Minggu
Minggu
Anggaran Penjualan
ANGGARAN PENJUALAN
1.
PENGERTIAN
FORECAST PENJUALAN
Pada umumnya hasil dari suatu forecast penjualan akan dikonversikan menjadi rencana
penjualan dengan memperhitungkan berbagai hal berikut :
1.
Pendapat
2.
3.
4.
Secara umum teknik forecast yang umum diterapkan untuk memperoleh suatu forecast
penjualan dapat dikelompokkan menjadi :
1.
2.
3.
1.
2.
3.
4.
2.
Metode Korelasi
2.
Metode Regresi
PT. PRATAM JAYA, yang bergerak dalam bisnis makanan anak, memiliki data penjualan
tahunan sebagaimana tertera pada Tabel. 2.1
Tabel 2.1
Penjualan makanan Anak PT. PRATAMA JAYA tahun 2003-2007
Tahun
Jumlah Penjualan (juta unit)
2003
140
2004
148
2005
157
2006
160
2007
169
Terhadap data penjualan PT. PRATAMA JAYA, tersebut dapat dibuat forecast penjualan
untuk tahun 2008 dan seterusnya dengan menggunakan beberapa metode yang disebutkan
sebelumnya, berikut akan diberikan ilustrasi pemakaian metode metode tersebut
1. Metode Trend Bebas
Pada umumnya metode trend bebas cenderung dignakan sebagai analisis pendahuluan yang
akan memberikan gambaran awal dari suatu permasalahan yang dihadapai. Metode trend
bebas mencoba melihat pola data amatan melalui tebaran titik dari pasangan data panjualan
pada setiap waktunya. Berdasarkan tebaran data yang terbentuk dapat diperkirakan trend
penjualan dari data tersebut. Sebagai contoh bila terhadap data penjualan PT. ADIWIJAYA
sebagaimana tertera pada Tabel 2.1 dibuat tebaran titiknya dan ditarik garis yang
menghubungkan titik-titik pasangan pengamatan tersebut, akan diperoleh gambaran trend
penjualan sebagai berikut :
Y (unit)
170
160
150
140
X
0 N 2003 2004 2005 2006 2007
Dari gambaran yang diperoleh, bila asumsi yang disebutkan sebelumnya dipenuhi, maka dapa
t diramalkan bahwa penjualan PT.PRATAMA JAYA tahun 2007 akan meningkat melebihi pe
njualan tahun-tahun sebelumnya. Meskipun demikian gambaran tentangbeberapa berapa besa
nya penjualan PT. PRATAMA JAYA pada tahun 2007 dan seterunya dalam bentuk angka tida
k dapatdiperoleh dengan menggunakan trend bebas ini. Untuk memperoleh hasil peramalan y
ang lebih akurat, pada umumnya metodetrend bebas perlu dilanjutkan ke analisis yang dapat
menunjukan bentuk hubungan antara data penjualan dengan waktu.
2. Metode Trend Semi Average
Metode trend semi average dapat digunakan untuk keperluan forecast dengan bentuk suatu
persamaan seperti analisis regresi. Metode ini dapat digunakan apabila data yang ada
jumlahnya genap, sehingga dapat dbagai menjadi dua kelompok sama besar.
Metode trend semi average memiliki mekanisme sebagai berikut ;
1. Membagi data yang ada menjadi dua kelompok
Contoh Aplikasi :
Jika data penjualan yang dimiliki oleh PT. PRATAMA JAYA adalah sebagai berikut :
Tabel 2.2
Data Penjualan PT. PRATAMA JAYA tahun 2002-20007
Tahun
Jumlah Penjualan (Y) dlm juta unit
2002
140
2003
148
2004
157
2005
157
2006
160
2007
169
Untuk kasus penjualan PT. PRATAMA JAYA tersebut, kelompok pertama adalah data penjualan ta
hun 2002, 2003 dan 2004.Kelompok kedua adalah data penjualan tahun 2005, 2006, dan 200
7.
1.
Dari tiap kelompok data dicari nilai rata-rata. Rata-rata dari kelompok
pertama adalah 148,33 dan rata-ratakelompok kedua adalah 162 sebagaima
na ditunjukkan pada tabel berikut :
Tahun
Jml penjualan
Total
Average
445 = 148,33
-1
0
1
unit
140
148
157
445
1997
157
2
1998
160
486
486 = 162
3
1999
169
4
3. Memberi score terhadap waktu yang terkait dengan data penjualan Dalam metode trend semi
average ini, acuan adalah kepada kelompok pertama. Score 0 diberikan bagi data yang berada
di tegah dari data yang ada pada kelompok pertama bila datanya ganjil. Selnjutnya terhadap
data yang sebelumnya diberi score -1, -2, -3 dst dan terhadap data yang sesudah diberi score
1,2,3, dst. Untuk data yang jumlahnya genap, biasanya score tidak melibatkan nilai nol.
Sebagai contoh bla datanya ada 4, score yang diberikan adalah -3,-1,1,3
4. melanjutkan pemberian score pada kelompok data yang kedua. Contoh pada kasus data
penjualan PT. ADIWIJAYA score terakhir dari kelompok 1 adalah 1, maka terhadap data
penjualan tahun 1997, 1998, 1999 diberi score 2,3 dan 4.
5. membentuk persamaan Y= a+bX dan melakukan forecast nilai Y untuk nilai X yang ditentukan ,
dimana
a = rata-rata kelompok 1 (X1)
b= selisih antara X2 dengan X1 dibagai dengan jumlah data yang ada dalam 1 kelompok
Jadi :
a = 148,33
162 148,33
b --------------------------- = 4,5567
3
dengan demikian persamaan yang terbentuk adalah :
Y = 148,33 + 4,5567 (X)
Maka forecast penjualan untuk tahun 2000 adalah (dberi score x = 5)
Y = 148,33 + 4,5567 (50 = 171,11
Untuk tahun 2001, diramalkan penjualan PT. ADIWIJAYA sebesar :
Y = 148,33 + 4,5567 (6) = 175,67
Dalam mengunakan metode tren semi average ini perlu disadari bahwa keakuratan forecast akan
semakin rendah bila periode waktu permalannya smakin jauh ke depan dari data yang
digunakan untuk forecast.
3. Metode Trend Moment
Metode trend moment merupakan analisis yang dapat digunakan untuk keperluan peramalan
dengan membentuk persamaan : Y = a + b X sebagaimana telah diulas pada Metode rend
semi Average.
Dalam enerapannya metode ini tidak mensyaratkan jumlah data harus genap. Perbedaan deng
an Metode trend semi Averageterletak pada pemberian score nilai X nya. Dalam hal ini pemb
erian score X dimulai dari 0,1,2 dst. Berikut akan diberikan ilustrasipenerapan metode ini unt
uk data penjualan PT. PRATAMA JAYA sebagaimana tertera pada tabel 2.1
Tahun
Y
X
XY
2003
140
0
0
2004
148
1
148
2005
157
2
314
2006
160
3
480
2007
169
4
676
S
774
10
1.618
Dalam mencari koefisien a dan b digunakan persamaan :
X2
0
1
4
9
16
30
S Y = n . a + b. SX
SXY = a. SX + b. SX2
Keterangan
= 10 a + 20 b
Y
140
148
157
160
169
774
X
-2
-1
0
1
2
0
XY
-280
-148
0
160
338
70
X2
4
1
0
1
4
10
774 70
a = ----------- = 154,8 b = ----------- = 7
5 10
Sehingga persamaam trend metode least square adalah
Y = 154,8 + 7 (X)
Forecast penjualan tahun 2008 :
Y = 154,8 + 7 (3) = 175,8
b. Metode korelasi dan regresi
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 perhaian sedangkan dengan analisis regresi dapat diketahui
bentuk hubngan dari variable-variabel yang menjadi perhaian.
Dengan analisis regresi dapat diketahui besarnya perubahan variavel yang dicari bla factorfaktor lain yang mempengaruhi variable tersebut berubah. Seperti ada contoh di atas,
perubahan tingkat penjualan tidak hanya ditentukan oleh pola penjualannya tetapi juga di
tentukan leh factor-faktor lain.
Aplikasi dari metode ini berdasarkan data penjualan PT. PRATAMA JAYA pada tabel 2.1 ada
lah sebagai berikut. Bila Xmenunjukkan biaya iklan (dalam jutaan ruiah0 dan Y menunjukka
n jumlah penjualan (dalam juta unit) ilustrasi terhadap metode iniditunjukkan sebagai berikut
:
Tahun
Y
X
XY
1995
9
140
1.260
1996
12
148
1.776
1997
14
157
2.198
1998
15
160
2.400
1999
17
169
2.873
S
67
774
10.507
Persamaan regresinya -------------> Y = a + b (X)
X1
81
144
196
225
289
935
X2
19.600
21.904
24.649
25.600
28.561
120.314
2.
Permintaan perusahaan
Market Share = ------------------------------------------ x 100%
Permintaan industri
b. Analisis Product Line
Umumnya analisis product line digunakan pada perusahaan yang menghasilkan beberapa mac
am dan tidak mempunyai kesamaan,sehingga dalam membuat forecast nya harus terpisah
c. Analisis Penggunaan akhir
Bagi perusahaan yang menghasilkan produk setengah jadi, masih memerlukan proses lebih
lanjut menjadi produk jadi dan siap untuk dikomsumsi, maka dalam pembuatan forecast-nya
ditentukan oleh penggunaan akhir yang ada kaitannya dengan produk yang dihasilkan
b.
c.
d.
e.
f.
Fasilitas-faslitas lain
2. Faktor Ekstern
Yaitu faktor-faktor yang berasal dari luar perusahaan
Yang termasuk dalam factor ini, antara lain
1.
2.
3.
4.
5.
6.
7.
Kebijaksanaan pemerintah
8.
9.