I. PENDAHULUAN
1.1. Latar Belakang
Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah
krisis moneter. Menurut data yang dikeluarkan Badan Pusat Statistik pertumbuhan
ekonomi Indonesia pada tahun 2010 meningkat sebesar 5,9 persen terhadap tahun
2009 terjadi di semua sektor ekonomi yaitu 4.727,6 triliun rupiah. Pertumbuhan
ekonomi yang positif di Indonesia juga diimbangi dengan peningkatan
pembangunan infrastruktur seperti bangunan sekolah, bangunan rumah sakit dan
puskesmas, serta bangunan perumahan. Menurut Badan Pusat Statistik (BPS)
(2010), pembangunan maupun perbaikan infrastruktur di tiga kota besar di
Indonesia yaitu Jakarta, Medan, dan Surabaya pada tahun 2008 antara lain untuk
daerah Jakarta bangunan sekolah mencapai 89 persen, rumah sakit 1,72 persen,
puskesmas 4,5 persen, dan perumahan mencapai 4,7 persen. Di daerah Surabaya
pembangunan sekolah mencapai 71 persen, rumah sakit 1,6 persen, puskesmas
22,5 persen, dan perumahan 3,9 persen. Daerah Medan pembangunan sekolah
mencapai 66,2 persen, rumah sakit 5,9 persen, puskesmas 16,9 persen, dan
perumahan mencapai 10,8 persen. Pembangunan infrastruktur saat ini
dikonsentrasikan di tiga daerah tersebut tersebut sehingga menjadi tiga kota besar
yang menempati urutan pembangunan tertinggi.
Pembangunan gedung-gedung perkantoran, sekolah, dan perumahan yang
terus meningkat dilakukan untuk memenuhi kebutuhan akan suatu tempat untuk
beraktivitas yang juga mampu memberikan kenyamanan dan ketentraman. Salah
satu persyaratan bangunan yang mampu memberikan kenyaman dan ketentraman,
yaitu terhindar dari berbagai bentuk ancaman yang menyebabkan kerugian secara
ekonomis (Waryono, 2004). Terhindarnya berbagai bentuk ancaman, meliputi
banjir, longsor, tanah yang amblas dan kegaduhan. Walaupun persyaratan
kenyamanan bangunan sudah terpenuhi, tampaknya belum merupakan jaminan
teguhnya suatu bangunan dari kerusakan yang disebabkan oleh serangan rayap.
Keberadaan rayap menjadi salah satu permasalahan yang harus diwaspadai dalam
menjaga kualitas suatu bangunan. Rayap merupakan serangga sosial yang dikenal
kayu perabotan dan fondasi bangunan sehingga menimbulkan banyak kerugian
secara ekonomi.
Tidak tanggung-tanggung menurut data kerugian ekonomis yang dialami
Indonesia sampai pada tahun 2000 akibat rayap mencapai angka 2,67 triliun
rupiah, serta rata-rata persentase serangan rayap pada bangunan perumahan di
kota-kota besar seperti Jakarta, Surabaya, bandung dan Batam mencapai angka
lebih dari 70 persen, angka tersebut akan terus bertambah melihat kecendrungan
terakhir ini, bahwa nilai kerugian akibat rayap setiap tahunnya meningkat sekitar
lima persen seiring dengan meningkatnya pembangunan gedung, terutama gedung
bertingkat yang ada di Jakarta.
Menurut Waryono (2004), ancaman bahaya rayap terhadap bangunan
sekolah di berbagai daerah telah dilaporkan, bahkan telah banyak bangunan yang
roboh dan rata dengan tanah. Bangunan-bangunan SD Inpres di Jawa Barat dari
sejumlah 112.826 ruangan, tercatat kurang dari 30 persen yang dinilai dalam
kondisi baik, sedangkan kondisi bangunan yang rusak berat tercatat sebesar 33,87
persen, sementara bangunan yang memiliki kriteria sedang sebesar 38,27 persen.
Di Kota Bandung tercatat 169 sekolah dalam kondisi yang memprihatinkan,
demikian halnya di Kota Sumedang, Garut, dan Bekasi indikasi kerusakan
bangunan akibat rayap rata-rata menyebabkan lebih dari 42 persen kondisi
bangunan sekolah memiliki kriteria rusak berat.
Tingginya kerusakan bangunan yang disebabkan oleh rayap menjadikan
peluang pasar yang bagus untuk industri pestisida pembasmi hama rayap.
Penggunaan pestisida untuk membasmi hama rayap adalah salah satu solusi agar
bangunan yang di bangun terhindar dari serangan rayap dan umur bangunan pun
dapat bertahan dalam jangka waktu yang lama. Semakin meningkat pembangunan
gedung dan pemukiman maka semakin meningkat pula penjualan pestisida hama
rayap. Salah satu industri pestisida pembasmi rayap yang ada di Indonesia adalah
PT Chemigard.
PT Chemigard merupakan industri pestisida pembasmi rayap yang berlokasi
di daerah Ciputat Tangerang - Banten. Produk pembasmi rayap yang diproduksi
oleh PT Chemigard adalah Cypergard dan Safe 1. Produk Cypergard terdiri dari
ml. Ketiga produk pembasmi rayap ini memiliki tingkat penjualan yang cukup
baik setiap tahunnya seperti yang terlihat pada Gambar 1. PT Chemigard telah
memasarkan produk pembasmi rayapnya ke kota-kota besar seperti Jakarta,
Surabaya, dan Medan. Peningkatan pembangunan di kota-kota tersebut
mendorong penjualan yang juga terus mengalami kenaikan setiap tahunnya.
Gambar 1. Grafik Penjualan Cypergard 500 ml, Cypergard 100 ml Periode Tahun 2006 sampai Tahun 2010 dan Safe 1 Periode 2007 sampai Tahun 2010 (PT Chemigard, 2010)
Penjualan produk Safe 1 dan Cypergard (100 ml dan 500 ml) berfluktuatif
menyebabkan PT Chemigard memerlukan suatu instrumen untuk melihat
hubungan dan pengaruh penjualan suatu produk dengan produk lainnya. Hal ini
diperlukan untuk membantu PT Chemigard dalam mengontrol penjualan dari
ketiga produk dalam beberapa periode ke depan. Pengaruh dan hubungan setiap
produk dalam suatu perusahaan terkadang menyebabkan penurunan dan
peningkatan penjualan terhadap produk lainnya.
1.2. Perumusan Masalah
PT Chemigard memiliki dua produk pembasmi rayap yaitu Safe 1 dan
Cypergard. Cypergard dibagi lagi ke dalam 2 macam kemasan 500 ml dan 100 ml
sedangkan Safe 1 hanya di buat dalam satu kemasan 100 ml. Produk Cypergard
dan Safe 1 memiliki perbedaan dalam proses pengendalian rayap. Produk Safe 1
lebih ramah lingkungan dibandingkan produk Cypergard. Produk Cypergard
merupakan racun yang bersifat repelen atau knock down yaitu racun yang mampu
0 500 1000 1500 2000 2500 3000 3500
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Cypergard 500 ml
Cypergard 100 ml
mematikan rayap dengan cepat tetapi hanya di suatu area tertentu. Sedangkan,
Safe 1 merupakan jenis racun non-repelen yaitu jenis racun yang mematikan rayap secara perlahan melalui trofalaksis atau disebut juga racun kontak. Racun jenis ini mampu membasmi rayap hingga ke tingkat ratu dan koloninya.
Proses pengendalian rayap yang berbeda antara produk Cypergard dan Safe
1 mempengeruhi tingkat penjualan kedua produk. Selain itu, ukuran kemasan
yang berbeda juga mempengaruhi tingkat penjualan produk. Berdasarkan Gambar
1, dalam beberapa periode terlihat penjualan Cypergard yang meningkat
menyebabkan penurunan penjualan produk Safe 1. Dan peningkatan penjualan
Cypergard ukuran 500 ml menyebabkan penurunan penjualan Cypergard 100 ml.
Artinya penjualan ketiga produk ini saling mempengaruhi satu sama lainnya.
namun, belum diketahui bagaiman pengaruh penjualan produk safe 1 terhadap
produk Cypergard atauapun sebaliknya.
PT Chemigard memerlukan suatu instrumen untuk melihat pengaruh dan
hubungan antara ketiga produk tersebut, sehingga dengan mengetahui hubungan
dan pengaruhnya perusahaan dapat mengontrol penjualan ketiga produk agar
penjualan produk Safe 1 tidak menyebabkan kerugian pada penjualan produk
Cypergard ataupun sebaliknya. Selain itu, analisis terhadap pengaruh dan
hubungan ketiga produk juga akan membantu perusahaan dalam melakukan
peramalan penjualan peroduknya. Peramalan penjualan dengan melihat hubungan
dan pengaruh antar produk dibutuhkan bagi perusahaan untuk membantu
perusahaan sebagai bahan pertimbangan dalam membuat keputusan dan kebijakan
perusahaan.
Salah satu instrumen yang dapat digunakan untuk melihat hubungan dan
pengaruh hubungan ketiga produk dalam jangka panjang yaitu uji kointegrasi.
Esensi dari kointegrasi adalah bahwa series tidak dapat menyebar ke segala arah jauh dari satu sama lain dan menjelaskan bahwa keberadaan hubungan jangka
panjang antara series ini dan series yang lain dapat ditulis pada suatu format
Error Correction.
Hubungan jangka panjang ketiga produk tersebut juga akan mempengaruhi
peramalan penjualan kedepannya. Analisis yang digunakan untuk menghitung
dikenal dengan Forecasting Error Variance Decomposition (FEVD), yaitu meramalkan penjualan produk dengan memperhatikan besar nya pengaruh produk
tertentu terhadap produk lainnya. Hasil ramalan tersebut dapat dijadikan target
penjualan perusahaan di masa yang akan datang.
Setelah hasil analisis kointegrasi dan hasil ramalan di dapatkan, perusahaan
dapat mengambil kebijakan dalam melaksanakan strategi-strategi yang akan
diterapkan di masa yang akan datang, khusus nya strategi pemasaran sehingga
dapat memenuhi target penjualan yang telah ditetapkan.
Berdasarkan perumusan masalah, menarik untuk dikaji mengenai:
1. Bagaimana kointegrasi produk Cypergard 500ml, Cypergard 100ml, dan
Safe 1
2. Menetapkan ramalan penjualan produk Cypergard 500ml, Cypergard 100ml,
dan Safe 1
3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi
dalam perencanaan strategi yang mungkin diterapkan perusahaan.
1.3. Tujuan Penelitian
Berdasarkan perumusan masalah maka tujuan penelitian yaitu:
1. Menganalisis kointegrasi produk Cypergard 500ml, Cypergard 100ml, dan
Safe 1 di PT. Chemigard.
2. Mendapatkan ramalan penjualan produk Cypergard 500ml, Cypergard
100ml, dan Safe 1 untuk 6 bulan kedepan di PT Chemigard.
3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi
dalam perencanaan strategi yang mungkin diterapkan perusahaan.
1.4. Manfaat Penelitian
Hasil penelitian ini diharapkan mampu memberi manfaat bagi perusahaan
sebagai informasi untuk meningkatkan penjualan dan sebagai pertimbangan dalam
melakukan perencanaan strategi pemasaran nya sehingga perusahaan dapat
mengembangkan usahanya. Penelitian ini berguna bagi penulis untuk melatih
menganalisa suatu permasalahan berdasarkan ilmu dan pengetahuan yang telah
manfaat untuk kepentingan keilmuan dan menjadi sumber informasi bagi
pihak-pihak yang membutuhkan.
1.5. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu analisis kointegrasi penjualan produk
Cypergard 500 ml, Cypergard 100 ml, dan Safe 1 periode 2007 sampai 2010
II TINJAUAN PUSTAKA
2.1. Rayap
Menurut Yusuf dan Utomo (2006) rayap merupakan serangga primitif yang
sangat dekat kekeluargaannyadengan kecoa. Di alam, rayap sangat berguna
mengubah kayumati dan bahan organik lainnya yang mengandung selulosa untuk
dijadikan humus. Dari aspek tersebut, rayap merupakan serangga yang sangat
bergunan namun apabila manusia mulai membangun gedung dengan komponen
kayu sebagai bahan bakunya, maka mulailah rayap merusak bangunan tersebut
untuk mencari makannya
Menurut Nandika (2003), rayap merusak bangunan tanpa mempedulikan
kepentingan manusia. Rayap mampu merusak bangunan gedung, bahkan juga
menyerang dan merusak mebeler di dalam nya. Nandika (2003) mengemukakan
sejak tahun 1982, kasus serangan rayap pada bangunan gedung di Indonesia telah
mulai banyak dilaporkan. Pada saat ini perhatian terhadap ancaman rayap pada
bangunan gedung di Indonesia terasa meningkat dengan sangat mengesankan. Hal
ini dapat dimengerti mengingat beberapa jenis rayap telah seringkali menunjukan
daya serang yang luar biasa terhadap perumahan, kantor dan bangunan gedung
lain sehingga mengakibatkan kerugian ekonomis yang cukup besar.
2.2. Pestisida Hama Rayap
Pestisida untuk mengendalikan rayap disebut termitisida. Termitisida dibagi
kedalam dua jenis yaitu termitisida nonrepelen dan termitisida repelen.
Termitisida nonrepelen adalah racun yang menyebabkan kematian pelan-pelan
bagi rayap yang melewati daerah tanah yang sudah diberi perlakuan dan rayap
tersebut tidak bisa menghindarinya. Rayap masuk kedaerah perlakuan, kemudian
mereka terkontaminasi oleh bahan aktif yang digunakan yang menyebabkan
kematian perlahan-lahan dimungkinkan yang disebabkan oleh kematian mikroba.
Untuk selanjutnya, racun tersebut dibawa kedalam sarangnya dengan adanya
proses pergantian kulit dan trofalaksis. Termitisida jenis repelen adalah termitisida
yang bersifat racun syaraf yang mematikan dengan cepat, mempunyai bau yang
2.3. Kointegrasi
Regresi dari dua variabel yang non-stasioner akan menyebabkan terjadinya
spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Tetapi, proses ini justru akan menghilangkan
hubungan jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek time series.
Disinilah penting nya proses kointegrasi dimana konsep ini membantu
memberikan informasi mengenai hubungan jangka panjang yang ada dengan
menggunakan time series non-stasioner.
Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau
lebih time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi
seri di dalamnya (white nose), maka time series tersebut dinamakan terkointegrasi. Didalam konsep kointegrsi ini terdapat beberapa hal penting yang perlu
diperhatikan, yaitu: (Enders, 2004)
1. Kointegrasi merupakan kombinasi linear dari dua atau lebih dari time series
yang tidak stasioner. Vektor kointegrasi dari kombinasi linear tersebut tidak
unik karena dengan suatu konstanta yang tidak nol (λ), maka λβ juga benar
sebagai vektor kointegrasi. Oleh karena itu, biasanya salah satu besaran
digunakan untuk normalisasi vektor kointegrasi dengan menetapkan
koefisiennya menjadi satu.
2. Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua
variabel yang terintegrasi pada orde yang sama terkointegrasi.
3. Bila vektor � mempunyai n komponen, maka akan ada n-1 vektor
kointegrasi linear yang tidak tergantung satu dengan yang lainnya. Jumlah
vektor kointegrasi ini dinamakan peringkat kointegrasi (cointegration rank), biasanya dilambagkan dengan r.
Sifat penting yang terdapat dalam variabel-variabel yang terkointegrasi
adalah perjalanan waktu variabel-variabel tersebut dipengaruhi oleh perubahan
atas hubungan keseimbangan jangka panjangnya. Dengan kata lain,
variabel-variabel non-stasioner yang terintegrasi pada orde yang sama dan terkointegrasi
2.4. Vector Autoregression (VAR) Model
Vector Autoregression (VAR) merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-variabel runtut
waktu (Time series) maupun untuk menganalisis dampak dinamis dari faktor
gangguan yang terdapat dalam sistem variabel tersebut. Keunggulan dari analisis
VAR antara lain : (Khaerunnisa, 2009)
1. Model ini sederhana, tidak perlu khawatir membedakan mana variabel
endogen dan variabel eksogen.
2. Estimasinya sederhana, dimana metode Ordinary Least Square (OLS) bisa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.
3. Hasil Ramalan (Forecast) yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model
persamaan simultan yang kompleks sekalipun.
Namun demikian, model VAR juga mempunyai kekurangan, diantaranya
adalah sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak dapat memanfaatkan informasi atau teori terdahulu.
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan persamalahan.
4. Semua variabel VAR harus stasioner.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
Vector Autoregression (VAR) adalah sistem persamaan yang menunjukkan setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag
dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem
(Agung, 2009). Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh
peubah tak bebas dalam sistem.
Model VAR dikembangkan oleh Christoper Sims pada tahun 1980. Model
ini pada dasarnya hampir sama dengan model untuk menguji Granger’s
suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling
ketergantungan antar variabel dalam ekonomi.
2.5. Vector Error Correction Model (VECM)
Vector Error Correction Model (VECM) adalah suatu analisis untuk melakukan rekonsiliasi perilaku peubah ekonomi jangka panjang dan peubah
ekonomi jangka pendek (Gujarati, 1995). Untuk itu peubah-peubah dalam di
dalam VECM memiliki hubungan jangka panjang atau kointegrasi. Hubungan
dinamis jangka pendek antar peubah dalam sistem dipengaruhi oleh deviasi atau
penyimpangan dari keseimbangan jangka panjang. Model VECM berguna untuk
mengukur kecepatan deviasi kembali ke keseimbangan.
Vector Error Correction Model (VECM) adalah restricted Vector Autoregression (VAR) yang berkointegrasi. VECM di design untuk data time series non stationer yang berkointegrasi. Faktor kointegrasi dikenal sebagai error correction term, mengingat bahwa deviasi keseimbangan jangka panjang diperbaiki secara perlahan-lahan melalui beberapa tahap jangka pendek.
VECM mempunyai hubungan kointegrasi yang dibangun melalui spesifikasi
perilaku jangka panjang dari variabel-variabel endogen untuk menuju (converge) ke hubungan jangka panjangnya, serta memungkinkan dilakukan penyesuaian
jangka pendek secara dinamik. Sebagai contoh, digunakan sistem dua variabel
yang memiliki suatu persamaan kointegrasi tanpa turunan dalam bentuk lag
(Subagjo, 2005).
Variabel sisi sebelah kanan dalam model ini merupakan error correctionmodel term. Dalam ekuilibrium jangka panjang, residual (term) ini adalah nol. Namun demikian, apabila ada deviasi dengan ekuilibrium jangka
panjang error correction term tidak sama dengan nol dan masing-masing variabel secara parsial menyesuaikan pada hubungan ekuilibrium.
2.6. Impuls Response Function (IRF)
Impuls resonponse function merupakan suatu cara pengujian struktur dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh
sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan
pada suatu vaariabel endogen sehingga dapat menetukan bagaimana suatu
perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya
sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh
kontemporer dari sebah variabel dpenden jika mendapatkan guncangan atau
inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada
faktorisassi chelosky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama
lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel
lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara
kedua variabel tersebut berdasrkan nilai matriks korelasi yangmenyatakan tingkat
korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa
lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.
2.7. Forecast Error VarianceDecomposition (FEVD)
Forecast Error Decomposition of variance (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR.
Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel
makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel
makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis
dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan
kelemahan dari mmasing-masing variabel dalam mempengaruhi variabel lainnya
pada kurun waktu yang panjang (how long/ how persistent).
Dekomposisi varians merinci varian dari error peramalan (forecast) menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen
depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat
dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya.
FEVD dilakukuan untuk memberikan informasi mengenai bagaiman
hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan
untuk melihat seberapa besar pengaruh acak guncangan (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi
mengenai relatif pentingnya masing-masing inovasi acak (random innovation structural disturbance) atau seberapa kuat peranan variabel tertentu terhadap lainnya.
2.8. Peramalan (forecasting)
Menurut Hanke (2003) Peramalan merupakan suatu upaya untk
memprediksi ketidakpastian masa depan. Dengan maksud membantu para
pengambil keputusan untuk memutuskan suatu kebijakan secara lebih baik.
Peramalan melibatkan sejumlah studi mengenai data historis dan manipulasi data
tersebut untuk mencari pola data sehingga dapat digunakan untuk memperkirakan
pola data di masa depan
Tebakan ilmiah mengenai masa depan lebih bernilai bagi perusahaan
dibandingkan dengan tebakan non-ilmiah. Tebakan ilmiah yaitu peramalan yang
berdasarkan metode-metode manipulasi data secara logis yang dihasilkan dari
kejadian-kejadian masa lalu (Hanke, 2003). Penggunaan teknik peramalan diawali
dengan pengeksplorasian pola data pada masa lalu guna mengembangkan model
yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data
pada masa lalu itu akan berulang lagi pada waktu yang akan datang. Hasil
pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat
perencanaan langkah langkah yang akan diambil oleh perusahaan.
2.9. Metode Peramalan Kualitatif
Peramalan ini didasarkan pada individu-individu penilaian orang yang
melakukan peramalan dan tidak tergantung pada data-data yang akurat
(pengolahan dan analisis data historis yang tersedia), metode ini digunakan untuk
yang digunakan adalah Teknik Delphi, Kurva pertumbuhan, Marketing Research,
dll (Hanke, 2003).
2.10. Metode Peramalan Kuantitatif
Metode peramalan kuantitatif memiliki sifat yang objektif karena
didasarkan pada keadaan aktual (data) yang diolah dengan menggunakan
metode-metode tertentu. Menurut Makridakis dalam Wisastri (2006), peramalan kuantitatif dapat diterapkan apabila terdapat tiga kondisi berikut:
1. Tersedia informasi masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut di masa datang.
Peramalan kuantitatif dapat memberikan hasil yang dapat
dipertanggungjawabkan karena memiliki dasar yang jelas. Dasar yang digunakan
adalah data yang merupakan representasi gambaran aktual masa lalu dan adanya
justifikasi teoritik yang digunakan secara sistematik. Pada dasarnya segala bentuk
dan teknik peramalan kuantitatif bersifat ekstrapolatif, yang didasarkan pada suatu
pola data atau hubungan sebab akibat antar data. Metode kuantitatif pada dasarnya
dapat dibagi menjadi dua kelompok utama yaitu model time series (deret berkala) dan model kasual. Peramalan penjualan merupakan bentuk peramalan dengan
model time series.
2.11. Peramalan Penjualan
Peramalan dapat didefinisikan juga sebagai suatu proses memperkirakan
secara sistematis tentang apa yang paling mungkin terjadi di masa depan
berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya
dapat diperkecil (Mulyono dalam Belladona, 2008). Kesalahan atau error
merupakan selilisih antara apa yang terjadi dengan hasil perkiraan. Peramalan
tidak memberikan jawaban yang pasti tentang apa yang akan terjadi, tetapi
berusaha mencari sedekat mungkin dengan apa yang terjadi. Salah satu peramalan
yang penting dan sering dilakukan perusahaan adalah peramalan penjualan.
Hasil peramalan lingkungan bisnis dimana perusahaan beroperasi pada
umumnya mempunyai implikasi pada peramalan penjualan. Oleh karena itu
penjualan jangka panjang dibutuhkan oleh perusahaan dalam keputusan
pengembangan produk baru, mengurangi jumlah produk yang dihasilkan atau
dipasarkan, pengurangan modal, pembukuan daerah pemasaran baru, pengambil
alihan perusahaan lain, pengembangan saluran distribusi baru dan
keputusan-keputusan strategis lainnya. Untuk jangka pendek, peramalan penjualan
digunakan untuk melakukan jadwal produksi, perencanaan kebutuhan bahan,
rekrutmen tenaga kerja, perencanaan pemasaran, prediksi aruskas dan tingkat
dimana komposisi biaya dan pendapatan yang dipilih dapat mempertahankan
likuiditas dan efisiensi operasi (Sugiarto dan Harijono, 2000).
2.12.Strategi Pemasaran
Strategi merupakan program untuk menentukan dan mencapai tujuan
perusahaan dan mengimplementasikan misinya. Strategi didefinisikan sebagai
pola tanggapan atau respon organisasi terhadap lingkungan nya sepanjang waktu
(Fandy, 2008). Strategi merupakan kunci keberhasilan perusahaan dalam
menghadapi perubahan lingkungan bisnis dan mencapai tujuan.
Strategi pemasaran merupakan pernyataan baik secara implisit maupun
eksplisit mengenai bagaimana suatu merek atau lini produk mencapai tujuannya
(bennet dalam Fandy, 2008). Menurut Corey (dalam Fandy, 2008) strategi
pemasaran terdiri atas lima elemen penting yang saling berkait. Kelima elemen
tersebut adalah:
1. Pemilihan pasar, yaitu memilih pasar yang akan dilayani
2. Perencanaan produk, meliputi produk spesifik yang dijual, pembentukan lini
produk, dan desain penawaran individual pada masing-masing lini.
3. Penetapan harga, yaitu menentukan harga yang dapat mencerminkan nilai
kuantitatif dari produk ke pelanggan.
4. Sistem distribusi, yaitu saluran perdagangan grosir dan eceran yang dilalui
produk hingga mencapai konsumen akhir yang membeli dan menggunakannya.
Menurut Rangkuti (2005), komponen-komponen strategi terdiri dari:
1. Segmentasi Pasar
Pasar terdiri dari banyak pembeli yang berbeda dalam beberapa hal,
misalnya keinginan, kemampuan keuangan, lokasi, sikap pembelian dan
praktek-praktek pembeliannya. Berdasarkan perbedaan ini dapat dilakukan segmentasi
pasar. Segmentasi pasar adalah tindakan mengidentifikasi dan membentuk
kelompok pembeli atau konsumen secara terpisah. Beberapa aspek utama untuk
mensegmentasikan pasar yaitu aspek Geografis, Demografis, Psikografis,
Perilaku.
2. Target Pasar
Menetapkan target pasar atau sasaran adalah tindakan mengevaluasi dan
membandingkan kelompok yang diidentifikasi, kemudian memilih salah satu atau
beberapa diantaranya sebagai calon target dengan potensi paling besar.
3. Posisi Pasar
Penetapan posisi adalah tindakan merancang tawaran dan citra perusahaan
sehingga menempati posisi yang khas (diantara para pesaing) di dalam benak
pelanggan sasarannya. Setelah perusahaan memutuskan segmen mana yang akan
dimasuki, selanjutnya diputuskan pula posisi mana yang ingin ditempati dalam
segmen tersebut.
2.13. Penelitian Terdahulu
Novika (2010) meneliti tentang kointegrasi harga beberapa komoditas
pangan utama dengan menggunakan metode analisis Vector Autoregression
(VAR) dan Vector Error Correction Model (VECM) yang dalam penggunaannya dibedakan menurut pola datanya, yang diuji terlebih dahulu menggunakan uji
stasioneritas. Apabila yang data yang digunakan stasioner pada level nol maka
digunakan metode analisis VAR dan apabila data yang digunakan tidak stasioner
pada level nol maka digunakan metode analisis VECM. Tujuan peneliti dalam
melakukan penelitian adalah untuk menganalisis kointegrasi harga beberapa
komoditas pangan utama di tingkat produsen dan tingkat konsumen, dan
menganalisis apakah terdapat pemimpin harga komoditas pangan utama ditingkat
Melihat data yang tidak stasioner pada level nol maka metode yang
digunakan adalah metode analisis VECM. Hasil dari metode analisis menunjukan
terdapat kointegrasi harga komoditas jagung, kacang tanah, dan ketela rambat di
Pulau Sumatera dan Pulau Jawa pada tingkat produsen maupun konsumen. Hal ini
dapat diartikan bahwa variabel harga disuatu propinsi memiliki hubungan jangka
panjang dengan variabel harga di propinsi-propinsi lainnya. Uji kausalitas
multivariate pada harga jagung, kacang tanah, dan ketela rambat menunjukan
tidak terdapat hubungan kausalitas harga antar propinsi baik di Pulau Sumatera
maupun di Pulau Jawa.hal ini menunjukan tidak terdapat pemimpin harga jagung,
kacang tanah, maupun ketela rambat di tingkat produsen dan konsumen di kedua
pulau tersebut.
Aldina (2008) meneliti tentang peramalan penjualan Matrix Blackberry PT.
Indosat dengan menggunakan metode peramalan time series dan metode regresi
yang dalam penggunaannya terbagi lagi kedalam beberapa metode peramalan
yang kemudian akan dipilih metode yang sesuai dengan ketersedian data dan
kesesuaian metode dengan tujuan penelitian. Tujuan peneliti dalam melakukan
penelitian adalah untuk mengetahui pencapaian penjualan Matrix Blackberry,
mengetahui keunggulan Matrix Blackberry yang dapat ditawarkan kepada
konsumen, dan mencari alternatif strategi pemasaran yang tepat.
Dengan metode terbaik yang dipilih yaitu trend analisys menghasilkan nilai penjualan pada akhir bulan peramalan secara nationwide atau keseluruhan penjualan untuk delapan wilayah adalah 12.394 subscriber. Hal ini dapat diartikan bahwa dengan lebih dari 6 ribu pelanggan pada akhir 2007, maka perusahaan
dapat menargetkan penjualan pada akhir tahun meningkat dua kali lipatnya.
Keunggulan Marix Blackberry yang dapat ditawarkan kepada pelanggan yaitu
GPRS yang dimiliki indosat untuk pemakaian Matrix Blackberry memiliki
pemakaian maksimum dua kali lebih besar dari perusahaan pesaing namun dengan
excess fee yang sama untuk per kilobyte.
Hasil peramalan menunjukan bahwa dengan tindakan pemasaran Matrix
Blackberry yang telah dilakukan oleh perusahaan sudah tepat. Untuk menghadapi
hambatan yang terjadi di tiap regional perusahaan harus fokus pada primary
sebagai produk dan layanan pushmail dengan GPRS terluas. Sedangkan untuk
Marketing Mix (8P) yang dapat dilakukan adalah dengan menampilkan keunggulan brand dan diferensiasi dalam petunjuk visual, perbanyak pilihan fitur, penambahan galeri, melakukan promosi dengan komunikasi 2 arah,
III METODE PENELITIAN
3.1. Kerangka Pemikiran
Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan
yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,
perusahaan dapat mengetahui pengaruh satu produk terhadap produk lainnya,
sehingga perusahaan dapat mengontrol penjualan setiap produk dan memperkecil
pengaruh yang saling menjatuhkan antara produk satu dengan yang lainnya.
Setelah mengetahui kointegrasi antar produk, perusahaan dapat membuat
perencanaan strategi yang tepat sehingga penjualan semua produk dapat
meningkat.
Selain melihat kointegrasi antar produk, untuk membuat strategi pemasaran
yang tepat perusahaan harus bisa meramalkan kondisi yang akan dihadapi di
waktu yang akan datang, agar strategi yang telah di rancang dapat berjalan dengan
baik dan dapat membantu perusahaan mencapai tujuannya. Dari hasil peramalan
penjualan yang dianalisis dengan menggunakan analisis kointegrasi, perusahaan
akan dapat merumuskan berbagai strategi dalam meningkatkan penjualan
produknya.
Gambar 2.Kerangka pemikiran
PT CHEMIGARD
Ingin melihat hubungan antar produk dan membutuhkan peramalan penjualan yang digunakan untuk menyusun
perencanaan yang lebih akurat
Data Penjualan Cypergard dan Safe 1
2007-2010
Hasil Analisis Analisis Kointegrasi
1. Uji Stasioneritas 2. Uji Kausalitas
Granger
3. Uji lag optimum 4. Uji kointegrasi 5. Model VECM 6. Uji Stabilitas 7. Impuls Respon 8. FEVD
3.2. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di PT Chemigard yang berlokasi di Jalan
Gandasasmita 01, Serua, Ciputat – Tangerang. Penelitian di lakukan di PT
Chemigard dengan pertimbangan melihat grafik penjualan yang terus meningkat,
PT Chemigard mampu bersaing dengan perusahaan-perusahaan pesaing, serta
keterbukaan perusahaan untuk memberi kesempatan untuk diadakan penelitian.
Penelitian ini dilaksanakan pada bulan Januari 2011 sampai dengan Maret 2011.
3.3. Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data primer dan data
sekunder, baik kualitatif maupun kuantitatif. Data primer diperoleh dari
wawancara dengan direktur perusahaan sebagai narasumber. Sedangkan data
sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari
literatur-literatur, studi pustaka atau laporan internal perusahaan (data penjualan
Cypergard 500 ml dan 100 ml, Safe 1 dari tahun 2007 sampai 2010).
3.4. Pengolahan dan Analisis Data
Data maupun informasi yang diperoleh akan diolah secara kuantitatif dan
kualitatif. Data penjualan perusahaan akan diolah secara kuantitatif dengan
metode analisis Vector Autoregression (VAR) dan Vector Error Correction Model (VECM). Diharapkan dengan menggunakan analisis ini dapat diketahui apakah terjadi kointegrasi penjualan beberapa produk PT Chemigard. Untuk
mengetahui ramalan penjualan kedepan pada analisis ini menggunakan Forcast
Error Variance Decomposition (FEVD). Data informasi pemasaran akan diolah
secara kualitatif yang hasilnya digunakan sebagai pendukung analisis kuantitatif.
Pola data penjualan dapat diidentifikasi dengan mengamati secara visual plot
data penjualan yang diperoleh dari uji stasioneritas menggunakan program eviews 6. Plot data menggambarkan bagaimana sebaran datanya, sehingga dapat diketahui unsur-unsur yang terdapat pada pola data tersebut apakah pola data nya
1. Uji Stasioneritas Data
Data time series dapat dikatakan stasioner jika data tersebut mengandung akar-akar unit (unit root) dimana mean, variance, dan covariance konstan sepanjang waktu. Sebaliknya data time series dikatakan tidak stasioner mengandung akar-akar unit, dimana mean, variance, dan covariance data tersebut tidak konstan.
Uji akar-akar unit merupakan uji yang paling populer untuk mengetahui
stasioner sebuah data. Untuk menguji akar-akar unit pada penelitian ini digunakan
uji Augmented Dickey-Fuller (ADF) yang dikembangkan oleh Dickey dan Fuller.
Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut:
∆ �=α+ �−� 1+ �=1 ∆ �−+1+�...(1) dimana:
∆ �= Bentuk dari first different 0 = intersep
Y = Variabel yang diuji stasioneritasnya P = panjang lag yang digunakan dalam model
� = error term
Hipotesisnya adalah H0 mengandung hipotesis bahwa terdapat akar-akar
unit, H1 mengandung hipotesis bahwa tidak terdapat akar-akar unit. Pengujian
hipotesis statistik tersebut dilakukan dengan membandingkan ADFtest statistik hasil
regresi dengan t statistik Mackinon critical value 1 persen, 5 persen, 10 persen. Bila ADFtest statistik hitung lebih kecil daripada Mackinon critical value, maka H0 diterima dan H1 ditolak, tidak cukup bukti untuk menolak hipotesis bahwa di
dalam persamaan mengandung akar-akar unit, artinya data tidak stasioner.
Sebaliknya jika ADFtest statistik hitung lebih besar daripada Mackinon critical
value, maka H0 ditolak dan H1 diterima, cukup bukti untuk menolak hipotesis nol bahwa di dalam persamaan mengandung akar-akar unit, artinya data stasioner.
Jika dari hasil uji stasioneritas berdasarkan hasil uji ADF diperoleh data
seluruh variabel belum stasioner pada level, atau integrasi derajat nol I(0), maka
untuk memperoleh data yang stasioner dapat dilakukan dengan cara differencing
data, yaitu dengan cara mengurangi data tersebut dengan data periode data
sebelumnya. Dengan demikian melalui differencing pertama (first difference) di
menguji data first difference. Jika dari hasil uji ternyata data first difference telah stasioner, maka dikatakan data time series tersebut terintegrasi pada derajat pertama I(1) untuk seluruh variabel. Tetapi jika data first difference tersebut
belum stasioner maka perlu dilakukan differencing kedua pada data tersebut.
Prosedur ini seterusnya dilakukan hingga diperoleh data yang stasioner.
2. Uji Kausalitas Granger
Uji kausalitas granger digunakan untuk mengevaluasi kemampuan
peramalan dari satu peubah deret waktu pada periode sebelumnya terhadap
peubah deret waktu lainnya pada periode saat ini. Hipotesis nol yang yang diuji
menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis
alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk
menolak atau menerima hipotesis nol, maka dapat melihat nilai probabilitasnya
yang dibandingkan dengan tingkat kepercayaan, pada penelitian ini menggunakan
nilai kritis 5 persen. Jika nilai probabilitasnya lebih besar dari 5 persen maka
hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada
variabel-variabel yang diuji.
3. Uji Lag Optimum
Uji lag digunakan untuk menentukan panjang lag optimum yang akan
digunakan untuk analisis selanjutnya. Uji lag optimum merupakan langkah
penting yang harus dilakukan dalam menggunakan model VECM. Untuk langkah
awal dalam pengujian ini terlebih dahulu adalah membentuk persamaan VAR
untuk mendapatkan lag optimum dan stabilitas VAR baru dapat dibentuk
persamaan VECM nya. Informasi kriteria untuk menentukan panjang lag yang
tepat adalah dengan menggunakan pemilihan kriteria model Final Prediction Error (FPE), Akaike Information Criteria (AIC), Schwarz Criteria (SC), dan
Hannan-Quinn (HQ). Pada pengujian pemilihan lag melalui kriteria tersebut, akan didapat kandidat lag pada masing-masing kriteria yang merujuk pada lag optimal.
Pada Eviews 6 memberikan tanda bintang pada nilai AIC dan SC terkecil.
Salah satu metode yang paling umum digunakan untuk menentukan panjang
lag adalah dengan melihat AIC nya. Rumus AIC adalah (Gujarati, 2004):
Dimana:
T = jumlah observasi yang digunakan
| | = determinan dari matriks raga/koragam dari sisaan
n = jumlah parameter yang diestimasi dalam semua persamaan
4. Uji Kointegrasi
Salah satu asumsi yang harus dipenuhi dalam VAR adalah semua peubah
tak bebas bersifat stasioner (Enders, 2004). Bila data tidak stasioner, maka perlu
dilakukan uji kointegrasi. Langkah uji kointegrasi dengan mengaplikasikan
metode Johansen, yang terdiri dari beberapa tahap, yaitu:
1. Menguji ordo integrasi semua variabel. Data perlu diplotkan untuk mengamati
ada tidaknya trend yang linear. Disarankan tidak mencampur variabel dengan
ordo yang berbeda.
2. Mengestimasi model dan menetapkan kondisi model. Kondisi model dapat
dilakukan dalam tiga bentuk berikut:
a. Semua elemen konstanta sama dengan nol (�0=0)
b. Nilai �0 ditetapkan
c. Nilai �0 merupakan konstanta pada vektor kointegrasi
3. Menganalisis untuk mendapatkan vektor kointegrasi yang dinormalkan dan
koefisien penyesuaian.
4. Menghitung faktor koreksi galat untuk membantu mengidentifikasi model
struktural.
Pada Eviews 6 suatu persamaan dikategorikan berkointegrasi apabila nilai
trace statistic ataupun nilai maximum eigenvalue-nya lebih besar dari nilai kritis 5 persen. Dari uji kointegrasi dapat ditentukan jumlah persamaan yang tepat untuk
mengestimasi VECM.
Untuk menguji batasan kointegrasi, johansen mendefinisikan dua buah
matriks α dan β dimensi (nxr) dimana r merupakan peringkat dari �, sehingga:
�= α β...(3)
Dimana:
α = matriks bobot dari setiap vektor kointegrasi yang ada didalam n persamaan
VAR. α juga dapat dikatakan sebagai matriks parameter speed of adjusment
(Enders, 2004)
Hipotesis dari metode Johansen adalah sebagai berikut (Enders, 2004):
�0 : r = 0 �1 : 0 < r < g
�0 : r = 0 �1 : 0 < r < g
�0 : r = 0 �1 : 0 < r < g
... ...
�0 : r = g-1 �1 : r = g
Pengujian pertama menyebutkan hipotesis nol dengan tidak adanya vektor
kointegrasi. Jika hipotesis ini gagal ditolak, dapat disimpulkan bahwa tidak ada
vektor kointegrasi dan pengujian telah diselesaikan. Namun jika hipotesis tersebut
ditolak, maka pengujian akan dilakukan terus menerus dan begitu seterusnya
sampai nilai dari r akan meningkat sampai hipotesis tersebut gagal ditolak.
5. Estimasi VECM
Vector Error Correction Model (VECM) adalah suatu metode khusus dari VAR yang berguna untuk melihat hubungan keseimbangan dalam jangka panjang
dari persamaan-persamaan yang terkointegrasi. Caranya adalah dengan
merestriksi beberapa variabel dari suatu persamaan. Jika variabel yang digunakan
sudah terkointegrasi, maka terdapat keseimbangan dalam jangka panjang dari
variabel-variabel tersebut, tentu saja dalam hubungan jangka pendek terjadi
ketidakseimbangan. Dengan kata lain, metode ini adalah cara untuk melihat
pengaruh suatu variabel lainnya dalam jangka panjang.
VECM didesain untuk digunakan pada data yang non-stasioner dan
terintegrasi (Enders, 2004). Model VECM lag p rank kointegrasi r adalah:
∆ � = �0 + π �−1 + ∅i p−1
=1 * ∆ �−1 + �� ...(4) dengan � = [ � �]’, ...(5)
∆ � = � - �−1...(6)
π = αβ’
β = vektor kointegrasi berukuran r x 1 α = vektor adjustment berukuran r x 1
∅ * = - �= +1� , � adalah matriks koefisien berukuran 2 x 2
6. Uji Stabilitas model
Uji stabilitas digunakan untuk melihat apakah model yang digunakan stabil
atau tidak. Estimasi harus mempunyai validitas yang tinggi sehingga hasil nya
dapat dipercaya. Hasil tersebut dapat dipercaya apabila model yang digunakan
estimasi dengan menggunakan model VAR tidak memiliki tingkat validitas yang
tinggi.
Stabilitas dapat diartikan hasil estimasinya mendekati nol jika model
diperpanjang periode waktunya. Sebuah model dikatakan memilik validitas yang
tinggi jika inverse akar karakteristiknya mempunyai modulus kurang dari satu atau semuanya berada didalam lingkaran. Jika modulus nya kurang dari satu atau
berada dalam lingkaran, maka model cukup stabil. Namun sebaliknya, jika
modulus bernilai satu atau lebih dari satu, atau modulus kebanyakan berada diluar
lingkaran maka dapat dipastikan bahwa model tersebut kurang stabil. Jika VAR
tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar
karakteristiknya berada diluar unit circle, maka hasil dari estimasi model VAR
tersebut meragukan.
7. Impuls Respon Function
Impuls respon dapat diartikan suatu respon dari suatu peubah endogen
ketika peubah endogen yang lain di shock atau di impuls. Impuls respon function
menelusuri pengaruh suatu standar deviasi shock atau kejutan terhadap inovasi
pada nilai variabel endogen di masa kini dan di masa mendatang. Suatu kejutan
yang terjadi pada satu variabel akan langsung mempengaruhi variabel tersebut dan
juga di teruskan pada variabel endogen lainnya melalui struktur yang dinamis
(Enders, 2004).
8. Forecast Error Variance Decomposition
Forecast Error Variance Decomposition (FEVD) atau analisis dekomposisi ragam kesalahan peramalan digunakan untuk melihat kontribusi keragaman suatu
peubah endogen terhadap goncangan peubah endogen lain untuk beberapa waktu
kedepan (Enders, 2004). Jika koefisien �0 dan �1 diketahui dan variabilitas �+1
ingin diramalkan, sedangkan kondisi yang di observasi adalah �, maka
variabilitas suatu periode adalah �+1 = �0 + �1 � + ��+1, dan kondisi ekspektasi
IV HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan 4.1.1Sejarah Perusahaan
PT Chemigard seperti tertera dalam anggaran dasar, didirikan pada tanggal
24 september 2003, berdasarkan Akte Notaris Sri Intansih, SH no.61 di Jakarta
oleh Ir. Iman Santosa, Diah Retno Anggraini, DR. Ramadhan, dan Gunawan, SH.
Bidang kegiatan usaha PT Chemigard pada awal mula berdirinya bergerak dalam
jasa pengendalian hama. Perusahaan pertama kali bergerak di bidang jasa dan
menggunakan produk termitisida dari perusahaan industry pestisida lain. Dengan
semakin berkembangnya perusahaan dan dengan dasar pertimbangan yang cermat
untuk meningkatkan daya saing dengan perusahaan-perusahaan lain yang
bergerak di bidang pengendalian hama, pada tahun 2006 perusahaan membuat
produk termitisida dengan nama produk Cypergard yaitu pestisida untuk
mengendalikan hama rayap.
Sulitnya mendapatkan pestisida yang baik, efektif ekonomis dan aman untuk
lingkungan menjadi pertimbangan lain perusahaan dalam pembuatan produknya
untuk meningkatkan pelayanan terhadap konsumen. Serta dengan melihat kondisi
geografis Indonesia adalah kawasan yang terletak di garis khatulistiwa sehingga
sinar matahari dan curah hujan yang sangat tinggi merupakan faktor yang sangat
mempengaruhi efektifitas dari pestisida pembasmi hama rayap
Berawal dari kondisi tersebut tenaga ahli PT Chemigard bekerja sama
dengan beberapa lembaga penelitian antara lain Universitas Indonesia, Universitas
Brawijaya, Institut Tekhnologi Bandung, Institut Pertanian Bogor dan beberapa
laboratorium penelitian hama tanaman, hama lingkungan, dan penyakit menular
akibat hama, mencoba mengembangkan pestisida yang cocok dengan alam
Indonesia dan habitat dari hama pertanian maupun lingkungan yang akan
dikendalikan. Perusahaan juga dibantu oleh formulator dunia seperti RHODIA,
Yokar Chemical Ltd, Shanghai kimia Chemical ltd.
Pada tahun 2007 perusahaan memperbesar aset dan modal dasar Perseroan.
Melalui Akte Notasris Masruroh, SH No. 13 tanggal 29 Desember 2007
a. Modal perusahaan yang semula berjumlah 200 juta rupiah terbagi atas dua ribu
lembar saham, menjadi 2 milyar rupiah terbagi dalam dua puluh ribu lembar
saham. Dengan rincian pemilikan 60 persen atas nama Ir. Iman Santosa, 20
persen atas nama Diah Retno Anggraini, 10 persen atas nama DR. Ramadhan,
dan 10 persen atas nama Gunawan, SH.
b. Susunan Direksi dan Dewan Komisaris ditetapkan sebagai berikut:
Direktur : Ir. Iman Santosa
Komisaris Utama : Gunawan, SH
Komisaris : DR. Ramadhan
Komisaris : Diah Retno Anggraini
Disadari bahwa perluasan saluran distribusi menyumbangkan peranan yang
besar dalam meningkatkan efisiensi dan efektifitas perusahaan maka PT
Chemigard terus berupaya mengembangkan jaringan distribusi regionalnya.
Sampai saat ini PT Chemigard yang berkantor pusat di jalan Gandasaamita No.01,
Serua, Ciputat, Tangerang telah memiliki 2 kantor cabang utama yang berada di
medan dan Surabaya. PT Chemigard akan terus mengembangkan jaringan
distribusinya dengan menambah kantor cabang di setiap daerah terutama di
kota-kota besar di Indonesia.
4.1.2Visi, Misi, dan Motto Perusahaan
Visi PT Chemigard adalah sebagai formulator yang didukung oleh
tenaga-tenaga ahli, PT Chemigard hadirkan produk-produk dengan kualitas terbaik, harga
bersaing dan ramah terhadap lingkungan.
Misi PT Chemigard adalah 1) formulator pestisida hygiene dan termite
dengan menggunakan bahan baku yang ramah terhadap lingkungan, 2) fokus dan
turut mendukung program kelestarian lingkungan hidup atau bumi hijau, 3)
menjamin setiap produk dengan kualitas yang terbaik, 4) menjadi sahabat dari
perusahaan-perusahaan Pest Control Operator (PCO) dengan mendukung sepenuhnya kemajuan dari perusahaan-perusahaan tersebut, 5) memberikan
pelayanan yang terbaik untuk kepuasan konsumen. Motto PT Chemigard adalah
4.1.3Lokasi Perusahaan
Kantor pusat PT. Chemigard terletak di Jalan Gandasasmita No. 01, Serua,
Ciputat-Tangerang. Namun perusahaan memiliki gedung dan pabrik tersendiri dan
aktivitasnya pun tidak tercampur dengan kegiatan kantor guna menjaga kualitas
kesehatan para pegawai, dan jauh dari masyarakat sekitar mengingat pabrik
memproduksi bahan-bahan kimia yang dapat membahayakan manusia. Kantor
cabang pusat Medan terletak di Jalan Sei Serayu No. 41 Medan, dan kantor
cabang pusat Surabaya terletak di Pondok Trosobo Indah Blok I No. 3, Sidoarjo,
Jawa Timur.
4.1.4Struktur Organisasi Perusahaan
Perusahaan merupakan suatu sistem dimana untuk dapat melaksanakan
rangkaian aktifitasnya dengan baik membutuhkan struktur atau bagian organisasi,
yaitu sistem saling pengaruh antar orang dalam kelompok yang bekerjasama
untuk tercapainya tujuan perusahan. Setiap lapisan organisasi harus mengetahui
apa yang menjadi tugas, wewenang, serta tanggung jawabnya.
Untuk membantu para pimpinan dan juga para karyawan di setiap lapisan di
perlukan suatu struktur organisasi agar di dalam menjalankan kegiatan
perusahaan dapat berjalan dengan efisien, sistematik, terkoordinir, dan efektif.
Fungsi dan tugas manajemen puncak perusahaan secara garis besar dapat
diuraikan sebagai berikut:
1. Dewan Komisaris, merupakan pimpinan tertinggi dalam perusahaan dan
diangkat oleh rapat umum pemegang saham.
2. Dewan Direksi, bertugas menjalankan perusahaan dengan kegiatan-kegiatan
seperti menentukan kebijakan umum perusahaan, mengatur tata tertib serta
mengawasi pelaksanaan tugas dari para manajer masing-masing
departemen. Dalam menjalankan tugasnya Dewan Direksi bertanggung
jawab kepada Dewan Komisaris.
3. Manajer Pemasaran, bertanggung jawab terhadap manajemen pemasaran,
hasil pemasaran, dan penggunaan dana promosi. Manajer pemasaran juga
harus dapat membina bagian pemasaran dan membimbing seluruh karyawan
di bagian pemasaran. Sebagai hasil nya manajer pemasaran harus membuat
4. Manajer Penjualan, bertanggung jawab terhadap pelaksanaan marketing plan, hasil penjualan produk, sales manajemen, pembinaan dan bimbingan terhadap sales team. Membina hubungan baik dengan konsumen, dan membuat sales plan dan sales report.
5. Manajer Produk, bertanggung jawab terhadap seluruh produk yang menjadi
tanggung jawabnya, membuat analisa dan evaluasi produk yang menjadi
tanggung jawabnya.
6. Manajer Pabrik, bertanggung jawab atas seluruh proses produksi pabrik,
mulai dari tahap input, proses sampai output berupa produk jadi. Dalam
melaksanakan tugasnya , manajer pabrik dibantu oleh Manajer Produk, dan
Maintenance Section Chief, Laboratory and Quality Control Section Chief, Production Section Chief, Warehouse Section Chief serta Purchasing Section Chief.
7. Manajer Logistik, bertugas untuk memberikan dukungan logistik kepada
Departemen Pemasaran dan Departemen Penjualan antara lain dengan
mengawasi persedian dan distribusi produk di lapangan agar dapat sampai
ke tangan konsumen.
8. Manajer Keuangan dan Akuntansi, bertanggung jawab atas arus keluar dan
masuknya uang ke dalam kas perusahaan, dan membuat laporan akuntansi.
9. Manajer Penelitian dan Pengembangan, bertanggung jawab atas aktifitas
penelitian dan pengembangan produk, termasuk di dalamnya perizinan
pendaftaran produk baru kepada intansi terkait.
10. Manajer Urusan Umum dan Personalia, bertanggung jawab atas jalannya
roda administrasi perusahaan, termasuk di dalamya menjalankan fungsi
humas, pelayanan publik, personalia, pengadaan umum dan rumah tangga
direktur-komisaris serta pengelolaan asset-aset perusahaan.
4.1.5 Produk-produk Perusahaan
Setelah membuat produk pertama yaitu Cypergard, perusahaan telah
mengembangkan produk nya dan membuat produk-produk baru. Sampai saat ini
PT Chemigard telah mengeluarkan delapan produk yaitu:
1. Cypergard, adalah pestisida yang diformulasikan khusus untuk
Indonesia. Cypergard juga dapat diaplikasikan pada meubeul rumah tangga
ataupun tanaman yang terserang rayap.
2. Safe 1, merupakan termitisida ramah lingkungan yang di formulasikan
dalam bentuk Soluabel Liquid (SL) yang sangat efektif untuk mengendalikan rayap tanah, rayap kayu dan kumbang bubuk pada kayu
kering.
3. Flygard, merupakan umpan siap tabur untuk membunuh lalat yang bersifat
racun kontak dan racun perut.
4. Portal, merupakan insektisida berbahan aktif ganda yaitu kombinasi
piretroid knockdown (Cypermethrin) dan pirolle killing agent
(Chlorfenapyr). Sinergi bahan piretroid knockdown berfungsi melumpuhkan serangga secara cepat dan bahan pirolle killing agent sangat efektif terhadap kecoa jerman (Blatella germica) dan juga serangga seperti nyamuk vektor demam berdarah atau malaria serta serangga pengganggu lainnya.
5. Origin, merupakan pestisida dari golongan sintetik piritroit berwarna kuning
bening yang mengandung bahan aktif lamda sihalothrin. Origin mempunyai efek knock down yang mampu membunuh serangga seperti nyamuk, lalat
dan kecoa dengan cepat.
6. Kaizen, merupakan termitisida ramah lingkungan berbahan aktif golongan
terbaru yang diformulasikan dalam bentuk Emulcifiable Concentrate (EC) yang sangat efektif untuk mengendalikan rayap tanah, rayap kayu, dan
kumbang bubuk pada kayu kering.
7. Termigard, adalah suatu media yang berbentuk umpan rayap terbuat dari
selulosa kayu yang disenangi rayap dan telah diberi hormon. Termigard ada
dua jenis yaitu Container Bait untuk di dalam ruangan dan Stationer Bait
untuk di luar ruangan. Container Bait dipasang dengan hati-hati di dalam rumah atau gedung tempat dimana rayap terlihat menyerang. Stasioner Bait
di pasang di sekeliling luar bangunan atau gedung.
8. Izzicont, merupakan pestisida yang sangat ramah lingkungan berbahan aktif
4.2. Analisis Kointegrasi
Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang
akan analisis sangat diperlukan dengan tujuan menentukan metode peramalan
yang sesuai dengan pola data tersebut apakah menggunakan metode VAR atau
VECM. Apabila pola data yang digunakan stasioner pada level nol maka
digunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner
pada level nol maka menggunakan metode VECM. Dalam menganalisa
stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5
persen. Data penjualan yang dianalisis adalah data penjualan bulanan Cypergard
500 ml, Cypergard 100 ml, dan Safe 1 yang diperoleh dari tahun 2007 sampai
2010.
4.2.1 Uji Stasioneritas Data
Uji stasioneritas data pada seluruh variabel dengan Augmented
Dickey-Fuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical
Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika
nilai Test Critical Values lebih kecil dari nilai t-statistic berarti data stasioner.
Tabel 1. Hasil Uji Stasioneritas
Variabel Test Critical Values t-statistic Probability
5%
Cypergard 500 ml -3.508508* -5.938605 0.0001
Cypergard 100 ml -2.926622 -1.733666 0.4080
Safe 1 -3.520787* -4.373335 0.0062
Pada Tabel terlihat bahwa uji stasioneritas pada level, produk Cypergard
500 ml dan Safe 1 memiliki variabel yang stasioner pada derajat kepercayaan 1
persen, 5 persen, dan 10 persen. Sedangkan produk Cypergrad 100 ml memliki
variabel tidak stasioner, maka produk Cypergard 100 ml perlu dilakukan uji
stasioneritas lebih lanjut yaitu pada pembedaan pertama (first difference).
Tabel 2. Hasil Uji Stasioneritas 1st Difference
Variabel Test Critical Value t-statistic Probability
1% 5% 10%
Cypergrad
100 ml
Pada pembedaan pertama variabel Cypergrad 100 ml sudah stasioner.
Artinya data stasioner pada pembedaan pertama, karena seluruh variabel harus
berada pada derajat yang sama, pada penelitian ini yaitu pada derajat pembedaan
pertama. Dari uji stasioneritas yang sudah dilakukan kita sudah dapat menentukan
model yang akan dipilih, apabila semua variabel stasioner pada level maka
digunakan model VAR, dan apabila semua atau salah satu tidak stasioner pada
level dan dilakukan pembedaan maka model yang dipilih adalah VECM. Dalam
penelitian ini dapat disimpulkan model yang dipilih adalah VECM.
4.2.2 Uji Kausalitas Granger
Uji kusalitas multivariate dilakukan untuk melihat hubungan kausalitas
antara variabel-variabel yang ada dalam model. Hubungan kausalitas antar
variabel dapat diketahui dengan melakukan Pairwise Granger Causality Test. Hipotesis nol (�0) yang diuji adalah tidak ada hubungan kausalitas dan hipotesis
alternatifnya (�1) adalah adanya hubungan kausalitas. Nilai probability sebesar 5
persen digunakan untuk menentukan apakah �0 diterima atau ditolak. Apabila
nilai probabilitasnya kurang atau sama dengan 5 persen maka terima �1 tolak �0,
dan apabila nilai probabilitasnya lebih dari 5 persen maka terima �0 tolak �1.
Hasil uji kausalitas Granger dengan signifikansi 5 persen pada variabel penjualan
produk dapat dilihat pada tabel.
Tabel 3. Hasil Uji Kausalitas Granger
Null Hypothesis Probabilitas Hasil Pengujian Hubungan
Kausalitas Cypergard 100 ml does not
Granger Cause Safe 1
0,1083 terima �0 tolak �1 Tidak terjadi
hubungan kausalitas Safe 1 does not Granger Cause
Cypergard 100 ml Safe 1 does not Granger Cause
Berdasarkan tabel diketahui bahwa uji kausalitas menunjukan hasil bahwa
variabel-variabel penjualan produk hanya terdapat satu hubungan kausalitas, yaitu
antara produk Safe 1 dan produk Cypergard 500 ml. Hubungan kausalitas tersebut
hanya satu arah, dapat diartikan bahwa penjualan produk Safe 1 mempengaruhi
penjualan produk Cypergrad 500 ml.
4.2.3 Uji Lag Optimum
Pendekatan VAR VECM sangat sensitif terhadap jumlah lag yang
digunakan, maka perlu ditentukan panjang lag yang optimal. Penentuan panjang
lag digunakan untuk mengetahui lamanya periode keterpengaruhan suatu variabel
terhadap variabel masa lalunya maupun terhadap variabel endogen lainnya.
Penentuan lag dapat digunakan dengan beberpa pendekatan antara lain Likelihood Ratio (LR), Final Prediction Error (FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC). Hasil penentuan panjang lag secara lengkap dapat dilihat pada tabel.
Tabel 4. Hasil Uji Lag Optimum
Lag LogL LR FPE AIC SC HQ
0 -998.9849 NA 1.21e+16 45.54477 45.66642 45.58988
1 -967.9915 56.35153 4.46e+15 44.54507 45.03167* 44.72552
2 -951.5866 27.59019 3.20e+15 44.20848 45.06002 44.52427
3 -938.7707 19.80634* 2.74e+15* 44.03503* 45.25152 44.48617*
4 -931.7017 9.960798 3.08e+15 44.12281 45.70425 44.70928
Berdasarkan tabel , hanya SC yang menentukan panjang lag yang berbeda
sedangkan LR, FPE, AIC, dan HQ menentukan panjang lag yang sama yaitu pada
lag ke tiga. Karena empat kriteria memberikan hasil yang sama, maka dipilih
panjang lag tiga.
4.2.4 Uji Kointegrasi
Untuk menjawab tujuan pertama dari penelitian ini perlu dilakukan uji
kointegrasi variabel-variabel penjualan produk. Uji kointegrasi dilakukan karena
data yang digunakan berfluktuasi dengan asumsi tidak stasioner. Selanjutnya,
untuk mengetahui keterkaitan jangka panjang antar variabel-variabel penjualan
Variabel-variabel yang akan diuji harus merupakan Variabel-variabel yang stasioner pada derajat
yang sama.
Hasilnya jika nilai Trace statistic lebih kecil dibandingkan dengan nilai
Critical Value maka variabel-variabel tidak terkointegrasi, sebaliknya jika nilai
Trace Statistic nya lebih besar dibandingkan dengan nilai Critical Value maka
variabel-variabel terkointegrasi. Hasil uji kointegrasi dapat dilihat pada tabel.
Tabel 5. Hasil Uji Kointegrasi Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
Dari tabel dapat dilihat bahwa terdapat satu persamaan kointegrasi pada
derajat kepercayaan 5 persen. Adanya kointegrasi variabel terhadap variabel lain
hal ini berarti terdapat hubungan jangka panjang diantara variabel-variabel
tersebut.
4.2.5 Estimasi VECM
Pengaruh suatu variabel yang terkointegrasi terhadap variabel lainnya dalam
jangka panjang dapat dilihat dari analisis menggunakan metode Vector Error Correction Model (VECM). Interpretasi hasil dilakukan dengan melihat koefisien kointegrasinya dan pembacaan tanda adalah terbalik dari tanda koefiseinnya.
Namun demikian harus dilihat terlebih dahulu besar t-statistic dari koefisien yang
didapat. Koefisien kointegrasi dikatakan signifikan jika mutlak nilai t-statistic
lebih besar daripada nilai t-tabel yaitu 1,96. Dari uji kointegrasi menggunakan
analisis VECM akan dihasilkan matriks koefisien jangka panjang untuk penjualan
produk nya. Dilihat dari tabel menunjukan adanya hubungan jangka panjang
antara penjualan Safe 1 dengan penjualan Cypergard 100 ml dan penjualan
Cypergard 500 ml.
Tabel 6. Hasil Estimasi VECM
Safe 1 Cypergrad 100 ml Cypergard 500 ml
1.000000
1.457375 -3.912697
Dilihat dari tabel menunjukan adanya hubungan jangka panjang antara
penjualan Safe 1 dengan penjualan Cypergard 100 ml dan penjualan Cypergard
500 ml. Peningkatan penjualan Cypergrad 100 ml sebesar satu persen akan
menurunkan penjualan Safe 1 sebesar 1,46 persen, sementara kenaikan penjualan
Cypergrad 500 ml sebesar satu persen akan meningkatkan penjualan Safe 1
sebesar 3,9 persen.
4.2.6 Uji Stabilitas Model
Pengujian selanjutnya adalah menguji stabilitas model VECM yang
digunakan. Jika model memiliki stabilitas maka hasil estimasinya akan tidak
berubah dengan deviasi yang besar meskipun periode nya diperpanjang sehingga
hasil estimasinya dapat dipertanggungjawabkan (Gujarati, 2004). Dalam
penelitian ini berdasarkan hasil AR Root Table. Model dikatakan stabil apabila nilai modulus nya kurang dari satu. Pada Tabel 7 terlihat nilai akar karakteristik
atau modulus semuanya menunjukan nilai kurang dari satu, sehingga dapat
disimpulkan bahwa model vecm yang digunakan memiliki stabilitas.
Tabel 7. Hasil Uji Stabilitas Model
Root Modulus
0.929840 0.929840
0.666575 - 0.467639i 0.814253 0.666575 + 0.467639i 0.814253 -0.562927 - 0.365654i 0.671259 -0.562927 + 0.365654i 0.671259
-0.631681 0.631681
0.208990 - 0.560313i 0.598020 0.208990 + 0.560313i 0.598020
0.450644 0.450644
4.2.7 Impuls Response Function
Dampak dari shock variabel satu ke variabel lainnya dapat diketahui melalui
Impuls Response Function (IRF). IRF melacak efek dari salah satu shock ke shock
yang lainnya pada saat sekarang dan masa datang dari variabel endogen. Suatu
shock pada variabel endogen secara langsung akan mempengaruhi variabel itu
sendiri dan menjalar kepada variabel-variabel lain secara dinamis. IRF
