review 3

• Tema : Analisis peramalan dalam Penjualan
• Judul : Analisis Permalan Penjualan Sepeda Motor Honda, Yamaha, Suzuki dan Kawasaki di Indonesia
• Pengarang ; Wahyu Setiono
• Tahun : 2010
• Latar Belakang :
Salah satu tujuan utama dari perusahaan adalah memperoleh suatu keuntungan, dimana keuntungan tersebut akan diperoleh apabila perusahaan menjual barang dan jasa dengan harga yang lebih tinggi dari harga pokoknya. Naik dan turunnya penjualan yang dicapai dapat dipergunakan sebagai alat pengukuran (success indicator) maju tidaknya perusahaan tersebut. Masalah utama yang dihadapi oleh perusahaan pada saat akan menjual suatu barang atau jasa pada umumnya adalah barang atau jasa apakah yang akan dijual, berapa biaya yang harus dikeluarkan oleh perusahaan agar barang dan jasa tersebut dapat terjual, dan berapa harag barang atau jasa tersebut agar mendapatkan keuntungan yang optimal bagi perusahaan tetapi tetap dengan harga yang terjangkau oelh pembeli atau konsumen. Oleh karena itu, sebaiknya perusahaan menggunakan permalan dalam menentukan berapa besar penjualan optimal. Langkah terpenting dalam peramalan penjualan adalah memverifikasi peramalan sedemikian rupa sehingga dapat mencerminkan penjualan yang akan dicpai dimasa mendatang.
• Masalah :
- Bagaimana peramalan penjualan sepeda motor Honda, Yamaha, Suzuki dan Kawasaki pada periode selanjutnya
- Metode peramalan apa yang tepat digunakan oleh penulis untuk meramalkan penjualan sepeda motor perusahaan Honda, Yamaha, Suzuki dan Kawasaki
• Tujuan Penelitian :
- Mengetahui seberapa besar nilai peramalan penjualan volume sepeda motor Honda, Yamaha, Suzuki dan Kawasaki yang akan dicapai perusahaan sepeda motor tersebut pada periode yang akan datang
- Mengetahui jenis metode peramalan yang tepat dalam meramalkan penjualan sepeda motor perusahaan Honda,Yamaha, Suzuki dan Kawasaki
• Metodologi :
A. Objek Penelitian
- PT Astra Honda Motor
- PT Yamaha Motor Indonesia
- PT Suzuki Motor Indonesia
- PT Kawasaki Motor Indonesia
B. Data/ variable yang digunakan
Menggunakan data penjualan sepeda motor per bulan perusahaan PT Astra Honda Motor, PT Yamaha Motor Indonesia, PT Suzuki Motor Indonesia, dan PT Kawasaki Motor Indonesia selama 22 bulan yaitu dari bulan Januari 2008 sampai dengan bulan Oktober 2009
C. Pengumpulan data / variable
- Studi kepustakaan
D. Alat analisis yang digunakan
Metode peramalan kuantitatif Model Time Series Analysis (Deret Waktu) yaitu Moving Average, Weight Moving Average terbobot dan Exponential Smoothing.
• Hasil dan Kesimpulan :
- Peramalan untuk PT Astra Honda Motor di periode selanjutnya dengan menggunakan Metode Moving Average sebesar 261233 unit motor,Weighted Moving Average 264344 unit motor, dan Exponential Smoothing 228585 unit motor. PT Yamaha Motor Indonesia untuk metode MA sebesar 248669 unit motor, metode WMA 251707 unit motor, dan ES 215893 unit motor. PT Suzuki Motor Indonesia untuk metode MA sebesar 38924 unit motor, metode WMA 38838 unit motor, dan Metode ES sebanyak 47518 unit motor. PT Kawasaki Motor Indonesia untuk metode MA sebesar 4994 unit motor, metode WMA sebesar 4926 unit motor, dan metode ES sebesar 4440 unit motor.
- Untuk PT Astra Honda Motor, PT Yamaha Motor Indonesia, PT Suzuki Motor Indonesia, dan PT Kawasaki Motor Indonesia sebaiknya menggunakan metode WMA dalam melakukan permalan untuk kegiatan mengindustrikan sepeda motornyadi periode yang akan datang. Karena masing-maisng mempunyai tingkat kesalahan/ MAD yang lebih kecil dibandingkan menggunakan metode MA dan ES. Dengan nilai MAD untuk PT Astra Honda Motor sebesar 34714 unit motor, PT Yamaha Motor Indonesia sebesar 21700 unit motor, PT Suzuki Motor Indonesia sebesar 10110 unit motor, dan PT Kawasaki Motor Indonesia sebesar 1007 unit motor.
• Saran :
Sebaiknya PT Astra Honda Motor , PT Yamaha Motor Indonesia, PT Suzuki Motor Indonesia dan PT Kawasaki Motor Indonesia menggunakan metode WMA dalam melakukan peramalan untuk kegiatan mengindustrikan sepeda motornya di periode yang akan datang di Indonesia. Serta diperlukan penelitian lebih lanjut tentang metode-metode forecasting yang lebih praktis, efisien, serta menghasilkan forecast error yang lebih kecil dibandingkan dengan metode yang digunakan.