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
