APLIKASI PERAMALAN PENJUALAN MOBIL
DI PT. AGUNG TOYOTA AUTOMALL DUMAI
DENGAN METODE LEAST SQUARE
Total View This Week59
Total View This Week59
Institusion
Sekolah Tinggi Teknologi Dumai
Author
PUTRI, DEWI
Urva, Gellysa
Pratiwi, Merina
Urva, Gellysa
Pratiwi, Merina
Subject
ZA4050 Electronic information resources
Datestamp
2020-02-20 11:40:41
Abstract :
PT. Agung Automall merupakan dealer resmi kendaraan bermotor roda empat merek Toyota di Kota Dumai perusahaan yang bergerak pada bidang penjualan unit mobil, service (bengkel), sparepart (suku cadang) dan body paint (perbaikan body mobil dan pengecatan mobil) baik secara tunai ataupun kredit. Perusahaan selalu mendata dalam peningkatan penjualan unit mobil namun perusahaan tidak dapat mempediksi secara efektif dan efesien untuk penjualan unit mobil pertahun dimasa yang akan datang. Oleh karna itu perushaan ingin dapat merencanakan penjualan untuk tahun kedepan berapa unit mobil yang dapat diprediksi untuk target penjualannya dimasa mandatang. Berdasarkan permasalahan tersebut, penulis memprediksi penjualan unit mobil pertahun melalui pembuatan aplikasi dengan Metode Least Square. Metode Least Square merupakan salah satu teknik dalam menyusun penjualan (forecasting) dengan meminimumkan fungsi kriteria jumlah kuadrat kesalahan prediksi. Selanjutnya mengunakan perhitungan error prediksi MAPE yang dapat menghitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode yang ditentukan. MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata. Perencanaan yang matang didasarkan pada data yang ada dan prediksi (forecasting) yang diperkirakan cukup tepat serta dapat memanfaatkan peluang pasar yang ada. Dalam penelitian ini diperoleh rata-rata hasil prediksi penjualan mobil tahun 2019 Avanza = 43 unit, Innova = 17 unit, Fortuner = 6 unit, Agya = 25 unit, Yaris = 1 unit, Rush = 35 unit, Calya = 13 unit. Dan hasil perhitungan error prediksi (MAPE) Mobil tahun 2019, diperoleh rata - rata hasil kesalahan prediksi penjualan mobil tahun 2019 Avanza = 4%, Innova = 22%, Fortuner = 20%, Agya = 8%, Yaris = 28%, Rush = 29% Calya = 16%.
PT. Agung Automall merupakan dealer resmi kendaraan bermotor roda empat merek Toyota di Kota Dumai perusahaan yang bergerak pada bidang penjualan unit mobil, service (bengkel), sparepart (suku cadang) dan body paint (perbaikan body mobil dan pengecatan mobil) baik secara tunai ataupun kredit. Perusahaan selalu mendata dalam peningkatan penjualan unit mobil namun perusahaan tidak dapat mempediksi secara efektif dan efesien untuk penjualan unit mobil pertahun dimasa yang akan datang. Oleh karna itu perushaan ingin dapat merencanakan penjualan untuk tahun kedepan berapa unit mobil yang dapat diprediksi untuk target penjualannya dimasa mandatang. Berdasarkan permasalahan tersebut, penulis memprediksi penjualan unit mobil pertahun melalui pembuatan aplikasi dengan Metode Least Square. Metode Least Square merupakan salah satu teknik dalam menyusun penjualan (forecasting) dengan meminimumkan fungsi kriteria jumlah kuadrat kesalahan prediksi. Selanjutnya mengunakan perhitungan error prediksi MAPE yang dapat menghitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode yang ditentukan. MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata. Perencanaan yang matang didasarkan pada data yang ada dan prediksi (forecasting) yang diperkirakan cukup tepat serta dapat memanfaatkan peluang pasar yang ada. Dalam penelitian ini diperoleh rata-rata hasil prediksi penjualan mobil tahun 2019 Avanza = 43 unit, Innova = 17 unit, Fortuner = 6 unit, Agya = 25 unit, Yaris = 1 unit, Rush = 35 unit, Calya = 13 unit. Dan hasil perhitungan error prediksi (MAPE) Mobil tahun 2019, diperoleh rata - rata hasil kesalahan prediksi penjualan mobil tahun 2019 Avanza = 4%, Innova = 22%, Fortuner = 20%, Agya = 8%, Yaris = 28%, Rush = 29% Calya = 16%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
