BAB - III
Disusun oleh:
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.
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.
4
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
C. Jenis-jenis metode peramalan
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
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.
Jawaban:
=
1.200 + 1.250 + 1.350 + 1.500 + 1.600 + 1.650
6
= 1.425
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.
3 bulan 6 bulan
Januari 1 1.800 - -
Februari 2 1.620 - -
Maret 3 1.740 - -
8
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
dan seterusnya
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.
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.
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)
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: ̅
= − ̅
= =
∑ 2−(∑ )2
Contoh kasus:
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:
Keterangan:
∑n = 6 ∑ X = 15 2
∑ Y = 94.225
∑ Y = 745 2 ∑ XY = 2.035
∑ X = 55
̅ ∑ 15
= 6 = 2,5
∑ 745
̅
= =
6 = 124,17
12
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
2.035 − (2,5)(745) 2.035− 1.862,5 172,5
∑ − ∑
= = = = = 9,86
2
− ∑
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
∑ = . + ∑
-345 = -35b
b = 9,86
745 = 6a+15b
745 = 6a+15(9,86)
745 = 6a+147,91
6a = 745 – 147,91
6a = 597,1
a = 99,52
Y = a + bX
13
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
2009 = 99,52 + 9,86(8) = 178,40
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 )
Dimana:
∑ 2 = ∑ 2 − 2(∑ 2)
∑ 2 = ∑ 2 − ( ̅)2
∑ 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)
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
Dimana:
n = jumlah tahun
15
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
2
=
⁄ −1
1− 2 ⁄ −
Y = a + b(x)
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.
2
Y = a + bx + cx
Dimana:
16
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
Y = dependent variable (variabel yang dicari)
Contoh kasus:
Tahun Penjualan
2000 140
2001 110
2002 100
2003 120
2004 150
2005 160
2006 180
Pertanyaan:
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)
∑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
∑ = ∑ + ∑ 2 + ∑ 3 (ii)
∑ 2 = ∑ 2 + ∑ 3 + ∑ (iii)
18
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
960 = 7a + 21b + 91c |x13| 12.480 = 91a + 273b + 1.183c
-370 = -84c
c = 4,40476
28b = 470
b = 16,786
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
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.
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
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
2) Kebutuhan Konsumen
Dari hasil survey di lapangan menunjukkan:
a) Tingkat kepadatan kendaraan yang melewati Jl. Nangka.
No. Jenis Kendaraan Jam Lalu Lintas
22
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
No. Jenis Kendaraan Konsumsi BBM per hari
2 Motor 5 - - 5
3 Angkutan umum 30 - 20 50
1 Kendaraan 2.700 10 10 30 50
pribadi & niaga
2 Motor 4.400 5 - - 5
23
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
1 Kendaraan pribadi & 80 2.160 5 135 15 405 2.700
niaga
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.
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
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
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)
27
STIE Indonesia Membangun (inaba)
www.inaba.ac.id
Jumlah 1.633.922.500
Jumlah 1.797.314.900
Jumlah 1.977.046.600
Jumlah
28
Jumlah 2.392.226.700
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
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:
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