Bahan Ajar Metode Kuantitatif Dalam Bisnis

BAHAN KULIAH & PRAKTIKUM

METODE KUANTITATIF DALAM BISNIS

By. LA HATANI JURUSAN MANAJEMEN FAKULTAS EKONOMI UNHALU, 2008

A. PENGERTIAN MOTODE KUANTITATIF Š

Š

Metode Kuantitatif adalah pendekatan ilmiah untuk pengambilan keputusan manajerial & Ekonomi. (Render, B., et.al, 2006) Metode Kuantitatif adalah Ilmu & seni yang berkaitan dengan tata cara (metode) pengumpulan data, analisis data, dan interpretasi hasil analisis untuk mendapatkan informasi guna penarikan kesimpulan dan pengambilan keputusan. (Tuban, 1972 dalam Solimun, 2001)

B. PENDEKATAN ANALISIS KUANTITATIF Tahapan-II Pendekatan Analisis Kuantitatif Teori Ekonomi & Studi Empiris Sebelumnya

Sumber : Render, B., et.al, 2006

1

Perumusan Masalah

2

Desain Model

3

Pengumpulan Data

4

Pencarian Solusi

5

Pengujian Solusi

6

Analisis & Hasil

7

Implemtansi Hasil & Rekomendasi

C. TUJUAN RISET & PILIHAN ANALISIS KUANTITATIF “Penting untuk direnungkan dan diingat bahwa pemilihan teknik kuantitatif yang relewan sangat tergantung dari apa problem dan tujuan riset”. Tujuan Riset Bisnis Tujuan utama riset bisnis tidak selalu diperoleh dalam lingkungan yang ketat. Pengembangan tujuan kerangka analitik dibedakan dua wilayah riset Bisnis, yaitu: 1) Non-scientific Business Research yaitu riset

bisnis yang sistematis namun tidak ilmiah dengan tujuan eksplorasi, deskriptif dan prediktif. Fokus analisisnya mengungkap fenomena yang menarik bagi akuntansi & manajemen.

2) Scientific Business Research adalah rencana riset bisnis yang sistematik dan ilmiah dimana tujuan riset dapat dideskriptif, prediksi atau kausalitas. Fokus analisisnya mendapatkan hasil yang dapat digeneralisi.

Pilihan Teknik Analisis Kuantitatif „ „ „ „ „ „ „ „ „ „ „ „

Analisis Cost, Profit & Volume (BEP) Analisis Keputusan Analisis Probabilitas Peralaman Korelasi & Regresi Analisis Jalur Analisis faktor, deskriminan & Claster Model Pengendalian Persedian Linear Programming (Optimaliasi) Network Model Analisis I-O SEM, dll

D. MODEL RISET DALAM PENDEKATAN KUANTITATIF Gambar 2. Model Riset Pendekatan Kuantitatif Scientific Problem

Hypothesis Pembuktian: Data Empirik

Unit Analisis / Unit Sample Obyek Penelitian Responden

ILUSTRASI Topik : Pengaruh Faktor Fundamental terhadap Keuntungan yang Diharapkan Data : Pooled; yaitu gabungan time series dan cross sectional Obyek : Perusahaan (yang go public di Bursa Efek Jakarta) Pengamatan : 4 tahun terakhir (1998 s/d 2002) Unit sampel : perusahaan Besar sampel : 50 perusahaan Unit analisis : 4 x 50 = 200 Topik : Analisis Faktor yang berpengaruh terhadap Kinerja Keuangan Industri Kecil berorientasi Ekspor Obyek : Industri Kecil (berorientasi ekspor) Unit sampel : Industri Kecil Besar sampel : 150 industri kecil Unit analisis : 150 Responden : Pemilik, manajer, karyawan (tidak sama dan lebih banyak dari besar sampel)

E. KONSEP & PEMODELAN METODE KUANTITATIF Metode Kuantitatif (Parametrik) adalah pendekatan yang menyangkut pendugaan parameter, pengujian hipotesis, pembentukan selang kepercayaan, dan hubungan antara dua sifat (peubah) atau lebih bagi parameter-parameter yang mempunyai sebaran (distribusi normal) tertentu yang diketahui. Metode kuantitatif berlandaskan pada anggapananggapan tertentu yang telah disusun terlebih dahulu, jika anggapan-anggapan tersebut tidak sesuai dengan keadaan sebenarnya, apalagi jika menyimpang jauh maka keampuhan metode ini tidak dapat dijamin atau bahkan dapat menyesatkan

Kelebihan & Kekurangan Metode Kuantitatif : 1. Kelebihan Metode Kuantitatif adalah: ¬ Dapat digunakan untuk menduga atau meramal. ¬ Hasil analisis dapat diperoleh dengan pasti dan akurat apabila digunakan sesuai aturan-aturan yang telah ditetapkan. ¬ Dapat digunakan untuk mengukur interaksi hudungan antara dua/lebih variabel (peubah). ¬ Dapat menyederhanakan realitas permasalahan yang kompleks & rumit dalam sebuah model.

2. Kekurangan Metode Kuantitatif adalah: Š Berdasarkan pada anggapan-anggapan (Asumsi) Š Asumsi tidak sesuai dengan realitas yang terjadi atau menyimpang jauh maka kemampuannya tidak dapat dijamin bahkan menyesatkan. Š Data harus berdistribusi normal dengan skala pengukuran data yang harus digunakan adalah interval & rasio. Š Dapat digunakan untuk menganalisis data yang populasi/sampelnya sama. Š Tidak dapat dipergunakan untuk menganalisis dengan cuplikan (Sampel) yang jumlahnya sedikit (> 30)

Pemodelan Metode Kuantitatif , Model adalah suatu konsep yang digunakan untuk menyatakan sesuatu keadaan (permasalahan) ke dalam bentuk simbolik, ikonik atau analog. , Pada hakekatnya model adalah abstraksi dari dunia nyata, sensitivitas atas solusi terhadap perubahan dalam model serta perwakil realitas, oleh karena itu wujudnya harus lebih sederhana. , Pemodelan Metode kuantitaif adalah upaya memodelkan permasalahan ke dalam konsep kuantintatif dengan prosedur: (1) Ubah pernyataan ke dalam lambang kuantitatif (2) Pemilihan metode analisis yang tepat (3) Aplikasi metode secara benar

Kaidah Analisis Data (Pemodelan Dalam Metode Kuantitatif)

)Pendekatan kuantitaf berangkat dari data atau ibarat bahan baku dalam sebuah pabrik. Data diproses & dimanipulasi menjadi informasi yang berharga bagi pengambilan keputusan. )Data yang dikumpulkan harus “dibersihkan” sebelum dianalisis, ibaratnya dalam memasak kita harus mencuci alat dan bahan-2 makanan yang kita masak agar masakan kita setidaknya bersih. )Hasil “pembersihan” adalah berkuranya ketidaktepatan dan kesalahan dalam data yang dapat dilakukan sebagai berikut: (1) (2) (3) (4) (5) (6) (7)

Menyunting Data Mengembangkan Variabel Pengkodeaan data Cek kesalahan Pembentukan struktur data Pra-analisis cek komputer Tabulasi

Mendapatkan Data yang akurat hukumnya wajib, karena meskipun model merupakan representase dari realitas yang sempurna, ketidakakuratan & ketidaktepatan data memperoleh hasil yang menyesatkan, ini yang dikenal sebagai “Garbage In Garbage Out “(GIGO). Mencermati fenomena empiris tidak dapat dipingkiri para pengambil keputusan baik pada instansi pemerintah maupun swasta dan interaksi kehidupan bermasyarakat telah banyak menggunakan kaidah-kaidah kuantitatif seperti menghitung rata-rata penghasilan sebuah keluarga setiap bulan, mengukur tinkat produktivitas usaha, melihat hubungan antara aktivitas yang dikerjakan dengan prestasi yang diraih, dan sebagainya.

Tabel 1. Pengguna Metode Kuantitaf dan Berbagai Permasalahan Yang Dihadapi Pengguna Manajemen

Akuntansi & Keuangan

Pemasaran

Masalah yang Dihadapi 1. 2. 3. 4.

Penentuan struktur gaji, pesangon, dan tunjangan karyawan. Penentuan jumlah persediaan barang Evaluasi produktivitas karyawan. Evaluasi kinerja perusahaan.

1. 2. 3. 4. 5. 6.

Penentuan standar audit barang dan jasa. Penentuan depresiasi dan apresiasi barang dan jasa. Potensi peluang naik/turun harga saham & suku bunga. Tingkat pengembalian investasi beberapa sektor ekonomi. Analisis pertumbuhan laba dan cadangan usaha. Analisis resiko keuangan setiap usaha.

1. 2. 3. 4.

Penelitian dan pengembangan produk. Analisis potensi pasar, segmentasi dan diskriminasi pasar. Ramalan penjualan. Efektivitas kegiatan promosi penjualan.

Ekonomi 1. Pembangunan 2. 3.

Analisis pertumbuhan ekonomi, inflasi dan suku bunga. Pertumbuhan penduduk, pengangguran dan kemiskinan. Indeks harga konsumen dan perdagangan besar.

ARTI & JENIS DATA DLM METODE KUANTITATIF ”Data adalah bentuk jamak dari datum artinya kumpulan angka, fakta, fenomena atau keadaan lainnya, merupakan hasil pengamatan, pengukuran atau pencacahan dan sebagainya terhadap obyek, yang berfungsi dapat membedakan obyek yang satu dengan lainnya pada variabel yang sama”. Metode Kuantitaf berhubungan dengan pengolahan data atau yang menjadi imput dalam proses kuantitatif adalah data. Dari sudut pandang Metode kuantitatif data dikelompokan menjadi dua jenis yaitu:

(1) Data kualitatif adalah data yang dinyatakan dalam

bentuk bukan angka (sifat). (2) Data kuantitatif adalah data yang dinyatakan dalam bantuk angka yang diasumsikan sebagai informasi dalam bentuk pernyataan “bilangan” yang didasarkan pada hasil perhitungan.

Pengelompokan data menurut cara perolehan menurut statistika terdiri atas:

1. Data primer adalah data yang diperoleh secara

langsung dari obyak yang diteliti baik secara individu maupun kelompok/organisasi. 2. Data sekunder adalah data yang diperoleh secara tidak langsung untuk mendapatkan informasi/keterangan dari obyek yang diteliti 3. Data tersier yaitu data yang diperoleh secara tidak langsung dari obyek yang diteliti biasanya data tersebut diperoleh dari pihak ketiga baik dari individu maupun kelompok yang sengaja mengungkapkan fakta dari pihak kedua.

SKALA PENGUKURAN DATA Pengukuran merupakan suatu proses dimana suatu angka atau symbol diletakan pada suatu karakteristik atau stimulti sesuai dengan aturan atau prosedur yang telah ditetapkan. Stevens (1946) skala pengukuran data dapat dikelompokan menjadi empat jenis yaitu: 1) Skala nominal adalah angka yang diberikan kepada obyek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apa-apa atau merupakan skala pengukuran yang menyatakan kategorik dari kelompok suatu obyek. Contoh: jenis kelamin yaitu laki-laki diberi tanda 1 dan perempuan diberi tanda

2) Skala ordinal adalah data yang diperoleh dengan cara kategorik atau klasifikasi namun diantara data tersebut memiliki hubungan atau angka yang diberikan di mana angka-angka tersebut mengandung pengertian tingkatan. Contoh: Kualitas produksi yaitu sangat tinggi dikategorikan 5; tinggi dikategorikan 4; sedang dikategorikan 3; rendah dikategorikan 2; dan tidak berkualitas dikategorikan 1.

3). Skala interval adalah suatu skala

pemberian angka pada obyek yang mempunyai sifat ukuran ordinal dan mempunyai jarak atau interval yang sama. Contoh : temperatur suhu ruangan yang dengan celcius pada 00C sampai 100C.

4). Skala rasio adalah skala interval yang memiliki nilai

dasar (based value) yang tidak dapat dirubah atau skala yang memiliki nilai nol dan rasio dua nilai yang memiliki arti. Skala rasio merupakan skala dengan hirarki paling tinggi dibanding skala-skala lainnya yang merupakan angka atau bilangan dari hasil perbandingan. Contoh: tingkat produktivitas merupakan perbandingan antara input dan ouput.

Agar dapat membedakan dari ke empat jenis skala pengukuran data di atas dapat dikemukakan ciri-ciri dari setiap skala pengkuran data.

Tabel 2. Ciri-ciri Skala Pengkuran Data Nominal

Ordinal

F Komponen Nama (Nomos) F Komponen Nama (Nomos) Angka yang diberikan hanya F Komponen Peringkat (Order) sebagai label saja. Angka mengandung Contoh: pria = 1, wanita = 2 dan pengertian tingkatan. Contoh: waria = 3. ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih tinggi dari ranking 2 dan 3.

Interval H H H H

Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Nilai Nol Tidak Mutlak (Absolut) Contoh: 1. Saham sangat prospektif dengan harga saham Rp736878, 2. saham prospektif Rp592-735.

Rasio H H H H H

Komponen Nama (Nomos) Komponen Peringkat (Order) Komponen Jarak (Interval) Komponen Ratio Nilai Nol Mutlak (Absolut) Contoh: bunga BCA 7% dan bunga Mandiri 14%, maka bunga Mandiri 2 kali bunga BCA.

ARTI & JENIS VARIABEL

Gambar 3. Pengelompokan Jenis Variabel

Tabel 3. Hubungan Data & Variabel

SELAMAT MENJADI GENERASI YANG JUJUR & TEKUN

UJI VALIDITAS & RELIABILITAS INSTRUMEN (DATA) A. Uji Validitas (Kesakhihan) Data Ω Instrumen tersebut dikatakan valid jika dapat mengukur apa yang seharusnya diukur atau mengukur apa yang diinginkan dengan tepat (Supranto,1997). Ω Pengujian validitas, instrumen diuji dengan menghitung koefisien korelasi antara skor item dan skor totalnya dalam taraf signifikansi 0,05 dengan rumus Korelasi Product Moment Pearson. bisa dikatakan valid Ω Instrumen mempunyai nilai r hitung > r tabel dengan tingkat signifikansi korelasi di bawah α = 0,05 (Santoso 2004) dengan rumus:

Langkah Analisis Uji Validitas Dengan SPSS Yaitu: 1. 2.

3. 4. 5. 6. 7.

Masukan data ke Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows

Bivariate Correlation Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan Skor Total Pilih Correlation Coefficients Pearson Pilih Oke Tampilkan Output SPSS

B. Uji Reliabilitas Data ¥ Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, keakuratan, kestabilan, atau kosistensi alat dalam mengungkap gejala tertentu pada waktu yang berbeda. ¥ Instrumen dikatakan reliabel jika dapat variabel mengukur untuk digunakan berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi ¥ Uji reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach dan memiliki tingkat kehandalan yang dapat diterima (reliabel), Nilai koefesien reliabilitas yang terukur ≥ 0,6 (Uma Sekaran, 2000), dengan rumus :

Langkah-2 Uji Reliabilitas dengan SPSS 1. 2.

Masukan data ke Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Scale lalu pilih Reliability

Analysis 3. 4. 5. 6. 7.

8.

Tampak dilayar tampilan Windows Reliability

Analysis

Isikan data kotak indicator variabel kedalam kotak Items dan pilih Model Alpha Pilih tombol Statistics sehingga tampak dilayar

windows Reliability analysis statistics Pilih bagian descriptive for, pilih item, scala, scala if item deleted dan inter-item Corelation Pilih continue dan oke Output SPSS

Langkah-Langkah Analisis Uji Validitas Dengan Sofware SPSS Yaitu: 1.

2.

3. 4. 5. 6. 7.

Masukan data ke Worksheet SPSS dengan perintah

File/Open/Data lalu input data pada Worksheet Data View kemudian pemberian simbol/label variabel pada Worksheet Variable View. Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows Bivariate Correlation Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan Skor Total Pilih Correlation Coefficients Pearson Pilih Oke Tampilkan Output SPSS

B. Uji Reliabilitas Data Uji reliabilitas untuk mengetahui apakah alat pengumpul data menunjukkan tingkat ketepatan, keakuratan, kestabilan, atau kosistensi alat dalam mengungkap gejala tertentu pada waktu yang berbeda. Instrumen dikatakan reliabel jika dapat digunakan untuk mengukur variabel berulangkali yang menghasilkan data yang sama atau hanya sedikit bervariasi Uji reliabilitas untuk menguji konsistensi instrumen menggunakan koefisien Alpha Cronbach dan memiliki tingkat kehandalan yang dapat diterima (reliabel), Nilai koefesien reliabilitas yang terukur ≥ 0,6 (Uma Sekaran, 2000), dengan rumus :

Jawab: 1.

Uji Validitas Dengan Sofware SPSS

7. Tampil Output SPSS Uji Reliability

Dari output uji reliabilitas menunjukkan nilai koefisien alpha (α) dari seluruh item instrumen ≥ 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan pengukuran.

2. Uji Relibilitas Dengan Sofware SPSS

8. Tampil Output Hasil Uji Reliability

Dari output uji reliabilitas menunjukkan nilai koefisien alpha (α) dari seluruh item instrumen ≥ 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan pengukuran.

COST, PROFIT AND VOLUME ANALYSIS

A.

(BREAK-EVEN ANALYSIS) Pengertian

Analisis volume kegiatan, biaya, dan laba (analisis break even) merupakan peralatan yang berguna untuk menjelaskan hubungan antara biaya, penghasilan/laba dan volume penjualan/produksi, sehingga banyak digunakan dalam penganalisaan masalah-masalah ekonomi manajerial. Tujuan cost, profit and volume analysis adalah untuk menentukan suatu titik, dalam unit atau ripiah yang menunjukan biaya sama dengan pendapatan (laba). Manfaatnya untuk menetukan berapa jumlah produk (dalam rupiah atau unit keluaran yang harus dihasilkan agar perusahaan minimal tidak menderita rugi.

Output Hasil Uji Validitas

Dari output uji validitas instrumen (data) menunjukkan bahwa

keseluruhan item adalah valid karena memiliki koefisien korelasi (r) ≥ 0,30 atau dan nilai signifikan dari seluruh instrumen berada di bawah α = 0,05. Sehingga seluruh item-item dalam instrumen penelitian ini dapat dipergunakan dalam analisis selanjutnya.

Tampil Output Hasil Uji Reliability

Dari output uji reliabilitas menunjukkan nilai koefisien alpha (α) dari seluruh item instrumen ≥ 0,60 berarti semua item data (instrumen) dapat dipercaya keandalannya. Dapat disimpulkan bahwa seluruh butir (item) yang digunakan adalah reliabel oleh karena itu, kusioner yang digunakan dapat dikatakan layak sebagai instrumen untuk melakukan pengukuran.

A.

COST, PROFIT AND VOLUME ANALYSIS (BREAK-EVEN ANALYSIS) Pengertian Analisis volume kegiatan, biaya, dan laba (analisis break even) merupakan peralatan yang berguna untuk menjelaskan hubungan antara biaya, penghasilan/laba dan volume penjualan/produksi, sehingga banyak digunakan dalam penganalisaan masalah-masalah ekonomi manajerial. Tujuan cost, profit and volume analysis adalah untuk menentukan suatu titik, dalam unit atau ripiah yang menunjukan biaya sama dengan pendapatan (laba). Manfaatnya untuk menetukan berapa jumlah produk (dalam rupiah atau unit keluaran yang harus dihasilkan agar perusahaan minimal tidak menderita rugi.

Cost, Profit and Volume Analysis (Analisis Break Even) mencakup konsep yang berkaitan dengan : Š

Š

Š

Š

Analisis marjin laba yang mencakup sejumlah teknik analisis untuk menentukan dan mengevaluasi pengaruh volume penjuala, harga penjualan, biaya tetap, dan biaya variabel terhadap laba. Pada dasarnya konsep tersebut menggunkan konsep ikhtisar rugi laba marjinlaba, pendapatan/penjualan dikurangi biaya variabel sama marjin laba, dan marjin laba dikurangi biaya tetap sama dengan laba. Analisis break even menekankan pada titik impas (biaya tetap dibagi dengan marjin laba sama dengan volume penjualan titik impas) titik dimana laba sama dengan nol karena pendapatan sama dengan totla biaya. Hasil analisis break even digambarkan dalam bentuk grafik untuk menunjukkan hubungan timbal balik antara pendapatan (penjualan), biaya tetap dan biaya variabel dalam batasan volume kegiatan yang relevan. Analisis break even menggunakan konsep yang sama dengan analisis laba kotor tetapi analisis ini memekankan pada tingkat output atau kegiatan produksi dimana pendapatan/penjualan sama dengan total biaya artinya tidak ada laba atau rugi.

B. Ansumsi Dasar penggunaan cost, profit and volume analysis 1)

2) 3) 4)

5)

6) 7) 8)

Konsep variabilitas biaya adalah sahih, oleh karena itu biaya dapat diklasifikasikan dan diukur secara realistis sebagai biaya tetap dan biaya variabel. Jadi tidak ada biaya yang disebut semi fixed dan semi variabel. Terdapat suatu batasan-batasan kesahihan yang relevan (misalnya kegiatan) untuk menggunakan hasil dari analisis. Harga jual tidak mengalami perubahan dengan terjadinya perubahan unit penjualan. Hanya ada satu produk atau dalam hal berbagai produk, tetapi proporsi atau perbandingan penjualan diantara berbagai produk tidak mengalami perubahan. Kebijaksanaan dasar yang ditetapkan oleh manajemen tentang operasi tidak banyak mengalami perubahan dalam jangka pendek. Tingkat harga umum (misalnya inflasi dan deflasi cukup stabil dalam jangka pendek. Tingkat penjualan dan produksi selaras, artinya persedian tetap konstan atau nol. Efisiensi dan produktivitas perorangan tidak banyak mengalami perubahan dalam jangka pendek.

C. Kegunaan cost, profit and volume analysis 1. 2. 3. 4. 5. 6.

Sebagai alat untuk merencanakan laba Sebagai alat pengendalian badget Sebagai penentu harga jual produk Sebagai dasar untuk menentukan break even dalam rupiah & unit Sebagai dasar rencana pengembangan kapasitas produksi dan penentuan lokasi Sebagai dasar untuk mengambil keputusan

D. Elemen-Elemen Penentu cost, profit and volume

analysis

Prosedur Pengolahan Data Dengan Menggunakan Sofware QM for Windos Sbb: 1.

Buka Worksheet exsel QM 2 dengan perintah QM/Breakeven

Analisis lalu pilih Breakeven (cost Vs Revenue)/Open

2. Dari menu utama excel QM 2 pilih menu Breakeven (cost Vs Revenue) Tampak dilayar tampilan Spreadsheed Intilization

3. Isikan dalam kotak Titel (VC. Anu) pilih Ikon Grafik lalu OK

KESIMPULAN 1. 2. 3. 4. 5. 6.

Biaya tetap, biaya variabel, dan total biaya pada berbagai volume. Potensi laba dan rugi sebelum dan setelah dipotong pajak pendapatan, pada berbagai volume Batas keselamatan, artinya hubungan timbal balik antara penjualan yang ditargetkan dengan penjualan titik impas Jumlah penjualan break even (sering disebut titik impas) Deviden yang lebih disukai atau titik bahaya artinya titik mana deviden tidak mungkin diperoleh Titik mati, artinya jumlah penjualan pada titik mana perusahaan hanya memperoleh tingkat laba yang berlaku atas investasinya.

PERAMALAN (FORECASTING) A. Pendahuluan Š Sering terjadi senjang waktu (time lag) antara kebutuhan mendatang dengan peristiwa itu sendiri merupakan alasan utama pentingnya peramalan & perencanaan. Š Jangka Waktu Peramalan Š Pengaruh dari Product Life Cycle Peramalan merupakan alat bantu dalam membuat perencanaan yang efektif dan efisien. Mis : Penjadwalan produksi, masalah transportasi, penanaman modal, dll. Situasi peramalan sangat ditentukan oleh horizon waktu, tipe pola data (Constant; Trend; Musiman & Kombinasi) dan berbagi aspek lainnya.

What is Forecasting? Peramalan adalah perhitungan yang obyektif dengan menggunakan data-data masa lalu untuk menentukan kondisi dimasa yang akan datang Proses yang menggambarkan peristiwa/kondisi pada masa yang akan datang. Dasar pengambilan keputusan dalam bisnis, meliputi : Produksi Persediaan Keuangan Pemasaran SDM Fasilitas-fasilitas

Metode-Metode Yang Dikembangkan Dalam Peramalan : 1. Kualitatif 2. Kuantitaif

a.Causal b.Time Series

1. 2. 3. 4.

Seven Steps in Forecasting 1. Tentukan Pemakai/Pengguna 2. 3. 4. 5. 6. 7.

Pemilihan Pernyataan Penentuan Jangka Waktu Pemilihan Model Pengumpulan Data Buat Peramalan Validiti & Penerapan Hasil Peramalan

Naïve approach Moving averages Exponential smoothing Trend projection

a. Metode Kualitatif adalah metode yang menganalisis kondisi obyektif dengan apa adanya. Metode ini meliputi : metode Delphi, Metode nominal grup, Survey pasar & Analisis historikal analogy and life cycle b. Metode Kuantitatif, adalah metode yang dapat diterapkan apabila : w Tersedia data & Informasi Masa Lalu w Data & Informasi tersebut dapat dikuantitafkan dlm bentuk Numerik w Diasumsikan beberapa aspek masa lala akan terus berlanjt dimasa datang.



Time series/runtun waktu adalah suatu analisis yang mengambarkan pola perkembangan produksi/penjualan pada pada runtun waktu yang telah lewat untuk dapat memperoleh besar kecilnya tingkat perkembangan penjualan/produksi tahunan. Metode peramalan ini dapat dilakukan dengan Cara :

1. Naive Approach

Metode peramalan yang mengasumsikan permintaan antara priode waktu sama. Mis: Penjualan bulan Mei 48 unit, sama dengan penjualan bulan Juli 48. Š Keuntungannya cost effective & efficient Š

© 1995 Corel Corp

2. Moving Average Method MA is metode rata-rata bergerak sederhana yang dianggap mampu menghilangkan pengaruh fluktuatif random dalam peramalan Equation :

F

F

Demand inPreviousn Periods ∑ MA = n

Contoh : Jika anda sebagai manajer dalam sebuah perusahaan diminta oleh pemilik perusahaan untuk meramalkan penjulan setiap bulan pada tahun 2008 dengan penentuan rata-rata bergerak 2 bulan. Data Penjualan sebagai berikut: Bulan Penjualan (Unit)

Januari 100

Pebruari Maret 90

105

April

Mei

95

?

Moving Average Solution

Moving Average Graph

Weighted Moving Average Method (Metode Rata-Rata Tertimbang) Š

Š Š

WMA is metode perhitungan yang sama rata-rata bergerak sederhana namun diperlukan adanya koefisien penimbang dan digunakan apabila terjadi trend pada pola data masa lalu. Koefisien penimbangnya berdasarkan pada intuisi dengan besaran : 0 ≤CW≥1 Equation : Σ(Weight for period n) (Demand in period n) WMA = ΣWeights

Cth:Berdasarkan data sebelumnya diminta untuk menghitung WMA dengan angka penimbang bulan januari 40%, Pebruari 30%, Maret 20% dan April 10%?

Jawab: (100*0.4) + (90*0.3) + (105*0.2) + (95*0.1)

WMA = 1 = 97,5. Kelemahan metode WMA tanggapannya tidak dapat dengan mudah berubah tanpa merubah masing-masing angka penimbangnya. Kelemahan-Kelemahan Metode MA & WMA 1. Peningkatan n dalam pembuatan ramalan kurang sesintif dengan perubahan. 2. Tidak dapat melakukan trend peramalan dengan baik 3. Perlakuan data berdasarkan historis

3. Exponential Smoothing Method Metode ESM merupakan metode rata-rata bergerak yang memberikan bobot yang lebih kuat pada data yang lebih terakhir dari pada yang lebih awal.

Equations :

Contoh : Berikut ini data PT”XZ” selama 8 Kuartal. Berdasarkan pengalaman manajer produksi nilai koefisien “pemulus” ditetapkan(α= 0,1) dan peramalan untuk kuartal pertama ditetapkan 175 unit.

Kuartal 1 2 3 4 5 6 7 8 9

Actual 180 168 159 175 190 205 180 182 ?

Tentukan Ramalan untuk Kuartal ke-9.

Exponential Smoothing Solution

4. Linear Trend Projection Y i = a + bX

Y

i

Y$i = a + bX i b>0

a b<0 a Time, X

Kausal/ Metode Least Square (Kuadrat Terkecil) Metode Kausal (Least Square) Adalah metode pendekatan untuk menentukan atau menghasilkan garis lurus yang paling tepat yang meminimumkan jumlah kuadrat perbedaan vertikal dari garis pada setiap observasi aktual. Formulasinya :

Contoh :

Saudara diminta menentukan trend linear untuk data deret waktu dari tahun 2001-2007 mengenai permintaan Meubel CV. Anu sebagai berikut : Tabel Deman CV.Anu Tahun 2000-2007

Tahun 2001 2002 2003 2004 2005 2006 2007

Demand 74 79 80 90 105 142 122

Tabel Perhitungan :

Tahun

Time Power Period Demand

x2

xy

2001

1

74

1

74

2002

2

79

4

158

2003

3

80

9

240

2004

4

90

16

360

2005

5

105

25

525

2006

6

142

36

852

2007

7

122

49

854

Σx=28 Σy=692 Σx2=140 Σxy=3,063

SELAMAT MENJADI GENERASI YANG JUJUR & TEKUN

ANALISIS KORELASI A. Pengertian Š Ingin mengetahui apakah diantara dua variabel terdapat hubungan, dan jika ada hubungan, bagaimana arah hubungan dan seberapa besar hubungan tersebut, salah satu metode analisis kuantitatif yang dapat digunakan adalah korelasi. Š Analisis korelasi adalah teknik kuantitatif yang digunakan untuk mengukur keeratan hubungan atau korelasi antara dua variabel atau lebih. Š Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan) linear antara dua variabel. Š Korelasi tidak menunjukan hubungan fungsional atau dengan kata lain analisis korelasi tidak membedakan antara variabel dependent dengan variabel independent.

Dalam analisis korelasi dikenal ada dua jenis hubungan yaitu positif dan negatif, seperti yang nampak pada gambar berikut:

Gambar 1. Bentuk Hubungan + & - Pada Analisis Korelasi

Rumus Untuk Menentukan Koefisien Korelasi :

Bentuk Hubungan Kuat Dan Lemahnya Suatu Korelasi dapat dilihat pada gambar berikut:

Contoh: Analisis korelasi atas permintaan dipengaruhi harga dan pendapatan dengan data sebagai berikut:

© 1995 Corel Corp

Menggunakan Ms Excel Untuk Mencari Korelasi

Analisis Korelasi Dengan SPSS Yaitu: 1. 2.

3. 4. 5. 6. 7.

Masukan data ke Worksheet SPSS dengan perintah File/Open/Data Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Corrolate lalu pilih Bivariate Tampak dilayar tampilan Windows

Bivariate Correlation Isikan data ke Kotak Variabel Yaitu Variabel Konstruk dan Skor Total Pilih Correlation Coefficients Pearson Pilih Oke Tampilkan Output SPSS

Output Hasil Uji Korelasi Correlations Penjualan Penjualan

Keuntungan

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

1 11 .663* .026 11

Keuntungan .663* .026 11 1 11

*. Correlation is significant at the 0.05 level (2-tailed).

Dari output uji korelasi menunjukkan bahwa penjualan dan keuntungan pedagang buah di Kota Kendari berkorelasi karena memiliki koefisien korelasi (r)= 0,663 ≥ 0,30 atau dan nilai signifikan = 0,026 berada di bawah α = 0,05. Sehingga dapat disimpulkan bahwa besarnya volume penjualan memiliki hubungan erat dengan tingkat perolehan laba para pedagang buah di Kota Kendari pada tahun 2007.

Korelasi Parsial Corealsi parsial merupakan korealasi dengan memasukan suatu variabel tambahan yang berfungsi sebagai pengontrol dari dua variabel yang berkorealsi terdahulu.

Analisis Data Korelasi Parsial Dengan SPSS: 1. 2. 3.

4. 5. 6. 7.

Masukan data ke Worksheet SPSS dengan perintah

File/Open/Data

Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenu Corrolate lalu pilih Partial Tampak dilayar tampilan Windows Partial Correlation sbb:

Isikan data ke Kotak Variabel Yaitu penjualan dan keuntungan serta controlling for yaitu biaya operasional Pilih Two-tailed Pilih Oke Tampilkan Output SPSS

Output Hasil Uji Korelasi Partial Correlations Control Variables Biaya Operasional

Penjualan

Keuntungan

Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df

Penjualan 1.000 . 0 .548 .101 8

Keuntungan .548 .101 8 1.000 . 0

output uji korelasi parsial menunjukkan bahwa penjualan dan keuntungan pedagang buah di Kota Kendari tanpa variabel pengontrol yaitu biaya operasional memiliki koefisien korelasi (r)= 0,663 dengan adanya variabel pengontrol turun menjadi 0,548 sedangkan tanda korelasi masih positif. Hasil Pengujian dapat diartikan besarnya biaya operasional yang dikeluarkan oleh pedagang buah masih ada korelasi yang positif antara volume penjualan dan keuntungan. Sehingga dapat disimpulkan semakin tinggi biaya operasional, jika volume penjualan bertambah, ada kecenderungan keuntungan yang diperoleh pedagang buah di Kendari meningkat.

SELAMAT MENJADI GENERASI YANG JUJUR & TEKUN

ANALISIS REGRESI Pendahuluan Š Istilah ”Regresi” pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendesi bahwa orang tua yang memiliki tubuh tinggi, memiliki anak-anak yang tinggi pula begitu pula sebaliknya. Š Analisis regresi adalah suatu persamaan matematika yang mendefinisikan hubungan antara dua variabel. Tujuan analisis regresi yaitu memprediksi besarnya variabel tergantung dengan menggunakan data variabel bebas yang sudah diketahui besarnya. Š Analisis regresi bertujuan mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukan arah hubungan antara variabel dependent dengan variabel independent. Teknik estimasi variabel dependent yang melandasi analisis regresi yang disebut Ordinary Least Square (OLS) (pangkat kuadrat terkecil). Š Metode OLS diperkenalkan pertama kali oleh Carsl Freidrich Gauss, seorang ahli matematik dari Jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut.

Š

Hasil regresi adalah berupa koefisien dari masing-masing variabel independent. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependent dengan suatu persamaan. Secara ringkas analisis regresi mempelajari sejauh mana variabel respon (Y) bergantung pada variabel predikator (X).

Kegunaan analisis regresi adalah: 1. Penjelasan (explanation) terhadap fenomena yang dipelajari atau permasalahan yang diteliti. 2. prediksi nilai variabel tergantung berdasarkan nilaia variabel bebas, yang mana prediksi dengan regresi ini dapat dilakukan secara kuantitataif 3. Faktor determinan, yaitu penentuan variabel bebas mana (pada regresi berganda yang berpengaruh dominan terhadap variabel tergantung. Hal ini dapat dilakukan bilaman unit satuan data seluruh variabel sama dan skala data seluruh seluruh variabel homogen.

Validitas Model dan Prosedur analisis Regresi

Asumsi & Pelanggaran asumsi Pada Regresi Berganda

Y R Square

= -168,833 + 15,496 X1 + 0,268 X2 (t= -0,55) (t= 6,865) (t= 1,627) = 0,930; Dw = 2,151 & rX1X2Y = -0,124

Persamaan Y = -168,833 + 15,496 X1 + 0,268 X2 menyatakan bahwa apabila aset (X1)meningkat 1 triliun, maka keuntungan (Y) meningkat 15,496 miliar rupiah, dengan demikian Apabila harga saham (X2) naik 1 rupiah, maka keuntungan perusahaan meningkat 0,268 miliar. Nilai R2= 0,930 ini menunjukkan kemampuan variabel asset dan harga saham menjelaskan perilaku keuntungan perusahaan sebesar 93% dan sisanya atau residu sebesar 7% dijelaskan oleh variabel lain yang tidak dimasukkan dan diteliti dalam persamaan tersebut. ini menunjukkan spesifikasi yang baik, karena kemampuan menjelaskannya relatif besar.

Š Linear Prograimming adalah suatu model yang dapat digunakan untuk memecahkan masalah pengalokasian sumber daya yang terbatas secara optimal. Š Linear Prograimming merupakan metode matematik dalam mengalokasikan sumber daya yang langkah untuk mencapai suatu tujuan seperti maksimum keuntungan dan meminimumkan biaya. Š Tujuan linear prograimming adalah mencari titik maksimum atau minimum dari suatu fungsi tujuan dengan kendala-kendala/keterbatasan yang dimiliki dan mencari solusi terbaik dari berbagi masalah-masalah/kendala yang dihadapi.

Kegunaan Linear Prograimming (LP) adalah:

1. Melihat pengalokasian sumber daya yang dimiliki secara optimal (maksimum & Minimum). 2. Sebagai dasar dalam membuat perncanaan, penjadwalan, penentuan kapasitas produksi dan perencanaan kegiatan-kegiatan untuk mencapai suatu hasil yang optimal serta pemecahan masalah yang optimal. 3. Sebagai dasar pengambilan keputusan dari berbagai alternatif penggunaan sumber daya yang terbatas.

Tahapan-tahapan Linear Prograimming (LP) 1) Masalah harus dapat diidentifikasi sebagai sesuatu yang dapat diselesaiakan dengan Linear Prograimming 2) Masalah yang tidak terstruktur harus dapat dirumuskan dalam model matematika, sehingga menjadi terstruktur 3) Model harus diselesaikan dengan teknik matematika yang dibuat.

Ciri-ciri masalah yang dapat diselesaikan dengan LP dikelompokan atas 2 yaitu:

1. Struktur model H Fungsi tujuan, hubungan matematika linear yang menjelaskan tujuan perusahaan dalam terminologi variabel keputusan H Variabel keputusan, simbol matematika yang menggambarkan tingkatan aktivitas perusahaan H Kendala (Batasan), merupakan hubungan linear dengan variabel keputusan; batasan menunjukkan keterbatasan perusahaan karena lingkungan operasi perusahaan. H Parameter, nilai kostan yang biasanya merupakan koefisien dari variabel (simbol) dalam persamaan.

2. Asumsi Model H Proporsional, setiap variabel keputusan yang mempunyai pengaruh linear terhadap fungsi tujuan dan fungsi pembatas yang ada H Pertambahan (additivity), fungsi tujuan maupun batasan selalu ditambahkan H Dapat dibagi (divisibility), memungkinkan nilai variabel keputusan non integer H Pasti (Deterministic) yaitu nilai dari semua model parameter diasumsikan konstan dan diketahui secara pasti H Non-Negatif, tidak ada nilai variabel keputusan bernilai negatif yang ada nilai nol atau positif.

3. Metode Simplex Merupakan suatu teknik pemecahan yang umum, pada metode simplex, model diubah kedalam bentuk suatu tabel, kemudian dilakukan beberapa langkah matematika pada tabel tersebut. Langkah-langkah matematis ini pada dasarnya merupakan replikasi proses pemindahan dari suatu titik ekstrim ketitik ekstrim lainnya batas solusi. Metode simpleks bergerak dari suatu solusi yang lebih baik sampai solusi yang terbaik di dapat. Metode simplex merupakan alogaritma untuk memecahkan masalah umum linear programming. Metode simpleks adalah suatu prosedur aljabar yang melalui serangkaian operasi-operasi berulang, dapat memecahkan suatu masalah yang terdiri dari tiga variable atau lebih walaupun masalah-masalah dengan empat variable keputusan atau empat persamaan batasan, perhitungan sebaiknya mengunakan komputer.

Teknik mengoperasikan metode simplex yaitu : 1.Perumusan masalah 2.Menyusun tabel awal dengan variablevariabel slack dalam penyesuaian 3.Menentukan varabel yang akan dimasukan dalam penyesuaian 4.Menentukan vribel yang diganti 5.Menghitung nilai-nilai baru 6.Mengganti baris-baris lainnya

Input Data/model

Solusi (solve) 1. Iterations

2. Solusi

3. Grafik

SELAMAT MENJADI GENERASI YANG JUJUR & TEKUN