Kumpulan materi mkdb

(metode kuantitatif dalam

bisnis

Semogaaaa nilai ujian

mkdb bagus dan nilai
keluar di siakad A
Materi kelompok 1 (Peramalan)
Peramalan ( Forecasting) adalah suatu teknik analisa perhitungan yang dilakukan dengan pendekatan kualitatif maupun
kuantitatif untuk memperkirakan kejadian di masa depan dengan menggunakan referensi data-data di masa lalu.
Peramalan bertujuan untuk memperkirakan prospek ekonomi dan kegiatan usaha serta pengaruh lingkungan terhadap
prospek tersebut.

Peramalan atau Forecasting merupakan bagian terpenting bagi setiap perusahaan ataupun organisasi bisnis dalam
setiap pengambilan keputusan manajemen. Peramalan itu sendiri bisa menjadi dasar bagi perencanaan jangka pendek,
menengah maupun jangka panjang suatu perusahaan. Di dalam sebuah peramalan (forecasting) dibutuhkan sedikit
mungkin kesalahan (error) di dalamnya. Agar dapat meminimalisir tingkat kesalahan tersebut, maka akan lebih baik jika
peramalan tersebut dilakukan dalam satuan angka atau kuantitatif.
Fungsi peramalan atau forecasting terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan
yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat
ramalan yang kita susun, maka masalah peramalan juga merupakan masalah yang selalu kita hadapi (Ginting, 2007).

peramalan atau forecasting memiliki tujuan sebagai berikut:

● Untuk mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu serta melihat sejauh mana pengaruh
di masa datang. 
● Peramalan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan perusahaan ditetapkan
dengan saat implementasi. 
● Peramalan merupakan dasar penyusutan bisnis pada suatu perusahaan sehingga dapat meningkatkan efektivitas
suatu rencana bisnis.
Metode pendekatan dalam peramalan

Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan
pendekatan
kuantitatif.

Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif
adalah metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi ini
dapat memprediksi kejadian-kejadian di masa yang akan datang dan Keakuratan dari metode ini
sangat subjektif.

Metode peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan time series. 

Metode peramalan causal meliputi faktor-faktor yang berhubungan dengan variabel yang diprediksi
seperti analisis regresi. Peramalan time series merupakan metode kuantitatif untuk menganalisis data
masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat. Hasilnya dapat
dijadikan acuan untuk peramalan nilai di masa yang akan datang
Materi kelompok 2
peramalan metode exponantional smoothing

Metode Peramalan Exponential Smoothing atau Penghalusan eksponensial

(Penghalusan bertingkat) ini banyak digunakan untuk meramalkan permintaan
barang (demand) yang perubahannya sangat cepat.

Rumus Exponential Smoothing (Penghalusan Eksponensial)

Ft = Ft – 1 + α (Dt-1 – Ft-1)

Dimana :
Ft = Prakiraan Permintaan sekarang
Ft-1 = Prakiraan Permintaan yang lalu
α = Konstanta Eksponensial
Dt-1 = Permintaan Nyata
 Contoh kasus

Sebuah perusahaan yang menjual Kalkulator ingin meramalkan permintaan

produknya di pasar. Metode yang digunakan adalah metode Penghalusan
Eksponensial atau Exponential Smoothing. Perusahaan tersebut menggunakan
Konstanta  α = 0,1. Prakiraan Permintaan atau demand untuk bulan Januari
adalah 10.000 unit. Namun pada kenyataannya, permintaan aktual pada bulan
Januari tersebut hanya sebanyak 9.000 unit. Berapakah prakiraan untuk bulan
Februari?

Jawaban

Penyelesaian
Diketahui : Ft = Ft – 1 + α (Dt-1 – Ft-1)
α = 0,1 Ft = 10.000 + 0,1 (9.000 – 10.000)
Ft – 1 = 10.000 unit Ft = 10.000 + 0,1 (-1.000)
Dt – 1 = 9.000 unit Ft = 10.000 + (-100)
Ft = ? Ft = 9.900
Jadi prakiraan permintaan untuk bulan Februari
adalah 9.900 units.
Untuk prakiraan pada bulan-bulan selanjutnya kita dapat hitung dengan cara yang
sama, yaitu:
Bulan Aktual Perkiraan
Januari 9000 10000
Februari 11000 9900
Mare 11500 10010
April 10000 10159
Mei 9500 10143,1
Juni 8900 10078,79
Juli 10000 9960,911
Agustus 11500 9964,82
Metode trend linear
Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu
estimasi atau peramalam pada masa yang akan datang. Untuk melakukan peramalam
dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan
diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut
dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
mempengaruhi terhadap perubahan tersebut. Secara teoritis, dalam analisis time series yang
paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang
diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan.
Trend adalah pergerakan jangka panjangdalam suatu kurun waktu yang kadang-kadang
dapat digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan
ekonomi, yang terbaik adalah untuk menilat trend (atau trend-siklus) sebagai perubahan
dengan halus dari waktu ke waktu.
 Untuk persamaan a dan b
Yt = a + bt
a=
b=
Jika data menunjukkan n= ganjil,
tentukan titik tengah dan jika n= genap
tentukan 2 titik tengah
Contoh kasus metode tren linear
Sebuah perusahaan kecap manis akan
memproduksi produk dalam jumlah
ton. Data pada perusahaan produksi
kecap manis dari tahun 2000 hingga
tahun 2010. data produksi kecap manis
tersebut adalah 100, 105, 80, 70, 110,
90, 60, 80, 125, 130, dan 120.
hitunglah jumlah produksi kecap
manis pada tahun 2022 dengan
menggunakan metode tren linear
tahun (t) Permintaan(Y) t t^2 Y^2 txY t x Y^2
2000 100 -5 25 10000 -500 -50000
2001 105 -4 16 11025 -420 -44100
2002 80 -3 9 6400 -240 -19200
2003 70 -2 4 4900 -140 -9800
2004 110 -1 1 12100 -110 -12100
2005 90 0 0 8100 0 0
2006 60 1 1 3600 60 3600
2007 80 2 4 6400 160 12800
2008 125 3 9 15625 375 46875
2009 130 4 16 16900 520 67600
2010 120 5 25 14400 600 72000
∑ 1070 0 110 109450 305 67675
Tahun t
2011 6 a=
2012 7 b= =
2013 8
2014 9  
2015 10 Yt= a+bt= 97.27273+2.772727(17)= 144.4091
2016 11 Jadi, jumlah produksi kecap manis pada tahun
2017 12
2018 13 2022 adalah 144.4091 ton
2019 14
2020 15
2021 16
2022 17
 Kelompok 3 Analisis Korelasi
Definisi analisis korelasi
Korelasi merupakan istilah yang
digunakan untuk mengukur kekuatan
hubungan antar variabel. Analisis
korelasi adalah cara untuk mengetahui
ada tidaknya hubungan antar variabel.
Ada beberapa teknik statistik yang
dapat digunakan dalam menganalisis
hubungan antar variabel, yaitu:
koefisien korelasi, koefisien penentu,
dan analisis regresi.
Fungsi
Analisi korelasi digunakan untuk mengetahui derajat hubungan linier
antar satu variabel denganvariabel lain. Suatu variabel dikatakan
memiliki hubungan dengan variabel yang lain jikaperubahan satu
variabel diikuti dengan terjadinya perubahan pada variabel yang lain.
Pengukuranini hubungan antara dua variable untuk masing masing
kasus akan menghasilkan keputusan,diantatanya:
Hubungan kedua variable tidak ada
Hubungan kedua variable lemah
Hubungan kedua variable cukup kuat
Hubungan kedua variable kuat
Hubungan kedua variable sangat kuat
 Karakteristik analisis korelasi
Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat
positif  dan dapat pula negatif.
Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan
antara dua variabel.
Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini
mempunyai makna jika nilai X naik, maka Y juga naik .
Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier sempurna
(membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X
naik, maka Y turun dan berlaku sebaliknya.

Jenis-jenis korelasi
1. Korelasi sederhana adalah salah satu teknik statistik yang digunakan untuk mengukur kekuatan hubungan
antara dua variabel dan mencari tahu bentuk hubungan antara keduanya yang bersifat kuantitatif. 
2. Korelasi parsial merupakan suatu metode yang digunakan untuk mengukur keeratan hubungan antara dua
variabel bebas dan variabel tak bebas. Caranya, mengontrol salah satu variabel bebas untuk melihat korelasi
natural antara variabel yang tidak terkontrol.
3. Korelasi ganda adalah bentuk korelasi yang biasanya digunakan untuk melihat hubungan antara 3 atau lebih
variabel (dua atau lebih variabel independen dan satu variabel dependen). Korelasi ganda ini berkaitan dengan
interkorelasi variabel independen, seperti korelasinya dengan variabel dependen.
Teknik dan aplikasi perhitungan
analisis korelasi Besaran nilai koefisien
korelasi berkisar antara -1
hingga 1
• 00-0.19= Korelasi
Misalnya kita ingin mencari tahu “ Hubungan antara kecerdasan dan
prestasi belajar” antara variabel sangat
lemah
Rumuskan hipotesis:
• 0,20-0,39= Korelasi
Ho: Tidak ada hubungan secara signifikan antara kecerdasan dan
prestasi belajar antar variabel lemah
• 0,40-0,59= korelasi
Ha: Ada hubungan secara signifikan antara kecerdasan dan hasil
antar variabel cukup
belajar
Tentukan taraf signifikansi kuat
• 0,60-0,79= korelasi
5%
Menghitung nilai koefisien korelassi (r xy) variabel kuat
• 0,80-1,00= korelasi
 
antara variabel sangat
rxy= kuat
 
Dimana:
r= pearson r correlation coefficient
n= jumlah sampel
 Contoh kasus
Bandingkan dengan r tabel
Pengambilan keputusan:
-Jika r hitung lebih besar dari r tabel, maka dapat dikatakan terdapat hubungan
- jika r hitung lebih kecil dari r tabel, maka disimpulkan tidak ada hubungan

X Y
50 79
55 77
60 76
70 71
60 79
60 70 Dimana X= Kecerdasan
70 79 dan Y = Prestasi pelajar
70 87
80 91
90 82
60 91
65 91
70 95
70 82
75 91
  
Penyelesaian ∑X2= 68.775
(∑X)2= 10.100.255
∑Y2=103.535
No. X Y XY X^2 Y^2 (Y)2=1.540.081
1 50 79 3950 2500 6241 ∑X∑Y=1.247.205
∑XY= 83.525
2 55 77 4235 3025 5929
3 60 76 4560 3600 5776
4 70 71 4970 4900 5041
5 60 79 4740 3600 6241
6 60 70 4200 3600 4900
r xy =
7 70 79 5530 4900 6241
8 70 87 6090 4900 7569 rxy=
9 80 91 7280 6400 8281 rxy=
10 90 82 7380 8100 6724 rxy=
11 60 91 5460 3600 8281
12 65 91 5915 4225 8281 rxy= 0,33
13 70 95 6650 4900 9025
14 70 82 5740 4900 6724
15 75 91 6825 5625 8281
Rtabel = 0,514
∑ 1005 1241 83525 68775 103535
 2.1 Pengertian Analisis Cost Volume
Profit
analisis cost volume profit adalah analisis yang digunakan
untuk menentukan bagaimana perubahan dalam biaya dan
volume dapat mempengaruhi pendapatan operasional
(operating income) perusahaan dan pendapatan bersih (net
income).
Dalam mengambil keputusan, manajemen juga
melihat lima elemen penting terkait analisis cost
volume profit, yaitu:Harga produk, Volume atau
tingkat aktivitas, Biaya variabel per unit, Total biaya
tetap, Bauran volume produk yang dijual
Kelompok 4 (CVP)
Dalam melihat hubungan diantara kelima elemen tersebut terdapat
beberapa asumsi yang harus digunakan didalam hubungan diantara
Besarnya biaya dan volume serta laba yang akan diperoleh, yaitu :
• Harga jual produk yang konstan dalam cakupan yang relevan. Hal ini
berarti harga jual setiap unit produk tidak berubah walaupun terjadi
perubahan volume penjualan.
• Biaya bersifat linear dalam rentang cakupan yang relevan dan dapat
dibagi secara akurat ke dalam elemen biaya tetap dan biaya variabel.
Jumlah biaya variabel per unit konstan dan jumlah biaya tetap total
juga harus konstan.
• Dalam perusahaan mulitiproduk, bauran penjualannya tidak berubah.
• Jumlah unit yang diproduksi sama dengan jumlah unit yang dijual.
Berarti, jumlah persediaan tidak berubah
● Analisis biaya-volume-biaya Dasar Analisis Biaya-Volume Dan Laba
tergantung pada sejumlah
asumsi yang membatasi. Biaya-volume-laba atau analisis titik impas (cost-volume-profit or breakeven
Asumsi-asumsi tersebut analysis) membahas hubungan antara penerimaan total, biaya total, dan laba
diantaranya : total perusahaan pada berbagai tingkat output.
Biaya-volume-laba atau analisis titik impas sering digunakan para eksekutif
1. Semua biaya diklasifikasikan bisnis untuk menentukan volume penjualan yang diperlukan bagi perusahaan
sebagai biaya variable ataupun untuk mencapai titik impas, laba total dan kerugian pada tingkat penjualan
biaya tetap. lainnya.
2. Fungsi jumlah biaya adalah Pengetahuan dasar yang sangat menentukan dalam analisis biaya volume dan
linier dalam kisaran relavan laba adalah pemahaman tentang penyusunan laporan laba rugi dengan
3. Fungsi jumlah kegiatan menggunakan pendekatan variable costing. Pendekatan ini menghasilkan
pendapatan adalah linier dalam suatu model laporan laba rugi dimana biaya diklasifikasikan menurut
kisaran relavan. perilakunya.
4. Analisisnya untuk sebuah
produk atau bauran penjualan
dari bermacam-macam produk
adalah konstan dalam kisaran
relavan .
5. Hanya terdapat satu pemicu
biaya : volume unit produk atau
rupiah penjualan
6. Dalam perusahaan pabrikasi,
tingkat persediaan pada awal
dan akhir periode adalah sama.
Misalnya pada bulan Juni 2013 PT Jakasain menjual 150 unit produknya dengan harga Rp. 3.500 per
unit. Biaya variabel per unit Rp. 2.625. biaya tetap Rp. 75.000. Berdasarkan data ini maka terlebih
dahulu dapat dibuat laporan laba rugi berdasarkan pendekatan kontribusi, seperti pada ikhtisar berikut
ini.
Dengan menggunakan Formula:
Marjin kontribusi Rp 875 dibagi dengan penjualan Rp 3.500
dari laporan laba rugi diatas dapat dihitung:

rasio marjin kontribusi per unit sebesar

25 % (Rp 875/Rp 3.500) %
atau sama dengan total rasio marjin kontribusi
(Rp 131.250/Rp 525.000) %

Marjin kontribusi memegang peranan penting pada banyak

keputusan dalam sebuah perusahaan, seperti produk apa
yang akan diproduksi atau dijual, kebijakan harga mana yang
akan diikuti, strategi pemasaran apa yang akan digunakan,
dan jenis fasilitas produktif apa yang akan dibeli. Hubungan
konsep biaya volume dan laba dalam perencanaan laba dapat
digunakan untuk menghitung titik impas, target laba, marjin
keamanan, komposisi biaya untuk memaksimumkan marjin
kontribusi, dan atau titik penutupan usaha.
 Analisis Target Laba
Misalkan dari komposisi biaya dan penjualan dari
Analisis target laba dalam aplikasi hubungan biaya laporan laba rugi di atas, perusahaan menginginkan
volume dan laba pada dasarnya sama dengan analisis laba Rp. 100.000 maka dengan menggunakan formula
titik impas. metode persamaan selanjutnya target penjualan untuk
mendapatkan laba dimaksud dapat dihitung sebagai
Perbedaannya hanya terletak pada jumlah laba yang berikut:
diperhitungkan dalam formulanya.
 Dalam perhitungan titik impas target laba sama
dengan nol, sementara dalam Misalkan:
 analisis target laba seperti yang dimaksudkan di atas
jumlah laba yang diperhitungkan dalam formulanya X = jumlah unit terjual
disesuaikan dengan jumlah laba yang diinginkan,
3.500 = harga jual per unit
biasanya lebih besar dari pada nol.
2.625 = biaya variabel per unit
75.000 = total biaya tetap
100.000=laba bersih yang diinginkan
Metode persamaan: penjualan + biaya tetap + laba
Metode marjin kontribusi:
Sehingga penjualan dalam unit menjadi: Penjualan dalam unit = (biaya tetap + target laba) / CM per
3.500x = 2.625x + 75.000 + 100.000 unit
3.500x – 2.625x = 75.000 + 100.000
875x = 175.000
x = 175.000 / 875 = (75.000 + 100.000) / 875
Unit penjualan (x) = 200 unit = 175.000 / 875

Atau penjualan dalam rupiah: = 200 unit

x = 0,75x + Rp. 75.000 + Rp. 100.000 Penjualan dalam Rp = (biaya tetap + target laba) / rasio
0,25x = Rp. 75.000 + Rp. 100.000
marjin kontribusi
x = Rp. 175.000/0,25
x = Rp. 187.500 = (75.000 + 100.000) / 25%
200 unit x Rp. 3.500 = Rp. 700.000 = 175.000 / 25%
= Rp 700.000
Analisis Multi Produk Analisis sensitivitas

● Analisis multi produk memerlukan adanya asumsi Analisis sensitivitas merupakan analisis yang dilakukan untuk mengetahui akibat
terkait dengan bauran penjualan (sales mix), yaitu dari perubahan parameter-parameter produksi terhadap perubahan kinerja sistem
kombinasi berbagai produk yang dihasilkan/dijual
perusahaan. Dengan menentukan suatu bauran produksi dalam menghasilkan keuntungan. Dengan melakukan analisis
penjualan tertentu, analisis multi produk dapat diubah sensitivitas maka akibat yang mungkin terjadi dari perubahan-perubahan tersebut
ke dalam analisis produk tunggal.
● Namun untuk analisis CVP kita harus menggunakan dapat diketahui dan diantisipasi sebelumnya.
bauran penjualan dalam unit. Perusahaan dapat
menyelesaikan masalah multi produk dengan
mengkonversinya menjadi produk tunggal, yaitu Contoh: Perubahan biaya produksi dapat mempengaruhi tingkat kelayakan
menetapkan produk-produk tersebut sebagai suatu
paket. ● Alasan dilakukannya analisis sensitivitas adalah untuk
mengantisipasi adanya perubahanperubahan berikut:
Misalnya suatu paket terdiri dari 3 produk A dan 2 produk B.
Berdasar titik impas sebesar 82 paket ini.
maka titik impas akan terjadi pada penjualan 1. Adanya cost over run, yaitu kenaikan biaya-biaya, seperti biaya
konstruksi, biaya bahan-baku, produksi, dsb.
produk A sebanyak 246 paket (3 x 82) dan
2. Penurunan produktivitas.
produk B sebanyak 164 paket (2 x 82). 3. Mundurnya jadwal pelaksanaan proyek. Setelah melakukan analisis
dapat diketahui seberapa jauh dampak perubahan tersebut terhadap
kelayakan proyek: pada tingkat mana proyek masih layak
dilaksanakan
1. Analisis Titik Impas (Break-Even Point Analysis)

● Titik impas merupakan tingkat aktivitas dimana suatu organisasi tidak mendapatkan laba dan
juga tidak mendapatkan rugi. Titik impas juga dapat didefinisikan sebagai titik dimana total
pendapatan sama dengan total biaya atau sebagai titik dimana total marjin kontribusi sama
dengan total biaya tetap.
Tujuan analisis titik impas adalah untuk mencari tingkat aktivitas dimana pendapatan dan
hasil penjualan sama dengan jumlah semua biaya variabel dan biaya tetapnya.

Titik impas ini selanjutnya dapat dihitung dengan menggunakan metode persamaan,
metode marjin kontribusi, dan metode grafik, baik dalam hitungan unit penjualan maupun
penjualan dalam satuan mata uang tertentu yang digunakan dalam transaksi bisnis.
 1. Metode Persamaan
Titik impas dengan metode ini dapat dihitung dengan menggunakan rumus: Dari kasus diatas
misalkan:
x = jumlah speaker terjual
3.500= harga jual per unit
2.625= biaya variabel per unit
75.000 = total biaya tetap

Karena laba pada titik impas sama dengan nol maka faktor laba dalam persamaan tersebut dapat diabaikan. Dengan demikian titik impas dalam unit dapat dihitung sebagai
berikut:

3.500x = 2625x + 75.000 + 0

3.500x – 2.625x = 75.000 + 0
875x = 75.000 + 0
x = 75.000 / 875
x = 85,71 unit

Dengan cara sederhana titik impas dalam rupiah selanjutnya dapat dihitung dengan mengalikan 85,71 unit (impas dalam unit) dengan Rp. 3.500 (harga jual per unit
produk) = Rp. 300.000.

Namun apabila data tidak tersedia untuk menggunakan cara tersebut maka dengan menggunakan data dari kasus di atas titik impas dalam rupiah dapat dihitung
dengan prosedur sebagai berikut:

x = 0,25x + Rp. 75.000 + Rp. 0

0,25x = Rp. 75.000
x = Rp. 75.000 / 0,25
x = Rp. 300.000
● 2. Metode Marjin Kontribusi
● Metode ini merupakan penyingkatan dari formula metode persamaan dalam menghitung titik impas. Jika margin kontribusi tidak
cukup untuk menutup beban tetap perusahaan, maka akan terjadi kerugian untuk periode tersebut. Ketika titik impas dicapai, laba
bersih akan bertambah sesuai dengan margin kontribusi per unit untuk setiap tambahan produk yang terjual.
● Untuk memperkirakan pengaruh kenaikan penjaulan yang direncanakan terhadap biaya, manajer cukup mengalikan peningkatan
dalam unit yang terjual dengan margin kontribusi yang per unit. Hasilnya akan menggambarkan peningkatan laba yang
diharapkan.
● Hal itu terlihat pada formula dibawah ini yang angkanya sama dengan baris kedua dari terakhir pada penyelesaikan dengan metode
persamaan diatas.
●
■ sehingga impas dalam unit = 75.000/875

= 85,71 unit

■ Impas dalam Rp = 75.000/25%

= Rp. 300.000
 Contoh
Dapat dilihat bahwa pada volume penjualan 1 unit @Rp 3.500 dan biaya variabel per unit Rp 2.625, marjin kontribusinya
= Rp 875 per unit.
Dari marjin kontribusi tersebut rasionya menjadi (875/3.500)% = 25%.

Tingkat rasio marjin kontribusi yang sama akan diperoleh pada saat volume penjualan berubah menjadi 150 unit
dimana total penjualan menjadi Rp 525.000.

kenaikan nilai penjualan ini akan diikuti kenaikan biaya variabel dalam presentasi yang sama menjadi Rp 393.750
sehingga marjin kontribusi untuk 150 unit penjualan akan menjadi (131.250/525.000)% atau sama juga dengan
25% seperti marjin kontribusi untuk penjualan 1 unit.

Metode grafik
Grafik tersebut dapat dibuat dengan langkah-langkah sebagai berikut:
a. Buat garis horizontal (x) untuk menunjukan jumlah unit produk dan sebuah garis vertikal (y) untuk menunjukan nilai penjualan dan biaya.
b. Tarik sebuah garis lurus ke kanan atas dengan kemiringan 45 yang ditarik dari titik 0 perpotongan garis x dan garis y sebagai garis penjualan.
c. Buat garis horizontal untuk menujukan jumlah biaya tetap pada berbagai level unit penjualan.
d. Buat garis untuk menunjukan jumlah biaya pada berbagai level unit penjualan yang ditarik dari perpotongan garis y dengan garis biaya tetap.
e. Buat titik impas pada perpotongan garis penjualan dan garis total biaya.
f. Arsir tiga disebelah kanan grafik sebagai daerah laba dan sebaliknya arsir daerah segitiga di sebelah kiri bawah titik impas sebagai daerah rugi.
Analisis regresi merupakan metode statistika yang amat banyak digunakan dalam peneltian. Istilah regresi
pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya hubungan
bahwa orang tua yang memeliki tubuh tinggi memiliki anak-anak yang tinggi pula, orang tua yang pendek
memiliki anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya kecenderungan tinggi
anak,cenderung bergerak menuju rata-rata tinggi populasi secara menyeluruh. Dengan kata lain,ketinggian anak
yang amat tinggi atau orang tua yang amat pendek cenderung bergerak kearah tinggi populasi. KELOMPOK
5
ANALISIS
Tujuan Analisis Regresi sebagai berikut
REGRESI
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari
pada nilaivariabel bebas

Menguji hipotesis karakteristik dependensi.

Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada

nilai variabel bebas diluar jangkauan sample

Fungsi Analisis Regresi

Salah satu fungsi regresi, yaitu bisa memperbaiki kesalahan. Kesalahan ini dapat berhubungan dengan keputusan
yang diambil untuk bisnis. Sebelum diaktualisasikan, keputusan itu dapat dihitung dulu untuk mengetahui hasilnya.
Apabila hasilnya keliru, maka bisa diperbaiki.Misalnya, pemilik bisnis memutuskan ingin menambah jam toko untuk
meningkatkan penjualan. Ternyata ketika dihitung menggunakan regresi, budget yang pemilik bisnis keluarkan
terlalu over, sehingga berpotensi merugikan. Pemilik bisnis pun bisa mengubah keputusannya

26
 Fungsi Analisis Regresi
Memperkirakan Masa Depan
Fungsi kedua dari regresi, yaitu bisa memperkirakan masa depan yang
berhubungan dengan peluang. Rumus ini juga sering digunakan untuk
mencoba apakah peluang yang ada tepat diambil atau tidak.Salah satu
contohnya adalah perusahaan asuransi yang menghitung dana klaim yang
dilakukan oleh pasien melihat dari kasusnya.
Meningkatkan Efesiensi
Rumus regresi juga dapat digunakan supaya operasional bisnis lebih
efisien dan menghasilkan output yang diinginkan
Memberikan insight baru
Fungsi selanjutnya dari regresi, yaitu dapat memberikan
pengetahuan terbaru untuk Anda. Misalnya, Anda ingin
mengetahui stok produk yang harus disediakan ketika sedang
masuk musim ramai pembeli yang belanja di waktu tertentu.
Karakteristik Analisis Regresi :
1. Analisis Regresi menggambarkan bagaimana variabel independen
secara numerik terkait dengan variabel dependen.
2. Pemakaiannya agar sesuai dengan garis terbaik dan
memperkirakan satu variabel berdasarkan variabel lain.
3. Variabel dependen dan independen keduanya berbeda.
4. Analisis regresi menunjukkan dampak perubahan unit dalam
variabel yang diketahui (x) pada variabel yang diperkirakan (y).5.
Objektifit analisis regresi untuk memperkirakan nilai-nilai variabel
acak berdasarkan nilai-nilai variabel tetap.
Analisis Regresi menggambarkan bagaimana variabel independen
secara numerik terkait dengan variabel dependen.
Pemakaiannya agar sesuai dengan garis terbaik dan memperkirakan
satu variabel berdasarkan variabel lain.
Variabel dependen dan independen keduanya berbeda.
Analisis regresi menunjukkan dampak perubahan unit dalam variabel
yang diketahui (x) pada variabel yang diperkirakan (y).5. Objektifit
analisis regresi untuk memperkirakan nilai-nilai variabel acak
berdasarkan nilai-nilai variabel tetap.
27
Pada regresi sederhana biasanya data yang digunakan memiliki
skala interval atau rasio.Rumus regresi linear sederhana Contoh untuk regresi sederhana adalah jumlah uang
saku yang diterima mahasiswa dipengaruhi dengan jarak
sebagai berikut.
tempuh dari rumah ke kampus. Apabila didasarkan dari
penjelasan logis maka semakin dekat jarak rumah
Y = a + bX dengan kampus maka akan semakin kecil nilai uang saku
Ket. mahasiswa, sebaliknya apabila semakin jauh jarak
Y = Variabel dependen (variabel terikat) tempuh dari rumah ke kampus maka akan semakin besar
X = Variabel independent (variabel bebas) jumlah uang saku mahasiswa, sehingga jarak tempuh
a = Konstanta (nilai dari Y apabila X = 0) dari rumah ke kampus (variabel X) akan mempengaruhi
b .
= Koefisien regresi (pengaruh positif atau negatif ) nilai uang saku mahasiswa (variabel Y) secara positif.

2. Analisis Regresi Berganda

Analisis regresi berganda hampir sama dengan analisis regresi linier sederhana, secara umum, model regresi berganda untuk populasi
dimana untuk memprediksi nilai dependen atau yang lebih dikenal dengan adalah sebagai berikut :
variabel Y memerlukan variabel independen atau yang lebih dikenal dengan
variabel X. Hal yang membedakan antara regresi ini dengan regresi linier Y= a+b1X1 + b2X2+…….+bnXn+et
sederhana adalah jumlah variabel yang digunakannya. Di regresi linear berganda,
kita bisa menggunakan mulai dari dua bahkan lebih variabel independen. Namun
bisa jadi tidak semua variabel mempengaruhi variabel Y. Untuk mendapatkan
Dimana :
model terbaik, kita hanya perlu memilih variabel yang berpengaruh ke variabel Y Y = Variabel dependen
saja. a = Nilai konstanta/parameter intercept
X1…Xn = Variabel independen ke-I
b1…bn = Nilai koefisien regresi/parameter koefisien
regresi variabel independen.

28
Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas
hubungan antara dua variabel atau lebih dan membuat perkiraan nilai Y atas X.
data yang digunakan untuk variabel independen X dapat berupa data
pengamatan yang tidak ditetapkan sebelumnya oleh peneliti atau disebut data
primer maupun data yang telah ditetapkan sebelumnya oleh peneliti atau disebut
data sekunder. Hasil perhitungan dalam regresi linear berganda akan
menghasilkan jawaban atas pernyataan hipotesis dan melihat besarnya nilai
pengaruh seluruh variabel bebas terhadap variabel terikat.

CONTOH PENGHITUNGAN
1. ANALISIS REGRESI SEDERHANA

Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan artian
apakah ada pengaruh diameter batang pohon terhadap tinggi pohon
tersebut.Diambil sampel secara acak sejumlah delapan pohon mahoni.

Dapat dilihat dari Tabel 1 pada kolom X dan Y.Hal pertama yang akan kita
lakukan adalah membentuk persamaan regresi, yaitu :
Y' = a + bX
Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti langkah
sebagai berikut :
29
 Maka di peroleh :
Persamaan regresi diperoleh :
Y' = -1,3147 + 4,5413X
dimana :
Y' = Tinggi pohon mahoni yang diprediksi
X = Diameter batang pohon mahoni
2. Regresi Linier Berganda
Dalam suatu penelitian yang dilakukan terhadap 10 rumah tangga yang diilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu (Y), pendapatan per minggu (X1­), dan jumlah
anggota rumah tangga (X2) sebagai berikut:
Seandainya suatu rumah tangga mempunyai X1 dan X2, masing-masing 11
dan 8. Berapa besarnya nilai Y. Artinya, berapa ratus rupiah rumah tangga
yang bersangkutan akan mengeluarkan
biaya untuk pembelian barang-barang tahan lama ?Penyelesaian Contoh soal
Regresi Linier Berganda:Langkah pertama adalah mengolah data diatas
menjadi sebagai berikut:
30
 Penyelesaian…
Langkah pertama adalah mengolah data di atas menjadi sebagai berikut :

Dari hasil penghitungan diatas model regresi linier berganda

dapat dituliskan sebagai berikut

Dari model diatas dapat disimpulkan bahwa setiap kenaikan pendapatan per minggu sebesar Rp1000
maka akan menaikkan pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar
Rp322,1 dengan asumsi jumlah anggota rumah tangga konstan/tetap.

Demikian juga, jika jumlah anggota rumah tangga bertambah 1 orang maka akan menaikkan
pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar Rp45,1 dengan asumsi
pendapatan per minggu konstan/tetap.
 DEFINISI MANEJEMEN PERSEDIAAN ( KELOMPOK 6)
Manajemen persediaan (inventory management) merupakan salah satu bagian dalam manajemen operasianal dan
manajemen produksi,yaitu pengelolaan keseluruhan proses produksi yang dinamis terutama pada pergerakan barang agar
tidak menganggu proses produksi.

Manajemen persediaan terbagi menjadi 5 jenis yaitu ;

1. Barang mentah atau bahan baku
2. Barang proses atau barang setengah jadi yang lazim digunakan untuk didistribusikan ke pabrik lain untuk dilanjutkan
menjadi barang jadi
3. Barang jadi atau finishing goods
4. Barang suplai
5. Barang dagangan

Biaya yang dipertimbangkan dalam proses manajemen persediaan sebagai berikut :

1. Item cost (biaya per unit)
2. Ordering cost ( biaya penyiapan pemesanan) :
• Purchasing order (biaya pembuatan perintah pembelian)
• Biaya pengiriman pemesanan
• Biaya transportasi
• Receiving cost (biaya penerimaan)
• Set up cost (biaya penyiapan)
3. Carrying cost (biaya pengelolaan persediaan)
4. Cost of capital, yaitu biaya yang dinyatakan dan dihitung sebesar peluang yang hilang apabila nilai persediaan digunakan untuk
investasi,
5. Cost of storage, yaitu biaya yang meliputi biaya gudang, asuransim dan pajak yang berubah sesuai dengan nilai persediaan.
6. Cost of obcolescence, deterioration and loss atau biaya resiko kerusakan dan kehilangan.
7. Stockout cost (biaya akibat kehabisan persediaan.
 Tujuan utama manajemen adalah memaksimalkan barang persediaan
dengan biaya yang minimal,selain itu,tujuan lain menajemen persediaan
sebagai berikut Terdapat 5 metode yang paling umum digunakan dalam mengelola
persediaan, yaitu sebagai berikut:
1. Memastikan persediaan melalui safety stock 1. Metode EOQ (Economic Order Quantity)
Metode ini biasa disebut juga dengan metode kuantitas pesanan
2. Memberikan waktu lusng untuk pengelolaan produksi dan pembelian ekonomi, metode yang dijalankan adalah dengan cara membeli
persediaan sesuai dengan pesanan yang diterima
3. Mengantisipasi perubahan permintaan dan penawaran 2. Metode MRP (Material Requirement Planning)
MRP merupakan metode persediaan yang menjemin bahwa
4. Menghilangkan atau mengurangi resiko keterlambatan pengiriman bahan persediaan selalu ada digudang umum berjumlah sedikit
bahan 3. Metode JIT (Just In Time)
Metode ini membuat perusahaan memiliki nol persediaan alias
5. Menyesuaikan dengan jadwal produksi
sama sekali tidak ada persediaan
4. Metode Analisa ABC
Metode ABC melibatkan penggolongan persediaan berdasarkan
6. Menghilangkan atau mengurangi resiko kenaikan harga
total persediaan sesuai masing masing kelas
5. Metode Priode Review
7. Menjaga persediaan bahan yang dihasilkan secara musiman Metode ini membuat perusahaan melakukan pemesanan
persediaan dalam jarak waktu yang berdekatan, jadwal pemesanan
8. Mengantisipasi permintaan yang diramalkan sudah dijadwalkan secara periodik dan teratur.

9. Mendapatkan keuntungan dari quantity discount

10. Komitmen terhadap pelanggan

 ECONOMIC ORDER QUANTITY(EOQ)

Economic order quantity(EOQ) Economic order quantity

adalah jumlah pemesanan yang paling ekonomis, yaitu
jumlah pembelian barang yang dapat meminimumkan jumlah
biaya pemeliharaan barang di gudang dan biaya pemesanan
setiap tahun. Economical Order Quantity (EOQ) juga
menunjukkan jumlah setiap kali pembelian bahan yang
disertai biaya minimal sama dengan jumlah pembelian bahan
yang paling ekonomis.
Rumus Economic Order Quantity atau EOQ sebagai berikut:
EOQ = 2SD
H
Keterangan rumus EQQ :
D = Penggunaan atau permintaan yang diperkirakan per
periode waktu
S = Biaya Pemesanan (Persiapan pesanan dan
Penyimpanan mesin) perpesan
H = Biaya Penyimpanan per unit per tahun
CONTOH KASUS
Biaya penyimpanan dan pemeliharaan di gudang adalah 40%
dari nilai persediaan di gudang. Biaya pesanan adalah Rp 15 juta
setiap kali pesanan.jumlah material yang dibutuhkan selama
setahun sebanyak 1200 unit dengan harga 1 juta per unitnya
EOQ = 2 x 1200 x 15
1 x 0,40
= 90.000
= 300 unit
ini berarti bahwa cara pembelian yang palingekonomis ialah
pembelian bahan sebanyak 300 unit sekalin pesanan,jadi
kebutuhan material sebanyak 1200 unit selama satu tahun
dipenuhi dengan 4 kali pesanan @300 unit
 PENGENDALIAN PERSEDIAAN PRODUKSI
Pengendalian persediaan merupakan
usaha-usaha yang dilakukan oleh suatu
perusahaan termasuk keputusan-keputusan
yang diambil sehingga kebutuhan akan
bahan untuk keperluan proses produksi
dapat terpenuhi secara optimal dengan
resiko yang sekecil mungkin.
Tujuan pengendalian persediaan sebagai
berikut:
1. Menjaga ketersediaan bahan-bahan
agar proses produksi dapat berjalan
dengan lancar.
2. Menjaga keadaan persediaan yang
tidak terlalu besar atau berlebihan
sehingga biaya-biaya yang timbul dari
persediaan juga menjadi tidak besar
3. Memenuhi permintaan pelanggan
agar biaya mencari barang/bahan
penggantian atau biaya kehabisan
bahan atau barang (stock out) dapat
dikurangi.  
Fungsi utama pengendalian persediaan adalah menyimpan untuk
melayani kebutuhan perusahaan akan bahan mentah atau barang jadi dari
waktu ke waktu. Faktor-faktor yang mempengaruhi fungsi utama
pengendalian persediaan sebagai berikut:
1. Apabila jangka waktu pengiriman bahan mentah relatif lama maka
perusahaan memerlukan
persediaan bahan mentah yang cukup untuk memenuhi kebutuhan
perusahan selama jangka waktu pengiriman.
2. Seringkali jumlah yang dibeli atau diproduksi lebih besar dari yang
dibutuhkan.
3. Apabila pemintaan barang hanya bersifat musiman sedangkan tingkat
produksi setiap saat
adalah konstan maka perusahaan dapat melayani permintaan tersebut
dengan membuat tingkat
persediaannya berfluktuasi mengikuti fluktuasi permintaan.
4. Selain untuk memenuhi permintaan langganan, persediaan juga
diperlukan apabila biaya
untuk mencari barang atau bahan pengganti atau biaya kehabisan
barang atau bahan relatif
besar.

Persediaan pengaman (safety stock) dalam manajemen persediaan
merupakan minimum yang yang harus tersedia dan hanya dapat
digunakan dalam keadaan darurat. Penggunaan safety stock di
perusahaan bertujuan untuk mengurangi resiko seminimal yang dapat
ditimbulkan karena ketidakpastian kedatangan bahan. Besaran safety
stock (B) dirumuskan sebagai berikut :
B = a x Sdt
Keterangan :
B = safety stock
A = frequency level of service
Sdt = standar deviasi lead time
Selanjutnya, manajemen persediaan juga memerlukan adanya
pemahaman terkait reorder point (rop), yaitu saat titik dimana
pemesanan kembali harus dadakan sehingga kedatangan atau
penerimaan bahan tetap pada waktunya dimana jumlah persediaan
serta perusahaan sama dengan safety stock.
Unsur unsur yang mempengaruhi kapan
pemesanan kembali dapat dilakukan adalah waktu
waktu antar saat melakukan pemesanan dengan
alat bahan sampai di gudang dan jumlah
kebutuhan tiap kali proses reorder point (rop) atau
r
Rumus ROP :
ROP = ( U x L ) + Safety Stock
Keterangan :
ROP = Reorder Order
U = Tingkat Kebutuhan Per Periode
L = Lead Time Persediaan Cukup Untuk
Memenuhi Kebutuhan Selama Lenggang Waktu
Jumlah yang harus dipesan harus sesuai atau
berdasarkan EOQ.
Selanjutnya, maximum stock adalah, keadaan
dimana persediaan mencapai posisi yang
maksimal yang dirumuskan sebagai berikut :
Maximum stock = safety stock + EOQ
 ANALISIS PERSEDIAAN ABC
METODE ANALISIS PERSEDIAAN ABC
MERUPAKAN SUATU SISTEM ATAU PROSEDUR
SEDERHANA YANG DAPAT DIPERGUNAKAN UNTUK
MENGISOLASI BARANG BARANG YANG MEMERLUKAN
PERHATIAN KHUSUS DALAM PENGENDALIAN
PERSEDIAAN. PROSEDUR ANALISIS ABC
MENGHARUSKAN PEMBUATAN DIAGRAM
PERSENTASE BARANG BARANG PERSEDIAAN
BERDASARKAN PRESENTASE NILAI TOTAL UNTUK
SATU PRIODE TERTENTU.
PERUSAHAAN MENGANALISIS SETIAP
BARANG PERSEDIAAN BERDASARKAN BIAYA,
FREKUENSI PENGGUNAAN, MASALAH YANG
DIAKIBATKLAN OLEH HABISNYA PERSEDIAAN, WAKTU
NUNGGU PESANAN DAN KRITERIA LAINNYA .
Penggunaan tiga kelas dalam analisis ABC untuk menentukan
besaran masing-masing kelas dengan cara sebagai berikut :
1. Kelas A merupakan barang-barang dalam jumlah unit berikisar
15-20% dari total seluruh barang tetapi merepresentasikan 75-
80% dari total nilai uang.
2. Kelas B merupakan barang-barang dalam jumlah unit berkisar
20-25% dari total seluruh barang tetapi merepresentasikan 10-
15% dari total nilai uang.
3. Kelas C merupakan barang-barang dalam jumlah unit berkisar
60-65% dari total seluruh barang tetapi merepresentasikan 60-
65% dari total seluruh barang tetapi merepresentasikan 5-10%
dari total nilai uang.
Langkah-langkah atau prosedur klasifikasi barang dalam
Analisis ABC
1. Menentukan jumlah unit untuk setiap tipe barang.
2. Menentukan harga per unit untuk setiap tipe barang.
3. Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai
uang dari masing-masing tipe barang.
4. Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan
urutan pertama tipe barang dengan total nilai uang paling besar.
5. Menghitung persentase kumulatif barang dari banyaknya tipe barang.
6. Menghitung persentase kumulatif nilai uang barang dari total nilai uang.
7. Membentuk kelas-kelas berdasarkan persentase barang dan persentase nilai
uang barang
8. Menggambarkan kurva analisi ABC (bagan pareto) atau tingkat kepentingan
masalah.