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