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 SOSIAL DAN KONTROL

LINGKUNGAN TEKNIS

GIVEN

GIVEN

PERUSAHAAN

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 ! n

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

7 X t  St n 7 X t  S t n
2

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 ( S 't  S ' 't ) bt ! 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

S t 1 ! E X t  (1  E ) 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.error-nya

4.Metode Double Exponentials Smoothing

S 't ! E . X t  (1  E ) S 't 1 S "t ! E .S 't (1  E ) 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 E bt ! ( S 't  S "t ) 1E

3.Metode Triple Exponentials Smoothing


S ' ' 't ! E .S "t (1  E ) S ' ' 't 1 at ! 3S 't 3S "t  S ' ' 't E bt ! ? 6  5E S 't (10  8E ) S "t (4  3E ) S " 't A 2 2  E 1 E ct ! ( S 't 2 S "t  S " 't ) 2 (1  E ) Ft  m ! at  bt m  0,5ct m
2 2

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

7Y ! n.a  b.7X 7XY ! a.7X  b.7X 7Y a! n 7XY b! 2 7X


2

Demand PT.GB, tahun 2001-2007 Tahun Trw.1 Trw.2 Trw.3 2001 2002 2003 2004 2005 2006 2007 20 21 15 18 25 23 25 25 24 27 26 30 27 30 35 42 40 47 45 50 56

Trw.4 30 25 43 44 40 45 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:122 satuan x = setengah tahun; a:12, b:122/2 Dirubah menjadi persamaan trend kuartalan menjadi :

Trend parabola


Y=a+bX+cX2

7Y ! n.a  c.7X 7XY ! b7X


2 2 2

7X Y ! a.7X  c.7X

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

7 log Y log a ! n 7( X . log Y ) log b ! 2 7X

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

Rata- b.kum rata

Sisa kol 8-9

Index musm

Kw I

20 21 15 18 25 23 25 25 24 27 26 30 27 30 35 42 40 47 45 50 56 30 25 43 44 40 45 39 x
Y=32,75+0,45X

Kw II Kw III Kw IV

Metode persentase trend


Kw 2001 I II III IV 2002 2003 2004 2005 2006 2007

26,68 28,48 30,28 32,08 33,88 35,68 37,48 27,13 28,93 30,73 32,53 34,33 36,13 37,93 27,58 29,38 31,18 32,98 34,78 36,58 38,38 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
2004 Kw I Kw II Kw III Kw IV 2005 KwI KwII KwIII KwIV

Trend

Indeks musim

TxM

SxR

Weighted Mov.Sum. 3 period

Indeks siklis

18 26 47 44 25 30 45 40

32,08 65,47 32,53 82,77 32,98 137,49 32,43 114,26 33,8


65,47

dlm%

1:4x100 SR1:2:

WM:4

34,33 82,77 34,78 137,49 35,23 114,26

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 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 

...  X 1n  ...  X 2 n  ...  X 3n  / ...  X mn 

C1 C2 C3 / Cn

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 

... P 1 ... 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(7XY )  (7X )(7Y ) b! 2 2 n(7X )  (7X ) 7Y 7X a! b n n

 

Standard error of estimate Penyimpangan data dari garis regresinya


2

7(Y  Y ' ) Se ! n2


2

7Y  a(7Y )  b(7XY ) Se ! n2

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

0,50

1,00

r!

n(7XY )  (7X )(7Y )

?n(7X

)  ( 7X ) n ( 7Y )  ( 7Y )

A ?

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 : V ! 0 H1 : V { 0 t! r n2 1 r
2

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(7X t  s X t )  (7X t  s )(7X t ) b! 2 2 n(7X t  s )  (7X t  s ) 7X t 7X t  s b a! n n ! X t  b X t s

Koefisien auto korelasi

r!

n7X t  s X t  (7X t  s )(7X t ) [ n7X


2 t s

 (7X t  s ) [n7X  (7X t ) ]

2 t

t!

r n2 1 r
2

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




Sales PT.Gerbang
Tahun keSales (Jt.Rp) Tahun keSales(Jt Rp)

1 2 3 4 5 6 7 8

100 124 134 112 135 113 115 143

9 10 11 12 13 14 15 -

140 114 146 137 125 154 142 -

t 2

Xt-1 100

Xt 125

(Xt)(Xt-1)

(Xt-1)2

X t2