PROYEKSI BISNIS

Dadad Zainal, S.E., M.Kom

Fakultas Ekonomi
Universitas Wiyana Mukti
PENDAHULUAN
Teknik Proyeksi Bisnis merupakan suatu
cara/pendekatan u menentukan ramalan
(perkiraan) mengenai sesuatu di masa yad
Bussiness Forecasting menjadi sangat penting
krn penyusunan suatu rencana diantarannya
disasarkan pada suatu proyeksi / forecast
Untuk mengurangi rsiko dan ketidakpastian
dimasa yad manajemen perlu melakukan
proyeksi terutama forecast mengenai penjualan
produk / jasa
Menentukan Proyeksi yg Akurat
Bgmana membuat proyeksi agar bisa
mendekati kenyataan?
-> Hasil Ramalan mendekati kenyataan
yg memiliki kesalahan (error) minimal
Ada 2 hal Pokok yg harus diperhatikan
agar ramalan menjadi akurat
1. Data Yang Relevan
2. Teknik Peramalan
3. Pemilihan Teknik Peramalan
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
Data Yang Relevan
Suatu data dapat ditinjau menurut
a. Jenisnya : Kuantitatif - > dpt dinyatakan dg angka
Kualitatif - > Tidak dapat dinyatakan dg angka
dikuantitatifkan melalui analisis presentasi dan proporsi
b. Sumbernya : Data Intern dan Data Ekstern
c. Sifatnya :
Data Diskrit : diperoleh dg cara menghitung
Data Kontinyu: memiliki nilai pada suatu interval ttt
Teknik Peramalan
Teknik Peramalan kuantitatiflebih menitikberatkan
pada pendapat (Judgment) dan intuisi manusia
pada proses peramalan.
Teknik peramalan ini dibagi menjadi dua:
Teknik Statistik: Menitikberatkan pada pola, perubahan dan faktor
gangguan yangdisebabkan oleh pengaruh random
Teknik Deterministik: Mencakup indetifikasi dan penentuan
hubungan antara variabel-2 yang mempengaruhinya
Contoh Regresi, model input outputb. Sumbernya : Data Intern dan Data
Ekstern
Peraman Bisini 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 :
Pemilihan Teknik Peramalan
Pemilihan teknik peramalan yg akan
digunakan dipengaruhi oleh 4 Aspek,
yaitu:
pola atau karakteristik data,
jangka waktu,
biaya dan
tingkat akurasi yang diinginkan.
LINGKUNGAN
SOSIAL DAN
KONTROL
(Pemerintah,
Global)
LINGKUNGAN
TEKNOLOGI
(Pemanfaatan Teknologi)
PERUSAHAAN
LINGKUNGAN
EKONOMI
MAKRO
Kondisi
Perekonomian
GIVEN
GIVEN
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
n
X X X
S
n t t t
t
1 1
1
...
+
+
+ +
=
Menghitung rata-rata dari nilai-nilai pada beberapa
tahun untuk menaksir pada suatu tahun tertentu
S
t+1
=forecast untuk periode ke t+1
X
t
= 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
( )
n
S X
n
S X
t t
t t
2
E
E
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
) (
) ' ' ' (
1
2
) ' ' ' ( '
m b a F
S S
v
b
S S S a
t t m t
t t t
t t t t
+ =

=
+ =
+
periode demand 4 th m.av 4 th mo.av,
kol.2
Nilai a Nilai b forecast
3.Metode Single Exponential Smoothing
t t t
S X S ) 1 (
1
o o + =
+
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
1
1
" ) 1 ( ' . "
' ) 1 ( . '

+ =
+ =
t t t
t t t
S S S
S X S
o o
o o
Rumus tadi agak berbeda dengan single
smoothing di mana X
t
dipakai untuk mencari S
t
bukan S
t+1
Forecast dihitung dengan
tm t m t
b a F + =
+
m= jangka waktu forecast ke depan
) " ' (
1
" ' 2
t t t
t t t
S S b
S S a

=
=
o
o
3.Metode Triple Exponentials Smoothing
( )
( ) | |
2
2
2
2
1
5 , 0
) ' " " 2 ' (
) 1 (
' " ) 3 4 ( " ) 8 10 ( ' 5 6
1 2
' ' ' " 3 ' 3
' ' ' ) 1 ( " . ' ' '
m c m b a F
S S S c
S S S b
S S S a
S S S
t t t m t
t t t t
t t t t
t t t t
t t t
+ + =
+

=
+

=
+ =
+ =
+

o
o
o o o
o
o
o o
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
2
2
. .
. .
X
XY
b
n
Y
a
X b X a XY
X b a n Y
E
E
=
E
=
E + E = E
E + = E
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+cX
2
4 2 2
2
2
. .
. .
X c X a Y X
X b XY
X c a n Y
E + E = E
E = E
E + = E
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,X
2,
X
2
Y,X
4
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=ab
x
Log y = log a + x logb
2
) log . (
log
log
log
X
Y X
b
n
Y
a
E
E
=
E
=
Tahun
Sales(Y)
Log Y X X
2
X.log Y
1999 73
2000 88
2001 103
2002 125
2003 150
2004 179
2005 216
2006 259
2007 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-
rata
b.kum
Sisa
kol
8-9
Index
musm
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
x x x
Y=32,75+0,45X
Metode persentase trend
Kw 2001 2002 2003 2004 2005 2006 2007
I 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
TxM SxR
Weighted
Mov.Sum.
3 period
Indeks
siklis
2004
Kw I
18
32,08
65,47
dlm%
1:4x100
SR1:2:
1
WM:4
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
65,47
KwII
30
34,33
82,77
KwIII
45
34,78
137,49
KwIV
40
35,23
114,26
Metode Input Output
Perekonomian suatu negara , antar industri satu dengan
yang lain saling membutuhkan.
Hubungan input-output untuk membuat forecast
i in i i i i
C X X X X X + + + + = ...
3 2 1
X
i
= nilai output sektor I
X
ij
= hasil industri i yang dibutuhkan oleh industri j
C
i
= pembelian oleh pemakai akhir
n mn m m m n
n
n
n i
C X X X X X
C X X X X X
C X X X X X
C X X X X X
+ + + + + =
+ + + + + =
+ + + + + =
+ + + + + =
...
...
...
...
3 2 1
3 3 33 32 31 3
2 2 23 22 21 2
1 1 13 12 11

Alokasi output suatu industri yang digunakan oleh industri
lain dan konsumen akhir
Penggunaan input untuk menghasilkan output suatu industri
n m m m n
i
C X X X X
P X X X X
P X X X X
P X X X X
...
...
...
...
3 2 1
3 33 32 31 3
2 23 22 21 2
1 13 12 11
+ + + =
+ + + =
+ + + =
+ + + =

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
0
sales
PCI
Demad
DN A
0
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
bX a Y + = '
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
X
b
n
Y
a
X X n
Y X XY n
b
E

E
=
E E
E E E
=
2 2
) ( ) (
) )( ( ) (
Standard error of estimate
Penyimpangan data dari garis regresinya
2
) ' (
2

E
=
n
Y Y
Se
2
) ( ) (
2

E E E
=
n
XY b Y a Y
S
e
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
0,50 1,00 -0,50
-1,00
| || |
2 2 2 2
) ( ) ( ) ( ) (
) )( ( ) (
Y Y n X X n
Y X XY n
r
E E E E
E E E
=
Koefisien Determinasi
Dihitung dengan mengkuadratkan koefisien
korelasi: r
2
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%
2
1
0
1
2
0 :
0 :
r
n r
t
H
H

=
=
=

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 X
t
Independent variabel X
t-1
) (
) (
2
1

=
=
t t
t t
X f X
X f X
Persamaan auto regresi dan auto korelasi
s t
t
s t t
s t s t
t s t t s t
X b X
n
X
b
n
X
a
X X n
X X X X n
b

=
E

E
=
E E
E E E
=
2 2
) ( ) (
) )( ( ) (
Koefisien auto korelasi
2
2 2 2 2
1
2
] ) ( [ ) ( [
) )( (
r
n r
t
X X n X X n
X X X X n
r
t t s t s t
t s t t s t

=
E E E E
E E E
=


Df: n-2
Taraf signifikansi 5%
Uji dua arah
Sales PT.Gerbang
Tahun ke- Sales (Jt.Rp) Tahun ke- Sales(Jt Rp)
1 100 9 140
2 124 10 114
3 134 11 146
4 112 12 137
5 135 13 125
6 113 14 154
7 115 15 142
8 143 - -
t X
t-1
X
t
(X
t
)(X
t-1
) (X
t-1
)
2
X
t
2
2 100 125