DOSEN:DEWI CAHYANI PANGESTUTI, SE, MM

FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA

• Peramalan penjualan adalah perkiraan atau proyeksisecara teknis permintaan konsumen potensial untuksuatu waktu tertentu dengan berbagai asumsi.

• Peramalan penjualan adalah perkiraan mengenaisesuatu yang belum terjadi.

• Peramalan penjualan adalah budget yang berisi taksiran-taksiran tentang kegiatan-kegiatan perusahaan dalamjangka waktu tertentu yang akan datang, serta berisitaksiran-taksiran tentang keadaan atau posisi financialperusahaan pada suatu saat yang akan datang.

Intinya peramalan penjualan (sales forecasting) ialahteknik proyeksi permintaan langganan yang potensialuntuk suatu waktu tertentu dengan berbagai asumsi.

Pada umumnya hasil dari suatu peramalan penjualan akandikonversikan menjadi rencana penjualan denganmemperhitungkan berbagai hal berikut :

a. Pendapat manajemen

b. Strategi-strategi yang direncanakan

c. Keterkaitan dengan sumber daya

d. Ketetapan manajemen dalam usaha mencapai sasaranpenjualan

Dalam menjalankan usahanya perusahaan biasanya melakukan 2pendekatan, yakni :

1. Speculative Approach (pendekatan spekulasi )

Di mana perusahaan tidak memperhitungkan resiko yangdiakibatkan oleh ketidak-pastian faktor-faktor intern dan ekstern.

2. Calculated Risk Approach ( pendekatan penghitungan risiko )

Di mana perusahaan secara aktif melakukan estimasi terhadapresiko yang diakibatkan oleh ketidakpastian faktor-faktor eksterndan intern.

Faktor internal (faktor yang dapat di kuasai), seperti misalnya:a. Kualitas dan kegunaan produk yang terdiri dari :

• Bagaimana produk di pakai,• mengapa orang membeli produk tersebut,• perubahan yang dapat menaikan kegunaan produk.

b. Ongkos produksi dan distribusi produk.• Proses pembentukan produk,• Teknologi yang di pakai,• Bahan mentah yang di pakai,• Kapasitas produksi.

c. Kecakapan manajemen (management skill) yang terdiri atas :• Penghayatan persoalan yang di hadapi,• kemampuan melihat reaksi pesaing.• Kemampuan melakukan Forecast

Faktor eksternal (faktor yang tidak dapat di kuasai). Seperti misalnya:• Kecakapan management pesaing.• Volume kegiatan perekonomian yang di tentukan oleh : Konsumen,

manager lain (produsen lain), peraturan hukum, keadaan politik, kondisi lingkungan, kehidupan organisasi, ekonomi.

• Barang substitusi• Selera masyarakat• Faktor lain seperti : konflik politik, iklim dan perubahan pemakaian

produk, banyak perusahaan yang keluar masuk dalam produk

METODE PERAMALAN

1. Metode Peramalan KualitatifForecast berdasarkan pendapat (judgement method). Di gunakanuntuk menyusun forecast penjualan maupun forecast kondisi bisnispada umumnya. Pendapat-pendapat yang di pakai sebagai dasarmelakukan forecast adalah :

a. Pendapat SalesmanSalesman di minta untuk mengukur apakah ada kemajuan atau

kemunduran segala hal yang berhubungan dengan tingkatpenjualan pada daerahnya masing-masing.b. Pendapat Sales Manajer

Pada umumnya estimasi kepala bagian penjualan dapat lebihobyektif karena mempertimbangkan banyak faktor. Ini juga disebabkan pendidikannya yang relatif lebih tinggi danpengalamannya yang lebih luas di bidang penjualan.c. Pendapat Para Ahli

Kadang-kadang estimasi yang di lakukan oleh para salesmandan sales manager ada pertentangannya. Sehingga perusahaanperlu memperkerjakan para konsultan di dalam perusahaannya.d. Survey Konsumen

Dan jika pendapat dari ketiga bagian di atas itu sangat kurangmaka perusahaan perlu meminta pendapat dari konsumen. Dengancara melakukan survei atau penelitian kepada konsumen.

2. Model Kuantitatif (Statistic Method)

Peramalan menghendaki perpaduan antara analisis ilmiah kuantitatif

dengan menggunakan statistik sebagai alat primer dalam membuat peramalan.

Berikut ini beberapa metode peramalan dengan menggunakan pendekatan

statistik:

a. Trend bebas

b. Trend setengah rata-rata / semi average

c. Trend Matematis

Metode moment

Metode Least Square

Metode Regresi

3. Model KhususMetode khusus ini adalah cara khusus untuk meramalkan penjualan dengan

menggunakan analisis :a. market share, b. analisis product line, c. analisis pengguna akhir.

Pemilihan Metode Peramalan

Pemilihan metoda yang dipakai untuk pembuatanforecast penjualan perlu mempertimbangkan hal-halberikut :

1. Sifat produk

2. Metoda distribusi (langsung/ tak langsung)

3. Besarnya perusahaan dibanding pesaing

4. Tingkat persaingan

5. Data historis yang tersedia

6. Akurasi metoda

7. SDM yang dimiliki untuk melakukan forecasting

8. Horison waktu perencanaan

9. Waktu yang tersedia

10. Ketersediaan dana

Contoh : PT. Ayah Bunda yang bergerak dalam bisnis makanan anak, memiliki data penjualan tahunan sebagaimana tertera pada Tabel. 2.1

Tabel 2.1

Penjualan makanan anak PT. Ayah Bunda

Thn 2013-2017

Tahun Penjualan

2013 140

2014 148

2015 157

2016 160

2017 169

Terhadap data penjualan PT. Ayah Bunda tersebut dapat dibuat forecast penjualan untuk tahun 2018 dan seterusnya dengan menggunakan beberapa metode yang disebutkan sebelumnya, berikut akan diberikan ilustrasi pemakaian metode –metode tersebut.

a. Metode Trend Bebas

Pada umumnya metode trend bebas cenderungdigunakan sebagai analisis pendahuluan yang akanmemberikan gambaran awal dari suatu permasalahanyang dihadapi. Metode trend bebas mencoba melihatpola data amatan melalui sebaran titik dari pasangan datapenjualan pada setiap waktunya.

Berdasarkan sebaran data yang terbentuk dapatdiperkirakan trend penjualan dari data tersebut. Sebagaicontoh bila terhadap data penjualan PT. Ayah Bundasebagaimana tertera pada Tabel 2.1 dibuat sebarantitiknya dan ditarik garis yang menghubungkan titik-titikpasangan pengamatan tersebut, akan diperolehgambaran trend penjualan sebagai berikut :

2013 2014 2015 2016 2017

Dari gambaran yang diperoleh, bila asumsi yang

disebutkan sebelumnya dipenuhi, maka dapat diramalkan

bahwa penjualan PT. Ayah Bunda tahun 2018 akan

meningkat melebihi penjualan tahun-tahun sebelumnya.

Meskipun demikian gambaran tentang berapa

besarnya penjualan PT. Ayah Bunda pada tahun 2018 dan

seterusnya dalam bentuk angka tidak dapat diperoleh

dengan menggunakan trend bebas ini.

Untuk memperoleh hasil peramalan yang lebih akurat,

pada umumnya metode trend bebas perlu dilanjutkan ke

analisis yang dapat menunjukan bentuk hubungan antara

data penjualan dengan waktu.

b. Metode Semi AverageDengan metode setengah rata-rata nilai trend sudah mulai

ditentukan dengan formula tertentu, yang berarti unsursubyektifnya mulai berkurang.

Metode trend semi average dapat digunakan untukkeperluan forecast dengan bentuk suatu persamaan sepertianalisis regresi.

Metode ini biasanya dapat digunakan apabila data yangada jumlah tahun genap, sehingga dapat dibagi menjadi duakelompok sama besar juga bisa dengan tahun ganjil tapijarang digunakan.

Metode trend semi average memiliki mekanisme sebagaiberikut yaitu, membagi data yang ada menjadi dua kelompokdengan jumlah yang sama

Jika data penjualan yang dimiliki oleh Perusahaan MITRA LESTARI adalah sebagai berikut :

Tabel 2.2

Data Penjualan Perusahaan Ayah Bunda tahun 2005 - 2010

Tahun Jumlah Penjualan (Y) dalam unit

2005 140

2006 148

2007 157

2008 157

2009 160

2010 169

Untuk kasus penjualan Perusahaan MITRA JAYA tersebut, kelompok pertama adalah data

penjualan tahun 2005, 2006 dan 2007. Kelompok kedua adalah data penjualan tahun 2008,

2009, dan 2010.

2012

2013

2014

2015

2016

2017

2012 - 2017

2012, 2013 dan 2014

2016 dan 2017

2015

Mitra Lestari

Mitra Lestari

Dari tiap kelompok data dicari nilai rata-rata. Rata-rata dari kelompok pertama adalah 148,33 dan rata-

rata kelompok kedua adalah 162 sebagaimana ditunjukkan pada tabel berikut :

Forecasting methode semi average

Tahun Y Total Average X

2012 140

445 33,1483

4451 aX

-1

2013 148 0

2014 157 1

2015 157

486

1623

4862 X

2

2016 160 3

2017 169 4

33,148a n

XXb 12

6,43

33,148162

b

xY 6,433,148

Proyeksi penjualan tahun 2018

11,17156,433,148 Y

c. Metode Trend Moment

Metode trend moment merupakan analisisyang dapat digunakan untuk keperluanperamalan dengan membentuk persamaan :Y = a + b X sebagaimana telah diulas padaMetode trend semi Average.

Dalam penerapannya metode ini tidakmensyaratkan jumlah data harus genap.Perbedaan dengan Metode trend semi Averageterletak pada pemberian score nilai X nya. Dalamhal ini pemberian score X dimulai dari 0,1,2 dst.Berikut akan diberikan ilustrasi penerapan metodeini untuk data penjualan PT. ABC sebagaimanatertera pada tabel 2.1

Dalam mencari koefisien a dan b digunakan persamaan :

XbanY ..

2. XbXaXY

Tabel 2.1

Penjualan PT ABC

Tahun Y X XY X2

2012 140 0 0 0

2013 148 1 148 1 2014 157 2 314 4

2015 157 3 471 9 2016 160 4 640 16 2017 169 5 845 25

931 15 2.418 55

Selanjutnya terhadap persamaan-persamaan yang terbentuk dapat dicari

penyelesainnya melalui metode eliminasi ataupun metode substitusi

sebagaimana ditunjukkan dalam contoh berikut :

931 = 6 (a) + b (15) 2,5x 2.327,5 = 15a +37,5b

2.418 = a (15) + b (55) 1x 2.418 = 15a + 55b

-90,5 = -17,5b

b = 5,17

931 = 6a + (5,17) (15)

931 = 6a + 77,57

931 -77,57 = 6a

853,43 = 6a

142,24 = a

Y = 142,24 + 5,17x Forecast penjualan tahun 2018

Y = 142,24 + 5,17 (6) = 173,26

d. Metode Trend Least Square

Metode jumlah kuadrat terkecil (least square method)

merupakan metode yang lebih objektif dan lebih mudah

karena menggunakan formula yang sederhana. Data

dalam metode kuadrat terkecil di bagi menjadi 2 kelompok,

yaitu untuk data yang jumlahnya :

Genap, maka score nilai X – nya adalah … -5,-3,-1,1,3,5

Ganjil , maka score nilai X – nya adalah …. , -2,-1,0,1,2

Berdasarkan data penjualan PT. ABC pada tabel ini , hasil perhitungan dengan teknik

least square adalah sebagai berikut :

Tahun Y X XY 2X

2013 140 -2 -280 4

2014 148 -1 -148 1

2015 157 0 0 0

2016 160 1 160 1

2017 169 2 338 4

774 70 10

n

Ya

2X

XYb

8,1545

774a 7

10

70b

Sehingga persamaan trend metode least square adalah :

Y = 154,8 + 7x

Forecast penjualan tahun 2018 :

8,175378,15410 Y

Analisis korelasi dan regresi menunjukkan hubungan antara

satu variable dengan satu atau lebih variable lainnya. Dengan

analisis korelasi dapat diketahui keeratan hubungan dari

variable-variabel yang menjadi perhatian sedangkan dengan

analisis regresi dapat diketahui bentuk hubungan dari variabel-

variabel yang menjadi perhatian.

Dengan analisis regresi dapat diketahui besarnya

perubahan variabel yang dicari bila faktor-faktor lain yang

mempengaruhi variable tersebut berubah.

Apabila dua variabel X dan Y ada hubungannya, nilai variabel

X yang sudah dapat diketahui dapat untuk memperkirakan atau

menafsirkan nilai Y.

Variabel Y yang nilainya akan diramalkan disebut variabel tak

bebas (dependent variabel), sedangkan variabel X yang nilainya

dipergunakan untuk meramal nilai Y disebut variabel bebas

(independent variabel).

Hubungan dua variabel ada yang positif dan ada yang

negatif. Hubungan X dan Y dikatakan positif apabila kenaikan X

diikuti oleh kenaikan Y atau penurunan X diikuti oleh penurunan Y.

Hubungan X dan Y dikatakan negatif apabila kenaikan diikuti

penurunan Y atau penurunan X diikuti oleh kenaikan Y.

Aplikasi dari metode ini berdasarkan data penjualan PT. ABC padalah sebagai

berikut. Bila X menunjukkan biaya iklan (dalam jutaan rupiah dan Y menunjukkan

jumlah penjualan (dalam juta unit) ilustrasi terhadap metode ini ditunjukkan

sebagai berikut :

Tahun X Y 2X 2Y XY

2013 9 140 81 19.600 1.260

2014 12 148 144 21.904 1.776

2015 14 157 196 24.649 2.198

2016 15 160 225 25.600 2.400

2017 17 169 289 28.561 2.873

67 774 935 120.314 10.507

22 XXn

YXXYnb

n

XbYa

2

679355

77467507.105

b

5

6767,3774a

64,3186

677b 02,106

5

12,530a

Y= 106,2 +3,64x

Persamaan ini dapat diinterpretasikan bahwa bila biaya iklan naik satu

juta rupiah, jumlah penjualan akan meningkat 3,64 juta unit.

Koefisein korelasi dicari dengan persamaan :

2222,

YYnXXn

YXXYnr yx

22,

774314.1205679355

77467507.105

yxr

99,0494.2186

677, yxr

Intepretasi dari koefisien korelasi secara teoritis adalah sebagai berikut :

1. Jika 0 r 1 berarti variable x memiliki hubungan yang positif dan

berbanding lurus (linier) dengan variable Y. Bila nilai Variabel X bertambah

maka nilai variabel Y juga akan bertambah, demikian juga sebaliknya.

Semakin dekat nilai r ke 0 maka semakin lemah kekuatan hubungan

kedua variabel tersebut, sebaliknya semakin dekat nilai r ke 1 semakin

kuat hubungan dari kedua variabel tersebut

2. Jika r = 0 berarti X tidak memiliki hubungan linier dengan variabel Y.

Artinya gejolak nilai variabel X tidak berpengaruh terhadap gejolak atau

perkembangan nilai variabel Y. dengan kata lain bertambah atau

berkurang nilai variabel Y tidak terkait dengan perubahan nilai variabel X

3. Jika -1 r 0 berarti variabel X berhubungan dengan variabel Y tetapi

hubungannya negatif. Dalam hal ini jika nilai variabel X bertambah maka

nilai variabel Y justru berkurang,demikian juga sebaliknya.

Dengan demikian, karena nilai yang diperoleh

mendekati 1, berarti terdapat keeratan hubungan yang

sangat kuat diantara biaya iklan dengan jumlah

penjualan. Sifat hubungan antara keduanya adalah

positif yang berarti dengan meningkatnya biaya iklan

terjadi pula kenaikan jumlah penjualan.

1. Analisis Industri

Forecast penjualan dengan analisis industri akan

dilakukan dengan menghubungkan antara penjualan

perusahaan dengan total penjualan industri.

Penjualan industri merupakan penjualan dari

perusahaan-perusahaan sejenis. Dengan kata lain

penjualan perusahaan akan dikaitkan dengan bagian

pasar (market share).

Market share yang dimiliki perusahaan menunjukkan

posisi perusahaan dalam persaingan.

Forecast penjualan pada tahun yang akan

datang dilakukan sebagai berikut :

a. Menentukan perkiraan/ proyeksi penjualan

industri pada periode yang akan datang.

b. Menghitung market share selama beberapa

periode terakhir.

100% x IndustriPenjualan

PerusahaanPenjualan ShareMarket

c. Menentukan proyeksi market share pada periode

yang akan datang.

Forecast penjualan perusahan periode yang akan

datang akan tergantung besarnya proyeksi

penjualan industri dan proyeksi market share.

Berikut ini contoh yang akan memperjelas uraian

diatas. Penjualan perusahaan dan total penjualan industri selam 5

tahun terakhir sbb:

Tabel 2.10.

Penjualan Perusahaan dan Industri Tahun 2013 - 2017

Tahun Penjualan Perusahaan

(unit)

Penjualan Industri

(unit)

2013 1.500 7.500

2014 2.116 9.200

2015 2.500 10.000

2016 3.240 12.000

2017 4.500 15.000

a. Proyeksi penjualan industri tahun 2018

Untuk menentukan proyeksi penjualan industri perlu

mengetahui pola data historisnya. Bila data yang ada

menunjukkan kecenderungan naik/ turun maka

proyeksinya dilakukan dengan trend. Bila untuk data

historis yang berpola fluktuatif maka proyeksinya

dilakukan dengan teknik average.

Dalam contoh diatas penjualan selama 5 tahun

terakhir terus mengalami kenaikan, sehingga proyeksi

penjualan industri tahun 2018 ditentukan dengan trend.

Tahun Y X XY X2

2013 7.500 -2 -15.000 4

2014 9.200 -1 -9.200 1

2015 10.000 0 0 0

2016 12.000 1 12.000 1

2017 15.000 2 30.000 4

53.700 - 17.800 10

b. Menghitung market share tahun 2013 – 2017

20% 100%x 7.500

1500 2013 shareMarket

23% 100%x 9.200

2.116 2014 shareMarket

25% 100%x 10.000

2.500 2015 shareMarket

27% 100%x 12.000

3.240 2016 shareMarket

30% 100%x 15.000

4.500 2017 shareMarket

Dari tahun 2013 sampai dengan tahun 2017

market share terus mengalami kenaikan, berarti

posisi perusahaan dalam persaingan semakin

kuat.

c. Proyeksi market share tahun 2018

Karena market share 5 tahun terakhir

mengalami kenaikan maka proyeksi market share

tahun 2018 juga ditentukan dengan trend.

Tabel 2.11.

Proyeksi Penjualan industri

Tahun Y X XY 2X

2013 20 -2 -40 4

2014 23 -1 -23 1

2015 25 0 0 0

2016 27 1 27 1

2017 30 2 60 4

125 - 24 10

x

ya

25

5

125a

2x

xyb

4,2

10

24b

Persamaan tren Y= 25 + 2,4 X

Penjualan industry pada tahun 2018 (X=3)

Y= 25 + 2,4 (3)

= 32,2%

n

Proyeksi Market Share

Kemudian forecast penjualan tahun 2018 akan

ditentukan berdasarkan proyeksi penjualan industry

dan proyeksi market share tahun 2018 sebagaimana

telah dihitung sebelumnya.

IndustriPenjualan

PerusahaanPenjualan MS

Penjualan Perusahaan = MS x Penjualan Industri

= 32,2% x 4.908 unit

= 1.580 unit

2. Analisis Produk Akhir

Dengan analisis forecast penjualan suatu produk akan

dihubungkan dengan penjualan produk akhir dari produk

tersebut. Berikut ini contoh hubungan antara suatu produk

dengan produk akhirnya.

a. Permintaan kulit akan tergantung pada permintaan sepatu

b. Permintaan benang tergantung pada permintaan tekstil.

c. Permintaan karet industri tergantung pada permintaan ban

mobil.

Apabila dibandingkan dengan analisis industri, maka forecast

penjualan dengan analisis produk akhir akan mengkaitkan antara

satu industri dengan industri yang lain. Sedangkan pada analisis

industri hanya mengkaitkan penjualan produk dengan penjualan

industri dari produk tersebut.

Forecast penjualan tahun yang akan datang bisa dilakukan.a. Menentukan proyeksi penjualan produk akhirb. Mengetahui standar pemakaian produk yang digunakan untuk

membuat produk akhirc. Menentukan proyeksi bagian pasar (market share) produk

tersebut.Contoh berikut akan memperjelas forecast penjualan produk

akhir. Permintaan sepatu pada tahun 2018 di suatu wilayah sebesar1.000 pasang. Untuk membuat sepasang sepatu diperlukan produkkulit 2.000 gram kulit. bila tahun 2018 bagian pasar diperkirakanmencapai 15% berapa proyeksi permintaan kulit tahun 2018? Permintaan sepatu (produk akhir) = 1.000 pasang Permintaan industri kulit = 1.000 x 2.000 = 200.000 gr Permintaan perusahaan = 15% x 200.000 gr = 30.000 gr

3. Analisis Lini Produk

Dalam metode ini ditekankan bagi perusahaan yang menghasilkan berbagai jenis produk, setiap produk harus di forecast sendiri-sendiri. Berbagai produk tersebut perlu di forecast sendiri-sendiri karena di mungkinkan:

Jenisnya berbeda, misalnya barang elektronik dan alat tulis

Sama-sama produk sepatu, produk petama sedang berada padatahap kedewasaan, sedangkan produk kedua masih dalam tahappengenalan.

QUIS

1. Dalam menjalankan usahanya perusahaan biasanyamelakukan 2 pendekatan, pendekatan apa sajakahitu?

2. Hal – hal apa yang perlu dipertimbangkan dalampemilihan metode peramalan?

3. Sebutkan beberapa metode peramalan yang dapatdigunakan untuk kepentingan peramalan penjualan