modul 2 - penganggaran.pdf

Modul Penganggaran 1 Gambaran Umum Penganggaran Perusahaan

By Desi Kusumaningtyas

1

Tinjauan Umum Modul 2 Secara umum, Modul 2 akan membahas tentang penyusunan anggaran jualan. Modul 2 terdiri dari dua kegiatan belajar: •  Kegiatan Belajar 1 – Peramalan Penjualan; •  Kegiatan Belajar 2 – Penyusunan Anggaran Jualan. Setelah mempelajari Modul 2, diharapkan mampu: •  Menjelaskan metode ramalan jualan; •  Menjelaskan kebaikan dan keburukan metode ramalan; •  Membuat ramalan jualan dengan bermacam metode; •  Menjelaskan pengertian anggaran jualan; •  Menjelaskan kegunaan anggaran jualan; •  Menjelaskan faktor yang mempengaruhi anggaran jualan; •  Menyusun anggaran jualan.

2

Peramalan Jualan

3

Forecasting • Proses kegiatan meramalkan suatu

kejadian yang mungkin terjadi pada masa akan datang dengan cara mengkaji data yang ada.

Peramalan Jualan • Proses meramalkan produkyang dijual dari

perusahaan tertentu pada saat tertentu

Peramalan Jualan

4

Ramalan Penjualan

Anggaran Jualan (Sales)

Anggaran Beban Usaha

Anggaran Piutang

Anggaran Produk

Anggaran Rugi-Laba

Anggaran Kas Metode

Langsung

Anggaran Sediaan

Ang. Biaya Overhead

PabrikAng. Biaya

Bahan BakuAng. Biaya TK

Langsung

Anggaran Utang

Anggaran Modal Sendiri

Ang. Depresiasi Aktiva Tetap

Anggaran Kas metode

langsung

Anggaran Neraca

Anggaran Kas metode tidak

langsung

: Sumber Anggaran alternatif (atau): Sumber Anggaran

Hubungan Anggaran Operasional dengan Anggaran Keuangan

Peramalan Jualan

5

Teknik Peramalan

Jualan

Metode Kualitatif

Metode Kuantitatif

Peramalan Jualan - Metode Kualitatif

6

Metode Kualitatif

Pendapat para tenaga penjual

Pendapat para manajer divisi

penjualan Pendapat para

ahli Pendapat eksekutif

Pendapat Survey

konsumen


7

Pendapat para tenaga penjual •  Metode ini sering digunakan oleh perusahaan keci dengan jumlah produk sedikit

Pendapat para manajer divisi penjualan •  Metode ini dilakukan oleh Manajer penjualan daerah atau Produk •  Variasi metode ini dengan survey pelanggan utama perusahaan

Pendapat para ahli

Pendapat eksekutif •  Metode ini menggunakan ramalan jualan awal oleh fungsi staf kemudian

disesuaikan oleh eksekutif penjualan berdasar kondisi ekonomi, kebijakan manajemen dan tujuan pertumbuhan

Pendapat survei konsumen


8

Kebaikan Metode pendapat para tenaga penjual •  Menanamkan tanggung jawab

para penjual •  Ramalan dibuat individu yang

terdekat dengan pelanggan •  Rencana awal disetujui oleh orang

yang bertanggung jawab atas tujuan penjualan

Kelemahan Metode pendapat para tenaga penjual •  Mungkin terlalu optimis atau

pesimis untuk melindungi diri •  Evaluasi potensi pasar yang tidak

layak karena kurang perhatian atau pengetahuan tentang variabel

•  Metode ini terbatas pada ramalan taktis jangka pendek (peramalan diutamakan untuk jangka panjang)


9

Kebaikan Metode pendapat para manajer penjualan •  Dapat digunakan secara

luas oleh perusahaan dari semya ukuran

•  Berguna dalam situasi jumlah pelanggan terbatas

Kelemahan Metode pendapat para manajer penjualan •  Digunakan untuk

ramalan jualan jangka pendek, sehingga mengabaikan memaksimalkan laba jangka panjang


10

Kebaikan Metode pendapat eksekutif •  Sering digunakan karena

sederhana, langsung dan ekonomis

Kelemahan Metode pendapat eksekutif •  Memerlukan

pengalaman khusus, dan pengetahuan yang luas

•  Menghasilkan ramalan yang lebih atau kurang ilmiah


11

Kebaikan Metode pendapat ahli •  Mudah dilakukan

Kelemahan Metode pendapat para ahli •  Bersifat subyektif,

lebih mengandalkan orangnya daripada data yang mendukung


12

Kebaikan Metode pendapat dari survei konsumen •  Bersifat objektif

Kelemahan Metode pendapat dari survei konsumen •  Hasil taksiran tidak

maksimal karena yang diteliti adalah sampel

Peramalan Jualan - Metode Kuantitatif

13

Metode Kuantitatif

Analisis Trend

Analisis Regresi

Metode distribusi

probabilitas

Metode analisis lini

produk


14

Analisis Trend •  Metode statistik dalam peramalan penjualan. Analisis trend

merupakan analisis runtut waktu atau data berkala sebagai variabel bebas (X). Terdiri atas: •  Trend garis lurus: Metode kuadrat terkecil •  Trend bukan garis lurus: Parabola Kuadrat dan tren eksponensial

(logaritma)

Analisis Regresi •  Metode statistik dalam peramalan penjualan. Analisis regresi

merupakan analisis antara variabel terikat (Y) dengan variabel bebas (X). variabel bebas mempengaruhi variabel terikat. Terdiri atas: •  Regresi sederhana (satu variabel bebas) •  Regresi berganda (variabel bebas lebih dari 1)


15

Metode distribusi probabilitas •  Metode ini digunakan untuk peramalan dengan memakai

variasi produk yang akan dijual dan membuat probabilitas masing-masing taksiran variasi produk yang akan dijual.

Metode analisis lini produk •  Merupakan metode penting untuk peramalan penjualan.

Ramalan jualan taktis maupun strategis harus mencangkup keputusan sementara tentang jalur produk inovasi dan produk campuran (kombinasi produksi produk sesuai anggaran). Akan dibahas lebih lanjut di Modul 4 dan 7.


16

Kebaikan Metode distribusi probabilitas •  Adanya nilai tunggal

pada nilai yang diharapkan dan distribusi probabilitas itu sendiri mudah dikerjakan.

Kelemahan Metode distribusi probabilitas •  Metode ini lebih

bergantung kepada taksiran manajemen dalam penentuan besarnya probabilitas


17

Kebaikan Metode trend dan regresi •  Ramalan ilmiah dan realistis

(objektif)

Kelemahan trend dan regresi •  Menggunakan asumsi yang

konstan (tetap), taksiran menjadi tidak sesuai sehingga tidak dapat digunakan dalam peramalan jangka panjang, (asumsi harga jual tetap, selera konsumen tetap, pesaing dan substitusi tidak berubah, tidak ada inflasi dll)

•  Metode regresi menggunakan sampel sehingga taksiran tidak maksimal


18

Kebaikan Metode trend dan regresi •  Ramalan ilmiah dan realistis

(objektif)

Kelemahan trend dan regresi •  Menggunakan asumsi yang

konstan (tetap), taksiran menjadi tidak sesuai sehingga tidak dapat digunakan dalam peramalan jangka panjang, (asumsi harga jual tetap, selera konsumen tetap, pesaing dan substitusi tidak berubah, tidak ada inflasi dll)

•  Metode regresi menggunakan sampel sehingga taksiran tidak maksimal

Membuat Ramalan Jualan

Metode Distribusi Probabilitas Metode dengan mendaftar semua kemungkinan hasil dan berhubungan dengan probabilitas kejadiannya.

0< p(xi) < 1 dimana xi adalah kemungkinan kejadian ke-i di masa yang akan datang

Total probabilitas seluruh kejadian adalah 1 (100%)

Σ (x) = Σ xi pi

Distribusi Probabilitas Jualan X Probabilita

s Nilai tertimbang

1000 10% 100 unit 5000 20% 1000 9000 35% 3150 13000 30% 3900 17000 5% 850 Total 100% 9900 unit

19


Trend merupakan gerakan lamban jangka panjang dengan kecenderungan menuju satu arah naik atau turun

Menggunakan data historis (n) namun tidak ada ketentuan jumlah data n, semakin banyak semakin baik

Terdiri atas:

•  Metode kuadrat terkecil •  Metode momen

20

Analisis Trend Garis Lurus (Linear)


Metode Kuadrat terkecil

21

Y = a+ bX

b =n XY∑ − X∑ Y∑n X 2∑ − X∑( )

2

a =Y∑ − b X∑n

Trend garis lurus adalah trend yang diramalkan secara garis lurus

Variabel waktu sebagai variabel bebas (tahunan, semesteran, bulanan atau mingguan) Y = Variabel terikat (Penjualan) X = Varibel bebas (waktu) a = nilai konstan b = koefisien regresi n = banyaknya data

Quantitative Method Metode Kuadrat terkecil

22

Y = a+ bX ( )22 ∑∑∑∑∑

−

−=

XXn

YXXYnb

nXbY

a ∑∑ −=

n Tahun Jualan (Y) X X2 XY 1 2011 130 0 0 0 2 2012 145 1 1 145 3 2013 150 2 4 300 4 2014 165 3 9 495 5 2015 170 4 16 680 Σ 760 10 30 1620 b 10 a 132

n Tahun Jualan (Y) ramalan Jualan 1 2011 130 2 2012 145 3 2013 150 4 2014 165 5 2015 170 6 2016 182 7 2017 192 8 2018 202 9 2019 212 10 2020 222

0 50

100 150 200 250

2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Penjualan PT Imma Trend Garis Lurus

Jualan (Y) ramalan Jualan


Metode Kuadrat terkecil

23

Y = a+ bX

b =XY∑X 2∑

a =Y∑n

( )22 ∑∑∑∑∑

−

−=

XXn

YXXYnb

nXbY

a ∑∑ −=

Cara lain dengan syarat ΣX=0


Metode Kuadrat terkecil (syarat ΣX=0)

24

b =XY∑X 2∑

a =Y∑n

syarat ΣX=0

n Tahun Jualan (Y

) X X2 XY 1 2011 130 -‐2 4 -‐260 2 2012 145 -‐1 1 -‐145 3 2013 150 0 0 0 4 2014 165 1 1 165 5 2015 170 2 4 340 ∑ 760 0 10 100


Metode Moment

25

Y = a+ bX

XY = a X + b∑∑ Y 2∑

Y = na+ b X∑Penentuan nilai a dan b dengan persamaan berikut


Metode Moment (Substitusi)

26

Y = a+ bXXY = a X + b∑∑ Y 2∑

760 = 5a+ b10760 = 5a+ (54− 0,3333a)10760 = 5a+ 540−3,333a760− 540 = 5a−3,333a220 =1,667a

a = 2201,667

a =132

Y = na+ b X∑760 = 5a+ b101620 =10a+ b30b30 =1620−10a

b = 1620−10a30

b = 54− 0,3333a


Analisis Trend Bukan Garis Lurus

Trend Parabola Kuadrat Trend Eksponesial Trend eksponensial

yang diubah

27


Trend Parabola Kuadrat

28

Trend parabola adalah trend yang nilai variabel terikatnya bergerak tidak secara lurus (linear) namun menyerupai garis lengkung (parabola)

Rumus parabola kuadrat dalam hal ini dibuat untuk produk bukan permintaan turunan.

Produk bukan permintaan turunan berarti penjualan produk tersebut tidak dipengaruhi oleh penjualan produk lain yang memerlukan bahan baku dari produk tersebut.

Contoh produk permintaan turunan:

•  Produk kulit sapi (sebagai bahan baku sepatu kulit) •  Produk kedelai (sebagai bahan baku tahu atau tempe)


Metode Parabola kuadrat

29

Y = a+ bX + c X( )2

Y = na+ c X 2∑∑

X 2Y = a X 2∑ + c X 4∑∑

Penentuan nilai a, b dan c dengan persamaan berikut

Membuat Ramalan Jualan Metode Parabola kuadrat (eliminasi)

30

Y = na+ c X 2∑∑

X 2Y = a X 2∑ + c X 4∑∑

Y = na+ c X 2∑∑X 2Y = a X 2∑ + c X 4∑∑

760 = 5a+10c....×21510 =10a+34c

1520 =10a+ 20c1510 =10a+34c10 =14c

c = −1014

c = −0, 71

b =XY∑X 2∑

b = 10010

b =10

Y = na+ c X 2∑∑

760 = 5a+10c5a = 760−10(−0, 71)5a = 767,1

a = 767,15

a =153, 42

n Tahun Jualan (Y) X XY X2 X2Y X4 1 2011 130 -‐2 -‐260 4 520 16 2 2012 145 -‐1 -‐145 1 145 1 3 2013 150 0 0 0 0 0 4 2014 165 1 165 1 165 1 5 2015 170 2 340 4 680 16 Σ 760 0 100 10 1510 34 c -‐0.71 b 10 a 153.420

dengan syarat ΣX=0

Membuat Ramalan Jualan Metode Parabola Kuadrat

31

Y = a+ bX + c(X)2

Y =153, 42+10X − 0, 71(X)2

n Tahun Jualan (Y) X XY X2 X2Y X4 1 2011 130 -‐2 -‐260 4 520 16 2 2012 145 -‐1 -‐145 1 145 1 3 2013 150 0 0 0 0 0 4 2014 165 1 165 1 165 1 5 2015 170 2 340 4 680 16 Σ 760 0 100 10 1510 34 c -‐0.71 b 10 a 153.420

n Tahun Jualan (Y) ramalan Jualan 1 2011 130 2 2012 145 3 2013 150 4 2014 165 5 2015 170 6 2016 178.83 7 2017 185.2567347 8 2018 190.664898 9 2019 195.0526531 10 2020 198.42

0

100

200

300

2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Penjualan PT Imma Trend Kuadrat Parabola


Membuat Ramalan Jualan Trend Eksponensial

32

Trend eksponensial atau trend logaritma atau trend pertumbuhan adalah trend yang nilai variabel bebasnya naik secara berlipat ganda (tidak garis lurus)

Ada beberapa jenis trend yang tidak linear akan tetapi dapat dibuat linear (garis lurus) dengan melakukan transformasi:

•  Trend eksponesial Y=abx diubah menjadi Trend semi-log Y=log a+(log b)X, Y=Yo, log a =ao, log b=bo, maka Yo=ao + boX

Trend eksponensial sering digunakan untuk meramal jumlah penduduk, pendapatan nasional, produksi, hasil penjualan dan hal lain yang berkembang secara geometris/ cepat


Metode Eksponensial

33

b =n XY − X Y∑∑∑n X 2 − ( X)2∑∑

b = 8×172,30−36×31,348×204−362

b = 1378, 4−1128,241632−1296

b = 250,16336

b = 0, 745

n Jualan (Y) Log Y X XLogY X2 1 20 1.30 1 1.30 1 2 100 2.00 2 4.00 4 3 800 2.90 3 8.71 9 4 3000 3.48 4 13.91 16 5 15000 4.18 5 20.88 25 6 150000 5.18 6 31.06 36 7 1000000 6.00 7 42.00 49 8 2000000 6.30 8 50.41 64 3168920 31.33 36 172.26 204

a =Y∑n

− bX∑n

#

$%%

&

'((

a = 31,348

− 0, 745 368

#

$%

&

'(

a = 3,9175−3,3525a = 0,565

Yo = ao + boXYo = 0,564+ 0, 745X

Y = anti loga+ (anti logb)XY = 3,66+ 5,56X

Membuat Ramalan Jualan Trend Eksponensial

34

Y = abx

Y = loga+ (logb)XYo = ao + boX

Yo = ao + boXYo = 0,564+ 0, 745X

Yo = anti loga+ (anti logb)XYo = 3,66+ 5,56X

Y = abx

Y = 3,66×5,56X

n Jualan (Y) Log Y X XLogY X2 1 20 1.30 1 1.30 1 2 100 2.00 2 4.00 4 3 800 2.90 3 8.70 9 4 3000 3.48 4 13.92 16 5 15000 4.18 5 20.9 25 6 150000 5.18 6 31.08 36 7 1000000 6.00 7 42.00 49 8 2000000 6.30 8 50.40 64 3168920 31.34 36 172.30 204 a 3.66 b 5.56

n Jualan (Y) ramalan Jualan 1 20 2 100 3 800 4 3000 5 15000 6 150000 7 1000000 8 2000000 9 18584642.43 10 103330611.9 11 574518202.2 12 3194321204 13 17760425896

0

5E+09

1E+10

1.5E+10

2E+10

1 2 3 4 5 6 7 8 9 10 11 12 13

Penjualan Minyak Goreng Trend Eksponensial


Membuat Ramalan Jualan Trend Eksponensial yang diubah

35

Bentuk Y = abx dapat dikonversi dengan jalan menambahkan bilangan konstan k. sehingga persamaan menjadi Y= k + abx tergantung pada nilai a dan b maka bentuk kurva Y= k + abx dapat berubah-ubah

Karena trend eksonensial yang diubah tidak dapat dijadikan bentuk linear dengan transformasi, maka untuk menentukan a dan b tidak dapat menggunakan metode kuadrat terkecil, jadi harus menggunakan cara lain dengan memilih beberapa titik. Y1, Y2, Y3

k =Y1 − a

a = Y2 −Y1bt −1

bt = Y3 −Y2Y2 −Y1

Y ' = k + abX

Membuat Ramalan Jualan Metode Eksponensial yang diubah

36

k =Y1 − a

a = Y2 −Y1bt −1

bt = Y3 −Y2Y2 −Y1

Y ' = k + abXY ' = k + abX

Y ' = −2+3(2)X

k =Y1 − ak =1−3= −2

a = Y2 −Y1bt −1

a = 10−14−1

a = 93= 3

bt = Y3 −Y2Y2 −Y1

b2 = 46−1010−1

b2 = 369

b2 = 4 = 2

Membuat Ramalan Jualan Trend Eksponensial yang diubah

37

Y ' = k + abX

Y ' = −2+3(2)XTahun (X) Jualan (Y) 1 0 1 Y1 2 1 5 3 2 10 Y2 4 3 20 5 4 46 Y3 6 5 70 a 3 b 2 k -‐2

(X) Jualan (Y) ramalan Jualan 0 1 1 5 2 10 3 20 4 46 5 70 6 190 7 382 8 766 9 1534 10 3070 11 6142 12 12286

0

2000

4000

6000

8000

10000

12000

14000

0 1 2 3 4 5 6 7 8 9 10 11 12

Trend Eksponensial yang diubah


Membuat Ramalan Jualan Standar Kesalahan Peramalan (SKP)

38

Standar kesalahan peramalan (SKP) digunakan untuk menentukan metode peramalan yang paling sesuai (metode garis lurus atau metode buka garis lurus)

Nilai SKP terkecil menunjukkan tingkat kesesuaian yang tinggi. Berikut rumus standar

SKP = (X −Y )2 : (n− 2)∑ X=jualan Y=ramalan jualan N=jumlah data yang dianalisis -2=derajat kebebasan hilang karena dua parameter populasi sedang diramalkan dengan nilai sample (a dan b)


39

Ramalan Jualan Trend Garis Lurus

Tahun X a bx Ramalan Jualan (Y) 2011 0 132 0 132+0=132 2012 1 132 10 132+10=142 2013 2 132 20 132+20=152 2014 3 132 30 132+30=162 2015 4 132 40 132+40=172

SKP Trend Garis Lurus

Tahun Jualan Nyata (X)

Ramalan Jualan (Y) (X-‐Y) (X-‐Y)2

2011 130 132 -‐2 4 2012 145 142 3 9 2013 150 152 -‐2 4 2014 165 162 3 9 2015 170 172 -‐2 4 Σ 30

SKP = (X −Y )2 : (n− 2)∑SKP = 30 :3 = 3,16


40

SKP = (X −Y )2 : (n− 2)∑SKP = 22,8579 :3 = 2, 76

Ramalan Jualan Trend Garis Lengkung

Tahun X A BX CX2 Ramalan Jualan (Y) 2011 -‐2 153,43 -‐20 -‐2.84 153,43-‐20-‐2,84=130,59 2012 -‐1 153,43 -‐10 -‐0.71 153,43-‐10-‐0,71=142,72 2013 0 153,43 0 0 153,43-‐0-‐04=153,43 2014 1 153,43 10 -‐0.71 153,43+10-‐0,71=162,72 2015 2 153,43 20 -‐2.84 153,43+20-‐2,84=170,59

SKP Trend Garis Lengkung

Tahun Jualan Nyata (X)

Ramalan Jualan (Y) (X-‐Y) (X-‐Y)2

2011 130 130.59 -‐0.59 0.3481 2012 145 142.72 2.28 5.1984 2013 150 153.43 -‐3.43 11.7649 2014 165 162.72 2.28 5.1984 2015 170 170.59 -‐0.59 0.3481 Σ 22.8579

130

145 150

165 170

130

140

150

160

170

180

2011 2012 2013 2014 2015

Scatter Diagram Trend Garis Lengkung (Parabola)

Jualan Nyata (X)

Membuat Ramalan Jualan Analisis Regresi Sederhana

41

Analisis data kuantitatif untuk menghitung besarnya pengaruh secara kuantitatif dari perubahan kejadian terhadap kejadian lainnya. Perubahan kejadian dinyatakan dengan perubahan nilai variabel

Regresi sederhana digunakan untuk meramal pengaruh 1 variabel bebas (X) terhadap Variabel terikat (Y)

Untuk mengukur korelasi Variabel bebas (X) atas variabel terikat (Y), menggunakan analisis korelasi

Membuat Ramalan Jualan Analisis Korelasi

42

Adalah analisa untuk mengetahui hubungan sebab akibat antara beberapa variabel.

Perubahan tingkat Jualan (Y) tidak hanya dipengaruhi oleh jualan, tetapi juga faktor lain. Bila terdapat lebih dari satu faktor atau variabel bebas yang mempengaruhi, maka perlu menggunakan analisis regresi berganda.

Membuat Ramalan Jualan Analisis Korelasi

43

Hubungan ketergantungan kedua variabel diuji dengan koefisien korelasi: -1< s/d <1. Semakin nilai koefisien mendekati 1 (negatif atau positif) korelasi keduanya semakin besar, sebaliknya mendekati 0 maka hubungan semakin keci. Positif berarti hubungan searah sedang negatif berarti hubungan berbeda arah (peningkatan X mengakibatkan penurunan Y)

Untuk menjelaskan korelasi atau kekuatan pengaruh variabel bebar terhadap variabel terikat, kita menggunakan koefisien korelasi yang dihitung menggunakan rumus berikut:

•  Sangat lemah dan dapat diabaikan <20

•  Lemah 0,20-0,40

• Cukup 0,40-0,70

•  Kuat 0,70-0,90

•  Sangat kuat 0,90-1,00

R =n XY∑ − X Y∑∑

n X 2 − X∑( )2

∑ n Y 2 − XY∑( )2

∑atau

R =(X − X)(Y −Y )∑(X − X)2∑ (Y −Y )2∑

Membuat Ramalan Jualan Analisis Korelasi •  X = penjualan biskuit susu, variabel bebas (independent) •  Y = penjualan susu, variabel tergantung (dependent) •  Koefisien determinan (R2)mengukur persentase variabilitas Y (penjualan susu) yang d

apat dijelaskan oleh variabel bebas X (penjualan biskuit susu). Koefisien determinan menggambarkan seberapa jauh variabilitas Y yang dipengaruhi oleh variabilitas X.

•  Koefisien determinan 97,09 artinya 97,09% dari variabel penjualan susu (Y)mungkin dijelaskan oleh variabilitas jualan biskuit susu(X). Variabel bebas lain yang mempengaruhi penjualan susu(Y) tidak dimasukkan dalam persamaan regresi tersebut

44

Tahun X Y XY X2 Y2 (X-‐Average X) Residual (Y-‐ Average Y) (X-‐X)*(Y-‐Y) (X-‐X)2 (Y-‐Y)2

2011 3 130 390 9 16900 -‐2 -‐22 44 4 484

2012 4 145 580 16 21025 -‐1 -‐7 7 1 49

2013 5 150 750 25 22500 0 -‐2 0 0 4

2014 6 165 990 36 27225 1 13 13 1 169

2015 7 170 1190 49 28900 2 18 36 4 324

Σ 25 760 3900 135 116550 0 0 100 10 1030

rata-‐rata 5 152 780 27 23310 0 0 20 2 206

R =(X − X)(Y −Y )∑(X − X)2∑ (Y −Y )2∑

R = 100(10−1030

= 0,985329278164

R2 = 0,9853292781642 = 0,97087

R =n XY∑ − X Y∑∑

n X 2 − X∑( )2

∑ n Y 2 − XY∑( )2

∑atau

R =(X − X)(Y −Y )∑(X − X)2∑ (Y −Y )2∑

Membuat Ramalan Jualan Perhitungan Jualan (Analisis garis lurus)

Apabila •  X = penjualan biskuit susu, variabel bebas (independent) •  Y = penjualan susu, variabel tergantung (dependent)

45

Y = a+ bX

b =XY∑ − nXYX 2 − nX 2∑

a =Y − bX

b =XY∑ − nXYX 2 − nX 2∑

b = 3900− 5×5×152135− 5×52

b = 3900−3800135−125

b = 10010

=10

a =Y − bXa =152−10×5a =152− 50 =102

Y = a+ bXY =102+10X

Tahun X Y XY X2 Y2 (X-‐Average X) Residual (Y-‐ Average Y) (X-‐X)*(Y-‐Y) (X-‐X)2 (Y-‐Y)2

2011 3 130 390 9 16900 -‐2 -‐22 44 4 484

2012 4 145 580 16 21025 -‐1 -‐7 7 1 49

2013 5 150 750 25 22500 0 -‐2 0 0 4

2014 6 165 990 36 27225 1 13 13 1 169

2015 7 170 1190 49 28900 2 18 36 4 324

Σ 25 760 3900 135 116550 0 0 100 10 1030

rata-‐rata 5 152 780 27 23310 0 0 20 2 206

Membuat Ramalan Jualan Pengujian Hipotesis

46

•  Sebelum menguji pengaruh variabel bebas X terhadap variabel Y, terlebih dahulu membuat hipotesis (anggapan dasar atas hubungan variabel X dan Y)

•  Dalam penulisan Hipotesis terdapat H0/Ho atau hipotesis 0 dan Ha atau hipotesis alternatif. Hipotesis 0 menyatakan tidak terdapat pengaruh antara variabel bebas dan variabel terikat, sedang Hipotesis alternatif menyatakan bahwa terdapat pengaruh antara variabel bebas dan variabel terikat. –  Nilai Hipotesis Nol harus menyatakan dengan pasti nilai parameter.

ditulis dalam bentuk persamaan –  Sedangkan Nilai Hipotesis Alternatif dapat memiliki beberapa kemu

ngkinan. ditulis dalam bentuk pertidaksamaan (< ; > ;≠) •  Penentuan hasil hipotesis dapat dengan menggunakan t hitu

ng

Membuat Ramalan Jualan Pengujian Hipotesis

47

to =R n− 21− R2

to =0.98533 5− 21− 0,97088

to =1706640,17065

=10,00082

•  Ha >0 (positif) bila to atau thitung>tα maka Ha diterima (H0 ditolak) variabel X memiliki pengaruh positif terhadap variabel Y

•  Ha <0 (negatif) bila to atau thitung<-tα maka Ha diterima (H0 ditolak) variabel X memiliki pengaruh negatif terhadap variabel Y

•  Ha ≠0 (tidak sama dengan) bila to atau thitung>tα to atau thitung<-tα maka Ha diterima (H0 ditolak) variabel X memiliki pengaruh terhadap variabel Y

•  Menggunakan nilai α 0,05 •  tα(n-2)=t0,05(3)=2,353 •  to>tαàHo ditolak dan Haditerima •  Dengan demikian dapat dikatakan b

ahwa penjual biskuit susu (X) berpengaruh positif terhadap penjualan susu (Y)

Membuat Ramalan Jualan Analisis Regresi Berganda

48

Regresi berganda digunakan untuk meramal pengaruh lebih dari 1 variabel bebas (X) terhadap Variabel terikat (Y).

Karena dalam kenyataannya kejadian satu hal (variabel terikat) dipengaruhi oleh lebih dari satu variabel

48

Y = Variabel terikat (Penjualan) X1 dan X2 = dua Varibel bebas ao = nilai konstan a1 dan a2 = koefisien regresi parsial n = banyaknya data

Y = ao + a1X1 + a2X2

Membuat Ramalan Jualan Metode Kuadrat terkecil dalam regresi berganda 2 variabel

49

Y = aon+ a1∑ X1 + a2 X2∑∑XY = ao X1∑ + ao∑ X1

2 + a2 X1X2∑∑YX2 = ao∑ X2 + a1 X1X2∑∑ + a2 X2

2∑

Y = ao + a1X1 + a2X2

R2 =a1 X1Y∑ + a2 X2Y∑

Y 2∑

Penyusunan Anggaran Jualan

50

Anggaran Jualan berarti anggaran hasil penjualan atau anggaran hasil proses menjual

Anggaran jualan adalah rencana tertulis yang dinyatakan dalam angka dari produk yang akan dijual perusahaan pada periode tertentu.

Jualan merupakan unsur dapatan (revenues) yang disebut dapatan jualan (sales revenues)

50

Jualan kotor Jualan bersih = Jualan bersih -potongan – retur Retur jualan =barang jualan yang dikembalikan oleh pembeli Potongan jualan=potongan harga jual kepada pembeli

Jualan Kotor 11,000 Rp

Potongan Jualan -‐750 Rp

Retur Jualan -‐250 Rp

-‐1,000 Rp

Jualan Bersih 10,000 Rp

Penyusunan Anggaran Jualan

51 51

Kegunaan Anggaran Jualan

• Dasar penyusunan anggaran lainnya •  Jualan merupakan ujung tombak dalam mencapai tujuan

perusahaan untuk mencapai laba yang maksimal •  Laba = sales revenue > beban (expenses) • Usaha peningkatan jualan

•  Peningkatan harga jual dan kuantitas barang •  Penurunan harga jual disertai peningkatan kuantitas

barang jualan

Penyusunan Anggaran Jualan Faktor yang mempengaruhi anggaran jualan:

Faktor Pemasaran; • Faktor pemasaran yang perlu dipertimbangkan antara lain: • a. Luas pasar, apakah bersifat lokal, regional, atau nasional; • b. Keadaan persaingan, apakah bersifat monopoli, oligopoli, atau bebas; • c. Keadaan konsumen, bagaimana selera konsumen, tingkat daya beli konsumen, apakah

konsumen akhir atau konsumen industri.

Faktor Keuangan; • Apakah modal kerja perusahaan mampu mendukung pencapaian target jualan yang dianggarkan,

seperti untuk membeli bahan baku, membayar upah, biaya promosi, dll.

Faktor Ekonomi; • Apakah dengan meningkatnya jualan akan meningkatkan laba atau sebaliknya.

Faktor Teknis; • Apakah kapasitas terpasang, seperti mesin dan alat mampu memenuhi target jualan yang

dianggarkan. Apakah bahan baku dan tenaga kerja mudah dan murah.

52

Penyusunan Anggaran Jualan Faktor yang mempengaruhi anggaran jualan:

Faktor Kebijakan Perusahaan; • Kebijakan perusahaan dapat membatasi ruang gerak untuk menyusun anggaran. Misalnya

kebijakan untuk tidak memperluas pabrik, walaupun dari segi manajemen menguntungkan, tetapi modal tidak ada, sehingga pabrik tidak dapat diperluas.

Faktor Penduduk; • Perkembangan penduduk dapat mempengaruhi anggaran jualan, misalnya peningkatan

kelahiran dapat meningkatkan konsumsi susu, pakaian bayi, dll.

Faktor Kondisi (politik, sosial, budaya, pertahanan, dan keamanan); • Misalnya dalam keadaan perang (tidak aman) akan menghambat barang yang dijual karena

harus melalui pemeriksaan yang ketat, bahkan ada kekhawatiran barang akan dirampas. Contoh yang lain apakah barang yang dijual bertentangan dengan kondisi sosial dan budaya masyarakat, lingkungan sekitar, dll.

Faktor lainnya. • Contohnya apakah pada musim tertentu anggaran jualan ditambah, sampai berapa lama

anggaran yang disusun masih dapat dipergunakan.

53

Penyusunan Anggaran Jualan Menyusun Anggaran Jualan Diasumsikan metode peramalan yang digunakan adalah metode analisis trend pola data linier. Dengan metode tersebut, pada tahun depan, diperkirakan jualan sebanyak 182 produk. Perusahaan mempunyai dua buah daerah pemasaran, yakni: Banjarmasin dan Martapura. Permintaan dari Banjarmasin diasumsikan dua kali lipat dari permintaan dari Martapura (2:1).

Perusahaan mempunyai tiga macam produk: kecap sedang, kecap manis, dan kecap asin. Permintaan dari ketiga macam produk tersebut berbanding 5:3:2.

54

Banjarmasin 2/3 x 182 = 121Martapura 1/3 x 182 = 61

Jumlah 182

BanjarmasinKecap sedang 50% x 121 = 61Kecap manis 30% x 121 = 36Kecap asin 20% x 121 = 24

Jumlah 121

MartapuraKecap sedang 50% x 61 = 31Kecap manis 30% x 61 = 18Kecap asin 20% x 61 = 12

Jumlah 61

Penyusunan Anggaran Jualan Menyusun Anggaran Jualan Pada Triwulan I dianggarkan hanya sebanyak 23.68%, Triwulan II sebanyak 24.34%, Triwulan III sebanyak 25.66% dan Triwulan IV sebanyak 26.32%.

55

BanjarmasinTriwulan I

Kecap sedang 23.68% x 61 = 14Kecap manis 23.68% x 36 = 9Kecap asin 23.68% x 24 = 6

Jumlah 29Triwulan II


Jumlah 30Triwulan III


Jumlah 31Triwulan IV


Jumlah 31

MartapuraTriwulan I


Jumlah 14Triwulan II


Jumlah 15Triwulan III


Jumlah 16Triwulan IV


Jumlah 16

Penyusunan Anggaran Jualan Menyusun Anggaran Jualan

56

Qty Qty Qty Qty Qty RpBanjarmasinKecap Sedang 14 7,000Rp 15 7,500Rp 16 8,000Rp 16 8,000Rp 61 30,500Rp Kecap Manis 9 5,400Rp 9 5,400Rp 9 5,400Rp 9 5,400Rp 36 21,600Rp Kecap Asin 6 3,000Rp 6 3,000Rp 6 3,000Rp 6 3,000Rp 24 12,000Rp Total I 29 15,400Rp 30 15,900Rp 31 16,400Rp 31 16,400Rp 121 64,100Rp MartapuraKecap Sedang 7 4,200Rp 8 4,800Rp 8 4,800Rp 8 4,800Rp 31 18,600Rp Kecap Manis 4 3,000Rp 4 3,000Rp 5 3,750Rp 5 3,750Rp 18 13,500Rp Kecap Asin 3 1,800Rp 3 1,800Rp 3 1,800Rp 3 1,800Rp 12 7,200Rp Total II 14 9,000Rp 15 9,600Rp 16 10,350Rp 16 10,350Rp 61 39,300Rp Total I + II 43 24,400Rp 45 25,500Rp 47 26,750Rp 47 26,750Rp 182 103,400Rp

Triwulan IV Satu TahunRp Rp Rp Rp

Perusahaan Kecap AsliAnggaran Jualan

Tiap Triwulan pada Tahun 2016

Data Jualan dan Jenis Kecap

Triwulan I Triwulan II Triwulan III

Terima Kasih By Desi Kusumaningtyas

57

modul 2 - penganggaran.pdf

Documents