EKOMABIS: Jurnal Ekonomi Manajemen Bisnis e-ISSN 2716-0238 Volume 01 Issue 02 Ae Jul 2020 DOI: https://doi.
org/10.
37366/ekomabis.
Metode Autoregressive Integrated Moving Average untuk Meramalkan Penjualan (Autoregressive Integrated Moving Average Method to Forecast Sale.
Submit: 27 Aug 2020 Review: 28 Aug 2020 Accepted: 28 Aug 2020 Publish: 30 Sep 2020 Emmelia Tan1.
Indri Astuti2
ABSTRAK
Kondisi sales performance dipengaruhi oleh sales budget .
nggaran penjuala.
yang telah ditetapkan di periode sebelumnya.
Penetapan sales budget berdasarkan pada hasil ramalan penjualan .
ales forecas.
yang sudah dianalisa sebelumnya.
Penetapan sales forecast di PT.
Hibex Indonesia sebelumnya menggunakan metode kualitatif dimana ramalan dilakukan berdasarkan pada asumsi-asumsi yang bersifat subyektif baik dari segi internal maupun eksternal digabung data historis.
Penelitian ini bertujuan untuk menerapkan ramalan penjualan di PT.
Hibex Indonesia menggunakan metode kuantitatif.
Penelitian menggunakan metode ARIMA dengan software Eviews 9.
0 berdasarkan data historis sebelumnya, yaitu data penjualan periode Juli 2014 Ae Desember 2017.
Hasil olah data menunjukkan bahwa model ARIMA terbaik yang diambil untuk peramalan adalah model ARIMA .
,0,.
karena memiliki nilai AIC .
SIC dan MSE terendah dibandingkan model lainnya.
Hasil peramalan menunjukkan bahwa perlu pengkajian ulang untuk data yang digunakan dan metode yang dipilih untuk peramalan.
Hasil peramalan metode ARIMA lebih cocok dipakai untuk jangka pendek, karena hasil penelitian ini, forecasting untuk jangka waktu lebih dari satu tahun, hasilnya cenderung datar.
Keywords: Ramalan Penjualan.
Deret Waktu.
Anggaran Penjualan.
Box-Jenkinss.
ARIMA
JEL Codes: A.
----------------------------------------------------------------------------------------------------------
ABSTRACT
The sales performance is influenced by the sales budget that had been previously set.
Sales budget draft is based on actual sales forecast that have been prior analyzed.
In the past sales forecasts at PT.
Hibex Indonesia used qualitative methods where these predictions were based on subjective assumptions both internally and externally combined with historic data.
This research aims to 1 Universitas Pelita Bangsa.
Emmelia.
tan@pelitabangsa.
2 Universitas Pelita Bangsa.
indriastuti1771@gmail.
LPPM Universitas Pelita Bangsa P a g e | 149 Metode Autoregressive Integrated Moving Average untuk Meramalkan PenjualanA forecast sales at PT.
Hibex Indonesia by using quantitative data.
Methods is used the ARIMA method by Eviews 9.
0 software.
The data were based on historical data from the period of July 2014 - December 2017.
Data results show that the best ARIMA model to forecast is ARIMA .
model, it has the lowest AIC.
SIC and MSE values.
Sales forecasting result indicate that it is necessary to examine the data used and the method chosen for the forecast.
ARIMA method prove suitable for forecasting less than one year period or short term analysis, this research found the forecasting more than one year, the results show flat curve.
Keyword: Sales forecasting.
time series.
sales budget.
Box-Jenkinss ARIMA Kode JEL:
Pendahuluan Adanya kebutuhan dari manajemen PT Hibex Indonesia, untuk perhitungan peramalan penjualan di perusahaan dengan menggunakan metode kuantitatif.
Penelitian ini diharapkan menyempurnakan kekurangan metode yang dilakukan terdahulu, dimana sebelumnya peramalan dilakukan dengan asumsi kualitatif digabung data historis dan hasil peramalan sebelumnya terlihat dalam grafik dibawah.
Dengan metode ARIMA dalam penelitian ini diharapkan dapat memperbaiki peramalan penjualan di masa akan datang agar realisasi penjualan tidak jauh menyimpang dari target penjualan yang sudah ditetapkan.
Grafik 1.
Perbandingan Anggaran Penjualan dengan Realisasi Penjualan PT.
Hibex Indonesia Periode 2017 Penelitian terdahulu dilakukan oleh Elvani.
Utary.
, & Yudaruddin.
memprediksi jumlah produksi tanaman kelapa sawit dengan metode ARIMA di masa depan, dengan menggunakan data historis jumlah produksi dari bulan Januari 2013 sampai Desember 2015.
Persaingan bisnis yang ketat dalam industry kelapa sawit memerlukan strategi bisnis bagi manajemen perusahaan, ditambah ada fenomena harga CPO cenderung stagnan dan turun 150 | P a g e EKOMABIS: Jurnal Ekonomi Manajemen Bisnis Emmelia Tan.
Indri Astuti dari dinamika pasar internasional, dengan metode peramalan produksi di masa datang dapat menjadi strategi pasar dan antisipasi kestabilan harga di masa Masih sedikit literatur atau penelitian yang membahas metode peramalan dalam jurnal manajemen bisnis, sehingga penelitian ini diharapkan berkontribusi dalam penelitian peramalan data penjualan.
Keadaan bisnis trading PT Hibex Indonesia yang berlokasi di Cikarang, anak perusahaan dari Hibex Singapore Pte.
Ltd sebuah perusahaan PMA dari Jepang, sebagai agen distributor menjual berbagai barang kebutuhan industry, pada tahun 2017 sales performance .
mengalami penurunan pada dua Sales budget .
biasanya dibuat pada akhir tahun sebelumnya untuk memproyeksikan penjualan satu tahun berikutnya yang dibagi dalam empat kuartal.
Sales performance dipengaruhi oleh beberapa faktor baik internal dan eksternal, salah satu yang bisa diusahakan dari internal yaitu penetapan sales budget berdasarkan sales forecast sebagai pedoman pencapaian target penjualan di masa depan.
Metodologi Sumber data sampel penelitian diambil dari dua sumber yaitu data primer dan Data sekunder diambil melalui wawancara untuk mendapatkan informasi proses pembuatan sales budget yang diterapkan oleh PT.
Hibex Indonesia dengan Bapak Andika Hartanto selaku Assistant General Manager.
Data sekunder penelitian diambil dari data penjualan PT.
Hibex Indonesia periode Juli 2014 Ae Desember 2017.
Metode analisis forecasting data kuantitatif runtun waktu dengan ARIMA (Autoregressive Integrated Moving Averag.
dengan pendekatan Box-Jenkinss yaitu suatu perulangan memilih model terbaik untuk series yang stasioner dari suatu data model time series linear.
Teknik peramalan ARIMA dengan pendekatan 4 tahap yaitu identifikasi data, estimasi model, diagnosis checking .
iagnosa dan pemilihan model terbai.
, dan peramalan .
Penelitian ini akan menguji model mana yang terbaik untuk meramalkan penjualan PT Hibex Indonesia.
ARIMA ini sangat baik ketepatannya jika digunakan untuk peramalan jangka pendek atau periode peramalan kurang dari satu tahun (Elvani et,al, 2.
Analisis data kuantitatif metode ARIMA dilakukan dengan bantuan software aplikasi Eviews 9.
Hasil Untuk memenuhi syarat stasioner dalam pengolahan time series data dilakukan uji correlogram dan unit root test, jika data tidak stasioner maka perlu dilakukan differencing, sehingga diperoleh data yang layak digunakan yaitu periode Juli 2014 Ae Desember 2017.
Data di grafik 2 menunjukkan tidak memiliki trend yaitu sudah stasioner dalam varian dan nilai rata-rata.
LPPM Universitas Pelita Bangsa P a g e | 151 Metode Autoregressive Integrated Moving Average untuk Meramalkan PenjualanA Grafik 2.
Plot Data Penjualan PT.
Hibex Indonesia.
Juli 2014 Ae Desember 2017 Tabel 3.
Uji Correlogram data Penjualan.
Juli 2014 Ae Desember 2017 152 | P a g e EKOMABIS: Jurnal Ekonomi Manajemen Bisnis Emmelia Tan.
Indri Astuti Tabel 4.
Hasil Unit Root Test dengan ADF Tabel 5.
Nilai Probabilitas dari Hasil Estimasi Permodelan ARIMA
ARIMA ARIMA ARIMA ARIMA ARIMA ARIMA ARIMA ARIMA ARIMA
,0,.
,0,.
,0,.
,0,.
,0,.
,0,.
,0,.
,0,.
,0,.
AR 1
0,0671
0,000
AR 3
0,0155
0,6472
AR 4
0,0053
MA 1
0,1107
0,0273
MA 3
0,0082
0,9789
MA 4
Hasil
0,6412
0,0500
0,8008
Keterangan:
S: Signifikan TS: Tidak Signifikan LPPM Universitas Pelita Bangsa P a g e | 153 Metode Autoregressive Integrated Moving Average untuk Meramalkan PenjualanA Tabel 5 menunjukkan estimasi permodelan dari hasil estimate equation dengan memasukkan nilai AR dan MA untuk sembilan estimasi model.
Dari empat model ARIMA yang signifikan selanjutnya dilakukan diagnostic checking untuk memilih model terbaik.
Diagnostic checking untuk keempat model yang signifikan dilakukan uji residu, hasilnya keempat model dapat diterima bersifat white noise yaitu semua semua batang grafik masuk ke dalam garis Bartlett.
Langkah selanjutnya dalam pemilihan model terbaik adalah dengan membandingkan nilai Akaike Info Criterion (AIC).
Schwarz Criterion (SIC), dan Mean Square Error (MSE).
Model yang memiliki nilai AIC.
SIC, dan MSE yang terkecil, maka menjadi model terbaik untuk peramalan.
Berikut tabel hasil perbandingan nilai AIC.
SIC, dan MSE, dari tabel dapat disimpulkan model terbaik yaitu model ARIMA .
,0,.
Model ARIMA .
,0,.
dilakukan diagnostic testing dan hasil diterima , yaitu residual berdistribusi normal.
Tabel 2.
Perbandingan Nilai AIC.
SIC dan MSE Nilai ARIMA ,0,.
ARIMA
,0,.
ARIMA
,0,.
ARIMA
,0,.
AIC
43,13849
43,14354
43,15118
43,10379
SIC
43, 30399
43,26766
43,27530
43,22791
MSE
Dari model terbaik ARIMA .
,0,.
, maka langkah selanjutnya adalah melakukan peramalan yaitu static forecast .
ntuk melakukan peramalan satu langkah ke depan dari variabel depende.
dan dynamic forecast .
ntuk melakukan peramalan n-langkah dari variabel depende.
Grafik 4.
Hasil Static Forecast dengan Eviews 9.
154 | P a g e EKOMABIS: Jurnal Ekonomi Manajemen Bisnis Emmelia Tan.
Indri Astuti Peramalan penjualan di tahun 2018 terlihat fluktuatif seperti periode sebelumnya dengan nilai rata-rata kuadrat kesalahan (RMSE) sebesar 5,18E 08, nilai rata-rata absolut kesalahan (MAE) sebesar 4,17E 08, dan nilai rata-rata persentase absolut kesalahan (MAPE) sebesar 36,05388.
Grafik 5.
Hasil Dynamic Forecast dengan Eviews 9 Dynamic forecast terlihat nilai rata-rata kuadrat kesalahan (RMSE) sebesar 58E 08, nilai rata-rata absolut kesalahan (MAE) sebesar 4.
38E 08, dan nilai rata-rata persentase absolut kesalahan (MAPE) sebesar 38.
Terlihat peramalan tahun 2019, atau lebih dari setahun hasil peramalan cenderung datar dan membuktikan hasil metode ARIMA cenderung datar pada jangka panjang.
Grafik 6.
Hasil Peramalan Penjualan Periode Januari 2018 Ae Desember 2019 LPPM Universitas Pelita Bangsa P a g e | 155 Metode Autoregressive Integrated Moving Average untuk Meramalkan PenjualanA Dilakukan perhitungan error dengan perbandingan antara hasil peramalan dengan data penjualan aktual periode November 2014 Ae Desember 2017.
Perhitungan Error pada Static Forecast menunjukkan rata-rata selisih error sebesar 34%.
Grafik 7.
Perbandingan Data Penjualan Aktual dan Hasil Statistic Forecast.
November 2014 Ae Desember 2017 Perhitungan Error pada Dynamic Forecast melalui perbandingan data penjualan aktual dan hasil dynamic forecast menunjukkan nilai rata-rata error adalah sebesar 38%.
Grafik 8.
Perbandingan Data Penjualan Aktual dan Hasil Dynamic Forecast.
November 2014 Ae Desember 2017 156 | P a g e EKOMABIS: Jurnal Ekonomi Manajemen Bisnis Emmelia Tan.
Indri Astuti Pembahasan Peramalan penjualan ini akan berdampak terhadap anggaran penjualan atau aktivitas budgeting yang akan ditetapkan, hal ini merupakan bagian dari perencanaan keuangan perusahaan dalam manajemen keuangan yang akan diajukan kepada manajemen perusahaan setiap akhir tahun.
Analisis menunjukkan bahwa peramalan ARIMA untuk jangka pendek cenderung mengikuti pergerakan realitas yang terjadi sedangkan untuk jangka panjang pergerakannya relatif tidak mengikuti realitas yang ada.
Dari hasil ini metode peramalan dengan ARIMA lebih cocok diaplikasikan dalam peramalan jangka Metode peramalan dengan menggabungkan metode kuantitatif dan asumsi peramalan metode kualitatif yang berhubungan dengan penjualan perusahaan contoh kondisi pasar, kebijakan pemerintah, informasi aktivitas investasi dari customer, aktivitas event/program marketing tahun depan dan mempertimbangkan alokasi biaya pengeluaran .
Kesimpulan Peramalan ARIMA untuk keperluan jangka pendek cenderung mengikuti alur penjualan aktual sedangkan untuk jangka panjang dynamic forecast tidak sepenuhnya mampu menjelaskan penjualan aktual.
Metode peramalan ini, ke depan bisa disempurnakan dengan metode kuantitatif lain untuk perbandingan dan perlu penelitian lebih lanjut.
Selain peramalan kuantitatif, tidak digabungkan dengan penelitian kualitatif, dimana hal ini perlu diperhitungkan dan diperhatikan dengan baik untuk mendapatkan peramalan yang lebih tepat dan mendekati keadaan.
Daftar Pustaka