IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan
PT S-IK (Sanyo Inabata Kako) Indonesia adalah salah satu pemain global yang bergerak dalam bidang Plastic Coloring and Compounding (pewarnaan dan perancangan/peracikan bahan baku plastik). Perusahaan yang berlokasi di East
Jakarta Industrial Park (EJIP) No. Plot 4-L Cikarang Selatan, Bekasi 17550 ini
didirikan pada tahun 1995 diatas tanah seluas 12.500 m². Luas tanah tersebut dibagi menjadi 3 bangunan yaitu bangunan untuk kantor yang memiliki luas tanah 460 m2, bangunan untuk pabrik yang memiliki luas tanah 2.160 m2, dan bangunan untuk gudang yang memiliki luas tanah 3.528 m2. Perusahaan ini memulai operasinya pada bulan April tahun 1996.
Para pemegang saham (shareholder) dari PT S-IK Indonesia ini meliputi Inabata Singapore PTE.LTD., PT Inabata Indonesia, dan Sanyo Kako. Perusahaan ini diperkuat oleh para profesional dan ekspatriat dimana terdapat 230 karyawan yang bekerja di perusahaan tersebut, 3 diantaranya para ekpatriat dan 270 lainnya yaitu pegawai lokal, yang memiliki dedikasi tinggi terutama untuk menghasilkan produk dengan standar kualitas internasional.
PT S-IK Indonesia sangat mengedepankan kualitas produk yang dihasilkan. Perusahaan ini telah memperoleh sertifikat dari International Organization for
Standardization (ISO) yaitu sertifikat ISO 9001: 2000 yang berkaitan dengan
kualitas produk. Selain sertifikat tersebut, PT. S-IK Indonesia juga telah memperoleh sertifikat penjaminan mutu (quality assurance) lainnya yaitu sebagai berikut:
ISO 9001: 2000 CERTIFICATE NO : ID08/1200 ISO 14001: 2004 CERTIFICATE NO : ID08/1201 TS 16949: 2002 CERTIFICATE IATF : 0078111 TS 16949: 2002 CERTIFICATE NO : ID09/1248
PT. S-IK Indonesia telah menerima sertifikasi ISO 9001: 2000 pada tahun 2000, sertifikasi ISO 14001: 2004 diterima pada tahun 2002, dan sertifikasi ISO TS 16949:2002 diterima pada tahun 2009. Sertifikasi ISO tersebut diperoleh dari
terus menerus. Setiap satu tahun sekali diadakan satu sampai dua kali audit internal dari PT. S-IK Indonesia itu sendiri.
Adapun konsumen utama yang menggunakan produk yang dihasilkan oleh PT S-IK Indonesia. Berikut adalah nama-nama perusahaan yang menjadi konsumen utama PT S-IK Indonesia diantaranya:
1. PT Indonesia Epson Industry 2. PT JVC Electronics Indonesia
3. PT Panasonic Shikoku Electronics Indonesia 4. PT Jalco Electronics Indonesia
5. PT Samsung Electronic Indonesia 6. PT Indomobil Suzuki
7. PT Ichikoh Indonesia 8. PT Toso Industry Indonesia 9. PT Filtech Indonesia 10. PT KMK Plastic Indonesia
11. PT Sanyo Jaya Components Indonesia 12. PT Summitplast Interbenua
13. PT Indonesia Stanley Electric 14. Dll.
4.2. Visi dan Misi Perusahaan
Visi dari PT S-IK Indonesia yaitu “berkesinambungan meningkatkan pelayanan kepada pelanggan dan masyarakat melalui layanan global dan berupaya memenuhi perubahan kebutuhan mereka”. Sedangkan misi perusahaan dituangkan dalam manajemen filosofi dan kode etik berikut ini:
1. Manajemen Filosofi:
Dengan "cinta dan menghargai orang-orang" sebagai nilai-nilai inti, kami berkomitmen untuk menjadi "Perusahaan yang Baik" yang selalu dapat dipercaya.
2. Kode etik:
Kami berkomitmen untuk terus meningkatkan nilai perusahaan Inabata & Co, Ltd. Tidak hanya untuk para pemegang saham, mitra bisnis dan karyawan kami, tetapi untuk semua stakeholder.
- Mematuhi Hukum dan Aturan (Compliance)
Kami berkomitmen untuk mematuhi hukum dan semua aturan masyarakat. Kami akan berusaha untuk menjaga manajemen kami yang transparan dan terbuka kepada masyarakat, melalui pengungkapan yang tepat dan tepat waktu.
- Bisnis (Business)
Sadar akan semangat Inabata & Co.’s sejak pertama dirintis, kami berkomitmen untuk bekerja secara global menggabungkan target dan strategi yang diartikulasikan dengan jelas, kecepatan, dan kemampuan perencanaan khusus, serta keahlian yang unik dan multifungsi.
- Orang-orang (People)
Kami berkomitmen untuk menciptakan tradisi, dengan mereka yang berintegritas pantang menyerah, berkewarganegaraan yang baik, punya kepercayaan, dan semangat kemerdekaan.
- Budaya Perusahaan (Corporate culture)
Kami berkomitmen untuk memelihara budaya perusahaan yang menghargai kreativitas dan keragaman, memberikan kesempatan bagi semua untuk mencapai mimpi dengan kebahagiaan dan mendapatkan evaluasi yang adil terhadap kinerja mereka - terlepas dari kebangsaan, jenis kelamin, usia, atau kapan mereka bergabung dengan perusahaan.
- Lingkungan dan Masyarakat (Environment and community)
Kami sebagai warga perusahaan yang baik, dipesankan untuk melestarikan lingkungan, lebih jauh turut berkontribusi untuk kemakmuran masyarakat setempat.
4.3. Perkembangan Perusahaan
Berikut adalah perkembangan PT S-IK Indonesia yaitu sejak didirikan pada tahun 1995 yang dimulai dengan proses perataan tanah hingga kondisi saat ini dimana perusahaan ini telah memiliki kurang lebih 14 mesin ekstruder (mesin
pelebur plastik). Secara runtut perkembangan PT S-IK Indonesia digambarkan dalam tabel 2.
Tabel 2. Perkembangan perusahaan
No. Bulan dan Tahun Keterangan
1. Oktober 1995 proses perataan tanah
2. Mei 1996 Penyelesaian pemasangan blending
3. April 1996 Dimulainya produksi dengan 3 mesin extruder
4. Nopember 1998 Rangka pembangunan warehouse
5. Maret 2011 sudah memiliki 14 mesin extruder
4.4. Fasilitas Produksi yang Dimiliki PT. S-IK Indonesia
Untuk dapat memproduksi produk dengan kualitas yang sesuai dengan standar internasional, maka PT. S-IK Indonesia memperlengkapi perusahaannya dengan fasilitas produksi yang cukup, baik dari segi jumlah maupun teknologi serta senantiasa mengupdate peralatan yang dimiliki dengan teknologi terkini sehingga dapat meningkatkan daya saing produk yang dihasilkan (competitive
advantage). Fasilitas produksi yang dimiliki perusahaan berupa mesin extruder,
blender, middle hopper dan lainnya. Sedangkan fasilitas untuk pemeriksaan
berupa Injection Molding Machine, Physical Test, dan Attached Facilities. Untuk lebih lengkapnya pada tabel-tabel (Lampiran 1) disajikan data mengenai daftar fasilitas produksi dan inspeksi yang dimiliki oleh PT. S-IK Indonesia.
4.5. Produk-Produk Perusahaan
Berikut adalah produk-produk yang terdapat pada PT S-IK Indonesia:
1. PP (Polypropilene), bahan baku plastik berjenis PP ini cenderung digunakan
untuk menghasilkan produk-produk otomotif dan peralatan rumah tangga, misalnya dashboard mobil, bemper mobil, tupperware, dll.
2. ABS (Acrylonitrile Butadiene Stryrene), bahan baku plastik berjenis ABS ini cenderung digunakan sebagai rangka/casing peralatan elektronik, misalnya monitor komputer, printer, keyboard dan pipa saluran
3. PS (Polystyrene), jenis plastik PS ini cenderung digunakan untuk kemasan sabun, kemasan makanan, cangkir yang siap untuk di buang, piring, tempat / kotak CD dan kaset.
4. PMMA (Polymethyl methacrylate), jenis plastik PMMA ini biasanya digunakan sebagai lensa kontak, kaca jendela (jenis kaca jendela yang sudah dikenal terdiri dari beberapa merek dagang di seluruh dunia, misalnya : Perspex, Oroglas, Plexiglas) dan penutup lampu belakang mobil.
5. PE (Polyethylene), merupakan plastik jenis termoplastik yang digunakan secara luas oleh konsumen produk sebagai kantong plastik mencakup tas supermarket, botol plastik, dll.
6. POM (Polyacetal/Polyoxymethylene), plastik jenis ini sering digunakan sebagai material pengganti metal terutama gear, bushing, dan sliding elements.
7. PA (Polyamide), juga dikenal dengan nama nylon. jenis plastik PA ini biasanya digunakan sebagai pipa atau pancuran ledeng, bingkai jendela dan lantai.
8. PC (Polycarbonate), jenis plastik PC ini biasanya digunakan sebagai compact disc, kacamata, perisai, jendela pengaman, lampu lalu lintas dan lensa.
4.6. Struktur Organisasi
Adanya struktur organisasi ini adalah untuk memberikan penjelasan mengenai tugas dan tanggung jawab departemen-departemen yang terdapat pada PT S-IK Indonesia.
1. President Director: merupakan pengelola perusahaan juga sebagai pemilik
PT S-IK Indonesia.
2. Factory Manajer: merupakan pimpinan pabrik yang mengelola kebijakan di
pabrik, penanggung jawab utama atas jalannya dan tercapai tujuan perusahaan di pabrik. Tugas dan wewenang dari manajer pabrik yaitu: mengkoordinir seluruh kegiatan di pabrik, mengkoordinir tugas-tugas asisten, membuat laporan rutin mengenai keadaan pabrik secara keseluruhan setiap bulan. Tanggung jawab: Manager Factory dalam menjalankan tugasnya bertanggung jawab kepada President Director PT S-IK Indonesia.
3. Logistic Departement: memiliki wewenang dan bertanggung jawab untuk mengendalikan kegiatan logistik, bertanggung jawab mengendalikan jalannya kegiatan di gudang, bertanggung jawab untuk memantau dan menentukan jadwal pengiriman dan pengiriman untuk tujuan ekspor, bertanggung jawab untuk membuat laporan persediaan barang jadi, bertanggung jawab untuk menyediakan bahan baku untuk persiapan produksi.
4. General Affair Departement: bertanggung jawab untuk mengatur jadwal
jalannya perusahaan, bertanggung jawab untuk mengelola pabrik, bertanggung jawab untuk mengatur dan mengontrol karyawan, bertanggung jawab untuk mengontrol bagian pasokan perusahaan.
5. Production Departement: bertanggung jawab terhadap President Director
khususnya hal-hal yang bersifat produksi, bertanggung jawab dalam pengendalian pemeliharaan mesin-mesin produksi, bertanggung jawab menyampaikan laporan hasil produksi kepada President Director.
6. Quality Control departement: bertanggung jawab untuk mengendalikan
proses produksi dan kualitas produk, bertanggung jawab untuk menjaga prosedur standarisasi, bertanggung jawab untuk implementasi sistem dan meningkatkan system, bertanggung jawab untuk jadwal mengontrol pencocokan warna, Bertanggung jawab untuk memeriksa barang jadi dan bahan baku.
7. Commercial: bertanggung jawab untuk mengambil tindakan yang tepat
dalam segala hal yang berkaitan dengan pengendalian internal, bertanggung jawab untuk menjaga hubungan antara pelanggan dan perusahaan, bertanggung jawab untuk mengontrol semua dukungan bahan baku, bertanggung jawab untuk mengelola pesanan, mengendalikan tanggal pengiriman bahan baku plastik.
8. Account and Financial: bertanggung jawab atas kelangsungan pekerjaan
sehari-hari di bidang akuntansi atau keuangan, bertanggung jawab untuk memelihara prosedur sistem akuntansi keuangan, bertanggung jawab untuk mengendalikan jadwal pembayaran untuk pemasok, berwenang untuk menghentikan pembayaran jika dokumen tidak dapat diandalkan.
4.7. Hasil analisis
4.7.1 Uji Stasioneritas
Stasioneritas merupakan syarat utama bagi data agar dapat diolah dan digunakan bagi penelitian ini. Uji ini dilakukan untuk menganalisis apakah data yang digunakan stasioner atau tidak sesuai dengan bentuk tren deterministik yang dikandung oleh setiap variabel. Data yang tidak stasioner adalah data yang mengandung akar unit sehingga dapat menghasilkan regresi palsu (spurious regression), yaitu regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal kenyataannya tidak stasioner atau tidak sebesar regresi yang dihasilkan tersebut. Pengujian stasionesitas dalam penelitian ini didasarkan pada uji ADF (Augmented Dickey Fuller).
Pengujian stasioneritas data perlu dilakukan karena data yang tidak stasioner tidak dapat dimasukkan kedalam model VAR melainkan dimasukkan ke dalam model VECM (Vector Error Correction Model). Pemeriksaaan kestasioneran data time series pada setiap varabel dalam tingkat level dengan menggunakan uji ADF dapat dilihat dalam Tabel 3.
Tabel 3. Hasil Uji Unit Root pada Level
Variabel Nilai ADF
Nilai Kritis
MacKinnon Kerterangan 5%
ABS -2.725301 -2.911730 Tidak stasioner PP -2.337352 -3.489228 Tidak stasioner PS -2.897658 -2.911730 Tidak stasioner
Berdasarkan hasil tabel di atas maka dapat dilihat bahwa data dari variabel ABS (Acrylonitrile Butadiene Stryrene), PP (Polypropilene), dan PS (Polystyrene) tidak stasioner. Hal ini dapat diketahui dari nilai kritis MacKinnon pada taraf nyata 5 persen lebih besar daripada nilai ADF. Karena hasil pengujian stasioneritas untuk masing-masing data (Tabel 3) menunjukkan bahwa variabel-variabel yang digunakan dalam penelitian ini tidak stasioner, maka pengujian akar unit perlu dilanjutkan pada tingkat first difference. Hasil pengujian first difference
Tabel 4. Hasil Uji Unit Root pada First Difference
Variabel Nilai ADF
Nilai Kritis MacKinnon Kerterangan 5% ABS -8.788089 -2.912631 Stasioner PP -15.33991 -2.912631 Stasioner PS -7.137961 -2.912631 Stasioner
Secara umum dapat disimpulkan bahwa variabel ABS (Acrylonitrile
Butadiene Stryrene), PP (Polypropilene), dan PS (Polystyrene) telah stasioner
pada level first difference. Dari hasil uji stasioner ini sudah dapat disimpulkan model yang digunakan dalam penelitian ini adalah model VECM.
4.7.2 Uji Kausalitas Granger
Uji Kausalitas Granger digunakan untuk melihat hubungan kausalitas antar variabel yang akan digunakan dalam penelitian ini. Berdasarkan Uji Kausalitas Granger apabila nilai probability variabel tersebut lebih kecil atau sama dengan 5 persen maka terdapat hubungan kausalitas diantara variabelnya, sebaliknya apabila nilai probability variabel tersebut lebih besar dari 5 persen maka tidak ada hubungan kausalitas diantara variabelnya. Hasil pengujian kausalitas granger dapat dilihat pada Tabel 5 berikut.
Tabel 5. Uji Kausalitas Granger
Null Hypothesis: Obs F-Statistic Prob. PP does not Granger Cause ABS 57 0.24442 0.8649 ABS does not Granger Cause PP 2.37299 0.0813 PS does not Granger Cause ABS 57 0.36918 0.7756 ABS does not Granger Cause PS 1.18651 0.3244 PS does not Granger Cause PP 57 0.21871 0.8830 PP does not Granger Cause PS 1.26458 0.2966
Berdasarkan hasil pengujian maka dapat dilihat bahwa semua nilai probability pada hipotesis lebih besar dari alpha 5%, yang artinya ketiga variabel ABS (Acrylonitrile Butadiene Stryrene), PP (Polypropilene), dan PS (Polystyrene) tidak terdapat hubungan kausalitas diantara variabel tersebut.
4.7.3 Penentuan Lag Optimal
Pengujian selanjutnya yaitu menentukan jumlah lag optimal yang akan digunakan dalam variabel yang akan dianalisis. Penentuan lag optimal yang digunakan dengan beberapa pendekatan antara lain Likelihood Ratio (LR), Final
Prediction Error (FPE), Akaike Information Criterion (AIC), dan Schwarz
Criterion (SC). Hasil pengujian lag optimal dapat dilihat pada Tabel 6 berikut.
Tabel 6. Penentuan Lag Optimal
Lag LogL LR FPE AIC SC HQ
0 -113.5871 NA 0.011183 4.020246 4.126821 4.061759 1 -16.14339 181.4470 0.000530 0.970462 1.396760 1.136514 2 2.709548 33.15517* 0.000378* 0.630705* 1.376728* 0.921296*
Berdasarkan hasil penentuan lag optimal di atas maka dapat dilihat bahwa lag yang optimal berada pada lag ke dua. Hal ini diketahui dari semua kriteria memberikan panjang lag yang sama yaitu pada lag ke dua.
4.7.4 Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner mengalami kointegrasi atau tidak. Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antara variabel yang telah memenuhi persyaratan dalam proses integrasi dimana semua variabel telah stasioner pada derajat yang sama yaitu first difference atau I(0). Dalam penelitian ini untuk mengetahui keterkaitan jangka panjang antar komoditi diuji dengan menggunakan uji kointegrasi Johansen. Dengan kriteria pengujian jika trace
statistic lebih besar dari critical value, maka terjadi kointegrasi, sebaliknya jika
trace statistic lebih kecil dari critical value, maka tidak terkointegrasi. Hasil
pengujian dapat dilihat pada Tabel 7. Tabel 7. Uji Kointegrasi
Hypothesized
No.of CE (s) Eigen value
Trace Statistic 0.05 Critical Value Prob** None* 0.328122 24.95816 24.27596 0.0410 At Most 1 0.045937 2.688157 12.32090 0.8848 At Most 2 0.000977 0.054723 4.129906 0.8480
Berdasarkan hasil pengujian tersebut dapat diketahui bahwa terdapat satu persamaan kointegrasi, karena hanya ada satu nilai trace statistic yang lebih besar
dari taraf nyata 5 persen. Adanya kointegrasi variabel terhadap variabel yang lain hal ini berarti terdapat hubungan jangka panjang diantara ABS (Acrylonitrile
Butadiene Stryrene), PP (Polypropilene), dan PS (Polystyrene).
4.7.5 Estimasi VECM (Vector Error Correction Model)
Pengaruh suatu variabel yang terkointegrasi terhadap variabel lainnya dalam jangka panjang dapat dilihat dari analisis menggunakan metode Vector Error
Correction Model (VECM). Interpretasi hasil dilakukan dengan melihat koefisien
kointegrasinya dan pembacaan tanda adalah terbalik dari tanda koefisiennya. Koefisien kointegrasi dikatakan signifikan jika mutlak nilai t-statistic lebih besar daripada nilai t-tabel yaitu 1,96.
Tabel 8. Estimasi VECM (Vector Error Correction Model) Cointegrating Eq Cointegrating Eq1
ABS 1.000000
PP 0.930352
[1.95240]
PS 2.870379
[2.59531]
Dari hasil estimasi VECM pada tabel di atas diketahui bahwa apabila penjualan PP meningkat satu persen maka akan menurunkan penjualan ABS sebesar 0.93 persen. Sedangkan apabila penjualan PS meningkat satu persen, maka juga akan menurunkan penjualan ABS sebesar 2.87 persen.
4.7.6 Pengujian Stabilitas Model
Pengujian selanjutnya yaitu pengujian stabilitas model VECM. Berdasarkan hasil AR Root Table, model dikatakan stabil apabila nilai modulusnya kurang dari satu. Terlihat pada tabel dibawah ini bahwa semua nilai modulus kurang dari satu, maka dapat disimpulkan bahwa model VECM tersebut telah stabil. Berikut adalah hasil pengujian stabilitas VECM.
Tabel 9. Pengujian Stabilitas Model Root Modulus 0.959089 0.959089 0.790458 0.790458 -0.617894 0.617894 0.465037-0.213163i 0.511564 0.465037+0.213163i 0.511564 -0.156347 0.156347
4.7.7 Impulse Response Function (IRF)
Analisis IRF dimaksudkan untuk mengetahui pengaruh perubahan dari satu variabel pada variabel itu sendiri atau variabel lainnya. Dalam penelitian ini analisis IRF bertujuan untuk mengetahui dampak guncangan dari setiap variabel yaitu ABS (Acrylonitrile Butadiene Stryrene), PP (Polypropilene) dan PS
(Polystyrene).
1. Apabila ABS di impuls (shock)
0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50
Respon Variabel ABS Terhadap Shock Variabel ABS
.00 .05 .10 .15 .20 .25 .30 5 10 15 20 25 30 35 40 45 50
Respon Variabel PP Terhadap Shock Variabel ABS
-.3 -.2 -.1 .0 .1 .2 .3 .4 5 10 15 20 25 30 35 40 45 50
Respon Variabel PS Terhadap Shock Variabel ABS
Gambar 3. Impulse Response ABS
Respon yang pertama dianalisa yaitu apabila variabel ABS di impuls. Gambar pertama menunjukkan respon ABS terhadap guncangan variabel ABS sendiri. Berdasarkan gambar tersebut, diketahui bahwa respon yang diberikan ABS terhadap variabel itu sendiri pada satu standar deviasi terlihat bernilai positif. Pergerakan dari respon tersebut menurun pada periode ke dua sebesar 79 persen. Terjadi lonjakan pada periode ke tiga dengan nilai 88 persen. Akan tetapi menurun pada periode ke tiga hingga periode 11 dengan nilai yang cukup drastis yaitu hingga 59 persen. Respon kemudian bergerak cenderung stabil pada periode ke 12 hingga periode ke 60 dengan bertahan di angka 59 persen.
Gambar selanjutnya menunjukkan respon variabel PP terhadap guncangan dari variabel ABS. Terlihat pada gambar, respon yang diberikan variabel PP pada
perubahan standar deviasi ABS bernilai positif. Kenaikan yang cukup drastis terlihat pada periode ke dua dengan nilai 29 persen, dimana pada periode pertama berada pada nilai 0 persen. Pada periode berikutnya terjadi fluktuasi ringan hingga pada periode ke 12 respon terlihat stabil dengan nilai 15 persen. Dengan nilai respon yang positif disimpulkan bahwa guncangan dari penjualan produk ABS sebesar satu standar deviasi berpengaruh positif terhadap penjualan produk PP.
Gambar berikutnya menunjukkan respon variabel PS terhadap guncangan dari variabel ABS. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel ABS cenderung bernilai negatif. Titik awal pada periode pertama bernilai 2 persen, selanjutnya mengalami peningkatan pada periode ke dua dengan nilai 31 persen. Respon variabel PS berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke dua sampai periode ke 12 dengan nilai yaitu -27 persen, dan nilai tersebut tetap bertahan hingga periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan ABS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan PS.
2. Apabila variabel PP di impuls (shock)
0.4 0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50
Respon Variabel PP Terhadap Shock Variabel PP
-.30 -.25 -.20 -.15 -.10 -.05 .00 5 10 15 20 25 30 35 40 45 50
Respon Variabel ABS Terhadap Shock Variabel PP
-.12 -.08 -.04 .00 .04 .08 .12 .16 .20 .24 5 10 15 20 25 30 35 40 45 50
Respon Variabel PS Terhadap Shock Variabel PP
Gambar 4. Impulse Response PP
Respon kedua yang dianalisa yaitu apabila variabel PP di impuls. Terlihat pada gambar yang pertama menunjukkan respon dari variabel PP terhadap guncangan variabel PP itu sendiri. Respon yang diberikan variabel PP pada perubahan satu standar deviasi terhadap variabel PP itu sendiri bernilai positif. Dimana pergerakan respon variabel PP terhadap dirinya sendiri di setiap periodenya cenderung bergerak stabil, walaupun pada periode pertama setelah berada pada nilai 94 persen, terjadi penurunan di periode kedua dengan nilai 48 persen. Respon selanjutnya terjadi fluktuasi hingga pada periode ke 9, pergerakan selanjutnya dari periode ke 9 hingga periode ke 50 terlihat stabil dengan nilai 60
persen. Dengan nilai respon yang positif disimpulkan bahwa guncangan dari penjualan produk PP sebesar satu standar deviasi berpengaruh positif terhadap naik turunnya penjualan produk PP itu sendiri.
Pada gambar selanjutnya terlihat respon dari variabel ABS terhadap guncangan variabel PP. Gambar tersebut menunjukkan respon yang diberikan variabel ABS pada perubahan standar deviasi PP bernilai negatif. Dari grafik yang ditunjukkan terlihat respon dari variabel ABS terhadap variabel PP sangat berfluktuatif, yang pada akhirnya mengalami kestabilan respon hingga periode 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan produk PP sebesar satu standar deviasi berpengaruh negatif terhadap penjualan produk ABS.
Gambar selanjutnya menunjukkan respon yang diberikan variabel PS terhadap guncangan dari variabel PP. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel PP cenderung bernilai negatif. Titik awal pada periode pertama bernilai 0 persen, selanjutnya mengalami peningkatan pada periode ke tiga dengan nilai 22 persen. Respon variabel PS berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke 3 sampai periode ke 11 dengan nilai yaitu -10 persen, dan nilai tersebut cenderung stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan PP sebesar satu standar deviasi berpengaruh negatif terhadap penjualan PS.
3. Apabila variabel PS di impuls (shock)
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 5 10 15 20 25 30 35 40 45 50
Respon Variabel PS Terhadap Shock Variabel PS
-.30 -.25 -.20 -.15 -.10 -.05 .00 .05 .10 5 10 15 20 25 30 35 40 45 50
Respon Variabel ABS Terhadap Shock Variabel PS
-.14 -.12 -.10 -.08 -.06 -.04 -.02 .00 5 10 15 20 25 30 35 40 45 50
Respon Variabel PP Terhadap Shock Variabel PS
Gambar 5. Impulse Response PS
Respon ketiga yang dianalisa yaitu apabila variabel PS di impuls. Gambar pertama menunjukkan respon yang diberikan variabel PS terhadap guncangan dari variabel PS itu sendiri. Berdasarkan grafik di atas, respon yang diberikan oleh
variabel PS pada perubahan satu standar deviasi variabel PS itu sendiri bernilai positif. Dimana respon yang diberikan cenderung menurun secara signifikan, dengan titik awal bernilai 100 persen pada periode pertama dan nilai respon terendah mencapai 12 persen berada pada periode ke 10. Selanjutnya nilai respon yang diberikan stabil dengan nilai 12 persen dari periode ke 10 hingga periode ke 50.
Gambar selanjutnya menunjukkan respon variabel ABS terhadap guncangan dari variabel PS. Jika dilihat pada gambar di atas, respon yang diberikan variabel PS pada perubahan satu standar deviasi variabel PS cenderung bernilai negatif. Titik awal pada periode pertama bernilai 2 persen, selanjutnya mengalami sedikit peningkatan pada periode ke tiga dengan nilai 8 persen. Respon berikutnya terlihat penurunan hingga bernilai negatif. Penurunan tersebut dimulai dari periode ke 3 sampai periode ke 11 dengan nilai yaitu -25 persen, dan nilai tersebut cenderung stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan PS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan ABS.
Gambar berikutnya menunjukkan respon variabel PP terhadap guncangan dari variabel PS. Dilihat dari respon yang diberikan variabel PP pada perubahan satu standar deviasi variabel PS bernilai negatif. Terlihat respon dari variabel PP terhadap variabel PS cenderung menurun, yang pada akhirnya mengalami kestabilan respon hingga periode 50. Penurunan terlihat pada periode pertama dengan nilai -3,8 persen, dimana titik awal pada periode pertama bernilai 0 persen. Kenaikan yang tidak begitu besar terjadi pada periode ke tiga dengan nilai -3,7 persen. Akan tetapi respon menurun kembali hingga nilai tersebut stabil sampai periode ke 50. Dengan nilai respon yang negatif dapat disimpulkan bahwa guncangan dari penjualan produk PS sebesar satu standar deviasi berpengaruh negatif terhadap penjualan produk PP.
4.7.8 Forecast Error Variance Decomposition (FEVD)
Dengan analisis Forecast Error Variance Decomposition (FEVD) ini akan
memberikan informasi mengenai ramalan 50 periode ke depan dari setiap variabel dan seberapa persen variasi pada sebuah variabel dijelaskan oleh setiap gangguan yang ada dalam model yang diaplikasikan.
1. ABS (Acrylonitrile Butadiene Stryrene)
Forecast Error ABS
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 ABS yaitu:
ABS = 55082 + 0,271 ABSlag-2 + 0,603 ABSlag-1 + 0,152 PPlag-2 - 0,163 PPlag-1 + 0,046 PP - 0,194 PSlag-2 - 0,014 PSlag-1 + 0,212 PS
Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan ABS. Setelah mendapatkan nilai persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 10 merupakan hasil peramalan dari variabel ABS selama 1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.
Tabel 10. Hasil peramalan ABS
Bln Forecast. SE
Nilai
persamaan Nilai Forecast
Nilai Aktual Keakuratan 61 + 106.138 915.668 809.530 1.021.806 900.809 Akurat 62 + 138.955 899.820 760.865 1.038.775 894.444 Akurat 63 + 167.442 894.754 727.312 1.062.196 870.735 Akurat 64 + 187.934 881.957 694.023 1.069.891 868.603 Akurat 65 + 204.258 870.342 666.084 1.074.600 864.614 Akurat 66 + 218.811 859.462 640.651 1.078.273 856.367 Akurat 67 + 231.420 861.379 629.959 1.092.799 866.387 Akurat 68 + 243.383 860.625 617.242 1.104.008 781.663 Akurat 69 + 254.437 861.565 608.128 1.116.002 1.041.329 Akurat 70 + 265.044 862.967 597.923 1.128.011 - - 71 + 275.128 862.827 587.699 1.137.955 - - 72 + 284.867 867.243 582.376 1.152.110 - -
Berdasarkan tabel di atas, dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel ABS mengalami fluktuasi. Hal ini juga akan mempengaruhi nilai ramalannya yang akan cenderung berfluktuatif di setiap bulannya hingga bulan ke 72 (Desember 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi ABS dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu
bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi ABS pada rentang nilai forecast.
Variance Decomposition ABS
Hasil dari variance decomposition ini akan ditunjukan dalam bentuk diagram dibawah ini.
Gambar 6. Variance Decomposition ABS
Jika dilihat dari diagram di atas, dapat diketahui bahwa peramalan penjualan ABS untuk 50 periode kedepan mengalami penurunan. Pada periode pertama penjualan produk ABS dipengaruhi oleh ABS itu sendiri hingga mencapai nilai 100 persen. Pada periode berikutnya pengaruh ABS mulai melemah hingga terus mengalami penurunan sampai periode ke 50 dengan nilai 63 persen. Dari hasil analisis variance decomposition pada komoditi ABS dapat disimpulkan bahwa penjualan ABS dipengaruhi oleh ABS itu sendiri, sedangkan pengaruh penjualan produk PP dan PS tidak begitu besar sehingga secara keseluruhan penjualan ABS pengaruhnya masih di dominasi oleh dirinya sendiri baik dalam jangka pendek maupun jangka panjang.
2. PP (Polypropylene)
Forecast Error PP
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 PP yaitu:
PP = 3052 - 0,137 ABSlag-2 + 0,070 ABS + 0,230 ABSlag-1 + 0,506 PPlag-2 + 0,439 PPlag-1 - 0,083 PSlag-1 - 0,013 PSlag-2 + 0,054 PS
Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan PP. Setelah mendapat persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 11 merupakan hasil peramalan dari variabel PP selama 1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.
Tabel 11. Hasil peramalan PP
Bln Forecast. SE
Nilai
Persamaan Nilai Forecast
Nilai Aktual Keakuratan 61 + 137.084 1.436.021 1.298.937 1.573.105 1.506.908 Akurat 62 + 155.654 1.473.707 1.318.053 1.629.361 1.575.964 Akurat 63 + 187.422 1.507.380 1.319.958 1.694.802 1.580.163 Akurat 64 + 205.248 1.538.960 1.333.712 1.744.208 1.654.460 Akurat 65 + 225.185 1.565.841 1.340.656 1.791.026 1.769.163 Akurat 66 + 240.599 1.591.765 1.351.166 1.832.364 1.792.531 Akurat 67 + 255.798 1.618.194 1.362.396 1.873.992 1.805.469 Akurat 68 + 269.322 1.644.850 1.375.528 1.914.172 1.841.102 Akurat 69 + 282.408 1.669.652 1.387.244 1.952.060 1.879.469 Akurat 70 + 294.672 1.694.568 1.399.896 1.989.240 - - 71 + 306.504 1.718.648 1.412.144 2.025.152 - - 72 + 317.831 1.705.723 1.387.892 2.023.554 - -
Berdasarkan tabel di atas, dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel PP cenderung mengalami peningkatan dalam penjualan di setiap bulannya. Akan tetapi penurunan penjualan terjadi pada akhir bulan yaitu pada bulan ke 72 (Desember 2011). Hal ini juga akan mempengaruhi nilai ramalannya yang akan cenderung mengalami peningkatan dalam penjualan PP di setiap bulannya hingga bulan ke 71 (November 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi PP dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi PP pada rentang nilai forecast.
Variance Decomposition PP
Gambar 7. Variance Decomposition PP
Gambar 7 menunjukkan variance decomposition dari variabel PP. Dilihat dari diagram tersebut, dapat diketahui bahwa peramalan penjualan produk PP pada 50 periode kedepan sangat berpengaruh besar terhadap produk PP itu sendiri. Pada periode pertama pengaruh variabel PP bernilai 100 persen dan di periode selanjutnya menurun, akan tetapi penurunannya tidak begitu besar yaitu berada di rata-rata 94 persen sehingga pengaruh penjualan pada komoditi PP di dominasi oleh dirinya sendiri.Jadi dapat disimpulkan bahwa pengaruh dari PP masih sangat kuat dibandingkan dengan variabel lainnya yaitu ABS dan PS baik dalam jangka pendek maupun jangka panjang.
3. PS (Polystyrene)
Forecast Error PS
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 PS yaitu:
PS = 171560 - 0,154 ABSlag-2 - 0,114 ABSlag-1 + 0,347 ABS - 0,132 PPlag-2 - 0,011 PPlag-1 + 0,057 PP - 0,094 PSlag-2 + 0,786 PSlag-1
Dari persamaan regresi tersebut kita dapat mengetahui nilai prediksi penjualan PS. Setelah mendapat persamaan regresinya, kita dapat menghitung nilai peramalannya. Tabel 12 merupakan hasil peramalan dari variabel PS selama
1 tahun kedepan dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011) dengan satuan Kilogram di setiap nilainya.
Tabel 12. Hasil peramalan PS
Bln Forecast. SE
Nilai
Persamaan Nilai Forecast
Nilai Aktual Keakuratan 61 + 129.932 277.447 147.515 407.379 338.717 Akurat 62 + 174.281 324.394 150.113 498.675 254.171 Akurat 63 + 187.470 347.496 160.026 534.966 330.402 Akurat 64 + 191.897 356.273 164.376 548.170 262.667 Akurat 65 + 194.829 355.949 161.120 550.778 247.617 Akurat 66 + 196.847 351.382 154.535 548.229 248.843 Akurat 67 + 198.663 349.210 150.547 547.873 301.543 Akurat 68 + 200.771 346.935 146.164 547.706 347.369 Akurat 69 + 203.111 343.899 140.788 547.010 447.257 Akurat 70 + 205.543 338.422 132.879 543.965 - - 71 + 208.006 333.272 125.266 541.278 - - 72 + 210.477 326.012 115.535 536.489 - -
Berdasarkan tabel di atas, dapat dilihat dari hasil nilai persamaan atau nilai prediksi sementara dari variabel PS mengalami fluktuasi pada penjualannya. Hal ini juga akan mempengaruhi nilai ramalan penjualan PS di setiap bulannya dari bulan ke 61 (Januari 2011) hingga bulan ke 72 (Desember 2011). Sedangkan jika dilihat dari hasil nilai aktual atau nilai yang sesungguhnya, hasil peramalan penjualan pada komoditi PS dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) sudah akurat. Hal ini dapat di lihat dari nilai aktual selama sembilan bulan ini yaitu dari bulan ke 61 (Januari 2011) hingga bulan ke 69 (September 2011) berada dalam rentang nilai forecast. Untuk peramalan tiga bulan berikutnya yaitu bulan ke 70 (Oktober 2011) hingga bulan ke 72 (Desember 2011) perusahaan dapat menetapkan target penjualan komoditi PS pada rentang nilai forecast.
Variance Decomposition PS
Gambar 8. Variance Decomposition PS
Gambar 8 menunjukkan variance decomposition dari variabel PS. Dilihat dari diagram tersebut, diketahui bahwa peramalan penjualan produk PS pada 50 periode kedepan sangat berpengaruh besar terhadap produk PS itu sendiri. Selain itu variabel lain yang berpengaruh dalam penjualan PS yaitu variabel ABS. Sedangkan pengaruh variabel lainnya yaitu variabel PP yang berpengaruh lebih kecil dibandingkan dengan variabel ABS. Dari hasil analisis variance
decomposition dari produk PS dapat disimpulkan bahwa penjualan produk PS
dipengaruhi oleh produk PS itu sendiri dan juga produk ABS baik dalam jangka pendek maupun dalam jangka panjang.
4.8 Implikasi Manajerial
Implikasi dari hasil analisa ini akan mempengaruhi keputusan manajerial seperti halnya dalam menjaga kualitas/mutu produk, yaitu kualitas warna pada setiap produk yang telah dipesan oleh pelanggan. PT. S-IK Indonesia merupakan suatu perusahaan yang kegiatan operasionalnya berdasarkan pesanan dari pelanggan. Oleh karena itu pihak PT. S-IK Indonesia harus berusaha untuk mengedepankan mutu produk-produknya dalam setiap kegiatan operasional perusahaan.
Dalam mencapai visi dan misi perusahaan maka PT. S-IK Indonesia harus memiliki perencanaan yang baik sebagai sasaran untuk mencapai kelangsungan
hidup dan pertumbuhan perusahaan yang semakin baik dari waktu ke waktu. Untuk itu dibutuhkan suatu prediksi terhadap keadaan masa depan, dimana perusahaan harus tetap menjaga atau mempertahankan kualitas/mutu produk-produknya. Dengan mengetahui ramalan penjualan di beberapa periode kedepan, perusahaan dapat mengantisipasi pada bulan-bulan yang diramalkan akan terjadi penurunan pada suatu produk. Dimana dalam hal ini yang cenderung mengalami penurunan yaitu pada produk ABS (Acrylonitrile Butadiene Stryrene) dan PS
(Polystyrene).
Perusahaan harus memusatkan perhatian mereka pada usaha untuk menghasilkan produk dengan kualitas yang baik dan terus menyempurnakannya sesuai dengan standar mutu/kualitas produk. Produk-produk berkualitas yang dibuat melalui suatu proses yang berkualitas akan memiliki sejumlah keistimewaan yang mampu meningkatkan kepuasan konsumen atas penggunaan produk tersebut. Serta proses pengolahan produk yang memiliki tingkat kesesuaian yang tinggi terhadap standar-standar akan meminimalisir tingkat kecacatan/kerusakan akan produk yang dihasilkan. Karena setiap konsumen pada umumnya akan memaksimumkan utilitas dalam mengkonsumsi produk, jelas bahwa produk-produk yang berkualitas tinggi akan dipilih konsumen. Hal ini akan membantu meningkatkan penjualan produk ABS dan PS di periode selanjutnya.
