View of PENERAPAN METODE REGRESI LINEAR MEMPREDIKSI TINGKAT PENJUALAN SEPEDA MOTOR HONDA PADA PT. PLATINA MULIA ABADI

(1)

654

PENERAPAN METODE REGRESI LINEAR MEMPREDIKSI TINGKAT PENJUALAN SEPEDA MOTOR HONDA PADA PT. PLATINA MULIA ABADI

Palma Juanta¹⁾, Saut Tamba Parsaoran²⁾, Windani Purba³⁾, Yoel Ferdinand Zai⁴⁾, Steven⁵⁾, Elbert Ghozali⁶⁾ Fakultas Sains dan Teknologi, Universitas Prima Indonesia, Medan.

Email: [email protected], [email protected], [email protected], [email protected], [email protected], [email protected].

Abstract

This research aims to obtain predictions of Honda motorbike sales based on Honda motorbike sales data at PT. Platina Mulia Abadi is a company engaged in transportation and automotive services, especially sales of Honda motorbikes. The linear regression method is used to predict the number of sales of Honda motorbikes. The uncertainty in the number of sales of Honda motorbikes to this company has slightly hindered the company's development, because the company cannot take a definite policy regarding the sales that occur. Therefore, this company estimates future sales of Honda motorbikes for this company, so that management can estimate future consumer demand. So that the company is able to serve and provide consumer demand. To carry out estimates, the Multiple Linear Regression method is used. The results of this research obtained an estimated sales of manual motorbikes in 2023 in January of 64,003 or 64 units of Honda motorbikes in the manual category. This means that there is an increase in the number of manual Honda motorbikes by 8 motorbikes, while the results until May 2023 are 72,123 motorbikes. Through the application of this method, the estimated sales of Honda motorbikes in the next 5 months at PT. Eternal Precious Platinum can be done easily and quickly.

Keywords :Linear Regression, Prediction, Motorcycle, Sales, Method.

1. PENDAHULUAN

Kebutuhan akan alat transportasi telah menjadi kebutuhan dasar di kalangan masyarakat saat ini. Mayoritas orang lebih suka memiliki alat transportasi pribadi daripada menggunakan transportasi umum. Sepeda motor menjadi pilihan utama bagi masyarakat kelas menengah ke bawah sebagai alat transportasi mereka. Ini disebabkan oleh efisiensi sepeda motor dalam penggunaan bahan bakar, kenyamanan, dan kemudahan penggunaannya dalam kegiatan sehari-hari, terutama mengingat tingkat kemacetan yang semakin parah di Indonesia.

Selain itu, sepeda motor memiliki harga yang lebih terjangkau daripada kendaraan pribadi beroda empat dan transportasi umum. Kendaraan roda dua ini juga mudah dalam perawatannya, sehingga menjadi pilihan yang populer di kalangan masyarakat.

Industri sepeda motor nasional terus berkembang karena adanya permintaan masyarakat Indonesia akan alat transportasi yang ekonomis dan serbaguna untuk mendukung mobilitas mereka [1]. Pesatnya perkembangan industri sepeda motor menyebabkan meningkatnya jumlah produk sejenis dengan berbagai merek di pasar. Keadaan persaingan yang sengit menekankan pentingnya eksistensi merek karena merek mencerminkan nilai yang disampaikan oleh suatu produk kepada konsumen. Merek adalah bentuk kesepakatan kepercayaan antara perusahaan dan konsumen, karena melalui merek, dijamin bahwa produk tersebut akan selalu memenuhi ekspektasi nilai yang diharapkan oleh konsumen [2].

Sepeda motor adalah salah satu jenis kendaraan yang umum digunakan dalam sektor transportasi dan industri otomotif karena memiliki pengguna yang melimpah dan tersebar

(2)

655

di seluruh Indonesia. Kendaraan ini seringkali digunakan untuk mengangkut individu baik dalam jarak dekat maupun jarak yang lebih jauh [3].

Kecepatan perkembangan teknologi sepeda motor telah menarik perhatian konsumen dari berbagai merek sepeda motor. Minat terhadap sepeda motor di Indonesia terus meningkat setiap tahunnya [4]. Peningkatan permintaan terhadap sepeda motor telah memberikan dampak positif pada perkembangan industri otomotif di Indonesia, terutama dalam sektor sepeda motor [5]. Bukti dari fenomena ini terlihat dari meningkatnya jumlah perusahaan yang memasarkan sepeda motor, termasuk baik yang baru maupun bekas. Umumnya, perusahaan menganggap kualitas dan harga sepeda motor sebagai faktor penting dalam strategi pemasaran mereka, serta sebagai faktor yang dipertimbangkan oleh konsumen ketika membeli, [6] termasuk PT. Platina Mulia Abadi, yang merupakan salah satu perusahaan yang bergerak di sektor transportasi dan industri otomotif, dengan fokus utama pada penjualan sepeda motor.

Sebagai sebuah perusahaan yang beroperasi di sektor transportasi dan industri otomotif, terutama dalam penjualan sepeda motor, PT. Platina Mulia Abadi menghadapi tantangan tingkat penjualan yang fluktuatif yang dapat menghambat pertumbuhan perusahaan.

Ketidakpastian ini menyulitkan perusahaan untuk membuat proyeksi penjualan yang jelas. Oleh karena itu, penting untuk melakukan estimasi penjualan sepeda motor di masa depan agar manajemen dapat memproyeksikan permintaan konsumen yang akan datang dan dengan demikian melayani pelanggan dengan lebih baik.

Ketidakpastian dalam tingkat penjualan sepeda motor telah membatasi kemampuan perusahaan untuk mengambil kebijakan yang tegas terkait dengan penjualan. Oleh karena itu, perlu dilakukan estimasi penjualan sepeda motor di masa mendatang agar manajemen dapat mengantisipasi permintaan pelanggan di waktu yang akan datang dan dengan demikian,

perusahaan dapat dengan efektif memenuhi kebutuhan pelanggan.

Dalam konteks ini, mengetahui nilai penjualan di masa depan membantu pengembang untuk menentukan jenis properti yang akan menarik minat lebih banyak pembeli, serta properti mana yang mungkin tidak diminati.

Untuk melakukan estimasi volume penjualan ini, metode peramalan digunakan. Peramalan adalah proses meramalkan atau memprediksi apa yang akan terjadi di masa depan dengan merujuk kepada data masa lalu. Prediksi ini adalah alat yang berharga dalam pengambilan keputusan, terutama dalam bisnis dan ekonomi, di mana tujuan utamanya adalah untuk meminimalkan kerugian dan memaksimalkan keuntungan.

Berbagai metode dapat digunakan untuk menghasilkan prediksi [7]–[11]. Pada penelitian sebelumnya dilakukan untuk menganalisis model prediksi dengan menggunakan Metode Regresi Linear dalam memprediksi penjualan properti.

Regresi linear berganda merupakan metode yang melibatkan beberapa variabel bebas atau prediktor dalam modelnya [12]. Tingkat akurasi Regresi Linear Berganda sangat tinggi, sehingga algoritma ini sesuai digunakan dalam penelitian yang melibatkan lebih dari satu variabel independen [13], regresi linear berganda adalah suatu teknik peramalan yang memanfaatkan lebih dari dua faktor untuk mencari solusi terbaik antara variabel independen dan variabel dependen [14].

Metode regresi adalah suatu teknik statistik yang memproyeksikan hasil prediksi dengan memanfaatkan pengembangan hubungan matematis antara variabel dependen (Y) dan variabel independen (X) [15], [16], [17], [18].

Metode regresi linear digunakan dalam produksi untuk melakukan peramalan atau prediksi mengenai karakteristik kualitas atau jumlahnya [19]. Hal ini karena dengan memproyeksikan berbagai kemungkinan kombinasi produk, perusahaan bisa meningkatkan laba dan menentukan jumlah produksi yang sesuai [20].

Regresi linear adalah sebuah model yang menggambarkan hubungan linier antara variabel

(3)

656

dependen dan variabel independen, yang dapat digunakan untuk memperkirakan nilai variabel dependen jika terjadi perubahan dalam variabel independen. Dalam konteks prediksi, metode regresi linear telah digunakan untuk meramalkan penjualan produk dan tingkat persediaan barang untuk periode yang akan datang. Salah satu keunggulan dari metode regresi linear berganda adalah kemampuannya untuk melakukan generalisasi dan ekstraksi pola dari data tertentu, bahkan ketika tidak ada kepastian, serta mampu melakukan perhitungan secara paralel, yang mengakibatkan proses yang lebih efisien. Oleh karena itu, algoritma ini digunakan untuk memprediksi penjualan sepeda motor, yang memiliki volume data yang besar. Dengan demikian, algoritma ini dapat membantu dalam memproyeksikan penjualan sepeda motor untuk bulan-bulan mendatang, sehingga PT Platina Mulia Abadi dapat lebih siap menghadapinya.

2. METODE PENELITIAN

Untuk memprediksi banyaknya jumlah penjualan produk dan persediaan barang pada periode mendatang dapat digunakan metode Regresi linear. Algoritma ini diterapkan untuk memprediksi penjualan pada sepeda motor pada PT Platina Mulia Abadi. Keunggulan dari metode regresi linier berganda ini diantaranya adalah dapat melakukan generalisasi dan ekstraksi dari pola data tertentu, mampu mengakuisisi pengetahuan walau tidak ada kepastian, dan mampu melakukan perhitungan secara paralel sehingga proses lebih singkat sehingga sangat cocok untuk prediksi data penjualan sepeda motor yang banyak.

Penerapan metode regresi linear memprediksi tingkat penjualan sepeda motor honda pada PT. Platina Mulia Abadi dilakukan dengan tahap sesuai dengan kerangka kerja penelitian yang terdapat pada gambar 1.

Gambar 1. Kerangka Kerja Penelitian

Pengumpulan Data

Data yang akan digunakan sebagai dataset dalam proses pemodelan data mining yang diambil berdasarkan data yang diperoleh dari PT. Platina Mulia Abadi dapat dilihat pada tabel 1.

Tabel 1. Data yang Diolah Bulan Jumlah Matic Jumlah

Manual

Jan_2023 25 23

Feb_2023 27 26

Mar_2023 29 29

Apr_2023 31 32

Mei_2023 34 36

Jun_2023 41 39

Jul_2023 45 43

Agu_2023 46 46

Sept_2023 49 48

Okt_2023 53 53

Nov_2023 61 54

Des_2023 69 59

(4)

657

3. HASIL DAN PEMBAHASAN

Selanjutnya pengolahan data dilakukan dengan menggunakan data jumlah sepeda motor matic dan jumlah sepeda motor manual seperti yang terdapat pada tabel 1 dihitung sehingga menghasilkan data seperti yang disajikan pada tabel 2.

Tabel 2. Penentuan X (Matic) dan Y (Manual)

Bulan X Y XY X^2

Jan_2023 25 23 575 625

Feb_2023 27 26 702 729

Mar_2023 29 29 841 841

Apr_2023 31 32 992 961

Mei_2023 34 36 1224 1156 Jun_2023 41 39 1599 1681 Jul_2023 45 43 1935 2025 Agu_2023 46 46 2116 2116 Sept_2023 49 48 2352 2401 Okt_2023 53 53 2809 2809 Nov_2023 61 54 3294 3721 Des_2023 69 59 4071 4761 jumlah 510 488 22510 23826

Estimasi Penjualan

Setelah mendapatkan persamaan regresi linear, perkiraan penjualan sepeda motor di PT.

Platina Mulia Abadi dapat dengan cepat dihitung dengan memasukkan nilai X dan Y yang sesuai.

Koefisien regresi a dan b diperoleh secara bersamaan dengan persamaan :

an + b1 ΣX1 = ΣY……… (1)

aΣX + b1 ΣX2 = ΣxY………. (2)

Setelah itu, dilakukan pengolahan angka yang telah dihitung ke dalam ringkasan perhitungan dan total ΣX dan ΣY. Hasilnya tampak sebagai berikut:

a12+b(510) = 488

a(510) + b(23826) = 22510

Selanjutnya, langkah-langkah untuk menyelesaikan kedua persamaan tersebut adalah

sebagai berikut, hingga didapatkan nilai untuk a dan b:

Tahap awal, dilakukan eliminasi pada persamaan 1 dan 2

a12+ b(510) = 488x 510

a(510) + b(23826) = 488x 12 6120 248880 b= 242760

6120 248880 b= 242760 -25812 b= -216948 b=

0,819

Selanjutnya, dilakukan substitusi dengan masukkan nilai b ke persamaan 1 :

12 a + b(510) = 488 12 a + (0,819) (510) = 488 12 a + 417,690 = 488 12 a = 488 – 417,690 12 a = 60,310 a= 60,310 / 12 a= 5,025

Selanjutnya diperoleh nilai a dan b dengan hasil berikut :

a = 5,025 b = 0,819

Sehingga dihasilkan persamaan regresi berikut ini:

Y = 5,025 + 0,819 X

Setelah didapatkan hasil dari persamaan regresi linear, maka estimasi penjualan sepeda motor dapat dilakukan dengan memasukkan nilai x untuk periode bulan Januari, dengan kriteria jenis sepeda motor Matic, dengan nilai x sebesar 69 menggunakan persamaan regresi linear berganda yakni :

= 5,035+ 0,819 * (69)

= 5,035 + 56,511

= 61,546 sepeda motor

Hasil estimasi penjualan sepeda motor manual pada bulan Januari tahun 2023 adalah sekitar 61,546 unit, atau lebih tepatnya 61 sepeda motor jenis manual. Ini menandakan penambahan sebanyak 8 sepeda motor manual dalam periode

(5)

658

ini. Di bawah ini merupakan perkiraan/estimasi penjualan sepeda motor manual untuk tahun 2023 dari bulan Januari hingga Mei.

Tabel 3. Hasil Estimasi Pertumbuhan Sepeda Motor Manual

Bulan Matic Manual

Jan_2023 72 64,003(64) Feb_2023 74 65,641 (66) Mar_2023 75 66,46(66) Apr_2023 79 69,736(70) Mei_2023 82 72,193(72)

Pada tabel 3 menunjukkan estimasi penjualan sepeda motor matic dan sepeda motor manual untuk bulan Januari-Mei pada tahun 2023. Pada bulan Januari 2023, estimasi penjualan sepeda motor matic adalah 72 unit, sedangkan sepeda motor manual adalah 64 unit.

Kemudian, pada bulan Februari, perkiraan penjualan sepeda motor matic adalah 74 unit, dan sepeda motor manual adalah 65 unit. Bulan Maret menunjukkan estimasi penjualan sepeda motor matic sebanyak 75 unit dan sepeda motor manual sebanyak 66 unit. Pada bulan April, perkiraan penjualan sepeda motor matic adalah 79 unit, sementara sepeda motor manual adalah 69 unit.

Terakhir, pada bulan Mei, estimasi penjualan sepeda motor matic adalah 82 unit, dan sepeda motor manual adalah 72 unit.

4. KESIMPULAN

Berdasarkan penerapan Metode Regresi Linear pada penjualan sepeda motor Honda di PT. Platina Mulia Abadi, dapat disimpulkan bahwa metode Regresi Linear adalah alat yang sesuai untuk menganalisis data penjualan sepeda motor Honda di PT. Platina Mulia Abadi. Hasil analisis ini memiliki potensi untuk memberikan manfaat kepada pihak yang terlibat dalam penjualan sepeda motor Honda di PT. Platina Mulia Abadi yang sedang berjalan. Dengan memanfaatkan Metode Regresi Linear, mereka dapat meningkatkan metode penjualan sehingga dapat lebih mudah, cepat, dan akurat dalam memprediksi hasil penjualan di masa mendatang.

Mengetahui prediksi penjualan sepeda motor Honda dapat membantu mereka merumuskan strategi untuk mengoptimalkan penggunaan sumber daya yang ada..

5. REFERENSI

[1] A. Aji, A. Fauzi, and D. Fanani,

“PENGARUH KOMUNITAS MEREK TERHADAP LOYALITAS (Survei Pada Anggota Komunitas Motor Honda Tiger Neo_Gat’s Malang),” J. Adm. Bisnis (JAB)|Vol, vol. 29, no. 1, pp. 104–111, 2015.

[2] I. Janita, Creating & Sustaining Brand Equity. Jakarta: Amara Books, 2009.

[3] S. F. Utami, S. Y. Arisma, K. Hermanto, and E. Ruskartina, “Peramalan Jumlah Penjualan Sepeda Motor menggunakan Metode Time Series Studi Kasus : Dealer Motor Nusantara Surya Sakti (NSS) Sumbawa,” Hexagon, vol. 1, no. 2, pp.

33–41, 2020.

[4] A. Tri Wibowo, I. Salamah, and A.

Taqwa, “RANCANG BANGUN

SISTEM KEAMANAN SEPEDA

MOTOR BERBASIS IOT (INTERNET OF THINGS),” J. FASILKOM, vol. 10, no. 2, pp. 103–112, Aug. 2020, doi:

10.37859/jf.v10i2.2083.

[5] GintingSamuel T.U.A, “PENGARUH KUALITAS PESAN, DAYA TARIK

IKLAN DAN FREKUENSI

PENAYANGAN TERHADAP

EFEKTIVITAS IKLAN MEDIA TELEVISI PADA PRODUK SEPEDA MOTOR MEREK HONDA,” vol. 01, no.

10, pp. 24–39, 2020.

[6] D.- Herdiansyah and M. Fahrizal, “Model Kualitas Layanan Produk Sepeda Motor Pada Industri Otomotif di Indonesia,” J.

Ilm. Poli Bisnis, pp. 140–151, Nov. 2021, doi: 10.30630/jipb.v13i2.682.

[7] F. Edi, N. Saputro, and F. S. Nugraha,

“Prediksi Penjualan Kopi Berdasarkan Cuaca Menggunakan Association Rule dan Algoritma FP-Growth,” vol. 17, no. 1, pp. 1–8, 2023.

(6)

659

[8] C. Nas, “Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5,” J.

Manaj. Inform., vol. 11, no. 2, pp. 131–

145, 2021, doi:

10.34010/jamika.v11i2.5506.

[9] R. Akbar, R. Santoso, and B. Warsito,

“PREDIKSI TINGKAT TEMPERATUR

KOTA SEMARANG

MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM),” J.

Gaussian, vol. 11, no. 4, pp. 572–579,

Feb. 2023, doi:

10.14710/j.gauss.11.4.572-579.

[10] R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J.

Tek. Inform. Kaputama, vol. 3, no. 1, pp.

22–28, 2019, [Online]. Available:

https://jurnal.kaputama.ac.id/index.php/J TIK/article/view/141/156

[11] Hendra Di Kesuma, D. Apriadi, H.

Juliansa, and E. Etriyanti, “Implementasi Data Mining Prediksi Mahasiswa Baru Menggunakan Algoritma Regresi Linear Berganda,” J. Ilm. Bin. STMIK Bina Nusant. Jaya Lubuklinggau, vol. 4, no. 2,

pp. 62–66, 2022, doi:

10.52303/jb.v4i2.74.

[12] A. Luthfiarta, A. Febriyanto, H.

Lestiawan, and W. Wicaksono, “Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda,” JOINS (Journal Inf.

Syst., vol. 5, no. 1, pp. 10–17, 2020, doi:

10.33633/joins.v5i1.2760.

[13] Y. Rokhayati, N. S. Utomo, and Sartikha,

“Prediksi Kelayakan Operasional Mesin Rivet Menggunakan Regresi Linear Berganda,” J. Sustain. J. Has. Penelit. dan Ind. Terap., vol. 10, no. 1, pp. 10–15, Jun.

2021, doi:

10.31629/sustainable.v10i1.2336.

[14] I. M. Sari, A. Rinaldi, and F. G. Putra,

“PENGARUH SISA HASIL USAHA

(SHU) PADA KOPERASI

MENGGUNAKAN REGRESI LINEAR

BERGANDA,” 2020.

[15] T. Khotimah and R. Nindyasari,

“FORECASTING DENGAN METODE REGRESI LINIER PADA SISTEM PENUNJANG KEPUTUSAN UNTUK

MEMPREDIKSI JUMLAH

PENJUALAN BATIK (STUDI KASUS KUB SARWO ENDAH BATIK TULIS LASEM),” J. Mantik Penusa, vol. 2017.

[16] N. Kusumawati, F. Marisa, I. D. Wijaya, F. T. Informatika, and U. W. Malang,

“PREDIKSI KURS RUPIAH

TERHADAP DOLLAR AMERIKA

DENGAN MENGGUNAKAN

METODE REGRESI LINEAR,” J.

Infoormatika Merdeka Pasuruan, vol. 2, no. 3, pp. 45–56, 2017.

[17] M. Hakimah, R. R. Muhima, and A.

Yustina, “RANCANG BANGUN

APLIKASI PERAMALAN

PERSEDIAAN BARANG DENGAN METODE TREND PROJECTION,”

SimanteC, vol. 5, no. 1, pp. 37–48, 2015.

[18] G. N. Ayuni and D. Fitrianah, “Penerapan metode Regresi Linear untuk prediksi penjualan properti pada PT XYZ,” J.

Telemat., vol. 14, no. 2, pp. 79–86, 2019.

[19] M. Marbun, H. T. Sihotang, and M. A.

Nababan, “PERANCANGAN SISTEM

PERAMALAN JUMLAH

WISATAWAN ASING,” J. Mantik Penusa, vol. 2, no. 1, 2018.

[20] T. Indarwati, T. Irawati, and E. Rimawati,

“Penggunaan Metode Linear Regression Untuk Prediksi Penjualan Smartphone,” J.

Teknol. Inf. dan Komun., vol. 6, no. 2, pp.

2–7, 2019, doi:

10.30646/tikomsin.v6i2.369.