I. PENDAHULUAN
1.1. Latar Belakang
Berbagai jenis makanan dan jajanan semakin banyak kita temui di lingkungan kita, baik jenis makanan kecil dan makanan besar. Makaroni contohnya, makanan ini merupakan makanan yang sudah sering kita dengar bahkan kita konsumsi. Para pengusaha sangat detail dalam melihat peluang bisnis untuk makanan tersebut. Berbagai cara dan kreativitas dibuat para pengusaha untuk menarik dan mempertahankan konsumen agar tidak kalah dengan pesaing, salah satunya dengan cara memberikan variasi dari jenis jualan.
Kue klappertat, kue yang berasal dari Menado, dulunya banyak di konsumsi oleh para bangsawan Belanda, akan tetapi sekarang kue ini banyak dijumpai di daerah Pangrango Bogor. Saat ini kue klappertart divariasikan dengan makaroni panggang dan pastel tutup dengan nama TRIPLE COMBO. Penjualan triple combo ini mencapai 15 juta per minggu.
Triple Combo merupakan hidangan yang exclusive memiliki 3 jenis kue utama, yaitu: Klappertart, Makaroni, dan Pastel. Selain tiga jenis makanan ringan tersebut, Triple Combo juga memiliki varian lain, seperti : Spekoek atau Lapis Surabaya, Bitterballen, Olliebollen, Holand Croquette, Eclair, Bakwan Udang, Tahu Isi, Panada, Lemper, Arem-arem, dan makanan ringan Indonesia lainnya. Triple Combo Snack mempunyai 3 Jenis exclusive snack andalan yang unik dan spesial, yaitu :
- Klappertart (Potongan kelapa muda didalam cream susu, custard dan ditutup dengan putih telur).
- Pastel Tutup / Indische Pastei (Ayam, Sosis sapi, wortel, Jamur telinga, Chinese vermicelli and cover by mashed potato).
- Makaroni Schoetel (Makaroni & kornet daging sapi ditaburi keju). Kelebihan Triple Combo adalah :
- Menu spesial warisan jaman kolonial Belanda yang terkenal di Indonesia - Sehat, lezat & bergizi tinggi
- Proses pembuatannya yang higienis
- Tidak menggunakan bahan pengawet dan aditif lainnya - Halal, sertifikat halal dari MUI
Triple Combo juga memproduksi berbagai macam exclusive snack yang siap mendampingi semua jenis acara pelanggan. Tersedia snack dari cake, roti, hingga snack tradisional, seperti Lapis Surabya, Roll Cake, Panada, Sosis Roll, Risoles, Lemper, Arem-arem ataupun Kelepon.
Ketiga kue tersebut dapat dipilih dan disesusaikan dengan acara pelanggan ataupun dikombinasikan sesuai selera, sehingga hidangan dapat lebih bervariasi tetapi tetap exclusive dan memberi kelas tersendiri. Produksi Triple Combo Snack didukung oleh tenaga ahli yang berpengalaman dan sudah keliling dunia. Dalam produksi sehari-hari Triple Combo juga disupervisi oleh Bogor Hotel Institute, yaitu institusi pendidikan pariwisata ternama di Bogor dan oleh tenaga ahli dibidang patiseri dari hotel berbintang di Bogor yaitu Hotel Salak The Heritage. Team produksi bekerja dengan profesional setiap hari selama 24 jam secara bergantian dengan sistem bergiliran (shift) untuk menghasilkan snack yang berkualitas sesuai pesanan pelanggan. Bahan baku pilihan yang sudah dipersiapkan oleh bagian purchasing dikontrol kualitasnya dan diolah dengan baik, bersih dan sehat oleh para ahli dan siap saji. Peralatan yang modern dengan teknologi terbaru dan dioperasikan dengan sistem yang baik serta manajemen yang baik juga sangat mendukung proses produksi untuk mendapatkan hasil produksi yang optimum. Produksi Triple Combo yang sudah jadi dikemas dengan baik dan exclusive dan dimasukkan dalam box yang mewah dan menarik dan siap diantar oleh team pengantar yang siap melayani pesanan di Bogor, Jakarta dan sekitarnya, sehingga dapat tiba di tujuan atau kantor pelanggan tepat pada waktunya.
jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek. Di sinilah pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang dari ketiga kue tersebut dengan menggunakan time series non-stasioner. Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau lebih time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi serial di dalamnya (white nose) maka time series tersebut dinamakan terkointegrasi.
1.2 Perumusan Masalah
- Permasalahan yang dihadapi ialah pemasaran dan promosinya yang kurang menyebar;
- Peramalan tiga bulan ke depan antara mengalami kenaikan atau penurunan; - Masyarakat luas belum mengenal Triple combo secara luas;
Berdasarkan pemaparan tersebut, dapat dirumuskan permasalahan dalam penelitian ini adalah:
1. Bagaimana analisis hubungan kointegrasi antara klappertart, makaroni dan pastel?
2. Bagaimana peramalan penjualan dan harga klappertart tiga bulan ke depan?
1.3 Tujuan Penelitian
1. Mengetahui hubungan kointegrasi antara ketiga kue klappertart, makaroni dan pastel sebagai perencanaan peramalan.
2. Dapat mengetahui ramalan penjualan sebagai target penjualan tiga bulan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu kue sehingga penurunan penjualan tersebut tidak terjadi.
1.4. Manfaat Penelitian
Combo baik yang sedang maupun yang akan diusahakan. Sedangkan bagi penulis, penelitian ini diharapkan dapat dijadikan sebagai aplikasi nyata dari ilmu yang didapat selama penulis menuntut ilmu di Institut Pertanian Bogor, serta diharapkan dapat menambah keterampilan, kemampuan, dan pengalaman bagi penulis. Bagi pembaca, penelitian ini diharapkan dapat bermanfaat sebagai tambahan informasi dan literatur untuk penelitian selanjutnya. Penelitian ini juga diharapkan menjadi masukan bagi perusahaan Triple Combo agar kedepannya bisa berkembang dan juga bisa menjadi perusahaan yang banyak diminati oleh masyarakat pada umumnya.
1.5Ruang Lingkup
II. TINJAUAN PUSTAKA
2.1. Kue
Kue adalah makanan ringan yang bukan makanan utama. Kue berasal kata dari bahasa Tionghoa, kemungkinan besar bahasa Hokkien. Secara harafiah kue seringkali diartikan sebagai makanan ringan yang dibuat dari tepung. Baik tepung beras maupun tepung terigu. Kue kering sudah lama kita kenal dan kue kering sangat enak untuk dihidangkan. Dalam setiap kesempatan kue kering bisa menjadi suguhan yang menarik, bisa disajikan kapan saja. (http://id.wikipedia.org/wiki/Kue, 2011).
Selain kue kering kita pun dapat menjumpai kue basah yang umumnya empuk, lembut, dan tidak bertahan lama (hanya bertahan beberapa hari). Biasanya terbuat dari tepung terigu, sagu, gula, bahkan ada yang berbahan santan atau ketan. Yang termasuk dalam kategori kue basah diantaranya: martabak manis, lemper, lumpia, pastel, kue sus, panekuk, kue lapis, lapis legit, kue cucur, bakpia, kue mangkok, mochi, kue pukis, bika ambon, donat, bolu, kue serabi, risol dan lain sebagainya. (http://id.wikipedia.org/wiki/Kue_basah, 2011).
Pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berupa buah, daging, ikan, sayur, keju, coklat, kustar, kacang, dan lain-lain. Pastel buah biasanya disajikan dengan es krim, disebut à la mode. Pastel daging Australia dianggap sebagai makanan nasional Australia, berisi daging sapi dan kuah kental (gravy). Hidangan khas Adelaide adalah pastei apung (pie floater). (http://id.wikipedia.org/wiki/Pastei,2011)
Klappertart di Indonesia dikenal sebagai kue khas Manado dengan bahan dasar kelapa, tepung terigu, susu, mentega dan telur. Resep adonan tersebut merupakan pengaruh saat zaman pendudukan Belanda di Manado. Terdapat beberapa macam cara memasak klappertart. Bila dipanggang dan menggunakan roti, maka akan menghasilkan klappertart dalam bentuk yang padat, bisa dipotong layaknya kue tart pada umumnya. Tetapi ada juga cara memasak yang tidak panggang. Ini akan menghasilkan tekstur yang begitu lembut, seperti memakan custard yang langsung meleleh begitu masuk ke mulut. Kue ini paling nikmat bila disantap dalam keadaan dingin jadi tidak boleh dibiarkan terlalu lama di luar pendingin. Klappertart termasuk kue yang mengandung kalori yang cukup tinggi. Ada pengusaha klappertart yang mencari campuran adonan yang lebih rendah jumlah kandungan kalorinya. Beberapa jenis klappertart menggunakan lemak rendah kalori, susu kalsium tinggi dan pemanis rendah kalori sebagai campuran adonannya menggantikan susu dan gula yang pada umumnya digunakan, sehingga menjadikan kue ini berkurang jumlah kalorinya. Klappertart rendah kalori memang sengaja dibuat agar orang-orang yang sedang diet bisa menikmati kue lezat ini. (http://id.wikipedia.org/wiki/Klappertart,2011)
yang menggunakan madu sebagai pengganti gula. Ada juga yang tidak terlalu kering dengan tekstur mirip cake.
Kue kering banyak jenisnya dari yang klasik dan bertahan sepanjang masa, seperti kaastengels sampai kue kering jenis baru dan modern. Cara membuatnya ada yang mudah dan sederhana, karena membentuknya cukup dengan sendok atau sekup es krim, seperti chocolate chip. Ada yang adonannya harus disimpan dulu dalam lemari es atau freezer sampai agak keras agar mudah dipotong. Bagi sebagian orang, membuat kue kering memang mengasyikan dan memberikan kepuasan tersendiri. Dari satu adonan bisa dihasilkan aneka variasi kue kering. Yang penting kuasai teknik dasar, lalu kembangkan kreatifitas untuk mendapatkan berbagai bentuk dan cita rasa yang optimum. Ada banyak jenis kue salah satunya adalah klappertart, kue dengan bahan dasar kelapa.
menjual kue klappertart ini yang sangat menjaga kualitas rasanya. Meski terkenal dengan cita rasanya, membuat klappertart ini tidak sulit.
2.2. Penjualan
Dilihat dari sisi fungsi pemasaran, penjualan merupakan salah satu fungsi pemasaran yang sangat penting dan menentukan, karena merupakan sumber pendapatan yang diperlukan untuk menutup biaya. Peramalan penjualan mempengaruhi perencanaan dan pengamnbilan keputusan secara menyeluruh. Dari hasil peramalan penjualan yang dianalisis dengan menggunakan analisis runtut waktu, kita akan dapat penjualan klappertart. Menurut Arsyad (1994), hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal dimasa datang.
Peramalan Penjualan
Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi di masa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya selisih antara apa yang terjadi dengan hasil perkiraan dapat diperkecil Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis (Sugiarto dan Harjiono,2000) perkiraan penjualan untuk tahun depan akan mencerminkan :
1.Kecenderungan penjualan masa lalu yang diharapkan akan terulang lagi pada berikutnya.
2.Pengaruh setiap peristiwa apapun yang mungkin secara material mempengaruhi kecenderungan itu.
2.3. Peramalan
sistematis tentang apa yang mungkin terjadi di masa depan berdasarkan informasi secara masa lalu dan sekarang yang dimiliki agar kesalahan dapat diperkecil.
Peramalan sangat penting penggunaaannya dalam berbagai situasi perencanaan dan pengambilan keputusan. Teknik peramalan yang dipilih ditentukan berdasarkan tingkat kesalahan terendah yang kemudian dijadikan sebagai pendekatan untuk menentukan perencanaan jumlah kapasitas produksi.
Perkembangan teknologi komputer yang semakin pesat menyebabkan peramalan kuantitatif akhirnya dapat dipandang sebagai sesuatu kegiatan yang tidak terlalu sukar untuk diterapkan dan dapat memberikan hasil yang akurat.
Terdapat dua pendekatan umum, peramalan sebagaimana ada dua cara mengatasi semua model keputusan, yaitu analisis kualitatif dan kuantitatif. Peramalan kuantitatif menggunakan model matematik yang beragam dengan data masa lalu, dan peubah sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif, yaitu peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambilan keputusan untuk meramal.
Jenis-Jenis Peramalan
1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indikator perencanaan lainnya.
2. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralat baru.
3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan, yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau judgement dari orang yang menyusunya sangat menentukan baik, tidaknya hasil ramalan tersebut.
2. Peramalan obyektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-metode dalam menganalisis data tersebut.
Peramalan berdasarkan horizon waktu dibedakan atas beberapa kategori, yaitu 1. Peramalan jangka pendek, yaitu peramalan yang mencangkup jangka waktu hingga satu tahun, tetapi umumnya kurang dari 3(tiga) bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
2. Peramalan jangka menengah, yaitu peramalan yang mencangkup hitungan bulanan hingga 3 (tiga) tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas dan menganalisis bermacam-macam rencana operasi.
3. Peramalan jangka panjang, yaitu peramalan yang mencangkup perencanaan masa tiga tahun atau lebih. Peramalan ini digunakan untuk merencanakan produk baru, pembelanjaan modal, atau pengembangan fasilitas, serta penelitian dan pengembangan.
Terdapat 2 pendekatan dalam peramalan:
Peramalan kuantitatif (quantitave forecast) yaitu menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut :
1. Tersedia informasi tentang masa lalu (data historis)
Peramalan kualitatif (qualitative forcast) menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambil keputusan untuk meramalkan.
Jika dilihat dari jangka waktu ramalan yang disusun, maka peramalan dapat dibedakan dua macam, yaitu peramalan jangka panjang dan peramalan jangka pendek. terdapat banyak teknik atau metode ilmiah untuk peramalan yang dibedakan dalam dua kelompok, yaitu kualitatif dan kuantitatif.
Peramalan jangka panjang adalah peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam penyusunan rencana prmbangunan suatu Negara atau daerah, corporate planning, rencana investasi atau rencana ekspansi dari suatu perusahaan.
Peramalan jangka pendek yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan rencana tahunan, rencana kerja operasional dan anggaran, contohnya penyusunan rencana produksi, rencana penjualan, rencana pengadaan, rencana persediaan, anggaran pemasaran dan anggaran perusahaan.
Menurut Aritonang (2002), metode kualitatif lebih didasarkan pada intuisi dan penilaian orang yang melakukan peramalan (forecaster) daripada pemanipulasian (pengolahan dan penganalisaan) data historis yang tersedia. Misalnya peramalan penjualan produk baru.
2.4. Kointegrasi
1. Kointegrasi adalah kombinasi linear variabel-variabel yang tidak stasioner. Tetapi secara teori, mungkin juga bahwa hubungan non liner jangka panjang terdapat di antara gugus variabel yang terintegrasi.
2. Berdasarkan definisi Engle dan Granger dalam Enders (2004), kointegrasi adalah variabel-variabel yang terintegrasi dalam order yang sama. Tetapi bisa juga terjadi hubungan kombinasi linear yang terkointegrasi dari order yang berbeda. Analisis formalnya dimulai dengan mendasarkan pada himpunan peubah (variabel) ekonomi yang berada pada keseimbangan jangka panjang.
β1 x1 + β2 x2 + ... + βn xn = 0 atau βix1= 0 ...(1)
Penyimpangan dari keseimbangan jangka panjang disebut galat (error) ekuilibrium (et), sehingga et = βx1 dimana et pada kondisi stasioner. Menurut Engle-Granger komponen suatu vektor xt = (x1t, x2t, ..., xnt) dikatakan berkointegrasi ordo (d,b) dan dinyatakan dengan CI (d,b), jika :
1. Semua komponen dari xt adalah berintegrasi ordo d.
2. Ada vektor β = (β1,β2, ..., βn) sehingga kombinasi linear β1 x1t+ β2 x2 + ... + βn xn adalah berintegrasi ordo d-b, dimana b > 0 dan β disebut vektor kointegrasi.
Ada beberapa hal yang harus diperhatikan dalam melakukan identifikasi model kointegrasi, antara lain:
1. Kointegrasi mengacu pada kombinasi linear dari peubah non stasioner. Secara teoritis, sangat tidak mungkin terdapat hubungan jangka panjang yang non linear diantara peubah-peubah yang terintegrasi.
2. Semua peubah harus mempunyai ordo integrasi sama dan tidak berarti peubah dengan integrasi sama adalah kointegrasi. Suatu peubah yang memiliki ordo integrasi yang tidak sama tidak dapat berkointegrasi. Misalnya ordo integrasi dari peubah x1t dan x2t masing-masing d1 dan d2, dimana d1 > d2, maka kombinasi linear dari x1t dan x2t adalah I (d2). 3. Jika komponen xt ada sebanyak n, maka ada paling banyak n-1 vektor
4. Umumnya literatur-literatur kointegrasi memfokuskan peubah-peubah yang mempunyai orde integrasi satu.
2.5. Vector Autoregressive (VAR)
Penelitian ini menggunakan metode analisis VAR. Metode ini dikembangkan oleh Christopher Sims pada tahun 1980. Penggunaan metode ini didasari bahwa sebuah variabel bukan saja dapat berlaku sebagai variabel endogen tetapi juga dapat berlaku sebagai variabel eksogen. Hal ini dapat terjadi karena dengan menggunakan pendekatan structural atas permodelan persamaan simultan. Keunggulan metode VAR antara lain (Gujarati,2003) :
1. Metode ini sederhana, tanpa harus membedakan nama variabel endogen dan variabel eksogen;
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah;
3. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variable endogenity dan exogenity) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah;
4. 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 sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur.
(FEVD) untuk memprediksi kontribusi persentase varian setiap variabel terhadap perubahan suatu variabel tertentu lainnya. Keempat, Granger Causality untuk mengetahui hubungan sebab akibat antar variabel. Dalam penelitian ini, model VAR digunakan untuk mengetahui hubungan dinamis jangka panjang dan jangka pendek antar variabel.
Kelemahan metode VAR,diantaranya :
1. Model VAR merupkan pengukuran yang tidak dilandasi teori tentang hubungan antar-variabel (model non-struktural).
2. Mengingat tujuan utama model VAR untuk peramalan, maka model VAR kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang diinginkan dalam persamaan dapat menimbulkan permasalahan.
4. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
Secara umum model persamaan VAR ordo p dengan n peubah tak bebas pada waktu t dapat ditulis sebagai berikut :
Vector Autoregresesive atau yang dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Model VAR dikembangkan oleh Christopher Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan anatar variable dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian.
Model VAR memiliki beberapa keunggulan , antara lain (Khairunisa, 2009) : 1. Model ini sederhana, tidak perlu khawatir membedakan anatara variable
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.
3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.
Namun demikian, model VAR juga mempunyai kekurangan, di antaranya adalah sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terdahulu
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.
4. Semua variable VAR harus stasioner.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
2.6 Impuls Response Function (IRF)
Impuls resonponse function merupakan suatu cara pengujian struktur dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi (innovation variable). IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan (shock) dari variabel itu sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu variabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.
kedua variabel tersebut berdasrkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.
2.7 Forecast Error VarianceDecomposition (FEVD)
Forecast Error Decomposition of variance (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent).
Dekomposisi varians merinci varian dari error peramalan (forecast) menjadi komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya.
FEVD dilakukuan untuk memberikan informasi mengenai bagaimana hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh guncangan acak (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing gangguan struktural inovasi acak (random innovation structural disturbance) atau seberapa kuat peranan variabel tertentu terhadap lainnya.
Istiati (2006) Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi Informasi (Studi Kasus PT.AMTP Jakarta) menyimpulkan bahwa untuk memudahkan pengamatan maka pengolahan dan pengumpulan data dengan menunjuk pimpinan perusahan untuk memberikan penilaian sehingga bobotnya dapat diketahui dengan pengumpulan data melalui data pimer dan data sekunder. Dengan metode studi kasus pada perusahaan yang saat ini sedang berusaha menggembangkan dirinya menghadapi persaingan di masa datang. Agar permasalahan lebih terarah dan terinci sehingga hasil yang diperoleh lebih akurat dan mendalam maka perlu dikaji beberapa aspek manajemen.
Aldina (2008) Analisis Peramalan Penjualan Matrix Blackberry PT. Indosat,TBK yang menggunakan data primer diperoleh dari hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak manajemen sebagai narasumber. Sedangkan data sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau laporan internal perusahaan. Analisis menggunakan peramalan dengan metode time series karena satu variabel dan regresinya dengan alat pengolah data Minitab 14.
III . METODE PENELITIAN
3.1. Kerangka Pemikiran
Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat dilakukan dengan pasar perhitungan volume penjualan produk yang dihasilkan di masa lalu. Hasil peramalan penjualan pasar kue ini merupakan alat yang penting di dalam perencanaan penjualan kue di masa yang akan datang, agar kedepanya dapat memperoleh gambaran.
Hasil peramalan penjualan akan mempengaruhi arus kas, jika arus kas yang diperkirakan tidak dapat disesuaikan dengan perkiraan biaya, akan mengalami kekurangan biaya, maka dari itu harus menghindari hal tersebut. Jadi peramalan kue harus dilakukan dengan sebaik mungkin agar tidak kekurangan dana keuangan dimasa depan.
Gambar 1. Kerangka Pemikiran Stabilitas
VAR
Model
VECM
Stabilitas VECM
VAR
Analisis Sebab Akibat (Kausalitas Granger)
Menentukan Lag Optimal
Implus Response Funtion (IRF)
Dekomposisi Galat Peramalan
Forecasting Error Variance Decompotion (FEVD)
Hasil Analisis
Implikasi Manajerial
Ingin mengetahui hubungan antar jenis kue dan ramalan penjualan jenis kue yang digunakan untuk menyususn perencanaan yang lebih baik
Data Penjualan Triple Combo : Klappertart, Makaroni, Pastel
Uji Stasioner
Stasioner ?
Triple Combo
Uji Kointegrasi
3.2 Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8 Bogor. Kue klappertart dipilih untuk menjadi tempat penelitian karena merupakan kue yang sangat digemari oleh masyarakat pada umumnya. Penelitian ini dilaksanakan akhir Januari hingga akhir Maret 2011.
3.3 Metode Pengumpulan Data
Data yang diperlukan dari dua sumber yaitu data sekunder yang bersifat kualitatif dan kuantitatif. Data sekunder yang didapatkan dari sumber-sumber lain yang berfungsi sebagai pelengkap dari data yang dikumpulkan dari buku-buku ataupun laporan penelitian yang relevan. Data-data pendukung lainnya diperoleh melalui studi literatur berupa laporan penelitian, bulletin, internet, serta buku-buku lain yang berkaitan dengan materi penelitian.
Data yang dipergunakan adalah data sekunder yang terdapat dari Triple Combo, data yang telah terkumpul kemudian akan diolah, metode yang digunakan adalah Vector Autoregression. Pengolahan data akan menghasilkan nilai ramalan untuk tiga bulan kedepan.
konsumen. Granger Causality Test digunakan untuk mencari tahu apakah terdapat pemimpin harga beberapa komoditas pangan utama di tingkat produsen dan konsumen . Pengolahan data dilakukan secara bertahap, dimulai dengan pengelompokan data. Data yang telah ditabelkan dipersiapkan untuk input komputer sesuai dengan model yang digunakan. Proses pengolahan data sekunder pada penelitian ini menggunakan Microsoft Excel 2007, Minitab 16, dan Eviews 6.
3.4 Pengolahan dan Analisis Data
3.4.1 Uji Stasioneritas Data
Data yang stasioner merupakan syarat penting bagi analisis time series. Untuk menghindari adanya regresi langsung (spurious regression). Oleh karena itu, perlu dilakukan uji stasioner adalah data yang memiliki kecenderungan untuk mendekati nilai rata-ratanya dan berfluktasi disekitar nilai rata-ratanya (Gujarati,2003)
Secara umum, uji stasioneritas dlakukan melalui unit root test, yaitu test yang dilakukan dengan melihat secara visual (grafis) melalui time series plot ada atau tidaknya trend pada variabel yang digunakan. Apabila plotnya cenderung naik terus atau turun terus maka data tidak stasioner.
Metode yang dapat digunakan untuk melihat kestasioneran data dalam penelitian ini adalah metode Augmented Dickey Fuller (ADF) Test dan Philip Pheron (PP) Test. Kebanyakan analisis time series menggunakan uji ADF. Sedangkan metode PP hanya disunakan pada data yang mengandung struktural break, yaitu patahan pada pergerakan data yang terjadi karena adanya kejadian luar biasa dalam perekonomian, misal krisis ekonomi.
Uji stasioneritas akan dilakukan dengan metode ADF dan PP sesuai dengan bentuk tren deterministik yang dikandung oleh setiap variabel. Hasil series stasioner akan berujung pada penggunaan VAR dengan metode standar. Sementara series non stasioner akan berimplikasi pada dua pilihan VAR, VAR dalam bentuk diferens atau VECM.
Keberadaan variabel non stasioner meingkatkan kemungkinan keberadaan hubungan kointegrasi antar variabel. Maka pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi diperlukan untuk mengetahui keberadaan hubungan tersebut. Pengujian kointegrasi sebaiknya tetap dilakukan pada data stasioner, mengingat terdapatnya kemungkinan kesalahan pengambilan kesimpulan pengujian unit root terkait dengan the power of the test.
3.4.2 Metode Pengujian Granger Causality
Hubungan causality adalah hubungan jangka pendek antara kelompok tertentu dengan menggunakan pendekatan ekonometrik. Terdapat beberapa hubungan kausalitas, yaitu: hubungan kausalitas satu arah. Hubungan kausalitas dua arah atau hubungan timbal balik.
3.4.3 Pengujian Lag Optimal
Tingkat lag optimal ditentukan berdasarkan nilai Schwarz Information Criterion (SC). Tingkat lag yang dipilih adalah lag yang menghasilkan nilai SC terendah daripada tingkat lag lainnya. Berdasarkan perhitungan nilai SC pada variabel-variabel harga di tingkat produsen dan konsumen, nilai SC terendah.
Uji lain yang juga penting dilakukan dalam analisis time series adalah uji lag optimal. Hal tersebut dikarenakan suatu variabel ekonomi memerlukan rentang waktu untuk merespon variabel lainnya (Gujarati, 2003). Jika panjang lag dilambangkan dengan p, maka setiap n persamaan berisi n x p koefisien ditambah intersep. Panjang lag haruslah cukup sehingga dapat menangkap dinamika sistem yang akan dimodelkan. Lag yang lebih panjang akan mengakibatkan lebih banyak junmlah parameter yang harus diduga dan mengurangi derajat bebas yang ada.
Untuk mendapatkan lag optimal, dilakukan tiga bentuk pengujian secara bertahap. Pada tahap pertama akan dilihat panjang selang maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse roots karakteristik AR polinominalnya. Suatu sistem VAR dikatakan stabil (stasioner) jika seluruh rootsnya memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam unit circle.
3.4.4 Vector Autoregresesive (VAR)
Vector Autoregresesive atau yang lebih dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstansa dari nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem. Jadi peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.
Model VAR dikembangkan oleh Cristoper Sims pada tahun 1980. Model ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality. VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam suatu sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Model ini juga menjadi dasar munculnya metode kointegrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian.
Model VAR memiliki banyak keunggulan, antara lain :
1. Model ini sederhana, tidak perlu khawatir membedakan anatara variabel endogen dan variabel eksogen.
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.
3. Hasil ramalan (forecast) yang diperoleh dengan VAR dalam banyak kasus yang lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.
4. Selain itu analisis VAR juga merupakan alat-alat analisis yang sangat berguna baik di dalam memahami adanya hubungan timbal balik antar variable ekonomi maupun di dalam pembentukan modul berstruktur. 5. Secara umum VAR debgan ordo p dan n buah variable endogen pada
Yt = C +A1Yt-1+A2Yt-2+….+ApYt-p+et1 ...(2)
Dimana :
Yt = Vaktor variable endogen (Y1.t1 Y2.t2 Yn.t) berukuran nx1 C = Vaktor intersep berukuran nx1
Ai = Matrik parameter berukuran nxn
εt = Vektor sisaan (ε1t1 , ε2t2 …εnt) berukuran nx1
Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak memanfaatkan informasi atau teori terlebih dahulu
2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga banyak menimbulkan permasalahan
4. Semua variabel VAR harus stasioner
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Sistem persamaan multivariate memiliki hubungan kausalitas anatar variabel yang lebih rumit dibandingkan sistem persamaan bivariat. Metode VAR membuat seluruh variabel menjadi variabel endogen dan menurunkan distributed lag-nya . Secara umum persamaan VAR dengan orde p dengan n buah peubah tak bebas pada waktu ke-t dapat dimodelkan sebagai berikut (Enders,2004) :
dimana :
Yt = Vektor peubah tak bebas (Yt, At,..Yt,t) berukuran n x 1 Ao = Vektor intersep berukuran n x 1
Ap = matrik parameter berukuran n x 1 untuk setiap i = 1, 2, ...p Et = Vektor sisaan (E1,t...En,t) berukuran n x 1
memiliki rataan nol, ragam konstan, dan diantara peubah tak bebas tidak ada korelasi.
Biasanya digunakan untuk memproyeksikan sistem variabel-variabel runtut waktu dan untuk menganalisis dampak dari faktor yang terdapat dalam sistem variable tersebut. Pada dasarnya analisis VAR biasa dipadankan dengan suatu model. Perbedaanya dengan model simultan biasa adalah dalam analisi VAR, masing-masing variabel selain diterangkan oleh nilainya, dimana sampai juga dipengaruhi oleh nilai masa lampau semua variabel endogen lainnya yang diamati. Disamping itu, dalam analisis VAR biasanya tidak ada variabel eksogen.
3.4.5 Uji Stabilitas VAR
Kestabilan model VAR yang digunakan mutlak perlu karena jika model yang digunakan tidak stabil, maka hasil estimasi model pun menjadi tidak valid, demikian pula dengan hasil IRF dan FEVD-nya.
Hasil uji stabilitas model VAR :
Stabilitas sistem VAR dan VEC akan dilihat dari nilai inverse roots karakteristik AR polinominalnya. Hal ini dapat dilihat dari nilai modulus di tabel AR-rootsnya, jika seluruh nilai AR- roots-nya dibawah 1 maka sistem tersebut stabil.
Stabilitas sistem VAR dapat dilihat dari nilai inverse roots karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya. Jika seluruh nilai AR roots-nya di bawah satu, maka sistem tersebut stabil.
3.4.6 Impluse Response Function (IRF)
2004). IRF digunakan untuk menentukan respon variabel NPF. Analisis IRF menjelaskan dampak dari guncangan (shock) pada suatu variabel terhadap variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi dapat menganalisis untuk beberapa horizon ke depan (kuartal) sebagai informasi jangka panjang. Pada alalisis ini dapat melihat respon dinamika jangka panjang setiap variabel apabila ada inovasi (shock) tertentu sebesar satu standar error pada setiap persamaan. Sumbu horisontal merupakan periode dalam kuartal, sedangkan sumbu vertikal menunjukan nilai respon dalam persentase.
Analisis impuls respons adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shocks) variabel tertentu. IRF juga digunakan unruk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini untuk mengetahui respon dinamik variabel.
IRF menunjukkan bagaimana respon dari setiap variabel endogen sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF tersebut sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi cholesky. Variabel yang memiliki nilai prediksi terhadap variabel lain diletakkan di depan berdampingan satu sama lainnya. Variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang.
3.4.7 Forecast Error Variance Decomposition (FEDV)
Analisis dekomposisi varian atau dikenal dengan Forecasting Error Decomposition of Variance (FEDV) digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen.
komposisi dari variabel tertentu terhadap variabel lainnya dalam model VAR. Ukuran kuat lemahnya variabel dalam mempengaruhi variabel lainnya ditetapkan secara normatif. Ukuran kuatnya suatu variabel dalam memepengaruhi variabel lainnya ditetapkan lebih besar dari 50 persen dan lemah lebih kecil dari 50 persen. Metode yang dapat digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro - ditunjukkan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya :
Metode ini dapat melihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long / how persistent). Dekomposisi varians merinci varians dari error peramalan (forecast) menjadi komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model melalui perhitungan persentase squared prediction error k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel-variabel lainnya :
IV. HASIL DAN PEMBAHASAN
4.1 Gambaran Umum perusahaan
4.1.1. Sejarah TRIPLE COMBO
Pada awalnya kue klappertat di kembangkan oleh Bapak Agus Prihanto seorang direktur marketing sebuah hotel di Bogor. Beliau melihat rata-rata tamu hotel menyukai kue yang berkualitas. Sebagai seorang marketing beliau mengetahui permintaan pasar cukup besar untuk kue yang berkualitas dan mencoba untuk mengembangkan klappertart. Untuk melengkapinya beliau melengkapi dengan pastel tutup dan makaroni panggang yang disebut lebih populer TRIPLE COMBO.
Melihat perkembangan dunia kuliner di Bogor yang dapat dikatakan sebagai surga kuliner (Culinary Paradise) ke dua setelah Bandung, maka pada awal tahun 2007, Hotel Salak The Heritage berniat untuk menambah semarak dunia kuliner di Bogor dengan membuat produk oleh-oleh yang bernuansa Belanda sesuai dengan sejarah Hotel salak yang merupakan warisan peninggalan masa penjajahan Belanda dan dapat diterima oleh lidah Indonesia.
Tidak kurang dari sepuluh macam kue Belanda misalnya Indische Pastei (Pastel Tutup), Makaroni Gebak/Schotel (Makaroni Panggang), Klappertart, Hollandsche Kroketten, Spekoek, Ontbijtkoek, Pannenkoeken, Oliebollen, Bitterballen & Poffertjes dibuat dan dijual di cafenya Hotel Salak namanya Den Haag Cafe dan setelah beberapa bulan berjalan, terlihat ketiga kue yang disebut pertama diatas paling diminati pelanggan, maka dicarikanlah nama dari gabungan ketiga kue tersebut untuk lebih di populerkan dan tercetuslah nama Triple Combo yang berdiri sejak 25 Juni 2007 dan mulai dipergunakan pada awal Juli 2007.
jalan juga di kereta-kereta. Dari para pedagang tersebut, produk Triple Combo mulai dikenal oleh masyarakat dan berkembang cukup pesat sehingga yang pada awalnya tempat produksinya gabung dengan dapur Hotel Salak, tetapi untuk pembaharuan maka mulai pertengahan tahun 2008, Hotel Salak menyewa sebuah rumah di Jl. Pangrango 8 untuk dijadikan tempat produksi sekaligus gerai untuk menjual kue tersebut.
Untuk memberikan pilihan pada para pelanggan, hingga kini telah tercipta lebih dari sepuluh macam rasa klappertart sebagai produk yang paling unggul dibanding makaroni atau pastel tutup, karena klappertart yang paling diminati masyarakat. Karena kue klappertart dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau Rumah Klappertart.
Selain citrarasa yang baik, satu keunggulan dari klappertart Triple Combo adalah Halal yang mana Triple Combo telah mendapatkan sertifikat halal yang dikeluarkan oleh MUI karena hampir semua klappertart yang ada di Indonesia menggunakan rum (alcohol) karena penganaan ini awal terkenalnya di Menado yang mayoritasnya masyarakat Nasrani.
hingga sekarang masih digemari di beberapa daerah di Indonesia. Setelah melalui proses pengembangan yang cukup panjang akhirnya ketiga jenis kue tersebut diproduksi dan diperkenalkan kepada masyarakat di wilayah Bogor & Jakarta.
Ternyata sambutan masyarakat yang luar biasa, kue ini sangat digemari baik oleh orang dewasa maupun anak-anak, karena selain cocok untuk santai, kue ini juga dapat sebagai pengganti makan pagi atau siang, sebagai hidangan makanan tambahan atau hidangan rapat yang exclusive.
4.1.2 Visi & Misi
Visi
Menjadi perusahaan kue berskala dunia dengan norma-norma & nilai-nilai perusahaan berstandar internasional.
Misi
Menyajikan kue yang berkualitas dan lezat, sehingga mendukung acara dan bisnis anda menjadi sukses serta tidak khawatir dengan apa yang dimakan karena telah jelas asal usulnya.
4.1.3 Lokasi Perusahaan
4.1.4 Struktur Organisasi
Gambar2. Struktur organisasi Dwi Irfan
General manajer
Usman Marketing Ir . Agus Prihanto
Direktur
Adi wardian Supervisor
Wisma Supervisor
Sanudin Leder Produksi
Mulyadi Purchasing
Staff Produksi
4.1.5 Produk-Produk Perusahaan
Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
Lanjutan Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
Lanjutan Tabel 1. Produk Triple Combo
Klapertart Ukuran Lebar Harga
4.2 Analisis Kointegrasi
Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang akan analisis sangat diperlukan dengan tujuan menentukan metode peramalan yang sesuai dengan pola data tersebut apakah menggunakan metode VAR atau VECM. Apabila pola data yang digunakan stasioner pada level nol maka digunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner pada level nol maka menggunakan metode VECM. Dalam menganalisa stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5 persen.
4.2.1 Uji Stasioner Data
Uji stasioneritas data pada seluruh variabel dengan Augmented Dickey-Fuller Test (ADF) dengan perangkat lunak Eviews 6. Jika nilai Test Critical Values lebih besar dari nilai t-statistic berarti data tidak stasioner, sebaliknya jika nilai Test Critical Values lebih kecil dari nilai t-statistic berarti data stasioner. Dari hasil uji stationer pada level menujukan bahwa semua variabel statsioner. Semua variable memiliki nilai -p (0.000) < alpha 5% artinya sudah stasioner pada level.
Tabel 2. Hasil Uji Stasioner
Variable
Level (α=5%)
4.2.2 Metode Pengujian Granger Causality
Uji kausalitas multivariate dilakukan untuk melihat hubungan kausalitas antara variabel-variabel yang ada dalam model. Hubungan kausalitas antar variabel dapat diketahui dengan melakukan Pairwise Granger Causality Test. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah yang adanya hubungan sebab akibat. Nilai –P < Alpha 5% maka artinya signifikan. Dan hasilnya dari analisisnya adanya hubungan sebab akibat dari makaroni kepada klappertart. Nilai -P (0.0420) < Alpha 5% artinya makaroni menyebabkan klappertart. Uji ini pada intinya mengindifikasikan apakah variabel dua arah atau satu arah. Adanya hubungan sebab akibat dari pastel kepada klappertart. Nilai-P (0.0332) < Alpha 5% artinya pastel menyebabkan klappertart.
Tabel 3. Hasil Uji Granger Causality
Null Hypothesis
Obs F-Statistic Prob.
1.Adanya hubungan sebab akibat dari makaroni kepada klappertart
117 4.23601 0.0420
2.Adanya hubungan sebab akibat dari pastel kepada klappertart
117 4.65003 0.0332
4.2.3 Pengujian Lag Optimal
Tabel 4. Hasil Uji Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 -2050.082 NA 6.45e+11 35.70577 35.77738* 35.73484* 1 -2040.728 18.05643* 6.41e+11* 35.69962* 35.98605 35.81588
Berdasarkan tabel 4 hanya SC dan HQ yang menentukan panjang lag yang berbeda sedangkan LR, FPE, AIC menentukan panjang lag yang sama yaitu pada lag ke satu. Karena tiga kriteria memberikan hasil yang sama, maka dipilih panjang lag satu. Dari hasil uji lag optimun ada di lag satu.
4.2.4 Vector Autoregresesive (VAR)
Tabel 5. Hasil VAR
Klappertart Makaroni Pastel Klappertart (-1) 0.112397 -0.036326 -0.026049
[ 0.83102] [-1.45742] [-1.45382] Makaroni (-1) -0.568277 0.293359 0.102637
[-0.37953] [ 1.06317] [ 0.51744] Pastel (-1) -1.474239 -0.313866 -0.059264 [-0.73853] [-0.85321] [-0.22411]
Berdasarkan hasil VAR tersebut dapat terlihat bahwa terdapat pengaruh yang ditunjukan oleh penjualan klappertart, penjualan tersebut dipengaruhi secara nyata oleh penjualan makaroni pada lag 1 dan penjualan pastel pada lag 1, sedangkan penjualan makaroni dipengaruhi secara nyata oleh penjualan klappertart pada lag 1. Dari tabel tersebut dapat terlihat bahwa terdapat hubungan yang signifikan antara klappertart dan makaroni sedangkan untuk pastel hubungan yang terjadi dengan kue lainnya tidak terlalu signifikan.
4.2.5 Stabilitas VAR
Tabel 6. Hasil Uji Stabilitas VAR
Root Modulus
0.332201 0.332201 0.157820 0.157820 -0.143530 0.143530
Nilai modulus menunjukkan VAR sudah dalam kondisi stabil karena di nilai di posisi 0 <nilai modulus 1 maka artinya sudah dalam kondisi stabil. Model dikatakan stabil apabila nilai modulus nya kurang dari satu. Berdasarkan tabel bahwa nilai akar karakteristik atau modulus semuanya menunjukan nilai kurang dari satu, sehingga dapat disimpulkan bahwa model VAR telah stabil.
4.2.6 Analisis Impuls Response Function (IRF)
Respon Makaroni terhadap Klappertart
-20 0 20 40 60 80
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to KLAPERTART
Response to Cholesky One S.D. Innovations
Gambar 3. Respon Makaroni terhadap Klappertart
Respon Pastel terhadap Klappertart
-10 0 10 20 30 40 50 60
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to KLAPERTART
Gambar 4. Respon Pastel terhadap Klappertart
Respon Klappertart terhadap Makaroni
-80 -60 -40 -20 0
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to MAKARONI
Response to Cholesky One S.D. Innovations
Gambar 5. Respon Klappertart terhadap Makaroni
Respon Pastel terhadap Makaroni
0 10 20 30 40
5 10 15 20 25 30 35 40 45 50
Response of PASTEL to MAKARONI
Gambar 6. Respon Pastel terhadap Makaroni
Respon Klappertart terhadap Pastel
-60 -40 -20 0 20 40 60
5 10 15 20 25 30 35 40 45 50
Response of KLAPERTART to PASTEL Response to Cholesky One S.D. Innovations
Gambar 7.Respon Klapertart terhadap Pastel
Respon Makaroni terhadap Pastel
-8 -6 -4 -2 0
5 10 15 20 25 30 35 40 45 50
Response of MAKARONI to PASTEL
Gambar 8. Respon Makaroni terhadap Pastel
4.2.7 Forcasting Eror Variace Decompotion (FEVD)
Analisis FEVD bertujuan untuk mengetahui variabel yang memiliki peranan penting dalam dalam menjelaskan perubahan suatu variabel. Dengan adanya analisis ini maka dapat diketahui seberapa besar persen variasi variabel dijelaskan oleh setiap gangguan yang ada di dalam model. Hasil dari analisis FEVD ini akan ditunjukan dalam bentuk diagram, diagram tersebut menunjukkan hasil variasi masing-masing variabel baik endogen maupun eksogen.
Forecast Error
Variabilitas data ramalan diukur dengan peramalan kesalahan standar atau disebut forecast standard error ditambah nilai prediksi dari garis persamaan regresi. Persamaan regresi yang di dapat untuk variabel Klappertart sebagai berikut :
1. Klappertart
KLAPPERTART = 404 + 1.14 PASTEL - 0.34 PASTEL1 + 3.39 MAKARONI - 1.68 MAKARONI1+ 0.265 KLAPPERTART1
Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu ke depan
Minggu Forecast SE Nilai
Persamaan Nilai Forecast
119 ± 515 839 324 1354
120 ± 527 492 35 1019
121 ± 528 210 318 738
122 ± 528 342 186 870
123 ± 528 966 438 1494
Lanjutan Tabel 7. Hasil peramalan variable Klappertart selama 12 minggu ke depan
Minggu Forecast SE Nilai
Persamaan Nilai Forecast
125 ± 528 788 260 1316
126 ± 528 920 392 2448
127 ± 528 841 313 1369
128 ± 528 996 468 1528
129 ± 528 1044 516 1572
130 ± 528 1120 592 1648
Gambar 9. Variance Decomposition Terhadap Klappertart
2. Makaroni
MAKARONI = 9.12 + 1.13 PASTEL - 0.201 PASTEL1 + 0.195 MAKARONI1 + 0.0313 KLAPPERTART - 0.0105 KLAPPERTART1
Tabel 8. Hasil peramalan variable Makaroni selama 12 minggu ke depan
Minggu
Forecast SE Nilai
Persamaan Nilai Forecast
119 ± 95 153 58 248
120 ± 96 450 354 546
121 ± 96 559 463 655
122 ± 96 221 125 317
123 ± 96 97 1 193
124 ± 96 140 44 236
125 ± 96 314 218 410
126 ± 96 194 98 290
127 ± 96 163 67 259
128 ± 96 158 62 254
129 ± 96 115 19 211
130 ± 96 117 21 213
respon negative. Nilai persamaan paling besar diperoleh pada minggu ke 121 artinya pada minggu tersebut apabila penjualan makaroni mengalami kenaikan maka akan berpengaruh terhadap penjualan klappertart dan pastel.
Gambar 10. Variance Decomposition Terhadap Makaroni
3.Pastel
PASTEL = - 3.72 + 0.153 PASTEL1 + 0.647 MAKARONI - 0.0838 MAKARONI1
+ 0.00606 KLAPPERTART - 0.00322 KLAPPERTART1
Tabel 9. Hasil peramalan variable Pastel selama 12 minggu ke depan
Minggu
Forecast SE Nilai
Persamaan Nilai Forecast
119 ± 68 74 6 142
120 ± 69 83 14 152
121 ± 69 99 30 168
122 ± 69 119 50 188
123 ± 69 116 47 185
124 ± 69 127 58 196
125 ± 69 119 50 188
126 ± 69 112 43 181
127 ± 69 115 46 184
128 ± 69 118 49 187
129 ± 69 118 49 187
Hasil peramalan Tabel 9 pastel diperoleh dari hasil perhitungan data penjualan selama 12 minggu terakhir, sehingga akan diperoleh hasil peramalan untuk 12 minggu ke depan. Jika dibandingkan dengan dua produk lainnya yaitu klappertart dan makaroni untuk nilai persamaan pastel bernilai lebih kecil, hal ini karena pastel merupakan salah kue tambahan dari klappertart dan penjualan untuk pastel pun cenderung meningkat ketika penjualan klappertart dan makaroni meningkat. Nilai persamaan paling besar diperoleh pada minggu ke 124 sehingga penjualan pastel diramalkan akan meningkat ketika klappertart dan makaroni laris di pasaran.
Gambar 11. Variance Decomposition Terhadap Pastel
Pada Gambar 11 diagram pastel merupakan hasil analisis FEVD terhadap produk pastel, dari hasil variance decomposition tersebut dapat dilihat bahwa penjualan pastel untuk 50 periode kedepan dipengaruhi oleh klappertart. Sedangkan untuk pengaruh variabel lain yaitu makaroni, pengaruhnya lebih besar daripada pastel itu sendiri.
4.2.8 Implikasi Manajerial
Dalam bidang pemasaran, pihak Triple Combo harus meningkatkan strategi promosinya, hal ini agar peramalan penurunan penjualan tidak terjadi. Triple Combo sebaiknya menambah jenis-jenis produk yang ditawarkannya serta meningkatkan program pemasarannya. Selain itu perlu menyususn formulasi strategi pemasaran yang tepat dan efektif dalam menghadapi persaingan pemasaran terhadap produk-produk yang ditawarkan, yakni dapat dilakukan melalui keunggulan dari produk yang ditawarkan, kelengkapan dari jenis produk yang ditawarkan.
Triple Combo juga dapat menetapkan target penjualan ketiga produk kedepannya. Implikasi dari hasil analisa dan interpretasi ini akan mempengaruhi keputusan manajerial seperti dalam merencanakan strategi pemasaran yang mungkin dilakukan. Melihat strategi pemasaran Triple Combo dapat melakukan promosi secara menyeluruh dan besar-besaran sebagai langkah memperkenalkan produknya kepada calon pembeli. Produk kue yang harus diutamakan dalam pemasaran adalah klappertart, karena seperti yang telah diketahui bahwa klappertart ini mempunyai pengaruh positif terhadap produk kue yang lain sehingga secara tidak langsung klappertart tersebut dapat membantu meningkatkan penjualan makaroni dan pastel sehingga dapat meningkat dari segi promosi maupun penjualannya.
Triple Combo juga dapat mengetahui ramalan penjualan sebagai target penjualan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut tidak terjadi, agar pada tahun ke tahunya mengalami kenaikan dan penjualan Triple Combo semakin meningkat. Perusahaan juga dapat mengetahui ramalan penjualan sebagai target penjualan kedepan dan mengantisipasi pada bulan yang diramalkan akan menurunnya penjualan suatu produk sehingga penurunan penjualan tersebut tidak terjadi.
KESIMPULAN SARAN 1. Kesimpulan
Berdasarkan penelitian di Triple Combo, maka dapat ditarik disimpulkan sebagai berikut:
a. Ketiga kue Trilpe Combo tersebut setelah mengalami uji stasioner menunjukan berada pada level stasioner maka dapat disimpulkan bahwa terdapat hubungan diantara klappertart, makaroni dan pastel dalam jangka pendek dan jangka panjang. Hasil hubungan tersebut dapat dilihat dari hasil uji yang menunjukan bahwa data tersebut stationer dan diperoleh kesimpulan bahwa model yang tepat untuk peramalan adalah menggunakan model VAR. Dari hasil IRF dapat dilihat bahwa apabila klappertart diimpuls maka akan terjadi respon positif akan direspon positif oleh makaroni dan pastel. Apabila makaroni diimpuls maka akan memperoleh respon positif dari klappertart dan pastel.
b. Kita dapat mengetahui hubungan yang saling berkaitan antara kue satu dengan kue lainnya. Kue yang paling dominan dalam memberikan pengaruh positif terhadap kue lainnya adalah klappertart, karena klappertart sangat berpengaruh terhadap peningkatan penjualan kue lainnya seperti makaroni dan pastel sehingga target penjualan semakin banyak dan semakin meluas. c. Klappertart merupakan produk kue andalan dibanding makaroni dan
pastel. Hal ini dikarenakan karena banyak orang lebih mengenal klappertart. Kue klappertart diharapkan jadi pemicu rasa ketertarikan untuk mencoba kue makaroni dan pastel.
2. Saran
Penelitian ini penulis menyarankan beberapa masukan kepada Triple Combo untuk dapat meramalkan penjualan kuenya. Sebagai berikut adalah hal-hal yang disarankan:
a. Penulis menyarankan agar pihak Triple Combo menerapakan analisis peramalan sebagai alat bantu dalam meramalkan penjualan untuk masa yang akan datang, sehingga pihak Triple Combo dapat mengetahui ramalan penjualan klappertart, makaroni dan pastel. Dengan adanya ramalan maka pihak Triple Combo dapat melakukan antisipasi jika penjualan diramalkan mengalami penurunan.
b. Melakukan promosi pemasaran pada setiap produk kuenya agar lebih dikenal oleh masyarakat, terutama kue klappertart sebagai produk kue yang paling digemari oleh masyarakat memberikan pengaruh luar biasa terhadap peramalan penjualan produk kue lain sehingga penjualan semua produk kue terus mengalami perkembangan.
c. Triple combo sebaiknya secara berkala melakukan peramalan, dengan peramalan akan lebih mudah dalam penjualan kue tersebut.
d. Pihak Triple Combo diharapkan dapat menerapakan analisis peramalan ini dengan pemahaman yang baik mengenai pola data serta model yang dapat
ANTARA JENIS KUE DI TRIPLE COMBO BOGOR
Oleh
MUHARANI
H24087086
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
DAFTAR PUSTAKA
Agung, I.G.N. 2009. “Time Series Data Analisys Using Eviews”. John Willey an Sons (Asia) Pte Ltd, Singapore.
Aldina, A. 2008. Analisis Peramalan Penjualan Matrix Blackberry PT Indosat, Tbk Dalam Rangka Perencanaan strategi Pemasaran. Skripsi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
Andria, V. 2009. Analisis Peramalan Jumlah Siswa Menggunakan Metode VAR Berbasis Komputer (Studi Kasus : Valto Education Centre). Skripsi pada Program Ganda, Teknik Informatika dan Statistika, Universitas Bina Nusantara, Jakarta.
Arsyad, L. 1994. Peramalan Bisnis. BPEE-Yogyakarta.
Aritonang, L. R. 2002. Peramalan Bisnis. Galia Indonesia (anggota IKAPI). Jakarta.
Enders, W. 2004. “Applied Econometric Time Series”. John Willey and Sons, Inc., New York.
Engle, R. F. And C. W. J. Granger. 1987. Econometrica. JSTOR. United States of America.
Gujarati, D. N. 2003. Basic Econometrics. Fourth Edition. McGraw Hill One. New York.
Hanke, JE. et al. 2003. Peramalan Bisnis. Ed ke-7. Anathur D, Penerjemah. Prenhallindo. Terjemahan dari : Busines Forecasting, Jakarta.
Khaerunisa, Y. 2009. Analisis VECM (Vector Error Correction Model) dalam Mekanisme Pemodelan dan Peramalan Kebijakan Harga Pangan. [skripsi]. Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, Bogor.
Istiati, R. 2006. Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi Informasi (Studi Kasus PT.AMTP Jakarta). Skripsi pada Fakultas Ekonomi, Universitas Mercu Buana, Jakarta.
Kolter, P dan G. A. Amstrong. 1995. Dasar-dasar Pemasaran Jilid 1. Prenhallindo.Jakarta.
Sugiarto dan Harijono. 2000. Peramalan Bisnis. PT Gramedia Pustaka Utama. Jakarta.
Wikipedia. 2011. klappertart. http://id.wikipedia.org/wiki/klappertart [15 November2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue [15 November 2011] Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_basah [15 November 2011]
Wikipedia. 2011. kue. http://id.wikipedia.org/wiki/Kue_kering [15 November 2011]
ANTARA JENIS KUE DI TRIPLE COMBO BOGOR
Oleh
MUHARANI
H24087086
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
ANTARA JENIS KUE DI TRIPLE COMBO BOGOR
SKRIPSI
sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Program Sarjana Alih Jenis Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
MUHARANI
H24087086
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
Nama : Muharani NIM : H24087086
Menyetujui, Dosen Pembimbing
(Dr. Ir. M. Syamsun, M.Sc)
NIP. 19500727197412 1001
Mengetahui, Ketua Departemen
(Dr. Ir. Jono M. Munandar, M.Sc)
NIP. 19610123198601 1002
MUHARANI H24087086. Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Antara Jenis Kue Di Triple Combo Bogor. Di bawah bimbingan
MUHAMAD SYAMSUN.
Berbagai jenis makanan dan jajanan semkakin banyak ditemui di lingkungan, baik jenis makanan kecil dan makanan besar. Kue klappertart contohnya, kue yang berasal dari Menado ini dulunya banyak di konsumsi oleh para bangsawan Belanda, makaroni contohnya makanan ini merupakan makanan yang sudah sering dikonsumsi oleh masyarakat, dan pastel yang terdiri dari kulit kue kering dan isi, isi pastel dapat berbagai pilihan. Triple Combo merupakan hidangan yang exclusive memiliki 3 varian utama, yaitu : Klappertart, Makaroni, dan Pastel. Lokasi Triple Combo Klappertart Huize yang beralamat di Jalan. Pangrango No.8, Bogor terletak di Taman Kencana, bisa dikatakan pusat jajanan kuliner dan banyak sekali tempat makanan di daerah ini, maka dari itu tepat sekali menjadi tempat kue Triple Combo. Selain citrarasa yang baik, satu keunggulan dari klappertartnya Triple Combo adalah halal yang mana Triple Combo telah mendapatkan sertifikat halal yang dikeluarkan oleh MUI. Karena kue klappertart dibandingkan makaroni dan pastel yang paling diminati oleh pelanggan, maka rumah tempat produksi maupun gerai penjualan tersebut dinamakan Huize atau Rumah Klappertart. Triple Combo merupakan jenis kue yang bergerak dalam bidang kuliner dan fokus dalam operasionalnya yang keseharianya di supervise oleh pengajar professional dari Bogor Hotel Institute dan tenaga ahli dari Hotel Salak The Heritage. Berawal dari keinginan membuat makanan yang unik dan spesial untuk memenuhi kebutuhan akan makanan yang lezat, sehat dan berkualitas yang cocok menjadi hidangan sehari-hari maupun untuk oleh-oleh atau gift serta menunjang pariwisata kota Bogor dengan memberi warna baru kuliner kota Bogor.
Dengan menggunakan analisis kointergrasi terdapat dua jenis model yang digunakan untuk dianalisis, yaitu model analisis VAR (Vector Autoregression) atau model analisis VECM (Vector Error Corection Model). Dilihat dari hasil uji yang menunjukan bahwa data tersebut stasioner menggunakan VAR. Kemudian melakukan analisis IRF dan FEVD untuk melihat korelasi antara data kue dengan data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD. Peramalan yang dilakukan untuk mengetahui apakah dalam kurun waktu 118 minggu akan diperoleh hasil bahwa kue tersebut akan mengalami penurunan atau peningkatan dalam penjualannya, atau akan turun naik pada setiap minggunya, maka dari itu perlu dilakukan penelitian peramalan penjualan sehingga Triple Combo akan mendapat gambaran penjualan untuk kedepanya.
