Teknik Proyeksi Bisnis

1
Teknik Proyeksi Bisnis

• Forecasting peramalan
• Sesuatu yang belum terjadi
• Ilmu sosial, ketidakpastian
• Jumlah penduduk, PCI, Sales Volume, konsumsi,
• Dipengaruhi oleh berbagai faktor yang sangat
  kompleks

2

• Sukar diperkirakan secara tepat
• Tujuan forecasting meminimumkan pengaruh
  ketidakpastian terhadap perusahaan, dengan ukuran
  mean absolute error atau mean squared error
• Lingkungan sosial dapat dilihat pada gambar
  berikut

3
LINGKUNGAN TEKNIS
LINGKUNGAN SOSIAL DAN KONTROL
GIVEN
GIVEN
LINGKUNGAN EKONOMI MAKRO
PERUSAHAAN
4

• Kebutuhan konsumen atau pelanggan vs kapasitas
  produksi perusahaan
• Terdapat beberapa metode yang bisa digunakan
  dalam sebuah peramalan
• Tidak ada satu pun metode yang bisa dikatakan
  paling cocok untuk suatu kasus

5
Forecast Dengan Smoothing1.Metode Single
Smoothing
Menghitung rata-rata dari nilai-nilai pada
beberapa tahun untuk menaksir pada suatu tahun
tertentu
6

• St1forecast untuk periode ke t1
• Xt data pada periode t
• n jangka waktu moving averages
• Sifat moving averages
• Bila ada data selama P periode kita baru bisa
  membuat forecast untuk periode ke P1

7

• Semakin panjang moving average akan menghasilkan
  moving average yang semakin halus
• Menghitung error

8

• Bulan ke-1 s/d ke 11
• Permintaan beras di suatu daerah
• 20,21,19,17,22,24,18,21,20,23,22
• Buat moving average 3 dan 5 bulan
• Hitung error-nya
• Ambil kesimpulan!

9
Kelemahan Moving average

• Perlu data historis
• Semua data diberi bobot yang sama
• Tidak bisa mengikuti perubahan yang drastis
• Tidak cocok untuk forecasting data yang ada
  gejala trend

10
2.Metoda Double Moving Averages

• Moving average dilakukan dua kali
• Lalu mencari nilai a (konstanta)
• Mencari nilai b (slope)
• Menghitung forecast dengan rumus

11
(No Transcript)
12
periode demand 4 th m.av 4 th mo.av, kol.2 Nilai a Nilai b forecast






13
3.Metode Single Exponential Smoothing
Adalah pengembangan dari moving averages Alpha
mempunyai nilai antara 0 dan 1 Cobalah dengan
menggunakan data awal pada contoh soal single
moving averages pertama Hitung pula mean
abs.error dan mean sq.error-nya
14
4.Metode Double Exponentials Smoothing
15

• Rumus tadi agak berbeda dengan single smoothing
  di mana Xt dipakai untuk mencari St bukan St1
• Forecast dihitung dengan

m jangka waktu forecast ke depan
16
3.Metode Triple Exponentials Smoothing
17
Metoda Dekomposisi ( Times Series )

• Apa yang terjadi terjadi itu akan berulang
  kembali dengan pola yang sama

18
1.Trend linier dengan metode least square

• Persamaan trend
• Y a bX

19
Demand PT.GB, tahun 2001-2007
Tahun Trw.1 Trw.2 Trw.3 Trw.4
2001 20 25 35 30
2002 21 24 42 25
2003 15 27 40 43
2004 18 26 47 44
2005 25 30 45 40
2006 23 27 50 45
2007 25 30 56 38

20
Sales PT.NMN, Tahun 2000-2007
2000 2001 2002 2003 2004 2005 2006 2007
82 84 90 93 110 113 120 127
21
Merubah persamaan trend

• Memindah origin
• Trend rata-rata
• persamaan trend tiap bulan,kuartal
• Persamaan trend bulanan dan kuartalan
• satuan x satu tahun. Dirubah a12, b122
• satuan x setengah tahun a12, b122/2
• Dirubah menjadi persamaan trend kuartalan
• menjadi

22
Trend parabola

• YabXcX2

23
Sales PT.AEG Tahun 1997-2007
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
751 821 865 923 1005 1103 1222 1360 1523 1602 1800
Masukkan data di atas Tahun, Sales,
X,XY,X2,X2Y,X4
24

• Trend ini menghasilkan garis proyeksi yang tidak
  lurus, melainkan melengkung
• menghitung perbedaan pertama dan perbedaan kedua
  data penjualan yang ada, bila cenderung stabil,
  maka dapat menggunakan proyeksi trend parabolik

25
Trend Eksponensial

• yabx
• Log y log a x logb

26
Tahun Sales(Y) Log Y X X2 X.log Y
1999 73
2000 88
2001 103
2002 125
2003 150
2004 179
2005 216
2006 259
2007 312
? ? ?
27
Gelombang musim

• Gelombang pasang surut yang berulang kembali
  dalam satu periode waktu yang tidak lebih dari
  satu tahun
• Permintaan produk tertentu
• Dinyatakan dalam bentuk indeks, indeks musim
• XT x M x S x R
• Metode rata-rata sederhana
• Metode persentase terhadap trend

28
2001 2002 2003 2004 2005 2006 2007 Rata-rata b.kum Sisa kol 8-9 Index musm
Kw I 20 21 15 18 25 23 25
Kw II 25 24 27 26 30 27 30
Kw III 35 42 40 47 45 50 56
Kw IV 30 25 43 44 40 45 39
? x x x
Y32,750,45X
29
Metode persentase trend
Kw 2001 2002 2003 2004 2005 2006 2007
I 26,68 28,48 30,28 32,08 33,88 35,68 37,48
II 27,13 28,93 30,73 32,53 34,33 36,13 37,93
III 27,58 29,38 31,18 32,98 34,78 36,58 38,38
IV 28,03 29,83 31,63 33,43 35,23 37,03 38,83
30

• Cari persentase nilai riil
• Untuk setiap tahun dan tiap kuartal
• Buatlah tabulasi untuk persentase tadi
• Kolom terakhir adalah median dari persentase
  dalam satu tahun untuk masing-masing kuartal
• Cari rata-rata median
• Hitung indeks musim dengan membagi median dengan
  rata-rata median

31
Variasi Siklis

• Perubahan atau gelombang pasang surut suatu hal
  yang berulang kembali dalam waktu sekitar 5-10
  tahun
• Menghilangkan pengaruh dari tren, variasi musim
  dan variasi random
• Untuk mencari indeks siklis

32
sales Trend Indeks musim TxM SxR Weighted Mov.Sum.3 period Indeks siklis
2004 Kw I 18 32,08 65,47 dlm 14x100 SR121 WM4
Kw II 26 32,53 82,77
Kw III 47 32,98 137,49
Kw IV 44 32,43 114,26
2005 KwI 25 33,8 65,47
KwII 30 34,33 82,77
KwIII 45 34,78 137,49
KwIV 40 35,23 114,26
33
Metode Input Output

• Perekonomian suatu negara , antar industri satu
  dengan yang lain saling membutuhkan.
• Hubungan input-output untuk membuat forecast

Xi nilai output sektor I Xij hasil industri i
yang dibutuhkan oleh industri j Ci pembelian
oleh pemakai akhir
34
Alokasi output suatu industri yang digunakan oleh
industri lain dan konsumen akhir
35
Penggunaan input untuk menghasilkan output suatu
industri
36
Regresi Sederhana

• Suatu persamaan untuk menyatakan hubungan antara
  dua variabel dan memperkirakan nilai variabel tak
  bebas Y berdasarkan nilai variabel bebasnya,yaitu
  X
• Besaran atau nilai sesuatu dipengaruhi oleh suatu
  faktor
• Besarnya pengaruh suatu variabel terhadap
  variabel lainnya dalam praktek bisa bersifat
  linier,eksponensial, kuadratik
• Dalam regresi bersifat linier

37
sales
0
PCI
38
Demad DN A
0
Import A
39

• Dependent variable dan independent variable
• Yf(x)
• Suatu persamaan matematis yang mendefinisikan dua
  variabel
• Misal hubungan antara promosi dengan tingkat
  penjualan, kompensasi dengan kinerja karyawan,
  dsb
• Bila menggunakan diagram pencar maka akan
  diperoleh garis lurus yang beraneka ragam
• Setiap individu mempunyai pendapat yang
  berbeda-beda

40
sa les
PCI
41

• Untuk menghilangkan perbedaan penilaian maka
  digunakan apa yang disebut dengan kaidah kuadrat
  terkecil
• Garis lurus dengan kesesuaian terbaik, serta
  meminimalkan jumlah kuadrat deviasi vertikal
  terhadap garis
• Kaidah kuadrat terkecil menentukan suatu
  persamaan regresi dengan meminimumkan jumlah
  kuadrat jarak vertikal antara nilai aktual Y dan
  nilai prediksi Y

42

• Y nilai prediksi dari variabel Y berdasarkan
  nilai variabel
• X yang dipilih
• a titik potong Y, nilai perkiraan bagi Y ketika
  garis regresi
• memotong sumbu Y, X0
• b kemiringan garis
• X sembarang nilai variabel bebas yang dipilih

43
(No Transcript)
44

• Standard error of estimate
• Penyimpangan data dari garis regresinya

45
Korelasi

• Analisis korelasi Sekumpulan teknik statistik
  yang digunakan untuk mengukur keeratan hubungan
  (korelasi)antara dua variabel
• Jumlah transaksi dan jumlah barang terjual
• Diagram pencar suatu diagram yang menggambarkan
  hubungan antara dua variabel yang diamati.
• Variabel tak bebas variabel yang diduga
  nilainya
• Variabel bebas variabel yang mendasari
  pendugaan / variabel penduga

46

• Karl Pearson
• Keeratan hubungan antara dua gugus variabel
  berskala selang atau rasio
• Dilambangkan dengan r Pearson
• Koefisien korelasi produk-momen Pearson
• Nilai antara -1,00 hingga 1,00
• Keeratan korelasi tidak bergantung pada arahnya

47
-1,00
0,50
1,00
-0,50
48
Koefisien Determinasi

• Dihitung dengan mengkuadratkan koefisien
  korelasi r2
• Sekian persen dari keragaman daridapat
  diterangkan atau diperhitungkan oleh keragaman
  variabel bebas
• Spurious correlation atau korelasi palsu
• Ada hubungan antar variabel, bukan karena ada
  perubahan pada variabel satu menyebabkan
  perubahan pada variabel yang lain

49
Uji signifikansi

• Dalam suatu kasus, misal seorang manajer
  penjualan menggunakan sampel salesman sebanyak 10
  orang dan menemukan adanya korelasi sebesar A
  antara jumlah transaksi dan jumlah barang yang
  terjual
• Mungkinkah korelasi di dalam populasi sebenarnya
  sama dengan 0?
• Df n-2, taraf sig.5

50
Auto regresi dan auto korelasi

• Besar pengaruh dan hubungan nilai suatu variabel
  ,antara yang telah terjadi pada suatu periode dan
  yang terjadi pada periode berikutnya
• Untuk mengetahui besarnya pengaruh digunakan auto
  regresi
• Untuk mengetahui kuat tidaknya hubungan diukur
  dengan auto korelasi

51

• Besarnya nilai suatu variabel tergantung pada
  nilai variabel itu sendiri yng telah terjadi
  sebelumnya
• Dependent variabel Xt
• Independent variabel Xt-1

52
Persamaan auto regresi dan auto korelasi
53
Koefisien auto korelasi
54

• Df n-2
• Taraf signifikansi 5
• Uji dua arah

55
Sales PT.Gerbang
Tahun ke- Sales (Jt.Rp) Tahun ke- Sales(Jt Rp)
1 100 9 140
2 124 10 114
3 134 11 146
4 112 12 137
5 135 13 125
6 113 14 154
7 115 15 142
8 143 - -
56
t Xt-1 Xt (Xt)(Xt-1) (Xt-1)2 Xt2
2 100 125