CAR, MPV DAN SUV DI HONDA MANDIRI BOGOR
Oleh
DIMAS PERMADI CAHYONO
H24097032
PROGRAM ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
RINGKASAN
DIMAS PERMADI CAHYONO. H24097032. Analisis peramalan penjualan menggunakan metode kointegrasi pada tipe mobil sedan, city car, MPV dan SUV di Honda Mandiri Bogor. Dibawah bimbingan MUHAMAD SYAMSUN.
Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah kerisis moneter. Menurut data yang dikeluarkan Badan Pusat Statistik pertumbuhan ekonomi Indonesia pada tahun 2011 meningkat 6,5 persen terhadap tahun 2010 terjadi pada seluruh sektor ekonomi yaitu 7.427 triliun rupiah. Saat ini mobil merupakan kendaraan pribadi yang cukup diminati oleh masyarakat, karena selain terlindung dari panas dan hujan saat ini mobil juga lebih ekonomis dalam penggunaan bahan bakar, hal tersebut menyebabkan penjualan mobil semakin meningkat. PT. Mandiri Prawira Raya Motor atau lebih dikenal dengan nama PT. Honda Mandiri Bogor merupakan salah satu perusahaan yang bergerak dibidang otomotif. Adapun produk yang dipasarkan oleh PT. Honda Mandiri Bogor antara lain sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vehicle). PT. Honda Mandiri Bogor memerlukan suatu instrument untuk melihat hubungan dan pengaruh punjualan suatu produk dengan produk lainnya. Hal ini diperlukan untuk membantu PT. Honda Mandiri Bogor dalam mengontrol penjualan produknya dalam beberapa periode ke depan. Pengaruh dan hubungan setiap produk dalam suatu perusahaan terkadang menyebabkan penurunan dan peningkatan penjualan terhadap produk lainnya.
Tujuan penelitian ini yaitu menganalisis hubungan kointegrasi antara produk sedan,
city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle), untuk mendapatkan prediksi atau ramalan pencapaian penjualan mobil di PT. Honda Mandiri Bogor pada tahun 2012, serta bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan perusahaan dan keunggulan PT. Honda Mandiri Bogor dengan perusahaan pesaing.
Data dan informasi yang digunakan pada penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dengan melakukan proses wawencara dengan supervisor dari Honda Mandiri Bogor. Sedangkan data sekunder yang digunakan adalah laporan penjualan mobil di Honda Mandiri Bogor selama kurun waktu 3 (tiga) tahun terakhir. Jenis data yang akan digunakan adalah data kuantitatif yaitu berupa laporan penjualan mobil, serta data kualitatif yaitu data yang berupa penjelasan dan keterangan – keterangan. Selain itu hasil penelitian ini dianalisis menggunakan
vector autoregression, uji stasioneritas data, uji kausalitas granger, uji lag optimum, uji kointegrasi, estimasi VECM, uji stabilitas model, impuls respons function dan
foercast error decompotion variance.
ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN
METODE KOINTEGRASI PADA TIPE MOBIL SEDAN, CITY
CAR, MPV DAN SUV DI HONDA MANDIRI BOGOR
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada program Sarjana Alih Jenis Manajemen
Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
oleh
DIMAS PERMADI CAHYONO
H24097032
PROGRAM ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Analisis Peramalan Penjualan Menggunakan Metode
Kointegrasi Pada Tipe Mobil Sedan, City Car, MPV dan
SUV di Honda Mandiri Bogor
Nama : Dimas Permadi Cahyono
NIM : H24097032
Menyetujui
Dosen Pembimbing,
Dr. Ir.Muhamad Syamsun, M.Sc. NIP. 195007271974121001
Menyetujui
Ketua Departemen,
Dr. Ir. Jono M. Munandar, M.Sc NIP. 196101231986011002
RIWAYAT HIDUP
Dimas Permadi Cahyono dilahirkan pada tanggal 1 Mei 1988 di Bandung.
Putra tunggal dari pasangan Drs. Pudji S. Pratjihno dan Sri Estiningsih.
Pendidikan dasar penulis diselesaikan selama enam tahun di Sekolah Dasar
Negeri Panaragan 2, Bogor. Kemudian melanjutkan di Sekolah Lanjutan Tingkat
Pertama Negeri 3, Bogor. Sekolah Lanjutan Tingkat Atas Negeri 1 Bogor dan lulus
pada tahun 2006.
Setelah lulus dari SLTA, penulis melanjutkan pendidikan akademik di Program
Diploma III Ekowisata, Fakultas Kehutanan, Institut Pertanian Bogor. Pendidikan di
tempuh selama 3 tahun dan lulus pada tahun 2009. Pada tahun 2009 penulis
melanjutkan pendidikan akademik pada program Sarjana Alih Jenis Manajemen,
Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian
KATA PENGANTAR
Penulis mengucapkan puji syukur kepada Allah SWT atas segala nikmat, berkah,
rizki dan ridho yang telah diberikan kepada penulis untuk menyelesaikan skripsi
yang berjudul “Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi
Pada Tipe Mobil Sedan, City Car, MPV Dan SUV Di Honda Mandiri Bogor”.
Skripsi ini menjelaskan tentang cara mengolah data dan meramalkan penjualan pada
tahun berikutnya atau tahun – tahun yang akan datang dengan melihat pengaruh –
pengaruh variabel lain terhadap penjualan produk. Penulis berharap skripsi ini dapat
bermanfaat dan memberikan wawasan baru tentang pengolahan data dan peramalan
penjualan.
Bogor, Desember 2012
UCAPAN TERIMA KASIH
Pertama-tama penulis mengucapkan terima kasih kepada Allah SWT yang telah
memberikan Rahmat dan Hidayah-Nya sehingga penulis dapat menyelesaikan
Skripsi ini dengan baik. Dalam penyusunan Skripsi ini banyak kesulitan dan
hambatan yang dihadapi, tetapi penulis banyak mendapatkan bantuan baik berupa
bimbingan, saran-saran, fasilitas maupun kesempatan dari berbagai pihak sehingga
penulis dapat menyelesaikan Skripsi ini dengan baik, secara khusus penulis
mengucapkan terima kasih serta penghargaan kepada :
1. Bapak Dr. Ir. Muhammad Syamsun, M. Sc selaku dosen pembimbing yang telah
memberikan masukan, dan mendukung penulis selama penyusunan skripsi.
2. Ibu Martha, selaku Direktur Honda Mandiri Bogor yang telah memberikan
bantuan dalam menyelesaikan skripsi ini.
3. Staf pendidikan dan staf kependidikan Program Sarjana Manajemen
Penyelenggaraan Khusus yang telah memberikan bimbingan selama penulis
menempuh studi.
4. Orang tua penulis, Bapak Pudji dan Ibu Sri Estiningsih terima kasih untuk semua
curahan kasih sayang dan bantuannya baik secara moril maupun materiil untuk
mengantarkan penulis pada tahap keberhasilan.
5. Seluruh dosen serta staf Departemen Manajemen yang telah memberikan ilmu
dan bimbingan selama penulis melanjutkan pendidikan akademik
6. Meriza, Iqbal, Hazmi, Indrazakti dan teman – teman di Departemen Ekstensi
Manajemen yang tidak bisa disebut kan satu persatu yang telah memberikan
bantuan serta dukungan dalam penyelesaian skripsi ini.
7. Semua pihak yang telah membantu penulis dalam menyelesaikan penulisan
DAFTAR ISI
Halaman RINGKASAN
RIWAYAT HIDUP ... iii
KATA PENGANTAR ... iv
UCAPAN TERIMA KASIH ...v
DAFTAR ISI... vi
DAFTAR TABEL ...x
DAFTAR GAMBAR ... xi
DAFTAR LAMPIRAN... xii
I. PENDAHULUAN ...1
1.1. Latar Belakang ...1
1.2. Perumusan Masalah ...2
1.3. Tujuan Penelitian ...2
1.4. Manfaat Penelitian ...3
1.5. Ruang lingkup ...3
II. TINJAUAN PUSTAKA ...4
2.1. Mobil ...4
2.2.1 Sedan ... 4
2.2.2 City Car ... 4
2.2.3 Multi Purpose Vehicle ... 4
2.2.4 Sport Utility Vehicle ... 4
2.2. Kointegrasi ...5
2.3. Vector Auto Regression Model ...6
2.4. Vector Error Correction Model ...7
2.5. Impulse Response Function ...8
2.6. Forecast Error Variance Decomposition...8
2.7. Pengertian Strategi ...9
2.8. Konsep Penjualan ...9
2.8.1 Faktor yang Mempengaruhi Penjualan ... 10
2.8.2 Tahapan Keputusan Pembelian ... 11
2.9. Teori Peramalan ... 13
2.10. Peramalan Penjualan... 14
2.11.Tahapan Peramalan ... 14
2.12.Pendekatan Dalam Peramalan ... 16
2.12.1 Metode Peramalan Kualitatif ... 16
2.12.2 Metode Peramalan Kuantitatif ... 17
III. METODE PENELITIAN ... 20
3.1 Kerangka Pemikiran... 20
3.2 Lokasi dan Waktu Penelitian ... 22
3.3 Jenis dan Sumber Data ... 22
3.4 Pengolahan dan Analisis Data ... 22
3.4.1 Vector Auto Regression (VAR) ... 23
3.4.2 Uji Stasioneritas Data ... 24
3.4.3 Uji Kausalitas Granger ... 25
3.4.4 Uji Lag optimum ... 25
3.4.5 Uji Kointegrasi ... 26
3.4.6 Estimasi VECM ... 27
3.4.7 Uji Stabilitas Model ... 28
3.4.8 Impulse Respons Function ... 28
3.4.9 Forecast Error Decomposition Variance ... 29
IV. HASIL DAN PEMBAHASAN ... 30
4.1 Gambaran Umum Perusahaan ... 30
4.1.1 Sejarah Perusahaan ... 30
4.1.2 Visi, Misi dan Moto Perusahaan ... 31
4.1.3 Produk Perusahaan ... 31
4.2 Hasil Analisis... 33
4.2.1 Analisis Kointegrasi ... 33
4.2.2 Uji Stasioner ... 33
4.2.3 Uji Kausalitas Granger ... 34
4.2.4 Uji Lag Optimum ... 35
4.2.5 Pemodelan VAR ... 36
4.2.6 Uji Stabilitas Model ... 38
4.2.7 Analisis Impuls Response Function ... 38
4.2.8 Forecast Error Variance Decomposition ... 53
4.2.9 Hasil Peramalan ... 56
4.2.10Implikasi Manajerial ... 59
KESIMPULAN DAN SARAN ... 60
1. Kesimpulan ... 60
2. Saran ... 60
DAFTAR PUSTAKA ... 62
DAFTAR TABEL
No. Halaman
1. Total penjualan mobil tahun 2006 – 2011 ...1
2. Hasil uji stasioner ... 34
3. Hasil uji kausalitas untuk City, Civic, Jazz, Freed dan CR-V ... 35
4. Hasil penentuan panjang lag ... 36
5. Hasil estimasi VAR ... 37
6. Modulus ... 38
7. Hasil peramalan CR-V ... 57
8. Hasil peramalan Freed ... 57
9. Hasil peramalan City ... 58
10. Hasil peramalan Civic ... 58
DAFTAR GAMBAR
No. Halaman
1. Kerangka pemikiran... 21
2. Impuls respon CR-V ... 39
3. Impuls respon Freed ... 42
4. Impuls respon City... 45
5. Impuls respon Civic ... 48
6. Impuls respon Jazz... 51
7. Variance Decomposition CR-V... 53
8. Variance Decomposition Freed ... 54
9. Variance Decomposition City ... 55
10. Variance Decomposition Civic ... 55
DAFTAR LAMPIRAN
No. Halaman
1. Penjualan PT Honda Mandiri Bogor 2009 - 2011 ... 64
2. Uji stasioneritas ... 65
3. Uji kausalitas granger ... 67
4. Uji lag optimum ... 68
5. Hasil estimasi VAR ... 68
6. Uji stabilitas model ... 70
7. Impulse response ... 71
8. Forecast Error Variance Decomposition of CRV,Freed,City, Civic, Jazz .. 76
1.1. Latar Belakang
Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah
kerisis moneter. Menurut data yang dikeluarkan Badan Pusat Statistik Indonesia,
pertumbuhan ekonomi pada tahun 2011 meningkat 6,5 persen dari tahun 2010 yang
terjadi pada seluruh sektor ekonomi yaitu peningkatan sebesar 7.427 triliun rupiah.
Peningkatan tersebut juga terlihat pada sektor otomotif di Indonesia.
(www.bps.go.id/brs_file/pdb_banner1.pdf)
Peningkatan pada sektor otomotif, menurut laporan Gabungan Industri
Kendaraan Bermotor Indonesia (Gaikindo) tingkat produksi dan penjualan mobil
2011 mengalami kenaikan dibanding tahun sebelumnya. Tingkat produksi tahun
2011 meningkat menjadi 894.164 unit, dibandingkan tahun sebelumnya yaitu
702.508 unit pada tahun 2010. (http://www.gaikindo.or.id, 2012)
Tabel 1. Total penjualan mobil tahun 2006 – 2011
Nomer Tahun Jumlah Produksi
1. 2006 296.008
2. 2007 411.638
3. 2008 600.628
4. 2009 464.816
5. 2010 702.508
6. 2011 894.164
(Sumber : Gaikindo, 5 Januari 2012)
PT. Honda Mandiri Motor memiliki 4 (empat) jenis produk yaitu sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vehicle). Produk sedan berupa Hoda City dan Honda Civic. Produk city car berupa Honda Jazz. Produk MPV (Multi Purpose Vehicle) berupa Honda Freed. Sedangkan produk SUV (Sport Utility Vahicle) berupa CR-V.
PT. Honda Mandiri Bogor memerlukan suatu instrument untuk melihat
pengaruh dan hubungan antar keempat produk tersebut, sehingga dengan mengetahui
hubungan dan pengaruhnya perusahaan dapat mengontrol penjualan keempat produk
akan membantu perusahaan dalam melakukan peramalan penjualan produknya.
Peramalan penjualan dengan melihat hubungan dan pengaruh antar produk
dibutuhkan oleh perusahaan untuk membantu perusahaan sebagai bahan
pertimbangan dalam membuat keputusan dan kebijakan perusahaan.
1.2. Perumusan Masalah
Berdasarkan data statistik yang diperoleh dari PT Honda Mandiri Bogor pada
tahun 2009 sampai dengan 2011, penjualan mobil honda mengalami peningkatan
sebesar 223 unit pada tahun 2010 dari 600 unit pada tahun 2009 menjadi 823 unit di
tahun 2010, sedangkan pada tahun 2011 mengalami penurunan sebesar 123 unit dari
823 unit di tahun 2010 menjadi 700 unit di tahun 2011.
Salah satu instrumen yang dapat digunakan untuk melihat hubungan dan
pengaruh hubungan keempat 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 keempat produk tersebut juga akan mempengaruhi
peramalan penjualan kedepannya. Analisis yang digunakan untuk menghitung
ramalan penjualan pada penelitian ini yaitu analisis dekomposisi varian atau dikenal
dengan Forecasting Error Variance Decomposition (FEVD), yaitu meramalkan penjualan produk dengan memperhatikan besarnya pengaruh produk tertentu
terhadap produk lainnya. Hasil ramalan tersebut dapat dijadikan target penjualan
perusahaan di masa yang akan datang.
1.3. Tujuan Penelitian
Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah:
1. Menganalisis uji kointegrasi antara jenis produk sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle) di PT. Honda Mandiri Bogor.
2. Mendapatkan prediksi atau ramalan pencapaian penjualan mobil di PT. Honda
3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi
dalam perencanaan strategi penjualan yang mungkin diterapkan perusahaan.
1.4. Manfaat Penelitian
1. 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
2. Bagi penulis, penelitian ini berguna untuk mengaplikasikan ilmu yang telah
dipelajari selama melakukan pendidikan di Ekstensi FEM dan juga sebagai
salah satu syarat kelulusan untuk mendapatkan gelar Sarjana Ekonomi.
3. Hasil penelitian ini diharapkan dapat berguna bagi pihak – pihak yang
berkaitan dan dapat dipergunakan sebagai bahan referensi serta tambahan
informasi.
1.5. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini yaitu analisis kointegrasi penjualan produk sedan,
city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle) dari tahun 2009 sampai dengan 2011 pada PT. Honda Mandiri Bogor di wilayah Bogor.
II. TINJAUAN PUSTAKA
2.1. Tipe – Tipe Mobil
Mobil dapat dikategorikan secara luas ke dalam berbagai jenis berdasarkan
bentuk, ukuran, spesifik mekanik, dan kinerja. Merek mobil yang dijual di Indonesia
sangat banyak dan beragam jenisnya. Oleh karena itu penting bagi seseorang untuk
menentukanmobil apa yang sebenarnya diperlukan. Berikut adalah jenis daftar jenis
– jenis mobil menurut Hilmy (2012).
2.1.1 Sedan
Sedan adalah sebuah jenis mobil penumpang dengan 3 macam konfigurasi
dengan Pilar A, B, dan C. Bagian untuk penumpang terdiri dari 2 baris tempat duduk
dengan kapasitas sampai dengan 7 orang. Untuk barang biasanya diletakkan di
belakang, kecuali untuk beberapa mobil yang mesinnya diletakkan di belakang
2.1.2 City Car
City Car (atau yang dikenal juga sebagai mobil perkotaan atau mobil mini)
adalah mobil dengan dimensi yang kecil, yang digunakan pada kawasan perkotaan.
Hampir semua industri otomotif memiliki satu atau dua model city car yang
dipasarkan diseluruh dunia.
2.1.3 Multi Purpose Vehicle (MPV)
MPV (Multi Purpose Vehicle) juga biasa disebut sebaga Minivan, merupakan mobil dengan daya angkut sebuah van tapi memiliki kenyamanan dan handling
mendekati sedan atau station wagon, serta didesain untuk memiliki interior
maksimum. Prioritas utama konsep MPV adalah daya angkut Penumpangnya.
2.1.4 Sport Utility Vehicle (SUV)
SUV (Sport Utility Vehicle) adalah gabungan sedan atau station wagon dengan jip. Prioritas pengembangannya adalah kemampuan menembus berbagai
dan berpenggerak dua roda. Belakangan SUV juga dikembangkan untuk memiliki
daya angkut penumpang maksimal, misalnya SUV 7 – seater.
2.2. Kointegrasi
Regresi dari dua variabel yang non-stasioner akan menyebabkan terjadinya
spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Regresi spurious atau disebut dengan hasil regresi palsu
yaitu suatu persamaan regresi yang didapatkan akibat variabel dependen dan variabel
independen yang digunakan untuk membentuk regresi tidak stasioner dan atau
pembentukan variabelnya tidak berkorelasi secara subtansi (Gujarati, 2003). 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 pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang
yang ada dengan menggunakan time series non-stasioner.
Data deret waktu dapat dibedakan menjadi data deret waktu yang bersifat
stasioner dan tidak stasioner. Data stasioner memiliki nilai rata-rata dan variansi
yang relatif konstan dari waktu ke waktu, sedangkan data yang tidak stasioner relatif
bervariansi dari waktu ke waktu (Aritonang, 2002). Data time series dapat juga dibedakan menjadi empat komponen, yaitu trend, musim, siklus, dan variasi acak atau random variation.
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
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 akan
menjadi stasioner dalam jangka panjang (Enders, 2004).
2.3. 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.
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 Causality.
Model VAR sangat berguna dalam menentukan tingkat eksogenitas suatu variabel
ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar
variabel dalam ekonomi.
2.4. 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 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
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.
2.5. Impulse Response Function (IRF)
Impuls response function merupakan suatu cara pengujian struktur dinamis dari sistem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi
(Enders, 2004). IRF menunjukkan respon dari setiap variabel endogen sepanjang
waktu terhadap kejutan (shock) dari variabel itu 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 sebuah variabel independen 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 faktorisasi
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
berdasarkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar.
Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel lainnya. 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.
2.6. Forecast Error VarianceDecomposition (FEVD)
ini 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 juga dapat dilihat kekuatan dan kelemahan dari masing – masing
variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long/ how persistent).
Forecast Error Decomposition of variance merinci varian dari error peramalan (forecast) menjadi komponen – komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Melalui perhitungan persentase squared prediction error k, tahap awal 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 dilakukan 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.
2.7. Pengertian Strategi
Definisi strategi menurut Bittel dalam Alma (2009) bahwa strategi ” is a fundamental plan of action taht is intended to accomplish the company’s objective”
artinya strategi ialah suatu rencana yang fundamental untuk mencapai tujuan
perusahaan.
Andrews dalam Alma (2007) menyatakan bahwa strategi perusahaan adalah pola keputusan dalam perusahaan yang menentukan dan mengungkapkan sasaran,
maksud atau tujuan yang menghasilkan kebijaksanaan utama dan merencanakan
untuk pencapaian tujuan serta merinci jangkauan bisnis yang akan dikejar oleh
perusahaan.
2.8. Konsep Penjualan
Menurut Kotler (2005) konsep penjualan merupakan orientasi bisnis lainnya.
dibiarkan tidak akan secara teratur membeli cukup banyak produk yang ditawarkan
oleh organisasi tertentu. Oleh karena itu, organisasi tersebut harus melakukan usaha
penjualan dan promosi yang agresif. Konsep itu mengasumsikan bahwa para
konsumen umumnya menunjukan keengganan atau penolakan untuk membeli
sehingga harus dibujuk supaya membeli. Konsep itu juga mengasumsikan bahwa
perusahaan memiliki banyak sekali alat penjualan dan promosi yang efektif yang
dapat merangsang lebih banyak pembeli.
Kebanyakan perusahaan mempraktekan konsep penjualan ketika mereka
mempunyai kapasitas yang berlebih. Tujuan mereka adalah menjual apa yang
mereka hasilkan dan bukannya menghasilkan apa yang diinginkan pasar. Dalam
perekonomian industry modern, kapasitas produktif telah dibangun dengan anggapan
bahwa kebanyakan pasar merupakan pasar pembeli (pembelinya dominan) sehingga
penjual harus berjuang untuk mendapatkan pelanggan. Para calon pembeli dihujani
dengan iklan TV, iklan surat kabar, surat langsung dan telepon penjualan. Pada tiap
kesempatan dimana saja, seseorang berusaha untuk mejual sesuatu. Akibatnya,
publik sering mengidentifikasikan pemasaran sebagai penjualan dan periklanan yang
keras (Kotler, 2005).
2.8.1 Faktor yang mempengaruhi Penjualan
Suatu kegiatan penjualan dapat dipengaruhi oleh beberapa hal yaitu (Swastha,
2000) :
1. Kondisi dan Kemampuan penjual
Penjual harus dapat meyakinkan kepada pembelinya agar dapat berhasil
mencapai sasaran penjualan yang diharapkan. Penjual harus memahami
jenis karakteristik produk yang ditawarkan, harga produk, dan syarat
penjualan seperti pembayaran, penghantaran, pelayanan purna jual dan
garansi.
2. Kondisi Pasar
Pasar sebagai kelompok pembeli atau pihak yang menjadi sasaran dalam
penjualan. Faktor-faktor kondisi pasar yang perlu diperhatikan adalah jenis
pasar, kelompok pembeli, segmen pasar, daya beli, frekuensi pembelian,
3. Modal
Penjual harus memperkenalkan dulu atau membawa produknya
kepadapembeli, diperlukan adanya sarana serta usaha seperti alat transport,
tempat peragaan baik dalam perusahaan maupun di luar perusahaan, usaha
promosi dan lain-lain, dimana semuanya itu disebut dengan modal.
4. Kondisi organisasi perusahaan
Pada perusahaan kecil, jumlah tenaga kerjanya lebih sedikit, sistem
organisasinya lebih sederhana, masalah-masalah yang dihadapi serta sarana
yang dimilikinya tidak sekompleks perusahaan besar. Masalah penjualan
ditangani sendiri oleh pimpinan dan tidak diberikan pada orang lain.
5. Faktor lain
Faktor-faktor lain umumnya seperti periklanan, peragaan, kampanye,
pemberian hadiah sering mempengaruhi penjualan.
2.8.2 Tahapan Keputusan Pembelian
Menurut Menurut philip kotler (2003) proses pengambilan keputusan
pembelian pada konsumen di bagi menjadi lima tahapan yaitu:
1. Pengenalan Masalah
Proses pembelian dimulai ketika pembeli mengenali masalah atau
kebutuhan. Kebutuhan tersebut dapat dicetuskan oleh rangsangan internal
atau eksternal. Pada tahap ini pemasar perlu melakukan identifikasi
keadaan yang dapat memicu timbulnya kebutuhan konsumen. Para
pemasar dapat melakukan penelitian pada konsumen untuk
mengidentifikasi rangsangan yang paling sering membangkitkan minat
mereka terhadap suatu produk.
2. Pencarian Informasi
Konsumen yang terangsang kebutuhannya akan terdorong untuk mencari
informasi yang lebih banyak. Dalam tahap ini, pencarian informasi yang
dilakukan oleh konsumen dapat dibagi ke dalam dua level, yaitu situasi
pencarian informasi yang lebih ringan dinamakan dengan penguatan
informasi. Pada level ini orang akan mencari serangkaian informasi
tentang sebuah produk. Pada level kedua, konsumen mungkin akan
akan mencari informasi melalui bahan bacaan, pengalaman orang lain, dan
mengunjungi toko untuk mempelajari produk tertentu.
3. Evaluasi alternatif
Dalam tahapan selanjutnya, setelah mengumpulkan informasi sebuah
merek, konsumen akan melakukan evaluasi alternatif terhadap beberapa
merek yang menghasilkan produk yang sama. Pada tahap ini ada tiga buah
konsep dasar yang dapat membantu pemasar dalam memahami proses
evaluasi konsumen. Pertama, konsumen akan berusaha memenuhi
kebutuhannya. Kedua, konsumen akan mencari manfaat tertentu dari
solusi produk. Ketiga, konsumen akan memandang masing-masing
produk sebagai sekumpulan atribut dengan kemampuan yang
berbeda-beda dalam memberikan manfaat yang digunakan dan untuk memuaskan
kebutuhan itu. Atribut yang diminati oleh pembeli dapat berbeda-beda
tergantung pada jenis produknya, contohnya, konsumen akan mengamati
perbedaan atribut sperti ketajaman gambar, kecepatan kamera, ukuran
kamera dan harga yang terdapat pada sebuah kamera.
4. Keputusan Pembelian
Dalam melakukan evaluasi alternatif, konsumen akan mengembangkan
sebuah keyakinan atas merek dan tentang posisi tiap merek berdasarkan
masing-masing atribut yang berujung pada pembentukan citra merek.
Selain itu, pada tahap evaluasi alternatif konsumen juga membentuk
sebuah preferensi atas merek-merek yang ada dalam kumpulan pribadi dan
konsumen juga akan membentuk niat untuk membeli merek yang paling di
sukai dan berujung pada keputusan pembelian.
Pada tahapan keputusan pembelian, konsumen dipengaruhi oleh dua faktor
utama yang terdapat diantara niat pembelian dan keputusan pembelian yaitu:
1. Sikap orang lain, yaitu sejauh mana sikap orang lain mengurangi alternatif
yang disukai seseorang akan bergantung pada dua hal. Pertama, intensitas
sikap negatif orang lain terhadap alternatif yang disukai calon konsumen.
Kedua, motivasi konsumen untuk menuruti keinginan orang lain (Fisbhein,
dalam Kotler 2003. Semakin gencar sikap negatif orang lain dan semakin
mengubah niat pembeliannya. Keadaan preferensi sebaliknya juga berlaku,
preferensi pembeli terhadap merek tertentu akan meningkat jika orang yang
ia sukai juga sangat menyukai merek yang sama.
2. Faktor yang kedua adalah faktor situasi yang tidak terantisipasi yang dapat
mengurangi niat pembelian konsumen. Contohnya, konsumen mungkin akan
kehilangan niat pembeliannya ketika kehilangan pekerjaannya atau adanya
kebutuhan yang lebih mendesak pada saat yang tidak terduga sebelumnya.
2.9. Teori Peramalan
Menurut Heizer dan Render (2006), peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data masa lalu dan mendapatkannya ke masa yang akan
datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi
yang bersifat subjektif atau bisa juga dengan menggunakan kombinasi model
matematis yang sesuai dengan pertimbangan yang baik dari seorang manajer.
Menurut Hanke (2003), tebakan ilmiah mengenai masa depan lebih bernilai
bagi perusahaan di bandingkan dengan tebakan non – ilmiah. Tebakan ilmiah yaitu
peramalan yang berdasarkan metode – metode manipulasi data secara logis yang
dihasilkan dari kejadian – kejadian masa lalu. 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 masa waktu yang akan datang. Hasil
pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat
perencanaan langkah yang akan diambil oleh perusahaan.
Tujuan peramalan adalah mengurangi rentang ketidakpastian dimana pendapat
pribadi (judgment) manajemen yang harus diambil. Tujuan ini mengarah kepada dua aturan utama yang harus diperhatikan pada proses peramalan:
1. Peramalan harus secara teknik benar dan menghasilkan peramalan cukup
akurat dalam memenuhi kebutuhan perusahaan.
2. Prosedur peramalan dan hasilnya harus secara efektif disajikan kepada
manajemen sehingga peramalan dapat dipakai dalam proses pengambilan
Pertimbangan yang terakhir seringkali disalah – artikan dan dapat membuat
frustasi forecaster (peramal) profesional. Namun jika ramalan akan digunakan untuk keuntungan perusahaan, maka mereka yang mempunyai wewenang harus
memanfaatkannya.
Makridarkis (dalam Wisastri, 2006), menyatakan bahwa terdapat beberapa
faktor penting yang harus dipertimbangkan dalam peramalan, mencakup:
1. Jarak ke masa depan yang harus diramal.
2. Tenggang waktu yang tersedia untuk mengambil keputusan.
3. Tingkat akurasi yang diperlukan.
4. Kualitas data yang tersedia untuk analisis.
5. Sifat hubungan yang tercangkup dalam masalah peramalan.
6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan.
2.10.Peramalan Penjualan
Menurut Assauri (2009), peramalan penjualan merupakan kegiatan penyusunan
ramalan tentang sifat atau ciri penjualan dari suatu produk yang dihasilkan oleh suatu
perusahaan (termasuk jumlah, kualitas serta harga dari produk tersebut) pad suatu
waktu tertentu di masa yang akan datang. Peramalan penjualan berarti suatu proses
memperkirakan secara sistematik tentang penjualan yang paling mungkin terjadi
pada masa yang akan datang berdasarkan data penjualan masa lalu dan sekarang
yang dimiliki. Hasil penjualan sebelumnya digunakan sebagai titik awal dalam
penyusunan ramalan penjualan.
Peramalan menjadi salah satu hal hyang penting dalam pengambilan keputusan
manajemen. Hal ini dikarenakan keefektifan sebuah keputusan tergantung dalam
deret kejadian – kejadian yang diakibatkan keputusan tersebut. Salah satu peramalan
yang penting dan sering dilakukan perusahaan adalah peramalan penjualan (Pierce
dan Robinson, 1997).
2.11.Tahapan Peramalan
Menurut Hanke (2003), semua prosedur formal peramalan melibatkan
penarikan pengalaman masa lalu kedalam ketidak pastian masa depan. Jadi, semua
berbeda dengan kondisi masa depan, kecuali pada variabel – variabel yang secara
eksplisit dikenali oleh model peramalan.
Pengenalan terhadap operasi teknik peramalan pada data menghasilkan
kejadian historis mengarah ke identifikasi 5 (lima) tahapan proses peramalan sebagai
berikut:
1. Pengumpulan data
2. Pemadatan atau pengurangan data
3. Penyusunan model dan evaluasi
4. Ekstrapolasi model (peramalan aktual)
5. Evaluasi peramalan
Tahap 1, pengumpulan data, menyarankan pentingnya perolehan data yang
sesuai dan meyakinkan peramalannya. Tahap ini sering kali merupakan bagian
paling menantang dari keseluruhan proses peramalan dan paling sulit untuk
dimonitor karena serangkaian tahapan dapat dilakukan pada data dalam menentukan
kesesuaiannya dengan masalah. Koreksi dan masalah pengendalian mutu biasanya
dipenuhi kalau diperlakukan untuk mendapatkan data terkait didalam suatu
organisasi.
Tahap 2, pemadatan dan pengurangan data, seringkali diperlukan karena
mungkin saja terjadi kelebihan data dalam proses peramalan atau sebaliknya terlalu
sedikit. Beberapa data mungkin tidak relevan dengan masalah dan dapat mengurangi
keakuratan peramalan.
Tahap 3, penyusunan dan evaluasi model, meliputi pencocokan data terkumpul
kedalam model yang sesuai dalam hal meminimalisasi kesalahan peramalan. Model
yang lebih sederhana, lebih baik keadaannya dalam hal diterimanya proses
peramalan oleh manajer yang harus membuat keputusan perusahaan. Seringkali
harus diseimbangkan antara pendekatan peramalan canggih yang hasilnya sedikit
lebih akurat dengan pendekatan sederhana yang lebih mudah dipahami serta
mendapatkan dukungan dan tentunya secara aktif digunakan oleh pengambil
keputusan perusahaan. Jelasnya, pendapat pribadi dilibatkan dalam, proses
pemilihan.
Tahap 4, ekstrapolasi model (peramalan aktual), terdiri dari model peramalan
dikurangi dan model peramalan yang sesuai juga sudah dipilih. Seringkali
peramalan untuk periode yang baru lewat dibandingkan dengan nilai historis aktual
telah diketahui digunakan untuk memeriksa keakuratan proses peramalan.
Tahap 5, evaluasi peramalan, melibatkan membandingkan nilai peramalan
dengan nilai historis aktual. Dalam proses ini beberapa nilai data terkini kemudian
diambil dari himpunan data yang sedang dianalisa. Setelah model peramalan selesai,
peramalan dilakukan untuk beberapa periode tersebut dan dibandingkan dengan nilai
– nilai historis yang diketahui. Beberapa prosedur peramalan menjumlahkan nilai
absolute dari kesalahan dan hasil penjumlahannya dilaporkan, atau dibagi dengan
jumlah perlakuan peramalan sehingga menghasilkan rata – rata kesalahan peramalan.
2.12.Pendekatan dalam Peramalan
Menurut Heizer dan Render (2006), terdapat pendekatan umum peramalan,
yaitu analisis kuantitatif dan analisis kualitatif. Peramalan kuantitatif (quantitative forecast) menggunakan model otomatis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau
kualitatif (qualitative forecast) menggabungkan faktor seperti intuis, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal.
2.12.1 Metode Peramalan Kualitatif
Terdapat 4 (empat) teknik peramalan yang berbeda:
1. Keputusan dari pendapat juri eksekutif (jury of executive opinion). Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tinggi, sering
dikombinasikan dengan model statistik, dikumpulkan untuk mendapatkan
prediksi permintaan kelompok.
2. Metode Delphi (Delphi method). Ada 3 (tiga) jenis peserta dalam metode Delphi pengambil keputusan, karyawan, dan responden. Pengambilan
keputusan biasanya terdiri dari 5 (lima) sampai 10 (sepuluh) orang pakar yang
akan melakukan peramalan. Karyawan membantu pengambilan keputusan
dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah
kuesioner dan hasil survey. Responden adalah sekelompok orang yang
Kelompok ini memberikan input pada pengambilan keputusan sebelum
peramalan dibuat.
3. Gabungan dari tenaga penjual (sales force composite). Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa dilakukan
dalam wilayahnya. Peramalan ini kemudian dikaji untuk memastikan apakah
peramalan cukup realistis. Kemudian peramalan dikombinasikan pada tingkat
wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan.
4. Survey pasar konsumen (costumer market survey). Metode ini meminta input dari konsumen mengenai rencana pembelian mereka dimasa depan. Hal ini
membantu tidak hanya dalam menyiapkan peramalan tetapi juga memperbaiki
desain produk dan perencanaan produk baru.
2.12.2 Metode Peramalan Kuantitatif
Peramalan kuantitatif menggunakan model matematik yang beragam dengan
data masa lalu dan peubah sebab – akibat untuk meramalkan permintaan. Metode
peramalan kuantitatif memerlukan data historis atau data empiris, mutu data dan
pemilihan metode yang cocok akan menentukan kualitas hasil peramalan. Peramalan
kuantitatif dapat diterapkan bila terdapat 3 (tiga) kondisi (Makridarkis dalam
Wisastri, 2006) berikut:
1. Terdapat informasi masa lalu.
2. Informasi tersebut bisa dikuantitatifkan dalam bentuk data numerik.
3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa
mendatang.
Dua asumsi pertama merupakan syarat keharusan bagi penerapan metode
peramalan kuantitatif. Sedangkan asumsi ketiga merupakan syarat kecukupan,
artinya walaupun asumsi ketiga dilanggar, model yang dirumuskan masih dapat
dipergunakan. Karena hal ini akan memberikan kesalahan peramalan yang relatif
besar, bila perubahan data ataupun bentuk hubungan fungsional tersebut terjadi
secara sistematis.
Berdasarkan data masa lalu, metode peramalan kuantitatif dibagi menjadi 2
waktu peramal hanya berusaha mencari pola – pola dari data suatu data, tanpa
berusaha mencari apa penyebab dan mengapa polanya demikian. Bisa jadi pola data
masa lalu tidak sama lagi dengan masa depan, karena faktor – faktor yang
mempengaruhinya sudah berubah. Metode peramalan kedua adalah metode
peramalan associative atau metode peramalan kausal (metode peramalan eksplanatori), yaitu metode peramalan yang menggabungkan peubah atau faktor
yang mungkin mempengaruhi permintaan atas suatu produk (peubah bebas) terhadap
permintaan suatu produk (peubah tidak bebas). Peramalan kuantitatif juga memiliki
keterbatasan, jika terjadi perubahan pola data atau hubungan sebab akibat, maka hasil
ramalan menjadi kurang akurat (Heizer dan Render, 2006).
2.13.Penelitian Terdahulu
Asri (2008) melakukan penelitian mengenai Analisis Peramalan Penjualan
matrix blackberry PT Indosat, TBK dalam rangka perencanaan strategi pemasaran. Pada penelitian ini data yang digunakan merupakan data penjualan per bulan, dari
bulan Desember 2005 sampai bulan Desember 2007 secara nationwide dan data
penjualan perbualn Matrix Blackberry per wilayah penjualan (Jabotabek dan Banten,
Sumatera bagian utara, Sumatera bagian selatan, Jawa Barat, JawaTengah dan DIY,
Jawa Timur, dan Bali Nusa Tenggara, Kalimantan, Sulawesi, Maluku dan Papua)
dari bulan Januari sampai Bulan Desember 2007 diolah dengan metode peramalan
time series dan regresi. Berdasarkan hasil pengolahan data tersebut diperolah hasil bahwa pola data penjualan matrix blackberry merupakan trend yang terus meningkat, pola trend pada data penjualan blackberry menunjukkan peningkatan yang berkelanjutan. Sedangkan dari data penjualan dan hasil peramalan diketahui bahwa
penjualan matrix blackberry paling tinggi adalah wilayah Jabotabek dan Banten,
penjualan paling rendah berada di wilayah Kalimantan, hal ini memang
dilatarbekakangi oleh letak geografis dan ekonomis setiap wilayah serta karakteristik
masyarakatnya.
Fikriansyah (2011) melakukan penelitian mengenai Analisis Peramalan
Penjualan di Auto 2000 Bogor dalam rangka meramalkan atau mengetahui tingkat
penjualan Auto 2000 pada akhir tahun 2011 serta merencanakan strategi
regional wilayah penjualan (Auto 2000 Siliwangi) yang diolah dengan menggunakan
metode time series dan regresi. Berdasarkan hasil pengolahan data tersebut diperoleh hasil bahwa pola data penjualan mobil di Auto 2000 Siliwangi ada yang
meningkat dan juga ada yang turun. Sedangkan dari data penjualan dan hasil
peramalan diketahui bahwa penjualan mobil di Auto 2000 Siliwangi adalah pada tipe
mobil city car dan MPV meningkat, sedangkan pada tipe sedan menurun. Hal ini
dilatar belakangi oleh penjualan city car dan MPV dipengaruhi oleh variabel city car
dan MPV (saling berkaitan), sedangkan sedan dipengaruhi oleh variabel sedan itu
sendiri.
Maulya, Kiki (2011) melakukan penelitian mengenai analisis peramalan
penjualan menggunakan metode kointegrasi tiga komoditi pada PT S-IK Indonesia.
Berdasarkan analisis yang dilakukan untuk 6 bulan kedepan produk terjadi fluktuasi
pada nilai prediksi persamaan regresi, sehingga mempengaruhi nilai peramalan
penjualannya. Pada penjualan produk ABS nilai prediksi penjualan dari persamaan
regresi terjadi penurunan disetiap bulannya, sedangkan pada penjualan produk PP
nilai prediksi 6 bulan ke depan terlihat peningkatan di setiap bulannya. Pada
penjualan produk PS terjadi fluktuasi disetiap bulannya. Penurunan penjualan PS
terjadi pada bulan ke 65 dan bulan ke 66.
Indrazakti (2011) melakukan penelitian mengenai analisis peramalan penjualan
menggunakan metode kointegrasi pada produk safe 1 dan cypergard (500 ml dan 100
ml) di PT Chemigard. Dari hasil peramalan penjualan yang dilakukan untuk 6 bulan
kedepan, semua produk terjadi fluktuasi pada nilai prediksi persamaan regresi,
sehingga mempengaruhi nilai peramalan penjualan menjadi turun naik. Berdasarkan
hasil Variance Decomposition untuk 50 bulan kedepan pengaruh dominan dalam
penjualan produk Safe 1 adalah produk safe 1 itu sendiri dan pengaruh produk lain
yang paling besar adalah Cypergard 100 ml. Pengaruh dominan dalam penjualan
Cypergard 100 ml adalah Cypergard 100 ml itu sendiri dan pengaruh produk lain
yang paling besar adalah Cypergard 500 ml. Sedangkan pengaruh dominan dalam
III. METODE PENELITIAN
3.1. Kerangka Pemikiran
Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap
tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
peramalan penjualan terbaik untuk setiap mobil yang dipasarkan oleh PT Honda
Mandiri Bogor dalam rangka merencanakan strategi pemasaran. Penelitian ini
dimulai dengan mengumpulkan data – data yang dibutuhkan, dimana data tersebut
haruslah relevan. Adapun data yang dibutuhkan adalah data historis penjualan mobil
di PT Honda Mandiri Bogor dalam kurun waktu 3 (tiga) tahun terakhir yaitu tahun
2009 sampai dengan 2011.
Data ini akan diolah dan dianalisis selanjutnya akan dibuatkan plot pola data
penjualan dan data tersebut akan diolah dengan menggunakan metode analisis time series dan metode analisis regresi. Setelah data penjualan dianalisis maka akan dilakukan uji kointegrasi pada data tersebut, sehingga akan diketahui apakah data
tersebut stationer atau tidak. Setelah dilakukan uji kointegrasi maka akan mudah untuk menentukan metode peramalan yang akan digunakan, karena data penjualan
ini bersifat stationer maka model yang dapat digunakan untuk analisis peramalan adalah Vector Autoregression atau VAR. Setelah dilakukan analisis VAR maka akan diperoleh hasil VAR, hasil tersebut akan menunjukan peramalan penjualan untuk
Gambar 1. Kerangka pemikiran
IMPLIKASI MANAJERIAL
HASIL ANALISIS PT. HONDA MANDIRI
BOGOR
Melihat hubungan antar produk untuk meramalkan penjualan
yang digunakan guna menyusun perencanaan yang lebih akurat
Data Penjualan PT. Honda Mandiri
Bogor Tahun 2009 – 2011
TIDAK STASIONER
1. Uji Kausalitas Granger 2. Uji lag optimum 3. Model VECM 4. Uji Stabilitas Model 5. Impulse Respon 6. FEVD
STASIONER
1. Uji Kausalitas Granger 2. Uji lag optimum 3. Hasil Estimasi VAR 4. Uji Stabilitas Model 5. Impulse Response 6. FEVD
3.2. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di sebuah pusat penjualan mobil yang hanya menjual
mobil dengan merek Honda yaitu PT. Honda Mandiri Bogor. Honda Mandiri Bogor
(PT. Mandiri Prawira Raya Motor) yang berlokasi di Jl Raya Pajajaran No 27 Bogor.
Penelitian ini dilakukan selama 3 (tiga) bulan yaitu dimulai dari bulan Januari sampai
dengan bulan Maret 2012.
3.3. Jenis dan Sumber Data
Data dan informasi yang digunakan pada penelitian ini adalah data primer dan
data sekunder. Data primer diperoleh dengan melakukan proses wawancara dengan
senior supervisor dari Honda Mandiri Bogor. Sedangkan data sekunder yang digunakan adalah laporan penjualan mobil di Honda Mandiri Bogor selama kurun
waktu 3 (tiga) tahun terakhir, mulai dari tahun 2009 sampai dengan 2011.
Jenis data yang akan digunakan dalam skripsi ini adalah data kuantitatif yaitu
berupa laporan penjualan mobil, serta data kualitatif yaitu data yang berupa
penjelasan serta keterangan dari Honda Mandiri Bogor.
3.4. Pengolahan dan Analisis Data
Data yang dikumpulkan kemudian diolah dan analisis, sehingga mampu
memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian ini.
Pengolahan dan penganalisaan data diharapkan dapat menguraikan langkah –
langkah strategis yang dapat dilakukan perusahaan untuk memasarkan dan menjual
produk. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan
diuraikan secara kualitatif dan kuantitatif. Analisis kualitatif digunakan untuk
mengetahui keunggulan kompetitif yang dimiliki. Pengolahan kualitatif juga akan
menggambarkan keadaan umum perusahaan. Analisis kuantitatif digunakan untuk
meramalkan penjualan mobil di Honda Mandiri Bogor selama 6 (enam) bulan
kedepan yaitu semester pertama tahun 2012 dengan menggunakan analisis runtun
3.4.1 Vector Autoregression (VAR)
Model ekonometri yang sering digunakan dalam analisis makro ekonomi
dinamik dan stokastik adalah Vector Autoregression (VAR). VAR merupakan suatu sistem persamaan yang memperlihatkan setiap variabel sebagai fungsi dari konstanta
dan nilai lag (lampau) dari variabel itu sendiri serta nilai lag dari variabel yang lain yag ada dalam sistem. Variabel penjelas dalam VAR meliputi nilai lag seluruh variabel tak bebas dalam sistem VAR yang membutuhkan identifikasi retriksi untuk
mencapai persamaan melalui interpretasi persamaan.
VAR dengan ordo p dan n buah variabel tak bebas pada periode t dapat
dimodelkan sebagai berikut:
Dimana :
Vektor variabel tak bebas
Vektor intersep berukuran
Matriks parameter berukuran
Vektor residual
Asumsi yang harus dipenuhi dalam analisis VAR adalah semua variabel tidak
bersifat stasioner, semua sisaan bersifat white noise, yaitu memiliki rataan nol, ragam konstan dan diantara variabel tidak bebas tidak ada kolerasi. Uji stasioneritas data
dapat dilakukan melalui pengujian terhadap ada tidaknya unit root dalam variabel dengan uji Augmented Dickey Fuller (ADF). Adanya unit root akan menghasilkan persamaan regresi yang spurious.
Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode
Johansen atau Engel – Granger. Jika variabel – variabel tidak terkointegrasi, maka
dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS, setelah
memastikan variabel tesebut sudah stasioner pada derajat (ordo) yang sama. Jika
pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan EMC
3.4.2 Uji Stasioneritas Data
Salah satu konsep penting yang harus diingat dalam analisa menggunakan
data time series adalah kondisi data yang stasioner atau tidak stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner maka akan memberikan
hasil regresi yang palsu atau disebut sebagai spurious regression (Gujarati, 2003).
Spurious regression Memiliki pengertian bahwa hasil regresi dari satu variabel time series pada satu atau beberapa variabel time series lainya cenderung untuk menghasilkan kesimpulan hasil estimasi yang bisa ditunjukan dengan karakteristik
seperti memperoleh hasil yang sangat tinggi (lebih besar dari 0,9) tetapi pada
kenyataannya hubungan antar variabel tersebut tidak memiliki arti atau meaningless. Gujarati juga mengatakan bahwa jika (Dubin Watson statistik), maka
kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil estimasi tersebut kemungkinan besar merupakan nonsense/suporiousregression.
Jika sebuah data time series merupakan data yang stasioner maka studi akan prilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu
(Gujarati, 2003). Atau dengan kata lain bahwa setiap bagian dari data time series
tersebut merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari
kondisi tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi
pada periode waktu yang berbeda – beda. Gujarati menyebutkan kondisi stochastic process dikatakan stasioner jika rata – rata dan variansnya konstan dalam beberapa periode waktu, dan dinilai dari kovarians antar dua waktu yang berbeda tergantung
dari lag antara dua periode waktu yang tidak tergantung pada waktu aktual pada saat kovarians dihitung. Bisa juga dikatakan sebagai data time series yang stasioner jika rata – rata varians dan otokovariansnya dalam berbagai jumlah lag menunjukan kesamaan saat diukur pada berbagai titik pengukuran.
Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas. Dua
metode yang paling umum digunakan adalah dengan menggunakan metode
pengujian augmented Dickey – Fuller dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip – Peron menggunakan metode statistik non –
parametrik sehingga untuk mengatasi permasalahan serial korelasi tanpa
Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut:
………….…………. (2) Dimana :
= Bentuk dari first different
= Intersept
Y = Variabel yang diuji stasioneritasnya
P = Panjang lag yang digunakan dalam model
= Error term
3.4.3 Uji Kausalitas Granger (Granger Causality)
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.
3.4.4 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
Salah satu metode yang paling umum digunakan untuk menentukan panjang
lag adalah dengan melihat AIC nya. Rumus AIC adalah (Gujarati, 2004):
AIC = T Log | | + 2n...(3)
Dimana:
T = jumlah observasi yang digunakan
| | = determinan dari matriks raga/koragam dari sisaan
n = jumlah parameter yang diestimasi dalam semua persamaan
3.4.5 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)
b. Nilai ditetapkan
c. Nilai 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
Untuk menguji batasan kointegrasi, johansen mendefinisikan dua buah matriks
α dan β dimensi (nxr) dimana r merupakan peringkat dari , sehingga:
= α β...(4) 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)
β = matriks parameter kointegrasi
Hipotesis dari metode Johansen adalah sebagai berikut (Enders, 2004):
: r = 0 : 0 < r < g
: r = 0 : 0 < r < g
: r = 0 : 0 < r < g
... ...
: r = g-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.
3.4.6 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
∆ = + π + * ∆ + ...(5) dengan = [ ]’, ...(6)
∆ = - ...(7)
π = αβ’
β = vektor kointegrasi berukuran r x 1
α = vektor adjustment berukuran r x 1
* = - , adalah matriks koefisien berukuran 2 x 2
3.4.7 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 mempunyai
stabilitas. Jika model VAR yang digunakan tidak stabil, maka hasil 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.
3.4.8 ImpulseResponsFunction
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
teruskan pada variabel endogen lainnya melalui struktur yang dinamis (Enders,
2004).
3.4.9 Forecast Error Decomposition Variance (FEDV)
Forecast Error Variance of 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 dan diketahui dan
variabilitas ingin diramalkan, sedangkan kondisi yang di observasi adalah ,
maka variabilitas suatu periode adalah = + + , dan kondisi
IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan 4.1.1 Sejarah Perusahaan
Honda Motor Company, Ltd atau Honda Technology Research Institute
Company, Limited adalah produsen mobil, truk, sepeda motor dan skuter asal Jepang. Perusahaan ini juga membuat kendaraan segala medan, generator listrik,
mesin kelautan dan peralatan taman.
Honda didirikan pada tanggal 24 September 1948 oleh Soichiro Honda. Honda
merupakan produsen sepeda motor terbesar di dunia sejak 1959, dan juga produsen
mesin pembakaran terbesar dengan produksi lebih dari 14 juta unit tiap tahun.
Perusahaan Mobil Honda berhasil menggusur Nissan sebagai produsen mobil kedua
terbesar di Jepang tahun 2001. Honda juga menggusur Chrysler, untuk menjadi
pabrikan mobil terbesar keempat di pasar AS. Sekarang ini, Honda juga pabrikan
mobil terbesar keenam di dunia. Pada 2004, perusahaan ini mulai memproduksi
motor diesel, yang sangat tenang dan tidak membutuhkan penyaring untuk dapat
melewati standar polusi.
Honda merupakan pabrikan Jepang pertama yang meluncurkan merek mobil
mewahnya, menggunakan merk Acura untuk mobil mewahnya di Amerika Utara.
Mobil Honda terkenal dengan daya tahan dan jarang rusak. Penjualan Honda di
Indonesia paling terkenal dengan sepeda motornya. Honda Motor Company, Ltd
masuk Indonesia pada tanggal 11 Juni 1971, dimana saham terbesar dimiliki oleh PT.
Astra Internasional. (www.mobil-indonesia.com/sejarah-honda.html)
Salah satu pusat penjualan resmi mobil Honda adalah PT. Honda Mandiri
Prawira Raya Motor atau yang lebih dikenal dengan nama PT. Honda Mandiri Bogor
didirika pada tanggal 10 Juni 1987. Berlokasi di Jalan Pajajaran no. 27 Bogor, diatas
tanah seluas 3.300 m2. Sebagai satu – satunya tempat penjualan resmi Honda yang berada di Kota Bogor, PT. Honda Mandiri Bogor melayani penjualan mobil,
perawatan kendaraan dan penyediaan suku cadang orisinil Honda. Pada Juni