peramalan permintaan jadi

PERAMALAN PERMINTAANMakalah ini disusun untuk melengkapi tugas mata kuliah Ekonomi Manajerial

yang diampu oleh Prof. DR. Purbayu Budi S., M.S.

Disusun Oleh:

Dafit Eko Saputro 12010112410081

Irma Purpita 12010112410038

Syaeful Amri 12010112410054

PROGRAM STUDI MAGISTER MANAJEMENUNIVERSITAS DIPONEGORO

SEMARANG2013

KATA PENGANTAR

Puji syukur marilah kita panjatkan ke hadirat Tuhan Yang Maha Esa

karena berkat rahmat-Nya sehingga kami selaku penulis dapat menyelesaikan

makalah mata kuliah Ekonomi Manajerial yang berjudul Peramalan

Permintaan.

Kami selaku penulis berharap makalah ini dapat memberikan pengetahuan

kepada para pembacanya khususnya dalam bidang Ekonomi Manajerial. Penulis

menyadari bahwa dalam penulisan makalah ini masih banyak kekurangan masih

banyak kekurangan, oleh karena itu kami sebagai penulis mengharapkan kritik

dan saran dari para pembaca makalah Ekonomi Manajerial.

Akhirnya, semoga pembuatan makalah ini benar-benar dapat memberikan

manfaat bagi para pembaca.

Semarang, 03 November 2013

Penulis

BAB I

PENDAHULUAN

1.1. Latar Belakang

Kebanyakan keputusan bisnis dibuat berhadapan dengan resiko atau

ketidakpastian. Semua keputusan didasarkan pada ramalan terhadap tingkat kegiatan

ekonomi pada masa depan pada umumnya dan permintaan terhadap produk

perusahaan pada khususnya. Tujuan peramalan ekonomi adalah untuk mengurangi

risiko atau ketidakpastian yang dihadapi perusahaan dalam pengambilan keputusan

opersaional jangka pendek dan dalam perencanaan untuk pertumbuhan jangka

panjang.

1.2. Tujuan Penulisan

Makalah ini dibuat untuk memenuhi tugas mata kuliah Ekonomi Manajerial

dan sebagai bahan untuk diskusi yang bertujuan untuk:

1. Untuk mengetahui kegiatan bisnis dalam peramalan permintaan dalam

perekonomian

2. Mengetahui konsep dari macam-macam jenis peramalan permintaan

1.3. Sistematika Penulisan

Secara garis besar, makalah ini dapat dibagi menjadi beberapa sistem

penulisan yang akan dijelaskan sebagai berikut:

Bab I, berisi tentang pendahuluan, yang dipersempit lagi menjadi latar

belakang, tujuan penulisan dan sistematika penulisan itu sendiri. Latar belakang

menjelaskan tentang apa yang melatar belakangi kami dalam penulisan makalah ini.

Tujuan penulisan berisikan tentang beberapa tujuan yang akan diwujudkan dalam

pembuatan makalah ini. Dan terakhir adalah sistematika penulisan yang menjelaskan

tentang proses penulisan makalah ini secara sistematis.

Bab II, berisi tentang isi dari materi yang kami sampaikan, yaitu Peramalan

Permintaan.

Bab III, berisi kesimpulan. Kesimpulan berisikan tentang ringkasan dari

semua yang telah kami bahas pada bab II.

BAB II

PERAMALAN PERMINTAAN







panjang. Meramalkan permintaan dari pasar yang dimasuki oleh perusahaan adalah

suatu pekerjaan yang perlu dilakukan oleh setiap manajer perusahaan dalam rangka

memprediksi berapa besar peluang pasar yang tersedia di masa depan. Peramalan

permintaan merupakan usaha untuk mengetahui jumlah produk atau sekelompok

produk di masa yang akan datang dalam kendala satu set kondisi tertentu. Hal yang

perlu diingat adalah bahwa aktivitas peramalan permintaan tidaklah dapat diartikan

sebagai aktivitas yang bertujuan untuk mengukur permintaan di masa yang akan

datang secara pasti, melainkan sekedar usaha untuk mengurangi kemungkinan

terjadinya hal yang berlawanan antara keadaan yang sungguh-sungguh terjadi di

kemudian hari dengan apa yang menjadi hasil peramalan. Dengan kata lain, hasil

maksimal dari aktivitas peramalan adalah melakukan minimisasi ketidakpastian yang

mungkin terjadi di masa yang akan datang.

Untuk melakukan forecasting atau peramalan terhadap permintaan pasar,

disini akan diuraikan berbagai metode model peramalan terhadap permintaan pasar

dari barang atau jasa yang diproduksi dan dijual oleh perusahaan. Secara garis besar

terdapat dua macam metode peramalan permintaan yang biasa dilakukan, yaitu

metode kualitatif yang terdiri atas teknik survey dan teknik pengumpulan opini.

Sedangkan metode berikutnya adalah metode kuantitatif.

5.1 METODE KUALITATIF

Metode peramalan permintaan secara kualitatif berhubungan dengan data-data

kualitatif, misalnya tentang selera konsumen terhadap suatu produk, atau survey

tentang loyalitas konsumen, dan lain-lain. Forecasting kualitatif ini dapat

dikelompokkan ke dalam beberapa metode teknik seperti akan dijelaskan berikut ini.

Teknik Survey

Teknik survey ini merupakan suatu alat meramalkan yang cukup penting

khususnya untuk memprediksi kejadian-kejadian atau kecenderungan-kecenderungan

dalam jangka pendek mendatang ini. Survey biasanya menggunakan alat interview

atau daftar pertanyaan yang akan ditujukan para responden yang terpilih dan yang

dituju. Sesuai kelompok yang memang diperkirakan akan menjadi sasaran pasar yang

dituju oleh perusahaan.

Survey ini dilakukan untuk meramalkan variabel ekonomi yang memang

berhubungan baik langsung maupun tidak langsung dengan permintaan konsumen

atau pasar yang dituju. Variabel-variabel ekonomi yang disurvey ini misalnya

variabel yang berhubungan dengan budget rumah tangga yang dikeluarkan untuk

memenuhi kebutuhan rumah tangga.

Sasaran dan klasifikasi sasaran dan jenis kebutuhan dan keperluan dari

kelompok responden ini dapat dikategorikan sebagai berikut:

a. Survey tentang budget keperluan rumah tangga masyarakat eksekutif

bisnis dan pemerintahan yang sekiranya berkait dengan rencana

perusahaan. Survey ini diharapkan dapat merekam keseluruhan anggaran

setiap rumah tangga yang disurvey.

b. Survey mengenai barang atau jasa yang diperlukan bagi para pelaku

bisnis yang akan memperdagangkan barang atau jasanya. Mereka ini

mungkin pelaku bisnis yang bergerak pada bisnis distributor, pengecer

atau pedagang besar.

c. Survey ini dilakukan bagi para rumah tangga umum mengenai keperluan

rumah tangga, produk atau barang apa secara periodic diperlukan dan

frekuensi pemenuhan yang dilakukan untuk masa-masa yang akan datang,

dan lain-lain.

Dari metode survey berdasar kelompok sasaran ini sebenarnya terkandung

maksud dari surveyor bahwa barang dan jasa apa saja yang dibutuhkan, berapa

frekuensi pemenuhan kebutuhan dan faktor-faktor apa saja yang pada umumnya yang

mempengaruhi perilaku beli mereka ini. Sehingga secara tidak langsung perusahaan

melihat peluang dan apa saja yang bisa ditarik sebagai kepentingan bagi perusahaan

atas hasil-hasil survey ini untuk memprediksi dan memperkirakan perilaku pasar atau

konsumen perusahaan.

Bila diklasifikasikan bahwa hasil survey ini merupakan bagian dari kegiatan

riset pasar yang dilakukan oleh perusahaan. Dari sini berbagai kemungkinan yang

diperoleh adalah munculnya variabel ikutan yang dapat diprediksi Apa yang bisa

dimanfaatkan oleh perusahaan yang hendak atau sudah diproduksi dan dijual kepada

pasar yang dituju yang telah disurvey ini. Dengan demikian dapat dinyatakan bahwa

hasil survey ini sebagian atau seluruhnya dapat dipergunakan untuk memprediksi

permintaan konsumennya dari produk yang dibuat dan jual oleh perusahaan.

Teknik Jajak Pendapat

Teknik jajak pendapat sering dilakukan untuk melengkapi data dari survey.

Jajak pendapat dari para pakar, para eksekutif, dari masyarakat umum, atau dari

konsumen. Jajak pendapat ini lebih bersifat pandangan atau pendapat pribadi

(subjektif) dari respondennya, sebaliknya teknik survey lebih bersifat objektif.

Sebelum peluncuran produk baru, biasanya diadakan pre test dan jajak

pendapat terhadap responden yang menjadi sampel. Teknik pooling ini melibatkan

berbagai media seperti media TV, telepon, koran, surat, SMS, email, atau internet

untuk menyebarkan kuesioner atau daftar pertanyaan tentang berbagai informasi yang

dibutuhkan perusahaan.

Laporan atau pernyataan resmi dari suatu perusahaan atau pemerintah suatu

negara dapat digunakan sebagai sumber data guna meramalkan kondisi ekonomi di

masa yang akan datang, sekaligus dapat digunakan untuk membuat strategi bersaing

dalam pasar bebas.

5.2 ANALISIS DERET-WAKTU

Metode Time Series (Deret Waktu)

Metode Time Series berhubungan dengan nilai-nilai suatu variabel yang diatur

secara periodesasi sepanjang periode waktu dimana prakiraan permintaan

diproyeksikan. Misalnya mingguan, bulanan, kwartalan, dan tahunan, tergantung

keinginan dari pihak-pihak yang melakukan prakiraan permintaan ini. Metode ini

semata-mata mendasarkan diri pada data dan keadaan masa lampau. Jika keadaan di

masa yang akan datang cukup stabil dalam arti tidak banyak perubahan yang berarti

dengan keadaan masa lampau, metode ini dapat memberikan hasil peramalan yang

cukup akurat.

Variasi Deret Waktu

1. Tren Sekuler

Berhubungan dengan peningkatan atau penurunan seri data dalam jangka

panjang

2. Flutuasi Siklis

Yaitu ekspansi dan konstruksi yang utama dalam banyak deret waktu

ekonomi yang kelihatan berulang kembali setiap beberapa tahun.

3. Variasi Musiman

Merujuk kepada fluktuasi yang secara teratur berulang kembali dalam

kegiatan ekonomi tiap-tiap tahun yang disebabkan oleh cuaca atau

kebiasaan-kebiasaan social

4. Pengaruh Tak Teratur

Yaitu variasi-variasi dalam seri data disebabkan oleh perang, bencana

alam, pemogokan, atau peristiwa-peristiwa lain yang istimewa

Variasi total dalam deret waktu penjualan adalah hasil kerjasama keempat

factor tersebut.

Proyeksi Tren

Model regresi linier akan mengambil bentuk

St = So + bt

Dimana:

St = nilai deret waktu yang akan diramalkan untuk periode t

So = nilai deret waktu yang diperkirakan dalam periode dasar

(periode waktu t = 0)

b = Jumlah absolut pertumbuhan setiap periode

t = periode waktu yang didalamnya akan diramalkan deret

waktu tersebu

Ini merupakan bentuk paling sederhana dari analisis deret waktu yaitu

memproyeksikan masa lalu dengan meletakan suatu garis lurus pada data baik secara

visual atau lebih tepat lagi dengan analisis regresi

Untuk situasi (seoperti penjualan banyak produk) dimana perubahan suatu

presentase yang konstan adalah lebih tepat maka dapat dirumuskan sbb

St = So (1 + g )t

Diama g adalah laju pertumbuhan dengan presentase konstan yang diestimasi

5.3 TEKNIK PENGHALUSAN

Teknik penghalusan bermanfaat apabila deret waktu menunjukkan sedikit tren

atau variasi musiman tetapi memperlihatkan banyak variasi tak teratur atau acak.

Variasi tak teratur atau acak didalam deret waktu kemudian diperhalus, dan nilai-nilai

yang akan datang diramalkan berdasarkan rata-rata dari pengamatan-pengamatan

yang lau.

Rata-rata Bergerak

Teknik penghalusan yang paling sederhana adalah rata-rata bergerak (moving

average). Di sini nilai yang diramalkan dari suatu deret-waktu dalam periode tertentu

(bulan, kuartal, tahun, dsb) sama dengan nilai rata-rata dari deret waktu dalam

sejumlah periode terdahulu. Misalnya, dengan rata-rata bergerak tiga-periode, nilai

dari deret waktu yang diramalkan untuk periode berikutnya ditentukan oleh nilai rata-

rata dalam tiga periode sebelumnya. Semakin besar jumlah periode yang digunakan

pada rata-rata bergerak, semakin besar pula efek penghalusan karena tiap pengamatan

baru mendapat bobot yang lebih kecil dan semakain bermanfaat jika data deret waktu

semakin tak teratur atau acak .

Misalnya, kolom 1 dan 2 pada Tabel 5-5 menyajikan data hipotesis mengenai

pangsa pasar suatu perusahaan untuk 12 kuartal. Perlu dicatat bahwa data tersebut

tampaknya menunjukkan variasi yang acak namun tidak pada variasi-variasi sekuler

atau musiman. Kolom 3 manyajikan rata-rata bergerak tiga kuartalan yang

dikalkulasi. Contohnya, nilai 21,67 untuk kuartal keempat (nilai pertama dalam

kolom 3) diperoleh dengan menambahkan tiga nilai pertama pada kolom 2 dan

membaginya dengan 3, [jadi, (20 + 22 +23)/3 =21,67]. Jika kita mempunyai

data untuk tiga kuartal pertama, maka ramalan tiga kuartal (F) untuk kuartal keempat

menjadi 21,67. Ini sama dengan nilai aktual (A) sebesar 24 untuk pangsa pasar dari

perusahaan dalam kuartal keempat. Dengan mengabaikan observasi pada kuartal

pertama pada kolom 2 (yakni 20) dan menambahkan pengamatan keempat (yakni

24) sebelum diambil rata-rata, diperoleh nilai 23 sebagai ramalan untuk pangsa

pasar perusahaan pada kuartal kelima (nilai kedua dalam kolom 3). Ini sama dengan

pangsa pasar aktual sebesar 18 pada kolom 2.

Dengan melanjutkan cara ini, diramalkan pangsa pasar perusahaan adalah

21,33 pada kuartal ketiga belas (ini adalah ramalan yang sesungguhnya karena data

aktual tidak tersedia untuk kuartal ketiga belas).

Walaupun dalam Tabel 5-5 kita menghitung ramalan rata-rata bergerak

tiga-kuartalan dan lima kuartalan untuk pangsa pasar perusahaan, ramalan rata-rata

bergerak untuk sejumlah kuartal yang lain masih dapat diperoleh. Untuk

memutuskan mana yang lebih baik di antara peramalan rata-rata bergerak (artinya,

lebih mendekati data aktual), kita menghitung galat akar rata-rata kuadrat (root-

mean-square error—RMSE) dari setiap ramalan dan mempergunakan rata-rata

bergerak yang menghasilkan RMSE terkecil (galat akar rata-rata kuadrat

dalam ramalan). Rumus untuk RMSE adalah:

Di mana At adalah nilai aktual dari deret-waktu dalam periode t, Ft adalah

nilai yang diramalkan, dan n adalah jumlah periode waktu atau observasi.

Perbedaan ramalan atau galat (yakni At - Ft) dikuadratkan agar supaya kesalahan

yang besar dikoreksi lebih berat daripada kesalahan yang kecil

Sebagai contoh, kolom 4 pada Tabel 5-5 menunjukkan At - Ft untuk

peramalan rata-rata bergerak tiga-kuartalan dalam kolom 3. Kolom 5

menunjukkan (At - Ft)2 . RMSE untuk ramalan rata-rata bergerak tiga-kuartalan

dalam kolom 3 diperoleh dengan membagi jumlah dari kolom 5 dengan 9 (jumlah

galas ramalan kuadrat) dan ditemukan akar kuadratnya. Maka,

Ini dibandingkan dengan

Untuk peramalan rata-rata bergerak lima kuartalan. Jadi, peramalan rata-rata

bergerak tiga kuartalan sedikit lebih baik daripada peramalan rata-rata bergerak lima-

kuartalan yang berkaitan. Berard, kita sedikit lebih percaya nilai ramalan 21,33

daripada 20,6 untuk kuartal ketiga belas (lihat Tabel 5-5).

Penghalusan Eksponensial

Kritik yang serius terhadap penggunaan rata-rata bergerak yang sederhana

dalam peramalan adalah ia memberikan bobot yang sama kepada semua observasi

dalam menghitung rata-ratanya, meskipun secara naluri kita mungkin mengharapkan

observasi yang lebih baru adalah sangat penting. Penghalusan eksponensial mengatasi

kendala ini dan lebih sering digunakan daripada rata-rata bergerak yang sederhana

dalam peramalan.

Dengan penghalusan eksponensial (exponential smoothing) peramalan untuk

perode t + 1 (yakni Ft + 1 ) adalah suatu rata-rata tertimbang dari nilai-nilai aktual dan

nilai-nilai yang diramalkan dari deret-waktu dalam periode t. Nilai dari deret-waktu

dalam periode t (yaitu At) diberi bobot (w) antara 0 dan 1 inklusif, dan ramalan untuk

periode t (yaitu Ft) diberi bobot 1 - w. Semakin besar nilai w, semakin besar pula

bobot yang diberikan pada nilai deret-waktu dalam periode t sehingga berlawanan

dengan periode sebelumnya. Jadi, nilai ramalan dari deret-waktu dalam periode t + 1

adalah

Ft + 1 = wAt + (1 - w)Ft

Harus dibuat dua keputusan untuk perghalusan eksponensial. Yang pertama,

adalah memberikan suatu nilai kepada ramalan awal (F) untuk memulai analisis.

Salah satu caranya adalah membuat Ft sama dengan nilai rata-rata dari seluruh data

deret-waktu hasil observasi. Harus diputuskan pula mengenai nilai dari w (bobot yang

diberikan kepada At). Pada umumnya, nilai-nilai w yang berbeda diuji, dan nilai

yang mengarah ke ramalan dengan RMSE terkecil itulah yang dipakai dalam

peramalan.

Sebagai contoh, kolom 3 dari Tabel 5-6 memperlihatkan ramalan untuk data

pangsa pasar dari perusahaan yang dicantumkan pada kolom 1 dan 2 (sama seperti

dalam Tabel 5 -5) menggunakan pangsa pasar rata-rata dari perusahaan selama 12

kuartal. Untuk itu kita memilki data (yaitu 21,0) untuk F1 (agar perhitungan dapat

dimulai) dan w = 0,3 sebagai bobot untuk A t . Jadi, F2 (nilai kedua dalam kolom 3)

adalah

F2 = 0,3(20) + (1 - 0,3) = 20,7

Ramalan-ramalan untuk periode waktu yang lain (dibulatkan sampai satu

desimal pertama) diperoleh dengan cara yang sama, sampai F13 = 21,0 untuk kuartal

ketiga belas.

Di sisi lain, dimulai dengan pangsa pasar rata-rata dari perusahaan untuk

dua belas kuartal yang kita miliki datanya (ialah 21,0) untuk F1, tapi sekarang

dengan memakai w = 0,5 sebagai bobot untuk At kita memperoleh ramalan

eksponensial dari pangsa pasar perusahaan seperti terlihat dalam kolom 6 dari

Tabel 5-6. Jadi, F2 (nilai kedua dalam kolom 6) adalah:

F2 = 0,5 (20) + (1 - 0,5) 21 = 20,5

Ramalan-ramalan untuk periode-periode yang lain diperoleh dengan cara

yang sama, hingga F13 = 21,5 untuk kuartal ketiga belas.

RMSE untuk ramalan eksponensial dengan memakai w = 0,3 adalah:

Di pihak lain RMSE ramalan eksponensial dengan memakai w = 0,5 adalah

Jadi, kita lebih yakin dengan peramalan eksponensial 21,0 untuk

kuartal ketiga belas yang diperoleh dengan menggunakan w = 0,3 daripada

ramalan eksponensial 21,5 yang diperoleh dengan menggunakan w = 0,5 (lihat

Tabel 5-6). Kedua ramalan eksponensial itu lebih baik daripada ramalan rata-rata

bergerak tiga kuartalan dan lima-kuartalan.

5-4 METODE-METODE BAROMETRIK

Salah satu untuk meramalkan atau mengantisipasi perubahan jangka pendek

dalam aktifitas ekonomi atau titik balik dalam siklus bisnis adalah dengan

menggunakan indeks dari indikator-indikator ekonomi utama. Ini adalah deret-waktu

yang cenderung mengawali (mendahului) perubahan dalam tingkat aktifitas ekonomi

secara umum, sama dengan perubahan dalam merkuri yang dalam suatu barometer

yang mendahului perubahan cuaca (sehingga dinamakan metode barometrik).

Peramalan barometrik (barometric forecasting) seperti dilakukan sekarang, umumnya

merupakan hasil dari kerja yang dilakukan oleh NBER (National Bureau of

Economics Research) dan conference board.

Peningkatan dalam indikator ekonomi utama (leading economic indicators)

digunakan untuk meramalkan peningkatan dalam aktifitas bisnis secara umum, dan

sebaliknya.

Walaupun kita tertarik dengan indikator utama tersebut, beberapa deret-waktu

bergerak sejalan atau berhubungan dengan pergerakan dalam aktivitas ekonomi

secara umum dan kemudian disebut sebagai indikator koinsiden (coincident

indicators). Tetapi yang lainnya mengikuti adanya gerakan yang terlambat dalam

aktivitas ekonomi sering kali disebut sebagai indikator terlambat (flagging

indicators).

Metode lainnya untuk mengatasi kesulitan yang timbul pada saat beberapa dari 10

indikator utama bergerak naik dan beberapa turun adalah indeks difusi (diffusion

index).

5.5 METODE EKONOMETRIK

Model ini berusaha untuk mengidentifikasi dan mengukur kepentingan relatif

(elastisitas) dari berbagai macam determinan permintaan atau variabel ekonomi yang

lainnya untuk diramalkan. Dengan berusaha untuk menerangkan hubungan yang

sedang diramalkan, peramalan ekonometrik memungkinan para manajer untuk

menentukan kebijakan yang optimal bagi perusahaan.

Teknik peramalan ekonometrik sering menggunakan hal-hal yang terbaik

yang terdapat pada teknik peramalan yang lain, seperti tren atau variasi musiman,

teknik penghalusan dan indikator utama. Metode peramalan ekonometrik dapat

divariasikan menjadi 2, yaitu:

Model Persamaan Tunggal

Model persamaan tunggal adalah model yangpaling sederhana dari peramalan

ekonometrik. Langkah pertama untuk melakukan peramalan ekonometrik dengan

model persamaan tunggal ini adalah mengidentifikasi determinan-determinan dari

variabel yang diramal.

Sebagai contoh, dalam peramalan permintaan sereal untuk sarapan,

perusahaan biasanya mempostulatkan bahwa permintaan (Q) merupakan fungsi dari

atau bergantung pada harga sereal untuk sarapan tersebut (P), pendapatan disposibel

konsumen (Y), ukuran populasi (N), harga muffin (Ps-substitusi), harga susu (Pc-

komplementer), dan tingkat biaya iklan oleh perusahaan (A). Jadi persamaan

permintaan dapat diestimasikan sebagai berikut:

Q=a0+a1 P+a2Y +a3 N+a4 Ps+a5 Pc+a6 A+e

Untuk meramalkan Qt+1 (permintaan yang dihadapi oleh perusahaan pada

periode berikutnya), perusahaan harus menyediakan Pt+1, Y t+1, N t+1, PSt +1, PCt+1, dan

At+1. Dengan mensubsitusi nilai-nilai ramalan ini sebagai variabel bebas dari

persamaan yang diestimasi, kita akan memperoleh nilai ramalan dari variabel terikat (

Qt+1). Nilai ramalan variabel ekonomi makro dari model (Y t+1 dan N t+1) biasanya

diperoleh dari Departemen Perdagangan atau dari perusahaan swasta yang

berspesialisasi meramaikan hal-hal demikian. Variabel makro dalam model yang

tidak berada di bawah kuasa perusahaan (PSt +1 dan PCt+1) dapat diramalkan dengan

menggunakan analisis deret waktu atau teknik penghalusan, dan perusahaan dapat

bereksperimen dengan beberapa nilai ramalan yang berbeda dari kebijaksanaan untuk

variabel bebas yang berada di bawah kuasa perusahaan (Pt+1 dan At+1).

Model Persamaan Berganda

Walaupun model persamaan tunggal sering digunakan oleh perusahaan untuk

meramalkan permintaan dan penjualan, hubungan ekonomi dapat menjadi sangat

rumit sehingga model persamaan berganda diperlukan. Biasanya ini terjadi pada

kasus meramalkan variabel makro seperti GNP atau permintaan dan penjualan dalam

sektor utama industri. Model persamaan berganda dapat memasukkan sedikit atau

ratusan persamaan. Untuk menunjukkan bagaimana model ini digunakan dalam

peramalan, kita mulai dengan persamaan sederhana yang terdiri dari tiga persamaan

sederhana di bawah ini, yang merupakan model dari perekonomian nasional yang

dipakai untuk meramalkan GNP.

C t=a1+b1 GNPt+U 1t (5-21)

I t=a2+b2 π t−1+U 2 t (5-22)

GNPt=C t+ I t+Gt (5-23)

di mana C = pengeluaran konsumsi

GNP = produk nasional bruto untuk tahun t

I = Investasi

π = keuntungan

G = pengeluaran pemerintah

u = gangguan stokastis (faktor error acak)

t = tahun berjalan

t-1 = tahun lalu

Persamaan 5-21 disubstitusikan ke persamaan 5-23, dan menjadi:

GNPt=a1+b1GNP t+ I t+Gt (5-24)

Persamaan 5-22 disubstitusikan ke persamaan 5-24, dan menjadi:

GNPt=a1+b1GNP t+a2+b2 π t−1+Gt (5-25)

GNPt (1−b1)=a1+a2+b2 π t−1+Gt (5-26)

GNPt=a1+a2

1−b1

+b2 π t−1

1−b1

+G t

1−b1

(5-27)

Persamaan 5-27 tersebut disebut sebagai bentuk persamaan yang

disederhanakan (reduced form equation) karena GNPt dibuat hanya dengan

faktor π t−1 dan Gt. Dengan mensubstitusikan nilai π t ke dalam persamaan 5-

27 (yang diketahui pada tahun t+1) dan prediksi nilai Gt+1, kita memperoleh

ramalan untuk nilai GNPt+1.

5.6 PERAMALAN INPUT-OUTPUT

Suatu perusahaan dapat juga meramalkan penjualannya dengan menggunakan

tabel input-output. Analisis input-output diperkenalkan oleh Wassily Leontief yang

mengarah pada studi empiris tentang ketergantungan antar berbagai industri dan

sektor perekonomian. Analisis ini menunjukkan kegunaan dari output setiap industri

yang lainnya dan untuk konsumsi akhir. Sebagai contoh, di sana diperlihatkan

bagaimana peningkatan dalam permintaan untuk truk berdampak terhadap

peningkatan permintaan untuk baja, kaca, ban, plastik, material pembungkus, dan

sebagainya, bagaimana peningkatan permintaan pada benda-benda ini akan

menyebabkan peningkatan permintaan pada input yang dibutuhkan untuk

memproduksi mereka (termasuk truk).

Analisis input-output memungkinkan kita untuk menelusuri semua aliran

input dan output antar-industri dalam ekonomi dan menentukan peningkatan total

(langsung atau tidak langsung) dari semua input yang dibutuhkan untuk memenuhi

peningkatan permintaan akan truk.

BAB III

PENUTUP

Kesimpulan







panjang.

peramalan permintaan jadi

Documents