TEKNIK PROYEKSI BISNIS BAB 10 REVIEW KULIAH UMUM
TEKNIK PROYEKSI BISNIS BAB 10 REVIEW KULIAH UMUM Ardiprawiro S. E. , MMSI
TUJUAN PEMBELAJARAN Setelah mempelajari bab ini, Anda diharapkan dapat: “Mampu menjelaskan tentang materi pertemuan ke-1 sampai dengan ke -9” ardiprawiro. staff. gunadarma. ac. id
DEFINISI PERAMALAN v Terdapat beberapa definisi mengenai peramalan dalam dunia bisnis, antara lain: 1. Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan, dan pola yang sistematis. 2. Menurut Hery Prasetya dan Fitri Lukiastuti (2009: 43), peramalan merupakan suatu usaha untuk meramalkan keadaan di masa yang akan datang melalui pengujian keadaan di masa lalu. 3. Menurut Jay Heizer dan Barry Render (2006: 136), peramalan (forecasting) adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. ardiprawiro. staff. gunadarma. ac. id
FUNGSI PERAMALAN BISNIS v Dalam dunia bisnis, hasil peramalan mampu memberi gambaran tentang masa depan perusahaan, yang memungkinkan manajemen membuat perencanaan, menciptakan peluang bisnis, dan mengatur pola investasi. ardiprawiro. staff. gunadarma. ac. id
JENIS-JENIS PERAMALAN v Secara garis besar, peramalan dibedakan menjadi 2 jenis, yaitu: 1. Peramalan kualitatif, yaitu peramalan yang didasarkan pada pengamatan kejadian-kejadian di masa lalu yang digabungkan dengan intuisi atau ketajaman perasaan si peramal dalam menghadapi situasi informal yang diperkirakan terjadi di masa yang akan datang. Beberapa metode peramalan kualitatif adalah sebagai berikut: a) Metode Delphi, b) Dugaan manajemen (management testimate) atau panel consensus, c) Riset pasar (market share), d) Metode kelompok terstruktur, dan e) Analogi historis (historical analogy). ardiprawiro. staff. gunadarma. ac. id
JENIS-JENIS PERAMALAN 2. Peramalan kuantitaif, yaitu peramalan yang menggunakan data kuantitatif yang diperoleh dari pengamatan nilai-nilai sebelumnya dengan ditunjang beberapa informasi kuantitatif maupun kualitatif. Pada dasarnya metode peramalan kuantitatif dapat dibedakan atas dua bagian, yaitu: a) Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu atau “time-series” b) Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab akibat (causal method) ardiprawiro. staff. gunadarma. ac. id
LANGKAH-LANGKAH PERAMALAN BISNIS v Adapun langkah-langkah dalam peramalan bisnis, di antaranya: 1. Mengumpulkan data, 2. Menyeleksi data dan memilih data, 3. Memilih model peramalan (pilihlah model peramalan yang tepat, sehingga minim kesalahan dan hasil peramalan mendekati aktual), dan 4. Menggunakan model terpilih untuk peramalan. Bila akurasi model peramalan menurun karena terjadinya perubahan pola data, model tersebut perlu dievaluasi ulang dan bila perlu diganti. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PERENCANAAN STRATEGIS v Beberapa area di mana peramalan saat ini memainkan peran penting adalah: 1. Penjadwalan: penggunaan sumber daya yang efisien membutuhkan penjadwalan produksi, transportasi, uang tunai, personal, dan sebagainya. Ramalan tingkat permintaan untuk produk, material, tenaga kerja, pembiayaan, atau layanan merupakan masukan (input) penting untuk penjadwalan. 2. Memperoleh sumber daya: peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa depan. 3. Menentukan persyaratan sumber daya: keputusan memiliki sumber daya apa yang ingin dimiliki dalam jangka panjang tergantung pada peluang pasar, faktor lingkungan, dan pengembangan internal sumber daya keuangan, manusia, produk, dan teknologi. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PENJUALAN v Hasil peramalan lingkungan bisnis di mana perusahaan beroperasi pada umumnya mempunyai implikasi pada peramalan penjualan dan pembelian. Peran peramalan dalam penjualan dibagi menjadi dua: 1. Peramalan penjualan jangka panjang. Peramalan ini berkaitan dengan keputusan pengembangan produk baru, penambahan lini produk, keputusan untuk mengurangi jumlah produk yang dihasilkan/dipasarkan, keputusan penganggaran modal, pembukaan daerah pemasaran baru, pengambilalihan perusahaan lain, pengembangan saluran distribusi baru dan keputusan-keputusan strategis lainnya. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PENJUALAN 2. Peramalan penjualan jangka pendek. Peramalan terhadap permintaan dan penjualan perlu dibuat untuk setiap produk per daerah geografis dan konsumen. Bagian produksi akan menggunakan peramalan penjualan jangka pendek untuk melakukan perencanaan jadwal produksi, perencanaan kebutuhan bahan, perencanaan kebutuhan dan rekrutmen tenaga kerja, dan lain-lain. Atas dasar ramalan penjualan jangka pendek, bagian keuangan dan akuntansi juga akan melakukan prediksi arus kas dan tingkat di mana komposisi biaya dan pendapatan yang dipilih dapat mempertahankan likuiditas dan efisiensi operasi. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PEMBELIAN v Peran peramalan dalam pembelian dibagi menjadi: 1. Perencanaan Bisnis (Business Planning), berisi rencana pendanaan, pembiayaan dan keuangan perusahaan. 2. Perencanaan Pemasaran (Marketing Planning), berisi rencana tentang produk yang akan dibuat, penjualan, dan pemasaran. 3. Jadwal Induk Produksi (Master Production Schedule), berisi rencana produk akhir yang harus dibuat pada tiap periode selama 1 -5 tahun. 4. Perencanaan Sumber Daya (Resource Planning), berisi rencana sumber daya yang diperlukan untuk memenuhi produksi. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PEMBELIAN 5. Rencana Awal Kapasitas (Rough Cut Capacity Planning), berisi rencana untuk menentukan gambaran kasar kapasitas (sumber daya) yang diperlukan untuk memenuhi JIP. 6. Manajemen Permintaan (Demand Management), berisi rencana tentang mengantisipasi/memprediksi kebutuhan (sumber daya) di masa depan. 7. Rencana Kebutuhan Material (Material Requirement Planning), berisi rencana kebutuhan material untuk melaksanakan JIP. 8. Rencana Kebutuhan Kapasitas (Capacity Requirement Planning), berisi rencana yang dibutuhkan untuk merealisasikan JIP di tiap periode dan tiap mesin. ardiprawiro. staff. gunadarma. ac. id
PERAN PERAMALAN DALAM PEMBELIAN 9. Aktivitas Kontrol Produksi (Production Activity Control), berisi aktivitas awal-akhir suatu pekerjaan berdasarkan urutan kedatangan pekerjaan, lalu membebankan pekerjaan ke work station, dan melakukan pelaporan. 10. Pembelian (Purchasing), merupakan aktivitas memilih vendor, membuat pemesanan pembelian, dan menjadwalkan vendor. 11. Evaluasi Kinerja (Performance Measurement), berisi penilaian sistem untuk melihat seberapa jauh hasil yang diperoleh dibandingkan dengan rencana yang telah ditetapkan. ardiprawiro. staff. gunadarma. ac. id
METODE PERAMALAN v Salah satu alat yang diperlukan oleh manajemen dan merupakan bagian integral dari proses pengambilan keputusan ialah metode peramalan. v Metode peramalan digunakan untuk mengukur atau menaksir keadaan di masa datang. v Menurut Saputro dan Asri (2000), berdasarkan jenis data ramalan yang disusun, peramalan dibedakan menjadi dua yaitu: a) Peramalan Kualitatif b) Peramalan Kuantitatif ardiprawiro. staff. gunadarma. ac. id
JENIS-JENIS PERAMALAN v Berdasarkan horizon waktu, peramalan dapat dikelompokkan dalam tiga bagian yaitu: 1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18 bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan penanaman modal, perencanaan fasilitas, dan perencanaan untuk kegiatan litbang. 2. Peramalan jangka menengah, yaitu yang mencakup waktu antara 3 sampai 18 bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan produksi, dan perencanaan tenaga kerja tidak tetap. 3. Peramalan jangka pendek, yaitu untuk jangka waktu kurang dari 3 bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan pembelian material, penjadwalan kerja, dan penugasan karyawan. ardiprawiro. staff. gunadarma. ac. id
METODE SERIAL WAKTU (TIME SERIES) v Metode serial waktu (time series) adalah metode yang digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. v Tujuan analisisnya ialah untuk menemukan pola deret variabel yang bersangkutan berdasarkan atas nilai variabel pada masa sebelumnya, dan mengekstrapolasikan pola itu untuk membuat peramalan nilai variabel itu pada masa datang. v Pengolahan data kuantitatif dari serial waktu dapat dilakukan dengan beberapa metode dasar, sebagai berikut: a) Rata-rata bergerak, b) Pemulusan eksponensial, dan c) Dekomposisi. ardiprawiro. staff. gunadarma. ac. id
POLA DASAR DALAM SERIAL WAKTU v Pola dari serangkaian data dalam serial waktu dapat dikelompokkan ke dalam pola dasar sebagai berikut: 1. Horizontal (konstan), yaitu apabila data berfluktuasi di sekitar rata-rata secara stabil. 2. Kecenderungan (trend), yaitu apabila data mempunyai kecenderungan, baik yang arahnya meningkat atau menurun dari waktu ke waktu. 3. Musiman (seasonal), yaitu apabila polanya merupakan gerakan yang berulang -ulang secara teratur dalam setiap periode tertentu, misalnya tahunan, triwulanan, bulanan atau mingguan. 4. Siklus (cyclical), yaitu apabila data dipengaruhi oleh fluktuasi ekonomi jangka panjang, seperti daur hidup bisnis. 5. Residu atau variasi acak, yaitu apabila data tidak teratur sama sekali. Data yang bersifat residu tidak dapat digambarkan. ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK SEDERHANA • ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK SEDERHANA v Contoh: Periode (t) Nilai Pengamatan (Xt) 1 2 3 4 5 6 7 8 9 10 41 40 42 43 41 42 41 40 43 - Hitung peramalan menggunakan metode rata-rata bergerak sederhana dengan serial waktu 3 periode! ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK SEDERHANA v Prakiraan permintaan pada periode ke-4 dapat dihitung sebagai berikut (karena serial waktu adalah 3 periode maka perhitungan dimulai dari periode 4): F 4 = (Xt 1 + Xt 2 + Xt 3) / N = (41 + 40 + 42) / 3 = 41 v Prakiraan permintaan pada periode ke-5 dapat dihitung sebagai berikut: F 5 = (Xt 2 + Xt 3 + Xt 4) / N = (40 + 42 + 43) / 3 = 41, 7 v Prakiraan permintaan pada periode ke-5 dapat dihitung sebagai berikut: F 6 = (Xt 3 + Xt 4 + Xt 5) / N = (42 + 43 + 41) / 3 = 42 dan seterusnya. . ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK SEDERHANA Periode (t) Nilai Pengamatan (Xt) Nilai peramalan (Ft) (N = 3) 1 2 3 4 5 6 7 8 9 10 41 40 42 43 41 42 41 40 43 - 41 41, 7 42 42 41, 3 41 41, 3 ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK TERTIMBANG • ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK TERTIMBANG v Contoh: Periode (t) Nilai Pengamatan (Xt) 1 2 3 4 5 6 7 8 9 10 41 40 42 43 41 42 41 40 43 - Hitung peramalan menggunakan metode rata-rata bergerak tertimbang dengan serial waktu 3 periode! ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK TERTIMBANG v Prakiraan permintaan pada periode ke-4 dapat dihitung sebagai berikut (karena serial waktu adalah 3 periode maka perhitungan dimulai dari periode 4): F 4 = (W 1 x. Xt 1 + W 2 x. Xt 2 + W 3 x. Xt 3) / W 1 + W 2 + W 3 F 4 = (1 x 41 + 2 x 40 + 3 x 42) / 1 + 2 + 3 = 41, 7 v Prakiraan permintaan pada periode ke-5 dapat dihitung sebagai berikut: F 4 = (W 2 x. Xt 2 + W 3 x. Xt 3 + W 4 x. Xt 4) / W 2 + W 3 + W 4 F 5 = (2 x 40 + 3 x 42 + 4 x 43) / 2 + 3 + 4 = 34, 4 dan seterusnya. . ardiprawiro. staff. gunadarma. ac. id
METODE RATA-RATA BERGERAK TERTIMBANG Periode (t) Nilai Pengamatan (Xt) Nilai peramalan (Ft) (N = 3) 1 2 3 4 5 6 7 8 9 10 41 40 42 43 41 42 41 40 43 - 41, 7 34, 4 41, 9 41, 3 40, 9 41, 4 ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Model regresi linier berganda adalah suatu metode untuk meramalkan nilai pengaruh dua variabel independen atau lebih terhadap satu variabel independen. v Analisis regresi berganda bertujuan untuk mengetahui arah hubungan antara beberapa variabel independen dengan variabel dependen, apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Model probabilistik untuk regresi berganda adalah: Ŷ = a + b 1 X 1 + b 2 X 2 +. . . + bn. Xn di mana: Ŷ = Nilai output atau variabel dependen X 1 dan X 2 = Variabel independen a = konstanta b 1 dan b 2 = koefisien regresi ardiprawiro. staff. gunadarma. ac. id
METODE REGRESI BERGANDA v Untuk mencari konstanta a, koefisien regresi b 1 dan b 2, metode ini menggunakan persamaan: ΣY = an + b 1 ΣX 1 + b 2 ΣX 1 Y = a ΣX 1 + b 1 ΣX 12 + b 2 ΣX 1 X 2 ΣX 2 Y = a ΣX 2 + b 1 ΣX 1 X 2 + b 2 ΣX 22 ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA Nomor Responden Harga Saham (Y) PER (X 1) ROI (X 2) 1 23 10 7 2 3 3 15 4 2 4 17 6 4 5 23 8 6 v Hitunglah konstanta a dan koefisien regresi b 1 dan b 2? ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA Nomor Responden Harga Saham (Y) PER (X 1) ROI (X 2) X 12 X 22 Y 2 X 1 x X 2 X 1 x Y X 2 x Y 1 23 10 7 100 49 529 70 230 161 2 7 2 3 4 9 49 6 14 21 3 15 4 2 16 4 225 8 60 30 4 17 6 4 36 16 289 24 102 68 5 23 8 6 64 36 529 48 184 138 Jumlah 85 30 22 220 114 1621 156 590 418 ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Menghitung konstanta a, koefisien regresi b 1 dan b 2 adalah: ΣY = an + b 1 ΣX 1 + b 2 ΣX 2 → 85 = 5 a + 30 b 1 + 22 b 2 (1) ΣX 1 Y = a ΣX 1 + b 1 ΣX 12 + b 2 ΣX 1 X 2 → 590 = 30 a + 220 b 1 + 156 b 2 (2) ΣX 2 Y = a ΣX 2 + b 1 ΣX 1 X 2 + b 2 ΣX 22 → 418 = 22 a + 156 b 1 + 114 b 2 (3) Subtitusikan persamaan 1 dan 2: 85 = 5 a + 30 b 1 + 22 b 2 (x 6) → 510 = 30 a + 180 b 1 + 132 b 2 590 = 30 a + 220 b 1 + 156 b 2 (x 1) Maka, 510 = 30 a + 180 b 1 + 132 b 2 590 = 30 a + 220 b 1 + 156 b 2 -80 = -40 b 1 – 24 b 2 (4) ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Subtitusikan persamaan 1 dan 3: 85 = 5 a + 30 b 1 + 22 b 2 (x 22) → 1. 870 = 110 a + 660 b 1 + 484 b 2 418 = 22 a + 156 b 1 + 114 b 2 (x 5) → 2. 090 = 110 a + 780 b 1 + 570 b 2 Maka, 1. 870 = 110 a + 660 b 1 + 484 b 2 2. 090 = 110 a + 780 b 1 + 570 b 2 -220 = -120 b 1 – 86 b 2 (5) ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Subtitusikan persamaan 4 dan 5: -80 = -40 b 1 – 24 b 2 (x 3) → -240 = -120 b 1 – 72 b 2 -220 = -120 b 1 – 86 b 2 Maka, -240 = -120 b 1 – 72 b 2 -220 = -120 b 1 – 86 b 2 -20 = 14 b 2 = -20/14 = -1, 43 ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Subtitusikan b 2 ke persamaan 4: -80 = -40 b 1 – 24 b 2 -80 = -40 b 1 – 24(-1, 43) -80 = -40 b 1 + 34, 32 40 b 1 = 80 + 34, 32 40 b 1 = 114, 32/40 = 2, 858 → 2, 86 ardiprawiro. staff. gunadarma. ac. id
MODEL REGRESI BERGANDA v Subtitusikan b 1 dan b 2 ke persamaan 1: 85 = 5 a + 30 b 1 + 22 b 2 85 = 5 a + 30(2, 86) + 22(-1, 43) 85 = 5 a + 85, 8 + (-31, 46) → 85 = 5 a + 85, 8 – 31, 46 85 = 5 a + 54, 34 85 – 54, 34 = 5 a 30, 66 = 5 a a = 30, 66/5 = 6, 132 → 6, 13 v Jadi, persamaan regresi berganda adalah: Ŷ = a + b 1 X 1 + b 2 X 2 → Ŷ = 6, 13 + 2, 86 X 1 – 1, 43 X 2 ardiprawiro. staff. gunadarma. ac. id
METODE DEKOMPOSISI v Metode dekomposisi sering disebut juga sebagai analisa deret waktu (time series). v Prinsip dasar dari metode dekomposisi adalah sesuatu yang telah terjadi akan berulang kembali dengan pola yang sama. v Peramalan dengan dekomposisi adalah peramalan dengan memecah suatu pola menjadi sub pola yang menunjukkan tiap -tiap komponen deret berkala secara terpisah. v Pemisahan tersebut sering kali membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret data secara lebih baik. ardiprawiro. staff. gunadarma. ac. id
METODE DEKOMPOSISI v Metode dekomposisi mengidentifikasi empat komponen pola dasar yang terdapat dalam suatu serial data, yaitu: a) Tren, mewakili perilaku dalam jangka panjang, dapat berupa garis lurus yang menaik, menurun atau mendatar. b) Musiman, berkaitan dengan fluktuasi berkala dengan panjang yang konstan dan kedalaman yang proporsional yang dapat disebabkan oleh faktor cuaca, musim liburan, hari gajian, dan sebagainya. c) Siklus, mewakili kemajuan atau kemunduran yang disebabkan oleh kondisi perekonomian atau kondisi industri tertentu, misalnya resesi, normal, atau booming. d) Acak, berkaitan dengan fluktuasi yang tak teratur yang disebabkan oleh faktor di luar dugaan, seperti wabah, gempa bumi, dan sebagainya. ardiprawiro. staff. gunadarma. ac. id
METODE DEKOMPOSISI v Metode dekomposisi mengasumsikan bahwa suatu data terdiri atas pola dasar dan kesalahan, atau dalam bentuk matematikanya, sebagai berikut: Xt = St x Tt x Ct x R t di mana: St = komponen musiman pada periode t Tt = komponen tren pada periode t Ct = komponen siklus pada periode t Rt = komponen random (kesalahan) pada periode t ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (TREND) v Tren atau sering disebut Secular Trend adalah rata-rata perubahan dalam jangka panjang. v Ada beberapa metode yang dapat digunakan untuk membuat tren, yaitu: a) Metode kuadrat terkecil (least squares), b) Metode parabolik, dan c) Metode eksponensial. v Metode yang digunakan dalam materi ini adalah metode kuadrat terkecil (least squares). ardiprawiro. staff. gunadarma. ac. id
METODE KUADRAT TERKECIL v Pada metode ini tahun dasar berada di tengah, persamaan tren metode kuadrat terkecil adalah: Y = a + b. X v Persamaan untuk mencari konstanta a dan koefisien b adalah: ΣX = na + ΣXb ΣXY = ΣXa + ΣX 2 b di mana: a = konstanta a b = koefisien b n = jumlah data X = periode waktu ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (LEAST SQUARE) Tahun X Penjualan (Y) 2015 0 90 2016 1 97 2017 2 106 2018 3 110 2019 4 115 v Carilah persamaan analisa trennya? ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (LEAST SQUARE) Tahun X Pendapatan (Y) X 2 XY 2015 0 90 0 0 2016 1 97 2017 2 106 4 212 2018 3 110 9 330 2019 4 115 16 460 Jumlah 10 1. 160 30 1. 099 ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (LEAST SQUARE) v Menghitung konstanta a dan koefisien b adalah: ΣX = na + ΣXb → 10 = 5 a + 10 b (1) ΣXY = ΣXa + ΣX 2 b → 1. 099 = 10 a + 30 b (2) Subtitusikan persamaan 1 dan 2: 10 = 5 a + 10 b (x 2) → 20 = 10 a + 20 b 1. 099 = 10 a + 30 b Maka, 20 = 10 a + 20 b 1. 099 = 10 a + 30 b – -1. 079 = -10 b b = -1. 079/-10 = 107, 9 ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (LEAST SQUARE) v Subtitusikan b = 107, 9 ke persamaan 1: 10 = 5 a + 10 b 10 = 5 a + 10(107, 9) 10 = 5 a + 1. 079 10 – 1. 079 = 5 a -1. 069 = 5 a a = -1. 069/5 = -213, 8 v Jadi, persamaan analisa trennya adalah: Y = a + b. X = -213, 8 + 107, 9 X ardiprawiro. staff. gunadarma. ac. id
ANALISIS TREN (LEAST SQUARE) v Setelah mengetahui persamaan analisa trennya, maka nilai analisa tren periode sebesar: Y 1 = a + b. X = -213, 8 + 107, 9(0) = -213, 8 Y 2 = a + b. X = -213, 8 + 107, 9(1) = -105, 9 Y 3 = a + b. X = -213, 8 + 107, 9(2) = 2 Y 4 = a + b. X = -213, 8 + 107, 9(3) = 109, 9 Y 5 = a + b. X = -213, 8 + 107, 9(4) = 217, 8 ardiprawiro. staff. gunadarma. ac. id
METODE BOX JENKINS v Metode Box Jenkins adalah satu teknik peramalan model time series yang hanya berdasarkan perilaku masa lalu variabel yang diramal. v Metode Box Jenkins terdiri atas beberapa teknik yaitu: 1. Model Autoregresif (Autoregressive/AR) 2. Model Rata-rata Bergerak (Moving Average/MA) 3. Model Autoregresif Rata-rata Bergerak (ARMA) 4. Model Autoregresif Integrasi Rata-rata Bergerak (ARIMA) ardiprawiro. staff. gunadarma. ac. id
NOTASI METODE BOX JENKINS v Notasi metode Box Jenkins adalah: ARIMA (p, d, q) di mana: p = derajat autoregresif (AR) d = derajat perbedaan (differential/d) q = derajat rata-rata bergerak (MA) ardiprawiro. staff. gunadarma. ac. id
ASUMSI METODE BOX JENKINS v Metode Box Jenkins memiliki beberapa asumsi, antara lain: a) Data deret waktu yang akan dianalisis dan diramalkan bersifat stasioner. Secara intuitif, data dikatakan stasioner jika data tersebut berfluktuasi secara random di sekitar nilai rata-ratanya. b) Nilai rata-rata dari variabel yang diteliti berfluktuasi di sekitar nilai nol yang tetap. ardiprawiro. staff. gunadarma. ac. id
TAHAP PENERAPAN MODEL BOX JENKINS Pembentukan Model Umum dan Uji Stasioneritas Data Identifikasi Model Tentatif (Model ARIMA) Estimasi Parameter Model Tentatif Uji Diagnostik (Ketepatan Model) Tidak ardiprawiro. staff. gunadarma. ac. id Ya Gunakan Model untuk Peramalan
TAHAP IDENTIFIKASI v Pada tahap identifikasi model tentatif, terdapat beberapa langkah yang dilakukan: 1. Menentukan apakah sebuah data deret waktu bersifat stasioner (nilai rata-rata tidak bergeser sepanjang waktu). Apabila data tidak bersifat stasioner, maka konversi data harus dilakukan (agar menjadi stasioner) dengan menggunakan proses diferensial. 2. Menentukan model yang akan digunakan. Penentuan model dilakukan dengan cara membandingkan koefisien autokorelasi (ACF) dan autokorelasi parsial (PACF) dari data dengan model ARIMA untuk menentukan model yang paling sesuai. ardiprawiro. staff. gunadarma. ac. id
TAHAP ESTIMASI • ardiprawiro. staff. gunadarma. ac. id
TAHAP DIAGNOSTIK • ardiprawiro. staff. gunadarma. ac. id
TAHAP PERAMALAN v Pada tahap peramalan dengan model, terdapat beberapa langkah yang dilakukan: 1. Setelah model yang layak telah ditentukan maka selanjutnya peramalan untuk satu atau beberapa periode ke depan dapat dilakukan dengan menggunakan metode ARIMA yang telah dipilih. 2. Apabila pola dari deret waktu berubah, data yang baru dapat digunakan untuk melakukan estimasi ulang terhadap metode ARIMA atau membangun metode ARIMA yang baru. ardiprawiro. staff. gunadarma. ac. id
METODE JUDGMENTAL v Peramalan berdasarkan penilaian (judgmental forecasts) mengandalkan pada analisis input subjektif yang diperoleh dari berbagai macam sumber seperti: 1. Survei Konsumen 2. Staf Penjualan 3. Manajer dan Eksekutif 4. Pendapat Para Ahli. ardiprawiro. staff. gunadarma. ac. id
METODE JUDGMENTAL v Dalam peramalan kualitatif dikenal empat teknik yang umum dipakai, yaitu: 1. Pendapat Eksekutif, 2. Metode Delphi, 3. Gabungan Estimasi Tenaga Penjualan, dan 4. Riset Pasar. ardiprawiro. staff. gunadarma. ac. id
PENDAPAT EKSEKUTIF v Metode ini mendasarkan pada pendapat dari sekelompok eksekutif tingkat atas, yaitu pimpinan perusahaan dan manajer yang terkait dengan perencanaan bisnis misalnya manajer dari bagian pemasaran, produksi, keuangan, logistik, dan riset dan pengembangan yang duduk bersama, mendiskusikan dan memutuskan perkiraan permintaan produk pada masa datang. v Keuntungan metode ini, keputusan dibuat berdasarkan kesepakatan para eksekutif yang memiliki pengetahuan dan pengalaman serta membawa pandangan dari bagian/departemennya. ardiprawiro. staff. gunadarma. ac. id
METODE DELPHI v Metode Delphi merupakan metode yang menyelaraskan proses komunikasi suatu grup sehingga dicapai proses yang efektif dalam mendapatkan solusi masalah yang kompleks. v Pendekatan Delphi memiliki tiga grup yang berbeda yaitu: 1. Grup pembuat keputusan, bertugas mengembangkan dan menganalisis semua kuesioner, evaluasi pengumpulan data, dan merevisi kuesioner yang diperlukan. 2. Grup staf, bertugas mengontrol staf dalam pengetikan, mailing kuesioner, membagi dan proses hasil serta penjadwalan pertemuan. 3. Grup responden, bertugas mengisi kuesioner. Orang yang ahli dalam masalah dan siapa saja yang setuju untuk menjawab kuesioner. ardiprawiro. staff. gunadarma. ac. id
GABUNGAN ESTIMASI TENAGA PENJUALAN v Metode ini mendasarkan pada pendapat tenaga penjualan (sales force) yang meramalkan tingkat penjualan didaerahnya, yang kemudian digabung pada tingkat provinsi dan selanjutnya sampai ke tingkat nasional untuk mencapai peramalan menyeluruh. v Metode ini cukup banyak digunakan, karena tenaga penjualan (sales force) merupakan sumber informasi yang baik mengenai permintaan konsumen. v Kelemahan metode ini, para tenaga penjualan seringkali bersikap optimistik (menargetkan penjualan di atas kemampuan normal)sehingga terjadi overestimate, namun sebaliknya juga dapat terjadi underestimate (menargetkan penjualan rendah agar mudah mencapainya). ardiprawiro. staff. gunadarma. ac. id
RISET PASAR v Riset pasar ialah suatu pendekatan yang sistematik untuk mengetahui keinginan konsumen terhadap suatu produk atau pelayanan dengan menciptakan dan menguji hipotesis melalui pencarian data di lapangan. v Riset pasar terdiri dari beberapa proses: 1. Mendefinisikan masalah dan tujuan riset, 2. Mengembangkan rencana riset, 3. Mengumpulkan informasi, 4. Menganalisis informasi, dan 5. Mempresentasikan hasil temuan pada manajemen. ardiprawiro. staff. gunadarma. ac. id
REFERENSI v Herjanto, Eddy. 2015. Manajemen Operasi, Edisi 3, Jakarta: Grasindo. v Makridakis, S. G. , Wheelwright, S. C. , & Mc. Gee, V. E. 1983. Forecasting Methods and Applications, 2 nd Edition, Kanada: John Wiley & Sons, Inc. v Marimin. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. 2004. Jakarta: Grasindo. v Nawari. 2010. Analisis Regresi dengan MS Excel 2007 dan SPSS 17. Jakarta: Elex Media Komputindo v Pindyck, R, S. Dan D. L. Rubinfeld, 1994. Econometric Models and Economic Forecasts. Singapur: Mc. Graw-Hill ardiprawiro. staff. gunadarma. ac. id
REFERENSI v Santoso, P. B. , dan Hamdani, Muliawan. 2007. Statistika Deskriptif dalam Bidang Ekonomi dan Niaga. Jakarta: Erlangga v Subagyo, Pangestu. 2002. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE-Yogyakarta v Suyono. 2018. Analisis Regresi untuk Penelitian. Yogyakarta: Deepublish v Wardani, S. L. 2007. Teknik Proyeksi Bisnis dan Ekonomi. Yogyakarta: BPFE-UGM v Wardhono, Adhitya dkk. , 2019. Analisis Data Time Series dalam Model Makroekonomi. Jember: Pustaka Abadi. ardiprawiro. staff. gunadarma. ac. id
TERIMA KASIH
- Slides: 62