2.

1 Riset Pemasaran dan Jenis Data

Menurut Philip Kotler, riset pemasaran adalah proses perencanaan,
pengumpulan, analisis, dan pembuatan laporan yang secara sistematis disusun
berdasarkan data yang relevan dengan suatu kondisi pemasaran. Riset pemasaran
bertujuan untuk menemukan peluang pasar dan membantu proses pengambilan
keputusan. Data dalam melakukan riset pemasaran terbagi menjadi tiga jenis, yaitu
data primer, data sekunder, dan intelijen pasar (Malhotra, 2007). Menurut Sugiyono
(2014:131), data primer adalah sumber data penelitian yang diperoleh langsung dari
sumber asli dan biasanya memakan waktu yang lama dengan biaya yg mahal namun
data yang diperoleh lebih akurat dan relevan, sedangkan data sekunder adalah
sumber data yang didapatkan peneliti secara tidak langsung melalui media perantara.
Adapun intelijen pasar adalah pengamatan pada kejadian yang terjadi pada
lingkungan pemasaran.
Data primer dapat diperoleh melalui metode kualitatif dan kuantitatif. Metode
kualitatif digunakan untuk mendapatkan pemahaman mengenai suatu masalah
dengan metode in depth interview, focus group discussion, atau qualitative
ethnographic observation. Sedangkan metode kuantitatif digunakan untuk mengukur
data dengan analisis statistika untuk menjelaskan fenomena dari suatu observasi
dengan metode survei, eksperimen, maupun observasi.
Berdasarkan sumbernya, data sekunder dibagi menjadi dua, yaitu data
internal yang diperoleh dari dalam perusahaan dan data eksternal yang diperoleh dari
luar perusahaan. Data sekunder yang telah diperoleh lalu dievaluasi kualitas dan
kecukupan datanya dengan kriteria spesifikasi/ metodologi, keakuratan, currency,
tujuan, konten data, dan dependability.

2.2 Metode Peramalan

Metode peramalan terbagi menjadi dua, yaitu metode peramalan kualitatif
yang tidak memerlukan data melainkan membutuhkan input dari orang expert dan
metode peramalan kuantitatif yang memerlukan data. Metode peramalan kuantitatif
digunakan jika terdapat data masa lalu yang dapat dikuantifikasikan dan diasumsikan
memiliki pola data yang akan berlanjut di masa depan. Metode kuantitatif terdiri dari
dua jenis, yaitu metode kausal dan deret waktu.

2.2.1 Metode kausal

Metode kausal adalah metode peramalan yang menguji hubungan sebab
akibat dari beberapa variabel dengan mengendalikan satu atau lebih variabel
independen untuk meramalkan variabel dependen. Teknik yang biasa digunakan
adalah model regresi linear majemuk dengan rumus :

Keterangan :
Y = Variabel dependen a = Konstanta
Xn = Variabel independen e = Error
bn = Koefisien regresi
2.2.2 Metode deret waktu
Metode deret waktu adalah metode yang menggunakan data masa lalu dari
beberapa tahun tertentu secara berurutan untuk meramalkan kondisi di masa yang
akan datang dengan variabel independen merupakan skala waktu. Jenis-jenis metode
deret waktu diantaranya single moving average, linear regression with time, metode
Holt-Winters, dan metode seasonally adjustment. Single moving average
menggunakan sekelompok nilai pengamatan yang dicari rata-ratanya untuk
meramalkan kejadian pada periode berikutnya dan kurang cocok untuk digunakan
pada tipe pola data trend. Rumus single moving average adalah :

dengan N adalah moving average width dan D adalah data jumlah permintaan.
Sedangkan, metode Holt-Winters digunakan untuk meramalkan data yang memiliki
pola data trend atau seasonal. Sementara, metode seasonally adjustment adalah
metode statistik untuk menghapus komponen musiman dari rangkaian deret waktu
yang menunjukkan pola musiman dengan rumus :

dengan Yt adalah nilai seri waktu pada periode t, St adalah komponen seasonal, Tt
adalah komponen trend cycle, dan Et adalah komponen irregular.
Metode deret waktu yang digunakan adalah linear regression with time.
Metode ini mengestimasi sebuah garis lurus yang memiliki intercept dan slope di
mana nilainya berubah seiring bertambahnya waktu. Pada metode ini, waktu
merupakan variabel independen. Model regresi linear yang digunakan yaitu :
a. Model regresi linear sederhana
Model ini digunakan untuk melihat hubungan antara variabel X dan Y yang
bersifat linier. Artinya, perubahan pada variabel X akan diikuti dengan perubahan
variabel Y secara tetap. Model ini digunakan untuk meramalkan pola data trend.
Untuk melihat kesesuaian prediksi, digunakan R2 untuk menyatakan persentase
total variasi Y yang dijelaskan oleh model regresi yang mengandung variabel X.

Keterangan :
D(i) = Jumlah permintaan pada periode ke-i a = intercept
n = Jumlah data pembentuk model f(t) = Hasil peramalan untuk
b = Koefisien regresi periode t

b. Model regresi eksponensial

Model ini digunakan untuk meramalkan pola data eksponensial, di mana
variabel independen X berfungsi sebagai eksponen atau pangkat.
 Keterangan :
Y = Regresi linear Y terhadap X (variabel dependen)
X = Variabel independen

Persamaan tersebut dapat dibuat menjadi fungsi persamaan linear dengan

memberi logaritma natural pada kedua ruas sehingga persamaannya menjadi :

c. Multiple linear regression

Metode ini bertujuan untuk mengetahui pengaruh dari beberapa variabel
independen terhadap variabel dependen. Bentuk umum persamaannya adalah :

Untuk i = n observasi
Yi = Variabel dependen
Xi = Variabel independen
Βo = Konstanta
βp = Koefisien regresi untuk tiap
variabel independen
ϵ = Error

2.3 Ukuran Performansi Metode Peramalan Kuantitatif

Ukuran performansi dari suatu peramalan kuantitatif dikatakan baik jika
memiliki galat minimum. Galat adalah selisih antara hasil peramalan dengan data
aktual yang dapat menunjukkan tingkat efektivitas model peramalan. Rumus
besarnya galat pada periode ke-t adalah :

Keterangan :
e(t) = Galat pada periode ke-t
Y(t) = Data aktual pada periode ke-t
Ŷ (t) = Nilai peramalan pada periode ke-t

Beberapa alternatif untuk menghitung galat antara lain :

a. Mean Absolute Deviation (MAD)
MAD merupakan rata-rata jumlah nilai absolut selisih dari tiap data dengan
nilai rata-rata.

b. Mean Squared Error (MSE)

MSE adalah rata-rata jumlah nilai kuadrat selisih dari tiap data dengan nilai
rata-rata.
 c. Mean Absolute Percent Error (MAP)
MAP adalah rata-rata absolut dari persentase galat untuk tiap periode,
dikurangi dengan nilai peramalan lalu dibagi nilai sebenarnya.

Keterangan :
Y(t) = Data aktual pada periode ke-t
Ŷ (t) = Nilai peramalan pada periode ke-t
N = Jumlah data historis

2.4 Ukuran Performansi Metode Peramalan Kualitatif

Metode yang digunakan untuk mengukur performansi dari hasil peramalan
kualitatif adalah Shewhart control chart for individual measurements. Metode ini
digunakan apabila jumlah sampel pada tiap observasi tidak lebih dari satu. Pada
control chart, data dikatakan out of control jika; satu atau lebih dari satu titik
melewati Upper Center Line (UCL) atau Lower Center Line (LCL), dua dari tiga titik
yang berurutan melintasi garis dua sigma dari satu sisi, empat dari lima titik yang
berurutan melintasi garis satu sigma dari satu sisi, delapan titik berurutan berada di
satu sisi, enam titik secara berurutan meningkat atau menurun, lima belas titik secara
berurutan berada di antara garis satu sigma, empat belas titik secara berurutan naik-
turun, delapan titik secara berurutan berada di kedua sisi tanpa ada yang di antara
garis satu sigma, ada pola nonrandom, dan satu titik atau lebih mendekati UCL atau
LCL.

2.5 Tipe Pola Data

Tipe pola data harus dipertimbangkan untuk memilih metode peramalan yang
tepat. Tipe pola data terbagi menjadi empat, yaitu :
1) Pola data horizontal : pola stasioner atau tidak memiliki trend.
2) Pola data trend : kecenderungan data naik atau turun dalam jangka panjang.
3) Pola data seasonal : adanya siklus dengan interval yang konstan,
4) Pola data cyclical : ada siklus namun intervalnya tidak konstan.

2.6 Chain Ratio

Untuk mengetahui potensi pasar dari suatu produk, digunakan metode chain
ratio. Chain ratio merupakan metode estimasi potensi pasar dengan mengalikan nilai
dasar berupa total populasi pasar dengan rantai persentase terkait yang diperoleh dari
data sekunder.