MNC018 – STUDI KELAYAKAN BISNIS – MODUL-SESI 04

BAB - III

ASPEK PASAR DAN PEMASARAN (LANJUTAN)

Disusun oleh:

Sunu Puguh H. T., S.T., M.M.

SEKOLAH TINGGI ILMU EKONOMI INDONESIA MEMBANGUN

(STIE INABA)
BANDUNG
2020
 A. Pengertian Peramalan

Peramalan merupakan pengetahuan dan seni untuk memperkirakan

apa yang akan terjadi di masa yang akan datang pada saat sekarang. Dalam
melakukan peramalan, peramal harus mencari data dan informasi masa lalu.
Data dan informasi masa lalu merupakan perilaku yang terjadi di masa lalu
dengan berbagai kondisi saat itu.

Kondisi yang menyebabkan perilaku data dan informasi tersebut bias

dijadikan acuan bagi kondisi sekarang dan di masa yang akan datang. Dalam
melakukan peramalan kondisi ini dapat dijadikan alat untuk melakukan
peramalan, apa yang mungkin akan terjadi di masa mendatang dengan
asumsi-asumsi tertentu. Hal ini perlu dilakukan menginat di masa yang akan
datang penuh dengan ketidakpastian.

Dalam praktiknya ada beberapa jenis peramalan, hal ini tergantung

dari sudut mana kita memandangnya. Jenis-jenis peramalan diantaranya:

1. Jika dilihat dari segi penyusunnya:

a. Peramalan subjektif merupakan peramalan yang didasarkan atas
dasar perasaan atau feeling dari seseorang yang menyusunnya.
Dalam hal ini, pandangan dan pengalaman masa lalu dari orang
yang menyusun sangat menentukan hasil ramalan.
b. Peramalan objektif merupakan permalan yang didasarkan atas
data dan informasi yang ada, kemudian dianalisis dengan
menggunakan teknik atau metodi tertentu. Data yang digunakan
biasanya data masa lalu untuk beberapa periode.
2. Dilihat dari segi sifat ramalan:
a. Peramalan kualitatif merupakan peramalan yang didasarkan
atas data kualitatif dan biasanya peramalan ini didasarkan
kepada hasil penyelidikan

1
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 b. Peramalan kuantitatif merupakan peramalan yang didasarkan
atas data kuantitatif masa lalu (dalam bentuk angka-angka)
3. Dilihat dari segi jangka waktu:
a. Peramalan jangka pendek merupakan peramalan yang
didasarkan pada waktu kurang dari satu tahun
b. Peramalan jangka menengah merupakan peramalan yang
didasarkan pada rentang waktu satu sampai tiga tahun
c. Peramalan jangka panjang merupakan peramalan yang
didasarkan pada kurun waktu lebih dari tiga tahun.

Selanjutnya untuk meramal permintaan yang akan datang terdiri dari

berbagai cara. Masing-masing cara memiliki kelebihan tersendiri. Dalam
praktiknya, untuk melakukan peramalan permintaan di masa yang akan
datang dapat dilakukan dengan cara sebagai berikut:

- Survey niat pembeli

- Gabungan pendapat tenaga penjual
- Pendapat ahli
- Metode tes pasar analisis deret waktu
- Analisis permintaan secara statistic

Adapun penyusunan ramalan dapat dilakukan atas dasar, antara lain:

- Apa kata orang, penelitian atas pendapat pembeli, tenaga penjual

dan pendapat para ahli
- Apa yang dilakukan orang, uji pasar, dan tanggapan pembeli
- Apa yang telah dilakukan orang, perilaku pembeli di masa lalu,
dengan deret waktu atau analisis regresi
B. Langkah-langkah peramalan

Agar peramalan dapat memberikan hasil yang memuaskan, maka

haruslah mengikuti prosedur atau langkah-langkah yang telah ditetapkan

2
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
dalam permalan. Dengan mengikuti setiap langkah yang telah ditetapkan
paling tidak dapat menghindari kesalahan yang tidak perlu, sehingga hasil
ramalan tidak perlu diragukan. Secara umum, langkah-langkah yang
dilakukan dalam peramalan sebagai berikut:

1. Mengumpulkan data
Pengumpulan data merupakan langkah awal yang harus dilakukan. Data
yang dikumpulkan merupakan data masa lalu (lampau). Hendaknya data
yang dikumpulkan selengkap mungkin untuk beberapa periode.
Pengumpulan data dapat dilakukan dengan pengumpulan data sekunder
dan data primer. Pengumpulan data sekunder maksudnya data yang
diperoleh dari berbagai sumber seperti perpustakaan, majalah, serta
laporan lainnya. Adapun data primer diperoleh dari lapangan, serta laporan
lainnya. Adapun data primer diperoleh dari lapangan dengan metode
observasi, wawancara, atau dengan menyebarkan kuesioner.
2. Mengolah data
Data yang telah terkumpul kemudian dibuat tabulasi data. Dengan
demikian, akan diketahui pola data yang dimiliki dan memudahkan kita
untuk melakukan peramalan melalui metode peramalan yang ada.
3. Menentukan metode peramalan
Setelah data ditabulasi barulah kita menentukan metode peramalan yang
cocok untuk data tersebut. Terdapat banyak metode peramalan. Masing-
masing metode akan memberikan hasil yang berbeda. Peramalan yang
diinginkan adalah dengan menggunakan metode yang paling tepat. Artinya
hasil yang akan diperoleh tidak akan jauh berbeda dengan kenyataannya
atau metode yang akan memberikan penyimpangan
terkecil. Pemilihan metode peramalan adalah dengan
mempertimbangkan faktor horizon waktu, pola data, jenis peramalan,
faktor biaya, ketepatan, dan kemudahan penggunaanya.

3
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
4. Memproyeksikan data
Seperti diketahui bahwa akan ada perubahan di masa yang akan
datang seperti perubahan ekonomi, politik, sosial atau perubahan
kemasyarakatan lainnya. Perubahan ini akan berakibat tidak tepatnya
hasil peramalan. Agar kita dapat meminimalkan penyimpangan
terhadap perubahan, maka perlu dilakukan proyeksi data dengan
pertimbangan faktor perubahan tersebut untuk beberpa periode.
5. Mengambil keputusan
Hasil peramalan yang telah dilakukan digunakan untuk mengambil
keputusan untuk membuat berbagai perencanaan seperti perencanaan
produksi, keuangan, penjualan, dan perencanaan lainnya, baik untuk
perencanaan jangka pendek maupun perencanaan jangka panjang.

Gambar 1. Langkah-langkah Peramalan

4
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 C. Jenis-jenis metode peramalan

Untuk melakukan peramalan diperlukan metode tertentu dan metode

mana yang digunakan tergantung dari data dan informasi yang akan diramal
serta tujuan yang hendak dicapai. Dalam praktiknya terdapat berbagai
metode peramalan antara lain:

1. Deret waktu (time series)

Analisis time series merupakan hubungan antara variable yang
dicari (independent) dengan variable yang memengaruhinya
(dependent), yang dikaitkan dengan waktu seperti mingguan,
bulan, triwulan, caturwulan, semester, atau tahun. Dalam analsiis
time series yang menjadi variable yang dicari adalah waktu.
Metode peramalan ini terdiri dari:
a. Metode Smoothing, merupakan jenis peramalan jangka pendek
seperti perencanaan persediaan, perencanaan keuangan. Data
yang harus tersedia paling sedikit dua tahun. Metode ini tidak
cocok untuk peramalan jangka panjang. Tujuan penggunaan
metode ini adalah untuk mengurangi ketidakteraturan data masa
lampau seperti musiman. Caranya dengan membuat rata-rata
b. Metode Box Jenkins, metode ini merupakan deret waktu
dengan menggunakan model matematis dan digunakan untuk
peramalan jangka pendek. Data yang digunakan untuk
melakukan peramalan dengan metode ini dibutuhkan data
minimal dua tahun. Kegunaan metode ini untuk perencanaan
anggaran atau produksi.
c. Metode proyeksi tren dengan regresi, merupakan metode yang
digunakan baik untuk jangka pendek maupun jangka panjang.
Metode ini merupakan garis tren untuk persamaan matematis.
Metode ini menggunakan data minimal dua tahun dan semakin

5
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 banyak semakin baik. Biasanya metode ini digunakan untuk
produk baru atau rencana ekspansi
2. Sebab-akibat (causal methods)
Merupakan metode peramalan yang didasarkan kepada hubungan
antara variable yang diperkirakan dan variable lain yang
mempengaruhinya tetapi bukan waktu. Dalam praktiknya jenis
metode peramalan ini terdiri dari:
a. Metode regresi dan korelasi merupakan metode yang
digunakan baik untuk jangka panjang maupun jangka pendek
dan didasarkan kepada persamaan dengan teknik least squares
yang dianalisis secara statistic. Metode ini biasanya digunakan
untuk peramalan permintaan atau penjualan. Data yang
digunakan biasanya data kuartalan.
b. Model input-output merupakan metode yang digunakan untuk
menyusun tren ekonomi jangka panjang. Data yang digunakan
biasanya lebih dari sepuluh tahun
c. Metode ekonometri merupakan peramalan yang digunakan
untuk jangka panjang dan jangka pendek. Peramalan ini
didasarkan pada sistem pemasaran regresi yang diestimasi
secara simultan. Data yang digunakan biasanya data kuartalan.

Metode Smoothing

Tujuan metode smoothing untuk mengurangi fluktuasi hasil ramalan

dengan menggunakan data lalu. Dan metode ini dikenal dengan beberapa
model, yaitu:

- Metode rata-rata kumulatif

- Metode rata-rata bergerak tunggal
- Metode eksponensial smoothing tunggal
- Metode eksponensial smoothing linier

6
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Dari metode di atas penulis menggemukakan dua contoh saja, yakni
metode rata-rata kumulatif dan metode rata-rata bergerak tunggal.

Contoh kasus untuk metode rata-rata kumulatif:

PT. Ngerapik bermaksud meramalkan jumlah kebutuhan beras bulan

September 2019 mendatang. Data bulan Maret, April, Mei, Juni, Juli, dan
Agustus adalah 1.200, 1.250, 1.350, 1.500, 1.600, dan 1.650 kg. Anda
diminta untuk meramalkan persediaan bulan September, Oktober dan
November 2019 dengan menggunakan metode rata-rata kumulatif.

Jawaban:
=
1.200 + 1.250 + 1.350 + 1.500 + 1.600 + 1.650
6
= 1.425

Jika ternyata kebutuhan bulan September adalah 1.250, maka ini

ditambahkan untuk peramalan bulan berikutnya sebagai berikut:
=
1.200 + 1.250 + 1.350 + 1.500 + 1.600 + 1.650 + 1.250
7
= 1.400

Jika ternyata kebutuhan bulan Oktober adalah 1.640, maka ini

ditambahkan untuk peramalan bulan berikutnya sebagai berikut:
= 1.200 + 1.250 + 1.350 + 1.500 + 1.600 + 1.650 + 1.250 + 1.640
8
= 1.430

Kemudian, metode rata-rata bergerak tunggal merupakan

pengambilan sekelompok data yang diobservasi. Artinya, nilai observasi
dahulu dikeluarkan baru dirata-ratakan. Tujuannya adalah untuk mengurangi
atau menghilangkan acakan (random) dari deret waktu.

7
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
Contoh kasus untuk metode rata-rata bergerak tunggal:

Berikut ini data penjualan televisi merk Bedelew Sew yang diproduksi PT
Bebulak. Anda diminta untuk meramalkan persediaan bulan Desember
dengan rata-rata tiga bulan dan enam bulan.

Bulan Waktu Nilai Observasi Rata-rata Bergerak

3 bulan 6 bulan

Januari 1 1.800 - -

Februari 2 1.620 - -

Maret 3 1.740 - -

April 4 1.980 1.720,0 -

Mei 5 2.010 1.780,0 -

Juni 6 1.900 1.910,0 -

Juli 7 1.860 1.963,3 1.841,7

Agustus 8 1.990 1.923,3 1.851,7

September 9 2.150 1.916,7 1.913,3

Oktober 10 2.000 2.000,0 1.981,7

November 11 2.220 2.046,7 1.985,0

Desember 12 - 2.123,0 2.020,0

Nilai rata-rata tiga bulan dapat dicari sebagai berikut:

1.800 + 1.620 + 1.740
= = 1.720

= 1.620 + 1.740 + 1.980 = 1.780

3

8
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 dan seterusnya

Nilai rata-rata 6 bulan dapat dicari sebagai berikut:

= 1.800 + 1.620 + 1.740 + 1.980 + 2.010 + 1.900 = 1.841,7 6

= 1.620 + 1.740 + 1.980 + 2.010 + 1.900 + 1.860 = 1.851,7 6

dan seterusnya

Metode Regresi

Metode regresi merupakan salah satu metode ramalan yang disusun atas
dasar pola data masa lalu. Penggunaan metode ini didasarkan kepada variable
yang ada dan yang akan memengaruhi hasil peramalan. Variable yang diteliti
terdiri dari variable yang akan dicari (dependent variable) dengan variable yang
menentukan (independent variable). Dengan metode regresi kita akan
melakukan peramalan dengan melihat pola hubungan yang ada antara variable
yang dicari dengan variable yang menentukan atau memengaruhinya.

Hal-hal yang perlu diketahui sebelum kita melakukan peramalan dengan

metode regresi adalah mengetahui terlebih dahulu kondisi-kondisi seperti:

- Adanya informasi masa lalu

- Informasi yang ada dapat dibuatkan dalam bentuk data
(dikuantifikasikan)
- Diasumsikan bahwa pola data yang ada dari data masa lalu akan
berkelanjutan di masa yang akan data

Terdapat beberapa jenis data yang ditemui di lapangan, namun hal ini
disesuaikan dengan data yang dibutuhkan. Adapun jenis-jenis data yang ada
di lapangan sebagai berikut:

9
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 a. Musiman (seasonal) merupakan data yang dipengaruhi oleh
musim dalam suatu periode seperti data harian, mingguan atau
bulanan. Contoh untuk produk minuman dan obat-obatan
b. Horizontal (stationary) merupakan data di mana dalam suatu
produk dalam suatu periode jumlah penjualnya konstan atau
dengan kata lain naik turunnya tidak telalu banyak
c. Siklus (cyclical) merupakan data yang dipengaruhi oleh fluktuasi
ekonomi jangka panjang yang berkaitan dengan siklus usaha.
Contohnya: penjualan mobil dan peralatan bengkel
d. Tren, dalam hal ini jika ada data yang diobservasi terdapat kenaikan
dan penurunan yang cukup mencolok dalam jangka panjang. Pola ini
dapat dilihat dari penjualan produk dari banyak perusahaan.

Ada dua pendekatan untuk melakukan peramalan dengan

menggunakan analisis deret waktu dengan metode regresi sederhana, yaitu:

a. Analisis deret waktu untuk regresi sederhana linier

b. Analisis deret waktu untuk regresi sederhana non linier

Analisis deret waktu dengan Regresi Linier

Dalam analisis deret waktu yang linier adalah analisis pola hubungan
yang dicari dengan satu variable yang memengaruhinya, yaitu waktu. Adapun
analisis deret waktu yang nonlinier merupakan analisis hubungan antara
variable yang dicari dan hanya satu yang memengaruhinya yaitu variable
waktu. Untuk menjelaskan hubungan kedua metode ini kita gunakan notasi
matematis seperti:
= ( ) Dimana: Y = Dependent variable (variabel yang dicari)

x = Independent variable (variabel yang

memengaruhinya)

10
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Notasi regresi sederhana dengan menggunakan regresi linier (garis
lurus) dapat digunakan sebagai berikut:
= +

Dimana “a” dan “b” merupakan parameter (koefisien regresi) yang harus dicari. Untuk
mencari nilai a dapat digunakan dengan menggunakan rumus:

∑ ∑
= −

atau: ̅
= − ̅

Kemudian nilai b dapat dicari dengan rumus:

atau
∑ −∑ ∑ ∑2 − ̅∑
∑ −∑
̅

= =
∑ 2−(∑ )2

Contoh kasus:

PT DEK Kalok E’ memiliki data penjualan sepeda motor Yamaha dari

tahun 2001 sampai tahun 2006 seperti terlihat dalam tabel berikut ini:

Tahun Jumlah yang terjual (unit)

2001 100
2002 110

2003 120

2004 125

2005 140

2006 150

11
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Pertanyaan:

Berapa jumlah penjualan untuk tahun 2007, 2008, dan 2009 dengan
menggunakan analisis deret waktu regresi linear sederhana.

Jawaban:

Langkah pertama adalah membuat tabel koefisien regresi penjualan

PT DEK Kalok E’ lengkap sebagai berikut:

Tahun Penjualan (Y) X 2 2 XY

X Y

2001 100 0 0 10.000 0

2002 110 1 1 12.100 110

2003 120 2 4 14.400 240

2004 125 3 9 15.625 375

2005 140 4 16 19.600 560

2006 150 5 25 22.500 750

∑ 745 15 55 94.225 2.035

Keterangan:
∑n = 6 ∑ X = 15 2
∑ Y = 94.225

∑ Y = 745 2 ∑ XY = 2.035
∑ X = 55

Langkah yang kedua adalah mencari:

̅ ∑ 15

= 6 = 2,5

∑ 745
̅

= =

6 = 124,17

Langkah yang ketiga adalah mencari nilai:

12
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 2.035 − (2,5)(745) 2.035− 1.862,5 172,5

∑ − ∑

= = = = = 9,86
2

∑ 55 − (2,5)(15) 55 − 37,5 17,5

− ∑

Langkah keempat
̅
adalah
̅
mencari nilai a sebagai berikut:
= − = 124,17 − (9,86)(2,5) = 99,52
atau dengan cara lain:
745 = 6a+15b |x 5| 3.725= 30a+75b
∑ = . + ∑

2.035 = 15a+55b |x 2| 4.070= 30a+110b -

∑ = ∑ + ∑2

-345 = -35b

b = 9,86

mencari a masukkan ke rumus semula.

745 = 6a+15b

745 = 6a+15(9,86)

745 = 6a+147,91

6a = 745 – 147,91

6a = 597,1

a = 99,52

Langkah kelima setelah nilai a dan b diketahui, maka dimasukkan ke

dalam rumus sehingga diperoleh diperoleh hasil ramalan sebagai
berikut:

Y = a + bX

2007 = 99,52 + 9,86(6) = 158,68

2008 = 99,52 + 9,86(7) = 168,54

13
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 2009 = 99,52 + 9,86(8) = 178,40

Langkah selanjutnya adalah melakukan pengujian terhasil yang

diperoleh dengan cara:

2
1) Uji tes koefisien penentu (R ), pengetesan ini untuk mengetahui
tepat tidaknya variable yang memengaruhi besarnya penjualan
yang diramalkan adalah waktu
2) Tes significance (T.Test) atau F.Test, yaitu pengetesan untuk
mengetahui apakah benar persamaan regresi itu adalah linier.

2
Pengujian Koefisien Penentu (R )

Rumus yang digunakan adalah: ∑2

2=1−

Dimana:
∑ 2 = ∑ 2 − 2(∑ 2)
∑ 2 = ∑ 2 − ( ̅)2
∑ 2 = ∑ 2 − ( )̅ 2

Dari contoh di atas dapat kita uji sebagai berikut:

∑ 2 = ∑ 2 − ( ̅)2

= 2
94.225 – (6)(124,17)
=
94.225 – (6)(15.418,19)

=
94.225 – 92.509,13 = 1.715,87
∑ = ∑ − ( ̅)2
2 2

2
= 55 – (6)(2,5)

14
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 = 55 – 37,5 = 17,5
∑ 2 = ∑ 2 − 2(∑ 2)

2
= 1.715,87 – (9,86) (17,5)

= 1.715,87 – 1.701,34 = 14,527

2
2 ∑
=1−
∑2
2
= 1 − 114,527.715,87 = 0,99

2
Dengan R = 0,99 maka dapatlah dikatakan bahwa besarnya ramalan
2
penjualan ditentukan oleh variable waktu adalah 0,99. Nilai R
semakin mendekati 1 semakin baik.

Test Significance

Tujuan tes ini menguji dan meneliti apakah regresi yang digunakan
dalam menyusun ramalan adalah benar linier, di mana data yang
diteliti tepat berada di sekitar garis linier.

1) F. Tes

Tujuannya adalah untuk mengetahui apakah nilai estimasi dari a

dan b dapat bervariasi karena pengaruh sampling/random.
Persamaan F.Tes sebagai berikut:
=
∑( − )2⁄ − 1
∑( − )2⁄ −

Dimana:

k = jumlah variabel (dalam regresi sederhana = 2)

n = jumlah tahun

Atau kita juga menggunakan rumus sebagai berikut:

15
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 2
=
⁄ −1
1− 2 ⁄ −

Hasil F rasio kemudian kita bandingkan dengan F table apabila F

rasio > F table, maka secara statistic koefisien b adalah significance
berbeda dengan nol (0), sehingga persamaan regresi dapat dilakukan
secara benar dengan bentuk persamaan sebagai berikut:

Y = a + b(x)

Demikian pula sebaliknya jika F rasio < F table

2) T. Tes
Tes T ini dikenal dengan nama “student-t” didistribusikan untuk
menguji a dan b dengan formula:

= =

Dimana:

2 2
√∑( − ) ⁄ −2 √∑( − ) ⁄ −2

= =

√
2
√(∑ − )

Hasilnya:
jika diperoleh T tes > T table (t distribusi), maka tingkat keyakinan
tertentu R dapat disimpulkan bahwa nilai koefisien regresi a dan b
secara statistic berbeda dari (0) dan demikian pula sebaiknya.

Analisis deret waktu dengan Regresi Nonlinier

Analisis deret waktu dengan regresi nonlinier merupakan regresi

bukan garis lurus. Notasi regresi sederhana dengan menggunakan regresi
linier (garis lurus) dapat digunakan sebagai berikut:

2
Y = a + bx + cx

Dimana:

16
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Y = dependent variable (variabel yang dicari)

x = independent variable (variabel yang memengaruhinya)

a, b, c = parameter koefisien regresi

Formula umum yang digunakan sebagai berikut:

∑ = . + ∑ + ∑2
∑ = ∑ + ∑2+ ∑3
∑2 = ∑2+ ∑3+ ∑4

Contoh kasus:

PT Begaya Ge Ikak Ne memiliki data penjualan lada seperti terlihat

dalam tabel berikut ini:

Tahun Penjualan

2000 140

2001 110

2002 100

2003 120

2004 150

2005 160

2006 180

Pertanyaan:

Berapa jumlah penjualan untuk tahun 2007 dan 2008 dengan

menggunakan analisis deret waktu regresi linear sederhana.

17
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Jawab:

Tahun Sales x 2 3 4 2 xy 2
x x x y x y
(y)

2000 140 0 0 0 0 19.600 0 0

2001 110 1 1 1 1 12.100 110 110

2002 100 2 4 8 16 10.000 200 400

2003 120 3 9 27 81 14.400 360 1.080

2004 150 4 16 64 256 22.500 600 2.400

2005 160 5 25 125 625 25.600 800 4.000

2006 180 6 36 216 1.296 32.400 1.080 6.480

∑ 960 21 91 441 2.275 136.600 3.150 14.470

∑n = 7 2 2
∑x = 91 ∑Y = 136.600
∑Y = 960 3
∑x = 441 ∑XY = 3.150

∑x = 21 4 2
∑x = 2.275 ∑x Y = 14.470

Dari formula di atas dapat dimasukkan ke dalam rumus sebagai berikut:

(i)
2
∑ = . + ∑ + ∑

∑ = ∑ + ∑ 2 + ∑ 3 (ii)

∑ 2 = ∑ 2 + ∑ 3 + ∑ (iii)

960 = 7a + 21b +91c |x 3| 2.880 = 21a + 63b +273c

3.150 = 21a + 91b + 441c |x 1| 3.150 = 21a + 91b + 441c –

-270 = -28b – 168c ………………(1)

18
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 960 = 7a + 21b + 91c |x13| 12.480 = 91a + 273b + 1.183c

14.470 = 21a+441b+2.275c. |x 1| 14.470 = 91a + 441b + 2.275c –

-1.990 = -168b – 1.092c …..(2)

Dari persamaan (1) dan (2) diperoleh nilai c:

270 = 28b + 168c |x 6| 1.620 = 168b + 1.008c

1.990 = 168b + 1.092c |x 1| 1.990 = 168b + 1.092c –

-370 = -84c

c = 4,40476

Nilai c dimasukkan ke rumus untuk mencari b:

270 = 28b + 168c

270 = 28b + (168)(4,40476)

270 = 28b + 740

28b = 740 - 270

28b = 470

b = 16,786

Dimasukkan ke rumus untuk mencari a:

960 = 7a + 21b + 91c

960 = 7a + 21(-16,786) + 91(4,40476)

960 = 7a – 352.506 – 400.833

7a = 960 + 352.506 – 400.833

7a = 9.911,673

a = 130.239
19
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Jadi:

a = 130.239 = 130,24

b = -16,786 = -16,79

c = 4,40476 = 4,41

Sehingga penjualan untuk tahun 2002 dan 2003 dapat dihitung:

Y = 130,24 – 16,79(7) + 4,41(49)

= 130,24 – 117,53 + 216,09 = 228,8

y = 130,24 – 16,79(8) + 4,41(64)

= 130,24 – 134,32 + 282,4 = 278,32

D. Cara Mengestimasi Pasar

Untuk mengetahui besarnya pasar nyata, potensi pasar dan total pasar
dalam suatu wilayah perlu dilakukan penelitian terlebih dahulu. Penelitian
dilakukan untuk memperoleh data, baik dengan metode relevan seperti
survey, kuesioner, atau dengan mengumpulkan data sekunder dari berbagai
sumber. Kemudian untuk mengetahui pasar nyata dan pasar potensi dapat
digunakan beberapa metode antara lain metode pendapat, metode
eksperimen, dan metode survey. Berikut ini contoh kasus untuk mengetahui
besarnya pasar nyata dan pasar potensial.

PT Baturusa bermaksud membuka Stasiun Pengisian Bahan Bakar

Umum (SPBU) di lokasi Jl. Nangka, Jakarta Timur. Anda diminta untuk
menganalisis berapa besar pasar nyata dan pasar potensial dari segi aspek
pasar dan pemasarannya secara lengkap.

20
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Jawab:

1) Analisis Pesaing
a) Jumlah dan jarak pesaing di daerah yang akan dibuka ada yakni:
No. Nama Pesaing Lokasi SPBU Jarak

1 PT Sungailiat Jl. Pepaya 5 km

2 PT Toboali Jl. Nanas 3 km

3 PT Tanjung Pandan Jl. Rambutan 4 km

4 PT Mentok Jl. Pisang 2 km

5 PT Koba Jl. Durian 6 km

b) Volume penjualan pesaing per hari

No. Nama Pesaing Volumen Penjualan per hari/liter

Premium Premix Solar Jumlah

1 PT Sungailiat 24.000 3.000 20.000 47.000

2 PT Toboali 25.000 2.000 24.000 51.000

3 PT Tanjung Pandan 16.000 1.000 12.000 29.000

4 PT Mentok 30.000 4.100 28.000 62.000

5 PT Koba 27.000 3.000 30.000 60.000

Jumlah 122.000 13.100 114.000 249.000

c) Volume penjualan pesaing per tahun (365 hari) (dalam ribuan liter)

21
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 No. Nama Pesaing Volume Penjualan per tahun

Premium Premix Solar Jumlah

1 PT Sungailiat 8.760 1.095 7.300 17.155

2 PT Toboali 9.125 730 8.760 18.615

3 PT Tanjung Pandan 5.840 365 4.380 10.585

4 PT Mentok 10.950 1.496 10.220 22.630

5 PT Koba 9.855 1.095 10.950 21.900

Jumlah 44.530 4.781 41.610 90.885

2) Kebutuhan Konsumen
Dari hasil survey di lapangan menunjukkan:
a) Tingkat kepadatan kendaraan yang melewati Jl. Nangka.
No. Jenis Kendaraan Jam Lalu Lintas

05- 09- 16- 20- Jumlah

09 16 20 24

1 Kendaraan pribadi dan niaga 750 600 650 700 2.700

(sedan, van, jeep, & truk)

2 Motor (roda 2 & 3) 1.250 1.200 950 1.000 4.400

3 Angkutan umum (angkot, 300 290 240 280 1.110

PPD, metromini, dan taksi)

Jumlah 2.300 2.090 1.840 1.980 8.210

b) Tingkat perkiraan konsumsi BBM per kendaraan yang melewati Jl.

Nangka.

22
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 No. Jenis Kendaraan Konsumsi BBM per hari

Premium Premix Solar Jumlah

1 Kendaraan pribadi & niaga 10 10 30 50

2 Motor 5 - - 5

3 Angkutan umum 30 - 20 50

Perkiraan konsumsi 45 10 50 105

c) Tingkat perkiraan konsumsi BBM dengan tingkat kepadatan dan

perbandingan penggunaan BBM.
No. Jenis Kepadatan Konsumsi BBM per hari/liter
Kendaraan Lalu Lintas
Premium Premix Solar Jumlah

1 Kendaraan 2.700 10 10 30 50
pribadi & niaga

2 Motor 4.400 5 - - 5

3 Angkutan umum 1.110 30 - 20 50

Jumlah 8.210 45 10 50 105

d) Perbandingan penggunaan BBM dengan tingkat kepadatan sebagai

berikut.
No. Jenis Kendaraan Konsumsu BBM per hari/liter dengan
perbandingan

Premium Premix Solar Jumlah

% Unit % Unit % Unit

23
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
1 Kendaraan pribadi & 80 2.160 5 135 15 405 2.700
niaga

2 Motor 100 4.400 - - - - 4.400

3 Angkutan umum 80 888 - - 20 222 1.110

Jumlah 7.448 135 627 8.210

e) Jumlah kebutuhan BBM dengan tingkat kepadatan dengan

perbandingan konsumsi per hari
No. Jenis Kendaraan Konsumsi BBM per hari/liter dengan
perbandingan

Premium Premix Solar Jumlah

1 Kendaraan pribadi & 21.600 1.350 12.150 35.100

niaga

2 Motor 22.000 - - 22.000

3 Angkutan umum 26.640 - 4.440 31.080

Perkiraan Konsumsi 70.240 1.350 16.590 88.180

Keterangan:
i) Angka 21.600 liter per hari diperoleh dari jumlah kendaraan pribadi
dan niaga sebanyak 80% atau sekitar 2.160 unit (kepadatan
kendaraan per hari untuk premium) dikali dengan jumlah
kebutuhan per hari 10 liter.
ii) Angka 1.350 liter per hari diperoleh dari jumlah kendaraan pribadi dan
niaga sebanyak 5% atau sekitar 135 unit (kepadatan kendaraan per
hari untuk premix) dikali dengan kebutuhan per hari 10 liter.
iii) Angka 12.150 liter per hari diperoleh dari jumlah kendaraan pribadi
dan niaga sebanyak 15% atau sekitar 405 unit (kepadatan

24
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 kendaraan per hari untuk solar) dikali dengan jumlah kebutuhan
per hari 30 liter.
iv) dan seterusnya.

f) Jumlah perkiraan kebutuhan BBM dengan tingkat kepadatan dengan

perbandingan konsumsi per hari dengan asumsi 50% membeli di
SPBU PT Baturusa.
Data berikut ini diambil dari hasil kuesioner yang diajukan, 50%
responden mengatakan berniat untuk membeli di SPBU PT Baturusa.
No. Jenis Kendaraan Konsumsi BBM per hari/liter

Premium Premix Solar Jumlah

1 Kendaraan pribadi & niaga 10.800 675 6.075 17.550

2 Motor 11.000 - - 11.000

3 Angkutan umum 13.320 - 2.220 15.540

Perkiraan konsumsi 35.120 675 8.295 44.090

Catatan:
i) Jumlah 10.800 diperoleh dari 50% dari 21.600 pada tabel poin
“e”
ii) Jumlah 675 diperoleh dari 50% dari 1.375 pada tabel “e”
iii) Jumlah 6.075 diperoleh dari 50% dari 12.150 pada tabel “e”
iv) dan seterusnya
g) Jumlah perkiraan kebutuhan BBM dengan tingkat kepadatan dengan
perbandingan konsumsi per tahun (365 hari) dengan asumsi 50%.
Data berikut ini dari hasil survey yang mengatakan 50% berminat
untuk membeli di SPBU PT Baturusa.
No. Jenis Kendaraan KonsumsuBBMperhari/literdengan
perbandingan

25
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Premium Premix Solar Jumlah

1 Kendaraan pribadi 3.942.000 246.375 2.217.375 6.405.750

& niaga

2 Motor 4.015.000 - - 4.015.000

3 Angkutan umum 4.861.800 - 810.300 5.627.100

Perkiraan konsumsi 12.818.800 246.375 3.027.675 16.092.850

Catatan:
Jumlah 3.942.000 diperoleh dari 10.800 tabel poin “f” dikali 365 hari
Jumlah 236.375 diperoleh dari tabel poin “f” dikali 365 hari
Jumlah 2.217.375 diperoleh dari tabel poin “f” dikali 365 hari
dan seterusnya
h) Rata-rata pertumbuhan volume penjualan pesaing.
No. Nama Pesaing Pertumbuhan Penjualan/tahun (%)

1 PT Sungailiat 14

2 PT Tobolali 8

3 PT Tanjung Pandan 12

4 PT Mentok 9

5 PT Koba 7

Rata-rata pertumbuhan 10

i) Prediksi penjualan PT Baturusan dengan mengadopsi rata-rata

pertumbuhan pesaing 10% dan rata-rata pertumbuhan penjualan
kendaraan.
No. Tahun Jumlah Penjualan (Unit)

26
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 1 2002 16.092.850

2 2003 17.702.135

3 2004 19.472.350

4 2005 21.419.585

5 2006 23.561.544

Catatan:
Angka 16.092.850 diperoleh dari total konsumsi BBM pada tabel poin
“g” Angka 17.702.135 diperoleh dari 16.092.850 ditambah 10%
Angka 19.472.350 diperoleh dari 17.702.135 ditambah 10%
dan seterusnya
j) Misalkan laba yang diperoleh dari penjualan masing-masing produk di
SPBU.
Laba penjualan tiap jenis BBM:
No. Jenis Harga Beli Harga Jual Laba
Produk (Rp/liter) (Rp/liter) (Rp/liter)

1 Premium 1.620 1.720 100

2 Premix 2.100 2.300 200

3 Solar 1.400 1.500 100

Pendapatan dari penjualan BBM tahun 2002:

No. Jenis Produk Jumlah (liter) Laba (Rp/liter) Jumlah

1 Premium 12.818.800 100 1.281.880.000

2 Premix 246.375 200 49.275.000

3 Solar 3.027.675 100 302.767.500

27
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 Jumlah 1.633.922.500

Pendapatan dari penjualan BBM tahun 2003:

No. Jenis Produk Jumlah (liter) Laba (Rp/liter) Jumlah

1 Premium 14.100.680 100 1.410.068.000

2 Premix 271.013 200 54.202.600

3 Solar 3.330.443 100 333.044.300

Jumlah 1.797.314.900

Pendapatan dari penjualan BBM tahun 2004:

No. Jenis Produk Jumlah (liter) Laba (Rp/liter) Jumlah

1 Premium 15.510.748 100 1.551.074.800

2 Premix 298.115 200 59.623.000

3 Solar 3.663.488 100 366.348.800

Jumlah 1.977.046.600

Pendapatan dari penjualan BBM tahun 2005:

No. Jenis Produk Jumlah (liter) Laba (Rp/liter) Jumlah

1 Premium 17.061.823 100 1.706.182.300

2 Premix 327.927 200 65.585.400

3 Solar 4.092.837 100 402.983.700

Jumlah

28

STIE Indonesia Membangun (inaba)

www.inaba.ac.id
 Pendapatan dari penjualan BBM tahun 2006:
No. Jenis Produk Jumlah (liter) Laba (Rp/liter) Jumlah

1 Premium 18.768.006 100 1.876.800.600

2 Premix 360.720 200 72.144.000

3 Solar 4.432.821 100 443.282.100

Jumlah 2.392.226.700

k) Prediksi jumlah penjualan per tahun (liter).

No Jenis Periode Penjualan
. Produk
2002 2003 2004 2005 2006

1 Premiu 12.818.80 14.100.68 15.510.74 17.061.82 18.768.00

m 0 0 8 3 6

2 Premix 246.375 271.013 298.115 327.927 360.720

3 Solar 3.027.675 3.330.443 3.663.488 4.029.827 4.432.821

Jumlah 16.092.85 17.702.13 19.472.35 21.419.58 23.561.54

0 6 1 7 7

l) Estimasi jumlah pendapatan per tahun (rupiah).

No. Tahun Premium Premix Solar Jumlah

1 2002 1.281.880.000 489.275.000 302.767.500 1.633.922.500

2 2003 1.410.068.000 54.202.600 333.044.300 1.793.714.900

3 2004 1.551.074.800 59.623.000 366.348.800 1.977.046.600

4 2005 1.706.182.300 65.585.400 402.983.700 2.174.751.400

29
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 5 2006 1.876.800.600 7.214.400 443.282.100 2.392.226.700

Contoh lain untuk mengestimasi besarnya Total Permintaan Pasar

adalah dengan menggunakan rumus sebagai berikut:
=Dimana: Q = Total permintaan pasar n = Jumlah
pembeli
g = Banyak pembelian rata-
rata/tahun/pembeli p = Harga rata-rata satuan
Contoh:

Pada suatu daerah ada 5.000 pembeli sabun cuci. Rata-rata per orang
per tahun membeli 12 kg sabun cuci. Harga rata-rata per kg sabun cuci
adalah Rp 10.000. Maka total permintaan pasar sebagai berikut:

Q = 5.000 x 12 x 10.000 = Rp 600.000.000

Pertumbuhan penduduk dan transportasi masyarakat juga menjadi

pertimbangan, misalnya kehadiran perumahan atau perkantoran di suatu
lokasi juga sangat menunjang. Demikian juga adanya penambahan jalur
transportasi serta meningkatnya pendapatan masyarakat juga harus menjadi
pertimbangan lebih lanjut.

30
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
 DAFTAR PUSTAKA

Utama:
Kasmir & Jakfar. (2015). Studi Kelayakan Bisnis (Edisi Kedua). Jakarta:
Kencana.
Komplementer:
Husnan, Suad & Suwarsono, Muhammad. (2014). Studi Kelayakan Proyek
(Edisi Kelima). Yogyakarta: UPP STIM YKPN.
Umar, Husein. (2015). Studi Kelayakan Bisnis (Edisi Revisi Ketiga). Jakarta:
Gramedia Pustaka Utama.

31
STIE Indonesia Membangun (inaba)
www.inaba.ac.id