akhmat tohir fst
DESCRIPTION
ekonomi bisnisTRANSCRIPT
-
ANALISIS PERAMALAN PENJUALAN MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)
PADA PT. KHARISMA PEMASARAN BERSAMA (KPB) NUSANTARA DI JAKARTA
Akhmat Tohir
PROGRAM STUDI AGRIBISNIS FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA 2011 M / 1432 H
-
ANALISIS PERAMALAN PENJUALAN MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)
PADA PT. KHARISMA PEMASARAN BERSAMA (KPB) NUSANTARA DI JAKARTA
Oleh : Akhmat Tohir
106092003005
Skripsi Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian pada
Program Studi Agribisnis
PROGRAM STUDI AGRIBISNIS FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA 2011 M / 1432 H
-
ANALISIS PERAMALAN PENJUALAN CRUDE PALM OIL (CPO) PADA
PT. KHARISMA PEMASARAN BERSAMA NUSANTARA
Oleh: Akhmat Tohir
106092003005
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Pertanian Pada Program Agribisnis
PROGRAM STUDI AGRIBISNIS FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA 2010/1431
-
PENGESAHAN UJIAN
Skripsi yang berjudul Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta yang ditulis oleh Akhmat Tohir dengan NIM 106092003005 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 25 April 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Strata Satu (S1) Program Studi Agribisnis.
Menyetujui, Penguji I Penguji II
Drs. Acep Muhib, MM Rizki Adi Puspita Sari, SP, MM NIP. 196906052001121001 NIP. 197803292008032015
Pembimbing I Pembimbing II
Dr. Ir. Elpawati, MP Eny Dwiningsih, S.TP, M.Si NIP. 196412041992032001
Mengetahui,
Dekan Ketua Program Studi Fakultas Sains dan Teknologi Agribisnis
Dr. Syopiansyah Jaya Putra, M.Sis Drs. Acep Muhib, MM NIP. 196801172001121001 NIP. 196906052001121001
-
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, Mei 2011
Akhmat Tohir 106092003005
-
RINGKASAN
AKHMAT TOHIR, Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta. Dibawah bimbingan ELPAWATI dan ENY DWININGSIH.
Memprediksi penjualan yang terlalu besar dan kurang akurat dapat mengakibatkan biaya produksi meningkat sehingga seluruh investasi yang ditanamkan menjadi kurang efisien, oleh karena itu dibutuhkan suatu ilmu dan kegiatan yang mampu memprediksikan penjualan yang akan datang dengan melihat data dimasa lampau. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan unit usaha PTPN yang memasarkan produk perkebunan yang dihasilkan oleh PTPN di seluruh Indonesia terutama minyak sawit kasar atau Crude Palm Oil (CPO). Produk pertanian seperti CPO merupakan produk yang sangat fluktuatif dan perkembangannya sangat rentan terhadap perubahan dari berbagai faktor seperti musim, permintaan dan penawaran konsumen dunia, oleh karena itu kegiatan memprediksikan penjualan CPO dimasa datang sangat dibutuhkan perusahaan pemasar termasuk PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Metode peramalan yang digunakan dalam penelitian ini adalah metode peramalan kuantitatif dengan metode time series atau runtun waktu. Penentuan metode peramalan yang baik disesuaikan dengan data yang terbentuk berdasarkan pola data, apakah stasioner, pola trend, pola musiman atau siklis. Peramalan penjualan yang akurat berakibat pada terpenuhinya kebutuhan konsumen dan mendatangkan laba bagi perusahaan.
Tujuan dari penelitian ini adalah: (1) Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (2) Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (3) Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang menggunakan metode peramalan terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
Penelitian ini dilakukan di PT. Kharisma pemasaran Bersama (KPB) Nusantara yang beralamat di Jl. Taman Cut Mutiah No. 11 Jakarta 10330. Pemilihan tempat penelitian ini dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan salah satu perusahaan pemasar Crude Palm Oil (CPO) dan merupakan perusahaan milik negara yang bergerak dalam pemasaran komoditi perkebunan
-
v
baik ke dalam maupun luar negeri. Penelitian ini dilaksanakan pada bulan Juni - Oktober 2010.
Berdasarkan data yang diperoleh dari perusahaan diketahui bahwa kegiatan peramalan Crude palm Oil (CPO) dilakukan dengan metode kualitatif dengan cara berpedoman kepada perusahaan peramalan yaitu Oil World dan Reuters. Berdasarkan data sekunder yang diperoleh yaitu data penjualan minyak sawit kasar atau Crude Palm Oil (CPO) tujuh tahun terakhir (data bulanan) periode Januari 2004 sampai dengan Desember 2010, teridentifikasi bahwa terdapat pola trend (cenderung meningkat) dan pola musiman. Pola trend diakibatkan oleh faktor kenaikan jumlah penjualan akibat semakin meningkatnya konsumsi minyak sawit, sedangkan pola musiman diakibatkan oleh pengaruh musim seperti iklim, ekonomi global, hari raya keagamaan, awal dan akhir tahun.
Metode peramalan kuantitatif time series (runtun waktu) yang digunakan adalah metode Naif (Naive), metode Rata-rata Bergerak Sederhana (Moving Average), metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing), metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing), metode Indeks Musiman, metode Tren (Trend) dan metode Boks-Jenkins. Metode peramalan yang terpilih adalah metode yang memiliki nilai Mean Squared Error (MSE) terkecil, yaitu metode trend kuadratik (non lenier) dengan nilai MSE sebesar 3017854357. Nilai ramalan yang dihasilkan metode trend kuadratik (non lenier) untuk periode 85 sampai periode 96 adalah 213913 ton, 214562 ton, 215204 ton, 215836 ton, 216461 ton, 217077 ton, 217685 ton, 218284 ton, 218875 ton, 219458 ton, 220032 ton, 220598 ton. Selain itu juga perlu adanya antisipasi terhadap unsur musiman yang terjadi berdasarkan data yang terbentuk yaitu pada bulan-bulan tertentu seperti awal dan akhir tahun (Januari dan Desember), pengaruh iklim yang tidak menentu serta menjelang hari raya keagamaan seperti bulan puasa dan natal yang diperkirakan jatuh pada bulan Agustus dan September. Sehingga metode Indeks Musiman dapat dijadikan alternatif kedua setelah metode Trend kuadratik (non lenier).
Penerapan hasil peramalan ini adalah perlu dilakukan rekomendasi kepada Departemen terkait oleh PT. Kharisma Pemasaran bersama (KPB) Nusantara terhadap peningkatan efektivitas kegiatan produksi CPO oleh PTPN dengan cara ekstensifikasi, intensifikasi dan penanganan pasca panen atau pengolahan Tandan Buah Segar (TBS), agar produksi CPO berlangsung optimal yang berdampak pada peningkatan penjualan CPO pada tahun 2011.
-
KATA PENGANTAR
Bismillahirrahmanirrahiin
Assalamualaikum Wr. Wb. Puji serta syukur kita panjatkan kehadirat Allah SWT atas limpahan
nikmat dan hidayah-Nya yang diberikan kepada kita semua. Begitu pula nikmat yang telah diberikan kepada penulis, sehingga penulisan skripsi ini dapat terselesaikan dengan baik. Shalawat serta salam penulis junjungkan kepada Nabi Muhammad SAW beserta keluarga, sahabat dan pengikutnya yang selalu taat mengikuti sunah dan dan istiqomah pada jalan yang lurus.
Skripsi ini berjudul Analisis Peramalan Penjualan Minyak sawit Mentah atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta. Maksud dari penulisan skripsi ini adalah untuk mendapatkan gelar Sarjana Pertanian pada Program Studi Agribisnis, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Penulis mengucapkan terimakasih kepada segenap pihak yang telah membantu dalam penyusunan skripsi ini, karena tanpa mereka skripsi ini tidak akan terselesaikan dengan baik. Ucapan terimakasih yang mendalam kepada semua pihak yang membantu dalam penyusunan skripsi ini, terutama kepada:
1. Bapak dan Ibu penulis, Bapak Supri dan ibu Kusniyah yang telah mendidik penulis sejak kecil hingga penulis dapat menyelesaikan pendidikan hingga Perguruan Tinggi dengan baik. Penulis tak akan melupakan setiap jerih payah kalian, dan semoga skripsi ini menjadi hadiah yang terindah yang dapat penulis berikan kepada Bapak dan ibu. Serta adikku Nia Safitri dan Andri Prastyo.
2. Bapak Dr. Syopiansyah Jaya Putra, M.Sis selaku Dekan Fakultas Sains dan Teknologi.
3. Drs. Acep Muhib, MM selaku Ketua Program Studi Agribisnis dan Rizki Adi Puspita Sari, SP, MM selaku Sekretaris Program Studi Agribisnis.
-
vii
4. Dr. Ir. Elpawati, MP selaku Pembimbing I dan Eny Dwiningsih, S.TP, M.Si selaku Pembimbing II.
5. Drs. Acep Muhib, MM selaku Penguji I dan Rizki Adi Puspita Sari, SP, MM selaku Penguji II.
6. Drs. Gatot K. Gusti, MM selaku Manajer SDM dan umum PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Bapak Subandi, Ibu Muji, Pak Tri, Pak Endi dan seluruh Staf PT. Kharisma Pemasaran Bersama (KPB) Nusantara.
7. Bapak dan Ibu dosen Program Studi Agribisnis serta seluruh Staf Fakultas Sains dan Teknologi.
8. Kak Nughni Hanafi, terimakasih atas bimbingan dan ilmu metode peramalan serta buku dan software peramalannya yang sangat membantu penulis.
9. Kak Dewi Rahmawati, SP. Terimakasih atas bimbingan dan luangan waktunya untuk membantu penulis dalam kegiatan-kegiatan penyusunan skripsi.
10. Mahasiswa Agribisnis angkatan tahun 2006 yang menjadi penyemangat dan membantu penulis: Andi Angger, Ihsan, Ali, Ari, Syarif, Mawardi, Andi Asmara, Feriyanto, Pedri, Puguh, Purwanto, Hamzah Farihin, Reza, Lutfi, Dzul, Heru, Ajeng, Nia, Nisa, Wiwin, Rinrin, Rifa, Gina.
Seluruh rekan dan pihak-pihak yang telah membantu penulis yang tidak dapat disebutkan satu persatu, terimakasih atas segala bantuanya, semoga Allah SWT memberikan balasan pahala berlipat ganda. Amin. Wassalamualaikum Wr. Wb.
Jakarta, Mei 2011
Akhmat Tohir
-
viii
DAFTAR ISI
Halaman
DAFTAR ISI .............................................................................................. viii DAFTAR TABEL ..................................................................................... x DAFTAR GAMBAR ................................................................................. xi DAFTAR LAMPIRAN ............................................................................. xiii
BAB I. PENDAHULUAN ..................................................................... 1
1.1. Latar Belakang .................................................................... 1
1.2. Perumusan Masalah ............................................................ 4
1.3. Tujuan Penelitian ................................................................ 5 1.4. Manfaat Penelitian .............................................................. 5 1.5. Ruang Lingkup Penelitian ................................................... 6
BAB II. TINJAUAN PUSTAKA ............................................................ 7
2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO) ................... 7 2.2. Permintaan Crude Palm Oil (CPO).................................... 8
2.3. Konsep Penjualan ............................................................... 10 2.4. Peramalan ........................................................................... 12
2.4.1. Kegunaan dan Peran Peramalan ............................. 14 2.4.2. Identifikasi Pola Data Time Series ......................... 14 2.4.3. Metode Peramalan .................................................. 15 2.4.4. Metode Peramalan Time Series .............................. 18 2.4.5. Pemilihan Metode Peramalan ................................ 23
2.5. Hasil Penelitian Terdahulu .................................................. 24 2.6. Kerangka Pemikiran Penelitian ........................................... 25 2.7. Definisi Operasional............................................................ 29
BAB III. METODE PENELITIAN ........................................................ 31
3.1. Lokasi dan Waktu Penelitian .............................................. 31
-
ix
3.2. Jenis dan Sumber Data ........................................................ 31 3.3. Metode Pengolahan dan Analisis Data ............................... 32
3.3.1. Analisis Kualitatif ................................................... 32 3.3.2. Analisis Kuantitatif ................................................. 32
3.3.2.1. Metode Peramalan Time Series .................. 33 3.3.2.2. Ukuran Akurasi Hasil Peramalan ............... 40
BAB IV. GAMBARAN UMUM PERUSAHAAN ................................. 42
4.1. Sejarah Berdirinya PT. KPB Nusantara .............................. 42 4.2. Visi dan Misi PT. KPB Nusantara ...................................... 43 4.3. Struktur Organisasi PT. KPB Nusantara ............................. 43
4.4. Hukum dan Legalitas PT. KPB Nusantara ......................... 45 4.5. Pemasaran Crude Palm Oil (CPO) ..................................... 45
4.5.1. Bauran Pemasaran .................................................. 45 4.5.2. Segmentasi, Targeting dan Positioning .................. 50 4.5.3. Mutu Crude Palm Oil (CPO).................................. 50
BAB V. HASIL DAN PEMBAHASAN ................................................. 52
5.1. Metode Peramalan Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ..................................................... 52 5.2. Metode Peramalan Kuantitatif Terbaik untuk Meramalkan
Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ............................................................................. 53
5.2.1. Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara................................................................. 53
5.2.2. Identifikasi Pola Data Penjualan Crude Palm Oil (CPO) ...................................................................... 54
5.2.3. Metode Peramalan Kuantitatif Penjualan Crude Palm Oil (CPO) .................................................. 62
5.2.3.1. Metode Naif (Naive) .................................. 62 5.2.3.2. Metode Rata - rata Bergerak (Moving Average).................................................... 63 5.2.3.3. Metode Pemulusan Eksponensial Tunggal
(Single Eksponential Smoothing) ............... 65 5.2.3.4. Metode Pemulusan Eksponensial Ganda
(Double Eksponential Smoothing) ........... 67 5.2.3.5. Metode Indeks Musiman ........................... 67 5.2.3.6. Metode Tren (Trend) ................................. 68
-
x
5.2.3.7. Metode Box-Jenkins (ARIMA) ................. 71
5.2.4. Pemilihan Metode Peramalan Kuantitatif Terbaik Penjualan CPO ...................................................... 78
5.3. Analisis Tingkat Peramalan Penjualan Crude Palm Oil (CPO) Satu Tahun Mendatang ........................................... 82
BAB VI. KESIMPULAN DAN SARAN................................................. 86
6.1. Kesimpulan ......................................................................... 86 6.2. Saran .................................................................................... 88
DAFTAR PUSTAKA ................................................................................ 89
LAMPIRAN ............................................................................................... 91
-
DAFTAR RIWAYAT HIDUP
Data Diri
Nama lengkap : Akhmat Tohir
Alamat : JL. Kebon Kopi Rt 02/04 No. 74 Pondok Aren, Tangerang Selatan, 15221
Telepon : 087884440345
Tempat Tanggal Lahir : Kendal, 27 Desember 1987
Agama : Islam
Email : [email protected]
Riwayat Pendidikan
1994 1996 : SDN Kebonsari, Kendal, Semarang
1996 2000 : SDN 03 Pondok Betung, Tangerang Selatan
2000 2003 : SLTP Perwira, Jakarta Selatan
2003 2006 : SMAN 87, Jakarta Selatan
2005-2011 : Agribisnis UIN Syarif Hidayatullah Jakarta
Riwayat Organisasi
2004 2005 : Anggota ROHIS SMAN 87, Jakarta Selatan
2004 2005 : Anggota PASKIBRA Kec. Pesanggrahan, Jakarta Selatan
2006 2008 : Wakil Ketua IAR SMAN 87, Jakarta Selatan
2006 2007 : Staf LITBANG BEM Jurusan Agribisnis
2006 2007 : Staf Pengembangan Usaha LDK SYAHID
-
Kegiatan Pelatihan
2007 : Training Organization Platform Badan Eksekutif Mahasiswa Jurusan Agribisnis
2008 : Moderator Workshop Kultur Jaringan Acara Agris Event 2008 BEM Jurusan Agribisnis
2009 : Pelatihan Keterampilan Kerja MONTIR MOTOR BKM Amanah Program PNPM Mandiri 2009
2010 : Shell LiveWIRE Bright Idea Workshop
Riwayat Pekerjaan 2006 : Panitia Agris Event 2007
2007 : Panitia Training Organization Platform Badan Eksekutif Mahasiswa Agribisnis
2009 : Staf Pengajar Bimbel Cendikia 2009 : Tim Monitoring BP3KTKI
2009 : Ketua Pelaksana KKN Kel. Pisangan
2010 : Tim Reseacher Lapang ETNOMARK Consulting
2011 : Staf Manajemen NALABARCA
-
DAFTAR TABEL
No. Halaman
1. Konsumsi Minyak Nabati Dunia ........................................................ 3
2. Produk Turunan Minyak Sawit/CPO .................................................. 8
3. Tenaga Kerja PT. KPB Nusantara ...................................................... 44
4. Perkembangan Harga Rata-rata CPO Lokal Tahun 2007-2010 ........... 47
5. Perkembangan Harga CPO Ekspor Tahun 2007-2010 ........................ 47
6. Daftar Pembeli CPO PT. KPB Nusantara ........................................... 49
7. Standar Mutu CPO PT. KPB Nusantara.............................................. 51
8. Rata Rata Indeks Musiman Setiap Bulan Penjualan CPO Periode Januari 2004 sampai Desember 2010 .................................................. 58
9. Hasil Uji Regresi Volume Penjualan Terhadap Periode Waktu ........... 59
10. Perbandingan Hasil Perhitungan Metode Moving Average dengan Ordo yang Berbeda-beda .................................................................... 64
11. Perbandingan Nilai Kesalahan Metode Single Eksponential Smoothing dengan Nilai Berbeda-beda ............................................................. 66
12. Perbandingan Nilai MSE Model ARIMA (0,d,q)(0,D,Q)L .................. 77
13. Nilai Perhitungan Beberapa Metode Peramalan Penjualan CPO ......... 80
14. Peramalan Penjualan CPO Periode Januari 2011 - Desember 2011 Menggunakan Metode Trend Kuadratik ............................................. 83
-
xii
DAFTAR GAMBAR
No. Halaman
1. Konsep Penjualan............................................................................... 10
2. Alur Kerangka Pemikiran Penelitian .................................................. 28
3. Grafik Pergerakan Volume Penjualan CPO PT. KPB Nusantara ............................................................................ 56
4. Plot ACF dari Data Penjualan CPO Periode Januari 2004 sampai Desember 2010 .................................................................................. 60
5. Grafik Trend Analysis Model Regresi Lenier ..................................... 70
6. Grafik Trend Analysis Model Regresi Non Lenier (Kuadratik) ........... 71
7. Grafik ACF Pembedaan Regular Pertama........................................... 73
8. Grafik ACF Pembedaan Musiman Pertama ........................................ 74
9. Grafik ACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama .............................................................................................. 75
10. Grafik PACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama .............................................................................................. 75
-
xiii
DAFTAR LAMPIRAN
No. Halaman
1. Struktur Organisasi PT. Kharisma Pemasaran Bersama Nusantara ..... 92
2. Daftar Volume Penjualan PT. KPBN Periode Tahun 2004 - 2010 (Ekspor dan Lokal) ............................................................................ 93
3. Hasil Uji Regresi Volume Penjualan CPO Terhadap Periode Waktu pada PT. KPB Nusantara Periode Januari 2004 - Desember 2010 ....... 94
4. Grafik Normal Probability Plot Hasil Analisis Regresi Penjualan Crude Palm Oil (CPO) PT. KPB Nusantara Periode Januari 2004 Desember 2010 .................................................................................. 95
5. Perhitungan Peramalan Penjualan CPO Menggunakan Metode Naif ... 96
6. Perhitungan Metode Rata - rata Bergerak (Moving Average) dengan Ordo 12 .............................................................................................. 98
7. Hasil Perhitungan Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing) untuk Volume Penjualan CPO .................... 100
8. Hasil Perhitungan Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing) untuk Volume Penjualan CPO .................... 102
9. Perhitungan Peramalan Penjualan CPO Metode Least Squared .......... 104
10. Perhitungan Peramalan Penjualan CPO Metode Indeks Musiman ....... 106
11. Nilai Perhitungan Peramalan Metode Trend Analysis Model Regresi Lenier Sederhana Volume Penjualan CPO ......................................... 112
12. Perhitungan Peramalan Menggunakan Metode Trend Analysis Model Regresi Non Lenier (Kuadratik) Volume Penjualan CPO Terhadap Waktu ................................................................................................ 113
13. Nilai Koefisien Korelasi ACF , Grafik dan Nilai Korelasi PACF Pembedaan Pertama Data Volume Penjualan CPO PT. KPB Nusantara ............................................................................ 114
14. Nilai Koefisien ACF dan PACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama ............................................................ 115
-
xiv
15. Perhitungan Metode Box - Jenkins Tentatif Model ARIMA (0,1,q) (0,1,Q)L untuk Peramalan Penjualan CPO PT. KPB Nusantara ........... 116
16. Grafik Fitted Line Plot Uji Statistik Metode Trend Analysis Model Regresi Kuadratik .............................................................................. 118
17. Grafik Pergerakan Hasil Peramalan Penjualan CPO Menggunakan Metode Trend Analysis Model Kuadratik ........................................... 119
18. Hasil Wawancara Kepada Pihak Perusahaan ...................................... 120
19. Surat Keterangan Penelitian .............................................................. 124
-
BAB I PENDAHULUAN
1.1. Latar Belakang
Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan
untuk mampu menganalisis lingkungan usaha dan memprediksi berbagai
kemungkinan yang terjadi di masa depan. Kegiatan meramal atau forecast masa
depan merupakan salah satu usaha perusahaan sebagai dasar pengambilan
keputusan strategis kelangsungan usaha. Selain memantau perubahan lingkungan
usaha, perusahaan juga perlu mengembangkan pengetahuan khusus tentang pasar
mereka. Perusahaan pemasar yang baik menginginkan informasi untuk membantu
mereka menginterpretasikan kinerja masa lalu dan merencanakan kegiatan masa
depan (Kotler, 2007: 123).
Kemampuan perusahaan dalam manajemen mencerminkan keberhasilan
dalam memanfaatkan peluang usaha seoptimal mungkin, sehingga dapat
menghasilkan penjualan dan laba sesuai dengan yang diharapkan (Rangkuti,
2005:1). Pemanfaatan peluang usaha dilakukan dengan mengkaji situasi saat ini
maupun masa lalu dan melihat pengaruhnya pada situasi masa yang akan datang.
Tugas penting manajemen perusahaan adalah merencanakan masa depan agar
semua kemungkinan dan peluang yang diprediksi dapat terealisasi. Penjualan
merupakan kegiatan ekonomis sebuah perusahaan untuk memperoleh hasil/laba
sesuai dengan target perusahaan. Semakin meningkatnya kebutuhan perencanaan
dalam aktivitas bisnis dan ekonomi, maka kegiatan prediksi terhadap kondisi
-
2
mendatang secara akurat semakin diperlukan. Perkembangan teknologi
komputerisasi mendukung penggunaan berbagai metode dan teknik peramalan
usaha dalam memprediksi kondisi yang akan datang sehingga dapat digunakan
untuk mempermudah kebutuhan perencanaan perusahaan.
Memprediksi penjualan yang terlalu besar dan kurang akurat
mengakibatkan biaya produksi akan meningkat sehingga seluruh investasi yang
ditanamkan menjadi kurang efisien. Oleh karena itu, untuk mengantisipasi
permasalahan tersebut dilakukan prediksi kemungkinan terjadinya penurunan atau
kenaikan penjualan pada periode yang akan datang dengan diperolehnya informasi
yang akurat sehingga perusahaan dapat mempersiapkan strategi - strategi yang
harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2005:1).
Berdasarkan pernyataan tersebut maka terlihat betapa pentingnya fungsi
peramalan penjualan bagi sebuah perusahaan untuk mengetahui besarnya
penjualan saat ini atau yang akan datang. Diperlukan suatu sistem peramalan
untuk memproyeksikan bagaimana dengan penjualan yang akan datang, menurut
Makridakis dkk (1999 : 3) peramalan merupakan alat bantu yang penting dalam
perencanaan yang efektif dan efisien.
Menurut Sutiyono (2009, 6) produksi minyak sawit atau Crude Palm Oil
(CPO) Indonesia pada tahun 2007 melebihi 1 juta ton, hal ini menunjukkan bahwa
kelapa sawit sebagai andalan sektor perkebunan telah menjadi sumber penghasil
devisa bagi Indonesia. Pada Kuartal I tahun 2010 total volume ekspor CPO
Indonesia meningkat 241 ribu ton menjadi 3,62 juta ton, dibandingkan dengan
periode yang sama tahun 2009 sebesar 3,38 juta ton (Rahayu, 2010: 1).
-
3
Sumber : Oil World dalam PT. KPB Nusantara (2010: 2)
Peningkatan konsumsi yang signifikan terutama akan terjadi pada negara yang
sedang berkembang seperti India sebesar 6,660 juta Ton, disusul China sebesar
6,580 juta ton, Uni Eropa 5,850 juta ton, Indonesia 5,100 juta ton dan Malaysia
2,310 juta ton (PT. KPBN, 2010: 2). Konsumsi minyak nabati dunia disajikan
pada Tabel 1.
Tabel 1. Konsumsi Minyak Nabati Dunia
Negara Tahun (Ribu Ton) Peningkatan (Ribu Ton) 2007/2008 2008/2009 2009/2010 % Volume
India 4879 6564 6660 1.44 96
China 5670 5957 6580 9.47 623
Uni Eropa 4849 5594 5850 4.38 256
Indonesia 4332 4789 5100 6.1 311
Malaysia 2449 2474 2310 -7.1 -164
Pakistan 1734 1785 1810 1.38 25
Nigeria 1228 1283 1325 3.17 42
Thailand 941 1157 1280 9.61 123
Negara lainnya 11533 11512 12131 5.1 619
Jumlah 37615 41115 43046 4.49 1931
PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan anak
perusahaan dari PT. Perkebunan Nusantara I sampai XIV dan PT. Rajawali
Nusantara Indonesia (PT. RNI) yang bergerak di bidang pemasaran komoditas
agro industri produksi PTPN I sampai dengan PTPN XIV dan PT. RNI. Komoditi
utama yang dikelola dan dipasarkan oleh PT. KPB Nusantara meliputi minyak
sawit, karet, latex, teh, kopi, coklat dan gula tetes, yang dipasarkan di dalam
maupun luar negeri. Kegiatan pemasaran seperti lelang atau tender lebih sering
dilakukan terhadap produk minyak sawit kasar atau Crude Palm Oil (CPO),
-
4
sedangkan kegiatan pemasaran produk lainnya dilakukan sesuai pesanan, hal ini
menunjukkan bahwa permintaan konsumen terhadap CPO PT. KPB Nusantara
cukup besar. Pemasaran CPO mencakup pasar lokal dan ekspor, permintaan CPO
yang tidak menentu perlu dilakukan peramalan penjualan yang seakurat mungkin
sehingga kebutuhan konsumen dapat terpenuhi dan mendatangkan laba bagi
perusahaan. Penelitian ini terfokus kepada komoditi Crude Palm Oil (CPO)
PT. KPB Nusantara yang diproduksi oleh PTPN I , II , III , IV , V , VI , VII ,VIII,
XIII dan XIV.
Berdasarkan hal diatas, penulis akan melakukan penelitian mengenai
peramalan penjualan minyak sawit kasar atau Crude Palm Oil (CPO) yang
dilakukan oleh PT. KPB Nusantara, sebagai salah satu cara untuk
memprediksikan penjualan satu tahun mendatang agar terpenuhinya permintaan
pasar. Oleh karena itu penelitian ini diberi judul Analisis Peramalan Penjualan
Minyak Sawit Kasar atau Crude Palm Oil (CPO) Pada PT. Kharisma
Pemasaran Bersama (KPB) Nusantara Di Jakarta.
1.2. Perumusan Masalah
Berdasarkan uraian diatas, maka permasalahan yang akan dibahas dalam
penelitian ini sebagai berikut:
1. Bagaimana metode peramalan penjualan Crude Palm Oil (CPO) yang
digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di
Jakarta?
-
5
2. Metode peramalan kuantitatif terbaik apa yang digunakan untuk meramalkan
penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama
(KPB) Nusantara di Jakarta?
3. Berapa tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun
mendatang dengan metode peramalan kuantitatif terbaik pada PT. Kharisma
Pemasaran Bersama (KPB) Nusantara di Jakarta?
1.3. Tujuan Penelitian
Berdasarkan perumusan masalah diatas maka penulis memiliki tujuan
yang hendak dicapai yaitu, sebagai berikut:
1. Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang
digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di
Jakarta.
2. Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk
meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran
Bersama (KPB) Nusantara di Jakarta.
3. Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun
mendatang menggunakan metode peramalan kuantitatif terbaik pada
PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
1.4. Manfaat Penelitian
Berdasarkan perumusan masalah dan tujuan penelitian diatas maka
manfaat yang diharapkan penulis adalah sebagai berikut:
-
6
1. Perusahaan, sebagai salah satu alternatif pengambilan keputusan dalam
meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran
Bersama (KPB) Nusantara di Jakarta.
2. Pembaca, sebagai bahan informasi dan masukan bagi penelitian selanjutnya
terutama yang sesuai dengan penelitian yaitu peramalan penjualan.
3. Peneliti, menerapkan ilmu peramalan (forecasting) yang telah dipelajari
sewaktu kuliah Manajemen Produksi dan Operasi serta memenuhi persyaratan
untuk mendapatkan gelar Strata Satu (S1).
1.5. Ruang Lingkup Penelitian
Ruang lingkup penelitian adalah mengamati kegiatan peramalan
penjualan Crude Palm Oil (CPO) pada PT. KPB Nusantara dan melakukan
pengambilan data penjualan CPO tujuh tahun terakhir yaitu dimulai Januari 2004
sampai dengan Desember 2010. Data tersebut akan digunakan untuk mengetahui
besarnya penjualan CPO satu tahun mendatang yang dilakukan oleh PT. KPB
Nusantara. Pengamatan peramalan penjualan CPO dilihat melalui nilai kesalahan
yang terbentuk yaitu nilai Mean Squared Error (MSE), nilai Mean Absolute Error
(MAE) dan nilai Mean Absolute Percentage Error (MAPE), sedangkan untuk
mengetahui keakuratan hasil peramalan dilihat dari nilai MSE yang dihasilkan
metode peramalan time series yang digunakan. Karena semakin kecil nilai MSE
maka metode peramalan semakin akurat.
-
BAB II TINJAUAN PUSTAKA
2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO)
Crude Palm Oil (CPO) atau minyak kelapa sawit kasar berasal dari daging
buah (mesocarp) kelapa sawit yang berwarna merah. Keunggulan minyak sawit
selain tersusun dari asam lemak tidak jenuh dan asam lemak jenuh, juga
mengandung beta karoten atau pro-vitamin A dan pro-vitamin E (tokoferol dan
tokotriol) yang sangat diperlukan dalam proses metabolisme dalam tubuh manusia
dan sebagai antioksidan. Hasil pengolahan kelapa sawit dapat dikelompokkan
menjadi bahan makanan, bahan non makanan, bahan kosmetika dan farmasi
(Mangoensoekarjo dan Haryono, 2003: 67).
Menurut Pardamean (2008: 231), minyak kelapa sawit dapat diolah
menjadi bahan makanan seperti mentega, lemak untuk masakan (shortening),
bahan tambahan coklat, bahan baku es krim, pembuatan asam lemak, vanaspati,
bahan baku berbagai industri dan bahan makanan ternak. Selain itu kegunaan
minyak sawit juga digunakan sebagai bahan kosmetik dan obat-obatan yaitu
sebagai krim, shampo, lotion, dan vitamin-A. Selain dikembangkan sebagai
minyak goreng, minyak sawit dapat diaplikasikan untuk mensintesis berbagai
produk pangan karena kandungan mikronutrien yang tinggi seperti karotenoid
(500-700 ppm) dan vitamin E (1000 ppm). Minyak Sawit mentah atau CPO
dikenal kaya akan mikronutrien, terutama karotenoid (provitamin A) dan
sitosterol. Minyak sawit kasar atau Crude Palm Oil (CPO) berwarna merah-
-
8
kecoklatan menandakan kandungan karotenoid yang tinggi. Produk turunan dari
minyak sawit disajikan pada Tabel 2.
Tabel 2. Produk Turunan Minyak Sawit /CPO
Minyak sawit /CPO
Pangan Oleokimia( non-pangan) 1. Minyak goreng (olein) 2. Margarin 3. Lemak kue 4. Vanaspati 5. Cocoa 6. Butter substitute
1. Stearin 2. Sabun 3. Asam lemak 4. Gliserin 5. Detergen 6. Pelumas 7. Plasticizer 8. Kosmetika 9. BBM 10. Pro-vitamin A 11. Pro-vitamin E
Sumber : Mangoensoekarjo dan Haryono Diolah (2003: 71)
2.2. Permintaan Crude Palm Oil (CPO)
Permintaan CPO dunia dalam 5 (lima) tahun terakhir ( tahun 2001-2005),
rata-rata tumbuh sebesar 9,92% (Tryfino, 2006: 1). China dengan Indonesia
merupakan negara yang paling banyak menyerap CPO dunia. Selain itu negara
Uni Eropa juga termasuk konsumen besar pengkomsumsi CPO di dunia. Faktor
yang mendukung terjadinya permintaan CPO seperti pertumbuhan penduduk,
pertumbuhan industri hilir, perkembangan energi alternatif. Malaysia dan
Indonesia diprediksikan akan terus menjadi pemain utama dalam ekspor CPO ini,
mengingat belum ada perkembangan yang signifikan dari negara pesaing lainnya.
Bahkan Indonesia diprediksikan akan menyalip Malaysia baik dalam produksi
maupun ekspor CPO, karena didukung oleh luas lahan yang tersedia dimana
-
9
Malaysia sudah mulai terbatas. Sutiyono (2009: 3) menyatakan total produksi
CPO dunia pada tahun 2008 adalah 43.1 juta ton yang sebagian besar berasal dari
Indonesia dan Malaysia.
Menurut Rawendra (2009: 1), data Oil World menunjukkan produksi CPO
Indonesia dan Malaysia untuk 2010 diprediksikan mencapai masing-masing 22,50
juta ton dan 18 juta ton dengan produktivitas sebesar 3,91 ton/ha dan 4,47 ton/ha,
sedangkan produksi CPO dunia untuk periode 2010 diprediksikan akan meningkat
sebesar 5,3% menjadi 47,52 juta ton. Hal ini sejalan dengan bertambahnya lahan
menghasilkan yang meningkat 5,4% dari 12,8 juta ha menjadi 12,83 juta ha. Di
tahun 2010, diperkirakan harga CPO akan naik terutama di semester 1 karena
faktor ketatnya persediaan edible oil di dunia dan kemungkinan naiknya harga
minyak mentah. Diperkirakan pada semester 2 pergerakan harga CPO akan flat
hingga akhir tahun.
Peningkatan permintaan CPO sejalan dengan pertumbuhan ekonomi dan
jumlah penduduk, permintaan terhadap CPO akan terus meningkat terutama dari
China dan India (Sutiyono. 2009: 7). Sampai dengan bulan Juni 2009 impor China
dan India masing-masing mengalami peningkatan sebesar 4.8% dan 36.2%
dibandingkan periode yang sama tahun lalu. Menurut Susila (2010: 5-6) konsumsi
CPO tahun 2010 diperkirakan akan berkisar antara 31.73 32.97 juta ton.
Selanjutnya, sampai dengan akhir fase kedua (2017), konsumsi akan berkisar
antara 36.80 39.28 juta ton. Pada akhir fase ketiga, konsumsi CPO dunia
diperkirakan akan berkisar antara 41.45 44.45 juta ton.
-
10
Departemen Pertanian Amerika dalam Sutiyono (2009: 7) memperkirakan
konsumsi CPO dari China dan India akan tumbuh masing-masing sebesar 9,1%
dan 7.0 % di tahun 2010. Dengan demikian konsumsi domestik kedua negara
tersebut diperkirakan sekitar 11.4 juta ton atau sebesar 25.7 % dari jumlah total
konsumsi.
2.3. Konsep Penjualan
Konsep penjualan menyatakan bahwa konsumen tidak akan membeli suatu
produk organisasi dalam jumlah cukup kecuali jika organisasi tesebut melakukan
usaha penjualan dan promosi berskala besar ( Kotler dan Amstrong, 2004: 21).
Konsep itu biasanya dilakukan pada barang yang tidak dicari (unsought goods)
barang yang oleh pembeli biasanya tidak terpikir untuk dibeli, seperti ensiklopedia
atau asuransi.industri tersebut harus mahir melacak calon pelanggan dan menjual
manfaat produk tersebut kepada mereka. Konsep penjualan ditampilkan pada
Gambar 1.
Titik awal Fokus Sarana Sasaran akhir
Menurut Siegel dan Shim dalam Kurdi (1999: 404), penjualan adalah
penerimaan yang diperoleh dari pengiriman barang dagangan atau dari
penyerahan pelayanan dalam bursa sebagai barang pertimbangan. Pertimbangan
ini dapat dalam bentuk tunai peralatan kas atau harta lainnya. Pendapatan dapat
Pabrik Produk Pejualan Laba melalui Yang ada dan promosi volume penjualan
Gambar 1. Konsep Penjualan Sumber : Kotler dan Amstrong (2004 :21)
-
11
diperoleh pada saat penjualan, karena terjadi pertukaran, harga jual dapat
ditetapkan dan bebannya diketahui. Penjualan adalah usaha yang dilakukan
manusia untuk menyampaikan barang yang telah dihasilkannya kepada mereka
yang membutuhkannya dengan imbalan uang menurut harga yang ditentukan, atas
persetujuan bersama (Sutamto dalam Rokhah, 2004: 8). Perusahaan pada
umumnya mempunyai tiga tujuan dalam penjualan yaitu mencapai volume
penjualan, mendapatkan laba tertentu, dan menunjukan pertumbuhan perusahaan.
Untuk meningkatkan penjualan ada bermacam jenis kegiatan efektif yang
dilakukan termasuk didalamnya adalah promosi.
Promosi penjualan yang dilakukan oleh penjual dapat dikelompokkan
berdasarkan tujuan yang ingin dicapai (Kotler dan Keller, 2007: 98-100).
Pengelompokkan tersebut sebagai berikut:
1. Customer promotion, yaitu promosi yang bertujuan untuk mendorong atau
merangsang pelanggan untuk membeli.
2. Trade promotion, yaitu promosi penjualan yang bertujuan untuk merangsang
atau mendorong pedagang grosir, pengecer, eksportir dan importir untuk
memperdagangkan barang/jasa dari sponsor.
3. Sales-force promotion, yaitu promosi penjualan yang bertujuan untuk
memotivasi armada penjualan.
4. Business promotion, yaitu promosi penjualan yang bertujuan untuk
memperoleh pelanggan baru, mempertahankan kontrak hubungan dengan
pelanggan, memperkenalkan produk baru, menjual lebih banyak kepada
pelanggan lama dan mendidik pelanggan.
-
12
Menurut Stewart (1995: 10), perencanaan penjualan merupakan suatu
sikap, pikiran dan juga merupakan proses yang dirancang untuk:
1. Meramal kecenderungan-kecenderungan masa depan yang mempengaruhi
usaha.
2. Mempengaruhi tujuan yang seharusnya dicapai.
3. Menjelaskan bagaimana kita merencanakan pencapaian sasaran-sasaran
perusahaan.
4. Memberi umpan balik bagaimana kita akan melakukan usaha-usaha
dibandingkan dengan rencana.
5. Bertindak bukan bereaksi.
6. Memusatkan pada kegiatan-kegiatan untuk mencapai hasil.
2.4. Peramalan
Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa
datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa
(Nasution. 2006: 235). Render dan Heizer (2001: 136), menyatakan peramalan
adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Salah satu
jenis peramalan adalah peramalan permintaan/penjualan. Peramalan permintaan
merupakan tingkat permintaan produk produk yang diharapkan akan terealisasi
untuk jangka waktu tertentu pada masa yang akan datang. Ramalan penjualan
merupakan proses aktivitas memperkirakan produk yang akan dijual dimasa
-
13
mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah
terjadi atau mungkin terjadi (Nafarin, 2007: 96).
Peramalan adalah suatu proses memperkirakan secara sistematik tentang
apa yang terjadi dimasa depan berdasar informasi masa lalu dan sekarang yang
dimiliki agar kesalahannya (selisih antara apa yang terjadi dengan hasil perkiraan)
dapat diperkecil (Mulyono, 2000: 1). Handoko (2000: 260), menyatakan esensi
peramalan adalah memperkirakan peristiwa-peristiwa diwaktu yang akan datang
atas dasar pola-pola waktu yang lalu dan penggunaan kebijakan terhadap
proyeksi-proyeksi dengan pola-pola di waktu yang lalu.
Menurut Render dan Heizer (2001: 46), jika dilihat dari jangka waktu
ramalan yang telah disusun, maka peramalan dapat dibedakan menjadi 3 macam,
yaitu:
1. Peramalan jangka pendek, yaitu peramalan yang memiliki rentang waktu satu
tahun tetapi umumnya kurang dari tiga bulan. Peramalan jangka pendek
digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga
kerja, penugasan dan tingkat produksi.
2. Peramalan jangka menengah, biasanya berjangka tiga bulan hingga tiga tahun.
Peramalan ini sangat bermanfaat dalam perencanaan penjualan, perencanaan
dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai
rencana operasi.
3. Peramalan jangka panjang, yaitu peramalan yang memiliki rentang waktu
biasanya tiga tahun atau lebih, digunakan dalam merencanakan produk baru,
-
14
pengeluaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta
pengembangan.
2.4.1. Kegunaan dan Peran Peramalan
Permintaan suatu produk pada suatu perusahaan sangat dipengaruhi oleh
berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang berada di
luar kendali perusahaan. Dimana faktor faktor lingkungan tersebut juga akan
mempengaruhi peramalan. Berikut ini merupakan beberapa faktor lingkungan
yang mempengaruhi peramalan (Yamit, 2005: 48), yaitu:
1. Kondisi umum bisnis dan ekonomi
2. Reaksi dan tindakan pesaing
3. Tindakan pemerintah
4. Kecenderungan pasar
5. Siklus hidup produk
6. Gaya dan mode
7. Perubahan permintaan konsumen
2.4.2. Identifikasi Pola Data Time Series
Menurut Firdaus (2006: 2), salah satu instrumen yang digunakan untuk
mengekplorasi pola data adalah koefisien autokarelasi (rk), yaitu korelasi antara
nilai peubah yt dengan nilai beda kalanya (lag) yaitu yt-1. Kumpulan rk untuk
berbagai tingkatan beda kala disebut Autocorrelation Function (ACF). ACF dapat
digunakan untuk mengidentifikasi apakah data itu trend, stasioner, variasi
-
15
musiman, siklus. Trend adalah komponen data deret waktu yang menunjukkan
peningkatan atau penurunan dalam jangka panjang selama periode waktu yang
diamati, variasi musiman adalah fluktasi data yang berulang setiap beberapa hari,
minggu atau bulan karena faktor cuaca, hari raya dan lainnya. Siklus adalah
fluktuasi seperti gelombang disekitar trend, dengan kata lain pola musiman dalam
jangka lebih panjang yang berulang biasanya setiap lima sampai sepuluh tahun.
Unsur stasioner adalah fluktuasi data dimana relatif konstan walaupun ada
kenaikan atau penurunan, jika dirata-ratakan masih berada pada titik rata-rata.
Cara selanjutnya adalah identifikasi terhadap pola atau perilaku
Autocorrelatinal Function (ACF) dan Parsial Autocorrelation Function (PACF).
Suatu deret data non musiman dikatakan stasioner jika koefisien autokorelasinya
nol untuk semua tingkatan beda kala. Series juga dapat dikatakan stasioner bila
koefesien autokorelasinya berbeda nyata dengan nol hanya pada beberapa kala
pertama (k5) (Firdaus, 2006: 23).
2.4.3. Metode Peramalan
Menurut Nasution (2006: 242) secara umum, peramalan diklasifikasikan
menjadi 2 macam, yaitu:
1. Peramalan yang bersifat subjektif. Peramalan subjektif lebih menekankan pada
keputusan-keputusan hasil diskusi, pendapat pribadi seseorang dan intuisi
yang meskipun kelihatanya kurang ilmiah tetapi dapat memberikan hasil yang
baik, peramalan subjektif ini akan diwakili oleh metode Delphi dan metode
penelitian pasar.
-
16
2. Peramalan yang bersifat objektif, merupakan prosedur peramalan yang
mengikuti aturan-aturan matematis dan statistik dalam menunjukkan
hubungan antara permintaan dengan satu atau lebih variabel yang
mempengaruhinya. Peramalan objektif terdiri dari dua metode yaitu, metode
intrinsik dan ekstrinsik.
Metode peramalan dapat diklasifikasikan menjadi dua metode kualitatif
dan metode kuantitatif (Firdaus. 2006: 1). Peramalan kualitatif didalam
prosedurnya melibatkan pengalaman, judgements maupun opini dari sekelompok
orang yang pakar dibidangnya. Teknik kualitatif terdiri dari teknik sales-force
composite (agregasi ramalan dari setiap individu dalam suatu organisasi) dan
teknik delphi (untuk mengumpulkan individu dalam suatu organisasi). Metode ini
cocok untuk peramalan dalam jangka panjang lebih dari 5 tahun.
Menurut Makridakis dkk (1999: 10) menyatakan bahwa pendekatan
kualitatif dibagi menjadi dua bagian, yaitu metode eksploratoris dan normatif.
Metode ekploratoris seperti delphi, kurva-s analogi dan penelitian morfologis,
metode normatif seperti matriks keputusan, pohon relevansi, dan analisis sistem,
dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian
bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala,
sumberdaya, dan teknologi yang tersedia. Kelemahanya adalah tidak ada prosedur
yang sistematis untuk mengukur dan memperbaiki keakuratan hasil peramalan
serta kemungkinan tingginya subjektivitas pendapat.
Peramalan kuantitatif melibatkan analisis statistik terhadap data-data yang
lalu (Firdaus. 2006: 1). Metode peramalan kuantitatif terbagi atas dua golongan
-
17
yaitu model deret waktu satu ragam dan metode kausal. Model deret waktu satu
ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu
peubah tertentu, sebagai contoh teknik naif, perataan, pemulusan, dekomposisi,
trend, metodologi Box-Jenkins (ARIMA-SARIMA) dan ARCH-GARCH. Model
kausal fokus pada identifikasi dan determinasi hubungan antar variabel yang akan
diramalkan, yang tergolong dalam metode ini antara lain teknik regresi, model
ekonometrika dan input output. Model deret berkala (time series), pendugaan
masa depan dilakukan berdasarkan masa lalu dari suatu variabel dan/atau
kesalahan masa lalu. Tujuan metode peramalan deret berkala (time series) adalah
menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut
ke masa depan. Makridakis dkk (1999: 9), model kausal mengasumsikan bahwa
faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu
atau lebih variabel bebas. Maksud dari metode kausal adalah menemukan bentuk
hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari
variabel tak bebas.
Terdapat dua hal yang harus diperhatikan untuk mendapatkan peramalan
yang akurat yaitu pertama pengumpulan data secara baik, dan kedua peramalan
dengan teknik yang tepat. Oleh karena itu perlu dilakukan langkah-langkah secara
berurutan (Firdaus, 2006: 1- 2), yaitu:
1. Menentukan tujuan peramalan dan peubah yang dianalisis
2. Mengumpulkan data
3. Membuat dan menentukan pola data
4. Estimasi model dan menghitung nilai yang akan diramalkan
-
18
5. Evaluasi hasil estimasi
Metode yang akan dibahas dalam penelitian ini adalah menggunakan
peramalan yang akan terjadi pada masa mendatang secara kuantitatif yaitu dengan
menggunakan metode time series (runtun waktu).
2.4.4. Metode Peramalan Time Series
Menurut Firdaus (2006: 2), metode peramalah kuantitatif terdiri dari dua
golongan, model deret waktu satu rangam dan model kausal. Model deret waktu
satu ragam (time series) fokus pada observasi terhadap urutan pola data secara
kronologis suatu peubah tertentu sebagai contoh teknik Naif, Perataan,
Pemulusan, Dekomposisi, Trend, Metodologi Box-Jenkins (ARIMA-SARIMA)
dan ARCH-GARCH. Mulyono (2000: 91), metode peramalan time series
didasarkan atas penggunaan analisa pola hubungan variabel yang akan
diperkirakan dengan variabel waktu yang merupakan data deret waktu (time
series). Tujuan metode time series ialah menemukan pola dalam deret waktu dan
mengekstrapolasikan data tersebut ke masa depan. Metode-metode yang
digunakan dalam peramalan time series terdiri dari beberapa metode, yaitu:
a. Metode Naif (Naive)
Menurut Firdaus (2006: 5) metode naif berdasarkan asumsi bahwa periode
saat ini merupakan prediktor terbaik dari masa mendatang. Metode ini merupakan
metode sederhana karena perhitungannya dengan menggunakan data yang lewat
(past data) yang dijadikan sebagai ramalan waktu mendatang. Metode naif cocok
pada pola data stasioner. Menurut Mulyono (2000: 126) metode naif ini dianggap
-
19
bahwa dimasa datang suatu sistem cenderung mempertahankan momentum
(enggan berubah dari) masa silam.
b. Metode Rata-rata Bergerak (Moving Average)
Menurut Firdaus (2006: 6), menyatakan metode perataan digunakan bila
peramalan dilakukan secara berulang-ulang untuk data yang tidak terlalu besar.
Teknik ini digunakan untuk memasukkan informasi terbaru, setiap ada informasi
terbaru akan diperoleh dengan menghilangkan informasi terlama dengan
memasukkan informasi terbaru, pada teknik ini semua informasi dibobot sama.
Teknik ini baik untuk data stasioner. Kelebihan metode ini adalah jumlah data
yang dimasukkan ke dalam nilai rataan fleksibel sehingga dapat divariasikan
sesuai dengan pola datanya. Selain itu metode ini mudah dipahami.
Kelemahannya, metode ini hanya baik untuk data stasioner yang cenderung
bergerak tidak menaik atau menurun.
c. Metode Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing)
Metode ini baik diterapkan pada serial data yang memiliki pola stasioner
dan kemungkinan tidak efektif dalam menangani peramalan dengan
kecenderungan data yang memiliki komponen trend dan pola musiman. Hal ini
dikarenakan jika diterapkan pada serial data yang memiliki trend yang konsisten,
ramalan yang dibuat akan selalu berada dibelakang trend. Selain itu, metode
eksponensial ini juga memberikan bobot yang relatif lebih tinggi pada nilai
pengamatan terbaru dibanding nilai-nilai periode sebelumnya. Metode ini
menggunakan nilai . Firdaus (2006: 10) menyatakan hasil peramalan tergantung
pada besarna . Nilai yang besar biasanya cocok untuk ramalan yang
-
20
menghendaki respon yang cepat. Mencari nilai yang tepat umumnya dapat
ditentukan dengan pengujian trial and error (coba-coba) terhadap yang berbeda-
beda untuk menemukan nilai yang menghasilkan nilai kesalahan terkecil.
d. Metode Pemulusan Ekponensial Ganda (Double Eksponensial Smoothing)
Metode double eksponential smoothing memiliki dasar pemikiran yang
sama dengan rata-rata bergerak linier. Terkait dengan itu, penerapan metode
double eksponential smoothing ini cukup baik untuk deret data yang memiliki
unsur trend. Metode double eksponential smoothing memproses time series yakni
dengan mengekstrapolasi data atas dasar trend terakhir yang terbentuk, sehingga
ramalan yang akan terlihat nantinya cenderung ke satu arah yakni sesuai dengan
arah trend terakhir.
e. Metode Perhitungan Indeks Musiman
Menurut Handoko (2000: 278), perhitungan indeks musiman dapat
dihitung dengan mencari nilai rata-rata berbagai rasio penjualan kuartal nyata
terhadap nilai garis trend untuk setiap periode. Menurut Rangkuti (2005: 13)
indeks musiman perlu dilakukan untuk mengetahui secara jelas apakah data time
series yang dimiliki mengandung unsur musiman atau tidak.
f. Metode Tren (Trend)
Peramalan menggunakan metode trend sudah sangat umum dilakukan
dalam perusahaan bisnis, hal ini dikarenakan banyaknya data ekonomi dan bisnis
yang mengandung unsur trend yang meningkat atau menurun.
Menurut Firdaus (2006: 14), model regresi merupakan teknik yang paling
banyak digunakan dalam pemodelan trend lenier, sedangkan model regresi lenier
-
21
kubik dan kuadratik menggunakan model regresi berganda. Proses meregresikan
peubah dependen terhadap waktu akan memperoleh koefisien regresi dari model
trend. Menurut Iriawan dan Septian (2006: 199) model regresi memiliki variabel
respons (variabel dependen) dan variabel prediktor (variabel independen).
Variabel respon adalah variabel yang dipengaruhi suatu variabel prediktor dan
peneliti tidak bebas mengendalikannya, variabel prediktor digunakan untuk
memprediksi nilai variabel respons dan peneliti bebas mengendalikannya.
g. Metode Box-Jenkins (ARIMA)
Menurut Firdaus (2006: 19), ARIMA merupakan bagian dari analisis deret
waktu satu ragam (time series), ARIMA atau autoregressive integrated moving
average. Mulyono (2000: 147), menyatakan metode Box-Jenkins merupakan
suatu prosedur interatif memilih model terbaik untuk series yang stasioner dari
suatu kelompok model time series lenier. Metode ARIMA adalah metode yang
tepat untuk mengatasi terlalu rumitnya deret waktu (terdapat variasi dari pola
data) dan situasi peramalan lainnya.
Menurut Firdaus (2006: 19) prosedur Box-Jenkins terdiri dari beberapa
tahapan, yaitu:
1. Identifikasi. Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu
terhadap pola data, apakah terdapat unsur musiman atau tidak. Kedua,
identifikasi terhadap kestasioneran data. Ketiga, identifikasi terhadap pola atau
perilaku ACF dan PACF. ACF (Autocorrelation Function) adalah hubungan
antara nilai suatu variabel dengan nilai lampaunya, dapat dengan masa
tenggang (lag) satu atau lebih. Koefisien autocorrelation berkisar antara -1
-
22
dan +1, dimana 0 menunjukkan tidak ada hubungan. PACF (Partial
Autocorrelation Function) adalah hubungan antara nilai suatu variabel dengan
nilai yang lebih awal daari varabel itu, jika pengaruh nilai-nilai diantaranya
(lainnya) dihilangkan. Sebagai contohnya jika ingin diketahui hubungan pada
variabel di periode ke satu dengan periode ke empat, maka pengaruh dari
periode kedua dan ketiga dihilangkan.
2. Estimasi model. Pada tahap estimasi, pertama-tama dihitung nilai estimasi
awal untuk parameter-parameter dari model tentatif. Untuk menghitung nilai
estimasi awal, biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi
untuk masing-masing parameter.
3. Evaluasi model. Setelah diperoleh persamaan untuk model tentatif, dilakukan
uji diagnostik untuk menguji kedekatan model dengan signifikansi dan
hubungan-hubungan parameter. Jika ada hasil yang tidak dapat diterima atau
tidak memenuhi syarat, maka model harus diperbaiki dan langkah-langkah
sebelumnya diulangi kembali. Uji diagnostik untuk evaluasi model terdapat 6
kriteria, yaitu residual peramalan bersifat acak, model parsimonius
(sederhana), parameter yang diperoleh berbeda nyata dengan nol, proses
iterasi harus convergence dan memiliki nilai MSE (Mean Squared Error)
terkecil.
Menurut Firdaus (2006: 45), untuk data yang secara nyata mengandung
unsur musiman dapat diterapkan metodologi serupa yang dikembangkan Box-
Jenkins. Dalam penerapanya model ini disebut season ARIMA (SARIMA).
Perbedaan dengan ARIMA adalah pada proses pembedaan serta identifikasi
-
23
perilaku ACF dan PACF data deret waktu yang dalam hal ini mengandung unsur
musiman. Suatu deret waktu musiman (seasonal time series) juga harus stasioner
terlebih dahulu sebelum diestimasi dalam suatu model peramalan. Pembedaan
musiman merupakan pengurangan dari dua pengamatan yang berbeda sejauh L
peiode. Dalam hal ini L didefinisikan sebagai jumlah periode musiman dalam satu
tahun.
2.4.5. Pemilihan Metode Peramalan
Metode peramalan terdiri dari bermacam-macam dan memiliki kelebihan
dan kekuranganya masing-masing. Pada pemilihan teknik peramalan terbaik,
peramal harus mempertimbangkan beberapa faktor. Menurut Firdaus (2006: 4),
penilaian terhadap akurasi hasil peramalan dapat dilakukan degan mengamati
besarnya selisih aktual pengamatan dengan nilai estimasi dari peramalan. Selain
indikator tersebut, terdapat beberapa hal lain yang harus dipertimbangkan oleh
peramal, yaitu:
1. Sederhana tidaknya model (parsimonious)
2. Mudah tidaknya diterapkan
3. Ketersediaan biaya peramalan
Pemilihan metode yang tepat dapat dilakukan dengan mengamati besarnya
selisih nilai aktual pengamatan dengan nilai estimasi dari peramalan, secara umum
bila residual besarnya merata sepanjang pengamatan maka MSE (Mean Squared
Error) yang sebaiknya digunakan. Namun bila hanya ada satu atau dua residual
yang besar maka MAE (Mean Absolute Error) yang sebaiknya digunakan dan
-
24
untuk melihat bias tidaknya peramalan maka MPE (Mean Percentage Error)
dapat digunakan. Hasil peramalan dikatakan tidak bias bila nilai MPE 0.
2.5. Hasil Penelitian Terdahulu
Laduni (2008) dalam penelitianya yang berjudul Uji Metode Peramalan
Produksi di Usaha Dagang Safari Donat. Penelitian ini bertujuan untuk
mengetahui pola data produksi donat Usaha Dagang Safari Donat. Kemudian
memilih metode peramalan kuantitatif yang sesuai dan ramalan untuk produksi
donat, sehingga dapat diketahui pemilihan metode peramalan yang sesuai dan
meramalkan jumlah produksi donat satu tahun mendatang.
Berdasarkan hasil penelitian menunjukkan bahwa data produksi donat
Usaha Dagang Safari Donat yang dieksplorasi memiliki unsur trend menurun,
unsur musiman tertentu, dan tidak memiliki kestasioneran dalam pola datanya.
Berdasarkan pengujian dan perhitungan nilai akurasi yang terkecil, metode
peramalan time series yang terbaik dan sesuai untuk peramalan produksi Usaha
Dagang Safari Donat adalah metode Box-Jenkins dengan model ARIMA (0,1,0)
(0, 1,1)52. Nilai MSE yang terkecil dihasilkan peramalan terbaik yaitu metode
Box-Jenkins dengan model ARIMA.
Khaerunnisah (2008) dalam penelitiannya yang berjudul Analisis
Peramalan Penjualan untuk Perencanaan Pengendalian Persediaan Kecap Manis
Sate PT. Korma Jaya Utama (KJU). Penelitian ini bertujuan untuk mengetahui
pola data penjualan dan metode peramalan penjualan sehingga dapat diketahui
pemilihan metode peramalan penjualan terakurat untuk memprediksi tingkat
-
25
penjualan kecap manis sate PT. Korma Jaya Utama (KJU) satu tahun mendatang.
Untuk meramalkan penjualan kecap manis sate dilakukan dengan menghitung
tingkat penjualan menggunakan metode time series dan regresi lenier.
Berdasarkan data penjualan kecap teridentifikasi pola data stasioner dan pola
musiman. Grafik plot data tersebut didapatkan nilai penjualan kecap manis sate
yang relatif konstan berada pada sekitar rata-rata. Pola musiman yang disebabkan
oleh perilaku sales (agen). Metode peramalan yang digunakan terdiri atas metode
naif, metode eksponential smoothing, metode Box-Jenkins. Metode peramalan
time series dipilih karena memiliki nilai MSE (Mean Squared Error) terkecil
yaitu 153086792. Sedangkan metode musiman dipilih karena metode ini dapat
mencari rata-rata penjualan pada bulan yang sama pada periode yang berbeda.
2.6. Kerangka Pemikiran Penelitian
Dunia usaha yang terus menerus berubah dengan cepat, mengharuskan
perusahaan harus mampu menganalisis lingkungan yang terus berubah tersebut
dan memprediksi berbagai kemungkinan di masa depan. Kemampuan untuk
meramal atau forecast masa depan merupakan usaha perusahaan sebagai dasar
pengambilan keputusan strategis untuk kelangsungan perusahaan.
Crude Palm Oil (CPO) atau minyak sawit merupakan salah satu komoditi
sektor perkebunan yang memiliki prospek usaha yang cukup besar dan menjadi
salah satu penyumbang devisa non migas. Dari segi ekspor, sektor ini telah
memberikan kontribusi sebesar US $ 12,04 miliar di tahun 2006 dan merupakan
sektor yang menyerap tenaga kerja terbanyak (Sutiyono, 2009: 6). PT. KPB
-
26
Nusantara merupakan anak dari perusahaan perkebunan PTPN I sampai dengan
PTPN XIV dan PT RNI. PT. KPB Nusantara merupakan perusahaan yang
bergerak dalam pemasaran hasil komoditi meliputi minyak sawit, karet, latex, teh,
kopi, coklat dan gula tetes yang dipasarkan di dalam maupun luar negeri. Namun
dalam penelitian ini akan lebih terfokus kepada penjualan komoditi Crude Palm
Oil (CPO) atau minyak sawit kasar, yang dihasilkan oleh PTPN penghasil CPO
(PTPN I , II , III , IV , V , VI , VII , VIII , XIII dan XIV).
PT. KPB Nusantara memiliki pelanggan yang berada di dalam maupun
luar negeri, didalam negeri pelanggannya berupa perusahaan pengolahan CPO
maupun eksportir. Sedangkan konsumen luar negeri, PT. KPB Nusantara
memiliki konsumen tetap yang menjadi langganannya seperti negara China, India,
dan Uni Eropa. Dari segi pesaing, PT. KPB Nusantara memiliki pesaing dari
perusahaan swasta dan negara penghasil CPO seperti Malaysia, Nigeria, Pantai
Gading, Thailand, Equador dan masih banyak lagi (Malaysian Palm Oil Board
dalam Sutiyono, 2009: 3).
Salah satu cara yang diperlukan untuk mengantisipasi penjualan CPO yang
tidak menentu maka dibutuhkan peramalan penjualan. Peramalan penjualan
diperlukan untuk memprediksi permintaan pasar CPO yang tidak menentu, karena
dengan menggunakan peramalan penjualan maka akan terjadi peningkatan
keuntungan dari penjualan CPO. Sebaliknya, bila kebutuhan konsumen atau
pelanggan CPO perusahaan tidak terpenuhi maka ada kemungkinan pelanggan
CPO perusahaan akan berpindah ke perusahaan pesaing yang mengakibatkan
hilangnya kesempatan perusahaan untuk memperoleh laba. Selain itu kegiatan
-
27
peramalan penjualan dapat digunakan perusahaan untuk mempersiapkan strategi-
strategi penjualan untuk menghadapi segala kemungkinan akan terjadi.
Peramalan penjualan CPO dilakukan dengan menggunakan metode
peramalan kuantitatif, yaitu metode time series yang terdiri dari metode naif,
metode moving average, metode single eksponential smoothing, metode double
eksponential smoothing, metode indeks musiman, metode trend dan metode Box-
Jenkins (ARIMA). Berdasarkan beberapa metode peramalan yang digunakan,
selanjutnya dapat diketahui nilai kesalahan yang terbentuk yaitu nilai Mean
Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean Absolute
Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil
peramalan dilihat dari nilai MSE yang dihasilkan karena semakin kecil nilai error
maka semakin akurat peramalan yang digunakan, atau dengan kata lain metode
peramalan yang digunakan mendekati aktual.
Berdasarkan hasil perhitungan menggunakan peramalan kuantitatif akan
dilakukan analisis tingkat peramalan penjualan CPO, sehingga perusahaan dapat
mengambil keputusan yang terbaik terhadap penjualan CPO tahun 2011. Secara
garis besar, maksud uraian kerangka pemikiran penelitian disajikaan pada
Gambar 2.
-
28
Gambar 2. Alur Kerangka Pemikiran Penelitian
Keterangan :
= Alat penelitian
= Arah aktifitas penelitian
= Sasaran penelitian = Aktifitas penelitian
PT. Kharisma Pemasaran Bersama Nusantara
Manajemen Penjualan CPO
Peramalan Penjualan Kuantitatif 1. Metode Naif (Naive) 2. Metode Rata-rata Bergerak (Moving
Average) 3. Metode Pemulusan Eksponensial
Tunggal (Single Eksponential Smoothing)
4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing)
5. Metode Indeks Musiman 6. Metode Tren (Trend) 7. Metode Box-Jenkins (ARIMA)
Pemilihan Metode Peramalan Kuantitatif Terbaik
Mean Squared Error (MSE)
Volume penjualan CPO
Analisis Tingkat Peramalan Penjualan CPO Terbaik Satu Tahun Mendatang
-
29
2.7. Definisi Operasional
1. Crude Palm Oil (CPO) adalah minyak kelapa sawit kasar berasal dari
daging buah (mesocarp) kelapa sawit yang berwarna merah.
2. Data time series (deret waktu) adalah data yang dikumpulkan dan diamati
atas rentang waktu tertentu. Eksplorasi data menekankan pada bagaimana
perilaku data sepanjang periode pengamatan (Firdaus, 2006:2).
3. Ramalan penjualan merupakan proses aktivitas memperkirakan produk
yang akan dijual dimasa mendatang dalam keadaan tertentu dibuat
berdasarkan data-data yang pernah terjadi atau mungkin terjadi (Nafarin,
2007: 96).
4. Mean Squared Error (MSE) digunakan bila nilai residual (error) besarnya
merata sepanjang pengamatan yaitu penilaian akurasi hasil peramalan
dengan mengamati besarnya selisih nilai aktual dengan nilai estimasi dari
peramalan (Firdaus, 2006:4).
5. Autocorrelation function (ACF) adalah hubungan antara nilai suatu
variabel dengan nilai lampaunya, dapat dengan masa tenggang satu atau
lebih, dimana koefisien berkisar antara -1 dan +1, dimana 0 menunjukkan
tidak ada korelasi (Mulyono, 2000: 151).
6. Parsial Autocorrelasi function (PACF) adalah hubungan antara nilai suatu
variabel dengan nilai yang lebih awal dari variabel itu, jika pengaruh nilai-
nilai diantara keduanya (lainnya) dihilangkan (Mulyono, 2000: 153).
-
30
7. Stasioneritas
Suatu deret dikatakan stasioneritas apabila proses tidak berubah seiring
dengan perubahan waktu. Maksudnya, rata-rata deret pengamatan di
sepanjang waktu konstan.
8. Eksplorasi data
Merupakan penjelajahan data penjualan dengan tujuan memperoleh
pengetahuan lebih banyak mangenai pola data penjualan Crude Palm Oil
(CPO).
9. Residual (error) adalah perbedaan antara nilai aktual dengan hasil
peramalan.
-
31
BAB III METODE PENELITIAN
3.1. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di PT. Kharisma Pemasaran Bersama (KPB)
Nusantara Jl. Taman Cut Mutiah No. 11 Jakarta 10330. Pemilihan tempat
penelitian ini dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa
PT. KPB Nusantara merupakan salah satu perusahaan pemasar Crude Palm Oil
(CPO) dan merupakan perusahaan milik negara yang bergerak dalam pemasaran
komoditi perkebunan baik dalam maupun luar negeri. Penelitian ini dilaksanakan
pada bulan Juni - Oktober 2010.
3.2. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data
sekunder. Data primer diperoleh dari wawancara menggunakan daftar pertanyaan
yang ditujukan kepada Manajer Analisa Pasar dan Analisa Usaha. Data sekunder
diperoleh dari data pola penjualan CPO yang telah dilakukan PT KPB Nusantara
selama tujuh tahun yaitu pada periode Januari 2004 sampai Desember 2010.
Berdasarkan sumber data, data primer diperoleh langsung dari perusahaan
sedangkan untuk melengkapi data primer diperlukan data sekunder yang diperoleh
dari berbagai kepustakaan yang relevan dengan penelitian. Tinjauan pustaka yang
digunakan berasal dari berbagai pustaka diantaranya data statistik dan gambaran
umum terhadap penelitian yang berkaitan dengan tujuan penelitian dan metode
-
32
peramalan yang digunakan dalam penelitian ini. Penerapan studi pustaka dalam
penelitian ini yaitu berasal dari perpustakaan dan internet.
3.3. Metode Pengolahan dan Analisis Data
3.3.1. Analisis Kualitatif
Analisis kualitatif dijelaskan secara deskriptif yang berkaitan dengan
gambaran umum perusahaan meliputi lokasi perusahaan, visi misi, kegiatan usaha
perusahaan, sejarah berdirinya perusahaan, struktur organisasi, ketenagakerjaan,
produk CPO yang dipasarkan perusahaan, bauran pemasaran dan kegiatan
peramalan penjualan CPO yang dilakukan oleh PT. KPB Nusantara di Jakarta.
3.3.2. Analisis Kuantitatif
Analisis kuantitatif digunakan untuk mengetahui besarnya penjualan yang
harus disiapkan satu tahun mendatang dengan melihat pola data penjualan periode
Januari 2004 sampai Desember 2010. Kemudian berdasarkan pola data penjualan
tersebut, data diolah dengan menggunakan metode peramalan kuantitatif
peramalan time series, dengan melihat nilai kesalahan yang terbentuk yaitu nilai
Mean Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean
Absolute Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan
hasil peramalan dilihat dari nilai MSE yang dihasilkan. Karena semakin kecil nilai
MSE maka metode peramalan semakin akurat. Peramalan penjualan satu tahun
mendatang dapat diketahui dengan menggunakan metode peramalan time series
yang memiliki nilai MSE terkecil. Kegiatan menganalisis data kuantitatif
-
33
peramalan penjualan CPO dilakukan dengan menggunakan program Microsoft
Excel dan Minitab 15.
3.3.2.1. Metode Peramalan Time Series
Penelitian ini menggunakan metode peramalan time series. Metode
peramalan time series terdiri dari beberapa metode, yaitu metode naif, metode
rata-rata bergerak, metode pemulusan eksponensial tunggal, metode pemulusan
eksponensial ganda, metode indeks musiman, metode tren, metode Box-Jenkins
(ARIMA). Berdasarkan semua metode yang digunakan tersebut akan dipilih
metode yang paling sesuai dengan pola data yang terdapat pada perusahaan
berdasarkan nilai MSE terkecil.
1. Metode Naif (Naive)
Menurut Firdaus (2006: 5) metode naif dapat dirumuskan sebagai berikut:
t+1 = t
Dimana :
t+1 = nilai ramalan penjualan CPO periode mendatang
t = nilai aktual penjualan CPO periode ke-t
2. Metode Rata-Rata Bergerak (Moving Average)
Metode ini menggunakan urutan kerja sebagai berikut:
a. Menentukan ordo dan bobot rata-rata bergerak
Ordo dan rata-rata bergerak adalah jumlah data masa lalu yang dimasukkan ke
dalam rataan yang disimbolkan dengan n (ordo). Dasar penentuan ordo ini
-
34
adalah dengan mengambil rata-rata dari dua data maka diharapkan pelicinan
akan jelas. Sebagai contoh moving average (MA) ordo 1, berarti peramalan
hanya menggunakan satu observasi sebelumnya untuk meramalkan satu nilai
yang akan datang (Firdaus, 2006: 6).
b. Formula untuk teknik ini adalah:
t+1 = MA (n)t = ( yt + yt-1 + yt-2+ +yt-n+1) n
Dimana :
t+1 = nilai ramalan penjualan CPO untuk satu periode ke depan yt = nilai aktual penjualan CPO pada waktu ke-t n = ordo dari rata-rata bergerak
3. Metode Pemulusan Eksponensial Tunggal (Single Ekponential Smoothing)
Menurut Firdaus (2006:10), formula untuk teknik ini adalah:
St = yt + (1- ) St-1
Nilai awal St = (S1 + S2 + Sn-1 + Sn)/n Dimana :
St-1 = nilai aktual penjualan CPO untuk satu periode ke depan yt = nilai aktual penjualan CPO periode ke-t St = nilai ramalan penjualan CPO periode sebelumnya = a = koefisien pemulusan(0
-
35
4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing)
Metode Double Eksponential Smoothing menggunakan dua koefisien
pemulusan diantaranya adalah koefisien pemulusan dan . Koefisien pemulusan
menunjukkan nilai koefisien terhadap pemulusan metode double eksponential
smoothing dan koefisien menunjukkan nilai koefisien terhadap trend. nilai
konstanta pemulusan tersebut bernilai antara 0 dan 1. Persamaan dalam metode
double eksponential smoothing adalah:
At = Yt + (1-)(At-1 + T t-1)
Tt = (At-At-1) + (1-) Tt-1
Dimana :
, = koefisien pemulusan
Yt = nilai periode ke-t
At-1 = nilai periode sebelumnya
Tt-1 = nilai tren periode sebelumnya
5. Metode Indeks Musiman
Persamaan dalam metode indeks musiman adalah:
Y = a + bX
a = Y n
b = XY n = Yt
Y
(rata-rata) = n
-
36
t+1 = (Y)( rata-rata)
Dimana:
a, b = konstanta
n = banyaknya data
Y = penjualan aktual
X = pengkodean dari titik tengah periode
= rasio penjualan
Yt = nilai garis trend
t+1 = penjualan periode ke depan
6. Metode Tren (Trend)
Menurut Firdaus (2006:14), bentuk umum persamaan trend adalah Yt= a1+b1 (T) + t Dimana:
Yt = Penjualan CPO (Variabel dependen) T = Waktu atau periode ( variabel independen) a1 dan b1 = Parameter model
t = Residual model
Bentuk lain dari persamaan trend adalah Model trend kuadratik dengan
persamaan sebagai berikut:
Yt = at +blt (T) + t
7. Metode Box-Jenkins
Prosedur Box-Jenkins terdiri dari beberapa tahapan, yaitu identifikasi,
estimasi, evaluasi model dan peramalan (Firdaus, 2006: 19). Pada tahap
-
37
identifikasi dilakukan ekplorasi terhadap pola data untuk mengetahui unsur
musiman, kestasioneran data, identifikasi terhadap pola ACF dan PACF. Pada
tahap estimasi model dilakukan perhitungan awal untuk parameter-parameter dari
model tentatif. Tahap evaluasi model, dilakukan uji diagnostik untuk menguji
kedekatan model dengan data. Pada tahap peramalan, dilakukan penerapan
terhadap model dengan parameter yang paling efisien.
Menurut Firdaus (2006: 24-28), setelah data dipastikan stasioner,
selanjutnya adalah identifikasi untuk menentukan model ARIMA tentatif. Hal in
dilakukan dengan menganalisis perilaku atau pola ACF dan PACF. Koefisien
autokorelasi (ACF) dapat bernilai antara -1 sampai +1. Suatu deret waktu non
musiman dikatakan stasioner jika koefisien autokorelasinya nol untuk dapat
stasioner bila koefisiennya berbeda nyata dari nol hanya pada beberapa beda kala
pertama (k 5). Parsial autokorelasi (PACF) digunakan untuk mengetahui ukuran
hubungan antara dua deret waktu yang berbeda ketika pengaruh dari variabel
lainnya dihilangkan. Untuk mendapatkan plot ACF dan PACF dapat dilakukan
menggunakan software Minitab 15 karena perhitungan secara manual sangat
rumit. Untuk data yang tidak mengandung unsur musiman beberapa alternatif
model tentatif adalah sebagai berikut:
a. Model Autoregresif-autoregressive (AR)
Model AR dipilih bila ACF menunjukkan pola dying down dan PACF
menunjukkan pola yang cut off. jumlah observasi masa lalu yang digunakan dalam
model AR dikenal dengan orde p. Berikut persamaan model AR.
Zt = +1Zt-1 + 2Zt-2 + + t
-
38
Dimana :
Zt = observasi deret stasioner saat ini
Z-1, Zt-2 = observasi sebelumnya
, 1, 2 = parameter-parameter yaitu konstan dan koefisien
t = residual parameter acak untuk periode saat ini yang diharapkan
nilainya sama dengan nol
b. Model Rataan Bergerak- Moving Average (MA)
Model MA ini dipilih bila ACF menunjukkan pola yang cut off dan PACF
menunjukkan pola dying down. Jumlah residual masa lalu yang digunakan dalam
model MA dikenal sebagai orde q. Berikut peramaan model MA.
Zt = + t tt-1 2t-2 - - qt-q
Dimana :
Zt = observasi deret stasioner saat ini
t = residual peramalan yang white noise
t-1, t-2 = residual peramalan periode sebelumnya
, 1, 2 = konstanta dan koefisien rataan bergerak
c. Model Gabungan- Autoregressive Moving Average (ARMA)
Model gabungan ini dipilih bila ACF dan PACF kedua-duanya
menunjukkan pola dying down. Model ini adalah kombinasi model autoregresif
dan model rataan bergerak. Orde dari model gabungan ini adalah p dan q.
Persamaan dalam model ini sebagai berikut:
Zt = + 1Zt-1 + 2Zt-2+ + t 1t-1-2t-2
-
39
Dimana :
Zt = observasi deret stasioner saat ini
Zt-1, Zt-2,, t-1, t-2 = observasi danresidual peramalan periode sebelumnya
dari deret stasioner
t = residual peramalan acak untuk periode saat ini
, 1, 2,, 1, 2,.. = konstanta dan koefisien-koefisien model
mengestimasi model ARIMA
Menurut Firdaus (2006: 29) dalam tahap estimasi model, penentuan ordo p
dan q secara lebih terperinci dapat dilakukan berdasarkan identifikasi ACF dan
PACF. Sebagai contoh, bila koefisien ACF signifikan hanya pada beda kala 1 dan
2 serta PACF mempunyai pola damped eksponensial, maka model tentatif adalah
ARIMA (0,d,2).
Setelah dilakukan estimasi parameter model, selanjutnya dilakukan
evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum.
Terdapat enam kriteria dalam evaluasi model Box-Jenkins, yaitu,
1. Residual peramalan bersifat acak. Untuk memastikan apakah model sudah
memenuhi syarat ini, dapat digunakan indikator Box-Ljung statistic. Dari
session diketahui bahwa model nilai P-value untuk uji statistik ini lebih besar
dari 0,05 yang menunjukkan bahwa residual sudah acak. Selain itu grafik ACF
dan PACF dari residual menunjukkan pola cut off, yang berarti bahwa residual
memang sudah acak.
-
40
2. Model parsimonious. Dengan model yang diperoleh yang ditulis sebagai
contoh ARIMA (0,1,1) menunjukkan bahwa model relatif sudah dalam bentuk
yang paling sederhana.
3. Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari
nilai P-value koefisien kurang dari 0,05.
4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Hal ini
ditunjukkan oleh jumlah koefisien MA dan AR dimana masing-masingnya
harus kurang dari 1.
5. Proses iterasi harus convergence. Bila ini terpenuhi maka session terdapat
pernyataan relative change in each estimate less than 0,0010.
6. Model harus memiliki MSE terkecil.
3.3.2.2. Ukuran Akurasi Hasil Peramalan
Menurut Firdaus (2006: 4) penilaian terhadap akurasi hasil peramalan
dapat dilakukan dengan mengamati besarnya selisih nilai aktual pengamatan
dengan nilai estimasi dari peramalan. Nilai residual atau error (et) adalah
perbedaan antara nilai aktual dengan nilai hasil peramalan, yaitu:
et = yt t
Dimana :
et = residual (error)/ nilai kesalahan peramalan pada periode ke-t
yt = nilai aktual
t = nilai hasil peramalan
-
41
n (et)2 t=1___
Sedangkan nilai residual tersebut diperoleh beberapa ukuran akurasi hasil
peramalan sebagai berikut.
1. MAE ( Mean Absolute Error)
MAE = n
2. MSE (Mean Squared Error) atau MSD (Mean Squared Deviation)
MSE = n
3. MAPE ( Mean Absolute Percentage Error)
MAPE = n
Secara umum bila residual besarnya merata sepanjang pengamatan maka
MSE yang sebaiknya digunakan. Tapi bila satu atau dua residual yang besar,
maka MAE yang sebaiknya digunakan. Untuk melihat bias tidaknya peramalan
maka digunakan MPE/MAPE, peramalan dikatakan tidak bias bila MPE 0.
n (et) t=1_
n
(et) t=1yt__
-
BAB IV GAMBARAN UMUM PERUSAHAAN
4.1. Sejarah Berdirinya PT. KPB Nusantara
PT. KPB Nusantara yang beralamat di Jl. Taman Cut Mutiah No. 11
Menteng, Jakarta 10330. Awalnya merupakan kesepakatan bersama Dewan
Direksi dari sejumlah PT. Perkebunan Nusantara (PTPN) pada tahun 1968.
Kesepakatan tersebut memutuskan untuk membentuk sebuah lembaga gabungan
yang mewadahi kepentingan bersama seluruh PTPN yang ada di Indonesia,
khususnya dibidang pemasaran. Kemudian lembaga tersebut dinamai Kantor
Pemasaran Bersama Nusantara (KPB-PTPN). Sampai akhir tahun 2005, KPB-
PTPN yang berkantor pusat di Jakarta memiliki tenaga kerja sebanyak 233 orang.
Seiring dengan perkembangan waktu KPB-PTPN yang pada awalnya
merupakan organisasi non-perseroan, berubah menjadi perseroan terbatas yaitu
bernama PT. Kharisma Pemasaran Bersama Nusantara (PT. KPBN) pada awal
tahun 2010. Hal ini dimaksudkan agar perkembangan usaha dapat berlangsung
optimal dan memberikan kesempatan bagi pemodal untuk menanamkan sahamnya
pada perusahaan ini. Perkembangan pasar produk perkebunan membuat PT. KPB
Nusantara membuka sejumlah kantor cabang yang berada di Medan dan Surabaya
serta memiliki kantor perwakilan di Dubai.
-
43
4.2. Visi dan Misi PT. KPB Nusantara
Visi PT. KPB Nusanatara adalah menjadikan PT. KPB Nusantara sebagai
Trading House perkebunan Indonesia yang unggul dan terpercaya. Sedangkan
misi perusahaan adalah menyelenggarankan pemasaran komoditas perkebunan
Indonesia dengan berpegang pada prinsip-prinsip ekonomi untuk memberikan
manfaat yang sebesar-besarnya bagi produsen dan pembeli. Sedangkan untuk
mencapai visi dan misi tersebut perusahaan melakukan sejumlah kegiatan
dibidang pemasaran produk perkebunan yaitu:
1. Menyajikan data, informasi, dan analisis pasar yang lengkap dan akurat.
2. Menghimpun para produsen dan menyelenggarakan tender atau lelang yang
diakui secara internasional.
3. Memberikan pelayanan terpadu.
4. Melakukan konsolidasi kargo.
5. Mengurus dokumen ekspor yang efesien.
6. Menangani dan menengahi klaim.
7. Mengembangkan jaringan di luar negeri secara terkoordinasi dan efesien.
4.3. Struktur Organisasi PT. KPB Nusantara
Struktur organisasi perusahaan disusun berdasarkan tugas dan aktivitas
dari masing-masing bagian. Jabatan tertinggi manajemen di pegang oleh
Pemegang Saham yang membawahi Dewan Komisaris dan Direktur yang
tergabung dalam BOD (Board of Director). BOD terdiri dari Direktur Utama yang
membawahi biro Satuan Pengawasan Intern, Direktur Operasional dan Direktur
-
44
Keuangan, SDM dan Umum, setiap Direktur memiliki tugasnya masing-masing.
Direktur Operasional membawahi Manajer Pemasaran CPO, Manajer Pemasaran
Teh, Kopi dan Kakao, Manajer Pemasaran Gula, Karet dan Tetes, Manajer
Analisa dan Pengembangan Usaha, Direktur Keuangan, SDM dan Umum
membawahi Manajer Keuangan dan Manajer SDM dan Umum. Sedangkan kantor
cabang Medan dan Surabaya, serta kantor perwakilan Dubai dibawahi oleh BOD.
Bagan struktur organisasi dapat dilihat pada Lampiran 1. Sedangkan
ketenagakerjaan PT. KPB Nusantara disajikan pada Tabel 3.
Tabel 3. Tenaga Kerja PT. KPB Nusantara No Bagian Jumlah 1 Dewan komisaris 3 2 Direksi 3 3 Corporate secretary 4 4 Biro Satuan pengawasan Intern 4 5 Bagian Pemasaran Sawit 9 6 Bagian Pemasaran Teh, Kopi, dan Kakao 31 7 Bagian Pemasaran Karet, Gula, dan Tetes 14 8 Bagian Analisa Pasar dan Pengembangan Usaha 11 9 Bagian Keuangan 12
10 Bagian SDM dan Umum 45 11 Cabang Medan 48 12 Cabang Surabaya 23 13 Perwakilan Dubai 2
Jumlah 209 Sumber : PT. KPB Nusantara (2010)
Kegiatan pemasaran harus dikerjakan oleh Sumber Daya Manusia yang
berkualitas sehingga menghasilkan produktivitas yang optimal. Berdasarkan
Tabel 3, tenaga kerja yang terdapat pada PT. KPB Nusantara per September 2010
adalah 209 orang yang terdiri dari karyawan Kantor Pusat Jakarta 136 orang,
-
45
Kantor Cabang Medan 48 orang, Kantor Cabang Surabaya 23 orang dan Kantor
Dubai 2 orang tenaga kerja.
4.4. Hukum dan Legalitas PT. KPB Nusantara
PT. KPB Nusantara didirikan di Jakarta berdasarkan Akta Notaris N. M.
Dipo Nusanta