7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 1/8
BAB
I
F OR E CA S TI NG
(PERAMALAN)
A. Deskripsi Peramalan
(Forecasting)
Sebelum dekade 1980-an,
peramalan
masih
dipandang
sebagai
kegiatan
yang
teknis
di
dunia Barat. Pada dekade
1990-an,
pandangan
yang
sama
juga
masih dirasakan di kalangan bisnis Indonesia dan di negara berkembang
lainnya,
padahal
di tempat asalnya
(Barat)
cakupan
peramalan
telah berkembang
dengan
pesat
melam-paui sifatnya
yang
teknis, meliputi
penggunaan
yang
luas
dalam
perencanaan
pengambilan
keputusan, serta
ilmu-ilmu
manajerial lainnya.
Secara
umum,
peramalan
dapat
dikelompokkan
ke
dalam
peramalan
kualitatif
dan kuantitatif.
Peramalan
kualitatif
adalah
peramalan
yang
didasarkan
pada
intuisi
dan
pengalaman
empiris,
sehingga
relatif bersifat subyektif.
Untuk
situasi
yang
kompleks,
peramalan
subyektif
sukar dilaksanakan
karena
keterbatasan
otak
manusia dalam menganalisis informasi serta hubungan
sebab
akibat
yang
mempengaruhi bisnisnya. Jika
peramalan
kualitatif
tersebut
dilakukan
oleh beberapa
orang
secara
terpisah,
maka hasilnya
akan bervariasi
cukup besar.
Sebalinya,
jika
dilaksanakan
secara
bersama-samq kemungkinan
tidak
diperoleh
kesamaan
hasil
peramalan,
atau orang
yang
berpengaruh
pada
kelompoklah
yang
menentukan hasilnya.
Pada sisi
lain,
peramalan
kuantitatif
memiliki
sifat
yang
obyektif
karena
didasarkan
pada
keadaan
faktual
(data)
yang
diolah
dengan
metode-metode
tertentu.
Penggunaan
suatu
metode
juga
harus
didasarkan
pada
fenomena
manajemen
bisnis.
Peubah apa
yang
harus diramalkan
dan untuk tujuan
apa
peramalan
itu
dilakukan.
Dengan
digunakannya
data
yang
merupakan
representasi
gambaran
keadaan
aktual
masa
lalu
serta
adanya
justifikasi
teoritis
mengenai
metode
yang
digunakan
secara sistematik,
maka
hasil dari
peramalan
kuantitatif
menjadi
sesuatu
yang
dapat
dipertanggungjawabkan,
karena memiliki dasar
yang
jelas.
Di
samping itu,
pelaksa-naannya
juga
dapat
dilakukan kapan
saja
dan oleh
siapa saja
yang
memang
memiliki
ketrampilan
dan
pengetahuan
yang
dibutuhkan,
tanpa
khawatir
bahwa
hasil
pera-malan
akan
bersifat
bias
pada
suatu
kepentingan.
Herz Dian
Setiowaq/TTMK/B
1/05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 2/8
Selain
itu. dengan
perkembangan
teknologi
komputer
yang
sedemikian
pesal
maka
peramalan
kuantitatif
akhirnya
dapat
dipandang sebagai
sesuatu
kegiatan
yang
tidak
terlalu sukar untuk diterapkan
dan
dapat memberikan
hasil
yang
akurat.
Dari sekian banyak
metode
untuk
melakukan
peramalan, metode Regresi
Sederhana
dan/atau Berganda
merupakan salah satu
metode
yang
paling
banyak
digunakan.
baik oleh
praktisi
bisnis
maupun
perencanaan
pembangunan
pemerintah.
B.
Regresi Sederhana dan/atau
Berganda
Analisis
regresi
linier sederhana/ganda
ditujukan
untuk mengetahui
bagaimana
variabel
dependen
(terikat)
dapat diprediksikan
melalui
variabel
inde
pende
n
(bebas)
secara
individual.
Dampak
dari
penggunaan
analisis
ini adalah
untuk
memutuskan
apakah
naik/menurunnya
variabel
dependen
dapat dilakukan
melalui
menaikkan/menurunkan
keadaan
variabel
independen, atau
untuk
meningkatkan
keadaan
variabel
dependen dapat dilakukan
dengan
meningkatkan
variabel
i
nde
p
e
nde n
I dan sebaliknya.
1.
Analisis
Regresi Linier Sederhana
Untuk
regresi
linier
sederhana
didasarkan
pada
hubungan fungsional
ataupun kausal satu
variabel
independen dengan satu
variabel dependen,
dengan
rumus:
Y: a+bX
Keterangan:
Y
:
Subyek
dalam variabel
dependen
yang
diprediksikan
a
-
Harga Y bila
X:0
(harga
konstan)
b
:
Angka
arah atau
koefisien
regresi,
yang
menunjukkan
angka
peningkatan
ataupun
penurunan
variabel dependen
yang
didasarkan
pada
variabel independen.
Bila
b
(+)
maka naik,
dan
bila b
O
maka terjadi
penurunan
X
:
Subyek
pada
variabel
independer
yang
mempunyai
nilai
teftentu.
a. Besarnya
"nilai
b" dapat
dihitung
dengan menggunakan
rumus
sebagai
berikut:
Heru
Dian
Seticrw
an/TTMK/B
1/05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 3/8
n
txY
-
(:x) (rY)
b:
n
rxr-(tx),
b.
Besamya
"nilai
d' dapat
dihitung
dengan menggunakan
rumus sebagai
berikut:
(tY)
(Ix1-(tx)
(IxY)
n
Ix'?-
(Ix)'z
2.
Analisis Regresi Linier Ganda
Untuk
menghitung
persamaan garis
regresi linier
ganda
menggunakan
rumus
sebagai
berikut:
Y"
:
bs+b1X1
+
6rY,
Dengan metode kuadrat
terkecil
dapat
diperoleh
persamaan-persamaan
normal
sebagai
berikut
:
Y
-
nbo
-
brXr bzXz
:
0 ..................
persamaan
I
XrY-boXr-brXr2-b:XrXz
=0 ..................
persamaanll
XzY-boX:-brX1X2
b2X2
:0
...................
persamaanlll
Dengan
persamaan
normal
ini
dapat
diperoleh
atau
dihitung
harga-harga
bo, br, dan bu.
C. Studi Kasus
l.
Cobalah
minta
data
penjualan
di beberapa
perusahaan
retail
yang
mudah
diakses.
Kemudian
dari
paling
sedikit 3 tahun data
yang
terkumpul, buatlah
peramalan penjualan
untuk tahun
depan
dengan
menggunakan
regresi
sederhana,
dimana faktor
yang
mempengaruhi
adalah
biaya
promosi.
Diketahui
besarnya
biaya
promosi
dan
penjualan
perusahaan
(dalam
jutaan)
yang
didapatkan
di suatu
perusahaan
retail
pada
jenjang
waktu 3 tahun sebagai
berikut:
Tahun
Promosi Penjualan
Heru Dian
Seliatrtan/TTMIJB
1/05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 4/8
2005
2006
2007
40
55
65
1400
1750
1950
.lumlah
160
5000
Data
di
atas
selanjutnya
diolah
sebagai
berikut
:
No.
Promosi
(x)
Penjualan
(Y)
x2
Y2
XY
I
2
40
55
65
1400
1750
i950
1600
3025
4225
1960000
3062500
3802500
56000
96250
1267 5A
Jumlah
r60 5000
8850 8825000
279000
Diketahui
:
tx
=160
;
IY:sooo;
Ix'=a8so
Iy,:8825000
;
Ixv
:zzsooo
;
n =l
Sehingga
besamya
nilai
a dan
6 adalah
:
(tD (Ix1-
(ID
(txY)
n
Ix'-
(Ix)'?
(s000)
(88s0) (160)
(27e000)
(3)
(8s50)
-
(l6o)'?
44250000
-
44640000
26550
-
25600
-
390000
950
a
=
-410,3263
Heru
Dian
Seliowan/TTMK/B
1/05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 5/8
n
rxY
-
(rx) (IY)
b:
n
tx'z
(IxF
(3) (27e000)
-
(160) (s000)
b=
(3) (88s0)
-
(160)'z
837000
-
800000
26550
-25600
37000
950
b
:
38,9474
Berdasarkan
perhitungan
tersebut di atas diketemukan harga a dan 6. sehingga
persamaan
regresi linier
sederhana dapat disusun sebagai
berikut
:
Y:
-410,5263+38,9474X
Persamaan
tersebut
di
atas
berarti
bahwa apabila setiap promosi
(X)
ditingkatkan
sekitar
l%,
maka diperkirakan
penjualan (Y)
akan
meningkat
sekitar 38,9474Yo.
2. Cobalah minta
data
penjualan
di beberapa
perusahaan
retail
yang
mudah
diakses.
Kemudian
dari
paling
sedikit
3
tahun data
yang
terkumpul,
buatlah
peramalan penjualan
untuk tahun depan
dengan
menggunakan
regresi
sederhan4 dimana faklor-faktor
yang
mempengaruhi
adalah biaya
promosi
dan
pengembangan
produk.
Diketahui besamya
penjualan
perusahaan
serta biaya
promosi
dan
pengembangan
produk
(dalam
jutaan)
yang
didapatkan
di
suatu
perusahaan
padajenjang
waktu
3
tahun
sebagai
berikut:
Tahun
Promosi
Pengembangan
Produk
Penjualan
Heru Dian
Setiowan/TTMI(/B
I /05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 6/8
2005
2006
40
55
65
60
70
1400
1750
1950
,lumlah 160
210 5000
Data
di atas selanjutnya
diolah
sebagai
berikut :
No.
Pro-
mosl
(X,)
Pengem-
bangan
Produk
(x,
Pen-
jualan
(Y)
Xr' X,,
XrY
XrY
XrXz
I
2
40
55
65
60
70
80
1400
1750
r
950
1600
3
025
4225
3600
4900
6400
56000
96250
1267 50
84000
122500
156000
2400
3850
5200
t
r60 210 5000 8850 14900
279000
362500 I1450
Diketahui:
IxJ
:
roo;
Ix2:2lo; Iv:sooo
;
ZxJ
:z79ooo;
n=l
Ix,.
= 8850
;
Ux2':14900
;
txrY
:362500
;
Ixrx2
-
11450
Didapatkan
persamaan
sebagai
berikut :
Y-nbo-brXr-b:X:
=0
..................
persamaan I
XrY-
boXr
-
brXr2
bzXrXz
:0
..................
persamaan
Il
XuY
-
boX:
-
brX
tXz
bzXz
:0
...................
persamzurn Ill
5000
=
3
b.
+
160
br
+
210
bz
persamaan
I
279000:160
bo
+ 8850 br
+
11450
b:
persamaan
2
362500
=
210 b0
+
11450 br
+
14900
bz
persamaan
3
Persamaan
I dan 2
5000
=
3 b"
+
160 br
+
210 b:
ll
x
Qoo)
il
279000 = 160
bo
+
8850 br
+
I
1450 b:
ll
x
(3)
Heru Dian Setiawan/TTMK/B l/05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 7/8
Persamaan
I
dan 3
5000
:
3 bo
+
160
br
+
210
b:
ll
x
Qrc)
I
362500
=
210
bo
+
I1450
br
+
14900
b:
ll
x
(3)
800000
:
480 bo
+
25600 br
+
33600
bz
837000
:
480 bo
+
26550 br
+
34350 b:
-
37000
:
- 950
br
-
750
br
persamaan
4
1050000:
630
bo
+ 33600
br
+ 44100
b:
1087500 = 630
bo
+
34350 bt
+
44700b2
-
37500
:
-
750
br
-
600
bz
.....................
persamaan
5
Persamaan
4
dan 5
-
37000
:
-
950 br
-
750
b:
- 37500
=
-
750 br
-
600
bz
27750000
:712500
br
+
562500b2
3s62s000
--
712500
br
+
570000b:
-
7875000
:
- 7500
bz
bz
=
1050
- 37000
:
-
950
br
-
750
bz
-
37000
:
-
950 br
-
750
(1050)
- 37000
:
-
950 br
-
787500
750500
ll
;
:ffit
br:
- 9s0
Heru Dian
Seticnoan/TTMKIB
I /05
7/23/2019 Forecasting Peramalan(1)
http://slidepdf.com/reader/full/forecasting-peramalan1 8/8
br:
-790
5000 = 3 bo
+
160
br
+
210
bz
5000: 3bo+
160c790)+ 210(1050)
5000:
3b"-
126400+
220500
-5000
94 I 00
3
bo
:
- 29700
Dengan diketemukannya
harga-harga
tersebut
di
atas,
maka
persamaan
regresi
linier
ganda
dapat disusun sebagai berikut :
Y
:
-29700 -
790 Xr
+
1050
&
Persamaan tersebut
di atas berarti
bahwa
apabila
setiap
biaya
promosi
(X;)
dan
biaya
pengembangan
produk (X2)
ditingkatkan
secara bersama-sama
sekitar
I%,
maka
diperkirakan
penjualan
(Y)
akan
meningkat
sekitar
2600/0.
Bahan
Diskusi
Cobalah minta data
penjualan
di beberapa
perusahaan
retail
yang
mudah
diakses.
Kemudian
dari paling sedikit
3
tahun data yang terkumpul, buatlah
peramalan
penjualan
untuk tahun
depan dengan menggunakan
regresi berganda,
dimana
faktor-faktor
yang
mempengaruhi adalah
pendapatan
masyarakat.
harga
produk
tersebut.
dan
harga
produk
pesaing.
Heru Dian Setiowan/TTMK/B I /05