PERAMALAN PERMINTAAN BAN MOBIL PENUMPANG PT GOODYEAR INDONESIA TBK. Oleh RUDI AWALUDIN A

PERAMALAN PERMINTAAN BAN MOBIL PENUMPANG PT GOODYEAR INDONESIA TBK

Oleh RUDI AWALUDIN A 14102569

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2006

PERAMALAN PERMINTAAN BAN MOBIL PENUMPANG PT GOODYEAR INDONESIA TBK

Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Pertanian Pada Program Studi Ekstensi Manajemen Agribisnis Institut Pertanian Bogor

Oleh Rudi Awaludin A 14102569

PROGRAM SARJANA EKSTENSI MANAJEMEN AGRIBISNIS FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR

2006

BAB I PENDAHULUAN 1.1. Latar Belakang Kondisi industri otomotif di Indonesia yang mengalami peningkatan setelah krisis moneter, ditunjang populasi penduduk yang besar dan pendapatan yang makin meningkat menjadikan industri otomotif memiliki prospek yang menjanjikan. Akan tetapi seiring dengan perkembangan perekonomian negara yang relatif belum sepenuhnya stabil dan adanya faktor ekstern yang mengakibatkan nilai rupiah anjlok serta peningkatan inflasi seperti sekarang ini menyebabkan adanya penurunan penjualan kendaraan. Di era modern ini kebutuhan akan roda empat sangat dibutuhkan sebagai sarana untuk mempermudah orang melakukan perjalanan dan juga sebagai life style masyarakat, terutama daerah perkotaan yang tingkat laju ekonominya sangat pesat. Semakin maju suatu negara maka kebutuhan akan roda empat akan dirasa sangat penting yang dapat memudahkan akses mereka ke tempat yang dituju apalagi untuk urusan bisnis. Selain itu kepemilikan kendaraan dapat menunjukkan suatu kelas tersendiri dalam masyarakat. Prospek yang semakin bagus didunia otomotif

di Indonesia yang

ditunjukkan oleh tingkat penjualan kendaraan roda empat yang meningkat dari tahun ke tahun merupakan peluang pasar yang bagus untuk industri ban. Ban sebagai salah satu komponen penting dari kendaraan akan berkorelasi (ada hubungan) dengan tingkat penjualan mobil. Semakin meningkat penjualan mobil maka semakin meningkat pula penjualan ban, karena kedua produk tersebut saling melengkapi (komplementer).

2 Tabel 1. Perbandingan Jumlah Serta Nilai Produksi Industri Ban Dan Kendaraan Bermotor Roda Empat/Lebih 1997-2002 (Ribu Rp per Unit) Ta hun

Jumlah Ban

%

1997

28 005 644

-

1998

35 195 556

25.7

52 525

(85.4)

1999

33 082 269

(6.0)

52 432

(0.2)

2000

42 518 887

28.5

258 269

2001

23 239 202

(45.3)

2002

19 624 791

(18.4)

Kendaraan

Nilai Ban

%

Kendaraan

%

-

4 205 314 320

-

3 770 467 562

2 945.3

1 242 662 230

(70.5)

4 685 064 237

24.26

2 289 525 230

84.3

392.6

6 139 716 285

31.05

14 098 645 060

515.8

991 724

283.9

4 974 126 155

(18.98)

13 136 384 018

(6.8)

2 076 924

109.4

4 537 039 231

(8.79)

30 959 843 332

135.7

360 465

% -

123 814 427

Sumber : Badan Pusat Statistik, 2002.

Dari Tabel 1 terlihat bahwa jumlah ban yang ada di pasaran terus mengalami peningkatan walaupun pada tahun 1998 volume penjualan kendaraan mengalami penurunan yang disebabkan kondisi perekonomian Indonesia sedang mengalami krisis. Meski produksi kendaraan turun secara drastis di tahun 1998 serta tahun 1999, akan tetapi jumlah ban yang ada semakin banyak hal ini karena pada saat itu adanya peluang yang sangat bagus bagi pemasaran ke luar negeri (Divisi Pemasaran Goodyear, 2005). Industri ban di Indonesia tingkat persaingannya mulai kompetitif, mereka secara gencar melakukan promosi, menciptakan model-model yang disesuaikan dengan kebutuhan pengguna kendaraan atau menerapkan harga yang murah serta menyediakan saluran distribusi yang tepat untuk memudahkan pembelian. Tabel 2. Perkembangan Penjualan Ban Radial di Indonesia Pada Pasar Domestik Tahun 1998-2002 (unit) Tahun

Pasar eceran

Pasar prakitan

159 724 2 066 311 1998 249 769 3 405 078 1999 863 625 3 907 059 2000 700 647 3 330 450 2001 555 572 2 952 576 2002 Rata-rata 3 132 295 505 867 Sumber : Asosiasi Pengusaha Ban Indonesia, 2003

Total Penjualan Pasar domestik 2 226 035 3 654 847 4 770 684 4 031 097 3 508 148 3 638 1622

Kenaikan Penjualan Pasar Domestik 64.18 30.53 -15.50 -12.97 24.0

Pada Tabel 2 dapat dilihat bahwa sejak tahun 1998 hingga tahun 2000 penjualan di pasar eceran mengalami peningkatan yang diikuti oleh permintaan

3 pada pasar perakitan, yang telah bangkit kembali setelah terpuruk karena krisis ekonomi. Penjualan tahun 2002 mengalami penurunan baik di pasar eceran maupun perakitan, hal ini bisa disebabkan semakin banyaknya ban luar negeri yang masuk serta adanya ban vulkanisir dalam pasar Indonesia. Saat ini terdapat sembilan perusahaan produsen ban yang terdaftar di Asosiasi Perusahaan Ban Indonesia antara lain PT Goodyaer Indonesia, PT Bridgestone Tyre Indonesia, PT Gajah Tunggal, PT Intirub, PT Sumi Rubber Indonesia, PT Mega rubber, PT Elang Perdana, PT Multistrada, dan PT Industri Karet Deli. PT Goodyear Indonesia Tbk pangsa pasarnya menempati posisi ketiga sebagai produsen ban dari lima perusahaan ban yang tergabung dalam APBI setelah PT Bridgestone dan PT Gajah Tunggal. Hal ini dilihat dari share of market produsen ban di Indonesia pada tahun 2004, bahwa PT Bridgestone sebagai Market Leader pangsa pasarnya sebesar 36,7 persen yang diikuti PT Gajah Tunggal 25.4 persen, PT Goodyear Indonesia sebesar 13.9 persen, PT Sumi Rubber Indonesia sebesar 9 persen, dan lain-lain sebesar 15 persen (Divisi Pemasaran Goodyear, 2005). Tingkat penjualan yang semakin meningkat yang diiringi persaingan yang ketat serta keinginan perusahaan melakukan efisiensi produksi menjadikan peramalan merupakan hal yang diperlukan. Peramalan permintaan dibutuhkan oleh bagian perencanaan untuk melihat ke depan prospek yang akan terjadi di pasar sehingga dapat merumuskan tingkat produksi yang efektif yang akan dilakukan oleh divisi produksi serta pengaturan jumlah bahan baku oleh divisi pengadaan sehingga inefesiensi produksi dapat berkurang.

4 1.2. Perumusan Masalah PT Goodyear Indonesia merupakan perusahaan ban pertama di Indonesia yang beroperasi sejak tahun 1935, sampai saaat ini produk yang dihasilkannya terdiri dari consumer tire dan commercial tire. Consumer tire yaitu ban yang biasa digunakan untuk kendaraan roda empat atau biasa disebut ban mobil penumpang (passanger tire) sedangkan commercial tire merupakan ban yang digunakan untuk truk, bus, dan kendaraan berat lainnya. Tabel 3. Permintaan Ban Mobil Penumpang PT Goodyear Indonesia 2001-2004

Tahun 2001 2002 2003 2004

Permintaan (unit)

604 100 531 124 533 614 458 204 Sumber : Bagian Pemasaran PT Goodyear Indonesia, 2005

Banyaknya Model Ban 11 12 10 10

Tabel 3 menunjukkan bahwa permintaan antara tahun 2001 dengan 2004 mengalami fluktuasi untuk model yang berlainan. Model-model tersebut disesuaikan dengan permintaan pasar, apabila tingkat permintaannya rendah maka model tesebut tidak diproduksi lagi. Adanya fluktuasi permintaan menunjukkan bahwa peramalan merupakan hal yang penting, melalui peramalan tersebut setidaknya faktor-faktor yang menyebabkan fluktuasi tersebut dapat diantisipasi atau diminimumkan pengaruhnya melalui langkah-langkah tertentu. Peramalan juga merupakan salah satu langkah penting yang menentukan keberhasilan perencanaan. Hampir semua keputusan bisnis dibuat dalam situasi yang beresiko dan mengandung ketidakpastian. Keputusan tentang tingkat produksi, tingkat harga, belanja iklan dan lain-lain harus dirancang dan direncanakan dengan seksama demi kelangsungan pertumbuhan perusahaan. Semua keputusan-keputusan ini

5 dibuat atas dasar prediksi dan ramalan tentang tingkat aktivitas ekonomi dan bisnis di masa yang akan datang. Peramalan yang dilakukan PT Goodyear Indonesia merupakan salah satu upaya untuk mengantisipasi permintaan pelanggan dimasa yang akan datang, permintaan yang dimaksud merupakan permintaan aktual yang terjadi yakni volume ban yang diorder oleh industri perakitan, para agen, pedagang besar, atau pedagang eceran. Permintaan yang diramalkan untuk periode yang akan datang dilakukan oleh divisi demand planning, mengacu pada tren permintaan periode sebelumnya, disamping memperhitungkan akan faktor-faktor produksi seperti harga dan ketersediaan bahan baku, juga yang menjadi dasar prediksi adalah omset yang ingin dicapai dan ditetapkan oleh pihak top manajemen. Peramalan permintaan dan perencanaan perubahan kapasitas dilakukan untuk menanggapi permintaan pasar yang berfluktuatif. Untuk meminimalisasi kerugian diperlukan suatu metode yang cocok dengan pola data permintaan setiap produk tersebut, sehingga perusahaan dapat merumuskan kapasitas yang diproduksi sesuai dengan tingkat permintaan pasar. Adanya pengetahuan pola data dari tiap tipe produk yang diminta dapat diketahui apakah pola permintaannya meningkat atau menurun, sehingga bisa dijadikan bahan pertimbangan dalam menyusun strategi pemasaran perusahaan, misalnya kapan permintaan terhadap produk itu menurun serta dapat menentukan langkah dan strategi yang perlu dilakukan untuk mengatasinya. Saat

ini

pihak

perusahaan

menggunakan

metode

naïve,

yang

mengasumsikan bahwa permintaan periode berikutnya merupakan prediktor terbaik. Pertimbangan dari penggunaan metode ini yaitu kemudahan dalam

6 penggunaannya, akan tetapi hasil penggunaan metode ini dirasa kurang memuaskan karena besarnya penyimpangan yang terjadi. Harapan pihak perencana agar mendapat suatu nilai yang lebih akurat mendorong perusahaan untuk mencari model yang lebih tepat. Divisi demand planning mengharapkan adanya suatu masukan yang sekira-kiranya bisa membantu dalam proyeksi permintaan masa yang akan datang sehingga dapat merumuskan strategi yang lebih tepat. Berdasarkan uraian di atas permasalahan yang dapat dirumuskan dalam penelitian ini : 1. Bagaimana pola permintaan ban penumpang di PT Goodyear Indonesia Tbk yang selama ini berlangsung? 2. Metode peramalan apa yang sesuai untuk peramalan permintaan tipe ban penumpang di PT Goodyear Indonesia Tbk sehingga dapat digunakan dalam pengambilan keputusan? 3. Bagaimana proyeksi permintaan ban mobil penumpang untuk satu tahun kedepan? 1.3. Tujuan Penelitian Berdasarkan permasalahan yang telah dirumuskan, maka penelitian ini bertujuan : 1. Mengkaji serta menganalisis pola data permintaan ban penumpang di PT Goodyear Indonesia Tbk yang selama ini berlangsung. 2. Menentukan metode yang paling cocok untuk peramalan permintaan ban penumpang di PT Goodyear Indonesia Tbk.

7 3. Mendapatkan ramalan jumlah ban yang akan diminta konsumen untuk satu tahun kedepan. 4. Implikasi dari identifikasi pola data, metode peramalan, dan hasil peramalan terhadap perencanaan produksi. 1.4. Kegunaan Penelitian Penelitian ini diharapkan ada suatu masukan bagi pihak manajemen PT Goodyear Indonesia Tbk dalam proses pengambilan keputusannya dilihat dari peramalan permintaan konsumen sehingga dapat direncanakan kuantitas barang yang diproduksi untuk meminimalisasi kerugian akibat permintaan yang kurang. Memberikan manfaat untuk kepentingan keilmuan dan menjadi informasi bagi pihak-pihak yang membutuhkan. Penelitian ini juga digunakan untuk melatih menganalisa suatu permasalahan berdasarkan ilmu dan pengetahuan yang telah diperoleh penulis di bangku kuliah. 1.5. Ruang Lingkup dan Keterbatasan Penelitian Penelitian ini menggunakan metode kuantitatif yang terdiri dari metode peramalan time series dan metode kausal (regresi). Data yang digunakan merupakan data bulanan penjualan ban mobil penumpang di PT Goodyear Tbk Januari 2001 - Juni 2005. Ramalan dilakukan untuk memilih metode peramalan terbaik untuk periode satu tahun ke depan. Penelitian ini mempunyai keterbatasan, yaitu peramalan yang dilakukan tidak terhadap semua model ban penumpang yang diproduksi PT Goodyear Indonesia. Hal ini disebabkan karena adanya daur produksi yang dilakukan pihak perusahaan terhadap model tersebut, sehingga data yang tersedia untuk tiap model

8 dalam kurun waktu yang sama tidak tersedia. Penulis melakukan peramalan terhadap model yang memiliki daur yang panjang serta tingkat permintan yang besar dari konsumen, dari dua kriteria tersebut model ban yang diambil yaitu GT3 (Broad Market) atau lebih dikenal segmen keluarga serta ban model Eagle Ventura (High Performance). Harga yang dimasukan dalam penelitian ini bukan harga perusahaan tapi merupakan harga yang diterima konsumen, selain itu penelitian ini tidak dapat mengidentifikasi seluruh faktor yang mempengaruhi permintaan karena sulit dikuantifikasikan. Variabel yang digunakan berupa periode waktu serta harga. Penelitian ini dilakukan di PT Goodyear Tbk yang sudah memiliki divisi tersendiri dalam perusahaan yang dinamakan Demand Planning hal ini karena pada divisi tersebut mengharapkan suatu masukan-masukan baru dalam peramalan permintaan untuk membantu perencanaan.

9

BAB II TINJAUAN PUSTAKA 2.1. Definisi Ban Ban merupakan salah satu produk agroindustri pengolahan karet. Menurut Setyamijaya, dalam Inda Lestari (2002) karet alam yang digunakan sebagai bahan baku memproduksi ban adalah karet remah (Crumb rubber). Crumb rubber dikenal sebagai karet spesifikasi teknis karena kualitas/jenisnya ditentukan secara teknis dengan analisis penelitian laboratorium menggunakan perlengkapan mutakhir. Karet remah diperoleh dari pengolahan lateks, dan slumb melalui proses : 1. Pembentukan lateks Proses ini dilakukan dalam bak pembekuan yaitu tempat lateks dibubuhi asam semut 1 % dan melase 0,36 %. Pembubuhan ini bertujuan untuk memperoleh karet remah yang berwarna putih. Zat lain yang dimasukan dalam bak pembekuan adalah larutan natrium bi sulfit berkonsentrasi 0,05 %. Proses ini menghasilkan bekuan/koagulan setelah 18-24 jam yang siap digiling/diremahkan berukuran 45 cm x 23 cm x 23 cm. 2. Peremahan Koagulan tersebut selanjutnya diamasukan ke dalam mesin pisau berputar (rotary cutter) yang dilengkapi saringan berukuran 1,6 – 1,9 cm. Proses ini menghasilkan remah yang akan diterima dalam kotak pengering yang terbuat dari besi anti karat. Kotak tersebut berukuran 120 cm x 50 cm x 40 cm. Remah yang terbentuk telah dicuci dengan air sebanyak 10 lb (sekitar 5 liter) permenit agar remah tersebut bersih dari kotoran.

10 3. Pengeringan Tahap selanjutnya adalah memasukan kotak pengering ke dalam mesin pengering lorong (unidryer). Kotak tersebut diisi dengan 16 Kg remah/sesuai ukuran bandela. Proses ini berlangsung selama 4 jam dengan suhu 70oC – 100oC dan berkapasitas 400 Kg per jam. Alat lain yang terdapat dalam proses pengering selain pengering lorong adalah alat pendingin (cooler) yang dapat menurunkan suhu gumpalan karet remah menjadi 50o C – 60o C, sehingga ketika kotak pengering keluar dari mesin unidryer kotak tersebut sudah dingin, dan gumpalan remah dapat diproses lebih lanjut. 4. Pengempaan Remah kemudian diangkat, dan ditaruh di atas meja untuk selanjutnya seberat 35 Kg dimasukan ke dalam mesin pengempa. Mesin pengempa bertenaga besar berkekuatan 600 – 100 ton dipergunakan agar diperoleh bongkah berbentuk bagus. Remah yang masih panas tersebut dikempa selama 30 menit, dan menghasilkan bongkahan berukuran 75 cm x 35 cm x 15,25 cm dan bertanda SIR pada permukaannya. 5. Pembungkusan Bongkahan yang keluar dari mesin pengempa dibiarkan selama 8–12 jam hingga dingin. Bongkahan tersebut dipak dalam bentuk pallet dan dibungkus dengan plastik hitam setebal 0,1 mm. Karet remah memiliki kualitas yang diklasifikasikan berdasar ciri-ciri teknis meliputi : 1) Kadar kotoran (dirt content); 2) Kadar abu (ash content); 3) Kadar zat menguap ( Volatile content). Penentuan ketiga bahan tersebut dianalisis kadar tembaga, mangan dan nitrogen. Hasil spesifikasi teknis dinyatakan dalam

11 Standard Indonesian Rubber (SIR) sesuai dengan surat menteri perdagangan No. 293/KP/X/1972 mengenai SIR. Pencampuran karet dengan bahan-bahan lain untuk pabrik ban bukanlah sesederhana seperti yang diperlukan untuk industri kecil. Di pabrik ban biasanya digunakan banbury mixer karena jumlah karet yang diperlukan cukup besar dibanding kesanggupan sebuah open mill. Banbury yang terdapat di Indonesia kapasitasnya berkisar antara 75-200 Kg, sehingga dalam proses pencampuran akan selalu terpakai. Karena harganya yang mahal maka pabrik ban membatasi jumlah yang dipunyai, karena itu tidak salah lagi bahwa keefektifan proses penggilingan untuk dapat hasil yang maksimal baik secara kuantitatif maupun mutu sangat perlu untuk diperhatikan. Bahan dasar pembuatan ban terdiri dari: (1) Benang/kawat baja, nylon aramid fiber, rayon, fiberglass, atau polyester (biasanya bahan kombinasi, misalnya benang polyester pada lapisan ban dan kawat baja pada bagian sabuk baja dan bead yang umumnya terdapat pada ban mobil penumpang radial). (2) Karet alam dan sintesis (terdapat ratusan jenis karet/polimer). (3) Campuran kimia – karbon black, silica, resin. (4) Anti-degradants – antioksidan, ozonan, parafin, wax. (5) Adhesion promoter – cobalt salt, brass untuk kawat aja, resin dan benang. (6) Curatives – cure, accelerators, activators, sulfur. (7) Processing aids – minyak, tackifier, peptizer, dan softener. Di suatu ban ukuran populer 195/70R14 ban mobil penumpang untuk semua musim mempunyai berat sekitar 8 Kg yang terdiri dari: 2 Kg terdiri dari 30 jenis bahan karet sintesis; 1,5 Kg terdiri 8 jenis karet bahan karet alam; 2 Kg terdiri dari 8 jenis bahan karbon black; 0,5 Kg sabuk kawat baja; 0,5 Kg benang

12 polyester dan nylon; 0,5 Kg bead kawat baja; 1,5 Kg terdiri dari 40 jenis bahan kimia, minyak dan lain-lain. Tabel 4. Campuran Umum Antara Bahan Karet Sintesis dan Karet Alam Menurut Jenis Ban Jenis Ban Karet Alam Karet Sintesis Ban Mobil Penumpang 55% 45% Ban Truk 50% 50% Ban Mobil Balap 65% 30% Ban Off-Road (giant/earth mover) 20% 80 Sumber : www.Goodyear-Indonesia.com

Proses produksi ban menggunakan teknologi tinggi dari pengolahan bahan baku hingga pembentukan produk akhir dengan menggunakan peralatan seperti mesin pencampur, mesin pengiling, mesin pelapis, mesin assembly, dan mesin pemasak (cury). Proses ini selanjutnya berlangsung melalui tahapan sebagai berikut : 1. Banbury Mixer Tahap ini diawali dengan proses pencampuran bahan baku pada mesin banbury mixer yang terdiri dari karet alam, karet sintetis, carbon black, bahan kimia dan bahan pembantu (oil solvent) dengan berat, waktu dan temperatur tertentu menghasilkan compound. Proses tersebut akan sesuai dengan berat jenis dan kekenyalan bila dilakukan non productive compound, yaitu proses vulkanisir terhadap compound yang belum dilengkapi bahan kimia, dan productive compound, yaitu proses melengkapi compound dengan ramuan. Alasan pembuatan banbury adalah untuk mencegah kotoran yang disebabkan carbon yang ringan berterbangan dalam pabrik, sekarang ternyata banbury dapat menghasilkan compound dengan cepat dan dapat menghasilkan panas yang lebih tinggi sehingga proses pencampuran dapat berlangsung lebih cepat.

13 2. Extruder Tahap ini berlangsung pada mesin extruder tempat compound digiling melalui mill-mill. Compound kemudian dikirim dalam bentuk pita ke feed box melalui sistem ban berjalan. Mesin ini dilengkapi dengan screw yang berfungsi mendorong pita compound keluar melalui cetakan (DIE). DIE adalah lempengan besi yang berfungsi sebagai alat cetak telapak ban (contour tread). Tread lalu didinginkan dan disimpan dalam nampan yang berlapis-lapis (bear trap). 3. Calender Pada tahap ini dilakukan proses pelapisan benang (fabric) dengan compound tipis, yang sebelumnya kekuatan, dan kadar airnya dihilangkan melalui rollroll panas, selanjutnya dilakukan dua kali pelapisan pada bagian bawah, dan atas permukaan compound hingga menghasilkan treatment. Treatment kemudian dipotong-potong dengan menggunakan bias cutter menurut lebar, dan sudut sesuai spesifikasi untuk masing-masing jenis ban. Potongan tersebut lalu disambung kembali membentuk ply dengan arah yang teratur. 4. Bead insulating Pada tahap ini mesin kawat baja yang dilapisi karet (bead wire) dipanasakan dan diinsulasikan dengan compound kemudian diberi lapisan semen agar mudah lengket. Kumpulan kawat-kawat yang bersatu dengan compound dibuat melingkar pada diameter, dan mengelilingi diameter tersebut dengan jumlah sesuai ukuran jenis ban. Misalnya ban jenis penumpang terdiri dari lima jajaran kawat dengan empat kali putaran, ujung dilapisi pita, kemudian dibungkus melalui proses bead wrapping, sedangkan ban ukuran besar (truk)

14 dilapisi lagi dengan ply yang sempit melalui proses bead flapping dan menghasilkan bead yang berfungsi memperkuat atau memperkokoh ban pada riml velg. 5. Tire Building Pada tahap ini komponen-komponen yang dihasilkan pada tahap sebelumnya seperti band (proses calender), dan bead (bead insulating) dirakit menjadi satu menghasilkan ban mentah (green tire). 6. Curing Tahap ini merupakan proses pemasakan ban mentah dengan menggunakan mesin automatic press. Proses ini bertujuan menghindari penempelan ban mentah yang terdiri dari dua sistem pemasakan meliputi : steam-steam yaitu pemasakan menggunakan steam bertekanan 200 psi, sistem ini digunakan untuk jenis ban passenger conventional atau ultra light truk, steam gas yaitu pemasakan menggunakan steam bertekanan 200 psi dan gas 300 psi, sistem ini digunakan untuk menghasilkan ban radial, light truk, dan earth mover. 7. Trimming and Balancing Berat dan tekanan dalam ban sulit ditentukan sehinga dibuat toleransi ban dengan cara melubangi cetakan. Pelubangan tersebut mengakibatkan ban berambut. Trimming adalah proses pemotongan rambut yang berasal dari cetakan, sedangkan balancing yang merupakan tahap akhir proses produksi ban adalah proses menguji keseimbangan ban, dan menentukan letak pentil (value).

15 2.1.1. Spesifikasi Ban Terdapat banyak informasi penting yang tercetak pada dinding samping sebuah ban, diantaranya nama ban, ukuran, tipe tubeless atau tube type, tingkatan/level ban, batas kecepatan, batas muatan, batas tekanan angin. Contoh 215/65R15 89 H, tulisan ini menjelaskan : “215” lebar ban : adalah lebar antara dinding samping satu ke dinding samping lainnya dalam satuan milimeter. Pengukuran ini bisa menghasilkan ukuran yang berbeda-beda tergantung lebar rim/velg yang terpasang. Akan bertambah lebar jika dipasang pada rim yang lebar, dan sebaliknya. Namun lebar yang tertulis pada dinding samping sebuah ban adalah diukur dengan memasangkan rim yang lebarnya sesuai dengan rekomendasi dari pabrik pembuat ban. ”65” aspek rasio: adalah rasio/perbandingan antara tinggi dengan lebar penampang ban, ”65” berarti tinggi ban adalah 65% dari lebar penampang ban tersebut. ”R” konstruksi: adalah bagaimana lapisan ban disusun dalam (carcass) ban. ”R” berarti radial, jika ”B” berarti ban tersebut mempunyai konstruksi sabuk bias (bias belt), jika ”D” maka konstruksinya bias diagonal (diagonal bias). ”15” diameter rim: adalah diameter dari velg dalam satuan inci. ”89” indeks muatan: sesuai dengan standar industri ban maka ban tersebut mempunyai batas mutan sebesar 580 Kg. Terdapat beragam tingkatan batas muatan pada ban sesuai dengan jenisnya. Batas muatan ditulis menggunakan satuan lbs (pon) dan Kg, batas tekanan angin dalam PSI (pound per square inch) dan Kpa (kilopascals).

16 ”H” batas kecepatan: sesuai dengan standar industri ban maka ban tersebut mempunyai batas kecepatan 210 Kilometer/jam. Terdapat beragam tingkatan batas kecepatan pada ban sesuai dengan jenisnya. Tulisan ”DOT” berarti ban tersebut telah memenuhi standar persyaratan dari Department Of Transportation pemerintah Amerika Serikat. Berdekatan dengan tulisan ”DOT” adalah nomor seri ban, yaitu gabungan antara angka dan hurup abjad yang tersusun sampai 11 karakter. 2.1.2. Tingkatan Ban Department Of Transfortation (DOT) mewajibkan pembuat ban untuk membedakan ban untuk mobil penumpang berdasarkan tiga jenis kemampuan, diantaranya: untuk keawetan/jarak tempuh, daya cengkram, serta daya tahan terhadap temperatur. Tingkatan jarak tempuh/keawetan didasarkan pada pengetesan pada saat kondisi terkontrol di suatu lintasan jalan khusus yang telah ditentukan, akan tetapi pada kenyataannya bahwa keawetan ban sangatlah beragam tergantung dari sifat/cara mengemudi, jenis pemakaian mobil, dan kondisi jalan. Tingkatan daya cengkram adalah kemampuan pengereman di jalan basah yang dites pada kondisi terkontrol pada suatu jalan khusus yang telah ditentukan. 2.1.3. Indeks Kecepatan Indeks kecepatan adalah batas kecapatan maksimum untuk ban mobil penumpang, indeks ini sebagai suatu angka penunjuk bagi para pengguna ban dalam mengetahui batas kemampuan daya traksi ban ketika melaju dalam suatu kecepatan tertentu.

17 Tabel 5. Indeks Kecepatan yang Digunakan Oleh Semua Produsen Ban Simbol Kecepatan Kecepatan Maksimum B 50 Km/jam F 80 Km/jam G 100 Km/jam N 140 Km/jam S 180 Km/jam T 190 Km/jam U 200 Km/jam H 210 Km/jam V 240 Km/jam Z > 240 Km/jam Sumber : www.Goodyear-Indonesia.com

2.2. Jenis-Jenis Ban Jenis ban terdiri dari consumer tire dan commercial tire. Consumer tire yaitu ban yang biasa digunakan untuk kendaraan roda empat atau biasa disebut ban mobil penumpang (passanger tire) sedangkan commercial tire merupakan ban yang digunakan untuk truk, bus, dan kendaraan berat lainnya. Peruntukkannya yang berbeda menjadikan adanya perbedaan kandungan bahan dasar yang digunakan antara consumer tire dengan commercial tire (Tabel 4). 2.3. Penelitian Terdahulu Penelitian-penelitian sebelumnya yang terkait dan mendukung dalam penulisan ini, akan diuraikan secara ringkas berikut ini : Allyne (2003) dengan judul skripsinya Peramalan Permintaan Berbagai komoditas sayuran pada PT Saung Mirwan. Komoditi yang dijadikan sebagai objek penelitian ini yaitu terdiri dari Brokoli, Kedelai Jepang, Lettuce Head, Tomat Ceri, Tomat Rianto. Nilai yang digunakan untuk pemilihan teknik peramalannya yaitu MSE (mean square error). Hasil olahan yang dilakukan menunjukkan bahwa kelima komoditi tidak stasioner dimana terdapat unsur trend

18 dan musiman, metode kuantitatif terbaik untuk empat komoditi adalah ARIMA. Sedangkan untuk Kedelai Jepang metode yang paling cocok yaitu dekomposisi multiplikatif. Metode alternatif yang dapat diterapkan perusahan yang penggunaannya lebih mudah, yaitu metode linier satu parameter dari Brown. Untuk komoditi brokoli metode alternatifnya adalah regresi dan dekomposisi aditif. Kemudian untuk kedelai jepang sebaiknya mengunakan metode peramalan yang terpilih yaitu metode dekomposisi multiflikatif dan aditif. Hasil analisis yang dilakukan oleh Allyne menunjukan bahwa ARIMA merupakan metode terbaik dalam meramalkan tingkat permintaan lima komoditas yang ada di PT Saung Mirwan, penggunaanya yang relatif sulit menjadikan metode-metode alternatif direkomendasikan sehingga dapat dengan mudah digunakan perusahaan. Elva (2004) Peramalan Penjualan Kripik Pisang dan Nangka (Studi Kasus pada PD Andalas Mekar Sentosa di Lampung). Pada penelitian ini metode yang dilakukan yaitu time series, yang diterapkan terhadap komoditas unggulan perusahaan. Adapun komoditinya terdiri dari kripik pisang manis, kripik pisang asin, kripik pisang stick, kripik nangka goreng, dan kripik nangka super. Pola data yang dimiliki yaitu untuk kripik pisang polanya horisontal, sedangkan untuk kripik nangka memiliki pola musiman. Metode terbaik dalam meramalkan penjualan kripik pisang manis dan kripik pisang asin adalah pemulusan eksponensial tunggal. Sedangkan metode ramalan untuk kripik pisang stick, kripik nangka goreng, dan kripik nangka super metode terbaik yaitu dekomposisi multiflikatif. Berdasarkan hasil ramalan untuk tahun 2004 semua produk

19 mengalami peningkatan penjualan kecuali untuk penjualan kripik pisang manis mengalami penurunan sebesar 6 persen. Lestari (2002) Analisis Dampak Krisis Ekonomi Terhadap Manajemen dan Strategi Pemasaran Ban PT Goodyear Indonesia Tbk Bogor. Tujuan dari penelitian ini yaitu (1) menganalisis dampak krisis ekonomi terhadap manajemen; (2) menganalisis keterkaitan antara distribusi, kapasitas produksi dan misi perusahaan; (3) menganalisis strategi pemasaran yang tepat untuk mencapai tujuan perusahaan pada saat krisis ekonomi. Hasil penelitiannya menunjukkan bahwa krisis ekonomi berdampak terhadap aspek manajemen. Krisis tersebut menempatkan manajemen produksi (kapasitas produksi) di posisi pertama dengan skor 0,528, kemudian manajemen pemasaran (distribusi) dan manajemen strategi (misi perusahaan) di posisi kedua dengan skor 0,236. Kegiatan distribusi dapat berjalan lancar apabila perusahaan mengetahui jumlah produk yang dapat dipasarkannya sehingga manajemen tersebut dapat memperkirakan banyaknya pesanan yang dapat dipenuhi dimasa yang akan datang dikaitkan dengan kemampuan produksi perusahaan. Produksi yang didistribusikan tersebut harus sesuai dengan misi perusahaan yaitu produk yang berkualitas. Strategi produk yang dilakukan perusahaan adalah konsisten terhadap kualitas, inovasi, pengembangan produk, dan peningkatan pelayanan. Strategi distribusi dilakukan dengan dengan peluncuran Goodyear sentra servis (pusat pelayanan ban profesional). Strategi promosi dilakukan dengan menciptakan citra One Revolution Ahead (inovasi selangkah di depan) yang dikomunikasikan melalui media cetak dan elektronik. Strategi harga dilakukan dengan

20 memberlakukan tiga jenis harga berbeda meliputi harga standar ekspor, harga standar original equipment, dan harga standar replacement. Ismayanti (2003) dengan tulisannya yang berjudul Analisis Strategi Pemasaran Ban Radial Passanger PT Goodyaer Indonesia Tbk di Pasar Domestik. Faktor-faktor internal yang menjadi kekuatan perusahaan adalah (1) jaringan pemasaran dan distribusi yang luas; (2) inovasi produk; (3) merk yang terkenal. Sedangkan faktor-faktor yang menjadi kelemahan antara lain : (1) bukan market leader; (2) masalah ketidakstabilan harga; (3) quality image yang kurang baik. Audit eksternal mengidentifikasi bahwa peluang yang dapat dimanfaatkan adalah (1) pertumbuhan penduduk sebagai peluang pasar; (2) kebijakan pemeritah mendorong industri otomotif; (3) semakin tingginya jumlah mobil penumpang di Indonesia. Sedangkan faktor-faktor yang menjadi ancaman bagi perusahaan adalah (1) situasi politik yang belum stabil; (2) daya beli yang menurun; (3) fluktuasi rupiah mempengaruhi harga bahan baku. Berdasarkan nilai total matriks EFE sebesar 2,556 dapat disimpulkan bahwa perusahaan berada pada posisi rata-rata dalam memanfaatkan peluang dan mengatasi ancaman yang ada. Dari nilai total matriks IFE yang didapat sebesar 3,042 dapat disimpulkan bahwa perusahaan berada pada posisi internal yang kuat. Nilai total kedua matriks tersebut memposisikan perusahaan pada sel IV pada matiks IE. Strategi yang dapat diambil pada posisi sel tersebut adalah strategi growth and built. Hasil penentuan prioritas utama adalah strategi peningkatan mutu produk dan kualitas pelayanan pelanggan. Strategi peringkat kedua adalah pada strategi inovasi dan pengembangan produk.

21

BAB III KERANGKA PEMIKIRAN 3.1. Kerangka Pemikiran Konseptual 3.1.1. Konsep Permintaan Konsep permintaan menjelaskan bahwa permintaan atas suatu produk dipengaruhi oleh harga produk itu sendiri, kualitas dan desain produk, pengeluaran iklan untuk produk, saluran distribusi produk (bauran pemasaran produk tersebut), harga produk lain yang berkaitan, kualitas dan desain produk lain, pengeluaran iklan produk pesaing, saluran distribusi produk pesaing (bauran pemasaran pesaing), pendapatan konsumen, jumlah penduduk, dan lain-lain. Dalam kaidah permintaan yang paling sederhana dinyatakan bahwa pada harga tinggi, lebih sedikit barang yang akan diminta dibanding pada harga rendah (cateris paribus). Jadi kaidah permintaan mengatakan bahwa kuantitas yang diminta berhubungan terbalik dengan harga, asalkan hal-hal lain sama pada setiap tingkat harga (Miller & Meiners, 2000). Dengan adanya perubahan dalam harga suatu barang menyebabkan adanya pergerakan di sepanjang kurva yang memiliki kemiringan negatif, sedangkan perubahan faktor-faktor lain selain harga menyebabkan pergeseran kurva permintaan tersebut. Ketika terjadi peningkatan atau penurunan faktor-faktor tersebut maka akan terjadi perubahan kuantitas yang diminta. Produk yang berkualitas tinggi dengan desain yang lebih menarik biasanya akan menarik lebih banyak konsumen dibandingkan dengan produk lain yang harganya sama tapi kualitas dan desainnya kurang menarik. Kualitas yang baik itu dalam bentuk pelayanan prima, jaminan kerusakan atau suku cadang, atau bisa juga dibentuk oleh aktivitas promosi lain. Penggunaan media iklan yang

22 dilakukan perusahaan akan mempengaruhi selera konsumen sehingga diharapkan permintaan akan lebih tinggi terhadap produk yang dikeluarkan atau bahkan berpindahnya konsumen dari merek lain. Selain itu saluran distribusi menentukan terhadap permintaan suatu produk. Saluran distribusi yang lebih luas dan tempat penjualan yang lebih strategis akan dapat menjangkau konsumen secara merata, konsumen akan lebih mudah untuk memperoleh dan membeli produk tersebut serta memungkinkan pelayanan purna jual yang lebih pasti. Dalam istilah ekonomi, permintaan mengacu pada jumlah produk yang rela dan mampu dibeli oleh orang-orang berdasarkan kondisi tertentu. Kebutuhan atau keinginan merupakan komponen yang diperlukan tetapi harus disertai dengan kemampuan keuangan sebelum permintaan ekonomi tercipta. Jadi dalam permintaan ekonomi memerlukan para pembeli potensial dengan keinginan untuk menggunakan atau memiliki sesuatu dan kemampuan keuangan untuk memperolehnya (Pappas dan Hirschey, 1995). Terdapat tiga hal penting mengenai jumlah yang diminta konsumen, yaitu yang pertama jumlah yang diminta merupakan kuantitas yang diinginkan, kedua apa yang diinginkan tidak merupakan harapan kosong, tapi merupakan permintaan efektif, dan yang ketiga kuantitas yang diminta merupakan arus pembelian yang kontinyu (Lipsey,at.al) Permintaan pasar untuk suatu produk adalah volume total yang akan dibeli oleh kelompok pelanggan tertentu di wilayah geografis tertentu pada periode waktu tertentu di lingkungan pemasaran tertentu dengan program pemasaran tertentu. Permintaan pasar bukanlah angka yang tetap tetapi lebih merupakan fungsi dari kondisi tertentu, sehingga permintaan pasar dapat disebut permintaan pasar (Kotler, 2002). Pangsa permintaan pasar suatu perusahaan bergantung

23 bagaimana produk, pelayanan, harga, komunikasi, dan aspek lain di perusahaan tersebut dipandang secara relatif terhadap pesaing-pesaingnya oleh pelanggan. 3.1.2. Peramalan Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang paling mungkin terjadi di masa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara apa yang terjadi dengan hasil perkiraan) dapat diperkecil. Peramalan dapat juga diartikan sebagai usaha memperkirakan perubahan, peramalan tidak memberi jawaban pasti tentang apa yang akan terjadi melainkan berusaha mencari sedekat mungkin dengan apa yang akan terjadi (Mulyono, 2000). Menurut Sugiharto dan Harijono (2000), Peramalan merupakan suatu studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis. Peramalan permintaan adalah upaya untuk mengetahui kemungkinan perubahan permintan atau jumlah produk yang diminta oleh konsumen di masa yang akan datang. Prosedur peramalan sesuai dengan sifatnya dikelompokkan dalam Peramalan kuantitatif dan kualitatif. Disatu sisi teknik kualitatif murni adalah yang jelas tidak memerlukan manipulasi data, hanya pendapat pribadi berdasarkan pengalaman dan tingkat intuisi peramal. Disisi lain teknik kuantitatif yang murni tidak memerlukan input pendapat pribadi, hal ini merupakan prosedur mekanis yang menghasilkan hasil-hasil kuantitatif. Beberapa prosedur kuantitatif memerlukan lebih banyak manipulasi data yang canggih.

24 Namun demikian pendapat pribadi dan akal sehat harus digunakan secara bersama-sama dengan prosedur mekanis dan manipulasi data sehingga dapat dihasilkan peramalan yang bagus. Makridarkis at al. (1999) menyatakan bahwa komitmen tentang peramalan telah tumbuh karena beberapa faktor, yaitu : 1. Meningkatnya kompleksitas organisasi dan lingkungannya. 2. Meningkatnya ukuran organisasi. 3. Lingkungan organisasi yang berubah dengan cepat. 4. Pengambilan keputusan yang semakin sistematis. 5. Metode peramalan dan pengetahuan semakin berkembang. Beberapa faktor penting yang harus dipertimbangkan dalam peramalan mencangkup : 1. Jarak ke masa depan yang harus diramal. 2. Tenggang waktu yang tersedia untuk mengambil keputusan. 3. Tingkat akurasi yang diperlukan. 4. Kualitas data yang tersedia untuk analisis. 5. Sifat hubungan yang tercangkup dalam masalah peramalan. 6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan. 3.2. Metode Peramalan Untuk menghadapi penggunaan yang lebih luas, beberapa teknik peramalan telah dikembangkan. Teknik tersebut dibagi dua kategori utama, yaitu metode kuantitatif dan metode kualitatif (Assauri, 1984).

25 1. Metode Kualitatif Metode kualitatif didasarkan pada intuisi atau pengalaman empiris dari perencana atau pengambil keputusan sehingga relatif lebih subjektif. Makridakis et al. (1999) menyatakan bahwa metode peramalan kualitatif tidak memerlukan data seperti halnya dalam metode kuantitatif, hal tersebut tidak berarti bahwa metode kualitatif tidak memerlukan data kuantitatifnya. Perbedaannya terletak pada penggunaan data tersebut. Input yang dibutuhkan bergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan dan pengetahuan yang telah didapat. Kekurangan dari metode ini adalah kemungkinan satu orang yang memiliki pengaruh yang besar dan karismatis dapat mempengaruhi pendapat seluruh anggota kelompok. 2. Metode Kuantitatif Metode kuantitatif memerlukan data historis atau data empiris, kualitas data dan pemilihan metode yang cocok akan menentukan kualitas hasil peramalan. Peramalan kuntitatif dapat diterapkan bila terdapat tiga kondisi (Makridarkis et al., 1999) Berikut : 1. Tersedia informasi masa lalu. 2. Informasi tersebut bisa dikuantitatifkan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa datang. Dua asumsi pertama merupakan syarat keharusan bagi penerapan metode peramalan kuantitatif, asumsi ketiga merupakan syarat kecukupan, artinya walaupun asumsi ketiga dilanggar model yang dirumuskan masih bisa digunakan. Hanya saja akan memberikan kesalahan peramalan yang relatif besar bila

26 perubahan pola data ataupun bentuk hubungan fungsional tersebut terjadi secara sistematis. Metode kuantitatif dibagi menjadi dua bagian yaitu metode deret waktu (time series) dan metode kausal (regresi). Dalam metode time series peramal hanya berusaha mencari pola-pola dari suatu data, tanpa berusaha mencari jawaban apa penyebab dan mengapa polanya demikian. Bisa jadi pola data masa lalu tidak sama lagi dimasa depan karena faktor-faktor yang mempengaruhinya sudah berubah. Peramalan permintaan dengan mencoba menganalisis faktorfaktor yang menjadi penyebab perubahan permintaan disebut dengan metode kausal atau metode eksplanatori. Peramalan permintaan dengan metode kausal dilakukan dengan mencari hubungan antara faktor-faktor yang mempengaruhi permintaan atas suatu produk (variabel bebas) terhadap permintaan suatu produk (varibel tak bebas). Peramalan kuantitatif juga memiliki keterbatasan., jika terjadi perubahan pola data atau hubungan sebab akibat, maka hasil ramalan menjadi kurang akurat. Karena pada dasarnya segala bentuk kegiatan peramalan bersifat ekstrapolatif, yang didasarkan pada suatu pola data atau hubungan sebab akibat antar data.. Akan tetapi perubahan pola data dapat dideteksi untuk menentukan ada tidaknya perubahan melalui suatu pendekatan pemantauan (monitoring). 3.2.1. Identifikasi Pola data Bagian tersulit dan memakan waktu dari peramalan adalah mengumpulkan data yang sahih dan dapat diandalkan, peramalan tidak akan lebih akurat dari data yang dipakai sebagai basisnya. Model peramalan tercanggih akan gagal apabila menggunakan data yang tidak terandalkan. Empat kriteria dapat diaplikasikan

27 untuk menentukan apakah datanya akan bermanfaat : (1) Data hendaknya dapat diandalkan (realiable) dan akurat, (2) relevan, (3) konsisten, (4) hendaknya tepat waktu, sehingga akan memberikan nilai tertinggi bagi forecaster. Salah satu aspek penting dari pemilihan metode peramalan yang sesuai dari data deret waktu adalah dengan mengidentifikasi jenis pola data untuk dapat menentukan pemilihan metode yang paling cocok yang akan menjadikannya metode terbaik. Ada empat jenis pola data yang umum : 1. Pola Horisontal Pola horisontal terjadi ketika data observasi berfluktuasi disekitar mean atau nilai rata-rata yang konstan. Misalnya penjualan bulanan untuk suatu produk tidak meningkat atau menurun secara konsisten selama beberapa waktu. 2. Pola Musiman Pola ini terjadi ketika data observasi dipengaruhi oleh faktor musiman. Komponen musiman mengacu pada suatu pola perubahan yang berulang dari tahun ketahun. Variasi musiman biasanya timbul karena adanya pengaruh cuaca, liburan, atau panjangnya hari bulan-kalender. 3. Pola Siklis Pola ini terjadi ketika data observasi terlihat naik atau turun dalam periode waktu yang tidak tetap. Komponen siklis seperti fluktuasi gelombang di sekitar garis trend, biasanya dipengaruhi oleh keadaan ekonomi secara umum. 4. Pola kecenderungan (trend) Pola trend terbentuk ketika data observasi terlihat meningkat atau menurun dalam periode waktu yang lebih panjang. Penyebabnya dapat berupa adanya pertumbuhan penduduk, perubahan teknologi, inflasi dan sebagainya.

28 3.2.2. Metode Peramalan Time Series Model time series merupakan suatu teknik peramalan yang didasarkan pada analisis perilaku atau nilai masa lalu suatu variabel yang disusun menurut urutan waktu. Penggunaan model ini karena sederhana, cepat serta biaya yang murah (Mulyono, 2000). Adanya identifikasi dan pemahaman terhadap pola data dari suatu deret waktu maka dapat dipilih suatu teknik peramalan yang sesuai, selain itu faktorfaktor yang menyebabkan karakteristik data tersebut perlu diketahui sebagai bahan acuan penyusunan kebijakan yang akan diambil perusahaan. Berdasarkan keempat tipe pola data, beberapa teknik peramalan yang dapat digunakan adalah sebagai berikut : 1. Teknik peramalan data stasioner Teknik-teknik peramalan yang dapat dipertimbangkan untuk deret stasioner ini antara lain metode naive, metode rata-rata sederhana, rata-rata bergerak, pemulusan eksponensial linier Holt sederhana, dan model rata-rata terintegrasi bergerak autoregresif (ARIMA). 2. Teknik peramalan data musiman Teknik yang perlu dipertimbangkan ketika meramalkan deret musiman terdiri dari dekomposisi klasik, pemulusan eksponensial winter, regresi berganda deret waktu, dan model ARIMA (Metode Box-Jenkins). 3. Teknik peramalan data siklus Teknik yang perlu dipertimbangkan ketika meramalkan deret ber-siklis terdiri dari dekomposisi klasik, regresi berganda, dan model ARIMA (metode Box-Jenkins).

29 4. Teknik peramalan data trend Teknik yang perlu dipertimbangkan ketika peramalan deret ber-trend adalah rata-rata bergerak, pemulusan eksponensial linier Holt, regresi linier sederhana, kurva pertumbuhan, model eksponensial, dan model rata-rata terintegrasi bergerak autoregresif (ARIMA). Peramalan metode time series terdiri atas beberapa model, pembagian model tersebut bervariasi namun pada dasarnya memiliki maksud dan tujuan yang sama. a. Model Naive Digunakan untuk mengembangkan model sederhana yang mengasumsikan bahwa periode yang baru berlalu adalah prediktor terbaik masa depan. Teknik ini hanya cocok untuk meramal variabel yang gerakannya relatif konstan, sedangkan untuk variabel yang memiliki unsur trend penggunaan metode ini akan menghasilkan ramalan yang kurang baik (mulyono 2000). b. Model Rata-rata Jenis teknik ini menggunakan suatu bentuk rata-rata tertimbang dari observasi masa lalu dalam memuluskan fluktuasi jangka pendek. Asumsi pada teknik ini adalah bahwa fluktuasi masa lampau mewakili selisih acak dari suatu kurva yang mulus (Hanke, at,al, 2001). Metode ini dikelompokkan menjadi : 1. Model Rata-rata Sederhana (Simple Average) Metode ini menggunakan rata-rata semua pengamatan historis yang relevan sebagai ramalan periode mendatang. Metode rata-rata sederhana adalah teknik

30 yang akan tepat apabila gejolak yang membentuk deret waktu telah distabilkan dan lingkungan dimana deret-deret berada secara umum tidak berubah. 2. Model Rata-rata Bergerak Sederhana (Simple Moving Average) Metode ini menggunakan rata-rata semua data untuk meramal, begitu setiap ada data baru maka rata-rata baru dihitung dengan memasukan data baru tersebut dan membuang data yang paling lama. Model rata-rata bergerak sederhana tidak mampu menangani trend atau musiman dengan baik, walau model ini lebih baik daripada rata-rata sederhana. 3. Model Rata-rata Bergerak Ganda (Double Moving Average) Salah satu cara peramalan data deret waktu dengan trend linier adalah dengan menggunakan rata-rata bergerak ganda. Pada metode ini menghitung rata-rata bergerak yang dihitung dari rata-rata bergerak sebelumnya. c. Model Pemulusan Eksponensial Menurut Hanke,at,al (2001) bahwa Pemulusan Eksponensial merevisi estimasi berdasarkan pengalaman terkini, metode ini berbasis rerata (pemulusan) nilai lampau deret secara menurun (eksponensial), terjadi karena adanya pemberian bobot yang lebih pada pengamatan terkini. 1. Model Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing) Metode ini cocok untuk peramalan jangka pendek dengan pola data stasioner, selain itu dapat mengurangi masalah mengenai penyimpanan data, karena tidak perlu lagi menyimpan semua data historis hanya pengamatan terakhir, ramalan terakhir, dan suatu nilai α yang harus disimpan.

31 2. Model Pemulusan Eksponesial Ganda: Metode Dua Parameter dari Holt Teknik Holt memuluskan tingkatan dan slope secara langsung dengan menggunakan konstanta pemulusan yang masing-masing berbeda. Konstanta pemulusan ini menyediakan estimasi dari tingkatan dan slope yang disesuaikan sepanjang waktu begitu observasi yang baru tersedia. d. Model Dekomposisi Menurut Gaynor at al, (1994) model dekomposisi memisahkan tiga komponen (trend, siklus, dan musiman) dari pola dasar yang cenderung mencirikan deret data kemudian mengidentifikasinya secara terpisah. Setiap komponen kemudian dapat dikombinasikan yang menghasilkan nilai ramalan masa depan deret waktu. Metode dekomposisi terbagi menjadi dekoposisi aditif untuk pola data yang fluktuasinya relatif konstan, dan dekomposisi multiplikatif untuk pola data yang fluktuasinya proposional terhadap trend. e. Model Box – Jenkins (ARIMA) Model Autoregresive Integrated Moving Average (ARIMA) atau model gabungan auto-regresi dengan rata-rata bergerak, adalah jenis model linier yang mampu mewakili deret waktu yang stasioner maupun non stasioner. Model ARIMA tidak mengikutkan varibel bebas dalam pembentukannya serta sangat bertumpu pada pola auto-korelasi data. Menurut Sugiharto dan Harijono (2001), secara teoritis metode Box-Jenkins merupakan metode yang canggih terutama untuk peramalan jangka pendek, akan tetapi secara praktis terdapat beberapa kelemahan diantaranya :

32 1. Jumlah data yang dibutuhkan sangat besar. Untuk data bulanan yang bersifat musiman misalnya, paling tidak dibutuhkan 72 data. 2. Apabila terdapat data baru yang tersedia seringkali parameter dari model ini harus diestimasi ulang. Hal tersebut mengindikasikan adanya revisi total terhadap model yang sudah dibuat. 3. Waktu yang dibutuhkan cukup lama untuk mencari model yang tepat. 3.2.3. Metode Kausal (Regresi) Dalam metode kausal nilai suatu peubah yang akan diramal dipengaruhi oleh peubah lain. Makridakis et al. (1999) menyatakan bahwa peramalan kausal mengasumsikan adanya hubungan sebab akibat antara input (variabel independen) dengan output (variabel dependen) dari suatu sistem. Metode kausal sering disebut juga metode regresi, adapun regresi itu sendiri dibagi menjadi regresi sederhana (hanya terdapat satu variabel independen) dan regresi berganda (terdapat lebih dari satu variabel independen). 3.3. Pemilihan Teknik Peramalan Kriteria yang biasa digunakan dalam pemilihan terdiri dari tingkat akurasi, jangkauan peramalan, biaya, dan kemudahan dalam penerapan. Terdapat banyak ukuran akurasi, akan tetapi tidak ada suatu ukuran yang diakui paling baik secara umum karena setiap ukuran memiliki kelebihan dan kekurangan. Nilai yang paling sering digunakan adalah MSE (Mean Square Error), metode peramalan yang memiliki nilai MSE yang kecil dapat dianggap sebagai metode yang paling baik.

33 Jangka waktu peramalan akan langsung dihadapkan pada pemilihan teknik peramalan. Untuk jangka pendek atau jangka menengah berbagai teknik kuantitatif

dapat diaplikasikan. Akan tetapi semakin panjang jangka waktu

peramalan maka akan semakin sedikit teknik kuantitatif yang akan diaplikasikan, sedangkan model ekonometriklah yang lebih berguna. 3.4. Kerangka Pemikiran Operasional Perusahaan merupakan suatu badan hukum memiliki tujuan yang ingin dicapai yaitu mendapatkan keuntungan. Untuk mencapai tujuan tersebut maka perusahaan harus memiliki target tertentu sebagai sasaran perusahaan untuk mencapai kelangsungan hidup dan pertumbuhan yang makin baik dari waktu ke waktu. Target yang ingin dicapai tersebut dirumuskan dalam suatu perencanaan berdasarkan kondisi perusahaan yang ada. Untuk mendapatkan suatu perencanaan yang baik, dibutuhkan suatu prediksi terhadap keadaan masa depan yang disebut peramalan. Hasil peramalan tidak pernah secara mutlak tepat, akan tetapi peran peramalan diperlukan untuk pertimbangan dalam pengambilan keputusan karena dengan melakukan peramalan para perencana dan pengambil keputusan dapat mempertimbangkan alternatifalternatif yang lebih luas daripada tanpa peramalan. Permintaan terhadap suatu barang dipengaruhi berbagai faktor yang menyebabkan permintaan tersebut berfluktuasi, dengan adanya ramalan maka perusahaan

dapat

membantu

menganalisis

potensi

pertumbuhan

untuk

menetapkan program jangka pendek maupun jangka panjang. Dalam penelitian ini penulis akan mencoba membandingkan metode peramalan yang digunakan di perusahaan dengan metode-metode peramalan yang

34 telah ada, dengan harapan dapat memberikan masukan dalam penerapan metode peramalan bagi perusahaan. Metode peramalan yang tersedia cukup banyak sehingga harus dilakukan pemilihan dan penentuan metode yang paling cocok untuk perusahaan. Salah satu kriteria dalam pemilihan metode ini yaitu memilih metode yang memiliki kesalahan peramalan yang paling kecil. Hal yang perlu dipertimbangkan adalah faktor ketersediaan data dan pola data yang dimiliki. Pada pemilihan metode peramalan tidak terletak pada metode peramalan yang menggunakan proses matematika yang rumit atau menggunakan metode yang canggih, akan tetapi metode terpilih hendaknya menghasilkan suatu ramalan yang akurat, tepat waktu dan dipahami oleh manajemen sebagai ramalan yang dapat membantu menghasilkan keputusan yang lebih baik. Metode kuantitatif dibagi menjadi dua, yaitu metode Time series dan metode Kausal. Metode Time series yang digunakan terdiri dari beberapa metode, pemilihannya didasarkan pada pola data, identifikasi pola data dilakukan dengan memplot data dan nilai autokorelasinya sehingga dapat diduga untuk sementara model yang sesuai, setelah itu lalu dihitung nilai MSE (Mean Square Error). Model yang mendapat nilai MSE yang paling kecil akan diambil/dipilih menjadi menjadi model Time series terbaik. Metode lain yang digunakan yaitu metode kausal, metode ini dapat menentukan sebab-akibat antara variabel yang berpengaruh dengan yang terpengaruh. Dalam model regresi terdapat dua variabel yang terdiri dari variabel dependen yaitu permintaan terhadap ban pada berbagai tipe sedangkan untuk variabel independennya menggunakan harga jual, dan periode waktu. Model

35 regresi yang akan digunakan terdiri dari regresi linier sehingga didapat nilai Rsquare (koefisien determinasi) dan MSE. Setelah terpilih metode peramalan kuantitatif terbaik dari metode time series dan kausal, kemudian dibandingkan antara metode kuantitatif yang terbaik dengan metode perusahaan yang digunakan. Sehingga dapat diambil metode mana yang paling baik secara keseluruhan. Setelah perbandingan maka akan didapat metode peramalan yang sesuai untuk meramalkan permintaan ban di PT Goodyear Indonesia Tbk. Apabila metode kuantitatif yang ditawarkan nilai akurasinya lebih baik maka akan direkomendasikan, sebaliknya bila metode perusahaan memiliki akurasi yang lebih baik maka pengunaan metode perusahaan selama ini cukup baik. Bagan alur pemikiran dapat dilihat pada Gambar 1.

36

Permintaan ban penumpang sebagai informasi dasar untuk menyusun perencanaan dan kebijakan perusahaan

Analisis pola data

Metode Kuantitatif

Metode Perusahaan

Metode Time Series dan Kausal -Rata-rata -Pemulusan eksponensial -Dekomposisi -Regresi model linier dengan variabel independennya harga dan waktu

Pemilihan Metode Kuantitatif Terbaik

Membandingkan Akurasinya

Rekomendasi Model Peramalan Terakurat serta Hasil Ramalan Satu Tahun keDepan

Implikasi dari Analisis Pola Data, Metode Peramalan dan Hasil Ramalan

Gambar 1. Kerangka Pemikiran Operasional

37

BAB IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di PT Goodyear Indonesia Tbk. Pertimbangannya bahwa perusahaan bergerak dalam industri yang memanfaatkan hasil pertanian yaitu karet. PT Goodyear sebagai pelopor ban di Indonesia pangsa pasarnya dibawah produsen lain dan tidak dapat menjadi market leader di Indonesia, dengan kondisi ini penulis ingin mengetahui kondisi perusahaan ditinjau dari segi ramalan permintaannya dengan membandingkan antara ramalan perusahaan dengan hasil ramalan penulis. Waktu pelaksanaannya dilaksanakan pada bulan Januari-Februari 2004 kemudian dilanjutkan bulan Juli 2005. 4.2. Jenis dan Sumber Data Data yang digunakan adalah data perkembangan permintaan dan harga dari masing-masing komoditi yang diteliti. Dalam pengolahan data pada metode peramalan digunakan data bulanan dari Januari 2001- Juni 2005. 4.3. Pengolahan dan Analisis Data Data kuantitatif yang diperoleh akan diolah dengan menggunakan program Microsoft excel, dan Minitab 13. Pemilihan kedua program tersebut didasarkan bahwa keduanya merupakan program yang telah banyak dikenal dan mudah digunakan. Karena hasil penelitian ini diharapkan dapat digunakan oleh pelaku ekonomi perusahaan, maka pemakaiannya menggunakan program yang mudah digunakan. Sementara untuk data kualitatif yang diperoleh akan disajikan dalam bentuk narasi.

38 4.4. Identifikasi Pola Data Hasil identifikasi yang dilakukan akan disesuaikan dengan metode peramalan yang akan digunakan. Metode peramalan yang akan digunakan merupakan peramalan jangka pendek, karena meramalkan permintaan untuk satu tahun kedepan. Pola data dari permintaan diidentifikasi melalui plot data dan plot auto korelasinya. Deret data yang telah dikumpulkan dibuat dalam bentuk tabel, diplot pada kurva dengan menggunakan program Microsoft excel. Dari hasil plot data tersebut maka akan diketahui pola datanya untuk sementara, apakah data tersebut memiliki unsur tren, siklus, maupun musiman. Pola data ini akan membantu dalam penggunaan metode yang paling cocok yang akan digunakan dalam proses peramalan ini. Selain itu akan dilengkapi juga dengan plot autokorelasi (yang menunjukkan keeratan hubungan nilai variabel yang sama, tetapi variabel pada periode waktu yang berbeda). Langkah –langkah yang dilakukan pada identifikasi pola data permintaan ban goodyear tipe ban penumpang adalah menentukan apakah serial data yang digunakan bersifat stasioner atau tidak, dengan cara menghitung nilai autokorelasinya, digunakan rumus n

∑ (Y

t −

rk =

Y)(Yt − k − Y)

t = k +1

n

∑ (Y − Y) t

2

t =1

Dimana : rk Yt Yt-k Y

= koefisien autokorelasi untuk selang waktu k = nilai permintaan pada periode ke t = nilai permintaan pada k periode lebih awal = rata-rata nilai dari data deret waktu

39 Apabila nilainya turun dengan cepat atau mendekati nol sesudah nilai autokorelasi kedua atau ketiga, maka data tersebut besifat stasioner. Sedangkan apabila data tidak bersifat stasioner yang ditunjukkan oleh nilai-nilai autokorelasi yang tidak turun ke nol dan bernilai positif. Autokorelasi antara Yt dan Yt-k untuk setiap selang mendekati nol menunjukkan deretnya acak. Urutan nilai pada deret waktu tidak berkaitan satu dengan yang lainnya. Untuk data yang mempunyai pola trend, Yt dengan Yt-k akan tinggi korelasinya dan koefisien autokorelasi biasanya berbeda secara signifikan dari nilai nol untuk beberapa selang waktu yang pertama dan kemudian bertahap akan turun menjadi nol begitu jumlah periode selang meningkat. Untuk deret yang mempunyai pola musiman, koefisien korelasi akan terjadi pada selang waktu musiman atau kelipatan dari selang musiman, selang musim adalah 4 untuk data triwulan dan 12 untuk data bulanan. Uji signifikansi koefisien autokorelasi dilakukan dengan persamaan berikut (Makridakis et. al, 1999) : -Zα/2 (1 / n ) < rk < Zα/2(1 / n )

Dimana : Z = luas daerah di bawah kurva normal, untuk taraf nyata (α = 5%) derajat Z2.5% = 1.96 rk = koefisien autokorelasi pada selang waktu k n = jumlah observasi 4.5. Penerapan Metode Peramalan Time Series 1. Model Rata-rata a. Model Rata-rata Sederhana (Simple Average)

Ŷ=

1 t ∑ Yi ; Dimana : Ŷ = nilai ramalan untuk satu periode ke depan t i =1 Yt = nilai aktual pada waktu ke-t

40 Apabila pengamatan baru sudah tersedia, ramalan periode berikutnya, merupakan rata-rata atau mean dari ramalan sebelumnya. ^

Ŷt+2 =

t

Y t +1 + Yt +1 ; t +1

Dimana : Ŷt+2 = ramalan GT3 dan Eagle Ventura untuk dua periode ke depan Yt+1 = nilai rata-rata sebelumnya t+1 = satu periode berikutnya Metode ini cocok untuk meramalkan data time series yang memiliki pola data stasioner.

b. Model Rata-rata Bergerak Sederhana (Simple Moving Average) Penerapan metode ini yaitu dengan menentukan terlebih dahulu ordo dari ratarata bergerak. Ordo dari rata-rata bergerak adalah jumlah data masa lalu yang dimasukan ke dalam rataan yang disimbolkan dengan k. Pada metode ini ketika data amatan baru tersedia maka nilai rata-rata dihitung dengan dengan menambahkan nilai terkini dan mengeluarkan nilai terlama. Ŷ t +1 =

(Yt + Yt −1 + Yt − 2 + ... + Yt − k +1 ) k

Dimana : Ŷ t +1 = nilai ramalan periode mendatang Yt = nilai aktual pada waktu ke-t k = jumlah periode yang dirata-rata bergerak Metode ini seperti halnya dengan simple average, cocok untuk meramalkan time series, yang memiliki pola data stasioner.

c. Model Rata-rata Bergerak Ganda (double moving average) Pada metode ini penghitungannya dengan cara mencari rata-rata bergerak dari data tersedia, kemudian dari nilai rata-rata tersebut dibuat nilai rata-rata bergerak kedua.

41 Mt = Ŷ t +1 = M′t =

Yt + Yt −1 + Yt − 2 + ... + Yt − k +1 k

M t + M t −1 + M t − 2 + ... + M t − k +1 k

at = Mt + (Mt + M′t) = 2Mt -M′t bt =

2 (Mt - M′t) k −1

Ŷ t + p = at + btp

Dimana : k Mt M’t P

= nilai periode moving average = moving average pertama = moving average kedua = ramalan periode ke depan

Metode ini cocok untuk meramalkan data time series yang memiliki unsurunsur tren linear (Hanke, et.al., 2001) 2. Model Pemulusan Eksponensial (Exponential Smoothing)

Metode yang dilakukan pada pemulusan eksponensial adalah pembobotan menurun secara eksponensial terhadap nilai variabel atau observasi yang lalu (Makridakris et al, 1999). Persamaan-persamaan dalam metode ini yaitu: a. Model Pemulusan Eksponen Tunggal (Single Eksponential Smoothing)

Ŷ t +1 = αYt + (1 − α ) Ŷt Dimana : Ŷ t +1 = nilai pemulusan baru atau nilai ramalan periode berikutnya permintaan ban GT3 dan Eagle Ventura α = konstanta pemulusan (0<α<1) Yt = pengamatan baru (aktual) permintaan ban GT3 dan Eagle Ventura Ŷt = nilai pemulusan lama atau ramalan untuk periode t Metode ini digunakan untuk peramalan data time series tanpa tren atau pola stasioner (Gaynor dan Kirkpatrick, 1994).

42 b. Model Pemulusan Eksponensial ganda : metode dua parameter dari Holt (Exponential Smoothing Linear Trend)

Pada beberapa kondisi data amatan akan mengandung trend dan berisi informasi yang memungkinkan antisipasi pergerakan naik dimasa depan. Apabila pergerakan ke atas deret waktu diantisipasi, estimasi slope saat ini dan juga tingkat saat ini diperlukan (Hanke, at.al, 2001). Tiga persamaan yang digunakan metode Holt : 1. Deretan pemulusan eksponensial atau estimasi tingkatan saat ini Lt = αYt + (1 − α )( Lt −1 + Tt −1 ) 2. Estimasi Trend Tt = β ( Lt − Lt −1 ) + (1 − β )Tt −1

3. Ramalan periode p ke depan Ŷ t + p = Lt + PTt Dimana : Lt

α

Yt

β

Tt P Ŷ t+ p

= Nilai pemulusan baru = Konstanta pemulusan data ( 0 ≤ α ≤ 1) = Pengamatan baru atau nilai aktual pada deret di periode t = konstanta pemulusan untuk estimasi trend ( 0 ≤ β ≤ 1) = estimasi trend = periode yang diramalkan kedepan = ramalan p periode kedepan

Metode ini juga digunakan untuk peramalan data time series dengan tren linier yang menggunakan dua konstanta pemulusan (Makridakis, at.al, 1999). 3. Model Dekomposisi

Secara matematik bentuk umum pendekatan dekomposisi adalah : Yt = f(Trt, Clt, Snt, Et)

43 Dimana : f Trt Clt Snt Et

= fungsi peramalan = komponen tren pada waktu t = komponen siklus pada waktu t = komponen atau indeks musim pada waktu t = komponen kesalahan atau random pada waktu t 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). a. Dekomposisi multiflikatif Yt = Trt x Clt x Snt x Et

b. Dekomposisi aditif Yt = Trt + Clt + Snt + Et

Metode ini dapat digunakan pada data historis yang memiliki pola sembarang. Metode ini mencoba memisahkan komponen tren, siklus, dan musiman. 4.6.Penerapan Metode Kausal

Dalam penelitian ini metode kausal yang digunakan yaitu metode regresi dengan variabel dependennya permintaan ban untuk tipe ban penumpang. Sedangkan variabel independennya adalah harga jual rata-rata dari masing-masing komoditi, dan periode waktu. Variabel independen ini akan menjelaskan faktor apa yang berpengaruh terhadap permintaan dari ban pada berbagai tipe tersebut. Persamaan metode ini hanya menggunakan dua varibel independen, hal ini disebabkan hanya varibel tersebut yang dapat dikuantitatifkan dan ketersediaan data. Adapun model persamaannya adalah

44 Y = b0 + b1Pt + b2(t) + εt

Dimana : Y b0 bk P t εt

= Permintaan = intersep dari masing-masing komoditi = Slope dari masing-masing komoditi = Harga jual rata-rata = Periode waktu = error pada periode ke-t Kriteria yang digunakan untuk menunujukan keakuratannya yaitu dari

nilai R-sqaure (Koefisien determinasi). Semakin besar nilai R-sqaure berarti model yang digunakan semakin akurat dalam meramalkan Y (permintaan).Nilai maksimal dari koefisien determinasi yaitu 100 persen. Kriteria kedua yang menunjukan tingkat keakuratan dari model kausal ini yaitu MSE (Mean Square Error), semakin kecil nilai MSE maka model semakin akurat. 4.7. Pemilihan Metode Peramalan Time Series

Pemilihan model peramalan yang digunakan yaitu yang sesuai dan tepat untuk data permintaan pada masing-masing model ban. Ketepatan dari model yang akan dipakai merupakan kriteria dalam pemilihan, ketepatan menunjukan seberapa jauh model mampu menghasilkan ramalan yang tidak jauh berbeda dengan keadan aktualnya. Model yang terpilih adalah metode yang memiliki nilai MSE terendah, selain itu unsur kemudahan dalam penggunaan metode peramalan merupakan hal yang perlu dipertimbangkan dalam memilih suatu metode peramalan. Rumus penghitungan nilai Mean Square Error yaitu ;

45 MSE =

1 n

n

2 ∑ (Yt -Ŷ t ) t =1

Dimana : Yt Ŷt Yt –Ŷt n

= Nilai aktual = Nilai ramalan = Kesalahan peramalan (error) = Banyaknya data/observasi

46 4.8. Definisi Operasional 1. Variabel

Variabel adalah karakter dari unit amatan yang akan diobservasi. Variabelvariabel tersebut adalah variabel permintaan ban model GT3 dan ban model Eagle Ventura, harga produk, dan periode waktu. 2. Variabel independen

Variabel independen adalah variabel yang menjadi penyebab terjadinya atau yang mempengaruhi variabel dependen. Variabel-variabel tersebut adalah harga produk, dan periode waktu. 3. Variabel dependen

Variabel dependen adalah variabel yang nilainya dipengaruhi oleh variabel independen, variabel tersebut adalah permintaan ban. 4. Autokorelasi

Autokorelasi adalah hubungan antara nilai suatu variabel dengan nilai lampaunya, dapat dengan gap satu atau lebih. Koefisien autokorelasi berkisar antara -1 dan +1, dimana 0 menunjukkan tidak ada korelasi. 5. Deret data

Deret data adalah sekelompok data dari suatu variabel yang disusun menurut urutan waktu kejadiannya. 6. Pola data stasioner

Data stasioner adalah data yang nilai-nilai dalam deret datanya memiliki rata-rata dan varian tetap sesuai dengan berjalannya waktu.

47 7. Pola data musiman

Data musiman merupakan pola data yang membentuk fluktuasi konstan dan proposional dalam jangka pendek (kurang dari satu tahun) yang disebabkan oleh faktor musiman. 8. Pola data Siklus

Data siklus adalah pola data yang dipengaruhi oleh fluktuasi yang disebabkan oleh pengaruh ekonomi jangka panjang, biasanya dapat terlihat dari data dengan panjang (2 – 10 tahun atau >10 tahun). 9. Trend (kecenderungan)

Trend merupakan pola data yang menunjukkan kenaikan atau penurunan secara sekuler dalam jangka panjang. 10. Autocorelation Function (ACF)

ACF digunakan untuk menjelaskan ketergantungan bersama nilai-nilai suatu deret berkala yang sama pada periode waktu yang berlainan. 11. Partial Autocorelation Function (PACF)

PACF digunakan untuk menunjukkan besarnya hubungan antara suatu variabel saat ini dengan nilai sebelumnya dari variabel yang sama (nilai-nilai untuk keterlambatan waktu) dengan menganggap pengaruh dari semua keterlambatan waktu yang lainnya konstan.

48

BAB V GAMBARAN UMUM PERUSAHAAN 5.1. Sejarah PT Goodyear

PT Goodyear didirikan di Amerika Serikat tepatnya di kota Akron, negara bagian Ohio pada tanggal 29 Agustus 1898 dengan nama The Goodyear Tire and Rubber Company Limited dengan pendirinya Frank Sieberlin. Kegiatan

perusahaan ini meliputi pengembangan, penyaluran, dan penjualan ban sejak 21 November 1898 yang ditandai oleh produksi ban sepeda. Pada tahun 1901 ban mobil mulai diproduksi, dan tahun 1903 perusahaan ini mulai memproduksi ban yang memiliki standar ukur berbeda setelah memperoleh izin dari produsen lain. Perusahaan ini juga memproduksi berbagai produk yang berkaitan dengan sarana pengangkutan seperti ban vulkanisir, roda serta velg kendaraan, ban penggerak serta pipa karet, barang-barang karet untuk industri mobil, karet busa, perlengkapan mobil, bahan kimia, barang-barang plastik, produk berteknologi tinggi untuk keperluan pertahanan, serta pelayanan pembelian, dan reparasi. Perusahaan memiliki lambang dagang “sepatu bersayap (wing foot)” yang inspirasinya diambil dari sepatu dewa Mercurius pada cerita mitos Yunani. Perusahaan ini memiliki 54 fasilitas produksi yang terletak di 28 negara termasuk Indonesia serta mengelola tujuh perkebunan karet, beberapa fasilitas riset dan testing. Sejarah PT Goodyear Indonesia dimulai dengan pembukaan perkebunan karet seluas 20.000 ha di Sumatera Utara pada tahun 1916, bernama “The Dolok Marangir Estate”. Pada tanggal 26 januari 1917 Perusahaan ini membuka kantor

cabang penjualan di Surabaya sebagai agen penjualan dari perusahaan induk yang

49 bernama “NV The Goodyear Tire and Rubber Company Limmited”. Pada tahun 1927 dibuka perkebunan kedua seluas 40.000 ha bernama “Wing Foot Estate”, perkebunan ini merupakan perkebunan besar dan modern saat itu. Perluasan usaha terus dilakukan hingga pada tahun 1930 dibentuk tim penyelidik pendirian pabrik ban di Indonesia, penyelidikan tersebut menghasilkan pendirian pabrik ban di kota Bogor pada tanggal 1 Mei 1935 yang dibuka dan diresmikan oleh Paul Lichfield. Pada tahap pertama operasi, pabrik ini memproduksi ban dengan kapasitas 600 ban perhari. Sejak saat itu diadakan perbaikan dibidang produksi dan tempat kerja dari tahun ketahun. Selama perang dunia kedua berlangsung perusahaan ini menghentikan kegiatan produksi namun setelah perang berakhir perusahaan kembali berproduksi. Bahkan pada tahun 1954 meningkatkan jumlah karyawannya menjadi 1.400 orang seiring dengan peningkatan produksi. Pada tahun 1965 sesuai kebijakan pemerintah Republik Indonesia mengenai nasionalisasi perusahaan asing maka nama perusahaan diubah menjadi “Gelora Yudha”. Perubahan tersebut mengakibatkan penurunan laba usaha hingga mengancam kelangsungan operasi, untuk menanggulangi hal tersebut maka sejak tahun 1968 hingga tahun 1971 dilakukan modernisasi mesin-mesin dan perlengkapan perusahaan dengan cara perluasan pabrik. Pada tanggal 11 Desember 1971 perluasan pabrik tahap pertama diresmikan oleh Presiden Soeharto dengan biaya investasi Rp 3 200 000 000,- sedang perluasan pabrik tahap kedua diresmikan oleh Menteri Perindustrian Letjend. M Yusuf pada tanggal 18 Mei 1974 dengan pendirian pabrik vulkanisir di Pulo Gadung, Jakarta serta perluasan pabrik yang menghabiskan biaya investasi Rp 3 700 000 000,-.

50 Pada tanggal 25 juli 1978, setelah dilakukan modernisasi dan penambahan mesin maka nama perusahaan diubah menjadi “PT Goodyear Indonesia ”, saat itu perusahaan telah berhasil mengembangkan usaha dengan produksi rata-rata 7.000 ban perhari. Tahun 1986 perusahaan ini membeli PT Dunlop Indonesia untuk pengembangan usaha sehingga pada tahun 1996 terjadi peningkatan kapasitas produksi hingga mencapai 11.000 ban perhari yang disalurkan melalui distribusi nasional yang tersebar di seluruh cabang Indonesia dan pasar luar negeri. Semenjak tahun 1935, PT Goodyear Indonesia Tbk berdiri sebagai perintis produsen ban di Indonesia yang memproduksi berbagai jenis ban berkualitas tinggi. Kantor pusat dan pabrik berlokasi di Bogor, Jawa Barat, diatas area tanah seluas 172.000 m2. Sebagai perusahaan di bawah payung The Goodyear Tire & Rubber Company, PT Goodyear Indonesia mendapatkan dukungan penuh dari

Goodyear pusat atas penelitian dan pengembangan serta pusat teknik Goodyear yang terletak di Jepang, Eropa, dan Amerika. Dukungan inilah yang menjadikan PT Goodyear Indonesia selalu terdepan dalam menghasilkan produk ban serta pelayanan bagi pelanggan. Pada bulan Februari 1994, PT Goodyear Indonesia menjadi perusahaan ban pertama di Indonesia yang mendapatkan sertifikat ISO9002 dan pertama pula yang mendapatkan sertifikat ISO-14001. PT Goodyar Indonesia memiliki lebih dari 850 karyawan yang terampil dan berpengalaman dibidang manufaktur, manajemen, sumberdaya manusia, keuangan, penjualan dan pemasaran. 5.2. Motto dan Misi perusahaan

PT Goodyear Indonesia bertujuan mencari pangsa pasar ban kendaraan bermotor dan memperoleh laba optimal dari seluruh kegiatan operasi dengan

51 motto “Pemimpin Dunia dalam Teknlogi Ban”. Motto tersebut mencerminkan bahwa perusahaan tersebut sangat mengutamakan kualitas produk untuk memenuhi keinginan konsumen. Perusahaan ini bertekad meningkatkan kualitas produk dan keunggulan persaingan dalam memenuhi selera konsumen sesuai perkembangan waktu dan keadaan, hal ini dibuktikan dengan modernisasi teknologi proses produksi dan peningkatan kapasitas produksi dari tahun ketahun. Misi perusahaan adalah “Quality is The Key to Our Consumer Satisfaction” artinya kualitas adalah kunci kepuasan pelanggan, hal ini

menunjukan bahwa perusahaan tersebut berusaha mencapai kepuasan pelanggan terhadap produk/jasa, sedangkan citra perusahaan ini adalah “Selangkah Inovasi di Depan (One Revolution Ahead)”. 5.3. Maksud dan Tujuan Perusahaan

Berdasarkan anggaran dasar, maksud dan tujuan perusahaan adalah menjalankan perindustrian secara khusus meliputi : 1. Pembuatan dan pengerjaan ban luar, dan perdagangan serta pengeksporan hasil produksi. 2. Pembuatan, pengerjaan dan penyiapan bahan dan peralatan untuk pembuatan hasil perseroan, dan perdagangan serta pengeksporan. 3. Berusaha dalam penanaman, penumbuhan, perkebunan (cultivation), pengumpulan, pengolahan, pembelian, penjualan, dan perdagaan karet, pohon/bibit karet. 4. Ikut serta dengan perusahaan dan perseroan lain yang memiliki tujuan seluruh maupun sebagian serupa untuk pengurusan, pembantuan, pemberian nasehat perseroan itu tanpa mengurangi izin yang berwajib.

52 Maksud dan tujuan perusahaan tersebut secara umum ialah mengerjakan sesuatu untuk mencapai maksud dan tujuan perseroan dalam arti kata seluasluasnya dengan tidak mengurangi persyaratan dan perjanjian dengan pihak yang berwajib serta untuk mengindahkan peratuaran perundang-undangan yang berlaku. 5.4. Produk

Kebutuhan konsumen

terhadap ban berbeda-beda sesuai dengan

peruntukannya, maka PT Goodyear Indonesia memproduksi sejumlah ban mobil penumpang, ban SUV, 4x4, truk kecil dan sedang, bus, ban pertanian dan off the road dengan kualitas prima untuk pasar domestik dan internasional. Berdasarkan

jenis ban, perbandingan jumlah produksi ban adalah 60% consumer tire dan 40% commercial tire dan alat-alat besar. Adapun dari produk tersebut terbagi dalam

model model diantaranya: •

Ban mobil penumpang: Eagle F1, Eagle NCT5, Eagle Ventura, Ducaro GA, dan GT3.

•

Ban 4x4: Wrangler AT/R, Wrangler MT/R, Wrangler DT, Wrangler DGrip, Wrangler AT/S.

•

Ban Pick Up/Van: Wrangler D-Sport.

•

Ban SUV: Fortera

•

Ban Truk dan Bus: Hi-Miler CT 163, Hi-Miler CXG, Hi-Miler G 11, HiMiler CT 176 Citra “One Revolution Ahead” yang mulai dicanangkan sejak tahun 2000,

diwujudkan melalui peluncuran produk-produk baru yang dilakukan hampir setiap tahun seperti Eagle Ventura dan Eagle F1 yang diluncurkan pada tahun 2000 dan

53 GT3 pada tahun 2001. Pada tahun 2003 diluncurkan lagi produk dengan merk Ducaro GA. PT Goodyear juga mengeluarkan produk Kelly yang merupakan brand sekunder, produk ini ditujukan untuk penetrasi pasar dengan strategi

penjualan dengan harga yang rendah. Selain itu PT Goodyear juga memberikan layanan dan garansi terhadap produk, layanan berupa garansi pabrik atau Manufacturer’s Limited Warranty ditujukan untuk meningkatkan kepercayaan

masyarakat terhadap produk. Layanan lain yang diberikan perusahaan yaitu after sales Road Hazard Warranty, yaitu berupa jaminan penggantian ban akibat

kerusakan yang disebabkan oleh kondisi jalan, jaminan ini hanya diberikan terhadap produk model Eagle F1, Eagle Ventura, Eagle NCT5, atau Wrangler ATR.

Bagi PT Goodyear Indonesia kualitas total adalah kombinasi dari kualitas produk, penjualan, dan pelayanan, biaya, waste reduction, dan proteksi lingkungan. Perusahaan berproduksi menurut ketentuan standar internasional yang ditetapkan oleh PT Goodyear Internasional Tire Technical Center yang berkedudukan di Luxembourg, dan sesuai dengan keadaan iklim serta kondisi alam Indonesia. 5.5. Pasar

Pengembangan produk yang revolusioner yang disesuiakan dengan kondisi jalan di Indonesia mampu memenuhi berbagai kebutuhan konsumen akan berbagai tipe ban yang dibutuhkanya, sehingga mampu menyerap pasar yang cukup besar. Disamping itu respon yang tinggi terhadap kebutuhan yang terus berkembang pada segmen pasar khusus dilakukan dengan cara melakukan sejumlah impor dari pabrik Goodyear lainnya di dunia.

54 Segmen pasar untuk ban consumer (pemilik mobil pribadi/passanger) yang disegmentasikan berdasarkan perilaku, keinginan dan tingkat pendapatan target market. Adapun segementasi pasar yang dilakukan adalah sebagai berikut : 1. Broad market

Segmen pasar ini bagi para konsumen yang lebih mementingkan sisi ekonomis tanpa memperdulikan jenis tapak ban. 2. Broad market premium

Pada segmen ini target marketnya adalah kelompok orang yang sudah berpikir secara efisien untuk pengeluaran sehingga mereka mulai memilih-milih tapak ban yang mereka inginkan dengan pertimbangan faktor kenyamanan, keamanan, dan penampilan yang trendi namun tidak terlalu menguras kantong mereka. 3. High performance

Untuk segmen ini adalah pasar yang konsumennya pengguna kendaraan kelas atas yang memikirkan prestise tinggi yang mereka bisa dapat dari penggunaan produk tersebut. Konsumen pada tingkat ini sudah tidak memikirkan harga dari produk tersebut, tetapi yang jadi pertimbangan mereka adalah kesan yang dapat mereka peroleh. Untuk segmen ini produk didesain secara estetis maupun teknis. 4. Ultra high performance

Untuk segmen ini konsumen sudah benar-benar spesifik dengan produk yang dibuat secara khusus pula, biasanya produk ban kelas ini bisa dipacu dengan kecepatan diatas 240 Km/jam.

55 Tabel 7. Produk Ban Passenger Goodyear dan Segmentasi Pasarnya No Merk Ban Segmentasi Broad Market 1 GT3 Broad Market Premium 2 Ducaro GA High Performace 3 Eagle Ventura Eagle NCT5 Ultra High Performance 4 Eagle F1 Ultra High Performance 5 Revspec Ultra High Performance 6 Sumber : PT Goodyear Indonesia Tbk, 2005

5.6. Nilai Merek

Sebagai pemimpin dalam hal keselamatan PT Goodyear Indonesia Tbk menanamkan budaya belajar, ilmu pengetahuan dan pelayanan (Total Quality Culture) yang secara konstan mencari dan menerapkan manajemen profesional

mutakhir dan program training untuk seluruh staff, dari administrasi ke pelayanan pelanggan, dari laboratorium ke pabrik. Dedikasi Goodyear menjangkau luas dari sumberdaya manusia sampai kepada pelanggan dan ini merupakan pabrik ban pertama dan satu-satunya yang menyediakan Certified Tyre Adjuster in House Training Workshop kepada karyawan dan pelanggan, memastikan bahwa motto

perusahaan “Selangkah Inovasi di Depan” benar-benar diterapkan. Kunci kekuatan terletak pada Goodyear sentra service yang memberikan pelayanan pelanggan terbaik melalui 50 lokasi strategis di 5 pulau terbesar di Indonesia digabung dengan tambahan 55 distributor menjadikan Goodyear mudah dicapai, dapat diandalkan untuk menyediakan produk dan jasa yang berkualitas bagi para pelanggannya. Dengan semakin meningkatnya tuntutan dari pelanggan atas informasi, pelayanan yang profesional maka Goodyear telah meluncurkan program pendidikan kepada para petugas dalam hal layanan konsumen, pengetahuan produk, dan manajemen bisnis eceran, sejalan dengan ekspansi dari outlet Sentra servis.

56 Sejalan dengan standar etika sebagai perusahaan global,Goodyear secara berkesinambungan berusaha untuk berkontribusi terhadap pengembangan ekonomi dan perlindungan lingkungan negara Indonesia, dengan senantiasa meningkatkan kualitas hidup dari karyawannya. 5.7. Promosi

Investasi Goodyear dalam penelitian dan pengembangan pasar merupakan awal dari strategi komunikasi Goodyear yang terintegrasi dan menghasilkan kegiatan promosi yang unik. Untuk memperluas cakupan konsumen, PT Goodyear berencana untuk mendirikan pusat-pusat pelayanan di kota-kota besar demikian juga memperkuat hubungan dengan pusat-pusat penjualan yang lainnya dalam rangka meningkatkan pangsa pasar. Reputasi dalam dunia balapan internasional membawanya dalam kegiatan balap tingkat lokal, PT Goodyear Indonesia aktif dalam kegiatan Indonesia Auto Contest dan kejuaraan Slalom Nasional di tujuh kota besar pada tahun 2002 untuk

lebih memperkenalkan ban Ultra High Performance. PT Goodyear Indonesia berpartisipasi pada Gaikindo Auto Expo pada bulan Juli 2003, mengambarkan komitmen dan kontribusi terhadap industri otomotif domestik, pameran tersebut merupakan pamern otomotif terbesar kedua terbesar di Asia setelah Tokyo Motor Show.

Rasa tanggung jawab dari Goodyear terhadap konsumen dan komitmennya terhadap keselamatan tidak diragukan lagi, sebagai tambahan dari in house training workshop dan brosur-brosur pada saat pembelian, Dr Tyre ahli ban maya

yang membimbing konsumen dengan tips keselamatan dan pelayanan purna jual yang tersedia atau pada situs perusahaan. Ahli maya yang menguasai dua bahasa

57 akan menjawab semua pertanyaan yang masuk secara langsung pada inbox e-mail konsumen berkenaan dengan pemeliharaan, spesifikasi produk, lokasi sentra servis, distributor dan garansi, selain itu juga memberikan informasi terkini berkenaan dengan promosi penjualan, product events dan fasilitas pelayanan pelanggan. 5.8. Struktur Organisasi Perusahaan

Berdasarkan pola hubungan kerja, wewenang dan tanggung jawab, struktur organisasi perusahaan ini menggunakan struktur organisasi garis dan staff (Lampiran 1). Hampir setiap tahun struktur organisasi PT Goodyear Indonesia mengalami perubahan sesuai dengan kondisi dan perkembangan lingkungan internal dan eksternal perusahaan. Job description setiap jabatan dalam struktur organisasi adalah sebagai berikut : •

President Director

President director merupakan pimpinan tertinggi yang ditunjuk oleh

direksi kantor pusat The Goodyear Tire and Rubber Company Limited, Akron, Ohio, USA. President director bertanggung jawab atas kelancaran jalannya perusahaan, dan seluruh tugas yang dibebankan oleh direksi pusat serta mempertanggung jawabkan tugas langsung kepada Vice President Asia Region dalam menjalankan kebijaksanaan umum dan melaksanakan kebijaksanaan intern sesuai dengan ketentuan yang diberikan. President director membawahi dua orang direktur yaitu Manufacturing Director dan Finance Director dan membawahi juga Sales, Marketing, dan Human Resources Manager.

58 •

Finance Director

Bagian ini bertugas : (1) bertanggung jawab dan berwenang terhadap keuangan, dan akuntansi perusahaan; (2) bertanggung jawab atas arus uang (cash flow) yang berhubungan dengan keluar masuk dana; (3) menerima data dan

keterangan mengenai transaksi keuangan maupun data lain yang menyebabkan pengurangan/penambahan aktiva dan passiva; (4) Menentukan harga pokok produk; (5) melakukan dan mempertanggungjawabkan penyediaan raw material untuk keperluan operasional perusahaan serta (6) melakukan pengendalian dan pengawasan atas kebutuhan pabrik. Bagian ini membawahi : Internal Auditor, Information Technologi Manager, Sales Accounting Manager, Treasury Manager, Financial Analysis and Factory Accounting Manager, Acting Controller, Purchasing Manager. •

Manufacturing Director

Bagian ini bertanggung jawab dalam menjalankan pabrik sesuai dengan Business Plan dimana indicator yang harus dicapai meliputi: safety, quality, production, waste, cost, energy, total associates, dan training.

Selain itu tugas

manufacturing director adalah menentukan visi dan misi manufacturing. Bagian

ini membawahi : Quality Technology Manager, Industrial Engineering Manager, Traffic and Material Control Manager, Factory Accounting manager, Organization Development and Training Manager, Environment, Health Safety Manager,

Engineering

Manager,

Manager, dan Production manager.

Merchandise

Distribution

Department

59 •

Human Resources Manager

Bagian ini bertugas : (1) melakukan fungsi rekruitment dan seleksi terhadap

calon

karyawan/karyawati

baru;

(2)

melakukan

peningkatan

pengembangan keahlian karyawan melalui kegiatan pelatihan (training) untuk meningkatkan kinerja karyawan; dan (3) melakukan penelitian dalam bidang sumberdaya manusia. Bagian ini membawahi : Personal Administration Manager, Employee Service Manager, Industrial Relation Manager, Human Resource Special Assignment, dan Security Manager. •

General Manager Sales

Bertugas dan bertanggung jawab terhadap kegiatan penjualan ke distributor, agen, toko-toko, dan sentra service serta melakukan pelayanan terhadap pelanggan. Kegiatan penjualan ini meliputi Original Equipment (OE), Replacement, Export. Sales Manajer juga memiliki tugas membuat strategi

penjualan dan perkiraan tiap bulan. •

OE Sales Manager

Bertanggung jawab dalam penjualan ban Original Equipment ke pabrikpabrik mobil dengan memberikan pelayanan yang bagus, memberi respon terhadap keluhan costumer dan pabrik. •

General manager Marketing

Membawahi Commercial Tire Manager, dan Consumer Tire Manager. •

Supply Officer and Head of Export Department

Bagian ini membawahi Section Head Export and Admnistration yang membawahi Export Sceduler, dan Export Administration.

60

BAB VI PERAMALAN PERMINTAAN PT GOODYEAR INDONESIA 6.1. Penerapan Metode Perusahaan

Demand planning division sebagai divisi yang menentukan seberapa besar

permintaan untuk masa yang akan datang menerapkan suatu metode peramalan time series model naive, dengan memasukan pertimbangan-pertimbangan lain

yang disesuaikan dengan kebijakan perusahaan. Model tersebut dilihat dari penggunaannya mudah karena adanya asumsi bahwa permintaan yang akan datang sama dengan periode sebelumnya, sedangkan pertimbangan yang dimasukan dalam perhitungan ramalannya yaitu besarnya biaya bahan bakar, harga bahan baku, kemampuan mesin dalam berproduksi, besarnya pengeluaran iklan, serta faktor-faktor lain yang menjadi pertimbangan perusahaan. 6.1.1. Permintaan dan Peramalan Ban Model GT3

Volume permintaan yang terjadi antara tahun 2001-2004 memperlihatkan adanya kenaikan permintaan tiap tahun, maka ban model GT3 ini memiliki prospek yang bagus untuk masa yang akan datang. Tabel 8. Permintaan Ban Model GT3 Tahun 2001-2004 Tahun Total Permintaan (Unit) 2001 205403 2002 271586 2003 302040 2004 330133 Sumber : PT Goodyear Indonesia, 2005

Hasil ramalan yang dilakukan menghasilkan MSE untuk ban model GT3 yaitu sebesar 35 334 302. Metode naive menghasilkan ramalan jumlah permintaan untuk periode berikutnya sebesar 29 560 ban yang terjual. Namun karena pada

61 tahun 2005 terjadi kenaikan BBM sampai dua kali, maka pihak perusahaan menurunkan target serta ramalan untuk periode satu tahun ke depan. Efek dari kondisi

perkonomian

Indonesia

yang

sedang

mengalami

kemunduran

pertumbuhan mengakibatkan permintaan akan berkurang, sehingga ramalannya untuk tahun 2006 diturunkan. Tabel 9. Ramalan Perusahaan Pada Ban Model GT3 (Juli 2005 - Juni 2006) Periode Bulan Ramalan Permintaan 53 Juli 28239 54 Agustus 28500 55 September 25945 56 Oktober 26829 57 November 22356 58 Desember 25876 59 Januari 2006 31083 60 Februari 26486 61 Maret 28432 62 April 32570 63 Mei 30897 64 Juni 28082 Total 335295 Sumber : PT Goodyear Indonesia, 2005

6.1.2. Permintaan dan Peramalan Ban Model Eagle Ventura

Volume permintaan untuk model Eagle Ventura ini memperlihatkan suatu pola yang tidak tentu dari tahun ketahunnya, untuk tahun 2002 terjadi peningkatan akan tetapi setelah itu permintaannya terus mengalami penurunan. Kondisi ini disebabkan harga ban yang mahal dan terus mengalami peningkatan serta kuatnya faktor luar yang mempengaruhi permintaan untuk produk ini, misalnya semakin gencarnya promosi yang dilakukan produsen lain terutama yang dilakukan oleh Bridgestone sebagai market leader untuk perusahaan ban yang ada di Indonesia.

62

Tabel 10. Permintaan Ban Model Eagle Ventura Tahun 2001-2004 Tahun Total Permintaan (Unit) 2001 87322 2002 109173 2003 96626 2004 74576 Sumber : PT Goodyear Indonesia, 2005

Seperti halnya untuk model GT3 peramalan bagi ban model Eagle Ventura juga menerapkan metode peramalan dengan acuan permintaan sebelumnya dengan

memasukan

asumsi-asumsi

dan

pertimbangan

perusahaan,

pertimbangannya selain mudah dilakukan juga terlalu banyaknya model ban yang ada di perusahaan sehingga agar lebih efisien dalam peramalannya. Disamping itu divisi yang melakukan peramalan melihat kondisi perkembangan perekonomian di Indonesia. Meskipun segmen pasar untuk ban model Eagle Ventura ini kurang memperhatikan harga akan tetapi dengan kondisi perekonomian Indonesia yang cenderung melemah, maka konsumen pun akan berpindah ke produk lain disesuaikan dengan tingkat pendapatannya. Hasil yang didapat dari peramalan menggunakan metode perusahaan ini menghasilkan nilai MSE yaitu sebesar 3 734 401 dengan jumlah permintaan periode berikutnya diproyeksikan sebanyak 5 580 unit ban. Permintaan aktual periode-periode sebelumnya menunjukan adanya kecenderungan penurunan, maka PT Goodyear Indonesia memproyeksikan untuk ban model Eagle Ventura ini lebih rendah dari hasil ramalan awal. Apalagi dengan pertumbuhan ekonomi yang menurun sebagai efek kenaikan BBM, serta harga bahan baku yang meningkat.

63

Tabel 11. Ramalan Perusahaan Pada Ban Model Eagle Ventura (Juli 2005Juni2006) Periode Bulan Ramalan Permintaan 55 Juli 5470 56 Agustus 4587 57 September 5279 58 Oktober 4980 59 November 5471 60 Desember 4975 61 Januari 5500 62 Februari 4534 63 Maret 3985 64 April 4256 65 Mei 4567 66 Juni 3560 Total 57164 Sumber : PT Goodyear Indonesia, 2005

6.2. Analisis Pola Data Permintaan Ban Mobil Penumpang Goodyear

Analisis mengenai pola data atau sifat pergerakan dari deret waktu yang akan diramal sangat diperlukan dengan tujuan menentukan metode peramalan yang sesuai dengan pola data tersebut. Beberapa metode mungkin cocok untuk pola deret data yang stasioner, metode lain mungkin cocok untuk pola deret data yang mengandung unsur trend, musiman dan siklus. Data permintaan yang dianalisis adalah data permintaan bulanan ban mobil penumpang untuk model Eagle Ventura dan model GT3 yang diperoleh dari bulan Januari 2001 sampai

bulan Juni 2005 akan tetapi untuk model GT3 dimulai dari bulan Maret karena pada bulan Januari dan Februari belum ada permintaannya. Analisis dilakukan melalui pengamatan secara visual terhadap plot data permintaan ban dan plot autokorelasinya, data yang digunakan untuk memplot produksi tersebut dapat dilihat pada Lampiran 2. Berdasarkan hasil pengamatan terhadap plot data, dapat juga digunakan untuk membuat suatu perencanaan

64 produksi. Pada penelitian ini plot data dibuat dalam bentuk grafik untuk mempermudah menganalisa pola yang terkandung dalam data, dalam menganalisa koefisien autokorelasi yang digunakan pada tingkat signifikan 5%. 6.2.1. Identifikasi Pola Data Permintaan GT3

Berdasarkan Gambar 2 dapat dilihat bahwa pola data permintaan GT3 adalah horisontal, pola stasioner ini terbentuk karena sebaran data yang berada disekitar 24 791 unit ban (rata-rata permintaan). Nilai koefisien autokorelasi secara cepat turun ke nol serta pada time lag dua tidak berbeda nyata dengan nol (r2 < 0,27), plot autokorelasi tersebut dapat dilihat pada Lampiran 3.

Mare t

Nope mber

Juli

Mare t

Nope mber

Juli

Mare t

Nope mber

Juli

Mare t

Nope mber

Juli

35050 30050 25050 20050 15050 10050 5050 50 Mare t

Unit

Permintaan GT3

Periode

Gambar 2. Plot Data Permintaan GT3

Fluktuasi permintaan yang relatif konstan di sekitar nilai rata-rata dan ada kecenderungan meningkat walaupun harga yang ditawarkan terus mengalami peningkatan sekitar 5% (lima persen) sampai 7% (tujuh persen) tiap tahunnya sesuai dengan kebijakan yang telah ditetapkan perusahaan. Standar kualitas tinggi yang diterapkan perusahaan mampu mendorong peningkatan permintaan. Harga jual yang diberlakukan tergantung dari harga bahan baku, harga pesaing, serta seberapa besar keuntungan yang ingin diraih perusahaan. Bahan baku yang

65 digunakan sekitar 30 persen masih menggunakan produk impor sehingga ketika nilai Rupiah anjlok, maka semakin besar pengeluarannya. Disamping itu perusahaan banyak menggunakan bahan bakar dalam proses produksinya sehingga ketika harga minyak dunia naik seperti kondisi sekarang ini maka harga Bahan Bakar Minyak (BBM) pun sangat tingggi, oleh karena itu harus ada penyesuaian dalam harga dan harga tersebut tidak mungkin turun akan tetapi akan terus mengalami peningkatan. Kebijakan harga yang dibuat perusahaan tidak hanya dilihat dari sisi perusahaan saja, akan tetapi mengikuti strategi yang diterapkan Market Leader serta hasil pemantauan APBI (Asosiasi Pengusaha Ban Indonesia). Jaringan pemasaran dan distribusi yang luas yang dimiliki perusahaan dapat memudahkan para konsumen untuk mendapatkan produk ini, dengan inovasi serta promosi yang dilakukan dapat meningkatkan jumlah permintaan seperti terlihat dalam Gambar 2 adanya kenaikan yang sangat signifikan sekali dari bulan April sampai bulan Juni. Setelah mengalami penurunan sampai bulan Agustus, permintaan kembali menunjukkan pola meningkat sampai pada jumlah 32 815 buah di bulan Januari 2002. Pada tahun 2002 permintaan terhadap GT3 mengalami penurunan, hal ini terjadi tidak hanya produk ini saja. Akan tetapi penurunan ini terjadi untuk permintaan ban di Indonesia secara keseluruhan, ini dapat dilihat pada perkembangan penjualan ban Tabel 2. Mulai tahun 2002 persaingan diantara produsen dalam negeri yang kompetitif ditambah lagi masuknya ban-ban impor yang masuk ke Indonesia sehingga dapat mengurangi permintaan terhadap produk lokal. Kondisi yang kompetitif ini menjadikan PT Goodyear Indonesia sebagai

66 produsen GT3 terus melakukan inovasi terhadap produknya untuk dapat mempertahankan pasar yang telah dimilikinya. Fluktuasi permintaan pada tahun 2003 sangat signifikan dari bulan ke bulan dibanding tahun-tahun sebelumnya, dari bulan Januari sampai April terjadi penurunan ini sebagai imbas kenaikan harga yang terjadi pada produk ini sekitar 6 persen. Merk Goodyear yang telah terkenal menjadikan brand image bagi sebagian orang, hal inilah yang menjadikan adanya pola fluktuasi karena bagi masyarakat pembelian ban berdasarkan kepercayaan serta kebiasaan mereka melakukan pembelian. 6.2.2. Identifikasi Pola Data Permintaan Eagle Ventura

Plot data permintaan Eagle Ventura menunjukkan bahwa pola data yang yang terkandung menunjukkan suatu pola horisontal, secara visual dapat dilihat (Gambar 3). Plot ACF pada Lampiran 4 memperlihatkan bahwa nilai koefisien autokorelasi secara cepat menurun ke nol setelah lag dua, pada time lag tiga koefisien autokorelasinya secara signifikan tidak berbeda nyata dari nol (r3 < 0,23), yang berarti bahwa data stasioner serta fluktuasinya disekitar 7 420 unit ban. Pada tahun 2002 total permintaan untuk produk ini mengalami peningkatan, khusus untuk bulan Januari permintaannya sangat signifikan hal ini karena dibulan tersebut PT Goodyear melakukan promosi-promosi salah satunya dengan menjadi sponsor even otomotif yang diadakan dalam negeri. Akan tetapi pada bulan berikutnya tingkat permintaan kembali turun karena pada bulan tersebut perusahaan menerapkan kebijakan baru dalam harga yaitu terjadinya peningkatan sebesar 5 persen yang disebabkan adanya peningkatan harga bahan baku ban, selain itu para pesaing Goodyear menerapkan promosi-promosi baru

67 diantaranya pemberian baju, jaket, topi, serta adanya undian dapat memenangkan ban apabila melakukan pembelian. Promosi ini terutama dilakukan oleh pesaing terkuatnya yaitu Bridgestone. Dari grafik permintaan terlihat bahwa semenjak bulan Januari 2004 ada kecenderungan trendnya menurun dibanding periode-periode sebelumnya, hal ini disebabkan Eagle Ventura dengan karakteristik High Ferformance dengan harga yang relatif mahal, sedangkan daya beli masyarakat yang menurun disamping terjadinya inflasi yang menyebabkan harga-harga barang naik.

mei

Jan05

sept emb er

mei

Jan04

sept emb er

mei

Jan03

sept emb er

mei

Jan02

mei

sept emb er

16000 14000 12000 10000 8000 6000 4000 2000 0 Jan01

Unit

Permintaan Eagle Ventura

Periode

Gambar 3. Plot Data Permintaan Eagle Ventura

6.3. Penerapan Metode Peramalan Time Series

Setelah pola datanya diketahui maka penerapan metode peramalan dapat lebih mudah dilakukan berdasarkan hasil identifikasi unsur-unsur yang terkandung dalam data permintaan ban mobil penumpang baik untuk model Eagle Ventura maupun GT3 maka dapat ditentukan metode peramalan time series dan

kausal (regresi) tetapi tidak semua metode yang ada dapat diterapkan hal ini didasarkan pada pola yang dimilikinya. Untuk kedua model ban ini metode time series yang digunakan terdiri dari simple average, double moving average, single

68 eksponensial smoothing, double eksponensial smoothing – Holt, dekomposisi

aditif, dekomposisi multiflikatif. Validasi yang digunkan untuk menelaah tingkat akurasinya adalah Mean Square Error (MSE), semakin kecil nilai MSE yang dihasilkan maka semakin baik metode peramalan tersebut. a. Model Rata-Rata Sederhana (Simple Average)

Model simple average menggunakan nilai rata-rata semua pengamatan historis yang relevan sebagai ramalan periode berikutnya, teknik ini akan tepat apabila gejolak yang membentuk deret waktu telah distabilkan atau deret data berkisar diantara nilai tengahnya. Nilai MSE yang dihasilkan untuk GT3 yaitu sebesar 43 091 419, sedangkan penerapan model simple average untuk Eagle Ventura menghasilkan nilai MSE sebesar 3 548 063. b. Model Rata-Rata Bergerak Sederhana (Simple Moving Average)

Penerapan metode ini yaitu dengan menentukan terlebih dahulu ordo dari rata-rata bergerak, ordo yang digunakan yaitu tiga karena dengan semakin kecilnya ordo, maka semakin besar bobot yang diberikan pada periode terkini. Orde yang semakin kecil adalah yang paling disukai ketika terjadi perubahan mendadak pada deret. Hasil perhitungan dengan model ini pada ban model GT3 mendapatkan nilai MSE sebesar 42 105 834, sedangkan MSE yang dihasilakn untuk ban model Eagle Ventura yaitu sebesar 3 740 811. c. Model Rata-Rata Bergerak Ganda (Double Moving Average)

Model rata-rata bergerak ganda menghitung rata-rata deret data tiga bulanan, kemudian menghitung rata-rata kelompok kedua dengan menggunakan deret data dari kelompok pertama tadi. Nilai MSE yang dihasilkan untuk ban

69 mobil model GT3 yaitu sebesar 43 798 276, Sedangkan nilai MSE untuk ban model Eagle Ventura yaitu menghasilkan error sebesar 5 924 665. d. Model Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing)

Penerapan model ini mengunakan nilai parameter α yang sesuai untuk menghasilkan ramalan yang optimal dengan nilai MSE yang kecil. Selanjutnya penerapan dilakukan dengan menyimpan nilai α, data aktual dan ramalan terakhir untuk menghasilkan ramalan berikutnya. Nilai MSE untuk ban model GT3 yang dihasilkan dari perhitungan menggunakan program minitab yaitu sebesar 33 919 903, dengan nilai α sebesar 0,75, sedangkan MSE untuk ban model Eagle Ventura yaitu sebesar 3 005 056, dengan α yang digunakan yaitu 0,34. e. Model Pemulusan Ganda-Holt (Double Eksponensial Smoothing-Holt)

Metode double eksponensial smoothing-Holt memiliki tingkat kerumitan dan kompleksitas yang cukup tinggi, pada model ini harus menemukan dua parameter α dan β yang optimal. Nilai MSE yang dihasilkan dari penggunaan model peramalan ini yaitu, untuk ban model GT3 MSE yang diperoleh yaitu sebesar 38 653 025, dengan α = 0,7 dan β = 0,1. Sedangkan untuk model Eagle Ventura menghasilkan MSE sebesar 3 217 732, dengan α dan β yang digunakan

sebesar 0,3 dan 0,1. f. Model Dekomposisi

Model dekomposisi memisahkan pola data atas unsur musiman, trend, siklus, dan error, pemisahan ini bertujuan untuk membantu pemahaman atas perilaku deret data sehingga dapat diperoleh keakuratan peramalan yang lebih baik.

70 1. Dekomposisi Multiplikatif

Berdasarkan perhitungan menggunakan program minitab didapat hasil bahwa persamaan untuk ban mobil model GT3 pada metode dekomposisi multiplikatif yaitu Yt = 19 147,3 + 210,132*t, dengan nilai MSE yang dihasilkan sebesar 39 647 857. Adapun untuk ban mobil model Eagle Ventura persamaannya yaitu Yt = 8702,77 – 46,6362*t, dengan nilai MSE yang didapat yaitu 2 664 193. 2. Dekomposisi Aditif

Berdasarkan hasil pengolahan dengan menggunakan model dekomposisi aditif dapat diketahui bahwa persamaan permintaan ban mobil model GT3 yaitu Yt = 19 147,3 + 210,132*t. MSE yang dihasilkannya yaitu sebesar 38 566 687. Adapun untuk ban mobil model Eagle Ventura kecenderungan yang dihasilkan dari persamaan menghasilkan slope negatif, hal ini berarti bahwa pola permintaan ban untuk model Eagle Ventura relatif berkurang. Persamaan untuk model ini yaitu Yt = 8702,77 – 46,6362*t, dari persamaan ini meghasilkan nilai MSE sebesar 2 572 985. 6.4. Penerapan Metode Peramalan Kausal (Regresi)

Pengujian pada metode ini yaitu melalui suatu kombinasi dari variabel independen yang dapat dikuantifikasikan, sehingga dapat dilihat sejauh mana variabel tersebut mempengaruhi permintan yang akan datang. Variabel-variabel yang dimasukan dalam metode ini terdiri dari harga serta periode waktu, metode ini digunakan untuk melihat seberapa besar pengaruh dari adanya peningkatan harga dan waktu terhadap jumlah yang diminta terhadap ban model GT3 serta model Eagle Ventura.

71 6.4.1. Penerapan Regresi Terhadap Ban Model GT3

Hasil yang diperoleh dari perhitungan dengan menggunakan program minitab yaitu dapat diketahuinya nilai R-square dan MSE sebagai salah satu penentu dari keakuratan hasil ramalan. Untuk metode kausal ini model yang digunakan yaitu regresi berganda dengan tujuan untuk melihat seberapa besar pengaruh dari variabel independen (harga dan waktu) mempengaruhi variabel dependen (permintaan ban). Pada model linier, variabel independen yang mempengaruhi permintaan ban mobil penumpang model GT3 secara signifikan (α= 5 persen) adalah periode waktu dengan nilai P=0,028, sedangkan variabel harga tidak signifikan pada selang kepercayaan 95 persen (α = 5 persen). Harga tidak berpengaruh nyata untuk ban model GT3, ini dapat ditunjukkan dari pola permintaannya yang cenderung naik pada September 2002 sampai September 2003 meskipun terjadi peningkatan harga. Pada bulan Februari permintaan mengalami penurunan akan tetapi pihak perusahaan justru meningkatkan harga sebesar 6 persen, ini terjadi karena pihak Bridgestone sebagai market leader meningkatkan terhadap produk yang dihasilkannya karena adanya

pengaruh peningkatan bahan baku seperti harga karet, kawat serta bahan-bahan lainya. Mulai Januari 2004 ekspansi yang dilakukan perusahaan menyebabkan adanya kenaikan harga dua persen akan tetapi hasil yang didapat adanya peningkatan yang signifikan. Faktor lain yang menyebabkan terjadinya peningkatan dapat disebabkan oleh kualitas yang bagus dari GT3 dibanding produk lain yang dikeluarkan oleh produsen pesaingnya. Pada dasarnya produk GT3 diperuntukkan untuk segmen

72 keluarga yang relatif sensitif terhadap perubahan harga, akan tetapi setelah dilakukan pengujian nilai P-value dari harga tidak begitu signifikan (> 5 %). Berdasarkan hasil perhitungan didapat nilai R-square untuk ban mobil model GT3 yaitu sebesar 23,1 persen, yang artinya bahwa variansi nilai permintaan mampu diterangkan oleh prediktor sebesar 23,1 persen sedangkan 72,9 persen lagi diterangkan oleh variabel lain yang tidak masuk dalam model. Nilai MSE yang didapat yaitu sebesar 39 403 910. Metode regresi untuk ban model GT3 menghasilkan output komputer (Lampiran 7) dari kecilnya variansi yang mampu diterangkan oleh model maka model regresi berganda ini kurang baik dalam pemilihan metode peramalan untuk ban model GT3 ini. Persamaannya sebagai berikut YGT3 = 91090 - 230 PGT3 + 447 (t) Dimana : YGT3 = permintaan GT3 PGT3 = harga GT3 sebelumnya t

= periode waktu

Intersep bernilai 91090, menunjukkan banyaknya permintaan ban model GT3 ketika semua variabel independennya bernilai nol, slope bernilai -230 menunjukkan bahwa peningkatan harga sebesar Rp 1,- akan menyebabkan penurunan permintaan sebesar 230 unit, slope bernilai 447 menunjukkan bahwa peningkatan periode satu bulan akan mengakibatkan peningkatan permintaan sebanyak 447 unit. 6.4.2. Penerapan Regresi Terhadap Ban Model Eagle Ventura

Perhitungan yang dilakukan terhadap ban model Eagle Ventura didapat nilai P-value untuk kedua variabel yang dimasukan memperlihatkan pengaruh

73 yang tidak signifikan (α= 5 persen), hal ini menunjukkan bahwa tidak adanya pengaruh dari adanya perubahan harga dan waktu. Nilai R-square dari pengujian dengan menggunakan regresi berganda linier diperoleh nilai sebesar 20,1 persen dengan nilai MSE yang didapat yaitu 3176343, variansi yang mampu diterangkan oleh model regresi berganda ini sangat kecil sekali yaitu hanya 20,1 persen selebihnya tidak mampu diterangkan oleh model karena adanya faktor lain yang mempengaruhinya. Metode regresi untuk ban mobil Eagle Ventura bisa dilihat pada Lampiran 7, dengan persamaannya sebagai berikut YEV = 26699 – 0,0352 PEV + 64,5 (t) Dimana : YEV = permintaan Eagle Ventura PEV = harga Eagle Ventura sebelumnya t

= periode waktu

Pengaruh harga untuk ban model Eagle Ventura ada akan tetapi tidak begitu signifikan, ini dikarenakan ban model Eagle Ventura segmen pasarnya high performance, segmen ini merupakan konsumen yang tidak mempermasalahkan

harga yang diberlakukan perusahaan. Intersep bernilai 121162, menunjukkan banyaknya permintaan ban model Eagle Ventura ketika semua variabel independennya bernilai nol, slope bernilai -

0,0352 menunjukkan bahwa peningkatan harga sebesar Rp 1,- akan menjadikan penurunan permintaan sebesar 0,0352 unit, slope bernilai 64,5 menunjukkan bahwa peningkatan periode satu bulan akan mengakibatkan peningkatan permintaan sebanyak 64,5 unit.

74 6.5. Pemilihan Teknik peramalan

Hasil penerapan yang telah didapat dari berbagai model peramalan yang ada dalam metode time series dan metode kausal, maka langkah selanjutnya yaitu dilakukannya pemilihan teknik peramalan yang sesuai dengan kondisi perusahaan. Teknik yang bagus belum tentu bisa diterapkan oleh perusahaan karena disesuikan dengan kondisi, tingkat efektifitas dan kesulitan, serta kepentingan pihak manajemen. 6.5.1. Pemilihan Teknik untuk Ban Model GT3

Berdasarkan Tabel 11, Hasil penerapan metode peramalan kuantitatif menunjukkan bahwa metode Single Eksponensial Smoothing merupakan model peramalan terbaik, karena metode peramalan tersebut menghasilkan MSE terkecil dibanding model-model lain. Tabel 11. Pemilihan Metode Peramalan Permintaan GT3 No Metode Peramalan 1 Single Eksponensial Smoothing 2 Dekomposisi Aditif 3 Double Eksponensial Holt 4 Regresi 5 Dekomposisi Multiflikatif 6 Moving Average 7 Simple Average 8 Double Moving Average

MSE 33 919 903 38 566 687 38 653 025 39 403 910 39 647 857 42 105 834 43 091 419 43 798 276

Model Single Eksponensial Smoothing menjadi model yang paling cocok dengan pola data dari model ban GT3 ini, adanya bobot yang diberikan sebesar 0,75, maka ramalan terbaru akan menyertakan penyesuaian yang besar untuk setiap kesalahan yang terjadi pada ramalan sebelumnya.

75 6.5.2. Pemilihan Teknik untuk Ban Model Eagle Ventura

Metode Dekomposisi Aditif merupakan metode peramalan terbaik untuk ban mobil model Eagle Ventura dengan nilai MSE paling kecil dibanding model lainnya (Tabel 12), karena model dekomposisi dapat memisahkan tiga komponen (trend, siklus, dan musiman) dari pola dasar yang cenderung mencirikan deret data kemudian mengidentifikasinya secara terpisah (Gaynor at al, 1994). Model ini dapat digunakan untuk meramalkan besarnya permintaan ban mobil model Eagle Ventura untuk masa yang akan datang, selain itu penggunaannya yang relatif mudah dapat dijadikan acuan perusahaan untuk dapat merencanakan permintaan berikutnya. Tabel 12. Pemilihan Metode Peramalan Permintaan Eagle Ventura. No Metode Peramalan MSE 1 Dekomposisi Aditif 2 572 985 2 Dekomposisi Multiflikatif 2 664 193 3 Single Eksponensial Smoothing 3 005 056 4 Regresi Berganda 3 176 343 5 Double Eksponensial Smoothing - Holt 3 217 732 6 Simple Average 3 548 063 7 Moving Average 3 740 811 8 Double Moving Average 5 924 665 6.6. Ramalan Permintaan Ban Mobil GT3 dan Eagle Ventura

Metode dan model peramalan yang telah didapat mampu meramalkan besarnya permintaan untuk periode berikutnya, sehingga dapat dijadikan acuan bagi pihak manajemen PT Goodyear Indonesia dalam menerapkan strategi serta kebijakan-kebijakan untuk tetap dapat bersaing dengan perusahaan lain. 6.6.1. Ramalan Ban Model GT3

Model peramalan terbaik yang didapat untuk ban model GT3 yaitu model Single Eksponensial Smoothing, berdasarkan hasil ramalan yang diperoleh untuk

76 bulan Juli 2005 – Juni 2006 menghasilkan jumlah ramalan yang konstan pada 30 390 unit ban (Lampiran 5). Model Single Eksponensial Smoothing membutuhkan proses estimasi ulang setiap ada data aktual baru, agar dihasilkan jumlah yang akurat dengan menggunakan pembobotan yang berbeda pula. Dengan harga yang relatif murah dikelasnya menjadikan GT3 masih menjadi favorit bagi masyarakat Indonesia, disamping itu kualitas serta kenyamanan ban semakin memperkuat respon masyarakat untuk mempergunakan produk ini. Adanya kecenderungan permintaan yang meningkat ini menjadi dasar bagi PT Goodyear Indonesia dalam penyusunan rencana yang akan diterapkan, rencana yang paling dekat untuk pemenuhan permintaan konsumen ini yaitu adanya peningkatan produksi dengan tetap menjaga kualitas serta penyediaan bahan baku agar proses produksi tersebut lancar. Adanya prospek yang bagus pada ban model GT3 menjadikan perusahan untuk dapat meningkatkan kapasitas produksinya untuk memenuhi pasar, selain itu respon positif untuk ban bagi segmen keluarga ini menuntut perusahaan untuk memperbanyak lagi distributor dan sentra-sentra service yang ada di Indonesia. Saat ini terdapat 55 distributor aktif serta 50 sentra service yang tersebar mulai dari sabang sampai merauke, yang memberikan garansi terhadap produk menjadikan ban goodyear GT3 semakin diminati. 6.6.2. Ramalan Ban Model Eagle Ventura

Ban mobil model Eagle Ventura dengan segmentasi pasarnya high performance memiliki kecenderungan konstan walaupun dibanding dengan

permintaan

12

bulan

sebelumnya

mengalami

peningkatan

1,5

persen.

Kecenderungan pola permintaan ini disebabkan pasarnya yang relatif sedikit

77 karena harga untuk ban model ini lumayan mahal, sehingga konsumen yang melakukan pembelian ini terbatas pada orang-orang tertentu, bagi konsumen ini yang diutamakan adalah kualitas, serta bagi mereka yang sudah terbiasa melakukan pembelian ban untuk merk goodyear. Adanya segmen pasar yang membutuhkan prestise tinggi dalam pemakain produknya menjadikan ban model Eagle Ventura masih layak diproduksi akan tetapi khusus untuk model ini lebih intensif lagi dalam promosinya sehingga dapat meraih pasar yang lebih banyak lagi serta dilakukannya pengurangan kapasitas produksi untuk jenis model ini. Pertumbuhan ekonomi yang melemah dengan sendirinya akan mengurangi daya beli masyarakat. Tabel 13. Ramalan Permintaan Ban Model Eagle Ventura Juli 2005 – Juni 2006 Periode Bulan Ramalan Permintaan 1 Juli 6 824 2 Agustus 6 511 3 September 6 198 4 Oktober 5 639 5 November 6 812 6 Desember 6 481 7 Januari 8 526 8 Februari 5 516 9 Maret 4 784 10 April 3 319 11 Mei 4 321 12 Juni 5 643 Total 70 574 6.7. Perbandingan Metode Ramalan PT Goodyear Indonesia dengan Metode Kuantitatif Terakurat

PT Goodyear Indonesia dalam meramalkan volume permintaan untuk periode berikutnya menggunakan metode kuantitatif juga, namun dalam tingkat akurasi yang dihasilkan terjadi perbedaan antara dua model ban yang diramal. Untuk model GT3 hasil ramalan menggunakan metode perusahaan sudah cukup

78 baik. Hal ini terlihat bahwa nilai MSE yang dihasilkan oleh metode perusahaan tidak jauh berbeda dengan metode kuantitaif terbaik (Tabel 15). Ramalan perusahaan untuk produk GT3 diproyeksikan turun, akan tetapi tingkat penurunan relatif kecil. Hal ini karena ada asumsi perusahaan bahwa tingkat pertumbuhan perekonomian menurun imbas dari peningkatan BBM (Bahan Bakar Minyak), disamping itu biaya poduksi yang meningkat menyebabkan harga standar perusahaan akan ikut naik pula. Efek dari kondisi ini yaitu para konsumen akan cenderung untuk membeli ban vulkanisir yang harganya relatif murah. Tabel 14. Perbandingan Nilai MSE Serta Ramalan Permintaan Antara Metode Peramalan Kuantitatif Terbaik dengan Metode Perusahaan Ban Model GT3 Bulan Ramalan Perusahaan Ramalan Single Eksp. Smoothing Juli 28 239 30 390 Agustus 28 500 30 390 September 25 945 30 390 Oktober 26 829 30 390 November 22 356 30 390 Desember 25 876 30 390 Januari 2006 31 083 30 390 Februari 26 486 30 390 Maret 28 432 30 390 April 32 570 30 390 Mei 30 897 30 390 Juni 28 082 30 390 Total 335 295 364 680 MSE 34 025 768 33 919 903

Hasil ramalan dengan menggunakan metode kuantitif model Single Eksponensial Smoothing didapat bahwa proyeksi untuk satu tahun kedepan

menujukkan suatu peningkatan 7,2 persen, ini disebabkan karena untuk metode kuantitatif ini tidak memasukkan eksternal factor yang dapat mempengaruhi tingkat permintaan. Hanya saja dalam model Single Eksponensial Smoothing diberikan bobot yang bertujan agar adanya penyesuaian dengan fluktuasi

79 perubahan dari deret data aktualnya. Dua nilai ramalan yang didapat

akan

menjadi masukan serta pertimbangan bagi pihak perusahaan untuk menentukan besarnya produksi untuk satu tahun kedepan. Nilai MSE untuk ban model Eagle Ventura memperlihatkan suatu perbedaan yang sangat berbeda jauh antara metode kuantitatif terbaik dengan metode yang dilakukan perusahaan, sehingga metode ramalan perusahaan sebaiknya menggunakan model dekomposisi. Tabel 15. Perbandingan Nilai MSE Serta Ramalan Permintaan Antara Metode Peramalan Kuantitatif Terbaik dengan Metode Perusahaan Ban Model Eagle Ventura Bulan Ramalan Perusahaan Ramalan Dekomposisi Aditif Juli 5 470 6 824 Agustus 4 587 6 511 September 5 279 6 198 Oktober 4 980 5 639 November 5 471 6 812 Desember 4 975 6 481 Januari 2006 5 500 8 526 Februari 4 534 5 516 Maret 3 985 4 784 April 4 256 3 319 Mei 4 567 4 321 Juni 3 560 5 643 Total 57 164 70 574 MSE 3 734 401 2 572 985

Eagle Ventura diramalkan oleh perusahaan akan relatif stabil tingkat

permintaan walaupun menunjukkan suatu peningkatan. Daya beli yang menurun akibat inflasi yang kembali tinggi menyebabkan konsumen lebih selektif dalam pembelian suatu produk. Hal ini juga terjadi pada produk ban Eagle Ventura untuk segmen high performance. Walaupun tidak terlalu memperhatikan harga akan tetapi dengan kondisi sekarang ini, para pembeli diperkirakan akan beralih ke produk yang lebih murah, meskipun dari segi kualitas kenyamanan berkurang. Hasil ramalan dengan dekomposisi aditif menunjukkan adanya peningkatan 1,5 %

80 dibanding tahun sebelumnya. Dilihat dari pola permintaan, sejak dikeluarkannya produk ini untuk tahun pertama memperlihatkan peningkatan, akan tetapi setelah itu permintaannya terus mengalami penurunan.

81

BAB VII IMPLIKASI METODE DAN HASIL RAMALAN 7.1. Implikasi Hasil Peramalan

Metode kuantitatif model Single Eksponensial Smoothing dengan α=0,75 merupakan suatu model terbaik untuk meramalkan permintaan ban mobil model GT3 untuk satu tahun kedepan. Dari hasil analisis didapat bahwa permintaan GT3 untuk 12 bulan yang akan datang sebesar 364 680 unit. Permintaan ini meningkat sebesar 7,2 persen yang berarti bahwa ban model ini masih memiliki prospek yang bagus untuk pangsa pasar di tahun yang akan datang. Adapun hasil ramalan untuk ban mobil model Eagle Ventura total permintaan untuk tahun berikutnya mengalami peningkatan juga, walaupun hanya sebesar 1,5 persen. Ini menunjukkan bahwa untuk model Eagle Ventura perlu diterapkan strategi promosi yang lebih intensif. 7.1.1. Implikasi Bagi Perencanaan PT Goodyear Indonesia

Dunia usaha selalu dihadapkan dengan kondisi yang sarat dengan ketidak pastian, oleh sebab itu tiap perusahaan selalu melakukan observasi baik terhadap produk sendiri, produk pesaing, melakukan penetrasi pasar, pengawasan kinerja perusahaan yang ketat, dan masih banyak hal lain yang dapat membuat perusahaan tetap eksis dan selalu tumbuh. Perusahaan yang sukses adalah perusahaan yang mampu mengendalikan segala bentuk ketidakpastian yang terjadi, serta mampu menghadapi perubahan yang terus menerus. Perubahan yang sangat cepat tersebut harus segera direspon oleh pimpinan sebagai pengambil keputusan, dengan tujuan agar permintaan terhadap produk yang dihasilkan tidak menurun dikarenakan konsumennya diambil oleh pesaing.

82 Persaingan yang semakin ketat diantara produsen ban dalam negeri dan semakin banyaknya ban luar negeri yang masuk di Indonesia menjadikan suatu ramalan merupakan hal sangat diperlukan oleh manajemen PT Goodyear Indonesia untuk mengetahui besarnya permintaan untuk periode kedepannya. Adanya data ramalan tersebut dapat membantu perusahaan melakukan efisiensi produksi serta menerapkan strategi pemasaran yang tepat untuk memasarkan produk yang dihasilkannya. Berdasarkan hasil ramalan yang dilakukan terhadap ban mobil penumpang untuk model GT3 dan Eagle Ventura, didapat hasil bahwa kedua produk tersebut masih memberikan kontribusi bagi perusahaan. Total permintaan yang meningkat untuk 12 bulan kedepan menjadikan GT3 merupakan produk strategis yang dapat meningkatkan profit perusahaan, Sedangkan untuk ban model Eagle Ventura yang relatif konstan dan hanya menunjukkan peningkatan permintaan 1,5 persen membutuhkan strategi promosi yang lebih intensif serta pengurangan kapasitas. Ramalan untuk ban model Eagle Ventura peningkatannya sekitar 1,5 persen, informasi tersebut dapat membantu divisi produksi agar dapat meningkatkan lagi kualitas serta melakukan inovasi dan pengembangan dari produk yang dihasilkan dengan harapan agar tingkat permintaan bertambah sehingga dapat menambah profit perusahaan. Untuk mengantisipasi terjadinya produk yang tidak terjual maka model ban ini dilakukan pengurangan produksi, sehingga dapat membantu terhadap tingginya pengeluaran biaya produksi. Hasil ramalan permintaan merupakan sumber informasi bagi divisi pengadaan dan gudang dalam melakukan pengendalian persediaan bahan baku dan bahan jadi, sehingga akan terwujud efisiensi biaya pengadaan dan

83 penyimpanan. Inefisiensi biaya pengadaan dan penyimpanan menyebabkan adanya pengurangan modal perusahaan, sehingga apabila tidak direncanakan secara tepat akan menggangu stabilitas perusahaan. Demikian pula apabila perusahaan tidak tepat dalam penyediaan bahan baku akan mengakibatkan proses produksi terhambat yang berujung pada inkonsistensi pemenuhan barang dengan tingkat permintaan yang terjadi. Peramalan permintaan dapat digunakan sebagai acuan PT Goodyear Indonesia dalam menentukan besarnya produksi, model ban yang tingkat permintaannya banyak dan menunjukkan total permintaan yang meningkat menjadikan perusahaan harus menambah jam produksi untuk pemenuhan permintan. Adapun bagi model ban yang laju permintaannya menurun menyebabkan perusahaan melakukan daur produksi lewat suatu inovasi dan pengembangan sehingga konsumen tidak berpindah pada produk pesaing. Hasil ramalan juga dapat membantu divisi produksi dalam penentuan jadwal produksi yang tepat sehingga dapat meminimalkan produk yang tidak laku dijual. 7.1.2. Implikasi Bagi Divisi Pemasaran

Persaingan yang semakin ketat diantara produsen ban mengharuskan bagian pemasaran untuk terus menerus menyoroti pasar, agar dapat mendeteksi setiap isyarat terjadinya perubahan permintaan terhadap kedua model ban tersebut sehingga dapat menyusun strategi bersaing di pasaran. Untuk mengetahui konsumsi produk atau penggunaan produk, maka seorang pemasar harus mengetahui tiga hal : (1) frekuensi konsumsi, menggambarkan seberapa sering suatu produk dikonsumsi; (2) jumlah konsumsi, menggambarkan kuantitas produk

84 yang digunakan konsumen; (3) tujuan konsumsi, menggambarkan situasi pemakaian konsumen. Untuk menjaga agar konsumen untuk ban model GT3 tidak berpaling pada produk pesaing seperti Bridgestone, Gajah Tunggal, maupun Dunlop maka bagian pemasaran harus tetap mejaga layanan “good service” kepada setiap pembeli untuk dapat mengembalikan kepercayaan terhadap produk Goodyear. Adanya kecenderungan menurun pada produk ban model Eagle Ventura menuntut promosi yang semakin gencar serta semakin aktif dalam kegiatan-kegiatan otomotif di Indonesia, pemberian informasi lewat tayangan iklan dapat menjadi sarana promosi terbaik serta dapat meningkatkan citra perusahaan. Modal dasar bagi PT Goodyear untuk meningkatkan daya saing yaitu ketersediaan produk di pasaran lewat pengiriman tepat waktu sesuai dengan permintaan konsumen. Strategi ini dilakukan untuk memberikan kepercayaan kepada konsumen terhadap pelayanan yang diberikan PT Goodyear Indonesia. Selain itu peningkatan mutu melalui strategi inovasi dan pengembangan produk merupakan prioritas utama untuk dilakukan untuk tetap survive dalam industri yang sarat teknologi dan inovasi seperti industri ban.

85

BAB VIII KESIMPULAN DAN SARAN 8.1. Kesimpulan

Berdasarkan uraian yang telah disajikan sebelumnya, maka dapat diambil kesimpulan sebagai berikut : 1. Pola data permintaan terhadap ban mobil model GT3 dan Eagle Ventura menunjukkan suatu pola horisontal (stasioner), karena fluktuasi permintaannya berada di sekitar nilai rata-ratanya. Pengidentifikasian pola dapat menentukan metode peramalan yang lebih sesuai. 2. Hasil perhitungan menggunakan metode time series dan metode kausal yang kemudian

dibandingkan dengan metode perusahaan yang selama ini

dipergunakan maka metode terbaik yang dapat digunakan untuk meramalkan ban model GT3 yaitu mengunakan model Single Eksponensial Smoothing. Sedangkan model terbaik yang memiliki nilai MSE paling kecil untuk peramalan ban model Eagle Ventura direkomendasikan menggunakan model dekomposisi aditif. 3. Proyeksi permintan untuk 12 bulan kedepan pada ban mobil model GT3 mengalami peningkatan dengan total permintaan yang akan diraih sebesar 364 680 unit. Jika dibandingkan dengan total permintaan 12 bulan kebelakang sebesar 340 291, maka terjadi peningkatan permintaan sebesar 7,2 persen. Sedangkan prospek bagi Eagle Ventura untuk 12 bulan kedepan relatif konstan dan mengalami peningkatan sekitar 1,5 persen. Namun dengan melihat kondisi pada saat sekarang ini dimana daya beli menurun, maka diindikasikan menurun.

86 4. implikasi bagi perencanaan PT Goodyear Indonesia Tbk yaitu peningkatan penyediaan bahan baku serta peningkatan kapasitas produksi pada ban model GT3 dan meningkatkan strategi promosi yang lebih intensif serta pengurangan kapasitas produksi pada model Eagle Ventura. 8.2. Saran

Berdasarkan hasil analisis yang telah dilakukan, penulis menyarankan : 1. PT Goodyear Indonesia sebaiknya menggunakan model Single Eksponensial Smoothing untuk peramalan pada ban model GT3 dan model dekomposisi

aditif pada Eagle Ventura, agar kesalahan ramalannya dapat diminimalisir sehingga lebih cermat dalam meramalkan jumlah permintaan, selain itu kedua model tersebut relatif mudah dalam penggunaannya 2. Penelitian ini hanya terbatas pada kedua model terpilih dengan hanya memasukan variabel harga dan waktu, untuk itu diperlukan penelitian lebih lanjut untuk model-model lainnya serta memasukan variabel-variabel lain seperti pengeluaran iklan, biaya bahan baku dan lain-lain yang mempengaruhi permintaan. 3. Adanya permintaan yang meningkat pada model GT3 maka PT Goodyear sebaiknya meningkatkan kapasitas produksi bagi model GT3 dengan memperhatikan ketersediaan bahan baku, sedangkan untuk model Eagle Ventura perusahaan harus lebih sering dalam menginformasikan model ini

salah satunya lewat iklan dimedia cetak atau televisi serta lebih ditingkatkannya menjadi sponsor dalam kegiatan otomotif.

87

Lampiran 2. Data Permintaan ban Mobil Penumpang PT Goodyear Indonesia Tahun 2001

2002

2003

2004

2005

Ban Mobil Model GT3 periode permintaan Januari 0 Februari 0 Maret 88 April 4084 Mei 10091 Juni 30136 Juli 27792 Agustus 22850 September 27735 Oktober 24860 Nopember 30487 Desember 27280 Januari 32815 Februari 27461 Maret 23341 April 15878 Mei 16106 Juni 25094 Juli 25372 Agustus 20574 September 22941 Oktober 17806 Nopember 21651 Desember 22547 Januari 28958 Februari 25003 Maret 25036 April 17676 Mei 31549 Juni 25190 Juli 22870 Agustus 30639 September 22590 Oktober 20697 Nopember 28458 Desember 23374 Januari 15072 Februari 23000 Maret 26412 April 31271 Mei 34852 Juni 35297 Juli 31377 Agustus 30280 September 24947 Oktober 26048 Nopember 20445 Desember 31132 Januari 29050 Februari 25130 Maret 26563 April 32175 Mei 33584 Juni 29560

Harga 316.000 316.000 316.000 316.000 316.000 316.000 316.000 316.000 316.000 316.000 316.000 316.000 326.000 326.000 326.000 326.000 326.000 326.000 326.000 330.000 330.000 330.000 330.000 330.000 330.000 330.000 350.000 350.000 350.000 350.000 350.000 350.000 350.000 350.000 350.000 351.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 354.000 361.000 361.000 361.000 361.000 361.000

Tahun 2001

2002

2003

2004

2005

Ban Mobil Model Eagle Ventura periode permintaan harga januari 6318 535000 februari 6192 535000 maret 9188 535000 april 7921 535000 mei 6735 535000 juni 4338 535000 juli 6755 535000 agustus 6606 535000 september 8491 535000 oktober 7481 535000 nopember 9634 535000 desember 7663 535000 januari 13510 563000 februari 7133 563000 maret 9652 563000 april 7278 563000 mei 8644 563000 juni 10799 563000 juli 9494 563000 agustus 9726 582000 september 8419 582000 oktober 6422 582000 nopember 8889 582000 desember 9207 582000 januari 9099 582000 februari 8003 582000 maret 6730 601000 april 5358 601000 mei 6447 601000 juni 6446 601000 juli 9492 601000 agustus 8685 601000 september 8432 601000 oktober 7508 601000 nopember 8793 601000 desember 11633 623000 januari 10214 642000 februari 7029 642000 maret 4644 642000 april 4440 642000 mei 5285 642000 juni 6424 642000 juli 6775 642000 agustus 6085 642000 september 5419 642000 oktober 6540 642000 nopember 6024 642000 desember 5697 642000 januari 7350 642000 februari 6136 705000 maret 4582 705000 april 3985 705000 mei 5365 705000 juni 5580 705000

88 Lampiran 3. Plot ACF dan PACF Ban Model GT3

Autocorrelation

Autokorelasi 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0

2

7

Lag 1 2 3 4 5 6 7

Corr 0,51 0,18 -0,02 -0,03 -0,02 -0,01 -0,05

T

Lag

LBQ 14,11 15,96 15,99 16,03 16,07 16,07 16,25

3,65 1,06 -0,12 -0,15 -0,14 -0,07 -0,31

12

Corr

T

LBQ

8 -0,12 -0,67 9 -0,09 -0,53 10 -0,05 -0,30 11 0,10 0,55 12 0,19 1,09 13 0,18 1,01

17,13 17,71 17,89 18,54 21,20 23,65

Partial Autocorrelation

Partial Autokorelasi 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0

2

7

Lag PAC

12

T

Lag PAC

T

1 0,51

3,65

8 -0,09

-0,65

-0,10 -0,10 0,06 -0,03 -0,00 -0,06

-0,73 -0,70 0,43 -0,18 -0,02 -0,44

0,02 -0,01 0,15 0,10 0,01

0,16 -0,06 1,09 0,74 0,11

2 3 4 5 6 7

9 10 11 12 13

89 Lampiran 4. Plot ACF dan PACF Eagle Ventura

1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0

2

Partial Autocorrelation

Autocorrelation

Plot AC F Perm intaan Eagle Ventura

12

7

L ag

C o rr

T

LBQ

L ag

C o rr

T

LBQ

1 2 3 4 5 6 7

0 ,4 9 0 ,3 7 0 ,0 5 0 ,1 7 0 ,2 1 0 ,2 5 0 ,0 6

3 ,6 1 2 ,2 6 0 ,3 0 0 ,9 1 1 ,1 5 1 ,3 0 0 ,3 2

1 3 ,7 8 2 1 ,9 4 2 2 ,1 1 2 3 ,7 5 2 6 ,5 0 3 0 ,3 0 3 0 ,5 6

8 9 10 11 12 13

0 ,0 3 -0 ,0 8 0 ,1 0 0 ,1 2 0 ,1 8 0 ,1 2

0 ,1 6 -0 ,4 0 0 ,5 2 0 ,5 9 0 ,8 9 0 ,5 9

3 0 ,6 2 3 1 ,0 1 3 1 ,7 1 3 2 ,6 6 3 4 ,8 8 3 5 ,9 2

Plot PACF Permintaan Eagle Ventura 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0

2

7 Lag PAC 1 2 3 4 5 6 7

0,49 0,18 -0,25 0,23 0,21 -0,04 -0,19

T 3,61 1,29 -1,84 1,71 1,52 -0,32 -1,37

Lag PAC 8 9 10 11 12 13

0,09 -0,06 0,11 0,07 0,01 0,08

12 T 0,63 -0,41 0,82 0,50 0,11 0,57

90 Lampiran 5. Hasil Output Model Peramalan Single Eksponensial Smoothing GT3 Single Exponential Smoothing

Data Length NMissing

Permintaan 52,0000 0

Smoothing Constant Alpha: 0,749210 Accuracy Measures MAPE: 58 MAD: 4665 MSD: 33919903

Row

Period

FORE1

LOWE1

UPPE1

1 2 3 4 5 6 7 8 9 10 11 12

53 54 55 56 57 58 59 60 61 62 63 64

30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2 30390,2

18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1 18961,1

41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3 41819,3

91 Lampiran 6. Hasil Output Model Dekomposisi Aditif Eagle Ventura Decomposition Additif with L :12 Data Length NMissing

Permintaan 54,0000 0

Trend Line Equation Yt = 8702,77 - 46,6362*t

Seasonal Indices Period 1 2 3 4 5 6 7 8 9 10 11 12

Index 2668,64 -294,814 -980,606 -2398,40 -1350,65 18,3524 686,207 419,707 152,894 -358,293 860,957 575,998

Accuracy of Model MAPE: MAD: MSD:

17 1211 2572985

Forecasts Row

Period

Forecast

1 2 3 4 5 6 7 8 9 10 11 12

55 56 57 58 59 60 61 62 63 64 65 66

6823,99 6510,85 6197,40 5639,58 6812,19 6480,60 8526,61 5516,51 4784,09 3319,66 4320,77 5643,14

92 Lampiran 7. Hasil Output Metode Regresi Linier Model Regresi Berganda pada GT3 dan Eagle Ventura

Regression Analysis for GT3: permintaan versus Harga; periode Regression Analysis: penjualan versus Harga; periode The regression equation is penjualan = 91090 - 230 Harga + 447 periode Predictor Constant Harga periode

Coef 91090 -230,3 447,4

S = 6277

SE Coef 57275 183,3 197,5

R-Sq = 23,1%

T 1,59 -1,26 2,27

P 0,118 0,215 0,028

R-Sq(adj) = 19,9%

Analysis of Variance Source Regression Residual Error Total

DF 2 49 51

SS 579422002 1930791584 2510213587

MS 289711001 39403910

F 7,35

P 0,002

Regression Analysis for Eagle Ventura: Permintaan versus harga; Periode The regression equation is Permintaan = 26699 - 0,0352 harga + 64,5 Periode Predictor Constant harga Periode

Coef 26699 -0,03516 64,53

S = 1782

SE Coef 9173 0,01789 58,68

R-Sq = 20,1%

T 2,91 -1,96 1,10

P 0,005 0,055 0,277

R-Sq(adj) = 17,0%

Analysis of Variance Source Regression Residual Error Total

DF 2 51 53

SS 40790863 161993498 202784361

MS 20395431 3176343

F 6,42

P 0,003