BAHAN KULIAH & PRAKTIKUM
METODE KUANTITATIF DALAM BISNIS
By. LA HATANI JURUSAN MANAJEMEN FAKULTAS EKONOMI
B. P E NDEK ATAN AN AN NTI ATII F N DE DEK K AT A N ALI SI S KUA NT N TI TAT Tahapan-II Pendekatan Analisis Kuantitatif Perum usan M asalah asala h
Desain Desa in M odel Pengum pulan Data P encarian Solusi Sol usi Pengujian Solusi Solus i An alisis & H asil I m plemtansi Hasil & R ekomendasi ekomendas i
“Penting untuk direnungkan dan diingat bahwa pemilihan teknik kuantitatif yang relewan sangat tergantung dari apa problem dan tujuan riset”. T u j u a n Ri s et B i s n i s R is
Tujuan utama riset bisnis tidak selalu diperoleh dalam lingkungan yang ketat. Pengembangan tujuan kerangka analitik dibedakan dua wilayah riset Bisnis, yaitu:
Pilihan Teknik Analisis K u a n t i t a t i f Analisis
Cost, Profit & Volume (BEP) Analisis Keputusan Analisis Probabilitas Peralaman Korelasi & Regresi Analisis Jalur Analisis faktor, deskriminan & Claster Model Pengendalian Persedian Linear Programming (Optimaliasi) Network Model Analisis I-O SEM, dll
D. MODEL RISET DALAM PENDEKATAN KUANTITATIF
Scientific Problem
Hypothesis
Pembuktian: Data Empirik
Unit Analisis / Analisis / Unit Sample Obyek Penelitian Responden
ILUSTRASI Topik :: Pengaruh Faktor Topik Faktor Fundamental Fundamental terhadap Keuntungan yang Diharapkan Data : Pooled; yaitu gabungan time series dan cross sectional Obyek : Perusahaan (yang go public di Bursa Efek Jakarta) Efek Jakarta) Pengamatan : 4 tahun terakhir terakhir (1998 (1998 s/d 2002) Unit sampel : perusahaan Besar sampel Besar sampel : 50 perusahaan Unit analisis : 4 x 50 = 200 Topik :: Analisis Faktor Topik Faktor yang yang berpengaruh terhadap Kinerja Keuangan Industri Kecil Kecil berorientasi berorientasi Ekspor Obyek : Industri Kecil (berorientasi ekspor) Unit sampel : Industri Kecil Besar sampel Besar sampel : 150 industri kecil Unit analisis : 150 Responden : Pemilik, manajer, karyawan (tidak (tidak sama sama dan lebih banyak dari besar sampel)
Metode Kuantitatif (Parametrik) adalah pendekatan yang menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-parameter yang mempunyai sebaran (distribusi norm al) tertentu yang diketahu i. Metode kuantitatif berlandaskan pada anggapananggapan tertentu yan g telah disusun terlebih dahulu, jik a anggapan-anggapan t ersebut tidak sesuai dengan keadaan sebenarnya, apalagi jika menyimpang jauh m aka k eampuhan m etode ini tidak tid ak dapat dijam dij am in atau bahkan dapat menyesatkan
1 . K elebi elebihan han M etode K uantitatif adalah: ad alah: Dapat digunakan untuk menduga atau meramal. Hasil analisis dapat diperoleh dengan pasti dan akurat apabila digunakan sesuai aturan-aturan yang telah ditetapkan. Dapat digunakan untuk mengukur interaksi hudungan antara dua/lebih variabel (peubah). Dapat menyederhanakan realitas permasalahan yang kompleks & rumit dalam sebuah model.
2. K eku rangan M etode K uantitatif adalah: ad alah: ek urangan anggapan n (Asumsi) Berdasark an pada anggapan - anggapa Asumsi tidak sesuai dengan realitas yang terjadi
atau menyimpang jauh jau h m aka k emampuannya tidak tida k ja uh dapat dijamin d ijamin bahkan enyesatkan. enyes atkan. bahk an m menyesatkan. Data harus berdistribusi normal dengan skala pengukuran data yang harus digunakan adalah interval & rasio. Dapat digunakan untuk menganalisis data yang populas pop ulasi/ i/ sa sam m pel pelnya nya sa sama. ma. Tidak dapat dipergunakan untuk menganalisis dengan cuplikan (Sampel) yang jumlahnya sedikit (> 30)
Pem ode odelan lan M eto etode de K uantita uantitatif tif Model adalah suatu konsep yang digunakan untuk
menyatakan sesuatu keadaan (permasalahan) ke dalam bentuk simbolik, ikonik atau analog. Pada hakekatnya model adalah abstraksi dari dunia nyata, sensitivitas atas solusi terhadap perubahan dalam model serta perwakil realitas, oleh karena itu wujudnya harus lebih sederhana. Pemodelan Metode kuantitaif adalah upaya memodelkan permasalahan ke dalam konsep kuantintatif dengan prosedur: (1) Ubah pernyataan ke dalam lambang kuantitatif (2) Pemilihan metode analisis yang tepat (3) Aplikasi metode secara benar
K aidah Analisis Analisi s Data (Pem odelan Dala m M etod Dalam etode eK uantitatif uantita tif)) Kuantitatif) Kuantitatif
Pendekatan kuantitaf berangkat dari data atau ibarat bahan
baku dalam sebuah pabrik . Data diproses & dimanipulasi menjadi informasi yang berharga bagi pengambilan keputusan. Data yang dikumpulkan harus “dibersihkan” sebelum dianalisis, ibaratnya dalam memasak kita harus mencuci alat dan bahan-2 makanan yang kita masak agar masakan kita setidaknya bersih. Hasil “pembersihan” adalah berkuranya ketidaktepatan dan kesalahan dalam data yang dapat dilakukan sebagai berikut: (1) (2) (3) (4) (5) (6) (7)
Menyunting Data Mengembangkan Variabel Pengkodeaan data Cek kesalahan Pembentukan struktur data Pra-analisis cek komputer Tabulasi
Mendapatkan Data yang akurat hukumnya wajib, karena meskipun model merupakan representase dari realitas yang sempurna, ketidakakuratan & ketidaktepatan data memperoleh hasil yang menyesatkan, ini yang dikenal sebagai “Garbage In Garbage Out O ut “ “(GIGO). Mencermati fenomena empiris tidak dapat dipingkiri para pengambil keputusan baik pada instansi pemerintah maupun swasta dan interaksi kehidupan bermasyarakat telah banyak menggunakan kaidah-kaidah kuantitatif seperti menghitung rata-rata penghasilan sebuah keluarga setiap bulan, mengukur tinkat produktivitas usaha, melihat hubungan antara aktivitas yang dikerjakan dengan prestasi yang diraih, dan sebagainya.
Tabel 1. Pengguna Metode Kuantitaf dan Berbagai Permasalahan Yang Dihadapi
Pengguna Manajemen
Akuntansi & Keuangan
Pemasaran
Masalah yang Dihadapi 1. 2. 3. 4.
Penentuan struktur gaji, pesangon, dan tunjangan karyawan. Penentuan jumlah persediaan barang Evaluasi produktivitas karyawan. Evaluasi kinerja perusahaan.
1. 2. 3. 4. 5. 6.
Penentuan standar audit barang dan jasa. Penentuan depresiasi dan apresiasi barang dan jasa. Potensi peluang naik/turun harga saham & suku bunga. Tingkat pengembalian investasi beberapa sektor ekonomi. Analisis pertumbuhan laba dan cadangan usaha. Analisis resiko keuangan setiap usaha.
1. 2. 3. 4.
Penelitian dan pengembangan produk. Analisis potensi pasar, segmentasi dan diskriminasi pasar. Ramalan penjualan. Efektivitas kegiatan promosi penjualan.
Ekonomi 1. Pembangunan 2. 3.
Analisis pertumbuhan ekonomi, inflasi dan suku bunga. Pertumbuhan penduduk, pengangguran dan kemiskinan. Indeks harga konsumen dan perdagangan besar.
AR TI & JENI S DATA DAT A DLM M ET ETODE ATII F E TODE K UAN TI TAT ”Data adalah bentuk jamak dari datum artinya kumpulan angka, fakta, fenomena atau keadaan lainnya, merupakan hasil pengamatan, pengukuran atau pencacahan dan sebagainya terhadap obyek, yang berfungsi dapat membedakan obyek yang satu dengan lainnya pada variabel yang sama”. Metode Kuantitaf berhubungan dengan pengolahan data atau yang menjadi imput dalam proses kuantitatif adalah data. Dari sudut pandang Metode kuantitatif data dikelompokan menjadi dua jenis yaitu: (1) Data kualitatif adalah data yang dinyatakan dalam bentuk bukan angka (sifat). (2) Data kuantitatif adalah data yang dinyatakan dalam bantuk angka yang diasumsikan sebagai informasi dalam bentuk pernyataan “bilangan” yang didasarkan pada hasil perhitungan.
Pengelompokan data menurut cara perolehan menurut statistika terdiri atas: 1 . Data primer adalah primer adalah data yang diperoleh secara langsung dari obyak yang diteliti baik secara individu maupun kelompok/organisasi. 2 . Data sekunder adalah data yang diperoleh secara tidak langsung untuk mendapatkan informasi/keterangan dari obyek yang diteliti 3 . Data tersier yaitu data yang diperoleh secara tidak langsung dari obyek yang diteliti biasanya data tersebut diperoleh dari pihak ketiga baik dari individu maupun kelompok yang sengaja mengungkapkan fakta dari pihak kedua.
SKALA P E NGUK URAN DAT DATA A Pengukuran merupakan suatu proses dimana suatu angka atau symbol diletakan pada suatu karakteristik atau stimulti sesuai dengan aturan atau prosedur yang telah ditetapkan. Stevens (1946) skala pengukuran data dapat dikelompokan menjadi empat jenis yaitu: 1 ) Skala nominal adalah angka yang diberikan kepada obyek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apa-apa atau merupakan skala pengukuran yang menyatakan kategorik dari kelompok suatu obyek. Contoh: jenis kelamin yaitu laki-laki diberi tanda 1 dan perempuan diberi tanda 2) Skala ordinal adalah data yang diperoleh dengan cara kategorik atau klasifikasi namun diantara data tersebut memiliki hubungan atau angka yang diberikan di mana angka-angka tersebut mengandung pengertian tingkatan. Contoh: Kualitas produksi yaitu sangat tinggi dikategorikan 5; tinggi dikategorikan 4; sedang dikategorikan 3; rendah dikategorikan 2; dan tidak berkualitas dikategorikan 1
3). Skala interval adalah suatu skala pemberian angka pada obyek yang mempunyai sifat ukuran ordinal dan mempunyai jarak atau interval yang sama. Contoh : temperatur suhu ruangan yang dengan celcius pada 00C sampai 100C. 4). Skala rasio adalah skala interval yang memiliki nilai dasar (based value) yang tidak dapat dirubah atau skala yang memiliki nilai nol dan rasio dua nilai yang memiliki arti. Skala rasio merupakan skala dengan hirarki paling tinggi dibanding skala-skala lainnya yang merupakan angka atau bilangan dari hasil perbandingan. Contoh: tingkat produktivitas merupakan perbandingan antara input dan ouput.
Agar dapat membedakan dari ke empat jenis skala pengukuran data di atas dapat dikemukakan ciri-ciri dari setiap skala pengkuran data.
Tabel 2. Ciri-ciri Skala Pengkuran Data Nominal
Komponen Nama (Nomos) Angka yang diberikan hanya sebagai label saja. Contoh: pria = 1, wanita = 2 dan waria = 3.
Ordinal
Interval Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Nilai Nol Tidak Mutlak (Absolut) Contoh: 1. Saham sangat prospektif dengan harga saham Rp736878, 2. saham prospektif Rp592-735.
Komponen Nama (Nomos) Komponen Peringkat (Order) Angka mengandung pengertian tingkatan. Contoh: ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih tinggi dari ranking 2 dan 3.
Rasio
Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Komponen Ratio Nilai Nol Mutlak (Absolut) Contoh: bunga BCA 7% dan bunga Mandiri 14%, maka bunga Mandiri 2 kali bunga BCA.
AR TI & JE JENI NI S VARI ABEL
Gam bar 3. P engelompok an Jenis Variabel Variabe l
T abel 3. Hub ungan Data & Variabel
SELAMAT MENJADI GENERASI YANG JUJUR & TEKUN
A . U j i Validitas ( Kesakhihan ) Data Ω
Ω
Ω
Instrumen tersebut dikatakan valid jika dapat mengukur a p a yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat (Supranto,1997). Pengujian validitas , instrumen diuji dengan menghitung koefisien korelasi antara skor item d a n skor totalnya dalam taraf signifikansi 0,05 dengan rumus Korelasi P roduct rod uct M oment earson ear son. Product Mom ent P Pearson. Pears on.. Instrumen bisa dikatakan valid mempunyai nilai r hitung > r tabel dengan tingkat signifikansi korelasi d i bawah α = 0,05 0, 05 ( Santoso 2004) dengan rumus :
Langk ah Analisis Uji Validitas Dengan Denga n SP SS Yaitu: 1. 2.
3. 4. 5. 6. 7
Masukan data k e W orkshe orksheet et SPSS dengan perintah File/Open/Data Dari m enu utama SPSS pilih menu Analyze , kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows Bivariate Correlation I si sik k an data d ata e K otak Vari Variabe abel l Yaitu sikan da ta kke Variabell K onstruk d a n S k or Total Variabe T otal Pilih Correlation Coefficients Coeff icients P earson Pilih O k e Tampilkan Output SPSS
B . U j i Reliabilitas Data ¥ Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, keakuratan, kestabilan, atau kosistensi alat dalam mengungkap gejala tertentu pada waktu yang berbeda. ¥ Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi ¥ Uji reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach dan memiliki tingkat kehandalan yang dapat diterima (reliabel), Nilai koefesien reliabilitas yang terukur ≥ 0,6 (Uma Sekaran, 2000), dengan rumus :
Langkah-2 Uji Reliabilitas dengan SPSS 1.
2.
3.
4.
5.
6.
7.
Masukan data k e Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Scale lalu pilih Reliability Analysis Tampak dilayar tampilan Windows Reliability Analysis Isikan data kotak indicator variabel kedalam kotak Items d a n pilih M odel Alpha Pilih tombol Statistics sehingga tampak dilayar w indow s Reliability Reliabili ty analysis statisti s tatistics cs Pilih bagian descriptiv e for, pilih item, scala , scala descriptive if item deleted d a n inter - - item Corelation Pilih continue conti nue dan oke ok e Output SPSS
Langkah-Langkah Analisis Uji Validitas Dengan Sofware SPSS Yaitu: 1.
2.
3. 4. 5. 6. 7.
Masukan data k e W orkshe orksheet et SPSS dengan perintah File/Open/Data lalu input data pada Worksheet Data View kemudian pemberian simbol /label variabel pada Variable e View . pada W orksheet Variabl Dari menu utama SPSS pilih menu Analyze , kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows Bivariate Correlation Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan S k or Total T otal Pilih Correlation Coefficients Coeffic ients P earson Pilih O k e Tampilkan Output SPSS
B . U j i Reliabilitas Data Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, keakuratan, kestabilan, atau kosistensi alat dalam mengungkap gejala tertentu pada w akt u yang berbeda. be rbeda. Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi U j i reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach d a n memiliki tingkat kehandalan yang dapat diterima (reliabel), N ilai koefesien reliabilitas yang terukur ≥ 0 ,6 (Um a Sekaran, 20 00 ), dengan rum us :
Jawab: 1.
U j i Validitas Dengan Sof Sofw w are SPSS
7. Tampil Output SPSS Uji Reliability
Dari output uji reliabilitas menunjukkan nilai koefisien alpha ( α) dari seluruh item instrumen 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatakan layak sebagai seba gai instrumen ins trumen untuk melaku kan pengukuran. melak ukan
2 . U j i Relibilitas Dengan Sof Sofw w are SPSS
8. Tampil Output Hasil Uji Reliability
Dari output uji reliabilitas menunjukkan nilai koefisien alpha ( α) dari seluruh item instrumen 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatak an layak lay ak sebagai sebaga i instrumen i nstrumen untuk m elakuk an pengukuran.
A . A.
COST, PROFIT AND VOLUME ANALYSIS (BREAK -EVEN ANALYSIS) Pengertian Analisis volume kegiatan, biaya, dan laba (analisis break even) merupakan peralatan yang berguna untuk menjelaskan hubungan antara biaya, penghasilan/laba dan volume penjualan/produksi, sehingga banyak digunakan dalam penganalisaan masalah-masalah ekonomi manajerial. Tujuan cost, profit and volume analysis adalah untuk menentukan suatu titik, dalam unit atau ripiah yang menunjukan biaya sama dengan pendapatan (laba). Manfaatnya untuk menetukan berapa berapa jumlah jumlah produk (dalam rupiah atau unit keluaran yang harus dihasilkan
Output Hasil U j i Validitas
Dari output uji validitas instrumen (data) menunjukkan bahwa keseluruhan item adalah valid karena memiliki koefisien korelasi (r) ≥ 0,30 atau dan nilai signifikan dari seluruh instrumen berada di bawah α = 0,05. Sehingga seluruh item-item dalam instrumen penelitian ini dapat dipergunakan dalam analisis selanjutnya.
Tampil Output Hasil U j i Reliability
Dari output uji reliabilitas reliabili tass menunjuk kan koefisie n alpha ( α) dari reliabilita menunju kk an nilai koefisien k oefisie oef isien seluruh item instrumen 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunak an adalah reliabel reliabe l oleh kkarena arena itu, kusioner digunakan yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan peng pengukuran. ukuran. pen gukuran.
A . A.
CO COST ST,, P R OF OFII T AN D VOLUM E AN ALY SI S COST, (BREAK - E VE VEN N ANA LYSIS) AN ALYSIS) Pengertian Analisis volume kegiatan, biaya, dan laba (analisis break even) merupakan peralatan yang berguna untuk menjelaskan hubungan antara biaya, penghasilan/laba dan volume penjualan/produksi, sehingga banyak digunakan dalam penganalisaan masalah-masalah ekonomi manajerial. Tujuan cost, profit and volume analysis adalah untuk menentukan suatu titik, dalam unit atau ripiah yang menunjukan biaya sama dengan pendapatan (laba). Manfaatnya untuk menetukan berapa berapa jumlah jumlah produk (dalam rupiah atau unit keluaran yang harus dihasilkan ah mini mi ni l tida tidak k nd it gi
Cost, Profit and Volume Analysis ( Analisis Break Even) mencakup konsep yang berkaitan dengan :
Analisis marjin laba yang mencakup sejumlah teknik analisis untuk menentukan dan mengevaluasi pengaruh volume penjuala, harga penjualan, biaya tetap, dan biaya variabel terhadap laba. Pada dasarnya konsep tersebut menggunkan konsep ikhtisar rugi laba marjinlaba, pendapatan/penjualan dikurangi biaya variabel sama marjin laba, dan marjin laba dikurangi biaya tetap sama dengan laba.
Analisis break even menekankan pada titik impas (biaya tetap dibagi dengan marjin laba sama dengan volume penjualan titik impas) titik dimana laba sama dengan nol karena pendapatan sama dengan totla biaya.
Hasil analisis break even digambarkan dalam bentuk grafik untuk menunjukkan hubungan timbal balik antara pendapatan (penjualan), biaya tetap dan biaya variabel dalam batasan volume kegiatan yang relevan.
Analisis break even menggunakan konsep yang sama dengan analisis laba kotor tetapi analisis ini memekankan pada tingkat output atau kegiatan produksi dimana pendapatan/penjualan dengan total biaya artinya tidak ada laba atau rugi
B . Ansumsi Dasar penggunaan cost, profit and volum e analysis 1)
2) 3) 4)
5)
6) 7) 8)
Konsep variabilitas biaya adalah sahih, oleh karena itu biaya dapat diklasifikasika diklasifikasikan n dan diukur secara realistis sebagai biaya tetap dan biaya variabel. Jadi tidak ada biaya yang disebut semi fixed dan semi variabel. Terdapat suatu batasan -batasan kesahihan yang relevan (misalnya kegiatan) untuk menggunakan hasil dari analisis. Harga jual tidak mengalami perubahan dengan terjadinya perubahan unit penjualan. Hanya ada satu produk atau dalam hal berbagai produk, tetapi proporsi atau perbandingan penjualan diantara berbagai produk tidak mengalami perubahan. Kebijaksanaan dasar yang ditetapkan oleh manajemen tentang operasi tidak banyak mengalami perubahan dalam jangka pendek. Tingkat harga umum (misalnya inflasi dan deflasi cukup stabil dalam jangka pendek. Tingkat penjualan dan produksi selaras, artinya persedian tetap konstan atau nol. Efisiensi dan produktivitas perorangan tidak banyak mengalami perubahan dalam jangka pendek.
C . Kegunaan cost, profit and vol um e analysis vo lum 1. 2. 3. 4.
5.
6.
Sebagai alat untuk merencanakan laba Sebagai alat pengendalian badget Sebagai penentu harga jual produk Sebagai dasar untuk menentukan break even dalam rupiah & unit Sebagai dasar rencana pengembangan kapasitas produksi dan penentuan lokasi Sebagai dasar untuk mengambil keputusan
D . Elemen - Elemen Penentu cost, profit and v olum e analysis
Prosedur Pengolahan Data Dengan Menggunakan Sofware QM for Windos Sbb: 1.
Buka Worksheet exsel Q M 2 dengan perintah QM/Breakeven Analisis lalu pilih (cos t Vs Revenue)/ Ope Open n pilih Breakeven (cost
2. Dari menu utama excel QM 2 pilih menu Breakeven (cost Vs Revenue) Tampak dilayar tampilan S preadsheed Intilization
3. Isikan dalam kotak Titel (VC. Anu) pilih Ikon Grafik lalu OK
KESIMPULAN 1. 2. 3. 4. 5. 6.
Biaya tetap , biaya variabel , d a n total biaya pada berbagai volume. Potensi laba d a n rugi sebelum d a n setelah dipotong pajak pendapatan , pada berbagai volume Batas keselamatan , artinya hubungan timbal balik antara penjualan yang ditargetkan dengan penjualan titik impas Jumlah penjualan break even (sering disebut titik impas) Deviden yang lebih disukai atau titik bahaya artinya titik m ana devide deviden n tidak m ungkin diperoleh Titik mati, artinya jumlah penjualan pada titik m ana perusahaan perus ahaan hanya mem perol peroleh eh tingkat laba yang berlaku atas investasinya.
( FORECASTING ) A. Pendahuluan Sering terjadi senjang waktu ( time lag ) antara
kebutuhan mendatang dengan peri risstiwa itu send se ndir irii me meru rupa paka kan n al alas asan an ut utam ama a pe pent ntin ingn gnya ya peramalan & perencanaan. Jangka Waktu Peramalan Pengaruh dari Product Life Cycle Peramalan merupakan alat bantu dalam membuat perencanaan yang efektif dan efisien. Mis : Penjadwalan produksi, masalah transportasi, penanaman modal, dll. Situasi peramalan sangat ditentukan oleh horizon waktu, tipe pola data (Constant; Trend ; Musiman & Kombinasi) dan berbagi aspek lainnya
What is Forecasting? Peramalan adalah perhitungan yang obyektif dengan menggunakan data-data masa lalu untuk menentukan kondisi dimasa yang akan datang Proses yang menggambarkan peristiwa/kondisi pada masa yang akan datang. Dasar pengambilan keputusan dalam bi Dasar pengambilan bisn snis is,, me melilipu puti ti : Produksi Persediaan Keuangan Pemasaran SDM
Metode-Metode Yang Dikembangkan Dalam Peramalan :
1. Kualitatif 2. Kuantitaif
a.Causal b.Time Series
Seven Steps in Forecasting 1. Tentukan Pemakai/Pengguna 2. 3. 4. 5. 6.
Pemilihan Pernyataan Penentuan Jangka Waktu Pemilihan Model Pengumpulan Data Buat Peramalan
1. 2. 3. 4.
Naïve approach Moving averages Exponential smoothing Trend projection
a. Metode Kualitatif adalah metode yang menganalisis kondisi obyektif dengan apa adanya. Metode ini meliputi : metode Delphi, Metode nominal grup, Survey pasar & pasar & Analisis historikal analogy and life cycle b. Metode Kuantitatif, adalah metode yang dapat diterapkan apabila : w Tersedia data & Informasi Masa Lalu w Data & Informasi tersebut dapat dikuantitafkan dlm bentuk Numerik w Diasumsikan beberapa aspek masa lala akan terus berlanjt dimasa datang datang..
Time series/runtun waktu adalah suatu analisis yang mengambarkan pola perkembangan produksi/penjualan pada pada runtun waktu yang telah lewat untuk dapat memperoleh besar kecilnya tingkat perkembangan penjualan/produksi tahunan. Metode peramalan ini dapat dilakukan dengan Cara :
1 . N aive Approach Approa ch Metode peramalan yang mengasumsikan permintaan antara priode waktu sama. Mis: Penjualan bulan Mei 48 unit, sama dengan penjualan bulan Juli 48. Keuntungannya cost effective & efficient
2. M oving Average M ethod MA is metode rata-rata bergerak sederhana yang dianggap mampu menghilangkan pengaruh fluktuatif random dalam peramalan Equation :
MA
Demand in Previousn Periods n
Contoh : Jika anda sebagai manajer dalam sebuah perusahaan diminta oleh pemilik perusahaan untuk meramalkan penjulan setiap bulan pada tahun 2008 dengan penentuan rata-rata bergerak 2 bulan. Data Penjualan sebagai berikut: Bulan Penjualan (Unit)
Januari 100
Pebruari Maret April 90
105
95
Mei ?
Moving Average Solution
Moving Average Graph
Weighted Moving Average Method (Metode Rata-Rata Tertimbang)
WMA is metode perhitungan yang sama rata-rata bergerak sederhana namun diperlukan adanya koefisien penimbang dan digunakan apabila terjadi trend pada pola data masa lalu. Koefisien penimbangnya berdasarkan pada intuisi dengan besaran : 0 ≤CW≥1 Equation : Σ(Weight for period n) (Demand in period n) WMA =
ΣWeights
Cth:Berdasarkan data sebelumnya diminta untuk menghitung W M A dengan angka penimbang bulan januari 4 0 % , Pebruari 3 0 % , Maret 2 0 % d a n April
Jawab : : WMA =
(100*0.4) + (90*0.3) + (105*0.2) + (95*0.1)
= 97,5.
1
Kelemahan metode WMA tanggapannya tidak dapat dengan mudah berubah tanpa merubah masing -masing angka penimbangnya. Kelemahan -Kelemahan Metode MA & WM WMA A 1. Peningkatan n dalam pembuatan ramalan kurang sesintif dengan perubahan . 2. Tidak dapat melakukan trend peramalan dengan baik 3. Perlakuan data berdasarkan historis
3. E x ponential Sm oothing M ethod Metode ESM merupakan metode rata-rata bergerak yang memberikan bobot yang lebih kuat pada data yang lebih terakhir dari pada yang lebih awal .
Equations :
Contoh : Berikut i n i data PT” X Z ” selama 8 Kuartal . Berdasarkan pengalaman manajer produksi nilai koefisien “ pemulus ” ditetapkan ( α= 0 ,1) d a n peramalan untuk kuartal pertama ditetapkan 175 unit.
Kuartal 1 2 3 4 5 6 7 8 9
Actual 180 168 159 175 190 205 180 182 ?
Tentukan Ramalan untuk Kuartal ke-9.
Exponential Smoothing Solution
4. Linear Trend T rend P rojectio rojection n Y i
a
bX
i
Yi $
Y
a
bX i b > 0
a b < 0 a
Time, X
Kausal/ Metode Least Square (Kuadrat Terkecil) Metode Kausal (Least Square) Adalah metode pendekatan untuk menentukan atau menghasilkan garis lurus yang paling tepat yang meminimum meminimumkan kan jumlah jumlah kuadrat perbedaan vertikal dari garis pada setiap observasi aktual. Formulasinya :
Tabel Perhitungan :
Tahun
Time Power Period Demand
x2
xy
2001
1
74
1
74
2002
2
79
4
158
2003
3
80
9
240
2004
4
90
16
360
2005
5
105
25
525
2006
6
142
36
852
2007
7
122
49
854
Σx=28
Σy=692
Σx2=140
Σxy=3,063