Peramalan (Forecasting)
Penjualan
Dosen Pengampu :
Ignatius Aryono Putranto, SE, M.Acc
Disusun Oleh:
1. Juliani Dora (132114125)
2. Aleksander Liu (132114171) 3. Yosie Dwinanda (142114063) 4. Yulia Ratna Wulandari (142114078) 5. Thomas Edo Kristian (142114084) 6. Febby Virginia Fono (142114151)
PROGRAM STUDI AKUNTANSI
FAKULTAS EKONOMI
TA 2016-2017
Peramalan (forecasting) adalah perkiraan mengenai sesuatu yang belum terjadi. Peramalan bertujuan agar ramalan yang dihasilkan mampu meminimumkan pengaruh ketidakpastian yang dihadapi perusahaan, yang biasanya diukur dengan mean squarer error, mean absolute error, dsb.
Hubungan Forecasting Dengan Rencana
Forecasting/ramalan bukan merupakan rencana. Forecasting adalah ramalan tentang apa yang
akan terjadi pada waktu yang akan datang, sedangkan rencana adalah penentuan apa yang akan dilakukan pada waktu yang akan datang. Forecast penjualan menjadi suatu alat yang penting, yang akan dapat mempengaruhi manajer dalam membuat perencanaan penjualan.
Pengaruh Kebenaran Asumsi
Asumsi mempunyai pengaruh terhadap ketepatan forecastyang dibuat. Jika asumsi yang dibuat tepat atau mendekati kenyataan, maka forecast yang dihasilkan juga akan mendekati kebenaran, sebaliknya jika asumsinya tidak tepat akan menyebabkan forecast yang dihasilkan akan mengalami penyimpangan.
Pemilihan Metode Forecasting
Untuk memilih metode forecasting penjualan dipengaruhi berbagai faktor sebagai berikut: Sifat produk yang dijual
Metode distribusi yang dipakai (langsung-tidak langsung) Besarnya perusahaan dibandingkan pesaing-pesaingnya Tingkat persaingan yang dihadapi
Data historis yang tesedia
Sifat permintaan produk yang bersangkutan TEKNIK FORECASTING
Berbagai teknik digunakan perusahaan untuk meramalkan penerimaan dan volume penjualan. Forecast penjualan dilakukan dengan memanfaatkan berbagai teknik forecasting, mencakup pengukuran secara kuantitatif yakni dengan menggunakan metode statistik dan matematik, dan pengukuran secara kualitatif yang biasanya menggunakan judgement.
Dengan demikian forecasting menghendaki perpaduan antara analisa yang ilmiah dilengkapi dengan pendapat pribadi perencana. Teknik statistik dipakai sebagai alat primer bagi
penyusunan forecast, sedangkan interpretasi dan judgement digunakan sebagai pelengkap. Secara sistematik, teknik-teknik atau metode-metode forecast di kelompokkan menjadi.
A. Forecasting berdasar pendapat (judgment method)
Forecast penjualan bermanfaat untuk untuk menentukan keputusan dan kebijakan manajemen seperti :
Kebijakan perencanaan produksi Kebijakan penetapan barang jadi
Kebiakan pemakaian mesin dan peralatan Kebijakan tentang investasi aktiva tetap
Rencana pembelian bahan mentah dan penolong Rencana aliran kas
Sumber – sumber pendapat yang dipakai sebagai dasar melakukan forecasting adalah: 1. Salesman
2. Manajer area 3. Konsultan
4. Survei konsumen 5.
B. Forecasting dengan perhitungan secara statistic Beberapa teknik perhitungan:
1. Analisis Trend Trend bebas
Trend setengah rata-rata
Trend matemats (moment & least squad) 2. Analisis growth
3. Analisis regresi korelasi
4. Analisis dengan teknik- teknik khusus
1. Analisis Trend (kecendrungan)
Secara umum data – data penjualan mencerminkan 4 faktor berikut: 1.Trend
2.Siklus 3.Musiman 4.Ketidakteraturan
(1)Trend Bebas
Penerapan garis trend secara bebas dapat dikatakan sebagai suatu cara penerapan garis trend tanpa menggunakan rumus matematika.
Contoh penerapan garis trend bebas
Sebuah perusahaan yang bergerak pada produksi mainan anak ingin membuat ramalan penjualan untuk beberapa tahun mendatang wilayah Indonesia timur. Data penjualan untuk lima tahun terakhir
Data tersebut dapat digambarkan garis trend sebagai berikut:
Tahun Volume penjualan (unit)
2A05 520.000
2A06 580.000
2A07 600.000
2A08 660.000
B. Trend Setengah Rata-rata (Semi Average) Formula ya ng digunaka adalah : Y = a + b (X)
a = Rata-rata kelompok 1(X1)atau kelopmpok 2(X2) bergantung tahun dasar b = (Rata-rata kelompok 2 – rata-rata kelompok 1) /n
= (X2 – X1) /n
n = jumlah tahun dihitung dari periode dasar (jarak periode antara X1 dan X2) KASUS FORECASTING DENGAN ANALISIS TREND SEMI AVERAGE
Pada awal tahun 2A11 perusahaan tekstil “ GAYA BARU “ merencanakan penyusunan anggaran penjualan secara terperinci. Data – data yang berhasil dikumpulkan adalah sebagai berikut :
a.Data penjualan selama 6 tahun terakhir
Tahun Volume penjualan
2A05 425.000 meter 2A06 500.000 meter 2A07 575.000 meter 2A08 650.000 meter 2A09 670.000 meter 2A10 720.000 meter
b. Komposisi penjualan perusahaan tersebut terdiri dari 60% kain bermotif dan 40 % kain polos.
c.Harga jual yang terjadi pada tahun 2A10, untuk kain bermotif Rp.6.000/m dan kain polos Rp.5.000/m. pada tahun anggaran 2A11 direncanakan harga jual meningkat sebesar 10 % dari tahun sebelumnya.
d.Perusahaan masih ingin tetap mempertahankan daerah pemasarannya untuk tiga wilayah dengan kopmposisi sebagai berikut :
Daerah pemasaran Distribusi
Yogyakarta 50%
Semarang 25%
Surakarta 25%
1. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average
2. Menyusun anggaran penjualan tahun 2A11 berdasarkan daerah, produk, dan total omzet penjualan.
3. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average, jika data yang digunakan adalah data penjualan 4 tahun terakhir
4. Menentukan besarnya volume penjualan perusahaan tahun 2A11 dengan menggunakan metode Trend Semi Average, jika data yang digunakan adalah data penjualan 5 tgahun terakhir.
Penyelesaian kasus analisis trend semi average 1) Volume penjualan perusahaan tahun 2A11
Data genap (kelompok ganjil) (6 tahun data )
Formula :
Y = a + b (X)
a = X1 atau X2, bergantung tahun dasar b = (X2-X1)/n
Perhitungan:
a = 500.000 atau 680.000
b = (680.000-500.000)/3 = 60.000
Y 2A11 = 500.000 + (60.000 x 5) = 800.000 ( tahun dasar 1) Y 2A11 = 680.000 + (60.000 x 2) = 800.000 ( tahun dasar 2) Maka penjualan tahun 2A11 adalah sebesar 800.000 unit
(2) Anggaran Penjualan tahun 2A11 berdasarkan daerah, produk, dan total omzet penjualan
(3) Volume penjualan perusahaan tahun 2A11, data penjualan 4 (empat) tahun terakhir
Data Genap (kelompok Genap) (4 tahun data)
Tahun Y Semi Total Semi
Average Xa Xb 2A07 575.000 1.225.000 612.500 -1 -5 2A08 650.000 1 -3 2A09 670.000 1.390.000 695.000 3 -1 2A10 720.000 5 1 Formula : Y = a + b (X)
b = (X2-X1)/n
n = jarak periode antara X1 dan X2 Perhitungan:
a = 612.500 atau 695.000
b = (695.000 – 612.500) / 2 = 41.250
Y 2A11 = 612.500 + (41.250 x 7/2) = 756.875 ( tahun dasar 1) Y 2A11 = 695.000+ (41.250 x 3/2) = 756.875 ( tahun dasar 2) Maka penjualan perusahaan tahun 2A11 adalah sebesar 756.875 unit
(4) Volume penjualan perusahaan tahun 2A11, data penjualan 5 tahun terakhir. Data Ganjil (5 tahun)
Tahun Y Semi Total Semi
Average Xa Xb 2A06 500.000 -1 -3 2A07 575.000 1.725.000 575.000 0 -1 2A08 650.000 1 -1 2A09 670.000 2.040.000 680.000 2 0 2A10 720.000 3 1 Formula : Y = a + b (X)
a = X1 atau X2, bergantung tahun dasar b = (X2-X1)/n
n = jarak periode antara X1 dan X2 Perhitungan:
a = 575.000 atau 680.000
Y 2A11 = 575.000 + (52.500 x 4) = 785.000 ( tahun dasar 1) Y 2A11 = 680.000 + (52.500 x 4) = 785.000 ( tahun dasar 2)
Maka penjualan perusahaan tahun 2A11 adalah sebesar 785.000 unit
C. ANALISIS TREND MATEMATIS
Dalam tren matematis ini terdapat 2 pendekatan yang dapat digunakan untuk menggambarkan garis trend,yaitu :
(1) ANALISIS TREND MOMENT Formula yang dapat digunakan adalah:
Formula Y = a + b (X) merupakan persamaan garis trend yang akan di gunakan. Persamaan (i) dan persamaan (ii) digunakan untuk menghitung nilai a dan b yang pada akhirnya dijadikan sebagai dasar penerapan garis linear (garis trend).
KASUS FORECASTING DENGAN METODE TREND MOMENT
Data perkembangan jumlah penjualan selama 5 tahun terakhir (tahun 2A06 s/d 2A10), sebagai berikut :
Tahun Volume Penjualan 2A06 671.382 unit 2A07 692.865 unit 2A08 703.930 unit 2A09 634.268 unit 2A10 763.296 unit
Dengan data tersebut hitunglah :
a. Volume penjualan tahun 2A11 dengan metode trend moment b. Trend Penjualan setiap tahun (tahun 2A06 s/d 2A10)
Y = a + b (X)
Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii): ∑XY = a. ∑X + b. ∑X
PENYELESAIAN KASUS TREND MOMENT a. Menghitung Forecast Penjualan Tahun 2A11
Y = a + b (X)
Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii) : ∑XY = a. ∑X + b. ∑X Persamaan (i) : 3.465.732 = 5a + 10b Persamaan (ii) : 7.056.704 = 10a + 30b Atau
Persamaan (ii) : 7.056.704 = 10a + 30b Persamaan (i) : 6.931.464 = 10a + 30b
125.240 = 10b Diperoleh:
b = 12.524 a = 6688.098,4
Persamaan Trend : Y = 668.098,4 + 12.524 (X) Volume Penjualan tahun 200F adalah :
Y = 668.098,4 + 12.524 (X) Y = 668.098,4 + 12.524 (5) Y = 730.718,4 unit (pembulatan) b. Menghitung Trend setiap tahun
Nilai trend setiap tahun :
Tahun 2A06 : Y = 668.098,4 + 12.524 (0) = 668.098,40 Tahun 2A07 : Y = 668.098,4 + 12.524 (1) = 680.622,40 Tahun 2A08 : Y = 668.098,4 + 12.524 (2) = 693.146,40 Tahun 2A09 : Y = 668.098,4 + 12.524 (3) = 705.670,40 Tahun 2A10 : Y = 668.098,4 + 12.524 (0) = 718.194,40
Periode Penjualan (Y) X X2 XY
2A06 671.382 unit 0 0 0 2A07 692.856 unit 1 1 692.856 2A08 703.930 unit 2 4 1.407.860 2A09 634.268 unit 3 9 1.902.804 2A10 763.296 unit 4 16 3.053.184 Total 3.465.732 unit 10 30 7.056.704
(2) ANALISIS TREND LEAST SQUARE
Metode Trend Least Square pada dasarnya memiliki sumber formula yang sama dengan metode matematis. Hal yang membedakan adalah bahwa metode Least Square menggunakan asumsi ∑X = 0
Formula yang digunakan
Keterangan :
Y = Variabel Dependen
X = Variabel Independen (periode) a = Nilai Konstanta
b = Koefisien Regresi n = Jumlah Data (periode)
KASUS FORECASTING DENGAN METODE TREND LEAST SQUARE
Data dan informasi yang berkaitan dengan rencana kegiatan operasional perusahaan di tahun 2A11.
Y = a + b (X) a= ∑X/n b = ∑XY / ∑X2
a. Pengalaman penjualan selama 5 (lima) tahun terakhir: Tahun Volume Penjualan
2A06 900.000 unit 2A07 920.000 unit 2A08 950.000 unit 2A09 980.000 unit 2A10 1.000.000 unit
b. Produk direncanakan akan didistribusikan di dua daerah pemasaran, yaitu: Wilayah Pemasaran Proporsi Penjualan
Kalimatan Tengah 60% Kalimatan Selatan 40%
c. Harga jualan untuk wilayah Kalimantan Tengah adalah Rp 30.000/unit, sedangkan untuk wilayah Kalimantan Selatan dinaikkan sebesar 25% dari wilayah Kalimantan Tengah dengan pertimbangan biaya transportasi.
d. Pola penjualan yang direncanakan untuk seluruh wilayah: Periode Kalimantan Tengah Kalimant6an Selatan
Kuartal I 30% 30%
Kuartal II 40% 35%
Kuartal III
30% 35%
Berdasarkan data tersebut diminta:
a. Menghitung forecast penjualan tahun 2A22 dengan metode Least Square.
b. Menyusun anggaran penjualan tahun 2A11 secara terinci menurut wilayah pemasaran dan periode waktu.
Penyelesaian Kasus Trend Least Square
Untuk menghitung forecast penjualan tahun 2A11, digunakan metode Trend Least Square Penjualan (Y) X X2 XY 2A06 900.000 -2 4 -1.800.000 2A07 920.000 -1 1 -920.000 2A08 950.000 0 0 0 2A09 980.000 1 1 980.000 2A10 1.000.000 2 4 2.000.000 Total 4.750.000 0 10 260.000
Metode Least Square
A = ΣY/n = 4.750.000/5= 950.000 B = ΣXY/ΣX2 = 260.000/10 = 26.000
Y tahun 2A11 = a+b (X) = 950.000 + (26.000 x 3) = 1.028.000
Dengan demikian diperoleh Ramalan Penjualan Tahun 2A11 sebesar 1.028.000 unit
Periode Kalimantan Tengah Kalimantan Selatan Total
Penjualan (Rp) Unit Harga /unit (Rp) Rp Unit Harga /unit (Rp) Rp Kuartal 1 185.040 30.000 5.551.200.000 123.360 37.500 4.626.000.000 10.177.200.000 Kuartal 2 246.720 30.000 7.401.600.000 143.920 37.500 5.397.000.000 12.798.600.000 Kuartal 3 185.040 30.000 5.551.200.000 143.920 37.500 5.397.000.000 10.948.200.000 Total 616.800 18.504.000.000 411.200 15.420.000.000 33.924.000.000
b. Menyusun Anggaran Penjualan tahun 2A11 2. Analisis Growth
Untuk membuat forecasting dengan menggunakan analysis growth (pertumbuhan) mengacu pada formula sebagai berikut:
Keterangan:
Pn = Volume Penjualan tahun ke-n Po = Volume penjualan tahun dasar n = Periode atau tahun
i = Interest (tingkat pertumbuhan penjualan)
KASUS FORECASTING PENJUALAN DENGAN ANALISIS GROWTH
Perusahaan merapi Iron. Co merupakan perusahaan pengecoran besi. Data yang diperoleh dari data industri pengecoran besi menggambarkan volume penjualan industri dan penjualan perusahaan selama tiga tahun terakhir:
Tabel data penjualan industri dan perusahaan
Tahun Penjualan Industri Penjualan perusahaan 2A08 360.000.000 ton 36.000.000 ton 2A09 400.000.000 ton 44.000.000 ton 2A10 440.000.000 ton 53.240.000 ton
Diasumsikan bahwa pertumbuhan penjualan industri setiap tahun mengikuti kecenderungan (trend) yang berlaku, sedangkan pertumbuhan penjualan perusahaan menyesuaian besarnya pertumbuhan Market Share perusahaan dari tahun ke tahun. Dengan data tersebut, diminta untuk:
1. Menghitung volume penjualan industri tahun 2A11 dengan metode Trend Least Square.
2. Menghitung market share untuk tahun 2A11 dengan analisis Growth.
3. Menghitung volume penjualan perusahaan tahun 2A11 sesuai tingkat market share perusahaan.
a. Volume Penjualan Industri tahun 2A11
Untuk menghitung volume penjualan industri tahun 2A11, digunakan metode Trend
Least square.
Formula yang digunakan: Y = a+b (X)
a = ΣY/n b = ΣXY/ΣX2
Keterangan:
Y = Variabel Dependen
X = Variabel Independen (Periode) a = Nilai Konstanta
b = Koefisien Regresi n = Jumlah Data
Periode Penjualan Industri (Y) X X2 XY
2A08 360.000.000 ton -1 1 -360.000.000 2A09 400.000.000 ton 0 0 0 2A10 440.000.000 ton 1 1 440.000.000 Total 1.200.000.000 ton 0 2 80.000.000
Menghitung nilai a dan b =
a = ΣY/n = 1.200.000.000/3 = 400.000.000 b = ΣXY/ΣX2 = 80.000.000/2 = 40.000.000
Y tahun 2A11 = a + n (x) = 400.000.000 + (40.000.000 x 2) = 480.000.000
Dengan demikian diperoleh penjualan industri tahun 2A11 sebesar 480.000.000 ton b. Mareket Share Perusahaan tahun 2A11
Untuk menghitung besarnya market share digunakan formula berikut: Market share = Penjualan perusahaan x 100%
Penjualan industri
Period e
Penjualan Industri (ton) Penjualan Perusahaan (ton) Market
share
2A08 360.000.000 36.000.000 10%
2A09 400.000.000 44.000.000 11%
2A10 440.000.000 53.240.000 12,1%
Pembagian market share (MS) dari tahun ke tahun dihitung dengan menggunakan analisis .
Formula: Pn = Po (1 + i)n
MS tahun 2A10 = MS 2A08 (1 + i)n
12,1% = 10% (1 + i)2
(1 + i) 2 = 0,121/ 0,1
(1 + i) 2 = 1,21
(1 + i) = 1,1
i= 0,1 atau 1 = 10%
Disini ditemukan besarnya interest (tingkat pertumbuhan penjualan) adalah 10% sehingga market share tahun 2A11 adalah:
MS tahun 2A11 = MS tahun 200A (1 + i)n MS tahun 2A11 = 0,1 (1 + 0,1)3
MS tahun 2A11 = 0,1 x 1,331 = 0,1331 = 13,31% c. Volume Penjualan Perusahaan Tahun 2A11
Penjualan perusahaan (PP) dihitung dengan cara mengalikan antara penjualan industri (PI) dengan market shared (MS) yang diperoleh pada tahun tersebut.
Formula:
Penjualan perusahaan = Penjualan Industri x Market shared PP 2A11 = PI 2A11 x MS 2A11
= 480.000.000 x 13,31% = 63.888 ton
3. Analisis Regresi Korelasi
Dengan analisis dikenal dua jenis variabel yakni variabel dependen (Y) dan variabel independen (X). Variabel dependen adalah variabel yang nilainya dipengaruhi (tergantung) besar kecilnya variabel lain (variabel independen). Sedangkan variabel independen adalah variabel bebas yang nilainya tidak dipengaruhi oleh variable lain. Dalam analisis regresi, pengaruh linear antara nilai suatu variabel dengan nilai variabel lain dinyatakan dengan persamaan Y = f (X)
Yang berarti bahwa nilai variabel dependen (Y) di tentukan oleh nilai variabel independen (X) dengan fungsi linear, maka pengaruhnya besar dari variabel independen terhadap variabel dependen dinyatakan dengan persamaan Y = a + b (X)
Dalam analisis regresi korelasi, maka formula regresi yang di gunakan adalah Yp = a+ b (X)
Besarnya nilai a dan b dihitung dengan bantuan formula :Korelasi adalah hubungan antara satu variabel dengan variabel lainnya. Analisis ini biasanya digunakan untuk melengkapi analisis regresi.
Contoh : permintaan akan produk susu ditentukan oleh faktor jumlah produk, jumah kelahiran bayi dll.
Korelasi dinyatakan denganangka -1 sd 1, dengan simbol r, yang erarti bahwa besarnya nilai r berada di antara -1 sd 1. Kriteria lain :
r = -1, terdapat hubungan negatif sempurna. r = +1, terdapat hubungan posistif sempurna. r = 0, tidak terdapat hubungan sama sekali.
Untuk mencari koefisien korelasi dapat digunakan rumus :
Perusahaan “PRIMA MAKMUR” ingin mengetahui apakah periklanan yang dilakukan selama ini efektif dalam membantu meningkatkan volume penjualan produk. Berikut data-data penjualan dan biaya periklanan
Penyelesaian Kasus analisi regresi korelasi
Pada kolom terakhir dalam tabel tersebut ditunjukan hasil perhitungan Yp pada setiap periode. Langkah selanjutnya adalah mengukur ketergantungan antar kedua variabel dengan analisi korelasi
Forecast dengan tekhnik khusus a. ANALISI INDUSTRI
Salah satu cara yang dapat digunakan untuk membuat forcast adalah melalui analisis industri.analisi ini berfokus pada kegiatan memperkirakan market share yang dimilik perusahaan. Untuk menghitung market share digunakan formula Market share =( Penjualan Perusahaan / penjualan industri ) x 100%
KASUS FORECASTING DENGAN ANALISA MARKET SHARE
Cv niken shoes co. merupakan perusahaan yang bergerak dalam bidang industri sepatu olahraga. Data permmintaan industri sepatu CV. Niken shoes co selama 6 tahun terakhirterakhir :
PENYELESAIAN KASUS ANALISA MARKET SHARE
Formula yang digunakan: Y = a + b (x)
Persamaan (i) : ∑Y = n.a + b. ∑X Persamaan (ii): ∑XY = a.∑X + b.∑X
Persamaan (i) : 490.500.000 = 6a + 15b Persamaan (ii): 1.303.500.000 =15a + 55b Atau:
Persamaan (i) : 2.607.000.000 = 30a + 75b Persamaan (ii): 2.452.500.000 = 30a + 110b
154.500.000 = 35b b = 4.414.285,72
a = 70.714.285,70
Persamaan Trend: Y = 70.714.285,70 + 4.414.285,72(X) Volume Penjualan Industri tahun 2A11 adalah:
Y = 70.714.285,70 + 4.414.285,72 (X) Y = 70.714.285,70 + 4.414.285,72 (6) Y = 97.200.000 m (pembulatan)
b. Tingkat Penjualan Perusahaan yang dapat dicapai tahun 2A11 Market share 2A11 = 11.340.000 x 100%
94.500.000 = 12%
Tingkat Penjualan Perusahaan 2A11 = 12% x 97.200.000 m = 11.664.000 m
B. ANALISIS LINI PRODUK (PRODUCT LINE)
Analisis Lini Produk (product line) digunakan pada perusahaan-perusahaan yang menghasilkan lebih dari satu macam produk. Masing-masing macam produk tersebut tidak dapat diambil kesamaannya dan harus dibuat forcesat secara terpisah.
C. ANALISIS PENGGUNAAN AKHIR
Analisis ini digunakan pada perusahaan-perusahaan yang memproduksi barang-barang tidak langsung dapat dikonsumsi, melainkan masih memerlukan proses lebih lanjut untuk menjadi produk akhir.
Contoh: KASUS ANALISA PENGGUNA AKHIR
Perusahaan ‘’PRIMA BOTTLE’’ adalah perusahaan yang bergerak dibidang usaha produksi botol yang ditujukan untuk botol minuman ringan dan botol obat-obatan. a. Penjualan botol minuman ringan Tahun 2A04 s/d 2A10:
Penyelesaian Kasus:
a. Forecast penjualan botol
a = ∑Y / n a = 2.172.000 7 a = 310.286 b = ∑XY / ∑ X2 = 530.000 28 Y = 310.286 + 18.929 (X) b = 18.929 Nilai Trend Tahun 2A11 = 310.286 + (18.929 x 4) = 386.000 Tahun 2A12 = 310.286 + (18.929 x 5) = 404.929 Tahun 2A13 = 310.286 + (18.929 x 6) = 423.857 Tahun 2A14 = 310.286 + (18.929 x 7) = 442.786 Tahun 2A15 = 310.286 + (18.929 x 8) = 461.714
a = ∑Y / n a = 7.338.000 7 a = 1.048.286 b = ∑XY / ∑ X2 = 4.762.000 28 Y = 1.048.286 + 170.071 (X) b = 170.071 Nilai Trend Tahun 2A11=1.048.286 + (170.071 x 4) = 1.728.571 Tahun 2A12=1.048.286 + (170.071 x 5) = 1.898.643 Tahun 2A13=1.048.286 + (170.071 x 6) = 2.068.714 Tahun 2A14=1.048.286 + (170.071 x 7) = 2.238.786 Tahun 2A15=1.048.286 + (170.071 x 8) = 2.408.857
