 2003 202900
Oktober 2003 38700
November 2003 87400
Desember 2003 370100
Januari 2004 77400
Februari 2004 119300
Maret 2004 150300
April 2004 187900
Mei 2004 162600
Juni 2004 90500
Ju;li 2004 61300
Agustus 2004 178250
September 2004 93100
Oktober 2004 208900
November 2004 241600
Desember 2004 312800
Januari 2005 187000
Februari 2005 171200
Maret 2005 262000
April 2005 199000
Mei 2005 186000
Juni 2005 186200
Juli 2005 163000

56. Mengetahui,
a.n Direksi
Sujarwo
Askabag Ops. Pemasaran
Lampiran 2
Tabel 4
Harga-harga ST, ST(2), dan ST(3) penjualan teh hitam
Bulan Data ST ST(2) ST(3)
α = 0.1 α = 0.2 α = 0.3 α = 0.1 α = 0.2 α = 0.3 α = 0.1 α = 0.2 α = 0.3
1 118000 118000.00 118000.00 118000.00 118000.00 118000.00 118000.00 118000.00 118000.00 118000.00
2 202900 126490.00 134980.00 143470.00 118849.00 121396.00 125641.00 118084.90 118679.20 120292.30
3 38700 117711.00 115724.00 112039.00 118735.20 120261.60 121560.40 118149.93 118995.68 120672.73
4 87400 114679.90 110059.20 104647.30 118329.67 118221.12 116486.47 118167.90 118840.77 119416.85
5 370100 140221.91 162067.36 184283.11 120518.89 126990.37 136825.46 118403.00 120470.69 124639.44
6 77400 133939.72 145133.89 152218.18 121860.98 130619.07 141443.28 118748.80 122500.36 129680.59
7 119300 132475.75 139967.11 142342.72 122922.45 132488.68 141713.11 119166.17 124498.03 133290.34
8 150300 134258.17 142033.69 144729.91 124056.03 134397.68 142618.15 119655.15 126477.96 136088.69
9 187900 139622.36 151206.95 157680.93 125612.66 137759.54 147136.99 120250.90 128734.27 139403.18
10 162600 141920.12 153485.56 159156.65 127243.40 140904.74 150742.89 120950.15 131168.37 142805.09
11 90500 136778.11 140888.45 138559.66 128196.87 140901.48 147087.92 121674.82 133114.99 144089.94
12 61300 129230.30 124970.76 115381.76 128300.22 137715.34 137576.07 122337.36 134035.06 142135.78
13 178250 134132.27 135626.61 134242.23 128883.42 137297.59 136575.92 122991.97 134687.57 140467.82
14 93100 130029.04 127121.29 121899.56 128997.98 135262.33 132173.01 123592.57 134802.52 137979.38
15 208900 137916.14 143477.03 147999.69 129889.80 136905.27 136921.02 124222.29 135223.07 137661.87
16 241600 148284.52 163101.62 176079.79 131729.27 142144.54 148668.65 124972.99 136607.36 140963.90
17 312800 164736.07 193041.30 217095.85 135029.95 152323.89 169196.81 125978.69 139750.67 149433.77
18 187000 166962.46 191833.04 208067.10 138223.20 160225.72 180857.89 127203.14 143845.68 158861.01
19 171200 167386.22 187706.43 197006.97 141139.50 165721.86 185702.62 128596.78 148220.92 166913.49
20 262000 176847.60 202565.14 216504.88 144710.31 173090.52 194943.29 130208.13 153194.84 175322.43
21 199000 179062.84 201852.12 211253.41 148145.57 178842.84 199836.33 132001.87 158324.44 182676.60
22 186000 179756.55 198681.69 203677.39 151306.66 182810.61 200988.65 133932.35 163221.67 188170.22
23 186200 180400.90 196185.35 198434.17 154216.09 185485.56 200222.31 135960.73 167674.45 191785.84
24 163000 178660.81 189548.28 187803.92 156660.56 186298.10 196496.79 138030.71 171399.18 193199.13
25 - 160794.73 151638.63 131462.74 157073.98 179366.21 176986.58 139935.04 172992.59 188335.36
26 - 144715.25 121310.90 92023.92 155838.10 167755.15 151497.78 141525.34 171945.10 177284.09

57. Lampiran 3
Tabel 5
Harga-harga â1(T) dan â2(T) penjualan teh hitam
â1(T) â2 (T)
Bulan
0.10 0.20 0.30 0.10 0.20 0.30
1 118000.00 118000.00 118000.00 0.00 0.00 0.00
2 134131.00 148564.00 161299.00 560.34 3396.00 7666.47
3 116686.80 111186.40 102517.60 -280.57 -1134.40 -4094.20
4 111030.13 101897.28 92808.13 -389.53 -2040.48 -5090.84
5 159924.93 197144.35 231740.76 1455.47 8769.25 20406.79
6 146018.46 159648.70 162993.08 365.27 3628.70 4633.21
7 142029.04 147445.54 142972.34 -1.42 1869.61 270.73
8 144460.32 149669.70 146841.66 -15.35 1909.00 908.06
9 153632.05 164654.37 168224.88 204.91 3361.85 4533.90
10 156596.83 166066.38 167570.42 111.69 3145.21 3617.92
11 145359.34 140875.41 130031.40 -453.57 -3.26 -3667.15
12 130160.38 112226.18 93187.45 -933.35 -3186.14 -9543.55
13 139381.11 133955.62 131908.55 -348.19 -417.75 -1003.49
14 131060.10 118980.24 111626.11 -575.66 -2035.26 -4417.58
15 145942.47 150048.79 159078.37 111.20 1642.94 4763.83
16 164839.77 184058.71 203490.92 675.40 5239.27 11786.79
17 194442.19 233758.70 264994.89 1365.34 10179.35 20596.59
18 195701.72 223440.36 235276.30 741.04 7901.83 11699.96
19 193632.93 209691.00 208311.32 183.08 5496.14 4860.87
20 208984.88 232039.77 238066.46 413.28 7368.66 9271.48
21 209980.11 224861.39 222670.50 24.20 5752.32 4909.35
22 208206.44 214552.78 206366.13 -335.95 3967.77 1156.16
23 206585.71 206885.15 196646.04 -559.31 2674.95 -768.90
24 200661.06 192798.46 179111.05 -840.10 812.54 -3737.93

58. 25 164515.48 123911.05 85938.91 -2042.86 -6931.90 -19575.25
26 133592.40 74866.66 32550.06 -2534.39 -11611.06 -25573.76

59. Lampiran 4
Tabel 6
Harga-harga â1(T), â2(T), dan â3(T) penjualan teh hitam
â1(T) â2 (T) â3(T)
Bulan
0,10 0,20 0,30 0,10 0,20 0,30 0,10 0,20 0,30
1 354000,00 118000,00 118000,00 0,00 0,00 0,00 0,00 0,00 0,00
2 377177,70 159431,20 173779,30 2430,30 9154,53 19476,76 83,21 679,20 2307,61
3 351377,19 105382,88 92108,53 -483,51 -4210,77-13953,01 -19,47 -362,72 -1924,64
4 343554,40 94355,01 83899,34 -1281,68 -6037,64-13522,78 -46,12 -471,39 -1647,23
5 414318,06 225701,66 267012,38 6233,34 23902,02 53789,52 212,80 1784,83 6521,72
6 392482,63 166044,81 162005,29 3404,92 7015,39 3678,95 108,50 399,76 -182,64
7 386158,38 146933,32 135179,18 2395,98 1594,93 -7122,86 70,14 -32,01 -1440,95
8 389571,90 149385,98 142423,96 2469,37 1755,46 -3285,96 70,20 -17,73 -816,83
9 402781,80 169076,52 171035,02 3547,32 5701,99 7182,73 104,64 276,38 519,59
10 406880,60 168910,83 168046,39 3561,09 4648,87 4055,96 101,44 177,78 88,01
11 390768,17 133075,89 118505,16 1430,04 -4140,12-14587,30 24,92 -487,47 -2131,20
12 369802,33 95801,32 75552,85 -1050,72 -11892,79-26236,23 -60,90 -1026,55 -3260,64
13 384722,44 129674,61 133466,76 438,36 -2687,73 478,37 -7,78 -267,56 288,11
14 373870,88 110379,39 107159,03 -888,41 -6593,90 -8638,62 -52,93 -537,55 -825,96
15 396745,89 154938,35 170897,90 1436,86 4233,73 15958,11 28,54 305,60 2185,43
16 424584,73 199478,61 223197,32 4095,45 13409,61 30436,42 118,57 963,74 3643,71
17 467054,42 261902,89 293130,90 8053,43 25090,74 47209,77 249,92 1759,01 5202,35
18 467827,20 238667,63 240488,61 7272,09 15965,73 16600,83 214,40 951,70 963,76
19 464530,47 214174,62 200826,54 6072,83 7865,46 -2257,27 165,82 280,23 -1383,93
20 487036,23 241618,71 240007,18 7632,01 12437,54 11077,95 213,38 598,68 358,84
21 488757,43 227352,27 216927,85 6839,43 7064,28 -556,39 178,76 155,68 -1061,81
22 487146,72 210834,92 196236,44 5715,74 1989,47 -8457,17 134,01 -232,37 -1872,98
23 486436,61 199773,84 186421,44 4741,24 -1101,17-10465,09 95,95 -444,46 -1890,53
24 480092,87 181149,72 167120,52 3228,40 -5367,25-15098,24 40,78 -728,05 -2217,05
- 430967,36 89809,84 51763,87 -2662,90 -25008,08-51920,86 -162,36 -2131,33 -6318,97
- 391207,48 32612,36 -1137,49 -7076,24 -34004,16-57434,61 -307,77 -2640,89 -6228,83

60. Lampiran 5
Tabel 7
Harga-harga ŶT+t(T) orde 1, orde 2, dan orde3 penjualan teh hitam
Bulan Orde 1 Orde 2 Orde 3
α = 0.1 α = 0.2 α =0.3 α = 0.1 α = 0.2 α = 0.3 α = 0.1 α = 0.2 α = 0.3
1 118000.00 118000.00 118000.00 - - - - - -
2 126490.00 134980.00 143470.00 118000.00 118000.00 118000.00 118000.00 118000.00 118000.00
3 117711.00 115724.00 112039.00 134971.51 151960.00 168965.47 143590.97 117823.00 117882.00
4 114679.90 110059.20 104647.30 116574.14 110052.00 98423.40 114704.15 168759.26 194281.81
5 140221.91 162067.36 184283.11 110628.66 99856.80 87717.29 106036.09 100804.24 77076.86
6 133939.72 145133.89 152218.18 162092.26 205913.60 252147.55 183952.58 87894.36 69438.71
7 132475.75 139967.11 142342.72 147347.12 163277.41 167626.28 158554.77 250347.17 323917.37
8 134258.17 142033.69 144729.91 143079.90 149315.15 143243.07 150371.68 173079.46 165458.98
9 139622.36 151206.95 157680.93 145582.56 151578.70 147749.72 152881.39 148320.07 127202.70
10 141920.12 153485.56 159156.65 155173.12 168016.22 172758.78 165992.95 150937.75 138592.87
11 136778.11 140888.45 138559.66 158211.27 169211.59 171188.34 168706.77 174723.71 178333.79
12 129230.30 124970.76 115381.76 146303.28 140872.16 126364.25 148983.14 173449.55 172000.17
13 134132.27 135626.61 134242.23 130262.69 109040.04 83643.90 124176.44 128477.94 102712.16
14 130029.04 127121.29 121899.56 139958.49 133537.88 130905.06 139299.00 83171.46 47553.93
15 137916.14 143477.03 147999.69 131173.51 116944.98 107208.53 125901.21 126644.16 133949.58
16 148284.52 163101.62 176079.79 146825.37 151691.73 163842.20 149876.44 103303.48 97973.78
17 164736.07 193041.30 217095.85 166660.85 189297.98 215277.71 178910.87 159127.14 187806.04
18 166962.46 191833.04 208067.10 197709.86 243938.06 285591.48 223383.35 213181.13 255302.68
19 167386.22 187706.43 197006.97 198863.04 231342.19 246976.25 220913.21 287691.14 342771.84
20 176847.60 202565.14 216504.88 196520.07 215187.14 213172.19 213611.88 254902.65 257401.31
21 179062.84 201852.12 211253.41 212519.98 239408.43 247337.94 234476.17 221952.97 197706.24
22 179756.55 198681.69 203677.39 213381.01 230613.71 227579.84 231805.44 254125.84 251080.51
23 180400.90 196185.35 198434.17 211335.93 218520.55 207522.29 225194.02 234247.70 215653.60
24 178660.81 189548.28 187803.92 209466.04 209560.10 195877.14 219439.30 212446.98 186654.04
25 160794.73 151638.63 131462.74 203081.08 193611.01 175373.12 207422.18 198179.35 174820.53
26 144715.25 121310.90 92023.92 164924.76 116979.15 66363.67 148514.09 175137.85 150724.63

61. Lampiran 6
Tabel 8
Harga-harga MAE orde 1, orde 2, dan orde 3 penjualan teh hitam
Bulan MAE orde 1 MAE orde 2 MAE orde 3
α = 0.1 α = 0.2 α = 0.3 α = 0.1 α = 0.2 α = 0.3 α = 0.1 α = 0.2 α = 0.3
1
2 76410.00 67920.00 59430.00 84051.00 81504.00 77259.00 84815.10 84220.80 82607.70
3 79011.00 77024.00 73339.00 80035.20 81561.60 82860.40 79449.90 80295.70 81972.70
4 27279.90 22659.20 17247.30 30929.70 30821.10 29086.50 30767.90 31440.80 32016.90
5 229878.10 208032.60 1858169.00 249581.10 243109.60 233274.50 251697.00 249629.30 245460.60
6 56539.70 67733.90 74818.20 44461.00 53219.10 64043.30 41348.80 45100.40 52280.60
7 13175.70 20667.10 23042.70 3622.45 13188.70 22413.10 133.83 5198.03 13990.30
8 16041.83 8266.31 5570.09 26243.97 15902.32 7681.85 30644.85 23822.04 14211.31
9 48277.64 36693.05 30219.07 62287.34 50140.46 40763.01 67649.10 59165.73 48496.82
10 20679.88 9114.44 3443.35 35356.60 21695.60 11857.11 41649.85 31431.63 19794.10
11 46278.10 50388.40 48059.70 37696.90 50401.50 56587.90 31174.80 42615.00 53589.90
12 67930.30 63670.80 54081.80 67000.20 76415.30 76276.10 61037.40 72735.10 80835.80
13 44117.73 42623.39 44007.77 49366.58 40952.41 41674.08 55258.03 43562.43 37782.18
14 36929.00 34021.30 28799.60 35898.00 42162.30 39073.00 30492.60 41702.50 44879.40
15 70983.86 65422.97 60900.31 79010.20 71994.73 71978.98 84677.71 73676.93 71238.13
16 93315.48 78498.38 65520.21 109870.70 99455.46 92931.35 116627.00 104992.60 100636.10
17 148063.90 119758.70 95704.15 177770.00 160476.10 143603.20 186821.30 173049.30 163366.20
18 20037.54 4833.04 21067.10 48776.80 26774.28 6142.11 59796.86 43154.32 28138.99
19 3813.78 16506.40 25807.00 30060.50 5478.14 14502.60 42603.22 22979.08 4286.51
20 85152.40 59434.86 45495.12 117289.70 88909.48 67056.71 131791.90 108805.20 86677.57
21 19937.16 2852.12 12253.40 50854.43 20157.16 836.33 66998.13 40675.56 16323.40
22 6243.45 12681.70 17677.40 34693.34 3189.39 14988.60 52067.65 22778.33 2170.22
23 5799.10 9985.35 12234.20 31983.91 714.44 14022.30 50239.27 18525.55 5585.84
24 15660.80 26548.30 24803.90 6339.44 23298.10 33496.80 24969.29 8399.18 30199.10
25 160794.7 151638.63 131462.74 157073.98 179366.21 176986.58 139935.04 172992.59 188335.36
26 144715.3 121310.9 92023.92 155838.1 167755.15 151497.78 141525.34 171945.1 177284.09
Jumlah 1537066 1378285.88 1252824.76 1806091.14 1648642.35 1570893.25 1904171.84 1762497.06 1682160.67
MAE 66828.98 59925.473 54470.64 78525.70 71680.10 68299.71 82790.08 76630.31 73137.42

62. Lampiran 7
Tabel 9
Hasil Perhitungan Single Exponential Smoothing
Bulan Penjualan ST/Forecast MAE
1 118000 118000.00 -
2 202900 143470.00 59430.00
3 38700 112039.00 73339.00
4 87400 104647.30 17247.30
5 370100 184283.11 1858169.00
6 77400 152218.18 74818.20
7 119300 142342.72 23042.70
8 150300 144729.91 5570.09
9 187900 157680.93 30219.07
10 162600 159156.65 3443.35
11 90500 138559.66 48059.70
12 61300 115381.76 54081.80
13 178250 134242.23 44007.77
14 93100 121899.56 28799.60
15 208900 147999.69 60900.31
16 241600 176079.79 65520.21
17 312800 217095.85 95704.15
18 187000 208067.10 21067.10
19 171200 197006.97 25807.00
20 262000 216504.88 45495.12
21 199000 211253.41 12253.40
22 186000 203677.39 17677.40
23 186200 198434.17 12234.20
24 163000 187803.92 24803.90

63. 25 - 131462.74 -
26 - 92023.92 -
Lampiran 8
Tabel 10
Hasil Perhitungan Double Exponential Smoothing
Bulan Penjualan ST(2) Forecast MAE
1 118000 118000.00 - -
2 202900 125641.00 118000.00 77259.00
3 38700 121560.40 168965.47 82860.40
4 87400 116486.47 98423.40 29086.50
5 370100 136825.46 87717.29 233274.50
6 77400 141443.28 252147.55 64043.30
7 119300 141713.11 167626.28 22413.10
8 150300 142618.15 143243.07 7681.85
9 187900 147136.99 147749.72 40763.01
10 162600 150742.89 172758.78 11857.11
11 90500 147087.92 171188.34 56587.90
12 61300 137576.07 126364.25 76276.10
13 178250 136575.92 83643.90 41674.08
14 93100 132173.01 130905.06 39073.00
15 208900 136921.02 107208.53 71978.98
16 241600 148668.65 163842.20 92931.35
17 312800 169196.81 215277.71 143603.20
18 187000 180857.89 285591.48 6142.11
19 171200 185702.62 246976.25 14502.60
20 262000 194943.29 213172.19 67056.71
21 199000 199836.33 247337.94 836.33
22 186000 200988.65 227579.84 14988.60
23 186200 200222.31 207522.29 14022.30
24 163000 196496.79 195877.14 33496.80
25 - 176986.58 175373.12 -
26 - 151497.78 66363.67 -

64. Lampiran 9
Tabel 11
Hasil Perhitungan Triple Exponential Smoothing
Bulan Penjualan ST(3) Forecast MAE
1 118000 118000.00 - -
2 202900 120292.30 118000.00 82607.70
3 38700 120672.73 117882.00 81972.70
4 87400 119416.85 194281.81 32016.90
5 370100 124639.44 77076.86 245460.60
6 77400 129680.59 69438.71 52280.60
7 119300 133290.34 323917.37 13990.30
8 150300 136088.69 165458.98 14211.31
9 187900 139403.18 127202.70 48496.82
10 162600 142805.09 138592.87 19794.10
11 90500 144089.94 178333.79 53589.90
12 61300 142135.78 172000.17 80835.80
13 178250 140467.82 102712.16 37782.18
14 93100 137979.38 47553.93 44879.40
15 208900 137661.87 133949.58 71238.13
16 241600 140963.90 97973.78 100636.10
17 312800 149433.77 187806.04 163366.20
18 187000 158861.01 255302.68 28138.99
19 171200 166913.49 342771.84 4286.51
20 262000 175322.43 257401.31 86677.57
21 199000 182676.60 197706.24 16323.40
22 186000 188170.22 251080.51 2170.22
23 186200 191785.84 215653.60 5585.84
24 163000 193199.13 186654.04 30199.10
25 - 188335.36 174820.53 -
26 - 177284.09 150724.63 -