Oleh
ARLENA DINI LISJIYANTI
H24070051
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
RINGKASAN
ARLENA DINI LISJIYANTI. H24070051. Analisis Peramalan Penjualan Tahu Kita pada PT. Kitagama, Jakarta. Di bawah bimbingan H. MUSA HUBEIS.
Tahu merupakan salah satu makanan olahan dari kedelai yang memiliki kandungan gizi cukup tinggi. Meningkatnya konsumsi tahu saat ini sejalan dengan meningkatnya kesadaran masyarakat akan pentingnya makanan bergizi. Untuk itu PT. Kitagama membuat tahu sehat alami dan tanpa pengawet yang dinamakan Tahu Kita yang diproses dengan mesin-mesin modern dan proses pemasakan lebih cepat dan bersih untuk menghasilkan tahu yang putih, lembut, aman, bersih dan tahan lama.
Penelitian ini bertujuan (1) Menganalisis pola data penjualan Tahu Kita PT. Kitagama di lima (5) outlet penjualan, (2) Mengkaji dan memperoleh metode peramalan kuantitatif yang paling sesuai untuk melakukan peramalan penjualan Tahu Kita PT. Kitagama di lima (5) outlet penjualan, serta (3) Mengkaji dan memperoleh hasil peramalan produk Tahu Kita PT. Kitagama di lima (5) outlet penjualan untuk 15 bulan mendatang dengan menggunakan metode kuantitatif terbaik.
Informasi dan data yang dikumpulkan dalam penelitian ini meliputi data primer dan sekunder. Data primer diperoleh dari hasil wawancara dengan pihak manajemen dan pengamatan langsung di tempat penelitian. Data sekunder berupa studi literatur dan data lain yang diperoleh dari perpustakaan dan data perusahaan. Alat analisis menggunakan beberapa metode time series, yaitu metode trend analysis, metode Single Exponential Smoothing, metode Double Exponential Smoothing Holt, metode Decomposition Additive, metode Decomposition Multiplicative, metode Moving Average dan metode Autoregressive Integrated Moving Average (ARIMA) dengan bantuan Excel dan Minitab 14.
Dari hasil peramalan didapatkan bahwa metode terbaik untuk penjualan Tahu Kita pada outlet Pastellia dan outlet Kemchicks menggunakan Decomposition Additive, penjualan Tahu Kita pada outlet Joyo Swalayan menggunakan Moving Average (4), penjualan Tahu Kita pada outlet Ps. Bintaro Mas menggunakan ARIMA (2,0,2) dan penjualan Tahu Kita pada outlet Market City menggunakan Trend Quadratic. Informasi hasil peramalan penjualan pada penelitian ini digunakan untuk menyusun ramalan pendapatan kotor di lima (5) outlet penjualan.
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh :
ARLENA DINI LISJIYANTI
H24070051
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
Nama : Arlena Dini Lisjiyanti
NIM : H24070051
Menyetujui
Dosen Pembimbing,
(Prof. Dr. Ir. H, Musa hubeis, MS, Dipl. Ing, DEA)
NIP : 195506261980031002
Mengetahui :
Ketua Departemen,
(Dr. Ir. Jono M. Munandar, MSc)
NIP : 196101231986011002
iv
Penulis dilahirkan di Jakarta 24 Maret 1990 sebagai putri pertama dari dua (2) bersaudara pasangan Slamet Riyadi dan Sajiyanti. Penulis menyelesaikan pendidikan dasar di Sekolah Dasar Negeri (SDN) Pesanggrahan 03 Pagi Jakarta dan melanjutkan ke Sekolah Lanjutan Tingkat Pertama (SLTP) Negeri 177 Jakarta dan Sekolah Menengah Atas (SMA) Negeri 90 Jakarta. Tahun 2007 Penulis diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk Institut Pertanian Bogor (USMI) di Departemen Manajemen Fakultas Ekonomi dan Manajemen (FEM).
Selama menjadi mahasiswa, penulis aktif dalam organisasi seperti menjadi staff Produksi UKM Century IPB periode 2007/2008, staff Promotion and Marketting UKM Century IPB periode 2008/2009 dan sebagai Direktur BEM Corporation Badan Eksekutif Mahasiswa (BEM) Fakultas Ekonomi dan Manajemen (FEM) periode 2009/2010. Penulis juga aktif di berbagai kegiatan yang diadakan yaitu sebagai staff Danus acara Olimpiade Mahasiswa IPB (OMI) 2008, staff Danus acara Banking Goes to Campus 2008, koordinator PDD acara Bogor Business Simulation Comepetition 2009, staff acara Masa Perkenalan
Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor 2009, staff Expo acara Extravaganza 2009, staff Danus acara Sportakuler 2009, staff Sponshorship acara IPB Art Contest (IAC) 2009, Koordinator acara Seminar Insurance Goes to Campus (IGTC), staff acara Tax Goes to Campus 2010, Koordinator acara Gathering Departemen Manajemen 44 dan terakhir menjadi panitia Event
Organizer (EO) acara Unilever Career Day.
Selain itu, penulis sering menjadi Master of Ceremonial (MC) dalam acara-acara Fakultas, antara lain MC acara Greenation 3rd, Politik Ceria 2010, Balistis (baca Tulis Gratis), SOUL (Save Our Children), It’s time for us BEM FEM IPB 2009/2010, Entrepreneurship Talkshow, FEM Ambassador 2009 Roadshow, E-Race 2010, Masa Perkenalan Departemen (MPD) Manajemen FEM
v
Puji syukur penulis panjatkan kepada Allah SWT Tuhan semesta alam, Dzat
penguasa seluruh kehidupan atas rahmat dan karunia-Nya. Limpahan rahmat serta
kemudahan dalam berpikir dan bertindak merupakan sumber kekuatan penulis dalam
melaksanakan penyelesaian skripsi ini.
Skripsi ini berjudul “Analisis Peramalan Penjualan Tahu Kita pada PT.
Kitagama, Jakarta” disusun sebagai tugas akhir untuk memperoleh gelar Sarjana
Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut
Pertanian Bogor.
Skripsi ini menganalisis pola data penjualan Tahu Kita PT. Kitagama di lima
(5) outlet penjualan , mengkaji dan memperoleh metode peramalan kuantitatif yang paling sesuai untuk melakukan peramalan penjualan Tahu Kita PT. Kitagama di lima
(5) outlet penjualan, serta mengkaji dan memperoleh hasil peramalan produk Tahu
Kita PT. Kitagama di lima (5) outlet penjualan untuk 15 bulan mendatang dengan
menggunakan metode kuantitatif terbaik. Informasi tersebut dapat menjadi masukan
bagi perusahaan, sehingga dapat digunakan untuk membuat perencanaan strategi
maupun kebijakan ytang tepat dan sesuai di masa mendatang.
Penulis menyadari bahawa skripsi ini masih jauh dari sempurna, oleh karena
itu saran dan kritik yang membangun sangat penulis harapkan untuk perbaikan skripsi
vi
Segala puji bagi Allah SWT atas berkat rahmat dan karunia-Nya, penulis
dapat menyelesaikan penulisan skripsi berjudul “Analisis Peramalan Penjualan Tahu
Kita pada PT. Kitagama Jakarta” sebagai salah satu syarat memperoleh gelar Sarjana
Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen (FEM)
Institut Pertanian Bogor (IPB).
Skripsi ini tidak akan terwujud tanpa dukungan, bantuan dan kerja sama dari
berbagai pihak. Oleh karena itu, pada kesempatan ini penulis mengucapkan terima
kasih kepada :
1. Prof. Dr. Ir. H. Musa Hubeis, MS, Dipl, Ing, DEA sebagai dosen pembimbing
yang telah membrikan bimbingan, motivasi dan arahan selama penulis melakukan
penelitian.
2. Prof. Dr. Ir. W.H Limbong MS dan Dra. Siti Rahmawati, MS selaku dosen
penguji yang telah memberikan masukan dan saran.
3. Dr. Ir. Jono Munandar, M.Sc selaku Ketua Departemen Manajemen FEM IPB.
4. Seluruh staf dan karyawan Departemen Manajemen FEM IPB.
5. Ir. Teguh Budi Pramono, MBA yang telah membantu penelitian saya selama ini.
6. Mba Yayi Nestiti yang telah membantu penelitian saya dan memberikan
dukungan serta doa.
7. Kedua orang tua, Slamet Riyadi dan Sajiyanti, serta adik saya Rizki Chandra
Riyadi atas doa, nasihat, semangat, dukungan, pengertian dan kasih sayang yang
tiada henti yang telah diberikan kepada penulis.
8. Sahabat tersayang (Dian dan Tiwi) yang selalu menghibur.
9. Teman-teman satu bimbingan (Elis, Cely, Rari, Upeh, Devi, Suci, Arif dan
Yodia) yang telah memberikan dukungan, semangat dan doanya.
10.Sahabat-sahabat tersayang di manajemen 44 (Ratih, Windi, Dea, Echa, Malay,
Izni, Tutu, Resty, Widi, Christ, Fiky, Uki, Edo dan Duta) yang telah memberikan
vii
12.Teman-teman kosan Pondok Nuansa Sakinah (Salys, Asti, Alya, Nene, Dina,
Anies dan Cipi) yang memberikan semangat, dukungan dan doanya.
13.Semua teman-teman di Manajemen 44 yang selama ini telah berbagi suka maupun
duka.
14.Semua pihak yang tidak disebutkan namanya dalam kesempatan ini yang telah
membantu penulis dalam menyelesaikan skripsi ini.
Semoga Allah SWT membalas semua kebaikan yang telah diberikan oleh
semua pihak, baik yang disebutkan maupun yang tidak di dalam penyusunan
skripsi dan penulis menyadari masih banyak kekekurangan dan kelemahan dalam
penyusunan skripsi ini. Semoga skripsi ini dapat memberikan manfaat bagi semua
pihak yang memerlukannya.
Bogor, 13 Juni 2011
viii DAFTAR ISI
Halaman
RINGKASAN
RIWAYAT HIDUP ... iv
KATA PENGANTAR ... v
UCAPAN TERIMA KASIH ... ... vi
DAFTAR TABEL ... x
DAFTAR GAMBAR ... xi
DAFTAR LAMPIRAN ... xii
I. PENDAHULUAN ……… 1
1.1.Latar Belakang... 1
1.2.Perumusan Masalah ... 5
1.3.Tujuan Penelitian ... 6
1.4.Ruang Lingkup Penelitian... 6
II. TINJAUAN PUSTAKA ……….. 8
2.1.Sejarah Perkembangan Kedelai dan Tahu ... 8
2.2.Definisi Peramalan... 11
2.2.1 Jenis-jenis Peramalan ……… 13
2.2.2 Langkah-langkah Peramalan ………. 14
2.2.3 Peramalan time series ……….. 15
2.2.4 Decomposisi time series ……… 15
2.2.5 Rataan Bergerak ……… 15
2.2.6 Penghalusan Eksponensial ……… 16
2.2.7 Trend Analysis ………. 17
2.2.8 ARIMA ………. 17
2.2.9 Menghitung Kesalahan Peramalan ……….. 18
2.3.Penelitian Terdahulu yang Relevan ... 19
III. METODE PENELITIAN ………... 21
3.1.Kerangka Pemikiran Penelitian. ... 21
3.2.Lokasi dan Waktu Penelitian ... 24
ix
3.4.Pengolahan dan Analisis Data ... 24
IV. HASIL DAN PEMBAHASAN ……….. 32
4.1 Gambaran Umum Perusahaan ……… 32
4.2 Metode Peramalan Time Series pada Outlet Pastellia ………. 35
4.2.1 Identifikasi Pola Data Penjualan Tahu Kita pada Outlet Pastellia ……… 35
4.2.2 Metode Peramalan Penjualan Tahu Kita pada Outlet Pastellia ……… 37
4.3 Metode Peramalan Time Series pada Outlet JoyoSwalayan … 39
4.3.1 Identifikasi Pola Data Penjualan Tahu Kita pada Outlet Joyo Swalayan ……… 39
4.3.2 Metode Peramalan Penjualan Tahu Kita pada Outlet Joyo Swalayan ……… 40
4.4 Metode Peramalan Time Series pada Outlet Ps. Bintaro Mas .. 43
4.4.1 Identifikasi Pola Data Penjualan Tahu Kita pada Outlet Ps. Bintaro Mas ……… 43
4.4.2 Metode Peramalan Penjualan Tahu Kita pada Outlet Ps. Bintaro Mas …….……… 45
4.5 Metode Peramalan Time Series pada OutletMarket City ….. 47
4.5.1 Identifikasi Pola Data Penjualan Tahu Kita pada Outlet Market City ……… 47
4.5.2 Metode Peramalan Penjualan Tahu Kita pada Outlet Market City ……… 49
4.6 Metode Peramalan Time Series pada OutletKemchicks …… 52
4.6.1 Identifikasi Pola Data Penjualan Tahu Kita pada Outlet Kemchicks ……… 52
4.6.2 Metode Peramalan Penjualan Tahu Kita pada Outlet Kemchicks ……… 53
4.7 Implikasi Manajerial ……… ……….. 55
KESIMPULAN DAN SARAN ……… 58
1. Kesimpulan ………. 58
2. Saran ……… 58
DAFTAR PUSTAKA ……….. 60
x
DAFTAR TABEL
No. Halaman
1. Luas tanam kedelai di Indonesia dari tahun 2003 – 2007 ………. 2
2. Produksi tanaman kedelai di Indonesia dari tahun 2005 – 2011 ………... 2
3. Luas panen tanaman kedelai di Indonesia dari tahun 2005 -2007 ……... 3
4. Produktivitas tanaman kedelai di Indonesia di Indonesia dari tahun 2003
– 2009 ……… 3
5. Kandungan gizi kedelai ………. 11
6. Nilai MSE metode peramalan time series pada outlet Pastellia ………… 37
7. Ramalan penjualan Tahu Kita bulan Januari 2011 – Maret 2012 dengan
metode Decomposition Additive ……… 38
8. Nilai MSE metode peramalan time series pada outlet Joyo Swalayan …. 41
9. Ramalan penjualan Tahu Kita bulan Januari 2011 – Maret 2012 dengan
metode Moving Average (4) ……….. 42
10.Nilai MSE metode peramalan time series pada outlet Pasar Bintaro Mas
……… 45 11.Ramalan penjualan Tahu Kita bulan Januari 2011 – Maret 2012 dengan
metode ARIMA (2,0,2) ………. 46
12.Nilai MSE metode peramalan time series pada outlet Market City ……. 50
13. Ramalan penjualan Tahu Kita bulan Januari 2011 – Maret 2012 dengan
metode trend quadratic ………. 51
14. Nilai MSE metode peramalan time series pada outlet Kemchicks ……... 53
15. Ramalan penjualan Tahu Kita bulan Januari 2011 – Maret 2012 dengan
xi
DAFTAR GAMBAR
No Halaman
1. Kerangka pemikiran penelitian... 23
2. Pola data penjualan Tahu Kita pada outlet Pastellia ………. 36
3. Pola data penjualan Tahu Kita pada outlet Joyo Swalayan ………... 40
4. Pola data penjualan Tahu Kita pada outlet Pasar Bintaro Mas ………… 44
5. Pola data penjualan Tahu Kita pada outletMarket City ……… 48
xii
DAFTAR LAMPIRAN
No. Halaman
1. Data penjualan Tahu Kita bulan Juli 2008 – Desember 2010 ………… …. 63
2. Data aktual penjualan Tahu Kita bulan Januari 2011 – April 2011 ……….. 64
3. Struktur organisasi ……… 65
4. Proses produksi Tahu Kita ……….. 66
10.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Pastellia dengan metode Decomposition Additive ……….. 72
11.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Pastellia dengan metode Decomposition Multiplicative ………. 75
12.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Joyo Swalayan dengan metode Moving Average (4)……….. 78
13.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Joyo Swalayan dengan metode Decomposition Additive ………. 80
14.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Pasar Bintaro Mas dengan metode ARIMA (2,0,2)……….. 83
15.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Pasar Bintaro Mas dengan metode Decomposition Additive ………. 85
16.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Market City dengan metode Trend quadratic……….……..…… 88
17.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Market City dengan metode Single Exponential Smoothing ………. 90
18.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Kemchicks dengan metode Decomposition Additive ……….. 92
19.Hasil peramalan 15 periode ke depan untuk penjualan Tahu Kita pada outlet Kemchicks dengan metode Trend Quadratic………....…… 95
20.Implikasi hasil peramalan penjualan terhadap perkiraan pendapatan kotor Tahu Kita pada outlet Pastellia untuk periode Januari 2011 – Maret 2012 ………. 97
21.Implikasi hasil peramalan penjualan terhadap perkiraan pendapatan kotor Tahu Kita pada outlet Joyo Swalayan untuk periode Januari 2011 – Maret 2012 … 98 22.Implikasi hasil peramalan penjualan terhadap perkiraan pendapatan kotor Tahu Kita pada outlet Pasar Bintaro Mas untuk periode Januari 2011 – Maret 2012 ………... 99
23.Implikasi hasil peramalan penjualan terhadap perkiraan pendapatan kotor Tahu Kita pada outletMarket City untuk periode Januari 2011 – Maret 2012 ……. 100
I. PENDAHULUAN
1.1 Latar Belakang
Pertanian merupakan bidang strategik, karena menyangkut kebutuhan
manusia. Bagi Indonesia yang merupakan negara agraris, pertanian mempunyai
makna penting dalam mendukung perekonomian nasional, terutama sebagai
penyedia bahan pangan, sandang dan papan bagi segenap penduduk, serta
penghasil komoditas ekspor nonmigas untuk menarik devisa. Pada tahun 1969,
pemerintah Indonesia meluncurkan rencana lima (5) tahun pertama dengan
pertanian sebagai titik fokus untuk mendorong pertumbuhan ekonomi tanaman
pangan terutama padi sawah, jagung, kedelai, ubi jalar dan ubi kayu. Sejak 1969,
produksi padi telah menjadi fokus utama dalam peningkatan produksi pangan,
namun selama tahun 1970an produksinya semakin menurun. Saat itu, produksi
palawijaya seperti jagung, kedelai, kacang tanah dan ubi kayu sebagian besar
diabaikan dalam kebijakan pemerintah sampai dengan tahun 1974. Menurunnya
produksi padi mendorong pemerintah untuk mempertimbangkan kebijakan
pangan palawijaya ini sebagai pengganti beras. Sebelum tahun 1974, total
produksi jagung juga menurun, tetapi keuntungan kecil telah dilakukan oleh
kedelai dan kacang tanah. (http://ideas.repec.org/, 2011)
Di kawasan Benua Asia, Indonesia menempati sebagai negara dengan luas
areal (1,4 juta ha) ketiga terbesar setelah Cina (8 juta ha) dan India (4,5 juta ha).
Selain itu, Indonesia juga dikenal sebagai negara penghasil kedelai keenam
terbesar di dunia, setelah USA, Brasil, Argentina, Cina dan India (1997)
(Adisarwanto dan Rini, 2002). Sebagai ilustrasi, pada Tabel 1 dapat dilihat luas
tanam kedelai di Indonesia tahun 2003 - 2007 mengalami peningkatan hingga
tahun 2005 dan selanjutnya mengalami penurunan. Pulau Jawa merupakan
daerah yang memiliki luas tanam paling banyak dibandingkan daerah lainnya,
Tabel 1. Luas tanam Kedelai di Indonesia dari tahun 2003 - 2007
No. Provinsi
Tahun (ha)
2003 2004 2005 2006 2007
1. Sumatera 43.926 58.199 54.397 44.043 38.502
2. Jawa 361.041 408.783 416.144 390.320 336.792
3. Bali, Nusa Tenggara 74.078 96.426 104.136 93.437 78.726
4. Kalimantan 9.565 9.624 6.880 6.925 7.309
5. Sulawesi 24.551 29.866 29.838 27.361 28.264
6. Maluku & Papua 40.196 4.795 9.715 6.536 6.584
Jumlah Luar Jawa 192.316 198.880 204.966 178.302 159.385
Indonesia 553.357 607.663 621.110 568.622 496.177
Sumber : www.bps.go.id, 2011
Perkembangan produksi tanaman kedelai di Indonesia (Tabel 2) sama
seperti dengan perkembangan luas panen tanaman kedelai di Indonesia tahun
2005 - 2011 (Tabel 3), produksi dan luas panen kedelai mengalami penurunan
selama tahun 2005 - 2007, tetapi di tahun 2008 hingga 2009 mengalami
peningkatan cukup tinggi dan di tahun 2010 menurun sedikit dibanding tahun
sebelumnya dan diperkirakan pada tahun 2011 mengalami peningkatan. Produksi
tanaman kedelai di Indonesia paling tinggi terdapat di daerah pulau Jawa,
sebaliknya luas panen tanaman kedelai di Indonesia terdapat di luar pulau Jawa.
Tabel 2. Produksi tanaman Kedelai di Indonesia dari tahun 2005 - 2011
Provinsi
Produksi (ton)
2005 2006 2007 2008 2009 2010 2011
Jawa 563.225 518.425 424.986 518.997 573.231 633.212 636.675*
Luar Jawa 245.128 229.186 167.548 256.713 351.280 274.899 297.328*
Indonesia 808.353 747.611 592.534 775.710 924.511 908.111 934.003*
* Angka Ramalan I
Tabel 3. Luas panen tanaman Kedelai di Indonesia dari tahun 2005 - 2011
Provinsi
Produksi (ton)
2005 2006 2007 2008 2009 2010 2011
Jawa 423.874 390.568 325.689 389.780 428.130 493.594 436.315*
Luar Jawa 197.667 189.966 133.427 201.176 273.262 168.117 230.387*
Indonesia 621.541 580.534 459.116 590.956 701.392 661.711 666.702*
* Angka Ramalan I
Sumber : www.bps.go.id, 2011
Tabel 4 menunjukkan perkembangan produktivitas tanaman kedelai di
Indonesia dari tahun 2003 - 2009 yang berfluktuasi. Dapat dilihat pada tahun
2003 - 2005 Indonesia mengalami peningkatan produktivitas kedelai, lalu di
tahun 2006 mengalami penurunan dan mengalami peningkatan lagi mulai tahun
2007 - 2009. Tingkat produktivitas paling tinggi terjadi di daerah Jawa.
Tabel 4. Produktivitas tanaman Kedelai di Indonesia dar tahun 2003 - 2009
Provinsi
Produktivitas (kuintal/Ha)
2003 2004 2005 2006 2007 2008 2009
Jawa 13,04 13,06 13,29 13,27 13,05 13,32 13,39
Luar Jawa 12,03 12,25 12,40 12,06 12,56 12,76 12,86
Indonesia 12,75 12,80 13,01 12,88 12,91 13,13 13,18
Sumber : www.bps.go.id, 2011
Kedelai merupakan salah satu bahan pangan penting setelah beras karena
hampir 90% digunakan sebagai pangan. Kedelai juga kaya akan protein yang
memiliki arti penting sebagai sumber protein nabati untuk peningkatan gizi dan
mengatasi penyakit kurang gizi seperti busung lapar. Kedelai juga bermanfaat
menurunkan kolesterol darah yang dapat mencegah penyakit jantung. Selain itu,
kedelai dapat berfungsi sebagai antioksidan dan dapat mencegah penyakit
dengan meningkatnya kesadaran masyarakat akan pangan sehat. Kedelai juga
berpotensi dan berperan penting dalam menumbuhkembangkan industri kecil
menengah (IKM), bahkan sebagai komoditas ekspor (Adisarwanto dan Rini,
2002).
Tahu merupakan salah satu makanan olahan dari kedelai yang memiliki
kandungan gizi cukup tinggi. Meningkatnya konsumsi tahu saat ini sejalan
dengan meningkatnya kesadaran masyarakat akan pentingnya makanan bergizi.
Tahu adalah makanan yang dibuat dari kacang kedelai yang difermentasikan dan
diambil sarinya. Berbeda dengan tempe yang asli dari Indonesia, tahu berasal
dari Cina, seperti halnya kecap, tauco, bakpao dan bakso. Sebagaimana tempe,
tahu dikenal sebagai makanan rakyat. Beraneka ragam jenis tahu yang ada di
Indonesia umumnya dikenal dengan tempat pembutannya, misalnya tahu
Sumedang dan tahu Kediri. (http://id.wikipedia.org/wiki/Tahu, 2011).
Beberapa waktu terakhir di tahun 2006 sempat marak berita tentang
formalin yang sering ditemukan pada produk tahu segar sebagai bahan pengawet.
Adanya berita tahu berformalin yang ditemukan di pasaran, telah membuat
masyarakat Indonesia menjadi sangat waswas untuk mengkonsumsi tahu.
Padahal tahu adalah bahan makanan murah, sehat dan disukai oleh semua usia
mulai dari bayi hingga lansia. Tahu juga mengandung protein nabati penting bagi
pemenuhan gizi, terutama dalam masa pertumbuhan. Selain itu tahu merupakan
alternatif lauk pauk yang lezat yang mudah diolah menjadi penganan apapun. Di
Indonesia, saat ini banyak sekali munculnya produsen tahu di pasaran, salah
satunya yaitu PT. Kitagama merupakan salah satu industri tahu yang sistem
pengolahannya berbeda dengan perusahaan tahu lainnya. Tahu hasil produksi
PT. Kitagama merupakan produk dari hasil penelitian dari dosen Fakultas Teknik
Pertanian Universitas Gajah Mada (FTP UGM) yang sebelumnya diproduksi
dalam skala laboratorium. Selanjutnya produksi tersebut kemudian di
kembangkan menjadi skala industri. PT. Kitagama merupakan industri yang
PT. Kitagama muncul untuk mencoba memberikan solusi atas
permasalahan tahu berformalin di pasaran. Teknologi pengolahan tahu yang
benar dan tepat perlu diterapkan dalam proses pembuatan tahu. PT. Kitagama
berfokus membuat tahu sehat alami dan tanpa pengawet untuk menghapus
kekhawatiran masyarakat akan tahu yang dikonsumsi. Untuk itu
dimunculkanlah tahu sehat hasil dari produk PT. Kitagama yang dinamakan
Tahu Kita. Tahu Kita di proses dengan menggunakan mesin-mesin modern
berbahan dasar stainless steel, sehingga menjadikannya aman, bersih, putih dan
higienis. Dengan proses pemasakan yang lebih cepat dan bersih, maka
menghasilkan tahu yang putih dan lembut, karena proses pemasakannya tidak
menghasilkan kerak pada dasar tangki masak yang dapat membuat tahu berbau
sangit dan berwarna putih kekuningan.
Meningkatnya jumlah produsen tahu saat ini telah menyebabkan PT.
Kitagama harus mampu mempertahankan pelanggannya, bahkan meningkatkan
jumlah konsumennya agar dapat bertahan sebagai produsen yang bergerak di
industri tahu. Salah satu cara yang dapat dilakukan oleh PT. Kitagama adalah
melakukan peramalan penjualan, untuk membuat perencanaan produksi dan
strategi pemasaran lebih tepat dan sesuai dengan kondisi lingkungan perusahaan
saat ini. Untuk itu dilakukan penelitian berjudul Analisis Peramalan Penjualan
Tahu Kita pada PT. Kitagama Jakarta.
1.2. Perumusan Masalah
Munculnya para pesaing produsen tahu saat ini yang membuat pilihan
jumlah produk ataupun merek tahu di Indonesia semakin bervariatif telah
membuat PT. Kitagama sebagai salah satu produsen yang menghasilkan
produk berbahan dasar kedelai ini harus memikirkan bagaimana cara
mempertahankan pelanggannya, bahkan meningkatkan konsumen. Oleh
karena itu, PT. Kitagama perlu melakukan peramalan penjualan untuk
menetapkan target penjualan perusahaan melalui penyusunan strategi.
1. Bagaimana pola data penjualan Tahu Kita PT. Kitagama di lima (5) outlet
penjualan selama ini ?
2. Bentuk metode peramalan kuantitatif apakah yang paling sesuai untuk
meramalkan jumlah penjualan Tahu Kita PT. Kitagama di lima (5) outlet
penjualan ?
3. Bagaimana peramalan penjualan Tahu Kita PT. Kitagama di lima (5)
outlet penjualan untuk 15 bulan mendatang dengan menggunakan metode kuantitatif terbaik ?
1.3.Tujuan Penelitian
Tujuan penelitian ini adalah :
1. Menganalisis pola data penjualan Tahu Kita PT. Kitagama di lima (5)
outlet penjualan
2. Mengkaji metode peramalan kuantitatif yang paling sesuai untuk
melakukan peramalan penjualan Tahu Kita PT. Kitagama di Lima (5)
outlet penjualan
3. Mengkaji hasil peramalan produk Tahu Kita PT. Kitagama di lima (5)
outlet penjualan untuk 15 bulan mendatang dengan menggunakan metode kuantitatif terbaik
1.4 Ruang Lingkup Penelitian
Penelitian ini menggunakan metode time series dan data penjualan
tahu di lima (5) outlet dari bulan Juli 2008 sampai Desember 2010, maka
peramalan dilakukan selama 15 bulan ke depan yaitu, bulan Januari 2011
sampai Maret 2012 dan kemudian dibandingkan dengan data aktual selama 3
(tiga) bulan yang didapatkan dari bulan Januari sampai Maret 2011. Data
penjualan yang didapat dari perusahaan adalah penjualan harian yang
kemudian diakumulasikan menjadi data bulanan.
Peramalan dilakukan pada lima (5) outlet Tahu Kita PT. Kitagama.
Kemchick dan Market City. Penelitian ini terbatas hanya kepada pemilihan metode peramalan akurat untuk meramalkan penjualan Tahu Kita yang dapat
digunakan oleh perusahaan dalam merencanakan produksi. Untuk
II. TINJAUAN PUSTAKA
2.1 Sejarah Perkembangan Kedelai dan Tahu
Menurut Winarto, Achmad dan Kuncoro (2005), tanaman kedelai (Glycine
max (L) Merrill) telah dibudidayakan sejak 1500 tahun sebelum Masehi. Asal
tanaman ini dipekirakan dari dataran Cina, karena di sanalah mula mula kedelai
ditanam, dan juga di Cina banyak dijumpai jenis kedelai liar. Tanaman ini dari
Cina kedelai menyebar ke Jepang, Korea, Asia Tenggara dan ke Indonesia.
Di Indonesia, terutama di Jawa dan Bali, kedelai sudah ditanam sejak
tahun 1750. Amerika serikat, negara produsen kedelai terbesar di dunia, baru
mulai menanam kedelai tahun 1920 dan Brasil negara produsen kedelai nomor
dua, baru mulai menanam kedelai tahun 1950.
Tanaman kedelai merupakan tanaman cash crop yang dibudidayakan di
lahan sawah (±60%) dan di lahan kering (±40%). Luas areal tanam mencapai
punaknya pada tahun 1992, yaitu 1,67 juta hektar. Sejak tahun 2000-2003, areal
tanam terus menurun menjadi 0,53 juta hektar pada tahun 2003. Kebutuhan
kedelai pada tahun 2004 sebesar 2,02 juta ton, sedangkan produksi dalam negeri
baru mencapai 0,71 juta ton, sehingga kekurangannya 1,31 juta ton harus
diimpor. Hanya sekitar 35% dari total kebutuhan kedelai dapat dipenuhi dari
produksi dalam negeri. Penurunan areal tanaman berkaitan erat dengan banjirnya
kedelai impor, sehingga nilai kompetitif dan komparatifnya merosot. Mengingat
posisi lahan di Indonesia cukup luas dan jumlah penduduk cukup besar,
sementara industri pangan berbahan baku kedelai berkembang pesat, maka
kedelai perlu mendapat prioritas untuk dikembangkan untuk menekan laju
impor.
Upaya untuk menekan laju impor dapat ditempuh melalui peningkatan
produktivitas, perluasan areal tanam, peningkatan efisiensi produksi, penguatan
kelembagaan petani, peningkatan mutu produk, peningkatan nilai tambah,
perbaikan akses pasar, perbaikan sistem permodalan, pengembangan
pengembangan kedelai di Indonesia, maka fokus penelitian adalah melestarikan
dan mendayagunakan plasma nutfah tanaman kedelai guna menopang kegiatan
pemuliaan berkelanjutan dan produktif menghasilkan varietas unggul baru
(VUB). Untuk meningkatkan potensi komoditas kedelai lahan sawah irigasi dan
lahan kering dapat ditempuh melalui sintesis teknik produksi yang terdiri dari
VUB kedelai adaptif, hasil tinggi (2,5-3,0 ton/ha), berbiji besar, toleran
kekeringan dan tahan hama dan penyakit disertai komponen teknologi
pengelolaan lahan, tanaman dan organisme pengganggu yang efisien, baik untuk
lahan sawah irigasi, sawah tadah hujan, maupun lahan kering. Diseminasi hasil
penelitian untuk meningkatkan akses bagi pengguna teknologi dan mempercepat
adopsi petani antara lain di lahan melalui Program Rintisan dan Akselerasi
Inovasi Teknologi Pertanian (PRIMA TANI) (Winarto, Achmad dan Kuncoro,
2005)
Tanaman kedelai (Glyicne max Merr.) bukan tanaman asli Indonesia,
namun pembudidayaan tanaman ini telah dilakukan di pulau jawa sejak abad
XVI. Rumphius (1750) mendokumentasikan bahwa pada masa itu kedelai telah
menyebar di Jawa dan Bali, yang berarti bahwa introduksi kedelai ke Indonesia
terjadi jauh sebelum tahun tersebut. Pemasukan kedelai ke Indonesia
kemungkinan dilakukan oleh imigran China, mengingat China telah menanam
dan menggunakan kedelai sebagai bahan makanan sejak awal abad Masehi.
Keberlanjutan usahatani kedelai di Indonesia ditunjang oleh adanya teknik
pengolahan kedelai menjadi bahan lauk, yang diperlukan masyarakat setiap hari,
dalam bentuk tempe, tahu, kecap dan tauco. Teknik pengolahan ini ternyata tidak
ditemukan di negara tetangga yang pada zaman dulu erat berhubungan dengan
Indonesia seperti India, Birma, Thailand, Srilanka atau Vietnam.
Sebagai tanaman bahan lauk yang tidak dibutuhkan dalam jumlah banyak,
secara tradisional historis kedelai memang tidak pernah ditanam secara luas
sebagaimana tanaman pokok seperti padi, jagung atau ubi kayu. Hal ini juga
berkaitan dengan ciri pertanian Indonesia hingga awal Pelita I (1968-1973)
keluarga tani sendiri. Sebagai akibatnya, kedelai tidak pernah diusahakan sebagai
tanaman utama, hanya sebagai tanaman sisipan (catch crop) atau petani
menyebut sebagai tanaman polowijo, yang berarti tanaman sisipan di musim
kemarau pada saat lahan tidak dimanfaatkan untuk usahatani tanaman utama. Hal
ini sangat berbeda dengan cara pengusahaan kedelai di negara USA, Brasilia dan
Argentina, yang walaupun baru mulai menanam kedelai pada pertengahan abad
XX, memperlakukan kedelai sebagai cash crop yang diusahakan sebagai
tanaman utama secara besar-besaran (BPP Teknologi, 1993)
Tahu adalah makanan yang dibuat dari kacang kedelai yang
difermentasikan dan diambil sarinya. Berbeda dengan tempe yang asli dari
Indonesia, tahu berasal dari Cina, seperti halnya kecap, tauco, bakpao dan bakso.
Tahu pertama kali muncul di Tiongkok sejak zaman Dinasti Han, sekitar 2200
tahun lalu. Di Jepang dikenal dengan nama tofu. Makanan ini dibawa para
perantau China, makanan ini menyebar ke Asia Timur dan Asia Tenggara, lalu
juga akhirnya ke seluruh dunia. Sebagaimana tempe, tahu dikenal sebagai
makanan rakyat. Beraneka ragam jenis tahu yang ada di Indonesia umumnya
dikenal dengan tempat pembuatannya, misalnya tahu Sumedang dan tahu Kediri.
(http://id.wikipedia.org/wiki/Tahu, 2011).
Berdasarkan Tabel 5, kandungan gizi kedelai paling tinggi terdapat pada
makanan olahan seperti tahu. Meningkatnya konsumsi tahu saat ini sejalan
dengan meningkatnya kesadaran masyarakat akan pentingnya makanan bergizi.
Tahu adalah makanan yang dibuat dari kacang kedele yang difermentasikan dan
diambil sarinya. Berbeda dengan tempe yang asli dari Indonesia, tahu berasal
dari Cina, seperti halnya kecap, tauco, bakpao dan bakso. Tahu pertama kali
muncul di Tiongkok sejak zaman Dinasti Han, sekitar 2200 tahun lalu. Di Jepang
dikenal dengan nama tofu. Dibawa para perantau China, makanan ini menyebar
ke Asia Timur dan Asia Tenggara, lalu akhirnya ke seluruh dunia. Sebagaimana
tempe, tahu dikenal sebagai makanan rakyat. Beraneka ragam jenis tahu yang
ada di Indonesia umumnya dikenal dengan tempat pembutannya, misalnya tahu
Tabel 5. Kandungan Gizi Kedelai
Jenis Produk Kalori Protein CHO Lemak
Tanaman Kedelai
(kuning), dimasak
149 14,3 8,5 7,7
Kedelai, hijau
(edamame)
127 11,1 10,0 5,8
Tempe 165 15,8 14,1 6,4
Tahu 183 17,0 14,1 9,3
Tepung kedelai,
Dihilangkan lemaknya
82 11,8 9,6 0,3
Susu kedelai 100 7,0 8,0 4,0
Sumber : http://www.nsrl.uiuc.edu/aboutsoy/soynutrition.html, 2011
2.2 Definisi Peramalan
Menurut Heizer dan Render (2006), peramalan adalah seni, ilmu untuk
memperkirakan kejadian di masa depan. Hal ini dilakukan dengan melibatkan
pengambilan data masa lalu dan menempatkannya ke masa mendatang dengan
suatu bentuk model matematik atau prediksi intuisi bersifat subyektif, atau
menggunakan kombinasi model matematik yang disesuaikan dengan
pertimbangan yang baik dari seorang manajer. Forecasting berkaitan dengan
upaya memperkirakan apa yang terjadi di masa depan, berbasis pada metode
ilmiah (ilmu dan teknologi) serta dilakukan secara matematis. Walaupun
demikian, kegiatan forecasting tidaklah semata-mata berdasarkan prosedur
ilmiah atau terorganisir, karena ada kegiatan forecasting yang menggunakan
intuisi (perasaan) atau lewat diskusi informal dalam sebuah grup (Santoso,
2009).
Menurut Sugiarto dan Harihono (2000), peramalan merupakan studi
terhadap data historis untuk menemukan hubungan, kecenderungan dan pola
sistematis. Dalam dunia bisnis, hasil peramalan mampu memberikan gambaran
perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi.
Ketepatan hasil peramalan bisnis akan meningkatkan peluang tercapainya
investasi yang menguntungkan. Semakin tinggi akurasi yang dicapai peramalan,
maka semakin meningkat pula peran peramalan dalam perusahaan, karena hasil
dari suatu peramalan dapat memberikan arah bagi perencanaan perusahaan,
perencanaan produk dan pasar, perencanaan penjualan, perencanaan produksi
dan keuangan.
Dikaitkan dengan perencanaan perusahaan, hasil peramalan lingkungan
ekonomi dan pasar memungkinkan perencana perusahaan mengarahkan
kebijakan perusahaan ke sektor-sektor yang memberikan peluang keuntungan
tertinggi. pemanfaatan hasil peramalan dalam perencanaan produk dan pasar
pada umumnya digunakan dalam menyusun sasaran perusahaan maupun untuk
penyusunan anggaran promosi, serta anggaran penjualan yang diperlukan untuk
mencapai sasaran tersebut. Hasil peramalan produk dan pasar dapat
dimanfaatkan perusahaan untuk memasuki pasar baru ataupun menarik diri dari
pasar yang semakin tidak menguntungkan. Sebagai contoh, hasil peramalan
terhadap peluang suatu produk akan memungkinkan dibuatnya perencanaan
terperinci bagi setiap sektor yang mendukung produk tersebut.
Salah satu aspek yang paling sering disalahpahami dalam peramalan adalah
ketidakpastian. Umumnya manajer perusahaan percaya bahwa semakin banyak
sumber daya dan waktu yang diberikan kepada peramalan, semakin rendah
derajat ketidakpastian yang didapat. Tetapi dalam banyak situasi, semata mata
menggunakan lebih banyak waktu dan tenaga dalam peramalan justru akan
memberikan hasil berlawanan. Proses peramalan masa depan itu sendiri justru
membuka kemungkinan-kemungkinan baru dan hal ini sering berarti semakin
banyaknya ketidakpastian yang harus dipertimbangkan. Dalam kasus seperti ini,
tujuan utama peramalan adalah menjadikan para pengambil keputusan dan
pembuat kebijakan memahami ketidakpastian di masa mendatang, sehingga
ketidakpastian dan risiko yang mungkin muncul dapat dipertimbangkan pada
masa depan. Dengan melakukan peramalan, para perencana dan pengambil
keputusan akan dapat mempertimbangkan alternatif-alternatif strategi yang lebih
luas daripada tanpa peramalan. Dengan demikian, berbagai rencana strategi dan
aksi dapat dikembangkan untuk menghadapi berbagai kemungkinan yang dapat
terjadi di masa mendatang (Sugiarto dan Hariono, 2000).
Menurut Heizer dan Render (2006), peramalan biasanya berdasarkan
horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas
beberapa kategori :
1. Peramalan jangka pendek. Peramalan ini mencakup jangka waktu hingga satu
(1) tahun tetapi umumnya kurang dari tiga (3) bulan. Peramalan ini digunakan
untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja,
penugasan keja dan tingkat populasi.
2. Peramalan jangka menengah. Peramalan jangka menengah, atau intermediate
umumnya mencakup hitungan bulanan hingga tiga (3) tahun. Peramalan ini
berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi,
anggaran kas dan menganalisis bermacam-macam rencana operasi.
3. Peramalan jangka panjang. Umumnya untuk perencanaan masa tiga (3) tahun
atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk
baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta
penelitian dan pengembangan (litbang).
2.2.1 Jenis-jenis Peramalan
Peramalan adalah upaya memperkirakan nilai-nilai respon yang
menjadi perhatian di masa depan. Secara garis besarnya, peramalan
dibedakan menjadi peramalan kuantitatif dan kualitatif. Hasil peramalan
kualitatif didasarkan pada pengamatan kejadian-kejadian di masa
sebelumnya yang digabungkan dengan intuisi maupun ketajaman perasaan
si peramal dalam menghasilkan suatu informasi yang diperkirakan bakal
terjadi di masa mendatang. Pada umumnya hasil peramalan kualitatif
Sebaliknya, peramalan kuantitatif mempergunakan data kuantitatif yang
diperoleh dari pengamatan nilai-nilai sebelumnya dengan ditunjang
beberapa informasi kuantitatif maupun kualitatif. Hasil peramalan
kuantitatif secara relatif lebih disukai, karena memberikan pandangan yang
lebih nyata dan lebih obyektif dalam besaran nilai hasil peramalannya.
2.2.2 Langkah-langkah Peramalan
Menurut Sugiarto dan Harihono (2000), hampir semua metode
peramalan formal dilakukan dengan cara mengekstrapolasi kondisi masa
lalu untuk kondisi masa mendatang. Hal ini didasarkan pada asumsi bahwa
kondisi masa lalu sama dengan kondisi masa mendatang. Atas dasar logik
ini, maka langkah-langkah dalam metode peramalan adalah :
Langkah 1 : Mengumpulkan data
Langkah 2 : Menyeleksi dan memilih data
Langkah 3 : Memilih model peramalan
Langkah 4 : Menggunakan metode terpilih untuk peramalan
Menurut Heizer dan Render (2006), Peramalan (forecasting) adalah
istilah yang sangat populer di dunia bisnis, yang pada dasarnya adalah
kegiatan yang berhubungan dengan meramalkan atau memproyeksikan
hal-hal yang terjadi di masa lampau ke masa depan. Ramalan permintaan
(demand forecasting) menyangkut peramalan permintaan mendatang berdasarkan permintaan yang lalu atau berdasarkan perhitungan tertentu.
Ramalan permintaan mencakup dua kegiatan (Indrajit dan Djokopranoto,
2003), yaitu :
1. Mengidentifikasikan peubah-peubah yang mempengaruhi permintaan
2. Mengembangkan persamaan-persamaan yang menyatakan hubungan
2.2.3 Peramalan Time Series
Time series didasarkan pada waktu berurutan atau berjarak sama
(mingguan, bulanan, kuartalan, dan lainnya). Meramalkan data time series
berarti nilai masa depan diperkirakan hanya dari nilai masa lalu dan bahwa
peubah lain diabaikan, walaupun peubah-peubah tersebut mungkin sangat
bermanfaat.
2.2.4 Dekomposisi Time Series
Menganalisis Time Series berarti membagi data masa lalu menjadi
komponen-komponen dan kemudian memproyeksikannya ke masa depan.
Time series mempunyai empat (4) komponen : tren, musim, siklus dan
variasi acak (random variation). Rinciannya sebagai berikut :
a. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau
menurun. Perubahan pendapatan, populasi, penyebaran umur, atau
pandangan budaya dapat mempengaruhi pergerakan tren.
b. Musim adalah pola data yang berulang pada kurun waktu tertentu
seperti hari, minggu, bulan, atau kuartal.
c. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun.
Siklus ini biasanya terkait pada siklus bisnis dan merupakan satu hal
penting dalam analisis dan perencanaan bisnis jangka pendek.
Memprediksi siklus bisnis sulit, karena dapat dipengaruhi oleh
kejadian politik ataupun kerusuhan internasional.
d. Variasi acak merupakan satu titik khusus dalam data, yang disebabkan
oleh peluang dan situasi yang tidak biasa. Variasi acak tidak
mempunyai pola khusus, jadi tidak dapat diprediksi.
2.2.4 Rataan Bergerak
Peramalan rataan bergerak (moving average) menggunakan sejumlah
data aktual masa lalu untuk menghasilkan peramalan. Rataan bergerak
berguna, jika diasumsikan permintaan pasar akan stabil sepanjang masa
Secara matematik, rataan bergerak sederhana (merupakan prediksi
permintaan periode mendatang) dinyatakan sebagai :
Rataan bergerak = ∑ permintaan n periode sebelumnya ……... (1)
n
dimana n adalah jumlah periode dalam rataan bergerak.
Rataan bergerak dengan pembobotan dapat dijabarkan berikut :
Rataan bergerak dengan pembobotan =
∑ (bobot pada periode n) (permintaan pada periode n) ………... (2)
∑ bobot
2.2.5 Penghalusan Eksponensial
Penghalusan Eksponensial (exponential smoothing) merupakan
metode peramalan rataan bergerak dengan pembobotan canggih, namun
masih mudah digunakan. Metode ini menggunakan sangat sedikit
pencatatan data masa lalu. Rumus penghalusan eksponensial dasar dapat
ditunjukkan sebagai berikut :
Peramalan baru = peramalan periode lalu + α (permintaan
aktual periode lalu – peramalan periode lalu)
dimana α adalah sebuah bobot, atau konstanta penghalusan (smoothing
constant), yang dipilih oleh peramal, yang mempunyai nilai antara 0 dan 1. Persamaan secara matematik ditulis sebagai berikut :
Ft = Ft-1 + α (At-1 – Ft-1) ………... (3)
dimana
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalus
2.2.6 Trend Analysis
Ada beberapa metode forecasting yang memperhatikan adanya trend,
seperti metode Holt (pada Exponential Smoothing) atai Time Series
Decomposition; metode regresi pada prinsipnya sebuah persamaan trend, dengan tanda positif atau negatif sebagai petunjuk trend data yang menaik
atau menurun. Namun metode-metode tersebut berasumsi bahwa trend
yang terjadi adalah linear, dengan ciri akan ada sebuah garis lurus dan
peubah berpangkat satu. Dalam paktek, banyak data yang memang
mempunyai komponen trend, namun tidak selalu membentuk garis lurus.
Banyak data trend yang berbentuk kurva (kuadratik), berbentuk kurva S
(curve).
2.2.7 ARIMA
Berbeda dengan metode forecasting sebelumnya, metode ARIMA
adalah metode forecasting yang tidak menggunakan teori atau pengaruh
antar variabel seperti pada model regresi; dengan demikian, metode
ARIMA tidak memerlukan penjelasan mana variabel dependen atau mana
variabel independen. Metode ini juga tidak melihat pola-pola dat seperti
pada time series decomposition; data yang akan diprediksi tidak perlu
dipecah menjadi komponen trend, seasonal, siklis atau iregular seperti
perlakuan pada data time series pada umumnya. Metode ini secara murni
melakukan prediksi hanya sebesar data-data historis yang ada. Selain
dikenal dengan nama ARIMA, metode ini populer pula dengan sebutan
metode Box-Jenkins, karena dikembangkan oleh dua statistikawan
Amerika Serikat, yakni G.E.P Box dan G.M Jenkins pada tahun 1970.
Proses ARIMA dapat dinyatakan sebagai :
ARIMA (p, d, q) ……… (4)
Dimana :
p = angka untuk autoregressive (AR)
q= angka untuk moving average (MA)
2.2.8 Menghitung Kesalahan Peramalan
Keakuratan keseluruhan dari setiap model peramalan dapat dijelaskan
dengan membandingkan nilai yang diramal dengan nilai aktual atau nilai
yang sedang diamati. Jika Ft melambangkan peramalan pada periode t, dan
At melambangkan permintaan aktual pada periode t, maka kesalahaan
peramalan (deviasi) adalah :
Kesalahan peramalan = permintaan aktual – nilai peramalan ….. (5)
= At – Ft
Ada beberapa perhitungan yang biasa digunakan untuk menghitung
kesalahan peramalan (forecast error) total. Perhitungan ini dapat
digunakan untuk membandingkan model peramalan yang berbeda, juga
untuk mengawasi peramalan, untuk memastikan peramalan berjalan dengan
baik. Tiga (3) dari perhitungan yang paling terkenal adalah simpangan
rataan absolut (mean absolute deviation atau MAD), kesalahan rataan
kuadrat (mean squared error atau MSE) dan kesalahan persen rataan
absolut (mean absolut percentage error atau MAPE).
a. MAD
Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model
adalah MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut
dari tiap kesalahan peramalan dibagi dengan jumlah periode data (n),
yaitu :
MAD = ∑ aktual-peramalan ……….. (6)
n
b. MSE
Hal ini merupakan cara kedua untuk mengukur kesalahan peramalan
diramalkan dan yang diamati. Rumusnya adalah :
MSE = ∑ (kesalahan peramalan)2………. (7)
n
Kekurangan penggunaan MSE adalah cenderung menonjolkan
simpangan yang besar, karena adanya pengkuadratan. Oleh karena itu,
menggunakan MSE sebagai perhitungan kesalahan peramalan, biasanya
menunjukkan hal lebih baik mempunyai beberapa simpangan kecil
daripada satu simpangan besar.
c. MAPE
Masalah yang terjadi dengan MAD dan MSE adalah bahwa nilainya
tergantung pada besarnya unsur yang diramal. Jika unsur tersebut
dihitung dalam satuan ribuan, maka nilai MAD dan MSE menjadi
sangat besar. Untuk menghindari masalah ini, dapat menggunakan
MAPE. MAPE dihitung sebagai rataan diferensiasi absolut antara nilai
yang diramal dan aktual, dinyatakan sebagai persentase nilai aktual. Jika
memiliki nilai yang diramal dan aktual untuk n periode, MAPE dihitung
sebagai :
MAPE = 100 ∑ aktuali – ramalani /aktuali ……… (8)
n
2.3 Penelitian Terdahulu yang Relevan
Yossi Dwi Putri (2007) melakukan Analisis Peramalan Penjualan Roti
Pada PT. Edam Burger, dengan tujuan mengetahui metode peramalan terbaik
yang dapat diterapkan bagi keempat produk PT. Edam Burger. Metode
peramalan yang digunakan adalah metode kuantitatif time series. Setelah
melakukan peramalan, pemilihan metode terbaik adalah dengan menggunakan
ukuran akurasi, yaitu Mean Squared Error (MSE). Metode peramalan yang
dipilih sebagai metode terbaik adalah yang menghasilkan MSE terendah.
Edam Burger, diketahui perkiraan pendapatan kotor dan biaya produksi. Dengan
demikian perusahaan dapat merencanakan penganggaran dana dan
mengantisipasi biaya produksi yang akan terjadi menurut prediksi yang telah
diperoleh.
Moh. Zaenal Muttaqin (2010) melakukan Peramalan Penjualan dan Harga
Ayam Broiler pada Perusahaan Tunas Mekar Farm (TMF) Bogor. Tujuan
penelitian ini adalah untuk mengidentifikasi pola data penjualan dan harga ayam
hidup perusahaan TMF, memilih metode yang paling baik untuk meramalkan
penjualan dan harga ayam hidup perusahaan TMF, serta memperoleh ramalan
penjualan dan harga ayam hidup perusahaan TMF dengan menggunakan metode
paling baik. Hasil penelitian adalah pola data penjualan ayam broiler TMF tidak
stasioner, memiliki unsur trend dan musiman. Unsur musiman lebih disebabkan
oleh kondisi-kondisi tertentu terutama Tahun Baru, Puasa, Idul Fitri dan Idul
Adha. Pada kondisi seperti itu, penjualan ayam broiler cenderung meningkat.
Oleh karena itu, untuk mengantisipasi permintaan yang meningkat, perusahaan
perlu perencaan yang lebih baik dalam budidaya ayam broiler.
Asri Aldina (2008) melakukan analisis mengenai Peramalan Penjualan
Matriks Blackberry PT. Indosat, Tbk Dalam Rangka Perencanaan Strategi
Pemasaran, dengan tujuan mengetahui pencapaian penjualan Matriks Blackberry
PT. Indosat, Tbk di Indonesia melalui analisis peramalan sebagai landasan
perencanaan pemasaran, mengetahui apakah program dan paket Matriks
Blackberry yang ditawarkan mampu menjadi faktor keunggulan kompetitif
dalam memasarkan Matriks Blackberry ke target sasaran, serta merencanakan
alternatif strategi pemasaran yang tepat bagi perusahaan dari hasil peramalan
III.METODE PENELITIAN
3.1 Kerangka Pemikiran Penelitian
Semakin tingginya tingkat persaingan dalam dunia bisnis saat ini, menuntut
para pelaku bisnis untuk mampu memahami dan meramalkan keadaan produk di
masa mendatang dalam mengambil keputusan. Peramalan penjualan perusahaan
tidak hanya untuk jangka pendek, tetapi jangka panjang. Peramalan penjualan
jangka panjang salah satunya sangat dibutuhkan perusahaan dalam membuat
perencanaan produksi optimal.
PT. Kitagama merupakan perusahaan yang bergerak di bidang industri tahu,
yang berfokus untuk menghasilkan Tahu Sehat Alami Tanpa Pengawet untuk
menghapus kekhawatiran masyarakat terhadap kontaminasi formalin pada tahu
yang dikonsumsi. Produk tahu hasil produksi PT. Kitagama tersebut dinamakan
Tahu Kita. Perusahaan ini belum lama berdiri, maka untuk mencapai tingkat
penjualan maksimal, perlu membuat suatu perencanaan penjualan yang dapat
dijadikan dasar dalam pengambilan keputusan. Salah satu dasar untuk
perencanaan penjualan adalah penentuan penjualan Tahu Kita untuk beberapa
periode mendatang dengan melakukan peramalan. Dengan melakukan analisis
peramalan penjualan, perusahaan dapat meramalkan penjualan produk atau target
di masa mendatang, sehingga target tersebut dapat dijadikan acuan perusahaan
dalam menyusun perencanaan produksi dan kebijakan perusahaan yang tepat dan
sesuai.
Peramalan penjualan memiliki metode peramalan yang cukup banyak,
sehingga perlu dilakukan pemilihan terhadap metode yang sesuai dan tepat dalam
menilai seberapa jauh model menghasilkan sebuah ramalan yang tidak berbeda
jauh dengan realisasi. Salah satu kriteria yang digunakan untuk pemilihan metode
terbaik adalah melihat kesalahan peramalan paling kecil. Metode terbaik adalah
metode yang memenuhi kriteria ketepatan peramalan berupa MAD, MSE dan
MAPE. Hal yang perlu dipertimbangkan adalah faktor ketersediaan data dan pola
Metode yang digunakan dalam penelitian ini adalah metode peramalan
kuantitatif, dengan cara memperkirakan yang mungkin akan terjadi pada masa
mendatang berdasarkan data kuantitatif masa lalu. Ada beberapa metode
peramalan kuantitatif yang dapat digunakan untuk memperkirakan penjualan
masa depan. Metode yang digunakan adalah metode yang sesuai dengan
kebutuhan dan kemampuan pengguna. Metode kuantitatif yang dipilih adalah
metode time series, yaitu metode dengan cara memanfaatkan pola permintaan
masa lalu dan memproyeksikannya ke dalam perkiraan permintaan masa datang.
Metode time series digunakan secara luas dalam melakukan peramalan dan yang
digunakan dalam penelitian ini terdiri dari beberapa metode, yaitu metode trend
analysis, metode Single Exponential Smoothing, metode Double Exponential Smoothing Holt, metode Decomposition Additive, metode Decomposition Multiplicative, metode Moving Average dan metode ARIMA.
Sebelum menentukan beberapa metode time series, dilakukan identifikasi
pola data pada lima (5) outlet penjualan produk Tahu Kita secara visual dari pemetaan data dan diperkuat dengan aturan pemetaan autokorelasinya. Untuk
memilih metode peramalan time series yang paling baik adalah melihat tingkat
kesalahan paling kecil. Untuk itu dihitung nilai MSE dan dibandingkan dengan
melihat MSE terendah untuk mendapatkan metode peramalan kuantitatif
terakurat secara keseluruhan. Semakin kecil nilai MSE, maka akan semakin baik
metodenya, karena hasil peramalan semakin mendekati nilai aktualnya.
Selanjutnya metode terpilih digunakan untuk meramalkan penjualan produk di
masa mendatang dan dapat digunakan sebagai acuan untuk menyusun
perencanaan produksi produk Tahu Kita pada lima (5) outlet, seperti dimuat pada
Gambar 1. Kerangka pemikiran penelitian Isu formalin pada tahu yang beredar di pasaran
Produk Tahu Kita yang Sehat Alami dan Tanpa Pengawet
Penggunaan peramalan Time Series
dalam Perencanaan Produksi
Metode Kuantitatif
Metode peramalan Time Series
1. Trend Analysis 2. Moving Average
3. Single Exponential Smoothing
4. Double Exponential Smoothing Holt
5. Dekomposisi Aditif
6. Dekomposisi Multiplikatif
7. ARIMA
Pemilihan Metode Terakurat/Terpilih
Rekomendasi berupa :
Analisis pola data penjualan Tahu Kita
Model atau teknik peramalan terakurat
3.2 Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Perusahaan beralamat di Jl. Ciater Raya
BSD No. 98 Rt. 004 Rw. 009, Ciater, Serpong–Tangerang, Banten. Penelitian
ini dilaksanakan pada bulan Maret-Mei 2011.
3.3 Pengumpulan Data
Data yang digunakan adalah data historis penjualan produk Tahu Kita
dari masing-masing lima (5) outlet yang terpilih dan data lain yang relevan.
Data penjualan yang digunakan adalah penjualan produk Tahu Kita di lima
(5) outlet dengan penyebaran dari tahun 2008 - 2010.
Informasi dan pengumpulan data yang dikumpulkan meliputi data
primer dan sekunder, serta jenis data kualitatif dan kuantitatif. Data primer
merupakan data yang didapat dari sumber utama, individu atau
perseorangan, seperti dari hasil analisa dan pengamatan langsung di
lapangan, serta wawancara langsung dengan pihak manajemen perusahaan
sebagai narasumber. Sedangkan data sekunder merupakan data primer yang
diperoleh pihak lain atau telah diolah dan disajikan baik oleh pengumpul
data primer maupun oleh pihak lain, atau data pelengkap dari data primer
yang dikumpulkan dari literatur-literatur, studi pustaka atau laporan internal
perusahaan (data penjualan Tahu Kita dari tahun 2008 – 2010), kebijakan
dan peraturan perusahaan (sejarah umum perusahaan, visi dan misi
perusahaan) baik itu berupa laporan bulanan dan tahunan manajemen
perusahaan ataupun tulisan yang berkaitan dengan penjualan, produksi dan
pemasaran Tahu Kita.
3.4 Pengolahan dan Analisis Data
Pengolahan dan analisis data yang digunakan dalam penelitian
dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif
menggabungkan faktor-faktor seperti intuisi pengambil keputusan, emosi,
pengalaman pribadi dan sistem nilai. Analisis kualitatif menggambarkan
dalam usaha tersebut. Sedangkan analisis kuantitatif menggunakan model
matematik yang beragam dengan data masa lalu dan peubah sebab akibat
untuk meramalkan permintaan.
Analisis kuantitatif yang dilakukan untuk analisis peramalan penjualan
produk Tahu Kita selama 15 periode mendatang di lima (5) outlet
menggunakan beberapa metode peramalan time series dengan pertimbangan
data penjualan adalah deret waktu, artinya disajikan berdasarkan waktu
kejadian tanpa menunjukkan faktor-faktor yang mempengaruhinya, yaitu
metode trend analysis, metode Single Exponential Smoothing, metode
Double Exponential Smoothing Holt, metode Decomposition Additive,
metode Decomposition Multiplicative, metode Moving Average dan metode
ARIMA. Hasil peramalan tersebut digunakan untuk menetapkan target
penjualan produk Tahu Kita di PT. Kitagama dan dapat dijadikan acuan
perusahaan untuk menyususun perencanaan produksi terbaik di masa
mendatang. Data kuantitatif tersebut diolah dengan menggunakan Microsoft
Excel dan Minitab 14.
Peramalan penjualan produk Tahu Kita di lima (5) outlet dapat
diidentifikasi melalui pemetaan data dan pemetaan autokorelasi, yang
kemudian ditabulasikan dalam bentuk tabel dan kurva dengan menggunakan
Minitab 14. Dengan melakukan plot data tersebut dapat diketahui pemetaan data penjualan sementara, sehingga diketahui apakah data tersebut memiliki
unsur trend, siklus atau musiman, karena berguna untuk menduga sementara
metode peramalan yang digunakan.
Menurut Heizer dan Render (2006), time series mempunyai empat (4)
komponen, yaitu tren, musim, siklus dan variasi acak (random variation).
1. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau
menurun. Perubahan pendapatan, populasi, penyebaran umur, atau
pandangan budaya dapat mempengaruhi pergerakan tren.
2. Musim adalah pola data yang berulang pada kurun waktu tertentu seperti
3. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. Siklus
ini biasanya terkait pada siklus bisnis dan merupakan satu hal penting
dalam analisis dan perencanaan bisnis jangka pendek. Memprediksi
siklus bisnis sulit, karena dipengaruhi oleh kejadian politik ataupun
kerusuhan internasional.
4. Variasi acak merupakan satu titik khusus dalam data yang disebabkan
oleh peluang dan situasi yang tidak biasa. Variasi acak tidak mempunyai
pola khusus, jadi tidak dapat diprediksi.
Menurut Handoko (1984), metode time series merupakan metode
peramalan runtut waktu mencoba untuk meramalkan kejadian-kejadian di
waktu mendatang atas dasar serangkaian masa lalu. Serangkaian data ini
merupakan serangkaian observasi sebagai peubah menurut waktu dan
biasanya ditabulasi, serta digambarkan dalam bentuk grafik yang
menunjukkan peubah subyek. Komponen-komponen time series pada
umumnya diklasifikasikan sebagai Trend (T), Musiman atau seasional (M),
Siklikal atau cyclical (S) dan residu atau eratic (E). Dalam model klasik time
series, nilai ramalan (Y) merupakan fungsi perkalian dari komponen-komponen tersebut :
Y= T X S X C X E ……… (9)
Pemilihan metode peramalan time series dilakukan pada
masing-masing wilayah sesuai dengan data penjualannya. Metode yang dipilih
adalah metode yang sesuai dan tepat, yaitu dalam menilai seberapa jauh
model menghasilkan sebuah ramalan yang tak jauh berbeda dengan keadaan
aktual.
Keakuratan keseluruhan peramalan dapat dilihat dari membandingkan
nilai yang diramal dengan nilai aktual. Ada beberapa perhitungan yang
digunakan untuk menghitung kesalahan peramalan total, yaitu simpangan
persen rataan absolut (MAPE).
MAD = [ (Yt – Yt) ] / n ……… (10)
MSE = [ (Yt – Yt)2 ] / n ……… (11)
MAPE = [ (Yt – Yt) / Yt )] / n ………... (12)
dimana :
Yt = nilai aktual
Yt = nilai ramalan
(Yt – Yt) = kesalahan ramalan (galat)
n = banyaknya data
Prosedur peramalan dengan metode time series (Baroto, 2002)
adalah :
a. Tentukan pola data penjualan, dengan memetakan data secara grafis dan
menyimpulkan apakah data itu berpola trend, musiman, siklikal, atau
eratik/acak.
b. Mencoba beberapa metode time series yang sesuai dengan pola
penjualan tersebut untuk melakukan peramalan. Metode yang dicoba
semakin banyak, maka semakin baik. Pada setiap metode, sebaiknya
dilakukan peramalan dengan parameter berbeda.
c. Mengevalusi tingkat kesalahan masing-masing metode yang telah
dicoba. Tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE,
atau lainnya. Sebaiknya nilai tingkat kesalahan (MAD, MSE, atau
MAPE) ditentukan dulu. Dalam hal ini, tidak ada ketentuan mengenai
berapa tingkat kesalahan maksimal dalam peramalan.
d. Memilih metode terbaik diantara metode yang dicoba. Metode terbaik
adalah metode yang memberikan tingkat kesalahan terkecil dibandingkan
metode lainnya dan tingkat kesalahan tersebut di bawah batas tingkat
kesalahan yang ditetapkan.
Pemetaan autokorelasi dilakukan dengan menunjukkan keeratan
hubungan antara nilai peubah yang sama pada periode waktu berbeda.
1) Apabila nilai koefisien autokorelasi pada time lag dua atau tiga
periode tidak berbeda nyata dari nol, maka data tersebut adalah data
stasioner.
2) Apabila nilai koefisien autokorelasi pada beberapa time lag pertama
secara berurutan berbeda nyata dari nol, maka data tersebut adalah
data yang menunjukkan pola trend.
3) Apabila nilai koefisien pada beberapa time lag yang mempunyai jarak
sistematis berbeda nyata dari nol, maka data tersebut adalah data
komponen musiman.
a. Metode Trend
Metode ini menggambarkan pergerakan data sedikit demi sedikit
meningkat atau menurun. Dalam hal ini, perubahan pendapatan,
populasi, penyebaran umur, atau pandangan budaya dapat
mempengaruhi pergerakan tren.
Persamaan peramalan dengan metode Trend Linear adalah :
Ŷt = b0 + b1t ………. (13)
dimana :
b0 = intersept = potongan
b1 = slope
t = periode (peubah bebas)
Persamaan peramalan dengan metode Trend Quadratic adalah :
Ŷt = b0 + b1t + b2t2 ………. (14)
b. Metode Dekomposisi
Metode ini digunakan untuk memisahkan komponen-komponen pola
data yang menunjukkan karakteristik seperti pola trend, musiman dan
siklikal. Metode dekomposisi dibagi menjadi dua (2) model, yaitu
1. Model Dekomposisi Aditif
Ŷt = Tt + Ct + St + Et ………. (15)
dimana :
Tt = komponen trend pada periode t
Ct = komponen siklis pada periode t
St = komponen musiman pada periode t
Et = komponen kesalahan atau random pada periode t
2. Model Dekomposisi Multiplikatif
Ŷt = Tt + Ct + St + Et ………. (16)
c. Metode Pemulusan Eksponensial
Penghalusan Eksponensial (exponential smoothing) merupakan metode
peramalan rataan bergerak dengan pembobotan canggih, namun masih
mudah digunakan. Metode ini menggunakan sangat sedikit pencatatan
data masa lalu. Rumus penghalusan eksponensial dibagi menjadi :
1) Metode penghalusan eksponensial tunggal
Metode yang menyediakan rataan bergerak tertimbang secara
eksponensial semua nilai pengamatan yang lalu (Hanke, et al.,
2003).
Ŷt+1= α Yt + (1 – α) Ŷt d ………... (17)
dimana :
Ŷt+1 = nilai ramalan untuk periode berikutnya
Α = konstanta pemulusan (0 < α < 1)
Yt = data batu atau nilai Y yang sebenarnya pada periode t
Ŷt =nilai pemulusan yang lama atau rataan yang di
muluskan hingga periode berikutnya
2) Metode penghalusan eksponensial ganda
Hal ini merupakan metode linear satu (1) parameter dari Brown
(double exponential smoothing).
