BAB 1 PENDAHULUAN
1.1 Latar Belakang Keadaan dunia usaha yang selalu berubah membutuhkan langkah-langkah untuk mengendalikan kegiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langkah yang diperlukan dalam pengambilan keputusan yang efektif. Keberhasilan suatu rencana tidak terlepas dari usaha-usaha untuk memproyeksi kebutuhan sumber daya yang dibutuhkan perusahaan pada masa yang akan datang. Untuk dapat mengetahui proyeksi kebutuhan yang hendak dicapai, diperlukan suatu peramalan yang mampu menerangkan proyeksi kebutuhan berdasarkan data masa lalu. Seperti halnya peramalan penjualan produksi untuk masa yang akan datang merupakan satu hal yang sangat penting dalam suatu perusahaan karena dari hasil peramalan penjualan produksi tersebut dapat diperkirakan situasi dan kondisi yang terjadi pada masa yang akan datang dan oleh sebab itu dapat pula disusun rencana produksi selanjutnya. Sering terjadi dimana suatu perusahaan mempunyai jumlah permintaan yang terlalu besar, sedangkan jumlah persediaan produksi sedikit sehingga tidak dapat memenuhi jumlah permintaan dari konsumen. Hal ini mengakibatkan hilangnya kepercayaan konsumen terhadap perusahaan dan hilangnya kesempatan untuk memperoleh keuntungan. Sebaliknya jika jumlah persediaan produksi terlalu besar sementara jumlah permintaan dari konsumen sangat kecil, maka perusahaan akan mengalami kerugian. Begitu juga halnya dengan PT. Sinar Sosro Sumatera Bagian Utara yang memproduksi berbagai jenis teh dalam kemasan yang beragam seperti teh dalam kemasan botol kaca 220ml, kemasan kotak 200ml, kemasan kotak 250ml, kemasan kotak 1L, pouch 150ml dan kemasan PET botol plastik 500ml. Perusahaan ini tentunya memerlukan peramalan penjualan untuk meramalkan situasi apa yang akan dihadapi perusahaan pada masa yang akan datang. Karena peramalan penjualan merupakan dasar bagi perencanaan operasi-operasi perusahaan seperti penyusunan rencana kerja, penjadwalan produksi, persediaan bahan baku produksi dan pengendalian produksi. Berdasarkan pertimbangan di atas penulis mencoba menerapkan metode Box-Jenkins dalam meramalkan penjualan produksi teh botol sosro pada PT. Sinar Sosro Sumatera Bagian Utara,
Universitas Sumatera Utara
sebagai bahan penulisan skripsi dengan judul “PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS”
1.2 Perumusan Masalah Berdasarkan latar belakang diatas, maka rumusan permasalahan dalam penelitian ini adalah : 1. Bagaimana bentuk persamaan peramalan yang dapat dipakai untuk meramalkan penjualan produksi teh botol pada masa yang akan datang dengan menggunakan metode ARIMA Box-Jenkins. 2. Berapa penjualan produksi teh botol yang diramalkan pada masa yang akan datang.
1.3 Batasan Masalah Agar pembahasan dapat lebih terarah maka perlu dilakukan pembatasan masalah yaitu: 1. Hanya penjualan produksi teh botol dengan kemasan botol kaca 220ml saja yang diramalkan. 2. Data yang dibutuhkan yaitu data penjualan produksi teh botol periode Juni 2007 sampai dengan Mei 2013. 3. Peramalan dilakukan secara kuantitatif.
1.4 Tujuan Penelitian Tujuan dari penelitian ini yaitu untuk mengetahui jumlah penjualan produksi teh botol pada PT. Sinar Sosro Sumatera Bagian Utara tahun 2014 dengan menggunakan metode ARIMA Box-Jenkins.
1.5 Kontribusi Penelitian Hasil dari penelitian ini diharapkan dapat memberi manfaat sebagai berikut : a. Sebagai informasi bagi perusahaan di dalam mengambil kebijakan sehubungan dengan penjualan produksi teh botol pada masa yang akan datang b. Sebagai referensi bagi peneliti selanjutnya yang akan melakukan penelitian yang sama di masa mendatang
Universitas Sumatera Utara
1.6 Tinjauan Pustaka Lerbin R. Aritonang R. dalam bukunya Peramalan Bisnis mengemukakan bahwa data yang di analisa dalam model ARIMA Box-Jenkins adalah data yang bersifat stasioner, yaitu data yang mempunyai rata-rata dan variansi yang konstan dari periode ke periode. Peramalan dengan menggunakan ARIMA dilakukan melalui lima tahap : 1. Pemeriksaan kestasioneran data Pada tahap satu, data runtut waktu harus diperiksa kestasionerannya (apakah rata-rata dan variansinya konstan, homogen dari waktu ke waktu) karna data yang di analisi pada ARIMA adalah data yang stasioner. Pemeriksaan itu dilakukan berdasarkan analisis otokorelasi dan otokorelasi parsial (dibicarakan kemudian)atas datanya. Jika datanya telah stasioner kemudian dilanjutkan ke tahap kedua. Bila datanya belum stasioner maka datanya harus di transformasi dengan metode tertentu hingga menjadi stasioner. 2. Pengidentifikasian model Pada tahap dua, model untuk data yang telah stasioner diidentifikasi berdasarkan hasil analisis otokorelasi dan otokorelasi parsial atas data yang stasioner atau yang telah distasionerkan itu. Jadi, data yang dianalisi otokorelasi dan otokorelasi parsialnya mungkin saja berupa data yang asli atau data yang telah ditransformasi sehingga menjadi stasioner. Model-model pengembangan ARIMA : •
Model umum AR(p)
•
Model Umum MA(p)
•
Model ARI
•
Model IMA
•
Model ARIMA
3. Pengestimasian parameter model 4. Pengujian model 5. Penggunaan model untuk peramalan
Spyros Makridakis, Steven C. Wheelwright dan Victor E. McGee dalam bukunya Metode dan Aplikasi Peramalan mengemukakan bahwa hal yang penting dalam analisa deret
Universitas Sumatera Utara
berkala adalah koefisien autokorelasi yang menggambarkan hubungan antara suatu deret berkala dengan deret berkala itu sendiri pada kelambatan waktu (lag) ke periode. Autokorelasi untuk time lag 1,2,3,…,k dapat dicari dan di notasikan rk sebagai berikut : n−k
rk =
∑ (Y t =1
t
− Y )(Yt + k − Y )
n
∑ (Y t =1
t
(1-1)
−Y)
2
Dengan :
rk =
koefisien autokorelasi
Yt =
data actual pada periode t
Y=
nilai tengah (mean) dari data aktual
Yt +k = data aktual pada periode t dengan time lag (ketertinggalan) k
Sakti Silaen dalam bukunya Statistika Untuk Bisnis Dan Ekonomi mengemukakan bahwa penaksiran interval yaitu menaksir suatu nilai statistic, seperti μ dengan suatu tingkat keyakinan. Dikemukakan juga bahwa semakin besar sampel yang dipergunakan sebagai penaksir, maka akurasi taksiran pun akan semakin mendekat. Demikian juga sebaliknya jika sampel yang dipergunakan semakin kecil, maka akurasi harga penaksir yang ditemukan juga relatif rendah. Kisaran nilai penaksir tertentu ada batasan nilai terendah dan nilai tertinggi disekitar yang ditaksir, inilah yang disebut sebagai penaksiran interval. Dengan menganggap bahwa distribusi sampel adalah normal, atau jika jumlah sampel relatif besar. Maka μ adalah
σ yang disebut juga standard error (kesalahan baku). n
penkasir bagi µ x dan σ x =
Sehingga Z terletak sedemikian rupa diantara batas − Z α dan + Z α 2
yaitu sebagai peluang 2
atau luas dibawah kurva normal = 0,95 dengan menggunakan tabel distribusi normal, ditemukan bahwa nilai Z terletak diantara :
1 1 − 1,96 ≤ rk ≤ 1,96 n n
(1-2)
Universitas Sumatera Utara
Dengan : n
= Jumlah sampel
rk =
koefisien autokorelasi
Syafrizal Helmi Situmorang, Iskandar Muda, Doli M. Ja’far Dalimunthe, Fadli, dan Fauzie Syarief dalam bukunya Analisis Data untuk Riset Manajemen dan Bisnis mengemukakan mengenai penggunaan SPSS untuk peramalan (forecasting), yaitu dengan menu Analyze, Forecasting, dan lainnya. C. Tri Hendradi dalam bukunya Statistik SIX SIGMA dengan MINITAB mengemukakan
mengenai
pengenalan
dan
penggunaan
Minitab
untuk
peramalan
(Forecasting).
1.7 Metode Penelitian Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Ramalan tersebut dapat didasarkan atas berbagai macam metode, yaitu Metode Pemulusan Eksponensial atau Rata-rata Bergerak, Metode Box-Jenkins dan Metode Regresi, semua itu dikenal dengan metode peramalan. Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan dasar data yang relevan pada masa lalu. Dengan kata lain metode peramalan ini digunakan dalam peramalan yang bersifat objektif. Langkah-langkah yang dilakukan dalam penelitian ini adalah : 1. Pengumpulan data penjualan produksi teh botol dari Juni 2007 sampai dengan bulan Mei 2013. 2. Memplot data penjualan tersebut untuk mengetahui pola data. 3. Memeriksa kestasioneran data dengan menghitung koefisien autokorelasi dan koefisien autokorelasi parsial. 4. Identifikasi model ARIMA sementara. 5. Menetapkan model ARIMA sementara untuk peramalan. 6. Pendugaan nilai awal parameter model ARIMA 7. Pengujian terhadap model yang telah ditetapkan untuk mengetahui apakah model yang ditetapkan telah tepat.
Universitas Sumatera Utara
8. Menggunakan model untuk peramalan. 9. Menarik kesimpulan.
Universitas Sumatera Utara
DATA PENJUALAN
PLOT DATA PENJUALAN PLOT KOEFISIEN AUTOKORELASI
APAKAH DATA STASIONER
YA
IDENTIFIKASI MODEL
PENETAPAN MODEL
PENAKSIRAN PARAMETER MODEL
PENGUJIAN MODEL
APAKAH MODEL TELAH MEMADAI
YA
PENGGUNAAN MODEL UNTUK PERAMALAN
KESIMPULAN
Universitas Sumatera Utara
