8

BAB 2

LANDASAN TEORI dan KERANGKA PEMIKIRAN

2.1 Pengertian Manajemen

Menurut Richard L.Daft (2002: 8), manajemen adalah pencapaian sasaran-

sasaran organisasi dengan cara yang efektif dan efisien melalui perencanaan

pengorganisasian, kepemimpinan dan pengendalian sumberdaya organisasi.

Menurut James A.F. Stoner (2006), manajemen adalah suatu proses

perencanaan, pengorganisasian, kepemimpinan, dan pengendalian upaya dari

anggota organisasi serta penggunaan sumua sumber daya yang ada pada organisasi

untuk mencapai tujuan organisasi yang telah ditetapkan sebelumnya.

Menurut Malayu S.P. Hasibuan (2000: 2), manajemen adalah ilmu dan seni

mengatur proses pemanfaatan sumber daya manusia dan sumber-sumber lainnya

secara efektif dan efisien untuk mencapai satu tujuan.

Menurut Stephen P. Robins (2009: 8), manajemen adalah proses

pengkoordinasian kegiatan-kegiatan pekerjaan sehingga pekerjaan tersebut

terselesaikan secara efisien dan efektif dengan dan melalui orang lain.

2.1.1 Pengertian Manajemen Operasi

Menurut Richard L. Daft ( 2006: 216), manajemen operasi adalah bidang

manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat-alat

dan tekhnik-tekhnik khusus untuk memecahkan masalah-masalah produksi.

9

Menurut Soentoro Ali Idris (2000: 1), manajemen operasi adalah proses

transformasi dari input menjadi output yang mempunyai nilai lebih tinggi

dibandingkan inputnya.

Menurut Subagyo (2000: 1), manajemen operasi adalah kegiatan untuk

mengubah bentuk untuk menambah manfaat atau menciptakan manfaat baru dari

suatu barang atau jasa.

Dapat disimpulkan pengertian dari manajemen operasi adalah proses

pengolahan input berupa barang dan mentransformasikannya menggunakan alat-alat

serta teknik-teknik khusus untuk menciptakan manfaat baru dengan nilai lebih tinggi

daripada inputnya.

2.2 Pengertian Biaya

Menurut Supriyono (2000: 16), biaya adalah harga perolehan yang

dikorbankan atau digunakan dalam rangka memperoleh penghasilan atau revenue

yang akan dipakai sebagai pengurang penghasilan.

Menurut Henry Simamora (2002: 36), biaya adalah kas atau nilai setara kas

yang dikorbankan untuk barang atau jasa yang diharapkan memberi manfaat pada

saat ini atau di masa mendatang bagi organisasi.

Menurut Mulyadi (2005: 8), biaya adalah pengorbanan sumber ekonomis

yang diukur dalam satuan uang, yang telah terjadi, sedang terjadi atau yang

kemungkinan akan terjadi untuk tujuan tertentu.

Menurut Michael W. Maher dan Edward B. Deakin (2001: 32), biaya adalah

pengorbanan sumber daya.

10

Sehingga dapat disimpulkan bahwa biaya adalah pengorbanan akan suatu

nilai dari sumber ekonomis yang diukur dalam satuan uang, yang digunakan dalam

rangka memperoleh penghasilan dan memberi manfaat pada saat ini atau masa

mendatang bagi organisasi.

2.3 Pengertian Pemasaran

J. Supranto menjelaskan, pemasaran adalah aliran produk secara fisis dan

ekonomik dari produsen melalui pedagang perantara ke konsumen. Definisi

lain menyatakan bahwa pemasaran adalah suatu proses sosial dan manajerial yang

membuat individu/kelompok mendapatkan apa yang mereka butuhkan dan inginkan

dengan menciptakan, menawarkan dan mempertukarkan produk yang bernilai kepada

pihak lain. Pemasaran melibatkan banyak kegiatan yang berbeda yang menambah

nilai produk pada saat produk bergerak melalui sistem tersebut.

Kegiatan-kegiatan dalam usaha pemasaran tidak hanya kegiatan

memindahkan barang /jasa dari tangan produsen ke tangan konsumen saja dengan

sistem penjualan, tetapi banyak kegiatan lain yang juga dijalankan dalam kegiatan

pemasaran. Penjualan hanyalah salah satu dari berbagai fungsi pemasaran. Apabila

pemasar melakukan pekerjaan dengan baik untuk mengidentifikasi kebutuhan

konsumen, mengembangkan produk dan menetapkan harga yang tepat,

mendistribusikan dan mempromosikannya secara efektif, maka akan sangat mudah

menjual barang-barang tersebut.

Konsep paling pokok yang melandasi pemasaran adalah kebutuhan manusia.

Dengan adanya perkembangan jaman, kebutuhan berkembang menjadi suatu

keinginan mengkonsumsi suatu produk dengan ciri khas tertentu. Munculnya

keinginan akan menciptakan permintaan spesifik terhadap suatu jenis

11

produk. Seseorang dalam menentukan keputusan pembelian akan

mempertimbangkan nilai dan kepuasan yang akan didapat dari mengkonsumsi suatu

produk. Apabila konsumen yakin akan nilai dan kepuasan yang akan didapat, maka

konsumen akan melalukan pertukaran dan transaksi juall beli barang dan jasa. Hal

inilah yang mendasari terjadinya pasar. (J. Supranto, 2001 : p12-15)

Tujuan sistem pemasaran :

Secara umum, tujuan sistem pemasaran adalah sebagai berikut :

� Memaksimumkan konsumsi

� Memaksimumkan utilitas (kepuasan) konsumsi

� Memaksimumkan pilihan

� Memaksimumkan mutu, kualitas, kuantitas, ketersediaan, harga,

lingkungan

Efisiensi Pemasaran (J. Supranto, 2001 : 15) :

Menurut J. Supranto yang dimaksud dengan efisiensi pemasaran adalah

seberapa besar pengorbanan yang harus dikeluarkan dalam kegiatan pemasaran

menunjang hasil yang bisa didapatkan dari kegiatan pemasaran tersebut. Efisiensi

pemasaran dapat dicari dengan menghitung rasio “keluaran-masukan” dalam

kegiatan pemasaran yang dilakukan. Semakin tinggi nilai rasio keluaran-masukan,

maka pemasaran yang dilakukan semakin efisien. Umumnya efisiensi dapat dicapai

dengan salah satu di antara empat cara berikut :

� Keluaran tetap konstan, masukan mengecil

� Keluaran meningkat, masukan konstan

� Keluaran meningkat dalam kadar yang lebih tinggi dari

peningkatan masukan

12

� Keluaran menurun dalam kadar yang lebih rendah dari penurunan

masukan

2.4 Peramalan (forecasting)

Menurut Barry, Jay dalam bukunya Manajemen Operasi (2009, p.162)

mengatakan bahwa peramalan (forecasting) adalah seni atau ilmu untuk

memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan

pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu

model matematis. Hal ini dapat dilakukan dengan menggunakan kombinasi model

matematis yang disesuaikan dengan pertimbangan yang dari dari seorang manajer.

Menurut sellani, Robert J (2009) dalam Journal of the International Academy

for Case Studies. The Sales forecast is the most important plan in an organization.

For a manufacturing company, the Sales forecast must be in sufficient detail for

Manufacturing to translate those requirements into physical products. Therefore it is

not sufficient for the Sales forecast to be equal to last years' sales plus 10%.

Manufacturing must know which products are going to be obsolete, which will be

increasing and decreasing in sales, and which will require new manufacturing

methods in production.

Dari definisi di atas dapat disimpulkan bahwa peramalan berkaitan dengan

upaya untuk memperkirakan apa yang terjadi dimasa depan, berbasis pada metode

ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Serta peramalan itu

adalah kegiatan yang bersifat teratur, berupa memprediksi masa depan dengan

menggunakan tidak hanya metode ilmiah namun juga mempertimbangkan hal-hal

yang bersifat kualitatif (perasaan, pengalaman dan lain-lain).

13

Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti dan sukar

untuk diperkirakan secara tepat. Untuk itu perlu adanya forecast. Ramalan yang

dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang

dianalisis dengan mengunakan metode-metode tertentu. Di dalam forecasting

diupayakan agar forecast yang dibuat dapat meminimumkan pengaruh ketidakpastian

tersebut.

2.5 Metode Peramalan

Barry, Jay berpendapat bahwa bermacam-macam metode peramalan telah

ditetapkan dengan tujuan mendapatkan hasil ramalan yang tepat guna, dimana

metode peramalan tersebut kemudian akan menjadi bagian dari fungsi perencanaan

dan merupakan sarana pengambilan keputusan.

Ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik

peramalan kualitatif dan kuantitatif (Barry, Jay, 2009: 167). Teknik peramalan

kualitatif lebih menitikberatkan pada pendapat (judgment) dan intuisi manusia dalam

proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting.

Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang

dimiliki. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yaitu teknik

statistik dan teknik deterministik.

Teknik statistik menitikberatkan pada pola, perubahan pola, dan faktor

gangguan yang disebabkan pengaruh random. Termasuk dalam teknik ini adalah

teknik smoothing, dekomposisi, dan tenik Bob-Jenkins.

Teknik deterministik mencakup identifikasi dan penentuan hubungan antara

variabel yang akan diperkirakan dengan variabel-variabel lain yang akan

14

mempengaruhinya. Termasuk dalam teknik ini adalah tenik regresi sederhana,

regresi berganda, autoregresi, dan model input output.

Untuk meramalkan suatu keadaan dengan menggunakan data historis tanpa

menghiraukan pengaruh atau hubungan dengan variabel lainnya, metode peramalan

yang biasa digunakan adalah metode kuantitatif statistik. (Jay dan Render, 2005)

Metode peramalan kuantitatif statistik melihat pola perubahan data dari waktu-ke

waktu, berikut ini beberapa metode peramalan yang termasuk dalam metode

peramalan kuantitatif statistik:

2.5.1 Metode Moving Averages

Dalam bukunya Pengestu Subagyo (Forecasting Konsep dan Aplikasi tahun

2004). Peramalan dengan metode moving averages (rata-rata bergerak) dilakukan

dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu

menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah

rata-rata bergerak digunakan karena setiap kali data observasi baru tersedia, maka

angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan.

a) Metode Single Moving Averages Menentukan ramalan dengan metode

single moving averages sangat sederhana, yaitu dengan merata-ratakan

jumlah data sebanyak periode yang akan digunakan, atau jika ditulis

dalam bentuk rumus adalah :

St+1 = Xt + Xt-1 + … + Xt-n+1

n

15

St+1

= ramalan untuk periode ke t+1

Xt = data pada periode ke-t

n = jangka waktu rata-rata bergerak

Metode single moving averages lebih cocok digunakan untuk

melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala

trend naik maupun turun, musiman, dan sebagainya, melainkan sulit

diketahui polanya.

Metode single moving averages ini mempunyai dua sifat khusus,

yaitu :

1) Untuk membuat forecast memerlukan data historis selama jangka

waktu tertentu. Jika mempunyai data selama V periode, maka baru

bisa membuat forecast untuk periode ke V+1.

2) Semakin panjang jangka waktu moving averages akan menghasilkan

moving averages yang semakin halus.

b) Metode Double Moving Averages

Dalam metode ini langkah pertama adalah mencari moving averages,

hasilnya ditaruh pada periode terakhir, kemudian dicari moving averages lagi

dari moving averages pertama, baru kemudian dibuat forecast. Adapun

prosedur untuk membuat forecast dengan metode double moving averages

adalah sebagai berikut :

16

1) Menentukan moving averages yang pertama (Pengestu Subagyo,

2004 : 5)

S’ = Xt + Xt-1 + … + Xt-n+1

n

2) Menentukan moving averages yang kedua (Pengestu Subagyo, 2004 : 5)

S” t = S’t + S’t-1 + … + S’t-n+1

n

3) Menentukan konstanta (Pengestu Subagyo, 2004 : 5)

at = S’t + (S’t – S”t )

4) Menentukan slope (Pengestu Subagyo, 2004 : 6)

Bt = 2 (S’t – S”t )

V-1

V adalah jangka waktu moving averages

5) Menentukan forecast (Pengestu Subagyo, 2004 : 6)

Ft+m = at + btm

m adalah jangka waktu forecast kedepan

17

2.5.2 Metode Exponential Smoothing

a) Metode Single Exponential Smoothing

Menurut Pengestu Subagyo (Forecasting Konsep dan Aplikasi, 2004 : 7)

metode single exponential smoothing lebih cocok digunakan untuk

meramalkan hal-hal yang

fluktuasoninya secara random (tidak teratur). Untuk membuat forecast

dengan metode single expential smoothing dicari dengan rumus :

Ft+1 = αXt + (1 - α) St

Dalam metode ini nilai α bisa ditentukan secara bebas yang bisa

mengurangi forecast error, yaitu antara 0 dan 1.

b) Metode Double Exponential Smoothing

Metode double exponential smoothing biasanya lebih tepat digunakan

untuk maramalkan data yang mengalami kecenderungan trend naik.

(Pengestu Subagyo, 2004 : 8)

Dalam metode ini dilakukan proses smoothing dua kali, adapun prosedur

untuk membuat forecast dengan double exponential smoothing adalah

sebagai berikut :

1) Menentukan smoothing pertama

S’t = αXt + (1 - α)S’t-1

2) Menentukan smoothing kedua

S” t = αS’t + (1 - α)S” t-1

3) Menentukan konstanta

at = 2S’t – S”t

18

4) Menentukan slope

bt = � 1 � �� �� ′� � �"�)

5) Menentukan forecast

Ft+m = at + btm

m adalah jangka waktu forecast kedepan

c) Metode Triple Exponential Smoothing

Metode ini merupakan metode forecasting yang dikemukakan oleh Robert

Goodel Brown dalam bukunya Exponential Smoothing for Predicting

Demand (1956), yaitu dengan menggunakan persamaan kuadrat. Metode

triple exponential smoothing lebih cocok untuk membuat forecast hal yang

berfluktuasi atau mengalami gelombang pasang surut.

Prosedur pembuatan forecast (Brown, 2006 : 15) dengan metode ini adalah

sebagai berikut :

1) Menentukan nilai St

S’t = αXt + (1-α) S’t-1

2) Menentukan nilai St

’’

S’’ t = αS’t + (1-α) S”t-1

3) Menentukan nilai St

’’’

St”’ = αSt” + (1-α) S”’ t-1

4) Menentukan konstanta

at = 3St’ – 3St” + St”’

19

5) Menentukan slope

bt =

��� �� ��6 � 5 ���� � �10 � 8 ��"� � �4 � 3 ��"���

6) Menentukan ct

ct = �

�� �� ���� � 2��

" � ������

7) Menentukan forecast

Ft+m = �� � �! � �

�"�!�

m adalah jangka waktu forecast kedepan.

2.5.3 Metode Naïve

Menurut Pengestu Subagyo, metode Naïve adalah metode peramalan yang

sangat sederhana, ia hanya menggunakan data nilai aktual tahun lalu sebagai

ramalah/perkiraan untuk tahun ini, dan begitu seterusnya. Peramalan tahun

berikutnya hanya berupa (t+1) akan sama dengan data tahun ini.

Rumus dari Metode Naïve adalah: (Pengestu Subagyo, 2004: 28)

Ft = Yt-1

2.5.4 Metode Linear Regression

Metode linear regression didasarkan pada kenyataan bahwa apa yang telah

terjadi akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu

naik, pada waktu yang akan datang biasanya akan naik juga; yang biasanya

berkurang biasanya akan berkurang juga; yang biasanya berfluktuasi biasanya akan

berfluktuasi juga; dan yang biasanya tidak teratur biasanya akan tidak teratur juga.

(Jay dan Render, 2005)

20

Metode linear regression mempunyai empat komponen utama pola

perubahan, yaitu Trend (T), Fluktuasi Musiman (M), Fluktuasi Siklik (S), dan

perubahan yang bersifat Random (R).

a) Trend Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam

jangka panjang. Kalau hal yang diteliti menunjukkan gejala kenaikan, maka

trend menunjukkan rata-rata pertambahan, sering disebut dengan trend positif.

Tetapi jika hal yang diteliti menunjukkan gejala semakin berkurang, maka

trend menunjukkan rata-rata penurunan, atau sering disebut dengan trend

negatif (Jay dan Render, 2005)

Persamaan trend dengan metode linear regression / least squares:

(Jay dan Render, 2005)

Ŷ = a + bX

dengan

a = ∑ $

%

b = ∑ &$

∑ &�

keterangan :

Ŷ = nilai trend (forecast)

a = bilangan konstan

b = slope/koefisien kecondongan garis trend

X = kode tahun

Untuk mempermudah hitungannya biasanya nilai X pada tahun yang

berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut 1, 2, dan

21

seterusnya, sedang tahun-tahun sebelumnya berturut-turut -1, -2, dan

seterusnya. Kalau jumlah data (tahun) ganjil, maka X=0 diletakkan tepat

ditahun yang berada ditengah, sehingga jumlah nilai seluruh X=0. Kalau

jumlah tahunnya genap, maka X=0 terletak diantara dua tahun yang

mendekati tengah. Untuk mengatasi hal ini dibuat skala X setengah

tahunan, sehingga untuk setiap perbedaan satu tahun nilai X berbeda dua.

Persamaan trend dengan menggunakan metode least squared dengan

periode satu tahun dapat diubah sebagai berikut :

1) Memindah Origin Tahun yang merupakan origin dapat dipindah,

didalam memindah origin yang diganti hanya a-nya saja. Nilai a

yang baru sebesar nilai trend pada tahun yang menjadi origin baru

tersebut.

2) Trend Rata-rata

Dari persamaan trend tahunan jika akan dibuat menjadi

persamaan trend rata-rata tiap bulan dilakukan dengan: a dibagi 12

dan b dibagi 2; jika akan dijadikan trend rata-rata tiap kwartal baik a

maupun b dibagi 4. Tetapi jika unit X dari persamaan yang akan

diubah itu dalam waktu setengah tahunan, maka untuk mengubah

menjadi trend rata-rata tiap bulan a dibagi 12 dan b dibagi 6; jika

akan dijadikan trend kwartalan a dibagi 4 dan b dibagi 2.

3) Persamaan Trend Bulanan dan Kwartalan

Trend bulanan adalah trend dari bulan satu ke bulan

berikutnya yang menunjukkan perkiraan kenaikan atau perubahan

setiap bulannya. Kalau akan mengubah persamaan trend tahunan

22

yang satuan X-nya satu tahun menjadi trend bulanan, maka a dibagi

12 dan b dibagi 122; jika satuan X-nya setengah tahunan, maka a

dibagi 12 dan b dibagi 122.

Trend kwartalan adalah trend yang menunjukkan perubahan

dari kwartal satu ke kwartal berikutnya. Kalau akan mengubah

persamaan trend tahunan yang satuan X-na satu tahun menjadi trend

kwartalan, maka a dibagi 4 dan b dibagi 42; dan jika satuan X-nya

setengah tahunan, maka a dibagi 4 dan b dibagi 42.

b) Gelombang Musim Gelombang musim adalah gelombang pasang

surut yang berulang kembali dalam waktu tidak lebih dari satu tahun.

Dalam forecasting biasanya gelombang musim dinyatakan dalam

bentuk indeks yang sering disebut dengan indeks musim.

Ada beberapa metode yang digunakan untuk menghitung indeks musim,

antara lain metode rata-rata sederhana, metode persentase terhadap trend, metode

persentase terhadap rata-rata bergerak. (J. Supranto, 2004)

2.5.5 Metode Exponential Smoothing with Trend

Menurut Harinaldi dalam bukunya yang berjudul Prinsip-Prinsip Statistik untuk

Teknik dan Sains (2005), penghalusan eksponensial yang disesuaikan adalah

ramalan penghalusan eksponensial sederhana dengan penambahan suatu faktor

penyesuaian tren. Teori tersebut diberi nama Exponential Smoothing with Trend.

23

Rumus Exponential Smoothing with Trend adalah sebagai berikut

(Harinaldi, 2005):

AFt+1 = Ft+1 + Tt+1

Tt+1 = β (Ft+1 – Ft) + (1-β) Tt

Dimana:

T = suatu faktor tren penghalusan eksponensial

β = bobot konstanta penghalus tren

Tt = faktor tren periode akhir

2.5.6 Metode Weighted Moving Average

Menurut Harinaldi pada aplikasi metode rata-rata bergerak tertimbang

(Weighted Moving Average), terlebih dahulu manajemen atau analisis data

menetapkan bobot dari data yang ada. Penetapan bobot dimaksud bersifat subjektif,

tergantung pada pengalaman dan opini analisis data. Rumus dari Weighted Moving

Average adalah sebagai berikut:

WMA(n) = ∑ '(

)(*+∑ %

Sekalipun demikian, terdapat beberapa acuan pemikiran dalam menentukan

bobot dimaksud (Harinaldi, 2005), yaitu sebagai berikut:

1. Perlu menetapkan apakah volume yang terakhir lebih besar

peluangnya untuk berulang atau sebaliknya. Jika analisis memutuskan,

24

bahwa probabilita keberulangan lebih besar pada realisasi yang

terqakhir, maka probabilita akan lebih besar pada periode akhir

dibanding dengan periode awal.

2. Jumlah probabilitas atau bobot adalah sama dengan satu.

2.6 Ukuran Akurasi Peramalan

Menurut Jay Heinzer dan Barry Render (2009) ada beberapa perhitungan

yang biasa dipergunakan untuk menghitung kesalahan peramalan (forecast error)

total. Perhitungan ini dapat dipergunakan untuk membandingkan model peramalan

yang berbeda, juga untuk mengawasi peramalan, untuk memastikan peramalan

berjalan dengan baik. Model-model peramalan yang dilakukan kemudian divalidasi

menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan adalah

rata-rata penyimpangan absolut (Mean Absolute Deviation), dan rata-rata kuadrat

terkecil (Mean Square Error).

1. Mean Absolute Deviation (MAD)

Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari

kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD)

mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai

absolut masing-masing kesalahan). MAD berguna ketika mengukur

kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai MAD dapat

dihitung dengan menggunakan rumus sebegai berikut.

MAD = ∑ |'( '(

-|)(*+

%

25

2. Mean Squared Error (MSE)

Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi

metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan.

Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi.

Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-

kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan

sedang yang kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang

menghasilkan perbedaan yang besar. Mean squared error adalah rata-rata

dari kesalahan forecast dikuadratkan, atau jika dituliskan dalam bentuk rumus

adalah :

MSE = ∑ �'( '(

-�� )(*+

%

2.7 Hubungan Forecast dengan Rencana

Peramalan (forecasting) merupakan alat bantu yang sangat penting dalam

perencanaan yang efektif dan efisien. Dalam bidang ekonomi, perencanaan

merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan

keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan

beberapa jam. Dalam situasi seperti ini, peramalan diperlukan untuk menentukan

kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat

dilakukan. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang

pada umumnya berada di luar kendali manajemen, seperti berasal dari ekonomi

nasional, pemerintah, pelanggan, dan pesaing. Dari peramalan inilah suatu perusahan

26

dapat melakukan suatu perencanaan dan pengambilan suatu keputusan yang dirasa

tepat (Pengestu Subagyo, 2000 : 24).

Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang,

sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang

akan datang (Pengestu Subagyo, 2000 : 25). Dengan sendirinya terjadi perbedaan

antara forecast dengan rencana. Forecasting adalah peramalan apa yang akan terjadi

tetapi belum tentu bisa dilaksanakan oleh perusahaan.

2.8 Pengertian Penjualan

Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencana-

rencana strategisyang diarahkan pada usaha pemuasan kebutuhan dan keinginan

pembeli, guna mendapatkan penjualan yang menghasilkan laba. Penjualan

merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat diperoleh

laba serta suatu usaha memikat konsumen yang diusahakan untuk mengetahui daya

tarik mereka sehingga dapat mengetahui hasil produk yang dihasilkan.

Berikut ini dikemukakan definisi penjualan menurut beberapa ahli sebagai

berikut :

a) Sutamto (2003 : 8) mengemukakan bahwa penjualan adalah usaha

yang dilakukan manusia untuk menyampaikan barang kebutuhan yang

telah dihasilkannya kepada mereka yang memerlukannya dengan imbalan

uang menurut harga yang ditentukan atas persetujuan bersama.

b) Winardi (2003 : 3) mengemukakan penjualan sebagai proses dimana

sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan atau

27

keinginan sang pembeli yang berkelanjutan dan menguntungkan kedua

belah pihak.

Dari definisi penjualan diatas dapat disimpulkan bahwa betapa pentingnya

fungsi penjualan bagi sebuah perusahaan, dimana proses penjualan bertujuan untuk

memuaskan kebutuhan pembeli, dan akhirnya menguntungkan kedua belah pihak.

2.8.1 Tujuan Penjualan

Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang

maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka

waktu lama. Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan

seperti yang direncanakan.

Menurut Basu Swasta (dalam Manajemen Penjualan, 2004 : 13) perusahaan

pada umumnya mempunyai tiga tujuan dalam penjualannya, yaitu :

a) Mencapai volume penjualan tertentu

b) Mendapat laba tertentu

c) Menunjang pertumbuhan perusahaan

Adapun faktor-faktor yang harus diperhatikan dalam mencapai tujuan

penjualan

diantaranya adalah (Basu Swasta, 2004) :

a) Modal yang diperlukan

b) Kemampuan merencanakan dan membuat produk

c) Kemampuan menentukan tingkat harga yang tepat

d) Kemampuan memilih penyalur yang tepat

e) Kemampuan menggunakan cara-cara promosi yang tepat

28

f) Unsur penunjang yang lain

2.9 Memilih Metode Yang Tepat

Berdasarkan pendapat-pendapat dari beberapa penerbit buku ditemukan

beberapa cara untuk memilih metode forecasting yang tepat, antara lain:

Menurut pendapat Singgih Santoso (2009: 13) dalam bukunya menyebutkan,

suatu proses perubahan yang dapat diketahui dengan cepat akan memberikan hasil

forecast yang mendekati kenyataan, akan tetapi sering kali proses perubahan ini sulit

diketahui. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang

memiliki kesalahan (error) minimal. Hasil ramalan tersebut biasanya memiliki nilai

MAD dan MSE terkecil dan merupakan ramalan yang akurat dan bermanfaat bagi

penyusunan rencana selanjutnya.

Sedangkan Pengestu Subagyo (2000: 6) berpendapat dalam bukunya agar

suatu ramalan menjadi akurat, data yang akan diramalkan harus relevan dan metode

peramalan yang digunakan harus tepat. Mean Absolute Deviation (MAD) mengukur

ketepatan ramalan dengan merata-rata kesalahan dugaan. MAD berguna ketika

mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Banyak sekali

metode peramalan yang ada, satu metode peramalan yang cocok digunakan untuk

meramalkan suatu hal belum tentu cocok untuk meramalkan hal lainnya. Oleh karena

itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri

pola gerakan yang dimiliki oleh data yang dimiliki, sehingga hasilnya bisa

meminimumkan kesalahan forecast.

J. Supranto (2001: 7) memiliki pendapat, untuk meramalkan suatu data yang

memiliki pola trend (naik atau turun) akan lebih tepat bila menggunakan metode

29

dekomposisi atau disebut dengan Linear Regression, sedangkan untuk meramalkan

data yang memiliki pola fluktuatif akan lebih tepat bila menggunakan metode

smoothing.

Sehingga dapat disimpulkan untuk memilih metode forecast yang tepat perlu

diperhatikan keakuratan hasil forecast disetiap masing-masing metode melalui nilai

MAD yang terkecil, dan biasanya suatu data yang memiliki pola trend naik atau turun,

akan lebih tepat bila menggunakan metode Linear Regression sebagai metode

forecasting.

30

2.10 Literature Review

Tabel 2.1 Literature Review

FORECASTING

Metode

Penelitian

Nama

Pengarang Jurnal Hasil Penelitian

Forecasting Sarjono,

Haryadi

Jurnal Manajemen,

Akutansi dan

Ekonomi

Pembangunan.

“Peramalan Produk

Air Mineral Dengan

Pendekatan

Perbandingan

Program Minitab

AND QM for

Windows” (2011)

Hasil dari

Forecasting yaitu

dengan

menggunakan

metode Linear

Regression dengan

MAD dan MSE

terkecil yaitu 9.265

dan 127.357, hasil

forecast 225 botol.

FORECASTING

Forecasting Sarjono,

Haryadi, Yulia

Agustina dan

Arko Pujadi

Jurnal Manajemen di

Bidang Jasa

Pariwisata dan

Lingkungan,

Keuangan dan Pasar

Modal. “Analisis

Peramalan Penjualan

Pada PT Multi Megah

Mandiri Tahun 2009”

(2009)

Hasil yang tingkat

kesalahan terkecil

dari beberapa

metode yaitu

Exponential

Smoothing. MAD =

15.67 (alpha 0.1)

MSE = 366.10

(alpha 0.5)

Sumber: Pengolahan Penulis, (2013)

31

2.11 Kerangka Pemikiran

Sumber: Pengolahan Penulis, (2013)

Gambar 2.1 Flowchart Kerangka Pemikiran

START

Data Volume Penjualan Motor PT. HONDA DUNIA MOTORINDO periode

Januari 2012 – Mei 2013

MELAKUKAN

PERHITUNGAN

Linear Regression

Moving Average Weighted

Moving Average

Exponential Smoothing with Trend

Naïve Method

Exponential Smoothing

Menghtung MAD & MSE

untuk masing-masing

metode

Penentuan Metode Forecasting yang digunakan