Connector Corner: Accelerate revenue generation using UiPath API-centric busi...
Forecast penjualan
1. BAB 3
FORECAST PENJUALAN
31 Pengertian Forecast Penjualan
Forecast Penjualan adalah suatu teknik proyeksi tentang tingkat permintaan konsumen
potensial pada suatu periode tertentu dengan menggunakan berbagai asumsi tertentu juga,
yakni sesuatunya berjalan seperti masa lalu. Dalam hal ini hasil dari suatu forecast lebih
merupakan pernyataan atau penilaian yang dikuantifisir terhadap kondisi masa depan
mengenai penjualan sebagai proyeksi teknis dari permintaan konsumen potensial untuk
jangka waktu tertentu. Meskipun demikian hasil perkiraan yang diperoleh mungkin saja tidak
sama dengan rencana. Hal ini disebabkan karena:
1. Forecast lebih merupakan pernyataan atau penilaian yang dikuantifisir terhadap
kondisi masa depan mengenai subjek tertentu, misalnya penjualan.
2. Forecast penjualan merupakan proyeksi teknis dari permintaan konsumen potensial
untuk jangka waktu tertentu, dengan menyebutkan asumsi yang mendasarinya.
3. Forecast selayaknya hanya dipandang sebagai bahan masukan untuk
mengembangkan suatu rencana penjualan.
4. Manajemen dapat menerima, memodifikasi atau menolak hasil dari suatu forecast.
32 Metode-metode yang digunakan
Metode forecast penjualan dapat dikelompokan sebagai berikut:
I.Judgmental Method atau Non Statistic Method, yakni metode memproyeksikan
penjualan yang berdasar pada pendapat selesman, sales manager, para ahli, dan survey
konsumen.
II.Statistical Method, meliputi:
A. Analisa Trend, yang terdiri dari:
1. Penerapan garis trend secara bebas
2. Penerapan garis trend dengan metode setengah rata-rata
3. Penerapan garis trend secara matematis, yang terbagi
1
2. menjadi:
a. Metode Moment
b. Metode Kuadrat terkecil (Least Square)
c. Metode Kuadrat (garis lengkung)
B. Analisa Korelasi
III.Specific Purpose Method, meliputi:
A. Analisa Industri
B. Analisa Product Line
C. Analisa Penggunaan Akhir
Faktor-faktor yang mempengaruhi pemilihan cara pembuatan forecast penjualan, antara
lain:
a. Sifat produk
b. Metode distribusi
c. Luas lahan
d. Persaingan
e. Data historis yang tersedia
Beberapa kebijaksanaan yang dipengaruhi oleh hasil forecast penjualan antara lain:
a. Kebijaksanaan perencanaan produksi
b. Kebijaksanaan persediaan
c. Kebijaksanaan pemakaian mesin
d. Kebijaksanaan investasi aktiva tetap
e. Kebijaksanaan pembelian bahan baku dan bakan pembantu
f. Kebijaksanaan aliran kas
3. Perusahaan Rokok DJARUM
Data Penjualan selama 8 tahun terakhir
Tahun Penjualan Tahun Penjualan
1995 8.000 1999 10.400
1996 8.800 2000 10.800
1997 10.000 2001 12.000
1998 9.200 2002 12.400
Y = a + bx
A. Metode Least Square (Kuadrat terkecil)
Parameter X disusun dan di usahakan agar jumlahnya sama dengan nol ( ∑X = 0 )
Tahun (n) Penjualan (Y) X X2 XY
1995 8.000 -7 49 - 56.000
1996 8.800 -5 25 - 44.000
1997 10.000 -3 9 - 30.000
1998 9.200 -1 1 - 9.200
1999 10.400 1 1 10.400
2000 10.800 3 9 32.400
2001 12.000 5 25 60.000
2002 12.400 7 49 86.000
Jumlah ( ∑ ) 81.600 0 168 50.400
Rumus:
Y = a + bX
= 10.200 + 300 X
Y 2003 = 10.200 + 300 (9)
= 12.900
3
4. B. Metode Moment
Tahun (n) Penjualan (Y) X X2 XY
1995 8.000 0 0 0
1996 8.800 1 1 8.800
1997 10.000 2 4 20.000
1998 9.200 3 9 27.600
1999 10.400 4 16 41.600
2000 10.800 5 25 54.000
2001 12.000 6 36 72.000
2002 12.400 7 49 86.000
Jumlah ( ∑ ) 81.600 28 140 310.800
81.600 = 8a + 28b (x 5) 408.000 = 40a + 140b
310.800 = 28a + 140b (x 1) 310.800 = 28a + 140b
97.200 = 12a
a = 8.100
∑Y = a.n + b.∑X Rumus: Y = a + bX
81.600 = 8.100 (8) + 28b Y = 8.100 + 600 X
= 64.800 + 28b Y 2003 = 8.100 + 600 (8)
b = 600 Y = 12.900
∑Y = Jumlah data historis
n = Jumlah waktu data
x = Nilai pada setiap periode waktu
a = Nilai Y pada titik 0
b = Lereng garis lurus
C. Metode setengah rata-rata (semi average)
Tahun (n) Penjualan (Y) X
5. 1995 8.000 -3
1996 8.800 -1
1997 10.000 1
1998 9.200 3
1999 10.400 5
2000 10.800 7
2001 12.000 9
2002 12.400 11
2003 a a a 13
a = Rata-rata kelompok 1
b =
n = Jarak waktu antara dengan
010009000003c40300000000aa0200000000aa02000026060f004a05574d4643010000000000
010062470000000001000000280500000000000028050000010000006c00000000000000000
000000d000000100000000000000000000000ed0100005702000020454d4600000100280500
000c000000010000000000000000000000000000005605000000030000e20100000f0100000
00000000000000000000000665a070055220400460000002c00000020000000454d462b0140
01001c000000100000000210c0db01000000600000006000000046000000c4010000b801000
0454d462b224004000c000000000000001e4009000c00000000000000244001000c00000000
0000003040020010000000040000000000803f214007000c000000000000000840000510010
000040100000210c0db01000000000000000000000000000000000000000100000089504e47
0d0a1a0a0000000d494844520000000e00000011080200000062aa0ac8000000017352474200
aece1ce9000000097048597300000ec400000ec401952b0e1b0000008a494441542853dd91dd
1100110c84b9b2e827d74e344331f4920bf1333798f37c7932f2d9ec8626227556d71996a93fa
3c959adb57529070d379fefb0d80c5144c0481e94c118d180e755af4ab54b865888e90dc83fd5
3b999d15799894c1862e45f9b28e292f8aaa07f1590c7898c573065578e989f2c285841d5e777
1ba8b0ff4e576bb9be1a8eee001d43f3372d3e533f20000000049454e44ae4260820000000840
010824000000180000000210c0db01000000030000000000000000000000000000001b40000
040000000340000000100000002000000000000bf000000bf00006041000088410300000000
0000b3000000b3ffff5f41000000b3000000b3ffff87412100000008000000620000000c000000
01000000150000000c00000004000000150000000c000000040000005100000000020000000
00000000000000d00000010000000000000000000000000000000000000000e000000110000
0050000000a0000000f000000010010000000000002000cc000e00000011000000280000000e
0000001100000001000800000000000000000000000000000000001e0000000000000000000
000ffffff0090dbff0000003a00903a0000ffffdb00b6ffff0000006600b6660000dbffff009066900
0b6ffdb003a006600dbdb9000663a9000ffffb600003a90003a000000ffdb90003a90db0066b6ff
00903a3a00903a660090dbdb003a003a006666b6000066b60066000000ffb66600db903a0001
01010101010101010203000000ffff01010101010101010101131d0114ffff010101010101010
1010101131d01ffb61a1b0f0910001c0101010101131c0000010616171812190f01010101090e
ffff0101020304050101010215050607ffff0101011308010101010114000004ffff01010910111
20101010101010101ffff090a0b0c0d0e0f01010101010101ffff0102030405060708010101010
10166b60101010101010101010101010101ffff0101010101010101010101010101ffff010101
5
6. X = Jumlah tahun dihitung dari periode dasar (nilai pada setiap periode waktu)
Rumus: Y = a + bx
Y = 9.000 + 300x
Y 2003 = 9.000 + 300 (13)
= 12.900
7. D. Forecast berdasarkan metode khusus
1) Analisis Industri
Dalam analisis ini lebih ditekankan pada “ Market Share “ yang dimiliki
perusahaan. Analisis ini menghubungkan potensi penjualan perusahaan dengan
industri pada umumnya (volume, posisi dalam persaingan).
Tahapan dalam pemakaian analisis industri:
a. Membuat proyeksi permintaan industri
b. Menilai posisi perusahaan dalam persaingan
2) Analisis product line
Umumnya analisis product line digunakan pada perusahaan yang menghasilkan
beberapa macam produk yang tidak mempunyai kesamaan, sehingga dalam
membuat forecastnya harus terpisah.
3) Analisis penggunaan akhir
Bagi perusahaan yang menghasilkan produk setengah jadi, masih memerlukan
proses lebih lanjut menjadi produk jadi dan siap untuk dikonsumsi, maka dalam
pembuatan forecastnya ditentukan oleh penggunaan yang ada kaitannya dengan
produk yang dihasilkan.
33 Pemilihan Metode Terbaik Dalam Peramalan
Garis Lurus
Tahun (n) Penjualan (Y) X X2 XY
2001 130 -2 4 - 260
2002 145 -1 1 - 145
2003 150 0 0 0
2004 165 1 1 165
2005 170 2 4 340
760 0 10 100
7
25. 2005 170 172 170.71
Dari tabel penjualan nyata dan ramalan penjualan, bila metode trend garis lurus dibandingkan
dengan metode trend garis lengkung tampak ramalan penjualan metode garis lengkung lebih
mendekati penjualan nyata. Karena itu metode trend garis lengkung lebih tepat digunakan
untuk membuat ramalan penjualan tahun 2006. tetapi karena ramalan penjualan metode garis
lengkung tidak persis sama dengan penjualan nyata maka sebaiknya untuk membentuk
metode mana yang paling baik, digunakan standar kesalahan peramalan (SKP) dengan rumus:
X = Penjualan nyata
Y = Ramalan penjualan
n = banyaknya data yang paling sesuai
Trend Garis Lurus
Tahun X Y (X-Y) (X-Y)2
2001 130 132 -2 4
2002 145 142 3 9
2003 150 152 -2 2
2004 165 162 3 9
2005 170 172 -2 4
Jumlah 28
SKP = 2.36
Trend Garis Lengkung
Tahun X Y (X-Y) (X-Y)2
2001 130 130.56 - 0.56 0.312
2002 145 142.71 2.29 5.244
2003 150 153.42 - 3.42 11.70
2004 165 162.71 2.29 5.244
2005 170 170.71 - 0.71 0.504
Jumlah 23
SKP = 2.15
25
26. Karena SKP trend garis lengkung sebesar 2.15 lebih kecil daripada SKP trend garis lurus
sebesar 2.36 maka metode trend garis lengkung lebih sesuai untuk ramalan penjualan tahun
2006.