MERI NILAWATI H

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN DALAM PERENCANAAN STRATEGI PEMASARAN

Oleh MERI NILAWATI H24104071

DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2008

Abstrak Meri Nilawati. H24104071. Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Di bawah bimbingan M. Syamsun dan Farida Ratna Dewi Salah satu hal yang dibutuhkan dalam pembentukan strategi yang baik bagi perusahaan adalah peramalan terhadap penjualan pada tahun yang akan datang. Peramalan penjualan secara kuantitatif belum pernah dilakukan oleh PT. Aneka Tambang, Tbk UBPP Logam Mulia, padahal perusahaan ini memproduksi serta mejual emas dan perak berskala besar baik di dalam negeri maupun di luar negeri. Penelitian ini bertujuan (1) Mengidentifikasi pola penjualan Emas dan Perak UBPP Logam Mulia, (2) Mendapatkan metode peramalan time series terbaik berdasarkan pola data penjualan Emas dan Perak UBPP Logam Mulia, dan (3) Mendapatkan hasil peramalan sehingga dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan UBPP Logam Mulia. Informasi dan pengumpulan data yang dikumpulkan meliputi data primer dan sekunder serta jenis data yang bersifat kualitatif dan kuantitatif. Data primer diperoleh dari hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak manajemen sebagai narasumber. Sedangkan data sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau laporan internal. Analisis menggunakan peramalan dengan metode time series dengan alat pengolah data Minitab 14. Data penjualan PT Aneka Tambang, Tbk UBPP Logam Mulia selama tahun 2001 sampai dengan 2007 berfluktuasi dan merupakan data stationer. Metode dengan MAPE paling kecil adalah metode terbaik yang dipilih dalam menentukan berapa besar penjualan di tiap bulan, yaitu Moving Average dan ARIMA yang dicobakan pada data penjualan historis menghasilkan nilai peramalan penjualan ekspor domestik emas dan perak. Dari hasil peramalan didapatkan bahwa penjualan ekspor emas dapat mencapai jumlah 404,96 Kg setiap bulannya (dengan selang peramalan sebesar 231,741 sampai dengan 1.041,66). Peramalan penjualan domestik emas mencapai jumlah 117,919 Kg setiap bulannya (dengan selang peramalan sebesar -145,105 sampai dengan 380,943). Peramalan penjualan ekspor perak mencapai jumlah 12.289 Kg pada tahun 2008, 10.471,05 Kg pada tahun 2009, dan 10.220,88 Kg pada 2010. Peramalan untuk penjualan domestik perak dapat mencapai jumlah 12.013,18 Kg pada tahun 2008, 13.667,64 Kg pada tahun 2009, dan 13.889 Kg pada 2010. Peramalan digunakan sebagai acuan dalam perencanaan strategi pemasaran (STP dan Marketing Mix) selanjutnya. Berdasarkan peramalan yang dilakukan perencanaan startegi pemasaran meliputi memperluas segmen bedasarkan geografis, meningkatkan kerja sama dengan negara baru, memperkukuh posisi sebagai satu-satunya pabrik pemurnian logam mulia di Indonesia, serta memperluas negara tujuan ekspor dengan cara peningkatan posititioning perusahaan di dunia. Selanjutnya adalah memperkaya desain produk, penetapan harga yang tepat, membuka kantor pemasaran di negara baru, dan meningkatkan promosi pada media internet.

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Oleh MERI NILAWATI H24104071

DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI MANAJEMEN INSTITUT PERTANIAN BOGOR 2008

INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN MANAJEMEN ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Oleh Meri Nilawati H24104071

Menyetujui, Mei 2008

Dr. Ir. M. Syamsun, M.Sc Dosen Pembimbing I

Farida Ratna Dewi, SE, MM Dosen Pembimbing II

Mengetahui,

Dr. Ir. Jono M. Munandar, M.Sc Ketua Departemen Tanggal ujian : 21 Mei 2008

Tanggal lulus:

RIWAYAT HIDUP Penulis bernama Meri Nilawati, dilahirkan di Padang pada tanggal 31 Mei 1986 dari pasangan Alm. Datuk Kayo dan Sari Kayo. Penulis merupakan anak kelima dari enam bersaudara. Penulis menyelesaikan pendidikan di Sekolah Dasar Negeri 04 Cicadas pada tahun 1992 sampai dengan tahun 1998, Sekolah Lanjutan Tingkat Pertama Negeri 1 Gunung Putri pada tahun 1998 sampai dengan tahun 2001, dan melanjutkan pendidikan di Sekolah Menengah Umum Negeri 3 Bogor pada tahun 2001 sampai dengan tahun 2004. Pada tahun 2004, penulis diterima di Institut Pertanian Bogor melalui jalur Ujian Seleksi Masuk IPB (USMI) di Departemen Manajemen, Fakultas Ekonomi dan Manajemen. Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi kemahasiswaan, yaitu Badan Eksekutif Mahasiswa Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor pada periode 2005-2006 dan 2006-2007 menjabat sebagai bendahara departemen KKHumas BEM FEM IPB 2006-2007. Selama masa kuliah penulis juga aktif dalam kepanitian beberapa acara di fakultas maupun departemen.

KATA PENGANTAR Puji syukur penulis panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat, hidayah, serta pertolongan-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Pada kesempatan ini, penulis ingin menyampaikan ungkapan terima kasih kepada: 1.

Dr. Ir. M. Syamsun, M.Sc. dan Farida Ratna Dewi, SE, MM. sebagai dosen pembimbing yang telah meluangkan waktu dengan penuh kesabaran memberikan bimbingan, membagikan ilmu, motivasi, saran dan pengarahan kepada penulis dalam penyempurnaan skripsi ini.

2. Wita Juwita Ermawati, S.TP, MM. atas kesediaannya untuk menjadi dosen penguji. 3. Dr. Ir. Jono M. Munandar, M.Sc selaku Ketua Departemen Manajemen, seluruh staf dosen pengajar dan karyawan/wati Departeman Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. 4. Kedua orang tua (Papa dan Mama), Goci, Gojo, Goda Hendrik, Goda Pery, Gota, Gorip, Ka Novi, Abang Heri, Rizky, Puja, Aulia, Azzamy, Havist dan seluruh keluarga besar yang selalu memberikan doa restu, semangat, cinta dan kasih sayang kepada penulis. 5. Bapak Abi Anwar, Bapak Budi, Mas Yuki, Mas Agung, dan Mas Chris atas kesediaannya untuk melakukan wawancara dan memberikan waktu, pikiran dan informasi yang berarti bagi penulis. 6. My gorgeous friends Godelieve, inc. Dyne, Aisyah, Nit2, Miaw, Gitri. Genk 8, terutama suTantri dan Rety. I Love You All. 7. Arga Aditya dan keluarga atas doa, cinta dan dukungannya.

8. Timika Lips (Iman, Andi, Kekew, Okty, Made, Gema, Utie, Aldo, JW, dll). Tetaplah exist dan menggila. 9. Teman-teman berbagi dan sepermainan Ajenk (teman seperjuangan), Icu, Noti, Mita, Anggi, Ama, Shiera, Citra, Sekar, Ariz, OO, KW, Hilman, Gala, Ikhwan, Betet, Andree, Dase dan Bapet. Semoga dikemudian hari kita menjadi manusia yang lebih bermanfaat. 10. Teman-teman yang sering membantu semasa kuliah, Teguh, Irwan, Annas, Boulkiners (Rika, Depal, Listy, Edoth, Dedeh, Mba Arin, Mba Nyit2 dan Mba Intan), Teh Rina terima kasih atas kursus kilatnya. Teman-teman Manajemen 41 atas keberasamaannya, serta Manajemen dan FEM angkatan 39, 40 dan 41. Thanx for the support. 11. Papah Yosep, Mamam serta keluarga terimakasih atas dukungan dan sudah bersedia direpotkan. Ibu Ratna sekeluarga, Bi Juju, dan Bi Enok, terimakasih atas keberadaan, pengertian dan doa kalian. 12. A1-066 member (Dita, Dila, Rani). You’r the best roommate ever. 13. Pihak-pihak lain yang tidak dapat disebutkan satu per satu yang telah ikut membantu selama penyusunan skripsi ini. Penulis menyadari bahwa mungkin skripsi ini masih ada kekurangan. Oleh karena itu, dengan segala kerendahan hati penulis mengharapkan kritik dan saran yang bersifat membangun untuk dijadikan bahan perbaikan dalam penulisan yang lebih baik lagi.

Bogor, Mei 2008

Penulis

DAFTAR ISI

Halaman ABSTRAK RIWAYAT HIDUP ...............................................................................

iv

KATA PENGANTAR .............................................................................

v

DAFTAR ISI ..........................................................................................

vi

DAFTAR TABEL .................................................................................

viii

DAFTAR GAMBAR .............................................................................

ix

DAFTAR LAMPIRAN .........................................................................

x

I.

PENDAHULUAN 1.1. 1.2. 1.3. 1.4.

II

Latar Belakang ........................................................................ Perumusan Masalah ................................................................ Tujuan Penelitian .................................................................... Manfaat Penelitian ..................................................................

1 3 4 4

TINJAUAN PUSTAKA 2.1. Logam Mulia ........................................................................... 2.2. Situasi Logam Mulia di Indonesia dan Dunia ......................... 2.3. Peramalan (Forecasting) .......................................................... 2.4. Metode Peramalan ................................................................... 2.4.1. Metode Peramalan Kuantitatif ....................................... 2.4.2. Metode Peramalan Kualitatif ......................................... 2.5. Pemasaran ................................................................................ 2.6. Strategi Pemasaran .................................................................. 2.7. Bauran Pemasaran ................................................................... 2.8. Penelitian Terdahulu ...............................................................

5 6 8 9 10 11 12 13 15 15

III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran ................................................................ 3.2. Lokasi dan Waktu Penelitian .................................................. 3.3. Metodologi Penelitian ............................................................... 3.3.1. Metode Pengumpulan Data ........................................... 3.3.2. Pengolahan dan Analisis Data .......................................

17 19 19 19 19

IV. HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Perusahaan ................................................. 4.1.1. Sejarah PT Aneka Tambang, Tbk UBPP Logam Mulia 4.1.2. Nilai-nilai, Tujuan, Visi, Misi, dan Logo PT Aneka Tambang, Tbk UBPP Logam Mulia ............. 4.1.3. Produk dan Layanan Unggulan PT Aneka Tambang, Tbk UBPPLogam Mulia ..............

31 31 31 33

4.2. 4.3. 4.4. 4.5. 4.6.

4.1.4. Teknologi, Perangkat, dan Fasilitas ............................... 4.1.5. Struktur Organisasi PT Aneka Tambang, Tbk UBPP Logam Mulia ....................................................... Segmentation, Targeting, Positioning ....................................... Bauran Pemasaran (Marketing Mix) ......................................... Analisis Hasil Peramalan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ........................ Intepretasi Hasil Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ........................ Perencanaan Strategi Pemasaran PT Aneka Tambang, Tbk UBPP Logam Mulia ..................................................................

34 35 36 37 41 50 52

KESIMPULAN DAN SARAN 1. Kesimpulan .................................................................................. 2. Saran ............................................................................................

57 58

DAFTAR PUSTAKA ............................................................................

59

LAMPIRAN .............................................................................................

60

DAFTAR TABEL

No 1.

Halaman Data Penjualan Emas dan Perak PT Aneka Tambang, Tbk. UBPP Logam Mulia 2003-2007 ..............................................................

2

2.

Teknologi, Perangkat dan Fasilitas Utama UBPP Logam Mulia ..

35

3.

Aneka produk UBPP Logam Mulia ..............................................

38

4.

Data Penjualan Ekspor Emas 2001-2007 ......................................

42

5.

Data Penjualan Ekspor Emas 2001-2007 ......................................

43

6.

Data Penjualan Ekspor Perak 2001-2007 ......................................

44

7.

Data Penjualan Domestik Perak 2001-2007 .................................

45

8.

Metode dan Nilai MAPE ...............................................................

46

9.

Hasil Peramalan Penjualan Ekspor Perak 2008-2010 ...................

48

10.

Hasil Peramalan Penjualan Domestik Perak 2008-2010 ...............

49

DAFTAR GAMBAR

No

Halaman

1.

Kerangka Pemikiran Penelitian .....................................................

18

2.

Logo Aneka Tambang ...................................................................

32

3.

Logo UBPP Logam Mulia ............................................................

33

4.

Struktur Organisasi UBPP Logam Mulia ......................................

35

5.

Produk UBPP Logam Mulia .........................................................

38

6.

Pergerakan Harga Emas ................................................................

39

7.

Pelanggan Dalam Negeri...............................................................

40

8.

Katalog ..........................................................................................

41

9.

Persentase Total Penjualan Emas ..................................................

41

10.

Persentase Total Penjualan Perak..................................................

42

DAFTAR LAMPIRAN

No

Halaman

1.

Daftar Pertanyaan Wawancara ......................................................

2.

Hasil Output Komputer metode Trend, Moving Average, dan ARIMA untuk Ekspor Emas ..................................................

3.

68

Hasil Output Komputer metode Trend, Exponential Smoothing, Moving Average, dan ARIMA untuk Ekspor Pera .......................

5.

61

Hasil Output Komputer metode Trend, Moving Average, dan ARIMA untuk Ekspor Emas ..................................................

4.

60

73

Hasil Output Komputer metode Trend, Moving Average, dan ARIMA untuk Domestik Perak ..............................................

83

I. PENDAHULUAN

1.1.

Latar Belakang Era globalisasi telah menuntut adanya perubahan paradigma lama dalam

segala bidang, salah satunya adalah bidang pemasaran. Pemasaran merupakan salah satu aktivitas penting dalam upaya meningkatkan penjualan sebuah produk. Pemasaran adalah suatu proses sosial dan manajerial di mana individu dan

kelompok mendapatkan kebutuhan dan keinginan mereka dengan menciptakan, menawarkan dan bertukar sesuatu yang bernilai satu sama lain. Semakin tingginya tingkat persaingan di bisnis lokal maupun global dan kondisi ketidakpastian memaksa perusahaan untuk mencapai keunggulan kompetitif (competitive advantage) agar mampu memenangkan persaingan di bisnis global. Kekuatankekuatan yang paling besar dalam persaingan industri akan menentukan serta menjadi sangat penting dari sudut pandang perumusan strategi, hal tersebut pada akhirnya juga akan menentukan kegiatan yang perlu bagi suatu perusahaan untuk berprestasi, seperti inovasi, budaya yang kohesif atau implementasi strategi pemasaran yang baik. Strategi pemasaran merupakan serangkaian tindakan terpadu menuju keunggulan kompetitif yang berkelanjutan yang sangat penting dalam suatu perusahaan. Perubahan dalam dunia usaha yang semakin cepat mengharuskan perusahaan untuk merespon perubahan yang terjadi, problem sentral yang dihadapi perusahaan-perusahaan saat ini adalah bagaimana perusahaan tersebut mampu menciptakan strategi terbaik agar perusahaan tersebut dapat bertahan dan berkembang. Tujuan tersebut akan tercapai jika perusahaan melakukan proses pemasaran secara tepat. Salah satu kegiatan yang mampu menjadi dasar dalam pembuatan strategi pemasaran perusahaan adalah peramalan. Besarnya fluktuasi dan tingginya risiko merupakan karakter yang melekat pada sistem produksi dan distribusi kebanyakan produk bisnis. Hal yang sama juga dapat terjadi pada industri tambang, apabila perusahaan yang ada tidak dapat mempersiapkan diri dengan baik untuk menghadapi tantangan persaingan ini, maka dikhawatirkan produk-produk mereka tidak akan mampu bertahan dalam menghadapi keadaan pasar yang tidak

menentu, sehingga akan berdampak pada kelangsungan perusahaan di masa yang akan datang. Oleh karena itu, menarik untuk dikaji secara mendalam tentang industri tersebut dan pengaruhnya terhadap peramalan yang dilakukan dalam membentuk strategi pemasaran pada perusahaan tambang yang ada di Indonesia. PT Aneka Tambang, Tbk adalah

perusahaan tambang dan logam Indonesia milik

negara yang telah melakukan aktivitas eksplorasi, eksploitasi, produksi, proses manufaktur, pemurnian serta pemasaran ke seluruh dunia sejak tahun 1968.

Unit

Bisnis Pengolahan dan Pemurnian Logam Mulia PT Aneka Tambang, Tbk adalah salah satu unit bisnis strategis PT Aneka Tambang, Tbk yang merupakan satu-satunya pabrik pengolahan dan pemurnian emas di Indonesia. Pemasaran juga merupakan kegiatan penting bagi

UBPP Logam Mulia, sebagai penyedia

emas dan perak di Indonesia, permintaan emas dan perak di pasar dunia merupakan hal yang mempengaruhi dalam pembuatan strategi pemasaran yang tepat agar perusahaan mencapai target perusahaan.

Tabel 1. Data Penjualan Emas dan Perak

PT Aneka Tambang, Tbk

UBPP Logam Mulia

2003-2007 Tahun Logam

2003

2004

Emas (Kg)

4.234,56

3.941,83

Perak (Kg)

23.597,57 20.833,52

2005

2006

2007

3.639,23

3.339,57

5.000,19

26.335,48

17.496,72

22.537,87

Sumber : Laporan OHL UBPP Logam Mulia 2007 Berdasarkan Tabel 1 penjualan terhadap emas dan perak pada PT. Aneka

Tambang, Tbk.

UBPP Logam Mulia berfluktuasi. Penjualan emas tertinggi pada tahun 2007 yaitu sebesar 5000,19 Kg dan penjualan perak tertinggi pada tahun 2003 yaitu sebesar 23.597,57 Kg adanya fluktuasi penjualan tersebut menunjukan bahwa peramalan merupakan hal yang penting. Dengan melakukan peramalan diharapkan perusahaan memilki acuan dalam perencanaan strategi pemasaran yang terbaik sehingga mampu mencapai tujuan perusahaan dengan efisien dan efektif. 1.2.

Perumusan Masalah PT Aneka Tambang, Tbk UBPP Logam Mulia

sebagai satu-satunya pabrik

pengolahan dan pemurnian emas di Indonesia juga harus mampu bergerak cepat dan tepat dalam menjalankan

strategi perusahaan, agar data penjualan yang berfluktuatif dan cenderung turun beberapa tahun belakangan mampu bertahan menuju peningkatan. Salah satu hal yang dibutuhkan dalam pembentukan strategi yang baik bagi perusahaan adalah peramalan terhadap penjualan pada tahun yang akan datang. Dalam hal ini peramalan penjualan secara kuantitatif belum pernah dilakukan oleh

PT Aneka Tambang, Tbk UBPP

Logam Mulia, padahal perusahaan ini memproduksi serta mejual emas dan perak berskala besar baik di dalam negeri maupun di luar negeri. Kondisi pada waktu yang akan datang tidak dapat diperkirakan secara pasti sehingga manajemen perusahaan harus bekerja dengan berorientasi pada kondisi waktu yang akan datang yang tidak pasti. Dasar dari prediksi penjualan perusahaan adalah omset penjualan yang ingin dicapai dan ditetapkan oleh pihak manajemen. Prediksi yang dilakukan adalah berdasarkan pengalaman, yaitu dengan melihat kecenderungan penjualan selama tujuh tahun terakhir. Hal tersebut dilakukan untuk melihat kemungkinan apakah target dapat dinaikan atau tidak. Target perusahaan merupakan perkiraan atau peramalan ke depan yang digunakan untuk mencapai target yang diinginkan. Hasil peramalan kemudian dapat digunakan sebagai acuan untuk menentukan perencanaan dan langkahlangkah selanjutnya. Oleh karena itu peramalan merupakan kegiatan yang penting bagi PT Aneka Tambang, Tbk UBPP Logam Mulia. Dari uraian yang sudah dipaparkan maka permasalan yang akan diteliti adalah : 1.

Bagaimana pola penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia?

2.

Metode peramalan time series apa yang terbaik berdasarkan pola data penjualan

Emas dan

Perak PT Aneka Tambang, Tbk UBPP Logam Mulia? 3.

Bagaimana peramalan penjualan dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan PT Aneka Tambang, Tbk UBPP Logam Mulia?

1.3.

Tujuan Penelitian Adapun tujuan penelitian ini adalah sebagai berikut :

1.

Mengidentifikasi pola penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia.

2.

Mendapatkan metode peramalan time series terbaik berdasarkan pola data penjualan

Emas dan

Perak PT Aneka Tambang, Tbk UBPP Logam Mulia. 3.

Mendapatkan hasil peramalan

sehingga dapat menjadi acuan dalam perencanaan

strategi pemasaran yang mungkin diterapkan

PT Aneka Tambang, Tbk UBPP Logam

Mulia. 1.4.

Manfaat Penelitian Adapun manfaat penelitian ini adalah :

1.

Bagi PT Aneka Tambang, Tbk UBPP Logam Mulia penelitian ini diharapkan dapat memberikan masukan dalam perencanaan

strategi pemasaran

untuk pengembangan perusahaan.

2.

Bagi peneliti, penelitian ini berguna sebagai bahan aplikasi hasil perkuliahan selama ini, yang akan sangat bermanfaat dalam penyelesaian tugas akhir peneliti serta membantu dalam mendapatkan gelar Sarjana Ekonomi dari Departemen Manajemen Fakultas Ekonomi Dan Manajemen Institut Pertanian Bogor.

3.

Bagi pembaca atau pihak lainnya, hasil penelitian ini diharapkan dapat memperluas salah satu kajian ilmu pemasaran khususnya dalam bidang strategi pemasaran serta sebagai bahan informasi untuk penelitian lebih lanjut.

II. TINJAUAN PUSTAKA

2.1.

Logam Mulia Logam mulia adalah logam yang tahan terhadap korosi maupun oksidasi,

contoh logam mulia adalah emas, perak, dan platina. Umumnya logam-logam mulia memiliki harga yang tinggi, karena sifatnya yang langka dan tahan korosi. Logam mulia sangat sukar bereaksi dengan asam. Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: aurum) dan nomor atom 79. Emas tidak bereaksi dengan zat kimia lainnya tapi terserang oleh klorin, fluorin dan aqua regia. Logam ini banyak terdapat di nugget emas atau serbuk di bebatuan dan di deposit alluvial dan salah satu logam coinage. Emas melebur dalam bentuk cair pada suhu sekitar 1000 derajat celcius (Wikipedia, Indonesia). Emas merupakan logam yang bersifat lunak dan mudah ditempa, kekerasannya berkisar antara 2,5 – 3 (skala Mohs), serta berat jenisnya tergantung pada jenis dan kandungan logam lain yang berpadu dengannya. Mineral pembawa emas biasanya berasosiasi dengan mineral ikutan (gangue minerals). Mineral ikutan tersebut umumnya kuarsa, karbonat, turmalin, flourpar, dan sejumlah kecil mineral non logam. Mineral pembawa emas juga berasosiasi dengan endapan sulfida yang telah teroksidas, mineral pembawa emas terdiri dari emas nativ, elektrum, emas telurida, sejumlah paduan dan senyawa emas dengan unsur-unsur belerang, antimon, dan selenium. Emas terbentuk dari proses magmatisme atau pengkonsentrasian di permukaan. Beberapa endapan terbentuk karena proses metasomatisme kontak dan

larutan

hidrotermal,

sedangkan

pengkonsentrasian

secara

mekanis

menghasilkan endapan letakan (placer). Emas digunakan sebagai standar keuangan di banyak negara dan juga digunakan sebagai perhiasan, dan elektronik. Penggunaan emas dalam bidang moneter dan keuangan berdasarkan nilai moneter absolut dari emas itu sendiri terhadap berbagai mata uang di seluruh dunia, meskipun secara resmi di bursa komoditas dunia, harga emas dicantumkan dalam mata uang dolar Amerika. Bentuk penggunaan emas dalam bidang moneter lazimnya berupa bullion atau batangan emas dalam berbagai satuan berat gram sampai kilogram.

Perak adalah suatu unsur kimia dalam tabel periodik yang memiliki lambang Ag dan nomor atom 47. Lambangnya berasal dari bahasa Latin Argentum. Sebuah logam transisi lunak, putih, mengkilap, perak memiliki konduktivitas listrik dan panas tertinggi di seluruh logam serta terdapat di mineral dan dalam bentuk bebas. Logam ini digunakan dalam koin, perhiasan, peralatan meja, dan fotografi. Beberapa Negara menjadikan perak sebagai uang yang dibuat murni berbahan perak. Ion dan komposisi perak juga dibutuhkan dalam bidang perobatan, yaitu dapat menunjukan pengaruh racun dari beberapa bakteri, virus, alga dan jamur. Selain itu perak memiliki kegunaan untuk melindungi atau menjadi wadah yang baik, misalnya wadah untuk menyimpan air, anggur dll (Wikipedia, Indonesia). 2.2.

Situasi Logam Mulia Fakta yang terjadi saat ini menunjukkan bahwa ada ketidakseimbangan

aktivitas perdagangan internasional, yang terjadi akibat tidak berimbangnya penguasaan mata uang dunia, dan ditandai semakin merajalelanya dolar AS. Kondisi tersebut kemudian diperparah dengan kemunculan Euro sebagai mata uang bersama negara-negara Eropa. Sebagian besar masyarakat

Indonesia

percaya emas adalah produk investasi yang bisa menangkal inflasi. Potensi endapan emas terdapat di hampir setiap daerah di Indonesia, seperti di Pulau Sumatera, Kepulauan Riau, Pulau Kalimantan, Pulau Jawa, Pulau Sulawesi, Nusa Tenggara, Maluku, dan Papua. Sejarah membuktikan emas akan meningkat peminatnya apabila terjadi kepanikan yang bisa membahayakan ekonomi negara, seperti inflasi tinggi, krisis keuangan, atau perang. Inflasi merupakan kenaikan harga barang dan jasa secara umum. Menurut keparahannya, ada tiga tipe inflasi: Inflasi Moderat, yaitu apabila laju inflasi hanya berada di bawah dua digit per tahun (di bawah 10 persen) Inflasi Ganas, yaitu apabila laju inflasi berada pada dua digit per tahun (10 persen - 99 persen) Inflasi Hiper, yaitu apabila laju inflasi berada pada tiga digit per tahun (100 persen atau lebih)

Apabila terjadi inflasi tinggi, harga emas akan naik lebih tinggi daripada inflasi. Semakin tinggi inflasi, semakin tinggi kenaikan harga emas. Statistik menunjukkan bahwa bila inflasi mencapai 10 persen, maka emas akan naik 13 persen. Bila inflasi 20 persen, maka emas akan naik 30 persen. Tetapi bila inflasi 100 persen, maka emas akan naik 200 persen. Kenyataan ini menyatakan emas dipercaya sebagai investasi penangkal inflasi. Semakin tinggi inflasi, biasanya akan semakin baik kenaikan nilai emas yang dimiliki (www.emaskita.com). Guncangan pasar juga menjadi alasan investor untuk beralih ke emas sebagai portofolionya. Lonjakan harga emas terjadi karena beberapa faktor, baik ekonomi maupun politik. Ketegangan geopolitik cenderung mendorong harga. Ketika terjadi gejolak ekonomi dan pergolakan politik, investasi konvensional seperti saham akan jatuh, namun emas cenderung naik. Lonjakan harga emas sering kali dikaitkan dengan kenaikan harga minyak. Karena harga minyak juga memiliki korelasi yang tinggi terhadap ekonomi dan geopolitik. Ada beberapa alasan yang melatarbelakangi investor memburu emas. Salah satunya adalah sebagai pelindung dari inflasi (inflation hedge). Namun perburuan akhir-akhir ini justru semakin mendorong harga dan akhirnya inflasi maupun ekspektasi inflasi. Kekhawatiran mengenai inflasi juga menjadi faktor pendorong kenaikan emas itu. Belum lagi masalah pasokan, yang akhir-akhir ini cenderung ketat. Kebutuhan perhiasan masyarakat Indonesia yang tinggi saat ini juga kurang bisa dipenuhi Indonesia, karena selalu dikelola secara tradisional dan belum tersentuh teknologi. Sehingga mulai dipikirkan, misalnya mengembangkan motif-motif spesifik Indonesia yang ribuan ragamnya. Penggunaan emas sebagai alat transaksi perdagangan internasional dapat dilakukan melalui perjanjian pembayaran bilateral (bilateral payment arrangement) maupun perjanjian pembayaran multilateral (multilateral payment arrangement). Perjanjian pembayaran produk yang diperdagangkan akan melalui tahapan dan mekanisme yang melibatkan bank umum, bank sentral, dan custodian emas (penyimpan emas). Ada empat tahapan yang dilalui dalam mekanisme transaksi perdagangan tersebut. Pertama, adanya perjanjian dagang antara importir dan eksportir yang

berada di dua negara yang berbeda, dengan kejelasan kondisi barang dan jumlah

barang yang akan ditransaksikan. Kedua, setelah melakukan perjanjian dagang, kemudian pihak importir akan mengeluarkan letter of credit (LC) untuk melakukan pembayaran melalui bank yang sudah ditunjuknya. Selanjutnya, pihak eksportir akan menerima LC dari bank tersebut. Ketiga, pihak bank yang ditunjuk oleh importir akan segera melakukan pembayaran kepada bank sentral dengan menggunakan mata uang lokal yang kemudian akan mengakumulasikan transaksi kedua negara dengan standar emas hingga masa kliring. Keempat, setelah masa kliring selesai, bank sentral negara importir akan mentransfer emas senilai dengan transaksi perdagangan kedua negara kepada pihak custodian emas yang telah ditunjuk, untuk selanjutya diserahkan kepada bank sentral negara eksportir. Bank sentral negara eksportir ini selanjutnya akan melakukan pembayaran dalam mata uang lokal kepada bank yang telah ditunjuk oleh eksportir. Kemudian bank tersebut akan menyerahkannya kepada pihak eksportir (www.emaskita.com). Bank Dunia, lembaga utama yang bergiat menuntaskan kemiskinan dunia, beranggapan

bahwa

perusahaan-perusahaan

tambang

multinasional

akan

membawa investasi, mendorong pembangunan jalan, sekolah dan pekerjaan, ke negara-negara yang tidak memiliki banyak modal selain sumber daya alam mereka. Dalam sejarahnya yang panjang, saat ini emas tiba pada suatu masa baru dengan peluang namun disisi lain terdapat juga bahaya yang mungkin dapat terjadi. 2.3.

Peramalan (Forecasting) Peramalan adalah kegiatan penerapan model yang telah dikembangkan

pada waktu yang akan datang. Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi atau pola data pada waktu yang lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi pada waktu yang akan datang. Selanjutnya, model itu digunakan untuk meramalkan kondisi pada waktu yang akan datang. Ada dua dimensi waktu yang tercakup, yaitu dimensi waktu yang lalu dengan data tersedia dan dimensi waktu yang akan datang dengan data tak tersedia (Aritonang R, 2002). Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola sistematis. Dalam dunia bisnis, hasil

peramalan mampu memberikan gambaran tentang masa depan perusahaan yang memungkinkan manajemen membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi perusahaan (Sugiarto dan Harijono, 2000). Dalam

memilih

suatu

metode

peramalan,

kita

dituntut

untuk

memperhatikan beberapa faktor (Arsyad, 1994). Derajat kerincian harus diperhatikan karena memerlukan pertimbangan yang cermat dalam memilih metode peramalan agar hasilnya dapat digunakan untuk membantu proses pembuatan keputusan oleh manajer dari suatu organisasi. Metode yang dipilih harus menghasilkan suatu ramalan yang akurat, tepat waktu, dan dapat dimengerti oleh manajemen sehingga ramalan tersebut dapat membantu dalam menghasilkan ramalan yang paling baik. Namun, penggunaan metode peramalan sebaiknya menghasilkan manfaat yang lebih banyak daripada pengeluaran biaya. Prediksi tentang hasil pada masa datang jarang sekali tepat, oleh karena itu seorang peramal biasanya hanya mampu untuk mengurangi atau memperkecil tingkat kesalahan yang ada. Para peramal menyadari bahwa para manajer dalam bidang fungsionalnya masing-masing menghadapi situasi, persoalan, dan keputusan yang berbeda-beda. Namun demikian, ada 3 unsur pokok yang sama dalam kaitannya dengan masalah peramalan, yaitu: Waktu, secara spesifik dalam semua situasi pengambilan keputusan selalu berhubungan dengan masa depan. Situasi ketidakpastian, jika pengambil keputusan yakin terhadap hasil yang akan terjadi dimasa datang maka peramalan tidak ada gunanya. Keputusan-keputusan yang didasarkan pada ramalan-ramalan yang dibuat berdasarkan analisis statistik untuk mengidentifikasi pola data historis yang dapat diramalkan. 2.4.

Metodologi Peramalan Dalam membuat peramalan permintaan, dapat menggunakan suatu metode

tertentu. Pada dasarnya semua metode peramalan memiliki ide yang sama yaitu menggunakan data masa lalu untuk memperkirakan atau memproyeksikan data di masa yang akan datang. Berdasarkan tekniknya, metode peramalan dapat dikategorikan ke dalam metode kuantitatif dan kualititatif. Metode kuantitatif

dapat dibagi ke dalam deret waktu satu ragam (time series) dan metode kausal, sedangkan metode kualititatif dapat dibagi menjadi eksploratoris dan normatif. 2.4.1. Metode Peramalan Kuantitatif Peramalan kuantitatif melibatkan analisis statistik terhadap datadata yang lalu. Metode peramalan kuantitatif terbagi atas dua golongan yaitu model deret waktu satu ragam dan model kausal. Model deret waktu satu ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu. Model kausal fokus pada identifikasi dan determinasi hubungan antar variable yang akan diramalkan (Firdaus, 2006). Untuk mendapatkan peramalan yang akurat, terdapat dua hal yang harus diperhatikan yaitu pengumpulan data secara baik dan peramalan dengan teknik yang tepat. Untuk itu perlu dilakukan langkah-langkah secara berurutan yaitu: 1.

Menentukan tujuan peralaman dan peubah yang akan dianalisis.

2.

Mengumpulkan data.

3.

Membuat dan menentukan pola data.

4.

Estimasi model dan menghitung nilai yang akan diramalkan serta hasil estimasi. Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi

berikut : 1.

Tersedia informasi tentang masa lalu (data historis).

2.

Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik

3.

Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Suatu pemahaman yang cepat mengenai analisis deret atau runtut

waktu satu ragam ini adalah mencoba untuk menjelaskan atau memperhatikan perilaku serial data tersebut. Untuk menghindari pekerjaan yang sia-sia, apa yang diperlukan adalah suatu pendekatan yang sistematis untuk menganalisis series tersebut. Metode dekomposisi klasik adalah suatu metode yang didasarkan pada asumsi bahwa data tersebut dapat

didekomposisikan seperti trend, siklus, dan ketidakberaturan,

berikut

penjelasannya: 1.

Komponen Siklus, datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti berhubungan dengan siklus bisnis. Komponen siklus adalah fluktuasi seperti gelombang di sekitar trend yang biasanya dipengaruhi oleh perubahan-perubahan keadaan ekonomi secara umum. Pola siklus cenderung untuk berulang setiap dua tahun, tiga tahun atau lebih. Fluktuasi siklus biasanya dipengaruhi oleh perubahan ekonomi (ekspansi atau kontraksi), yang biasanya kita kenal sebagai siklus usaha (business cycle).

2.

Komponen musiman, suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Komponen ini menunjukkan pola perubahan yang berulang setiap tahun. Untuk data serial bulanan, komponen musiman mengukur variabilitas serial tersebut untuk setiap Januari, setiap Februari, dan seterusnya. Untuk data runtut kuartalan, ada 4 elemen musiman untuk setiapm kuartalan.

3.

Komponen Ketidakberaturan, mengukur variabilitas runtut waktu setelah komponen-komponen lainnya dipindahkan (removed). Komponen ini memperhatikan variabilitas acak dalam suatu data deret waktu yang disebabkan oleh faktor-faktor yang tidak dapat diramalkan dan tidak dapat dikendalikan. Hampir semua komponen ketidakberaturan ini terjadi karena variabilitas acak. Namun demikian, kadang kala peristiwa-peristiwa yang dapat diramalkan, seperti mogok kerja, perubahan cuaca, atau musim yang

tiba-tiba

serta

pemilihan

umum

yang

dapat

juga

menyebabkan suatu variabel menjadi tidak teratur. 2.4.2. Metode Peramalan Kualititatif Metode peramalan kualitatif atau teknologis tidak memerlukan data seperti metode kuantitatif, tetapi merupakan hasil dari pemikiran intuitif, perkiraan (judgment), dan pengetahuan yang telah didapat. Bila metode

dapat digunakan tetapi tidak sesuai, maka metode kualitatif dapat digabungkan dengan metode kuantitatif (Aritonang, 2002). 1.

Pendapat Dewan Eksekutif Perusahaan Para dewan eksekutif perusa-haan atau top managers berdiskusi dalam kelompok kecil, seringkali mengkombinasikan dengan model statistik. Hasilnya merupakan prediksi permintaan.

2.

Gabungan Tenaga Penjualan Setiap orang di bagian penjualan memperkirakan penjualan di wilayah masing-masing kemudian digabung.

3.

Survei Pasar Menanyakan input-input dari konsumen atau konsumen potensial yang memperhatikan rencana pembelian mereka di waktu mendatang.

4.

Metode Delphi Proses pengambilan keputusan iterasi yang melibatkan para ahli, yang berada di lokasi berbeda untuk membuat peramalan dan bersifat judgment.

5.

Dinamika Sistem Pada pendekatan ini dikem-bangkan suatu skenario berupa satu sistem. Pengaruh tiap perubahan yang diskenariokan dari sistem itu harus dianalisis pengaruhnya.

2.5.

Pemasaran Kotler (2000) mendefinisikan peluang pemasaran perusahaan sebagai

arena yang menarik untuk tindakan pemasaran perusahaan dimana perusahaan tersebut akan dapat meraih keuntungan persaingan. Kemungkinan berhasil sebuah perusahaan yang memanfaatkan peluang tentu bergantung pada keunggulan perusahaan yang dapat menghasilkan nilai terbaik bagi pelanggan dan dapat mempertahankannya. Untuk memahami lebih dalam mengenai strategi pemasaran terlebih dahulu haruslah memahami konsep pemasaran. Konsep pemasaran menurut Kotler dan Armstrong (1995) merupakan suatu daur proses yang tercipta ketika ada kebutuhan-kebutuhan yang berwujud pada suatu keinginan dengan didukung

daya beli yang memungkinkan maka timbullah permitaan terhadap suatu produk. Produk yang dikonsumsi tersebut akan memiliki nilai tertentu dan diyakini akan memberikan kepuasan tersendiri pada konsumen. Sehingga dengan sumber daya yang dimilik, konsumen tidak akan ragu melakukan pertukaran sumber daya yang dimilikinya dengan produk yang diinginkannya. Pertukaran tersebut akhirnya menciptakan sebuah komunikasi antar konsumen dan pedagang lewat sebuah transaksi jual beli. Hubungan dan transaksi yang tercipta mewujudkan suatu bentuk pasar, yaitu sebagai sarana berlangsungnya transaksi jual beli. Pemasaran adalah suatu proses kegiatan yang dipengaruhi oleh faktor sosial, budaya, politik, ekonomi, dan manajerial. Akibat dari pengaruh berbagai faktor tersebut sehingga masing-masing individu maupun kelompok mendapatkan kebutuhan dan keinginan dengan menciptakan, menawarkan, dan menukarkan produk yang memiliki nilai komoditas (Rangkuti, 2005). Selain itu, pemasaran adalah suatu proses sosial dan manajerial sehingga dengan proses tersebut manusia, individu, atau kelompok memperoleh apa yang mereka butuhkan dan mereka inginkan dengan cara menciptakan serta mempertukarkan produk dan nilai dengan pihak lain (Kotler dan Armstrong, 1995). Sementara itu menurut Kotler dan Armstrong (1995), manajemen pemasaran adalah analisis, perencanaan, pelaksanaan dan pengendalian program yang dirancang untuk menciptakan, membangun dan mempertahankan pertukaran yang menguntungkan dengan pembeli sasaran dengan maksud untuk mencapai sasaran organisasi. 2.6.

Strategi Pemasaran Perencanaan strategis yang berorientasi pasar adalah proses manajerial

untuk mengembangkan dan menjaga agar tujuan, keahlian, dan sumber daya organisasi sesuai dengan peluang pasar yang terus berubah. Tujuan perencanan strategis adalah untuk membentuk serta menyempurnakan usaha bisnis dan produk perusahaan sehingga memenuhi target laba dan pertumbuhan. Strategi merupakan alat untuk mencapai tujuan. Strategi didefinisikan sebagai tujuan jangka panjang dari suatu perusahaan, serta pendayagunaan dan alokasi sumber daya yang penting untuk mencapai tujuan tersebut (Chandler dalam Rangkuti, 2001). Agar tujuannya tercapai, perusahaan harus merancang dan

menerapkan strategi pemasaran bagi produknya. Menurut Kartajaya (2002), ada sembilan elemen pemasaran yang berada di komponen-komponen strategi, taktik, value. Komponen-komponen strategi terdiri dari segmentation, targeting, dan positioning. Smith dalam Angipora (2002) mengemukakan bahwa segmentasi pasar merupakan pembagian dari pasar secara keseluruhan dalam kelompok-kelompok sesuai dengan kebutuhan dan ciri-ciri konsumen. Segmentasi adalah melihat pasar secara kreatif, segmentasi merupakan seni mengidentifikasi dan memanfaatkan peluang-peluang yang muncul di pasar. Variabel–variabel yang dapat digunakan untuk mensegmentasikan pasar menurut Kotler (2004) terdiri dari segmentasi geografis, demografis, psikografis, dan perilaku. Targeting merupakan kegiatan yang berisi dan menilai serta memilih satu dari segmen pasar yang akan dimasuki oleh suatu perusahaan. Dalam memilih segmen mana yang dijadikan sasaran, perusahaan dapat memilih untuk memusatkan perhatian pada satu segmen, beberapa segmen, produk yang spesifik, pasar yang spesifik, atau seluruh pasar (Kotler, 2004). Perlu diperhatikan bahwa perusahaan dalam memilih pasar sasaran tidak lepas dari tanggung jawab sosial karena

penetapan pasar sasaran tidak hanya semata-mata untuk kepentingan

perusahaan tetapi juga kepentingan mereka yang dijadikan sasaran. Positioning adalah tindakan merancang tawaran dan citra perusahaan sehingga menempati suatu posisi yang terbedakan (di antara pesaing) dibenak pelanggan sasarannya (Kotler, 2004). Perusahaan membedakan dirinya dengan mengubah karakteristik umum (mempunyai karakteristik tertentu yang beda dan unik) industrinya, sehingga perbedaan itu menjadi keunggulan kompetitif. Hasil akhir dari positioning adalah keberhasilan penciptaan suatu usulan nilai yang terfokus pada pasar, suatu pernyataan sederhana yang jelas mengapa pasar sasaran harus membeli produk itu. Ries & Trout dalam Kotler (2004) berpendapat bahwa produk terkenal pada umumnya memiliki suatu posisi tersendiri di benak konsumen.

2.7.

Bauran Pemasaran Bauran Pemasaran menurut

Kotler dan Armstrong (1995), adalah

himpunan perangkat variabel pemasaran yang terkendali dan diramu perusahaan untuk menghasilkan tanggapan yang diinginkan dalam pasar sasaran hal. Produk (product) Harga (price) Tempat (place) Promosi (promotion) Produk menurut Kotler (2000), adalah kombinasi barang dan jasa yang ditawarkan perusahaan kepada pasar sasaran untuk memenuhi kebutuhan atau keinginan konsumen. Berdasarkan jenis kepentingannya Kotler membagi produk menjadi tiga jenis produk yaitu produk inti, produk aktual dan produk tambahan. Harga merupakan sejumlah uang yang harus dikeluarkan oleh konsumen untuk mendapatkan produk. Harga adalah satu-satunya elemen dalam bauran pemasaran yang menghasilakan pendapatan, elemen-elemen lainnya menimbulkan biaya. Harga juga merupakan salah satu elemen yang fleksibel, harga pada perusahaan yang menggunakan sistem komuditi pasar, dimana pasar yang menentukan harga dapat berubah dengan cepat atau bersifat fluktuatif. Tempat pemasaran adalah serangkaian kegiatan perusahaan yang membuat produk tersedia bagi konsumen sasaran untuk dikonsumsi atau digunakan. Aktivitas penyampaian ini lebih sering disebut sebagai distribusi. Promosi adalah kegitan yang mengkomunikasikan jasa produksi dan keunggulan-keunggulan produknya agar dapat membujuk serta menganjurkan pelanggan sasaran untuk membelinya (Kotler, 2000). 2.8.

Penelitian Terdahulu Strategi pemasaran salah satu hal penting keberadaannya dalam suatu

perusahaan. Dalam penentuan strategi perusahaan memerlukan perumusan yang matang agar strategi yang akan dijalankan mampu memperkuat perusahaan. Penentuan strategi dapat dilakukan dengan beberapa metode. Metode yang digunakan merupakan metode yang paling cocok untuk perusahaan.

Dalam penelitian yang dilakukan oleh Rahmawati (2006) dengan menggunakan metode peramalan time series yang dalam penggunaannya akan terbagi lagi menjadi beberapa metode peramalan yang kemudian akan dipilih metode yang sesuai berdasarkan ketersediaan data dan kesesuaian metode dengan tujuan penelitian. Salah satu tujuan penelitian tersebut adalah meramalkan jumlah ekspor batubara di Indonesia pada tahun 2006. Setelah melakukan percobaan ditetapkan model ARIMA yang memenuhi kriteria untuk melakukan tahap selanjutnya. Dari hasil penelitian yang dilakukan melalui metode peramalan time series, ditarik kesimpulan bahwa peramalan ekspor batubara mengalami peningkatan sepanjang tahun 2006 secara berkelanjutan dari triwulan pertama hingga triwulan keempat. Hasil peramalan jumlah total batubara yang akan diekspor pada tahun 2006 mencapai 107.368.414 ton. Sementara nilai yang akan diberikan sektor pertambangan batubara dari kegiatan ekspor sebesar Rp 51.118,10 milyar. Peningkatan ekspor yang disumbangkan sektor pertambangan ini mencapai Rp 235,25 milyar. Dari segi strategi pemasaran produk menurut hasil penelitian dari Dedi Sulaiman Rambe (2007) CV Gema Insani Press sebagai salah satu penerbit bukubuku Islam harus memiliki ciri khas tersendiri untuk dapat memenangkan persaingan dengan penerbit buku-buku Islam lainnya. Hasil penelitian tersebut menyatakan strategi terpilih yang dapat dilakukan Gema Insani Press yaitu meningkatkan promosi terutama melalui media televisi dengan menjadi sponsorship untuk dapat semakin memperkenalkan buku Gema Insani Press dalam menghadapi persaingan yang tinggi sebesar 6,867. Oleh karena itu CV. Gema Insani Press dianjurkan untuk menjalankan strategi meningkatkan promosi terutama melalui media televisi serta meningkatkan perbincangan mengenai kreativitas untuk memperluas pangsa pasar dan menjalin hubungan baik dengan konsumen untuk dapat melakukan penetrasi pasar dalam menghadapi persaingan yang tinggi.

III. METODOLOGI PENELITIAN

3.1.

Kerangka Pemikiran Salah satu tujuan dari penelitian ini adalah membuat peramalan data

penjualan yang dapat digunakan sebagai acuan dalam perencanaan strategi pemasaran. Sementara itu implementasi dan evaluasi hasil yang diterapkan tersebut merupakan wewenang penuh perusahaan untuk menggunakan hasil yang telah diusulkan dalam penelitian ini. Peramalan penjualan sangat dibutuhkan dalam penentuan strategi pemasaran PT Aneka Tambang, Tbk. UBPP Logam Mulia. Peramalan secara kuantitatif belum pernah dilakukan PT Aneka Tambang, Tbk. UBPP Logam Mulia. Perusahaan membuat suatu peramalan penjualan untuk dijadikan pedoman dalam pengambilan keputusan dengan menargetkan jumlah penjualan. Dalam menentukan keputusan target penjualan selain dari pesanan pelanggan dan peramalan, faktor lain yang menentukan adalah tingkat persediaan, biaya produksi serta tenaga kerja. Perusahaan perlu memproyeksikan jumlah penjualan yang akan datang berdasarkan data-data masa lalu yang tersedia dalam membuat peramalan. Metode peramalan yang tersedia cukup banyak sehingga perlu dilakukan pemilihan terhadap metode yang digunakan. Metode peramalan memilki karakteristik yang berbeda-beda, oleh karena itu hal yang perlu dipertimbangkan adalah ketersedian data, pola data historis yang dimiliki dan horison peramalan. Dengan demikian peramalan dilakukan agar dapat membantu perusahaan memperoleh strategi pemasaran yang baik terhadap produk unggulannya. Hasil peramalan penjualan yang dianalisis dengan menggunakan analisis time series, dapat dijadikan acuan dalam merencanakan strategi pemasaran PT. Aneka Tambang, Tbk. UBPP Logam Mulia, dimana manajemen perusahaan dapat memperbaiki strategi segmentation, targeting, dan positioning serta bauran pemasaran (marketing mix). Menurut Arsyad (1994), hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal dimasa datang.

PT Aneka Tambang, Tbk UBPP Logam Mulia Strategi Perusahaan: -

Meningkatkan Kinerja Perusahaan

-

Meningkatkan Kualitas dan Mutu Produk

Strategi Pemasaran saat ini : Mengembangkan Kegiatan Perdagangan

Data Penjualan Historis

Plot Pola Data Metode: Trend Decompotition Exponensial Smoothing Moving Average ARIMA Peramalan Penjualan Time Series

Hasil Analisis Time Series

STP

Marketing Mix

Perencanaan Strategi Pemasaran PT. Aneka Tambang, Tbk. UBPP Logam Mulia

Gambar 1. Kerangka Pemikiran Penelitian

3.2.

Lokasi dan Waktu Pelitian Penelitian ini dilaksanakan di PT Aneka Tambang, Tbk. UBPP Logam

Mulia Jalan Raya Bekasi, Pulogadung, Jakarta Timur. Sedangkan untuk waktu penelitian dilaksanakan pada bulan Maret – Mei 2008. 3.3.

Metodologi Penelitian 3.3.1. Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data primer dan sekunder serta jenis data yang bersifat kualitatif dan kuantitatif. Data primer dikumpulkan melalui observasi langsung ke perusahaan, dan wawancara. Sedangkan data sekunder dikumpulkan dengan cara studi pustaka, laporan internal perusahaan (data omzet dan realisasi penjualan PT Aneka Tambang, Tbk. UBPP Logam Mulia

dari tahun 2001 hingga

tahun 2007, kapasitas produksi, data penawaran dan penjualan logam mulia), kebijakan dan peraturan perusahaan (sejarah umum perusahan, visi dan misi perusahaan) serta literatur yang relevan.

3.3.2. Pengolahan dan Analisis Data Semua data yang diperoleh kemudian diolah dan dianalisis sesuai kebutuhan sehingga

mampu memberikan gambaran dan penjelasan terhadap

permasalahan dalam

penelitian ini. Pengolahan dan penganalisisan data

diharapkan dapat menjadi acuan dalam langkah-langkah strategis yang dapat dilakukan perusahaan dalam pemasaran serta penjualan emas dan perak. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan diuraikan secara kuantitatif dan kualitatif. Analisis kuantitatif digunakan untuk meramalkan penjualan emas dan perak ditahun-tahun mendatang dengan menggunakan analisis runtut waktu (time series) sehingga hasil dari peramalan penjualan akan dijadikan landasan perencanaan strategi pemasaran terbaik sekaligus mampu menjadi dasar penargetan penjualan ditahun yang akan datang. Peramalan penjualan memiliki karakteristik tertentu yang berlaku secara umum. Karakteristik harus diperhatikan untuk menilai hasil suatu proses peramalan penjualan dan metode peramalan yang digunakan (Baroto, 2002) :

1.

Faktor penyebab yang berlaku di masa lalu diasumsikan akan berfungsi juga di masa yang akan datang.

2.

Peramalan tidak pernah sempurna, permintaan aktual selalu berbeda dengan permintaan yang diramalkan.

3.

Tingkat ketepatan ramalan akan berkurang dalam rentang waktu yang semakin panjang. Implikasinya, peramalan untuk rentang waktu yang pendek akan lebih akurat daripada peramalan untuk rentang waktu yang panjang. Metode

time

series

merupakan

metode

kuantitatif

yang

menggunakan waktu sebagai dasar peramalan. Secara umum, penjualan di masa yang akan datang dipengaruhi waktu. Untuk membuat suatu peramalan diperlukan data historis penjualan. Data inilah yang akan dianalisis dengan mengunakan parameter waktu sebagai dasar analisis. Proses analisis time series memperlakukan data asli (runtut waktu) sebagai produk dari komponen-komponen, yaitu data tahunan merupakan produk dari fluktuasi trend, siklus, dan fluktuasi tak tentu, yang dinyatakan dengan T×C×I, dimana T diukur dalam unit dan komponen lainnya, C dan I adalah nilai-nilai indeks. Y=TCI dimana: Y

=

nilai sebenarnya

T

=

trend

C

=

siklus

I

=

tak beraturan

Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa mean absolut deviation (MAD), mean square of error (MSE), mean absolute precentage of error (MAPE). MAD

=

[ ∑ (Yt–Ŷt) ] / n

MSE

=

MAPE =

[ ∑ (Yt–Ŷt)2 ] / n [ ∑ ((Yt–Ŷt) / Yt) ] / n

dimana: Yt

=

nilai aktual

Ŷt

=

nilai ramalan

(Yt–Ŷt)

=

kesalahan ramalan (error)

n

=

banyaknya data

Prosedur peramalan penjualan dengan metode time series adalah sebagai berikut (Baroto, 2002): 1.

Tentukan pola data penjualan. Dilakukan dengan memplotkan data secara grafis dan menyimpulkan apakah data itu berpola trend, musiman, siklikal, atau eratik/random.

2.

Mencoba beberapa metode time series yang sesuai dengan pola penjualan tersebut untuk melakukan peramalan. Metode yang dicoba semakin banyak semakin baik. Pada setiap metode, sebaiknya dilakukan pula peramalan dengan parameter yang berbeda.

3.

Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba. tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE, atau lainnya. Sebaiknya nilai tingkat kesalahan (apakah MAD, MSE, atau MAPE) ini ditentukan dulu, tidak ada ketentuan mengenai berapa tingkat kesalahan maksimal dalam peramalan.

4.

Memilih metode terbaik diantara metode yang dicoba. Metode terbaik adalah metode yang memberikan tingkat kesalahan terkecil dibanding metode lainnya dan tingkat kesalahan tersebut dibawah batas tingkat kesalahan yang telah ditetapkan.

5.

Melakukan peramalan penjualan dengan metode terbaik yang telah dipilih.

Plot autokorelasi dilakukan untuk menunjukkan keeratan hubungan antara nilai variabel yang sama pada periode waktu yang berbeda. 1.

Apabila nilai koefisien autokorelasi pada time lag dua atau tiga periode tidak berbeda dari nyata dari nol, maka data tersebut adalah data stasioner

2.

Apabila nilai koefisien autokorelasi pada beberapa time lag pertama secara berurutan berbeda dari nyata dari nol, maka data tersebut adalah data yang menunjukkan pola trend

3.

Apabila nilai koefisien autokorelasi pada beberapa time lag yang mempunyai jarak yang sistematis berbeda dari nyata dari nol, maka data tersebut adalah data dengan komponen musiman. Koefisien aoutokorelasi perlu diuji untuk menentukan apakah secara

statistik nilainya berbeda secara signifikan dari nol atau tidak. Perhitungan yang dilakukan dengan rumussebagai berikut dengan rentang –Zα/2× SErk sampai dengan Zα/2× SErk : SErk = 1/ √n dimana: SErk =

standar error dari aotokorelasi pada lag k

ri

=

autokorelasi pada lag ke-I

k

=

time lag

n

=

jumlah data

Koefisien autokorelasi disimpulkan tidak berbeda secara signifikan dari nol apabila nilainya berada diantara rentang nilai tersebut dan sebaliknya, berbeda secara signifikan dari nol apabila berada diluar rentang tersebut (Sugiarto dan Harijono, 2000). Berdasarkan rumus tersebut (α = 5 persen), diperoleh rentang untuk menentukan koefisien autokorelasi berbeda atau tidak dari nol adalah sebesar +/- 0,479. Formulasi peramalan berdasarkan pola data yang sesuai. 1.

Metode Naif

Ŷt+1 = Yt Formulasi tersebut selanjutnya dimodifikasi dengan memasukkan komponen trend, modelnya menjadi: Ŷt+1 = Yt + (Yt - Yt-1) dimana: Ŷt+1

=

ramalan pada masing-masing produk pada satu

periode ke depan Yt

=

data aktual pada masing-masing produk pada

periode t Yt-1 2.

=

data aktual sebelumnya

Metode Trend -

Formulasi trend linier Yt = b0 + b1t b0 = intersept b1 = slope t = periode (variabel bebas)

-

Formulasi trend kuadratik Yt = b0 + b1t + b2t2

3.

Metode Rata-rata -

Metode rata-rata sederhana (simple average) Ŷt-1 = Y1 + Y2 + ... + Yt) / t Metode ini cocok untuk meramalkan data time series yang memiliki data stasioner

-

Metode rata-rata bergerak sederhana (single moving average) Ŷt+1 = Yt + Yt-1 + Yt-2 + ... + Yt-k+1) / k Metode ini seperti halnya dengan single average, cocok untuk meramalkan data time series yang memiliki data stasioner.

-

Metode rata-rata bergerak berganda (double moving average) Mt = Ŷt+1 = Yt + Yt-1 + Yt-2 + ... + Yt-k+1) / k M’t = Mt + Mt-1 + Mt-2 + ... + Mt-k+1) / k at

= Mt + (Mt - M’t) = 2Mt - M’t

bt

= (Mt - M’t) – 2 / k-1

Ŷt+1 = at + btp dimana:

4.

k

=

nilai periode moving average

Mt

=

moving average pertama

M’t

=

moving average kedua

p

=

peramalan periode kedua

Metode Pemulusan Eksponensial -

Metode pemulusan eksponensial tunggal Ŷt+1 = α Yt + (1- α) Ŷt nilai awal, Ŷ1 = S0 = a = (Y1 + Y2 + ... + Yn-1 + Yn ) / n dimana:

-

a

=

intersep

S0

=

pemulusan tahap 1

Ŷ1

=

a

Metode pemulusan eksponensial tunggal: pendekatan adaptif Ŷt+1 = α Yt + (1- αt) Ŷt αt+1 = | Et / Mt | Et

= β et + (1- β) Et-1

M

= β | et | + (1- β) Mt-1

et

= Xt - Ft

dimana: Ŷt+1 = ramalan permintaan per produk pada satu periode ke depan setelah periode t αt+1 = konstanta pemulusan

-

Et

= unsur gulat yang dihaluskan

M

= unsur gulat absolut yang dihaluskan

et

= error

Xt

= nilai aktual

Ft

= nilai ramalan

Metode pemulusan eksponensial ganda: metode linier satu parameter dari Brown (double exponential smoothing) Ŷt+1 = at + bt T

dimana:

-

at

=

2St – St (2) (update intersep)

bt

=

[α / (1- α)] (St – St (2))

St

=

α Yt + (1- α) St-1 (pemulusan tahap 1)

St (2)

=

α St + (1- α) St-1

T

=

jumlah periode waktu ke depan

(2)

(pemulusan tahap 1)

Metode pemulusan eksponensial ganda: metode dua parameter dari Holt (exponential smoothing linier trend) St

= α Xt + (1- α) (St-1 + bt-1)

bt

= γ (St - St-1) + (1- γ) bt-1

Ft+m = St + btm dimana: St

=

pemulusan data aktual

bt

=

pemulusan tren

Ft+m

=

St + bt+m = ramalan permintaan produk pada

periode t+m -

Metode pemulusan eksponensial triple (metode Browntriple exponential smoothing) St

= α Yt + (1- α) St-1 (pemulusan tahap 1)

St (2) = α St + (1- α) St-1 (2) (pemulusan tahap 2) St (3) = α S (2) t + (1- α) St-1 (3) (pemulusan tahap 3) at

= 3St - 3St (2) + St (3) (update intersep)

b1,t = [α / 2(1- α) 2)] [(6- 5α) St – 2 (5-4α) St (2) + (4-3α) St(3))] b2,t = [α 2 / 2(1- α) 2)] [(St – 2St (2)) + St (3)] (update slope) Ramalan pada T periode setelah t adalah: Ŷt+T = at + bt + ½ b2.t (T2) nilai awal: a0 = a (intersep) b1,0 = b1 (slope) ½ b2.t (T2) = b2 (slope) model regresi dugaan Ŷt = a + b1 (t) + b2.t (t2) nilai awal untuk hasil pemulusan adalah: S0

= a - [(1- α) / α] (b1) + [(1- α) (2- α) / (2α2)] (2 b2)

S0 (2) = a - [2(1- α) / α] (b1) + [2(1- α) (3 -2α) / (2α2)] (2 b2) S0 (3) = a - [3(1- α) / α] (b1) + [3(1- α) (4 -3α) / (2α2)] (2 b2) -

Metode Winter (model multiplikatif) Yt

= a - (Yt / St-L) + (1- α) (at-1 + bt-1)

bt

= β (at - at-1) + (1- β) bt-1

Snt = γ (Yt / at) + (1- γ) St-L Ŷt+m = (at - mbt) Snt-L+m dimana: Yt

= data aktual produk pada periode t

at

= pemulusan terhadap deseasonalized data pada

periode t bt

= pemulusan terhadap dugaan trend pada periode t

Snt

= pemulusan terhadap dugaan musim pada periode

t Ŷt+m

= ramalan m periode kedepan setelah periode t pada

masing-masing produk A, β, γ = pembobotan pemulusan L 5.

= banyaknya periode dalam satu tahun

Metode Dekomposisi Metode ini dapat digunakan pada data historis yang mempunyai data sembarang. Metode ini mencoba memisahkan metode trend, siklus dan musiman. Cara matematik bentuk umum pendekatan dekomposisi adalah: Yt

=

f(Trt, Clt, Snt, Et)

F

=

fungsi peramalan

Trt

=

komponen trend pada waktu t

Clt

=

komponen siklus pada waktu t

Snt

=

komponen atau indeks musim pada waktu t

Et

=

komponen kesalahan atau random pada waktu t

dimana:

Bentuk fungsi eksplisitnya tergantung asumsi tentang hubungan antar unsur itu yang dipakai, misalnya apakah model aditif (jika komponen tersebut tidak ada nilainya nol) atau multiplikatif (jika komponen tersebut tidak ada nilainya 1).

6.

a.

Dekomposisi multiplikatif

Yt

=

b.

Dekomposisi aditif

Yt

=

Trt. Clt. Snt. Et

Trt + Clt + Snt + Et

Metode Box -Jenkins (ARIMA) Metode ini merupakan gabungan dari metode penghalusan, metode regresi, dan metode dekomposisi. Peramalan dengan menggunakan ARIMA dilakukan melalui lima tahap, yaitu tahap: pemeriksaan kestasioneran data, pengidentifikasian model, pengestimasian parameter model, pengujian model, dan penggunaan model untuk peramalan (Aritonang R., 2002). Sugiarto dan Harijono (2000) menyebutkan bahwa metode Box-Jenkins menggunakan model iteratif dalam mengidentifikasi suatu model yang paling tepat dari berbagai alternatif model yang ada. Model telah terpilih dilakukan pengujian kembali. Model dianggap sudah memadai apabila residual terdistribusi secara random, kecil dan independen satu sama lain. Model Box-Jenkins secara umum dinotasikan sebagai berikut: ARIMA (p, d, q) dimana: p

=

menunjukkan orde/ derajat autoregressive (AR)

d

=

menunjukkan orde/ derajat differencing (pembedaan)

q

=

menunjukkan orde/ derajat moving average (MA)

simbol-simbol digunakan dalam model dapat juga dinyatakan dalam bentuk lain, seperti MA (2) sama artinya dengan ARIMA (0, 0, 2), AR (1) sama artinya dengan ARIMA (1, 0, 0) dan ARMA (2) sama artinya dengan ARIMA (2, 0, 2). Model AR menggambarkan bahwa variabel dipenden yang dipengaruhi oleh variabel dipenden itu sendiri pada periode-periode sebelumnya. Perbedaan dengan model MA adalah pada jenis variabel dipendennya. Variabel independen pada model AR adalah nilai sebelumnya (lag) dari variabel dipenden (Yt) itu sendiri sedangkan pada model MA adalah nilai residual pada nilai sebelumnya. Dalam ARIMA terbagai atas model MA, AR, ARMA, dan ARIMA. Persamaan model tersebut sebagi berikut: 1.

Model MA Yt

=

a0 + et – a1 et-1 - a2et-2 - ...- aqet-q

dimana: Yt

=

nilai series yang stasioner

et

=

kesalahan peramalan

et-1, et-2

=

kesalahan peramalan masa lalu

a0, a1, a2 2.

=

konstanta dan koefisien model

Model AR Yt

=

b0 + b1 Yt-1 + b2 Yt-2 + ... + bq Yt-p + et

dimana:

3.

Yt

=

nilai series yang stasioner

et

=

kesalahan peramalan

Yt-1, Yt-2

=

nilai sebelumnya

b0, b1, b2,

=

konstanta dan koefisien model

=

b0 + b1 Yt-1 + ... + bp Ytp + et – a1 et-1 +

Model ARMA Yt

... + aq et-q dimana: Yt

=

nilai series yang stasioner

et

=

kesalahan peramalan

et-1, et-q

=

kesalahan-kesalahan

b0, b1, b2, bp, a1, aq

=

konstanta dan koefisien

model 4.

Model ARIMA b(B) (1-B)d Yt = b0 + a(B) et dimana: b(B)

=

1-b1B- b2 B2- ... - bp Bp

a(B)

=

1- a1B- a2 B2- ... - bp Bq

B

=

backward shift operator ( BYt = Yt-1, B2 Yt = Yt-2, dan seterusnya).

Langkah-langkah dalam metode Box-Jenkins adalah sebagai berikut: 1.

Penstationeran data Untuk melihat kestationeran data, dapat dilakukan dengan melihat nilai autokorelasinya (plot ACF). Apabila data yang menjadi input model tidak stationer perlu dilakukan modifikasi untuk menghasilkan data yang stationer. Salah satu metode yang umum dipakai adalah metode perbedaan (differencing). Data yang telah ditransformasi tersebut digunakan sebagi inputnya. Pemakaian data sebagai input akan menentukan lokasi dari ARIMA.

2.

Identifikasi model Secara umum prinsip yang digunakan adalah sebagi berikut :

a.

Jika koefisien korelasi menurun secara eksponensial menuju nol, pada umumnya terjadi proses AR. Estimasi orde AR dapat dilihat dari jumlah koefisien autokorelasi parsial yang berbeda secara signifikan dari nol.

b.

Jika

koefisien

autokorelasi

parsial

menurun

secara

eksponensial menuju nol, pada umumnya terjadi proses MA. Estimasi orde AR dapat dilihat dari jumlah koefisien autokorelasi yang berbeda secara signifikan dari nol. c.

Jika koefisien autokorelasi maupun autokorelasi parsial menurun secara eksponensial menuju nol, berarti terjadi

proses ARIMA. Orde MA atau AR dapat dilihat dari jumlah koefisien autokorelasi parsial yang berbeda secara signifikan dari nol. 3.

Estimasi parameter dari model sementara Setelah model sementara terpilih maka parameter dari model harus diestimasi. Teknik Box Jenkins akan memilih parameter yang menghasilkan kesalahan yang kecil (MSE, MAD, atau MAPE terkecil).

4.

Diagnosa untuk menentukan apakah model memadai Pengujian kelayakan model dapat dilakukan dengan dua cara :

a.

Menguji residual (error term) Setelah nilai residual tersebut diketahui dilakukan perhitungan nilai koefisien autokorelasi dari nilai residual tersebut. Model dianggap memadai jika nilai-nilai koefisien autokorelasi dari residual untuk berbagai time lag tidak berbeda nyata dari nol.

b.

Melakukan uji dengan statistic Box-Pierce Q Jika nilai Q lebih kecil dari nilai pada table Chi-square dengan derajat bebas m-p-q dimana p dan q masing-masing menunjukan orde AR dan MA, model dianggap memadai dan begitu juga sebaliknya. Apakah hasil pengujian menunjukan model belum memadai, maka proses diulangi lagi langkah dua.

5.

Menggunakan model terpilih untuk peramalan

Setelah diperoleh model yang memadai, maka peramalan untuk satu atau beberapa periode ke depan dapat dilakukan. Evaluasi ulang terhadap model perlu dilakukan terhadap model yang dipilih karena terdapat kemungkinan pola data berubah.

IV. HASIL DAN PEMBAHASAN

4.1.

Gambaran Umum Perusahaan 4.1.1. Sejarah PT Aneka Tambang, Tbk UBPP Logam Mulia Unit Bisnis Pengolahan dan Pemurnian Logam Mulia adalah salah satu dari enam unit usaha PT Aneka Tambang, Tbk. UBPP Logam Mulia satu-satunya pabrik pemurnian Logam mulia di Indonesia yang memurnikan seluruh jenis bullion emas, perak, dan platina baik yang berasal dari tambang maupun rongsokan (scrap). UBPP Logam Mulia didirikan sekitar tahun 1930 oleh pedagang emas bernama RT Brakensiek yang memulai usahanya memurnikan emas rongsokan dengan lokasi usaha berpindah-pindah. Tahun 1937 mulai menetap di Jalan Gajah Mada 84 Jakarta yang disamping memurnikan emas rongsokan juga mulai memurnikan hasil tambang emas Bengkulu dan Cikotok. Pada tahun 1957 perusahaan ini diambil alih oleh Bank Industri Negara dan namanya diubah menjadi PT Logam Mulia. Tanggal 1 Januari 1961 sesuai PP 281 / 1961 stastusnya berubah menjadi Perusahaan Negara Logam Mulia. Pada tanggal 31 Desember 1974 berdasarkan Peraturan Pemerintah No. 320/ 1974 berubah menjadi salah satu unit produksi PT. Aneka Tambang, Tbk yaitu Unit Bisnis Pengolahan dan Pemurnian Logam Mulia ( UBPP LM). Sejak 1 April 1979 pabrik ini dipindahkan ke daerah Pulo Gadung, Jakarta Timur. 4.1.2. Nilai-nilai, Tujuan, Visi, Misi, dan Logo PT Aneka Tambang, Tbk UBPP Logam Mulia Kultur atau nilai-nilai luhur PT Aneka Tambang, Tbk dikenal sebagai pionir, yaitu pengembangan diri, integritas, harmoni dan reputasi, yang dikembangkan dan ditransformasikan dari budaya perusahaan PT Aneka Tambang, Tbk UBPP Logam Mulia yang tertuang dalam Pedoman Kebijakan Perusahaan (PKP) dan diberlakukan diseluruh jajaran PT Aneka Tambang, Tbk UBPP Logam Mulia budaya tersebut merupakan kesatuan

yang utuh dan terpadu dengan standar etika perusahaan PT Aneka Tambang, Tbk UBPP Logam Mulia. Maksud atau tujuan didirikannya PT Aneka Tambang, Tbk UBPP Logam Mulia ini adalah untuk melakukan usaha dalam bidang jasa pemurnian, jasa manufaktur, jasa trading dan jasa laboratorium untuk emas, perak dan logam berharga lainnya. Visi PT Aneka Tambang, Tbk UBPP Logam Mulia adalah menjadi perusahaan yang terpercaya, terkemuka dan kompetitif di dalam persaingan usaha trading, pemurnian & manufaktur logam berharga, baik nasional maupun internasional. Misi PT Aneka Tambang, Tbk UBPP Logam Mulia adalah menghasilkan produk dan layanan dengan jaminan kualitas tinggi sesuai dengan keinginan pelanggan melalui pengelolaan seluruh sumber daya yang tepat & efisien serta turut bertanggungjawab terhadap lingkungan sehingga manfaat dari seluruh aktivitas perusahaan dapat dirasakan secara optimal oleh seluruh stakeholder. Logo PT Aneka Tambang, Tbk diambil dari intisari nilai-nilai perusahaan dan merefleksikan atribusi brand PT Aneka Tambang, Tbk. Tagline tersebut juga menggambarkan simbol logo tiga gunung yang sekaligus sebagai tiga batu pondasi dari PT Aneka Tambang, Tbk. Pada saat bersamaan tagline juga menunjukkan kediversifikasian dari audiensinya yaitu kualitas mencerminkan produk, proses dan sumber daya manusia. Harmonis mencerminkan hubungan dengan alam dan komunitas dalam lingkungan karyawan. Integritas mencerminkan etika bisnis, tata kelola (GCG), serta hubungan dengan pelanggan

Gambar 2. Logo Aneka Tambang

Logo Unit Bisnis Pengolahan dan Pemurnian Logam Mulia bermakna hasil dari kegiatan utama yang dilakukan perusahaan yaitu membuat emas berupa batangan yang berlogokan LM. Huruf LM sendiri

diambil dari kata Logam Mulia yang diharapkan mampu mewakilkan Unit Bisnis Pengolahan dan Pemurnian Logam Mulia dalam hal meningkatkan kepercayaan konsumen terhadap produk perusahaan.

Gambar 3. Logo UBPP Logam Mulia

4.1.3. Produk dan Layanan Unggulan PT Aneka Tambang, Tbk UBPP Logam Mulia Produk utama UBPP Logam Mulia adalah jasa pemurnian, jasa manufaktur, jasa trading dan jasa laboratorium. Jasa Pemurnian UBPP Logam Mulia menerima dore (emas kotor) dari kontrak karya pertambangan dan pihak ketiga dalam bentuk scrap untuk dimurnikan menjadi emas batangan murni 99,99% dan perak granul murni 99,95%. Jasa manufaktur menerima jasa pembuatan produk emas untuk investasi & penghargaan seperti cincin, koin, lencana, pin, medali dan produk emas batangan minting, produk platinum labware seperti crucible, cawan dan elektroda, produk bahan baku industri perhiasan seperti paduan emas putih dan GPC. Jasa laboratorium menerima sampel dari pihak ketiga untuk dianalisa kandungan logam berharganya. Laboratorium UBPP Logam Mulia sudah terakreditasi oleh KAN untuk ISO 17025 dan telah terdaftar dalam London Good Delivery List of Acceptable Refiners oleh LBMA. Jasa trading menerima jual beli emas, perak dan platina. Ada pun produk-produk yang tersedia adalah sebagai berikut: Produk Emas Batangan untuk Investasi 1. Emas batangan 1 kg, dan produk special 250 gram (casting bar) 2. Emas batangan kecil (small mint bar) Produk Semi Perhiasan untuk Korporasi dan Hadiah Special 1. Medali 2. Cincin 3. Koin

4. Pin 5. Liontin Produk Labware Platina & Penunjang Industri 1. Cawan Platina 2. Krus Platina 3. Elektroda (anoda dan katoda) untuk analisa gravimetric. 4. Garam Sepuh Emas 5. Electroplating 6. Katalis untuk Industri Petrokimia Jasa Pemurnian dan Analisis Laboratorium: Jasa Pemurnian 1. Lebur dan Sampling 2. Pemurnian dore-bullion, dan anoda perak 3. Pemurnian Scrap Logam Mulia 4. Pemurnian konsentrat mengandung platina Jasa Analisa Laboratorium Analisa XRD, Fire Assay, Kimia Basah untuk sampel-sampel: 1. Batuan 2. Konsentrat 3. Logam 4. Cairan 4.1.4. Teknologi, Perangkat dan Fasilitas PT Aneka Tambang, Tbk UBPP Logam Mulia Teknologi, Perangkat dan Fasilitas utama yang digunakan UBPP Logam Mulia dalam menjalankan operasinya dijelaskan dalam Tabel 2.

Fasilitas

Perangkat Teknologi

Tabel 2. Teknologi, Perangkat dan Fasilitas Utama UBPP Logam Mulia Teknologi, Perangkat & Fasiltas Utama UBPP Logam Mulia Trading LM MAS, Internet, Website Pemurnian Pyrometallurgy, Hydrometallurgy, Electrometallurgy Manufaktur Minting, Investment Casting, Electrometallurgy Laboratorium Fire Assay, X-Ray, Atomic Spectroscopy Trading Facsimile, Telephone, Online Debit Pemurnian Morgan Furnace, Wohlwil Cel, Moebius Cel, Chlorination Manufaktur Rolling mill, Hydraulic Press, CNC Engraving, Vacuum Furnace Laboratorium Cupel Furnace, XRD, AAS Trading Customer info & service center, waiting room, meeting room, Pemurnian Pabrik & IPAL Manufaktur Pabrik & Ruang Desain Laboratorium Pabrik & IPAL

Sumber: UBPP Logam Mulia 4.1.5. Struktur Organisasi PT Aneka Tambang, Tbk UBPP Logam Mulia Adanya struktur organisasi adalah untuk membuat penjelasan mengenai tugas dan tanggung jawab pihak-pihak pada suatu perusahaan. Struktur organisasi PT Aneka Tambang, Tbk UBPP Logam Mulia terlihat pada Gambar 4.

Gambar 4. Struktur Organisasi UBPP Logam Mulia Struktur dan sistem tata pamong UBPP Logam Mulia sebagai bagian dari PT Antam, Tbk disusun berdasarkan pendekatan kegiatan

operasi yang terintegrasi secara vertikal. Gambar 4 memperlihatkan hubungan pertanggungjawaban antara Vice President beserta jajaran manager dan staf. 4.2.

Segmentation, Targeting, dan Positioning Di dalam pemasaran, penentuan pasar dalam rangka penawaran produk

adalah sangat penting. Konsep tersebut sering disebut STP (Segmentation, Positioning, dan Targeting). Adapun STP yang telah diterapkan perusahaan adalah sebagai berikut: A.

Segmentation Heterogenitas terjadi dalam suatu pasar, dari perbedaan-perbedaan tersebut

dapat dilakukan segmentasi pasar. Tidak ada cara tunggal dalam melakukan segmentasi pasar. Manajemen dapat melakukan pengkombinasian dari beberapa variabel untuk mendapatkan suatu cara terbaik dan yang paling pas dalam segmentasi pasarnya. Variable utama untuk mengsegmentasikan pasar salah satunya adalah geografis, misalanya komponen bangsa, negara, propinsi dan kabupaten, variable inilah yang mendasari PT Aneka Tambang, Tbk UBPP Logam Mulia dalam menentukan segmennya. Sampai saat ini segmentasi yang difokuskan oleh PT Aneka Tambang, Tbk UBPP Logam Mulia para konsumen domestik dan luar negeri. B.

Targeting Setelah

segmen

pasar

diketahui,

selanjutnya

perusahaan

perlu

mengevaluasi dan dilanjutkan dengan memutuskan beberapa segmen pasar yang akan dicakup, lalu memilih target mana yang akan dilayani. Terkait dengan segmentasi yang difokuskan oleh PT Aneka Tambang, Tbk UBPP Logam Mulia target yang ingin dilayani adalah: a.

Pasar dalam negeri Pedagang emas (untuk produk standar dan perhiasan) Perusahaan-perusahaan lainnya (untuk job order special design) Perusahaan-perusahaan tambang emas (untuk peningkatan feed jasa pemurnian emas dan perak) Pelanggan perorangan (untuk emas cucian dan penjualan retail)

b.

Ekspor Ekspor dilakukan ke negara-negara yang aktif memperdagangkan logam mulia khususnya emas, seperti Singapura, China, Jepang dan Amerika.

C.

Positioning Setelah perusahaan memutuskan segmen pasar yang akan dimasuki,

selanjutnya harus diputuskan pula posisi mana yang ingin ditempati dalam segmen tersebut. Pentingnya positioning karena mengandung persepsi atau tanggapan konsumen mengenai posisi yang dipegang oleh setiap produk dipasar. Oleh

karena

itu,

perusahaan

hendaknya

harus

membangun

dan

mengkomunikasikan manfaat produk yang istimewa di dalam pasar, sehingga produk yang ditawarkan perusahaan dapat menempati persepsi yang tepat dibenak konsumen. Positioning yang berusaha dibangun oleh PT Aneka Tambang, Tbk UBPP Logam Mulia yaitu PT Aneka Tambang, Tbk UBPP Logam Mulia sebagai satu-satunya pabrik pemurnian logam mulia terpercaya di Indonesia yang memurnikan seluruh jenis bullion emas, perak, dan platina baik yang berasal dari tambang maupun rongsokan (scrap). 4.3.

Bauran Pemasaran (Marketing Mix)

A.

Produk (Product) Produk adalah suatu sifat yang kompleks, baik dapat diraba atau tidak

termasuk bungkus, warna, harga, prestise perusahaan dan pengecer, serta pelayanan yang diterima oleh pembeli untuk memuaskan keinginan atau kebutuhannya. Terdapatnya persaingan yang semakin tajam dalam pemasaran produk, terutama dalam kondisi pasar dimana pembeli mempunyai peranan dominan sehingga perlu adanya penekanan pada pemberian kepuasan kepada konsumen

atas

barang

yang

dipasarkan,

maka

perlunya

perusahaan

memperhatikan kualitas produk, sebab kualitas itu merupakan tingkat kemampuan dari suatu produk atau merek dalam melaksanakan fungsinya yang diharapkan oleh pihak konsumen. PT Aneka Tambang, Tbk UBPP Logam Mulia selalu berusaha untuk meningkatkan desain-desain produk baru yang lebih menarik dan rapih hingga

pengemasan akhir, selain itu PT Aneka Tambang, Tbk UBPP Logam Mulia juga selalu menjaga kualitas existing product dengan quality control yang sangat ketat. Tabel 3. Aneka produk UBPP Logam Mulia -

Aneka Produk UBPP Logam Mulia Emas Murni 99,99% Batangan 1g, 2g, 2,5g, 3g, 5g, 10g, 25g, 50g, 100g, 250 g & 1 kg Emas Murni 99,99% Granul 5 kg Emas Pesanan dalam bentuk cincin, medali, koin, liontin, lencana, pin & replika prangko Perak Murni 99,95% Granul 10 kg Perak Murni 99,95% Kristal Perak Nitrat 5 kg GPC (Gold Potassiun Cyanide) dengan kadar Au 68,3 % 25 mg, 50 mg, 100 mg Emas Putih Paduan Platinum Crucible, Platinum Dish, Platinum Anode & Cathode.

Sumber: UBPP Logam Mulia Emas dan perak murni merupakan produk unggulan perusahaan. Karena emas dan perak dipercaya seluruh dunia sebagai bentuk investasi dan sarana lindung nilai klasik.

Gambar 5. Produk UBPP Logam Mulia

B.

Harga (Price) Harga merupakan suatu standar nominal yang ditetapkan perusahaan

terhadap produk yang dihasilkannya untuk dijual ke pasar. Penetapan harga berkaitan dengan tingkat keuntungan yang akan diterima perusahaan. PT Aneka Tambang, Tbk UBPP Logam Mulia merupakan perusahaan yang menggunakan sistem komuditi pasar, dimana pasar yang menentukan harga sehingga dapat berubah dengan cepat atau bersifat fluktuatif. Penetapan harga emas yang diberlakukan oleh PT Aneka Tambang, Tbk UBPP Logam Mulia dibagi dalam dua sesi yaitu sesi pagi pada pukul 09.00 sampai dengan 13.00 dan sesi siang pada pukul 13.00 sampai dengan 15.00 dan harga yang dikeluarkan berupa harga beli dan harga jual yang mengacu pada harga LME (London Metal Exchange). Berikut adalah gambar pergerakan harga emas di dunia setiap bulannya dari tahun 1971 sampai 2007.

Gambar 6. Pergerakan Harga Emas C.

Tempat (Place) Distribusi merupakan kegiatan penyaluran produk perusahaan kepada

pasar sasaran. PT Aneka Tambang, Tbk UBPP Logam Mulia memiliki kantor pemasaran pusat di Jakarta, sekarang sudah membuka kantor pemasaran di Surabaya. Pemilihan kedua tempat tersebut karena merupakan kota besar dan strategis di Indonesia. Surabaya termasuk salah satu kota teraktif dalam bisnis emas. Selain itu jarak Surabaya dari sumber-sumber feed yang mayoritas di

Indonesia Timur jauh lebih dekat dibanding dengan di Jakarta, sehingga diharapkan mampu menjangkau konsumen. PT Aneka Tambang, Tbk UBPP Logam Mulia sebagai satu-satunya pabrik pemurnian logam mulia di Indonesia yang memurnikan seluruh jenis bullion emas, perak, dan platina baik yang berasal dari tambang maupun rongsokan (scrap) memiliki pelanggan yang tersebar baik di dalam negeri maupun luar negeri. Gambar 7 menjelaskan beberapa daerah yang merupakan tempat pelanggan PT Aneka Tambang, Tbk UBPP Logam Mulia berada, pelanggan terbanyak berada di wilayah Indonesia Timur.

Gambar 7. Pelanggan Dalam Negeri D.

Promosi (Promotion) Promosi merupakan suatu kegiatan yang dilakukan oleh perusahaan untuk

memperkenalkan produk perusahaan kepada konsumen sehingga konsumen berkeinginan membeli produk tersebut. Dilakukannya promosi bertujuan agar produk perusahaan dikenal, diperbincangkan, dan akhirnya dibeli oleh konsumen sehingga memberikan keuntungan untuk perusahaan. PT Aneka Tambang, Tbk UBPP Logam Mulia sudah membuat brosur-brosur yang berisikan informasi mengenai produk-produk perusahaan dan company profile dalam bentuk booklet dan video. Selain itu PT Aneka Tambang, Tbk UBPP Logam Mulia juga selalu meningkatkan kualitas informasi dan tampilan yang ada di website perusahaan www.logammulia.com sehingga dapat mengakomodir kebutuhan informasi tiap pihak yang mengakses website tersebut.

Gambar 8. Katalog 4.4.

Analisis Hasil Peramalan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia Data yang digunakan dalam peramalan penjualan ini merupakan data

historis penjualan ekspor emas, domestik emas, ekspor perak, dan domestik perak mulai dari Januari 2001 sampai dengan Desember 2007 (84 bulan). Persentase total penjualan ekspor emas dari tahun 2001 sampai dengan tahun 2007 sebesar 54% dan untuk pejualan domestik emas dari tahun 2001 sampai dengan 2007 sebesar 46%. Persentase total penjualan ekspor perak dari tahun 2001 sampai dengan 2007 sebesar 42% dan untuk domestik penjualan perak dari tahun 2001 sampai dengan 2007 sebesar 58%. Data penjualan emas dan perak akan diramal dengan menggunakan analisis time series untuk 36 bulan ke depan (2008-2010).

Gambar 9. Persentase Total Penjualan Emas

Gambar 10. Persentase Total Penjualan Perak Data ekspor emas dapat dilihat pada Tabel 4, domestik emas dapat dilihat pada Tabel 5, ekspor perak dapat dilihat pada Tabel 6, ekspor perak dapat dilihat pada Tabel 6, dan domestik perak dapat dilihat pada Tabel 7. Tabel 4. Data Penjualan Ekspor Emas 2001-2007 Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

January-01

0,0000

May-03

365,0000

September-05

249,9750

February-01

0,0000

June-03

80,0000

October-05

0,0000

March-01

200,0000

July-03

200,0000

November-05

129,9960

April-01

0,0000

August-03

100,0000

December-05

304,9695

May-01

100,0000

September-03

0,0000

January-06

19,9980

June-01

600,0000

October-03

0,0000

February-06

19,9980

July-01

200,0000

November-03

180,0000

March-06

79,9920

August-01

200,0000

December-03

495,0000

April-06

109,9890

September-01

2.400,0000

January-04

0,0000

May-06

79,9920

October-01

100,0000

February-04

0,0000

June-06

129,9870

November-01

0,0000

March-04

220,0000

July-06

39,9960

December-01

150,0000

April-04

400,0000

August-06

49,9950

January-02

0,0000

May-04

0,0000

September-06

0,0000

February-02

0,0000

June-04

219,9780

October-06

0,0000

March-02

0,0000

July-04

170,0000

November-06

429,9570

April-02

0,0000

August-04

199,9800

December-06

497,9502

May-02

200,0000

September-04

0,0222

January-07

99,9900

June-02

200,0000

October-04

234,9700

February-07

224,9775

July-02

200,0000

November-04

0,0000

March-07

149,9850

August-02

0,0000

December-04

149,9900

April-07

199,9800

Lanjutan Tabel 4 September-02

0,0000

January-05

0,0000

May-07

0,0000

October-02

0,0000

February-05

199,9800

June-07

449,9550

November-02

0,0000

March-05

0,0000

July-07

549,9450

December-02

150,0000

April-05

89,9910

August-07

449,9550

January-03

360,0000

May-05

0,0000

September-07

669,9330

February-03

100,0000

June-05

79,9920

October-07

349,9650

March-03

200,0000

July-05

133,2618

November-07

449,9550

April-03

0,0000

August-05

0,0000

December-07

149,9850

Sumber: Laporan OHL PT Aneka Tambang, Tbk UBPP Logam Mulia Tabel 5. Data Penjualan Domestik Emas 2001-2007 Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

January-01

0,0000

May-03

20,6000

September-05

111,4226

February-01

0,0000

June-03

157,3000

October-05

144,9798

March-01

0,0000

July-03

422,8000

November-05

57,5536

April-01

43,4351

August-03

357,9000

December-05

68,9874

May-01

129,3273

September-03

209,3000

January-06

130,3263

June-01

118,1802

October-03

245,5000

February-06

69,6037

July-01

118,3565

November-03

136,7000

March-06

92,1996

August-01

396,6544

December-03

94,3000

April-06

43,5713

September-01

227,2506

January-04

28,8391

May-06

146,3537

October-01

129,3273

February-04

87,4000

June-06

255,7708

November-01

43,4351

March-04

269,9944

July-06

203,3989

December-01

212,5209

April-04

131,5265

August-06

205,8400

January-02

347,5120

May-04

186,7056

September-06

359,5477

February-02

0,0000

June-04

35,0285

October-06

152,0883

March-02

0,0000

July-04

134,3131

November-06

159,4902

April-02

186,0338

August-04

55,6846

December-06

63,5282

May-02

63,4741

September-04

617,3641

January-07

87,9256

June-02

110,4807

October-04

208,4700

February-07

56,7819

July-02

203,7617

November-04

206,1900

March-07

125,8859

August-02

0,0000

December-04

385,3800

April-07

93,3466

September-02

0,0000

January-05

93,4605

May-07

151,8795

October-02

0,0000

February-05

183,3873

June-07

107,2796

November-02

0,0000

March-05

151,0152

July-07

107,8566

December-02

100,6627

April-05

339,3526

August-07

109,9194

January-03

66,0577

May-05

523,7106

September-07

94,4723

Lanjutan Tabel 5 February-03

38,4904

June-05

169,0788

October-07

84,3824

March-03

164,7192

July-05

279,6726

November-07

144,2008

April-03

240,9000

August-05

328,4462

December-07

91,6374

Sumber: Laporan OHL PT Aneka Tambang, Tbk UBPP Logam Mulia Tabel 6. Data Penjualan Ekspor Perak 2001-2007 Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

January-01

0,0000

May-03

1,999.0000

September-05

4.497,7500

February-01

0,0000

June-03

0.0000

October-05

1.749,1250

March-01

0,0000

July-03

1,999.0000

November-05

559,7200

April-01

0,0000

August-03

3,998.0000

December-05

99,9500

May-01

0,0000

September-03

0.0000

January-06

0,0000

June-01

0,0000

October-03

2,498.8000

February-06

0,0000

July-01

0,0000

November-03

2,138.9000

March-06

99,9500

August-01

0,0000

December-03

3,988.0000

April-06

999,5000

September-01

0,0000

January-04

0,0000

May-06

0,0000

October-01

0,0000

February-04

0,0000

June-06

0,0000

November-01

0,0000

March-04

1.999,0000

July-06

2.998,5000

December-01

499,7500

April-04

299,8500

August-06

1.999,0000

January-02

0,0000

May-04

0,0000

September-06

0,0000

February-02

0,0000

June-04

3.048,4750

October-06

0,0000

March-02

0,0000

July-04

0,0000

November-06

0,0000

April-02

0,0000

August-04

0,0000

December-06

1.999,0000

May-02

0,0000

September-04

0,0000

January-07

0,0000

June-02

0,0000

October-04

0,0000

February-07

2.998,5000

July-02

0,0000

November-04

0,0000

March-07

0,0000

August-02

0,0000

December-04

0,0000

April-07

0,0000

September-02

0,0000

January-05

0,0000

May-07

2.998,5000

October-02

0,0000

February-05

0,0000

June-07

0,0000

November-02

0,0000

March-05

0,0000

July-07

2.498,7500

December-02

2.398,8000

April-05

0,0000

August-07

0,0000

January-03

6.996,5000

May-05

0,0000

September-07

1.499,2500

February-03

0,0000

June-05

149,9250

October-07

1.499,2500

March-03

0,0000

July-05

4.509,7889

November-07

3.498,8497

April-03

2.998,5000

August-05

99,9500

December-07

1.499,2500

Sumber: Laporan OHL PT Aneka Tambang, Tbk UBPP Logam Mulia

Tabel 7. Data Penjualan Domestik Perak 2001-2007 Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

Tanggal

Jumlah (Kg)

January-01

0,0000

May-03

970,5000

September-05

560,7195

February-01

0,0000

June-03

494,8000

October-05

296,3518

March-01

0,0000

July-03

946,5000

November-05

1.765.1170

April-01

4.269,8694

August-03

298,4000

December-05

2.295,3518

May-01

2.750,6270

September-03

359,8000

January-06

751,2712

June-01

2.165,9190

October-03

117,2000

February-06

509,0234

July-01

2.045,9790

November-03

278,2000

March-06

721,6540

August-01

2.962,3210

December-03

406,8000

April-06

849,5750

September-01

1.088,9600

January-04

453,2684

May-06

808,5955

October-01

2.750,6270

February-04

405,2000

June-06

993,3481

November-01

4.269,8694

March-04

1.258,2135

July-06

745,6270

December-01

751,6240

April-04

1.305,3470

August-06

859,6700

January-02

6.751,3516

May-04

359,8367

September-06

1.289,8548

February-02

0,0000

June-04

395,7779

October-06

1.139,4350

March-02

0,0000

July-04

369,8980

November-06

472,7635

April-02

5.025,4860

August-04

521,7390

December-06

259,9540

May-02

9.913,3831

September-04

809,5955

January-07

229,9850

June-02

5,8688

October-04

7.324,9000

February-07

287,8560

July-02

2.366,1993

November-04

1.475,9300

March-07

539,7300

August-02

0,0000

December-04

806,5900

April-07

119,9400

September-02

0,0000

January-05

737,6310

May-07

1.111,4440

October-02

0,0000

February-05

546,2308

June-07

641,6909

November-02

0,0000

March-05

4.804,5965

July-07

1.648,4754

December-02

93,4533

April-05

1.518,2405

August-07

423,7999

January-03

949,5420

May-05

741,6790

September-07

439,7800

February-03

592,8594

June-05

505,7470

October-07

138,9305

March-03

843,5780

July-05

552,7490

November-07

349,9549

April-03

722,7000

August-05

344,8576

December-07

113,9430

Sumber: Laporan OHL PT Aneka Tambang, Tbk UBPP Logam Mulia Tahap selanjutnya perlu diperhatikan bahwa model terbaik dipilih sesuai kriteria peramalan yaitu MAPE terkecil. Daftar metode beserta nilai MAPE yang telah dicoba dapat dilihat pada Tabel 8.

Tabel 8. Metode dan Nilai MAPE MAPE

METODE

([ ∑ ((Yt–Ŷt) / Yt) ] / n) Trend Analisis (Linear) Ekspor Emas

14.033,6

Moving Average(2) Ekspor Emas

14.729

Moving Average(3) Ekspor Emas

15.921

Moving Average(4) Ekspor Emas

11.955

Moving Average(5) Ekspor Emas

16.302

ARMA(1,1) Ekspor Emas

15.654,23

ARMA(2,2) Ekspor Emas

16.388,18

Trend Analisis (KUADRATIK) Domestik Emas

78,4

Double Exponential Smoothing Domestik Emas

81,2

Moving Average(2) Domestik Emas

77,1

Moving Average(3) Domestik Emas

77,4

Moving Average(4) Domestik Emas

80,5

Moving Average(5) Domestik Emas

81,8

Double Exponential Smoothing Ekspor Perak

228

ARIMA (1,0,1) Ekspor Perak

147,0441

Moving Average(2) Ekspor Perak

185

Moving Average(3) Ekspor Perak

180

Single Exponential Smoothing Domestik Perak

798

Double Exponential Smoothing Domestik Perak

2081

Moving Average(2) Domestik Perak

1779

Moving Average(3) Domestik Perak

1224

ARIMA (1,0,1) Domestik Perak

732,7846

Setelah memplotkan seluruh data penjualan secara grafis didapatkan bahwa pola penjualan emas dan perak merupakan data stationer. Dari kelima metode peramalan yang diujicobakan, yaitu Trend, Decomposition, Exponential

Smoothing, Moving Average, dan ARIMA didapatkan metode yang sesuai dengan pola data stationer yang dimiliki oleh data penjualan emas dan perak PT Aneka Tambang, Tbk UBPP Logam Mulia adalah Moving Average dan ARIMA. Berikut hasil analisis peramalan emas dan perak PT Aneka Tambang, Tbk UBPP Logam Mulia. A.

Hasil Peramalan Ekspor Emas Pada tahap ini, data penjualan per bulan ekspor emas dari bulan Januari

2001 sampai dengan Desember 2007 diolah menggunakan metode time series (runtut waktu). Metode dengan MAPE terkecil sebesar 11.955 adalah metode Moving Average dengan length sebesar empat. Dari hasil peramalan didapatkan bahwa penjualan ekspor emas dapat mencapai jumlah 404,96 Kg setiap bulannya (dengan selang peramalan sebesar -231,741 sampai dengan 1.041,66). Karena metode yang terbaik adalah Moving Average dengan length sebesar empat, maka jumlah peramalan setiap bulannya sama. B.

Hasil Peramalan Domestik Emas Data penjualan per bulan domestik emas dari bulan Januari 2001 sampai

dengan Desember 2007 diolah menggunakan metode time series (runtut waktu). Metode dengan MAPE terkecil sebesar 77,1 adalah metode Moving Average dengan length sebesar dua. Dari hasil peramalan didapatkan bahwa peramalan penjualan domestik emas dapat mencapai jumlah 117,919 Kg setiap bulannya (dengan selang peramalan sebesar -145,105 sampai dengan 380,943). Karena metode yang terbaik adalah Moving Average dengan length sebesar dua, maka jumlah peramalan setiap bulannya sama. C.

Hasil Peramalan Ekspor Perak Data penjualan per bulan ekspor perak dari bulan Januari 2001 sampai

dengan Desember 2007 diolah menggunakan metode time series (runtut waktu). Metode dengan MAPE terkecil sebesar 147,0441 adalah metode ARIMA dengan AR bernilai 1 dan MA bernilai 1 karena tanpa differencing maka dikatakan ARMA (1,1). Adapun hasil peramalannya dapat dilihat pada Tabel 10. Dari hasil peramalan didapatkan bahwa peramalan penjualan ekspor perak dapat mencapai jumlah 12.289 Kg pada tahun 2008, 10.471,05 Kg pada tahun 2009, dan 10.220,88 Kg pada 2010.

Tabel 9. Hasil Peramalan Penjualan Ekspor Perak 2008-2010 No.

Periode

Penjualan Ekspor

(Bulan Ke)

Perak (Kg)

1

85

1220.8

2

86

1164.07

3

87

1115.98

4

88

1075.22

5

89

1040.67

6

90

1011.38

7

91

986.55

8

92

965.51

9

93

947.67

10

94

932.55

11

95

919.73

12

96

908.87

13

97

899.66

14

98

891.85

15

99

885.23

16

100

879.63

17

101

874.87

18

102

870.84

19

103

867.42

20

104

864.53

21

105

862.07

22

106

859.99

23

107

858.23

24

108

856.73

25

109

855.47

26

110

854.39

27

111

853.48

28

112

852.71

29

113

852.05

30

114

851.5

31

115

851.03

32

116

850.63

33

117

850.29

34

118

850.01

35

119

849.76

36

120

849.56

D.

Hasil Peramalan Domestik Perak Data penjualan per bulan ekspor emas dari bulan Januari 2001 sampai

dengan Desember 2007 diolah menggunakan metode time series (runtut waktu). Metode dengan MAPE terkecil sebesar 732,7846 adalah metode ARIMA dengan AR bernilai 1 dan MA bernilai 1 karena tanpa differencing maka dikatakan ARMA (1,1). Adapun hasil peramalannya dapat dilihat pada Tabel 11. Dari hasil peramalan didapatkan bahwa peramalan penjualan domestik perak dapat mencapai jumlah 12.013,18 Kg pada tahun 2008, 13.667,64 Kg pada tahun 2009, dan 13.889 Kg pada 2010. Tabel 10. Hasil Peramalan Penjualan Domestik Perak 2008-2010 No.

Periode (Bulan Ke)

Penjualan Domestik Perak (Kg)

1

85

823.28

2

86

874.4

3

87

917.79

4

88

954.62

5

89

985.89

6

90

1012.42

7

91

1034.94

8

92

1054.06

9

93

1070.29

10

94

1084.06

11

95

1095.75

12

96

1105.68

13

97

1114.1

14

98

1121.25

15

99

1127.32

16

100

1132.47

17

101

1136.84

18

102

1140.55

19

103

1143.7

20

104

1146.38

21

105

1148.65

22

106

1150.57

23

107

1152.21

24

108

1153.6

25

109

1154.77

26

110

1155.77

Lanjutan Tabel 10

4.5.

27

111

1156.62

28

112

1157.34

29

113

1157.95

30

114

1158.47

31

115

1158.91

32

116

1159.29

33

117

1159.61

34

118

1159.87

35

119

1160.1

36

120

1160.3

Intepretasi Hasil Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia Model Moving Average paling cocok digunakan untuk data stationer.

Tujuan model ini adalah menggunakan data masa lalu untuk membuat peramalan untuk masa yang akan datang. Sedangkan model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data. Hal utama yang mencirikan dari model ARIMA dalam rangkaian analisis data deret waktu adalah perlunya pemeriksaan keacakan data dengan melihat koefisien autokorelasinya. Model ARIMA juga bisa digunakan untuk mengatasi masalah sifat keacakan, trend, musiman bahkan sifat siklis data deret waktu yang dianalisis. Data dihitung untuk mendapatkan rata-rata data dasar dan kemudian digunakan untuk meramalkan nilai pada periode selanjutnya (Arsyad, 1994). Dalam melakukan intepretasi hasil peramalan penjualan emas dan perak PT Aneka Tambang, Tbk UBPP Logam Mulia ini merupakan hasil yang didapat penulis dari hasil wawancara dengan pihak manajerial dan observasi langsung pada saat penelitian dilakukan. Sumber data yang didapatkan berdasarkan wawancara dan pengamatan tersebut kemudian diolah dan sehingga memperoleh hasil peramalan seperti disebutkan pada pembahasan sebelumnya. Dari keseluruhan data penjualan yang dianalisis dengan menggunakan metode peramalan runtut waktu didapatkan bahwa pola data penjualan ini merupakan data stationer yang kemudian dapat ditentukan model peramalan yang paling cocok, dari pengolahan data yaitu model Moving Average dan ARIMA. Sedangkan berdasarkan wawancara dan pengamatan dapat diketahui strategi perusahaan saat ini.

Logam mulia yang umumnya memiliki harga yang tinggi, karena sifatnya yang langka dan tahan korosi, dengan kenyataan ini menyebabkan banyak kalangan yang menganggap logam mulia khususnya emas, merupakan aset atau investasi jangka panjang yang paling baik. Berdasarkan minat masyarakat modern saat ini, maka penjualan emas dan perak kemungkinan akan meningkat (www.emaskita.com), namun sebagai perusahaan dengan sistem komuditas pasar dimana pasar menentukan harga, strategi penetapan harga menjadi hal penting dalam bauran pemasaran. Perbedaan jumlah penjualan antara emas dan perak yang terjadi selama tujuh tahun terakhir menunjukkan tingkat permintaan kedua jenis logam mulia ini berbeda. Bila dilihat dari penjualan secara domestik dan ekspor secara keseluruhan, jumlah penjualan perak lebih besar dibandingkan dengan penjualan emas, hal ini karena hasil tambang perak bisa lebih besar dibanding emas. Dalam hal ini bisa dikatakan bahwa persediaan perak atau tambang perak di dunia lebih banyak. Hal lain yang mempengaruhi jumlah penjualan ini adalah emas yang lebih langka bila dibandingkan dengan perak sehingga hasil dan cadangan emas di dunia sedikit menyebabkan harganya menjadi mahal. Tingginya harga emas diperkuat lagi dengan tingginya permintaan emas murni sebagai jaminan uang sebagian besar negara di dunia. Paradigma baru dalam industri tambang saat ini dipengaruhi beberapa keadaan. Untuk logam mulia khususnya emas dipengaruhi beberapa hal, yaitu permintaan akan investasi emas semakin meningkat, inflasi, penurunan suplay tambang, serta resiko geopolitik. Persaingan antar negara juga mempengaruhi, penjualan ekspor beberapa perusahaan tambang logam mulia di dunia, beberapa perusahaan tambang dunia yang aktif melakukan perdagangan emas, misalnya BARRICK GOLD (Canada) dan GOLD BARS WORLDWIDE (Australia). Dalam analisis peramalan yang telah dilakukan, hasil peramalan yang menarik adalah hasil peramalan dari ekspor perak yang semakin menurun tiap tahunnya. Hal ini dapat mengidentifikasi kemungkinan terjadinya penurunan hasil atau cadangan tambang perak diwaktu mendatang, sehingga persediaan perak yang semakin berkurang akan mengakibatkan harga perak yang semakin tinggi

dan jumlah permintaan perak pun ikut menurun. Dengan menurunnya permintaan perak dari negara lain maka penjualan perak disektor ekspor menurun. 4.6.

Perencanaan Strategi Pemasaran PT Aneka Tambang, Tbk UBPP Logam Mulia

A.

Segmentation, Targeting, dan Positioning Segmentation Melihat hasil ramalan untuk tahun 2008 sampai tahun 2010, dimana untuk

ekspor dan domestik emas selang peramalan untuk data terendah mencapai nilai minus, dengan demikian ada kemungkinan ditahun mendatang perusahaan mencapai kekurangan produksi. Melihat hal tersebut maka penting bagi manajemen untuk menganalisa kembali strategi pemasaran untuk di masa yang akan datang. Untuk peramalan penjualan perak terjadi fluktuasi setiap bulananya, berarti untuk kedepannya manajemen perlu mengamati kejadian-kejadian yang mempengaruhi penjualan perak dimasa yang akan datang. Berdasarkan penjelasan di atas, dengan demikian untuk mencapai data terbesar atau bahkan melebihi peramalan perlu ketelitian dalam memilih variabel segmentasi agar sesuai dengan perusahaan. Segmentasi berdasarkan komponen geografis pada PT Aneka Tambang, Tbk UBPP Logam Mulia sudah merupakan hal yang tepat. Segmentasi geografis lebih mudah dilakukan, karena data yang akurat dan tepat sudah tersedia, untuk itu perusahaan mampu meningkatkan posisi kompetisi perusahaan dan memberikan pelayanan yang lebih baik kepada konsumen di setiap sektor penjualan secara geografis. Dalam menentukan dasar segmentasi yang akan digunakan dapat disesuaikan dengan kondisi yang paling relevan. Sebagaimana diketahui konsumen berbeda dalam banyak hal dan masing–masing berpotensi membentuk segmen. Dalam membuat sebuah perencanaan strategi pemasaran untuk STP yang baik, perusahaan harus memperhatikan beberapa variabel vital dalam penjualan emas dan perak baik di dalam negeri maupun luar negeri. Variabel-variabel penting tersebut harus memperhatikan dua sektor yaitu dari sektor pemasaran sebagai strategi perusahaan dan sektor ekonomi makro yang berfluktuasi sehingga sangat mempengaruhi penjualan emas dan perak secara global.

Targeting Setelah perusahaan mengidentifikasi peluang segmen pasar selanjutnya adalah mengevaluasi beragam segmen tersebut untuk memutuskan segmen mana yang menjadi target market. Target yang ingin dilayani PT Aneka Tambang, Tbk UBPP Logam Mulia saat ini adalah: a.

Pasar dalam negeri Pedagang emas (untuk produk standar dan perhiasan) Perusahaan-perusahaan lainnya (untuk job order special design) Perusahaan-perusahaan tambang emas (untuk peningkatan feed jasa pemurnian emas dan perak) Pelanggan perorangan (untuk emas cucian dan penjualan retail)

b.

Ekspor Ekspor dilakukan ke negara-negara yang aktif memperdagangkan logam

mulia khususnya emas, seperti Singapura, China, Jepang dan Amerika. Berdasarkan hal di atas perusahaan harus melihat apakah suatu segmen potensial memiliki karakteristik yang secara umum menarik seperti ukuran, pertumbuhan, profitabilitas, skala ekonomi, resiko yang rendah dan lain-lain. Berdasarkan hasil peramalan perusahaan dapat mempertimbangkan apakah berinvestasi dalam segmen tersebut masuk akal dengan melihat tujuan dan sumber daya perusahaan. Melihat hasil peramalan yang ada sebaiknya perusahaan meningkatkan target pasar untuk penjualan ekspor, misalnya melakukan suvey untuk mencari negara yang membutuhkan logam mulia seperti emas dan perak. Positioning Posititioning adalah bagaimana sebuah produk dimata konsumen yang membedakannya dengan produk pesaing. Dalam hal ini termasuk brand image, manfaat yang dijanjikan serta competitive advantage. Inilah alasan kenapa konsumen memilih produk suatu perusahaan bukan produk pesaing. Sebagai satusatunya pabrik pemurnian logam mulia terpercaya di Indonesia yang memurnikan seluruh jenis bullion emas, perak, dan platina baik yang berasal dari tambang maupun rongsokan (scrap) PT Aneka Tambang, Tbk UBPP Logam Mulia memiliki posititioning yang baik dimata konsumen domestik, namun ketika perusahaan menginginkan peningkatan pada penjualan ekspor mengacu pada hasil

peramalan ekspor, dimana peramalan untuk ekspor perak mengalami penurunan setiap tahunnya, maka perusahaan harus mampu menciptakan image sebagai perusahaan yang menghasilkan produk berkualitas baik di dunia. Dengan posititioning perusahaan yang baik saat ini ada keyakinan perusahaan mampu mencapai hasil peramalan bahkan melebihinya. B.

Bauran Pemasaran (Marketing Mix) Berdasarkan hasil ramalan untuk tahun 2008 sampai tahun 2010, dimana

untuk ekspor dan domestik emas selang peramalan untuk data terendah mencapai nilai minus, dengan demikian ada kemungkinan ditahun mendatang perusahaan mencapai kekurangan produksi. Melihat hal tersebut maka penting bagi manajemen untuk menganalisa kembali variable-variabel dalam bauran pemasaran untuk di masa yang akan datang. Untuk peramalan penjualan perak terjadi fluktuasi setiap bulananya, berarti untuk kedepannya manajemen perlu mengamati hal-hal yang mempengaruhi penjualan perak dimasa yang akan datang. Berikut hal-hal yang dapat diperhatikan dalam bauran pemasaran. Produk (product) Ada beberapa cara yang ditawarkan dalam membedakan produk yaitu ciri, mutu, ketahanan, kehandalan, mudah diperbaiki, harga, inovasi, gaya dan disainnya. Ciri merupakan sifat dari fungsi prcduk, mutu menunjukkan tingkat operasi sifat utama produk. Ketahanan berguna untuk mengukur harapan hidup produk dan kehandalan untuk mengukur kemungkinan produk tidak rusak selama jangka waktu tertentu dan jika terjadi kerusakan kemungkinan diperbaiki sangat mudah. Emas dan perak yang dihasilkan PT Aneka Tambang, Tbk UBPP Logam Mulia merupakan produk yang ketahanan sangat baik dan bernilai tinggi. Untuk mencapai target penjualan perusahaan diwaktu yang akan datang yang harus ditingkatkan adalah menginovasi desain-desain yang lebih menarik untuk konsumen. Hasil peramalan di atas dapat menjadi sumber ide dalam inovasi produk dimasa selanjutnya. Peningkatan nilai ekspor dapat dilakukan dengan peningkatan mutu yang diakui dunia, selain itu peningkatan jumlah negara tujuan ekspor adalah hal yang penting.

Harga (price) Dalam penetapan harga suatu produk senantiasa harus mempertimbangkan dua pihak dalam pasar yaitu produsen dan konsumen agar terciptanya suasana saling menguntungkan, karena harga tersebut merupakan penentuan bagi perkembangan usaha produsen baik pada masa sekarang maupun dimasa mendatang dan bagi konsumen harga tersebut merupakan ukuran dalam menentukan pembeliah mana yang sesuai atau cocok berdasarkan kebutuhan dan kemampuannya. Sebagai perusahaan dengan sistem komoditi pasar dimana pasar menentukan harga maka dalam penjualan emas dan perak PT Aneka Tambang, Tbk UBPP Logam Mulia harus mampu memilih untuk menetapkan harga pada waktu yang tepat, yaitu saat pergerakan harga dinilai mampu meningkatkan keuntungan perusahaan. Tingkat harga pada penjualan emas dan perak sangat berperan penting, pencapaian peramalan yang telah dilakukan sangat berpengaruh pada pergerakan harga di pasar dunia. Pada umumnya pergerakan harga emas akibat beberapa faktor seperti gejolak geopolitik, pergerakan tajam nilai tukar dolar Amerika Serikat dan kestabilan harga minyak dunia. Dalam melakukan penjualan emas dan perak diharuskan memiliki kejelian manajemen untuk membaca waktu yang tepat untuk menetapkan harga, karena emas dan perak merupakan barang berharga yang bernilai investasi maka para konsumen juga mengharapkan dengan membeli emas mendapatkan keuntungan dimasa yang akan datang. Namun tidak demikian dengan penetapan harga perak, karena harga perak cenderung lebih stabil di dunia. Tempat (place) Tempat atau saluran distribusi merupakan bagian dari kegiatan yang terlibat dalam pengadaan dan penggunaan semua bahan yang dipergunakan untuk memproduksi, kegiatan ini meliputi pengendalian produksi dan persediaan, penanganan bahan dan penerimaan. Kantor pemasaran PT Aneka Tambang, Tbk UBPP Logam Mulia yang terletak di Jakarta dan Surabaya merupakan menempatan yang tepat, karena dilihat dari kesibukan kota Jakarta dan Surabaya merupakan kota yang pergerakan bisnis dan perdagangan emasnya tinggi di Indonesia. Ketika penjualan emas dan ekspor diharapkan dapat mencapai nilai

terbaik dari peramalan bahkan lebih baik maka penentuan kantor pemasaran menjadi hal yang penting, karena kantor pemasaran yang baik mampu dijangkau pelanggan dengan mudah. Namun sebagai satu-satunya pabrik pemurnian logam mulia terpercaya di Indonesia ini menjadi keuntungan perusahaan sehingga konsumen atau pelanggan akan tetap menjadikan PT Aneka Tambang, Tbk UBPP Logam Mulia sebagai tempat untuk melakukan pembelian. Promosi (promotion) Promosi merupakan segala usaha yang dilakukan penjual untuk membujuk konsumen agar membeli. Di samping itu mengingatkan kembali kepada konsumen lama agar melakukan pembelian ulang. Promosi juga merupakan kegiatan untuk menyebarluaskan informasi tentang produk yang dijual dengan maksud agar konsumen mengetahui tentang produk tersebut. Logam mulia merupakan produk yang sudah terkenal keberadaannya dengan segala manfaatnya, oleh karena itu promosi bukan merupakan kegiatan yang paling utama dalam pencapaian peramalan terbaik, namun untuk meningkatkan eksistensi perusahaan promosi tetap baik untuk dilakukan. Promosi dengan membuat katalog serta brosur sudah cukup mewakili promosi yang dilakukan perusahaan.

KESIMPULAN DAN SARAN

1.

Kesimpulan Sebagai satu-satunya pabrik pemurnian logam mulia terpercaya di Indonesia PT Aneka Tambang, Tbk UBPP Logam Mulia memiliki jenis plot data berupa stationer. Data penjualan PT Aneka Tambang, Tbk UBPP Logam Mulia selama tahun 2001 sampai dengan 2007 berfluktuatif hal ini disebabkan pergerakan harga di pasar, selain itu juga disebabkan hasil tambang saat periode tersebut. Melalui analisis peramalan dengan menggunakan metode time series dalam penelitian ini kita dapat melihat bagaimana kemungkinan pencapaian penjualan emas dan perak PT Aneka Tambang, Tbk UBPP Logam Mulia tiga tahun kedepan, sehingga perusahaan dapat menjadikan peramalan sebagai acuan merencanakan strategi pemasaran yang tepat di masa mendatang. Metode dengan MAPE paling kecil adalah metode terbaik yang dipilih dalam menentukan berapa besar penjualan di tiap bulan, yaitu Moving Average dan ARIMA yang dicobakan pada data penjualan historis menghasilkan nilai penjualan pada akhir bulan peramalan ekspor domestik emas dan perak. Dari hasil peramalan didapatkan bahwa penjualan ekspor emas dapat mencapai jumlah 404,96 Kg setiap bulannya (dengan selang peramalan sebesar -231,741 sampai dengan 1.041,66). Peramalan untuk penjualan domestik emas dapat mencapai jumlah 117,919 Kg setiap bulannya (dengan selang peramalan sebesar -145,105 sampai dengan 380,943). Peramalan untuk penjualan ekspor perak dapat mencapai jumlah 12.289 Kg pada tahun 2008, 10.471,05 Kg pada tahun 2009, dan 10.220,88 Kg pada 2010. Sedangkan peramalan untuk penjualan domestik perak dapat mencapai jumlah 12.013,18 Kg pada tahun 2008, 13.667,64 Kg pada tahun 2009, dan 13.889 Kg pada 2010. Berdasarkan pemilihan metode terbaik untuk melakukan peramalan tersebut, peramalan digunakan sebagai acuan dalam perencanaan strategi pemasaran

selanjutnya.

Diharapkan

perusahaan

harus

dapat

mempertahankan keunggulan kompetitif dan strategi pemasaran yang telah

dilakukan saat ini serta dapat merumuskan kebijakan dan strategi yang lebih tepat nantinya. Hal yang penting untuk dilakukan perusahaan adalah memperluas negara tujuan ekspor dengan cara peningkatan posititioning perusahaan di dunia. 2.

Saran Dalam penelitian ini penulis menyarankan beberapa hal kepada

perusahaan untuk dapat mempertahankan eksistensi produk emas dan

perak.

Berikut hal-hal yang disarankan: Perusahaan sebaiknya secara berkala melakukan peramalan, dengan peramalan perusahaan akan lebih mudah menetapkan target baik itu penjualan maupun target lainnya yang akan meningkatkan keuntungan perusahaan. Semakin sering peramalan dilakukan oleh perusahaan maka hasil yang akan didapat akan lebih baik, karena variabel lain yang menjadi faktor yang mengurangi pendapatan perusahaan akan dapat disiasati dengan tindakan pemasaran yang tepat bila perusahaan tahu berapa pencapaian yang mungkin diraih. Dalam perencanaan strategi pemasaran selanjutnya perpaduan Segmentation, targeting, dan positioning dengan bauran pemasaran (empat P) menjadi penting. Perusahaan sebaiknya memperhatikan hal tersebut dan mengikuti perkembangan dimasa sekarang. Penambahan kantor pemasaran di luar negeri adalah hal yang baik agar meningkatkan posisi perusahaan di dunia. Perluasan target yang akan dicapai adalah penting, serta inovasi produk yang mampu menarik minat konsumen sangat baik dalam pencapaian target penjualan. Untuk penelitian lanjutan tentang peramalan penjualan dalam membantu pemasaran produk, disarankan untuk dapat menambahkan alat analisis lain. Disarankan menganalisis secara kualitatif menggunakan ilmu ekonomi makro.

DAFTAR PUSTAKA

Aneka Tambang. hhtp://www.antam.com. [26 Maret 2008] Angipora, P. M. 2002. Dasar – Dasar Pemasaran. Edisi Kedua. PT RajaGrafindo Persada. Jakarta. Aritonang, L. R. 2002. Peramalan Bisnis. Ghalia Indonesia (anggota IKAPI), Jakarta. Arsyad, L. 1994. Peramalan Bisnis. BPFE-Yogyakarta. Yogyakarta Baroto, T. 2002. Perencanaan dan Pengendalian Produksi. Penerbit Ghalia Indonesia. Jakarta. Emaskita. Sejarah Emas. hhtp://www.emaskita.com. [25 April 2008] Firdaus, M. 2006. Analisis Deret Waktu Satu Ragam. IPB Press. Bogor. Kartajaya, H. 2005. MarkPlus on Strategy. PT Gramedia Pustaka Utama. Jakarta. Kotler, P. 2000. Manajemen Pemasaran Jilid 1. Prenhallindo. Jakarta. 2000. Manajemen Pemasaran Jilid 2. Prenhallindo. Jakarta. Kotler, P dan G. A. Armstrong. 1995. Dasar-dasar Pemasaran Jilid 1. Prenhallindo. Jakarta. Logam Mulia. hhtp://www.logammulia.com. [23 Maret 2008] Rahmawati. 2006. Analisis Peramalan Ekspor Batubara Dan Dampaknya terhadap perekonomian Indonesia. Skripsi pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Rambe, Dedi S. 2007. Analisis Strategi Pemasaran Buku-Buku Islam Pada CV. Gema Insani Press. Skripsi pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Rangkuti, F. 2002. Riset Pemasaran. PT Gramedia. Jakarta. Sugiarto dan Harijono. 2000. Peramalan Bisnis. PT Gramedia Pustaka Utama. Jakarta. Wikipedia Indonesia. Emas dan Perak. hhtp://www.wikipedia.com. [23 Maret 2008]

LAMPIRAN

Lampiran 1.

1.

Daftar Pertanyaan Wawancara

Bagaimana segmen, target dan posisi serta bauran pemasaran PT Aneka Tanbang, Tbk UBPP Logam Mulia?

2.

Apakah perusahaan telah melakukan peramalan penjualan emas dan perak?

3.

Apa saja media promosi yang telah dibuat?

4.

Bagaimana hambatan dalam pemasaran?

5.

Bagaimana strategi pemasaran saat ini?

6.

Apa saja yang mempengaruhi harga penjualan logam mulia?

7.

Faktor apa saja yang mempengaruhi strategi pricing perusahaan?

8.

Apa standar yang digunakan perusahaan dalam penetapan harga emas?

9.

Apa saja strategi pemasaran yang telah dilakukan perusahaan, yang sejauh ini dianggap tepat untuk mendukung penjualan emas dan perak PT Aneka Tanbang, Tbk UBPP Logam Mulia?

10.

Apakah nilai penjualan emas dan perak didalam negeri dan luar negeri memiliki perbedaan?Mengapa?

Lampiran 2.

Hasil Output Komputer metode Trend, Moving Average, dan

ARIMA untuk Ekspor Emas

Plot Data Penjualan Ekspor Emas Januari 2001-Desember 2008 (Data 1) Time Series Plot of data1 2500

2000

data1

1500

1000

500

0 1

8

16

24

32

40 48 Index

56

64

72

80

Uji Kestasioneran Null Hypothesis: DATA1 has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic -8.365355 Test critical values: 1% level -3.511262 5% level -2.896779 10% level -2.585626 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DATA1) Method: Least Squares Date: 05/02/07 Time: 12:25 Sample(adjusted): 2001:02 2007:12 Included observations: 83 after adjusting endpoints Variable Coefficient Std. Error t-Statistic DATA1(-1) -0.924883 0.110561 -8.365355 C 164.6712 37.99721 4.333770 R-squared 0.463502 Mean dependent var Adjusted R-squared 0.456879 S.D. dependent var S.E. of regression 297.2781 Akaike info criterion Sum squared resid 7158318. Schwarz criterion Log likelihood -589.4171 F-statistic Durbin-Watson stat 2.006769 Prob(F-statistic)

Prob.* 0.0000

Prob. 0.0000 0.0000 1.807048 403.3802 14.25101 14.30930 69.97916 0.000000

Lanjutan Lampiran 2

Trend Analisis (Linear) Trend Analysis for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Fitted Trend Equation Yt = 162,386 + 0,315179*t Accuracy Measures MAPE 14033,6 MAD 158,5 MSD 86017,6

Trend Analisis (Kuadratik) Trend Analysis for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Fitted Trend Equation Yt = 330,683 - 11,4265*t + 0,138138*t**2 Accuracy Measures MAPE 7682,9 MAD 157,3 MSD 80743,3

Moving Average(2) Moving Average for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Moving Average Length 2 Accuracy Measures MAPE 14729 MAD 186 MSD 126223

Moving Average(3) Moving Average for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Moving Average Length 3 Accuracy Measures MAPE 15921 MAD 183 MSD 105419

Lanjutan Lampiran 2

Moving Average(4) Moving Average for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Moving Average Length 4 Accuracy Measures MAPE 11955 MAD 180 MSD 105530

Moving Average Plot for data1 2500

Variable Actual Fits

2000

Moving Av erage Length 4 Accuracy Measures MAPE 11955 MAD 180 MSD 105530

data1

1500

1000

500

0 1

8

16

24

32

40 48 Index

56

64

Forecasts Period 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107

Forecast 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960

Lower -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741

Upper 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66

72

80

Lanjutan Lampiran 2 108 109 110 111 112 113 114 115 116 117 118 119 120

404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960 404.960

-231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741 -231.741

1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66 1041.66

Moving Average(5) Moving Average for data1 (Ekspor Emas) Data Length NMissing

data1 84 0

Moving Average Length 5 Accuracy Measures MAPE 16302 MAD 184 MSD 108196

ARMA(1,1) ARIMA Model: data1 (Ekspor Emas) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8

SSE 7230383 7187700 7179940 7170161 7164138 7163024 7163021 7163018 7163018

Parameters 0,100 158,293 0,063 151,859 0,213 125,536 0,363 99,512 0,513 73,538 0,511 72,198 0,515 71,385 0,513 71,809 0,513 71,810

0,100 0,136 0,286 0,434 0,582 0,589 0,594 0,591 0,591

Relative change in each estimate less than 0,0010 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0,5915 0,5125 71,81 175,78

SE Coef 0,8454 0,8975 15,87 38,85

Number of observations: Residuals:

SS = MS =

T 0,70 0,57 4,52

P 0,486 0,570 0,000

84

7162442 (backforecasts excluded) 88425 DF = 81

Lanjutan Lampiran 2 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 4,4 9 0,885

24 5,8 21 1,000

36 9,4 33 1,000

48 11,2 45 1,000

MAPE = 15654.23

ARMA(1,2) ARIMA Model: data1 (Ekspor Emas) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11

SSE 7353741 7284211 7243215 7211445 7187981 7171548 7161325 7160747 7160741 7160722 7160722 7160722

Parameters 0,100 0,100 -0,050 0,086 -0,200 0,077 -0,350 0,065 -0,500 0,050 -0,650 0,026 -0,612 -0,002 -0,632 0,003 -0,646 -0,000 -0,638 0,001 -0,637 0,001 -0,637 0,001

0,100 -0,037 -0,182 -0,326 -0,468 -0,602 -0,528 -0,551 -0,564 -0,557 -0,555 -0,555

158,293 182,692 208,197 233,681 258,744 282,224 268,591 272,344 274,793 273,434 273,182 273,181

Relative change in each estimate less than 0,0010 Final Estimates of Parameters Type AR 1 MA 1 MA 2 Constant Mean

Coef -0,5553 -0,6370 0,0012 273,18 175,64

SE Coef 1,2305 1,2346 0,1943 53,40 34,33

T -0,45 -0,52 0,01 5,12

P 0,653 0,607 0,995 0,000

Number of observations: 84 Residuals: SS = 7160722 (backforecasts excluded) MS = 89509 DF = 80 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 3,8 8 0,874

24 5,3 20 1,000

36 8,9 32 1,000

48 11,3 44 1,000

MAPE = 100,3978

ARMA(2,1) ARIMA Model: data1 (Ekspor Emas) Estimates at each iteration Iteration 0 1 2 3

SSE 7245289 7207849 7185314 7170128

0,100 0,250 0,400 0,550

Parameters 0,100 0,100 0,089 0,242 0,076 0,384 0,049 0,512

140,705 116,284 92,330 70,626

Lanjutan Lampiran 2 4 5 6 7 8 9

7163653 7161887 7160062 7160046 7160045 7160045

0,418 0,568 0,514 0,520 0,519 0,519

0,044 0,028 0,024 0,024 0,024 0,024

0,362 0,509 0,444 0,451 0,450 0,450

94,308 70,984 81,195 80,099 80,172 80,171

Relative change in each estimate less than 0,0010 Final Estimates of Parameters Type AR 1 AR 2 MA 1 Constant Mean

Coef 0,5194 0,0244 0,4500 80,17 175,75

SE Coef 1,4619 0,1897 1,4606 18,02 39,51

T 0,36 0,13 0,31 4,45

P 0,723 0,898 0,759 0,000

Number of observations: 84 Residuals: SS = 7159303 (backforecasts excluded) MS = 89491 DF = 80 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 4,4 8 0,819

24 5,8 20 0,999

36 9,5 32 1,000

48 11,2 44 1,000

MAPE 15627.73

ARMA(2,2) ARIMA Model: data1 (Ekspor Emas) Estimates at each iteration Iteration SSE 0 7230383 0,100 1 7170285 0,141 2 7156519 -0,001 3 7150687 -0,151 4 7146183 -0,001 5 7142918 -0,147 6 7139781 0,003 7 7139143 -0,138 8 7137625 0,012 9 7137078 -0,011 10 7137055 -0,019 11 7137052 -0,021 12 7137052 -0,021 13 7137052 -0,021 14 7137052 -0,021 15 7137052 -0,022 16 7137052 -0,022

0,100 0,107 0,257 0,358 0,372 0,459 0,439 0,404 0,433 0,408 0,415 0,413 0,413 0,413 0,413 0,413 0,413

Parameters 0,100 0,100 0,059 0,093 -0,082 0,233 -0,232 0,323 -0,083 0,352 -0,233 0,430 -0,087 0,429 -0,237 0,383 -0,087 0,430 -0,116 0,405 -0,123 0,410 -0,125 0,408 -0,126 0,408 -0,126 0,408 -0,126 0,408 -0,126 0,408 -0,126 0,408

Relative change in each estimate less than 0,0010 Final Estimates of Parameters Type AR 1 AR 2 MA 1

Coef -0,0216 0,4130 -0,1261

SE Coef 2,0765 0,8610 2,0839

T -0,01 0,48 -0,06

P 0,992 0,633 0,952

140,705 132,416 130,992 139,609 110,793 121,112 98,212 128,820 97,553 106,075 106,207 106,925 106,928 106,998 106,998 107,024 107,022

Lanjutan Lampiran 2 MA 2 Constant Mean

0,4081 107,02 175,86

0,9443 23,71 38,96

0,43 4,51

0,667 0,000

Number of observations: 84 Residuals: SS = 7136836 (backforecasts excluded) MS = 90340 DF = 79 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 3,8 7 0,806

MAPE 16388.18

24 5,2 19 0,999

36 8,9 31 1,000

48 11,2 43 1,000

Lampiran 3.

Hasil Output Komputer metode Trend, Exponential Smoothing,

Moving Average, dan ARIMA untuk Domestik Emas

Plot Data Penjualan Domestik Emas Januari 2001-Desember 2007 (Data 2) Time Series Plot of dat2 700 600 500

dat2

400 300 200 100 0 1

8

16

24

32

40 48 Index

56

64

72

80

Uji Kestasioneran Null Hypothesis: DATA2 has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic -6.705272 Test critical values: 1% level -3.511262 5% level -2.896779 10% level -2.585626 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DATA2) Method: Least Squares Date: 05/02/07 Time: 12:26 Sample(adjusted): 2001:02 2007:12 Included observations: 83 after adjusting endpoints Variable Coefficient Std. Error t-Statistic DATA2(-1) -0.706039 0.105296 -6.705272 C 106.8278 20.33288 5.253941 R-squared 0.356942 Mean dependent var Adjusted R-squared 0.349003 S.D. dependent var S.E. of regression 116.9618 Akaike info criterion Sum squared resid 1108084. Schwarz criterion Log likelihood -511.9930 F-statistic Durbin-Watson stat 2.048330 Prob(F-statistic)

Prob.* 0.0000

Prob. 0.0000 0.0000 1.104065 144.9621 12.38537 12.44366 44.96067 0.000000

Lanjutan Lampiran 3 Trend Analysis for dat2 (LINEAR) (Domestik Emas) Data Length NMissing

dat2 84 0

Fitted Trend Equation Yt = 128,447 + 0,484779*t Accuracy Measures MAPE 76,2 MAD 90,8 MSD 14590,3

Trend Analysis for dat2 (KUADRATIK) (Domestik Emas) Data Length NMissing

dat2 84 0

Fitted Trend Equation Yt = 47,1615 + 6,15587*t - 0,0667188*t**2 Accuracy Measures MAPE 78,4 MAD 85,5 MSD 13359,9

Single Exponential Smoothing for dat2 (Domestik Emas) Data Length

dat2 84

Smoothing Constant Alpha 0,197017 Accuracy Measures MAPE 75,4 MAD 89,1 MSD 14492,6

Double Exponential Smoothing for dat2 (Domestik Emas) Data Length

dat2 84

Smoothing Constants Alpha (level) 0,801342 Gamma (trend) 0,010610 Accuracy Measures MAPE 81,2 MAD 94,7 MSD 18027,6

Moving Average for dat2 , (MA2) (Domestik Emas) Data dat2 Length 84 NMissing 0 Moving Average Length 2 Accuracy Measures MAPE 77,1 MAD 96,9 MSD 18009,2

Lanjutan Lampiran 3 Moving Average Plot for dat2 (Domestik Emas) Moving Average Plot for dat2 700

Variable Actual Fits

600

Moving Av erage Length 2

500

Accuracy Measures MAPE 77.1 MAD 96.9 MSD 18009.2

dat2

400 300 200 100 0 1

8

16

24

32

40 48 Index

56

64

Forecasts Period 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120

Forecast 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919 117.919

Lower -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105 -145.105

Upper 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943 380.943

72

80

Lanjutan Lampiran 3 Moving Average for dat2 (MA3) (Domestik Emas) Data Length NMissing

dat2 84 0

Moving Average Length 3 Accuracy Measures MAPE 77,4 MAD 91,7 MSD 16007,9

Moving Average for dat2 (MA4) (Domestik Emas) Data Length NMissing

dat2 84 0

Moving Average Length 4 Accuracy Measures MAPE 80,5 MAD 94,7 MSD 16350,4

Moving Average for dat2 (MA5) (Domestik Emas) Data Length NMissing

dat2 84 0

Moving Average Length 5 Accuracy Measures MAPE 81,8 MAD 95,6 MSD 16400,5

ARIMA Model: dat2 (Domestik Emas) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8

SSE 1237190 1131086 1124599 1119073 1117220 1117142 1117139 1117139 1117139

0,100 0,234 0,384 0,527 0,616 0,632 0,634 0,635 0,635

Parameters 0,100 134,235 -0,034 114,018 0,105 91,401 0,255 69,898 0,355 56,480 0,372 53,986 0,374 53,596 0,374 53,515 0,374 53,497

Lanjutan Lampiran 3 Relative change in each estimate less than 0,0010 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0,6349 0,3744 53,497 146,54

SE Coef 0,2522 0,3022 8,007 21,93

T 2,52 1,24 6,68

P 0,014 0,219 0,000

Number of observations: 84 Residuals: SS = 1113525 (backforecasts excluded) MS = 13747 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 9,5 9 0,393

24 17,1 21 0,707

36 31,3 33 0,550

48 40,7 45 0,656

MAPE= 0,62203 * 100%= 62.2203%

Kesimpulan : model yang baik adalah MA(2)

Lampiran 4.

Hasil Output Komputer metode Trend, Exponential Smoothing,

Moving Average, dan ARIMA untuk Ekspor Perak

Plot Data Penjualan Ekspor Perak Januari 2001-Desember 2007 (Data 3)

Time Series Plot of data3 7000 6000

data3

5000 4000 3000 2000 1000 0 1

8

16

24

32

40 48 Index

56

64

72

80

Uji Kestasioneran Null Hypothesis: DATA3 has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic -8.260658 Test critical values: 1% level -3.511262 5% level -2.896779 10% level -2.585626 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DATA3) Method: Least Squares Date: 05/02/07 Time: 12:26 Sample(adjusted): 2001:02 2007:12 Included observations: 83 after adjusting endpoints Variable Coefficient Std. Error t-Statistic DATA3(-1) -0.913635 0.110601 -8.260658 C 784.3923 184.4973 4.251512 R-squared 0.457245 Mean dependent var Adjusted R-squared 0.450544 S.D. dependent var S.E. of regression 1452.914 Akaike info criterion Sum squared resid 1.71E+08 Schwarz criterion Log likelihood -721.1097 F-statistic Durbin-Watson stat 2.017663 Prob(F-statistic)

Prob.* 0.0000

Prob. 0.0000 0.0001 18.06325 1960.078 17.42433 17.48262 68.23847 0.000000

Lanjutan Lampiran 4 Trend Analysis for data3 (LINEAR) (Ekspor Perak) Data Length NMissing

data3 84 0

Fitted Trend Equation Yt = 339.137 + 11.9411*t Accuracy Measures MAPE 159 MAD 1066 MSD 1975696

Trend Analysis for data3 (Kuadratik) (Ekspor Perak) Data Length NMissing

data3 84 0

Fitted Trend Equation Yt = 35.0276 + 33.1580*t - 0.249611*t**2 Accuracy Measures MAPE 171 MAD 1068 MSD 1958475

Single Exponential Smoothing for data3 (Ekspor Perak) Data Length

data3 84

Smoothing Constant Alpha 0.115431 Accuracy Measures MAPE 147 MAD 974 MSD 2053703

Double Exponential Smoothing for data3 (Ekspor Perak) Data Length

data3 84

Smoothing Constants Alpha (level) 0.809008 Gamma (trend) 0.010000 Accuracy Measures MAPE 228 MAD 1137 MSD 3154785

ARIMA Model: data3 (Ekspor Perak) Estimates at each iteration Iteration 0 1 2 3 4 5 6

SSE 173000252 171556909 170989688 170193471 169189414 168054609 167352689

0.100 0.144 0.293 0.440 0.585 0.730 0.880

Parameters 0.100 762.059 0.055 725.364 0.205 600.031 0.355 475.653 0.505 352.549 0.655 230.178 0.802 102.989

Lanjutan Lampiran 4 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

167154457 166894906 166863621 166855368 166851268 166845705 166842792 166839127 166837265 166834665 166833575 166831608 166831064 166829504 166829330 166828054 166825206 166825049 166825045

0.783 0.818 0.862 0.832 0.860 0.835 0.858 0.837 0.856 0.839 0.855 0.841 0.854 0.842 0.853 0.843 0.846 0.847 0.848

0.661 0.709 0.759 0.717 0.756 0.721 0.753 0.724 0.750 0.726 0.748 0.728 0.747 0.730 0.745 0.731 0.737 0.738 0.738

179.804 154.419 118.088 141.309 119.022 138.887 120.801 137.224 122.249 135.863 123.410 134.728 124.351 133.778 125.120 132.979 130.604 129.685 129.246

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0.8477 0.7382 129.25 848.4

SE Coef 0.2236 0.2787 41.49 272.3

T 3.79 2.65 3.12

P 0.000 0.010 0.003

Number of observations: 84 Residuals: SS = 166576364 (backforecasts excluded) MS = 2056498 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 10.7 9 0.299

24 17.6 21 0.674

36 28.0 33 0.716

48 37.6 45 0.776

MAPE ARMA(1,1) = 147,0441 ARMA(1,1) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

SSE 173000252 171556909 170989688 170193471 169189414 168054609 167352689 167154457 166894906 166863621 166855368 166851268 166845705 166842792 166839127 166837265

0.100 0.144 0.293 0.440 0.585 0.730 0.880 0.783 0.818 0.862 0.832 0.860 0.835 0.858 0.837 0.856

Parameters 0.100 762.059 0.055 725.364 0.205 600.031 0.355 475.653 0.505 352.549 0.655 230.178 0.802 102.989 0.661 179.804 0.709 154.419 0.759 118.088 0.717 141.309 0.756 119.022 0.721 138.887 0.753 120.801 0.724 137.224 0.750 122.249

Lanjutan Lampiran 4 16 17 18 19 20 21 22 23 24 25

166834665 166833575 166831608 166831064 166829504 166829330 166828054 166825206 166825049 166825045

0.839 0.855 0.841 0.854 0.842 0.853 0.843 0.846 0.847 0.848

0.726 0.748 0.728 0.747 0.730 0.745 0.731 0.737 0.738 0.738

135.863 123.410 134.728 124.351 133.778 125.120 132.979 130.604 129.685 129.246

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0.8477 0.7382 129.25 848.4

SE Coef 0.2236 0.2787 41.49 272.3

T 3.79 2.65 3.12

P 0.000 0.010 0.003

Number of observations: 84 Residuals: SS = 166576364 (backforecasts excluded) MS = 2056498 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 10.7 9 0.299

24 17.6 21 0.674

36 28.0 33 0.716

48 37.6 45 0.776

Keterangan : MAPE pada model ARMA(1,1) = 147,0441 Forecasts from period 84 Period 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108

Forecast 1220.80 1164.07 1115.98 1075.22 1040.67 1011.38 986.55 965.51 947.67 932.55 919.73 908.87 899.66 891.85 885.23 879.63 874.87 870.84 867.42 864.53 862.07 859.99 858.23 856.73

95 Percent Limits Lower Upper -1590.51 4032.10 -1664.03 3992.16 -1724.12 3956.08 -1773.47 3923.91 -1814.18 3895.52 -1847.88 3870.65 -1875.88 3848.99 -1899.20 3830.22 -1918.67 3814.01 -1934.97 3800.07 -1948.63 3788.09 -1960.10 3777.83 -1969.74 3769.06 -1977.86 3761.56 -1984.70 3755.17 -1990.47 3749.72 -1995.34 3745.08 -1999.46 3741.14 -2002.93 3737.78 -2005.87 3734.93 -2008.36 3732.50 -2010.46 3730.44 -2012.24 3728.70 -2013.75 3727.21

Actual

Lanjutan Lampiran 4 109 110 111 112 113 114 115 116 117 118 119 120

855.47 854.39 853.48 852.71 852.05 851.50 851.03 850.63 850.29 850.01 849.76 849.56

-2015.02 -2016.10 -2017.02 -2017.79 -2018.45 -2019.01 -2019.48 -2019.88 -2020.21 -2020.50 -2020.74 -2020.95

3725.95 3724.88 3723.98 3723.21 3722.56 3722.00 3721.54 3721.14 3720.80 3720.51 3720.27 3720.07

ARIMA Model: data3 Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

SSE 170907039 169744073 168600788 167472796 166370904 165874639 165860671 165839274 165835940 165826137 165825884 165820712 165820522 165817511 165817427 165815589 165815551 165814396 165814220 165813538 165813508 165813098 165812810 165812700 165812700 165812671

0.100 0.250 0.400 0.550 0.700 0.683 0.751 0.695 0.742 0.702 0.737 0.706 0.733 0.709 0.730 0.712 0.728 0.714 0.726 0.715 0.724 0.717 0.721 0.719 0.721 0.720

Parameters 0.100 0.100 0.097 0.245 0.092 0.391 0.086 0.536 0.078 0.675 0.093 0.631 0.081 0.698 0.098 0.640 0.084 0.689 0.095 0.647 0.085 0.683 0.094 0.652 0.087 0.679 0.093 0.655 0.087 0.676 0.093 0.657 0.088 0.674 0.092 0.659 0.089 0.672 0.092 0.661 0.089 0.670 0.091 0.662 0.090 0.667 0.090 0.665 0.090 0.666 0.090 0.665

677.386 553.522 431.215 310.360 189.971 192.063 144.216 175.678 148.753 171.579 151.915 169.423 154.200 167.761 155.905 166.459 157.234 165.407 158.491 164.383 159.387 163.636 160.947 162.340 161.431 161.891

** Convergence criterion not met after 25 iterations ** Final Estimates of Parameters Type AR 1 AR 2 MA 1 Constant Mean

Coef 0.7198 0.0903 0.6654 161.89 852.1

SE Coef 0.3490 0.1406 0.3385 53.06 279.3

T 2.06 0.64 1.97 3.05

P 0.042 0.523 0.053 0.003

Number of observations: 84 Residuals: SS = 165527868 (backforecasts excluded) MS = 2069098 DF = 80

Lanjutan Lampiran 4 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 10.8 8 0.216

24 16.9 20 0.657

36 27.3 32 0.704

48 37.1 44 0.758

ARIMA Model: data3 (Ekspor Perak) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10

SSE 179027859 176323394 174944605 173974598 173234187 172648738 172055401 170932247 169153220 168832617 168814232

0.100 -0.043 -0.189 -0.334 -0.477 -0.620 -0.764 -0.908 -0.899 -0.888 -0.883

Parameters 0.100 0.100 -0.050 0.079 -0.200 0.065 -0.350 0.050 -0.500 0.033 -0.650 0.015 -0.800 -0.001 -0.950 -0.017 -0.966 -0.008 -0.962 0.004 -0.960 0.004

762.059 885.123 1009.798 1133.659 1256.130 1377.725 1499.817 1621.663 1609.276 1594.868 1591.108

Unable to reduce sum of squares any further Final Estimates of Parameters Type AR 1 MA 1 MA 2 Constant Mean

Coef -0.8834 -0.9600 0.0045 1591.1 844.8

SE Coef 0.1081 0.0923 0.0914 309.7 164.4

T -8.17 -10.40 0.05 5.14

P 0.000 0.000 0.961 0.000

Number of observations: 84 Residuals: SS = 168579686 (backforecasts excluded) MS = 2107246 DF = 80 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 11.7 8 0.166

24 23.2 20 0.278

36 30.1 32 0.561

48 38.8 44 0.692

ARIMA Model: data3 (Ekspor Perak) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13

SSE 173000252 169657654 167716896 167253769 166948241 166663469 166389041 166117563 165760958 164887647 164879026 164862345 164857237 164857122

0.100 0.142 0.285 0.433 0.582 0.731 0.880 1.028 1.174 1.099 1.018 1.040 1.053 1.094

0.100 0.147 0.269 0.199 0.096 -0.015 -0.129 -0.244 -0.358 -0.292 -0.212 -0.231 -0.242 -0.276

Parameters 0.100 0.100 0.058 0.053 0.208 0.193 0.358 0.135 0.508 0.045 0.658 -0.055 0.808 -0.158 0.958 -0.263 1.108 -0.372 1.060 -0.369 0.983 -0.305 1.006 -0.324 1.019 -0.333 1.058 -0.362

677.386 606.535 381.887 315.444 275.752 243.282 213.377 184.649 157.051 165.722 166.170 163.359 161.262 156.187

Lanjutan Lampiran 4 14 15 16 17 18 19 20

164854992 164853957 164853709 164853621 164853594 164853593 164853592

1.066 1.071 1.074 1.076 1.078 1.079 1.079

-0.249 -0.254 -0.257 -0.258 -0.260 -0.261 -0.261

1.030 1.035 1.038 1.041 1.042 1.043 1.044

-0.336 -0.342 -0.344 -0.345 -0.346 -0.347 -0.347

156.619 156.501 156.109 155.684 155.311 155.009 154.916

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T P AR 1 1.0795 1.0135 1.07 0.290 AR 2 -0.2606 0.8586 -0.30 0.762 MA 1 1.0435 0.9874 1.06 0.294 MA 2 -0.3467 0.7370 -0.47 0.639 Constant 154.92 48.11 3.22 0.002 Mean 855.4 265.7 Number of observations: 84 Residuals: SS = 164611692 (backforecasts excluded) MS = 2083692 DF = 79 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 9.8 7 0.201

24 15.7 19 0.675

36 26.5 31 0.696

48 36.7 43 0.740

Moving Average for data3 (Ekspor Perak) Data Length NMissing

data3 84 0

Moving Average Length 1 Accuracy Measures MAPE 252 MAD 1206 MSD 3795944

Moving Average for data3 (Ekspor Perak) Data Length NMissing

data3 84 0

Moving Average Length 2 Accuracy Measures MAPE 185 MAD 1094 MSD 2841136

Moving Average for data3 (Ekspor Perak) Data Length NMissing

data3 84 0

Moving Average Length 3

Lanjutan Lampiran 4 Accuracy Measures MAPE 180 MAD 1009 MSD 2402077

Moving Average for data3 (Ekspor Perak) Data Length NMissing

data3 84 0

Moving Average Length 4 Accuracy Measures MAPE 160 MAD 986 MSD 2267276

Moving Average for data3 (Ekspor Perak) ta data3 Length 84 NMissing 0 Moving Average Length 5 Accuracy Measures MAPE 178 MAD 1015 MSD 2351581

ARIMA Model: data3 (Ekspor Perak) Estimates at each iteration Iteration SSE Parameters 0 173000252 0.100 0.100 762.059 1 171556909 0.144 0.055 725.364 2 170989688 0.293 0.205 600.031 3 170193471 0.440 0.355 475.653 4 169189414 0.585 0.505 352.549 5 168054609 0.730 0.655 230.178 6 167352689 0.880 0.802 102.989 7 167154457 0.783 0.661 179.804 8 166894906 0.818 0.709 154.419 9 166863621 0.862 0.759 118.088 10 166855368 0.832 0.717 141.309 11 166851268 0.860 0.756 119.022 12 166845705 0.835 0.721 138.887 13 166842792 0.858 0.753 120.801 14 166839127 0.837 0.724 137.224 15 166837265 0.856 0.750 122.249 16 166834665 0.839 0.726 135.863 17 166833575 0.855 0.748 123.410 18 166831608 0.841 0.728 134.728 19 166831064 0.854 0.747 124.351 20 166829504 0.842 0.730 133.778 21 166829330 0.853 0.745 125.120 22 166828054 0.843 0.731 132.979 23 166825206 0.846 0.737 130.604 24 166825049 0.847 0.738 129.685 25 166825045 0.848 0.738 129.246 Relative change in each estimate less than 0.0010

Lanjutan Lampiran 4 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0.8477 0.7382 129.25 848.4

SE Coef 0.2236 0.2787 41.49 272.3

T 3.79 2.65 3.12

P 0.000 0.010 0.003

Number of observations: 84 Residuals: SS = 166576364 (backforecasts excluded) MS = 2056498 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag 12 24 36 48 Chi-Square 10.7 17.6 28.0 37.6 DF 9 21 33 45 P-Value 0.299 0.674 0.716 0.776

ARIMA Model: data3 (Ekspor Perak) Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

SSE 173000252 171556909 170989688 170193471 169189414 168054609 167352689 167154457 166894906 166863621 166855368 166851268 166845705 166842792 166839127 166837265 166834665 166833575 166831608 166831064 166829504 166829330 166828054 166825206 166825049 166825045

0.100 0.144 0.293 0.440 0.585 0.730 0.880 0.783 0.818 0.862 0.832 0.860 0.835 0.858 0.837 0.856 0.839 0.855 0.841 0.854 0.842 0.853 0.843 0.846 0.847 0.848

Parameters 0.100 762.059 0.055 725.364 0.205 600.031 0.355 475.653 0.505 352.549 0.655 230.178 0.802 102.989 0.661 179.804 0.709 154.419 0.759 118.088 0.717 141.309 0.756 119.022 0.721 138.887 0.753 120.801 0.724 137.224 0.750 122.249 0.726 135.863 0.748 123.410 0.728 134.728 0.747 124.351 0.730 133.778 0.745 125.120 0.731 132.979 0.737 130.604 0.738 129.685 0.738 129.246

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T P AR 1 0.8477 0.2236 3.79 0.000 MA 1 0.7382 0.2787 2.65 0.010 Constant 129.25 41.49 3.12 0.003 Mean 848.4 272.3 Number of observations: 84 Residuals: SS = 166576364 (backforecasts excluded) MS = 2056498 DF = 81

Lanjutan Lampiran 4 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 10.7 9 0.299

24 17.6 21 0.674

36 28.0 33 0.716

48 37.6 45 0.776

Keterangan : MAPE pada model single exponential smoothing = 147 MAPE pada model ARMA(1,1) = 147,0441

Lampiran 5.

Hasil Output Komputer metode Trend, Moving Average, dan

ARIMA untuk Domestik Perak

Plot Data Penjualan Domestik Perak Januari 2001-Desember 2007 (Data 3) Time Series Plot of data4 10000

8000

data4

6000

4000

2000

0 1

8

16

24

32

40 48 Index

56

64

72

80

Uji Kestasioneran Null Hypothesis: DATA4 has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-Statistic Augmented Dickey-Fuller test statistic -7.603692 Test critical values: 1% level -3.511262 5% level -2.896779 10% level -2.585626 *MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DATA4) Method: Least Squares Date: 05/02/07 Time: 12:27 Sample(adjusted): 2001:02 2007:12 Included observations: 83 after adjusting endpoints Variable Coefficient Std. Error t-Statistic DATA4(-1) -0.832450 0.109480 -7.603692 C 1001.119 228.6626 4.378148 R-squared 0.416494 Mean dependent var Adjusted R-squared 0.409291 S.D. dependent var S.E. of regression 1704.386 Akaike info criterion Sum squared resid 2.35E+08 Schwarz criterion Log likelihood -734.3593 F-statistic Durbin-Watson stat 2.012608 Prob(F-statistic)

Prob.* 0.0000

Prob. 0.0000 0.0000 1.372807 2217.588 17.74360 17.80188 57.81613 0.000000

Lanjutan Lampiran 5 Trend Analysis for Domestik Perak Data Length NMissing

data4 84 0

Fitted Trend Equation Yt = 1962.55 - 18.2241*t Accuracy Measures MAPE MAD MSD

495 1007 2703929

Trend Analysis Plot for Domestik Perak Data Length NMissing

data4 84 0

Fitted Trend Equation Yt = 2158.52 - 31.8961*t + 0.160847*t**2 Accuracy Measures

MAPE MAD MSD

495

995 2696778

Single Exponential Smoothing for Domestik Perak Data Length

data4 84

Smoothing Constant Alpha

0.0832114

Accuracy Measures MAPE MAD MSD

798 1102 2862394

Double Exponential Smoothing for Domestik Perak Data Length

data4 84

Smoothing Constants Alpha (level) 0.795740 Gamma (trend) 0.017144 Accuracy Measures MAPE 2081 MAD 1164 MSD 4487923

Lanjutan Lampiran 5 Moving Average for Domestik Perak Data Length NMissing

data4 84 0

Moving Average Length

2

Accuracy Measures MAPE MAD MSD

1779 1113 3999973

Moving Average for Domestik Perak Data Length NMissing

data4 84 0

Moving Average Length 3 Accuracy Measures MAPE MAD MSD

1224 1119 3611900

Moving Average Plot for Domestik Perak Data Length NMissing

data4 84 0

Moving Average Length

4

Accuracy Measures MAPE MAD MSD

955 1073 3140766

Moving Average for Domestik Perak Data data4 Length 84 NMissing 0 Moving Average Length 5 Accuracy Measures MAPE 1115 MAD 1056 MSD 304600

Lanjutan Lampiran 5 ARIMA Model: Domestik Perak Estimates at each iteration Iteration SSE Parameters 0 243531700 0.100 0.100 1069.314 1 236658873 0.179 0.021 973.925 2 236244915 0.329 0.167 794.195 3 235676481 0.474 0.317 620.768 4 234748992 0.613 0.467 454.921 5 233420417 0.748 0.617 295.751 6 232815414 0.876 0.767 143.765 7 232715803 0.838 0.718 189.718 8 232702479 0.856 0.742 167.175 9 232697463 0.845 0.728 180.040 10 232696005 0.851 0.735 172.776 11 232695560 0.848 0.731 176.944 12 232695379 0.850 0.733 174.567 13 232695344 0.849 0.732 175.928 14 232695318 0.849 0.733 175.150 15 232695317 0.849 0.732 175.596 Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 MA 1 Constant Mean

Coef 0.8488 0.7323 175.60 1161.4

SE Coef 0.2063 0.2617 49.96 330.4

T 4.11 2.80 3.51

P 0.000 0.006 0.001

Number of observations: 84 Residuals: SS = 232695315 (backforecasts excluded) MS = 2872782 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 6.4 9 0.697

24 11.0 21 0.963

36 28.8 33 0.678

48 37.7 45 0.770

ARIMA Model: Domestik Perak Estimates at each iteration Iteration SSE 0 242747075 0.100 1 240218371 0.250 2 238467776 0.400 3 236771913 0.550 4 234998272 0.700 5 233502291 0.850 6 232495920 0.877 7 232480201 0.908 8 232473000 0.890 9 232471116 0.903 10 232469387 0.894 11 232468864 0.901 12 232468384 0.896 13 232468258 0.899 14 232468110 0.897 15 232468088 0.898 16 232468038 0.897

Parameters 0.100 0.100 0.084 0.223 0.067 0.358 0.048 0.496 0.025 0.635 -0.004 0.768 -0.030 0.741 -0.038 0.770 -0.033 0.749 -0.037 0.764 -0.034 0.753 -0.036 0.761 -0.035 0.755 -0.036 0.759 -0.035 0.756 -0.036 0.758 -0.035 0.757

950.502 790.580 631.743 475.895 324.386 181.137 178.085 150.517 167.237 155.383 163.994 157.801 162.300 159.051 161.409 159.703 160.941

Lanjutan Lampiran 5 17 232468020 0.897 -0.035 0.757 160.679 Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type AR 1 AR 2 MA 1 Constant Mean

Coef 0.8972 -0.0353 0.7572 160.68 1164.0

SE Coef 0.4060 0.1631 0.3876 45.72 331.2

T 2.21 -0.22 1.95 3.51

P 0.030 0.829 0.054 0.001

Number of observations: 84 Residuals: SS = 232465845 (backforecasts excluded) MS = 2905823 DF = 80 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 6.4 8 0.603

24 10.9 20 0.950

36 28.1 32 0.664

48 36.9 44 0.766

ARIMA Model: Domestik Perak Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

SSE 250294840 244269522 241148044 238408721 237510316 237474515 237439298 237391013 237317543 237200601 236997267 236135186 235455946 233950381 232616743 232448345 232436199 232408789 232407075 232406997 232406391 232406364 232406355 232406340 232406340

0.100 -0.015 -0.138 -0.251 -0.101 0.049 0.199 0.349 0.499 0.649 0.799 0.655 0.805 0.685 0.833 0.873 0.844 0.854 0.859 0.856 0.857 0.858 0.857 0.858 0.858

Parameters 0.100 0.100 -0.050 0.072 -0.200 0.041 -0.350 -0.008 -0.219 -0.014 -0.070 0.003 0.080 0.021 0.229 0.038 0.379 0.056 0.529 0.074 0.679 0.092 0.529 0.065 0.678 0.083 0.533 0.019 0.683 0.053 0.724 0.047 0.698 0.033 0.707 0.039 0.713 0.040 0.709 0.038 0.711 0.039 0.712 0.039 0.711 0.039 0.711 0.039 0.711 0.039

1069.314 1204.610 1350.193 1482.423 1304.389 1126.595 948.808 771.024 593.241 415.459 237.674 407.777 230.201 368.452 194.852 147.809 182.224 170.070 163.617 168.192 166.416 165.381 166.154 165.853 165.791

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T AR 1 0.8576 0.2623 3.27 MA 1 0.7112 0.2886 2.46 MA 2 0.0386 0.1381 0.28 Constant 165.79 47.10 3.52 Mean 1164.6 330.9

P 0.002 0.016 0.780 0.001

Lanjutan Lampiran 5 Number of observations: 84 Residuals: SS = 232403082 (backforecasts excluded) MS = 2905039 DF = 80 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 6.4 8 0.604

24 10.8 20 0.951

36 27.9 32 0.673

48 36.7 44 0.773

ARIMA Model: Domestik Perak Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

SSE 243531700 235787076 235476834 235260171 234977473 234498204 232892421 232600090 232189891 232165078 232159645 232147517 232147338 232147272 232147180 232147148 232147086 232147067 232147021 232147008 232146972 232146963 232146933 232146927 232146903 232146899

0.100 0.177 0.327 0.477 0.627 0.776 0.736 0.586 0.476 0.626 0.518 0.575 0.571 0.572 0.569 0.570 0.567 0.569 0.567 0.568 0.566 0.568 0.566 0.567 0.566 0.567

Parameters 0.100 0.100 0.100 0.114 0.022 0.085 0.083 0.172 0.078 0.034 0.322 0.052 -0.015 0.472 0.026 -0.057 0.622 0.009 0.093 0.585 0.158 0.202 0.436 0.242 0.320 0.325 0.323 0.201 0.473 0.225 0.284 0.366 0.289 0.245 0.423 0.259 0.245 0.419 0.257 0.248 0.420 0.261 0.247 0.416 0.259 0.249 0.418 0.262 0.248 0.415 0.260 0.250 0.417 0.263 0.249 0.415 0.260 0.250 0.416 0.263 0.249 0.414 0.261 0.250 0.416 0.263 0.249 0.414 0.261 0.251 0.416 0.263 0.250 0.414 0.261 0.251 0.415 0.263

950.502 838.961 698.232 579.051 459.732 331.634 200.985 249.898 237.762 201.273 230.376 209.515 214.714 210.222 214.880 210.787 214.893 211.190 214.824 211.492 214.717 211.728 214.595 211.920 214.471 212.080

** Convergence criterion not met after 25 iterations ** Final Estimates of Parameters Type AR 1 AR 2 MA 1 MA 2 Constant Mean

Coef 0.5672 0.2506 0.4153 0.2629 212.08 1164.0

SE Coef 2.3997 1.9275 2.3796 1.5968 60.97 334.6

T 0.24 0.13 0.17 0.16 3.48

P 0.814 0.897 0.862 0.870 0.001

Number of observations: 84 Residuals: SS = 232142475 (backforecasts excluded) MS = 2938512 DF = 79 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 6.2 7 0.514

24 10.7 19 0.934

36 27.6 31 0.640

48 36.4 43 0.750

Lanjutan Lampiran 5 ARIMA Model: Domestik Perak Estimates at each iteration Iteration 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

SSE 243531700 236658873 236244915 235676481 234748992 233420417 232815414 232715803 232702479 232697463 232696005 232695560 232695379 232695344 232695318 232695317

0.100 0.179 0.329 0.474 0.613 0.748 0.876 0.838 0.856 0.845 0.851 0.848 0.850 0.849 0.849 0.849

Parameters 0.100 1069.314 0.021 973.925 0.167 794.195 0.317 620.768 0.467 454.921 0.617 295.751 0.767 143.765 0.718 189.718 0.742 167.175 0.728 180.040 0.735 172.776 0.731 176.944 0.733 174.567 0.732 175.928 0.733 175.150 0.732 175.596

Relative change in each estimate less than 0.0010 Final Estimates of Parameters Type Coef SE Coef T AR 1 0.8488 0.2063 4.11 MA 1 0.7323 0.2617 2.80 Constant 175.60 49.96 3.51 Mean 1161.4 330.4

P 0.000 0.006 0.001

Number of observations: 84 Residuals: SS = 232695315 (backforecasts excluded) MS = 2872782 DF = 81 Modified Box-Pierce (Ljung-Box) Chi-Square statistic Lag Chi-Square DF P-Value

12 6.4 9 0.697

24 11.0 21 0.963

36 28.8 33 0.678

48 37.7 45 0.770

Forecasts from period 84 Period 85 86 87 88 89 90 91 92 93 94 95 96

Forecast 823.28 874.40 917.79 954.62 985.89 1012.42 1034.94 1054.06 1070.29 1084.06 1095.75 1105.68

95 Percent Limits Lower Upper -2499.44 4146.01 -2470.81 4219.62 -2443.53 4279.12 -2418.25 4327.50 -2395.29 4367.07 -2374.73 4399.57 -2356.50 4426.39 -2340.47 4448.59 -2326.47 4467.05 -2314.30 4482.42 -2303.76 4495.27 -2294.67 4506.02

Actual

Yang dipakai : MAPE dari model ARMA(1,1) = 732.7846