Analisis Tren Kajian Strategi Peningkatan Laba dengan Penerapan Cost-Volume-Profit Analysis pada UMKM Ibu Sriutami
24 3.
Memprediksi kecenderungan yang mungkin akan terjadi berdasarkan arah dari kecenderungan historis pos laporan keuangan yang dianalisis.
4. Mengambil keputusan mengenai hal–hal yang harus dilakukan untuk
mengantisipasi kecenderungan itu. Dalam melakukan analisis tren dapat pula digunakan alat bantu analisis
yang tersedia pada software perangkat lunak Minitab versi 16. Pada perangkat lunak Minitab ini ada beberapa model yang umum digunakan untuk analisis tren,
yaitu sebagai berikut:
a. Model Tren Linier
Tren linier adalah kecenderungan data yang perubahannya berdasarkan waktu adalah tetap konstan. Untuk melihat tren linier jangka panjang sebaiknya
digunakan suatu periode sekurang-kurangnya meliputi satu siklus agar tren yang diperoleh tidak dikacaukan oleh variasi siklus seperti konstraksi atau ekspansi.
Secara grafis, model tren linier berbentuk pola garis lurus linear. Misalnya, peubah Yt ingin dilihat pola tren jangka panjangnya, t merupakan peubah waktu,
maka model untuk estimasi persamaannya:
t
a bt 16 b.
Model Tren Kuadratik quadratic Tren kuadratik adalah kecenderungan data yang kurvanya berupa
lengkungan curvature. Penggunaan tren kuadratik terjadi karena sering kali perkembang-an nilai suatu peubah yang dalam jangka pendek atau menengahnya
berpola linier, menjadi tidak linier dalam jangka panjang. Secara matematis, tren kuadratik merupakan hubungan tak bebas dengan t dan t
2
. Model persamaannya adalah:
t 1
t
2
t
2
.17 c.
Model Tren Eksponensial exponential growth Tren eksponensial adalah kecenderungan perubahan data yang semakin
lama semakin bertambah secara eksponensial. Terdapat dua model untuk tren eksponensial, yaitu:
25 Untuk peubah diskrit:
t
1
1 t
. 18 Untuk peubah kontinu:
t
e p
1
t
.1 Untuk memilih model yang tepat diantara tiga model tren tersebut dapat
dilakukan dengan cara melihat pada grafik time series, jika terlihat linier, maka digunakan model tren linier. Jika berbentuk kurva atau eksponensial, maka dipilih
model tren quadratic dan exponential. Setelah hasil forecast peramalan diperoleh dengan menggunakan model yang telah dipilih, ketepatan hasil
peramalan perlu diuji terlebih dahulu. Ada beberapa alat ukur akurasi untuk menilai ketepatan model, yaitu sebagai berikut:
a. Mean absolute percentage erorr MAPE
merupakan rata-rata dari keseluruhan persentase kesalahan selisih antara data aktual dengan data hasil peramalan. Ukuran akurasi dicocokkan dengan
data time series, dan ditunjukkan dalam persentase. b.
Mean absolute deviation MAD merupakan rata-rata dari nilai absolut simpangan.
c. Mean squared deviation MSD
merupakan rata-rata dari nilai kuadrat simpangan data. Semakin kecil nilai yang diperoleh ketiga alat ukur tersebut diatas, maka semakin
baik forecasting peramalan yang digunakan.