TEKNIK PROYEKSI BISNIS

DISAMPAIKAN PADA
KULIAH UMUM
TANGGAL, JANUARI 2008

GULAM MUHAMMAD, S.E., M.M.

 BAB I
ARTI PENTING PERAMALAN BISNIS
Peramalan merupakan studi terhadap data historis untuk
menemukan hubungan, kecenderungan, dan pola yang
sistematis

Jika Perusahaan meningkatkan biaya iklan 10% bagaimana

pengaruhnya terhadp penjualan ?

Dalam dunia bisnis hasil peramalan mampu memberi

gambaran tentang masa depan perusahaan, yang
memungkinkan manajemen membuat perencanaan ,
menciptakan peluanh bisnis, mengatur pola invetasi, dll
 JENIS-JENIS PERAMALAN
Secara garis besar peramalan dibedakan :
1. Peramalan Kualitatif : yaitu peramalan yang
didasarkan pada pengamatan kejadian-
kejadian dimasa lalu yang digabungkan
dengan intuisi atau ketajaman perasaan si
peramal dalam mengadapai situasi informil
yang diperkirakan terjadi di masa yang akan
datang
2. Peramalan Kuantitatif : menggunakan
data kuantitatif yang diperoleh dari
pengamatan nilai-nilai sebelumnya
dengan ditunjang beberapa informasi
kuantitatitf maupun kualitataif. Hasil
dari peramalan kuantitatif ini secara
umum lebih disukai karenan
memberikan pandangan yang lebih
nyata dan lebih objectif dalam besaran
nilai hasil peramalan.
LANGKAH-LANGKAH PERAMALAN
1. Mengumpulkan data (langkah ini sangat penting,
karena berlakunya prinsif “Garbage in Garbage out”
2. Menyeleksi dan memilih data (data yang kurang relevan
harus dibuang)
3. Memilih model peramalan (pilihlah model peramalan
yang tepat, sehingga minim kesalahan dan hasil
peramalan mendekati aktual)
4. Menggunakan model terpilih untuk peramalan. Bila
akurasi model peramalan menurun karena terjadinya
perubahan pola data, model tersebut perlu dievaluasi
ulang dan bila perlu diganti
 BAB II
INTEGRASI PERAMALAN DALAM
PERENCANAAN STRATEGIS
Banyak orang sulit membedakan Peramalan dan
Perencanaan.
Peramalan pada umumnya dipergunakan untuk
memprediksi sesuatu yang kemungkinan besar
akan terjadi
Sedangkan Perencanaan menggunakan ramalan
yang ada untuk menetapkan target termasuk
penetapan strategi untuk mencapai target itu
 MENGIDENTIFIKASI VARIABEL LINGKUNGAN
YANG PENTING BAGI PERUSAHAAN
Kinerja suatu perusahaan sangat berpengaruh
oleh kondisi lingkungan dimana perusahaan
berada. Karena itu langkah utama dalam
peramalan untuk perencanaan bisnis adalah
mengidentifikasi variabel-variabel
lingkungan yang mempengaruhi kinerja
perusahaan. Seperti Variabel Kondisi
ekonomi, sosial, Budaya, demografi, politik,
teknoligi, pesaing, dll. Analisa SWOT
 DALAM MENGINTEGRASIKAN HASIL RAMALAN HAL
YANG PERLU DIPERHATIKAN
1. Hasil ramalan harus mendapat dukungan dari
manajemen puncak dan didistribusikan kepada
pihak yang membutuhkan
2. Hasil ramalan harus disajikan dalam unit yang tepat
3. Kecendrungan musiman dari hasil ramalan perlu
disajikan secara eksplisit
4. Dalam menyajikan hasil ramalan perlu dimasukkan
pula kondisi best-case dan wors case (Kemungkinan
yang terbaik dan terburuk)
5. Dalam menyajikan hasil ramalan perlu
dimasukkan secara eksplisit asumsi-asumsi
dibalik hasil ramalan. Tujuannya akan
membuat para pengguna mengerti dengan
jelas kapan hasil ramalan valid dan kapan
harus direvisi
6. Hasil ramalan harus disajikan dalam
format yang mudah dimengeti. Manajer
orang yang sangat sibuk, sehingga disajikan
dalam format yang sederhana (grafik dan
tabel).
 BAB III
DATA SEBAGAI KOMPONEN UTAMA PERAMALAN

Peramalan akan memberikan hasil yang

sesuai dengan yang diharapkan bila
ditunjang oleh data yang refresentatif dan
akurat.
Variabel : Karakter dari unit amatan yang
akan diobservasi Contoh : Tinggi Badan dan
berat badan merupakan atribut seseorang
yang merupakan objek penelitian
Variabel Independent : yaitu variabel yang menjadi
sebab terjadinya (terpengaruhnya) variabel dependen
Variabel Dependen : Yaitu variabel yang nilainya
dipengaruhi oleh variabel independen
Variabel Moderator : Variabel yang memperkuat atau
memperlemah hubungan antara variabel dependen
dan independen
Variabel Intervening : Seperti variabel moderator,
tetapi nilainya tidak dapat diukur, mis : Kecewa,
Gembira, Pening
Variabel Kontrol : Variabel yang dapat dikendalikan
oleh peneliti
 KEGUNAAN DATA
1. Untuk mengetahui dan memperoleh gambaran tentang
sesuatu keadaan atau persoalan. Mis : Pemerintah
mengumpulkan data pendapatan nasional : Untuk
mengetahui keadaan daya beli masyarakat, pendidikan,
kesehatan, dll
2. Untuk membuat keputusan atau memecahkan persoalan
(menghilangkapn faktor penyebabnya). Mis: Karyawan
yang Loyo dan tidak bersemangat karena sudah lama
tidak naik pangkat, diputuskan naik pangkat (persoalan
sudah dipecahkan), atau gaji yang terlalu rendah,
diputuskan naik gaji (persoalan sudah dipecahkan)
 JENIS DATA
Data Primer : merupakan data yang didapat dari
sumber pertama, individu atau perseorangan. Mis :
Data yang dihasilkan dari wawancara atau data hasil
pengisian kuesioner.
Data Sekunder : Data primer yang diperoleh dari
pihak lain, atau telah diolah dan disajikan baik oleh
pengumpul data primer atau oleh pihak lain. Biasa
disajikan dalam bentuk grafik, tabel atau diagram.
 SYARAT DATA YANG BAIK
1. Data harus objectif, artinya sesuai dengan apa
adanya. Harga Beras Rp 7.500/kg dikatakan Rp
5.000/kg (data tidak objctif)
2. Data harus dapat mewakili populasi
3. Data harus mempunyai kesalahan baku (sampling
error) yang minimum
4. Data harus tepat waktu (up to date). Data
dikumpulkan dari waktu kewaktu (harian,
mingguan, bulanan, triwulan, tahunan)
 DATA KUALITATIF DAN KUANTITATIF
Data kualitatif : data yang sifatnya
hanya menggolongkan saja. Mis :
Motifasi karyawan (bagus, sedang,
jelek).
Data Kuantitatif : Data yang
berbentuk angka yang berskala ukur
interval dan rasio. Mis : Kenaikan laba
perusahan “MJ” 35%, dll
 DATA INTERNAL DAN EKSTERNAL
Data Internal : Data yang diperoleh
dari dalam perusahaan/organisasi
dimana riset dilakukan
Data Eksternal : Menggambarkan
keadaan diluar organisasi, pada
umumnya data ini diperoleh dari pihak
lain dan digunakan sebagai
pendamping.
 DATA TIME SERIES
DAN CROSS SECTION
Data Time Series : data deret waktu
merupakan data yang dikumpulkan dari
beberapa tahapan waktu kronologis. Mis :
Data deret waktu , Ekspor baju hangat PT XY
ke Perancis dari tahun 1998-2000
Data Cross Section : data yang dikumpulkan
pada waktu dan tempat tertentu saja. Mis :
Pembelian Produk Kosmetik Januari 2008
 CARA PENGAMBILAN SAMPEL
Cara random : Cara pemilihan sejumlah elemen dari
populasi untuk menjadi anggota sampel, pemilihan
dilakukan sedemikian rupa setiap elemen mendapat
kesempatan yang sama (equal chance) untuk dipilih
menjadi anggota sampel (tidak pilih kasih)
Non Random : Suatu cara pemilihan elemen-elemen
dari populasi untuk menjadi anggota sampel kalau
setiap elemen tidak mendapat ketempatan yang sama
untuk dipilih (non probabily sampling)
 SKALA PENGUKURAN
Skala Nominal : Merupakan skala pengukuran
yang paling sederhana, Mis : Laki (1) dan
Perempuan (0), Disini angka 1 dan 0 bukan hanya
sebagai pemberian label saja bukan sebagai oprasi
matematika.
Skala Ordinal : Objek-objek yang dapat
digolongkan dalam kelompok (kategori) tertentu.
Mis : Status Sosial (rendah, sedang, tinggi). Namun
seberapa selisihnya status sosialnya tidak terlihat
pasti
Skala Interval : Pemberian angka
kepada kelompok objek yang
mempunyai sifat skala interval-
memperlihatkan jarak yang sama
diantara ciri-ciri atau sifat objek yang
diukur. Mis : Penilaian kinerja (skala 0-
100), Adi nilai kinerja 80 dan Susi nilai
40, namun tidak berarti kemampuan
Adi dua kalinya Susi. Hal ini karena
skala dibuat berdasarkan konsensus
saja.
 SKALA RASIO (SKALA NISBAH)
Skala Rasio : Pengukuran yang
mempunyai semua sifat skala interval
ditambah satu sifat lain yaitu
memberikan keterangan tentang nilai
absolut objeknya. Mis : Bila kita ingin
membandingkan berat 2 benda, A 50 gr
B 100 gr. Kita bisa mengetahui berat
benda B dua kali berat benda A.
 BAB IV
ANALISIS BENTUK HUBUNGAN
Dalam kondisi sehari-hari, sering dijumpai adanya
hubungan antara suatu variabel dengan satu atau
lebih variabel lainnya.
Mis : Dosis pupuk yang diberikan berhubungan dengan
hasil pertanian yang diperoleh.
Untuk mengetahui bentuk hubungan antara dua
variabel atau lebih digunakan analisis regresi. Dan bila
ingin mengetahui keeratan hubungannya digunakan
Analisis Korelasi
REGRESI LINIER SEDERHANA
Regresi linier sederhana mempelajari hubungan linier
antara dua variabel.
Variable tersebut dibedakan menjadi variabel bebas (X)
dan variabel tak bebas (Y)
Variabel bebas : Variabel yang bisa dikontrol
Variabel tak bebas : Variabel yang mencerminkan respon
dari variabel bebas
Model Regresi Linier Sederhana
Yi = α+βX+εi

i = 1, 2, 3 ….. N
X1, X2, X3 = adalah variabel kontrol
εi = adalah komponen sisaan yang tidak diketahui (acak)
α dan β adalah parameter yang nilainya tidak diketahui
sehingga perlu diperkirakan dengan statistik sampel
Model sampel untuk regresi linier sederhana :
Yi =a + bXi
Y = Variabel tak bebas
X = Variabel Bebas
a = penduga bagi intercep (α)
B = Penduga bagi koefisien regresi (β)
Dengan menggunakan metode Kuadrat terkecil (Least
Square Method) diperoleh :
b = n (Σxy)-(Σx) (Σy)
n (Σx²)-(Σx)²
a = Σy-b(Σx)
n
Contoh :
Data perusahaan MJ biaya iklan dan volume penjualan
perusahaan diperoleh :

Biaya Iklan Volume Penjualan

(Jutaan Rupiah) (Ribuan Rupiah)
(X) (Y)
3 12
4 11
5 13
6 12
7 13
8 14
9 16
 Diagram Volume Penjualan
18
16
16
14
14 13 13
12 12
12 11
10
8
6
4
2
0
2 3 4 5 6 7 8 9 10
X Y X² Y² XY

3 12 9 144 36

4 11 16 121 44

5 13 25 169 65

6 12 36 144 72

7 13 49 169 91

8 14 64 196 112

9 16 81 256 144

42 91 280 1199 564

Dari tabel di atas diperoleh :
b = 7(564)-42(91) = 0,6429
7(280)-(42)2

a = 91 - 0,6429(42) = 9,1426
7
Maka diperoleh persamaan regresi antara biaya iklan dan
volume penjualan :
Ŷ = 9,1426 + 0,6429 X
Artinya setiap penambahan biaya iklan satu juta rupiah
akan menambah volume penjualan sebesar 0,6429 ribu
unit.

Seandainya dikeluarkan biaya iklan 7 juta maka ramalan

penjualan adalah :
Ŷ = 9,1426 + 0,6429 (7) = 13,64 ribu unit
 Volume Dugaan Volume (Y-Ŷ) (Y-Ŷ)²
Penjualan penjualan
(ribuan unit) (ribuan unit)
Y Ŷ

12 11,07 0,93 0,8649

11 11,71 -0,71 0,5041
13 12,36 0,64 0,4096
12 13 -1 1
13 13,64 -0,64 0,4096
14 14,28 -0,28 0,0784
16 14,92 1,08 1,1664
4,433
 STANDAR ERROR
Dalam analisis regresi, Standar Error (σe)
mencerminkan standar deviasi yang mengukur variasi
titik-titik di atas dan di bawah garis regresi populasi.
Se = √Σ(y-ŷ)² = √ 4,433 = 0,94
n-2 7-2
Artinya : Semakin Tinggi Standar Errornya maka
kesalahan pendugaannya pun semakin tinggi
 REGRESI BERGANDA
Secara umum, analisis regresi yang melibatkan
hubungan dua atau lebih variabel bebas disebut
analisis regresi berganda
Contoh :
Kita ingin mengetahui Hasil pertanian Jagung per
ha dengan jenis pupuk yang digunakan, kuantitas
pupuk yang diberikan, jumlah hari hujan, suhu,
lamanya sinar matahari, infeksi serangga.
 MODEL REGRESI BERGANDA
Dengan menggunakan regresi berganda diperkirakan
dengan metode kuadrat terkecil (Least Square
Method) adalah :
Y = a + b₁ X₁ + b₂ X₂ + …….. + bn Xn
Y = Variabel tak bebas
Xi= Variabel bebas
a = Pendugaan bagi α intercep (titik potong)
B = Penduga bagi βi
 REGRESI BERGANDA
DENGAN 2 VARIABEL
Model pendugannya adalah :
Y = a + b₁X₁+b₂X₂
Untuk menentukan nilai a, b1 dan b2 dengan formula
sebagai berikut :
A = n ΣX₁Y – ΣX₁ ΣY
B = n Σ(X₂)² - (Σ X₂)²
C = n Σ X₁X₂ – ΣX₁ ΣX₂
D = n ΣX₂ Y – ΣX₂ ΣY
E = n Σ (X₁)² - (ΣX₁)²
F = EB - C²
Dari persamaan di atas akan diperoleh nilai-nilai statistik a,
b1 dan b2 sebagai berikut :

B1 = AB – CD
F
B2 = DE – AC
F
A = ΣY – b₁ΣX₁ – b₂ΣX₂
n
Sebuah penelitian dilakukan untuk mengetahui hubungan
antara pendapatan rumah tangga (X1), Jumlah Anggota
Keluarga X2 dengan Pengeluaran rumah tangga (Y).
Tahapan penyelesaiannya sbb:
 Y X1 X2 (X1)² (X2)² X1Y X2Y X1X2 Y²
1 3 2 9 4 3 2 6 1

3 5 7 25 49 15 21 35 9

2 6 4 36 16 12 8 24 4

4 10 6 100 36 40 24 60 16

1 2 2 4 4 2 2 4 1

4 8 8 64 64 32 32 64 16

Total 15 34 29 238 173 104 89 193 47

A = 6(104) – (34) (15) = 114
B = 6(173) – (29)² = 197
C = 6(193) – (34) (29) = 172
D = 6(89) – (29) (15) = 29
E = 6(238) – (34)² = 272
F = 272(197) – (172)² = 24000
Sehingga :
b₁ = [(114)(197)-(172)(99)]/24000 = 0,22625
b₂ = [(99)(272) – (114) (172)]/2400 = 0,305
A = [ 15-0,22625 x 34-0,305 x 29] = - 0,25625
Maka persamaan regresi dugaan adalah “
Ŷ = -0,25625 + 0,22625 X₁ + 0,305 X₂
Nilai Intercep -0,25625 memberi arti jika pendapatan
rumah tangga X₁ dan jumlah anggota keluarga X₂
tetap pada nilai 0, maka pengeluaran rumah tangga Y
= -0,25625 juta. Intercep seperti ini tidak memberikan
makna karena tidak ada rumah tangga yang memiliki
pengeluaran negatif (nilai minus dapat diabaikan)
X₁ = 0,22625 dapat diartikan dengan menjaga nilai
variabel X₂ konstan, maka adanya peningkatan
pendapatan Rp 1 juta mengakibatkan pengeluar-an
sebesar 0,22625 juta atau Rp 226.250
X₂ = 0,305 artinya bila X₁ konstan maka dengan adanya
peningkatan satu satuan jumlah anggota keluarga
akan mengakibatkan peningkatan pengeluaran
sebesar Rp 0,305 juta= Rp 305.000
Standar Error :

Se = √Σ(Y-Ŷ)
n-3
Atau Se = √ΣY² - aΣY - b₁ΣX₁Y - ΣX₂Y
n-3
ANALISIS KEERATAN HUBUNGAN
Koefisien Korelasi Pearson, digunakan untuk mengetahui
tingkat (derajat) keeratan hubungan linier antara dua atau lebih
variabel yang minimal berskala ukur interval

Secara garis besar Koefisien korelasi (r) memiliki sifat sbb :

a. Nilai berkisar antara -1 sampai 1 (-1≤r<1). Bila r=0 atau
mendekati nol , berarti antara 2 variabel yang diobservasi (mis Y
dan X) tidak terdapat hubungan linier atau hubungannya sangat
lemah
Bila r mendekati -1 berarti hubungan linier antara X dan Y sangat
kuat dengan sifat hubungan yang negatif (berlawanan arah).
Demikian sebaliknya bila r mendekati 1 maka berarti hubungan
X dan Y sangat kuat dan searah.
Y . Y .
. . r = -1 . r=1 .
. . .
. . X
X
Y. Y .... .. ..
………..…. … … r=0
………………. r = 0 …. …. …………….
….. X
Y Berbagai Nilai Koefisien
Korelasi
 KOEFISIEN KORELASI SEDERHANA
Untuk menghitung keeratan dua variabel, mis : X dan Y
r = ____n ∑xy - ∑x ∑y_____
√[n∑x²- (∑x)²] √[n∑y²-(∑y)²]
Data berikut menggambarkan pendapatan keluarga x dan
pengeluaran y dari 6 orang karyawan
Pendapatan ($ Pengeluaran
000/th ($000/th)
X Y

10 7
20 21
30 23
40 34
50 36
60 53
Dari tabel tersebut dapat dihitung nilai-nilai :
∑xi=210; ∑yi=174; ∑xiyi=7520; ∑xi²=9100; ∑yi²=6280

R = ______6(7520)-(210)(174)______ = 0,98
√(6(9100)-(210)²√(6(6280)-(174)²)
Atas dasar dari perhitungan tersebut diperoleh
kesimpulan bahwa hubungan antara pendapatan
dan pengeluaran keluarga tersebut sangat erat dan
cenderung sempurna.
 PENGUJIAN HIPOTESIS
KOEFISIEN KORELASI
Pengujian Hipotesis koefisien korelasi ada 2.
Jenis pertama berkaitan dengan pengujian koefisien korelasi
populasi sama dengan 0 (Ho:ρ=0).
Jenis kedua berkenaan dengan pengujian besarnya koefisien
korelasi populasi sama dengan suatu nilai tertentu (Ho:ρ=ρo)
Pengujian yang digunakan untuk menghitung Ho :ρ=0 lawan
Ha:ρ≠0 adalah dengan uji t
t hitung = r √(n-2)
√(1-r²) Keputusan pengujian sbb :
Bila t hitung adalah
≤tα/₂ (n-2)/2(n-2) maka Ho diterima
> tα/₂ (n-2)/2(n-2) maka Ho ditolak
Contoh :
Dari hasil terdahulu dapat dilakukan pengujian apakah benar
ada korelasi antara pendapatan dan pengeluaran keluarga./
Bila digunakan α=0,05, maka dapat ditetapkan hipotesis
pengujian sebagai berikut :
Ho:ρ = 0 Ha:ρ ≠ 0 α= 0,05
t hitung = 0,973√(6-2) = 8,43
√ (1- 0,973²)
Nilai Kritis t (0,025;4) = 2,78
t hitung (8,43) > t tabel (2,78)
Nilai t hitung > t tabel, maka Ho ditolak

Sehingga dapat disimpulkan bahwa memang benar ada

hubungan linier antara pendapatan dan pengeluaran keluarga
 METODE PEMULUSAN
(SMOOTHING)
Metode Pemulusan merupakan merupakan
metode yang banyak digunakan untuk tujuan
menghilangkan atau mengurangi keteracakan
(randomness) dari data deret waktu (time
series). Metode yang biasa digunakan adalah
metode rata-rata bergerak (moving average)
dari pengukuran respon dalam periode waktu
tertentu atau metode pemulusan eksponensial.
Metode Deret Waktu (Time Series)
Seringkali seorang manajer ingin membuat keputusan
berdasarkan data yang dihimpun menurut periode
waktu. Contoh : Penjualan tahunan, Output
mingguan, biaya bulanan.
Komponen Deret Waktu :
Yt = Tt, Ct, St, It dimana :
Yt = Variabel tak bebas (respon)
Tt = Trend Sekuler (secular trend)
Ct = Pergerakan Siklus (Cyclical Movement)
St = Fluktuasi musiman (Seasonal Fluctuation)
It = Variasi tak beraturan (Irreguler Variation)
Trend Sekuler (Tt) : Sebagai gerakan umumnya dalam
jangka panjang. Pergerakan ini bisa berupa garis lurus
atau parabolik yang menaik atau menurun.
Pergerakan Siklus (Ct) : Merupakan Pola data pada deret
waktu yang terjadi dan berulang kembali selama masa
waktu beberapa tahun. Perulangan ini bisa terjadi
setelah 5, 10, 20 tahun atau lebih
Fluktuasi Musim (St). Faktor Musim ini ditunjuk-kanoleh
adanya pola yang teratur yang sifatnya tahunan. Variasi
ini berulang setiap tahun.
Variasi Tak Beraturan (It) : Variasi ini merupakan gerak
naik turun yang tak dapat diduga sebelumnya dan
terjadi secara acak. Contoh Situasi Iran (1979-1981),
Kejatuhan OPEC (1986), Situasi Irak (1990).
 METODE RATA-RATA BERGERAK (MOVING
AVERAGE)
Metode ini banyak digunakan untuk menentukan
trend dari suatu data deret waktu.

Contoh : Berikut akan ditunjukkan metode

pemulusan dengan rata-rata bergerak 5 minggu
terhadap harga penurunan akhir minggu untuk
surat-surat berharga. Data penutupan untuk akhir
minggu untuk saham perusahaan ‘Intel’ selama 30
minggu berturut-turut sebagai berikut :
t Yt t Yt t Yt
1 71 11 75 21 72
2 70 12 70 22 73
3 69 13 75 23 72
4 68 14 75 24 77
5 64 15 74 25 83
6 65 16 78 26 81
7 72 17 86 27 81
8 78 18 82 28 85
9 75 19 75 29 85
10 75 20 73 30 84
Ý3 = Yt-2 + Yt-1 + Yt + Yt+1 + Yt+2 = 68,4
5
Ý3 = 71+70+69+68+64 = 68,4
5
Ý4 = 70+69+68+64+65 = 67,2
5
Dan seterusnya sehingga hasilnya sebagai berikut :
t Yt Ýt T79,0 Yt Ýt
1 71 - 16 78 79,0
2 70 - 17 86 79,0
3 69 68,4 18 82 78,8
4 68 67,2 19 75 77,6
5 64 67,6 20 73 75,2
6 65 69,4 21 72 73,0
7 72 70,8 22 73 73,4
8 78 73,0 23 72 75,4
9 75 75,0 24 77 77,2
10 75 74,6 25 83 78,8
11 75 74,0 26 81 81,4
12 70 74,0 27 81 83,0
13 75 73,8 28 85 83,2
14 75 74,4 29 85 -
15 74 77,6 30 84 -
100

90

80

70

60

50
yt (aktual)
40 Ýt (Hasil ramalan)

30

20

10

0
1 3 5 7 9 1 1 1 3 1 5 1 7 1 9 21 23 25 27 2 9
 PEMULUSAN EKSPONENSIAL (PE)
Model ini juga sering digunakan selain metode Moving
Average (MA). Metode ini terkadang lebih efisien
dibandingkan dengan MA dalam kaitannya dengan
kemapuannya untuk menghitung sebuah nilai
pemulusan untuk setiap pengukuran respons.
Contoh : Diketahui α=0,1 dan α=0,5. dengan data yang
sama lakukan metode pemulusan eksponensial
dengan metode pemulusan rata-rata bergerak dan
ditentukan S1 = 71,0 kemudian dihitung sebagai
berikut :
S2 = (0,1) (70) + (1-0,1) (71,0) = 79,9
S3 = (0,1) (69) + (1-0.1) (70,9) = 70,7
t Yt St St t Yt St St
(α=0,1) (α =0,5) (α=0,1) (α =0,5)
1 71 71,0 71,0 16 78 73,0 76,1
2 70 70,9 70,5 17 86 74,3 81,1
3 69 70,7 69,8 18 82 75,1 81,6
4 68 70,4 68,9 19 75 75,1 78,3
5 64 69,8 66,5 20 73 74,9 75,7
6 65 69,3 65,8 21 72 74,6 73,4
7 72 69,6 68,9 22 73 74,4 73,5
8 78 70,4 73,5 23 72 74,2 72,8
9 75 70,9 74,3 24 77 74,5 74,9
10 75 71,3 74,7 25 83 75,4 79,0
11 75 71,7 74,9 26 81 76,0 80,0
12 70 71,5 72,5 27 81 76,5 80,5
13 75 71,9 73,8 28 85 77,4 82,8
14 75 72,2 74,4 29 85 78,2 83,9
15 74 72,4 74,2 30 84 78,8 84,0
100

90

80

70

60

50 Aktual
St (α=0,1)
40 St (α=0,5)
30

20

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
 PENGGUNAAN METODE PEMULUSAN UNTUK
PROYEKSI DIMASA YANG AKAN DATANG
Formula umum dari metode rata-rata bergerak untuk
keperluan memproyeksikan suatu nilai pada waktu ke t
sebagai berikut :
Yt = Yt-1 + Yt-2 + ….. + Yt-k
k
Yt = Nilai ramalan pada periode ke t
Yt-k = Data dari periode sebelum periode ke t
K = Jumlah periode waktu untuk dirata-ratakan
Contoh : PT Berkah, dari pencatatan penjualan tekstil
diperoleh data sebagai berikut (dalam ribuan)
Tahun Kuartal Penj Tahun Kuartal Penj Tahun Kuartal Penj
(Y) (Y) (Y)

1994 I 24 1996 I 34 1998 I 40

II 30 II 46 II 54

III 22 III 44 III 50

IV 24 IV 62 IV 72

1995 I 26 1997 I 40 1999 I 54

II 30 II 46 HASIL II 57,5

III 28 III 36 RAMA III 58,4

L
IV 44 IV 52 AN IV 60,5
Dari data tersebut dapat diproyeksikan penjualan tahun
1999 dengan rata-rata bergerak dengan nilai k = 4 hasil
sebagai berikut :
Tahun 1999 Kuartal I = 40+54+50+72 = 54
4
Tahun 1999 Kuartal II = 54+50+72+54 = 57,5
4
Tahun 1999 Kuartal III = 50+72+54+57,5 = 58,375
4
Tahun 1999 Kuartal I = 72+54+57,5+58,4 = 60,5
4
Hasilnya dapat disajikan ditabel sebelumnya
 BAB 10
ANALISIS DERET WAKTU
Dalam dunia bisnis sering para manajer ingin membuat
keputusan berdasarkan data yang dihimpun menurut
periode waktu. Mis : menentukan persedian dari
waktu ke waktu
Asumsi yang perlu diperhatikan
Adanya ketergantuangan kejadian masa yang akan
datang dengan masa sebelumnya
Aktivitas dimasa yang akan datang mengikuti pola
yang terjadi dimasa lalu
Hubungan/keterkaitan masa lalu dan masa kini dapat
ditentukan dengan observasi atau penelitian
Ketepatan peramalan ditentukan seberapa jauh asumsi-
asumsi tersebut dipenuhi.
Dalam hal ini hasil dari peramalan lebih merupakan
pernyataan atau penilaian yang dikuantifisir terhadap
kondisi masa depan.
Hasil dari ramalan harus dikonversikan menjadi rencana
penjualan dengan memperhitungkan berbagai hal :
Pendapat Manajemen
Strategi-strategi yang direncanakan
Keterikatan/Komitmen dengan sumber daya
Ketepatan manajemen dalam usaha mencapai sasaran
penjualan
Teknik Peramalan dikelompokkan :
1. Peramalan berdasarkan Judgement
2. Peramalan berdasarkan analisis statistik
3. Peramalan berdasarkan metode khusus
Ad. 1 : Peramalan berdasarkan Judgement, dapat
dilakukakan melalui :
a. Pendapat Pimpinan bagian pemasaran
b. Pendapat para petugas penjualan (sales,supervisor
penjualan)
c. Pendapat para penyalur (distributor)
d. Pendapat konsumen
e. Pendapat para ahli
Ad. 2 Peramalan berdasarkan Analisis Statistik.
Apabila diperhitungkan berdasrkan data historis dari
satu variabel saja, maka digunakan cara :
a. Metode Trend Bebas
b. Metode Trend Semi Average
c. Metode Trend Moment
d. Metode Trend Least Square
e. Metode Trend Kuadratik

 Bila Perhitungan berdasarkan data historis dari satu

variabel yang ditaksirkan dihungkan dengan data
historis lainyang mempunyai hubungan kuat, maka
digunakan :
a. Metode Korelasi
b. Metode Regresi
PT. Fiona mempunyai data penjualan sbb:

Tahun Jumlah Penjualan ( Juta

Unit)

1994 140
1995 148
1996 157
1997 160
1998 169

dari data tersebut dapat dibuat ramalan penjualan untuk

tahun 1999 berdasarkan metode tersebut di atas.
 Metode Trend Bebas
Dapat dilihat penj setiap tahunnya cenderung meningkat setiap tahun, th 1999 akan
cenderung naik, namun bentuk angka tidak dapat diperoleh dengan metode trend
bebas ini, sehingga perlu dilanjutkan ke analisis yang dapat menunjukkan
200 bentuk hubungan antara penjualan dengan waktu
157 160 169
150 140 148
100
Column2
50

0
Th 1994 Th 1995 Th 1996 Th 1997 Th 1998
METODE TREND SEMI AVERAGE
Tahun Y Total Average X
1993 140 -1
1994 148 445 445/3= 0
1995 157 148,3 1

1996 157 2
1997 160 486 486/3= 3
1998 169 162 4
Nilai a = 148,3
Nilai b = (162 – 148,33)/3 = 4,5567
Sehingga Y = a + bX atau Y = 148,3 + 4,5567X
Untuk Tahun 1999 Y = 148,3 + 4,5567 (5) = 171,11
Metode Trend Moment
Tahun Y X XY X²
1994 140 0 0 0
1995 148 1 148 1
1996 157 2 314 4
1997 160 3 480 9
1998 169 4 676 16
Jumlah 774 10 1.618 30

Mencari nilai a dan b digunakan persamaan :

I. ∑Y = n.a + b.∑X
II. ∑XY = a. ∑X + b .∑X²
I. 774 = 5.a + b(10) ------ (x2)
II. 1.618 = 10.a + b(10) ------ (x1)

1.548 = 10a + 20b

1.618 = 10a + 30b (1)
- 70 = 10b--- b = 7

774 = 5a + 10 (7) 774 = 5a + 70

5a = 774 – 70 5a = 704
a = 704/5 a = 140,8
Y = a + bX Y = 140,8 + 7X
Untuk Tahun 1999
Y = 140,8 + 7 (5) = 175,8
 Metode Least Square
(Metode Jumlah Kuadrat Terkecil)
Kita anggap data sama dengan yang terdahulu.
Tahun Y t t² tY
1994 140 -2 4 -280
1995 148 -1 1 -148
1996 157 0 0 0
1997 160 1 1 160
1998 169 2 4 338
Jumlah 774 10 70

a = ∑Y = 774 = 154,8 b = ∑XY = 70 = 7

n 5 ∑X² 10
Y = 154,8 + 7 (t) Ramalan Tahun 1999 Y = 154,8 + 7(3) = 175,8
 PERAMALAN KUALITATIF
Metode peramalan kualitatif juga sering disebut sebagai
metode peramalan subjectif karena yang dipakai sebagai
dasar dalam melakukan peramalan adalah penilaian
(judgement) dari pihak yang melakukan peramalan dari
pihak yang melakukan peramalan.
Langkah-langkah yang dipakai sbb:
1. Mengumpulkan informasi yang relevan
2. Menganalisa informasi tersebut untuk mengetahui
dampaknya pada materi yang diramalkan
3. Menghasilkan ramalan berdasarkan hasil analisa pada
langkah nomor 2.
3 Metode Peramalan Kualitatif :
a. Metode Juri Opini Eksekutif
b. Gabungan Tenaga Penjualan
c. Metode Penilaian Berdasarkan Harapan Pelanggan

Ad.a Metode Juri Opini Eksekutif, yaitu dengan cara

mempertemukan para eksekutif bidang pemasaran,
Produksi, Keuangan, SDM dan para eksekutif kunci
lainnya. Dengan pengalaman dan informasi yang ada
mereka melakukan perkiraanterbaik tentang hal yang
perlu diramalkan
Mis : Ramalan Penjulan tahun depan.
Metode lain para eksekutif memberikan ramalan secara
tertulis Top Managemen, Kemudian Tom Managemen
mengambil keputusan akhir berdasarkan semua
ramalan yang sudah disajikan.

Kelemahannya : dengan metode ini tidak ada

perdebatan berdasarkan alasan yang logis dari
masing-masing eksekutif kunci, sebelum dipilih hasil
ramalan yang paling sesuai untuk perusahaan.

Keuntungannya : Dengan menggunakan metode ini

probabilita untuk mewujudnyatakan ramalan akan
sangat tinggi.
 Ad.b Metode Tenaga Penjualan
Merupakan metode peramalan kualitatif dimana
diperkirakan penjualan dimasa yang akan datang
diramalkan berdasarkan gabungan perkiraan tenaga
yang secara langsung terlibat didalam penjualan
produk yang dihasilkan/dipasarkan perusahaan.
Ada 3 kategori umum dari metode ini yaitu :
metode gabungan tenaga penjualan
Teknik Manajemen Penjualan (Manajer yang langsung
membawahi para tenaga penjual)
Pendekatan distributor
Ad.C Metode Penilaian Berdasarkan Harapan
Pelanggan (Riset Pasar)

Yaitu dengan melakukan studi terhadap pihak yang

prilaku dan tindakannya akan menentukan
kecendrungan dimasa yang akan datang yaitu para
konsumen/pelanggan dan calong pelanggan. Yaitu
dengan survey, surat, kuesioner, wawancara,
telepon dan melakukan uji coba.
 PENGOLAHAN HASIL PERAMALAN
BERBAGAI SKENARIO
Hasil peramalan dengan menggunakan metode
peramalan kualitatif dalam kenyataan bisa saja terdiri
dari beberapa tingkatan (contoh beberapa tingkatan
penjualan) untuk mengakomodasi berbagai
kemungkinan yang terjadi. Untuk itu perusahaan
dapat secara subjectif menentukan probabilitas
terjadinya masing-masing tingkatan penjualan dan
kemudian mengalihkan nilai probabilitas tersebut
dengan tingkat penjualan masing-masing. Tabel ini
memberikan ilustrasi sederhana cara kerja teknik ini.
Kondisi Ekonomi Ramalan (R) Probabilitas (p) Rxp

Membaik Rp 100.000.000 0,3 30.000.000

Stabil Rp 70.000.000 0,4 28.000.000

Memburuk Rp 30.000.000 0,3 9.000.000

Total 1 67.000.000

Dari tabel tersebut jelas perusahaan memperkira-kan 3

kemungkinan kondisi ekonomi : kondisi ekonomi
membaik, stabil, memburuk. Kondisi stabil adalah
adalah kondisi yang paling besar terjadi sehingga
bobotnya paling besar. Sedangkan kondisi membaik dan
memburuk diperkirakan sama sehingga probabilitasnya
sama. Dan hasilnya adalah Rp 67.000.000,-
 KELEMAHAN METODE
PERAMALAN KUALITATIF
3 Kelemahan dari metode peramalan kualitatif :
Pencarian bukti pendukung. Para eksekutif biasanya
sudah mempunyai pada umumnya su-dah mempunyai
pandangan dan hipotesa tentang prospek produk baru
tersebut yang mungkin saja dibentuk berdasrkan
intuisi. Orang cenderung mencari bukti yang
mendukung hipotesa mereka. Apabila didapati bukti
yang menentang hipotesa mereka. Maka orang
tersebut sulit untuk meneri-manya. Disinilah letak
bias metode peramalan kuantitatif yang tentu saja
dapat berakibat fatal bagi perusahaan
Keyakinan yang berlebihan terhadap hasil.
Hasil riset para ahli psikologi juga
membukti-kan bahwa manusia cenderung
merendahkan ketidakpastian atau alternatif
lain karena me-reka terlalu yakin terhadap
jawaban dan hipotesa mereka. Jumlah
informasi yang me-ningkat, belum tentu
meningkatkan frediksi. Efek utama dari
informasi cenderung justru membuat
keyakinan yang berlebihan dalam
melakukan penilaian (judgement).
Konfirmitas yang berlebihan diantara anggota
kelompok.
Individu-individu yang tergabung dalam satu group
pada umumnya saling mengenal baik satu sama lain
dan merasa nyaman ketika berada da-lam satu
kelompok yang sama. Hal ini bisa me-nimbulkan
konformitas kelompok berlebihan. Para anggota
dalam group tersebut cenderung akan saling
mendukung satu sama lain dan berga-bung melawan
serangan dari luar group. Oleh karena itu pencarian
bukti dan evaluasi secara objektif akan tidak mudah
untuk dilakukan
 INTEGRASI METODE PERAMALAN
KUANTITATIF DAN KUALITATIF
Lingkungan dunia bisnis sekarang ini penuh
dengan ketidak pastian dan cenderung
berubah dengan cepat (turbulent). Mis :
Kurs rupiah terhadap dolar berfluktuasi tiap
hari bahkan tiap menit. Oleh karena itu
perusahaan harus membiasakan diri untuk
melakukan perencanaan dan beroperasi
dalam kondisi ketidak pastian.
Ada 2 cara peramalan yang dapat diadopsi oleh
perusahaan untuk mengatasi ketidakpastian :

a. Mengintegrasikan keunggulan metode

peramalan kuantitatif dengan keunggulan
metode peramalan kualitatif

b. Mengembangkan peramalan skenario dan

contingency plan
 Mengintegrasikan keunggulan metode
peramalan kuantitatif dengan
keunggulan metode peramalan kualitatif

Metode Peramalan Kuantitatif dan Kualitatif mempunya

kelemahan dan keunggulan. Untuk itu bagaimana cara
memanfaatkan keunggulan dari 2 kelompok ini.
Metode Kuantitatif mempunyai keunggulan pada
objectifitas hasil ramalannya. Dengan metode Kuantitatitf
siapapun atau program apapun yang dipakai akan
menghasilkan hasil ramalan yang relatif sama. Hal ini
berbeda dengan hasil ramalan Kualitatif (Karena ada
unsur Subjectif manusia) hasilnya akan berbeda apabila
dilakukan oleh orang berbeda.
Perbedahaan hasil ini karena setiap orang mempunyai
karakteristik dan latarbelakang yang berbeda-beda.
Keunggulan kedua dengan metode Kuantitatif adalah
pada saat ramalan dibutuhkan dalam jumlah yang
besar dan frekuensi yang sangat tinggi.Mis :
Perusahaan menghasilkan 20.000 jenis barang dimana
diperlukan peramalan jumlah produksinya setiap
bulan. Bila dalam kondisi ini dilakukan dengan
metode Kualitatif selain menyita waktu, orang yang
melakukan peramalan akan menjadi jenuh dan akan
menghasilkan ramalan yang buruk. Sebaliknya dengan
menggunkan Metode Kuantitatif peramalan dapat
dibantu dengan komputer.
Namun demikian Metode Kuantitatif juga mempunya
kelemahan, dimana data yang dihasilkan cenderung
mengasumsikan adanya pola yang konstan (kondisi
masa yang akan datang cenderung sama dengan masa
lalu).

Bila kelemahan ini dikaitkan dengan kondisi lingkungan

dunia bisnis yang cenderung berubah cepat tentu saja
metode Peramalan Kuantitatif perlu dimodifikasi.

Melihat kelemahan dan keunggulan masing-masing

metode perlu dilakukan sbb :
a. Peramalan dapat dimulai dengan ramalan
kuantitatif yang mengasumsikan tidak adanya
perubahan.

b. Langkah berikutnya memodifikasi hasil ramalan

dengan menggunakan penilaian (judgement)
agar dapat mengakomodasi perubahan yang
terjadi. Untuk mengurangi subjectifitas,
pembuat ramalan dapat diminta untuk
mengajukan alasan-alasan yang logis yang
mendasari mereka melakukan modifikasi
terhadap hasil ramalan kuantitatif
METODE PEMANTAUAN TERHADAP RELEVANSI METODE
PERAMALAN KUANTITATIF
Pemantauan terhadap metode Peramalan Kuantitatif
pada dasarnya menggunakan filosofi metode
pengendalian mutu, pengendalian mutu dilakukan
secara terus menerus mengambil sam-pel dari setiap
proses produksi untuk mengetahui apakah
penyimpangan dari hasil produksi masih dalam batas
toleransi atas dan batas toleransi bawah. Bila masih di
dalam range maka proses produksi masih dianggap
normal, dan sebaliknya.
Contoh : Pabrik Coca Cola yang menghasilkan sprite
dengan standar isi 400 cl per botol. Perusahaan
menetapkan batas atas 410 cl dan batas bawah 390
cl. Bila sampel yang diambil menunjukkan rata-
rata 405 cl maka proses produksi masih berjalan
dengan baik. Bila 420 cl (diatas batas atas),
disimpulkan proses produksi mengalami sehingga
perlu perbaikan.

Dalam bab ini akan dibahas salah satu metode yaitu

metode Pemantauan dengan menggunakan
pemulusan dengan rumus sbb :
Rumus :
Et = αet + (1-α) Et-₁
Mt =α IetI + (1-α) Mt-₁
Tt = Iet/MtI
Dimana :
Et = Xt-Ft
Xt = data aktual
Ft = Hasil ramalan
Α = Konstanta pemulusan yang nilainya berbeda
diantara 0 dan 1
Tt = Rasio sinyal penjejakan
 Tabel : Sinyal Kesalahan Dengan Metode Pemulusan
Tahun t Data Ramala Et Et Mt Tt
(Xt) n(Ft) (Xt)-
(Ft)

1993 1 2 2 0
1994 2 5 4 1
1995 3 6 6 0
1996 4 8 8 0
1997 5 10 10 0
1998 6 12 12 0 0,000 0,167
MAE 0,167
1999 7 14 14 0 0,000 0,150 0,000

2000 8 12 16 -4 -0,400 0,535 -0,748

2001 9 10 18 -8 -1,160 1,282 0,905
2002 10 8 20 -12 -2,244 2,353 -0,954
Beberapa Penjelasan dari tabel di atas sbb :
a. Pada waktu mengidentifikasi model peramalan
kuantitatif, penggunaan peramalan berada pada
tahun 1999. Data yang digunakan mulai tahun 1993-
1998
b. Model yang berhasil diidentifikasi adalah Y = 2t.
Model ini mengasumsikan adanya trend naik.
Dengan Y=2t hasil ramalan maka mulai 1999-2002
masing-masing adalah 14 (2x7), 16 (2x8), 18 (2x9) dan
20 (2x10).
c. Dengan berjalannya waktu, data aktual tahun 1999-
2002 akan diketahui. Data inilah yang akan dipakai
untuk menilai apakah model peramalan yang sudah
dipilih masih relevan atau tidak
a. Nilai Et awal (E1998) diasumsikan 0 sedangkan nilai
Mt awal (M1998) diasumsikan sama dengan nilai
Mean Absolute Error (MAE) dari data historisyang
dipakai untuk mengidentifi-kasi model peramalan.
b. Nilai a diasumsikan 0,1. Makridakis menyarankan
nilai a antara 0,1 sampai 0,2
c. Nilai M1999 =0,1 x e1999+(1-0,1)xE1999
= 0,1 x 0+(1-0,1) x 0 = 0
d. Nilai E1999 = 0,1 x (e1999) + (1-0,1) x M 1998
= 0,1 x (0) + (1-0,1) x 0,167 = 0,15
e. Nilai T1999 = E 1999 = 0 = 0
M1999 = 0,15
Tabel batas atas dan batas bawah untuk menentukan
apakah nilai kesalahan peramalan masih dalam atas
toleransi atau tidak adalah :
Sumber : Makridakis, 1996 : 279
Derajat Batas Nilai Batas Nilai Batas Nilai
Tt Tt Tt

Kepercayaan α= 0,1 α =0,2 α = 0,3

0,80 0,28 0,4 0,51

0,90 0,36 0,49 0,61

0,95 0,42 0,57 0,69

0,96 0,44 0,59 0,71

0,97 0,46 0,61 0,73

0,98 0,50 0,65 0,77

0,99 0,55 0,69 0,81

Bila derajat mdan nilai a yang dipilih masing-masing
adalah 0,95 dan 0,1 batas atas nilai Tt adalah 0,42
sedangkan batas bawah nilai Tt adalah -0,42
Denga Metode Pemulusan di atas nilai Tt th 1999 masih
berada pada range toleransi .
Tetapi mulai th 2000 Tt mulai berada di luar ambang
batas toleransi.
Kesumpulan : Th 1999 masih belum terjadi perubahan
data, tetapi Th 2000 sudah terjadi perubahan pola
data dimana mulai th 2000 data aktual menunjukkan
trend menurun, sehingga Model Peramalan yang
dipakai Y = 2t perlu ditinjau ulang.
 PERAMALAN SKENARIO
Mengembangkan peramalan skenario
merupakan salah satu cara yang dapat
ditempuh perusahaan untuk menghadapi
ketidak pastian.

Dimana Skenario yang disusun perusahaan

pada umunya lebih dari satu, sehingga
mempunyai sejumlah alternatif yang jelas
tentang bagaimana memperhitungkan
ketidakpastian yang dihadapi.
 Peramalan Skenario :
Sebagai sebuah Contoh
Perusahaan Gergaji rantai di AS, menjual gergaji kepada
Pemakai profesional,Tukang kayu, Petani. Mereka
membelinya di distributor yang juga menyediakan jas
reparasi dan suku cadang.
Di awal th 1970 diduga penjualan gergaji rantai kecil
kepada rumah tangga (pemakai amatir), Di AS
muncul dugaan gerakan memperbaiki sendiri, sektor
rumah tangga akan membeli gergaji sendiri untuk
melakukan perbaikan.
Dari kasus ini disimpulkan : Permintaan gergaji dari
pemakai amatir merupakan sumber ketidak pastian
utama. Untuk itu akan dibuat 2 skenario sbb:
 Skenario I Pasar Pemakai amatir
tidak akan pernah terwujud
Skenario I mengasumsikan bahwa kondisi
masa lalu dan sekarang cenderung tidak
berubah. Bila Skenario ini terjadi maka jenis
produk yang dikembangkan perusahaan
tetap gergaji rantai dengan alat besar
bermotor yang menggunakan bahan baku
bensin
Sistem penjualan tetap menggunakan
distributor yang menyediakan jasa reparasi
dan suku cadang.
 Skenario II : Pasar pemakai amatir akan
mendominasi
Memperkirakan bahwa gerakan memperbaiki
sendiri akan meningkat sehingga pertumbuhan
permintaan gergaji dari para pemakai amatir akan
luar biasa.
Bila skenario ini terwujud stategi yang ditempuh
perusahaan adalah mendesain gergaji listrik yang
praktis, mudah dipakai dan murah.
Sistem Penjualan : Dapat memakai saluran distribusi
yang lebih luas seperti jaringan toko perabot dan
toko serba ada.
 Starategi Berdasarkan
Peramalan Skenario
Dalam hal ini perusahaan tidak mengetahui skenario mana
yang akan terjadi dan harus memilih strategi dan cara yang
terbaik.
3 Dasar strategi yang dapat dipakai perusahaan :
a. Bertaruh pada skenario yang paling mungkin terjadi. Yaitu
merancang berdasarkan satu strategi saja, mis : Skenario 2
sehingga perusahaan merubah total strategi yang sudah
di-jalankan sekarang. Masalah timbul bila skenario yang
lain terjadi, sehingga strategi menjadi tidak sesuai. Bila
perkira-an tepat maka perusahaan akan menikmati
kentungan yang dinikmati perusahan pertama kali (fist
mover advantange) dengan sedikit pesaing.
b. Pengamanan Taruhan
Dengan strategi ini perusahaan memilih skenario yang
cocok untuk beberapa skenario yang besar
kemungkinan terwujud, yaitu dengan cara
mengembangkan lini produk yang lebar atau
menggunakan berbagai jalur distribusi. Dengan
demikian bila Skenario I atau II yang terjadi
perusahaan akan menikmati manfaatnya. Namun
sistem ini membutuhkan biaya yang besar karena
perusahaan harus menghadi lebih dari satu situasi
persaingan. Selain itu perusahaan tidak dapat
menikmati Fist mover Advantange.
c. Mempertahankan Keluwesan
Pendekatan ini mirip dengan Pendekatan Penga-
manan Taruhan. Perbedaannya perusahaan me-nunda
komitmennya pada strategi tertentu sam-pai muncul
tanda-tanda skenario mana yang besar kemungkinan
terwujud. Disini perusahaan perlu variable pendukung
yaitu dengan cara pengumpulan informasi pasar.
Semakin dini perusahaan mendapatkan informasi,
maka semakin cepat perusahaan dapat menjalankan
strateginya, sehingga berbagai keuntungan dapat
diperoleh perusahaan