BAB I
PENDAHULUAN
I.1. Latar Belakang Masalah
Krisis ekonomi yang sedang melanda
negara kita ini menuntut setiap perusahaan untuk menyelenggarakan manajemen
yang tepat pada semua aspek, yang mencakup aspek keuangan, aspek sumber daya
manusia, aspek produksi, aspek penjualan, dan masih banyak lagi aspek lain yang
sangat berkaitan dengan situasi kelesuan perekonomian.
Dari semua aspek diatas dapatlah
dikatakan bahwa aspek penjualan mempunyai peranan yang sangat penting bagi
berhasil tidaknya tujuan dari suatu perusahaan terhadap lingkungan perekonomian
itu sendiri yang sangat kompetitif dan bervariatif.
Oleh karena itu sebagaimana
diketahui, sebelum suatu perusahaan melaksanakan kegiatan penjualannya, pihak
manajemen perusahaan yang bersangkutan akan mengadakan penyusunan terhadap
perencanaan penjualan yang akan dipergunakan sebagai pedoman pelaksanaan proses
penjualan. Dalam hal ini perlu diketahui tentang dua unsur penjualan, yaitu
peramalan penjualan dan perkiraan penjualan.
Pentingnya melakukan peramalan
penjualan antara lain adalah untuk pengawasan dalam persediaan atau inventory
control, karena dalam hal ini jika persediaan yang ada terlalu kecil, maka
akan mempengaruhi kelancaran kegiatan penjualannya. Peramalan penjualan juga
dapat digunakan untuk membantu kegiatan perencanaan dan pengawasan produksi,
karena dengan adanya peramalan penjualan, maka perusahaan dapat mengetahui
kemungkinan kegiatannya dikemudian hari, sehingga para manajer perusahaan
dapat mengusahakan perbaikan sistem produksinya agar efisien dan dapat
melakukan antisipasi terhadap segala kemungkinan yang akan terjadi dikemudian hari. Berdasarkan uraian
diatas, maka timbul keinginan penulis untuk melakukan penelitian dengan judul:
“ ANALISIS PERAMALAN PENJUALAN SPARE PART MOBIL PADA BENGKEL BBJA MOTOR“
I.2. Perumusan Masalah
Perumusan masalah dalam penelitian
ilmiah ini adalah bagaimanakah meramalkan penjualan Spare Part Mobil di tahun
yang akan datang dengan menggunakan Metode Trend Linier Least Squares dan
Metode Trend Eksponensial.
I.3. Batasan Masalah
Untuk lebih memfokuskan pembahasan
sehingga diharapkan akan diperoleh hasil yang baik dan untuk menghindari
kesimpangsiuran yang mungkin akan terjadi didalam pembahasan, maka
penulis membatasi ruang lingkup pembahasannya yaitu mengenai peramalan tahunan
dan kebijaksanaan dalam pemenuhan permintaan dengan menggunakan data tahunan
dari tahun 1997 sampai dengan tahun 2002 dengan menggunakan metode Trend Linier
Least Squares dan metode Trend Eksponensial, karena untuk mengetahui rata-rata
perubahan ( tiap tahunnya ) dalam jangka panjang.
I.4. Tujuan Penulisan
Sesuai dengan masalah diatas, maka
tujuan penulisan ilmiah ini adalah sebagai berikut :
- Untuk mengetahui berapa jumlah penjualan pertahun dimasa yang akan datang.
- Untuk dapat menetapkan metode apa yang sebaiknya digunakan dalam menyusun strategi penjualan.
- Untuk menetapkan apakah strategi penjualan yang ditetapkan oleh perusahaan sudah berhasil.
I.5. Metodologi Penelitian
Dalam penyusunan penulisan ilmiah
ini, metode yang digunakan adalah metode gabungan yaitu :
- Studi Lapangan
Pengumpulan data dan informasi yang
mengadakan penelitian yang dilaksanakan secara langsung terhadap objek yang
akan diteliti.
- Studi Pustaka
Pengumpulan data-data dan informasi
dari literatur dan bahan tertulis lainnya sehingga dapat diperoleh gambaran
mengenai masalah dan langkah-langkah untuk menganalisa secara lebih
komperhensif.
BAB
II
LANDASAN
TEORI
2.1.
Pengertian Peramalan
Peramalan atau forecasting
permintaan akan produk dan jasa di waktu mendatang dan bagian-bagiannya adalah
sangat penting dalam perencanaan dan pengawasan produksi. Yang dimaksud dengan
peramalan produksi atau production forecasting dalam hal ini adalah
peramalan tentang produk apa dan berapa yang akan diproduksi oleh perusahaan
yang bersangkutan. Dengan demikian, maka dari peramalan produksi yang disusun
oleh perusahan ini akan dapat diberikan data produk apa saja yang akan
diproduksi pada periode yang akan datang, sekaligus berapa jumlah masing-masing
produk yang akan dipromosikan dalam perusahaan tersebut.
Peramalan menurut Pangestu Subagyo ( Forecasting : 2002 ) :
“ Forecasting adalah peramalan atau
perkiraan yang belum terjadi. Dalam ilmu pengetahuan sosial segala sesuatu itu
serba tidak pasti, sukar diperkirakan secara tepat, oleh karena itu digunakan
forecasting yang bertujuan agar forecast atau peramalan yang dibuat bisa
meminimumkan pengaruh ketidakpastian ini terhadap perusahaan”.
Peramalan menurut Philip Kotler (
Manajemen Pemasaran :1995 ) :
“ Peramalan adalah tingkat penjualan
perusahaan yang diharapkan berdasarkan rencana pemasaran yang dipilih dan
lingkungan pemasaran yang diasumsikan “.
Peramalan menurut Phillip Kotler dan
Garry Amstrong (Dasar-DasarPemasaran : 1997) :
“Peramalan adalah seni memperkirakan
permintaan dimasa depan dengan mengantisipasi apa yang tampaknya akan dilakukan
pembeli di bawah kondisi masa depan tertentu.”
s
Fungsi dari tinjauan terhadap penglihatan masa depan ini adalah membantu para
pengambil keputusan dalam memilih alternatif-alternatif yang menjadi arah
keputusannya, dan kemudian melihat konsekuensi dari keputusan tersebut dimasa
yang akan datang.
Beberapa sumber data
yang dapat digunakan untuk melakukan peramalan adalah sebagai berikut:
- Pendapat konsumen
- Pendapat langganan atau kostumer
- Catatan atau pendapat distributor
- Catatan penjualan dari perusahaan yang bersangkutan.
2.2.
Kategori Dasar Metode Peramalan
Metode peramalan dapat dibagi
kedalam beberapa kategori utama yaitu:
- Metode Ekstrapolasi
Metode ini menggunakan riwayat
permintaan masa lalu dalam membuat ramalan untuk masa depan. Sasaran metode ini
adalah mengidentifikasikan pola data historis dan mengekstrapolasi pola ini
untuk masa mendatang. Proses ini dapat disamakan dengan mengendarai mobil
sambil melihat melalui kaca spion. Tetapi jika cakupan waktu peramalan pendek,
metode ekstrapolasi memberikan hasil cukup baik.
- Metode Kausal
Metode ini mengasumsikan bahwa
permintaan akan suatu produk bergantung pada satu atau beberapa faktor
independen, Misalnya harga iklan, harga pesaing, dan sebagainya. Metode ini
berusaha menetapkan hubungan antara variabel yang akan diramalkan dengan
variabel-variabel independen. Setelah hubungan ini ditemukan, nilai-nilai masa
mendatang dapat diramalkan cukup dengan memasukkan nilai-nilai yang sesuai
untuk variabel-variabel independen.
- Metode Kualitatif
Metode ini mengandalkan opini pakar
atau manajer dalam membuat prediksi tentang masa depan. Metode ini berguna
untuk tugas peramalan jangka panjang, penggunaan pertimbangan (judgment) dalam
peramalan sekilas, tampaknya tidak ilmiah dan bersifat sementara. Tetapi, bila
data masa lalu tidak ada atau tidak mencerminkan masa mendatang tidak banyak
alternatif selain menggunakan opini dari orang-orang yang berpengetahuan.
Tetapi, ada cara yang baik dan cara yang buruk untuk mendapatkan pertimbangan
(judgment) guna membuat peramalan.
4. Top down forecasting
Dimulai dengan penggunaan
hasil-hasil peramalan berbagai kondisi bisnis umum yang dibuat oleh para ahli
ekonomi dalam lembaga pemerintah dan perusahaan besar serta
unversitas-universitas.
5. Bottom up
forecasting
Dimulai dengan perkiraan permintaan
produk akhir individual. Peramal menerima estimasi dari orang-orang penjualan,
distribusi dan langganan.
2.3.
Proses Peramalan
Proses peramalan biasanya terdiri
dari langkah-langkah sebagai berikut:
1. Penentuan Tujuan
Langkah pertama terdiri atas penentuan
macam estimasi yang diinginkan. Sebaliknya, tujuan tergantung pada
kebutuhan-kebutuhan informasi para manajer.
2. Pengembangan Model
Setelah tujuan ditetapkan, langkah
berikutnya adalah mengembangkan
suatu
model yang merupakan penyajian secara lebih sederhana sistem yang dipelajari.
Dalam peramalan model adalah suatu kerangka analitik yang bila dimasukkan data
masukan, menghasilkan estimasi penjualan diwaktu mendatang.
3. Pengujian Model
Sebelum diterapkan model biasanya
diuji untuk menentukan tingkat akurasi, validitas dan reliabilitas
yang diharapkan. Ini sering mencakup penerapannya pada data historik, dan
penyiapan estimasi untuk tahun-tahun sekarang dengan data nyata yang tersedia.
4. Penerapan Model
Setelah pengujian, analisis
menerapkan model dalam tahap ini data historik dimasukkan dalam model
untuk menghasilkan suatu ramalan.
5. Revisi dan Evaluasi
Ramalan yang dibuat harus senantiasa
diperbaiki dan ditinjau kembali. Perbaikan mungkin perlu dilakukan karena
adanya perubahan-perubahan dalam perusahaan atau lingkungannya.
2.4.
Teknik – Teknik Peramalan
Dalam pemilihan teknik yang
menggunakan metode peramalan perlu diperhatikan hal-hal apa saja yang
dipergunakan untuk pengambilan keputusan dan analisa keadaan untuk
mempersiapkan peramalan.
Ada lima ciri utama yang perlu diperhatikan. Yaitu:
- Jumlah Produk.
Analisa apa yang dibuat mengenai
berbagai jenis produk yang ditawarkan oleh perusahaan itu sendiri, yang ada
baiknya menuju pada pengembangan usaha yang dilakukan perusahaan itu sendiri.
- Ketepatan.
Tingkat ketepatan sangat erat
hubungannya dengan perincian yang diperlukan oleh suatu peramalan.
- Horizon Waktu
Keputusan suatu analisa akan sangat
berpengaruh, dan pada saat itu manager harus memperhitungkan pemakaian
metodeyang tepat pada saat itu juga.
- Biaya
Unsur biaya yang terdapat dalam
peramalan
-
penyimpana data
-
kesempatan untuk memakai metode atau teknik lainnya
-
biaya untuk pengembangan
-
operasi pelaksanaan
- Tingkat Perincian
Dalam pengambilan suatu keputusan
pada umumnya telah dibagi-bagi. Dalam hal ini untuk mempermudah dalam hal
penanganannya menurut tingkat perincian yang diperlukan.
2.5.
Jenis – Jenis Peramalan
Apabila dilihat ulang dari segi
penyusunannya, maka peramalan dapat dibedakan atas dua macam:
1.
Peramalan Subjektif.
Peramalan yang didasarkan atas
perasaan dari penulisnya sendiri
2.
Peramalan Objektif.
Peramalan yang didasarkan atas data
yang kongkrit pada masa lalu dan didalam penggunaannya memakai teknik dan
metode untuk menganalisa seluruh data tersebut.
Berdasarkan sifatnya, peramalan dibedakan menjadi dua macam yaitu:
- Peramalan Kualitatif
Peramalan yang didasarkan atas
kualitatif pada masa lalu dan hasil peramalan yang dibuat tergantumg pada orang
yang menyusunnya. Biasanya peramalan kualitatif berdasarkan atas hasil
penyelidikan atau didasarkan ciri-ciri normatif.
- Peramalan Kuantitatif
Peramalan yang didasarkan atas data
yang lalu dan hasil peramalan yang dibuat sangat tergantung pada ramalan
tersebut. Peramalan ini hanya dapat digunakan apabila terdapat tiga kondisi,
yaitu:
- Adanya informasi tentang keadaan yang lain.
- Informasi tersebut dapat dikualifikasikan dalam bentuk data.
- Data diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
2.6.
Akurasi Metode Peramalan
Akurasi metode peramalan merupakan
salah satu kriteria terpenting untuk membandingkan berbagai metode peramalan.
Biaya, kemudahan aplikasi, dan persyaratan spesifik dari suatu situasi
perencanaan adalah faktor-faktor lain yang mempengaruhi pemilihan metode
peramalan. Sukar menentukan metode mana yang akan memberikan ramalan paling
akurat dalam suatu situasi tertentu. Tetapi selama bertahun-tahun, banyak bukt
empirik telah dikumpulkan baik berupa data hipotetik maupun nyata yang
memungkinkan beberapa kesimpulan umum tentang akurasi relatif dari berbagai
metode peramalan.
Makridakis dan Winkler (1983) secara empirik memperkirakan dampak dari jumlah
dan pilihan metode peramalan atas akurasi ramalan bila hasil dari metode yang
digunakan dirata-ratakan langsung untuk mendapatkan hasil ramalan akhir. Temuan-temuan
pokok mereka adalah sebagai berikut:
- Akurasi peramalan meningkat jika ramalan dari lebih banyak metode dikombinasikan untuk menghasilkan ramalan akhir; tetapi dampak marjinal dari penambahan satu metode berkurang dengan semakin banyaknya jumlah metode yang digunakan.
- Resiko kesalahan yang lebih besar dalam peramalan yang mungkin disebabkan oleh pemilihan metode yang keliru berkurang bila hasil dari dua atau lebih metode di kombinasikan.
- Variabel dalam akurasi ramalan diantara berbagai kombinasi metode peramalan berkurang dengan makin banyaknya metode yang digunakan.
Jadi, alternatif yang bisa dilakukan bila kita tidak pasti mengenai metode
peramalan yang terbaik adalah mengambil rata-rata ramalan dari dua atau
beberapa model peramalan.
2.7.
Pemilihan Metoda Yang Tepat
Jika proses perubahan dapat diketahui dengan tepat maka forecast pasti bisa
tepat seperti yang akan terjadi. Hal ini hanya bisa terjadi dalam ilmu alam dan
ilmu pasti. Misalnya kalau suhu udara dipanaskan, apabila faktor lain tetap
maka tekanan udara akan bertambah. Hubungan antara tekanan dengan suhu udara
ini sudah tetap, artinya kalau diulang lagi pasti hasilnya sama. Lain halnya
dalam ilmu sosial, hubungan yang pasti ini sulit diperoleh dan pola perubahan
yang sebenarnya sulit diketahui.
Oleh karena itu dalam membuat
forecast keadaan sosial pada umumnya dan bidang ekonomi pada khususnya tidak
mungkin bisa tepat. Penyimpangan pasti ada karena tingkah laku manusia itu
selalu dipengaruhi oleh berbagai macam hal, seperti kebudayaan, selera,
perasaan, dan sebagainya. Dalam bidang sosial dan ekonomi, meskipun kita tidak
bisa membuat forecast yang persis sama dengan kenyataan, tetapi bukan berarti
forecast ini tidak penting, forecast sangat penting sebagai pedoman dalam
pembuatan rencana. Kerja dengan menggunakan forecast akan jauh lebih baik
daripada tanpa forecast sama sekali. Hanya sekarang masalahnya bagaimanakah
cara membuat forecast agar bisa mendekati kenyataan. Caranya kita harus bisa
memilih metode forecast yang paling cocok dengan masalahnya.
Bagaimanakah cara membuat forecast
agar bisa mendekati kenyataan. Caranya kita harus bisa memilih metode forecast
yang paling cocok dengan masalahnya. Banyak sekali metoda forecasting yang ada,
misalnya metode moving averages, metode exponential smoothing, metoda
dekomposisi, metode input output, metde regresi, metode simulasi, dan
sebagainya. Kesemuanya itu belum tentu cocok untuk setiap masalah. Tidak ada
metoda forecasting yang paling baik dan selalu cocok digunakan untuk membuat
forecast setiap macam hal. Suatu metoda mungkin sangat cocok untuk membuat
forecast mengenai sesuaru hal tetapi tetapi tidak cocok untuk membuat forecast
hal yang lain. Oleh karena itu kita harus memilih metode yang cocok, yaitu yang
bisa meminimumkan kesalahan forecast.
2.8.
Metoda Dekomposisi
Metoda Dekomposisi sering juga
disebut sebagai metoda Time Series. Metoda ini didasarkan pada kenyataan bahwa
biasanya apa yang telah terjadi itu akan berulang kembali dengan pola yang
sama. Artinya yang dulu selalu naik , pada waktu yang akan datang biasanya akan
naik juga; yang biasanya berkurang biasanya akan berkurang juga; yang biasanya
berfluktuasi akan berfluktuasi dan biasanya tidak teratur, biasanya akan tidak
teratur.
Perubahan suatu hal itu biasanya mempunyai pola yang agak kompleks, misalnya
ada unsur kenaikan, berfluktuasi dan tidak teratur. Untuk dianalisa dan diramal
sekaligus sangat sulit, sehingga biasanya diadakan dekomposisi atau pemecahan
yang komponen perubahnya terdiri dari; Trend (T), Fluktuasi Musiman (M),
Fluktuasi Siklis (S), dan perubahan-perubahan yang bersifat Random (R). Disini
yang akan dibahas adalah Trend (T).
Trend atau sering disebut Seculer Trend adalah rata-rata perubahan (biasanya
tiap tahun) dalam jangka panjang. Kalau hal yang diteliti menunjukkan gejala
kenaikan maka trend yang dimiliki menunjukkan rata-rata pertambahan, sering
disebut trend positif; tetapi kalau hal yang kita teliti menunjukkan gejala
semakin berkurang, maka trend yang kita miliki menunjukkan rata-rata penurunan
atau sering disebut trend negatif.
Menurut Pangestu Subagyo ( Forecasting, Konsep dan Aplikasi : 2002),
metoda Dekomposisi dibagi kedalam dua bentuk metoda yaitu metoda Trend Linier
Least Squares dan Trend Eksponensial. Penggunaan metoda-metoda itu tentu saja
disesuaikan dengan kebutuhan dan sifat data yang dimiliki.
2.8.1
Trend Linier Dengan Metoda Least Squares
Sebetulnya ada beberapa metoda yang
bisa dipakai untuk membuat trend linier ini, misalnya metoda setengah
rata-rata, tetapi yang paling banyak digunakan adalah metoda least squares.
Oleh karena itu dalam bagian ini yang akan kita bicarakan hanya metoda least
squares saja. Dikatakn sebagai metoda least squares karena persaman yang
diperoleh mengakibatkan jumlah kesalahan forecast kuadrat terkecil kalu
dibandingkan dengan persamaan yang dihasilkan oleh metoda lain.
Untuk mencari persamaan trend dengan
metoda least squares adalah sebagai berikut :
Ŷ = a + bX
Dimana Ŷ adalah nilai trend ( forecast ), a adalah bilangan konstan, b
adalah slope atau koefisien kecondongan garis trend dan X mewakili waktu
(tahun).
Untuk mencari nilai a dan nilai b dari persamaan diatas, maka dapat digunakan
dua persamaan normal sebagai berikut:
∑Y = n . a + b . ∑X
∑XY = a . ∑X + b . ∑X²
Untuk mempermudah hitungannya
biasanya nilai X pada tahun yang berada di tengah diberi angka 0, tahun-tahun
sesudahnya berturut-turut 1, 2, 3, dan seterusnya, sedangkan tahun-tahun
sebelumnya berturut-turut -1, -2, -3, dan seterusnya. Kalau jumlah
data (tahun) ganjil, maka kita bisa meletakkan X = 0 tepat ditahun yang berada
di tengah, sehingga persamaan diatas dapat dirubah, manghasilkan rumus untuk
mencari nilai a dan nilai b secara lebih singkat sebagai berikut:
a = ∑X / n
b = ∑XY / ∑X²
Untuk data yang jumlah tahunnya
genap akan menjadi masalah, sebab tidak ada tahun yang tepat di tengah dan
nilai X = 0 terletak diantara dua tahun yang mendekati tengah. Untuk mengatasi
hal ini kita buat skala X setengah tahunan, sehingga untuk setiap perbedaan
satu tahun nilai X berbeda pula. Lihat contoh gambar 2.1.
1997 1998 1999
2000 2001 2002 tahun
-5
-3
-1
1 3
5 skala X
Gambar 2.1. Skala X dengan tahunan karena banyaknya
tahun genap.
Tahun yang mendekati tengah diantara
tahun 1999 dan 2000, oleh karena itu origin (X = 0) terletak di antara tahun
1999 dan 2000. Untuk tahun 1999 terletak setengah tahun sebelum tahun origin,
maka diberi nilai X = -1, sedang tahun 2000 setengah tahun sesudah origin
diberi nilai X = 1, sedangkan untuk tahun 2001 terletak satu setengah tahun
dari origin maka diberi nilai X = 3; dan seterusnya.
2.8.2.
Trend Eksponensial
Perubahan sesuatu itu mungkin
bersifat eksponensial, seperti persamaan di bawah ini :
ŷ = a b X
Untuk mencari nilai a serta b pada persamaan diatas sukar, maka kita gunakan
cara dengan bantuan logaritma, sehingga persamaannya berubah menjadi persaman
dengan skala logaritma, yang menghasilkan proyeksi terhadap log Y, sebagai
berikut:
Log ŷ = log a + x . log b
Untuk mencari nilai log a serta log
b digunakan rumus sebagai berikut :
Log a = ∑ log y dan
log b = ∑ ( x . log y )
N
∑ x²
Untuk mencari persamaan trend
dilakukan dengan prosedur sebagai berikut:
- Susunlah data kedalam tabel
- Hitunglah logaritma ( log Y )dari data tersebut, kemudian hitung jumlahnya.
- Buatlah skala X dengan nilai 0 ditengah
- Hitung nilai X², kemudian jumlahkan.
- Kalikanlah hasil logaritma ( log Y ) dengan nilai X, kemudian jumlahkan.
- Hitung log a dan log b
- Hitung log Ŷ pada tahun yang dikehendaki.
BAB
III
TINJAUAN
PERUSAHAAN
3.1.
Sejarah Singkat Perusahaan
Semakin
mudahnya orang untuk memiliki mobil dan mengkredit mobil menjadikan pertumbuhan
jumlah mobil di Indonesia semakin meningkat dari hari ke hari, selain itu
dengan pesatnya perkembangan industri otomotif menjadikan Usaha Bengkel Mobil
terus berkembang. Pelanggan biasanya mendatangi bengkel mobil untuk untuk
melakukan perawatan dan pemeliharaan pada mobil mereka antara lain : service
mobil mulai dari skala ringan sampai berat, ganti oli, aki, tune up, modifikasi
mobil dan masih banyak lainnya, agar mobil mereka tetap aman dan nyaman selama
dikendarai. Karena merawat dan memelihara mobil sudah menjadi hal yang wajib
dilakukan bagi semua pemilik dan pengguna mobil.
Usaha Bengkel Mobil yang baik
dan bagus dituntut untuk memiliki mekanik yang handal dalam bidang
otomotif serta memberikan pelayanan yang memuaskan dan keramahan dari
seluruh pegawai bengkel kepada setiap pelanggan yang datang, dan biasanya
pelanggan akan senang dan menjadi loyal dengan kembali datang untuk memakai
jasa bengkel mobil tersebut, pelanggan yang puas akan bercerita kepada orang
lain dan bisa dipastikan bengkel mobil tersebut akan bertambah ramai oleh
pelanggan-pelanggan baru, otomatis pemasukan pun kian bertambah pula.
Usaha Bengkel Mobil merupakan salah
satu bidang usaha yang menjanjikan keuntungan yang besar apabila dikelola
dengan baik dan benar, pangsa pasarnya pun sangat luas. Untuk membuka Usaha
Bengkel Mobil memang dibutuhkan dana yang cukup besar akan tetapi sebanding
dengan keuntungan yang akan didapatkan kelak, selain itu juga dibutuhkan
keberanian untuk mengambil resiko. Dengan membuka bengkel mobil Anda dapat
membantu mengurangi pengangguran dengan membuka lapangan pekerjaan.
Dari Usaha Bengkel Mobil ini
telah menciptakan banyak pengusaha sukses yang mampu meraih keuntungan yang
besar. Pada umumnya pelaku Usaha Bengkel Mobil tinggal berhitung berapa
pundi-pundi rupiah yang akan didapat dengan menghitung jumlah pelanggan yang
datang setiap bulannya. Luar biasa …
3.2. Resiko
Usaha
Jumlah
Customer yang menurun karena:
- Tidak puas atas kualitas pekerjaan
- Tidak tepat waktu sesuai janji
- Kurangnya rasa aman dan nyaman
- Harga yang kurang wajar
- Pelayanan yang kurang memuaskan
- Terjadinya perselisihan antara pemilik saham
- Penyalahgunaan keuangan oleh pemilik bengkel
- Tindak kecurangan oleh pekerja bengkel yang melaksanakan fungsi pembelian dan petugas gudang suku cadang.
- Force Majeure (antara lain : kebakaran, bencana alam, banjir)
- Pegawai kunci berhalangan/berhenti/dibajak per usaha an lain
3.2.1. Persaingan
Dalam
teori kewirausahaan banyak hal-hal yang harus dimiliki oleh seorang wirausawan.
Dalam hal ini penulis menemukan banyak hal yang menjadi syarat wirausahawan,
diantaranya yaitu, berani, pantang menyerah, mempunyai kepeercayaaan diri yang
tinggi, jujur, kreatif, selalu berinovasi, berani mengambil resiko dan mampu
menghadapi pesaing dalam usahanya. Sebelum memulai usaha, sebaiknya Anda melakukan riset
mengenai hambatan-hambatan yang mungkin akan muncul di tengah perjalanan usaha.
Dengan begitu Anda dapat menyiapkan strategi sedini mungkin, untuk
mengantisipasi hambatan di masa depan. Salah satu risiko yang sering menghambat
adalah risiko peningkatan persaingan bisnis. Pilihlah peluang bisnis sesuai
dengan skil dan minat yang Anda miliki. Jangan sampai Anda memulai usaha hanya
karena ikut-ikutan tren yang ada. Dengan memulai usaha sesuai dengan skil dan
minat, setidaknya Anda memiliki bekal pengetahuan dan keahlian untuk mengurangi
dan mengatasi segala risiko yang muncul di tengah perjalanan Anda. Hindari
peluang usaha yang tidak Anda kuasai, ini dilakukan agar Anda tidak kesulitan
dalam mengatasi segala risikonya. Carilah
informasi mengenai kunci kesuksesan bisnis Anda. Hal tersebut bisa membantu
Anda untuk menentukan langkah-langkah yang dapat membuat usaha Anda berkembang,
dan langkah apa saja yang tidak perlu dilakukan untuk mengurangi munculnya risiko yang tidak diinginkan.
Berikut ini adalah tabel penjualan Spare Part Mobil :
Tabel 4.1.
Dari Tahun 1997 – 2002
(Dalam Ribuan Rp)
|
Tahun
|
Penjualan
|
|
1997
|
196.400.311
|
|
1998
|
250.228.351
|
|
1999
|
349.449.757
|
|
2000
|
422.697.788
|
|
2001
|
593.903.903
|
|
2002
|
715.185.107
|
Proses Peramalan Dalam Penjualan
Trend Linier Dengan Metoda Least
Squares
Dari data yang ada, peramalan
penjualannya akan dilakukan dengan metoda Trend Linier Leass Squares adalah
sebagai berikut :
Keterangan: Ŷ = Nilai Trend
(Forecast)
a = Bilangan konstan
b = Koefisien
kecondongan garis trend
x = Waktu (Tahun)
Dengan menggunakan rumus diatas,
maka langkah berikutnya adalah mencari Nilai XY, dan jumlah Nilai X2 ,
seperti pada perhitungan dibawah ini:
Menghitung Jumlah Y, Jumlah
XY, dan Jumlah X2
Untuk Menghitung Trend dan Nilai
Trend
Penjualan n Spare Part Bengkel
Data Tahun 1997 – 2002
|
Tahun
|
Penjualan
|
X
|
XY
|
X2
|
|
1997
|
196.400.311
|
-5
|
-982.001.555
|
25
|
|
1998
|
250.228.351
|
-3
|
-750.685.053
|
9
|
|
1999
|
349.449.757
|
-1
|
-349.449.757
|
1
|
|
2000
|
422.697.788
|
1
|
422.697.788
|
1
|
|
2001
|
593.903.903
|
3
|
1.781.711.709
|
9
|
|
2002
|
715.185.107
|
5
|
3.575.925.535
|
25
|
|
Jumlah
|
2.527.865.217
|
0
|
3.698.198.667
|
70
|
Dari penjumlahan diatas selanjutnya
dapat dicari Nilai a dan b dengan rumus sebagai berikut:
a
= ∑Y
n
= 2.527.865.217
6
= 421.310.869,5
b
= ∑XY
∑X2
= 3.698.198.667
70
= 52.831.409,5
Dari penjumlahan diatas dapat
ditarik persamaan trend-nya yaitu:
Ŷ = 421.310.869,5
+ 52.831.409,5 X
(Y penjualan setiap tahun, satuan X
= setengah tahun, origin pertengahan tahun 1999 – 2000)
Setelah mengetahui persamaan
trend-nya, maka bisa dicari nilai trend penjualan tiap-tiap tahunnya
dengan melakukan substitusi nilai X pada tahun-tahun yang dimaksud, seperti pada
perhitungan dibawah ini:
Tahun 1997, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( -5 )
= 157.153.822
Tahun 1998, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( -3 )
= 262.816.641
Tahun 1999, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( -1 )
= 368.479.460
Tahun 2000, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 1 )
= 474.142.279
Tahun 2001, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 3 )
= 579.805.098
Tahun 2002, Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 5 )
= 685.467.917
Tahun 2003 Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 7 )
= 791.130.736
Tahun 2004 Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 9 )
= 896.793.555
Tahun 2005 Y` = a
+ bx
= 421.310.869.5
+ 52.831.409,5 ( 11 )
= 1.002.456.374
Tabel 4.3.
Hasil Penjumlahan Least Squares
Trend
|
Tahun
|
Penjualan
|
X
|
Y`
|
Y – Y`
|
|
1997
|
196.400.311
|
-5
|
157.153.822
|
39.246.489
|
|
1998
|
250.228.351
|
-3
|
262.816.641
|
12.588.290
|
|
1999
|
349.449.757
|
-1
|
368.479.460
|
19.029.703
|
|
2000
|
422.697.788
|
1
|
474.142.279
|
51.444.491
|
|
2001
|
593.903.903
|
3
|
579.805.098
|
14.098.805
|
|
2002
|
715.185.107
|
5
|
685.467.917
|
29.717.190
|
|
2003
|
-
|
7
|
791.130.736
|
|
|
2004
|
-
|
9
|
896.793.555
|
|
|
2005
|
-
|
11
|
1.002.456.374
|
Analisis :
Dari tabel diatas, maka dapat
diketahui peramalan untuk tahun 2003 sampai dengan tahun 2005 adalah sebesar
Rp. 791.130.736, Rp. 896.793.555, Rp. 1.002.456.374.
Trend Eksponensial
Untuk mencari persamaan trend
Eksponensial, dilakukan dengan prosedur sebagai berikut :
Tabel 4.4.
Nilai Logaritma Y dan Nilai-nilai
lain Untuk mencari
Persamaan Trend Eksponensial
|
Tahun
|
Penjualan (Y)
|
Log Y
|
X
|
X2
|
X Log Y
|
|
1997
|
196.400.311
|
8,2931
|
-5
|
25
|
-41,4655
|
|
1998
|
250.228.351
|
8,3983
|
-3
|
9
|
-25,1949
|
|
1999
|
349.449.757
|
8,5433
|
-1
|
1
|
-8,5433
|
|
2000
|
422.697.788
|
8,6260
|
1
|
1
|
8,6260
|
|
2001
|
593.903.903
|
8,7737
|
3
|
9
|
26,3211
|
|
2002
|
715.185.107
|
8,8544
|
5
|
25
|
44,272
|
|
-
|
Jumlah
|
51,4888
|
0
|
70
|
4,0154
|
Dari hasil penjumlahan diatas, maka
selanjutnya dapat dicari nilai log a dan log b dengan menggunakan perhitungan
seperti dibawah ini :
Log a = ∑ log y
n
= 51,4888
6
= 8,5814
Log b = ∑ ( x . log y )
∑x2
= 4,0154
70
= 0,0573
Sehingga persamaan trend dalam
logaritma adalah sebagai berikut:
Log Ŷ = 8,5814 +
0,0573 X
( Y = Penjualan setiap tahun, X
= setengah tahun, origin pertengahan tahun 1999-2000 ).
Untuk membuat proyeksi kita gunakan
persamaan diatas, tentu saja yang pertama kali bisa di hitung log Ŷ pada tahun
yang dikehendaki. Proyeksi pada tahun mendatang adalag sebagai berikut:
Tahun 1997, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( -5 )
= 8,2949
Forecast untuk tahun 1997 =
197.196.862 ( Dicari dalam tabel logaritma )
Tahun 1998, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( -3 )
= 8,4095
Forecast untuk tahun 1998 =
256.743.821 ( Dicari dalam tabel logaritma )
Tahun 1999, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( -1 )
= 8,5241
Forecast untuk tahun 1999 =
334.272.000 ( Dicari dalam Tabel Logaritma )
Tahun 2000, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 1 )
= 8,6387
Forecast untuk tahun 2000 =
435.211.137 ( Dicari dalam tabel logaritma )
Tahun 2001, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 3 )
= 8,7533
Forecast untuk tahun 2001 =
566.630.568 ( Dicari dalam tabel logaritma )
Tahun 2002, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 5 )
= 8,8679
Forecast untuk tahun 2002 =
737.734.341 ( Dicari dalam tabel logaritma )
Tahun 2003, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 7 )
= 8,9825
Forecast untuk tahun 2003 =
960.505.818 ( Dicari dalam tabel logaritma )
Tahun 2004, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 9 )
= 9.0971
Forecast untuk tahun 2004
= 1.250.546.946 ( Dicari dalam tabel logaritma )
Tahun 2005, log Ŷ = log
a + log bx
= 8,5814 + 0.0573 ( 11 )
= 9.2117
Forecast untuk tahun 2005
= 1.628.170.943 ( Dicari dalam tabel logaritma )
Tabel 4.5.
Hasil Perhitungan
Dengan menggunakan Persamaan Trend
Eksponensial
|
Tahun
|
Penjualan
|
Log Y
|
X
|
Ŷ
|
Y – Ŷ
|
|
1997
|
196.400.311
|
8,2931
|
-5
|
197.196.862
|
796.551
|
|
1998
|
250.228.351
|
8,3983
|
-3
|
256.743.821
|
6.515.470
|
|
1999
|
349.449.757
|
8,5433
|
-1
|
334.272.000
|
15.177.757
|
|
2000
|
422.697.788
|
8,6260
|
1
|
435.211.137
|
12.513.349
|
|
2001
|
593.903.903
|
8,7737
|
3
|
566.630.568
|
27.273.335
|
|
2002
|
715.185.107
|
8,8544
|
5
|
737.734.341
|
25.549.234
|
|
2003
|
-
|
8,9825
|
7
|
960.505.818
|
|
|
2004
|
-
|
9,0971
|
9
|
1.250.546.946
|
|
|
2005
|
-
|
9,2117
|
11
|
1.628.170.943
|
Analisis :
Dari tabel diatas, maka dapat
diketahui peramalan untuk tahun 2003 sampai dengan tahun 2005 adalah sebesar
Rp. 960.505.818, Rp. 1.250.546.946, Rp. 1.628.170.943.
Tabel 4.6.
Tabulasi Nilai Peramalan
|
Tahun
|
Penjualan
|
Least Squares
|
Y – Y`
|
Trend Eksponensial
|
Y – Ŷ
|
|
1997
|
196.400.311
|
157.153.822
|
39.246.489
|
197.196.862
|
796.551
|
|
1998
|
250.228.351
|
262.816.641
|
12.588.290
|
256.743.821
|
6.515.470
|
|
1999
|
349.449.757
|
368.479.460
|
19.029.703
|
334.272.000
|
15.177.757
|
|
2000
|
422.697.788
|
474.142.279
|
51.444.491
|
435.211.137
|
12.513.349
|
|
2001
|
593.903.903
|
579.805.098
|
14.098.805
|
566.630.568
|
27.273.335
|
|
2002
|
715.185.107
|
685.467.917
|
29.717.190
|
737.734.341
|
25.549.234
|
|
2003
|
-
|
791.130.736
|
-
|
960.505.818
|
-
|
|
2004
|
-
|
896.793.555
|
-
|
1.250.546.946
|
-
|
|
2005
|
-
|
1.002.456.374
|
-
|
1.628.170.943
|
-
|
|
———
|
Jumlah
|
166.124.968
|
Jumlah
|
87.825.696
|
Tidak ada komentar:
Posting Komentar