Teknik Proyeksi Bisnis

1. Teknik Proyeksi Bisnis • Forecasting= peramalan • Sesuatu yang belum terjadi • Ilmu sosial, ketidakpastian • Jumlah penduduk, PCI, Sales Volume, konsumsi,… • Dipengaruhi oleh berbagai faktor yang sangat kompleks

2. Sukar diperkirakan secara tepat • Tujuan forecasting = meminimumkan pengaruh ketidakpastian terhadap perusahaan, dengan ukuran mean absolute error atau mean squared error • Lingkungan sosial dapat dilihat pada gambar berikut :

3. LINGKUNGAN TEKNIS LINGKUNGAN SOSIAL DAN KONTROL GIVEN GIVEN LINGKUNGAN EKONOMI MAKRO PERUSAHAAN

4. Kebutuhan konsumen atau pelanggan vs kapasitas produksi perusahaan • Terdapat beberapa metode yang bisa digunakan dalam sebuah peramalan • Tidak ada satu pun metode yang bisa dikatakan paling cocok untuk suatu kasus

5. Forecast Dengan Smoothing1.Metode Single Smoothing Menghitung rata-rata dari nilai-nilai pada beberapa tahun untuk menaksir pada suatu tahun tertentu

6. St+1=forecast untuk periode ke t+1 • Xt= data pada periode t • n = jangka waktu moving averages Sifat moving averages : Bila ada data selama P periode kita baru bisa membuat forecast untuk periode ke P+1

7. Semakin panjang moving average akan menghasilkan moving average yang semakin halus • Menghitung error

8. Bulan ke-1 s/d ke 11 • Permintaan beras di suatu daerah • 20,21,19,17,22,24,18,21,20,23,22 • Buat moving average 3 dan 5 bulan • Hitung error-nya • Ambil kesimpulan!

9. Kelemahan Moving average • Perlu data historis • Semua data diberi bobot yang sama • Tidak bisa mengikuti perubahan yang drastis • Tidak cocok untuk forecasting data yang ada gejala trend

10. 2.Metoda Double Moving Averages • Moving average dilakukan dua kali • Lalu mencari nilai a (konstanta) • Mencari nilai b (slope) • Menghitung forecast dengan rumus

13. 3.Metode Single Exponential Smoothing Adalah pengembangan dari moving averages Alpha mempunyai nilai antara 0 dan 1 Cobalah dengan menggunakan data awal pada contoh soal single moving averages pertama Hitung pula mean abs.error dan mean sq.error-nya

14. 4.Metode Double Exponentials Smoothing

15. Rumus tadi agak berbeda dengan single smoothing di mana Xt dipakai untuk mencari St bukan St+1 • Forecast dihitung dengan m= jangka waktu forecast ke depan

16. 3.Metode Triple Exponentials Smoothing

17. Metoda Dekomposisi ( Times Series ) Apa yang terjadi terjadi itu akan berulang kembali dengan pola yang sama

18. 1.Trend linier dengan metode least square • Persamaan trend Y= a + bX

19. Demand PT.GB, tahun 2001-2007

20. Sales PT.NMN, Tahun 2000-2007

21. Merubah persamaan trend • Memindah origin • Trend rata-rata persamaan trend tiap bulan,kuartal • Persamaan trend bulanan dan kuartalan satuan x = satu tahun. Dirubah a:12, b:122 satuan x = setengah tahun; a:12, b:122/2 Dirubah menjadi persamaan trend kuartalan menjadi :…

22. Trend parabola • Y=a+bX+cX2

23. Sales PT.AEG Tahun 1997-2007 Masukkan data di atas Tahun, Sales, X,XY,X2,X2Y,X4

24. Trend ini menghasilkan garis proyeksi yang tidak lurus, melainkan melengkung • menghitung perbedaan pertama dan perbedaan kedua data penjualan yang ada, bila cenderung stabil, maka dapat menggunakan proyeksi trend parabolik

25. Trend Eksponensial • y=abx • Log y = log a + x logb

27. Gelombang musim • Gelombang pasang surut yang berulang kembali dalam satu periode waktu yang tidak lebih dari satu tahun • Permintaan produk tertentu • Dinyatakan dalam bentuk indeks, indeks musim • X=T x M x S x R • Metode rata-rata sederhana • Metode persentase terhadap trend

28. Y=32,75+0,45X

29. Metode persentase trend

30. Cari persentase nilai riil • Untuk setiap tahun dan tiap kuartal • Buatlah tabulasi untuk persentase tadi • Kolom terakhir adalah median dari persentase dalam satu tahun untuk masing-masing kuartal • Cari rata-rata median • Hitung indeks musim dengan membagi median dengan rata-rata median

31. Variasi Siklis • Perubahan atau gelombang pasang surut suatu hal yang berulang kembali dalam waktu sekitar 5-10 tahun • Menghilangkan pengaruh dari tren, variasi musim dan variasi random • Untuk mencari indeks siklis

33. Metode Input Output • Perekonomian suatu negara , antar industri satu dengan yang lain saling membutuhkan. • Hubungan input-output untuk membuat forecast Xi= nilai output sektor I Xij= hasil industri i yang dibutuhkan oleh industri j Ci= pembelian oleh pemakai akhir

34. Alokasi output suatu industri yang digunakan oleh industri lain dan konsumen akhir

35. Penggunaan input untuk menghasilkan output suatu industri

36. Regresi Sederhana • Suatu persamaan untuk menyatakan hubungan antara dua variabel dan memperkirakan nilai variabel tak bebas Y berdasarkan nilai variabel bebasnya,yaitu X • Besaran atau nilai sesuatu dipengaruhi oleh suatu faktor • Besarnya pengaruh suatu variabel terhadap variabel lainnya dalam praktek bisa bersifat linier,eksponensial, kuadratik • Dalam regresi bersifat linier

37. sales 0 PCI

38. Demad DN “A” 0 Import “A”

39. Dependent variable dan independent variable • Y=f(x) • Suatu persamaan matematis yang mendefinisikan dua variabel • Misal hubungan antara promosi dengan tingkat penjualan, kompensasi dengan kinerja karyawan, dsb • Bila menggunakan diagram pencar maka akan diperoleh garis lurus yang beraneka ragam • Setiap individu mempunyai pendapat yang berbeda-beda

40. sa les PCI

41. Untuk menghilangkan perbedaan penilaian maka digunakan apa yang disebut dengan kaidah kuadrat terkecil • Garis lurus dengan kesesuaian terbaik, serta meminimalkan jumlah kuadrat deviasi vertikal terhadap garis • Kaidah kuadrat terkecil : menentukan suatu persamaan regresi dengan meminimumkan jumlah kuadrat jarak vertikal antara nilai aktual Y dan nilai prediksi Y

42. Y’= nilai prediksi dari variabel Y berdasarkan nilai variabel • X yang dipilih • a = titik potong Y, nilai perkiraan bagi Y ketika garis regresi • memotong sumbu Y, X=0 • b = kemiringan garis • X= sembarang nilai variabel bebas yang dipilih

44. Standard error of estimate • Penyimpangan data dari garis regresinya

45. Korelasi • Analisis korelasi : Sekumpulan teknik statistik yang digunakan untuk mengukur keeratan hubungan (korelasi)antara dua variabel • Jumlah transaksi dan jumlah barang terjual • Diagram pencar : suatu diagram yang menggambarkan hubungan antara dua variabel yang diamati. • Variabel tak bebas : variabel yang diduga nilainya • Variabel bebas : variabel yang mendasari pendugaan / variabel penduga

46. Karl Pearson • Keeratan hubungan antara dua gugus variabel berskala selang atau rasio • Dilambangkan dengan : r Pearson • Koefisien korelasi produk-momen Pearson • Nilai antara -1,00 hingga +1,00 • Keeratan korelasi tidak bergantung pada arahnya

47. -1,00 -0,50 0,50 1,00

48. Koefisien Determinasi • Dihitung dengan mengkuadratkan koefisien korelasi: r2 • Sekian persen dari keragaman dari…dapat diterangkan atau diperhitungkan oleh keragaman variabel bebas… • Spurious correlation atau korelasi palsu • Ada hubungan antar variabel, bukan karena ada perubahan pada variabel satu menyebabkan perubahan pada variabel yang lain

49. Uji signifikansi • Dalam suatu kasus, misal seorang manajer penjualan menggunakan sampel salesman sebanyak 10 orang dan menemukan adanya korelasi sebesar A antara jumlah transaksi dan jumlah barang yang terjual • Mungkinkah korelasi di dalam populasi sebenarnya sama dengan 0? • Df: n-2, taraf sig.=5%

50. Auto regresi dan auto korelasi • Besar pengaruh dan hubungan nilai suatu variabel ,antara yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya • Untuk mengetahui besarnya pengaruh digunakan auto regresi • Untuk mengetahui kuat tidaknya hubungan diukur dengan auto korelasi