teknik proyeksi bisnis 1
DESCRIPTION
Teknik proyeksi bisnisTRANSCRIPT
PROYEKSI BISNIS
Dadad Zainal, S.E., M.Kom
Fakultas Ekonomi
Universitas Wiyana Mukti
PENDAHULUAN Teknik Proyeksi Bisnis merupakan suatu
cara/pendekatan u menentukan ramalan(perkiraan) mengenai sesuatu di masa yad
Bussiness Forecasting menjadi sangat pentingkrn penyusunan suatu rencana diantarannyadisasarkan pada suatu proyeksi / forecast
Untuk mengurangi rsiko dan ketidakpastiandimasa yad manajemen perlu melakukanproyeksi terutama forecast mengenai penjualanproduk / jasa
Menentukan Proyeksi yg Akurat
Bgmana membuat proyeksi agar bisamendekati kenyataan?
-> Hasil Ramalan mendekati kenyataanyg memiliki kesalahan (error) minimal
Ada 2 hal Pokok yg harus diperhatikanagar ramalan menjadi “akurat”
1. Data Yang Relevan
2. Teknik Peramalan
3. Pemilihan Teknik Peramalan
Teknik Proyeksi Bisnis
Forecasting= peramalan
Sesuatu yang belum terjadi
Ilmu sosial, ketidakpastian
Jumlah penduduk, PCI, Sales Volume,konsumsi,…
Dipengaruhi oleh berbagai faktor yangsangat kompleks
Data Yang Relevan Suatu data dapat ditinjau menurut
a. Jenisnya : Kuantitatif - > dpt dinyatakan dg angka
Kualitatif - > Tidak dapat dinyatakan dg angka
dikuantitatifkan melalui analisis presentasi dan proporsi
b. Sumbernya : Data Intern dan Data Ekstern
c. Sifatnya :
Data Diskrit : diperoleh dg cara menghitung
Data Kontinyu: memiliki nilai pada suatu interval ttt
Teknik Peramalan Teknik Peramalan kuantitatiflebih menitikberatkan
pada pendapat (Judgment) dan intuisi manusiapada proses peramalan.
Teknik peramalan ini dibagi menjadi dua: Teknik Statistik: Menitikberatkan pada pola, perubahan dan faktor
gangguan yangdisebabkan oleh pengaruh random
Teknik Deterministik: Mencakup indetifikasi dan penentuanhubungan antara variabel-2 yang mempengaruhinya Contoh Regresi, model input outputb. Sumbernya : Data Intern dan Data
Ekstern
Peraman Bisini Sukar diperkirakan secaratepat
Tujuan forecasting = meminimumkanpengaruh ketidakpastian terhadapperusahaan, dengan ukuran meanabsolute error atau mean squared error
Lingkungan sosial dapat dilihat padagambar berikut :
Pemilihan Teknik Peramalan
Pemilihan teknik peramalan yg akandigunakan dipengaruhi oleh 4 Aspek,yaitu:
pola atau karakteristik data,
jangka waktu,
biaya dan
tingkat akurasi yang diinginkan.
LINGKUNGANSOSIAL DANKONTROL(Pemerintah,Global)
LINGKUNGANTEKNOLOGI
(Pemanfaatan Teknologi)
PERUSAHAAN
LINGKUNGANEKONOMIMAKRO
KondisiPerekonomian
GIVENGIVEN
Kebutuhan konsumen atau pelanggan vskapasitas produksi perusahaan
Terdapat beberapa metode yang bisadigunakan dalam sebuah peramalan
Tidak ada satu pun metode yang bisadikatakan paling cocok untuk suatu kasus
Forecast Dengan Smoothing1.Metode Single Smoothing
n
XXXS nttt
t11
1
...
Menghitung rata-rata dari nilai-nilai pada beberapatahun untuk menaksir pada suatu tahun tertentu
St+1=forecast untuk periode ke t+1
Xt= data pada periode t
n = jangka waktu moving averages
Sifat moving averages :
Bila ada data selama P periode kita barubisa membuat forecast untuk periode keP+1
Semakin panjangmoving average akanmenghasilkan movingaverage yangsemakin halus
Menghitung error n
SX
n
SX
tt
tt
2
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!
Kelemahan Moving average
Perlu data historis
Semua data diberi bobot yang sama
Tidak bisa mengikuti perubahan yang drastis
Tidak cocok untuk forecasting data yang adagejala trend
2.Metoda Double Moving Averages
Moving average dilakukan dua kali
Lalu mencari nilai a (konstanta)
Mencari nilai b (slope)
Menghitung forecast dengan rumus
)(
)'''(1
2
)'''('
mbaF
SSv
b
SSSa
ttmt
ttt
tttt
periode demand 4 th m.av 4 th mo.av,
kol.2
Nilai a Nilai b forecast
3.Metode Single Exponential Smoothing
ttt SXS )1(1
Adalah pengembangan dari moving averages
Alpha mempunyai nilai antara 0 dan 1
Cobalah dengan menggunakan data awalpada contoh soal single moving averagespertama
Hitung pula mean abs.error dan meansq.error-nya
4.Metode Double Exponentials Smoothing
1
1
")1('."
')1(.'
ttt
ttt
SSS
SXS
Rumus tadi agak berbeda dengan singlesmoothing di mana Xt dipakai untuk mencari St
bukan St+1
Forecast dihitung dengan
tmtmt baF
m= jangka waktu forecast ke depan
)"'(1
"'2
ttt
ttt
SSb
SSa
3.Metode Triple Exponentials Smoothing
2
2
2
2
1
5,0
)'""2'()1(
'")34(")810('5612
'''"3'3
''')1(".'''
mcmbaF
SSSc
SSSb
SSSa
SSS
tttmt
tttt
tttt
tttt
ttt
Metoda Dekomposisi ( TimesSeries )
Apa yang terjadi terjadi itu akan berulangkembali dengan pola yang sama
1.Trend linier dengan metode least square
Persamaan trend
Y= a + bX
2
2..
..
X
XYb
n
Ya
XbXaXY
XbanY
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
Sales PT.NMN, Tahun 2000-2007
2000 2001 2002 2003 2004 2005 2006 2007
82 84 90 93 110 113 120 127
Merubah persamaan trend
Memindah origin
Trend rata-rata
persamaan trend tiap bulan,kuartal
Persamaan trend bulanan dan kuartalan
satuan x = satu tahun. Dirubah a:12, b:122
satuan x = setengah tahun; a:12, b:122/2
Dirubah menjadi persamaan trend kuartalan
menjadi :…
Trend parabola
Y=a+bX+cX2
422
2
2
..
..
XcXaYX
XbXY
XcanY
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
Trend ini menghasilkan garis proyeksiyang tidak lurus, melainkan melengkung
menghitung perbedaan pertama danperbedaan kedua data penjualan yangada, bila cenderung stabil, maka dapatmenggunakan proyeksi trend parabolik
Trend Eksponensial
y=abx
Log y = log a + x logb
2
)log.(log
loglog
X
YXb
n
Ya
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
Ʃ Ʃ Ʃ
Gelombang musim
Gelombang pasang surut yang berulang kembalidalam satu periode waktu yang tidak lebih darisatu tahun
Permintaan produk tertentu
Dinyatakan dalam bentuk indeks, indeks musim
X=T x M x S x R
Metode rata-rata sederhana
Metode persentase terhadap trend
2001 2002 2003 2004 2005 2006 2007 Rata-rata
b.kum Sisakol
8-9
Index
musm
Kw I 20 21 15 18 25 23 25
KwII
25 24 27 26 30 27 30
Kw
III35 42 40 47 45 50 56
Kw
IV30 25 43 44 40 45 39
Ʃ x x x
Y=32,75+0,45X
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
Cari persentase nilai riil
Untuk setiap tahun dan tiap kuartal
Buatlah tabulasi untuk persentase tadi
Kolom terakhir adalah median dari persentasedalam satu tahun untuk masing-masing kuartal
Cari rata-rata median
Hitung indeks musim dengan membagi mediandengan rata-rata median
Variasi Siklis
Perubahan atau gelombang pasang surut suatuhal yang berulang kembali dalam waktu sekitar5-10 tahun
Menghilangkan pengaruh dari tren, variasimusim dan variasi random
Untuk mencari indeks siklis
sales Trend Indeksmusim
TxM SxR WeightedMov.Sum.3 period
Indekssiklis
2004Kw I
18 32,08 65,47 dlm% 1:4x100 SR1:2:1
WM:4
Kw II 26 32,53 82,77
Kw III 47 32,98 137,49
Kw IV 44 32,43 114,26
2005
KwI25 33,8 65,47
KwII 30 34,33 82,77
KwIII 45 34,78 137,49
KwIV 40 35,23 114,26
Metode Input Output
Perekonomian suatu negara , antar industri satu denganyang lain saling membutuhkan.
Hubungan input-output untuk membuat forecast
iiniiii CXXXXX ...321
Xi= nilai output sektor I
Xij= hasil industri i yang dibutuhkan oleh industri j
Ci= pembelian oleh pemakai akhir
nmnmmmn
n
n
ni
CXXXXX
CXXXXX
CXXXXX
CXXXXX
...
...
...
...
321
333332313
222322212
11131211
Alokasi output suatu industri yang digunakan oleh industrilain dan konsumen akhir
Penggunaan input untuk menghasilkan output suatu industri
nmmmn
i
CXXXX
PXXXX
PXXXX
PXXXX
...
...
...
...
321
33332313
22322212
1131211
Regresi Sederhana
Suatu persamaan untuk menyatakan hubungan antaradua variabel dan memperkirakan nilai variabel tak bebasY berdasarkan nilai variabel bebasnya,yaitu X
Besaran atau nilai sesuatu dipengaruhi oleh suatu faktor
Besarnya pengaruh suatu variabel terhadap variabellainnya dalam praktek bisa bersifat linier,eksponensial,kuadratik
Dalam regresi bersifat linier
0
sales
PCI
DemadDN “A”
0 Import “A”
Dependent variable dan independent variable
Y=f(x)
Suatu persamaan matematis yangmendefinisikan dua variabel
Misal hubungan antara promosi dengan tingkatpenjualan, kompensasi dengan kinerjakaryawan, dsb
Bila menggunakan diagram pencar maka akandiperoleh garis lurus yang beraneka ragam
Setiap individu mempunyai pendapat yangberbeda-beda
sa
les
PCI
Untuk menghilangkan perbedaan penilaianmaka digunakan apa yang disebut dengankaidah kuadrat terkecil
Garis lurus dengan kesesuaian terbaik, sertameminimalkan jumlah kuadrat deviasi vertikalterhadap garis
Kaidah kuadrat terkecil : menentukan suatupersamaan regresi dengan meminimumkanjumlah kuadrat jarak vertikal antara nilai aktual Ydan nilai prediksi Y
bXaY '•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, X=0
•b = kemiringan garis
•X= sembarang nilai variabel bebas yang dipilih
n
Xb
n
Ya
XXn
YXXYnb
22 )()(
))(()(
Standard error of estimate
Penyimpangan data dari garis regresinya
2
)'( 2
n
YYSe
2
)()(2
n
XYbYaYSe
Korelasi
Analisis korelasi : Sekumpulan teknik statistik yangdigunakan untuk mengukur keeratan hubungan(korelasi)antara dua variabel
Jumlah transaksi dan jumlah barang terjual Diagram pencar : suatu diagram yang
menggambarkan hubungan antara dua variabelyang diamati.
Variabel tak bebas : variabel yang diduga nilainya Variabel bebas : variabel yang mendasari
pendugaan / variabel penduga
Karl Pearson
Keeratan hubungan antara dua gugusvariabel berskala selang atau rasio
Dilambangkan dengan : r Pearson
Koefisien korelasi produk-momen Pearson
Nilai antara -1,00 hingga +1,00
Keeratan korelasi tidak bergantung padaarahnya
0,50 1,00-0,50-1,00
2222 )()()()(
))(()(
YYnXXn
YXXYnr
Koefisien Determinasi Dihitung dengan mengkuadratkan koefisien
korelasi: r2
Sekian persen dari keragaman dari…dapatditerangkan atau diperhitungkan olehkeragaman variabel bebas…
Spurious correlation atau korelasi palsu
Ada hubungan antar variabel, bukan karena adaperubahan pada variabel satu menyebabkanperubahan pada variabel yang lain
Uji signifikansi
Dalam suatu kasus, misalseorang manajer penjualanmenggunakan sampelsalesman sebanyak 10 orangdan menemukan adanyakorelasi sebesar A antarajumlah transaksi dan jumlahbarang yang terjual
Mungkinkah korelasi di dalampopulasi sebenarnya samadengan 0?
Df: n-2, taraf sig.=5% 2
1
0
1
2
0:
0:
r
nrt
H
H
Auto regresi dan auto korelasi
Besar pengaruh dan hubungan nilai suatuvariabel ,antara yang telah terjadi pada suatuperiode dan yang terjadi pada periodeberikutnya
Untuk mengetahui besarnya pengaruhdigunakan auto regresi
Untuk mengetahui kuat tidaknya hubungandiukur dengan auto korelasi
Besarnya nilai suatuvariabel tergantung padanilai variabel itu sendiriyng telah terjadisebelumnya
Dependent variabel Xt
Independent variabel Xt-1
)(
)(
2
1
tt
tt
XfX
XfX
Persamaan auto regresi dan auto korelasi
stt
stt
stst
tsttst
XbX
n
Xb
n
Xa
XXn
XXXXnb
22 )()(
))(()(
Koefisien auto korelasi
2
2222
1
2
])([)([
))((
r
nrt
XXnXXn
XXXXnr
ttstst
tsttst
Df: n-2
Taraf signifikansi 5%
Uji dua arah
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 - -
t Xt-1 Xt (Xt)(Xt-1) (Xt-1)2 Xt
2
2 100 125