BAB 2
LANDASAN TEORI
2.1 Gambaran Umum Perusahaan
Valto Education Centre merupakan perusahaan yang berdiri dalam bidang pendidikan dimana menyediakan jasa bimbingan belajar kepada anak – anak sekolah khususnya tingkat sekolah dasar. Selain itu, jasa yang ditawarkan juga berupa bimbingan belajar, kursus matematika Sakamoto dan Sempoa SIP.
Dengan perkembangan zaman yang semakin pesat membuat jasa bimbingan belajar menjadi dibutuhkan oleh anak – anak yang duduk di bangku sekolah. Kesibukan orang tua, serta susahnya materi pendidikan yang didapat, menjadi halangan anak – anak untuk terus berprestasi. Dengan didirikannya Valto Education Centre diharapkan dapat menjawab semua masalah – masalah yang dihadapi oleh para pelajar.
Matematika Sakamoto merupakan salah satu metode matematika yang sedang berkembang dan di gemari oleh anak – anak di seluruh Indonesia. Metode yang menerapkan problem solving dan logika dalam penyelesaiannya sangat membantu anak – anak dalam menghadapi pelajaran matematika mereka di sekolah terutama untuk soal – soal dalam bentuk cerita.
Sempoa SIP juga merupakan pembelajaran metematika dimana lebih ditekankan kepada anak – anak yang masih duduk di bangku Taman Kanak – Kanak. Hanya saja, pada SEMPOA SIP, anak – anak berhitung dengan menggunakan alat yang dinamakan sempoa. Dengan ini, diharapkan untuk ke depannya anak – anak dapat berhitung dengan cepat dan tepat.
2.1.1 Sejarah Perusahaan
Valto Education Centre telah berdiri sejak tahun 2000 di Jakarta. Pada awalnya, jasa yang ditawarkan hanya berupa bimbingan belajar untuk tingkat Taman Kanak – Kanak dan Sekolah Dasar. Seiring dengan berjalannya waktu, ada banyak tambahan kursus yang diadakan oleh Valto Education Centre.
Kursus – kursus yang ada pada saat ini adalah Bimbingan Belajar, kursus matematika Sakamoto dan Sempoa SIP. Salah satu kursus yang paling banyak digemari adalah Sakamoto, karena pada umumnya matematika merupakan pelajaran yang tidak disukai oleh anak – anak di Indonesia dan dengan adanya metode ini, maka akan membuat anak – anak semakin menyukai matematika.
Setelah berdiri selama 8 tahun, Valto Education Centre telah membuka 4 buah cabang yang terletak di Pantai Indah Kapuk, Jakarta dan BSD City. Hal ini membuktikan bahwa Valto Education Centre telah sukses dan mendapat kepercayaan dari banyak orang dalam memberikan pendidikan yang terbaik.
2.1.2 Struktur Organisasi
Gambar 2.1 Struktur Organisasi Perusahaan
2.2 Peramalan
2.2.1 Pengertian Peramalan
Dalam melakukan suatu analisis ekonomi atau analisis kegiatan perusahaan, sudah seharusnya kita memperkirakan kegiatan dalam bidang usaha pada masa yang akan datang. Kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang, dinamakan peramalan (forecasting).
Setiap kebijakan yang akan diambil oleh perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat pada umumnya dan juga untuk kesejahteraan perusahaan itu sendiri pada umumnya. Oleh karena itu, dalam setiap pangambilan keputusan, perusahaan harus benar – benar memperhitungkan dengan segala macam pertimbangan. Kegiatan ini tidak terlepas dari kegiatan peramalan.
Direktur
Pengajar
Koordinator Lokasi Koordinator Lokasi
2.2.2 Jenis – jenis Metoda Peramalan
Metode peramalan merupakan cara untuk memperkirakan secara kuantitatif apa yang akan terjadi di masa yang akan datang dengan menggunakan data yang terjadi pada masa lalu. Oleh karena metode peramalan didasarkan pada data yang relevan pada masa yang lalu, maka metode peramalan digunakan untuk melakukan peramalan yang bersifat kuantitatif.
Untuk memperkirakan apa yang terjadi pada masa yang akan datang, tepat atau tidaknya peramalan yang dilakukan, maka diperlukan teknik dalam memilih metode peramalan yang tepat.
Saat ini, telah dikembangkan berbagai macam metode peramalan yang dapat digunakan sesuai dengan keadaan yang ada. Seperti yang dikatakan diatas bahwa peramalan digunakan untuk peramalan yang bersifat kuantitatif. Menurut Sofyan Assauri (1984,p9-10) pada dasarnya metode peramalan kuantitatif dapat dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu, Time Series.
2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab akibat (causal methods).
Selain itu, ada metode – metode peramalan yang menggunakan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, atau analisis deret waktu yang terdiri dari :
a. Metode Smoothing, yang mencakup metode data lewat (past data), metode rata – rata kumulatif, metode rata – rata bergerak (Moving Averages) dan metode Eksponential Smoothing.
b. Metode Box Jenkins
c. Metode proyeksi trend dengan regresi.
Metode Smoothing digunakan untuk mengurangi ketidak teraturan musiman dari data yang lalu dengan membuat rata – rata tertimbang dari deretan data yang lalu. Keakuratan dari peramalan dengan metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang keakuratannya sangat kurang. Biasanya metode ini digunakan untuk perencanaan serta pengendalian produksi dan persediaan, perencanaan keuntungan, dan perencanaan keuangan lainnya. Data yang dibutuhkan untuk peramalan dengan metode ini adalah minimal data selama 2 tahun.
Metode Box Jenkins menggunakan dasar deret waktu dengan model matematis agar kesalahan yang terjadi dapat sekecil mungkin. Oleh karena itu penggunaan metode ini membutuhkan identifikasi model serta estimasi parameternya. Seperti pada metode Smoothing, metode ini juga sangat baik keakuratannya untuk peramalan jangka panjang. Data yang dibutuhkan dengan menggunakan metode ini adalah minimal selama 2 tahun. Dan akan lebih baik lagi jika data yang ada lebih dari 2 tahun. Metode ini digunakan untuk peramalan dalam perencanaan dan pengendalian produksi, persediaan serta perencanaan anggaran.
Metode proyeksi trend dengan regresi merupakan dasar garis trend untuk suatu persamaan matematis, sehingga dengan dasar persamaan tersebut dapat diproyeksikan suatu hal yang diteliti untuk masa depan. Untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data
yang dibutuhkan untuk penggunaan metode peramalan ini adalah data tahunan, dan makin banyak data yang dimiliki akan semakin baik. Minimal data yang digunakan itu adalah 5 tahun. Penggunaan metode ini adalah untuk peramalan bagi penyusunan rencana penanaman tanaman baru, rencana ekspansi, rencana investasi dan rencana pembangunan suatu negara dan daerah.
Metode – metode peramalan dengan menggunakan analisis pola hubungan antara variabel yang diperkirakan dengan variabel lain yang mempengaruhi, yang bukan waktu, atau dikenal dengan metode sebab akibat (causal methods) atau korelasi yang terdiri dari :
1. Metode regresi dan korelasi 2. Metode ekonometri
3. Metode input output
Metode regresi dan korelasi didasarkan pada penetapan suatu persamaan estimasi menggunakan teknik least square. Hubungan yang ada pertama – tama dianalisis secara statistik. Keakuratan metode ini sangat baik untuk peramalan jangka pendek, sedangkan untuk peramalan jangka panjang ternyata keakuratannya kurang begitu baik. Penggunaan metode ini antara lain pada peramalan penjualan, perencanaan keuntungan, peramalan permintaan dan peramalan keadaan ekonomi. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data kuartalan dari berbagai tahun yang lalu.
Metode ekonometri didasarkan atas peramalan pada sistem persamaan regresi yang diestimasikan secara simultan. Keakuratan metode peramalan ini sangat baik untuk peramalan jangka panjang maupun peramalan jangka pendek. Penggunaan metode ini pada peramalan penjualan menurut kelas produk, atau peramalan keadaan ekonomi
masyarakat, seperti permintaan, harga dan penawaran. Data yang digunakan pada metode peramalan ini adalah data kuartalan beberapa tahun.
Metode input – output digunakan untuk menyusun proyeksi trend ekonomi jangka panjang. Model ini kurang baik keakuratannya untuk peramalan jangka pendek dan sangat baik ketepatannya untuk peramalan jangka panjang. Penggunaan metode ini yaitu pada peramalan penjualan perusahaan, penjualan sektor industri dan subsektor industri, produksi dari sektor dan subsektor industri. Data yang dibutuhkan untuk penggunaan metode ini adalah data tahunan selama sekitar sepuluh sampai lima belas tahun.
2.2.3 Kegunaan Metode Peramalan
Metode peramalan yang digunakan sangat besar manfaatnya apabila dikaitkan dengan keadaan informasi atau data yang dipunyai. Misalnya dengan metode peramalan yang ada kita dapat mengetahui bahwa data yang lalu itu polanya musiman, maka untuk peramalan satu tahun kedepan sebaiknya digunakan metode variasi musiman. Sedangkan apabila dari data yang lalu diketahui adanya pola hubungan antara variabel – variabel yang saling mempengaruhi, maka sebaiknya digunakan metode sebab – akibat (causal methods) atau Korelasi (cross section).
Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis atas dasar data relevan pada masa yang lalu. Objektivitas yang diberikan oleh metode peramalan juga diharapkan lebih besar.
Selain itu, metode peramalan dapat memberikan urutan pengerjaan dan pemecahan atas pendekatan suatu masalah dalam peramalan sehingga bila digunakan
pendekatan yang sama atas permasalahan dalam suatu kegiatan peramalan, maka akan didapat dasar pemikiran dan pemecahan yang sama karena argumentasinya sama.
Kemudian cara pengerjaan dan pemecahan atas pendekatan suatu masalah dari metode peramalan itu teratur/terarah sehingga dengan demikian dapat dimungkinkannya penggunaan teknik – teknik penganalisaan yang lebih maju. Dengan penggunaan teknik – teknik tersebut, maka diharapkan dapat memberikan kepercayaan atau keyakinan yang lebih besar karena dapat diuji dan dibuktikan penyimpangan atau deviasi yang terjadi secara ilmiah.
Dalam dunia bisnis, hasil peramalan mampu memberikan gambaran tentang masa depan perusahaan yang memungkinkan manajemen membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi mereka. Ketepatan hasil peramalan bisnis akan meningkatkan peluang tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang dicapai peramalan, semakin meningkat pula peran peramalan perusahaan karena hasil dari suatu peramalan dapat memberikan arah bagi perencanaan perusahaan, perencanaan produksi dan persediaan serta perencanaan keuangan.
Intinya secara kesuluruhan adalah bahwa metode peramalan sangat bermanfaat dalam membantu untuk mengadakan pendekatan analisis terhadap tingkah laku atau pola dari data yang lalu sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat atau disusun.
2.2.4 Pemilihan Teknik dan Metode Peramalan
Metode peramalan tidak hanya digunakan oleh para peneliti atau analis untuk penelitian serta analisis yang dilakukannya. Namun metode tersebut saat ini juga bermanfaat untuk pengambilan keputusan oleh setiap pimpinan perusahaan maupun pimpinan organisasi pemerintah. Untuk itu mereka harus memilih teknik dan metode peramalan yang tepat untuk suatu masalah dan keadaan tertentu yang mereka hadapi.
Walaupun sejumlah teknik dan metode telah tersedia, akan tetapi perlu adanya pedoman yang dapat digunakan untuk pemilihan teknik dan metode peramalan yang tepat untuk suatu situasi tertentu.
Dalam pemilihan teknik dan metode peramalan, pertama-tama kita perlu mengetahui ciri-ciri yang penting yang perlu diperhatikan bagi pengambilan keputusan dan analisis keadaan dalam mempersiapkan peramalan.
Menurut Sofyan Assauri (1984,p14-15) ada enam hal yang perlu diperhatikan, yaitu:
a. Horison Waktu (time horizon)
Periode waktu yang diambil untuk peramalan dalam pengambilan keputusan atau analisis harus menggunakan serta memperhatikan pemilihan teknik dan metode peramalan yang tepat. Horison waktu umumnya dapat dibagi ke dalam jangka pendek (satu sampai dengan tiga bulan), menengah (tiga sampai dengan satu setengah tahun) dan jangka panjang (lebih dari satu setengah tahun). Walaupun demikian ukuran panjangnya waktu tidak harus tepat atau benar dengan kata lain ukuran panjangnya waktu tidak harus menjadi patokan utama
untuk pemilihan teknik dan metode peramalan ini karena pedoman pemakaiannya sangat tergantung pada kebutuhan dan situasi penggunaannya.
b. Tingkat perincian (level of detail)
Dalam pengambilan keputusan dan analisis tidak semuanya harus berpusat kepada satu individu saja, misalnya berpusat kepada pimpinan perusahaan saja. Pada perusahaan besar pasti terdapat bagian perencanaan yang mengerjakan perencanaan yang menyeluruh untuk perusahaan tersebut. Perencanaan itu mungkin diperinci untuk beberapa tingkat yang lain dalam organisasi, seperti bagian produksi atau bagian lain berdasarkan tugas masing-masing bagian.
c. Jumlah produk
Dalam keadaan di mana hanya ada satu produk yang diramalkan, maka aturan-aturan yang digunakan dalam persiapan ramalan dapat lebih terperinci dan lebih rumit dari keadaan di mana terdapat banyak ramalan untuk hal-hal yang harus dibuat.
d. Pengawasan versus perencanaan
Manager dan analis yang membuat suatu keputusan dalam bidang pengawasan, mempunyai kebutuhan yang berbeda bila dibandingkan dengan manager dan analis yang membuat keputusan dalam bidang perencanaan. Metode peramalan yang dibutuhkan untuk pengawasan adalah metode peramalan yang mampu memperkirakan dan mengetahui sedini mungkin
perubahan-perubahan yang terdapat dalam pola dasar. Sedangkan dalam bidang perencanaan pola yang ada akan berkelanjutan pada masa depan dan karena itu dasar-dasar utama yang penting adalah mengidentifikasikan pola-pola tersebut dan mengekstrapolasikannya untuk masa yang akan datang.
e. Stabilitas
Dalam keadaan stabil, metode peramalan dapat diterima dan diperiksa secara periodik untuk menentukan apakah hal tersebut masih berlaku. Dalam hal yang tidak pasti (uncertain case) maka metode yang dibutuhkan adalah metode yang dapat sesuai dengan hasil-hasil yang terbaru secara terus-menerus dan informasi-informasi terakhir.
f. Prosedur perencanaan yang ada
Suatu metode peramalan umumnya memasukkan proses perubahan rencana perusahaan dan prosedur-prosedur pengambilan keputusan. Hal yang sangat penting dalam penggunaan yang efektif dari suatu metode peramalan adalah usaha untuk memulai dengan hal-hal yang sangat erat dengan prosedur yang ada dan kemudian melakukan pengerjaannya dengan pendekatan yang berkembang dari peningkatan metode-metode tersebut serta membuat perbaikan-perbaikan.
2.2.5 Manfaat Utama Keakuratan Peramalan
Manfaat-manfaat yang dapat diperoleh dari peramalan yang akurat dan dibagi-bagi menurut jangka waktu suatu peramalan tersebut dilaksanakan. Menurut Harjono Sugiarto (2000,p6-p8) jangka waktu tersebut dibagi menjadi:
a. Jangka Pendek (kurang dari 3 bulan)
Manfaatnya antara lain dapat meningkatkan kepuasan pelanggan karena jadwal produksi yang terorganisir dengan baik sehingga pelanggan dapat memperoleh produk dengan cepat dan kualitas produk tersebut pasti lebih baik dibandingkan produk yang telah lama diproduksi namun belum terjual karena manajemen produksi yang kurang baik. Selain itu perusahaan dapat menetapkan kebijakan promosi produk dengan efektif sehingga tidak memakan waktu dan biaya, kebijakan penetapan harga yang efektif sehingga dapat terjangkau oleh konsumen, manajemen kas yang efektif, pengaturan persediaan produk yang baik untuk kelancaran produksi maupun penjualan, serta manajemen tenaga kerja/personalia yang efektif.
b. Jangka Menengah (3 bulan s/d 2 tahun)
Manfaatnya antara lain manajemen keuangan yang baik karena pengaturan produksi yang terorganisir sehingga persediaan serta penjualan juga terorganisir dan mengakibatkan keseimbangan pengeluaran dan pemasukan, alokasi sumber daya yang lebih baik, tingkat persediaan berkurang karena penjualan dan produksi terjadwal dengan baik, peningkatan laba atau pengurangan kerugian, dan posisi persaingan yang lebih baik.
c. Jangka waktu 2-5 tahun
Manfaatnya antara lain perumusan strategi penjualan, produksi dan persediaan produk yang lebih efektif, pengenalan perubahan dalam organisasi misalnya yang menyebabkan perubahan dalam tingkat penjualan, produksi dan persediaan, identifikasi bidang-bidang lain yang menjanjikan untuk penanaman modal tetapi harus menyadari bahwa pesaing kemungkinan memiliki akses terhadap ramalan yang juga akurat, proyek-proyek penelitian dan pengembangan yang menjanjikan, peningkatan atau pemeliharaan posisi persaingan.
d. Jangka waktu 5-15 tahun
Manfaatnya antara lain membangun konsensus, dapat memulai studi kelayakan untuk proyek-proyek penelitian dan pengembangan yang menjanjikan dan penetapan arah yang strategis.
2.3 Regresi dan Korelasi 2.3.1 Pengertian Regresi
Regresi dapat dipersepsikan sebagai sebuah cara untuk menduga suatu nilai variabel tak bebas dengan bantuan satu atau lebih variabel bebas. Konsep variabel bebas dan tak bebas, sangat penting dalam membentuk pengertian yang tepat tentang regresi.
Variabel bebas dapat dinyatakan sebagai suatu nilai yang mempengaruhi nilai lainnya, sedangkan variabel tak bebas dapat dinyatakan sebagai suatu nilai yang dipengaruhi satu atau lebih kombinasi nilai lain.
Meskipun regresi dapat digunakan untuk menduga nilai suatu variabel tak bebas terhadap nilai variabel bebasnya, perlu diperhatikan bahwa persamaan regresi hanya berlaku dalam interval data sampelnya. Dalam artian, adalah suatu hal yang tidak bijak
bila dilakukan generalisasi berlebihan terhadap sebuah persamaan regresi, misalnya dengan memasukkan nilai variabel bebas yang ekstrem lebih besar dari nilai tertinggi dalam sample yang digunakan.
2.3.2 Jenis – jenis Analisis Regresi
Analisis regresi dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja.
a. Regresi Linier Sederhana
Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel yang mencerminkan respon dari variabel bebas.
b. Regresi Berganda
Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan
analisis regresi untuk menjajagi antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.
c. Regresi Kurvilinier
Regresi kurvilinier seringkali digunakan untuk menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai-nilai X tertentu. Kondisi fungsi tidak linier ini (kurvilinier) seringkali dijumpai dalam banyak bidang. Misal pada bidang pertanian, bisa diamati hubungan antara produksi padi dengan taraf pemupukan Phospat. Secara umum produksi padi akan meningkat cepat bila pemberian Phospat ditingkatkan dari taraf rendah ke taraf sedang. Tetapi ketika pemberian dosis Phospat diteruskan hingga taraf tinggi, maka tambahan dosis Phospat tidak lagi diimbangi kenaikan hasil, sebaliknya terjadi penurunan hasil. Untuk kasus-kasus hubungan tidak linier, prosedur regresi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan dari variabel-variabel yang terlibat. Dalam hal ini, prosedur analisis regresi kurvilinier merupakan prosedur yang sesuai untuk digunakan.
d. Regresi Dengan Variabel Dummy (Boneka)
Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran
nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.
e. Regresi Logistik (Logistic Regression)
Bila regresi dengan variabel bebas (X) berupa variabel dummy, maka dikatagorikan sebagai regresi dummy. Regresi logistik digunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klasifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga terdiri lebih dari satu variabel.
2.3.3 Pengertian Korelasi
Sepanjang sejarah umat manusia, orang melakukan penelitian mengenai ada dan tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Usaha-usaha untuk mengukur hubungan ini dikenal sebagai mengukur asosiasi antara dua fenomena atau kejadian yang menimbulkan rasa ingin tahu para peneliti.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.
Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua
arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.
Jika koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.
Ada beberapa rumus perhitungan korelasi daam ststistika, salah satunya dapat ditulis dengan menggunakan rumus :
Rumus ini sering juga disebut Simple Correlation Coefficient.
Rumus lain yang dapat digunakan untuk menghitung nilai koefisien korelasi adalah :
2.3.4 Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel-variabel dependen Kuncoro ( 2003, p20). Menurut Suharyadi (2004, p515) menyatakan variabel bebas dapat menjelaskan variabel tidak bebas.
Bila R2 > 0,5 dikatakan baik atau akurat Bila R2 = 0,5 dikatakan sedang
Bila R2 > 0,5 dikatakan kurang
2.4 Statistik Durbin - Watson
Statistik Durbin – Watson merupakan salah satu uji statistic yang digunakan untuk menguji autokorelasi error yang ada dari sebuah analisis regresi. Uji autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Durbin – Watson diambil dari nama James Durbin dan Geoffrey Watson.
Jika et adalah nilai galat dari suatu data yang diambil data dengan periode t, maka uji statistic yang dapat digunakan adalah
Jika nilai Statistik Durbin Watson berada di sekitar 2, berarti galat bersifat acak. Apabila Statistik Durbin Watson berada diatas 2, berarti terdapat auto korelasi positif di antara galat, dan juga sebaliknya apabila nilai Statistik Durbin Watson berada di bawah 2, berarti terdapat auto korelasi negatif di antara galat. Peramalan yang baik, apabila galat yang dihasilkan bersifat acak.
2.5 Analisis Vector Auto Regression
Vector Autoregression atau VAR biasanya digunakan untuk memproyeksikan system variabel-variabel runtut waktu dan untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam system variabel tersebut. Pada dasarnya analisis VAR bisa dipadankan dengan suatu model persamaan simultan, oleh karena dalam analisis VAR kita mempertimbangkan beberapa variabel endogen secara bersamaan dalam suatu model. Perbedaannya dengan model simultan biasa adalah dalam analisis VAR masing-masing variabel selain diterangkan oleh nilainya di masa lampau juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya dalam model yang diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen dalam model.
Keunggulan dari analisis VAR antara lain adalah :
1) Metode ini sederhana, kita tidak perlu khawatir untuk membedakan mana variabel endogen dan mana variabel eksogen
2) Estimasi sederhana dimana metode OLS biasa dapat digunakan pada tiap-tiap persamaan secara terpisah
3) Hasil perkiraan (forecast) yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks.
Selain itu analisis VAR juga merupakan alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar variabel ekonomi maupun di dalam pembentukan model ekonomi berstruktur.
Secara umum VAR dengan ordo p dan n buah variabel endogen pada waktu ke t dapat dimodelkan sebagai berikut:
Dimana:
Yt = Vektor variabel endogen (Y1.t, Y2.t, Yn.t) berukuran n x 1
c = Vektor intersep berukuran n x 1 Ai = matrik parameter berukuran n x n
εt = Vektor sisaan (ε1t, ε2t, ……εnt) berukuran n x 1
Pada dasarnya, Analisis VAR meliputi: 1. Uji akar unit (Unit Root Test)
Uji akar unit ini digunakan untuk melihat apakah data yang diamati stationer atau tidak.
Test ini sebenarnya hanya merupakan pelengkap dari analisis VAR, mengingat tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel-variabel yang diamati, dan bukan test untuk data. Akan tetapi, apabila data yang diamati adalah stationer, hal ini akan meningkatkan akurasi dari analisis VAR.
2. Uji Hipotesis (Hyphothesis Testing), yang terdiri dari: a. Likelihood Ratio Test
Likelihood Ratio Test digunakan untuk menguji hipotesis mengenai berapakah jumlah lag yang sesuai untuk model yang diamati.
b. Granger Causality Test
Test ini menguji apakah suatu variabel bebas (independent variable) meningkatkan kinerja forecasting dari variabel tidak bebas (dependent variable).
3. Innovation Accounting
Pada dasarnya test ini digunakan untuk menguji struktur dinamis dari sistem variabel dalam model yang diamati, yang dicerminkan oleh variabel inovasi (innovation variable). Dengan kata lain, tes ini merupakan tes terhadap variabel inovasi (innovation variable). Tes ini terdiri dari:
a. The Impulse Responses:
Untuk melihat efek gejolak (shock) suatu standar deviasi dari variabel invovasi terhadap nilai sekarang (current time values) dan nilai yang akan
datang (future values) dari variabel-variabel endogen yang ter-dapat dalam model yang diamati.
b. The Cholesky Decomposition:
The Cholesky Decomposition atau biasa disebut juga dengan The Variance Decomposition memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Pada dasarnya test ini merupakan metode lain untuk menggambarkan sistem dinamis yang terdapat dalam VAR. Test ini digunakan untuk menyusun perkiraan error variance suatu variabel, yaitu seberapa besar perbedaan antara variance sebelum dan sesudah shock, baik shock yang berasal dari diri sendiri maupun shock dari variabel lain.
2.6 Aplikasi Rekayasa Perangkat Lunak
Rekayasa Perangkat lunak dapat diaplikasikan ke berbagai situasi di mana serangkaian langkah prosedural (seperti algoritma) telah didefinisikan (pengecualian-pengecualian yang dapat dicatat pada aturan ini adalah sistem pakar dan perangkat lunak jaringan syaraf kecerdasan buatan). Kandungan (content) informasi dan determinasi merupakan faktor terpenting dalam menentukan sifat aplikasi perangkat lunak. Content mengarah kepada arti dan bentuk dari informasi yang masuk dan yang keluar.
Pemrosesan informasi bisnis merupakan area aplikasi perangkat lunak yang paling luas. Aplikasi dalam area ini menyusun kembali struktur data yang ada dengan suatu cara tertentu untuk memperlancar operasi bisnis atau pengambilan keputusan manajemen.
Banyak perangkat lunak sistem (misal compiler, editor, dan utilitas pengatur file) memproses stuktur-struktur informasi yang lengkap namun tetap. Aplikasi-aplikasi sistem yang lain (komponen sistem operasi, driver, prosesor telekomunikasi) memproses secara luas data yang bersifat tetap. Di dalam setiap kasus tersebut, area perangkat lunak sistem ditandai dengan eratnya interaksi dengan perangkat keras komputer, penggunaan oleh banyak pemakai dan struktur-struktur data yang kompleks. Selanjutnya, ada empat tahapan dalam daur hidup perangkat lunak, yaitu :
a. Inception (kelahiran)
Tahapan dimana benih pemikiran membangun sistem mulai diterima, minimal secara internal organisasi.
b. Elaboration (perluasan dari rencana semula)
Tahapan yang menghasilkan visi mengenai produk dan arsitektunya. Tahapan ini juga menghasilkan sistem requirements berupa pernyataaan sederhana mengenai visi, bahkan sampai pada kriteria evaluasi untuk tiap perilaku fungsional maupun non-fungsional, sehingga masing-masing dapat menjadi “basis” untuk pengetesan.
c. Construction (pembangunan)
Pada tahapan ini software dibangun, diuji, diperbaiki dan disempurnakan d. Transition (peralihan)
2.6.1 Basis Data (Database)
Menurut Farthansyah (2004,p7), Basis Data merupakan salah satu komponen dari Sistem Basis Data dan terdiri atas 3 hal yaitu kumpulan data yang terorganisir, relasi antar data dan objektifnya. Ada banyak pilihan dalam mengorganisasi data dan ada banyak pertimbangan dalam membentuk relasi antar data, namun pada akhirnya yang terpenting adalah objek utama yang harus selalu kita ingat yaitu kecepatan dan kemudahan berinteraksi dengan data yang dikelola/diolah.
Seperti telah dikemukakan di atas, bahwa Basis Data hanya merupakan satu komponen dari Sistem Basis Data, jadi masih ada komponen lainnya yaitu perangkat keras, perangkat lunak serta pemakai. Ketiga komponen ini saling ketergantungan. Basis Data tidak mungkin dapat dioperasikan tanpa adanya perangkat lunak yang mengorganisasikannya. Begitupun pemakai tidak dapat berinteraksi dengan basis data tanpa melalui perangkat lunak yang sesuai.
2.6.2 UML (Unified Modeling Laguange)
2.6.2.1 Pengertian UML
UML adalah suatu bahasa pemodelan standar untuk menulis rancangan software. UML dapat digunakan untuk visualisasi, spesifikasi, konstruksi dan dokumentasi suatu software yang intensif dari suatu sistem. UML memungkinkan pembangunan sistem untuk membuat rencana yang memungkinkan untuk dimengerti dan berkomunikasi dengan yang lain. Komunikasi dalam hal pandangan adalah yang paling penting di dalam pembangunan sistem. Sistem analis akan mencoba untuk memperkirakan kebutuhan dari client mereka, membuat analisis permintaan di beberapa notasi yang
dapat dimengerti oleh analis (namun tidak selalu dimengerti oleh client), memberikan hasil analisa tersebut kepada programmer atau kelompok programmer, dan berharap produk terakhir adalah sistem yang diinginkan oleh client. Dan dengan adanya UML, masalah-masalah di atas dapat diatasi.
UML adalah bahasa standar untuk membuat cetak biru dari piranti lunak. UML dapat digunakan untuk visualisasi dan menentukan, membangun serta mendokumentasikan hasil kerja dari sistem yang dirancang untuk piranti lunak.(Booch, Rumbaugh, dan Jacobson, 1998, p13). UML memiliki tiga unsur utama, yaitu :
a. Blok-blok bangunan, terdiri dari tiga jenis, yaitu Things, Relationship dan Diagrams.
b. Aturan yang mengatur bagaimana bok-blok itu dihubungkan. c. Mekanisme yang dapat digunakan.
Untuk memahami UML, perlu diketahui tiga karakteristik penting dari UML, yaitu :
a. Use case Driven
Use case digunakan sebagai awalan untuk membuat perilaku, verifikasi dan validasi arsitektur sistem. Selanjutnya use case digunakan untuk pengetesan sistem dan sebagai alat komunikasi antara pihak-pihak yang berkepentingan dengan pembangunan sistem ini.
b. Architecture centric
Arsitektur sistem digunakan sebagai pegangan utama untuk membuat konsep, mengkonstruksi, mengatur (manage) dan menyusun sistem yang sedang dikembangkan.
c. Iterative dan Incremental process
Iterative berarti proses itu menyangkut pernyataan/keputusan yang dapat dikerjakan secara berkelanjutan. Sedangkan incremental process adalah suatu proses yang melibatkan integrasi terus menerus dan arsitektur sistem untuk menghasilkan pernyataan / keputusan yang diikuti oleh pernyataan/keputusan berikutnya yang lebih baik dari sebelumnya.
Iterative dan incremental process adalah risk driven, artinya pernyataan/keputusan yang baru difokuskan untuk mengatasi atau mengurangi risiko yang paling besar untuk suksesnya sistem yang dibangun.
2.6.2.2 Diagram-diagram UML
UML memiliki beberapa diagram yang digunakan untuk menggambarkan suatu sistem. Tujuan pembuatan diagram ini adalah agar sistem mudah dimengerti oleh semua pihak, baik yang teknis maupun non teknis. Berikut diagram dalam UML:
a. Class Diagram, menggambarkan hubungan antar objek.
b. Object Diagram, adalah objek dan hubungan sebagai pencerminan dari prototipe. c. Component Diagram, adalah komponen dan hubungan yang mengilustrasikan
implementasi sistem.
d. Deployment Diagram, konfigurasi waktu kerja dari nod e. e dan objek yang memiliki node.
f. Use case Diagram. Diagram ini digunakan untuk mengorganisasikan use case dan behaviour (sifat).
g. Sequence Diagram. Diagram ini menggambarkan waktu urutan message dan object lifeline.
h. Collaboration Diagram, menggambarkan waktu urutan message dan organisasi objek dalam interaksi.
i. Activity Diagram, menggambarkan arus kerja dari aktivitas, difokuskan pada operasi yang dilewatkan antar objek.
j. Statechart Diagram. Merupakan diagram yang menggambarkan life cycle dari objek sebagai perubahan dari satu state ke state lain, dibangkitkan oleh message.
Untuk perancangan ini, tipe UML yang penulis gunakan antara lain: a. Use Case Diagram
Menggambarkan sekumpulan use case dan actor dan hubungan antara
mereka (Booch, Rumbaugh, dan Jacobson, 1998, p97). Use case diagram mempunyai peranan penting dalam pengorganisasian dan pemodelan behavior dari sistem.
b. Activity Diagram
Merupakan gambaran dari perubahan keadaan (state) suatu objek (Booch, Rumbaugh, dan Jacobson, 1998, p98).
Gambar 2.3 Activity diagram dalam UML c. Sequence Diagram
Merupakan diagram interaksi yang menekankan pada urutan waktu dari pertukaran message. (Booch, Rumbaugh, dan Jacobson, 1998, p97).
2.6.3 STD (State Transition Diagram)
State-Transition Diagram menggambarkan bagaimana perilaku sistem saat mendapatkan event dari luar (External Events). STD mewakili berbagai mode perilaku dari sistem dan perlakuan yang terdapat pada transisi antar state. STD menjadi dasar dari model perilaku. Informasi tambahan mengenai aspek-aspek kontrol terhadap perangkat lunak terdapat dalam spesifikasi kontrol (Control Specification).
Contoh :
Gambar 2.5 State Transition Diagram
2.7 Interaksi Manusia dan Komputer
Saat ini kebanyakan orang menggunakan suatu sistem atau program yang interaktif, karena itu penggunaan komputer telah berkembang pesat sebagai suatu program yang interaktif yang membuat orang tertarik untuk menggunakannya. Program yang interaktif itu perlu dirancang dengan baik sehingga pengguna dapat merasa puas dan juga dapat ikut berinteraksi dengan baik dalam menggunakannya.
Suatu program yang interaktif dan baik harus bersifat user friendly. Shneiderman (1998, p15) menjelaskan 5 kriteria yang harus dipenuhi oleh suatu program yang user friendly yaitu :
a. Waktu belajar yang tidak lama
b. Kecepatan penyajian informasi yang tepat
State 1
State 2
C ondition Action
c. Tingkat kesalahan pemakaian rendah
d. Penghafalan sesudah melampaui jangka waktu e. Kepuasan pribadi dari user yang menggunakannya
Suatu program yang interaktif dapat dengan mudah dibuat dan dirancang dengan suatu perangkat bantu pengembang sistem user interface, seperti C# (baca: C Sharp), Visual Basic, Borland Delphi dan sebagainya.
Keuntungan penggunaan perangkat bantu untuk mengembangkan user interface menurut Sentosa (1997, p7) yaitu :
a. User interface yang dihasilkan lebih baik.
b. Program user interface-nya menjadi mudah ditulis dan lebih ekonomis untuk dipelihara.
Shneiderman juga mengemukakan 8 (delapan) aturan yang dapat digunakan sebagai petunjuk dasar yang baik untuk merancang suatu user interface. Delapan aturan ini disebut dengan Eight Golden Rules of Interface Design, yaitu:
a. Konsistensi
Konsistensi dilakukan pada urutan tindakan, perintah, dan istilah yang digunakan pada prompt, menu, serta layar bantuan.
b. Memungkinkan pengguna untuk menggunakan shortcut
Ada kebutuhan dari pengguna yang sudah ahli untuk meningkatkan kecepatan interaksi, sehingga diperlukan singkatan, tombol fungsi, perintah tersembunyi, dan fasilitas makro.
c. Memberikan umpan balik yang informative
Untuk setiap tindakan operator, sebaiknya disertakan suatu sistem umpan balik. Untuk tindakan yang sering dilakukan dan tidak terlalu penting, dapat diberikan umpan balik yang sederhana. Tetapi ketika tindakan merupakan hal yang penting, maka umpan balik sebaiknya lebih substansial. Misalnya muncul suatu suara ketika salah menekan tombol pada waktu input data atau muncul pesan kesalahannya.
d. Merancang dialog untuk menghasilkan suatu penutupan
Urutan tindakan sebaiknya diorganisir dalam suatu kelompok dengan bagian awal, tengah, dan akhir. Umpan balik yang informatif akan meberikan indikasi bahwa cara yang dilakukan sudah benar dan dapat mempersiapkan kelompok tindakan berikutnya.
e. Memberikan penanganan kesalahan yang sederhana
Sedapat mungkin sistem dirancang sehingga pengguna tidak dapat melakukan kesalahan fatal. Jika kesalahan terjadi, sistem dapat mendeteksi kesalahan dengan cepat dan memberikan mekanisme yang sedehana dan mudah dipahami untuk penanganan kesalahan.
f. Mudah kembali ke tindakan sebelumnya
Hal ini dapat mengurangi kekuatiran pengguna karena pengguna mengetahui kesalahan yang dilakukan dapat dibatalkan; sehingga pengguna tidak takut untuk mengekplorasi pilihan-pilihan lain yang belum biasa digunakan.
g. Mendukung tempat pengendali internal (internal locus of control)
Pengguna ingin menjadi pengontrol sistem dan sistem akan merespon tindakan yang dilakukan pengguna daripada pengguna merasa bahwa sistem mengontrol pengguna. Sebaiknya sistem dirancang sedemikan rupa sehingga pengguna menjadi inisiator daripada responden.
h. Mengurangi beban ingatan jangka pendek
Keterbatasan ingatan manusia membutuhkan tampilan yang sederhana atau banyak tampilan halaman yang sebaiknya disatukan, serta diberikan cukup waktu pelatihan untuk kode, mnemonic, dan urutan tindakan.
2.8 Microsoft Excel 2003
Microsoft Excel atau Microsoft Office Excel adalah sebuah program aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS. Aplikasi ini memiliki fitur kalkulasi dan pembuatan grafik yang, dengan menggunakan strategi marketing Microsoft yang agresif, menjadikan Microsoft Excel sebagai salah satu program komputer yang populer digunakan di dalam komputer mikro hingga saat ini. Bahkan, saat ini program ini merupakan program spreadsheet paling banyak digunakan oleh
banyak pihak, baik di platform PC berbasis Windows maupun platform Macintosh berbasis Mac OS, semenjak versi 5.0 diterbitkan pada tahun 1993.
Pada awal-awal peluncurannya, Excel menjadi sasaran tuntutan perusahaan lainnya yang bergerak dalam bidang industri finansial yang telah menjual sebuah perangkat lunak yang juga memiliki nama Excel. Akhirnya, Microsoft pun mengakhiri tuntutan tersebut dengan kekalahan dan Microsoft harus mengubah nama Excel menjadi "Microsoft Excel" dalam semua rilis pers dan dokumen Microsoft. Meskipun demikian, dalam prakteknya, hal ini diabaikan dan bahkan Microsoft membeli Excel dari perusahaan yang sebelumnya menuntut mereka, sehingga penggunaan nama Excel saja tidak akan membawa masalah lagi. Microsoft juga sering menggunakan huruf XL sebagai singkatan untuk program tersebut, yang meskipun tidak umum lagi, ikon yang digunakan oleh program tersebut masih terdiri atas dua huruf tersebut (meski diberi beberapa gaya penulisan). Selain itu, ekstensi default dari spreadsheet yang dibuat oleh Microsoft Excel adalah *.xls.
Excel menawarkan banyak keunggulan antarmuka jika dibandingkan dengan program spreadsheet yang mendahuluinya, tapi esensinya masih sama dengan VisiCalc (perangkat lunak spreadsheet yang terkenal pertama kali): Sel disusun dalam baris dan kolom, serta mengandung data atau formula dengan berisi referensi absolut atau referensi relatif terhadap sel lainnya.
Excel merupakan program spreadsheet pertama yang mengizinkan pengguna untuk mendefinisikan bagaimana tampilan dari spreadsheet yang mereka sunting: font, atribut karakter, dan tampilan setiap sel. Excel juga menawarkan penghitungan kembali terhadap sel-sel secara cerdas, di mana hanya sel yang berkaitan dengan sel tersebut saja yang akan diperbarui nilanya (di mana program-program spreadsheet lainnya akan
menghitung ulang keseluruhan data atau menunggu perintah khusus dari pengguna). Selain itu, Excel juga menawarkan fitur pengolahan grafik yang sangat baik.
Ketika pertama kali dibundel ke dalam Microsoft Office pada tahun 1993, Microsoft pun mendesain ulang tampilan antarmuka yang digunakan oleh Microsoft Word dan Microsoft PowerPoint untuk mencocokkan dengan tampilan Microsoft Excel, yang pada waktu itu menjadi aplikasi spreadsheet yang paling disukai.
Sejak tahun 1993, Excel telah memiliki bahasa pemrograman Visual Basic for Applications (VBA), yang dapat menambahkan kemampuan Excel untuk melakukan automatisasi di dalam Excel dan juga menambahkan fungsi-fungsi yang dapat didefinisikan oleh pengguna (user-defined functions/UDF) untuk digunakan di dalam worksheet. Dalam versi selanjutnya, bahkan Microsoft menambahkan sebuah integrated development environment (IDE) untuk bahasa VBA untuk Excel, sehingga memudahkan programmer untuk melakukan pembuatan program buatannya. Selain itu, Excel juga dapat merekam semua yang dilakukan oleh pengguna untuk menjadi macro, sehingga mampu melakukan automatisasi beberapa tugas. VBA juga mengizinkan pembuatan form dan kontrol yang terdapat di dalam worksheet untuk dapat berkomunikasi dengan penggunanya. Bahasa VBA juga mendukung penggunaan DLL ActiveX/COM, meski tidak dapat membuatnya. Versi VBA selanjutnya menambahkan dukungan terhadap class module sehingga mengizinkan penggunan teknik pemrograman berorientasi objek dalam VBA.
Fungsi automatisasi yang disediakan oleh VBA menjadikan Excel sebagai sebuah target virus-virus macro. Ini merupakan problem yang sangat serius dalam dunia korporasi hingga para pembuat antivirus mulai menambahkan dukungan untuk mendeteksi dan membersihkan virus-virus macro dari berkas Excel. Akhirnya, meski
terlambat, Microsoft juga mengintegrasikan fungsi untuk mencegah penyalahgunaan macro dengan menonaktifkan macro secara keseluruhan, atau menngaktifkan macro ketika mengaktifkan workbook, atau mempercayai macro yang dienkripsi dengan menggunakan sertifikat digital yang terpercaya.
