Teknik Proyeksi Bisnis (Forecasting)

Transkripsi

1 Halaman Judul MODUL PERKULIAHAN Teknik Proyeksi Bisnis (Forecasting) Oleh: Andi Ratna Sari Dewi DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS HASANUDDIN Juni

2 KATA PENGANTAR Puji dan syukur kami panjatkan kepada Allah SWT, karena atas segala limpahan Rahmat dan hidayah-nya penyusunan Modul Teknik proyeksi Bisni edisi 1 ini dapat terselesaikan. Dengan adanya perubahan lingkungan bisnis yang semakin cepat, kebutuhan akan kemampuan dalam penyusunan proyeksi semakin penting, sebagai dasar untuk menyusun strategi bisnis yang tepat. Modul ini dimaksud untuk memberikan panduan dalam mata kuliah Laboratorium Teknik proyeksi Bisnis di juusan Manajemen Fakultas Ekonomi dan bisnis Universitas Hasanuddin. Pada kesempatan ini kami ucapkan terimakasih kepada semua pihak yang telah banyak memberikan masukan, informasi dan kemudahan dalam penyusunan bahan ajar ini, khususnya kepada ketua jurusan Manajemen ibu Dr. Nurdjannah Hamid,SE.M.Agr dan Sekertaris jurusan bapak Dr. Musran Munisu.SE.,M.Si. Ucapan terimakasih juga kami sampaikan kepada Dekan beserta jajarannya, teman-teman dosen, dan staf fakultas ekonomi Universitas Hasanuddin. Akhir kata segala kitik, masukan, dan saran yang sifatnya membangun akan penulis terima dengan senang hati demi meningkatkan kesempurnaan bahan ajar ini. Makassar, Juni 2016 A Ratna Sari Dewi 2

3 DAFTAR ISI Halaman Judul 1 MODUL PERKULIAHAN... 1 Oleh:... 1 DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN BISNIS... 1 UNIVERSITAS HASANUDDIN... 1 Juni KATA PENGANTAR... 2 DAFTAR ISI... 3 PENDAHULUAN... Error! Bookmark not defined. 1. Data yang relevan: Jenis, Sifat dan sumber, data kualitatif dan kuntitatif... 5 SMOOTHING METHOD... 6 Single Moving Average... 6 Double Moving Average... 7 Soal Latihan... 8 Exponential Smoothing Single ExponentialSmooting... 9 Double Exponential Smooting... 9 Menentukan besarnya forecast Ft + m = at +bt (m) Soal Latihan DECOMPOSITION METHOD TREND TREND LINIER BEBAS TREND MOMENT TREND PARABOLIK TREND EKSPONENSIAL VARIASI MUSIM VARIASI MUSIM Variasi Musim Variasi Musim Variasi SIKLIS Variasi RANDOM Latihan Dengan metode tren momen dan least square, Carilah perkiraan penjualan tahun bulan januari tahun berikutnya dari data penjualan: DAFTAR PUSTAKA

4 4

5 Pendahuluan - Teknik proyeksi Bisnis merupakan suatu cara atau pendekatan untuk menentukan ramalan (perkiraan) mengenai sesuatu di masa yang akan datang. - Kelangsungan bisnis dipengaruhi oleh faktor lingkungan kontrol dan sosial, lingkungan teknologi dan lingkungan ekonomi mikro Penentuan Akurasi forcasting 1. Data yang relevan: Jenis, Sifat dan sumber, data kualitatif dan kuntitatif 2. Teknik peramalan: kualitatif dan kuantitatif 1. Teknik Statistik: Smothing, dekomposisi, box jenkins 2. Teknik deterministik: regresi sederhana, regresi berganda, auto regresi, model input output 3. Pemilihan teknik peramalan 1. Pola atau karakteristik 2. Jangka waktu 3. Biaya 4. Tingkat akurasi 5

6 SMOOTHING METHOD Moving Average Single Moving Average Ft = Xt + Xt-1 + Xt-2.+ Xt-n+1 N Karakteristik Single Moving Average Untuk menentukan ramalan pada periode yang akan datan memerlukan data historis selama jangka waktu tertentu Semakin panjang jangka waktu average semakin halus efek pelicinannya Forecasting error Error = Riil Ramalan Mean Absolut Error = Σ Xt Ft N Mean Square Error = Σ(Xt Ft)2 N 2 Bulanan Periode Bulan Penjualan Forecast Error Abs Square 1 January February March April May

7 6 June July August September October November December Jumlah Mean Double Moving Average Menghitung moving average bergerak pertama dengan diberi simbol StI, yang dihitung dari data historis. Menghitung moving average bergerak kedua dengan diberi simbol StII, yang dihitung dari data bergerak pertama Menentukan besarnya nilai konstanta at=2si-sii Menentukan besarnya slope bt = 2/(V-1) x (SI-SII) V = Moving Menentukan besarnya forcasting Ft + m = a +b(m) m = selisih tahun forecast 7

8 Double Moving Average moving 5 Periode Bulan Penjualan S I S II Konstanta Sloop forecast Error Absolut Square 1 January February March April May June July August September October November December Mean

9 Soal Latihan Carilah Forecast untuk bulan januari tahun berikutnya. Dan berapa Mean absolute error dan mean square errornya. Data penjualan perusahaan A. Periode Bulan Penjualan 1 January February March April May June July August September October November December 1050 Carilah Forecast untuk bulan trimester ke tigabelas. Dan berapa Mean absolute error dan mean square errornya. keuntungan bisnis perusahaan B. Trimester Profit

10 Exponential Smoothing Single ExponentialSmooting Pemberian bobot data baru a, data lama α(1- α), data yang lebih lama α (1- α)2 Besarnnya adalah α antara 0 dan 1 - Ft+1 = α Xt + (1- α)ft - Ft+1 = Ft + α (Xt Ft) (Xt Ft) merupakan forecast error pada periode t Dalam melakukan peramalan, besarnya a ditentukan secara trial error sampai mendapatkan forecast error terkecil Periode Bulan Penjualan Forecast Error Abs Square 1 January February Maret April May June July August September October November December Double Exponential Smooting Dalam melakukan peramalan, dimulai dengan menentukan besarnya α yang ditentukan secara trial error Menentukan smooting pertama S t 9

11 S t = α Xt + (1- α) S t-1 Menentukan smooting kedua S t S t = α S t + (1- α) S t-1 Menentukan besarnya konstanta at α t = 2 S t - S t Menentukan besarnya slope bt bt = α (S t - S t) 1- α Menentukan besarnya forecast Ft + m = at +bt (m) 10

12 Double Exponential Smooting =Periode Bulan Unit S I S II Konstanta Sloop forecast Error Absolut Square 1 January February ,600 3 March ,744 4 April May ,571 6 June ,583 7 July August ,574 9 September , October November , December , ,782 11

13 Soal Latihan Carilah Forecast untuk bulan januari tahun berikutnya. Dan berapa nilai α untuk mendapatkan Mean absolute error dan mean square errorn terkecil serta berapa nilai Mean absolute error dan mean square errorn Data penjualan perusahaan A. Periode Bulan Penjualan 1 January February March April May June July August September October November December 1050 Carilah Forecast untuk bulan trimester ke tigabelas. Dan berapa nilai α untuk mendapatkan Mean absolute error dan mean square errorn terkecil serta berapa nilai Mean absolute error dan mean square errorn keuntungan bisnis perusahaan B. Trimester Profit

14 DECOMPOSITION METHOD TREND Tren adalah rata-rata perubahan dalam jangka panjang Tren Linier Trend Parabolik Tran eksponensial TREND LINIER BEBAS Trend Bebas yaitu penarikan garis trend tanpa menggunakan formula matematis yaitu digunakan dengan metoda bebas, namun bukan berarti tanpa pertimbangan. 13

15 TREND SETENGAH RATA-RATA Data yang ada dibagi dua kelompok dengan jumlah yang sama Tahun dasar ada pada tengh-tengah kelompik I Pada masing-masing kelompok ditentukan nilai X, semitotal dan semi average Jumlah nilai X pada kelompok I harus nol Proyeksi di tahun yang akan datang tergantung berapa besarnya nilai X Nilai trend dihitung dengan rumus Y = a + bx a = rata-rata kelompok I b = (rata-rata kelompok II rata-rata kelompok I)/n n = Jumlah data masing-masing kelompok X = nilai yang ditentukan berdasarkan tahun dasar Trend Setengah Rata-rata (data ganjil) Tahun Semitotal Semi avrg a = b= = 10 3 Persamaan Tren Y = a + b X Y = a + b X X 14

16 Trend Setengah Rata-rata (data ganjil) Tahun Y X Semitotal Semi avrg a = b= = x 4 Persamaan Tren Y = a + b X Y = a + b X X TREND DENGAN METODE KUADRAT TERKECIL (LEAST SQUARE) Data Ganjil Y = a + bx a = ΣY/n a = ΣYX/ΣX2 a = ΣY/n b = ΣXY/ΣX2 Tahun Y X XY X Jumlah

17 a= 760 = b= 100 = Persamaan Tren Y = a + b X Y = a + b X X Forecast Tahun th ke (X) Y = a + b X Data Genap Tahun Y X XY X Jumlah a= 1180 = b= Persamaan Tren Y = a + b X Y = a + b X 720 = X 16

18 TREND MOMENT Y = a + bx ΣY = n.a + ΣXb ΣYX = ΣX.a /ΣX2.b Tahun Y X XY X Jumlah = 5 a+ 10 b 1620 = 10 a+ 30 b 1520 = 10 a+ 20 b 1620 = 10 a+ 30 b 100 = 10 b b = 10.0 a = 132 persamaan Y = X 17

19 MENGUBAH BENTUK PERSAMAAN TREN Merubah titik origin Y = X titik awal pada tahun 1999 Perubahan titik pada 2002 Y = X Y = Y = 162 Persamaan baru Y = X Tren rata-rata perbulanan Tren rata-rata bulanan Y = X Y = X Y = X Y = X Tren rata-rata per triwulanan Tren rata-rata triwulanan Y = X Y = X Y = X Y = X TREND PARABOLIK Y = a + bx + cx 2 ΣY = n.a + cσx 2 ΣYX = bσx2 ΣX2Y = aσx2 + cσx 4 Tahun Y X XY X 2 X 2 Y X Jumlah

20 1,320 = 10 a c 20 = 330 b 41,720 = 330 a + 19,338 c 41,720 = 330 a + 19,338 c 1,320 = 10 a c 41,720 = 330 a + 19,338 c 43,560 = 330 a + 10,890 c - 1,840 = 8,448 c c = -0.2 a = 139 b = 0.06 Y = X X 2 19

21 TREND EKSPONENSIAL Y = a + bx Log Y = Log a + X Log b Log a = Σ Log Y n Log b = Σ X Log Y ΣX 2 Tahun Y Log Y X X 2 X log Y Jumlah Log a = Σ Log Y = = n 10 Log b = Σ X Log Y = 0.69 = n 330 Log Y = Log a + Log b. X Log Y = X 20

22 VARIASI MUSIM Metode Rata-rata Sederhana 1. Menentukan penjualan rata-rata tiap triwulan pada tahun-tahun data yang diketahui 2. Mengurangi penjualan rata-rata tersebut dengan akumulasi nilai b (Sloop) 3. Menentukan Indeks Musiman = (rata-rata-b komulatif) triwulan tahun tertentu (rerata-b komulatif) triwulan seluruh tahun Tahun Y X XY X Jumlah a= 1518 = b= 184 = 7 28 Persamaan Tren Y = a + b X Y = a + b X X Origin 1996 Y = a + b X X Y = a + b X X 21

23 Rata-rata sederhana rata2 B Kum Rata2 - b kum Index (%) TW % TW % TW % TW % Jumlah rerata VARIASI MUSIM Metode presentase terhadap tren 1. Menyajikan data penjualan riil 2. Menyajikan data tren penjualan 3. Menghitung prosentase penjualan riil terhadap tren penjualan 4. Mencari median persentase tersebut pada tiap triwulan 5. Menentukan indeks musiman METODE PRESENTASE TERHADAP TREN 1. Menyajikan data penjualan riil TW TW TW TW Y= X Penjualan Origin tahun 1996 Y= X Penjualan triwulan origin triwulan II-III tahun

24 Origin tengah tahun TW TW TW TW perubahan origin ke TW 1 tahun TW TW TW TW Y= X Penjualan triwulan origin triwulan II-III tahun 1996 perubahan ke origin TW Y= Y= Y= 55.2 Persamaan tren baru Y= X Nilai tren penjualan triwulan TW TW TW TW Prosentase penjualan riil terhadap tren TW 1 103% 109% 102% 91% 101% 90% 92% TW 2 122% 124% 113% 117% 115% 122% 114% TW 3 91% 92% 95% 85% 98% 90% 99% TW 4 80% 83% 90% 100% 89% 98% 94% 23

25 Median TW 1 90% 91% 92% 101% 102% 103% 109% TW 2 113% 114% 115% 117% 122% 122% 124% TW 3 85% 90% 91% 92% 95% 98% 99% TW 4 80% 83% 89% 90% 94% 98% 100% 400% Nilai rata-rata median = Indeks Musim Nilai TW 1 101% 101% TW 2 117% 117% TW 3 92% 92% TW 4 90% 90% Variasi Musim Metode persetase terhadap rata-rata bergerak 1. Menghitung jumlah bergerak selama satu tahun (4 TW) dan letakkan pada pertengahan data 2. Menghitung jumlah bergerak selama dua tahun (4TW) dan letakkan pada pertengahan data 3. Menghitung rata-rata bergerak dengan membagi hasil dari no. 2 dengan 8 TW 4. Menghitung presentase data riil terhadap rata-rata bergerak 5. Menentukan median persentase tersebut 6. Menentukan indeks musim 24

26 Metode persetase terhadap rata-rata bergerak 1. Menghitung jumlah bergerak selama satu tahun (4 TW) dan letakkan pada pertengahan data 2. Menghitung jumlah bergerak selama dua tahun (4TW) dan letakkan pada pertengahan data 3. Menghitung rata-rata bergerak dengan membagi hasil dari no. 2 dengan 8 TW 4. Menghitung presentase data riil terhadap rata-rata bergerak Penjualan jml bergerak 4TW Jml bergerak 2 th rata-rata bergerak % penjualan thd MOVA TW 1 50 TW TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW 3 59 TW

27 Variasi Musim Metode persetase terhadap rata-rata bergerak Menentukan median persentase tersebut Menentukan indeks musim Indeks MEDIAN Musim TW 1 0% 91% 93% 94% 99% 104% 108% 97% 97% TW 2 0% 113% 113% 114% 120% 122% 124% 117% 117% TW 3 0% 85% 90% 91% 91% 96% 99% 91% 91% TW 4 0% 79% 84% 90% 92% 98% 100% 91% 91% 99% Variasi SIKLIS 1. Menyusun Penjualan Riil per teriwulan 2. Menyusun tren penjualan triwulan (T) 3. Menyusun indeks musim (M) 4. Menentukan nilai normal (TxM) 5. Menentukan perubahan Siklis (S) dan random (R); penjualan riil / nilai normal 6. Menentukan jumlah tertimbang bergerak (weighted moving total) 7. Menentukan indeks siklis (rata-rata tertimbang) 1993 Penjualan Tren (T) indek Musim (M) T x M Variasi S&R jumlah bergerak rata-rata bergerak TW % TW % TW % TW %

28 TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % TW % Indeks Musim TW % TW % TW % TW % Nilai rata-rata median = Variasi RANDOM Variasi random merupakan suatu hal yang terjadi secara tiba-tiba dan sukar diperkirkan 27

29 Latihan Berapa prediksi biaya pada tahunberikutnya untuk dua perusahaan di bawah. Tahun A B Hitunglah dengan metode: 1. Tren Linier 2. Least Square 3. Tren Momen 4. Tren prabolik 5. Tren Exponensial Dengan metode tren momen dan least square, Carilah perkiraan penjualan tahun bulan januari tahun berikutnya dari data penjualan: Tahun Sale jan 1,350 feb 1,225 mar 1,475 apr 1,530 may 1,625 jun 1,500 jul 1,560 aug 1,640 sep 1,475 oct 1,575 nov 1,640 dec 1,700 28

30 29

31 DAFTAR PUSTAKA Suliyanto.SE.,M.S, 2008, Tehnik Proyeksi Bisnis Teori dan Aplikasi dengan Microsoft Excel, Andi, Yogyakarta 30