Aspek Pasar dan Pemasaran (2)

Analisis Kelayakan Pabrik
Aspek Pasar dan Pemasaran
Aspek Pasar dan Pemasaran (2)
Teknik Peramalan
a. Kualitatif;
Bersifat subjektif / “judmental” atau berdasarkan estimasi dan pendapat.
Keuntungan: tenaga penjualan ikut tanggungjawab untuk peramalan.
Kerugiannya: Pendapat yang diajukan sangat tergantung pengalaman
masa lalu. mungkin ada beberapa oknum yang berpengaruh dalam
kelompok yang bisa saja berakibat buruk bagi peramalan.
Berbagai teknik peramalan kualitatif:
1. Metoda delphi; teknik yang menggunakan prosedur yang sistematis
untuk
mendapatkan
suatu
konsensus
pendapat-pendapat
suatu
kelompok ahli. Disini ada proses “learning”.
2. Riset pemasaran; perlu jika data historik tidak lengkap. Berguna
untuk meramal permintaan jangka panjang. Melalui beberapa tahap:
o
Memastikan informasi yang dicari.
o
Memastikan sumber informasi.
o
Menetapkan cara pengadaan atau pengumpulan data.
o
Mengembangkan dan uji pendahuluan peralatan pengukuran.
o
Memformulasikan sampel.
o
Mendapatkan informasi.
o
Melakukan tabulasi dan analisa.
Kelemahan: kurang kekuatan prediktif, makan waktu dan biaya
3. Analogi historik; menggunakan pengalaman historik produk sejenis.
4. Konsensus panel; diskusi partisipan: eksekutif, orang penjualan, para
ahli, atau langganan.
b. Analisis Runtun Waktu (Time Series)
Model ini meramalkan kejadian waktu yang akan datang atas dasar
serangkaian data masa lalu, berdasarkan berbagai variabel menurut
waktu
yang
biasanya
digambarkan
dalam
bentuk
grafik
yang
menunjukkan perilaku subyek. Model klasik analisis runtun waktu, nilai
ramalan (Y) merupakan fungsi perkalian komponen runtun waktu:
Y=TxSxCxE
Komponen runtun waktu biasa diklasifikasikan sebagai:
Aifrid Agustinahttp://www.mercubuana.ac.id
40
Analisis Kelayakan Pabrik
Aspek Pasar dan Pemasaran
o
Akan ada suatu kecenderungan.
o
Akan keluar dari fase kelambatan bila data berulang.
o
Ramalan maksimum dengan rata-rata bergerak akan lebih kecil
daripada dalam permintaan maksimum dalam suatu pola siklus,
sebaliknya ramalan minimum akan melebihi permintaan nyata
yang minimum dalam suatu pola siklus.
Kebaikan: dapat diterapkan pada jenis data apapun, secara efektif
meratakan atau menghaluskan fluktuasi pola data yang ada.
Kelemahan: tidak mempunyai persamaan untuk peramalan. Tapi
menggunakan nilai rata-rata bergerak terakhir sebagai nilai ramalan
periode berikutnya.
Disamping metoda rata-rata bergerak sederhana, ada rata-rata
bergerak tertimbang dimana pada setiap elemen data kita dapat
memberi bobot. Nilai yang lebih terakhir dapat diberi bobot lebih
besar:
MAbt
 (bobot) X
 bobot
Perhitungan indeks musiman dapat dihitung dengan mencari rerata
berbagai rasio penjualan kuartalan nyata terhadap nilai garis trend (T)
tiap kuartal.
Estimasi penjualan atas dasar analisis runtun waktu yang hanya
memasukkan komponen trend dan musiman, tanpa memasukkan siklikal
disebut forecast.
c. Exponential Smoothing;
Merupakan tipe teknik peramalan rata-rata bergerak yang melakukan
penimbangan
terhadap
data
masa
lalu
dengan
cara
eksponential
sehingga data paling akhir mempunyai bobot atau timbangan lebih besar
dalam rata-rata bergerak. Persamaan ramalan eksponential smoothing
tunggal:
Ft Ft1 ( A t1Ft1 )
Ft
Ft-1
α
At-1
=
=
=
=
ramalan periode sekarang (t)
ramalan yang dibuat untuk periode terakhir (t-1)
smoothing constant (0 < α < 1)
permintaan nyata periode teakhir
Aifrid Agustinahttp://www.mercubuana.ac.id
42
Analisis Kelayakan Pabrik
Aspek Pasar dan Pemasaran
Garis regresi dapat dibuat dengan metoda freehand atau least squares
(kuadrat terkecil). Kuadrat terkecil mencari estimasi untuk nilai a dan
b dengan meminimumkan jumlah kuadrat jarak antar tiap unit data
dan dalam hubungannya dengan titik pada regresi yang dibuat.
Rumus Y = a + bX + E dipecah menjadi
a Y b X
b
n XY X Y
n X 2 X
2
n = jumlah observasi dalam sampel
X = variabel bebas
Y = variabel bergantung
a = intercept fungsi pada aksis Y bila X=0
X = rata-rata X
Y = rata-rata Y
kesalahan standar estimasi atau seberapa sesuai garis dengan data
dihitung dengan:
n
Y Y
2
i
S YX
i1
n 2
Analisis korelasi mengukur derajat hubungan antara dua atau lebih
variabel, tanpa melihat bentuk hubungan. Derajat korelasi dinyatakan
dengan koefisien korelasi (r):
r
nXXnY Y
n
 XY X Y
2
2

2
2
Analisis
regresi
berganda;
dalam
hal
ini
sejumlah
variabel
dipertimbangkan dan pengaruh setiap variabel bebas pada variabel
bergantung.
Cara
paling
mudah
mengukur
kesalahan
ramalan
adalah
membandingkan ramalan dengan permintaan yang nyata terjadi. Yang
umum digunakan adalah MAD (Mean Absolute Deviation)
Kesalahan forecast = /Dt – forecast/
Aifrid Agustinahttp://www.mercubuana.ac.id
44