Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Pada Tipe Mobil Sedan, City Car, MPV dan SUV di Honda Mandiri Bogor

(1)

CAR, MPV DAN SUV DI HONDA MANDIRI BOGOR

Oleh

DIMAS PERMADI CAHYONO

H24097032

PROGRAM ALIH JENIS MANAJEMEN

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2012


(2)

RINGKASAN

DIMAS PERMADI CAHYONO. H24097032. Analisis peramalan penjualan menggunakan metode kointegrasi pada tipe mobil sedan, city car, MPV dan SUV di Honda Mandiri Bogor. Dibawah bimbingan MUHAMAD SYAMSUN.

Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah kerisis moneter. Menurut data yang dikeluarkan Badan Pusat Statistik pertumbuhan ekonomi Indonesia pada tahun 2011 meningkat 6,5 persen terhadap tahun 2010 terjadi pada seluruh sektor ekonomi yaitu 7.427 triliun rupiah. Saat ini mobil merupakan kendaraan pribadi yang cukup diminati oleh masyarakat, karena selain terlindung dari panas dan hujan saat ini mobil juga lebih ekonomis dalam penggunaan bahan bakar, hal tersebut menyebabkan penjualan mobil semakin meningkat. PT. Mandiri Prawira Raya Motor atau lebih dikenal dengan nama PT. Honda Mandiri Bogor merupakan salah satu perusahaan yang bergerak dibidang otomotif. Adapun produk yang dipasarkan oleh PT. Honda Mandiri Bogor antara lain sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vehicle). PT. Honda Mandiri Bogor memerlukan suatu instrument untuk melihat hubungan dan pengaruh punjualan suatu produk dengan produk lainnya. Hal ini diperlukan untuk membantu PT. Honda Mandiri Bogor dalam mengontrol penjualan produknya dalam beberapa periode ke depan. Pengaruh dan hubungan setiap produk dalam suatu perusahaan terkadang menyebabkan penurunan dan peningkatan penjualan terhadap produk lainnya.

Tujuan penelitian ini yaitu menganalisis hubungan kointegrasi antara produk sedan,

city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle), untuk mendapatkan prediksi atau ramalan pencapaian penjualan mobil di PT. Honda Mandiri Bogor pada tahun 2012, serta bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan perusahaan dan keunggulan PT. Honda Mandiri Bogor dengan perusahaan pesaing. Data dan informasi yang digunakan pada penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dengan melakukan proses wawencara dengan supervisor dari Honda Mandiri Bogor. Sedangkan data sekunder yang digunakan adalah laporan penjualan mobil di Honda Mandiri Bogor selama kurun waktu 3 (tiga) tahun terakhir. Jenis data yang akan digunakan adalah data kuantitatif yaitu berupa laporan penjualan mobil, serta data kualitatif yaitu data yang berupa penjelasan dan keterangan – keterangan. Selain itu hasil penelitian ini dianalisis menggunakan

vector autoregression, uji stasioneritas data, uji kausalitas granger, uji lag optimum, uji kointegrasi, estimasi VECM, uji stabilitas model, impuls respons function dan

foercast error decompotion variance.

Berdasarkan hasil dan pembahasan dengan menggunakan metode kointegrasi didapatkan hasil bahwa hasil uji stasioner semua variabel yang digunakan dalam penelitian ini telah stasioner hal ini dikareakan nilai tes critic value lebih kecil dari nilai T-Statik dengan nilai kritis pada taraf 5 persen.


(3)

ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN

METODE KOINTEGRASI PADA TIPE MOBIL SEDAN, CITY

CAR, MPV DAN SUV DI HONDA MANDIRI BOGOR

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA EKONOMI

pada program Sarjana Alih Jenis Manajemen

Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

oleh

DIMAS PERMADI CAHYONO

H24097032

PROGRAM ALIH JENIS MANAJEMEN

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

BOGOR

2012


(4)

Judul Skripsi : Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Pada Tipe Mobil Sedan, City Car, MPV dan SUV di Honda Mandiri Bogor

Nama : Dimas Permadi Cahyono

NIM : H24097032

Menyetujui Dosen Pembimbing,

Dr. Ir.Muhamad Syamsun, M.Sc. NIP. 195007271974121001

Menyetujui Ketua Departemen,

Dr. Ir. Jono M. Munandar, M.Sc NIP. 196101231986011002


(5)

RIWAYAT HIDUP

Dimas Permadi Cahyono dilahirkan pada tanggal 1 Mei 1988 di Bandung. Putra tunggal dari pasangan Drs. Pudji S. Pratjihno dan Sri Estiningsih.

Pendidikan dasar penulis diselesaikan selama enam tahun di Sekolah Dasar Negeri Panaragan 2, Bogor. Kemudian melanjutkan di Sekolah Lanjutan Tingkat Pertama Negeri 3, Bogor. Sekolah Lanjutan Tingkat Atas Negeri 1 Bogor dan lulus pada tahun 2006.

Setelah lulus dari SLTA, penulis melanjutkan pendidikan akademik di Program Diploma III Ekowisata, Fakultas Kehutanan, Institut Pertanian Bogor. Pendidikan di tempuh selama 3 tahun dan lulus pada tahun 2009. Pada tahun 2009 penulis melanjutkan pendidikan akademik pada program Sarjana Alih Jenis Manajemen, Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.


(6)

KATA PENGANTAR

Penulis mengucapkan puji syukur kepada Allah SWT atas segala nikmat, berkah, rizki dan ridho yang telah diberikan kepada penulis untuk menyelesaikan skripsi yang berjudul “Analisis Peramalan Penjualan Menggunakan Metode Kointegrasi Pada Tipe Mobil Sedan, City Car, MPV Dan SUV Di Honda Mandiri Bogor”. Skripsi ini menjelaskan tentang cara mengolah data dan meramalkan penjualan pada tahun berikutnya atau tahun – tahun yang akan datang dengan melihat pengaruh – pengaruh variabel lain terhadap penjualan produk. Penulis berharap skripsi ini dapat bermanfaat dan memberikan wawasan baru tentang pengolahan data dan peramalan penjualan.

Bogor, Desember 2012


(7)

UCAPAN TERIMA KASIH

Pertama-tama penulis mengucapkan terima kasih kepada Allah SWT yang telah memberikan Rahmat dan Hidayah-Nya sehingga penulis dapat menyelesaikan Skripsi ini dengan baik. Dalam penyusunan Skripsi ini banyak kesulitan dan hambatan yang dihadapi, tetapi penulis banyak mendapatkan bantuan baik berupa bimbingan, saran-saran, fasilitas maupun kesempatan dari berbagai pihak sehingga penulis dapat menyelesaikan Skripsi ini dengan baik, secara khusus penulis mengucapkan terima kasih serta penghargaan kepada :

1. Bapak Dr. Ir. Muhammad Syamsun, M. Sc selaku dosen pembimbing yang telah memberikan masukan, dan mendukung penulis selama penyusunan skripsi. 2. Ibu Martha, selaku Direktur Honda Mandiri Bogor yang telah memberikan

bantuan dalam menyelesaikan skripsi ini.

3. Staf pendidikan dan staf kependidikan Program Sarjana Manajemen Penyelenggaraan Khusus yang telah memberikan bimbingan selama penulis menempuh studi.

4. Orang tua penulis, Bapak Pudji dan Ibu Sri Estiningsih terima kasih untuk semua curahan kasih sayang dan bantuannya baik secara moril maupun materiil untuk mengantarkan penulis pada tahap keberhasilan.

5. Seluruh dosen serta staf Departemen Manajemen yang telah memberikan ilmu dan bimbingan selama penulis melanjutkan pendidikan akademik

6. Meriza, Iqbal, Hazmi, Indrazakti dan teman – teman di Departemen Ekstensi Manajemen yang tidak bisa disebut kan satu persatu yang telah memberikan bantuan serta dukungan dalam penyelesaian skripsi ini.

7. Semua pihak yang telah membantu penulis dalam menyelesaikan penulisan Skripsi ini, terima kasih.


(8)

DAFTAR ISI

Halaman

RINGKASAN

RIWAYAT HIDUP ... iii

KATA PENGANTAR ... iv

UCAPAN TERIMA KASIH ...v

DAFTAR ISI... vi

DAFTAR TABEL ...x

DAFTAR GAMBAR ... xi

DAFTAR LAMPIRAN... xii

I. PENDAHULUAN ...1

1.1. Latar Belakang ...1

1.2. Perumusan Masalah ...2

1.3. Tujuan Penelitian ...2

1.4. Manfaat Penelitian ...3

1.5. Ruang lingkup ...3

II. TINJAUAN PUSTAKA ...4

2.1. Mobil ...4

2.2.1 Sedan ... 4

2.2.2 City Car ... 4

2.2.3 Multi Purpose Vehicle ... 4

2.2.4 Sport Utility Vehicle ... 4

2.2. Kointegrasi ...5

2.3. Vector Auto Regression Model ...6

2.4. Vector Error Correction Model ...7

2.5. Impulse Response Function ...8

2.6. Forecast Error Variance Decomposition...8

2.7. Pengertian Strategi ...9

2.8. Konsep Penjualan ...9

2.8.1 Faktor yang Mempengaruhi Penjualan ... 10

2.8.2 Tahapan Keputusan Pembelian ... 11

2.9. Teori Peramalan ... 13

2.10. Peramalan Penjualan... 14

2.11.Tahapan Peramalan ... 14

2.12.Pendekatan Dalam Peramalan ... 16

2.12.1 Metode Peramalan Kualitatif ... 16

2.12.2 Metode Peramalan Kuantitatif ... 17


(9)

III. METODE PENELITIAN ... 20

3.1 Kerangka Pemikiran... 20

3.2 Lokasi dan Waktu Penelitian ... 22

3.3 Jenis dan Sumber Data ... 22

3.4 Pengolahan dan Analisis Data ... 22

3.4.1 Vector Auto Regression (VAR) ... 23

3.4.2 Uji Stasioneritas Data ... 24

3.4.3 Uji Kausalitas Granger ... 25

3.4.4 Uji Lag optimum ... 25

3.4.5 Uji Kointegrasi ... 26

3.4.6 Estimasi VECM ... 27

3.4.7 Uji Stabilitas Model ... 28

3.4.8 Impulse Respons Function ... 28

3.4.9 Forecast Error Decomposition Variance ... 29

IV. HASIL DAN PEMBAHASAN ... 30

4.1 Gambaran Umum Perusahaan ... 30

4.1.1 Sejarah Perusahaan ... 30

4.1.2 Visi, Misi dan Moto Perusahaan ... 31

4.1.3 Produk Perusahaan ... 31

4.2 Hasil Analisis... 33

4.2.1 Analisis Kointegrasi ... 33

4.2.2 Uji Stasioner ... 33

4.2.3 Uji Kausalitas Granger ... 34

4.2.4 Uji Lag Optimum ... 35

4.2.5 Pemodelan VAR ... 36

4.2.6 Uji Stabilitas Model ... 38

4.2.7 Analisis Impuls Response Function ... 38

4.2.8 Forecast Error Variance Decomposition ... 53

4.2.9 Hasil Peramalan ... 56

4.2.10Implikasi Manajerial ... 59

KESIMPULAN DAN SARAN ... 60

1. Kesimpulan ... 60

2. Saran ... 60

DAFTAR PUSTAKA ... 62


(10)

DAFTAR TABEL

No. Halaman

1. Total penjualan mobil tahun 2006 – 2011 ...1

2. Hasil uji stasioner ... 34

3. Hasil uji kausalitas untuk City, Civic, Jazz, Freed dan CR-V ... 35

4. Hasil penentuan panjang lag ... 36

5. Hasil estimasi VAR ... 37

6. Modulus ... 38

7. Hasil peramalan CR-V ... 57

8. Hasil peramalan Freed ... 57

9. Hasil peramalan City ... 58

10. Hasil peramalan Civic ... 58


(11)

DAFTAR GAMBAR

No. Halaman

1. Kerangka pemikiran... 21

2. Impuls respon CR-V ... 39

3. Impuls respon Freed ... 42

4. Impuls respon City... 45

5. Impuls respon Civic ... 48

6. Impuls respon Jazz... 51

7. Variance Decomposition CR-V... 53

8. Variance Decomposition Freed ... 54

9. Variance Decomposition City ... 55

10. Variance Decomposition Civic ... 55


(12)

DAFTAR LAMPIRAN

No. Halaman

1. Penjualan PT Honda Mandiri Bogor 2009 - 2011 ... 64

2. Uji stasioneritas ... 65

3. Uji kausalitas granger ... 67

4. Uji lag optimum ... 68

5. Hasil estimasi VAR ... 68

6. Uji stabilitas model ... 70

7. Impulse response ... 71

8. Forecast Error Variance Decomposition of CRV,Freed,City, Civic, Jazz .. 76


(13)

1.1. Latar Belakang

Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah kerisis moneter. Menurut data yang dikeluarkan Badan Pusat Statistik Indonesia, pertumbuhan ekonomi pada tahun 2011 meningkat 6,5 persen dari tahun 2010 yang terjadi pada seluruh sektor ekonomi yaitu peningkatan sebesar 7.427 triliun rupiah. Peningkatan tersebut juga terlihat pada sektor otomotif di Indonesia. (www.bps.go.id/brs_file/pdb_banner1.pdf)

Peningkatan pada sektor otomotif, menurut laporan Gabungan Industri Kendaraan Bermotor Indonesia (Gaikindo) tingkat produksi dan penjualan mobil 2011 mengalami kenaikan dibanding tahun sebelumnya. Tingkat produksi tahun 2011 meningkat menjadi 894.164 unit, dibandingkan tahun sebelumnya yaitu 702.508 unit pada tahun 2010. (http://www.gaikindo.or.id, 2012)

Tabel 1. Total penjualan mobil tahun 2006 – 2011

Nomer Tahun Jumlah Produksi

1. 2006 296.008

2. 2007 411.638

3. 2008 600.628

4. 2009 464.816

5. 2010 702.508

6. 2011 894.164

(Sumber : Gaikindo, 5 Januari 2012)

PT. Honda Mandiri Motor memiliki 4 (empat) jenis produk yaitu sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vehicle). Produk sedan berupa Hoda City dan Honda Civic. Produk city car berupa Honda Jazz. Produk MPV (Multi Purpose Vehicle) berupa Honda Freed. Sedangkan produk SUV (Sport Utility Vahicle) berupa CR-V.

PT. Honda Mandiri Bogor memerlukan suatu instrument untuk melihat pengaruh dan hubungan antar keempat produk tersebut, sehingga dengan mengetahui hubungan dan pengaruhnya perusahaan dapat mengontrol penjualan keempat produk tersebut. Selain itu, analisis terhadap pengaruh dan hubungan keempat produk juga


(14)

akan membantu perusahaan dalam melakukan peramalan penjualan produknya. Peramalan penjualan dengan melihat hubungan dan pengaruh antar produk dibutuhkan oleh perusahaan untuk membantu perusahaan sebagai bahan pertimbangan dalam membuat keputusan dan kebijakan perusahaan.

1.2. Perumusan Masalah

Berdasarkan data statistik yang diperoleh dari PT Honda Mandiri Bogor pada tahun 2009 sampai dengan 2011, penjualan mobil honda mengalami peningkatan sebesar 223 unit pada tahun 2010 dari 600 unit pada tahun 2009 menjadi 823 unit di tahun 2010, sedangkan pada tahun 2011 mengalami penurunan sebesar 123 unit dari 823 unit di tahun 2010 menjadi 700 unit di tahun 2011.

Salah satu instrumen yang dapat digunakan untuk melihat hubungan dan pengaruh hubungan keempat produk dalam jangka panjang yaitu uji kointegrasi. Esensi dari kointegrasi adalah bahwa series tidak dapat menyebar ke segala arah jauh dari satu sama lain dan menjelaskan bahwa keberadaan hubungan jangka panjang antara series ini dan series yang lain dapat ditulis pada suatu format Error Correction.

Hubungan jangka panjang keempat produk tersebut juga akan mempengaruhi peramalan penjualan kedepannya. Analisis yang digunakan untuk menghitung ramalan penjualan pada penelitian ini yaitu analisis dekomposisi varian atau dikenal dengan Forecasting Error Variance Decomposition (FEVD), yaitu meramalkan penjualan produk dengan memperhatikan besarnya pengaruh produk tertentu terhadap produk lainnya. Hasil ramalan tersebut dapat dijadikan target penjualan perusahaan di masa yang akan datang.

1.3. Tujuan Penelitian

Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah: 1. Menganalisis uji kointegrasi antara jenis produk sedan, city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle) di PT. Honda Mandiri Bogor.

2. Mendapatkan prediksi atau ramalan pencapaian penjualan mobil di PT. Honda Mandiri Bogor pada semester awal tahun 2012.


(15)

3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi penjualan yang mungkin diterapkan perusahaan. 1.4. Manfaat Penelitian

1. Hasil penelitian ini diharapkan mampu memberi manfaat bagi perusahaan sebagai informasi untuk meningkatkan penjualan dan sebagai pertimbangan dalam melakukan perencanaan strategi pemasaran nya sehingga perusahaan dapat mengembangkan usahanya

2. Bagi penulis, penelitian ini berguna untuk mengaplikasikan ilmu yang telah dipelajari selama melakukan pendidikan di Ekstensi FEM dan juga sebagai salah satu syarat kelulusan untuk mendapatkan gelar Sarjana Ekonomi.

3. Hasil penelitian ini diharapkan dapat berguna bagi pihak – pihak yang berkaitan dan dapat dipergunakan sebagai bahan referensi serta tambahan informasi.

1.5. Ruang Lingkup Penelitian

Ruang lingkup penelitian ini yaitu analisis kointegrasi penjualan produk sedan,

city car, MPV (Multi Purpose Vehicle), dan SUV (Sport Utility Vahicle) dari tahun 2009 sampai dengan 2011 pada PT. Honda Mandiri Bogor di wilayah Bogor. Dengan menggunakan alat analisis Vector Error Correction Model (VECM) dan untuk peramalan nya menggunakan Impuls Respons Function (IRF) dan Forecast Error Variance Decomposit.


(16)

II. TINJAUAN PUSTAKA

2.1. Tipe – Tipe Mobil

Mobil dapat dikategorikan secara luas ke dalam berbagai jenis berdasarkan bentuk, ukuran, spesifik mekanik, dan kinerja. Merek mobil yang dijual di Indonesia sangat banyak dan beragam jenisnya. Oleh karena itu penting bagi seseorang untuk menentukanmobil apa yang sebenarnya diperlukan. Berikut adalah jenis daftar jenis – jenis mobil menurut Hilmy (2012).

2.1.1 Sedan

Sedan adalah sebuah jenis mobil penumpang dengan 3 macam konfigurasi dengan Pilar A, B, dan C. Bagian untuk penumpang terdiri dari 2 baris tempat duduk dengan kapasitas sampai dengan 7 orang. Untuk barang biasanya diletakkan di belakang, kecuali untuk beberapa mobil yang mesinnya diletakkan di belakang 2.1.2 City Car

City Car (atau yang dikenal juga sebagai mobil perkotaan atau mobil mini) adalah mobil dengan dimensi yang kecil, yang digunakan pada kawasan perkotaan. Hampir semua industri otomotif memiliki satu atau dua model city car yang dipasarkan diseluruh dunia.

2.1.3 Multi Purpose Vehicle (MPV)

MPV (Multi Purpose Vehicle) juga biasa disebut sebaga Minivan, merupakan mobil dengan daya angkut sebuah van tapi memiliki kenyamanan dan handling mendekati sedan atau station wagon, serta didesain untuk memiliki interior maksimum. Prioritas utama konsep MPV adalah daya angkut Penumpangnya.

2.1.4 Sport Utility Vehicle (SUV)

SUV (Sport Utility Vehicle) adalah gabungan sedan atau station wagon dengan jip. Prioritas pengembangannya adalah kemampuan menembus berbagai medan, termasuk medan off – road. Karena itu awalnya SUV memiliki penggerak empat roda. Dalam perkembangannya, ada juga SUV yang lebih condong ke sedan


(17)

dan berpenggerak dua roda. Belakangan SUV juga dikembangkan untuk memiliki daya angkut penumpang maksimal, misalnya SUV 7 – seater.

2.2. Kointegrasi

Regresi dari dua variabel yang non-stasioner akan menyebabkan terjadinya

spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Regresi spurious atau disebut dengan hasil regresi palsu yaitu suatu persamaan regresi yang didapatkan akibat variabel dependen dan variabel independen yang digunakan untuk membentuk regresi tidak stasioner dan atau pembentukan variabelnya tidak berkorelasi secara subtansi (Gujarati, 2003). Tetapi, proses ini justru akan menghilangkan hubungan jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek time series. Disinilah pentingnya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan time series non-stasioner.

Data deret waktu dapat dibedakan menjadi data deret waktu yang bersifat stasioner dan tidak stasioner. Data stasioner memiliki nilai rata-rata dan variansi yang relatif konstan dari waktu ke waktu, sedangkan data yang tidak stasioner relatif bervariansi dari waktu ke waktu (Aritonang, 2002). Data time series dapat juga dibedakan menjadi empat komponen, yaitu trend, musim, siklus, dan variasi acak atau random variation.

Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau lebih

time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi seri di dalamnya (white nose), maka time series tersebut dinamakan terkointegrasi.

Didalam konsep kointegrsi ini terdapat beberapa hal penting yang perlu diperhatikan, yaitu (Enders, 2004):

1. Kointegrasi merupakan kombinasi linear dari dua atau lebih dari time series

yang tidak stasioner. Vektor kointegrasi dari kombinasi linear tersebut tidak unik karena dengan suatu konstanta yang tidak nol (λ), maka λβ juga benar sebagai vektor kointegrasi. Oleh karena itu, biasanya salah satu besaran digunakan untuk normalisasi vektor kointegrasi dengan menetapkan koefisiennya menjadi satu.


(18)

2. Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua variabel yang terintegrasi pada orde yang sama terkointegrasi.

3. Bila vektor mempunyai n komponen, maka akan ada n-1 vektor kointegrasi linear yang tidak tergantung satu dengan yang lainnya. Jumlah vektor kointegrasi ini dinamakan peringkat kointegrasi (cointegration rank), biasanya dilambagkan dengan r.

Sifat penting yang terdapat dalam variabel – variabel yang terkointegrasi adalah perjalanan waktu variabel – variabel tersebut dipengaruhi oleh perubahan atas hubungan keseimbangan jangka panjangnya. Dengan kata lain, variabel – variabel non – stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang (Enders, 2004).

2.3. Vector Autoregression (VAR) Model

Vector Autoregression (VAR) merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-variabel runtut waktu (Time series) maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut. Keunggulan dari analisis VAR antara lain : (Khaerunnisa, 2009)

1. Model ini sederhana, tidak perlu khawatir membedakan mana variabel endogen dan variabel eksogen.

2. Estimasinya sederhana, dimana metode Ordinary Least Square (OLS) bisa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah.

3. Hasil Ramalan (Forecast) yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.

Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah sebagai berikut :

1. Model VAR lebih bersifat a-theory karena tidak dapat memanfaatkan informasi atau teori terdahulu.

2. Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.

3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.


(19)

4. Semua variabel VAR harus stasioner.

5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.

Vector Autoregression (VAR) adalah sistem persamaan yang menunjukkan setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem (Agung, 2009). Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.

Model VAR dikembangkan oleh Christoper Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk menguji Granger’s Causality.

Model VAR sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi.

2.4. Vector Error Correction Model (VECM)

Vector Error Correction Model (VECM) adalah suatu analisis untuk melakukan rekonsiliasi perilaku peubah ekonomi jangka panjang dan peubah ekonomi jangka pendek (Gujarati, 1995). Untuk itu peubah – peubah dalam VECM memiliki hubungan jangka panjang atau kointegrasi. Hubungan dinamis jangka pendek antar peubah dalam sistem dipengaruhi oleh deviasi atau penyimpangan dari keseimbangan jangka panjang. Model VECM berguna untuk mengukur kecepatan deviasi kembali ke keseimbangan.

Vector Error Correction Model (VECM) adalah restricted Vector Autoregression (VAR) yang berkointegrasi. VECM di design untuk data time series non stationer yang berkointegrasi. Faktor kointegrasi dikenal sebagai error correction term, mengingat bahwa deviasi keseimbangan jangka panjang diperbaiki secara perlahan-lahan melalui beberapa tahap jangka pendek.

VECM mempunyai hubungan kointegrasi yang dibangun melalui spesifikasi perilaku jangka panjang dari variabel-variabel endogen untuk menuju (converge) ke hubungan jangka panjangnya, serta memungkinkan dilakukan penyesuaian jangka pendek secara dinamik. Sebagai contoh, digunakan sistem dua variabel yang memiliki suatu persamaan kointegrasi tanpa turunan dalam bentuk lag (Subagjo, 2005).


(20)

Variabel sisi sebelah kanan dalam model ini merupakan error correctionmodel term. Dalam ekuilibrium jangka panjang, residual (term) ini adalah nol. Namun demikian, apabila ada deviasi dengan ekuilibrium jangka panjang error correction term tidak sama dengan nol dan masing-masing variabel secara parsial menyesuaikan pada hubungan ekuilibrium.

2.5. Impulse Response Function (IRF)

Impuls response function merupakan suatu cara pengujian struktur dinamis dari sistem variabel dalam model yang diamati dan dicerminkan oleh variabel inovasi (Enders, 2004). IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan (shock) dari variabel itu sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu vaariabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel independen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.

Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi

chelosky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara kedua variabel tersebut berdasarkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel lainnya. IRF juga bertujuan untuk mengisolasi suatu

shock agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh shock

tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.

2.6. Forecast Error VarianceDecomposition (FEVD)

Forecast Error Decomposition of variance (FEVD) dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR. Metode


(21)

ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis dalam model VAR, dengan metode ini juga dapat dilihat kekuatan dan kelemahan dari masing – masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang (how long/ how persistent).

Forecast Error Decomposition of variance merinci varian dari error peramalan (forecast) menjadi komponen – komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Melalui perhitungan persentase squared prediction error k, tahap awal dari sebuah variabel akibat inovasi dalam variabel – variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel itu sendiri dan variabel – variabel lainnya.

FEVD dilakukan untuk memberikan informasi mengenai bagaiman hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh acak guncangan (random shock) dari variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak (random innovation structural disturbance) atau seberapa kuat peranan variabel tertentu terhadap lainnya.

2.7. Pengertian Strategi

Definisi strategi menurut Bittel dalam Alma (2009) bahwa strategi ” is a fundamental plan of action taht is intended to accomplish the company’s objective”

artinya strategi ialah suatu rencana yang fundamental untuk mencapai tujuan perusahaan.

Andrews dalam Alma (2007) menyatakan bahwa strategi perusahaan adalah pola keputusan dalam perusahaan yang menentukan dan mengungkapkan sasaran, maksud atau tujuan yang menghasilkan kebijaksanaan utama dan merencanakan untuk pencapaian tujuan serta merinci jangkauan bisnis yang akan dikejar oleh perusahaan.

2.8. Konsep Penjualan

Menurut Kotler (2005) konsep penjualan merupakan orientasi bisnis lainnya. Konsep penjualan berkeyakinan bahwa para konsumen dan perusahaan bisnis jika


(22)

dibiarkan tidak akan secara teratur membeli cukup banyak produk yang ditawarkan oleh organisasi tertentu. Oleh karena itu, organisasi tersebut harus melakukan usaha penjualan dan promosi yang agresif. Konsep itu mengasumsikan bahwa para konsumen umumnya menunjukan keengganan atau penolakan untuk membeli sehingga harus dibujuk supaya membeli. Konsep itu juga mengasumsikan bahwa perusahaan memiliki banyak sekali alat penjualan dan promosi yang efektif yang dapat merangsang lebih banyak pembeli.

Kebanyakan perusahaan mempraktekan konsep penjualan ketika mereka mempunyai kapasitas yang berlebih. Tujuan mereka adalah menjual apa yang mereka hasilkan dan bukannya menghasilkan apa yang diinginkan pasar. Dalam perekonomian industry modern, kapasitas produktif telah dibangun dengan anggapan bahwa kebanyakan pasar merupakan pasar pembeli (pembelinya dominan) sehingga penjual harus berjuang untuk mendapatkan pelanggan. Para calon pembeli dihujani dengan iklan TV, iklan surat kabar, surat langsung dan telepon penjualan. Pada tiap kesempatan dimana saja, seseorang berusaha untuk mejual sesuatu. Akibatnya, publik sering mengidentifikasikan pemasaran sebagai penjualan dan periklanan yang keras (Kotler, 2005).

2.8.1 Faktor yang mempengaruhi Penjualan

Suatu kegiatan penjualan dapat dipengaruhi oleh beberapa hal yaitu (Swastha, 2000) :

1. Kondisi dan Kemampuan penjual

Penjual harus dapat meyakinkan kepada pembelinya agar dapat berhasil mencapai sasaran penjualan yang diharapkan. Penjual harus memahami jenis karakteristik produk yang ditawarkan, harga produk, dan syarat penjualan seperti pembayaran, penghantaran, pelayanan purna jual dan garansi.

2. Kondisi Pasar

Pasar sebagai kelompok pembeli atau pihak yang menjadi sasaran dalam penjualan. Faktor-faktor kondisi pasar yang perlu diperhatikan adalah jenis pasar, kelompok pembeli, segmen pasar, daya beli, frekuensi pembelian, keinginan dan kebutuhannya.


(23)

3. Modal

Penjual harus memperkenalkan dulu atau membawa produknya kepadapembeli, diperlukan adanya sarana serta usaha seperti alat transport, tempat peragaan baik dalam perusahaan maupun di luar perusahaan, usaha promosi dan lain-lain, dimana semuanya itu disebut dengan modal.

4. Kondisi organisasi perusahaan

Pada perusahaan kecil, jumlah tenaga kerjanya lebih sedikit, sistem organisasinya lebih sederhana, masalah-masalah yang dihadapi serta sarana yang dimilikinya tidak sekompleks perusahaan besar. Masalah penjualan ditangani sendiri oleh pimpinan dan tidak diberikan pada orang lain.

5. Faktor lain

Faktor-faktor lain umumnya seperti periklanan, peragaan, kampanye, pemberian hadiah sering mempengaruhi penjualan.

2.8.2 Tahapan Keputusan Pembelian

Menurut Menurut philip kotler (2003) proses pengambilan keputusan pembelian pada konsumen di bagi menjadi lima tahapan yaitu:

1. Pengenalan Masalah

Proses pembelian dimulai ketika pembeli mengenali masalah atau kebutuhan. Kebutuhan tersebut dapat dicetuskan oleh rangsangan internal atau eksternal. Pada tahap ini pemasar perlu melakukan identifikasi keadaan yang dapat memicu timbulnya kebutuhan konsumen. Para pemasar dapat melakukan penelitian pada konsumen untuk mengidentifikasi rangsangan yang paling sering membangkitkan minat mereka terhadap suatu produk.

2. Pencarian Informasi

Konsumen yang terangsang kebutuhannya akan terdorong untuk mencari informasi yang lebih banyak. Dalam tahap ini, pencarian informasi yang dilakukan oleh konsumen dapat dibagi ke dalam dua level, yaitu situasi pencarian informasi yang lebih ringan dinamakan dengan penguatan informasi. Pada level ini orang akan mencari serangkaian informasi tentang sebuah produk. Pada level kedua, konsumen mungkin akan mungkin masuk kedalam tahap pencarian informasi secara aktif. Mereka


(24)

akan mencari informasi melalui bahan bacaan, pengalaman orang lain, dan mengunjungi toko untuk mempelajari produk tertentu.

3. Evaluasi alternatif

Dalam tahapan selanjutnya, setelah mengumpulkan informasi sebuah merek, konsumen akan melakukan evaluasi alternatif terhadap beberapa merek yang menghasilkan produk yang sama. Pada tahap ini ada tiga buah konsep dasar yang dapat membantu pemasar dalam memahami proses evaluasi konsumen. Pertama, konsumen akan berusaha memenuhi kebutuhannya. Kedua, konsumen akan mencari manfaat tertentu dari solusi produk. Ketiga, konsumen akan memandang masing-masing produk sebagai sekumpulan atribut dengan kemampuan yang berbeda-beda dalam memberikan manfaat yang digunakan dan untuk memuaskan kebutuhan itu. Atribut yang diminati oleh pembeli dapat berbeda-beda tergantung pada jenis produknya, contohnya, konsumen akan mengamati perbedaan atribut sperti ketajaman gambar, kecepatan kamera, ukuran kamera dan harga yang terdapat pada sebuah kamera.

4. Keputusan Pembelian

Dalam melakukan evaluasi alternatif, konsumen akan mengembangkan sebuah keyakinan atas merek dan tentang posisi tiap merek berdasarkan masing-masing atribut yang berujung pada pembentukan citra merek. Selain itu, pada tahap evaluasi alternatif konsumen juga membentuk sebuah preferensi atas merek-merek yang ada dalam kumpulan pribadi dan konsumen juga akan membentuk niat untuk membeli merek yang paling di sukai dan berujung pada keputusan pembelian.

Pada tahapan keputusan pembelian, konsumen dipengaruhi oleh dua faktor utama yang terdapat diantara niat pembelian dan keputusan pembelian yaitu:

1. Sikap orang lain, yaitu sejauh mana sikap orang lain mengurangi alternatif yang disukai seseorang akan bergantung pada dua hal. Pertama, intensitas sikap negatif orang lain terhadap alternatif yang disukai calon konsumen. Kedua, motivasi konsumen untuk menuruti keinginan orang lain (Fisbhein, dalam Kotler 2003. Semakin gencar sikap negatif orang lain dan semakin dekat orang lain tersebut dengan konsumen, maka konsumen akan semakin


(25)

mengubah niat pembeliannya. Keadaan preferensi sebaliknya juga berlaku, preferensi pembeli terhadap merek tertentu akan meningkat jika orang yang ia sukai juga sangat menyukai merek yang sama.

2. Faktor yang kedua adalah faktor situasi yang tidak terantisipasi yang dapat mengurangi niat pembelian konsumen. Contohnya, konsumen mungkin akan kehilangan niat pembeliannya ketika kehilangan pekerjaannya atau adanya kebutuhan yang lebih mendesak pada saat yang tidak terduga sebelumnya. 2.9. Teori Peramalan

Menurut Heizer dan Render (2006), peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan mendapatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif atau bisa juga dengan menggunakan kombinasi model matematis yang sesuai dengan pertimbangan yang baik dari seorang manajer.

Menurut Hanke (2003), tebakan ilmiah mengenai masa depan lebih bernilai bagi perusahaan di bandingkan dengan tebakan non – ilmiah. Tebakan ilmiah yaitu peramalan yang berdasarkan metode – metode manipulasi data secara logis yang dihasilkan dari kejadian – kejadian masa lalu. Penggunaan teknik peramalan diawali dengan pengeksplorasian pola data pada masa lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data pada masa lalu itu akan berulang lagi pada masa waktu yang akan datang. Hasil pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat perencanaan langkah yang akan diambil oleh perusahaan.

Tujuan peramalan adalah mengurangi rentang ketidakpastian dimana pendapat pribadi (judgment) manajemen yang harus diambil. Tujuan ini mengarah kepada dua aturan utama yang harus diperhatikan pada proses peramalan:

1. Peramalan harus secara teknik benar dan menghasilkan peramalan cukup akurat dalam memenuhi kebutuhan perusahaan.

2. Prosedur peramalan dan hasilnya harus secara efektif disajikan kepada manajemen sehingga peramalan dapat dipakai dalam proses pengambilan keputusan demi keuntungan perusahaan dan hasilnya juga harus dijustifikasi berbasis biaya manfaat.


(26)

Pertimbangan yang terakhir seringkali disalah – artikan dan dapat membuat frustasi forecaster (peramal) profesional. Namun jika ramalan akan digunakan untuk keuntungan perusahaan, maka mereka yang mempunyai wewenang harus memanfaatkannya.

Makridarkis (dalam Wisastri, 2006), menyatakan bahwa terdapat beberapa faktor penting yang harus dipertimbangkan dalam peramalan, mencakup:

1. Jarak ke masa depan yang harus diramal.

2. Tenggang waktu yang tersedia untuk mengambil keputusan. 3. Tingkat akurasi yang diperlukan.

4. Kualitas data yang tersedia untuk analisis.

5. Sifat hubungan yang tercangkup dalam masalah peramalan. 6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan. 2.10.Peramalan Penjualan

Menurut Assauri (2009), peramalan penjualan merupakan kegiatan penyusunan ramalan tentang sifat atau ciri penjualan dari suatu produk yang dihasilkan oleh suatu perusahaan (termasuk jumlah, kualitas serta harga dari produk tersebut) pad suatu waktu tertentu di masa yang akan datang. Peramalan penjualan berarti suatu proses memperkirakan secara sistematik tentang penjualan yang paling mungkin terjadi pada masa yang akan datang berdasarkan data penjualan masa lalu dan sekarang yang dimiliki. Hasil penjualan sebelumnya digunakan sebagai titik awal dalam penyusunan ramalan penjualan.

Peramalan menjadi salah satu hal hyang penting dalam pengambilan keputusan manajemen. Hal ini dikarenakan keefektifan sebuah keputusan tergantung dalam deret kejadian – kejadian yang diakibatkan keputusan tersebut. Salah satu peramalan yang penting dan sering dilakukan perusahaan adalah peramalan penjualan (Pierce dan Robinson, 1997).

2.11.Tahapan Peramalan

Menurut Hanke (2003), semua prosedur formal peramalan melibatkan penarikan pengalaman masa lalu kedalam ketidak pastian masa depan. Jadi, semua prosedur menggunakan asumsi bahwa kondisi dimana hasil dari data masa lalu tidak


(27)

berbeda dengan kondisi masa depan, kecuali pada variabel – variabel yang secara eksplisit dikenali oleh model peramalan.

Pengenalan terhadap operasi teknik peramalan pada data menghasilkan kejadian historis mengarah ke identifikasi 5 (lima) tahapan proses peramalan sebagai berikut:

1. Pengumpulan data

2. Pemadatan atau pengurangan data 3. Penyusunan model dan evaluasi 4. Ekstrapolasi model (peramalan aktual) 5. Evaluasi peramalan

Tahap 1, pengumpulan data, menyarankan pentingnya perolehan data yang sesuai dan meyakinkan peramalannya. Tahap ini sering kali merupakan bagian paling menantang dari keseluruhan proses peramalan dan paling sulit untuk dimonitor karena serangkaian tahapan dapat dilakukan pada data dalam menentukan kesesuaiannya dengan masalah. Koreksi dan masalah pengendalian mutu biasanya dipenuhi kalau diperlakukan untuk mendapatkan data terkait didalam suatu organisasi.

Tahap 2, pemadatan dan pengurangan data, seringkali diperlukan karena mungkin saja terjadi kelebihan data dalam proses peramalan atau sebaliknya terlalu sedikit. Beberapa data mungkin tidak relevan dengan masalah dan dapat mengurangi keakuratan peramalan.

Tahap 3, penyusunan dan evaluasi model, meliputi pencocokan data terkumpul kedalam model yang sesuai dalam hal meminimalisasi kesalahan peramalan. Model yang lebih sederhana, lebih baik keadaannya dalam hal diterimanya proses peramalan oleh manajer yang harus membuat keputusan perusahaan. Seringkali harus diseimbangkan antara pendekatan peramalan canggih yang hasilnya sedikit lebih akurat dengan pendekatan sederhana yang lebih mudah dipahami serta mendapatkan dukungan dan tentunya secara aktif digunakan oleh pengambil keputusan perusahaan. Jelasnya, pendapat pribadi dilibatkan dalam, proses pemilihan.

Tahap 4, ekstrapolasi model (peramalan aktual), terdiri dari model peramalan aktual yang dihasilkan begitu data yang sesuai telah terkumpul dan kemungkinan


(28)

dikurangi dan model peramalan yang sesuai juga sudah dipilih. Seringkali peramalan untuk periode yang baru lewat dibandingkan dengan nilai historis aktual telah diketahui digunakan untuk memeriksa keakuratan proses peramalan.

Tahap 5, evaluasi peramalan, melibatkan membandingkan nilai peramalan dengan nilai historis aktual. Dalam proses ini beberapa nilai data terkini kemudian diambil dari himpunan data yang sedang dianalisa. Setelah model peramalan selesai, peramalan dilakukan untuk beberapa periode tersebut dan dibandingkan dengan nilai – nilai historis yang diketahui. Beberapa prosedur peramalan menjumlahkan nilai absolute dari kesalahan dan hasil penjumlahannya dilaporkan, atau dibagi dengan jumlah perlakuan peramalan sehingga menghasilkan rata – rata kesalahan peramalan. 2.12.Pendekatan dalam Peramalan

Menurut Heizer dan Render (2006), terdapat pendekatan umum peramalan, yaitu analisis kuantitatif dan analisis kualitatif. Peramalan kuantitatif (quantitative forecast) menggunakan model otomatis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan faktor seperti intuis, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal.

2.12.1 Metode Peramalan Kualitatif

Terdapat 4 (empat) teknik peramalan yang berbeda:

1. Keputusan dari pendapat juri eksekutif (jury of executive opinion). Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tinggi, sering dikombinasikan dengan model statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.

2. Metode Delphi (Delphi method). Ada 3 (tiga) jenis peserta dalam metode Delphi pengambil keputusan, karyawan, dan responden. Pengambilan keputusan biasanya terdiri dari 5 (lima) sampai 10 (sepuluh) orang pakar yang akan melakukan peramalan. Karyawan membantu pengambilan keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuesioner dan hasil survey. Responden adalah sekelompok orang yang biasanya ditempatkan di tempat yang berbeda, di mana penilaian dilakukan.


(29)

Kelompok ini memberikan input pada pengambilan keputusan sebelum peramalan dibuat.

3. Gabungan dari tenaga penjual (sales force composite). Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang bisa dilakukan dalam wilayahnya. Peramalan ini kemudian dikaji untuk memastikan apakah peramalan cukup realistis. Kemudian peramalan dikombinasikan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan.

4. Survey pasar konsumen (costumer market survey). Metode ini meminta input dari konsumen mengenai rencana pembelian mereka dimasa depan. Hal ini membantu tidak hanya dalam menyiapkan peramalan tetapi juga memperbaiki desain produk dan perencanaan produk baru.

2.12.2 Metode Peramalan Kuantitatif

Peramalan kuantitatif menggunakan model matematik yang beragam dengan data masa lalu dan peubah sebab – akibat untuk meramalkan permintaan. Metode peramalan kuantitatif memerlukan data historis atau data empiris, mutu data dan pemilihan metode yang cocok akan menentukan kualitas hasil peramalan. Peramalan kuantitatif dapat diterapkan bila terdapat 3 (tiga) kondisi (Makridarkis dalam Wisastri, 2006) berikut:

1. Terdapat informasi masa lalu.

2. Informasi tersebut bisa dikuantitatifkan dalam bentuk data numerik.

3. Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut dimasa mendatang.

Dua asumsi pertama merupakan syarat keharusan bagi penerapan metode peramalan kuantitatif. Sedangkan asumsi ketiga merupakan syarat kecukupan, artinya walaupun asumsi ketiga dilanggar, model yang dirumuskan masih dapat dipergunakan. Karena hal ini akan memberikan kesalahan peramalan yang relatif besar, bila perubahan data ataupun bentuk hubungan fungsional tersebut terjadi secara sistematis.

Berdasarkan data masa lalu, metode peramalan kuantitatif dibagi menjadi 2 (dua) bagian, yaitu metode deret waktu (time series), yaitu model yang membuat prediksi dengan asumsi bahwa masa depan merupakan fungsi masa lalu, dengan menggunakan data masa lalu dapat melakukan peramalan. Dalam metode deret


(30)

waktu peramal hanya berusaha mencari pola – pola dari data suatu data, tanpa berusaha mencari apa penyebab dan mengapa polanya demikian. Bisa jadi pola data masa lalu tidak sama lagi dengan masa depan, karena faktor – faktor yang mempengaruhinya sudah berubah. Metode peramalan kedua adalah metode peramalan associative atau metode peramalan kausal (metode peramalan eksplanatori), yaitu metode peramalan yang menggabungkan peubah atau faktor yang mungkin mempengaruhi permintaan atas suatu produk (peubah bebas) terhadap permintaan suatu produk (peubah tidak bebas). Peramalan kuantitatif juga memiliki keterbatasan, jika terjadi perubahan pola data atau hubungan sebab akibat, maka hasil ramalan menjadi kurang akurat (Heizer dan Render, 2006).

2.13.Penelitian Terdahulu

Asri (2008) melakukan penelitian mengenai Analisis Peramalan Penjualan matrix blackberry PT Indosat, TBK dalam rangka perencanaan strategi pemasaran. Pada penelitian ini data yang digunakan merupakan data penjualan per bulan, dari bulan Desember 2005 sampai bulan Desember 2007 secara nationwide dan data penjualan perbualn Matrix Blackberry per wilayah penjualan (Jabotabek dan Banten, Sumatera bagian utara, Sumatera bagian selatan, Jawa Barat, JawaTengah dan DIY, Jawa Timur, dan Bali Nusa Tenggara, Kalimantan, Sulawesi, Maluku dan Papua) dari bulan Januari sampai Bulan Desember 2007 diolah dengan metode peramalan

time series dan regresi. Berdasarkan hasil pengolahan data tersebut diperolah hasil bahwa pola data penjualan matrix blackberry merupakan trend yang terus meningkat, pola trend pada data penjualan blackberry menunjukkan peningkatan yang berkelanjutan. Sedangkan dari data penjualan dan hasil peramalan diketahui bahwa penjualan matrix blackberry paling tinggi adalah wilayah Jabotabek dan Banten, penjualan paling rendah berada di wilayah Kalimantan, hal ini memang dilatarbekakangi oleh letak geografis dan ekonomis setiap wilayah serta karakteristik masyarakatnya.

Fikriansyah (2011) melakukan penelitian mengenai Analisis Peramalan Penjualan di Auto 2000 Bogor dalam rangka meramalkan atau mengetahui tingkat penjualan Auto 2000 pada akhir tahun 2011 serta merencanakan strategi penjualannya. Pada penelitian ini data yang digunakan merupakan data penjualan per – bulan, dari bulan Januari 2005 sampai dengan bulan Desember 2010 secara


(31)

regional wilayah penjualan (Auto 2000 Siliwangi) yang diolah dengan menggunakan metode time series dan regresi. Berdasarkan hasil pengolahan data tersebut diperoleh hasil bahwa pola data penjualan mobil di Auto 2000 Siliwangi ada yang meningkat dan juga ada yang turun. Sedangkan dari data penjualan dan hasil peramalan diketahui bahwa penjualan mobil di Auto 2000 Siliwangi adalah pada tipe mobil city car dan MPV meningkat, sedangkan pada tipe sedan menurun. Hal ini dilatar belakangi oleh penjualan city car dan MPV dipengaruhi oleh variabel city car dan MPV (saling berkaitan), sedangkan sedan dipengaruhi oleh variabel sedan itu sendiri.

Maulya, Kiki (2011) melakukan penelitian mengenai analisis peramalan penjualan menggunakan metode kointegrasi tiga komoditi pada PT S-IK Indonesia. Berdasarkan analisis yang dilakukan untuk 6 bulan kedepan produk terjadi fluktuasi pada nilai prediksi persamaan regresi, sehingga mempengaruhi nilai peramalan penjualannya. Pada penjualan produk ABS nilai prediksi penjualan dari persamaan regresi terjadi penurunan disetiap bulannya, sedangkan pada penjualan produk PP nilai prediksi 6 bulan ke depan terlihat peningkatan di setiap bulannya. Pada penjualan produk PS terjadi fluktuasi disetiap bulannya. Penurunan penjualan PS terjadi pada bulan ke 65 dan bulan ke 66.

Indrazakti (2011) melakukan penelitian mengenai analisis peramalan penjualan menggunakan metode kointegrasi pada produk safe 1 dan cypergard (500 ml dan 100 ml) di PT Chemigard. Dari hasil peramalan penjualan yang dilakukan untuk 6 bulan kedepan, semua produk terjadi fluktuasi pada nilai prediksi persamaan regresi, sehingga mempengaruhi nilai peramalan penjualan menjadi turun naik. Berdasarkan hasil Variance Decomposition untuk 50 bulan kedepan pengaruh dominan dalam penjualan produk Safe 1 adalah produk safe 1 itu sendiri dan pengaruh produk lain yang paling besar adalah Cypergard 100 ml. Pengaruh dominan dalam penjualan Cypergard 100 ml adalah Cypergard 100 ml itu sendiri dan pengaruh produk lain yang paling besar adalah Cypergard 500 ml. Sedangkan pengaruh dominan dalam penjualan Cypergard 500 ml adalah variabel lain yaitu Cypergard 100 ml.


(32)

III. METODE PENELITIAN

3.1. Kerangka Pemikiran

Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode peramalan penjualan terbaik untuk setiap mobil yang dipasarkan oleh PT Honda Mandiri Bogor dalam rangka merencanakan strategi pemasaran. Penelitian ini dimulai dengan mengumpulkan data – data yang dibutuhkan, dimana data tersebut haruslah relevan. Adapun data yang dibutuhkan adalah data historis penjualan mobil di PT Honda Mandiri Bogor dalam kurun waktu 3 (tiga) tahun terakhir yaitu tahun 2009 sampai dengan 2011.

Data ini akan diolah dan dianalisis selanjutnya akan dibuatkan plot pola data penjualan dan data tersebut akan diolah dengan menggunakan metode analisis time series dan metode analisis regresi. Setelah data penjualan dianalisis maka akan dilakukan uji kointegrasi pada data tersebut, sehingga akan diketahui apakah data tersebut stationer atau tidak. Setelah dilakukan uji kointegrasi maka akan mudah untuk menentukan metode peramalan yang akan digunakan, karena data penjualan ini bersifat stationer maka model yang dapat digunakan untuk analisis peramalan adalah Vector Autoregression atau VAR. Setelah dilakukan analisis VAR maka akan diperoleh hasil VAR, hasil tersebut akan menunjukan peramalan penjualan untuk produk sedan, city car, MPV dan SUV selama kurun waktu 6 (enam) bulan kedepan.


(33)

Gambar 1. Kerangka pemikiran

IMPLIKASI MANAJERIAL HASIL ANALISIS PT. HONDA MANDIRI

BOGOR

Melihat hubungan antar produk untuk meramalkan penjualan yang digunakan guna menyusun perencanaan yang lebih akurat

Data Penjualan PT. Honda Mandiri Bogor Tahun 2009 – 2011

TIDAK STASIONER 1. Uji Kausalitas Granger 2. Uji lag optimum 3. Model VECM 4. Uji Stabilitas Model 5. Impulse Respon 6. FEVD

STASIONER 1. Uji Kausalitas Granger 2. Uji lag optimum 3. Hasil Estimasi VAR 4. Uji Stabilitas Model 5. Impulse Response 6. FEVD


(34)

3.2. Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di sebuah pusat penjualan mobil yang hanya menjual mobil dengan merek Honda yaitu PT. Honda Mandiri Bogor. Honda Mandiri Bogor (PT. Mandiri Prawira Raya Motor) yang berlokasi di Jl Raya Pajajaran No 27 Bogor. Penelitian ini dilakukan selama 3 (tiga) bulan yaitu dimulai dari bulan Januari sampai dengan bulan Maret 2012.

3.3. Jenis dan Sumber Data

Data dan informasi yang digunakan pada penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dengan melakukan proses wawancara dengan

senior supervisor dari Honda Mandiri Bogor. Sedangkan data sekunder yang digunakan adalah laporan penjualan mobil di Honda Mandiri Bogor selama kurun waktu 3 (tiga) tahun terakhir, mulai dari tahun 2009 sampai dengan 2011.

Jenis data yang akan digunakan dalam skripsi ini adalah data kuantitatif yaitu berupa laporan penjualan mobil, serta data kualitatif yaitu data yang berupa penjelasan serta keterangan dari Honda Mandiri Bogor.

3.4. Pengolahan dan Analisis Data

Data yang dikumpulkan kemudian diolah dan analisis, sehingga mampu memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian ini. Pengolahan dan penganalisaan data diharapkan dapat menguraikan langkah – langkah strategis yang dapat dilakukan perusahaan untuk memasarkan dan menjual produk. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan diuraikan secara kualitatif dan kuantitatif. Analisis kualitatif digunakan untuk mengetahui keunggulan kompetitif yang dimiliki. Pengolahan kualitatif juga akan menggambarkan keadaan umum perusahaan. Analisis kuantitatif digunakan untuk meramalkan penjualan mobil di Honda Mandiri Bogor selama 6 (enam) bulan kedepan yaitu semester pertama tahun 2012 dengan menggunakan analisis runtun waktu (time series). Data penjualan kemudian ditabulasikan dengan bantuan program computer Microsoft Excel dan Eviews 6.


(35)

3.4.1 Vector Autoregression (VAR)

Model ekonometri yang sering digunakan dalam analisis makro ekonomi dinamik dan stokastik adalah Vector Autoregression (VAR). VAR merupakan suatu sistem persamaan yang memperlihatkan setiap variabel sebagai fungsi dari konstanta dan nilai lag (lampau) dari variabel itu sendiri serta nilai lag dari variabel yang lain yag ada dalam sistem. Variabel penjelas dalam VAR meliputi nilai lag seluruh variabel tak bebas dalam sistem VAR yang membutuhkan identifikasi retriksi untuk mencapai persamaan melalui interpretasi persamaan.

VAR dengan ordo p dan n buah variabel tak bebas pada periode t dapat dimodelkan sebagai berikut:

Dimana :

Vektor variabel tak bebas Vektor intersep berukuran Matriks parameter berukuran

Vektor residual

Asumsi yang harus dipenuhi dalam analisis VAR adalah semua variabel tidak bersifat stasioner, semua sisaan bersifat white noise, yaitu memiliki rataan nol, ragam konstan dan diantara variabel tidak bebas tidak ada kolerasi. Uji stasioneritas data dapat dilakukan melalui pengujian terhadap ada tidaknya unit root dalam variabel dengan uji Augmented Dickey Fuller (ADF). Adanya unit root akan menghasilkan persamaan regresi yang spurious.

Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode Johansen atau Engel – Granger. Jika variabel – variabel tidak terkointegrasi, maka dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS, setelah memastikan variabel tesebut sudah stasioner pada derajat (ordo) yang sama. Jika pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan EMC untuk single equation atau VECM untuk system equation.


(36)

3.4.2 Uji Stasioneritas Data

Salah satu konsep penting yang harus diingat dalam analisa menggunakan data time series adalah kondisi data yang stasioner atau tidak stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious regression (Gujarati, 2003).

Spurious regression Memiliki pengertian bahwa hasil regresi dari satu variabel time series pada satu atau beberapa variabel time series lainya cenderung untuk menghasilkan kesimpulan hasil estimasi yang bisa ditunjukan dengan karakteristik seperti memperoleh hasil yang sangat tinggi (lebih besar dari 0,9) tetapi pada kenyataannya hubungan antar variabel tersebut tidak memiliki arti atau meaningless. Gujarati juga mengatakan bahwa jika (Dubin Watson statistik), maka kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil estimasi tersebut kemungkinan besar merupakan nonsense/suporiousregression.

Jika sebuah data time series merupakan data yang stasioner maka studi akan prilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu (Gujarati, 2003). Atau dengan kata lain bahwa setiap bagian dari data time series

tersebut merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari kondisi tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi pada periode waktu yang berbeda – beda. Gujarati menyebutkan kondisi stochastic process dikatakan stasioner jika rata – rata dan variansnya konstan dalam beberapa periode waktu, dan dinilai dari kovarians antar dua waktu yang berbeda tergantung dari lag antara dua periode waktu yang tidak tergantung pada waktu aktual pada saat kovarians dihitung. Bisa juga dikatakan sebagai data time series yang stasioner jika rata – rata varians dan otokovariansnya dalam berbagai jumlah lag menunjukan kesamaan saat diukur pada berbagai titik pengukuran.

Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas. Dua metode yang paling umum digunakan adalah dengan menggunakan metode pengujian augmented Dickey – Fuller dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip – Peron menggunakan metode statistik non – parametrik sehingga untuk mengatasi permasalahan serial korelasi tanpa menambahkan lag. Pengujian Philip – Peron, maka adalah mengandung unit root yang menunjukan kondisi tidak stasioner.


(37)

Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut: ………….…………. (2)

Dimana :

= Bentuk dari first different

= Intersept

Y = Variabel yang diuji stasioneritasnya P = Panjang lag yang digunakan dalam model

= Error term

3.4.3 Uji Kausalitas Granger (Granger Causality)

Uji kausalitas granger digunakan untuk mengevaluasi kemampuan peramalan dari satu peubah deret waktu pada periode sebelumnya terhadap peubah deret waktu lainnya pada periode saat ini. Hipotesis nol yang yang diuji menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol, maka dapat melihat nilai probabilitasnya yang dibandingkan dengan tingkat kepercayaan, pada penelitian ini menggunakan nilai kritis 5 persen. Jika nilai probabilitasnya lebih besar dari 5 persen maka hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada variabel-variabel yang diuji.

3.4.4 Uji Lag Optimum

Uji lag digunakan untuk menentukan panjang lag optimum yang akan digunakan untuk analisis selanjutnya. Uji lag optimum merupakan langkah penting yang harus dilakukan dalam menggunakan model VECM. Untuk langkah awal dalam pengujian ini terlebih dahulu adalah membentuk persamaan VAR untuk mendapatkan lag optimum dan stabilitas VAR baru dapat dibentuk persamaan VECM nya. Informasi kriteria untuk menentukan panjang lag yang tepat adalah dengan menggunakan pemilihan kriteria model Final Prediction Error (FPE), Akaike Information Criteria (AIC), Schwarz Criteria (SC), dan Hannan-Quinn (HQ). Pada pengujian pemilihan lag melalui kriteria tersebut, akan didapat kandidat lag pada masing-masing kriteria yang merujuk pada lag optimal. Pada Eviews 6 memberikan tanda bintang pada nilai AIC dan SC terkecil.


(38)

Salah satu metode yang paling umum digunakan untuk menentukan panjang lag adalah dengan melihat AIC nya. Rumus AIC adalah (Gujarati, 2004):

AIC = T Log | | + 2n...(3)

Dimana:

T = jumlah observasi yang digunakan

| | = determinan dari matriks raga/koragam dari sisaan

n = jumlah parameter yang diestimasi dalam semua persamaan 3.4.5 Uji Kointegrasi

Salah satu asumsi yang harus dipenuhi dalam VAR adalah semua peubah tak bebas bersifat stasioner (Enders, 2004). Bila data tidak stasioner, maka perlu dilakukan uji kointegrasi. Langkah uji kointegrasi dengan mengaplikasikan metode Johansen, yang terdiri dari beberapa tahap, yaitu:

1. Menguji ordo integrasi semua variabel. Data perlu diplotkan untuk mengamati ada tidaknya trend yang linear. Disarankan tidak mencampur variabel dengan ordo yang berbeda.

2. Mengestimasi model dan menetapkan kondisi model. Kondisi model dapat dilakukan dalam tiga bentuk berikut:

a. Semua elemen konstanta sama dengan nol ( =0) b. Nilai ditetapkan

c. Nilai merupakan konstanta pada vektor kointegrasi

3. Menganalisis untuk mendapatkan vektor kointegrasi yang dinormalkan dan koefisien penyesuaian.

4. Menghitung faktor koreksi galat untuk membantu mengidentifikasi model struktural.

Pada Eviews 6 suatu persamaan dikategorikan berkointegrasi apabila nilai

trace statistic ataupun nilai maximum eigenvalue-nya lebih besar dari nilai kritis 5 persen. Dari uji kointegrasi dapat ditentukan jumlah persamaan yang tepat untuk mengestimasi VECM.


(39)

Untuk menguji batasan kointegrasi, johansen mendefinisikan dua buah matriks α dan β dimensi (nxr) dimana r merupakan peringkat dari , sehingga:

= α β...(4) Dimana:

α = matriks bobot dari setiap vektor kointegrasi yang ada didalam n persamaan VAR. α juga dapat dikatakan sebagai matriks parameter speed of adjusment (Enders, 2004)

β = matriks parameter kointegrasi

Hipotesis dari metode Johansen adalah sebagai berikut (Enders, 2004): : r = 0 : 0 < r < g

: r = 0 : 0 < r < g : r = 0 : 0 < r < g

... ...

: r = g-1 : r = g

Pengujian pertama menyebutkan hipotesis nol dengan tidak adanya vektor kointegrasi. Jika hipotesis ini gagal ditolak, dapat disimpulkan bahwa tidak ada vektor kointegrasi dan pengujian telah diselesaikan. Namun jika hipotesis tersebut ditolak, maka pengujian akan dilakukan terus menerus dan begitu seterusnya sampai nilai dari r akan meningkat sampai hipotesis tersebut gagal ditolak.

3.4.6 Estimasi VECM

Vector Error Correction Model (VECM) adalah suatu metode khusus dari VAR yang berguna untuk melihat hubungan keseimbangan dalam jangka panjang dari persamaan-persamaan yang terkointegrasi. Caranya adalah dengan merestriksi beberapa variabel dari suatu persamaan. Jika variabel yang digunakan sudah terkointegrasi, maka terdapat keseimbangan dalam jangka panjang dari variabel-variabel tersebut, tentu saja dalam hubungan jangka pendek terjadi ketidakseimbangan. Dengan kata lain, metode ini adalah cara untuk melihat pengaruh suatu variabel lainnya dalam jangka panjang.

VECM didesain untuk digunakan pada data yang non-stasioner dan terintegrasi (Enders, 2004). Model VECM lag p rank kointegrasi r adalah:


(40)

∆ = + π + * ∆ + ...(5) dengan = [ ]’, ...(6)

∆ = - ...(7) π = αβ’

β = vektor kointegrasi berukuran r x 1 α = vektor adjustment berukuran r x 1

* = - , adalah matriks koefisien berukuran 2 x 2 3.4.7 Uji Stabilitas Model

Uji stabilitas digunakan untuk melihat apakah model yang digunakan stabil atau tidak. Estimasi harus mempunyai validitas yang tinggi sehingga hasil nya dapat dipercaya. Hasil tersebut dapat dipercaya apabila model yang digunakan mempunyai stabilitas. Jika model VAR yang digunakan tidak stabil, maka hasil estimasi dengan menggunakan model VAR tidak memiliki tingkat validitas yang tinggi.

Stabilitas dapat diartikan hasil estimasinya mendekati nol jika model diperpanjang periode waktunya. Sebuah model dikatakan memilik validitas yang tinggi jika inverse akar karakteristiknya mempunyai modulus kurang dari satu atau semuanya berada didalam lingkaran. Jika modulus nya kurang dari satu atau berada dalam lingkaran, maka model cukup stabil. Namun sebaliknya, jika modulus bernilai satu atau lebih dari satu, atau modulus kebanyakan berada diluar lingkaran maka dapat dipastikan bahwa model tersebut kurang stabil. Jika VAR tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar karakteristiknya berada diluar unit circle, maka hasil dari estimasi model VAR tersebut meragukan.

3.4.8 ImpulseResponsFunction

Impuls respon dapat diartikan suatu respon dari suatu peubah endogen ketika peubah endogen yang lain di shock atau di impuls. Impuls respon function

menelusuri pengaruh suatu standar deviasi shock atau kejutan terhadap inovasi pada nilai variabel endogen di masa kini dan di masa mendatang. Suatu kejutan yang terjadi pada satu variabel akan langsung mempengaruhi variabel tersebut dan juga di


(41)

teruskan pada variabel endogen lainnya melalui struktur yang dinamis (Enders, 2004).

3.4.9 Forecast Error Decomposition Variance (FEDV)

Forecast Error Variance of Decomposition (FEVD) atau analisis dekomposisi ragam kesalahan peramalan digunakan untuk melihat kontribusi keragaman suatu peubah endogen terhadap goncangan peubah endogen lain untuk beberapa waktu kedepan (Enders, 2004). Jika koefisien dan diketahui dan variabilitas ingin diramalkan, sedangkan kondisi yang di observasi adalah , maka variabilitas suatu periode adalah = + + , dan kondisi ekspektasi dari adalah = + .


(42)

IV. HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Perusahaan

4.1.1 Sejarah Perusahaan

Honda Motor Company, Ltd atau Honda Technology Research Institute Company, Limited adalah produsen mobil, truk, sepeda motor dan skuter asal Jepang. Perusahaan ini juga membuat kendaraan segala medan, generator listrik, mesin kelautan dan peralatan taman.

Honda didirikan pada tanggal 24 September 1948 oleh Soichiro Honda. Honda merupakan produsen sepeda motor terbesar di dunia sejak 1959, dan juga produsen mesin pembakaran terbesar dengan produksi lebih dari 14 juta unit tiap tahun. Perusahaan Mobil Honda berhasil menggusur Nissan sebagai produsen mobil kedua terbesar di Jepang tahun 2001. Honda juga menggusur Chrysler, untuk menjadi pabrikan mobil terbesar keempat di pasar AS. Sekarang ini, Honda juga pabrikan mobil terbesar keenam di dunia. Pada 2004, perusahaan ini mulai memproduksi motor diesel, yang sangat tenang dan tidak membutuhkan penyaring untuk dapat melewati standar polusi.

Honda merupakan pabrikan Jepang pertama yang meluncurkan merek mobil mewahnya, menggunakan merk Acura untuk mobil mewahnya di Amerika Utara. Mobil Honda terkenal dengan daya tahan dan jarang rusak. Penjualan Honda di Indonesia paling terkenal dengan sepeda motornya. Honda Motor Company, Ltd masuk Indonesia pada tanggal 11 Juni 1971, dimana saham terbesar dimiliki oleh PT. Astra Internasional. (www.mobil-indonesia.com/sejarah-honda.html)

Salah satu pusat penjualan resmi mobil Honda adalah PT. Honda Mandiri Prawira Raya Motor atau yang lebih dikenal dengan nama PT. Honda Mandiri Bogor didirika pada tanggal 10 Juni 1987. Berlokasi di Jalan Pajajaran no. 27 Bogor, diatas tanah seluas 3.300 m2. Sebagai satu – satunya tempat penjualan resmi Honda yang berada di Kota Bogor, PT. Honda Mandiri Bogor melayani penjualan mobil, perawatan kendaraan dan penyediaan suku cadang orisinil Honda. Pada Juni 2008, PT. Honda Mandiri Bogor melakukan perluasan dengan membuka layanan khusus


(43)

perawatan dan penjualan suku cadang orisinil di Jalan Bina Marga I no.15 Bogor, yang berdiri diatas tanah seluas 3.600m2.

4.1.2 Visi, Misi dan Moto Perusahaan

Honda Motor Company, Ltd beroperasi dengan prinsip dasar “Respect for the Individual” dan “The Three Joys” yang mengekpresikan kesenangan dalam membeli, kesenangan dalam menjual dan juga kesenangan dalam menciptakan. Sedangkan “Respect for the Individual” merefleksikan keinginan untuk menghargai karakter dan kemampuan yang unik pada setiap individu, mempercayai satu sama lain sebagai rekan kerja untuk melakukan yang terbaik dalam segala situasi.

Prinsip dasar perusahaan yaitu menjaga pedapat pasar global untuk menyediakan produk dengan kualitas terbaik, dengan harga yang sangat bersahabat bagi pelanggan, dengan moto yang diusung “The Power of Dream”. Visi dari PT. Honda Mandiri Bogor adalah memberi pelayanan yang terbaik. Sedangkan misi yang dimiliki adalah memasarkan produk Honda dan memberikan pelayanan servis. 4.1.3 Produk – Produk Perusahaan

Sebagai pusat penjualan resmi Honda satu – satunya di Kota Bogor, PT. Honda Mandiri Bogor memasarkan hampir seluruh produk mobil Honda serta suku cadang. Beberapa produk yang dipasarkan oleh PT. Honda Mandiri Motor antara lain adalah:

1. Honda City, merupakan mobil sedan dengan 5 (lima) penumpang, tampil dengan desain garis tegas dan interior yang modern memancarkan energi yang dinamis serta performa yang handal. Honda City memiliki teknologi efisiensi bahan bakar yang ramah lingkungan, ruang kabin yang lapang sehingga memberikan rasa nyaman dalam berkendara. Honda City hadir dengan kapasitas mesin 1500 cc dengan dimensi 4.385mm x 1.715mm x 1.470mm, adapun harga yang ditawarkan berkisar dari Rp 261.000.000 – Rp 285.000.000.

2. Honda Civic, merupakan sedan kelas menengah dengan 5 (lima) penumpang dengan eksterior yang stylish dan sporty serta kabin yang eksklusif. Didukung dengan teknologi VSA (Vehicle Stability Assist) dan

Multiplex meter. Honda Civic merupakan salah satu sedan favorit di kelasnya, dengan berbagai penghargaan yang bergengsi. Honda Civic


(44)

hadir dengan 2 (dua) type mesin yaitu 1800 cc SOHC dan 2000 cc DOHC, dengan dimensi 4.540mm x 1.750mm x 1.435mm. Harga yang ditawarkan oleh Honda adalah Rp 339.000.000 – Rp 352.000.000 untuk tipe 1800 cc SOHC dan Rp 404.000.000 untuk tipe 2000 cc DOHC.

3. Honda Accord, merupakan sedan kelas premium atau mewah pada jajaran mobil Honda. Sedan dengan moto “Unlimited Luxury” ini memiliki kapasitas penumpang 5 (lima) orang dengan interior yang sangat mewah. Honda Accord memiliki beberapa type mesin, 2.4 L VTi MT – 2.4 L VTi AT – 2.4 L VTi-L AT – 3.5 L V6 AT, dengan dimensi 4.935mm x 1.845mm x 1.476mm. Adapun harga yang ditawarkan adalah Rp 428.500.000 – Rp 481.500.000 untuk type 2.4 L dan Rp 708.000.000 untuk 3.5 L V6.

4. Honda Jazz, merupakan city car yang diusung oleh Honda dengan desain yang sporty dan efisiensi bahan bakar. City cay ini memiliki kapasitas penumpang hingga 5 (lima) orang dengan interior yang canggih dan selalu menjadi trendsetter di kelasnya. Honda Jazz hadir dengan kapasitas mesin 1500cc SOHC dengan dimensi 3.900mm x 1.695mm x 1.525mm, dan harga yang dibandrol oleh Honda berkisar antara Rp 198.500.000 – Rp 224.000.000.

5. Honda Freed, merupakan salah satu produk teranyar dari Honda. Mobil yang berada pada kelas MPV (Multy Purpose Vehicle) ini memiliki kapasitas penumpang 7 (tujuh) orang dengan desain eksterior yang unik dilengkapi dengan teknologi yang mutakhir. Mobil ini memiliki dimensi 4.215mm x 1.700mm x 1.735mm, Honda Freed hanya memiliki satu tipe mesin yaitu 1.5 L SOHC, 4 silinder segaris i-VTEC. Adapun harga yang ditawarkan oleh Honda berkisar antara Rp 219.000.000 – Rp 260.000.000. 6. Honda Oddysay, adalah salah satu tipe MPV (Multy Purpose Vehicle)

yang mewah dari Honda. Honda Oddysay memiliki motto “Excitement Inside Sophiscation” atau bisa diartikan “Kegembiraan Dalam Hidup” motto ini digunakan karena Honda Oddysay memiliki kesempurnaan dalam berkendara. Didukung oleh eksterior yang elegan dan interior yang mewah serta kenyamanan dalam berkendara, Honda Oddysay menjadi


(45)

mobil premium dikelasnya. Dengan dimensi 4.800mm x 1.800mm x 1.545mm, dengan mesin 2.4 L 4 silinder segaris Honda Odysay dibandrol dengan harga Rp 529.000.000.

7. Honda CR-V, “Refinement of Style, Safety and Comfort” merupakan motto dari SUV (Sport Utility Vehicle) keluaran Honda ini. Kesetabilan berkendara, kenyamanan yang tiada duanya dalam kabin yang lapang dan mewah, performa mesin yang responsive, serta teknologi keselamatan dan fitur – fitur yang inovatif. Honda CR-V hadir dalam dua tipe mesin yaitu i-VTEC 2.0 L SOHC dan i-VTEC 2.4 L DOHC, dengan dimensi 4.566mm x 1.820mm x 1.680mm. Adapun harga yang dibandrol untuk kedua tipe tersebut berkisar antara Rp 348.000.000 – Rp 359.000.000 untuk tipe i-VTEC 2.0 L SOHC dan Rp 388.000.000 untuk tipe i-i-VTEC 2.4 L DOHC. 4.2 Hasil Analisis

4.2.1 Analisis Kointegrasi

Menurut Chen dan Knez pada tahun 1995 dalam Lucey et al (2004) Sebelum melakukan analisis dalam model VAR/VECM adalah uji kointegrasi, yaitu dapat menjelaskan bahwa variabel yang diamati dalam penelitian ini akan stabil pada jangka panjang. Esensi dari cointegration adalah bahwa series tidak dapat menyebar ke segala arah jauh dari satu sama lain dan menjelaskan bahwa keberadaan hubungan jangka panjang antara series ini dengan series yang lain dapat ditulis pada suatu format Error Correction. Salah satu syarat agar tercapai keseimbangan jangka panjang ad alah apabila pola data yang digunakan stasioner pada level nol maka menggunakan metode VAR, dan apabila pola data yang digunakan tidak stasioner pada level nol maka menggunakan metode VECM dalam menganalisa stasioneritas, tingkat signifikansi yang digunakan adalah pada tingkat signifikan 5 persen. Data penjualan yang dianalisis adalah data penjualan bulanan City Car, Sedan, MPV dan SUV yang diperoleh dari tahun 2008 sampai 2011.

4.2.2 Uji Stasioneritas

Uji stasioneritas data pada seluruh variabel dengan Augmented Dickey-Fuller Test (ADF) menggunakan perangkat lunak Eviews 6. Hasil pegujian stasioner dapat dilihat pada table 2 berikut ini.


(1)

Regression Analysis: citlag1 versus City, Jazz, ...

The regression equation is

citlag1 = 3.45 - 0.024 City - 0.0259 Jazz + 0.0494 jlag1 - 0.0803 Freed - 0.0131 flag1 - 0.248 CR-V + 0.263 crlag1 + 0.891 Civic - 0.285 civlag1

Predictor Coef SE Coef T P Constant 3.451 2.340 1.48 0.157 City -0.0237 0.1695 -0.14 0.890 Jazz -0.02589 0.05170 -0.50 0.622 jlag1 0.04941 0.05390 0.92 0.371 Freed -0.08029 0.05717 -1.40 0.176 flag1 -0.01313 0.05731 -0.23 0.821 CR-V -0.24796 0.07467 -3.32 0.004 crlag1 0.26292 0.07744 3.40 0.003 Civic 0.8908 0.3264 2.73 0.013 civlag1 -0.2850 0.3247 -0.88 0.391

S = 2.01896 R-Sq = 56.5% R-Sq(adj) = 35.8%

Analysis of Variance

Source DF SS MS F P Regression 9 100.414 11.157 2.74 0.031 Residual Error 19 77.448 4.076

Total 28 177.862

Source DF Seq SS City 1 1.338 Jazz 1 0.535 jlag1 1 0.807 Freed 1 10.476 flag1 1 0.097 CR-V 1 15.540 crlag1 1 40.758 Civic 1 27.724 civlag1 1 3.140

Unusual Observations

Obs City citlag1 Fit SE Fit Residual St Resid 15 11.0 3.000 5.992 1.542 -2.992 -2.30R 29 1.0 0.000 4.266 1.014 -4.266 -2.44R R denotes an observation with a large standardized residual.


(2)

Regression Analysis: CR-V versus crlag1, Jazz, ...

The regression equation is

CR-V = 10.1 + 0.622 crlag1 - 0.095 Jazz + 0.122 jlag1 - 0.051 Freed

- 0.048 flag1 + 0.160 City - 1.48 citlag1 + 1.97 Civic - 1.14 civlag1

Predictor Coef SE Coef T P Constant 10.126 5.572 1.82 0.085 crlag1 0.6222 0.1928 3.23 0.004 Jazz -0.0946 0.1253 -0.75 0.460 jlag1 0.1216 0.1317 0.92 0.367 Freed -0.0509 0.1463 -0.35 0.732 flag1 -0.0480 0.1398 -0.34 0.735 City 0.1600 0.4128 0.39 0.703 citlag1 -1.4812 0.4460 -3.32 0.004 Civic 1.9738 0.8250 2.39 0.027 civlag1 -1.1442 0.7657 -1.49 0.152

S = 4.93444 R-Sq = 55.5% R-Sq(adj) = 34.4%

Analysis of Variance

Source DF SS MS F P Regression 9 577.24 64.14 2.63 0.036 Residual Error 19 462.62 24.35

Total 28 1039.86

Source DF Seq SS crlag1 1 108.47 Jazz 1 11.75 jlag1 1 32.46 Freed 1 10.87 flag1 1 15.09 City 1 44.72 citlag1 1 180.46 Civic 1 119.05 civlag1 1 54.36

Unusual Observations

Obs crlag1 CR-V Fit SE Fit Residual St Resid 14 20.0 29.000 18.917 2.372 10.083 2.33R R denotes an observation with a large standardized residual.


(3)

Regression Analysis: crlag1 versus CR-V, Jazz, ...

The regression equation is

crlag1 = - 4.32 + 0.569 CR-V + 0.052 Jazz - 0.074 jlag1 + 0.164 Freed + 0.065 flag1 + 0.480 City + 1.44 citlag1 - 1.64 Civic + 1.47 civlag1

Predictor Coef SE Coef T P Constant -4.317 5.687 -0.76 0.457 CR-V 0.5690 0.1763 3.23 0.004 Jazz 0.0521 0.1211 0.43 0.672 jlag1 -0.0738 0.1276 -0.58 0.570 Freed 0.1641 0.1352 1.21 0.240 flag1 0.0646 0.1333 0.48 0.634 City 0.4798 0.3807 1.26 0.223 citlag1 1.4362 0.4230 3.40 0.003 Civic -1.6409 0.8175 -2.01 0.059 civlag1 1.4678 0.6970 2.11 0.049

S = 4.71878 R-Sq = 59.6% R-Sq(adj) = 40.5%

Analysis of Variance

Source DF SS MS F P Regression 9 624.79 69.42 3.12 0.018 Residual Error 19 423.07 22.27

Total 28 1047.86

Source DF Seq SS CR-V 1 109.30 Jazz 1 5.18 jlag1 1 29.08 Freed 1 3.57 flag1 1 24.62 City 1 59.05 citlag1 1 223.39 Civic 1 71.85 civlag1 1 98.74

Unusual Observations

Obs CR-V crlag1 Fit SE Fit Residual St Resid 5 16.0 10.000 17.962 3.508 -7.962 -2.52R 15 17.0 29.000 21.499 3.550 7.501 2.41R 29 13.0 13.000 4.577 2.668 8.423 2.16R R denotes an observation with a large standardized residual.


(4)

Regression Analysis: Civic versus civlag1, Jazz, ...

The regression equation is

Civic = 0.43 + 0.230 civlag1 + 0.0537 Jazz - 0.0695 jlag1 + 0.0208 Freed - 0.0078 flag1 + 0.050 City + 0.316 citlag1 + 0.117 CR-V - 0.107 crlag1

Predictor Coef SE Coef T P Constant 0.431 1.468 0.29 0.772 civlag1 0.2302 0.1901 1.21 0.241 Jazz 0.05374 0.02845 1.89 0.074 jlag1 -0.06945 0.02869 -2.42 0.026 Freed 0.02081 0.03546 0.59 0.564 flag1 -0.00783 0.03415 -0.23 0.821 City 0.0497 0.1004 0.50 0.626 citlag1 0.3162 0.1158 2.73 0.013 CR-V 0.11728 0.04903 2.39 0.027 crlag1 -0.10662 0.05312 -2.01 0.059

S = 1.20284 R-Sq = 60.3% R-Sq(adj) = 41.5%

Analysis of Variance

Source DF SS MS F P Regression 9 41.752 4.639 3.21 0.016 Residual Error 19 27.490 1.447

Total 28 69.241

Source DF Seq SS civlag1 1 3.561 Jazz 1 7.587 jlag1 1 15.944 Freed 1 0.078 flag1 1 0.588 City 1 0.803 citlag1 1 3.609 CR-V 1 3.753 crlag1 1 5.829

Unusual Observations

Obs civlag1 Civic Fit SE Fit Residual St Resid 2 1.00 6.000 3.230 0.571 2.770 2.62R 5 2.00 1.000 2.623 0.937 -1.623 -2.15R 18 2.00 7.000 5.000 0.779 2.000 2.18R R denotes an observation with a large standardized residual.


(5)

Regression Analysis: civlag1 versus Civic, Jazz, ...

The regression equation is

civlag1 = 2.48 + 0.311 Civic - 0.0520 Jazz + 0.0440 jlag1 - 0.0233 Freed + 0.0208 flag1 - 0.119 City - 0.137 citlag1 - 0.0919 CR-V + 0.129 crlag1

Predictor Coef SE Coef T P Constant 2.481 1.613 1.54 0.141 Civic 0.3112 0.2570 1.21 0.241 Jazz -0.05202 0.03402 -1.53 0.143 jlag1 0.04396 0.03680 1.19 0.247 Freed -0.02327 0.04126 -0.56 0.579 flag1 0.02075 0.03947 0.53 0.605 City -0.1185 0.1143 -1.04 0.313 citlag1 -0.1367 0.1558 -0.88 0.391 CR-V -0.09190 0.06151 -1.49 0.152 crlag1 0.12892 0.06122 2.11 0.049

S = 1.39848 R-Sq = 43.0% R-Sq(adj) = 16.1%

Analysis of Variance

Source DF SS MS F P Regression 9 28.082 3.120 1.60 0.187 Residual Error 19 37.159 1.956

Total 28 65.241

Source DF Seq SS Civic 1 3.355 Jazz 1 4.728 jlag1 1 6.737 Freed 1 0.026 flag1 1 1.966 City 1 1.241 citlag1 1 0.979 CR-V 1 0.378 crlag1 1 8.673


(6)

DIMAS PERMADI CAHYONO. H24097032. Analisis peramalan penjualan

menggunakan metode kointegrasi pada tipe mobil sedan, city car, MPV dan SUV di

Honda Mandiri Bogor. Dibawah bimbingan MUHAMAD SYAMSUN.

Pertumbuhan ekonomi di Indonesia terus mengalami peningkatan setelah kerisis

moneter. Menurut data yang dikeluarkan Badan Pusat Statistik pertumbuhan

ekonomi Indonesia pada tahun 2011 meningkat 6,5 persen terhadap tahun 2010

terjadi pada seluruh sektor ekonomi yaitu 7.427 triliun rupiah. Saat ini mobil

merupakan kendaraan pribadi yang cukup diminati oleh masyarakat, karena selain

terlindung dari panas dan hujan saat ini mobil juga lebih ekonomis dalam

penggunaan bahan bakar, hal tersebut menyebabkan penjualan mobil semakin

meningkat. PT. Mandiri Prawira Raya Motor atau lebih dikenal dengan nama PT.

Honda Mandiri Bogor merupakan salah satu perusahaan yang bergerak dibidang

otomotif. Adapun produk yang dipasarkan oleh PT. Honda Mandiri Bogor antara

lain sedan,

city car

, MPV (

Multi Purpose Vehicle

), dan SUV (

Sport Utility Vehicle

).

PT. Honda Mandiri Bogor memerlukan suatu instrument untuk melihat hubungan

dan pengaruh punjualan suatu produk dengan produk lainnya. Hal ini diperlukan

untuk membantu PT. Honda Mandiri Bogor dalam mengontrol penjualan produknya

dalam beberapa periode ke depan. Pengaruh dan hubungan setiap produk dalam

suatu perusahaan terkadang menyebabkan penurunan dan peningkatan penjualan

terhadap produk lainnya.

Tujuan penelitian ini yaitu menganalisis hubungan kointegrasi antara produk sedan,

city car,

MPV (

Multi Purpose Vehicle

), dan SUV (

Sport Utility Vahicle

), untuk

mendapatkan prediksi atau ramalan pencapaian penjualan mobil di PT. Honda

Mandiri Bogor pada tahun 2012, serta bagaimana kointegrasi produk dan ramalan

penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan

perusahaan dan keunggulan PT. Honda Mandiri Bogor dengan perusahaan pesaing.

Data dan informasi yang digunakan pada penelitian ini adalah data primer dan data

sekunder. Data primer diperoleh dengan melakukan proses wawencara dengan

supervisor dari Honda Mandiri Bogor. Sedangkan data sekunder yang digunakan

adalah laporan penjualan mobil di Honda Mandiri Bogor selama kurun waktu 3 (tiga)

tahun terakhir. Jenis data yang akan digunakan adalah data kuantitatif yaitu berupa

laporan penjualan mobil, serta data kualitatif yaitu data yang berupa penjelasan dan

keterangan – keterangan. Selain itu hasil penelitian ini dianalisis menggunakan

vector autoregression

, uji stasioneritas data, uji kausalitas granger, uji lag optimum,

uji kointegrasi, estimasi VECM, uji stabilitas model,

impuls respons function

dan

foercast error decompotion variance

.

Berdasarkan hasil dan pembahasan dengan menggunakan metode kointegrasi

didapatkan hasil bahwa hasil uji stasioner semua variabel yang digunakan dalam

penelitian ini telah stasioner hal ini dikareakan nilai tes critic value lebih kecil dari