Peramalan penjualan dan harga ayam broiler pada perusahaan
advertisement
III KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis
3.1.1. Konsep Permintaan
Permintaan adalah banyaknya jumlah barang yang diminta pada suatu
pasar tertentu dengan tingkat harga tertentu pada tingkat pendapatan tertentu dan
dalam periode tertentu (Putong,2003). Menurut Nicholson (2002), permintaan
pasar akan suatu barang adalah jumlah keseluruhan yang diminta seluruh pembeli
potensial, selanjutnya dikatakan bahwa kurva permintaan pasar memperlihatkan
hubungan antara jumlah barang yang diminta dengan harga pasar barang tersebut.
Jumlah barang yang diminta oleh seorang konsumen akan sangat
dipengaruhi oleh beberapa variabel. Variabel-variabel ini secara langsung akan
mempengaruhi preferensi individu terhadap suatu barang, serta bentuk kendala
anggarannya (Nicholson,2002). Variabel-variabel yang mempengaruhi permintaan
individu dapat dilihat secara ringkas dengan menggunakan fungsi permintaan
sebagai berikut :
Kuantitas X yang diminta = dx (Px,Py,I; preferensi)
Nicholson (1995), menjelaskan bahwa ada tiga hal penting yang
menentukan apa yang dapat dibeli oleh individu, yaitu harga barang X, harga
barang Y sebagai barang pengganti atau pelengkap barang X, dan pendapatan.
Serta terdapat satu hal lagi yang harus diingat adalah preferensi terhadap barang
tersebut. Dalam penelitian ini kuantitas barang yang diminta adalah ayam broiler
hidup.
Keterkaitan antara penjualan ayam broiler hidup dan permintaan ayam
broiler hidup dalam penelitian ini adalah bahwa penjualan ayam broiler hidup
yang terjadi di perusahaan Tunas Mekar Farm dapat dijadikan gambaran untuk
permintaan ayam broiler hidup, karena pada dasarnya data mengenai jumlah
permintaan ayam broiler hidup secara nyata sulit untuk diperoleh, maka pada
penelitian ini pendekatan mengenai gambaran permintaan ayam broiler hidup
digunakan data penjualan ayam broiler hidup sebagai permintaan ayam broiler,
hal ini dilakukan karena data riel yang diperoleh pada penelitian ini adalah data
penjualan ayam broiler hidup.
Secara umum dalam teori ekonomi menurut Limbong dan Sitorus (1988)
permintaan terhadap suatu komoditas dapat dirumuskan sebagai berikut :
Dx = f׀fx{Hx, Hy, T, Pop, I,..}
Keterangan :
Dx
= Permintaan Komoditas x
Hx
= Harga komoditas X(kondisi ceteris paribus);
Hy
= Harga barang Y (Komplemen/subtitusi);
T
= Selera konsumen;
Pop
= Jumlah penduduk;
I
= Daya beli masyarakat.
Pada tingkat produksi atau produsen menurut teori ekonomi mewakili sisi
penawaran suatu komoditas. Secara umum penawaran suatu komoditas dapat
dipengaruhi oleh faktor harga barang itu sendiri dan harga barang lain, teknologi
yang digunakan, dan tujuan perusahaan dengan rumus sebagai berikut :
Sx = f׀fx{Hx, Hy, T,...}
Keterangan :
Dx
= Permintaan Komoditas x;
Hx
= Harga komoditas X(kondisi ceteris paribus);
Hy
= Harga barang Y (Komplemen/subtitusi);
T
= Perkembangan Teknologi.
Permintaan di tingkat konsumen dalam teori ekonomi tidak langsung
berhadapan dengan penawaran, namun diantara koduanya dihubungkan oleh suatu
sistem pemasaran.
Dalam sistem tersebut dilakukan oleh pelaku pemasaran
dengan memperoleh imbalan sebesar perbedaaan antara harga yang diterima oleh
produsen dengan harga yang dibayar oleh pengecer atau konsumen
3.1.2. Konsep Penjualan
Penjualan merupakan segala bentuk kegiatan menjual barang atau jasa
kepada konsumen baik untuk penggunaan yang sifatnya pribadi ataupun untuk
kepentingan bisnis, sedangkan penjualan eceran meliputi semua kegiatan yang
melibatkan penjualan barang atau jasa langsung kepada konsumen akhir untuk
15
penggunaan yang sifatnya pribadi, bukan bisnis (Kotler,2002). Selain itu menurut
Limbong dan Sitorus (1987), penjualan adalah kegiatan yang bertujuan untuk
mencari atau mengusahakan agar ada pembeli atau ada permintaan pasar yang
cukup baik atau banyak terhadap barang atau jasa yang dipasarkan pada tingkat
harga yang menguntungkan.
Harga jual suatu produk merupakan salah satu fektor yang mempengaruhi
tingkat penjualan. Untuk barang normal, hubungan antara harga suatu produk
dengan penjualan produk tersebut negatif, secara umum jika penjualan suatu
produk semakin meningkat maka harga barang tersebut akan semakin menurun.
Kegiatan penjualan selalu identik dengan kegiatan distribusi, karena
keduanya saling berkaitan sama lain. Menurut Yunarto (2006), kegiatan distribusi
adalah kegiatan pemasaran yang berusaha memperlancar dan mempermudah
penyampaian produk dari produsen kepada konsumen, sehingga penggunaannya
sesuai dengan yang diperlukan baik dari jenis, jumlah, harga, tempat dan maupun
saat dibutuhkan. Menurut Tambulun (2004), distribusi produk menggunakan
berbagai alat angkut seperti truk, kereta api, kapal, dan pesawat
Untuk menjual produk agar sampai ke konsumen, diperlukan berbagai
macam cara dalam penjualan dan distribusi. Menurut Gultinan, Paul (1990) ada
beberapa cara dalam kegiatan tersebut antara lain :
1. Sistem tanggapan langsung : fungsi utamanya adalah mendapatkan order,
produk didistribusikan langsung ke konsumen akhir, pesanan penjualan
disampaikan kepada pembeli secara peorangan melalui telepon atau surat
langsung.
2. Sistem penjualan tatap muka langsung : fungsi utamanya menyediakan
informasi kepada pelanggan, produk didistribusikan kepada pembeli akhir, dan
pesanan penjualan disampaikan dengan kontak tatap muka.
3. Sistem penjualan perdagangan : fungsi utama mendapatkan dukungan dari
distributor, pesanan penjualan melalui kontak tatap muka dan telepon, dan
produk didistribusikan melalui pedagang besar atau pengecer yang membeli
untuk dijual kembali kepada pembeli akhir.
16
4. Penjualan misionaris : fungsi utama memberikan informasi produk dan layanan
kepada pelanggan secara langsung, produk didistribusikan langsung ke pembeli
akhir, dan pesanan penjualan disampaikan dengan kontak tatap muka.
Penjualan ayam broiler yang dimaksud dalam penelitian ini adalah jumlah
ayam hidup dalam satuan kilogram yang dibeli oleh konsumen baik untuk
penggunaan yang sifatnya pribadi maupun untuk kepentingan bisnis. Seringkali
volume penjualan pada periode sebelumnya menjadi salah satu faktor yang
mempengaruhi tingkat penjualan pada periode sekarang, perusahaan umumnya
berusaha mendeteksi tingkat penjualan pada periode sekarang dan yang akan
datang dengan memperhatikan tingkat penjualan peride sebelumnya.
3.1.3. Peramalan Data Time Series
Peramalan merupakan suatu upaya untuk memprediksi ketidakpastian
masa depan, dengan maksud membantu para pengambil keputusan untuk
memutuskan suatu kebijakan secara lebih baik. Peramalan melibatkan sejumlah
studi mengenai data historis dan manipulasi data tersebut untuk mencari pola data
sehingga dapat digunakan untuk memperkirakan pola data di masa depan (Hanke,
et al., 2003).
Penggunaan peramalan untuk memprediksi masa depan, melibatkan
sejumlah proses manipulasi data agar diperoleh peramalan yang efektif. Menurut
Assauri (1980) terdapat tiga langkah peramalan yang dianggap penting, yaitu :
1. Menganalisa data yang lalu dengan cara membuat tabulasi untuk dapat
menemukan pola dari data tersebut.
2. Menentukan metode peramalan yang akan digunakan dan memberikan hasil
yang tidak jauh berbeda dengan kenyataan yang terjadi, atau metode yang
menghasilkan penyimpangan data terkecil.
3. Memproyeksikan data yang lalu dengan menggunakan metode peramalan
yang dipergunakan dengan mempertimbangkan beberapa faktor perubahan.
Semua prosedur formal peramalan melibatkan penarikan pengalaman
masa lalu ke dalam ketidakpastian masa depan. Sebagai usaha untuk memperoleh
keakuratan data masa depan, maka beberapa teknik peramalan dikembangkan agar
17
kesalahan-kasalahan dalam proses peramalan dapat dikurangi seminimal
mungkin.
Menurut Hanke, et al. (2003) pengenalan terhadap operasi teknik
peramalan pada data menghasilkan kejadian historis mengarah ke identifikasi lima
tahapan proses peramalan antara lain :
1. Pengumpulan data
Proses ini memerlukan pentingnya perolehan data yang sesuai dan teruji
kebenarannya. Tahap ini seringkali merupakan bagian paling menantang dari
keseluruhan proses peramalan, dan paling sulit untuk dimonitor.
Hal ini
dikarenakan serangkaian tahapan dapat dilakukan pada data dalam menentukan
kesesuaiannya dengan masalah.
2. Pemadatan atau pengurangan data
Proses ini seringkali diperlukan karena mungkin saja terjadi kelebihan data
dalam proses peramalan atau sebaliknya terlalu sedikit. Beberapa data mungkin
tidak relevan dengan masalah dan dapat mengurangi keakuratan peramalan. Data
lain mungkin sesuai, tetapi hanya dalam periode historis tertentu.
3. Penyusunan model dan evaluasi
Tahap ini meliputi pencocokan data terkumpul kedalam model yang sesuai
dalam hal meminimasi kesalahan peramalan. Model yang lebih sederhana, lebih
baik keadaannya dalam hal diterimanya proses peramalan oleh pengambil
keputusan.
Seringkali harus diseimbangkan antara pendekatan peramalan canggih
yang hasilnya sedikit lebih akurat dengan pendekatan sederhana yang lebih mudah
dipahami serta mendapatkan dukungan. Sehingga, pendapat pribadi sering
dilibatkan dalam proses pemilihan model.
4. Ektrapolasi model (peramalan aktual)
Proses ini terdiri dari model peramalan aktual yang dihasilkan begitu data
yang sesuai telah terkumpul, dan kemungkinan dikurangi dan model peramalan
yang sesuai juga sudah dipilih. Untuk memeriksa keakuratan proses peramalan,
peramalan untuk periode yang baru lewat dibandingkan dengan nilai hitoris
18
aktual. Kesalahan peramalan kemudian diamati dan dirangkum dengan beberapa
langkah.
5. Evaluasi peramalan
Tahapan ini membandingkan nilai peramalan dengan nilai historis aktual.
Beberapa nilai terkini kemudian diambil dari himpunan data yang sedang
dianalisa. Setelah model peramalan selesai, maka peramalan dilakukan untuk
beberapa periode ke depan dan dibandingkan dengan nilai historis yang telah
diketahui.
Beberapa prosedur peramalan menjumlahkan nilai absolut dari kesalahan
dan hasil penjumlahan atau dibagi dengan jumlah perlakuan peramalan sehingga
menghasilkan rata-rata kesalahan peramalan. Pengujian pola kesalahan seringkali
mengarahkan analisa untuk memodifikasi prosedur peramalan.
Dalam peramalan time series ada beberapa teknik atau metode yang
digunakan antara lain sebagai berikut :
1. Metode Naïve : adalah teknik peramalan berdasarkan asumsi bahwa periode
saat ini merupakan prediktor terbaik dari masa mendatang.
2. Metode Rata-rata Sederhana : digunakan apabila peramalan dilakukan secara
berulang-ulang untuk data yang tidak terlalu besar (Firdaus, 2006).
3. Metode Rata-rata Bergerak Sederhana : menggunakan mean semua data untuk
meramal (Hanke, et al., 2003).
4. Metode Rata-rata Bergerak Ganda : Teknik ini baik untuk data yang
mengandung unsur trend (Firdaus, 2006).
5. Metode Pelicinan Eksponensial Tunggal : Teknik ini dapat merevisi secara
kontinyu hasil peramalan dengan informasi terbaru. Metode ini berdasarkan
pemulusan yang menurun secara eksponensial (Firdaus, 2006). Selain itu,
metode ini menyediakan rata-rata bergerak tertimbang secara eksponensial
semua nilai pengamatan yang lalu (Hanke, et al., 2003).
6. Metode Brown : menjelaskan bahwa ramalan merupakan hasil dari perhitungan
dua kali pelicinan secara eksponensial. Tujuan dari pelicinan kedua adalah
19
untuk mengatasi masalah data yang tidak stasioner dengan model trend yang
linear (Makridakis, et al., 1999).
7. Metode Dekomposisi Aditif : Model ini memperlakukan nilai deret waktu
sebagai jumlah dari komponen-komponen dalam model (Hanke, et al., 2003).
8. Metode Dekomposisi Multiplikatif : Model ini memperlakukan nilai deret
waktu sebagai hasil perkalian dari komponen-komponen dalam model (Hanke,
et al., 2003).
9. Metode Winters : Metode winters yang terdiri dari winters aditif dan
multiplikatif. Kedua metode ini memberikan cara mudah utuk menjelaskan
musiman didalam model ketika data memiliki pola musiman.
Metode
alternatif terdiri dari penghapusan musim atau penyesuaian musim pada data.
Model
peramalan
ini
diaplikasikan
untuk
data
musim-terhapus
(desesasonalized data) dan kemudian musiman dimasukkan kembali untuk
mendapatkan ramalan yang akurat (Hanke, et al. (2003).
10. Metode Box-Jenkins (ARIMA) : Model ini menggunakan pendekatan iteratif
pada identifikasi suatu model yang mungkin dari model umum (Hanke, et al.,
2003). ARIMA adalah singkatan dari autoregressive integrated moving
average. Pada ARIMA terbagi atas model MA (moving average), AR
(autoregressive), ARMA (autoregressive moving average), dan ARIMA
(autoregressive integrated moving average).
Berdasarkan model-model peramalan di atas penilaian terhadap akurasi
hasil peramalan dapat dilakukan dengan mengamati besarnya selisih nilai aktual
pengamatan dengan nilai estimasi dari peramalan (Firdaus, 2006).
Penilaian tersebut dilakukan dengan membandingkan nilai error yang
terkecil baik melalui MSE (Mean Square Error), MAE (Mean Average Error),
maupun MPE (Mean Percentage Error).
3.2. Kerangka Pemikiran Operasional
Perusahaan Tunas Mekar Farm (TMF) merupakan salah satu perusahaan
yang bergerak dalam penjualan ayam broiler. Semakin meningkatnya konsumsi
20
masyarakat terhadap daging ayam broiler menyebabkan semakin banyaknya
perusahaan-perusahaan sejenis yang bergerak dalam usaha penjualan ayam
broiler, dengan demikian persaingan diantara perusahaan-perusahaan tersebut
semakin ketat. Dalam upaya mencapai keuntungan yang maksimal perusahaan
TMF perlu membuat suatu perencanaan produksi yang optimal untuk dijadikan
dasar dalam pengambilan keputusan.
Salah satu dasar untuk perencanaan produksi yang optimal adalah
penentuan penjualan daging ayam broiler untuk beberapa periode yang akan
datang dengan melakukan peramalan penjualan ayam broiler.
Selama ini perusahaan melakukan peramalan berdasarkan pertimbangan
dan pengalaman, gambaran metode yang digunakan oleh perusahaan tersebut
menunjukkan bahwa perusahaan menggunakan metode kualitatif yang bersifat
subjektif.
Metode yang akan digunakan dalam penelitian ini adalah metode
peramalan kuantitatif. Prinsip dasar metode peramalan kuantitatf adalah cara
memperkirakan yang mungkin akan terjadi pada masa yang akan datang
berdasarkan data kuantitatif pada masa lalu.
Metode kuantitatif yang akan ditawarkan dapat dijadikan sebagai
rekomendasi apabila akurasinya lebih baik dibandingkan dengan cara yang telah
dilakukan oleh perusahaan.
Rekomendasi ini dapat berupa rekomendasi metode peramalan terakurat,
hasil ramalan penjualan ayam broiler untuk satu tahun mendatang dan implikasi
hasil ramalan penjualan berupa tindakan-tindakan yang perlu dilakukan
perusahaan untuk mengatasi trend dan musiman yang terjadi.
Tahap pertama penelitian ini adalah mendeskripsikan kondisi bisnis
peruasahaan kemudian menganalisis pola data penjualan daging ayam. Setelah itu
dilakukan penerapan metode peramalan kuantitatif yaitu metode time series.
Metode - metode time series yang digunakan adalah metode naive, metode
tren, metode rata-rata sederhana, metode rata-rata bergerak sederhana, metode
pemulusan eksponensial tunggal, metode pemulusan eksponensial ganda Brown,
metode pemulusan eksponensial ganda Holt, metode Winters aditif, metode
21
Winters
multiplikatif,
metode
dekomposisi
aditif,
metode
dekomposisi
multiplikatif, dan metode ARIMA
Tahap berikutnya adalah memilih metode peramalan time series yang
paling baik. Salah satu kriteria dalam menentukan metode yang paling baik adalah
dengan melihat tingkat kesalahannya.
Akurasi dalam peramalan ini menggunakan Mean Absolute Persentase
Error (MAPE). Semakin kecil nilai MAPE maka akan semakin baik metodenya,
karena
hasil
peramalan
semakin
mendekati
nilai
aktualnya.
Setelah
membandingkan metode yang digunakan maka akan diperoleh metode yang
paling baik dalam meramalkan penjualan ayam broiler.
Metode kuantitatif yang ditawarkan dapat dijadikan sebagai rekomendasi
bila akurasinya lebih baik dibandingkan dengan metode yang digunakan oleh
perusahaan. Rekomendasi ini dapat berupa, rekomendasi model atau teknik
peramalan terakurat dan hasil ramalan penjualan ayam broiler satu tahun
mendatang.
Untuk lebih jelasnya mengenai kerangka pemikiran operasional penelitian
ini dapat di lihat pada Gambar 1.
22
1. Penjualan ayam broiler yang berfluktuasi
2. Perusahaan belum melakukan peramalan kuantitatif
Penggunaan Peramalan Time Series
dalam Perencanaan Produksi
Metode Kuantitatif
Metode Model Time Series
1. Moving Average
2. Pemulusan eksponensial tunggal
3. Pemulusan eksponensial ganda
4. Winters aditif
5. Winters multiplikatif
6. Dekomposisi aditif
7. Dekomposisi multiplikatif
8. ARIMA
Pemilihan metode model
time series yang terakurat.
Rekomendasi berupa :
1.Model atau teknik peramalan
terakurat
2.Hasil ramalan 12 bulan
mendatang
Gambar 1. Bagan Kerangka Pemikiran Operasional Peramalan Penjualan dan
Harga Ayam Tunas Mekar Farm.
23