Analisis peramalan penjualan minyak sawit kasar atau crude palm oli (CPO) pada PT. Kharisma pemasaran bersama (KPB0 Nusantara di Jakarta

ANALISIS PERAMALAN PENJUALAN

MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)

PADA PT. KHARISMA PEMASARAN BERSAMA (KPB)

NUSANTARA

DI JAKARTA

Akhmat Tohir

PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2011 M / 1432 H

ANALISIS PERAMALAN PENJUALAN

MINYAK SAWIT KASAR ATAU CRUDE PALM OIL (CPO)

PADA PT. KHARISMA PEMASARAN BERSAMA (KPB)

NUSANTARA

DI JAKARTA

Oleh : Akhmat Tohir 106092003005

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian pada Program Studi Agribisnis

PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2011 M / 1432 H

ANALISIS PERAMALAN PENJUALAN

CRUDE PALM OIL

(CPO) PADA

PT. KHARISMA PEMASARAN BERSAMA NUSANTARA

Oleh:

Akhmat Tohir

106092003005

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Pertanian

Pada Program Agribisnis

PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH

JAKARTA

2010/1431

PENGESAHAN UJIAN

Skripsi yang berjudul “ Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta” yang ditulis oleh Akhmat Tohir dengan NIM 106092003005 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada tanggal 25 April 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana Strata Satu (S1) Program Studi Agribisnis.

Menyetujui,

Penguji I Penguji II

Drs. Acep Muhib, MM Rizki Adi Puspita Sari, SP, MM NIP. 196906052001121001 NIP. 197803292008032015

Pembimbing I Pembimbing II

Dr. Ir. Elpawati, MP Eny Dwiningsih, S.TP, M.Si NIP. 196412041992032001

Mengetahui,

Dekan Ketua Program Studi Fakultas Sains dan Teknologi Agribisnis

Dr. Syopiansyah Jaya Putra, M.Sis Drs. Acep Muhib, MM NIP. 196801172001121001 NIP. 196906052001121001

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, Mei 2011

Akhmat Tohir 106092003005

RINGKASAN

AKHMAT TOHIR, Analisis Peramalan Penjualan Minyak Sawit Kasar atau

Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara

di Jakarta. Dibawah bimbingan ELPAWATI dan ENY DWININGSIH.

Memprediksi penjualan yang terlalu besar dan kurang akurat dapat mengakibatkan biaya produksi meningkat sehingga seluruh investasi yang ditanamkan menjadi kurang efisien, oleh karena itu dibutuhkan suatu ilmu dan kegiatan yang mampu memprediksikan penjualan yang akan datang dengan melihat data dimasa lampau. Peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan unit usaha PTPN yang memasarkan produk perkebunan yang dihasilkan oleh PTPN di seluruh Indonesia terutama minyak sawit kasar atau

Crude Palm Oil (CPO). Produk pertanian seperti CPO merupakan produk yang sangat fluktuatif dan perkembangannya sangat rentan terhadap perubahan dari berbagai faktor seperti musim, permintaan dan penawaran konsumen dunia, oleh karena itu kegiatan memprediksikan penjualan CPO dimasa datang sangat dibutuhkan perusahaan pemasar termasuk PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Metode peramalan yang digunakan dalam penelitian ini adalah metode peramalan kuantitatif dengan metode time series atau runtun waktu. Penentuan metode peramalan yang baik disesuaikan dengan data yang terbentuk berdasarkan pola data, apakah stasioner, pola trend, pola musiman atau siklis. Peramalan penjualan yang akurat berakibat pada terpenuhinya kebutuhan konsumen dan mendatangkan laba bagi perusahaan.

Tujuan dari penelitian ini adalah: (1) Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (2) Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk meramalkan penjualan Crude Palm Oil

(CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta, (3) Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang menggunakan metode peramalan terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.

Penelitian ini dilakukan di PT. Kharisma pemasaran Bersama (KPB) Nusantara yang beralamat di Jl. Taman Cut Mutiah No. 11 Jakarta 10330. Pemilihan tempat penelitian ini dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan salah satu perusahaan pemasar Crude Palm Oil (CPO) dan merupakan perusahaan milik negara yang bergerak dalam pemasaran komoditi perkebunan

v

baik ke dalam maupun luar negeri. Penelitian ini dilaksanakan pada bulan Juni - Oktober 2010.

Berdasarkan data yang diperoleh dari perusahaan diketahui bahwa kegiatan peramalan Crude palm Oil (CPO) dilakukan dengan metode kualitatif dengan cara berpedoman kepada perusahaan peramalan yaitu Oil World dan

Reuters. Berdasarkan data sekunder yang diperoleh yaitu data penjualan minyak sawit kasar atau Crude Palm Oil (CPO) tujuh tahun terakhir (data bulanan) periode Januari 2004 sampai dengan Desember 2010, teridentifikasi bahwa terdapat pola trend (cenderung meningkat) dan pola musiman. Pola trend

diakibatkan oleh faktor kenaikan jumlah penjualan akibat semakin meningkatnya konsumsi minyak sawit, sedangkan pola musiman diakibatkan oleh pengaruh musim seperti iklim, ekonomi global, hari raya keagamaan, awal dan akhir tahun.

Metode peramalan kuantitatif time series (runtun waktu) yang digunakan adalah metode Naif (Naive), metode Rata-rata Bergerak Sederhana (Moving

Average), metode Pemulusan Eksponensial Tunggal (Single Eksponential

Smoothing), metode Pemulusan Eksponensial Ganda (Double Eksponential

Smoothing), metode Indeks Musiman, metode Tren (Trend) dan metode Boks-Jenkins. Metode peramalan yang terpilih adalah metode yang memiliki nilai Mean Squared Error (MSE) terkecil, yaitu metode trend kuadratik (non lenier) dengan nilai MSE sebesar 3017854357. Nilai ramalan yang dihasilkan metode trend

kuadratik (non lenier) untuk periode 85 sampai periode 96 adalah 213913 ton, 214562 ton, 215204 ton, 215836 ton, 216461 ton, 217077 ton, 217685 ton, 218284 ton, 218875 ton, 219458 ton, 220032 ton, 220598 ton. Selain itu juga perlu adanya antisipasi terhadap unsur musiman yang terjadi berdasarkan data yang terbentuk yaitu pada bulan-bulan tertentu seperti awal dan akhir tahun (Januari dan Desember), pengaruh iklim yang tidak menentu serta menjelang hari raya keagamaan seperti bulan puasa dan natal yang diperkirakan jatuh pada bulan Agustus dan September. Sehingga metode Indeks Musiman dapat dijadikan alternatif kedua setelah metode Trend kuadratik (non lenier).

Penerapan hasil peramalan ini adalah perlu dilakukan rekomendasi kepada Departemen terkait oleh PT. Kharisma Pemasaran bersama (KPB) Nusantara terhadap peningkatan efektivitas kegiatan produksi CPO oleh PTPN dengan cara ekstensifikasi, intensifikasi dan penanganan pasca panen atau pengolahan Tandan Buah Segar (TBS), agar produksi CPO berlangsung optimal yang berdampak pada peningkatan penjualan CPO pada tahun 2011.

KATA PENGANTAR

Bismillahirrahmanirrahiin

Assalamu’alaikum Wr. Wb.

Puji serta syukur kita panjatkan kehadirat Allah SWT atas limpahan nikmat dan hidayah-Nya yang diberikan kepada kita semua. Begitu pula nikmat yang telah diberikan kepada penulis, sehingga penulisan skripsi ini dapat terselesaikan dengan baik. Shalawat serta salam penulis junjungkan kepada Nabi Muhammad SAW beserta keluarga, sahabat dan pengikutnya yang selalu taat mengikuti sunah dan dan istiqomah pada jalan yang lurus.

Skripsi ini berjudul “Analisis Peramalan Penjualan Minyak sawit Mentah atau Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta”. Maksud dari penulisan skripsi ini adalah untuk mendapatkan gelar Sarjana Pertanian pada Program Studi Agribisnis, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Penulis mengucapkan terimakasih kepada segenap pihak yang telah membantu dalam penyusunan skripsi ini, karena tanpa mereka skripsi ini tidak akan terselesaikan dengan baik. Ucapan terimakasih yang mendalam kepada semua pihak yang membantu dalam penyusunan skripsi ini, terutama kepada:

1. Bapak dan Ibu penulis, Bapak Supri dan ibu Kusniyah yang telah mendidik penulis sejak kecil hingga penulis dapat menyelesaikan pendidikan hingga Perguruan Tinggi dengan baik. Penulis tak akan melupakan setiap jerih payah kalian, dan semoga skripsi ini menjadi hadiah yang terindah yang dapat penulis berikan kepada Bapak dan ibu. Serta adikku Nia Safitri dan Andri Prastyo.

2. Bapak Dr. Syopiansyah Jaya Putra, M.Sis selaku Dekan Fakultas Sains dan Teknologi.

3. Drs. Acep Muhib, MM selaku Ketua Program Studi Agribisnis dan Rizki Adi Puspita Sari, SP, MM selaku Sekretaris Program Studi Agribisnis.

vii 4. Dr. Ir. Elpawati, MP selaku Pembimbing I dan Eny Dwiningsih, S.TP,

M.Si selaku Pembimbing II.

5. Drs. Acep Muhib, MM selaku Penguji I dan Rizki Adi Puspita Sari, SP, MM selaku Penguji II.

6. Drs. Gatot K. Gusti, MM selaku Manajer SDM dan umum PT. Kharisma Pemasaran Bersama (KPB) Nusantara. Bapak Subandi, Ibu

Muji, Pak Tri, Pak Endi dan seluruh Staf PT. Kharisma Pemasaran Bersama (KPB) Nusantara.

7. Bapak dan Ibu dosen Program Studi Agribisnis serta seluruh Staf Fakultas Sains dan Teknologi.

8. Kak Nughni Hanafi, terimakasih atas bimbingan dan ilmu metode peramalan serta buku dan software peramalannya yang sangat membantu penulis.

9. Kak Dewi Rahmawati, SP. Terimakasih atas bimbingan dan luangan waktunya untuk membantu penulis dalam kegiatan-kegiatan penyusunan skripsi.

10.Mahasiswa Agribisnis angkatan tahun 2006 yang menjadi penyemangat dan membantu penulis: Andi Angger, Ihsan, Ali, Ari, Syarif, Mawardi, Andi Asmara, Feriyanto, Pedri, Puguh, Purwanto, Hamzah Farihin, Reza, Lutfi, Dzul, Heru, Ajeng, Nia, Nisa, Wiwin, Rinrin, Rifa, Gina.

Seluruh rekan dan pihak-pihak yang telah membantu penulis yang tidak dapat disebutkan satu persatu, terimakasih atas segala bantuanya, semoga Allah SWT memberikan balasan pahala berlipat ganda. Amin.

Wassalamu’alaikum Wr. Wb.

Jakarta, Mei 2011

viii DAFTAR ISI

Halaman

DAFTAR ISI ... viii

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

DAFTAR LAMPIRAN ... xiii

BAB I. PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Perumusan Masalah ... 4

1.3. Tujuan Penelitian ... 5

1.4. Manfaat Penelitian ... 5

1.5. Ruang Lingkup Penelitian ... 6

BAB II. TINJAUAN PUSTAKA ... 7

2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO) ... 7

2.2. Permintaan Crude Palm Oil (CPO)... 8

2.3. Konsep Penjualan ... 10

2.4. Peramalan ... 12

2.4.1. Kegunaan dan Peran Peramalan ... 14

2.4.2. Identifikasi Pola Data Time Series ... 14

2.4.3. Metode Peramalan ... 15

2.4.4. Metode Peramalan Time Series ... 18

2.4.5. Pemilihan Metode Peramalan ... 23

2.5. Hasil Penelitian Terdahulu ... 24

2.6. Kerangka Pemikiran Penelitian ... 25

2.7. Definisi Operasional... 29

BAB III. METODE PENELITIAN ... 31

ix

3.2. Jenis dan Sumber Data ... 31

3.3. Metode Pengolahan dan Analisis Data ... 32

3.3.1. Analisis Kualitatif ... 32

3.3.2. Analisis Kuantitatif ... 32

3.3.2.1. Metode Peramalan Time Series ... 33

3.3.2.2. Ukuran Akurasi Hasil Peramalan ... 40

BAB IV. GAMBARAN UMUM PERUSAHAAN ... 42

4.1. Sejarah Berdirinya PT. KPB Nusantara ... 42

4.2. Visi dan Misi PT. KPB Nusantara ... 43

4.3. Struktur Organisasi PT. KPB Nusantara ... 43

4.4. Hukum dan Legalitas PT. KPB Nusantara ... 45

4.5. Pemasaran Crude Palm Oil (CPO) ... 45

4.5.1. Bauran Pemasaran ... 45

4.5.2. Segmentasi, Targeting dan Positioning ... 50

4.5.3. Mutu Crude Palm Oil (CPO)... 50

BAB V. HASIL DAN PEMBAHASAN ... 52

5.1. Metode Peramalan Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ... 52

5.2. Metode Peramalan Kuantitatif Terbaik untuk Meramalkan Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara ... 53

5.2.1. Penjualan Crude Palm Oil (CPO) Pada PT. KPB Nusantara... 53

5.2.2. Identifikasi Pola Data Penjualan Crude Palm Oil (CPO) ... 54

5.2.3. Metode Peramalan Kuantitatif Penjualan Crude Palm Oil (CPO) ... 62

5.2.3.1. Metode Naif (Naive) ... 62

5.2.3.2. Metode Rata - rata Bergerak (Moving Average)... 63

5.2.3.3. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing) ... 65

5.2.3.4. Metode Pemulusan Eksponensial Ganda (Double Eksponential Smoothing) ... 67

5.2.3.5. Metode Indeks Musiman ... 67

x

5.2.3.7. Metode Box-Jenkins (ARIMA) ... 71

5.2.4. Pemilihan Metode Peramalan Kuantitatif Terbaik Penjualan CPO ... 78

5.3. Analisis Tingkat Peramalan Penjualan Crude Palm Oil (CPO) Satu Tahun Mendatang ... 82

BAB VI. KESIMPULAN DAN SARAN... 86

6.1. Kesimpulan ... 86

6.2. Saran ... 88

DAFTAR PUSTAKA ... 89

DAFTAR RIWAYAT HIDUP

Data Diri

Nama lengkap : Akhmat Tohir

Alamat : JL. Kebon Kopi Rt 02/04 No. 74 Pondok Aren, Tangerang Selatan, 15221

Telepon : 087884440345

Tempat Tanggal Lahir : Kendal, 27 Desember 1987

Agama : Islam

Email : akhmat.tohir@yahoo.co.id Riwayat Pendidikan

1994 – 1996 : SDN Kebonsari, Kendal, Semarang

1996 – 2000 : SDN 03 Pondok Betung, Tangerang Selatan 2000 – 2003 : SLTP Perwira, Jakarta Selatan

2003 – 2006 : SMAN 87, Jakarta Selatan

2005-2011 : Agribisnis UIN Syarif Hidayatullah Jakarta Riwayat Organisasi

2004 – 2005 : Anggota ROHIS SMAN 87, Jakarta Selatan

2004 – 2005 : Anggota PASKIBRA Kec. Pesanggrahan, Jakarta Selatan

2006 – 2008 : Wakil Ketua IAR SMAN 87, Jakarta Selatan 2006 – 2007 : Staf LITBANG BEM Jurusan Agribisnis 2006 – 2007 : Staf Pengembangan Usaha LDK SYAHID

Kegiatan Pelatihan

2007 : Training Organization Platform Badan Eksekutif Mahasiswa Jurusan Agribisnis

2008 : Moderator Workshop Kultur Jaringan Acara Agri’s Event 2008 BEM Jurusan Agribisnis

2009 : Pelatihan Keterampilan Kerja MONTIR MOTOR BKM Amanah Program PNPM Mandiri 2009

2010 : Shell LiveWIRE Bright Idea Workshop

Riwayat Pekerjaan

2006 : Panitia Agri’s Event 2007

2007 : Panitia TrainingOrganization Platform Badan Eksekutif Mahasiswa Agribisnis

2009 : Staf Pengajar Bimbel Cendikia

2009 : Tim Monitoring BP3KTKI

2009 : Ketua Pelaksana KKN Kel. Pisangan

2010 : Tim Reseacher Lapang ETNOMARK Consulting

DAFTAR TABEL

No. Halaman

1. Konsumsi Minyak Nabati Dunia ... 3

2. Produk Turunan Minyak Sawit/CPO ... 8

3. Tenaga Kerja PT. KPB Nusantara ... 44

4. Perkembangan Harga Rata-rata CPO Lokal Tahun 2007-2010 ... 47

5. Perkembangan Harga CPO Ekspor Tahun 2007-2010 ... 47

6. Daftar Pembeli CPO PT. KPB Nusantara ... 49

7. Standar Mutu CPO PT. KPB Nusantara... 51

8. Rata – Rata Indeks Musiman Setiap Bulan Penjualan CPO Periode Januari 2004 sampai Desember 2010 ... 58

9. Hasil Uji Regresi Volume Penjualan Terhadap Periode Waktu ... 59

10.Perbandingan Hasil Perhitungan Metode Moving Average dengan Ordo yang Berbeda-beda ... 64

11.Perbandingan Nilai Kesalahan Metode Single Eksponential Smoothing dengan Nilai Berbeda-beda ... 66

12.Perbandingan Nilai MSE Model ARIMA (0,d,q)(0,D,Q)L ... 77

13.Nilai Perhitungan Beberapa Metode Peramalan Penjualan CPO ... 80

14.Peramalan Penjualan CPO Periode Januari 2011 - Desember 2011 Menggunakan Metode Trend Kuadratik ... 83

xii DAFTAR GAMBAR

No. Halaman

1. Konsep Penjualan... 10

2. Alur Kerangka Pemikiran Penelitian ... 28

3. Grafik Pergerakan Volume Penjualan CPO PT. KPB Nusantara ... 56

4. Plot ACF dari Data Penjualan CPO Periode Januari 2004 sampai Desember 2010 ... 60

5. Grafik Trend Analysis Model Regresi Lenier ... 70

6. Grafik Trend Analysis Model Regresi Non Lenier (Kuadratik) ... 71

7. Grafik ACF Pembedaan Regular Pertama... 73

8. Grafik ACF Pembedaan Musiman Pertama ... 74

9. Grafik ACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama ... 75

10.Grafik PACF Pembedaan Regular Pertama dan Pembedaan Musiman Pertama ... 75

xiii DAFTAR LAMPIRAN

No. Halaman

1. Struktur Organisasi PT. Kharisma Pemasaran Bersama Nusantara ... 92 2. Daftar Volume Penjualan PT. KPBN Periode Tahun 2004 - 2010

(Ekspor dan Lokal) ... 93 3. Hasil Uji Regresi Volume Penjualan CPO Terhadap Periode Waktu

pada PT. KPB Nusantara Periode Januari 2004 - Desember 2010 ... 94 4. Grafik Normal Probability Plot Hasil Analisis Regresi Penjualan

Crude Palm Oil (CPO) PT. KPB Nusantara Periode Januari 2004 –

Desember 2010 ... 95 5. Perhitungan Peramalan Penjualan CPO Menggunakan Metode Naif ... 96 6. Perhitungan Metode Rata - rata Bergerak (Moving Average) dengan

Ordo 12 ... 98 7. Hasil Perhitungan Metode Pemulusan Eksponensial Tunggal (Single

Eksponential Smoothing) untuk Volume Penjualan CPO ... 100 8. Hasil Perhitungan Metode Pemulusan Eksponensial Ganda (Double

Eksponential Smoothing) untuk Volume Penjualan CPO ... 102 9. Perhitungan Peramalan Penjualan CPO Metode Least Squared ... 104 10.Perhitungan Peramalan Penjualan CPO Metode Indeks Musiman ... 106 11.Nilai Perhitungan Peramalan Metode Trend Analysis Model Regresi

Lenier Sederhana Volume Penjualan CPO ... 112 12.Perhitungan Peramalan Menggunakan Metode Trend Analysis Model

Regresi Non Lenier (Kuadratik) Volume Penjualan CPO Terhadap

Waktu ... 113 13.Nilai Koefisien Korelasi ACF , Grafik dan Nilai Korelasi

PACF Pembedaan Pertama Data Volume Penjualan CPO

PT. KPB Nusantara ... 114 14.Nilai Koefisien ACF dan PACF Pembedaan Regular Pertama dan

xiv 15.Perhitungan Metode Box - Jenkins Tentatif Model ARIMA (0,1,q)

(0,1,Q)L untuk Peramalan Penjualan CPO PT. KPB Nusantara ... 116 16.Grafik Fitted Line Plot Uji Statistik Metode Trend Analysis Model

Regresi Kuadratik ... 118 17.Grafik Pergerakan Hasil Peramalan Penjualan CPO Menggunakan

Metode Trend Analysis Model Kuadratik ... 119 18.Hasil Wawancara Kepada Pihak Perusahaan ... 120 19.Surat Keterangan Penelitian ... 124

BAB I PENDAHULUAN

1.1. Latar Belakang

Dunia usaha yang terus berubah dengan cepat, mengharuskan perusahaan untuk mampu menganalisis lingkungan usaha dan memprediksi berbagai kemungkinan yang terjadi di masa depan. Kegiatan meramal atau forecast masa depan merupakan salah satu usaha perusahaan sebagai dasar pengambilan keputusan strategis kelangsungan usaha.Selain memantau perubahan lingkungan usaha, perusahaan juga perlu mengembangkan pengetahuan khusus tentang pasar mereka. Perusahaan pemasar yang baik menginginkan informasi untuk membantu mereka menginterpretasikan kinerja masa lalu dan merencanakan kegiatan masa depan (Kotler, 2007: 123).

Kemampuan perusahaan dalam manajemen mencerminkan keberhasilan dalam memanfaatkan peluang usaha seoptimal mungkin, sehingga dapat menghasilkan penjualan dan laba sesuai dengan yang diharapkan (Rangkuti, 2005:1). Pemanfaatan peluang usaha dilakukan dengan mengkaji situasi saat ini maupun masa lalu dan melihat pengaruhnya pada situasi masa yang akan datang. Tugas penting manajemen perusahaan adalah merencanakan masa depan agar semua kemungkinan dan peluang yang diprediksi dapat terealisasi. Penjualan merupakan kegiatan ekonomis sebuah perusahaan untuk memperoleh hasil/laba sesuai dengan target perusahaan. Semakin meningkatnya kebutuhan perencanaan dalam aktivitas bisnis dan ekonomi, maka kegiatan prediksi terhadap kondisi

2 mendatang secara akurat semakin diperlukan. Perkembangan teknologi komputerisasi mendukung penggunaan berbagai metode dan teknik peramalan usaha dalam memprediksi kondisi yang akan datang sehingga dapat digunakan untuk mempermudah kebutuhan perencanaan perusahaan.

Memprediksi penjualan yang terlalu besar dan kurang akurat mengakibatkan biaya produksi akan meningkat sehingga seluruh investasi yang ditanamkan menjadi kurang efisien. Oleh karena itu, untuk mengantisipasi permasalahan tersebut dilakukan prediksi kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang dengan diperolehnya informasi yang akurat sehingga perusahaan dapat mempersiapkan strategi - strategi yang harus ditempuh menghadapi suatu kondisi tertentu (Rangkuti, 2005:1). Berdasarkan pernyataan tersebut maka terlihat betapa pentingnya fungsi peramalan penjualan bagi sebuah perusahaan untuk mengetahui besarnya penjualan saat ini atau yang akan datang. Diperlukan suatu sistem peramalan untuk memproyeksikan bagaimana dengan penjualan yang akan datang, menurut Makridakis dkk (1999 : 3) peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien.

Menurut Sutiyono (2009, 6) produksi minyak sawit atau Crude Palm Oil

(CPO) Indonesia pada tahun 2007 melebihi 1 juta ton, hal ini menunjukkan bahwa kelapa sawit sebagai andalan sektor perkebunan telah menjadi sumber penghasil devisa bagi Indonesia. Pada Kuartal I tahun 2010 total volume ekspor CPO Indonesia meningkat 241 ribu ton menjadi 3,62 juta ton, dibandingkan dengan periode yang sama tahun 2009 sebesar 3,38 juta ton (Rahayu, 2010: 1).

3 Sumber : Oil World dalam PT. KPB Nusantara (2010: 2)

Peningkatan konsumsi yang signifikan terutama akan terjadi pada negara yang sedang berkembang seperti India sebesar 6,660 juta Ton, disusul China sebesar 6,580 juta ton, Uni Eropa 5,850 juta ton, Indonesia 5,100 juta ton dan Malaysia 2,310 juta ton (PT. KPBN, 2010: 2). Konsumsi minyak nabati dunia disajikan pada Tabel 1.

Tabel 1. Konsumsi Minyak Nabati Dunia

Negara Tahun (Ribu Ton) Peningkatan (Ribu Ton)

2007/2008 2008/2009 2009/2010 % Volume

India 4879 6564 6660 1.44 96

China 5670 5957 6580 9.47 623

Uni Eropa 4849 5594 5850 4.38 256

Indonesia 4332 4789 5100 6.1 311

Malaysia 2449 2474 2310 -7.1 -164

Pakistan 1734 1785 1810 1.38 25

Nigeria 1228 1283 1325 3.17 42

Thailand 941 1157 1280 9.61 123

Negara lainnya 11533 11512 12131 5.1 619

Jumlah 37615 41115 43046 4.49 1931

PT. Kharisma Pemasaran Bersama (KPB) Nusantara merupakan anak perusahaan dari PT. Perkebunan Nusantara I sampai XIV dan PT. Rajawali Nusantara Indonesia (PT. RNI) yang bergerak di bidang pemasaran komoditas agro industri produksi PTPN I sampai dengan PTPN XIV dan PT. RNI. Komoditi utama yang dikelola dan dipasarkan oleh PT. KPB Nusantara meliputi minyak sawit, karet, latex, teh, kopi, coklat dan gula tetes, yang dipasarkan di dalam maupun luar negeri. Kegiatan pemasaran seperti lelang atau tender lebih sering dilakukan terhadap produk minyak sawit kasar atau Crude Palm Oil (CPO),

4 sedangkan kegiatan pemasaran produk lainnya dilakukan sesuai pesanan, hal ini menunjukkan bahwa permintaan konsumen terhadap CPO PT. KPB Nusantara cukup besar. Pemasaran CPO mencakup pasar lokal dan ekspor, permintaan CPO yang tidak menentu perlu dilakukan peramalan penjualan yang seakurat mungkin sehingga kebutuhan konsumen dapat terpenuhi dan mendatangkan laba bagi perusahaan. Penelitian ini terfokus kepada komoditi Crude Palm Oil (CPO) PT. KPB Nusantara yang diproduksi oleh PTPN I , II , III , IV , V , VI , VII ,VIII, XIII dan XIV.

Berdasarkan hal diatas, penulis akan melakukan penelitian mengenai peramalan penjualan minyak sawit kasar atau Crude Palm Oil (CPO) yang dilakukan oleh PT. KPB Nusantara, sebagai salah satu cara untuk memprediksikan penjualan satu tahun mendatang agar terpenuhinya permintaan pasar. Oleh karena itu penelitian ini diberi judul “Analisis Peramalan Penjualan Minyak Sawit Kasar atau Crude Palm Oil (CPO) Pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara Di Jakarta”.

1.2. Perumusan Masalah

Berdasarkan uraian diatas, maka permasalahan yang akan dibahas dalam penelitian ini sebagai berikut:

1. Bagaimana metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta?

5 2. Metode peramalan kuantitatif terbaik apa yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta?

3. Berapa tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang dengan metode peramalan kuantitatif terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta?

1.3. Tujuan Penelitian

Berdasarkan perumusan masalah diatas maka penulis memiliki tujuan yang hendak dicapai yaitu, sebagai berikut:

1. Mengetahui metode peramalan penjualan Crude Palm Oil (CPO) yang digunakan pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.

2. Menentukan metode peramalan kuantitatif terbaik yang digunakan untuk meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.

3. Menganalisis tingkat peramalan penjualan Crude Palm Oil (CPO) satu tahun mendatang menggunakan metode peramalan kuantitatif terbaik pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.

1.4. Manfaat Penelitian

Berdasarkan perumusan masalah dan tujuan penelitian diatas maka manfaat yang diharapkan penulis adalah sebagai berikut:

6 1. Perusahaan, sebagai salah satu alternatif pengambilan keputusan dalam meramalkan penjualan Crude Palm Oil (CPO) pada PT. Kharisma Pemasaran Bersama (KPB) Nusantara di Jakarta.

2. Pembaca, sebagai bahan informasi dan masukan bagi penelitian selanjutnya terutama yang sesuai dengan penelitian yaitu peramalan penjualan.

3. Peneliti, menerapkan ilmu peramalan (forecasting) yang telah dipelajari sewaktu kuliah Manajemen Produksi dan Operasi serta memenuhi persyaratan untuk mendapatkan gelar Strata Satu (S1).

1.5. Ruang Lingkup Penelitian

Ruang lingkup penelitian adalah mengamati kegiatan peramalan penjualan Crude Palm Oil (CPO) pada PT. KPB Nusantara dan melakukan pengambilan data penjualan CPO tujuh tahun terakhir yaitu dimulai Januari 2004 sampai dengan Desember 2010. Data tersebut akan digunakan untuk mengetahui besarnya penjualan CPO satu tahun mendatang yang dilakukan oleh PT. KPB Nusantara. Pengamatan peramalan penjualan CPO dilihat melalui nilai kesalahan yang terbentuk yaitu nilai Mean Squared Error (MSE), nilai Mean Absolute Error

(MAE) dan nilai Mean Absolute Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil peramalan dilihat dari nilai MSE yang dihasilkan metode peramalan time series yang digunakan. Karena semakin kecil nilai MSE maka metode peramalan semakin akurat.

BAB II

TINJAUAN PUSTAKA

2.1. Minyak Kelapa Sawit/Crude Palm Oil (CPO)

Crude Palm Oil (CPO) atau minyak kelapa sawit kasar berasal dari daging buah (mesocarp) kelapa sawit yang berwarna merah. Keunggulan minyak sawit selain tersusun dari asam lemak tidak jenuh dan asam lemak jenuh, juga mengandung beta karoten atau pro-vitamin A dan pro-vitamin E (tokoferol dan

tokotriol) yang sangat diperlukan dalam proses metabolisme dalam tubuh manusia dan sebagai antioksidan. Hasil pengolahan kelapa sawit dapat dikelompokkan menjadi bahan makanan, bahan non makanan, bahan kosmetika dan farmasi (Mangoensoekarjo dan Haryono, 2003: 67).

Menurut Pardamean (2008: 231), minyak kelapa sawit dapat diolah menjadi bahan makanan seperti mentega, lemak untuk masakan (shortening), bahan tambahan coklat, bahan baku es krim, pembuatan asam lemak, vanaspati, bahan baku berbagai industri dan bahan makanan ternak. Selain itu kegunaan minyak sawit juga digunakan sebagai bahan kosmetik dan obat-obatan yaitu sebagai krim, shampo, lotion, dan vitamin-A. Selain dikembangkan sebagai minyak goreng, minyak sawit dapat diaplikasikan untuk mensintesis berbagai produk pangan karena kandungan mikronutrien yang tinggi seperti karotenoid (500-700 ppm) dan vitamin E (1000 ppm). Minyak Sawit mentah atau CPO dikenal kaya akan mikronutrien, terutama karotenoid (provitamin A) dan sitosterol. Minyak sawit kasar atau Crude Palm Oil (CPO) berwarna

merah-8

kecoklatan menandakan kandungan karotenoid yang tinggi. Produk turunan dari minyak sawit disajikan pada Tabel 2.

Tabel 2. Produk Turunan Minyak Sawit /CPO Minyak sawit /CPO

Pangan Oleokimia( non-pangan)

1. Minyak goreng (olein) 2. Margarin

3. Lemak kue 4. Vanaspati 5. Cocoa

6. Butter substitute

1. Stearin

2. Sabun 3. Asam lemak 4. Gliserin 5. Detergen 6. Pelumas 7. Plasticizer 8. Kosmetika 9. BBM

10.Pro-vitamin A 11.Pro-vitamin E Sumber : Mangoensoekarjo dan Haryono Diolah (2003: 71)

2.2. Permintaan Crude Palm Oil (CPO)

Permintaan CPO dunia dalam 5 (lima) tahun terakhir ( tahun 2001-2005), rata-rata tumbuh sebesar 9,92% (Tryfino, 2006: 1). China dengan Indonesia merupakan negara yang paling banyak menyerap CPO dunia. Selain itu negara Uni Eropa juga termasuk konsumen besar pengkomsumsi CPO di dunia. Faktor yang mendukung terjadinya permintaan CPO seperti pertumbuhan penduduk, pertumbuhan industri hilir, perkembangan energi alternatif. Malaysia dan Indonesia diprediksikan akan terus menjadi pemain utama dalam ekspor CPO ini, mengingat belum ada perkembangan yang signifikan dari negara pesaing lainnya. Bahkan Indonesia diprediksikan akan menyalip Malaysia baik dalam produksi maupun ekspor CPO, karena didukung oleh luas lahan yang tersedia dimana

9

Malaysia sudah mulai terbatas. Sutiyono (2009: 3) menyatakan total produksi CPO dunia pada tahun 2008 adalah 43.1 juta ton yang sebagian besar berasal dari Indonesia dan Malaysia.

Menurut Rawendra (2009: 1), data Oil World menunjukkan produksi CPO Indonesia dan Malaysia untuk 2010 diprediksikan mencapai masing-masing 22,50 juta ton dan 18 juta ton dengan produktivitas sebesar 3,91 ton/ha dan 4,47 ton/ha, sedangkan produksi CPO dunia untuk periode 2010 diprediksikan akan meningkat sebesar 5,3% menjadi 47,52 juta ton. Hal ini sejalan dengan bertambahnya lahan menghasilkan yang meningkat 5,4% dari 12,8 juta ha menjadi 12,83 juta ha. Di tahun 2010, diperkirakan harga CPO akan naik terutama di semester 1 karena faktor ketatnya persediaan edible oil di dunia dan kemungkinan naiknya harga minyak mentah. Diperkirakan pada semester 2 pergerakan harga CPO akan flat

hingga akhir tahun.

Peningkatan permintaan CPO sejalan dengan pertumbuhan ekonomi dan jumlah penduduk, permintaan terhadap CPO akan terus meningkat terutama dari China dan India (Sutiyono. 2009: 7). Sampai dengan bulan Juni 2009 impor China dan India masing-masing mengalami peningkatan sebesar 4.8% dan 36.2% dibandingkan periode yang sama tahun lalu. Menurut Susila (2010: 5-6) konsumsi CPO tahun 2010 diperkirakan akan berkisar antara 31.73 – 32.97 juta ton. Selanjutnya, sampai dengan akhir fase kedua (2017), konsumsi akan berkisar antara 36.80 – 39.28 juta ton. Pada akhir fase ketiga, konsumsi CPO dunia diperkirakan akan berkisar antara 41.45 – 44.45 juta ton.

10

Departemen Pertanian Amerika dalam Sutiyono (2009: 7) memperkirakan konsumsi CPO dari China dan India akan tumbuh masing-masing sebesar 9,1% dan 7.0 % di tahun 2010. Dengan demikian konsumsi domestik kedua negara tersebut diperkirakan sekitar 11.4 juta ton atau sebesar 25.7 % dari jumlah total konsumsi.

2.3. Konsep Penjualan

Konsep penjualan menyatakan bahwa konsumen tidak akan membeli suatu produk organisasi dalam jumlah cukup kecuali jika organisasi tesebut melakukan usaha penjualan dan promosi berskala besar ( Kotler dan Amstrong, 2004: 21). Konsep itu biasanya dilakukan pada barang yang tidak dicari (unsought goods) barang yang oleh pembeli biasanya tidak terpikir untuk dibeli, seperti ensiklopedia atau asuransi.industri tersebut harus mahir melacak calon pelanggan dan menjual manfaat produk tersebut kepada mereka. Konsep penjualan ditampilkan pada Gambar 1.

Titik awal Fokus Sarana Sasaran akhir

Menurut Siegel dan Shim dalam Kurdi (1999: 404), penjualan adalah penerimaan yang diperoleh dari pengiriman barang dagangan atau dari penyerahan pelayanan dalam bursa sebagai barang pertimbangan. Pertimbangan ini dapat dalam bentuk tunai peralatan kas atau harta lainnya. Pendapatan dapat

Pabrik Produk Pejualan Laba melalui Yang ada dan promosi volume penjualan

Gambar 1. Konsep Penjualan Sumber : Kotler dan Amstrong (2004 :21)

11

diperoleh pada saat penjualan, karena terjadi pertukaran, harga jual dapat ditetapkan dan bebannya diketahui. Penjualan adalah usaha yang dilakukan manusia untuk menyampaikan barang yang telah dihasilkannya kepada mereka yang membutuhkannya dengan imbalan uang menurut harga yang ditentukan, atas persetujuan bersama (Sutamto dalam Rokhah, 2004: 8). Perusahaan pada umumnya mempunyai tiga tujuan dalam penjualan yaitu mencapai volume penjualan, mendapatkan laba tertentu, dan menunjukan pertumbuhan perusahaan. Untuk meningkatkan penjualan ada bermacam jenis kegiatan efektif yang dilakukan termasuk didalamnya adalah promosi.

Promosi penjualan yang dilakukan oleh penjual dapat dikelompokkan berdasarkan tujuan yang ingin dicapai (Kotler dan Keller, 2007: 98-100). Pengelompokkan tersebut sebagai berikut:

1. Customer promotion, yaitu promosi yang bertujuan untuk mendorong atau merangsang pelanggan untuk membeli.

2. Trade promotion, yaitu promosi penjualan yang bertujuan untuk merangsang atau mendorong pedagang grosir, pengecer, eksportir dan importir untuk memperdagangkan barang/jasa dari sponsor.

3. Sales-force promotion, yaitu promosi penjualan yang bertujuan untuk memotivasi armada penjualan.

4. Business promotion, yaitu promosi penjualan yang bertujuan untuk

memperoleh pelanggan baru, mempertahankan kontrak hubungan dengan pelanggan, memperkenalkan produk baru, menjual lebih banyak kepada pelanggan lama dan mendidik pelanggan.

12

Menurut Stewart (1995: 10), perencanaan penjualan merupakan suatu sikap, pikiran dan juga merupakan proses yang dirancang untuk:

1. Meramal kecenderungan-kecenderungan masa depan yang mempengaruhi usaha.

2. Mempengaruhi tujuan yang seharusnya dicapai.

3. Menjelaskan bagaimana kita merencanakan pencapaian sasaran-sasaran perusahaan.

4. Memberi umpan balik bagaimana kita akan melakukan usaha-usaha dibandingkan dengan rencana.

5. Bertindak bukan bereaksi.

6. Memusatkan pada kegiatan-kegiatan untuk mencapai hasil.

2.4. Peramalan

Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution. 2006: 235). Render dan Heizer (2001: 136), menyatakan peramalan adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Salah satu jenis peramalan adalah peramalan permintaan/penjualan. Peramalan permintaan merupakan tingkat permintaan produk – produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang. Ramalan penjualan merupakan proses aktivitas memperkirakan produk yang akan dijual dimasa

13

mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah terjadi atau mungkin terjadi (Nafarin, 2007: 96).

Peramalan adalah suatu proses memperkirakan secara sistematik tentang apa yang terjadi dimasa depan berdasar informasi masa lalu dan sekarang yang dimiliki agar kesalahannya (selisih antara apa yang terjadi dengan hasil perkiraan) dapat diperkecil (Mulyono, 2000: 1). Handoko (2000: 260), menyatakan esensi peramalan adalah memperkirakan peristiwa-peristiwa diwaktu yang akan datang atas dasar pola-pola waktu yang lalu dan penggunaan kebijakan terhadap proyeksi-proyeksi dengan pola-pola di waktu yang lalu.

Menurut Render dan Heizer (2001: 46), jika dilihat dari jangka waktu ramalan yang telah disusun, maka peramalan dapat dibedakan menjadi 3 macam, yaitu:

1. Peramalan jangka pendek, yaitu peramalan yang memiliki rentang waktu satu tahun tetapi umumnya kurang dari tiga bulan. Peramalan jangka pendek digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan dan tingkat produksi.

2. Peramalan jangka menengah, biasanya berjangka tiga bulan hingga tiga tahun. Peramalan ini sangat bermanfaat dalam perencanaan penjualan, perencanaan dan penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi.

3. Peramalan jangka panjang, yaitu peramalan yang memiliki rentang waktu biasanya tiga tahun atau lebih, digunakan dalam merencanakan produk baru,

14

pengeluaran modal, lokasi fasilitas, atau ekspansi dan penelitian serta pengembangan.

2.4.1. Kegunaan dan Peran Peramalan

Permintaan suatu produk pada suatu perusahaan sangat dipengaruhi oleh berbagai faktor lingkungan yang saling berinteraksi dalam pasar yang berada di luar kendali perusahaan. Dimana faktor – faktor lingkungan tersebut juga akan mempengaruhi peramalan. Berikut ini merupakan beberapa faktor lingkungan yang mempengaruhi peramalan (Yamit, 2005: 48), yaitu:

1. Kondisi umum bisnis dan ekonomi 2. Reaksi dan tindakan pesaing 3. Tindakan pemerintah 4. Kecenderungan pasar 5. Siklus hidup produk 6. Gaya dan mode

7. Perubahan permintaan konsumen

2.4.2. Identifikasi Pola Data Time Series

Menurut Firdaus (2006: 2), salah satu instrumen yang digunakan untuk mengekplorasi pola data adalah koefisien autokarelasi (rk), yaitu korelasi antara nilai peubah yt dengan nilai beda kalanya (lag) yaitu yt-1. Kumpulan rk untuk berbagai tingkatan beda kala disebut Autocorrelation Function (ACF). ACF dapat digunakan untuk mengidentifikasi apakah data itu trend, stasioner, variasi

15

musiman, siklus. Trend adalah komponen data deret waktu yang menunjukkan peningkatan atau penurunan dalam jangka panjang selama periode waktu yang diamati, variasi musiman adalah fluktasi data yang berulang setiap beberapa hari, minggu atau bulan karena faktor cuaca, hari raya dan lainnya. Siklus adalah fluktuasi seperti gelombang disekitar trend, dengan kata lain pola musiman dalam jangka lebih panjang yang berulang biasanya setiap lima sampai sepuluh tahun. Unsur stasioner adalah fluktuasi data dimana relatif konstan walaupun ada kenaikan atau penurunan, jika dirata-ratakan masih berada pada titik rata-rata.

Cara selanjutnya adalah identifikasi terhadap pola atau perilaku

Autocorrelatinal Function (ACF) dan Parsial Autocorrelation Function (PACF). Suatu deret data non musiman dikatakan stasioner jika koefisien autokorelasinya nol untuk semua tingkatan beda kala. Series juga dapat dikatakan stasioner bila koefesien autokorelasinya berbeda nyata dengan nol hanya pada beberapa kala pertama (k 5) (Firdaus, 2006: 23).

2.4.3. Metode Peramalan

Menurut Nasution (2006: 242) secara umum, peramalan diklasifikasikan menjadi 2 macam, yaitu:

1. Peramalan yang bersifat subjektif. Peramalan subjektif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang dan intuisi yang meskipun kelihatanya kurang ilmiah tetapi dapat memberikan hasil yang baik, peramalan subjektif ini akan diwakili oleh metode Delphi dan metode penelitian pasar.

16

2. Peramalan yang bersifat objektif, merupakan prosedur peramalan yang mengikuti aturan-aturan matematis dan statistik dalam menunjukkan hubungan antara permintaan dengan satu atau lebih variabel yang mempengaruhinya. Peramalan objektif terdiri dari dua metode yaitu, metode intrinsik dan ekstrinsik.

Metode peramalan dapat diklasifikasikan menjadi dua metode kualitatif dan metode kuantitatif (Firdaus. 2006: 1). Peramalan kualitatif didalam prosedurnya melibatkan pengalaman, judgements maupun opini dari sekelompok orang yang pakar dibidangnya. Teknik kualitatif terdiri dari teknik sales-force

composite (agregasi ramalan dari setiap individu dalam suatu organisasi) dan teknik delphi (untuk mengumpulkan individu dalam suatu organisasi). Metode ini cocok untuk peramalan dalam jangka panjang lebih dari 5 tahun.

Menurut Makridakis dkk (1999: 10) menyatakan bahwa pendekatan kualitatif dibagi menjadi dua bagian, yaitu metode eksploratoris dan normatif. Metode ekploratoris seperti delphi, kurva-s analogi dan penelitian morfologis, metode normatif seperti matriks keputusan, pohon relevansi, dan analisis sistem, dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumberdaya, dan teknologi yang tersedia. Kelemahanya adalah tidak ada prosedur yang sistematis untuk mengukur dan memperbaiki keakuratan hasil peramalan serta kemungkinan tingginya subjektivitas pendapat.

Peramalan kuantitatif melibatkan analisis statistik terhadap data-data yang lalu (Firdaus. 2006: 1). Metode peramalan kuantitatif terbagi atas dua golongan

17

yaitu model deret waktu satu ragam dan metode kausal. Model deret waktu satu ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu, sebagai contoh teknik naif, perataan, pemulusan, dekomposisi,

trend, metodologi Box-Jenkins (ARIMA-SARIMA) dan ARCH-GARCH. Model

kausal fokus pada identifikasi dan determinasi hubungan antar variabel yang akan diramalkan, yang tergolong dalam metode ini antara lain teknik regresi, model ekonometrika dan input output. Model deret berkala (time series), pendugaan masa depan dilakukan berdasarkan masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuan metode peramalan deret berkala (time series) adalah menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Makridakis dkk (1999: 9), model kausal mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Maksud dari metode kausal adalah menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel tak bebas.

Terdapat dua hal yang harus diperhatikan untuk mendapatkan peramalan yang akurat yaitu pertama pengumpulan data secara baik, dan kedua peramalan dengan teknik yang tepat. Oleh karena itu perlu dilakukan langkah-langkah secara berurutan (Firdaus, 2006: 1- 2), yaitu:

1. Menentukan tujuan peramalan dan peubah yang dianalisis 2. Mengumpulkan data

3. Membuat dan menentukan pola data

18

5. Evaluasi hasil estimasi

Metode yang akan dibahas dalam penelitian ini adalah menggunakan peramalan yang akan terjadi pada masa mendatang secara kuantitatif yaitu dengan menggunakan metode time series (runtun waktu).

2.4.4. Metode Peramalan Time Series

Menurut Firdaus (2006: 2), metode peramalah kuantitatif terdiri dari dua golongan, model deret waktu satu rangam dan model kausal. Model deret waktu satu ragam (time series) fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu sebagai contoh teknik Naif, Perataan, Pemulusan, Dekomposisi, Trend, Metodologi Box-Jenkins (ARIMA-SARIMA) dan ARCH-GARCH. Mulyono (2000: 91), metode peramalan time series

didasarkan atas penggunaan analisa pola hubungan variabel yang akan diperkirakan dengan variabel waktu yang merupakan data deret waktu (time

series). Tujuan metode time series ialah menemukan pola dalam deret waktu dan mengekstrapolasikan data tersebut ke masa depan. Metode-metode yang digunakan dalam peramalan time series terdiri dari beberapa metode, yaitu: a. Metode Naif (Naive)

Menurut Firdaus (2006: 5) metode naif berdasarkan asumsi bahwa periode saat ini merupakan prediktor terbaik dari masa mendatang. Metode ini merupakan metode sederhana karena perhitungannya dengan menggunakan data yang lewat (past data) yang dijadikan sebagai ramalan waktu mendatang. Metode naif cocok pada pola data stasioner. Menurut Mulyono (2000: 126) metode naif ini dianggap

19

bahwa dimasa datang suatu sistem cenderung mempertahankan momentum (enggan berubah dari) masa silam.

b. Metode Rata-rata Bergerak (Moving Average)

Menurut Firdaus (2006: 6), menyatakan metode perataan digunakan bila peramalan dilakukan secara berulang-ulang untuk data yang tidak terlalu besar. Teknik ini digunakan untuk memasukkan informasi terbaru, setiap ada informasi terbaru akan diperoleh dengan menghilangkan informasi terlama dengan memasukkan informasi terbaru, pada teknik ini semua informasi dibobot sama. Teknik ini baik untuk data stasioner. Kelebihan metode ini adalah jumlah data yang dimasukkan ke dalam nilai rataan fleksibel sehingga dapat divariasikan sesuai dengan pola datanya. Selain itu metode ini mudah dipahami. Kelemahannya, metode ini hanya baik untuk data stasioner yang cenderung bergerak tidak menaik atau menurun.

c. Metode Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing) Metode ini baik diterapkan pada serial data yang memiliki pola stasioner dan kemungkinan tidak efektif dalam menangani peramalan dengan kecenderungan data yang memiliki komponen trend dan pola musiman. Hal ini dikarenakan jika diterapkan pada serial data yang memiliki trend yang konsisten, ramalan yang dibuat akan selalu berada dibelakang trend. Selain itu, metode eksponensial ini juga memberikan bobot yang relatif lebih tinggi pada nilai pengamatan terbaru dibanding nilai-nilai periode sebelumnya. Metode ini menggunakan nilai . Firdaus (2006: 10) menyatakan hasil peramalan tergantung pada besarna . Nilai yang besar biasanya cocok untuk ramalan yang

20

menghendaki respon yang cepat. Mencari nilai yang tepat umumnya dapat ditentukan dengan pengujian trial and error (coba-coba) terhadap yang berbeda-beda untuk menemukan nilai yang menghasilkan nilai kesalahan terkecil. d. Metode Pemulusan Ekponensial Ganda (DoubleEksponensialSmoothing)

Metode double eksponential smoothing memiliki dasar pemikiran yang sama dengan rata-rata bergerak linier. Terkait dengan itu, penerapan metode

double eksponential smoothing ini cukup baik untuk deret data yang memiliki unsur trend. Metode double eksponential smoothing memproses time series yakni dengan mengekstrapolasi data atas dasar trend terakhir yang terbentuk, sehingga ramalan yang akan terlihat nantinya cenderung ke satu arah yakni sesuai dengan arah trend terakhir.

e. Metode Perhitungan Indeks Musiman

Menurut Handoko (2000: 278), perhitungan indeks musiman dapat dihitung dengan mencari nilai rata-rata berbagai rasio penjualan kuartal nyata terhadap nilai garis trend untuk setiap periode. Menurut Rangkuti (2005: 13) indeks musiman perlu dilakukan untuk mengetahui secara jelas apakah data time

series yang dimiliki mengandung unsur musiman atau tidak. f. Metode Tren (Trend)

Peramalan menggunakan metode trend sudah sangat umum dilakukan dalam perusahaan bisnis, hal ini dikarenakan banyaknya data ekonomi dan bisnis yang mengandung unsur trend yang meningkat atau menurun.

Menurut Firdaus (2006: 14), model regresi merupakan teknik yang paling banyak digunakan dalam pemodelan trend lenier, sedangkan model regresi lenier

21

kubik dan kuadratik menggunakan model regresi berganda. Proses meregresikan peubah dependen terhadap waktu akan memperoleh koefisien regresi dari model

trend. Menurut Iriawan dan Septian (2006: 199) model regresi memiliki variabel respons (variabel dependen) dan variabel prediktor (variabel independen). Variabel respon adalah variabel yang dipengaruhi suatu variabel prediktor dan peneliti tidak bebas mengendalikannya, variabel prediktor digunakan untuk memprediksi nilai variabel respons dan peneliti bebas mengendalikannya.

g. Metode Box-Jenkins (ARIMA)

Menurut Firdaus (2006: 19), ARIMA merupakan bagian dari analisis deret waktu satu ragam (time series), ARIMA atau autoregressive integrated moving

average. Mulyono (2000: 147), menyatakan metode Box-Jenkins merupakan suatu prosedur interatif memilih model terbaik untuk series yang stasioner dari suatu kelompok model time series lenier. Metode ARIMA adalah metode yang tepat untuk mengatasi terlalu rumitnya deret waktu (terdapat variasi dari pola data) dan situasi peramalan lainnya.

Menurut Firdaus (2006: 19) prosedur Box-Jenkins terdiri dari beberapa tahapan, yaitu:

1. Identifikasi. Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu terhadap pola data, apakah terdapat unsur musiman atau tidak. Kedua, identifikasi terhadap kestasioneran data. Ketiga, identifikasi terhadap pola atau perilaku ACF dan PACF. ACF (Autocorrelation Function) adalah hubungan antara nilai suatu variabel dengan nilai lampaunya, dapat dengan masa tenggang (lag) satu atau lebih. Koefisien autocorrelation berkisar antara -1

22

dan +1, dimana 0 menunjukkan tidak ada hubungan. PACF (Partial Autocorrelation Function) adalah hubungan antara nilai suatu variabel dengan nilai yang lebih awal daari varabel itu, jika pengaruh nilai-nilai diantaranya (lainnya) dihilangkan. Sebagai contohnya jika ingin diketahui hubungan pada variabel di periode ke satu dengan periode ke empat, maka pengaruh dari periode kedua dan ketiga dihilangkan.

2. Estimasi model. Pada tahap estimasi, pertama-tama dihitung nilai estimasi awal untuk parameter-parameter dari model tentatif. Untuk menghitung nilai estimasi awal, biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi untuk masing-masing parameter.

3. Evaluasi model. Setelah diperoleh persamaan untuk model tentatif, dilakukan uji diagnostik untuk menguji kedekatan model dengan signifikansi dan hubungan-hubungan parameter. Jika ada hasil yang tidak dapat diterima atau tidak memenuhi syarat, maka model harus diperbaiki dan langkah-langkah sebelumnya diulangi kembali. Uji diagnostik untuk evaluasi model terdapat 6 kriteria, yaitu residual peramalan bersifat acak, model parsimonius

(sederhana), parameter yang diperoleh berbeda nyata dengan nol, proses iterasi harus convergence dan memiliki nilai MSE (Mean Squared Error) terkecil.

Menurut Firdaus (2006: 45), untuk data yang secara nyata mengandung unsur musiman dapat diterapkan metodologi serupa yang dikembangkan Box-Jenkins. Dalam penerapanya model ini disebut season ARIMA (SARIMA). Perbedaan dengan ARIMA adalah pada proses pembedaan serta identifikasi

23

perilaku ACF dan PACF data deret waktu yang dalam hal ini mengandung unsur musiman. Suatu deret waktu musiman (seasonal time series) juga harus stasioner terlebih dahulu sebelum diestimasi dalam suatu model peramalan. Pembedaan musiman merupakan pengurangan dari dua pengamatan yang berbeda sejauh L peiode. Dalam hal ini L didefinisikan sebagai jumlah periode musiman dalam satu tahun.

2.4.5. Pemilihan Metode Peramalan

Metode peramalan terdiri dari bermacam-macam dan memiliki kelebihan dan kekuranganya masing-masing. Pada pemilihan teknik peramalan terbaik, peramal harus mempertimbangkan beberapa faktor. Menurut Firdaus (2006: 4), penilaian terhadap akurasi hasil peramalan dapat dilakukan degan mengamati besarnya selisih aktual pengamatan dengan nilai estimasi dari peramalan. Selain indikator tersebut, terdapat beberapa hal lain yang harus dipertimbangkan oleh peramal, yaitu:

1. Sederhana tidaknya model (parsimonious) 2. Mudah tidaknya diterapkan

3. Ketersediaan biaya peramalan

Pemilihan metode yang tepat dapat dilakukan dengan mengamati besarnya selisih nilai aktual pengamatan dengan nilai estimasi dari peramalan, secara umum bila residual besarnya merata sepanjang pengamatan maka MSE (Mean Squared

Error) yang sebaiknya digunakan. Namun bila hanya ada satu atau dua residual yang besar maka MAE (Mean Absolute Error) yang sebaiknya digunakan dan

24

untuk melihat bias tidaknya peramalan maka MPE (Mean Percentage Error) dapat digunakan. Hasil peramalan dikatakan tidak bias bila nilai MPE 0.

2.5. Hasil Penelitian Terdahulu

Laduni (2008) dalam penelitianya yang berjudul Uji Metode Peramalan Produksi di Usaha Dagang Safari Donat. Penelitian ini bertujuan untuk mengetahui pola data produksi donat Usaha Dagang Safari Donat. Kemudian memilih metode peramalan kuantitatif yang sesuai dan ramalan untuk produksi donat, sehingga dapat diketahui pemilihan metode peramalan yang sesuai dan meramalkan jumlah produksi donat satu tahun mendatang.

Berdasarkan hasil penelitian menunjukkan bahwa data produksi donat Usaha Dagang Safari Donat yang dieksplorasi memiliki unsur trend menurun, unsur musiman tertentu, dan tidak memiliki kestasioneran dalam pola datanya. Berdasarkan pengujian dan perhitungan nilai akurasi yang terkecil, metode peramalan time series yang terbaik dan sesuai untuk peramalan produksi Usaha Dagang Safari Donat adalah metode Box-Jenkins dengan model ARIMA (0,1,0) (0, 1,1)52. Nilai MSE yang terkecil dihasilkan peramalan terbaik yaitu metode Box-Jenkins dengan model ARIMA.

Khaerunnisah (2008) dalam penelitiannya yang berjudul Analisis Peramalan Penjualan untuk Perencanaan Pengendalian Persediaan Kecap Manis Sate PT. Korma Jaya Utama (KJU). Penelitian ini bertujuan untuk mengetahui pola data penjualan dan metode peramalan penjualan sehingga dapat diketahui pemilihan metode peramalan penjualan terakurat untuk memprediksi tingkat

25

penjualan kecap manis sate PT. Korma Jaya Utama (KJU) satu tahun mendatang. Untuk meramalkan penjualan kecap manis sate dilakukan dengan menghitung tingkat penjualan menggunakan metode time series dan regresi lenier. Berdasarkan data penjualan kecap teridentifikasi pola data stasioner dan pola musiman. Grafik plot data tersebut didapatkan nilai penjualan kecap manis sate yang relatif konstan berada pada sekitar rata-rata. Pola musiman yang disebabkan oleh perilaku sales (agen). Metode peramalan yang digunakan terdiri atas metode naif, metode eksponential smoothing, metode Box-Jenkins. Metode peramalan

time series dipilih karena memiliki nilai MSE (Mean Squared Error) terkecil yaitu 153086792. Sedangkan metode musiman dipilih karena metode ini dapat mencari rata-rata penjualan pada bulan yang sama pada periode yang berbeda.

2.6. Kerangka Pemikiran Penelitian

Dunia usaha yang terus menerus berubah dengan cepat, mengharuskan perusahaan harus mampu menganalisis lingkungan yang terus berubah tersebut dan memprediksi berbagai kemungkinan di masa depan. Kemampuan untuk meramal atau forecast masa depan merupakan usaha perusahaan sebagai dasar pengambilan keputusan strategis untuk kelangsungan perusahaan.

Crude Palm Oil (CPO) atau minyak sawit merupakan salah satu komoditi

sektor perkebunan yang memiliki prospek usaha yang cukup besar dan menjadi salah satu penyumbang devisa non migas. Dari segi ekspor, sektor ini telah memberikan kontribusi sebesar US $ 12,04 miliar di tahun 2006 dan merupakan sektor yang menyerap tenaga kerja terbanyak (Sutiyono, 2009: 6). PT. KPB

26

Nusantara merupakan anak dari perusahaan perkebunan PTPN I sampai dengan PTPN XIV dan PT RNI. PT. KPB Nusantara merupakan perusahaan yang bergerak dalam pemasaran hasil komoditi meliputi minyak sawit, karet, latex, teh, kopi, coklat dan gula tetes yang dipasarkan di dalam maupun luar negeri. Namun dalam penelitian ini akan lebih terfokus kepada penjualan komoditi Crude Palm

Oil (CPO) atau minyak sawit kasar, yang dihasilkan oleh PTPN penghasil CPO (PTPN I , II , III , IV , V , VI , VII , VIII , XIII dan XIV).

PT. KPB Nusantara memiliki pelanggan yang berada di dalam maupun luar negeri, didalam negeri pelanggannya berupa perusahaan pengolahan CPO maupun eksportir. Sedangkan konsumen luar negeri, PT. KPB Nusantara memiliki konsumen tetap yang menjadi langganannya seperti negara China, India, dan Uni Eropa. Dari segi pesaing, PT. KPB Nusantara memiliki pesaing dari perusahaan swasta dan negara penghasil CPO seperti Malaysia, Nigeria, Pantai Gading, Thailand, Equador dan masih banyak lagi (Malaysian Palm Oil Board

dalam Sutiyono, 2009: 3).

Salah satu cara yang diperlukan untuk mengantisipasi penjualan CPO yang tidak menentu maka dibutuhkan peramalan penjualan. Peramalan penjualan diperlukan untuk memprediksi permintaan pasar CPO yang tidak menentu, karena dengan menggunakan peramalan penjualan maka akan terjadi peningkatan keuntungan dari penjualan CPO. Sebaliknya, bila kebutuhan konsumen atau pelanggan CPO perusahaan tidak terpenuhi maka ada kemungkinan pelanggan CPO perusahaan akan berpindah ke perusahaan pesaing yang mengakibatkan hilangnya kesempatan perusahaan untuk memperoleh laba. Selain itu kegiatan

27

peramalan penjualan dapat digunakan perusahaan untuk mempersiapkan strategi-strategi penjualan untuk menghadapi segala kemungkinan akan terjadi.

Peramalan penjualan CPO dilakukan dengan menggunakan metode peramalan kuantitatif, yaitu metode time series yang terdiri dari metode naif, metode moving average, metode single eksponential smoothing, metode double

eksponential smoothing, metode indeks musiman, metode trend dan metode Box-Jenkins (ARIMA). Berdasarkan beberapa metode peramalan yang digunakan, selanjutnya dapat diketahui nilai kesalahan yang terbentuk yaitu nilai Mean

Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean Absolute

Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil

peramalan dilihat dari nilai MSE yang dihasilkan karena semakin kecil nilai error

maka semakin akurat peramalan yang digunakan, atau dengan kata lain metode peramalan yang digunakan mendekati aktual.

Berdasarkan hasil perhitungan menggunakan peramalan kuantitatif akan dilakukan analisis tingkat peramalan penjualan CPO, sehingga perusahaan dapat mengambil keputusan yang terbaik terhadap penjualan CPO tahun 2011. Secara garis besar, maksud uraian kerangka pemikiran penelitian disajikaan pada Gambar 2.

28

Gambar 2. Alur Kerangka Pemikiran Penelitian

Keterangan :

= Alat penelitian

= Arah aktifitas penelitian = Sasaran penelitian = Aktifitas penelitian

PT. Kharisma Pemasaran Bersama Nusantara

Manajemen Penjualan CPO

Peramalan Penjualan Kuantitatif 1. Metode Naif (Naive)

2. Metode Rata-rata Bergerak (Moving Average)

3. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing)

4. Metode Pemulusan Eksponensial Ganda

(Double Eksponential Smoothing)

5. Metode Indeks Musiman 6. Metode Tren (Trend)

7. Metode Box-Jenkins (ARIMA)

Pemilihan Metode Peramalan Kuantitatif Terbaik

Mean Squared Error (MSE) Volume penjualan CPO

Analisis Tingkat Peramalan Penjualan CPO Terbaik Satu Tahun Mendatang

29

2.7. Definisi Operasional

1.Crude Palm Oil (CPO) adalah minyak kelapa sawit kasar berasal dari daging buah (mesocarp) kelapa sawit yang berwarna merah.

2.Data time series (deret waktu) adalah data yang dikumpulkan dan diamati atas rentang waktu tertentu. Eksplorasi data menekankan pada bagaimana perilaku data sepanjang periode pengamatan (Firdaus, 2006:2).

3.Ramalan penjualan merupakan proses aktivitas memperkirakan produk yang akan dijual dimasa mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah terjadi atau mungkin terjadi (Nafarin, 2007: 96).

4.Mean Squared Error (MSE) digunakan bila nilai residual (error) besarnya merata sepanjang pengamatan yaitu penilaian akurasi hasil peramalan dengan mengamati besarnya selisih nilai aktual dengan nilai estimasi dari peramalan (Firdaus, 2006:4).

5.Autocorrelation function (ACF) adalah hubungan antara nilai suatu variabel dengan nilai lampaunya, dapat dengan masa tenggang satu atau lebih, dimana koefisien berkisar antara -1 dan +1, dimana 0 menunjukkan tidak ada korelasi (Mulyono, 2000: 151).

6.Parsial Autocorrelasi function (PACF) adalah hubungan antara nilai suatu variabel dengan nilai yang lebih awal dari variabel itu, jika pengaruh nilai-nilai diantara keduanya (lainnya) dihilangkan (Mulyono, 2000: 153).

30

7.Stasioneritas

Suatu deret dikatakan stasioneritas apabila proses tidak berubah seiring dengan perubahan waktu. Maksudnya, rata-rata deret pengamatan di sepanjang waktu konstan.

8.Eksplorasi data

Merupakan penjelajahan data penjualan dengan tujuan memperoleh pengetahuan lebih banyak mangenai pola data penjualan Crude Palm Oil

(CPO).

9. Residual (error) adalah perbedaan antara nilai aktual dengan hasil peramalan.

31 BAB III

METODE PENELITIAN

3.1. Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di PT. Kharisma Pemasaran Bersama (KPB) Nusantara Jl. Taman Cut Mutiah No. 11 Jakarta 10330. Pemilihan tempat penelitian ini dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa PT. KPB Nusantara merupakan salah satu perusahaan pemasar Crude Palm Oil

(CPO) dan merupakan perusahaan milik negara yang bergerak dalam pemasaran komoditi perkebunan baik dalam maupun luar negeri. Penelitian ini dilaksanakan pada bulan Juni - Oktober 2010.

3.2. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dari wawancara menggunakan daftar pertanyaan yang ditujukan kepada Manajer Analisa Pasar dan Analisa Usaha. Data sekunder diperoleh dari data pola penjualan CPO yang telah dilakukan PT KPB Nusantara selama tujuh tahun yaitu pada periode Januari 2004 sampai Desember 2010.

Berdasarkan sumber data, data primer diperoleh langsung dari perusahaan sedangkan untuk melengkapi data primer diperlukan data sekunder yang diperoleh dari berbagai kepustakaan yang relevan dengan penelitian. Tinjauan pustaka yang digunakan berasal dari berbagai pustaka diantaranya data statistik dan gambaran umum terhadap penelitian yang berkaitan dengan tujuan penelitian dan metode

32 peramalan yang digunakan dalam penelitian ini. Penerapan studi pustaka dalam penelitian ini yaitu berasal dari perpustakaan dan internet.

3.3. Metode Pengolahan dan Analisis Data

3.3.1. Analisis Kualitatif

Analisis kualitatif dijelaskan secara deskriptif yang berkaitan dengan gambaran umum perusahaan meliputi lokasi perusahaan, visi misi, kegiatan usaha perusahaan, sejarah berdirinya perusahaan, struktur organisasi, ketenagakerjaan, produk CPO yang dipasarkan perusahaan, bauran pemasaran dan kegiatan peramalan penjualan CPO yang dilakukan oleh PT. KPB Nusantara di Jakarta.

3.3.2. Analisis Kuantitatif

Analisis kuantitatif digunakan untuk mengetahui besarnya penjualan yang harus disiapkan satu tahun mendatang dengan melihat pola data penjualan periode Januari 2004 sampai Desember 2010. Kemudian berdasarkan pola data penjualan tersebut, data diolah dengan menggunakan metode peramalan kuantitatif peramalan time series, dengan melihat nilai kesalahan yang terbentuk yaitu nilai

Mean Squared Error (MSE), nilai Mean Absolute Error (MAE) dan nilai Mean Absolute Percentage Error (MAPE), sedangkan untuk mengetahui keakuratan hasil peramalan dilihat dari nilai MSE yang dihasilkan. Karena semakin kecil nilai MSE maka metode peramalan semakin akurat. Peramalan penjualan satu tahun mendatang dapat diketahui dengan menggunakan metode peramalan time series

33 peramalan penjualan CPO dilakukan dengan menggunakan program Microsoft Excel dan Minitab 15.

3.3.2.1. Metode Peramalan Time Series

Penelitian ini menggunakan metode peramalan time series. Metode peramalan time series terdiri dari beberapa metode, yaitu metode naif, metode rata-rata bergerak, metode pemulusan eksponensial tunggal, metode pemulusan eksponensial ganda, metode indeks musiman, metode tren, metode Box-Jenkins (ARIMA). Berdasarkan semua metode yang digunakan tersebut akan dipilih metode yang paling sesuai dengan pola data yang terdapat pada perusahaan berdasarkan nilai MSE terkecil.

1. Metode Naif (Naive)

Menurut Firdaus (2006: 5) metode naif dapat dirumuskan sebagai berikut:

t+1

=

t

Dimana :

t+1 = nilai ramalan penjualan CPO periode mendatang t = nilai aktual penjualan CPO periode ke-t

2. Metode Rata-Rata Bergerak (Moving Average)

Metode ini menggunakan urutan kerja sebagai berikut: a. Menentukan ordo dan bobot rata-rata bergerak

Ordo dan rata-rata bergerak adalah jumlah data masa lalu yang dimasukkan ke dalam rataan yang disimbolkan dengan n (ordo). Dasar penentuan ordo ini

34 adalah dengan mengambil rata-rata dari dua data maka diharapkan pelicinan akan jelas. Sebagai contoh moving average (MA) ordo 1, berarti peramalan hanya menggunakan satu observasi sebelumnya untuk meramalkan satu nilai yang akan datang (Firdaus, 2006: 6).

b. Formula untuk teknik ini adalah:

t+1

= MA

(n)t

= ( y

t

+ y

t-1

+ y

t-2

+ …+y

t-n+1

)

n

Dimana :

t+1 = nilai ramalan penjualan CPO untuk satu periode ke depan

y

t = nilai aktual penjualan CPO pada waktu ke-t

n

= ordo dari rata-rata bergerak

3. Metode Pemulusan Eksponensial Tunggal (Single Ekponential Smoothing)

Menurut Firdaus (2006:10), formula untuk teknik ini adalah:

S

t

= y

t

+ (1- ) S

t-1 Nilai awal St = (S1 + S2 + Sn-1 + Sn)/n Dimana :

St-1 = nilai aktual penjualan CPO untuk satu periode ke depan yt = nilai aktual penjualan CPO periode ke-t

St = nilai ramalan penjualan CPO periode sebelumnya = a = koefisien pemulusan(0 <1)

35 4. Metode Pemulusan Eksponensial Ganda (Double Eksponential

Smoothing)

Metode Double Eksponential Smoothing menggunakan dua koefisien pemulusan diantaranya adalah koefisien pemulusan dan . Koefisien pemulusan menunjukkan nilai koefisien terhadap pemulusan metode double eksponential

smoothing dan koefisien menunjukkan nilai koefisien terhadap trend. nilai konstanta pemulusan tersebut bernilai antara 0 dan 1. Persamaan dalam metode

double eksponential smoothing adalah:

At = Yt + (1- )(At-1 + T t-1) Tt = (At-At-1) + (1- ) Tt-1 Dimana :

, = koefisien pemulusan Yt = nilai periode ke-t

At-1 = nilai periode sebelumnya Tt-1 = nilai tren periode sebelumnya 5. Metode Indeks Musiman

Persamaan dalam metode indeks musiman adalah: Y = a + bX

a = Y

n

b = XY

n = Yt Y

(rata-rata) =

n

36 t+1 = (Y)( rata-rata)

Dimana:

a, b = konstanta n = banyaknya data Y = penjualan aktual

X = pengkodean dari titik tengah periode = rasio penjualan

Yt = nilai garis trend

t+1 = penjualan periode ke depan

6. Metode Tren (Trend)

Menurut Firdaus (2006:14), bentuk umum persamaan trend adalah Yt= a1+b1 (T) + t

Dimana:

Yt = Penjualan CPO (Variabel dependen) T = Waktu atau periode ( variabel independen) a1 dan b1 = Parameter model

t = Residual model

Bentuk lain dari persamaan trend adalah Model trend kuadratik dengan persamaan sebagai berikut:

Yt = at +blt (T) + t

7. Metode Box-Jenkins

Prosedur Box-Jenkins terdiri dari beberapa tahapan, yaitu identifikasi, estimasi, evaluasi model dan peramalan (Firdaus, 2006: 19). Pada tahap

37 identifikasi dilakukan ekplorasi terhadap pola data untuk mengetahui unsur musiman, kestasioneran data, identifikasi terhadap pola ACF dan PACF. Pada tahap estimasi model dilakukan perhitungan awal untuk parameter-parameter dari model tentatif. Tahap evaluasi model, dilakukan uji diagnostik untuk menguji kedekatan model dengan data. Pada tahap peramalan, dilakukan penerapan terhadap model dengan parameter yang paling efisien.

Menurut Firdaus (2006: 24-28), setelah data dipastikan stasioner, selanjutnya adalah identifikasi untuk menentukan model ARIMA tentatif. Hal in dilakukan dengan menganalisis perilaku atau pola ACF dan PACF. Koefisien autokorelasi (ACF) dapat bernilai antara -1 sampai +1. Suatu deret waktu non musiman dikatakan stasioner jika koefisien autokorelasinya nol untuk dapat stasioner bila koefisiennya berbeda nyata dari nol hanya pada beberapa beda kala pertama (k 5). Parsial autokorelasi (PACF) digunakan untuk mengetahui ukuran hubungan antara dua deret waktu yang berbeda ketika pengaruh dari variabel lainnya dihilangkan. Untuk mendapatkan plot ACF dan PACF dapat dilakukan menggunakan software Minitab 15 karena perhitungan secara manual sangat rumit. Untuk data yang tidak mengandung unsur musiman beberapa alternatif model tentatif adalah sebagai berikut:

a. Model Autoregresif-autoregressive (AR)

Model AR dipilih bila ACF menunjukkan pola dying down dan PACF menunjukkan pola yang cut off. jumlah observasi masa lalu yang digunakan dalam model AR dikenal dengan orde p. Berikut persamaan model AR.

38 Dimana :

Zt = observasi deret stasioner saat ini Z-1, Zt-2 = observasi sebelumnya

,

1

,

2= parameter-parameter yaitu konstan dan koefisien

t = residual parameter acak untuk periode saat ini yang diharapkan nilainya sama dengan nol

b. Model Rataan Bergerak- Moving Average (MA)

Model MA ini dipilih bila ACF menunjukkan pola yang cut off dan PACF menunjukkan pola dying down. Jumlah residual masa lalu yang digunakan dalam model MA dikenal sebagai orde q. Berikut peramaan model MA.

Z

t

= +

t

–

t t-1

–

2 t-2

- …-

q t-q Dimana :

Zt = observasi deret stasioner saat ini

t = residual peramalan yang white noise

t-1

,

t-2 = residual peramalan periode sebelumnya , 1, 2

= konstanta dan koefisien rataan bergerak c. Model Gabungan- Autoregressive Moving Average (ARMA)

Model gabungan ini dipilih bila ACF dan PACF kedua-duanya menunjukkan pola dying down. Model ini adalah kombinasi model autoregresif dan model rataan bergerak. Orde dari model gabungan ini adalah p dan q. Persamaan dalam model ini sebagai berikut:

39 Dimana :

Zt = observasi deret stasioner saat ini

Zt-1, Zt-2,…, t-1, t-2 = observasi danresidual peramalan periode sebelumnya dari deret stasioner

t = residual peramalan acak untuk periode saat ini , 1, 2,…, 1, 2,.. = konstanta dan koefisien-koefisien model

mengestimasi model ARIMA

Menurut Firdaus (2006: 29) dalam tahap estimasi model, penentuan ordo p dan q secara lebih terperinci dapat dilakukan berdasarkan identifikasi ACF dan PACF. Sebagai contoh, bila koefisien ACF signifikan hanya pada beda kala 1 dan 2 serta PACF mempunyai pola damped eksponensial, maka model tentatif adalah ARIMA (0,d,2).

Setelah dilakukan estimasi parameter model, selanjutnya dilakukan evaluasi untuk memastikan apakah model yang diestimasi sudah baik atau belum. Terdapat enam kriteria dalam evaluasi model Box-Jenkins, yaitu,

1. Residual peramalan bersifat acak. Untuk memastikan apakah model sudah memenuhi syarat ini, dapat digunakan indikator Box-Ljung statistic. Dari

session diketahui bahwa model nilai P-value untuk uji statistik ini lebih besar dari 0,05 yang menunjukkan bahwa residual sudah acak. Selain itu grafik ACF dan PACF dari residual menunjukkan pola cut off, yang berarti bahwa residual memang sudah acak.

119

Lampiran 17.

Grafik Pergerakan Hasil Peramalan Penjualan CPO Menggunakan

Metode

Trend Analysis

Model Kuadratik

Trend Analysis for vol.penj.CPO

Data vol.penj.CPO Length 84

NMissing 0

Fitted Trend Equation

Yt = 128208 + 1362.91*t - 4.17196*t**2

Accuracy Measures MAPE 28 MAD 43083 MSD 3017854357

Forecasts

Period Forecast 85 213913 86 214562 87 215204 88 215836 89 216461 90 217077 91 217685 92 218284 93 218875 94 219458 95 220032 96 220598

! " #! ! $ % & ' ( ) ' ( ((

120

Lampiran 18. Hasil Wawancara kepada Pihak PT. KPB Nusantara

Nama : Pak Subandi,

Jabatan : Manajer Analisis Pasar dan Pengembangan Usaha PT. KPB Nusantara

Akhmat Tohir (AT) Pak Subandi (S)

Pembicara Hasil wawancara

AT sebelumnya bisa di ceritakan pak perkembangan PT. KPB Nusantara ini dalam penjualan CPO?

S awalnya perusahaan ini berbentuk unit kerja dibawah PTPN I sampai PTPN XIV, yaitu berawal dari tahun 1968, waktu itu penjualanya masih sedikit, karena memang kondisi pabrik dan kebun PTPN itu masih sedikit, waktu itu juga masih berbentuk KPB-PTPN, dan pemasarannya belum luas seperti sekarang.walaupun sudah ekspor tapi jumlahnya tidak sebanyak penjualan untuk pasar domestik. Mulai awal tahun 2010 berubah nama menjadi PT.KPBN, maksudnya agar lebih mandiri dalam kegiatan usaha.

AT memang pembagian penjualanya bagaimana pak?antara penjualan untuk domestik dan penjualan ekspor?

S kalo untuk CPO kita memang paling banyak ke pasar domestik yaitu bisa sampai 80%, sisanya sekitar 20% diekspor. Karena ini merupakan perusahaan dibawah pemerintah maka kebijakanya ya tergantung oleh kebijakan pemerintah.

AT lalu apa saja produk yang saat itu di pasarkan melalui KPBN? S produk yang di pasarkan ya semua produk perkebunan yang

dihasilkan oleh PTPN. Seperti minyak sawit mentah (CPO), karet, lateks, kopi, teh, kakao, tetes/gula,

AT kalo mengenai pembeli CPO, siapa saja pak yang menjadi pembeli PT. KPB Nusantara, baik pembeli local maupun pembeli ekspor?

S kalo yang menjadi pembeli lokal di sini ya seperti perusahaan pengolahan CPO seperti PT Bukit Kapur Reksa, Multimas Nabati Asahan, Musim Mas, Astra Agro Lestari, Permata Hijau Sawit, selain itu juga ada trader yang menjual kembali. kalo pembeli ekspor seperti Eropa (Wilmar, ISISA, Safic Alcan), India (protea), China (Wilmar), Malaysia, Singapura (Gladale,

121

Ltd, Wilmar).

AT kalo dari segi kualitas CPO yang di pasarkan bagaimana pak? S kalo produk CPO yang dipasarkan tentunya sudah mengikuti

standar nasional yang mengacu kepada Dirjen Perkebunan RI seperti kadar ALB antara maks 3,5%, atau sesuai dengan keinginan konsumen.

AT kalo dari system pejualan CPO yang dilakukan bagaimana? S biasanya kami membuka jadwal tender, atau lelang yang

dilakukan disini (dikantor pusat Jakarta) dan kita ada jadwal khusus, untuk tender penjualan CPO lokal kita laksanakan setiap hari senin sampai jumat jam 15.00 wib.kalo penjualan CPO ekspor kita lakukan setiap minggu pertama awal bulan. AT kalo dari segi harga yang ditawarkan terhadap produk CPO

bagaimana pak?

S kalau harga, kita memantaunya dari harga pasar derifatif MDEX Malaysia , Rotterdam, Singapura, Tokyo, dan new York, karena kita dekat dengan Malaysia kita mengacu juga ke sana. Jadi harganya bisa kompetitif, selain itu juga dalam menentukan harga kita biasanya melakukan rapat dengan bagian Analisa pasar dan pengembangan usaha, dan bagian terkait, untuk menentukan harga penutupan CPO harian. Sedangkan kalo untuk jangka panjangnya kita selalu membuat harga ancar-ancar CPO untuk tahunan, yang mengacu kepada harga sebelumnya. AT kalo dari harga apa dibedakan pak, antara penjualan CPO lokal

dan CPO ekspor?

S kalo dari segi harga kita sama saja antara lokal dan ekspor, hanya saja kalo ekspor harganya belumtermasuk pajak ekspor.sedangkan CPO lokal harganya sudah termasuk pajak PPn 10%

AT dari segi promosi CPO dari perusahaan, apa saja yang dilakukan pak?

S karena CPO itu merupakan produk yang memiliki permintaanyang tinggi dibandingkan penawaranya, maka kita tidak terlalu membuat promosi untuk CPO, tapi untuk memperkenalkan CPO produk Indonesia, kami biasanya mengikuti pameran baik didalam maupun luar negeri, seminar nasional, dan juga membuat situs perusahaan (www.kpbn.co.id). Dari sana saja kita selalu kehabisan stok.untuk memenuhi kebutuhan lokal saja kita masih kurang,karena produk dari PTPN itu masih sedikit menghasilkan CPO akibat dari tanaman

122

sawit yang sudah berumur tua. Akibatnya ya produksinya kurang optimal.

AT apa ada ketentuan khusus untuk menjadi pembeli CPO?

S ada semuanya ada di situs kami,disana juga ada jadwal tender, dan penawaran harga CPO.

AT dari segi pendistribusiannya, bagaimana proses pendistribusian CPO kepada pembeli?

S kalo proses pendistribusiannya ya disesuaikan dengan permintaan pembeli, ada system FOB (free on board) dan system CIF (Cost, Insurance, Freight), tapi untuk pendistribusian CPO lokal biasanya FOB belawan/ dumai, dan untuk CPO ekspor bisanya kita CIF.

AT segentasi, target dan posisi CPO PT. KPBN bagaimana pak? S kalo dari segmentasinya lebih ke perusahaan lokal yang

mengolah CPO, dan untuk ekspor paling ke Negara pelanggan CPO yang memiliki permintaan cukup tinggi seperti India, cina, uni eropa. Target dari penjualan CPO selain perusahaan dan Negara pelanggan juga para trader/eksportir , juga terkadang ada yang membeli dari kami.

AT bagaimana cara peramalan yang dilakukan untuk mengantisipasi permintaan CPO?

S yang kita lakukan adalah memonitor langsung melalui website pasar CPO internasional mengenai harga yang terjadi dan juga perkembangan perekonomian global, karena CPO itu sangat terpengaruh oleh perkembangan kondisi perekonomian global,selain melalui website kita juga berlangganan buku prediksi/peramalan yang dikeluarkan oleh Oil world dan

Reuters setiap tahunya, yang berisi mengenai, produk-produk yang dihasilkan berbagai Negara, sekaligus jumlah stok, permintaan, perkembangan harga CPO.

AT lalu faktor apa saja yang mempengaruhi penjualan CPO pada PT. KPBN?

S sebenernya ada banyak faktor penting seperti harga, iklim, terus perkembangan perekonomian global, permintaan dan penawaran perusahaan atau negara konsumen.

AT bagaimana dengan kebijakan dari pemerintah, apakah juga mempengaruhi penjualan CPO?

S ya tentu saja, tidak dapat dipungkiri bahwa kita juga masih berada dibawah pemerintah, termasuk juga untuk

123

mengendalikan kebutuhan CPO domestik. Dan memang kita ditargetkan dalam kegiatan usaha,

AT lalu menurut bapak bagaimana perkembangan usaha CPO yang dilakukan PT. KPB Nusantara kedepannya?

S berdasarkan kegiatan usaha selama ini, usaha CPO akan terus berkembang dan permintaan akan CPO terus meningkat, sedangkan penawaran atau persediaan terhadap CPO masih kurang, oleh karena itu perusahaan ini akan terus mengembangkan usaha, terutama penjualan CPO, dan akan terus mengembangkan pasar CPO,

_..EE[R pT.

KHARISMA

PEMASARAN

BERSAMA

NUSANTARA

-€

| n4,9,:'*:::y:lTllT],,.

1

0330'ND'NE''A

Telephone: (021) 3106685 - 3907554 (Hunting)

Fax: (021) 31935091 (Sekret),31903910 (P.Teh),31936919 (P. Sawit),31931883 (P. Gula),3143989 (P' Karet) E-mail : kanpusqkpbn.co.id

SURAT

KETERANGAN

N o :$z/KPB N/X/2

1-sD

_{M /xtt / 20L0}

Yang bertanda tangan dibawah ini : N a m a

J a b a t a n

M e n e r a n g k a n b a h w a : N a m a

N o m o r P o k o k M a h a s i f w a

: Drs. Gatot K. Gusti, MM : M a n a j e r S D M & U m u m

P T . K P B N u s a n t a r a

J l . T a m a n C u t M u t i a h N o . L L -J a k a r t a P u s a t

: Akhmat

Tohir

: 106092003005

: P r o g r a m S t u d i A g r i b i s n i s - Fakultas S a i n s & T e k n o l o g i U n i v e r s i t a s l s l a r n N e g e r i ( U l N ) S y a r i f H i d a y a t u l l a h J a k a r t a

t e l a h m e l a k s a n a k a n P e n e l i t i a n / R i s e t d i P T . K P B N u s a n t a r a p a d a t a n g g a l 2 8 J u n i s . d 2 8 J u l i 2 0 1 0 d a l a m r a n g k a p e n y e l e s a i a n t u g a s s k r i p s i .

D e m i k i a n S u r a t K e t e r a n g a n i n i d i b u a t u n t u k d i p e r g u n a k a n s e b a g a i m a n a m e s t i n y a .

#*s

*ffiKPBlf

'

w

Jakarta, 14 Desember 20LO

PT, KPB NUSANTARA