kedua variabel tersebut berdasrkan 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 lain tersebut tejadi. 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.
2.7 Forecast Error Variance Decomposition FEVD
Forecast Error Decomposition of variance FEVD dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR.
Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang 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, dapat dilihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhi variabel lainnya
pada kurun waktu yang panjang how long how persistent. Dekomposisi varians merinci varian dari error peramalan forecast menjadi
komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error k-tahap ke
depan 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 dilakukuan untuk memberikan informasi mengenai bagaimana
hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh guncangan acak random shock dari
variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing gangguan struktural inovasi acak
random innovation structural disturbance atau seberapa kuat peranan variabel tertentu terhadap lainnya.
2.8 Penelitian Terdahulu
Istiati 2006 Analisis Strategi Bersaing Dalam Usaha Bidang Teknologi
Informasi Studi Kasus PT.AMTP Jakarta menyimpulkan bahwa untuk
memudahkan pengamatan maka pengolahan dan pengumpulan data dengan menunjuk pimpinan perusahan untuk memberikan penilaian sehingga bobotnya
dapat diketahui dengan pengumpulan data melalui data pimer dan data sekunder. Dengan metode studi kasus pada perusahaan yang saat ini sedang berusaha
menggembangkan dirinya menghadapi persaingan di masa datang. Agar permasalahan lebih terarah dan terinci sehingga hasil yang diperoleh lebih akurat
dan mendalam maka perlu dikaji beberapa aspek manajemen. Aldina 2008 Analisis Peramalan Penjualan Matrix Blackberry PT.
Indosat,TBK yang menggunakan data primer diperoleh dari hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak
manajemen sebagai narasumber. Sedangkan data sekunder merupakan data pelengkap dari data primer yang dikumpulkan dari literatur-literatur, studi pustaka
atau laporan internal perusahaan. Analisis menggunakan peramalan dengan metode time series karena satu variabel dan regresinya dengan alat pengolah data
Minitab 14. Andria 2009 Analisis Peramalan Jumlah siswa menggunakan metode
VAR berbasis komputer, studi kasus Valto Education Centre menyimpulkan bahwa memproyeksikan sistem variabel runtut waktu dan untuk menganalisis
dampak faktor yang terdapat dalam sistem variabel tersebut. Pada dasarnya analisis VAR bisa dipadukan dengan suatu model. Disamping itu, dalam analisis
VAR biasanya tidak ada variabel eksogen dalam model.Pengumpulan data dilakukan dengan cara mengambil data aktual yang didapat dari Valto Education
Centre, data yang tekumpul kemudian akan diperoleh dengan menggunakan Microsoft Excel 2003, metode yang digunakan adalah VAR, Pengolahan data
akan menghasilkan nilai ramalan atau satu periode yang akan datang. Data jumlah siswa Valto Education Centre yang telah diperoleh dinalisis dengan menggunakan
VAR dilakukan untuk mendapatkan nilai ramalan terhadap jumlah siswa. Ada beberapa tahapan yang harus dilakukan untuk mendapatkan arah yang baik
diantaranya dengan mencari persamaan autoregresi sebelum dan sesudah shock.
III . METODE PENELITIAN 3.1. Kerangka Pemikiran
Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat
dilakukan dengan pasar perhitungan volume penjualan produk yang dihasilkan di masa lalu. Hasil peramalan penjualan pasar kue ini merupakan alat yang penting
di dalam perencanaan penjualan kue di masa yang akan datang, agar kedepanya dapat memperoleh gambaran.
Hasil peramalan penjualan akan mempengaruhi arus kas, jika arus kas yang diperkirakan tidak dapat disesuaikan dengan perkiraan biaya, akan
mengalami kekurangan biaya, maka dari itu harus menghindari hal tersebut. Jadi peramalan kue harus dilakukan dengan sebaik mungkin agar tidak kekurangan
dana keuangan dimasa depan. Perusahaan memiliki tujuan yaitu pada dasarnya mendapatkan keuntungan
demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis kuliner lainnya dengan memiliki kelebihan yang luar biasa dibandingkan dengan
perusahaan lainnya. Dengan adanya kondisi pasar yang terus berubah dan munculnya fenomena dalam lingkungan pemasaran yang mengakibatkan perlunya
peramalan dilakukan untuk memprediksi kejadian di masa yang akan datang agar dimasa mendatang pun telah ada perkiraan atau prediksinya sehingga tidak akan
bingung dalam memprediksinya pada perusahan. Pada penelitian ini terlebih dahulu dilakukan pengumpulan informasi secara meneluruh mengenai gambaran
secara umum perusahaan beserta visi, misi dan tujuan perusahaan. Agar kita dapat mengetahui apa inti dan maksud dari perusahan tersebut setelah kita ketahui visi,
misi dan tujuan perusahaannya.Terdapat dua jenis data yang digunakan untuk dilakukan analisis VAR Vector Autoregression dan analisis VECM Vector
Error Corection Model. Analisis VECM untuk menunjukkan adanya kointegrasi tetapi data tersebut tidak stasioner dan analisis VAR untuk menunjukkan data
tersebut kointegrasi tapi stationer. Kemudian melakukan analisis IRF dan FEVD untuk melihat korelasi antara data pasokan dengan data penjualan yang kemudian
dilakukan peramalan melalui analisis FEVD.
Gambar 1. Kerangka Pemikiran
Stabilitas VAR
Model
VECM
Stabilitas VECM
VAR
Analisis Sebab Akibat Kausalitas Granger
Menentukan Lag Optimal
Implus Response Funtion IRF
Dekomposisi Galat Peramalan Forecasting Error Variance Decompotion FEVD
Hasil Analisis Implikasi Manajerial
Ingin mengetahui hubungan antar jenis kue dan ramalan penjualan jenis kue yang digunakan untuk
menyususn perencanaan yang lebih baik
Data Penjualan Triple Combo : Klappertart, Makaroni, Pastel
Uji Stasioner
Stasioner ?
Triple Combo
Uji Kointegrasi
Ya Ti
dak
3.2 Lokasi dan Waktu Penelitian
