|
8
LANDASAN TEORI dan KERANGKA PEMIKIRAN
Pengertian Manajemen
Menurut Richard L.Daft (2002:
8), manajemen adalah pencapaian sasaran-
sasaran organisasi dengan cara yang efektif dan efisien melalui perencanaan
pengorganisasian, kepemimpinan dan pengendalian sumberdaya organisasi.
Menurut James A.F. Stoner (2006), manajemen adalah suatu
proses
perencanaan, pengorganisasian, kepemimpinan, dan pengendalian upaya dari
anggota organisasi serta penggunaan sumua sumber daya yang ada pada organisasi
untuk mencapai tujuan organisasi yang telah ditetapkan sebelumnya.
Menurut Malayu S.P. Hasibuan (2000:
2), manajemen adalah ilmu dan
seni
mengatur proses pemanfaatan sumber daya manusia dan sumber-sumber lainnya
secara efektif dan efisien untuk mencapai satu tujuan.
Menurut Stephen P. Robins (2009:
8), manajemen adalah proses
pengkoordinasian kegiatan-kegiatan pekerjaan sehingga pekerjaan tersebut
terselesaikan secara efisien dan efektif dengan dan melalui orang lain.
Menurut Richard L. Daft ( 2006:
216), manajemen operasi adalah bidang
manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat-alat
dan tekhnik-tekhnik khusus untuk memecahkan masalah-masalah produksi.
|
|
9
Menurut Soentoro Ali Idris (2000:
1), manajemen operasi adalah proses
transformasi dari input menjadi output yang mempunyai nilai lebih tinggi
dibandingkan inputnya.
Menurut Subagyo (2000:
1), manajemen operasi adalah kegiatan untuk
mengubah bentuk untuk menambah manfaat atau menciptakan manfaat baru dari
suatu barang atau jasa.
Dapat disimpulkan pengertian dari manajemen operasi adalah proses
pengolahan input berupa barang dan mentransformasikannya menggunakan alat-alat
serta teknik-teknik khusus untuk menciptakan manfaat baru dengan nilai lebih tinggi
daripada inputnya.
Pengertian Biaya
Menurut Supriyono (2000:
16), biaya adalah harga perolehan yang
dikorbankan atau digunakan dalam rangka memperoleh penghasilan atau revenue
yang akan dipakai sebagai pengurang penghasilan.
Menurut Henry Simamora (2002: 36), biaya adalah kas atau nilai setara kas
yang dikorbankan untuk barang atau jasa yang diharapkan memberi manfaat pada
saat ini atau di masa mendatang bagi organisasi.
Menurut Mulyadi (2005:
8), biaya adalah pengorbanan sumber ekonomis
yang diukur
dalam satuan uang, yang telah terjadi, sedang terjadi atau yang
kemungkinan akan terjadi untuk tujuan tertentu.
Menurut Michael W. Maher dan Edward B. Deakin (2001: 32), biaya adalah
pengorbanan sumber daya.
|
|
10
Sehingga dapat disimpulkan bahwa biaya adalah pengorbanan akan suatu
nilai dari sumber ekonomis yang diukur dalam satuan uang, yang digunakan dalam
rangka memperoleh penghasilan dan memberi manfaat pada saat ini atau masa
mendatang bagi organisasi.
Pengertian Pemasaran
J. Supranto menjelaskan, pemasaran
adalah aliran produk secara fisis dan
ekonomik dari produsen melalui pedagang perantara ke konsumen. Definisi
lain menyatakan bahwa pemasaran adalah suatu proses sosial dan manajerial yang
membuat individu/kelompok mendapatkan apa yang mereka butuhkan dan inginkan
dengan menciptakan, menawarkan dan mempertukarkan produk yang bernilai kepada
pihak lain. Pemasaran melibatkan banyak kegiatan yang berbeda yang menambah
nilai produk pada saat produk bergerak melalui sistem tersebut.
Kegiatan-kegiatan dalam usaha pemasaran
tidak hanya kegiatan
memindahkan barang /jasa dari tangan produsen ke tangan konsumen saja dengan
sistem penjualan, tetapi banyak kegiatan lain yang juga dijalankan dalam kegiatan
pemasaran. Penjualan hanyalah salah satu dari berbagai fungsi
pemasaran. Apabila
pemasar melakukan pekerjaan dengan baik untuk mengidentifikasi kebutuhan
konsumen, mengembangkan produk dan menetapkan harga yang tepat,
mendistribusikan dan mempromosikannya secara efektif, maka akan sangat mudah
menjual barang-barang tersebut.
Konsep paling pokok yang melandasi pemasaran adalah kebutuhan manusia.
Dengan adanya perkembangan jaman, kebutuhan berkembang menjadi suatu
keinginan mengkonsumsi suatu produk dengan ciri khas tertentu.
Munculnya
keinginan akan menciptakan permintaan spesifik terhadap suatu jenis
|
 11
produk.
Seseorang dalam menentukan keputusan pembelian akan
mempertimbangkan nilai dan kepuasan yang akan didapat dari mengkonsumsi suatu
produk.
Apabila konsumen yakin akan nilai dan kepuasan yang akan didapat, maka
konsumen akan melalukan pertukaran dan transaksi juall beli barang dan jasa. Hal
inilah yang mendasari terjadinya pasar. (J. Supranto, 2001 : p12-15)
Tujuan sistem pemasaran :
Secara umum, tujuan sistem pemasaran adalah sebagai berikut :
Memaksimumkan konsumsi
Memaksimumkan utilitas (kepuasan) konsumsi
Memaksimumkan pilihan
Memaksimumkan mutu, kualitas, kuantitas, ketersediaan, harga,
lingkungan
Efisiensi Pemasaran (J. Supranto, 2001 : 15) :
Menurut J. Supranto yang dimaksud dengan efisiensi pemasaran adalah
seberapa besar pengorbanan yang harus dikeluarkan dalam kegiatan pemasaran
menunjang hasil yang bisa didapatkan dari kegiatan pemasaran tersebut.
Efisiensi
pemasaran dapat dicari dengan menghitung rasio “keluaran-masukan” dalam
kegiatan pemasaran yang dilakukan. Semakin tinggi nilai rasio keluaran-masukan,
maka pemasaran yang dilakukan semakin efisien. Umumnya efisiensi dapat dicapai
dengan salah satu di antara empat cara berikut :
Keluaran tetap konstan, masukan mengecil
Keluaran meningkat, masukan konstan
Keluaran meningkat dalam kadar yang lebih tinggi dari
peningkatan masukan
|
 12
Keluaran menurun dalam kadar yang lebih rendah dari penurunan
masukan
Peramalan (forecasting)
Menurut Barry, Jay dalam bukunya Manajemen Operasi
(2009, p.162)
mengatakan bahwa peramalan (forecasting) adalah seni atau ilmu untuk
memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan
pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu
model matematis. Hal ini dapat dilakukan dengan menggunakan kombinasi model
matematis yang disesuaikan dengan pertimbangan yang dari dari seorang manajer.
Menurut sellani, Robert J (2009) dalam Journal of the International Academy
for Case Studies. The Sales
forecast is the most important plan in an organization.
For a manufacturing company, the Sales
forecast must be in sufficient detail for
Manufacturing to translate those requirements into physical products. Therefore it is
not sufficient for the Sales
forecast to be equal to last years' sales
plus 10%.
Manufacturing must know which products are going to be obsolete, which will be
increasing and decreasing in sales, and which will require new manufacturing
methods in production.
Dari definisi di atas dapat disimpulkan bahwa peramalan berkaitan dengan
upaya untuk memperkirakan apa yang terjadi dimasa depan, berbasis pada metode
ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Serta peramalan itu
adalah kegiatan yang bersifat teratur, berupa memprediksi masa depan dengan
menggunakan tidak hanya metode ilmiah namun juga mempertimbangkan hal-hal
yang bersifat kualitatif (perasaan, pengalaman dan lain-lain).
|
|
13
Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti dan sukar
untuk diperkirakan secara tepat. Untuk itu perlu adanya forecast. Ramalan yang
dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang
dianalisis dengan mengunakan metode-metode tertentu. Di dalam forecasting
diupayakan agar forecast yang dibuat dapat meminimumkan pengaruh ketidakpastian
tersebut.
Metode Peramalan
Barry, Jay berpendapat bahwa bermacam-macam metode peramalan telah
ditetapkan dengan tujuan mendapatkan hasil ramalan yang tepat guna, dimana
metode peramalan tersebut kemudian akan menjadi bagian dari fungsi perencanaan
dan merupakan sarana pengambilan keputusan.
Ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik
peramalan kualitatif dan kuantitatif
(Barry, Jay, 2009: 167). Teknik peramalan
kualitatif lebih menitikberatkan pada pendapat (judgment) dan intuisi manusia dalam
proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting.
Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang
dimiliki. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yaitu teknik
statistik dan teknik deterministik.
Teknik statistik menitikberatkan pada pola, perubahan pola, dan faktor
gangguan yang disebabkan pengaruh random. Termasuk dalam teknik ini adalah
teknik smoothing, dekomposisi, dan tenik Bob-Jenkins.
Teknik deterministik mencakup identifikasi dan penentuan hubungan antara
variabel yang akan diperkirakan dengan variabel-variabel lain yang akan
|
 14
mempengaruhinya. Termasuk dalam teknik ini adalah tenik regresi sederhana,
regresi berganda, autoregresi, dan model input output.
Untuk meramalkan suatu keadaan dengan menggunakan data historis tanpa
menghiraukan pengaruh atau hubungan dengan variabel lainnya, metode peramalan
yang biasa digunakan adalah metode kuantitatif statistik.
(Jay dan Render, 2005)
Metode peramalan kuantitatif statistik melihat pola perubahan data dari waktu-ke
waktu, berikut ini beberapa metode peramalan yang termasuk dalam metode
peramalan kuantitatif statistik:
Dalam bukunya Pengestu Subagyo (Forecasting Konsep dan Aplikasi
tahun
2004). Peramalan dengan metode moving averages (rata-rata bergerak) dilakukan
dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu
menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah
rata-rata bergerak digunakan karena setiap kali data observasi baru tersedia, maka
angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan.
a) Metode Single Moving Averages Menentukan ramalan dengan metode
single moving averages sangat sederhana, yaitu dengan merata-ratakan
jumlah data sebanyak periode yang akan
digunakan, atau jika ditulis
dalam bentuk rumus adalah :
S
t+1
= X
t
+ X
t-1
+ … + X
t-n+1
n
|
|
15
S
t+1
= ramalan untuk periode ke t+1
X
t
= data pada periode ke-t
n = jangka waktu rata-rata bergerak
Metode single moving averages lebih cocok digunakan untuk
melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala
trend naik maupun turun, musiman, dan sebagainya, melainkan sulit
diketahui polanya.
Metode single moving averages ini mempunyai dua sifat khusus,
yaitu :
1) Untuk membuat forecast memerlukan data historis selama jangka
waktu tertentu. Jika mempunyai data selama V periode, maka baru
bisa membuat forecast untuk periode ke V+1.
2) Semakin panjang jangka waktu moving averages akan menghasilkan
moving averages yang semakin halus.
b) Metode Double Moving Averages
Dalam metode ini langkah pertama adalah mencari moving averages,
hasilnya ditaruh pada periode terakhir, kemudian dicari moving averages lagi
dari moving averages pertama, baru kemudian
dibuat forecast. Adapun
prosedur untuk membuat forecast dengan metode double moving averages
adalah sebagai berikut :
|
 16
1)
Menentukan moving averages yang pertama
(Pengestu Subagyo,
2004 : 5)
S’ = X
t
+ X
t-1
+ … + X
t-n+1
n
2) Menentukan moving averages yang kedua (Pengestu Subagyo, 2004 : 5)
S”
t
= S’
t
+ S’
t-1
+ … + S’
t-n+1
n
3) Menentukan konstanta (Pengestu Subagyo, 2004 : 5)
a
t
= S’
t
+ (S’
t
– S”
t
)
4) Menentukan slope (Pengestu Subagyo, 2004 : 6)
B
t
= 2 (S’
t
– S”
t
)
V-1
V adalah jangka waktu moving averages
5) Menentukan forecast (Pengestu Subagyo, 2004 : 6)
F
t+m
= a
t
+ btm
m adalah jangka waktu forecast kedepan
|
 17
a) Metode Single Exponential Smoothing
Menurut Pengestu Subagyo (Forecasting Konsep dan Aplikasi, 2004 : 7)
metode single exponential smoothing lebih cocok digunakan untuk
meramalkan hal-hal yang
fluktuasoninya secara random (tidak teratur). Untuk membuat forecast
dengan metode single expential smoothing dicari dengan rumus :
F
t+1
= aX
t
+ (1 - a) S
t
Dalam metode ini nilai a bisa ditentukan secara bebas yang bisa
mengurangi forecast error, yaitu antara 0 dan 1.
b) Metode Double Exponential Smoothing
Metode double exponential smoothing
biasanya lebih tepat digunakan
untuk maramalkan data yang mengalami kecenderungan trend naik.
(Pengestu Subagyo, 2004 : 8)
Dalam metode ini dilakukan proses smoothing dua kali, adapun prosedur
untuk membuat forecast dengan double exponential smoothing adalah
sebagai berikut :
1) Menentukan smoothing pertama
S’
t
= aX
t
+ (1 - a)S’
t-1
2) Menentukan smoothing kedua
S”
t
= aS’
t
+ (1 - a)S”
t-1
3) Menentukan konstanta
a
t
= 2S’
t
– S”
t
|
 18
4) Menentukan slope
b
t
=
W
)
5) Menentukan forecast
F
t+m
= a
t
+ b
t
m
m adalah jangka waktu forecast kedepan
c) Metode Triple Exponential Smoothing
Metode ini merupakan metode forecasting yang dikemukakan oleh Robert
Goodel Brown
dalam bukunya Exponential Smoothing for Predicting
Demand
(1956), yaitu dengan menggunakan persamaan kuadrat. Metode
triple exponential smoothing lebih cocok untuk membuat forecast hal yang
berfluktuasi atau mengalami gelombang pasang surut.
Prosedur pembuatan forecast (Brown, 2006 : 15) dengan metode ini adalah
sebagai berikut :
1) Menentukan nilai S
t
S’
t
= aX
t
+ (1-a) S’
t-1
2) Menentukan nilai S
t
’’
S’’
t
= aS’
t
+ (1-a) S”
t-1
3) Menentukan nilai S
t
’’’
S
t
”’
= aS
t
” + (1-a) S”’
t-1
4) Menentukan konstanta
a
t
= 3S
t
’ – 3S
t
” + S
t
”’
|
 19
5) Menentukan slope
b
t
=
>
:
;
:
;
?
6) Menentukan c
t
c
t
=
k
o
7) Menentukan forecast
F
t+m
=
m adalah jangka waktu forecast kedepan.
Menurut Pengestu Subagyo, metode Naïve
adalah metode peramalan
yang
sangat sederhana, ia hanya menggunakan data nilai aktual tahun lalu sebagai
ramalah/perkiraan untuk tahun ini, dan begitu seterusnya. Peramalan tahun
berikutnya hanya berupa (t+1) akan sama dengan data tahun ini.
Rumus dari Metode Naïve adalah: (Pengestu Subagyo, 2004: 28)
F
t
= Y
t-1
Metode linear regression
didasarkan pada kenyataan bahwa apa yang telah
terjadi akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu
naik, pada waktu yang akan datang biasanya akan naik juga; yang biasanya
berkurang biasanya akan berkurang juga; yang biasanya berfluktuasi biasanya akan
berfluktuasi juga; dan yang biasanya tidak teratur biasanya akan tidak teratur juga.
(Jay dan Render, 2005)
|
 20
Metode linear regression
mempunyai empat komponen utama pola
perubahan, yaitu Trend (T), Fluktuasi Musiman (M), Fluktuasi Siklik (S), dan
perubahan yang bersifat Random (R).
a) Trend Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam
jangka panjang. Kalau hal yang diteliti menunjukkan gejala kenaikan, maka
trend menunjukkan rata-rata pertambahan, sering disebut dengan trend positif.
Tetapi jika hal yang diteliti menunjukkan gejala semakin berkurang, maka
trend menunjukkan rata-rata penurunan, atau sering
disebut dengan trend
negatif (Jay dan Render, 2005)
Persamaan trend dengan metode linear regression / least squares:
(Jay dan Render, 2005)
Y
= a + bX
dengan
a
=
Ã
b
=
Ã
Ã
keterangan :
Y
= nilai trend (forecast)
a
= bilangan konstan
b
= slope/koefisien kecondongan garis trend
X
= kode tahun
Untuk mempermudah hitungannya biasanya nilai X pada tahun yang
berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut 1, 2, dan
|
|
21
seterusnya, sedang tahun-tahun sebelumnya berturut-turut -1, -2, dan
seterusnya. Kalau jumlah data (tahun) ganjil, maka X=0 diletakkan tepat
ditahun yang berada ditengah, sehingga jumlah nilai seluruh X=0. Kalau
jumlah tahunnya genap, maka X=0 terletak diantara dua tahun yang
mendekati tengah. Untuk mengatasi hal ini dibuat skala X setengah
tahunan, sehingga untuk setiap perbedaan satu tahun nilai X berbeda dua.
Persamaan trend dengan menggunakan metode least squared dengan
periode satu tahun dapat diubah sebagai berikut :
1)
Memindah Origin Tahun yang merupakan origin dapat dipindah,
didalam memindah origin yang diganti hanya a-nya saja. Nilai a
yang baru sebesar nilai trend pada tahun yang menjadi origin baru
tersebut.
2)
Trend Rata-rata
Dari persamaan trend tahunan jika akan dibuat menjadi
persamaan trend rata-rata tiap bulan dilakukan dengan: a dibagi 12
dan b dibagi 2; jika akan dijadikan trend rata-rata tiap kwartal baik a
maupun b dibagi 4. Tetapi jika unit X dari persamaan yang akan
diubah itu dalam waktu setengah tahunan, maka untuk mengubah
menjadi trend rata-rata tiap bulan a dibagi 12 dan b dibagi 6; jika
akan dijadikan trend kwartalan a dibagi 4 dan b dibagi 2.
3) Persamaan Trend Bulanan dan Kwartalan
Trend bulanan adalah trend dari bulan satu ke bulan
berikutnya yang menunjukkan perkiraan kenaikan atau perubahan
setiap bulannya. Kalau akan mengubah persamaan trend tahunan
|
|
22
yang satuan X-nya satu tahun menjadi trend bulanan, maka a dibagi
12 dan b dibagi 12
2
; jika satuan X-nya setengah tahunan, maka a
dibagi 12 dan b dibagi 12
2
.
Trend kwartalan adalah trend yang menunjukkan perubahan
dari kwartal satu ke kwartal berikutnya. Kalau akan mengubah
persamaan trend tahunan yang satuan X-na satu tahun menjadi trend
kwartalan, maka a dibagi 4 dan b dibagi 4
2
; dan jika satuan X-nya
setengah tahunan, maka a dibagi 4 dan b dibagi 4
2
.
b) Gelombang Musim Gelombang musim adalah gelombang pasang
surut yang berulang kembali dalam waktu tidak lebih dari satu tahun.
Dalam forecasting biasanya gelombang musim dinyatakan dalam
bentuk indeks yang sering disebut dengan indeks musim.
Ada beberapa metode yang digunakan untuk menghitung indeks musim,
antara lain metode rata-rata sederhana, metode persentase terhadap trend, metode
persentase terhadap rata-rata bergerak. (J. Supranto, 2004)
2.5.5 Metode Exponential Smoothing with Trend
Menurut Harinaldi dalam bukunya yang berjudul Prinsip-Prinsip Statistik untuk
Teknik dan Sains (2005),
penghalusan eksponensial yang disesuaikan adalah
ramalan penghalusan eksponensial sederhana dengan penambahan suatu faktor
penyesuaian tren. Teori tersebut diberi nama Exponential Smoothing with Trend.
|
 23
Rumus Exponential Smoothing with Trend adalah sebagai berikut
(Harinaldi, 2005):
AF
t+1
= F
t+1
+ T
t+1
T
t+1
= ß (F
t+1
– F
t
) + (1-ß) T
t
Dimana:
T
= suatu faktor tren penghalusan eksponensial
ß
= bobot konstanta penghalus tren
T
t
= faktor tren periode akhir
Menurut
Harinaldi pada aplikasi metode rata-rata bergerak tertimbang
(Weighted Moving Average), terlebih dahulu manajemen atau analisis data
menetapkan bobot dari data yang ada. Penetapan bobot dimaksud bersifat subjektif,
tergantung pada pengalaman dan opini analisis data. Rumus dari Weighted Moving
Average adalah sebagai berikut:
WMA
(n)
=
Ã
Ã
Sekalipun demikian, terdapat beberapa acuan pemikiran dalam menentukan
bobot dimaksud (Harinaldi, 2005), yaitu sebagai berikut:
1.
Perlu menetapkan apakah volume yang terakhir lebih besar
peluangnya untuk berulang atau sebaliknya. Jika analisis memutuskan,
|
 24
bahwa probabilita keberulangan
lebih besar pada realisasi yang
terqakhir, maka probabilita akan lebih besar pada periode akhir
dibanding dengan periode awal.
2.
Jumlah probabilitas atau bobot adalah sama dengan satu.
Ukuran Akurasi Peramalan
Menurut Jay Heinzer dan Barry Render (2009) ada beberapa perhitungan
yang biasa dipergunakan untuk menghitung kesalahan peramalan (forecast error)
total. Perhitungan ini dapat dipergunakan untuk membandingkan model peramalan
yang berbeda, juga untuk mengawasi peramalan, untuk memastikan peramalan
berjalan dengan baik. Model-model peramalan yang dilakukan kemudian divalidasi
menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan adalah
rata-rata penyimpangan absolut (Mean Absolute Deviation), dan rata-rata kuadrat
terkecil (Mean Square Error).
1.
Mean Absolute Deviation (MAD)
Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari
kesalahan-kesalahan yang absolut.
Mean Absolute Deviation (MAD)
mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai
absolut masing-masing kesalahan). MAD berguna ketika mengukur
kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai MAD dapat
dihitung dengan menggunakan rumus sebegai berikut.
MAD =
Ã
|
 25
2.
Mean Squared Error (MSE)
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi
metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan.
Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi.
Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-
kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan
sedang yang kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang
menghasilkan perbedaan yang besar. Mean squared error adalah rata-rata
dari kesalahan forecast dikuadratkan, atau jika dituliskan dalam bentuk rumus
adalah :
MSE =
Ã
Hubungan Forecast dengan Rencana
Peramalan (forecasting) merupakan alat bantu yang sangat penting dalam
perencanaan yang efektif dan efisien. Dalam bidang ekonomi, perencanaan
merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan
keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan
beberapa jam. Dalam situasi seperti ini, peramalan diperlukan untuk menentukan
kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat
dilakukan. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang
pada umumnya berada di luar kendali manajemen, seperti berasal dari ekonomi
nasional, pemerintah, pelanggan, dan pesaing. Dari peramalan inilah suatu perusahan
|
|
26
dapat melakukan suatu perencanaan dan pengambilan suatu keputusan yang dirasa
tepat (Pengestu Subagyo, 2000 : 24).
Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang,
sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang
akan datang (Pengestu Subagyo, 2000 : 25). Dengan sendirinya terjadi perbedaan
antara forecast dengan rencana. Forecasting adalah peramalan apa yang akan terjadi
tetapi belum tentu bisa dilaksanakan oleh perusahaan.
Pengertian Penjualan
Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencana-
rencana strategisyang diarahkan pada usaha pemuasan kebutuhan dan keinginan
pembeli, guna mendapatkan penjualan yang menghasilkan laba. Penjualan
merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat diperoleh
laba serta suatu usaha memikat konsumen yang diusahakan untuk mengetahui daya
tarik mereka sehingga dapat mengetahui hasil produk yang dihasilkan.
Berikut ini dikemukakan definisi penjualan menurut beberapa ahli sebagai
berikut :
a) Sutamto (2003
: 8) mengemukakan bahwa penjualan adalah usaha
yang dilakukan manusia untuk menyampaikan barang kebutuhan yang
telah dihasilkannya kepada mereka yang memerlukannya dengan imbalan
uang menurut harga yang ditentukan atas persetujuan bersama.
b) Winardi (2003
: 3) mengemukakan penjualan sebagai proses dimana
sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan atau
|
|
27
keinginan sang pembeli yang berkelanjutan dan menguntungkan kedua
belah pihak.
Dari definisi penjualan diatas dapat disimpulkan bahwa betapa pentingnya
fungsi penjualan bagi sebuah perusahaan, dimana proses penjualan bertujuan untuk
memuaskan kebutuhan pembeli, dan akhirnya menguntungkan kedua belah pihak.
2.8.1 Tujuan Penjualan
Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang
maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka
waktu lama. Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan
seperti yang direncanakan.
Menurut Basu Swasta (dalam Manajemen Penjualan, 2004 : 13) perusahaan
pada umumnya mempunyai tiga tujuan dalam penjualannya, yaitu :
a) Mencapai volume penjualan tertentu
b) Mendapat laba tertentu
c) Menunjang pertumbuhan perusahaan
Adapun faktor-faktor yang harus diperhatikan dalam mencapai tujuan
penjualan
diantaranya adalah (Basu Swasta, 2004) :
a) Modal yang diperlukan
b) Kemampuan merencanakan dan membuat produk
c) Kemampuan menentukan tingkat harga yang tepat
d) Kemampuan memilih penyalur yang tepat
e) Kemampuan menggunakan cara-cara promosi yang tepat
|
|
28
f) Unsur penunjang yang lain
Memilih Metode Yang Tepat
Berdasarkan pendapat-pendapat dari beberapa penerbit buku ditemukan
beberapa cara untuk memilih metode forecasting yang tepat, antara lain:
Menurut pendapat Singgih Santoso (2009: 13) dalam bukunya menyebutkan,
suatu proses perubahan yang dapat diketahui dengan cepat akan memberikan hasil
forecast yang mendekati kenyataan, akan tetapi sering kali proses perubahan ini sulit
diketahui. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang
memiliki kesalahan (error) minimal. Hasil ramalan tersebut biasanya memiliki nilai
MAD
dan MSE
terkecil dan
merupakan ramalan yang akurat dan bermanfaat bagi
penyusunan rencana selanjutnya.
Sedangkan Pengestu Subagyo (2000: 6) berpendapat dalam bukunya agar
suatu ramalan menjadi akurat, data yang akan diramalkan harus relevan dan metode
peramalan yang digunakan harus tepat. Mean Absolute Deviation (MAD) mengukur
ketepatan ramalan dengan merata-rata kesalahan dugaan. MAD berguna ketika
mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Banyak sekali
metode peramalan yang ada, satu metode peramalan yang cocok digunakan untuk
meramalkan suatu hal belum tentu cocok untuk meramalkan hal lainnya. Oleh karena
itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri
pola gerakan yang dimiliki oleh data yang dimiliki, sehingga hasilnya bisa
meminimumkan kesalahan forecast.
J. Supranto (2001: 7) memiliki pendapat, untuk meramalkan suatu data yang
memiliki pola trend (naik atau turun) akan lebih tepat bila menggunakan metode
|
|
29
dekomposisi
atau disebut dengan Linear Regression, sedangkan untuk meramalkan
data yang memiliki pola fluktuatif akan lebih tepat bila menggunakan metode
smoothing.
Sehingga dapat disimpulkan untuk memilih metode forecast yang tepat perlu
diperhatikan keakuratan hasil forecast disetiap masing-masing metode melalui nilai
MAD yang terkecil, dan biasanya suatu data yang memiliki pola trend naik atau turun,
akan lebih tepat bila menggunakan metode Linear Regression
sebagai metode
forecasting.
|
 30
2.10
Literature Review
Tabel 2.1 Literature Review
FORECASTING
Metode
Penelitian
Nama
Pengarang
Jurnal
Hasil Penelitian
Forecasting
Sarjono,
Haryadi
Jurnal Manajemen,
Akutansi dan
Ekonomi
Pembangunan.
“Peramalan Produk
Air Mineral Dengan
Pendekatan
Perbandingan
Program Minitab
AND QM for
Windows” (2011)
Hasil dari
Forecasting yaitu
dengan
menggunakan
metode Linear
Regression dengan
MAD dan MSE
terkecil yaitu 9.265
dan 127.357, hasil
forecast 225 botol.
FORECASTING
Forecasting
Sarjono,
Haryadi, Yulia
Agustina dan
Arko Pujadi
Jurnal Manajemen di
Bidang Jasa
Pariwisata dan
Lingkungan,
Keuangan dan Pasar
Modal. “Analisis
Peramalan Penjualan
Pada PT Multi Megah
Mandiri Tahun 2009”
(2009)
Hasil yang tingkat
kesalahan terkecil
dari beberapa
metode yaitu
Exponential
Smoothing. MAD =
15.67 (alpha 0.1)
MSE = 366.10
(alpha 0.5)
Sumber: Pengolahan Penulis, (2013)
|
 31
Kerangka Pemikiran
Sumber: Pengolahan Penulis, (2013)
Gambar 2.1 Flowchart Kerangka Pemikiran
START
Data Volume Penjualan Motor PT.
HONDA DUNIA MOTORINDO periode
Januari 2012 – Mei 2013
MELAKUKAN
PERHITUNGAN
Linear
Regression
Moving
Average
Weighted
Moving
Average
Exponential
Smoothing
with Trend
Naïve
Method
Exponential
Smoothing
Menghtung MAD & MSE
untuk masing-masing
metode
Penentuan Metode Forecasting yang
digunakan
|