BAB 2 LANDASAN TEORI dan KERANGKA PEMIKIRAN
2.1
Pengertian Manajemen Menurut Richard L.Daft (2002: 8), manajemen adalah pencapaian sasaran-
sasaran organisasi dengan cara yang efektif dan efisien melalui perencanaan pengorganisasian, kepemimpinan dan pengendalian sumberdaya organisasi. Menurut James A.F. Stoner (2006), manajemen adalah suatu proses perencanaan, pengorganisasian, kepemimpinan, dan pengendalian upaya dari anggota organisasi serta penggunaan sumua sumber daya yang ada pada organisasi untuk mencapai tujuan organisasi yang telah ditetapkan sebelumnya. Menurut Malayu S.P. Hasibuan (2000: 2), manajemen adalah ilmu dan seni mengatur proses pemanfaatan sumber daya manusia dan sumber-sumber lainnya secara efektif dan efisien untuk mencapai satu tujuan. Menurut Stephen P. Robins (2009: 8), manajemen adalah proses pengkoordinasian
kegiatan-kegiatan
pekerjaan
sehingga
pekerjaan
tersebut
terselesaikan secara efisien dan efektif dengan dan melalui orang lain.
2.1.1 Pengertian Manajemen Operasi Menurut Richard L. Daft ( 2006: 216), manajemen operasi adalah bidang manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat-alat dan tekhnik-tekhnik khusus untuk memecahkan masalah-masalah produksi. 8
9
Menurut Soentoro Ali Idris (2000: 1), manajemen operasi adalah proses transformasi dari input menjadi output yang mempunyai nilai lebih tinggi dibandingkan inputnya. Menurut Subagyo (2000: 1), manajemen operasi adalah kegiatan untuk mengubah bentuk untuk menambah manfaat atau menciptakan manfaat baru dari suatu barang atau jasa. Dapat disimpulkan pengertian dari manajemen operasi adalah proses pengolahan input berupa barang dan mentransformasikannya menggunakan alat-alat serta teknik-teknik khusus untuk menciptakan manfaat baru dengan nilai lebih tinggi daripada inputnya.
2.2
Pengertian Biaya Menurut Supriyono (2000: 16), biaya adalah harga perolehan yang
dikorbankan atau digunakan dalam rangka memperoleh penghasilan atau revenue yang akan dipakai sebagai pengurang penghasilan. Menurut Henry Simamora (2002: 36), biaya adalah kas atau nilai setara kas yang dikorbankan untuk barang atau jasa yang diharapkan memberi manfaat pada saat ini atau di masa mendatang bagi organisasi. Menurut Mulyadi (2005: 8), biaya adalah pengorbanan sumber ekonomis yang diukur dalam satuan uang, yang telah terjadi, sedang terjadi atau yang kemungkinan akan terjadi untuk tujuan tertentu. Menurut Michael W. Maher dan Edward B. Deakin (2001: 32), biaya adalah pengorbanan sumber daya.
10
Sehingga dapat disimpulkan bahwa biaya adalah pengorbanan akan suatu nilai dari sumber ekonomis yang diukur dalam satuan uang, yang digunakan dalam rangka memperoleh penghasilan dan memberi manfaat pada saat ini atau masa mendatang bagi organisasi.
2.3
Pengertian Pemasaran J. Supranto menjelaskan, pemasaran adalah aliran produk secara fisis dan
ekonomik dari produsen melalui pedagang perantara ke konsumen. Definisi lain menyatakan bahwa pemasaran adalah suatu proses sosial dan manajerial yang membuat individu/kelompok mendapatkan apa yang mereka butuhkan dan inginkan dengan menciptakan, menawarkan dan mempertukarkan produk yang bernilai kepada pihak lain. Pemasaran melibatkan banyak kegiatan yang berbeda yang menambah nilai produk pada saat produk bergerak melalui sistem tersebut. Kegiatan-kegiatan
dalam
usaha
pemasaran
tidak
hanya
kegiatan
memindahkan barang /jasa dari tangan produsen ke tangan konsumen saja dengan sistem penjualan, tetapi banyak kegiatan lain yang juga dijalankan dalam kegiatan pemasaran. Penjualan hanyalah salah satu dari berbagai fungsi pemasaran. Apabila pemasar melakukan pekerjaan dengan baik untuk mengidentifikasi kebutuhan konsumen,
mengembangkan
produk
dan
menetapkan
harga
yang
tepat,
mendistribusikan dan mempromosikannya secara efektif, maka akan sangat mudah menjual barang-barang tersebut. Konsep paling pokok yang melandasi pemasaran adalah kebutuhan manusia. Dengan adanya perkembangan jaman, kebutuhan berkembang menjadi suatu keinginan mengkonsumsi suatu produk dengan ciri khas tertentu. Munculnya keinginan
akan
menciptakan
permintaan
spesifik
terhadap
suatu
jenis
11
produk.
Seseorang
dalam
menentukan
keputusan
pembelian
akan
mempertimbangkan nilai dan kepuasan yang akan didapat dari mengkonsumsi suatu produk. Apabila konsumen yakin akan nilai dan kepuasan yang akan didapat, maka konsumen akan melalukan pertukaran dan transaksi juall beli barang dan jasa. Hal inilah yang mendasari terjadinya pasar. (J. Supranto, 2001 : p12-15) Tujuan sistem pemasaran : Secara umum, tujuan sistem pemasaran adalah sebagai berikut : Memaksimumkan konsumsi Memaksimumkan utilitas (kepuasan) konsumsi Memaksimumkan pilihan Memaksimumkan mutu, kualitas, kuantitas, ketersediaan, harga, lingkungan Efisiensi Pemasaran (J. Supranto, 2001 : 15) : Menurut J. Supranto yang dimaksud dengan efisiensi pemasaran adalah seberapa besar pengorbanan yang harus dikeluarkan dalam kegiatan pemasaran menunjang hasil yang bisa didapatkan dari kegiatan pemasaran tersebut. Efisiensi pemasaran dapat dicari dengan menghitung rasio “keluaran-masukan” dalam kegiatan pemasaran yang dilakukan. Semakin tinggi nilai rasio keluaran-masukan, maka pemasaran yang dilakukan semakin efisien. Umumnya efisiensi dapat dicapai dengan salah satu di antara empat cara berikut : Keluaran tetap konstan, masukan mengecil Keluaran meningkat, masukan konstan Keluaran meningkat dalam kadar yang lebih tinggi dari peningkatan masukan
12
Keluaran menurun dalam kadar yang lebih rendah dari penurunan masukan
2.4
Peramalan (forecasting) Menurut Barry, Jay dalam bukunya Manajemen Operasi (2009, p.162)
mengatakan bahwa peramalan (forecasting) adalah seni atau ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu model matematis. Hal ini dapat dilakukan dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang dari dari seorang manajer. Menurut sellani, Robert J (2009) dalam Journal of the International Academy for Case Studies. The Sales forecast is the most important plan in an organization. For a manufacturing company, the Sales forecast must be in sufficient detail for Manufacturing to translate those requirements into physical products. Therefore it is not sufficient for the Sales forecast to be equal to last years' sales plus 10%. Manufacturing must know which products are going to be obsolete, which will be increasing and decreasing in sales, and which will require new manufacturing methods in production. Dari definisi di atas dapat disimpulkan bahwa peramalan berkaitan dengan upaya untuk memperkirakan apa yang terjadi dimasa depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Serta peramalan itu adalah kegiatan yang bersifat teratur, berupa memprediksi masa depan dengan menggunakan tidak hanya metode ilmiah namun juga mempertimbangkan hal-hal yang bersifat kualitatif (perasaan, pengalaman dan lain-lain).
13
Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti dan sukar untuk diperkirakan secara tepat. Untuk itu perlu adanya forecast. Ramalan yang dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang dianalisis dengan mengunakan metode-metode tertentu. Di dalam forecasting diupayakan agar forecast yang dibuat dapat meminimumkan pengaruh ketidakpastian tersebut.
2.5
Metode Peramalan Barry, Jay berpendapat bahwa bermacam-macam metode peramalan telah
ditetapkan dengan tujuan mendapatkan hasil ramalan yang tepat guna, dimana metode peramalan tersebut kemudian akan menjadi bagian dari fungsi perencanaan dan merupakan sarana pengambilan keputusan. Ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik peramalan kualitatif dan kuantitatif (Barry, Jay, 2009: 167). Teknik peramalan kualitatif lebih menitikberatkan pada pendapat (judgment) dan intuisi manusia dalam proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting. Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yaitu teknik statistik dan teknik deterministik. Teknik statistik menitikberatkan pada pola, perubahan pola, dan faktor gangguan yang disebabkan pengaruh random. Termasuk dalam teknik ini adalah teknik smoothing, dekomposisi, dan tenik Bob-Jenkins. Teknik deterministik mencakup identifikasi dan penentuan hubungan antara variabel yang akan diperkirakan dengan variabel-variabel lain yang akan
14
mempengaruhinya. Termasuk dalam teknik ini adalah tenik regresi sederhana, regresi berganda, autoregresi, dan model input output. Untuk meramalkan suatu keadaan dengan menggunakan data historis tanpa menghiraukan pengaruh atau hubungan dengan variabel lainnya, metode peramalan yang biasa digunakan adalah metode kuantitatif statistik. (Jay dan Render, 2005) Metode peramalan kuantitatif statistik melihat pola perubahan data dari waktu-ke waktu, berikut ini beberapa metode peramalan yang termasuk dalam metode peramalan kuantitatif statistik:
2.5.1 Metode Moving Averages Dalam bukunya Pengestu Subagyo (Forecasting Konsep dan Aplikasi tahun 2004). Peramalan dengan metode moving averages (rata-rata bergerak) dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan. a) Metode Single Moving Averages Menentukan ramalan dengan metode single moving averages sangat sederhana, yaitu dengan merata-ratakan jumlah data sebanyak periode yang akan digunakan, atau jika ditulis dalam bentuk rumus adalah :
St+1 = Xt + Xt-1 + … + Xt-n+1 n
15
S
t+1
= ramalan untuk periode ke t+1
X = data pada periode ke-t t
n = jangka waktu rata-rata bergerak Metode single moving averages lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman, dan sebagainya, melainkan sulit diketahui polanya. Metode single moving averages ini mempunyai dua sifat khusus, yaitu : 1) Untuk membuat forecast memerlukan data historis selama jangka waktu tertentu. Jika mempunyai data selama V periode, maka baru bisa membuat forecast untuk periode ke V+1. 2) Semakin panjang jangka waktu moving averages akan menghasilkan moving averages yang semakin halus. b) Metode Double Moving Averages Dalam metode ini langkah pertama adalah mencari moving averages, hasilnya ditaruh pada periode terakhir, kemudian dicari moving averages lagi dari moving averages pertama, baru kemudian dibuat forecast. Adapun prosedur untuk membuat forecast dengan metode double moving averages adalah sebagai berikut :
16
1) Menentukan moving averages yang pertama (Pengestu Subagyo, 2004 : 5)
S’ = Xt + Xt-1 + … + Xt-n+1 n 2) Menentukan moving averages yang kedua (Pengestu Subagyo, 2004 : 5)
S”t
= S’t + S’t-1 + … + S’t-n+1 n
3) Menentukan konstanta (Pengestu Subagyo, 2004 : 5)
at
=
S’t + (S’t – S”t )
4) Menentukan slope (Pengestu Subagyo, 2004 : 6)
Bt
=
2 (S’t – S”t ) V-1
V adalah jangka waktu moving averages 5) Menentukan forecast (Pengestu Subagyo, 2004 : 6)
Ft+m = at + btm m adalah jangka waktu forecast kedepan
17
2.5.2 Metode Exponential Smoothing a) Metode Single Exponential Smoothing Menurut Pengestu Subagyo (Forecasting Konsep dan Aplikasi, 2004 : 7) metode single exponential smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasoninya secara random (tidak teratur). Untuk membuat forecast dengan metode single expential smoothing dicari dengan rumus :
Ft+1
= αXt + (1 - α) St
Dalam metode ini nilai α bisa ditentukan secara bebas yang bisa mengurangi forecast error, yaitu antara 0 dan 1. b) Metode Double Exponential Smoothing Metode double exponential smoothing biasanya lebih tepat digunakan untuk maramalkan data yang mengalami kecenderungan trend naik. (Pengestu Subagyo, 2004 : 8) Dalam metode ini dilakukan proses smoothing dua kali, adapun prosedur untuk membuat forecast dengan double exponential smoothing adalah sebagai berikut : 1) Menentukan smoothing pertama
S’t = αXt + (1 - α)S’t-1 2) Menentukan smoothing kedua
S”t = αS’t + (1 - α)S”t-1 3) Menentukan konstanta
at = 2S’t – S”t
18
4) Menentukan slope
bt
= 1 ′ ")
5) Menentukan forecast
Ft+m = at + btm m adalah jangka waktu forecast kedepan c) Metode Triple Exponential Smoothing Metode ini merupakan metode forecasting yang dikemukakan oleh Robert Goodel Brown dalam bukunya Exponential Smoothing for Predicting Demand (1956), yaitu dengan menggunakan persamaan kuadrat. Metode triple exponential smoothing lebih cocok untuk membuat forecast hal yang berfluktuasi atau mengalami gelombang pasang surut. Prosedur pembuatan forecast (Brown, 2006 : 15) dengan metode ini adalah sebagai berikut : 1) Menentukan nilai S
t
S’t
= αXt + (1-α) S’t-1 ’’
2) Menentukan nilai S
t
S’’t
= αS’t + (1-α) S”t-1 ’’’
3) Menentukan nilai S
t
St”’
= αSt” + (1-α) S”’t-1
4) Menentukan konstanta
at
= 3St’ – 3St” + St”’
19
5) Menentukan slope bt
=
6 5 10 8 " 4 3 "
6) Menentukan c
t
ct
=
2"
7) Menentukan forecast
Ft+m =
!
" !
m adalah jangka waktu forecast kedepan.
2.5.3 Metode Naïve Menurut Pengestu Subagyo, metode Naïve adalah metode peramalan yang sangat sederhana, ia hanya menggunakan data nilai aktual tahun lalu sebagai ramalah/perkiraan untuk tahun ini, dan begitu seterusnya. Peramalan tahun berikutnya hanya berupa (t+1) akan sama dengan data tahun ini. Rumus dari Metode Naïve adalah: (Pengestu Subagyo, 2004: 28)
Ft = Yt-1 2.5.4 Metode Linear Regression Metode linear regression didasarkan pada kenyataan bahwa apa yang telah terjadi 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 biasanya akan berfluktuasi juga; dan yang biasanya tidak teratur biasanya akan tidak teratur juga. (Jay dan Render, 2005)
20
Metode linear regression mempunyai empat komponen utama pola perubahan, yaitu Trend (T), Fluktuasi Musiman (M), Fluktuasi Siklik (S), dan perubahan yang bersifat Random (R). a) Trend Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam jangka panjang. Kalau hal yang diteliti menunjukkan gejala kenaikan, maka trend menunjukkan rata-rata pertambahan, sering disebut dengan trend positif. Tetapi jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend menunjukkan rata-rata penurunan, atau sering disebut dengan trend negatif (Jay dan Render, 2005) Persamaan trend dengan metode linear regression / least squares: (Jay dan Render, 2005)
Ŷ
= a + bX
dengan ∑$
a
=
b
=∑
% ∑ &$ &
keterangan : Ŷ
= nilai trend (forecast)
a
= bilangan konstan
b
= slope/koefisien kecondongan garis trend
X
= kode tahun
Untuk mempermudah hitungannya biasanya nilai X pada tahun yang berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut 1, 2, dan
21
seterusnya, sedang tahun-tahun sebelumnya berturut-turut -1, -2, dan seterusnya. Kalau jumlah data (tahun) ganjil, maka X=0 diletakkan tepat ditahun yang berada ditengah, sehingga jumlah nilai seluruh X=0. Kalau jumlah tahunnya genap, maka X=0 terletak diantara dua tahun yang mendekati tengah. Untuk mengatasi hal ini dibuat skala X setengah tahunan, sehingga untuk setiap perbedaan satu tahun nilai X berbeda dua. Persamaan trend dengan menggunakan metode least squared dengan periode satu tahun dapat diubah sebagai berikut : 1) Memindah Origin Tahun yang merupakan origin dapat dipindah, didalam memindah origin yang diganti hanya a-nya saja. Nilai a yang baru sebesar nilai trend pada tahun yang menjadi origin baru tersebut. 2)
Trend Rata-rata Dari persamaan trend tahunan jika akan dibuat menjadi
persamaan trend rata-rata tiap bulan dilakukan dengan: a dibagi 12 dan b dibagi 2; jika akan dijadikan trend rata-rata tiap kwartal baik a maupun b dibagi 4. Tetapi jika unit X dari persamaan yang akan diubah itu dalam waktu setengah tahunan, maka untuk mengubah menjadi trend rata-rata tiap bulan a dibagi 12 dan b dibagi 6; jika akan dijadikan trend kwartalan a dibagi 4 dan b dibagi 2. 3) Persamaan Trend Bulanan dan Kwartalan Trend bulanan adalah trend dari bulan satu ke bulan berikutnya yang menunjukkan perkiraan kenaikan atau perubahan setiap bulannya. Kalau akan mengubah persamaan trend tahunan
22
yang satuan X-nya satu tahun menjadi trend bulanan, maka a dibagi 2
12 dan b dibagi 12 ; jika satuan X-nya setengah tahunan, maka a 2
dibagi 12 dan b dibagi 12 . Trend kwartalan adalah trend yang menunjukkan perubahan dari kwartal satu ke kwartal berikutnya. Kalau akan mengubah persamaan trend tahunan yang satuan X-na satu tahun menjadi trend 2
kwartalan, maka a dibagi 4 dan b dibagi 4 ; dan jika satuan X-nya 2
setengah tahunan, maka a dibagi 4 dan b dibagi 4 . b) Gelombang Musim Gelombang musim adalah gelombang pasang surut yang berulang kembali dalam waktu tidak lebih dari satu tahun. Dalam forecasting biasanya gelombang musim dinyatakan dalam bentuk indeks yang sering disebut dengan indeks musim. Ada beberapa metode yang digunakan untuk menghitung indeks musim, antara lain metode rata-rata sederhana, metode persentase terhadap trend, metode persentase terhadap rata-rata bergerak. (J. Supranto, 2004)
2.5.5 Metode Exponential Smoothing with Trend Menurut Harinaldi dalam bukunya yang berjudul Prinsip-Prinsip Statistik untuk Teknik dan Sains (2005), penghalusan eksponensial yang disesuaikan adalah
ramalan penghalusan eksponensial sederhana dengan penambahan suatu faktor penyesuaian tren. Teori tersebut diberi nama Exponential Smoothing with Trend.
23
Rumus Exponential Smoothing with Trend adalah sebagai berikut (Harinaldi, 2005):
AFt+1 = Ft+1 + Tt+1 Tt+1 = β (Ft+1 – Ft) + (1-β) Tt
Dimana: T
= suatu faktor tren penghalusan eksponensial
β
= bobot konstanta penghalus tren
Tt
= faktor tren periode akhir
2.5.6 Metode Weighted Moving Average Menurut Harinaldi pada aplikasi metode rata-rata bergerak tertimbang (Weighted Moving Average), terlebih dahulu manajemen atau analisis data menetapkan bobot dari data yang ada. Penetapan bobot dimaksud bersifat subjektif, tergantung pada pengalaman dan opini analisis data. Rumus dari Weighted Moving Average adalah sebagai berikut:
WMA(n)
=
∑) (*+ '( ∑%
Sekalipun demikian, terdapat beberapa acuan pemikiran dalam menentukan bobot dimaksud (Harinaldi, 2005), yaitu sebagai berikut: 1. Perlu menetapkan apakah volume yang terakhir lebih besar peluangnya untuk berulang atau sebaliknya. Jika analisis memutuskan,
24
bahwa probabilita keberulangan lebih besar pada realisasi yang terqakhir, maka probabilita akan lebih besar pada periode akhir dibanding dengan periode awal. 2. Jumlah probabilitas atau bobot adalah sama dengan satu.
2.6
Ukuran Akurasi Peramalan Menurut Jay Heinzer dan Barry Render (2009) ada beberapa perhitungan
yang biasa dipergunakan untuk menghitung kesalahan peramalan (forecast error) total. Perhitungan ini dapat dipergunakan untuk membandingkan model peramalan yang berbeda, juga untuk mengawasi peramalan, untuk memastikan peramalan berjalan dengan baik. Model-model peramalan yang dilakukan kemudian divalidasi menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan adalah rata-rata penyimpangan absolut (Mean Absolute Deviation), dan rata-rata kuadrat terkecil (Mean Square Error). 1. Mean Absolute Deviation (MAD) Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan rumus sebegai berikut.
MAD =
∑) (*+ |'( '( |
%
25
2. Mean Squared Error (MSE) Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahankesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar. Mean squared error adalah rata-rata dari kesalahan forecast dikuadratkan, atau jika dituliskan dalam bentuk rumus adalah :
MSE =
2.7
- ∑) (*+'( '(
%
Hubungan Forecast dengan Rencana Peramalan (forecasting) merupakan alat bantu yang sangat penting dalam
perencanaan yang efektif dan efisien. Dalam bidang ekonomi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan beberapa jam. Dalam situasi seperti ini, peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali manajemen, seperti berasal dari ekonomi nasional, pemerintah, pelanggan, dan pesaing. Dari peramalan inilah suatu perusahan
26
dapat melakukan suatu perencanaan dan pengambilan suatu keputusan yang dirasa tepat (Pengestu Subagyo, 2000 : 24). Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Pengestu Subagyo, 2000 : 25). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecasting adalah peramalan apa yang akan terjadi tetapi belum tentu bisa dilaksanakan oleh perusahaan.
2.8
Pengertian Penjualan Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencana-
rencana strategisyang diarahkan pada usaha pemuasan kebutuhan dan keinginan pembeli, guna mendapatkan penjualan yang menghasilkan laba. Penjualan merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat diperoleh laba serta suatu usaha memikat konsumen yang diusahakan untuk mengetahui daya tarik mereka sehingga dapat mengetahui hasil produk yang dihasilkan. Berikut ini dikemukakan definisi penjualan menurut beberapa ahli sebagai berikut : a) Sutamto (2003 : 8) mengemukakan bahwa penjualan adalah usaha yang dilakukan manusia untuk menyampaikan barang kebutuhan yang telah dihasilkannya kepada mereka yang memerlukannya dengan imbalan uang menurut harga yang ditentukan atas persetujuan bersama. b) Winardi (2003 : 3) mengemukakan penjualan sebagai proses dimana sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan atau
27
keinginan sang pembeli yang berkelanjutan dan menguntungkan kedua belah pihak. Dari definisi penjualan diatas dapat disimpulkan bahwa betapa pentingnya fungsi penjualan bagi sebuah perusahaan, dimana proses penjualan bertujuan untuk memuaskan kebutuhan pembeli, dan akhirnya menguntungkan kedua belah pihak.
2.8.1 Tujuan Penjualan Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka waktu lama. Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan seperti yang direncanakan. Menurut Basu Swasta (dalam Manajemen Penjualan, 2004 : 13) perusahaan pada umumnya mempunyai tiga tujuan dalam penjualannya, yaitu : a) Mencapai volume penjualan tertentu b) Mendapat laba tertentu c) Menunjang pertumbuhan perusahaan Adapun faktor-faktor yang harus diperhatikan dalam mencapai tujuan penjualan diantaranya adalah (Basu Swasta, 2004) : a) Modal yang diperlukan b) Kemampuan merencanakan dan membuat produk c) Kemampuan menentukan tingkat harga yang tepat d) Kemampuan memilih penyalur yang tepat e) Kemampuan menggunakan cara-cara promosi yang tepat
28
f) Unsur penunjang yang lain
2.9
Memilih Metode Yang Tepat Berdasarkan pendapat-pendapat dari beberapa penerbit buku ditemukan
beberapa cara untuk memilih metode forecasting yang tepat, antara lain: Menurut pendapat Singgih Santoso (2009: 13) dalam bukunya menyebutkan, suatu proses perubahan yang dapat diketahui dengan cepat akan memberikan hasil forecast yang mendekati kenyataan, akan tetapi sering kali proses perubahan ini sulit diketahui. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memiliki kesalahan (error) minimal. Hasil ramalan tersebut biasanya memiliki nilai MAD dan MSE terkecil dan merupakan ramalan yang akurat dan bermanfaat bagi penyusunan rencana selanjutnya. Sedangkan Pengestu Subagyo (2000: 6) berpendapat dalam bukunya agar suatu ramalan menjadi akurat, data yang akan diramalkan harus relevan dan metode peramalan yang digunakan harus tepat. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan. MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Banyak sekali metode peramalan yang ada, satu metode peramalan yang cocok digunakan untuk meramalkan suatu hal belum tentu cocok untuk meramalkan hal lainnya. Oleh karena itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri pola gerakan yang dimiliki oleh data yang dimiliki, sehingga hasilnya bisa meminimumkan kesalahan forecast. J. Supranto (2001: 7) memiliki pendapat, untuk meramalkan suatu data yang memiliki pola trend (naik atau turun) akan lebih tepat bila menggunakan metode
29
dekomposisi atau disebut dengan Linear Regression, sedangkan untuk meramalkan data yang memiliki pola fluktuatif akan lebih tepat bila menggunakan metode smoothing.
Sehingga dapat disimpulkan untuk memilih metode forecast yang tepat perlu diperhatikan keakuratan hasil forecast disetiap masing-masing metode melalui nilai MAD yang terkecil, dan biasanya suatu data yang memiliki pola trend naik atau turun, akan lebih tepat bila menggunakan metode Linear Regression sebagai metode forecasting.
30
2.10
Literature Review
Tabel 2.1 Literature Review FORECASTING Metode
Nama
Penelitian
Pengarang
Forecasting
Sarjono,
Jurnal Manajemen,
Hasil dari
Haryadi
Akutansi dan
Forecasting yaitu
Ekonomi
dengan
Pembangunan.
menggunakan
“Peramalan Produk
metode Linear
Air Mineral Dengan
Regression dengan
Pendekatan
MAD dan MSE
Perbandingan
terkecil yaitu 9.265
Program Minitab
dan 127.357, hasil
AND QM for
forecast 225 botol.
Jurnal
Hasil Penelitian
Windows” (2011) FORECASTING Forecasting
Sarjono,
Jurnal Manajemen di
Hasil yang tingkat
Haryadi, Yulia
Bidang Jasa
kesalahan terkecil
Agustina dan
Pariwisata dan
dari beberapa
Arko Pujadi
Lingkungan,
metode yaitu
Keuangan dan Pasar
Exponential
Modal. “Analisis
Smoothing. MAD =
Peramalan Penjualan
15.67 (alpha 0.1)
Pada PT Multi Megah
MSE = 366.10
Mandiri Tahun 2009”
(alpha 0.5)
(2009) Sumber: Pengolahan Penulis, (2013)
31
2.11
Kerangka Pemikiran
START
Data Volume Penjualan Motor PT. HONDA DUNIA MOTORINDO periode Januari 2012 – Mei 2013
MELAKUKAN PERHITUNGAN
Naïve Method
Linear Regression Moving Average
Weighted Moving Average
Exponential Smoothing with Trend
Menghtung MAD & MSE untuk masing-masing metode
Penentuan Metode Forecasting yang digunakan Sumber: Pengolahan Penulis, (2013) Gambar 2.1 Flowchart Kerangka Pemikiran
Exponential Smoothing
