download

Ringkasan
Materi 6
1.
Analisis keunggulan bersaing
Elemen-elemen keunggulan bersaing :
Potensi keunggulan bersaing :
- Keahlian yang dimiliki
- Sumberdaya yang dimiliki
- Sistem Pengendalian
Posisi keunggulan
bersaing :
- Customer Value
- Biaya relatif rendah
Kinerja yang dihasilkan :
- Kepuasan
- Loyalitas
- Market share
- Profitabilitas
Keunggulan yang diperoleh dari keunggulan bersaing
a. Potensi Keunggulan pesaing
Setiap perusahaan mempunyai potensi sumber daya yang berbeda dengan
perusahaan lain. Potensi sumber daya ini meliputi keahlian yang dimiliki oleh para
manajer, karyawan, kemampuan pengelola perusahaan, fasilitas yang dimiliki, dan
sebagainya. Semakin tinggi kualitas potensi sumber daya yang dimiliki perusahaan,
semakin mudah perusahaan itu memilih dan mengimplementasikan rencana-rencana
strategisnya. Selain potensi keahlian dan sumber daya, perusahaan juga perlu
memiliki kemampuan pengendalian yang sangat baik. Kemampuan ini termasuk
kemampuan melakukan pengawasan serta kemampuan menganalisis jalannya bisnis
secara keseluruhan.
b. Posisi Keunggulan Bersaing
Posisi keunggulan bersaing dihasilkan dari kepemimpinan di bidang biaya atau
deferensiasi, sehingga pelanggan memperoleh keuntungan dari nilai yang diperoleh.
Biaya produksi yang rendah mengakibatkan perusahaan mampu menjual dengan
harga yang relatif lebih murah dibanding pesaing. Faktor yang sangat penting dalam
menentukan posisi keunggulan bersaing ini adalah menentukan kapan, dimana dan
bagaimana kita dapat bersaing.
c. Kinerja Yang Dihasilkan
Apabila semua potensi dan posisi keunggulan bersaing yang dimiliki perusahaan
digunakan secara optimal, pelanggan akan memperoleh keuntungan dari harga
produk yang relatif murah dan mendapatkan kualitas produk yang sesuai dengan
harapannya. Selanjutnya semua ini akan menghasilkan tingkat kepuasan yang
tinggi, loyalitas yang tinggi, market share yang semakin luas dan tingkat
profitabilitas tinggi kepada perusahaan.
2.
Analisis Strategi Pemasaran
Tujuan utama analisis strategi pemasaran adalah untuk mengetahui dukungan apa
saja yang diperlukan agar pelanggan potensial mau membeli produk yang
ditawarkan. Strategi pemasaran yang dibuat harus mempertimbangkan besarnya
permintaan pasar serta kondisi persaingan yang ada pada masing-masing segmen
pasar yang akan ditargetkan. Kondisi persaingan dan besarnya permintaan ini selalu
berubah situasinya. Karena itu strategi pemasaran juga harus selalu dievaluasi
secara terus-menerus dan periodik.
2.1 Cakupan Analisis Pelanggan
a. Segmentasi
Segmentasi dapat juga diartikan sebagai identifikasi kelompok-kelompok pelanggan
yang memberikan respon yang berbeda dibandingkan dengan kelompok pelanggan
yang lain. Strategi segmentasi yang berhasil sangat membutuhkan konsep yang
jelas, serta evaluasi faktor-faktor keunggulan bersaing yang ditawarkan.
b. Cara Menentukan Segmentasi
Menurut Bonoma, cara melakukan segmentasi yang tepat adalah dengan membuat
segmentasi secara makro terlebih dahulu, kemudian secara mikro. Penentuan
segmentasi harus memenuhi syarat: dapat diukur dengan jelas besarannya sehingga
dapat diimplementasikan sesuai dengan potensi sumber daya yang dimiliki oleh
perusahaan secara keseluruhan. Dibawah ini adalah pertimbangan-pertimbangan
dalam menentukan segmentasi
Berdasarkan Karakteristik
Pelanggan
a.
b.
c.
d.
e.
f.
g.
Wilayah Geografis
Jenis Usaha
Ukuran Usaha
Jenis Kelamin
Usia
Pekerjaan
Pendapatan
Berdasarkan Psikografi
Gaya hidup
Keterangan
Wilayah perkotaan atau pedesaan
Manufaktur, Bank, Retailer, Restoran
Skala besar, menengah atau kecil
Wanita atau Pria
Balita, anak-anak atau orang dewasa
Dokter, bankir, dosen
<Rp. 1 juta, Rp. 1 - 5 juta, Rp. 5 juta
Keterangan
Sederhana, mewah
Berdasarkan Perilaku
a.
b.
c.
d.
e.
f.
Status pemakai
Pertimbangan tertentu
Sensitivitas harga
Kesiapan
Tingkat pemakaian
Loyalitas
Keterangan
Bukan pemakai, pemakai, bekas pemakai
Rendah kalori, kenyamanan, praktis
Elastis, tidak elastis
Tidak tahu, tertarik, mau membeli
Sedikit, kadang-kadang, sering sekali
Loyal, gampang berpindah merek
c. Targeting
Targeting adalah menentukan segmen pasar mana yang ingin kita tuju. Strategi
untuk menentukan targeting adalah :
1. Undifferentiated Marketing
Pada pasar yang tidak dapat dibedakan (undifferentiated), perusahaan melakukan
strategi yang sama untuk seluruh pasar. Produk yang dihasilkan cenderung bersifat
massal, promosi secara besar-besaran dan perusahaan memperoleh keuntungan
skala ekonomis.
2. Differentiated Marketing
Strategi yang dilakukan pada pasar yang berbeda-beda (differentiated) adalah
sangat spesifikasi, tergantung pada segmen pasar yang akan dilayani. Konsekuensi
dari strategi tersebut adalah masalah biaya tinggi serta harus mengeluarkan biaya
promosi yang sangat spesifik dan biaya penelitian dan pengembangan yang sangat
besar.
3. Concentrated Marketing
Strategi ini diterapkan apabila perusahaan ingin berfokus pada pasar yang relatif
sempit, tetapi memiliki potensi pasar yang sangat luas. Strategi terpusat ini sangat
bermanfaat apabila sumber daya yang dimiliki perusahaan sangat terbatas, dan
perusahaan hendak memperkenalkan produk baru.
d. Positioning
Positioning atau penempatan produk adalah suatu cara untuk menempatkan produk
sehingga tertanam dalam benak pelanggan. Produk yang ingin ditempatkan tersebut
tidak berupa produk fisik, tetapi sifatnya lebih perseptif, sehingga alam pikiran
pelanggan terisi oleh produk yang ditawarkan. Cara menentukan penempatan
produk adalah melalui berbagai tahap analisis, yaitu:
1. Menentukan persepsi konsumen terhadap suatu produk.
2. Menentukan attribut yang terdapat pada produk tersebut.
3. Mengambil sampel dari beberapa konsumen mengenai persepsi
masing-masing produk berikut attributnya.
4. Menganalisis intensitas posisi produk tersebut di benak konsumen.
5. Menentukan lokasi produk yang di analisis diantara produk-produk
lainnya.
6. Menentukan preferansi konsumen terhadap attribut yang paling
menentukan.
7. Menguji kesesuaian antara preferensi dari market segment dengan
posisi produk saat ini.
8. Menentukan strategi positioning atau repositioning yang tepat.
Dalam membuat penempatan produk, perusahaan sebaiknya tidak melakukan
penipuan atau membodohi konsumen. Syarat utama agar strategi penempatan
produk berhasil adalah: penempatan produk harus sesuai dengan manfaat yang
ingin diperoleh konsumen; penempatan produk harus sesuai dengan kualitas dan
penampilan produk.
2.2 Pemilihan Strategi
Beberapa kriteria umum yang harus diperhatikan dalam merumuskan strategi
pemasaran :
a. Keunggulan Diferensial
Keunggulan tersebut biasanya merupakan perpaduan antara kekuatan internal dan
peluang eksternal yang akan menghasilkan kemampuan.
b. Tahan Lama
Perusahaan hendaknya memilih strategi di mana pesaing hanya dapat bereaksi
secara lambat, sementara perusahaan tetap memperoleh keuntungan.
c. Waktu yang tepat dan ideal
Kecepatan dan ketepatan perusahaan dalam mengantipasi peluang atau permintaan
yang ada sangatlah menentukan.
d. Dapat Dilaksanakan
Strategi pemasaran merupakan suatu ide besar, tetapi perusahaan mungkin
kekurangan dalam hal semangat usaha, kemauan menerima resiko, kesabaran,
keuletan, kemampuan lain teknis atau sifat lain yang dibutuhkan untuk
melaksanakan strategi.
e. Dapat Menghasilkan Keuntungan
Perusahaan harus mempertimbangkan perlunya dukungan sumber daya lain yang
dimiliki perusahaan, terutama sumber daya keuangan.
3.
Forecasting/ Peramalan
Peramalan merupakan alat yang sangat penting untuk membuat estimasi berapa
besarnya permintaan. Ada dua pendekatan dalam peramalan, yaitu: analisis
kualitatif dan kuantitatif. Analisis kualitatif menggunakan pendekatan bersifat
subjektif yang berhubungan dengan pengambilan keputusan, misalnya emosi,
pengalaman pribadi, sistem nilai yang dianut. Analisis kuantitatif menggunakan
pendekatan model matematik dengan menggunakan data yang bersifat historis dan
kausal
3.1 Prosedur Peramalan
Prosedur peramalan permintaan yang dilakukan dalam studi kelayakan melalui
tahapan sebagai berikut :
a. Analisa ekonomi.
b. Analisa industri
c. Analisa penjualan masa lalu.
d. Analisa peramalan permintaan.
e. Pengawasan hasil peramalan.
3.2 Metode Kualitatif
Secara umum ada empat pendekatan yang biasa dipakai dalam metode peramalan
kualitatif, yaitu:
a. Pendapat para eksekutif
Metode ini menggunakan pendapat kelompok kecil para eksekutif untuk
mengestimasi besarnya permintaan.
b. Gabungan beberapa tenaga penjual
Metode ini merupakan gabungan pendapat beberapa orang tenaga penjual dalam
menentukan besarnya permintaan di wilayah mereka masing-masing, hasilnya
kemudian digabung untuk menentukan jumlah peramalan secara keseluruhan.
c. Metode Delphi
Metode ini menggunakan proses interaktif dengan melibatkan para eksekutif yang
ditempatkan di beberapa tempat yang berbeda untuk membuat peramalan.
d. Riset pasar
Metode ini menggunakan masukan yang diperoleh dari pelanggan, sesuai dengan
rencana pembelian pelanggan di masa mendatang. Informasi yang didapat tidak
hanya bermanfaat untuk peramalan tetapi juga perbaikan produk dan
pengembangan produk.
3.3 Metode Kuantitatif
1. Dekomposisi
Metode ini menggunakan data yang bersifat time series. Sifat data timer series
memiliki empat komponen, yaitu:
a. Trend(T). Kecenderungan naik turunnya data sepanjang tahun.
b. Seasonality(S). Pola berulang yang sering terjadi pada suatu periode. Seperti
berulang setelah bulanan atau mingguan. Umumnya disebabkan faktor musiman
c. Cycles(C). pola yang terjadi pada data tersebut yang selalu berulang setelah
beberapa tahun. Umumnya disebabkan oleh perubahan ekonomi suatu negara.
d. Random variations(R). Variasi yang terjadi secara acak. Umumnya terjadi
dalam kondisi tidak menentu dan tidak punya pola jelas.
Pola umum untuk mengamati data yang bersifat time series ini adalah:
Demand = T x S x C x R
2. Moving Average
Bermanfaat apabila demand cenderung stabil sepanjang waktu. Rumus:
∑ demand pada periode n
Moving average = ——————————–
n
Contoh:
Berikut ini adalah contoh penjualan pada supermarket Minikuper selama satu tahun
lalu. Kita ingin mengetahui nilai penjualan bulan depan tahun yang akan datang.
Tabel Aktual Penjualan Tahun Lalu dan 3 MA
Aktual penjualan
tahun lalu
15
12
14
13
14
16
21
22
24
25
18
19
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
3 Moving Average
Hasil 3 MA
(15 + 12 + 14)/3
(12 + 14 + 13)/3
(14 + 13 + 14)/3
(13 + 14 + 16)/3
(14 + 16 + 21)/3
(16 + 21 + 22)/3
(21 + 22 + 24)/3
(22 + 24 + 25)/3
(24 + 25 + 18)/3
(25 + 18 + 19)/3
13,67
13,00
13,67
14,33
17,00
19,67
22,33
23,67
22,33
20,67
3. Trend Linear
Digunakan jika data masa lalu yang tersedia cenderung garis lurus.
Y = a + bX
Koefisien a dan b dapat diperoleh dengan:
a = ΣY : n
b = ΣXY : ΣX2
Jika ΣX = 0
Dimana,
Y
X
n
= Variabel permintaan
= Varibel tahun
= Jumlah data
4. Trend Kuadratik
Digunakan jika data masa lalu yang tersedia cenderung parabola.
Y = a + bX + cX
Koefisien a, b, c dapat diperoleh dengan:
a = (ΣY - c ΣX2) : n
b = ΣXY : ΣX2
c = {n ΣX2Y – (ΣX2) (ΣY)} : {n ΣX4 – (ΣX2)2}
Jika ΣX = 0
Contoh:
Data penjualan tersedia tahun 1957-1965 dan penyelesaian dari data tersebut adalah
sebagai berikut.
Tahun
(1)
1957
1958
1959
1960
1961
1962
1963
1964
1965
9
X
(2)
-4
-3
-2
-1
0
1
2
3
4
0
Y
(3)
3.8
3.9
4.2
4.3
4.4
4.7
5.2
5.8
6.4
42.7
X2
(4)
16
9
4
1
0
1
4
9
16
60
XY
(5)
-15.2
-11.7
-8.4
-4.3
0
4.7
10.4
17.4
25.6
18.5
X2Y
(6)
60.8
35.1
16.8
4.3
0
4.7
20.8
52.2
102.4
297.1
X4
(7)
256
81
16
1
0
1
16
81
256
708
Y4
(8)
3.898
3.914
4.02
4.207
4.475
4.824
5.253
5.764
6.355
42.71
Perhitungan koefisien a, b, dan c adalah:
b = 18,5 : 60 = 0,3083
c = {9(297,1) – (60)(42,7)} : {9(708)-(60)2}
= 0,0404
a = {42,7-(0,0404)(60)} : 9
= 4,475
Sehingga fungsi persamaannya adalah:
Y1 = 4,475 + 0,3083X + 0,0404X2
Jika dilakukan peramalan untuk tahun 1966, maka dapat dilakukan dengan
mengganti variabel X dengan angka 5 dan seterusnya, yakni:
Y1966 = 4,475 + 0,3083(5) + 0,0404(5)2 = 7,0265
Demikian pula peramalan untuk tahun-tahun berikutnya.
5. Moving Trend Simpel Eksponensial
Digunakan jika data masa lalu yang tersedia cenderung naik turun dengan
perbedaan yang tidak terlalu banyak, tetapi secara keseluruhan naik.
Fungsi persamaan dari metode ini:
Y1 = abx
Yang dapat diubah dalam fungsi logaritma:
log Y1 = log a + (log b)X
Jika ΣX = 0, maka koefisien a dan b dapat dicari dengan:
log a = (Σlog Y) : n
log b = {ΣX (log Y)} : ΣX2
Contoh:
Tahun
(1)
1356
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
13
X
(2)
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
0
Y
(3)
7,5
8,3
8,8
9,5
10,2
10,8
11,4
12,2
13,3
14,7
15,9
17,2
18,4
158,2
X2
(4)
36
25
16
9
4
1
0
1
4
9
16
25
36
182
Log Y
(5)
0,8751
0,9191
0,9445
0,9777
1,0186
1,0334
1,0569
1,0864
1,1239
1,1673
1,2014
1,2355
1,2648
13,8946
X (Log Y)
(6)
-5,2506
-4,5955
-3,7780
-2,9331
-2,0172
-1,0334
0
1,0864
2,2478
3,5019
4,8056
6,1775
7,5888
5,8002
Log Y1
(7)
0,87758
0,90945
0,94132
0,97319
1,00506
1,03930
1,06880
1,10067
1,13254
1,16441
1,19628
1,22815
1,26002
-
Y1
(8)
7,5
8,1
8,7
9,4
10,1
10,9
11,7
12,6
13,6
14,6
15,7
16,9
18,2
158,0
Perhitungan koefisien log a dan log b adalah:
log a = 13,8946 : 13 = 1,0688
log b = 5,8002 : 182 = 0,03187
Sehingga fungsi persamaannya adalah:
log Y1 = 1,0688 + 0,03187X
Jika dilakukan peramalan untuk tahun 1969, maka dapat dilakukan dengan
mengganti variabel X dengan angka 7 dan seterusnya, dan dilakukan antilog dari
hasil perhitungannya, yaitu:
Y1969 = 1,0688 + 0,03187(7) = 1,29189
Antilog dari 1,29189 adalah 19,583486
Demikian pula peramalan untuk tahun-tahun berikutnya.
6. Exponensial Smoothing
Ft = Ft-1 + α (At-1 – Ft-1)
Dimana, Ft
Ft-1
At-1
α
= Forecast yang baru
= Forecast yang lalu
= Actual demand periode yang lalu
= konstanta yang nilainya 0 sampai 1
Contoh:
Pada bulan Maret, PT. TPN memprediksikan di bulan April penjualan mobil akan
sebesar 154 unit. Aktual penjualan yang terjadi pada April adalah 163 unit. Dengan
menggunakan smoothing constant α = 0,20, kita dapat mengetahui besar penjualan
di bulan Mei.
Forecast April = 154 + 0,2 (163-154)
= 155,8
Untuk memperoleh forecasting yang akurat, kita dapat membandingkan nilai
forecasting dengan nilai aktual yang terjadi. Semakin kecil perbedaan nilai
forecasting dengan aktual, berarti tingkat kesalahannya semakin kecil dan metode
forecasting tersebut relatif baik. Tingkat kesalahan dapat dihitung melalui:
Forecast error = Demand - Forecast
Ukuran untuk mengetahui tingkat kesalahan forecasting, yaitu MAD(mean absolute
demand):
∑ │ Forecast error│
MAD = —————————
n
Contoh:
PT. TPN ingin memperdiksi total penjualan bulan Januari tahun depan. Data
penjualan bulan Januari hingga Desember adalah sebagai berikut:
Aktual
Aktual
Bulan
Bulan
penjualan
penjualan
178
190
Januari
Juli
172
192
Februari
Agustus
168
174
192
201
Maret
April
Mei
Juni
194
190
200
210
September
Oktober
November
Desember
Pemecahan:
Perhitungan Forecasting dengan α = 0,1 dan α = 0,4
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
?
?
Actual
Sales
178
172
168
174
192
201
190
192
194
190
200
210
Forecast
170
171
171
171
171
173
176
177
179
180
181
183
186
167
Forecast
α = 0,1
171
171
171
171
173
176
177
179
180
181
183
186
167
Forecast
Forecast
α = 0,4
170
173
173
171
172
180
188
189
190
192
191
195
201
120
173
173
171
172
180
188
189
190
192
191
195
201
120
Setelah memperoleh nilai forecasting dengan asumsi α = 0,1 dan α = 0,4, maka
dapat dihitung nilai absolute deviation untuk masing-masing asumsi diatas.
Perhitungan Absolute Deviation dengan α = 0,1 dan α = 0,4
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Actual
Sales
178
172
168
174
192
201
190
192
194
190
200
210
Forecast
α = 0,1
Absolute
deviation
Forecast
α = 0,4
Absolute
deviation
171
171
170
170
172
175
177
178
180
181
183
1
11
4
22
29
15
15
16
10
19
27
169
173
173
168
170
179
188
189
190
192
191
195
1
13
6
22
22
2
3
4
2
9
15
99
MAD dengan α = 0,1 adalah 169 : 11 = 15,36
MAD dengan α = 0,4 adalah 99 : 11 = 9,0
Karena MAD α = 0,4 memiliki nilai lebih kecil dari MAD α = 0,1, maka hasil
terbaik adalah dengan menggunakan asumsi α = 0,4.
7. Trend Projection
Metode ini digunakan dengan mempertimbangkan hubungan sebab akibat variabelvariabel yang paling memperngaruhi. Variabel yang mempengaruhi disebut variabel
independent(Xi), yang dipengaruhi disebut variabel dependent(Y). Persamaannya
adalah sebagai berikut :
Y = a + bX
Dimana
Y
a
b
X
= variabel dependen
= koefisien intercept
= koefisien slope atau kemiringan garis regresi
= variabel independen
Koefisien kemiringan slope b dapat dihitung dengan rumus :
n ∑ XY – (∑X)( ∑Y)
b = —————————
n (∑X2) - ( ∑Y) 2
Dimana
∑
n
b
X
Y
= tanda penjumlahan
= jumlah sampel
= koefisien slope
= nilai dari variabel independen
= nilai dari variabel dependen
Setelah koefisien b diperoleh, selanjutnya dapat dihitung koefisien a berdasarkan
rumus :
a = Y – bX atau
∑ Y – b∑X
a = —————–
n
Contoh:
Bulan
Periode Waktu
Actual Sales
X2
XY
(X)
1
Januari
2
Februari
3
Maret
4
April
5
Mei
6
Juni
7
Juli
8
Agustus
9
September
10
Oktober
11
November
12
Desember
78
n ∑ XY – (∑X)( ∑Y)
b = —————————
n (∑X2) - ( ∑Y) 2
(Y)
178
172
168
174
192
201
190
192
194
190
200
210
2261
1
4
9
16
25
36
49
64
81
100
121
144
650
∑ Y – b∑X
a = ——————
n
12(15120) - (78)(2261)
b = —————————–
12(650) - ( 78) 2
2261 - 2,9615(78)
a = ———————––
12(650) - ( 78) 2
b = 2,9615
a = 169,17
178
344
504
696
960
1206
1330
1536
1746
1900
2200
2520
15120
Persamaan garis regresinya adalah : 169,17 + 2,9615X
8. Linear Regression
Prinsipnya sama seperti trend projections. Bedanya ada pada variabel independen,
yaitu bukan berupa waktu melainkan suatu variabel yang diperkirakan akan
mempengaruhi variabel dependen(Y).
Y = a + bX
Dimana
Y
a
b
X
= variabel dependen
= koefisien intercept
= koefisien slope atau kemiringan garis regresi
= variabel independen
Koefisien kemiringan slope b dapat dihitung dengan rumus :
n ∑ XY – (∑X)( ∑Y)
b = —————————
n (∑X2) - ( ∑Y) 2
Dimana
∑
n
b
X
Y
= tanda penjumlahan
= jumlah sampel
= koefisien slope
= nilai dari variabel independen
= nilai dari variabel dependen
Setelah koefisien b diperoleh, selanjutnya dapat dihitung koefisien a berdasarkan
rumus :
a = Y – bX atau
∑ Y – b∑X
a = —————–
n
3.4 Pengawasan Peramalan
Patokan berikut ini dapat digunakan untuk melakukan pengawasan peramalan,
yakni:
a. Kesalahan Absolut Rata-rata(Average Absolute Error)
Yakni rata-rata selisih absolut antara nilai peramalan dengan nilai senyatanya.
Secara formula adalah sebagai berikut:
∑ │Y – Y´│
AAE = ——————
n
AAE
Y
Y´
n
││
= Average absolute error
= Data riil
= Data peramalan
= Banyaknya waktu data peramalan
= Harga mutlak
b. Kesalahan Kuadrat Mean Akar (Root Mean Squared Error)
∑ (Y – Y´) 2
RMSE = √ —————
n
RMSE = Root mean squared error
Y
Y´
n
= Data riil
= Data peramalan
= Banyaknya waktu data peramalan
c. Dapat juga digunakan test korelasi dengan rumus sebagai berikut
∑ (Y – Y´) 2
r = √ 1- –––––––_–––
∑ (Y – Y) 2
r
Y
Y´
Y
= koefisen korelasi
= Data riil
= Data peramalan
= Means data riil
d. Dengan cara control limit, yakni ditentukan batas atas dan batas bawah
∑ marginal (Y – Y´)
(D of F) R = ————————
n-1
Jika misalnya digunakan 3standar deviasi, maka:
Upper control limit = 2,66 x (D of F) R
Lower control limit = -2,66 x (D of F) R
Range +2,66 x (D of F) R sampai -2,66 x (D of F) R
(D of F) R
Y
Y´
n
= Degree of Freedom
= Nilai riil
= Nilai peramalan
= Banyaknya waktu data peramalan
Selesai

Download Report