Analisis Peramalan Penjualan Emas Dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan Dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK

PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN

DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN

DALAM PERENCANAAN STRATEGI PEMASARAN

Oleh

MERI NILAWATI

H24104071

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

Abstrak

Meri Nilawati. H24104071. Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Di bawah bimbingan M. Syamsun dan Farida Ratna Dewi

Salah satu hal yang dibutuhkan dalam pembentukan strategi yang baik bagi perusahaan adalah peramalan terhadap penjualan pada tahun yang akan datang. Peramalan penjualan secara kuantitatif belum pernah dilakukan oleh PT. Aneka Tambang, Tbk UBPP Logam Mulia, padahal perusahaan ini memproduksi serta mejual emas dan perak berskala besar baik di dalam negeri maupun di luar negeri. Penelitian ini bertujuan (1) Mengidentifikasi pola penjualan Emas dan Perak UBPP Logam Mulia, (2) Mendapatkan metode peramalan time series terbaik berdasarkan pola data penjualan Emas dan Perak UBPP Logam Mulia, dan (3) Mendapatkan hasil peramalan sehingga dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan UBPP Logam Mulia.

Informasi dan pengumpulan data yang dikumpulkan meliputi data primer dan sekunder serta jenis data yang bersifat kualitatif dan kuantitatif. 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. Analisis menggunakan peramalan dengan metode time series dengan alat pengolah data Minitab 14. Data penjualan PT Aneka Tambang, Tbk UBPP Logam Mulia selama tahun 2001 sampai dengan 2007 berfluktuasi dan merupakan data stationer. Metode dengan MAPE paling kecil adalah metode terbaik yang dipilih dalam menentukan berapa besar penjualan di tiap bulan, yaitu Moving Average dan ARIMA yang dicobakan pada data penjualan historis menghasilkan nilai peramalan penjualan ekspor domestik emas dan perak.

Dari hasil peramalan didapatkan bahwa penjualan ekspor emas dapat mencapai jumlah 404,96 Kg setiap bulannya (dengan selang peramalan sebesar -231,741 sampai dengan 1.041,66). Peramalan penjualan domestik emas mencapai jumlah 117,919 Kg setiap bulannya (dengan selang peramalan sebesar -145,105 sampai dengan 380,943). Peramalan penjualan ekspor perak mencapai jumlah 12.289 Kg pada tahun 2008, 10.471,05 Kg pada tahun 2009, dan 10.220,88 Kg pada 2010. Peramalan untuk penjualan domestik perak dapat mencapai jumlah 12.013,18 Kg pada tahun 2008, 13.667,64 Kg pada tahun 2009, dan 13.889 Kg pada 2010. Peramalan digunakan sebagai acuan dalam perencanaan strategi pemasaran (STP dan Marketing Mix) selanjutnya. Berdasarkan peramalan yang dilakukan perencanaan startegi pemasaran meliputi memperluas segmen bedasarkan geografis, meningkatkan kerja sama dengan negara baru, memperkukuh posisi sebagai satu-satunya pabrik pemurnian logam mulia di Indonesia, serta memperluas negara tujuan ekspor dengan cara peningkatan posititioning perusahaan di dunia. Selanjutnya adalah memperkaya desain produk, penetapan harga yang tepat, membuka kantor pemasaran di negara baru, dan meningkatkan promosi pada media internet.

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK

PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN

DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN

DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA EKONOMI

pada Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh

MERI NILAWATI

H24104071

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI MANAJEMEN

INSTITUT PERTANIAN BOGOR

2008

INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN

DEPARTEMEN MANAJEMEN

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN DAN

PEMURNIAN LOGAM MULIA SEBAGAI ACUAN DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI

pada Departemen Manajemen Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh Meri Nilawati

H24104071

Menyetujui, Mei 2008

Dr. Ir. M. Syamsun, M.Sc Farida Ratna Dewi, SE, MM Dosen Pembimbing I Dosen Pembimbing II

Mengetahui,

Dr. Ir. Jono M. Munandar, M.Sc Ketua Departemen

RIWAYAT HIDUP

Penulis bernama Meri Nilawati, dilahirkan di Padang pada tanggal 31 Mei 1986 dari pasangan Alm. Datuk Kayo dan Sari Kayo. Penulis merupakan anak kelima dari enam bersaudara. Penulis menyelesaikan pendidikan di Sekolah Dasar Negeri 04 Cicadas pada tahun 1992 sampai dengan tahun 1998, Sekolah Lanjutan Tingkat Pertama Negeri 1 Gunung Putri pada tahun 1998 sampai dengan tahun 2001, dan melanjutkan pendidikan di Sekolah Menengah Umum Negeri 3 Bogor pada tahun 2001 sampai dengan tahun 2004. Pada tahun 2004, penulis diterima di Institut Pertanian Bogor melalui jalur Ujian Seleksi Masuk IPB (USMI) di Departemen Manajemen, Fakultas Ekonomi dan Manajemen.

Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi kemahasiswaan, yaitu Badan Eksekutif Mahasiswa Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor pada periode 2005-2006 dan 2006-2007 menjabat sebagai bendahara departemen KKHumas BEM FEM IPB 2006-2007. Selama masa kuliah penulis juga aktif dalam kepanitian beberapa acara di fakultas maupun departemen.

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat, hidayah, serta pertolongan-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.

Pada kesempatan ini, penulis ingin menyampaikan ungkapan terima kasih kepada:

1. Dr. Ir. M. Syamsun, M.Sc. dan Farida Ratna Dewi, SE, MM. sebagai dosen pembimbing yang telah meluangkan waktu dengan penuh kesabaran memberikan bimbingan, membagikan ilmu, motivasi, saran dan pengarahan kepada penulis dalam penyempurnaan skripsi ini.

2. Wita Juwita Ermawati, S.TP, MM. atas kesediaannya untuk menjadi dosen penguji.

3. Dr. Ir. Jono M. Munandar, M.Sc selaku Ketua Departemen Manajemen, seluruh staf dosen pengajar dan karyawan/wati Departeman Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.

4. Kedua orang tua (Papa dan Mama), Goci, Gojo, Goda Hendrik, Goda Pery, Gota, Gorip, Ka Novi, Abang Heri, Rizky, Puja, Aulia, Azzamy, Havist dan seluruh keluarga besar yang selalu memberikan doa restu, semangat, cinta dan kasih sayang kepada penulis.

5. Bapak Abi Anwar, Bapak Budi, Mas Yuki, Mas Agung, dan Mas Chris atas kesediaannya untuk melakukan wawancara dan memberikan waktu, pikiran dan informasi yang berarti bagi penulis.

6. My gorgeous friends Godelieve, inc. Dyne, Aisyah, Nit2, Miaw, Gitri. Genk 8, terutama suTantri dan Rety. I Love You All.

8. Timika Lips (Iman, Andi, Kekew, Okty, Made, Gema, Utie, Aldo, JW, dll). Tetaplah exist dan menggila.

9. Teman-teman berbagi dan sepermainan Ajenk (teman seperjuangan), Icu, Noti, Mita, Anggi, Ama, Shiera, Citra, Sekar, Ariz, OO, KW, Hilman, Gala, Ikhwan, Betet, Andree, Dase dan Bapet. Semoga dikemudian hari kita menjadi manusia yang lebih bermanfaat.

10.Teman-teman yang sering membantu semasa kuliah, Teguh, Irwan, Annas, Boulkiners (Rika, Depal, Listy, Edoth, Dedeh, Mba Arin, Mba Nyit2 dan Mba Intan), Teh Rina terima kasih atas kursus kilatnya. Teman-teman Manajemen 41 atas keberasamaannya, serta Manajemen dan FEM angkatan 39, 40 dan 41. Thanx for the support.

11.Papah Yosep, Mamam serta keluarga terimakasih atas dukungan dan sudah bersedia direpotkan. Ibu Ratna sekeluarga, Bi Juju, dan Bi Enok, terimakasih atas keberadaan, pengertian dan doa kalian.

12.A1-066 member (Dita, Dila, Rani). You’r the best roommate ever.

13.Pihak-pihak lain yang tidak dapat disebutkan satu per satu yang telah ikut membantu selama penyusunan skripsi ini.

Penulis menyadari bahwa mungkin skripsi ini masih ada kekurangan. Oleh karena itu, dengan segala kerendahan hati penulis mengharapkan kritik dan saran yang bersifat membangun untuk dijadikan bahan perbaikan dalam penulisan yang lebih baik lagi.

Bogor, Mei 2008

DAFTAR ISI

Halaman ABSTRAK

RIWAYAT HIDUP ... iv

KATA PENGANTAR ... v

DAFTAR ISI ... vi

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... x

I. PENDAHULUAN 1.1. Latar Belakang ... 1

1.2. Perumusan Masalah ... 3

1.3. Tujuan Penelitian ... 4

1.4. Manfaat Penelitian ... 4

II TINJAUAN PUSTAKA 2.1. Logam Mulia ... 5

2.2. Situasi Logam Mulia di Indonesia dan Dunia ... 6

2.3. Peramalan (Forecasting) ... 8

2.4. Metode Peramalan ... 9

2.4.1. Metode Peramalan Kuantitatif ... 10

2.4.2. Metode Peramalan Kualitatif ... 11

2.5. Pemasaran ... 12

2.6. Strategi Pemasaran ... 13

2.7. Bauran Pemasaran ... 15

2.8. Penelitian Terdahulu ... 15

III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran ... 17

3.2. Lokasi dan Waktu Penelitian ... 19

3.3. Metodologi Penelitian ... 19

3.3.1. Metode Pengumpulan Data ... 19

3.3.2. Pengolahan dan Analisis Data ... 19

IV. HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Perusahaan ... 31

4.1.1. Sejarah PT Aneka Tambang, Tbk UBPP Logam Mulia 31

4.1.2. Nilai-nilai, Tujuan,Visi, Misi, dan Logo PT Aneka Tambang, Tbk UBPP Logam Mulia ... 31

4.1.3. Produk dan Layanan Unggulan PT Aneka Tambang, Tbk UBPPLogam Mulia ... 33

4.1.4. Teknologi, Perangkat, dan Fasilitas ... 34

4.1.5. Struktur Organisasi PT Aneka Tambang, Tbk UBPP Logam Mulia ... 35

4.2. Segmentation, Targeting, Positioning ... 36

4.3. Bauran Pemasaran (Marketing Mix) ... 37

4.4. Analisis Hasil Peramalan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ... 41

4.5. Intepretasi Hasil Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ... 50

4.6. Perencanaan Strategi Pemasaran PT Aneka Tambang, Tbk UBPP Logam Mulia ... 52

KESIMPULAN DAN SARAN 1. Kesimpulan ... 57

2. Saran ... 58

DAFTAR PUSTAKA ... 59

DAFTAR TABEL

No Halaman

1. Data Penjualan Emas dan Perak PT Aneka Tambang, Tbk. UBPP

Logam Mulia 2003-2007 ... 2

2. Teknologi, Perangkat dan Fasilitas Utama UBPP Logam Mulia .. 35

3. Aneka produk UBPP Logam Mulia ... 38

4. Data Penjualan Ekspor Emas 2001-2007 ... 42

5. Data Penjualan Ekspor Emas 2001-2007 ... 43

6. Data Penjualan Ekspor Perak 2001-2007 ... 44

7. Data Penjualan Domestik Perak 2001-2007 ... 45

8. Metode dan Nilai MAPE ... 46

9. Hasil Peramalan Penjualan Ekspor Perak 2008-2010 ... 48

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK

PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN

DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN

DALAM PERENCANAAN STRATEGI PEMASARAN

Oleh

MERI NILAWATI

H24104071

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN MANAJEMEN

INSTITUT PERTANIAN BOGOR

Abstrak

Meri Nilawati. H24104071. Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Di bawah bimbingan M. Syamsun dan Farida Ratna Dewi

Salah satu hal yang dibutuhkan dalam pembentukan strategi yang baik bagi perusahaan adalah peramalan terhadap penjualan pada tahun yang akan datang. Peramalan penjualan secara kuantitatif belum pernah dilakukan oleh PT. Aneka Tambang, Tbk UBPP Logam Mulia, padahal perusahaan ini memproduksi serta mejual emas dan perak berskala besar baik di dalam negeri maupun di luar negeri. Penelitian ini bertujuan (1) Mengidentifikasi pola penjualan Emas dan Perak UBPP Logam Mulia, (2) Mendapatkan metode peramalan time series terbaik berdasarkan pola data penjualan Emas dan Perak UBPP Logam Mulia, dan (3) Mendapatkan hasil peramalan sehingga dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan UBPP Logam Mulia.

Informasi dan pengumpulan data yang dikumpulkan meliputi data primer dan sekunder serta jenis data yang bersifat kualitatif dan kuantitatif. 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. Analisis menggunakan peramalan dengan metode time series dengan alat pengolah data Minitab 14. Data penjualan PT Aneka Tambang, Tbk UBPP Logam Mulia selama tahun 2001 sampai dengan 2007 berfluktuasi dan merupakan data stationer. Metode dengan MAPE paling kecil adalah metode terbaik yang dipilih dalam menentukan berapa besar penjualan di tiap bulan, yaitu Moving Average dan ARIMA yang dicobakan pada data penjualan historis menghasilkan nilai peramalan penjualan ekspor domestik emas dan perak.

Dari hasil peramalan didapatkan bahwa penjualan ekspor emas dapat mencapai jumlah 404,96 Kg setiap bulannya (dengan selang peramalan sebesar -231,741 sampai dengan 1.041,66). Peramalan penjualan domestik emas mencapai jumlah 117,919 Kg setiap bulannya (dengan selang peramalan sebesar -145,105 sampai dengan 380,943). Peramalan penjualan ekspor perak mencapai jumlah 12.289 Kg pada tahun 2008, 10.471,05 Kg pada tahun 2009, dan 10.220,88 Kg pada 2010. Peramalan untuk penjualan domestik perak dapat mencapai jumlah 12.013,18 Kg pada tahun 2008, 13.667,64 Kg pada tahun 2009, dan 13.889 Kg pada 2010. Peramalan digunakan sebagai acuan dalam perencanaan strategi pemasaran (STP dan Marketing Mix) selanjutnya. Berdasarkan peramalan yang dilakukan perencanaan startegi pemasaran meliputi memperluas segmen bedasarkan geografis, meningkatkan kerja sama dengan negara baru, memperkukuh posisi sebagai satu-satunya pabrik pemurnian logam mulia di Indonesia, serta memperluas negara tujuan ekspor dengan cara peningkatan posititioning perusahaan di dunia. Selanjutnya adalah memperkaya desain produk, penetapan harga yang tepat, membuka kantor pemasaran di negara baru, dan meningkatkan promosi pada media internet.

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK

PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN

DAN PEMURNIAN LOGAM MULIA SEBAGAI ACUAN

DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA EKONOMI

pada Departemen Manajemen

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh

MERI NILAWATI

H24104071

DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI MANAJEMEN

INSTITUT PERTANIAN BOGOR

2008

INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN

DEPARTEMEN MANAJEMEN

ANALISIS PERAMALAN PENJUALAN EMAS DAN PERAK PT ANEKA TAMBANG, TBK UNIT BISNIS PENGOLAHAN DAN

PEMURNIAN LOGAM MULIA SEBAGAI ACUAN DALAM PERENCANAAN STRATEGI PEMASARAN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI

pada Departemen Manajemen Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Oleh Meri Nilawati

H24104071

Menyetujui, Mei 2008

Dr. Ir. M. Syamsun, M.Sc Farida Ratna Dewi, SE, MM Dosen Pembimbing I Dosen Pembimbing II

Mengetahui,

Dr. Ir. Jono M. Munandar, M.Sc Ketua Departemen

RIWAYAT HIDUP

Penulis bernama Meri Nilawati, dilahirkan di Padang pada tanggal 31 Mei 1986 dari pasangan Alm. Datuk Kayo dan Sari Kayo. Penulis merupakan anak kelima dari enam bersaudara. Penulis menyelesaikan pendidikan di Sekolah Dasar Negeri 04 Cicadas pada tahun 1992 sampai dengan tahun 1998, Sekolah Lanjutan Tingkat Pertama Negeri 1 Gunung Putri pada tahun 1998 sampai dengan tahun 2001, dan melanjutkan pendidikan di Sekolah Menengah Umum Negeri 3 Bogor pada tahun 2001 sampai dengan tahun 2004. Pada tahun 2004, penulis diterima di Institut Pertanian Bogor melalui jalur Ujian Seleksi Masuk IPB (USMI) di Departemen Manajemen, Fakultas Ekonomi dan Manajemen.

Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi kemahasiswaan, yaitu Badan Eksekutif Mahasiswa Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor pada periode 2005-2006 dan 2006-2007 menjabat sebagai bendahara departemen KKHumas BEM FEM IPB 2006-2007. Selama masa kuliah penulis juga aktif dalam kepanitian beberapa acara di fakultas maupun departemen.

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat, hidayah, serta pertolongan-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul Analisis Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk Unit Bisnis Pengolahan dan Pemurnian Logam Mulia Sebagai Acuan Dalam Perencanaan Strategi Pemasaran. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.

Pada kesempatan ini, penulis ingin menyampaikan ungkapan terima kasih kepada:

1. Dr. Ir. M. Syamsun, M.Sc. dan Farida Ratna Dewi, SE, MM. sebagai dosen pembimbing yang telah meluangkan waktu dengan penuh kesabaran memberikan bimbingan, membagikan ilmu, motivasi, saran dan pengarahan kepada penulis dalam penyempurnaan skripsi ini.

2. Wita Juwita Ermawati, S.TP, MM. atas kesediaannya untuk menjadi dosen penguji.

3. Dr. Ir. Jono M. Munandar, M.Sc selaku Ketua Departemen Manajemen, seluruh staf dosen pengajar dan karyawan/wati Departeman Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.

4. Kedua orang tua (Papa dan Mama), Goci, Gojo, Goda Hendrik, Goda Pery, Gota, Gorip, Ka Novi, Abang Heri, Rizky, Puja, Aulia, Azzamy, Havist dan seluruh keluarga besar yang selalu memberikan doa restu, semangat, cinta dan kasih sayang kepada penulis.

5. Bapak Abi Anwar, Bapak Budi, Mas Yuki, Mas Agung, dan Mas Chris atas kesediaannya untuk melakukan wawancara dan memberikan waktu, pikiran dan informasi yang berarti bagi penulis.

6. My gorgeous friends Godelieve, inc. Dyne, Aisyah, Nit2, Miaw, Gitri. Genk 8, terutama suTantri dan Rety. I Love You All.

8. Timika Lips (Iman, Andi, Kekew, Okty, Made, Gema, Utie, Aldo, JW, dll). Tetaplah exist dan menggila.

9. Teman-teman berbagi dan sepermainan Ajenk (teman seperjuangan), Icu, Noti, Mita, Anggi, Ama, Shiera, Citra, Sekar, Ariz, OO, KW, Hilman, Gala, Ikhwan, Betet, Andree, Dase dan Bapet. Semoga dikemudian hari kita menjadi manusia yang lebih bermanfaat.

10.Teman-teman yang sering membantu semasa kuliah, Teguh, Irwan, Annas, Boulkiners (Rika, Depal, Listy, Edoth, Dedeh, Mba Arin, Mba Nyit2 dan Mba Intan), Teh Rina terima kasih atas kursus kilatnya. Teman-teman Manajemen 41 atas keberasamaannya, serta Manajemen dan FEM angkatan 39, 40 dan 41. Thanx for the support.

11.Papah Yosep, Mamam serta keluarga terimakasih atas dukungan dan sudah bersedia direpotkan. Ibu Ratna sekeluarga, Bi Juju, dan Bi Enok, terimakasih atas keberadaan, pengertian dan doa kalian.

12.A1-066 member (Dita, Dila, Rani). You’r the best roommate ever.

13.Pihak-pihak lain yang tidak dapat disebutkan satu per satu yang telah ikut membantu selama penyusunan skripsi ini.

Penulis menyadari bahwa mungkin skripsi ini masih ada kekurangan. Oleh karena itu, dengan segala kerendahan hati penulis mengharapkan kritik dan saran yang bersifat membangun untuk dijadikan bahan perbaikan dalam penulisan yang lebih baik lagi.

Bogor, Mei 2008

DAFTAR ISI

Halaman ABSTRAK

RIWAYAT HIDUP ... iv

KATA PENGANTAR ... v

DAFTAR ISI ... vi

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

DAFTAR LAMPIRAN ... x

I. PENDAHULUAN 1.1. Latar Belakang ... 1

1.2. Perumusan Masalah ... 3

1.3. Tujuan Penelitian ... 4

1.4. Manfaat Penelitian ... 4

II TINJAUAN PUSTAKA 2.1. Logam Mulia ... 5

2.2. Situasi Logam Mulia di Indonesia dan Dunia ... 6

2.3. Peramalan (Forecasting) ... 8

2.4. Metode Peramalan ... 9

2.4.1. Metode Peramalan Kuantitatif ... 10

2.4.2. Metode Peramalan Kualitatif ... 11

2.5. Pemasaran ... 12

2.6. Strategi Pemasaran ... 13

2.7. Bauran Pemasaran ... 15

2.8. Penelitian Terdahulu ... 15

III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran ... 17

3.2. Lokasi dan Waktu Penelitian ... 19

3.3. Metodologi Penelitian ... 19

3.3.1. Metode Pengumpulan Data ... 19

3.3.2. Pengolahan dan Analisis Data ... 19

IV. HASIL DAN PEMBAHASAN 4.1. Gambaran Umum Perusahaan ... 31

4.1.1. Sejarah PT Aneka Tambang, Tbk UBPP Logam Mulia 31

4.1.2. Nilai-nilai, Tujuan,Visi, Misi, dan Logo PT Aneka Tambang, Tbk UBPP Logam Mulia ... 31

4.1.3. Produk dan Layanan Unggulan PT Aneka Tambang, Tbk UBPPLogam Mulia ... 33

4.1.4. Teknologi, Perangkat, dan Fasilitas ... 34

4.1.5. Struktur Organisasi PT Aneka Tambang, Tbk UBPP Logam Mulia ... 35

4.2. Segmentation, Targeting, Positioning ... 36

4.3. Bauran Pemasaran (Marketing Mix) ... 37

4.4. Analisis Hasil Peramalan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ... 41

4.5. Intepretasi Hasil Peramalan Penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia ... 50

4.6. Perencanaan Strategi Pemasaran PT Aneka Tambang, Tbk UBPP Logam Mulia ... 52

KESIMPULAN DAN SARAN 1. Kesimpulan ... 57

2. Saran ... 58

DAFTAR PUSTAKA ... 59

DAFTAR TABEL

No Halaman

1. Data Penjualan Emas dan Perak PT Aneka Tambang, Tbk. UBPP

Logam Mulia 2003-2007 ... 2

2. Teknologi, Perangkat dan Fasilitas Utama UBPP Logam Mulia .. 35

3. Aneka produk UBPP Logam Mulia ... 38

4. Data Penjualan Ekspor Emas 2001-2007 ... 42

5. Data Penjualan Ekspor Emas 2001-2007 ... 43

6. Data Penjualan Ekspor Perak 2001-2007 ... 44

7. Data Penjualan Domestik Perak 2001-2007 ... 45

8. Metode dan Nilai MAPE ... 46

9. Hasil Peramalan Penjualan Ekspor Perak 2008-2010 ... 48

DAFTAR GAMBAR

No Halaman

1. Kerangka Pemikiran Penelitian ... 18

2. Logo Aneka Tambang ... 32

3. Logo UBPP Logam Mulia ... 33

4. Struktur Organisasi UBPP Logam Mulia ... 35

5. Produk UBPP Logam Mulia ... 38

6. Pergerakan Harga Emas ... 39

7. Pelanggan Dalam Negeri... 40

8. Katalog ... 41

9. Persentase Total Penjualan Emas ... 41

DAFTAR LAMPIRAN

No Halaman

1. Daftar Pertanyaan Wawancara ... 60 2. Hasil Output Komputer metode Trend, Moving Average,

dan ARIMA untuk Ekspor Emas ... 61 3. Hasil Output Komputer metode Trend, Moving Average,

dan ARIMA untuk Ekspor Emas ... 68 4. Hasil Output Komputer metode Trend, Exponential Smoothing,

Moving Average, dan ARIMA untuk Ekspor Pera ... 73 5. Hasil Output Komputer metode Trend, Moving Average,

I. PENDAHULUAN

1.1. Latar Belakang

Era globalisasi telah menuntut adanya perubahan paradigma lama dalam segala bidang, salah satunya adalah bidang pemasaran. Pemasaran merupakan salah satu aktivitas penting dalam upaya meningkatkan penjualan sebuah produk. Pemasaran adalah suatu proses sosial dan manajerial di mana individu dan kelompok mendapatkan kebutuhan dan keinginan mereka dengan menciptakan, menawarkan dan bertukar sesuatu yang bernilai satu sama lain. Semakin tingginya tingkat persaingan di bisnis lokal maupun global dan kondisi ketidakpastian memaksa perusahaan untuk mencapai keunggulan kompetitif (competitive advantage) agar mampu memenangkan persaingan di bisnis global. Kekuatan-kekuatan yang paling besar dalam persaingan industri akan menentukan serta menjadi sangat penting dari sudut pandang perumusan strategi, hal tersebut pada akhirnya juga akan menentukan kegiatan yang perlu bagi suatu perusahaan untuk berprestasi, seperti inovasi, budaya yang kohesif atau implementasi strategi pemasaran yang baik.

Strategi pemasaran merupakan serangkaian tindakan terpadu menuju keunggulan kompetitif yang berkelanjutan yang sangat penting dalam suatu perusahaan. Perubahan dalam dunia usaha yang semakin cepat mengharuskan perusahaan untuk merespon perubahan yang terjadi, problem sentral yang dihadapi perusahaan-perusahaan saat ini adalah bagaimana perusahaan tersebut mampu menciptakan strategi terbaik agar perusahaan tersebut dapat bertahan dan berkembang. Tujuan tersebut akan tercapai jika perusahaan melakukan proses pemasaran secara tepat.

Salah satu kegiatan yang mampu menjadi dasar dalam pembuatan strategi pemasaran perusahaan adalah peramalan. Besarnya fluktuasi dan tingginya risiko merupakan karakter yang melekat pada sistem produksi dan distribusi kebanyakan produk bisnis. Hal yang sama juga dapat terjadi pada industri tambang, apabila perusahaan yang ada tidak dapat mempersiapkan diri dengan baik untuk menghadapi tantangan persaingan ini, maka dikhawatirkan produk-produk mereka tidak akan mampu bertahan dalam menghadapi keadaan pasar yang tidak

menentu, sehingga akan berdampak pada kelangsungan perusahaan di masa yang akan datang. Oleh karena itu, menarik untuk dikaji secara mendalam tentang industri tersebut dan pengaruhnya terhadap peramalan yang dilakukan dalam membentuk strategi pemasaran pada perusahaan tambang yang ada di Indonesia.

PT Aneka Tambang, Tbk adalah perusahaan tambang dan logam Indonesia milik

negara yang telah melakukan aktivitas eksplorasi, eksploitasi, produksi, proses manufaktur, pemurnian serta pemasaran ke seluruh dunia sejak tahun 1968. Unit Bisnis Pengolahan dan Pemurnian Logam Mulia PT Aneka Tambang, Tbk adalah salah satu unit bisnis strategis PT Aneka Tambang, Tbk yang merupakan satu-satunya pabrik pengolahan dan pemurnian emas di Indonesia. Pemasaran juga merupakan kegiatan penting bagi UBPP Logam Mulia, sebagai penyedia emas dan perak di Indonesia, permintaan emas dan perak di pasar dunia merupakan hal yang mempengaruhi dalam pembuatan strategi pemasaran yang tepat agar perusahaan mencapai target perusahaan.

Tabel 1. Data Penjualan Emas dan Perak PT Aneka Tambang, Tbk UBPP Logam Mulia

2003-2007

Tahun

Logam 2003 2004 2005 2006 2007

Emas (Kg) 4.234,56 3.941,83 3.639,23 3.339,57 5.000,19

Perak (Kg) 23.597,57 20.833,52 26.335,48 17.496,72 22.537,87

Sumber : Laporan OHL UBPP Logam Mulia 2007

Berdasarkan Tabel 1 penjualan terhadap emas dan perak pada PT. Aneka Tambang, Tbk.

UBPP Logam Mulia berfluktuasi. Penjualan emas tertinggi pada tahun 2007 yaitu sebesar 5000,19 Kg dan penjualan perak tertinggi pada tahun 2003 yaitu sebesar 23.597,57 Kg adanya fluktuasi penjualan tersebut menunjukan bahwa peramalan merupakan hal yang penting. Dengan melakukan peramalan diharapkan perusahaan memilki acuan dalam perencanaan strategi pemasaran yang terbaik sehingga mampu mencapai tujuan perusahaan dengan efisien dan efektif.

1.2. Perumusan Masalah

PT Aneka Tambang, Tbk UBPP Logam Mulia sebagai satu-satunya pabrik pengolahan dan pemurnian emas di Indonesia juga harus mampu bergerak cepat dan tepat dalam menjalankan

strategi perusahaan, agar data penjualan yang berfluktuatif dan cenderung turun beberapa tahun belakangan mampu bertahan menuju peningkatan. Salah satu hal yang dibutuhkan dalam pembentukan strategi yang baik bagi perusahaan adalah peramalan terhadap penjualan pada tahun yang akan datang. Dalam hal ini peramalan penjualan secara kuantitatif belum pernah dilakukan oleh PT Aneka Tambang, Tbk UBPP

Logam Mulia, padahal perusahaan ini memproduksi serta mejual emas dan perak berskala besar baik di dalam negeri maupun di luar negeri.

Kondisi pada waktu yang akan datang tidak dapat diperkirakan secara pasti sehingga manajemen perusahaan harus bekerja dengan berorientasi pada kondisi waktu yang akan datang yang tidak pasti. Dasar dari prediksi penjualan perusahaan adalah omset penjualan yang ingin dicapai dan ditetapkan oleh pihak manajemen. Prediksi yang dilakukan adalah berdasarkan pengalaman, yaitu dengan melihat kecenderungan penjualan selama tujuh tahun terakhir. Hal tersebut dilakukan untuk melihat kemungkinan apakah target dapat dinaikan atau tidak. Target perusahaan merupakan perkiraan atau peramalan ke depan yang digunakan untuk mencapai target yang diinginkan. Hasil peramalan kemudian dapat digunakan sebagai acuan untuk menentukan perencanaan dan langkah-langkah selanjutnya. Oleh karena itu peramalan merupakan kegiatan yang penting bagi PT Aneka Tambang, Tbk UBPP Logam Mulia.

Dari uraian yang sudah dipaparkan maka permasalan yang akan diteliti adalah :

1. Bagaimana pola penjualan Emas dan Perak PT Aneka Tambang, Tbk

UBPP Logam Mulia?

2. Metode peramalan time series apa yang terbaik berdasarkan pola data penjualan Emas dan

Perak PT Aneka Tambang, Tbk UBPP Logam Mulia?

3. Bagaimana peramalan penjualan dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan PT Aneka Tambang, Tbk UBPP Logam Mulia?

1.3. Tujuan Penelitian

Adapun tujuan penelitian ini adalah sebagai berikut :

1. Mengidentifikasi pola penjualan Emas dan Perak PT Aneka Tambang,

2. Mendapatkan metode peramalan time series terbaik berdasarkan pola data penjualan Emas dan

Perak PT Aneka Tambang, Tbk UBPP Logam Mulia.

3. Mendapatkan hasil peramalan sehingga dapat menjadi acuan dalam perencanaan strategi pemasaran yang mungkin diterapkan PT Aneka Tambang, Tbk UBPP Logam

Mulia.

1.4. Manfaat Penelitian

Adapun manfaat penelitian ini adalah :

1. Bagi PT Aneka Tambang, Tbk UBPP Logam Mulia penelitian ini diharapkan dapat memberikan masukan dalam perencanaan strategi pemasaran untuk pengembangan perusahaan.

2. Bagi peneliti, penelitian ini berguna sebagai bahan aplikasi hasil perkuliahan selama ini, yang akan sangat bermanfaat dalam penyelesaian tugas akhir peneliti serta membantu dalam mendapatkan gelar Sarjana Ekonomi dari Departemen Manajemen Fakultas Ekonomi Dan Manajemen Institut Pertanian Bogor.

3. Bagi pembaca atau pihak lainnya, hasil penelitian ini diharapkan dapat memperluas salah satu kajian ilmu pemasaran khususnya dalam bidang strategi pemasaran serta sebagai bahan informasi untuk penelitian lebih lanjut.

II. TINJAUAN PUSTAKA

2.1. Logam Mulia

Logam mulia adalah logam yang tahan terhadap korosi maupun oksidasi, contoh logam mulia adalah emas, perak, dan platina. Umumnya logam-logam mulia memiliki harga yang tinggi, karena sifatnya yang langka dan tahan korosi. Logam mulia sangat sukar bereaksi dengan asam. Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: aurum) dan nomor atom 79. Emas tidak bereaksi dengan zat kimia lainnya tapi terserang oleh klorin, fluorin dan aqua regia. Logam ini banyak terdapat di nugget emas atau serbuk di bebatuan dan di deposit alluvial dan salah satu logam coinage. Emas melebur dalam bentuk cair pada suhu sekitar 1000 derajat celcius (Wikipedia, Indonesia).

Emas merupakan logam yang bersifat lunak dan mudah ditempa, kekerasannya berkisar antara 2,5 – 3 (skala Mohs), serta berat jenisnya tergantung pada jenis dan kandungan logam lain yang berpadu dengannya. Mineral pembawa emas biasanya berasosiasi dengan mineral ikutan (gangue minerals). Mineral ikutan tersebut umumnya kuarsa, karbonat, turmalin, flourpar, dan sejumlah kecil mineral non logam. Mineral pembawa emas juga berasosiasi dengan endapan sulfida yang telah teroksidas, mineral pembawa emas terdiri dari emas nativ, elektrum, emas telurida, sejumlah paduan dan senyawa emas dengan unsur-unsur belerang, antimon, dan selenium.

Emas terbentuk dari proses magmatisme atau pengkonsentrasian di permukaan. Beberapa endapan terbentuk karena proses metasomatisme kontak dan larutan hidrotermal, sedangkan pengkonsentrasian secara mekanis menghasilkan endapan letakan (placer). Emas digunakan sebagai standar keuangan di banyak negara dan juga digunakan sebagai perhiasan, dan elektronik. Penggunaan emas dalam bidang moneter dan keuangan berdasarkan nilai moneter absolut dari emas itu sendiri terhadap berbagai mata uang di seluruh dunia, meskipun secara resmi di bursa komoditas dunia, harga emas dicantumkan dalam mata uang dolar Amerika. Bentuk penggunaan emas dalam bidang moneter lazimnya berupa bullion atau batangan emas dalam berbagai satuan berat gram sampai kilogram.

Perak adalah suatu unsur kimia dalam tabel periodik yang memiliki lambang Ag dan nomor atom 47. Lambangnya berasal dari bahasa Latin Argentum. Sebuah logam transisi lunak, putih, mengkilap, perak memiliki konduktivitas listrik dan panas tertinggi di seluruh logam serta terdapat di mineral dan dalam bentuk bebas. Logam ini digunakan dalam koin, perhiasan, peralatan meja, dan fotografi. Beberapa Negara menjadikan perak sebagai uang yang dibuat murni berbahan perak. Ion dan komposisi perak juga dibutuhkan dalam bidang perobatan, yaitu dapat menunjukan pengaruh racun dari beberapa bakteri, virus, alga dan jamur. Selain itu perak memiliki kegunaan untuk melindungi atau menjadi wadah yang baik, misalnya wadah untuk menyimpan air, anggur dll (Wikipedia, Indonesia).

2.2. Situasi Logam Mulia

Fakta yang terjadi saat ini menunjukkan bahwa ada ketidakseimbangan aktivitas perdagangan internasional, yang terjadi akibat tidak berimbangnya penguasaan mata uang dunia, dan ditandai semakin merajalelanya dolar AS. Kondisi tersebut kemudian diperparah dengan kemunculan Euro sebagai mata uang bersama negara-negara Eropa. Sebagian besar masyarakat Indonesia percaya emas adalah produk investasi yang bisa menangkal inflasi. Potensi endapan emas terdapat di hampir setiap daerah di Indonesia, seperti di Pulau Sumatera, Kepulauan Riau, Pulau Kalimantan, Pulau Jawa, Pulau Sulawesi, Nusa Tenggara, Maluku, dan Papua.

Sejarah membuktikan emas akan meningkat peminatnya apabila terjadi kepanikan yang bisa membahayakan ekonomi negara, seperti inflasi tinggi, krisis keuangan, atau perang. Inflasi merupakan kenaikan harga barang dan jasa secara umum. Menurut keparahannya, ada tiga tipe inflasi:

Inflasi Moderat, yaitu apabila laju inflasi hanya berada di bawah dua digit per tahun (di bawah 10 persen)

Inflasi Ganas, yaitu apabila laju inflasi berada pada dua digit per tahun (10 persen - 99 persen)

Inflasi Hiper, yaitu apabila laju inflasi berada pada tiga digit per tahun (100 persen atau lebih)

Apabila terjadi inflasi tinggi, harga emas akan naik lebih tinggi daripada inflasi. Semakin tinggi inflasi, semakin tinggi kenaikan harga emas. Statistik menunjukkan bahwa bila inflasi mencapai 10 persen, maka emas akan naik 13 persen. Bila inflasi 20 persen, maka emas akan naik 30 persen. Tetapi bila inflasi 100 persen, maka emas akan naik 200 persen. Kenyataan ini menyatakan emas dipercaya sebagai investasi penangkal inflasi. Semakin tinggi inflasi, biasanya akan semakin baik kenaikan nilai emas yang dimiliki (www.emaskita.com).

Guncangan pasar juga menjadi alasan investor untuk beralih ke emas sebagai portofolionya. Lonjakan harga emas terjadi karena beberapa faktor, baik ekonomi maupun politik. Ketegangan geopolitik cenderung mendorong harga. Ketika terjadi gejolak ekonomi dan pergolakan politik, investasi konvensional seperti saham akan jatuh, namun emas cenderung naik. Lonjakan harga emas sering kali dikaitkan dengan kenaikan harga minyak. Karena harga minyak juga memiliki korelasi yang tinggi terhadap ekonomi dan geopolitik. Ada beberapa alasan yang melatarbelakangi investor memburu emas. Salah satunya adalah sebagai pelindung dari inflasi (inflation hedge). Namun perburuan akhir-akhir ini justru semakin mendorong harga dan akhirnya inflasi maupun ekspektasi inflasi. Kekhawatiran mengenai inflasi juga menjadi faktor pendorong kenaikan emas itu. Belum lagi masalah pasokan, yang akhir-akhir ini cenderung ketat. Kebutuhan perhiasan masyarakat Indonesia yang tinggi saat ini juga kurang bisa dipenuhi Indonesia, karena selalu dikelola secara tradisional dan belum tersentuh teknologi. Sehingga mulai dipikirkan, misalnya mengembangkan motif-motif spesifik Indonesia yang ribuan ragamnya.

Penggunaan emas sebagai alat transaksi perdagangan internasional dapat dilakukan melalui perjanjian pembayaran bilateral (bilateral payment arrangement) maupun perjanjian pembayaran multilateral (multilateral payment arrangement). Perjanjian pembayaran produk yang diperdagangkan akan melalui tahapan dan mekanisme yang melibatkan bank umum, bank sentral, dan custodian emas (penyimpan emas). Ada empat tahapan yang dilalui dalam mekanisme transaksi perdagangan tersebut.

Pertama, adanya perjanjian dagang antara importir dan eksportir yang berada di dua negara yang berbeda, dengan kejelasan kondisi barang dan jumlah

barang yang akan ditransaksikan. Kedua, setelah melakukan perjanjian dagang, kemudian pihak importir akan mengeluarkan letter of credit (LC) untuk melakukan pembayaran melalui bank yang sudah ditunjuknya. Selanjutnya, pihak eksportir akan menerima LC dari bank tersebut. Ketiga, pihak bank yang ditunjuk oleh importir akan segera melakukan pembayaran kepada bank sentral dengan menggunakan mata uang lokal yang kemudian akan mengakumulasikan transaksi kedua negara dengan standar emas hingga masa kliring. Keempat, setelah masa kliring selesai, bank sentral negara importir akan mentransfer emas senilai dengan transaksi perdagangan kedua negara kepada pihak custodian emas yang telah ditunjuk, untuk selanjutya diserahkan kepada bank sentral negara eksportir. Bank sentral negara eksportir ini selanjutnya akan melakukan pembayaran dalam mata uang lokal kepada bank yang telah ditunjuk oleh eksportir. Kemudian bank tersebut akan menyerahkannya kepada pihak eksportir (www.emaskita.com).

Bank Dunia, lembaga utama yang bergiat menuntaskan kemiskinan dunia, beranggapan bahwa perusahaan-perusahaan tambang multinasional akan membawa investasi, mendorong pembangunan jalan, sekolah dan pekerjaan, ke negara-negara yang tidak memiliki banyak modal selain sumber daya alam mereka. Dalam sejarahnya yang panjang, saat ini emas tiba pada suatu masa baru dengan peluang namun disisi lain terdapat juga bahaya yang mungkin dapat terjadi.

2.3. Peramalan (Forecasting)

Peramalan adalah kegiatan penerapan model yang telah dikembangkan pada waktu yang akan datang. Penggunaan teknik peramalan diawali dengan pengeksplorasian kondisi atau pola data pada waktu yang lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data pada waktu yang lalu itu akan berulang lagi pada waktu yang akan datang. Selanjutnya, model itu digunakan untuk meramalkan kondisi pada waktu yang akan datang. Ada dua dimensi waktu yang tercakup, yaitu dimensi waktu yang lalu dengan data tersedia dan dimensi waktu yang akan datang dengan data tak tersedia (Aritonang R, 2002).

Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola sistematis. Dalam dunia bisnis, hasil

peramalan mampu memberikan gambaran tentang masa depan perusahaan yang memungkinkan manajemen membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola investasi perusahaan (Sugiarto dan Harijono, 2000).

Dalam memilih suatu metode peramalan, kita dituntut untuk memperhatikan beberapa faktor (Arsyad, 1994). Derajat kerincian harus diperhatikan karena memerlukan pertimbangan yang cermat dalam memilih metode peramalan agar hasilnya dapat digunakan untuk membantu proses pembuatan keputusan oleh manajer dari suatu organisasi. Metode yang dipilih harus menghasilkan suatu ramalan yang akurat, tepat waktu, dan dapat dimengerti oleh manajemen sehingga ramalan tersebut dapat membantu dalam menghasilkan ramalan yang paling baik. Namun, penggunaan metode peramalan sebaiknya menghasilkan manfaat yang lebih banyak daripada pengeluaran biaya.

Prediksi tentang hasil pada masa datang jarang sekali tepat, oleh karena itu seorang peramal biasanya hanya mampu untuk mengurangi atau memperkecil tingkat kesalahan yang ada. Para peramal menyadari bahwa para manajer dalam bidang fungsionalnya masing-masing menghadapi situasi, persoalan, dan keputusan yang berbeda-beda. Namun demikian, ada 3 unsur pokok yang sama dalam kaitannya dengan masalah peramalan, yaitu:

Waktu, secara spesifik dalam semua situasi pengambilan keputusan selalu berhubungan dengan masa depan.

Situasi ketidakpastian, jika pengambil keputusan yakin terhadap hasil yang akan terjadi dimasa datang maka peramalan tidak ada gunanya.

Keputusan-keputusan yang didasarkan pada ramalan-ramalan yang dibuat berdasarkan analisis statistik untuk mengidentifikasi pola data historis yang dapat diramalkan.

2.4. Metodologi Peramalan

Dalam membuat peramalan permintaan, dapat menggunakan suatu metode tertentu. Pada dasarnya semua metode peramalan memiliki ide yang sama yaitu menggunakan data masa lalu untuk memperkirakan atau memproyeksikan data di masa yang akan datang. Berdasarkan tekniknya, metode peramalan dapat dikategorikan ke dalam metode kuantitatif dan kualititatif. Metode kuantitatif

dapat dibagi ke dalam deret waktu satu ragam (time series) dan metode kausal, sedangkan metode kualititatif dapat dibagi menjadi eksploratoris dan normatif.

2.4.1. Metode Peramalan Kuantitatif

Peramalan kuantitatif melibatkan analisis statistik terhadap data-data yang lalu. Metode peramalan kuantitatif terbagi atas dua golongan yaitu model deret waktu satu ragam dan model kausal. Model deret waktu satu ragam fokus pada observasi terhadap urutan pola data secara kronologis suatu peubah tertentu. Model kausal fokus pada identifikasi dan determinasi hubungan antar variable yang akan diramalkan (Firdaus, 2006).

Untuk mendapatkan peramalan yang akurat, terdapat dua hal yang harus diperhatikan yaitu pengumpulan data secara baik dan peramalan dengan teknik yang tepat. Untuk itu perlu dilakukan langkah-langkah secara berurutan yaitu:

1. Menentukan tujuan peralaman dan peubah yang akan dianalisis. 2. Mengumpulkan data.

3. Membuat dan menentukan pola data.

4. Estimasi model dan menghitung nilai yang akan diramalkan serta hasil estimasi.

Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut :

1. Tersedia informasi tentang masa lalu (data historis).

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Suatu pemahaman yang cepat mengenai analisis deret atau runtut waktu satu ragam ini adalah mencoba untuk menjelaskan atau memperhatikan perilaku serial data tersebut. Untuk menghindari pekerjaan yang sia-sia, apa yang diperlukan adalah suatu pendekatan yang sistematis untuk menganalisis series tersebut. Metode dekomposisi klasik adalah suatu metode yang didasarkan pada asumsi bahwa data tersebut dapat

didekomposisikan seperti trend, siklus, dan ketidakberaturan, berikut penjelasannya:

1. Komponen Siklus, datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti berhubungan dengan siklus bisnis. Komponen siklus adalah fluktuasi seperti gelombang di sekitar trend yang biasanya dipengaruhi oleh perubahan-perubahan keadaan ekonomi secara umum. Pola siklus cenderung untuk berulang setiap dua tahun, tiga tahun atau lebih. Fluktuasi siklus biasanya dipengaruhi oleh perubahan ekonomi (ekspansi atau kontraksi), yang biasanya kita kenal sebagai siklus usaha (business cycle).

2. Komponen musiman, suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Komponen ini menunjukkan pola perubahan yang berulang setiap tahun. Untuk data serial bulanan, komponen musiman mengukur variabilitas serial tersebut untuk setiap Januari, setiap Februari, dan seterusnya. Untuk data runtut kuartalan, ada 4 elemen musiman untuk setiapm kuartalan.

3. Komponen Ketidakberaturan, mengukur variabilitas runtut waktu setelah komponen-komponen lainnya dipindahkan (removed). Komponen ini memperhatikan variabilitas acak dalam suatu data deret waktu yang disebabkan oleh faktor-faktor yang tidak dapat diramalkan dan tidak dapat dikendalikan. Hampir semua komponen ketidakberaturan ini terjadi karena variabilitas acak. Namun demikian, kadang kala peristiwa-peristiwa yang dapat diramalkan, seperti mogok kerja, perubahan cuaca, atau musim yang tiba-tiba serta pemilihan umum yang dapat juga menyebabkan suatu variabel menjadi tidak teratur.

2.4.2. Metode Peramalan Kualititatif

Metode peramalan kualitatif atau teknologis tidak memerlukan data seperti metode kuantitatif, tetapi merupakan hasil dari pemikiran intuitif, perkiraan (judgment), dan pengetahuan yang telah didapat. Bila metode

dapat digunakan tetapi tidak sesuai, maka metode kualitatif dapat digabungkan dengan metode kuantitatif (Aritonang, 2002).

1. Pendapat Dewan Eksekutif Perusahaan

Para dewan eksekutif perusa-haan atau top managers berdiskusi dalam kelompok kecil, seringkali mengkombinasikan dengan model statistik. Hasilnya merupakan prediksi permintaan.

2. Gabungan Tenaga Penjualan

Setiap orang di bagian penjualan memperkirakan penjualan di wilayah masing-masing kemudian digabung.

3. Survei Pasar

Menanyakan input-input dari konsumen atau konsumen potensial yang memperhatikan rencana pembelian mereka di waktu mendatang.

4. Metode Delphi

Proses pengambilan keputusan iterasi yang melibatkan para ahli, yang berada di lokasi berbeda untuk membuat peramalan dan bersifat judgment.

5. Dinamika Sistem

Pada pendekatan ini dikem-bangkan suatu skenario berupa satu sistem. Pengaruh tiap perubahan yang diskenariokan dari sistem itu harus dianalisis pengaruhnya.

2.5. Pemasaran

Kotler (2000) mendefinisikan peluang pemasaran perusahaan sebagai arena yang menarik untuk tindakan pemasaran perusahaan dimana perusahaan tersebut akan dapat meraih keuntungan persaingan. Kemungkinan berhasil sebuah perusahaan yang memanfaatkan peluang tentu bergantung pada keunggulan perusahaan yang dapat menghasilkan nilai terbaik bagi pelanggan dan dapat mempertahankannya.

Untuk memahami lebih dalam mengenai strategi pemasaran terlebih dahulu haruslah memahami konsep pemasaran. Konsep pemasaran menurut Kotler dan Armstrong (1995) merupakan suatu daur proses yang tercipta ketika ada kebutuhan-kebutuhan yang berwujud pada suatu keinginan dengan didukung

daya beli yang memungkinkan maka timbullah permitaan terhadap suatu produk. Produk yang dikonsumsi tersebut akan memiliki nilai tertentu dan diyakini akan memberikan kepuasan tersendiri pada konsumen. Sehingga dengan sumber daya yang dimilik, konsumen tidak akan ragu melakukan pertukaran sumber daya yang dimilikinya dengan produk yang diinginkannya. Pertukaran tersebut akhirnya menciptakan sebuah komunikasi antar konsumen dan pedagang lewat sebuah transaksi jual beli. Hubungan dan transaksi yang tercipta mewujudkan suatu bentuk pasar, yaitu sebagai sarana berlangsungnya transaksi jual beli.

Pemasaran adalah suatu proses kegiatan yang dipengaruhi oleh faktor sosial, budaya, politik, ekonomi, dan manajerial. Akibat dari pengaruh berbagai faktor tersebut sehingga masing-masing individu maupun kelompok mendapatkan kebutuhan dan keinginan dengan menciptakan, menawarkan, dan menukarkan produk yang memiliki nilai komoditas (Rangkuti, 2005). Selain itu, pemasaran adalah suatu proses sosial dan manajerial sehingga dengan proses tersebut manusia, individu, atau kelompok memperoleh apa yang mereka butuhkan dan mereka inginkan dengan cara menciptakan serta mempertukarkan produk dan nilai dengan pihak lain (Kotler dan Armstrong, 1995).

Sementara itu menurut Kotler dan Armstrong (1995), manajemen pemasaran adalah analisis, perencanaan, pelaksanaan dan pengendalian program yang dirancang untuk menciptakan, membangun dan mempertahankan pertukaran yang menguntungkan dengan pembeli sasaran dengan maksud untuk mencapai sasaran organisasi.

2.6. Strategi Pemasaran

Perencanaan strategis yang berorientasi pasar adalah proses manajerial untuk mengembangkan dan menjaga agar tujuan, keahlian, dan sumber daya organisasi sesuai dengan peluang pasar yang terus berubah. Tujuan perencanan strategis adalah untuk membentuk serta menyempurnakan usaha bisnis dan produk perusahaan sehingga memenuhi target laba dan pertumbuhan.

Strategi merupakan alat untuk mencapai tujuan. Strategi didefinisikan sebagai tujuan jangka panjang dari suatu perusahaan, serta pendayagunaan dan alokasi sumber daya yang penting untuk mencapai tujuan tersebut (Chandler dalam Rangkuti, 2001). Agar tujuannya tercapai, perusahaan harus merancang dan

menerapkan strategi pemasaran bagi produknya. Menurut Kartajaya (2002), ada sembilan elemen pemasaran yang berada di komponen-komponen strategi, taktik, value. Komponen-komponen strategi terdiri dari segmentation, targeting, dan positioning.

Smith dalam Angipora (2002) mengemukakan bahwa segmentasi pasar merupakan pembagian dari pasar secara keseluruhan dalam kelompok-kelompok sesuai dengan kebutuhan dan ciri-ciri konsumen. Segmentasi adalah melihat pasar secara kreatif, segmentasi merupakan seni mengidentifikasi dan memanfaatkan peluang-peluang yang muncul di pasar. Variabel–variabel yang dapat digunakan untuk mensegmentasikan pasar menurut Kotler (2004) terdiri dari segmentasi geografis, demografis, psikografis, dan perilaku.

Targeting merupakan kegiatan yang berisi dan menilai serta memilih satu dari segmen pasar yang akan dimasuki oleh suatu perusahaan. Dalam memilih segmen mana yang dijadikan sasaran, perusahaan dapat memilih untuk memusatkan perhatian pada satu segmen, beberapa segmen, produk yang spesifik, pasar yang spesifik, atau seluruh pasar (Kotler, 2004). Perlu diperhatikan bahwa perusahaan dalam memilih pasar sasaran tidak lepas dari tanggung jawab sosial karena penetapan pasar sasaran tidak hanya semata-mata untuk kepentingan perusahaan tetapi juga kepentingan mereka yang dijadikan sasaran.

Positioning adalah tindakan merancang tawaran dan citra perusahaan sehingga menempati suatu posisi yang terbedakan (di antara pesaing) dibenak pelanggan sasarannya (Kotler, 2004). Perusahaan membedakan dirinya dengan mengubah karakteristik umum (mempunyai karakteristik tertentu yang beda dan unik) industrinya, sehingga perbedaan itu menjadi keunggulan kompetitif. Hasil akhir dari positioning adalah keberhasilan penciptaan suatu usulan nilai yang terfokus pada pasar, suatu pernyataan sederhana yang jelas mengapa pasar sasaran harus membeli produk itu. Ries & Trout dalam Kotler (2004) berpendapat bahwa produk terkenal pada umumnya memiliki suatu posisi tersendiri di benak konsumen.

2.7. Bauran Pemasaran

Bauran Pemasaran menurut Kotler dan Armstrong (1995), adalah himpunan perangkat variabel pemasaran yang terkendali dan diramu perusahaan untuk menghasilkan tanggapan yang diinginkan dalam pasar sasaran hal.

Produk (product) Harga (price) Tempat (place) Promosi (promotion)

Produk menurut Kotler (2000), adalah kombinasi barang dan jasa yang ditawarkan perusahaan kepada pasar sasaran untuk memenuhi kebutuhan atau keinginan konsumen. Berdasarkan jenis kepentingannya Kotler membagi produk menjadi tiga jenis produk yaitu produk inti, produk aktual dan produk tambahan.

Harga merupakan sejumlah uang yang harus dikeluarkan oleh konsumen untuk mendapatkan produk. Harga adalah satu-satunya elemen dalam bauran pemasaran yang menghasilakan pendapatan, elemen-elemen lainnya menimbulkan biaya. Harga juga merupakan salah satu elemen yang fleksibel, harga pada perusahaan yang menggunakan sistem komuditi pasar, dimana pasar yang menentukan harga dapat berubah dengan cepat atau bersifat fluktuatif.

Tempat pemasaran adalah serangkaian kegiatan perusahaan yang membuat produk tersedia bagi konsumen sasaran untuk dikonsumsi atau digunakan. Aktivitas penyampaian ini lebih sering disebut sebagai distribusi. Promosi adalah kegitan yang mengkomunikasikan jasa produksi dan keunggulan-keunggulan produknya agar dapat membujuk serta menganjurkan pelanggan sasaran untuk membelinya (Kotler, 2000).

2.8. Penelitian Terdahulu

Strategi pemasaran salah satu hal penting keberadaannya dalam suatu perusahaan. Dalam penentuan strategi perusahaan memerlukan perumusan yang matang agar strategi yang akan dijalankan mampu memperkuat perusahaan. Penentuan strategi dapat dilakukan dengan beberapa metode. Metode yang digunakan merupakan metode yang paling cocok untuk perusahaan.

Dalam penelitian yang dilakukan oleh Rahmawati (2006) dengan menggunakan metode peramalan time series yang dalam penggunaannya akan terbagi lagi menjadi beberapa metode peramalan yang kemudian akan dipilih metode yang sesuai berdasarkan ketersediaan data dan kesesuaian metode dengan tujuan penelitian. Salah satu tujuan penelitian tersebut adalah meramalkan jumlah ekspor batubara di Indonesia pada tahun 2006. Setelah melakukan percobaan ditetapkan model ARIMA yang memenuhi kriteria untuk melakukan tahap selanjutnya.

Dari hasil penelitian yang dilakukan melalui metode peramalan time series, ditarik kesimpulan bahwa peramalan ekspor batubara mengalami peningkatan sepanjang tahun 2006 secara berkelanjutan dari triwulan pertama hingga triwulan keempat. Hasil peramalan jumlah total batubara yang akan diekspor pada tahun 2006 mencapai 107.368.414 ton. Sementara nilai yang akan diberikan sektor pertambangan batubara dari kegiatan ekspor sebesar Rp 51.118,10 milyar. Peningkatan ekspor yang disumbangkan sektor pertambangan ini mencapai Rp 235,25 milyar.

Dari segi strategi pemasaran produk menurut hasil penelitian dari Dedi Sulaiman Rambe (2007) CV Gema Insani Press sebagai salah satu penerbit buku-buku Islam harus memiliki ciri khas tersendiri untuk dapat memenangkan persaingan dengan penerbit buku-buku Islam lainnya. Hasil penelitian tersebut menyatakan strategi terpilih yang dapat dilakukan Gema Insani Press yaitu meningkatkan promosi terutama melalui media televisi dengan menjadi sponsorship untuk dapat semakin memperkenalkan buku Gema Insani Press dalam menghadapi persaingan yang tinggi sebesar 6,867. Oleh karena itu CV. Gema Insani Press dianjurkan untuk menjalankan strategi meningkatkan promosi terutama melalui media televisi serta meningkatkan perbincangan mengenai kreativitas untuk memperluas pangsa pasar dan menjalin hubungan baik dengan konsumen untuk dapat melakukan penetrasi pasar dalam menghadapi persaingan yang tinggi.

III. METODOLOGI PENELITIAN

3.1. Kerangka Pemikiran

Salah satu tujuan dari penelitian ini adalah membuat peramalan data penjualan yang dapat digunakan sebagai acuan dalam perencanaan strategi pemasaran. Sementara itu implementasi dan evaluasi hasil yang diterapkan tersebut merupakan wewenang penuh perusahaan untuk menggunakan hasil yang telah diusulkan dalam penelitian ini.

Peramalan penjualan sangat dibutuhkan dalam penentuan strategi pemasaran PT Aneka Tambang, Tbk. UBPP Logam Mulia. Peramalan secara kuantitatif belum pernah dilakukan PT Aneka Tambang, Tbk. UBPP Logam Mulia. Perusahaan membuat suatu peramalan penjualan untuk dijadikan pedoman dalam pengambilan keputusan dengan menargetkan jumlah penjualan. Dalam menentukan keputusan target penjualan selain dari pesanan pelanggan dan peramalan, faktor lain yang menentukan adalah tingkat persediaan, biaya produksi serta tenaga kerja. Perusahaan perlu memproyeksikan jumlah penjualan yang akan datang berdasarkan data-data masa lalu yang tersedia dalam membuat peramalan. Metode peramalan yang tersedia cukup banyak sehingga perlu dilakukan pemilihan terhadap metode yang digunakan. Metode peramalan memilki karakteristik yang berbeda-beda, oleh karena itu hal yang perlu dipertimbangkan adalah ketersedian data, pola data historis yang dimiliki dan horison peramalan.

Dengan demikian peramalan dilakukan agar dapat membantu perusahaan memperoleh strategi pemasaran yang baik terhadap produk unggulannya. Hasil peramalan penjualan yang dianalisis dengan menggunakan analisis time series, dapat dijadikan acuan dalam merencanakan strategi pemasaran PT. Aneka Tambang, Tbk. UBPP Logam Mulia, dimana manajemen perusahaan dapat memperbaiki strategi segmentation, targeting, dan positioning serta bauran pemasaran (marketing mix). Menurut Arsyad (1994), hanya sedikit perusahaan yang dapat bertahan hidup tanpa peramalan yang akurat tentang, misalnya, volume penjualan, tingkat pengeluaran, dan aliran modal dimasa datang.

Gambar 1. Kerangka Pemikiran Penelitian

PT Aneka Tambang, Tbk UBPP Logam Mulia

Strategi Perusahaan:

- Meningkatkan Kinerja Perusahaan

- Meningkatkan Kualitas dan Mutu Produk

Strategi Pemasaran saat ini : Mengembangkan Kegiatan Perdagangan

Data Penjualan Historis

Plot Pola Data

Metode:

Trend

Decompotition

Exponensial Smoothing Moving Average

ARIMA

Hasil Analisis Time Series

Peramalan Penjualan Time Series

Perencanaan Strategi Pemasaran PT. Aneka Tambang, Tbk. UBPP Logam Mulia

Marketing Mix STP

3.2. Lokasi dan Waktu Pelitian

Penelitian ini dilaksanakan di PT Aneka Tambang, Tbk. UBPP Logam Mulia Jalan Raya Bekasi, Pulogadung, Jakarta Timur. Sedangkan untuk waktu penelitian dilaksanakan pada bulan Maret – Mei 2008.

3.3. Metodologi Penelitian 3.3.1. Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data primer dan sekunder serta jenis data yang bersifat kualitatif dan kuantitatif. Data primer dikumpulkan melalui observasi langsung ke perusahaan, dan wawancara. Sedangkan data sekunder dikumpulkan dengan cara studi pustaka, laporan internal perusahaan (data omzet dan realisasi penjualan PT Aneka Tambang, Tbk. UBPP Logam Mulia dari tahun 2001 hingga tahun 2007, kapasitas produksi, data penawaran dan penjualan logam mulia), kebijakan dan peraturan perusahaan (sejarah umum perusahan, visi dan misi perusahaan) serta literatur yang relevan.

3.3.2. Pengolahan dan Analisis Data

Semua data yang diperoleh kemudian diolah dan dianalisis sesuai kebutuhan sehingga mampu memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian ini. Pengolahan dan penganalisisan data diharapkan dapat menjadi acuan dalam langkah-langkah strategis yang dapat dilakukan perusahaan dalam pemasaran serta penjualan emas dan perak. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan diuraikan secara kuantitatif dan kualitatif. Analisis kuantitatif digunakan untuk meramalkan penjualan emas dan perak ditahun-tahun mendatang dengan menggunakan analisis runtut waktu (time series) sehingga hasil dari peramalan penjualan akan dijadikan landasan perencanaan strategi pemasaran terbaik sekaligus mampu menjadi dasar penargetan penjualan ditahun yang akan datang.

Peramalan penjualan memiliki karakteristik tertentu yang berlaku secara umum. Karakteristik harus diperhatikan untuk menilai hasil suatu proses peramalan penjualan dan metode peramalan yang digunakan (Baroto, 2002) :

1. Faktor penyebab yang berlaku di masa lalu diasumsikan akan berfungsi juga di masa yang akan datang.

2. Peramalan tidak pernah sempurna, permintaan aktual selalu berbeda dengan permintaan yang diramalkan.

3. Tingkat ketepatan ramalan akan berkurang dalam rentang waktu yang semakin panjang. Implikasinya, peramalan untuk rentang waktu yang pendek akan lebih akurat daripada peramalan untuk rentang waktu yang panjang.

Metode time series merupakan metode kuantitatif yang menggunakan waktu sebagai dasar peramalan. Secara umum, penjualan di masa yang akan datang dipengaruhi waktu. Untuk membuat suatu peramalan diperlukan data historis penjualan. Data inilah yang akan dianalisis dengan mengunakan parameter waktu sebagai dasar analisis. Proses analisis time series memperlakukan data asli (runtut waktu) sebagai produk dari komponen-komponen, yaitu data tahunan merupakan produk dari fluktuasi trend, siklus, dan fluktuasi tak tentu, yang dinyatakan dengan T×C×I, dimana T diukur dalam unit dan komponen lainnya, C dan I adalah nilai-nilai indeks.

Y=TCI dimana:

Y = nilai sebenarnya

T = trend

C = siklus

I = tak beraturan

Dalam peramalan time series, metode peramalan terbaik adalah metode yang memenuhi kriteria ketepatan ramalan. Kriteria ini berupa mean absolut deviation (MAD), mean square of error (MSE), mean absolute precentage of error (MAPE).

MSE = [ ∑ (Yt–Ŷt)2 ] / n

MAPE = [ ∑ ((Yt–Ŷt) / Yt) ] / n

dimana:

Yt = nilai aktual

Ŷt = nilai ramalan

(Yt–Ŷt) = kesalahan ramalan (error)

n = banyaknya data

Prosedur peramalan penjualan dengan metode time series adalah sebagai berikut (Baroto, 2002):

1. Tentukan pola data penjualan. Dilakukan dengan memplotkan data secara grafis dan menyimpulkan apakah data itu berpola trend, musiman, siklikal, atau eratik/random.

2. Mencoba beberapa metode time series yang sesuai dengan pola penjualan tersebut untuk melakukan peramalan. Metode yang dicoba semakin banyak semakin baik. Pada setiap metode, sebaiknya dilakukan pula peramalan dengan parameter yang berbeda.

3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba. tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE, atau lainnya. Sebaiknya nilai tingkat kesalahan (apakah MAD, MSE, atau MAPE) ini ditentukan dulu, tidak ada ketentuan mengenai berapa tingkat kesalahan maksimal dalam peramalan. 4. Memilih metode terbaik diantara metode yang dicoba. Metode

terbaik adalah metode yang memberikan tingkat kesalahan terkecil dibanding metode lainnya dan tingkat kesalahan tersebut dibawah batas tingkat kesalahan yang telah ditetapkan.

5. Melakukan peramalan penjualan dengan metode terbaik yang telah dipilih.

Plot autokorelasi dilakukan untuk menunjukkan keeratan hubungan antara nilai variabel yang sama pada periode waktu yang berbeda.

1. Apabila nilai koefisien autokorelasi pada time lag dua atau tiga periode tidak berbeda dari nyata dari nol, maka data tersebut adalah data stasioner

2. Apabila nilai koefisien autokorelasi pada beberapa time lag pertama secara berurutan berbeda dari nyata dari nol, maka data tersebut adalah data yang menunjukkan pola trend

3. Apabila nilai koefisien autokorelasi pada beberapa time lag yang mempunyai jarak yang sistematis berbeda dari nyata dari nol, maka data tersebut adalah data dengan komponen musiman.

Koefisien aoutokorelasi perlu diuji untuk menentukan apakah secara statistik nilainya berbeda secara signifikan dari nol atau tidak. Perhitungan yang dilakukan dengan rumussebagai berikut dengan rentang –Z_α/β× SErk

sampai dengan Z_α/β× SErk :

SErk = 1/ √n

dimana:

SErk = standar error dari aotokorelasi pada lag k

ri = autokorelasi pada lag ke-I

k = time lag

n = jumlah data

Koefisien autokorelasi disimpulkan tidak berbeda secara signifikan dari nol apabila nilainya berada diantara rentang nilai tersebut dan sebaliknya, berbeda secara signifikan dari nol apabila berada diluar rentang tersebut (Sugiarto dan Harijono, 2000). Berdasarkan rumus tersebut (α = 5 persen), diperoleh rentang untuk menentukan koefisien autokorelasi berbeda atau tidak dari nol adalah sebesar +/- 0,479.

Formulasi peramalan berdasarkan pola data yang sesuai. 1. Metode Naif

Ŷt+1 = Yt

Formulasi tersebut selanjutnya dimodifikasi dengan memasukkan komponen trend, modelnya menjadi:

Ŷt+1 = Yt + (Yt - Yt-1)

dimana:

Ŷt+1 = ramalan pada masing-masing produk pada satu

periode ke depan

Yt = data aktual pada masing-masing produk pada

periode t

Yt-1 = data aktual sebelumnya

2. Metode Trend

- Formulasi trend linier Yt = b0 + b1t

b0 = intersept

b1 = slope

t = periode (variabel bebas)

- Formulasi trend kuadratik Yt = b0 + b1t + b2t2

3. Metode Rata-rata

- Metode rata-rata sederhana (simple average)

Ŷt-1 = Y1 + Y2 + ... + Yt) / t

Metode ini cocok untuk meramalkan data time series yang memiliki data stasioner

- Metode rata-rata bergerak sederhana (single moving average)

Ŷt+1 = Yt + Yt-1 + Yt-2 + ... + Yt-k+1) / k

Metode ini seperti halnya dengan single average, cocok untuk meramalkan data time series yang memiliki data stasioner.

- Metode rata-rata bergerak berganda (double moving average)

Mt = Ŷt+1 = Yt +Yt-1 + Yt-2 + ... + Yt-k+1) / k

M’t = Mt + Mt-1 + Mt-2 + ... + Mt-k+1) / k

at = Mt + (Mt - M’t) = 2Mt - M’t

bt = (Mt - M’t) – 2 / k-1

Ŷt+1 = at + btp

dimana:

k = nilai periode moving average

Mt = moving average pertama

M’t = moving average kedua

p = peramalan periode kedua

4. Metode Pemulusan Eksponensial

- Metode pemulusan eksponensial tunggal

Ŷt+1 =α Yt + (1- α) Ŷt

nilai awal, Ŷ1 = S0 = a = (Y1 + Y2 + ... + Yn-1 + Yn ) / n

a = intersep

S0 = pemulusan tahap 1

Ŷ1 = a

- Metode pemulusan eksponensial tunggal: pendekatan adaptif

Ŷt+1 = α Yt + (1- αt) Ŷt

αt+1 = | Et / Mt |

Et = et + (1- ) Et-1

M = | et | + (1- ) Mt-1

et = Xt - Ft

dimana:

Ŷt+1 = ramalan permintaan per produk pada satu periode ke

depan setelah periode t

αt+1 = konstanta pemulusan

Et = unsur gulat yang dihaluskan

M = unsur gulat absolut yang dihaluskan

et = error

Xt = nilai aktual

Ft = nilai ramalan

- Metode pemulusan eksponensial ganda: metode linier satu parameter dari Brown (double exponential smoothing)

dimana:

at = 2St– St(2) (update intersep)

bt = [α / (1- α)] (St– St(2))

St = α Yt + (1- α) St-1 (pemulusan tahap 1)

St(2) = α St + (1- α) St-1 (2) (pemulusan tahap 1)

T = jumlah periode waktu ke depan

- Metode pemulusan eksponensial ganda: metode dua parameter dari Holt (exponential smoothing linier trend) St = α Xt + (1- α) (St-1 + bt-1)

bt = (St - St-1) + (1- ) bt-1

Ft+m = St + btm

dimana:

St = pemulusan data aktual

bt = pemulusan tren

Ft+m = St + bt+m = ramalan permintaan produk pada

periode t+m

- Metode pemulusan eksponensial triple (metode Brown- triple exponential smoothing)

St = α Yt + (1- α) St-1 (pemulusan tahap 1)

St(2) = α St + (1- α) St-1(2) (pemulusan tahap 2)

St(3) = α S (2) t + (1- α) St-1(3) (pemulusan tahap 3)

b1,t = [α / 2(1- α) 2)] [(6- 5α) St – 2 (5-4α) St(2) + (4-3α)

St(3))]

b2,t = [α2 / 2(1- α) 2)] [(St– 2St (2)) + St (3)] (update slope)

Ramalan pada T periode setelah t adalah:

Ŷt+T = at + bt + ½ b2.t (T2)

nilai awal:

a0 = a (intersep)

b1,0 = b1 (slope)

½ b2.t (T2) = b2 (slope)

model regresi dugaan Ŷt = a+ b1 (t) + b2.t (t2)

nilai awal untuk hasil pemulusan adalah:

S0 = a - [(1- α) / α] (b1) + [(1- α) (2- α) / (2α2)] (2 b2)

S0 (2) = a - [2(1- α) / α] (b1) + [2(1- α) (3 -2α) / (2α2)] (2 b2)

S0 (3) = a - [3(1- α) / α] (b1) + [3(1- α) (4 -3α) / (2α2)] (2 b2)

- Metode Winter (model multiplikatif) Yt = a - (Yt / St-L) + (1- α) (at-1 + bt-1)

bt = (at - at-1) + (1- )bt-1

Snt = (Yt / at) + (1- )St-L

Ŷt+m = (at - mbt) Snt-L+m

dimana:

at = pemulusan terhadap deseasonalized data pada

periode t

bt = pemulusan terhadap dugaan trend pada periode t

Snt = pemulusan terhadap dugaan musim pada periode

t

Ŷt+m = ramalan m periode kedepan setelah periode t pada

masing-masing produk

A, , = pembobotan pemulusan

L = banyaknya periode dalam satu tahun

5. Metode Dekomposisi

Metode ini dapat digunakan pada data historis yang mempunyai data sembarang. Metode ini mencoba memisahkan metode trend, siklus dan musiman. Cara matematik bentuk umum pendekatan dekomposisi adalah:

Yt = f(Trt, Clt, Snt, Et)

dimana:

F = fungsi peramalan

Trt = komponen trend pada waktu t

Clt = komponen siklus pada waktu t

Snt = komponen atau indeks musim pada waktu t

Bentuk fungsi eksplisitnya tergantung asumsi tentang hubungan antar unsur itu yang dipakai, misalnya apakah model aditif (jika komponen tersebut tidak ada nilainya nol) atau multiplikatif (jika komponen tersebut tidak ada nilainya 1).

a. Dekomposisi multiplikatif Yt = Trt. Clt. Snt. Et

b. Dekomposisi aditif Yt = Trt + Clt + Snt + Et

6. Metode Box -Jenkins (ARIMA)

Metode ini merupakan gabungan dari metode penghalusan, metode regresi, dan metode dekomposisi. Peramalan dengan menggunakan ARIMA dilakukan melalui lima tahap, yaitu tahap: pemeriksaan kestasioneran data, pengidentifikasian model, pengestimasian parameter model, pengujian model, dan penggunaan model untuk peramalan (Aritonang R., 2002). Sugiarto dan Harijono (2000) menyebutkan bahwa metode Box-Jenkins menggunakan model iteratif dalam mengidentifikasi suatu model yang paling tepat dari berbagai alternatif model yang ada. Model telah terpilih dilakukan pengujian kembali. Model dianggap sudah memadai apabila

residual terdistribusi secara random, kecil dan independen satu sama lain. Model Box-Jenkins secara umum dinotasikan sebagai berikut:

ARIMA (p, d, q)

dimana:

d = menunjukkan orde/ derajat differencing (pembedaan)

q = menunjukkan orde/ derajat moving average (MA)

simbol-simbol digunakan dalam model dapat juga dinyatakan dalam bentuk lain, seperti MA (2) sama artinya dengan ARIMA (0, 0, 2), AR (1) sama artinya dengan ARIMA (1, 0, 0) dan ARMA (2) sama artinya dengan ARIMA (2, 0, 2).

Model AR menggambarkan bahwa variabel dipenden yang

dipengaruhi oleh variabel dipenden itu sendiri pada periode-periode sebelumnya. Perbedaan dengan model MA adalah pada jenis

variabel dipendennya. Variabel independen pada model AR adalah nilai sebelumnya (lag) dari variabel dipenden (Yt) itu sendiri

sedangkan pada model MA adalah nilai residual pada nilai sebelumnya.

Dalam ARIMA terbagai atas model MA, AR, ARMA, dan ARIMA. Persamaan model tersebut sebagi berikut:

1. Model MA

Yt = a0 + et – a1 et-1 - a2et-2 - ...- aqet-q

dimana:

Yt = nilai series yang stasioner

et = kesalahan peramalan

Lanjutan Lampiran 5

Trend Analysis for

Domestik Perak

Data data4

Length 84 NMissing 0

Fitted Trend Equation

Yt = 1962.55 - 18.2241*t

Accuracy Measures

MAPE 495 MAD 1007 MSD 2703929

Trend Analysis Plot for

Domestik Perak

Data data4

Length 84 NMissing 0

Fitted Trend Equation

Yt = 2158.52 - 31.8961*t + 0.160847*t**2

Accuracy Measures

MAPE 495

MAD 995 MSD 2696778

Single Exponential Smoothing for

Domestik Perak

Data data4

Length 84

Smoothing Constant

Alpha 0.0832114

Accuracy Measures

MAPE 798 MAD 1102 MSD 2862394

Double Exponential Smoothing for

Domestik Perak

Data data4

Length 84

Smoothing Constants

Alpha (level) 0.795740 Gamma (trend) 0.017144 Accuracy Measures MAPE 2081 MAD 1164 MSD 4487923

Moving Average for

Domestik Perak

Data data4

Length 84 NMissing 0

Moving Average

Length 2

Accuracy Measures

MAPE 1779 MAD 1113 MSD 3999973

Moving Average for

Domestik Perak

Data data4

Length 84 NMissing 0

Moving Average

Length 3

Accuracy Measures

MAPE 1224 MAD 1119 MSD 3611900

Moving Average Plot for

Domestik Perak

Data data4

Length 84 NMissing 0

Moving Average

Length 4

Accuracy Measures

MAPE 955 MAD 1073 MSD 3140766

Moving Average for

Domestik Perak

Data data4

Length 84 NMissing 0 Moving Average Length 5

Accuracy Measures MAPE 1115 MAD 1056 MSD 304600

Lanjutan Lampiran 5

ARIMA Model:

Domestik Perak

Estimates at each iteration

Iteration SSE Parameters 0 243531700 0.100 0.100 1069.314 1 236658873 0.179 0.021 973.925 2 236244915 0.329 0.167 794.195 3 235676481 0.474 0.317 620.768 4 234748992 0.613 0.467 454.921 5 233420417 0.748 0.617 295.751 6 232815414 0.876 0.767 143.765 7 232715803 0.838 0.718 189.718 8 232702479 0.856 0.742 167.175 9 232697463 0.845 0.728 180.040 10 232696005 0.851 0.735 172.776 11 232695560 0.848 0.731 176.944 12 232695379 0.850 0.733 174.567 13 232695344 0.849 0.732 175.928 14 232695318 0.849 0.733 175.150 15 232695317 0.849 0.732 175.596

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.8488 0.2063 4.11 0.000 MA 1 0.7323 0.2617 2.80 0.006 Constant 175.60 49.96 3.51 0.001 Mean 1161.4 330.4

Number of observations: 84

Residuals: SS = 232695315 (backforecasts excluded) MS = 2872782 DF = 81

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48 Chi-Square 6.4 11.0 28.8 37.7 DF 9 21 33 45 P-Value 0.697 0.963 0.678 0.770

ARIMA Model:

Domestik Perak

Estimates at each iteration

Iteration SSE Parameters

0 242747075 0.100 0.100 0.100 950.502 1 240218371 0.250 0.084 0.223 790.580 2 238467776 0.400 0.067 0.358 631.743 3 236771913 0.550 0.048 0.496 475.895 4 234998272 0.700 0.025 0.635 324.386 5 233502291 0.850 -0.004 0.768 181.137 6 232495920 0.877 -0.030 0.741 178.085 7 232480201 0.908 -0.038 0.770 150.517 8 232473000 0.890 -0.033 0.749 167.237 9 232471116 0.903 -0.037 0.764 155.383 10 232469387 0.894 -0.034 0.753 163.994 11 232468864 0.901 -0.036 0.761 157.801 12 232468384 0.896 -0.035 0.755 162.300 13 232468258 0.899 -0.036 0.759 159.051 14 232468110 0.897 -0.035 0.756 161.409 15 232468088 0.898 -0.036 0.758 159.703 16 232468038 0.897 -0.035 0.757 160.941

17 232468020 0.897 -0.035 0.757 160.679 Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.8972 0.4060 2.21 0.030 AR 2 -0.0353 0.1631 -0.22 0.829 MA 1 0.7572 0.3876 1.95 0.054 Constant 160.68 45.72 3.51 0.001 Mean 1164.0 331.2

Number of observations: 84

Residuals: SS = 232465845 (backforecasts excluded) MS = 2905823 DF = 80

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48 Chi-Square 6.4 10.9 28.1 36.9 DF 8 20 32 44 P-Value 0.603 0.950 0.664 0.766

ARIMA Model:

Domestik Perak

Estimates at each iteration

Iteration SSE Parameters

0 250294840 0.100 0.100 0.100 1069.314 1 244269522 -0.015 -0.050 0.072 1204.610 2 241148044 -0.138 -0.200 0.041 1350.193 3 238408721 -0.251 -0.350 -0.008 1482.423 4 237510316 -0.101 -0.219 -0.014 1304.389 5 237474515 0.049 -0.070 0.003 1126.595 6 237439298 0.199 0.080 0.021 948.808 7 237391013 0.349 0.229 0.038 771.024 8 237317543 0.499 0.379 0.056 593.241 9 237200601 0.649 0.529 0.074 415.459 10 236997267 0.799 0.679 0.092 237.674 11 236135186 0.655 0.529 0.065 407.777 12 235455946 0.805 0.678 0.083 230.201 13 233950381 0.685 0.533 0.019 368.452 14 232616743 0.833 0.683 0.053 194.852 15 232448345 0.873 0.724 0.047 147.809 16 232436199 0.844 0.698 0.033 182.224 17 232408789 0.854 0.707 0.039 170.070 18 232407075 0.859 0.713 0.040 163.617 19 232406997 0.856 0.709 0.038 168.192 20 232406391 0.857 0.711 0.039 166.416 21 232406364 0.858 0.712 0.039 165.381 22 232406355 0.857 0.711 0.039 166.154 23 232406340 0.858 0.711 0.039 165.853 24 232406340 0.858 0.711 0.039 165.791

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.8576 0.2623 3.27 0.002 MA 1 0.7112 0.2886 2.46 0.016 MA 2 0.0386 0.1381 0.28 0.780 Constant 165.79 47.10 3.52 0.001 Mean 1164.6 330.9

Lanjutan Lampiran 5

Number of observations: 84

Residuals: SS = 232403082 (backforecasts excluded) MS = 2905039 DF = 80

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48 Chi-Square 6.4 10.8 27.9 36.7 DF 8 20 32 44 P-Value 0.604 0.951 0.673 0.773

ARIMA Model:

Domestik Perak

Estimates at each iteration

Iteration SSE Parameters

0 243531700 0.100 0.100 0.100 0.100 950.502 1 235787076 0.177 0.114 0.022 0.085 838.961 2 235476834 0.327 0.083 0.172 0.078 698.232 3 235260171 0.477 0.034 0.322 0.052 579.051 4 234977473 0.627 -0.015 0.472 0.026 459.732 5 234498204 0.776 -0.057 0.622 0.009 331.634 6 232892421 0.736 0.093 0.585 0.158 200.985 7 232600090 0.586 0.202 0.436 0.242 249.898 8 232189891 0.476 0.320 0.325 0.323 237.762 9 232165078 0.626 0.201 0.473 0.225 201.273 10 232159645 0.518 0.284 0.366 0.289 230.376 11 232147517 0.575 0.245 0.423 0.259 209.515 12 232147338 0.571 0.245 0.419 0.257 214.714 13 232147272 0.572 0.248 0.420 0.261 210.222 14 232147180 0.569 0.247 0.416 0.259 214.880 15 232147148 0.570 0.249 0.418 0.262 210.787 16 232147086 0.567 0.248 0.415 0.260 214.893 17 232147067 0.569 0.250 0.417 0.263 211.190 18 232147021 0.567 0.249 0.415 0.260 214.824 19 232147008 0.568 0.250 0.416 0.263 211.492 20 232146972 0.566 0.249 0.414 0.261 214.717 21 232146963 0.568 0.250 0.416 0.263 211.728 22 232146933 0.566 0.249 0.414 0.261 214.595 23 232146927 0.567 0.251 0.416 0.263 211.920 24 232146903 0.566 0.250 0.414 0.261 214.471 25 232146899 0.567 0.251 0.415 0.263 212.080

** Convergence criterion not met after 25 iterations ** Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.5672 2.3997 0.24 0.814 AR 2 0.2506 1.9275 0.13 0.897 MA 1 0.4153 2.3796 0.17 0.862 MA 2 0.2629 1.5968 0.16 0.870 Constant 212.08 60.97 3.48 0.001 Mean 1164.0 334.6

Number of observations: 84

Residuals: SS = 232142475 (backforecasts excluded) MS = 2938512 DF = 79

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48 Chi-Square 6.2 10.7 27.6 36.4 DF 7 19 31 43 P-Value 0.514 0.934 0.640 0.750

ARIMA Model:

Domestik Perak

Estimates at each iteration

Iteration SSE Parameters 0 243531700 0.100 0.100 1069.314 1 236658873 0.179 0.021 973.925 2 236244915 0.329 0.167 794.195 3 235676481 0.474 0.317 620.768 4 234748992 0.613 0.467 454.921 5 233420417 0.748 0.617 295.751 6 232815414 0.876 0.767 143.765 7 232715803 0.838 0.718 189.718 8 232702479 0.856 0.742 167.175 9 232697463 0.845 0.728 180.040 10 232696005 0.851 0.735 172.776 11 232695560 0.848 0.731 176.944 12 232695379 0.850 0.733 174.567 13 232695344 0.849 0.732 175.928 14 232695318 0.849 0.733 175.150 15 232695317 0.849 0.732 175.596

Relative change in each estimate less than 0.0010

Final Estimates of Parameters

Type Coef SE Coef T P AR 1 0.8488 0.2063 4.11 0.000 MA 1 0.7323 0.2617 2.80 0.006 Constant 175.60 49.96 3.51 0.001 Mean 1161.4 330.4

Number of observations: 84

Residuals: SS = 232695315 (backforecasts excluded) MS = 2872782 DF = 81

Modified Box-Pierce (Ljung-Box) Chi-Square statistic

Lag 12 24 36 48 Chi-Square 6.4 11.0 28.8 37.7 DF 9 21 33 45 P-Value 0.697 0.963 0.678 0.770

Forecasts from period 84

95 Percent Limits

Period Forecast Lower Upper Actual 85 823.28 -2499.44 4146.01

86 874.40 -2470.81 4219.62 87 917.79 -2443.53 4279.12 88 954.62 -2418.25 4327.50 89 985.89 -2395.29 4367.07 90 1012.42 -2374.73 4399.57 91 1034.94 -2356.50 4426.39 92 1054.06 -2340.47 4448.59 93 1070.29 -2326.47 4467.05 94 1084.06 -2314.30 4482.42 95 1095.75 -2303.76 4495.27 96 1105.68 -2294.67 4506.02