Anda di halaman 1dari 56

Teknik Proyeksi Bisnis

Forecasting= peramalan
Sesuatu yang belum terjadi
Ilmu sosial, ketidakpastian
Jumlah penduduk, PCI, Sales Volume,
konsumsi,
Dipengaruhi oleh berbagai faktor yang
sangat kompleks

Sukar diperkirakan secara tepat


Tujuan forecasting = meminimumkan
pengaruh ketidakpastian terhadap
perusahaan, dengan ukuran mean
absolute error atau mean squared error
Lingkungan sosial dapat dilihat pada
gambar berikut :

LINGKUNGAN

LINGKUNGAN
SOSIAL DAN
KONTROL

GIVEN

PERUSAHAAN

TEKNIS

GIVEN

LINGKUNGAN
EKONOMI
MAKRO

Kebutuhan konsumen atau pelanggan vs


kapasitas produksi perusahaan
Terdapat beberapa metode yang bisa
digunakan dalam sebuah peramalan
Tidak ada satu pun metode yang bisa
dikatakan paling cocok untuk suatu kasus

Forecast Dengan Smoothing


1.Metode Single Smoothing
Menghitung rata-rata dari nilai-nilai pada beberapa
tahun untuk menaksir pada suatu tahun tertentu

S t 1

X t X t 1 ... X t n 1

St+1=forecast untuk periode ke t+1

Xt= data pada periode t

n = jangka waktu moving averages

Sifat moving averages :


Bila ada data selama P periode kita baru bisa
membuat forecast untuk periode ke P+1

Semakin panjang
moving average akan
menghasilkan moving
average yang
semakin halus
Menghitung error

X t St
n

X t S t
n

Bulan ke-1 s/d ke 11


Permintaan beras di suatu daerah
20,21,19,17,22,24,18,21,20,23,22
Buat moving average 3 dan 5 bulan
Hitung error-nya
Ambil kesimpulan!

Kelemahan Moving average

Perlu data historis


Semua data diberi bobot yang sama
Tidak bisa mengikuti perubahan yang drastis
Tidak cocok untuk forecasting data yang ada
gejala trend

2.Metoda Double Moving Averages


Moving average dilakukan dua kali
Lalu mencari nilai a (konstanta)
Mencari nilai b (slope)
Menghitung forecast dengan rumus

at S 't ( S 't S ' 't )


2
bt
( S 't S ' 't )
v 1
Ft m at bt (m)

periode

demand

4 th m.av

4 th mo.av,
kol.2

Nilai a

Nilai b

forecast

3.Metode Single Exponential Smoothing

St 1 X t (1 ) St
Adalah pengembangan dari moving averages
Alpha mempunyai nilai antara 0 dan 1
Cobalah dengan menggunakan data awal
pada contoh soal single moving averages
pertama
Hitung pula mean abs.error dan mean sq.errornya

4.Metode Double Exponentials Smoothing

S 't . X t (1 ) S 't 1
S "t .S 't (1 ) S "t 1

Rumus tadi agak berbeda dengan single


smoothing di mana Xt dipakai untuk mencari St
bukan St+1

Forecast dihitung dengan

Ft m at btm
m= jangka waktu forecast ke depan

at 2 S 't S "t

bt
( S 't S "t )
1

3.Metode Triple Exponentials Smoothing


S ' ' 't .S "t (1 ) S ' ' 't 1
at 3S 't 3S "t S ' ' 't

6 5 S 't (10 8 ) S "t (4 3 ) S " 't


bt
2
21

ct
( S 't 2 S "t S " 't )
2
(1 )
2

Ft m at bt m 0,5ct m

Metoda Dekomposisi ( Times


Series )

Apa yang terjadi terjadi itu akan berulang


kembali dengan pola yang sama

1.Trend linier dengan metode least square

Persamaan trend
Y= a + bX

Y n.a b.X
XY a.X b.X
Y
a
n
XY
b
2
X

Demand PT.GB, tahun 2001-2007


Tahun
Trw.1
Trw.2
Trw.3

Trw.4

2001

20

25

35

30

2002

21

24

42

25

2003

15

27

40

43

2004

18

26

47

44

2005

25

30

45

40

2006

23

27

50

45

2007

25

30

56

38

Sales PT.NMN, Tahun 2000-2007


2000 2001 2002 2003 2004 2005 2006 2007
82

84

90

93

110

113

120

127

Merubah persamaan trend

Memindah origin
Trend rata-rata
persamaan trend tiap bulan,kuartal
Persamaan trend bulanan dan kuartalan
satuan x = satu tahun. Dirubah a:12, b:12 2
satuan x = setengah tahun; a:12, b:12 2/2
Dirubah menjadi persamaan trend kuartalan
menjadi :

Trend parabola

Y=a+bX+cX2

Y n.a c.X
XY bX

X Y a.X c.X
2

Sales PT.AEG Tahun 1997-2007


1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
751

821

865

923

1005 1103 1222 1360 1523 1602 1800

Masukkan data di atas


Tahun, Sales, X,XY,X2,X2Y,X4

Trend ini menghasilkan garis proyeksi


yang tidak lurus, melainkan melengkung
menghitung perbedaan pertama dan
perbedaan kedua data penjualan yang
ada, bila cenderung stabil, maka dapat
menggunakan proyeksi trend parabolik

Trend Eksponensial

y=abx
Log y = log a + x logb

log Y
log a
n
( X . log Y )
log b
2
X

Tahun
1999
2000
2001
2002
2003
2004
2005
2006
2007

Sales(Y) Log Y

X2

X.log Y

73
88
103
125
150
179
216
259
312

Gelombang musim

Gelombang pasang surut yang berulang kembali


dalam satu periode waktu yang tidak lebih dari
satu tahun
Permintaan produk tertentu
Dinyatakan dalam bentuk indeks, indeks musim
X=T x M x S x R
Metode rata-rata sederhana
Metode persentase terhadap trend

2001

2002

2003

2004

2005

2006

2007

Kw I

20 21 15 18 25 23 25

Kw II

25 24 27 26 30 27 30

Kw
III

35 42 40 47 45 50 56

Kw
IV

30 25 43 44 40 45 39

Y=32,75+0,45X

Rata- b.kum Sisa


rata
kol
8-9

Index
musm

Metode persentase trend


Kw 2001

2002 2003 2004 2005 2006 2007

26,68 28,48 30,28 32,08 33,88 35,68 37,48

II

27,13 28,93 30,73 32,53 34,33 36,13 37,93

III

27,58 29,38 31,18 32,98 34,78 36,58 38,38

IV

28,03 29,83 31,63 33,43 35,23 37,03 38,83

Cari persentase nilai riil


Untuk setiap tahun dan tiap kuartal
Buatlah tabulasi untuk persentase tadi
Kolom terakhir adalah median dari persentase
dalam satu tahun untuk masing-masing kuartal
Cari rata-rata median
Hitung indeks musim dengan membagi median
dengan rata-rata median

Variasi Siklis

Perubahan atau gelombang pasang surut suatu


hal yang berulang kembali dalam waktu sekitar
5-10 tahun
Menghilangkan pengaruh dari tren, variasi
musim dan variasi random
Untuk mencari indeks siklis

sales

Trend

Indeks
musim

2004
Kw I

18

32,08 65,47

Kw II

26

32,53 82,77

Kw III

47

32,98 137,49

Kw IV

44

32,43 114,26

2005
KwI

25

33,8

KwII

30

34,33 82,77

KwIII

45

34,78 137,49

KwIV

40

35,23 114,26

65,47

TxM

SxR

dlm%

1:4x100 SR1:2:

Weighted
Mov.Sum.
3 period

Indeks
siklis

WM:4

Metode Input Output

Perekonomian suatu negara , antar industri satu dengan


yang lain saling membutuhkan.
Hubungan input-output untuk membuat forecast

X i X i1 X i 2 X i 3 ... X in Ci
Xi= nilai output sektor I
Xij= hasil industri i yang dibutuhkan oleh industri j
Ci= pembelian oleh pemakai akhir

Alokasi output suatu industri yang digunakan oleh industri


lain dan konsumen akhir

Xi
X2

X 11
X 21

X 12
X 22

X 13
X 23

X3

Xn

X 31

X m1

X 32

X m2

X 33 ... X 3n C3

X m 3 ... X mn Cn

... X 1n C1
... X 2 n C2

Penggunaan input untuk menghasilkan output suatu industri

Xi
X2
X3

Xn

X 11
X 21
X 31

X m1

X 12
X 22
X 32

X m2

X 13
X 23
X 33

X m3

... P1
... P2
... P3

... Cn

Regresi Sederhana

Suatu persamaan untuk menyatakan hubungan antara


dua variabel dan memperkirakan nilai variabel tak bebas
Y berdasarkan nilai variabel bebasnya,yaitu X

Besaran atau nilai sesuatu dipengaruhi oleh suatu faktor


Besarnya pengaruh suatu variabel terhadap variabel
lainnya dalam praktek bisa bersifat linier,eksponensial,
kuadratik
Dalam regresi bersifat linier

sales

PCI

Demad
DN A

Import A

Dependent variable dan independent variable


Y=f(x)
Suatu persamaan matematis yang
mendefinisikan dua variabel
Misal hubungan antara promosi dengan tingkat
penjualan, kompensasi dengan kinerja
karyawan, dsb
Bila menggunakan diagram pencar maka akan
diperoleh garis lurus yang beraneka ragam
Setiap individu mempunyai pendapat yang
berbeda-beda

s
a
l
e
s

PCI

Untuk menghilangkan perbedaan penilaian


maka digunakan apa yang disebut dengan
kaidah kuadrat terkecil
Garis lurus dengan kesesuaian terbaik, serta
meminimalkan jumlah kuadrat deviasi vertikal
terhadap garis
Kaidah kuadrat terkecil : menentukan suatu
persamaan regresi dengan meminimumkan
jumlah kuadrat jarak vertikal antara nilai aktual Y
dan nilai prediksi Y

Y ' a bX
Y= nilai prediksi dari variabel Y berdasarkan nilai variabel
X yang dipilih
a = titik potong Y, nilai perkiraan bagi Y ketika garis regresi
memotong sumbu Y, X=0
b = kemiringan garis
X= sembarang nilai variabel bebas yang dipilih

n(XY ) (X )(Y )
b
2
2
n ( X ) ( X )
Y
X
a
b
n
n

Standard error of estimate


Penyimpangan data dari garis regresinya

(Y Y ' )
Se
n2

Y a (Y ) b(XY )
Se
n2
2

Korelasi

Analisis korelasi : Sekumpulan teknik statistik yang


digunakan untuk mengukur keeratan hubungan
(korelasi)antara dua variabel
Jumlah transaksi dan jumlah barang terjual
Diagram pencar : suatu diagram yang
menggambarkan hubungan antara dua variabel
yang diamati.
Variabel tak bebas : variabel yang diduga nilainya
Variabel bebas : variabel yang mendasari
pendugaan / variabel penduga

Karl Pearson
Keeratan hubungan antara dua gugus
variabel berskala selang atau rasio
Dilambangkan dengan : r Pearson
Koefisien korelasi produk-momen Pearson
Nilai antara -1,00 hingga +1,00
Keeratan korelasi tidak bergantung pada
arahnya

-1,00

-0,50

n ( X

0,50

1,00

n(XY ) (X )(Y )
2

) ( X ) n ( Y ) ( Y )
2

Koefisien Determinasi

Dihitung dengan mengkuadratkan koefisien


korelasi: r2
Sekian persen dari keragaman daridapat
diterangkan atau diperhitungkan oleh
keragaman variabel bebas
Spurious correlation atau korelasi palsu
Ada hubungan antar variabel, bukan karena ada
perubahan pada variabel satu menyebabkan
perubahan pada variabel yang lain

Uji signifikansi

Dalam suatu kasus, misal


seorang manajer penjualan
menggunakan sampel
salesman sebanyak 10 orang
dan menemukan adanya
korelasi sebesar A antara
jumlah transaksi dan jumlah
barang yang terjual
Mungkinkah korelasi di dalam
populasi sebenarnya sama
dengan 0?
Df: n-2, taraf sig.=5%

H0 : 0
H1 : 0
t

r n2
1 r

Auto regresi dan auto korelasi

Besar pengaruh dan hubungan nilai suatu


variabel ,antara yang telah terjadi pada suatu
periode dan yang terjadi pada periode
berikutnya
Untuk mengetahui besarnya pengaruh
digunakan auto regresi
Untuk mengetahui kuat tidaknya hubungan
diukur dengan auto korelasi

Besarnya nilai suatu


variabel tergantung pada
nilai variabel itu sendiri
yng telah terjadi
sebelumnya
Dependent variabel Xt

Independent variabel Xt-1

X t f ( X t 1 )
X t f ( X t 2 )

Persamaan auto regresi dan auto korelasi

n(X t s X t ) (X t s )(X t )
b
2
2
n ( X t s ) ( X t s )
X t
X t s
a
b
n
n
X t b X t s

Koefisien auto korelasi

r
t

nX t s X t (X t s )(X t )
[nX

2
t s

r n2
1 r

( X t s ) [ n X ( X t ) ]
2

2
t

Df: n-2
Taraf signifikansi 5%
Uji dua arah

Sales PT.Gerbang
Tahun ke-

Sales (Jt.Rp) Tahun ke-

Sales(Jt Rp)

1
2

100
124

9
10

140
114

3
4
5
6

134
112
135
113

11
12
13
14

146
137
125
154

7
8

115
143

15
-

142
-

Xt-1

Xt

100

125

(Xt)(Xt-1)

(Xt-1)2

Xt 2

Anda mungkin juga menyukai