ANALISIS PERAMALAN PENJUALAN
MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)
PADA PT. KHARISMA PEMASARAN BERSAMA (KPB)
NUSANTARA
DI JAKARTA
Akhmat Tohir
PROGRAM STUDI AGRIBISNIS
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
ANALISIS PERAMALAN PENJUALAN
MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)
PADA PT. KHARISMA PEMASARAN BERSAMA (KPB)
NUSANTARA
DI JAKARTA
Oleh : Akhmat Tohir 106092003005
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian pada Program Studi Agribisnis
PROGRAM STUDI AGRIBISNIS
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
ANALISIS PERAMALAN PENJUALAN
CRUDE PALM OIL
(CPO) PADA
PT. KHARISMA PEMASARAN BERSAMA NUSANTARA
Oleh:
Akhmat Tohir
106092003005
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Pertanian
Pada Program Agribisnis
PROGRAM STUDI AGRIBISNIS
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
PENGESAHAN UJIAN
Skripsi yang berjudul “ Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta” yang ditulis oleh Akhmat Tohir dengan NIM 106092003005 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 25 April 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Strata Satu (S1) Program Studi Agribisnis.
Menyetujui,
Penguji I Penguji II
Drs. Acep Muhib, MM Rizki Adi Puspita Sari, SP, MM NIP. 196906052001121001 NIP. 197803292008032015
Pembimbing I Pembimbing II
Dr. Ir. Elpawati, MP Eny Dwiningsih, S.TP, M.Si NIP. 196412041992032001
Mengetahui,
Dekan Ketua Program Studi Fakultas Sains dan Teknologi Agribisnis
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, Mei 2011
RINGKASAN
AKHMAT TOHIR, Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta. Dibawah bimbingan ELPAWATI dan ENY DWININGSIH.
Memprediksi penjualan yang terlalu besar dan kurang akurat dapat mengakibatkan biaya produksi meningkat sehingga seluruh investasi yang ditanamkan menjadi kurang efisien, oleh karena itu dibutuhkan suatu ilmu dan kegiatan yang mampu memprediksikan penjualan yang akan datang dengan melihat data dimasa lampau. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan unit usaha PTPN yang memasarkan produk perkebunan yang dihasilkan oleh PTPN di seluruh Indonesia terutama minyak sawit kasar atau Crude Palm Oil (CPO). Produk pertanian seperti CPO merupakan produk yang sangat fluktuatif dan perkembangannya sangat rentan terhadap perubahan dari berbagai faktor seperti musim, permintaan dan penawaran konsumen dunia, oleh karena itu kegiatan memprediksikan penjualan CPO dimasa datang sangat dibutuhkan perusahaan pemasar termasuk PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Metode peramalan yang digunakan dalam penelitian ini adalah metode peramalan kuantitatif dengan metode time series atau runtun waktu. Penentuan metode peramalan yang baik disesuaikan dengan data yang terbentuk berdasarkan pola data, apakah stasioner, pola trend, pola musiman atau siklis. Peramalan penjualan yang akurat berakibat pada terpenuhinya kebutuhan konsumen dan mendatangkan laba bagi perusahaan.
Tujuan dari penelitian ini adalah: (1) Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (2) Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (3) Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang menggunakan metode peramalan terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
v baik ke dalam maupun luar negeri. Penelitian ini dilaksanakan pada bulan Juni - Oktober 2010.
Berdasarkan data yang diperoleh dari perusahaan diketahui bahwa kegiatan peramalan Crude palm Oil (CPO) dilakukan dengan metode kualitatif dengan cara berpedoman kepada perusahaan peramalan yaitu Oil World dan Reuters. Berdasarkan data sekunder yang diperoleh yaitu data penjualan minyak sawit kasar atau Crude Palm Oil (CPO) tujuh tahun terakhir (data bulanan) periode Januari 2004 sampai dengan Desember 2010, teridentifikasi bahwa terdapat pola trend (cenderung meningkat) dan pola musiman. Pola trend diakibatkan oleh faktor kenaikan jumlah penjualan akibat semakin meningkatnya konsumsi minyak sawit, sedangkan pola musiman diakibatkan oleh pengaruh musim seperti iklim, ekonomi global, hari raya keagamaan, awal dan akhir tahun.
Metode peramalan kuantitatif time series (runtun waktu) yang digunakan adalah metode Naif (Naive), metode Rata-rata Bergerak Sederhana (Moving Average), metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing), metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing), metode Indeks Musiman, metode Tren (Trend) dan metode Boks-Jenkins. Metode peramalan yang terpilih adalah metode yang memiliki nilai Mean Squared Error (MSE) terkecil, yaitu metode trend kuadratik (non lenier) dengan nilai MSE sebesar 3017854357. Nilai ramalan yang dihasilkan metode trend kuadratik (non lenier) untuk periode 85 sampai periode 96 adalah 213913 ton, 214562 ton, 215204 ton, 215836 ton, 216461 ton, 217077 ton, 217685 ton, 218284 ton, 218875 ton, 219458 ton, 220032 ton, 220598 ton. Selain itu juga perlu adanya antisipasi terhadap unsur musiman yang terjadi berdasarkan data yang terbentuk yaitu pada bulan-bulan tertentu seperti awal dan akhir tahun (Januari dan Desember), pengaruh iklim yang tidak menentu serta menjelang hari raya keagamaan seperti bulan puasa dan natal yang diperkirakan jatuh pada bulan Agustus dan September. Sehingga metode Indeks Musiman dapat dijadikan alternatif kedua setelah metode Trend kuadratik (non lenier).
KATA PENGANTAR
Bismillahirrahmanirrahiin Assalamu’alaikum Wr. Wb.
Puji serta syukur kita panjatkan kehadirat Allah SWT atas limpahan nikmat dan hidayah-Nya yang diberikan kepada kita semua. Begitu pula nikmat yang telah diberikan kepada penulis, sehingga penulisan skripsi ini dapat terselesaikan dengan baik. Shalawat serta salam penulis junjungkan kepada Nabi Muhammad SAW beserta keluarga, sahabat dan pengikutnya yang selalu taat mengikuti sunah dan dan istiqomah pada jalan yang lurus.
Skripsi ini berjudul “Analisis Peramalan Penjualan Minyak sawit Mentah atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta”. Maksud dari penulisan skripsi ini adalah untuk mendapatkan gelar Sarjana Pertanian pada Program Studi Agribisnis, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Penulis mengucapkan terimakasih kepada segenap pihak yang telah membantu dalam penyusunan skripsi ini, karena tanpa mereka skripsi ini tidak akan terselesaikan dengan baik. Ucapan terimakasih yang mendalam kepada semua pihak yang membantu dalam penyusunan skripsi ini, terutama kepada:
1. Bapak dan Ibu penulis, Bapak Supri dan ibu Kusniyah yang telah mendidik penulis sejak kecil hingga penulis dapat menyelesaikan pendidikan hingga Perguruan Tinggi dengan baik. Penulis tak akan melupakan setiap jerih payah kalian, dan semoga skripsi ini menjadi hadiah yang terindah yang dapat penulis berikan kepada Bapak dan ibu. Serta adikku Nia Safitri dan Andri Prastyo.
2. Bapak Dr. Syopiansyah Jaya Putra, M.Sis selaku Dekan Fakultas Sains dan Teknologi.
vii 4. Dr. Ir. Elpawati, MP selaku Pembimbing I dan Eny Dwiningsih, S.TP,
M.Si selaku Pembimbing II.
5. Drs. Acep Muhib, MM selaku Penguji I dan Rizki Adi Puspita Sari, SP, MM selaku Penguji II.
6. Drs. Gatot K. Gusti, MM selaku Manajer SDM dan umum PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Bapak Subandi, Ibu
Muji, Pak Tri, Pak Endi dan seluruh Staf PT. Kharisma Pemasaran Bersama (KPB) Nusantara.
7. Bapak dan Ibu dosen Program Studi Agribisnis serta seluruh Staf Fakultas Sains dan Teknologi.
8. Kak Nughni Hanafi, terimakasih atas bimbingan dan ilmu metode peramalan serta buku dan software peramalannya yang sangat membantu penulis.
9. Kak Dewi Rahmawati, SP. Terimakasih atas bimbingan dan luangan waktunya untuk membantu penulis dalam kegiatan-kegiatan penyusunan skripsi.
10.Mahasiswa Agribisnis angkatan tahun 2006 yang menjadi penyemangat dan membantu penulis: Andi Angger, Ihsan, Ali, Ari, Syarif, Mawardi, Andi Asmara, Feriyanto, Pedri, Puguh, Purwanto, Hamzah Farihin, Reza, Lutfi, Dzul, Heru, Ajeng, Nia, Nisa, Wiwin, Rinrin, Rifa, Gina.
Seluruh rekan dan pihak-pihak yang telah membantu penulis yang tidak dapat disebutkan satu persatu, terimakasih atas segala bantuanya, semoga Allah SWT memberikan balasan pahala berlipat ganda. Amin.
Wassalamu’alaikum Wr. Wb.
Jakarta, Mei 2011
viii
DAFTAR ISI
Halaman
DAFTAR ISI ... viii
DAFTAR TABEL ... x
DAFTAR GAMBAR ... xi
DAFTAR LAMPIRAN ... xiii
BAB I. PENDAHULUAN ... 1
1.1. Latar Belakang ... 1
1.2. Perumusan Masalah ... 4
1.3. Tujuan Penelitian ... 5
1.4. Manfaat Penelitian ... 5
1.5. Ruang Lingkup Penelitian ... 6
BAB II. TINJAUAN PUSTAKA ... 7
2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO) ... 7
2.2. Permintaan Crude Palm Oil (CPO)... 8
2.3. Konsep Penjualan ... 10
2.4. Peramalan ... 12
2.4.1. Kegunaan dan Peran Peramalan ... 14
2.4.2. Identifikasi Pola Data Time Series ... 14
2.4.3. Metode Peramalan ... 15
2.4.4. Metode Peramalan Time Series ... 18
2.4.5. Pemilihan Metode Peramalan ... 23
2.5. Hasil Penelitian Terdahulu ... 24
2.6. Kerangka Pemikiran Penelitian ... 25
2.7. Definisi Operasional... 29
BAB III. METODE PENELITIAN ... 31
ix
3.2. Jenis dan Sumber Data ... 31
3.3. Metode Pengolahan dan Analisis Data ... 32
3.3.1. Analisis Kualitatif ... 32
3.3.2. Analisis Kuantitatif ... 32
3.3.2.1. Metode Peramalan Time Series ... 33
3.3.2.2. Ukuran Akurasi Hasil Peramalan ... 40
BAB IV. GAMBARAN UMUM PERUSAHAAN ... 42
4.1. Sejarah Berdirinya PT. KPB Nusantara ... 42
4.2. Visi dan Misi PT. KPB Nusantara ... 43
4.3. Struktur Organisasi PT. KPB Nusantara ... 43
4.4. Hukum dan Legalitas PT. KPB Nusantara ... 45
4.5. Pemasaran Crude Palm Oil (CPO) ... 45
4.5.1. Bauran Pemasaran ... 45
4.5.2. Segmentasi, Targeting dan Positioning ... 50
4.5.3. Mutu Crude Palm Oil (CPO)... 50
BAB V. HASIL DAN PEMBAHASAN ... 52
5.1. Metode Peramalan Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ... 52
5.2. Metode Peramalan Kuantitatif Terbaik untuk Meramalkan Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ... 53
5.2.1. Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara... 53
5.2.2. Identifikasi Pola Data Penjualan Crude Palm Oil (CPO) ... 54
5.2.3. Metode Peramalan Kuantitatif Penjualan Crude Palm Oil (CPO) ... 62
5.2.3.1. Metode Naif (Naive) ... 62
5.2.3.2. Metode Rata - rata Bergerak (Moving Average)... 63
5.2.3.3. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing) ... 65
5.2.3.4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing) ... 67
5.2.3.5. Metode Indeks Musiman ... 67
x
5.2.3.7. Metode Box-Jenkins (ARIMA) ... 71
5.2.4. Pemilihan Metode Peramalan Kuantitatif Terbaik Penjualan CPO ... 78
5.3. Analisis Tingkat Peramalan Penjualan Crude Palm Oil (CPO) Satu Tahun Mendatang ... 82
BAB VI. KESIMPULAN DAN SARAN... 86
6.1. Kesimpulan ... 86
6.2. Saran ... 88
DAFTAR PUSTAKA ... 89
DAFTAR RIWAYAT HIDUP
Data Diri
Nama lengkap : Akhmat Tohir
Alamat : JL. Kebon Kopi Rt 02/04 No. 74 Pondok Aren, Tangerang Selatan, 15221
Telepon : 087884440345
Tempat Tanggal Lahir : Kendal, 27 Desember 1987
Agama : Islam
Email : akhmat.tohir@yahoo.co.id Riwayat Pendidikan
1994 – 1996 : SDN Kebonsari, Kendal, Semarang
1996 – 2000 : SDN 03 Pondok Betung, Tangerang Selatan 2000 – 2003 : SLTP Perwira, Jakarta Selatan
2003 – 2006 : SMAN 87, Jakarta Selatan
2005-2011 : Agribisnis UIN Syarif Hidayatullah Jakarta Riwayat Organisasi
2004 – 2005 : Anggota ROHIS SMAN 87, Jakarta Selatan
2004 – 2005 : Anggota PASKIBRA Kec. Pesanggrahan, Jakarta Selatan
Kegiatan Pelatihan
2007 : Training Organization Platform Badan Eksekutif Mahasiswa Jurusan Agribisnis
2008 : Moderator Workshop Kultur Jaringan Acara Agri’s Event 2008 BEM Jurusan Agribisnis
2009 : Pelatihan Keterampilan Kerja MONTIR MOTOR BKM Amanah Program PNPM Mandiri 2009
2010 : Shell LiveWIRE Bright Idea Workshop Riwayat Pekerjaan
2006 : Panitia Agri’s Event 2007
2007 : Panitia TrainingOrganization Platform Badan Eksekutif Mahasiswa Agribisnis
2009 : Staf Pengajar Bimbel Cendikia 2009 : Tim Monitoring BP3KTKI
2009 : Ketua Pelaksana KKN Kel. Pisangan
DAFTAR TABEL
No. Halaman
1. Konsumsi Minyak Nabati Dunia ... 3
2. Produk Turunan Minyak Sawit/CPO ... 8
3. Tenaga Kerja PT. KPB Nusantara ... 44
4. Perkembangan Harga Rata-rata CPO Lokal Tahun 2007-2010 ... 47
5. Perkembangan Harga CPO Ekspor Tahun 2007-2010 ... 47
6. Daftar Pembeli CPO PT. KPB Nusantara ... 49
7. Standar Mutu CPO PT. KPB Nusantara... 51
8. Rata – Rata Indeks Musiman Setiap Bulan Penjualan CPO Periode Januari 2004 sampai Desember 2010 ... 58
9. Hasil Uji Regresi Volume Penjualan Terhadap Periode Waktu ... 59
10.Perbandingan Hasil Perhitungan Metode Moving Average dengan Ordo yang Berbeda-beda ... 64
11.Perbandingan Nilai Kesalahan Metode Single Eksponential Smoothing dengan Nilai Berbeda-beda ... 66
12.Perbandingan Nilai MSE Model ARIMA (0,d,q)(0,D,Q)L ... 77
13.Nilai Perhitungan Beberapa Metode Peramalan Penjualan CPO ... 80
xii
DAFTAR GAMBAR
No. Halaman
1. Konsep Penjualan... 10
2. Alur Kerangka Pemikiran Penelitian ... 28
3. Grafik Pergerakan Volume Penjualan CPO PT. KPB Nusantara ... 56
4. Plot ACF dari Data Penjualan CPO Periode Januari 2004 sampai Desember 2010 ... 60
5. Grafik Trend Analysis Model Regresi Lenier ... 70
6. Grafik Trend Analysis Model Regresi Non Lenier (Kuadratik) ... 71
7. Grafik ACF Pembedaan Regular Pertama... 73
8. Grafik ACF Pembedaan Musiman Pertama ... 74
9. Grafik ACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama ... 75
xiii
DAFTAR LAMPIRAN
No. Halaman
1. Struktur Organisasi PT. Kharisma Pemasaran Bersama Nusantara ... 92 2. Daftar Volume Penjualan PT. KPBN Periode Tahun 2004 - 2010
(Ekspor dan Lokal) ... 93 3. Hasil Uji Regresi Volume Penjualan CPO Terhadap Periode Waktu
pada PT. KPB Nusantara Periode Januari 2004 - Desember 2010 ... 94 4. Grafik Normal Probability Plot Hasil Analisis Regresi Penjualan
Crude Palm Oil (CPO) PT. KPB Nusantara Periode Januari 2004 –
Desember 2010 ... 95 5. Perhitungan Peramalan Penjualan CPO Menggunakan Metode Naif ... 96 6. Perhitungan Metode Rata - rata Bergerak (Moving Average) dengan
Ordo 12 ... 98 7. Hasil Perhitungan Metode Pemulusan Eksponensial Tunggal (Single
Eksponential Smoothing) untuk Volume Penjualan CPO ... 100 8. Hasil Perhitungan Metode Pemulusan Eksponensial Ganda (Double
Eksponential Smoothing) untuk Volume Penjualan CPO ... 102 9. Perhitungan Peramalan Penjualan CPO Metode Least Squared ... 104 10.Perhitungan Peramalan Penjualan CPO Metode Indeks Musiman ... 106 11.Nilai Perhitungan Peramalan Metode Trend Analysis Model Regresi
Lenier Sederhana Volume Penjualan CPO ... 112 12.Perhitungan Peramalan Menggunakan Metode Trend Analysis Model
Regresi Non Lenier (Kuadratik) Volume Penjualan CPO Terhadap
Waktu ... 113 13.Nilai Koefisien Korelasi ACF , Grafik dan Nilai Korelasi
PACF Pembedaan Pertama Data Volume Penjualan CPO
PT. KPB Nusantara ... 114 14.Nilai Koefisien ACF dan PACF Pembedaan Regular Pertama dan
xiv
15.Perhitungan Metode Box - Jenkins Tentatif Model ARIMA (0,1,q)
(0,1,Q)L untuk Peramalan Penjualan CPO PT. KPB Nusantara ... 116 16.Grafik Fitted Line Plot Uji Statistik Metode Trend Analysis Model
Regresi Kuadratik ... 118 17.Grafik Pergerakan Hasil Peramalan Penjualan CPO Menggunakan
BAB I PENDAHULUAN
1.1. Latar Belakang
Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan untuk mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi di masa depan. Kegiatan meramal atau forecast masa depan merupakan salah satu usaha perusahaan sebagai dasar pengambilan keputusan strategis kelangsungan usaha.Selain memantau perubahan lingkungan usaha, perusahaan juga perlu mengembangkan pengetahuan khusus tentang pasar mereka. Perusahaan pemasar yang baik menginginkan informasi untuk membantu mereka menginterpretasikan kinerja masa lalu dan merencanakan kegiatan masa depan (Kotler, 2007: 123).
2
mendatang secara akurat semakin diperlukan. Perkembangan teknologi komputerisasi mendukung penggunaan berbagai metode dan teknik peramalan usaha dalam memprediksi kondisi yang akan datang sehingga dapat digunakan untuk mempermudah kebutuhan perencanaan perusahaan.
Memprediksi penjualan yang terlalu besar dan kurang akurat mengakibatkan biaya produksi akan meningkat sehingga seluruh investasi yang ditanamkan menjadi kurang efisien. Oleh karena itu, untuk mengantisipasi permasalahan tersebut dilakukan prediksi kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang dengan diperolehnya informasi yang akurat sehingga perusahaan dapat mempersiapkan strategi - strategi yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2005:1). Berdasarkan pernyataan tersebut maka terlihat betapa pentingnya fungsi peramalan penjualan bagi sebuah perusahaan untuk mengetahui besarnya penjualan saat ini atau yang akan datang. Diperlukan suatu sistem peramalan untuk memproyeksikan bagaimana dengan penjualan yang akan datang, menurut Makridakis dkk (1999 : 3) peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.
3
Sumber : Oil World dalam PT. KPB Nusantara (2010: 2)
[image:21.612.130.535.171.456.2]Peningkatan konsumsi yang signifikan terutama akan terjadi pada negara yang sedang berkembang seperti India sebesar 6,660 juta Ton, disusul China sebesar 6,580 juta ton, Uni Eropa 5,850 juta ton, Indonesia 5,100 juta ton dan Malaysia 2,310 juta ton (PT. KPBN, 2010: 2). Konsumsi minyak nabati dunia disajikan pada Tabel 1.
Tabel 1. Konsumsi Minyak Nabati Dunia
Negara Tahun (Ribu Ton) Peningkatan (Ribu Ton)
2007/2008 2008/2009 2009/2010 % Volume
India 4879 6564 6660 1.44 96
China 5670 5957 6580 9.47 623
Uni Eropa 4849 5594 5850 4.38 256
Indonesia 4332 4789 5100 6.1 311
Malaysia 2449 2474 2310 -7.1 -164
Pakistan 1734 1785 1810 1.38 25
Nigeria 1228 1283 1325 3.17 42
Thailand 941 1157 1280 9.61 123
Negara lainnya 11533 11512 12131 5.1 619
Jumlah 37615 41115 43046 4.49 1931
4
sedangkan kegiatan pemasaran produk lainnya dilakukan sesuai pesanan, hal ini menunjukkan bahwa permintaan konsumen terhadap CPO PT. KPB Nusantara cukup besar. Pemasaran CPO mencakup pasar lokal dan ekspor, permintaan CPO yang tidak menentu perlu dilakukan peramalan penjualan yang seakurat mungkin sehingga kebutuhan konsumen dapat terpenuhi dan mendatangkan laba bagi perusahaan. Penelitian ini terfokus kepada komoditi Crude Palm Oil (CPO) PT. KPB Nusantara yang diproduksi oleh PTPN I , II , III , IV , V , VI , VII ,VIII, XIII dan XIV.
Berdasarkan hal diatas, penulis akan melakukan penelitian mengenai peramalan penjualan minyak sawit kasar atau Crude Palm Oil (CPO) yang dilakukan oleh PT. KPB Nusantara, sebagai salah satu cara untuk memprediksikan penjualan satu tahun mendatang agar terpenuhinya permintaan pasar. Oleh karena itu penelitian ini diberi judul “Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) Pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara Di Jakarta”.
1.2. Perumusan Masalah
Berdasarkan uraian diatas, maka permasalahan yang akan dibahas dalam penelitian ini sebagai berikut:
5
2. Metode peramalan kuantitatif terbaik apa yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta?
3. Berapa tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang dengan metode peramalan kuantitatif terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta?
1.3. Tujuan Penelitian
Berdasarkan perumusan masalah diatas maka penulis memiliki tujuan yang hendak dicapai yaitu, sebagai berikut:
1. Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
2. Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
3. Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang menggunakan metode peramalan kuantitatif terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
1.4. Manfaat Penelitian
6
1. Perusahaan, sebagai salah satu alternatif pengambilan keputusan dalam meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.
2. Pembaca, sebagai bahan informasi dan masukan bagi penelitian selanjutnya terutama yang sesuai dengan penelitian yaitu peramalan penjualan.
3. Peneliti, menerapkan ilmu peramalan (forecasting) yang telah dipelajari sewaktu kuliah Manajemen Produksi dan Operasi serta memenuhi persyaratan untuk mendapatkan gelar Strata Satu (S1).
1.5. Ruang Lingkup Penelitian
Ruang lingkup penelitian adalah mengamati kegiatan peramalan penjualan Crude Palm Oil (CPO) pada PT. KPB Nusantara dan melakukan pengambilan data penjualan CPO tujuh tahun terakhir yaitu dimulai Januari 2004 sampai dengan Desember 2010. Data tersebut akan digunakan untuk mengetahui besarnya penjualan CPO satu tahun mendatang yang dilakukan oleh PT. KPB Nusantara. Pengamatan peramalan penjualan CPO dilihat melalui nilai kesalahan yang terbentuk yaitu nilai Mean Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean Absolute Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil peramalan dilihat dari nilai MSE yang dihasilkan metode peramalan time series yang digunakan. Karena semakin kecil nilai MSE maka metode peramalan semakin akurat.
BAB II
TINJAUAN PUSTAKA
2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO)
Crude Palm Oil (CPO) atau minyak kelapa sawit kasar berasal dari daging buah (mesocarp) kelapa sawit yang berwarna merah. Keunggulan minyak sawit selain tersusun dari asam lemak tidak jenuh dan asam lemak jenuh, juga mengandung beta karoten atau pro-vitamin A dan pro-vitamin E (tokoferol dan tokotriol) yang sangat diperlukan dalam proses metabolisme dalam tubuh manusia dan sebagai antioksidan. Hasil pengolahan kelapa sawit dapat dikelompokkan menjadi bahan makanan, bahan non makanan, bahan kosmetika dan farmasi (Mangoensoekarjo dan Haryono, 2003: 67).
merah-8
[image:26.612.137.539.64.443.2]kecoklatan menandakan kandungan karotenoid yang tinggi. Produk turunan dari minyak sawit disajikan pada Tabel 2.
Tabel 2. Produk Turunan Minyak Sawit /CPO Minyak sawit /CPO
Pangan Oleokimia( non-pangan)
1. Minyak goreng (olein) 2. Margarin
3. Lemak kue 4. Vanaspati 5. Cocoa
6. Butter substitute
1. Stearin 2. Sabun 3. Asam lemak 4. Gliserin 5. Detergen 6. Pelumas 7. Plasticizer 8. Kosmetika 9. BBM
10.Pro-vitamin A 11.Pro-vitamin E Sumber : Mangoensoekarjo dan Haryono Diolah (2003: 71)
2.2. Permintaan Crude Palm Oil (CPO)
9
Malaysia sudah mulai terbatas. Sutiyono (2009: 3) menyatakan total produksi CPO dunia pada tahun 2008 adalah 43.1 juta ton yang sebagian besar berasal dari Indonesia dan Malaysia.
Menurut Rawendra (2009: 1), data Oil World menunjukkan produksi CPO Indonesia dan Malaysia untuk 2010 diprediksikan mencapai masing-masing 22,50 juta ton dan 18 juta ton dengan produktivitas sebesar 3,91 ton/ha dan 4,47 ton/ha, sedangkan produksi CPO dunia untuk periode 2010 diprediksikan akan meningkat sebesar 5,3% menjadi 47,52 juta ton. Hal ini sejalan dengan bertambahnya lahan menghasilkan yang meningkat 5,4% dari 12,8 juta ha menjadi 12,83 juta ha. Di tahun 2010, diperkirakan harga CPO akan naik terutama di semester 1 karena faktor ketatnya persediaan edible oil di dunia dan kemungkinan naiknya harga minyak mentah. Diperkirakan pada semester 2 pergerakan harga CPO akan flat hingga akhir tahun.
10
Departemen Pertanian Amerika dalam Sutiyono (2009: 7) memperkirakan konsumsi CPO dari China dan India akan tumbuh masing-masing sebesar 9,1% dan 7.0 % di tahun 2010. Dengan demikian konsumsi domestik kedua negara tersebut diperkirakan sekitar 11.4 juta ton atau sebesar 25.7 % dari jumlah total konsumsi.
2.3. Konsep Penjualan
[image:28.612.126.538.129.452.2] [image:28.612.129.509.499.594.2]Konsep penjualan menyatakan bahwa konsumen tidak akan membeli suatu produk organisasi dalam jumlah cukup kecuali jika organisasi tesebut melakukan usaha penjualan dan promosi berskala besar ( Kotler dan Amstrong, 2004: 21). Konsep itu biasanya dilakukan pada barang yang tidak dicari (unsought goods) barang yang oleh pembeli biasanya tidak terpikir untuk dibeli, seperti ensiklopedia atau asuransi.industri tersebut harus mahir melacak calon pelanggan dan menjual manfaat produk tersebut kepada mereka. Konsep penjualan ditampilkan pada Gambar 1.
Titik awal Fokus Sarana Sasaran akhir
Menurut Siegel dan Shim dalam Kurdi (1999: 404), penjualan adalah penerimaan yang diperoleh dari pengiriman barang dagangan atau dari penyerahan pelayanan dalam bursa sebagai barang pertimbangan. Pertimbangan ini dapat dalam bentuk tunai peralatan kas atau harta lainnya. Pendapatan dapat
Pabrik Produk Pejualan Laba melalui Yang ada dan promosi volume penjualan
11
diperoleh pada saat penjualan, karena terjadi pertukaran, harga jual dapat ditetapkan dan bebannya diketahui. Penjualan adalah usaha yang dilakukan manusia untuk menyampaikan barang yang telah dihasilkannya kepada mereka yang membutuhkannya dengan imbalan uang menurut harga yang ditentukan, atas persetujuan bersama (Sutamto dalam Rokhah, 2004: 8). Perusahaan pada umumnya mempunyai tiga tujuan dalam penjualan yaitu mencapai volume penjualan, mendapatkan laba tertentu, dan menunjukan pertumbuhan perusahaan. Untuk meningkatkan penjualan ada bermacam jenis kegiatan efektif yang dilakukan termasuk didalamnya adalah promosi.
Promosi penjualan yang dilakukan oleh penjual dapat dikelompokkan berdasarkan tujuan yang ingin dicapai (Kotler dan Keller, 2007: 98-100). Pengelompokkan tersebut sebagai berikut:
1. Customer promotion, yaitu promosi yang bertujuan untuk mendorong atau merangsang pelanggan untuk membeli.
2. Trade promotion, yaitu promosi penjualan yang bertujuan untuk merangsang atau mendorong pedagang grosir, pengecer, eksportir dan importir untuk memperdagangkan barang/jasa dari sponsor.
3. Sales-force promotion, yaitu promosi penjualan yang bertujuan untuk memotivasi armada penjualan.
12
Menurut Stewart (1995: 10), perencanaan penjualan merupakan suatu sikap, pikiran dan juga merupakan proses yang dirancang untuk:
1. Meramal kecenderungan-kecenderungan masa depan yang mempengaruhi usaha.
2. Mempengaruhi tujuan yang seharusnya dicapai.
3. Menjelaskan bagaimana kita merencanakan pencapaian sasaran-sasaran perusahaan.
4. Memberi umpan balik bagaimana kita akan melakukan usaha-usaha dibandingkan dengan rencana.
5. Bertindak bukan bereaksi.
6. Memusatkan pada kegiatan-kegiatan untuk mencapai hasil.
2.4. Peramalan
13
mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah terjadi atau mungkin terjadi (Nafarin, 2007: 96).
Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang terjadi dimasa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara apa yang terjadi dengan hasil perkiraan) dapat diperkecil (Mulyono, 2000: 1). Handoko (2000: 260), menyatakan esensi peramalan adalah memperkirakan peristiwa-peristiwa diwaktu yang akan datang atas dasar pola-pola waktu yang lalu dan penggunaan kebijakan terhadap proyeksi-proyeksi dengan pola-pola di waktu yang lalu.
Menurut Render dan Heizer (2001: 46), jika dilihat dari jangka waktu ramalan yang telah disusun, maka peramalan dapat dibedakan menjadi 3 macam, yaitu:
1. Peramalan jangka pendek, yaitu peramalan yang memiliki rentang waktu satu tahun tetapi umumnya kurang dari tiga bulan. Peramalan jangka pendek digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan dan tingkat produksi.
2. Peramalan jangka menengah, biasanya berjangka tiga bulan hingga tiga tahun. Peramalan ini sangat bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi.
14
pengeluaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan.
2.4.1. Kegunaan dan Peran Peramalan
Permintaan suatu produk pada suatu perusahaan sangat dipengaruhi oleh berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang berada di luar kendali perusahaan. Dimana faktor – faktor lingkungan tersebut juga akan mempengaruhi peramalan. Berikut ini merupakan beberapa faktor lingkungan yang mempengaruhi peramalan (Yamit, 2005: 48), yaitu:
1. Kondisi umum bisnis dan ekonomi 2. Reaksi dan tindakan pesaing 3. Tindakan pemerintah 4. Kecenderungan pasar 5. Siklus hidup produk 6. Gaya dan mode
7. Perubahan permintaan konsumen
2.4.2. Identifikasi Pola Data Time Series
15
musiman, siklus. Trend adalah komponen data deret waktu yang menunjukkan peningkatan atau penurunan dalam jangka panjang selama periode waktu yang diamati, variasi musiman adalah fluktasi data yang berulang setiap beberapa hari, minggu atau bulan karena faktor cuaca, hari raya dan lainnya. Siklus adalah fluktuasi seperti gelombang disekitar trend, dengan kata lain pola musiman dalam jangka lebih panjang yang berulang biasanya setiap lima sampai sepuluh tahun. Unsur stasioner adalah fluktuasi data dimana relatif konstan walaupun ada kenaikan atau penurunan, jika dirata-ratakan masih berada pada titik rata-rata.
Cara selanjutnya adalah identifikasi terhadap pola atau perilaku Autocorrelatinal Function (ACF) dan Parsial Autocorrelation Function (PACF). Suatu deret data non musiman dikatakan stasioner jika koefisien autokorelasinya nol untuk semua tingkatan beda kala. Series juga dapat dikatakan stasioner bila koefesien autokorelasinya berbeda nyata dengan nol hanya pada beberapa kala pertama (k 5) (Firdaus, 2006: 23).
2.4.3. Metode Peramalan
Menurut Nasution (2006: 242) secara umum, peramalan diklasifikasikan menjadi 2 macam, yaitu:
16
2. Peramalan yang bersifat objektif, merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dalam menunjukkan hubungan antara permintaan dengan satu atau lebih variabel yang mempengaruhinya. Peramalan objektif terdiri dari dua metode yaitu, metode intrinsik dan ekstrinsik.
Metode peramalan dapat diklasifikasikan menjadi dua metode kualitatif dan metode kuantitatif (Firdaus. 2006: 1). Peramalan kualitatif didalam prosedurnya melibatkan pengalaman, judgements maupun opini dari sekelompok orang yang pakar dibidangnya. Teknik kualitatif terdiri dari teknik sales-force composite (agregasi ramalan dari setiap individu dalam suatu organisasi) dan teknik delphi (untuk mengumpulkan individu dalam suatu organisasi). Metode ini cocok untuk peramalan dalam jangka panjang lebih dari 5 tahun.
Menurut Makridakis dkk (1999: 10) menyatakan bahwa pendekatan kualitatif dibagi menjadi dua bagian, yaitu metode eksploratoris dan normatif. Metode ekploratoris seperti delphi, kurva-s analogi dan penelitian morfologis, metode normatif seperti matriks keputusan, pohon relevansi, dan analisis sistem, dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumberdaya, dan teknologi yang tersedia. Kelemahanya adalah tidak ada prosedur yang sistematis untuk mengukur dan memperbaiki keakuratan hasil peramalan serta kemungkinan tingginya subjektivitas pendapat.
17
yaitu model deret waktu satu ragam dan metode kausal. Model deret waktu satu ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu, sebagai contoh teknik naif, perataan, pemulusan, dekomposisi, trend, metodologi Box-Jenkins (ARIMA-SARIMA) dan ARCH-GARCH. Model kausal fokus pada identifikasi dan determinasi hubungan antar variabel yang akan diramalkan, yang tergolong dalam metode ini antara lain teknik regresi, model ekonometrika dan input output. Model deret berkala (time series), pendugaan masa depan dilakukan berdasarkan masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuan metode peramalan deret berkala (time series) adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Makridakis dkk (1999: 9), model kausal mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Maksud dari metode kausal adalah menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel tak bebas.
Terdapat dua hal yang harus diperhatikan untuk mendapatkan peramalan yang akurat yaitu pertama pengumpulan data secara baik, dan kedua peramalan dengan teknik yang tepat. Oleh karena itu perlu dilakukan langkah-langkah secara berurutan (Firdaus, 2006: 1- 2), yaitu:
1. Menentukan tujuan peramalan dan peubah yang dianalisis 2. Mengumpulkan data
3. Membuat dan menentukan pola data
18
5. Evaluasi hasil estimasi
Metode yang akan dibahas dalam penelitian ini adalah menggunakan peramalan yang akan terjadi pada masa mendatang secara kuantitatif yaitu dengan menggunakan metode time series (runtun waktu).
2.4.4. Metode Peramalan Time Series
Menurut Firdaus (2006: 2), metode peramalah kuantitatif terdiri dari dua golongan, model deret waktu satu rangam dan model kausal. Model deret waktu satu ragam (time series) fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu sebagai contoh teknik Naif, Perataan, Pemulusan, Dekomposisi, Trend, Metodologi Box-Jenkins (ARIMA-SARIMA) dan ARCH-GARCH. Mulyono (2000: 91), metode peramalan time series didasarkan atas penggunaan analisa pola hubungan variabel yang akan diperkirakan dengan variabel waktu yang merupakan data deret waktu (time series). Tujuan metode time series ialah menemukan pola dalam deret waktu dan mengekstrapolasikan data tersebut ke masa depan. Metode-metode yang digunakan dalam peramalan time series terdiri dari beberapa metode, yaitu: a. Metode Naif (Naive)
19
bahwa dimasa datang suatu sistem cenderung mempertahankan momentum (enggan berubah dari) masa silam.
b. Metode Rata-rata Bergerak (Moving Average)
Menurut Firdaus (2006: 6), menyatakan metode perataan digunakan bila peramalan dilakukan secara berulang-ulang untuk data yang tidak terlalu besar. Teknik ini digunakan untuk memasukkan informasi terbaru, setiap ada informasi terbaru akan diperoleh dengan menghilangkan informasi terlama dengan memasukkan informasi terbaru, pada teknik ini semua informasi dibobot sama. Teknik ini baik untuk data stasioner. Kelebihan metode ini adalah jumlah data yang dimasukkan ke dalam nilai rataan fleksibel sehingga dapat divariasikan sesuai dengan pola datanya. Selain itu metode ini mudah dipahami. Kelemahannya, metode ini hanya baik untuk data stasioner yang cenderung bergerak tidak menaik atau menurun.
20
menghendaki respon yang cepat. Mencari nilai yang tepat umumnya dapat ditentukan dengan pengujian trial and error (coba-coba) terhadap yang berbeda-beda untuk menemukan nilai yang menghasilkan nilai kesalahan terkecil. d. Metode Pemulusan Ekponensial Ganda (DoubleEksponensialSmoothing)
Metode double eksponential smoothing memiliki dasar pemikiran yang sama dengan rata-rata bergerak linier. Terkait dengan itu, penerapan metode double eksponential smoothing ini cukup baik untuk deret data yang memiliki unsur trend. Metode double eksponential smoothing memproses time series yakni dengan mengekstrapolasi data atas dasar trend terakhir yang terbentuk, sehingga ramalan yang akan terlihat nantinya cenderung ke satu arah yakni sesuai dengan arah trend terakhir.
e. Metode Perhitungan Indeks Musiman
Menurut Handoko (2000: 278), perhitungan indeks musiman dapat dihitung dengan mencari nilai rata-rata berbagai rasio penjualan kuartal nyata terhadap nilai garis trend untuk setiap periode. Menurut Rangkuti (2005: 13) indeks musiman perlu dilakukan untuk mengetahui secara jelas apakah data time series yang dimiliki mengandung unsur musiman atau tidak.
f. Metode Tren (Trend)
Peramalan menggunakan metode trend sudah sangat umum dilakukan dalam perusahaan bisnis, hal ini dikarenakan banyaknya data ekonomi dan bisnis yang mengandung unsur trend yang meningkat atau menurun.
21
kubik dan kuadratik menggunakan model regresi berganda. Proses meregresikan peubah dependen terhadap waktu akan memperoleh koefisien regresi dari model trend. Menurut Iriawan dan Septian (2006: 199) model regresi memiliki variabel respons (variabel dependen) dan variabel prediktor (variabel independen). Variabel respon adalah variabel yang dipengaruhi suatu variabel prediktor dan peneliti tidak bebas mengendalikannya, variabel prediktor digunakan untuk memprediksi nilai variabel respons dan peneliti bebas mengendalikannya.
g. Metode Box-Jenkins (ARIMA)
Menurut Firdaus (2006: 19), ARIMA merupakan bagian dari analisis deret waktu satu ragam (time series), ARIMA atau autoregressive integrated moving average. Mulyono (2000: 147), menyatakan metode Box-Jenkins merupakan suatu prosedur interatif memilih model terbaik untuk series yang stasioner dari suatu kelompok model time series lenier. Metode ARIMA adalah metode yang tepat untuk mengatasi terlalu rumitnya deret waktu (terdapat variasi dari pola data) dan situasi peramalan lainnya.
Menurut Firdaus (2006: 19) prosedur Box-Jenkins terdiri dari beberapa tahapan, yaitu:
22
dan +1, dimana 0 menunjukkan tidak ada hubungan. PACF (Partial Autocorrelation Function) adalah hubungan antara nilai suatu variabel dengan nilai yang lebih awal daari varabel itu, jika pengaruh nilai-nilai diantaranya (lainnya) dihilangkan. Sebagai contohnya jika ingin diketahui hubungan pada variabel di periode ke satu dengan periode ke empat, maka pengaruh dari periode kedua dan ketiga dihilangkan.
2. Estimasi model. Pada tahap estimasi, pertama-tama dihitung nilai estimasi awal untuk parameter-parameter dari model tentatif. Untuk menghitung nilai estimasi awal, biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi untuk masing-masing parameter.
3. Evaluasi model. Setelah diperoleh persamaan untuk model tentatif, dilakukan uji diagnostik untuk menguji kedekatan model dengan signifikansi dan hubungan-hubungan parameter. Jika ada hasil yang tidak dapat diterima atau tidak memenuhi syarat, maka model harus diperbaiki dan langkah-langkah sebelumnya diulangi kembali. Uji diagnostik untuk evaluasi model terdapat 6 kriteria, yaitu residual peramalan bersifat acak, model parsimonius (sederhana), parameter yang diperoleh berbeda nyata dengan nol, proses iterasi harus convergence dan memiliki nilai MSE (Mean Squared Error) terkecil.
23
perilaku ACF dan PACF data deret waktu yang dalam hal ini mengandung unsur musiman. Suatu deret waktu musiman (seasonal time series) juga harus stasioner terlebih dahulu sebelum diestimasi dalam suatu model peramalan. Pembedaan musiman merupakan pengurangan dari dua pengamatan yang berbeda sejauh L peiode. Dalam hal ini L didefinisikan sebagai jumlah periode musiman dalam satu tahun.
2.4.5. Pemilihan Metode Peramalan
Metode peramalan terdiri dari bermacam-macam dan memiliki kelebihan dan kekuranganya masing-masing. Pada pemilihan teknik peramalan terbaik, peramal harus mempertimbangkan beberapa faktor. Menurut Firdaus (2006: 4), penilaian terhadap akurasi hasil peramalan dapat dilakukan degan mengamati besarnya selisih aktual pengamatan dengan nilai estimasi dari peramalan. Selain indikator tersebut, terdapat beberapa hal lain yang harus dipertimbangkan oleh peramal, yaitu:
1. Sederhana tidaknya model (parsimonious) 2. Mudah tidaknya diterapkan
3. Ketersediaan biaya peramalan
24
untuk melihat bias tidaknya peramalan maka MPE (Mean Percentage Error) dapat digunakan. Hasil peramalan dikatakan tidak bias bila nilai MPE 0.
2.5. Hasil Penelitian Terdahulu
Laduni (2008) dalam penelitianya yang berjudul Uji Metode Peramalan Produksi di Usaha Dagang Safari Donat. Penelitian ini bertujuan untuk mengetahui pola data produksi donat Usaha Dagang Safari Donat. Kemudian memilih metode peramalan kuantitatif yang sesuai dan ramalan untuk produksi donat, sehingga dapat diketahui pemilihan metode peramalan yang sesuai dan meramalkan jumlah produksi donat satu tahun mendatang.
Berdasarkan hasil penelitian menunjukkan bahwa data produksi donat Usaha Dagang Safari Donat yang dieksplorasi memiliki unsur trend menurun, unsur musiman tertentu, dan tidak memiliki kestasioneran dalam pola datanya. Berdasarkan pengujian dan perhitungan nilai akurasi yang terkecil, metode peramalan time series yang terbaik dan sesuai untuk peramalan produksi Usaha Dagang Safari Donat adalah metode Box-Jenkins dengan model ARIMA (0,1,0) (0, 1,1)52. Nilai MSE yang terkecil dihasilkan peramalan terbaik yaitu metode Box-Jenkins dengan model ARIMA.
25
penjualan kecap manis sate PT. Korma Jaya Utama (KJU) satu tahun mendatang. Untuk meramalkan penjualan kecap manis sate dilakukan dengan menghitung tingkat penjualan menggunakan metode time series dan regresi lenier. Berdasarkan data penjualan kecap teridentifikasi pola data stasioner dan pola musiman. Grafik plot data tersebut didapatkan nilai penjualan kecap manis sate yang relatif konstan berada pada sekitar rata-rata. Pola musiman yang disebabkan oleh perilaku sales (agen). Metode peramalan yang digunakan terdiri atas metode naif, metode eksponential smoothing, metode Box-Jenkins. Metode peramalan time series dipilih karena memiliki nilai MSE (Mean Squared Error) terkecil yaitu 153086792. Sedangkan metode musiman dipilih karena metode ini dapat mencari rata-rata penjualan pada bulan yang sama pada periode yang berbeda.
2.6. Kerangka Pemikiran Penelitian
Dunia usaha yang terus menerus berubah dengan cepat, mengharuskan perusahaan harus mampu menganalisis lingkungan yang terus berubah tersebut dan memprediksi berbagai kemungkinan di masa depan. Kemampuan untuk meramal atau forecast masa depan merupakan usaha perusahaan sebagai dasar pengambilan keputusan strategis untuk kelangsungan perusahaan.
26
Nusantara merupakan anak dari perusahaan perkebunan PTPN I sampai dengan PTPN XIV dan PT RNI. PT. KPB Nusantara merupakan perusahaan yang bergerak dalam pemasaran hasil komoditi meliputi minyak sawit, karet, latex, teh, kopi, coklat dan gula tetes yang dipasarkan di dalam maupun luar negeri. Namun dalam penelitian ini akan lebih terfokus kepada penjualan komoditi Crude Palm Oil (CPO) atau minyak sawit kasar, yang dihasilkan oleh PTPN penghasil CPO (PTPN I , II , III , IV , V , VI , VII , VIII , XIII dan XIV).
PT. KPB Nusantara memiliki pelanggan yang berada di dalam maupun luar negeri, didalam negeri pelanggannya berupa perusahaan pengolahan CPO maupun eksportir. Sedangkan konsumen luar negeri, PT. KPB Nusantara memiliki konsumen tetap yang menjadi langganannya seperti negara China, India, dan Uni Eropa. Dari segi pesaing, PT. KPB Nusantara memiliki pesaing dari perusahaan swasta dan negara penghasil CPO seperti Malaysia, Nigeria, Pantai Gading, Thailand, Equador dan masih banyak lagi (Malaysian Palm Oil Board dalam Sutiyono, 2009: 3).
27
peramalan penjualan dapat digunakan perusahaan untuk mempersiapkan strategi-strategi penjualan untuk menghadapi segala kemungkinan akan terjadi.
Peramalan penjualan CPO dilakukan dengan menggunakan metode peramalan kuantitatif, yaitu metode time series yang terdiri dari metode naif, metode moving average, metode single eksponential smoothing, metode double eksponential smoothing, metode indeks musiman, metode trend dan metode Box-Jenkins (ARIMA). Berdasarkan beberapa metode peramalan yang digunakan, selanjutnya dapat diketahui nilai kesalahan yang terbentuk yaitu nilai Mean Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean Absolute Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil peramalan dilihat dari nilai MSE yang dihasilkan karena semakin kecil nilai error maka semakin akurat peramalan yang digunakan, atau dengan kata lain metode peramalan yang digunakan mendekati aktual.
28
Gambar 2. Alur Kerangka Pemikiran Penelitian
Keterangan :
= Alat penelitian
= Arah aktifitas penelitian = Sasaran penelitian = Aktifitas penelitian
PT. Kharisma Pemasaran Bersama Nusantara
Manajemen Penjualan CPO
Peramalan Penjualan Kuantitatif 1. Metode Naif (Naive)
2. Metode Rata-rata Bergerak (Moving Average)
3. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing)
4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing) 5. Metode Indeks Musiman
6. Metode Tren (Trend)
7. Metode Box-Jenkins (ARIMA)
Pemilihan Metode Peramalan Kuantitatif Terbaik
Mean Squared Error (MSE) Volume penjualan CPO
29
2.7. Definisi Operasional
1.Crude Palm Oil (CPO) adalah minyak kelapa sawit kasar berasal dari daging buah (mesocarp) kelapa sawit yang berwarna merah.
2.Data time series (deret waktu) adalah data yang dikumpulkan dan diamati atas rentang waktu tertentu. Eksplorasi data menekankan pada bagaimana perilaku data sepanjang periode pengamatan (Firdaus, 2006:2).
3.Ramalan penjualan merupakan proses aktivitas memperkirakan produk yang akan dijual dimasa mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah terjadi atau mungkin terjadi (Nafarin, 2007: 96).
4.Mean Squared Error (MSE) digunakan bila nilai residual (error) besarnya merata sepanjang pengamatan yaitu penilaian akurasi hasil peramalan dengan mengamati besarnya selisih nilai aktual dengan nilai estimasi dari peramalan (Firdaus, 2006:4).
5.Autocorrelation function (ACF) adalah hubungan antara nilai suatu variabel dengan nilai lampaunya, dapat dengan masa tenggang satu atau lebih, dimana koefisien berkisar antara -1 dan +1, dimana 0 menunjukkan tidak ada korelasi (Mulyono, 2000: 151).
30
7.Stasioneritas
Suatu deret dikatakan stasioneritas apabila proses tidak berubah seiring dengan perubahan waktu. Maksudnya, rata-rata deret pengamatan di sepanjang waktu konstan.
8.Eksplorasi data
Merupakan penjelajahan data penjualan dengan tujuan memperoleh pengetahuan lebih banyak mangenai pola data penjualan Crude Palm Oil (CPO).
31 BAB III
METODE PENELITIAN
3.1. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di PT. Kharisma Pemasaran Bersama (KPB) Nusantara Jl. Taman Cut Mutiah No. 11 Jakarta 10330. Pemilihan tempat penelitian ini dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa PT. KPB Nusantara merupakan salah satu perusahaan pemasar Crude Palm Oil (CPO) dan merupakan perusahaan milik negara yang bergerak dalam pemasaran komoditi perkebunan baik dalam maupun luar negeri. Penelitian ini dilaksanakan pada bulan Juni - Oktober 2010.
3.2. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dari wawancara menggunakan daftar pertanyaan yang ditujukan kepada Manajer Analisa Pasar dan Analisa Usaha. Data sekunder diperoleh dari data pola penjualan CPO yang telah dilakukan PT KPB Nusantara selama tujuh tahun yaitu pada periode Januari 2004 sampai Desember 2010.
32
peramalan yang digunakan dalam penelitian ini. Penerapan studi pustaka dalam penelitian ini yaitu berasal dari perpustakaan dan internet.
3.3. Metode Pengolahan dan Analisis Data
3.3.1. Analisis Kualitatif
[image:50.612.129.536.79.418.2]Analisis kualitatif dijelaskan secara deskriptif yang berkaitan dengan gambaran umum perusahaan meliputi lokasi perusahaan, visi misi, kegiatan usaha perusahaan, sejarah berdirinya perusahaan, struktur organisasi, ketenagakerjaan, produk CPO yang dipasarkan perusahaan, bauran pemasaran dan kegiatan peramalan penjualan CPO yang dilakukan oleh PT. KPB Nusantara di Jakarta.
3.3.2. Analisis Kuantitatif
33
peramalan penjualan CPO dilakukan dengan menggunakan program Microsoft Excel dan Minitab 15.
3.3.2.1. Metode Peramalan Time Series
Penelitian ini menggunakan metode peramalan time series. Metode peramalan time series terdiri dari beberapa metode, yaitu metode naif, metode rata-rata bergerak, metode pemulusan eksponensial tunggal, metode pemulusan eksponensial ganda, metode indeks musiman, metode tren, metode Box-Jenkins (ARIMA). Berdasarkan semua metode yang digunakan tersebut akan dipilih metode yang paling sesuai dengan pola data yang terdapat pada perusahaan berdasarkan nilai MSE terkecil.
1. Metode Naif (Naive)
Menurut Firdaus (2006: 5) metode naif dapat dirumuskan sebagai berikut:
t+1
=
tDimana :
t+1 = nilai ramalan penjualan CPO periode mendatang
t = nilai aktual penjualan CPO periode ke-t
2. Metode Rata-Rata Bergerak (Moving Average)
Metode ini menggunakan urutan kerja sebagai berikut: a. Menentukan ordo dan bobot rata-rata bergerak
34
adalah dengan mengambil rata-rata dari dua data maka diharapkan pelicinan akan jelas. Sebagai contoh moving average (MA) ordo 1, berarti peramalan hanya menggunakan satu observasi sebelumnya untuk meramalkan satu nilai yang akan datang (Firdaus, 2006: 6).
b. Formula untuk teknik ini adalah:
t+1
= MA
(n)t= ( y
t+ y
t-1+ y
t-2+ …+y
t-n+1)
n
Dimana :
t+1 = nilai ramalan penjualan CPO untuk satu periode ke depan
y
t = nilai aktual penjualan CPO pada waktu ke-tn
= ordo dari rata-rata bergerak3. Metode Pemulusan Eksponensial Tunggal (Single Ekponential Smoothing)
Menurut Firdaus (2006:10), formula untuk teknik ini adalah:
S
t= y
t+ (1- ) S
t-1Nilai awal St = (S1 + S2 + Sn-1 + Sn)/n Dimana :
St-1 = nilai aktual penjualan CPO untuk satu periode ke depan yt = nilai aktual penjualan CPO periode ke-t
35
4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing)
Metode Double Eksponential Smoothing menggunakan dua koefisien pemulusan diantaranya adalah koefisien pemulusan dan . Koefisien pemulusan menunjukkan nilai koefisien terhadap pemulusan metode double eksponential smoothing dan koefisien menunjukkan nilai koefisien terhadap trend. nilai konstanta pemulusan tersebut bernilai antara 0 dan 1. Persamaan dalam metode double eksponential smoothing adalah:
At = Yt + (1- )(At-1 + T t-1) Tt = (At-At-1) + (1- ) Tt-1 Dimana :
, = koefisien pemulusan Yt = nilai periode ke-t
At-1 = nilai periode sebelumnya Tt-1 = nilai tren periode sebelumnya 5. Metode Indeks Musiman
Persamaan dalam metode indeks musiman adalah: Y = a + bX
a = Y n
b = XY
n = Yt Y
(rata-rata) =
36
t+1 = (Y)( rata-rata) Dimana:
a, b = konstanta n = banyaknya data Y = penjualan aktual
X = pengkodean dari titik tengah periode = rasio penjualan
Yt = nilai garis trend
t+1 = penjualan periode ke depan
6. Metode Tren (Trend)
Menurut Firdaus (2006:14), bentuk umum persamaan trend adalah Yt= a1+b1 (T) + t
Dimana:
Yt = Penjualan CPO (Variabel dependen) T = Waktu atau periode ( variabel independen) a1 dan b1 = Parameter model
t = Residual model
Bentuk lain dari persamaan trend adalah Model trend kuadratik dengan persamaan sebagai berikut:
Yt = at +blt (T) + t
7. Metode Box-Jenkins
37
identifikasi dilakukan ekplorasi terhadap pola data untuk mengetahui unsur musiman, kestasioneran data, identifikasi terhadap pola ACF dan PACF. Pada tahap estimasi model dilakukan perhitungan awal untuk parameter-parameter dari model tentatif. Tahap evaluasi model, dilakukan uji diagnostik untuk menguji kedekatan model dengan data. Pada tahap peramalan, dilakukan penerapan terhadap model dengan parameter yang paling efisien.
Menurut Firdaus (2006: 24-28), setelah data dipastikan stasioner, selanjutnya adalah identifikasi untuk menentukan model ARIMA tentatif. Hal in dilakukan dengan menganalisis perilaku atau pola ACF dan PACF. Koefisien autokorelasi (ACF) dapat bernilai antara -1 sampai +1. Suatu deret waktu non musiman dikatakan stasioner jika koefisien autokorelasinya nol untuk dapat stasioner bila koefisiennya berbeda nyata dari nol hanya pada beberapa beda kala pertama (k 5). Parsial autokorelasi (PACF) digunakan untuk mengetahui ukuran hubungan antara dua deret waktu yang berbeda ketika pengaruh dari variabel lainnya dihilangkan. Untuk mendapatkan plot ACF dan PACF dapat dilakukan menggunakan software Minitab 15 karena perhitungan secara manual sangat rumit. Untuk data yang tidak mengandung unsur musiman beberapa alternatif model tentatif adalah sebagai berikut:
a. Model Autoregresif-autoregressive (AR)
Model AR dipilih bila ACF menunjukkan pola dying down dan PACF menunjukkan pola yang cut off. jumlah observasi masa lalu yang digunakan dalam model AR dikenal dengan orde p. Berikut persamaan model AR.
38
Dimana :
Zt = observasi deret stasioner saat ini Z-1, Zt-2 = observasi sebelumnya
,
1,
2= parameter-parameter yaitu konstan dan koefisient = residual parameter acak untuk periode saat ini yang diharapkan
nilainya sama dengan nol
b. Model Rataan Bergerak- Moving Average (MA)
Model MA ini dipilih bila ACF menunjukkan pola yang cut off dan PACF menunjukkan pola dying down. Jumlah residual masa lalu yang digunakan dalam model MA dikenal sebagai orde q. Berikut peramaan model MA.
Z
t= +
t–
t t-1–
2 t-2- …-
q t-qDimana :
Zt = observasi deret stasioner saat ini
t = residual peramalan yang white noise
t-1
,
t-2 = residual peramalan periode sebelumnya, 1, 2
= konstanta dan koefisien rataan bergerak c. Model Gabungan- Autoregressive Moving Average (ARMA)
Model gabungan ini dipilih bila ACF dan PACF kedua-duanya menunjukkan pola dying down. Model ini adalah kombinasi model autoregresif dan model rataan bergerak. Orde dari model gabungan ini adalah p dan q. Persamaan dalam model ini sebagai berikut:
39
Dimana :
Zt = observasi deret stasioner saat ini
Zt-1, Zt-2,…, t-1, t-2 = observasi danresidual peramalan periode sebelumnya dari deret stasioner
t = residual peramalan acak untuk periode saat ini , 1, 2,…, 1, 2,.. = konstanta dan koefisien-koefisien model
mengestimasi model ARIMA
Menurut Firdaus (2006: 29) dalam tahap estimasi model, penentuan ordo p dan q secara lebih terperinci dapat dilakukan berdasarkan identifikasi ACF dan PACF. Sebagai contoh, bila koefisien ACF signifikan hanya pada beda kala 1 dan 2 serta PACF mempunyai pola damped eksponensial, maka model tentatif adalah ARIMA (0,d,2).
Setelah dilakukan estimasi parameter model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Terdapat enam kriteria dalam evaluasi model Box-Jenkins, yaitu,
40
2. Model parsimonious. Dengan model yang diperoleh yang ditulis sebagai contoh ARIMA (0,1,1) menunjukkan bahwa model relatif sudah dalam bentuk yang paling sederhana.
3. Parameter yang diestimasi berbeda nyata dengan nol. Ini dapat dilihat dari nilai P-value koefisien kurang dari 0,05.
4. Kondisi invertibilitas ataupun stasioneritas harus terpenuhi. Hal ini ditunjukkan oleh jumlah koefisien MA dan AR dimana masing-masingnya harus kurang dari 1.
5. Proses iterasi harus convergence. Bila ini terpenuhi maka session terdapat pernyataan relative change in each estimate less than 0,0010.
6. Model harus memiliki MSE terkecil.
3.3.2.2. Ukuran Akurasi Hasil Peramalan
Menurut Firdaus (2006: 4) penilaian terhadap akurasi hasil peramalan dapat dilakukan dengan mengamati besarnya selisih nilai aktual pengamatan dengan nilai estimasi dari peramalan. Nilai residual atau error (et) adalah perbedaan antara nilai aktual dengan nilai hasil peramalan, yaitu:
e
t= y
t–
tDimana :
et = residual (error)/ nilai kesalahan peramalan pada periode ke-t yt = nilai aktual
41
n (et)2 t=1___
Sedangkan nilai residual tersebut diperoleh beberapa ukuran akurasi hasil peramalan sebagai berikut.
1. MAE ( Mean Absolute Error)
MAE = n
2. MSE (Mean Squared Error) atau MSD (Mean Squared Deviation)
MSE = n
3. MAPE ( Mean Absolute Percentage Error)
MAPE =
n
Secara umum bila residual besarnya merata sepanjang pengamatan maka MSE yang sebaiknya digunakan. Tapi bila satu atau dua residual yang besar, maka MAE yang sebaiknya digunakan. Untuk melihat bias tidaknya peramalan maka digunakan MPE/MAPE, peramalan dikatakan tidak bias bila MPE 0.
n (et) t=1_
n (et)
BAB IV
GAMBARAN UMUM PERUSAHAAN
4.1. Sejarah Berdirinya PT. KPB Nusantara
43 4.2. Visi dan Misi PT. KPB Nusantara
Visi PT. KPB Nusanatara adalah menjadikan PT. KPB Nusantara sebagai Trading House perkebunan Indonesia yang unggul dan terpercaya. Sedangkan misi perusahaan adalah menyelenggarankan pemasaran komoditas perkebunan Indonesia dengan berpegang pada prinsip-prinsip ekonomi untuk memberikan manfaat yang sebesar-besarnya bagi produsen dan pembeli. Sedangkan untuk mencapai visi dan misi tersebut perusahaan melakukan sejumlah kegiatan dibidang pemasaran produk perkebunan yaitu:
1. Menyajikan data, informasi, dan analisis pasar yang lengkap dan akurat. 2. Menghimpun para produsen dan menyelenggarakan tender atau lelang yang
diakui secara internasional. 3. Memberikan pelayanan terpadu. 4. Melakukan konsolidasi kargo.
5. Mengurus dokumen ekspor yang efesien. 6. Menangani dan menengahi klaim.
7. Mengembangkan jaringan di luar negeri secara terkoordinasi dan efesien.
4.3. Struktur Organisasi PT. KPB Nusantara
44 Keuangan, SDM dan Umum, setiap Direktur memiliki tugasnya masing-masing. Direktur Operasional membawahi Manajer Pemasaran CPO, Manajer Pemasaran Teh, Kopi dan Kakao, Manajer Pemasaran Gula, Karet dan Tetes, Manajer Analisa dan Pengembangan Usaha, Direktur Keuangan, SDM dan Umum membawahi Manajer Keuangan dan Manajer SDM dan Umum. Sedangkan kantor cabang Medan dan Surabaya, serta kantor perwakilan Dubai dibawahi oleh BOD. Bagan struktur organisasi dapat dilihat pada Lampiran 1. Sedangkan ketenagakerjaan PT. KPB Nusantara disajikan pada Tabel 3.
Tabel 3. Tenaga Kerja PT. KPB Nusantara
No Bagian Jumlah
1 Dewan komisaris 3
2 Direksi 3
3 Corporate secretary 4
4 Biro Satuan pengawasan Intern 4
5 Bagian Pemasaran Sawit 9
6 Bagian Pemasaran Teh, Kopi, dan Kakao 31 7 Bagian Pemasaran Karet, Gula, dan Tetes 14 8 Bagian Analisa Pasar dan Pengembangan Usaha 11
9 Bagian Keuangan 12
10 Bagian SDM dan Umum 45
11 Cabang Medan 48
12 Cabang Surabaya 23
13 Perwakilan Dubai 2
Jumlah 209
Sumber : PT. KPB Nusantara (2010)
45 Kantor Cabang Medan 48 orang, Kantor Cabang Surabaya 23 orang dan Kantor Dubai 2 orang tenaga kerja.
4.4. Hukum dan Legalitas PT. KPB Nusantara
PT. KPB Nusantara didirikan di Jakarta berdasarkan Akta Notaris N. M. Dipo Nusantara Pua Upa, S.H. No. 4 tanggal 16 Nopember 2009, dan disahkan oleh Menteri Hukum dan HAM melalui Surat Keputusan No. AHU-60488.AH.01.01. Tahun 2009 pada tanggal 11 Desember 2009. Pendirian Perusahaan ini dilakukan menurut ketentuan-ketentuan dan keputusan-keputusan yang tercantum dalam Undang-Undang No. 40 tahun 2007 tentang Perseroan Terbatas, Keputusan Badan Musyawarah Direksi tanggal 14 Agustus 2009, Surat Dewan Komisaris PTPN I sampai dengan PTPN XIV dan PT RNI, dan Surat
Persetujuan Menteri Negara Badan Usaha Milik Negara (BUMN) tanggal 30 September 2009 Nomor: S-674/MBU/2009.
4.5. Pemasaran Crude Palm Oil (CPO) 4.5.1. Bauran Pemasaran
46 a. Produk
Produk sawit yang dipasarkan dalam hal ini Crude Palm Oil (CPO) melalui PT. KPB Nusantara berasal dari perkebunan Negara yang memproduksi CPO yaitu PTPN I , II , III , IV , V , VI , VII , VIII , XIII dan XIV. Produk CPO yang dihasilkan dan dipasarkan tersebut memiliki kualitas yang baik dan sudah memenuhi standar mutu yang ditentukan oleh Direktur Jenderal Perkebunan yaitu kadar mutu Asam Lemak Bebas (ALB) 5%. Produk kelapa sawit yang dipasarkan oleh perusahaan sebagian besar dalam bentuk CPO, sisanya dalam bentuk Crude Stearin, Refinied Bleaching Degumming (RDB) Olein, Refinied Bleaching Deguming (RDB) Stearin, Palm Kernel Oil (PKO), Palm Kernel Fatty Acid, dan sebagainya. Penjualan produk dilakukan melalui tender atau lelang, dengan mengacu harga pasar yang dimonitor dari London, Rotterdam, Kuala Lumpur, Singapura, Tokyo, New York.
b. Harga
47 periode Januari sampai Agustus 2010 sudah termasuk PPn dan pajak ekspor meningkat 2,15% atau sebesar Rp. 7.321/kg (PT. KPBN, 2010: 6). Perkembangan harga rata-rata CPO tender lokal disajikan pada Tabel 4.
Tabel 4. Perkembangan Harga Rata-rata CPO Lokal Tahun 2007-2010
Keterangan = *Januari - Agustus 2010 Sumber: PT. KPB Nusantara (2010: 5)
Perkembangan harga CPO ekspor dipengaruhi oleh krisis moneter yang terjadi pada tahun 2008 yang berdampak pada penurunan harga minyak nabati dunia sampai titik terendah pada November- Des
