RAMALAN PENJUALAN

Guna Memenuhi Tugas Mata Kuliah Penganggaran dan Evaluasi Kinerja Sektor Publik yang
Diampu oleh Bapak Dr. Rosidi SE., MM., Ak.

DisusunOleh:
Iin Mutmainnah

145020301111023

Anas Isnaeni

165020304111002

JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
MALANG
2016

A. Ramalan Penjualan
Ramalan Penjualan (Sales Forecasting) adalah proses aktivitas memperkirakan
produk yang akan dijual dimasa mendatang dalam keadaan tertentu dan dibuat
berdasarkan data yang telah terjadi dan /atau mungkin akan terjadi.
I.

Metode Ramalan Penjualan

a. Metode Kualitatif
Pendapat Para Tenaga Penjualan (Salesman)
Metode ini menekankan pertimbangan dan keahlian dari tenaga
penjualan. Metode ini sering digunakan oleh perusahaan kecil dan
perusahaan yang menghasilkan sedikit produk.

Pendapat Manajer Pemasaran / Divisi Penjualan

Metode ini menekankan pada pertangungjawaban dari manajer
penjualan atau pemasaran yang berdasarkan survei informal dari
pelanggan utama perusahaan.

Pendapat Para Ahli

Metode ini dilakuakan berdasarkan pendapat para ahli dalam bidang
penjualan, namun bersifat subjektif.

Pendapat Survei Konsumen

Metode ini dilakukan dengan cara pengambilan sampel dari masyarakat
umum yang diambil secara acak yang akan dipelajari dan dipahami
sifatnya masing-masing.

b. Metode Kuantitatif
Analisis Lini Produk
Manajer lini produk harus mengetahui penjualan dan laba tiap unit
produk dalam lininya untuk menentukan unit produk mana yang akan
dikembangkan, dipertahankan, dikurangi atau dihentikan. Mereka juga
perlu memahami profil pasar tiap produk.

Metode Distribusi Probabilitas

Metode ini dilakukan dengan cara menaksisr variasi produk yang akan
dijual, setelah itu memilih angka tertentu untuk membuat kelas interval

1. Analisis Tren Garis Lurus

Tren (trend) merupakan gerankan lamban berjangka panjang dan cenderung
menuju ke satu arah (menaik atau menurun) dalam suatu data runtut waktu. Garis tren
pada dasarnya garis regresi dan variabel bebas (X) merupakan variabel waktu. Tren

garis lurus (linear) adalah suatu tren yang diramalkan naik atau turun secara garis
lurus.
Metode Kuadrat Terkecil
Ramalan jualan menggunakan metode kuadrat terkecil (least square) dapat
dihitung dengan rumus:
Y = a + bX
b = n XY - X Y
n X2 (X) 2
a = Y _ b X
n
n

Metode Momen
Ramalan jualan menggunakan metode momen dapat dihitung dengan rumus:
Y

= a + b (X)

Y = n.a + b. X
XY = a.X + b. X2

Keterangan:
Y = Variabel Dependen
X = Variabel Independen (periode)
a = Nilai Konstanta
b = Koefisien Regresi
n = Jumlah Data (periode)

2. Analisi Tren Bukan Garis Lurus

Analisis tren bukan garis lurus (bukan linear) ada beberapa macam, antara lain tren
parabola kuadrat, tren eksponensial, dan tren eksponensial yang diubah.

Tren Parabola Kuadrat

Tren garis lengkung disebut juga dengan tren parabola. Tren parabola terdiri atas
tren parabola kuadrat dan tren parabola kubik. Tren parabola adalah tren yang
nilai variabel terikat naik atu turun bukan garis lurus (tidak linear) atau terjadi
parabola (melengkung).
Persamaan tren parabola kuadrat adalah:

Y = a + bX + c(X)2
Rumus tren parabola kuadrat yang akan dikemukakan dalam uraian ini adalah
untuk jualan produk-bukan permintaan turunan.

Tren Eksponensial
Tren eksponensial atau tren logaritma atau tren pertumbuhan
adalah tren yang nilai variabel bebasnya naik secara berlipat ganda (bukan garis
lurus).
Tren garis lurus (linear) memiliki bentuk persamaan Y = a +bX.
Dalam hal ini, b = rata-rata kenaikan Y per satuan waktu (per bulan, per tahun,
dan lain sebagainya). Ada beberapa jenis tren yang tidak linear akan tetapi dapat
dibuat linear (garis lurus) dengan cara melakukan transformasi (perubahan
bentuk). Misalnya:
Tren eksponensial: Y = abx diubah menjadi
Tren semi-log
Y = log a + (log b) X, log Y = Yo, log a = ao dan
log b = bo, maka Yo = ao + boX

Tren Eksponensial yang Diubah

Untuk membuat ramalan dengan menggunakan tren eksponensial yang diubah,
rumus yang digunakan adalah sebagai berikut.
a
K

= Y1 a
Y2 Y1

b2
Y

= Y3 Y2
Y2 Y1
= k + abx

= b2 1

II.

Standar Kesalahan Peramalan

Dalam analisis tren ada dua metode yang dapat digunakan untuk
ramalan jurnal, yaitu metode tren garis lurus dan metode tren bukan garis
lurus. Untuk menentukan metode mana yang paling sesuai dari kedua metode
tersebut, maka digunakan Standar Kesalahan Peramalan (SKP). Nilai SKP
yang terjadi menunjukkan bahwa ramalan yang disusun tersebut mendekati
kesesuaian. Adapun rumus SKP adalah sebagai berikut.

X
Y
N
-2

SKP= ( x Y )2 :n 2
= jualan nyata
= ramalan jualan
= jumlah data yang dianalisis
= 2 derajat kebebasan hilang karena dua parameter populasi sedang
diramalkan dengan nilai sampel data (a dan b)

Kita gunakan data yang telah dikemukakan terdahulu, yaitu jualan susu oleh
PT Imma yang ramalan jualannya menggunakan metode tren garis lurus
(metode kuadrat terkecil) dan metode tren bukan garis lurus (metode parabola
kuadrat). Menurut metode kuadrat terkecil, persamaan tren garis lurusnya
adalah:

Y = a + bX
Y = 123 + 10X

ANALISIS REGRESI

Analisis regresi adalah salah satu analisis data kuantitatif untuk memperhitungkan besarnya
pengaruh secara kuantitatif dari perubahan suatu kejadian terhadap kejadian lainnya.Analisis
regresi terdiri dari dua bagian yaitu, analisis regresi sederhana yang menganalisis satu
variabel terikat (Y) dengan menggunakan satu variabel bebas (X) yang mempunyai hubungan
korelasi dan analisis regresi berganda yang menganalisis lebih dari satu variabel bebas (X).
Analisis Regresi Sederhana
Untuk mengetahui variabel bebas yang dipilih mempunyai korelasi dengan variabel terikat
dipergunakan analisis korelasi. Dalam melakukan analisa regresi sederhana, perlu dilakukan
terlebih dahulu analisis korelasi.Analisis korelasi adalah analisis yang digunakan untuk
mengetahui hubungan sebab akibat antara beberapa variabel. Dinyatakan dalam rumus
berikut :
b=

Y= a + bX
n XY X Y
n X 2( X ) 2

a=

Y b Y
n

n = jumlah data yang dianalisis

a = jumlah pasang observasi/nilai konstans
b = koefisien regresi
Penentuan hubungan persamaan dengan Metode Momen
Y = n a+ X b
XY = X a + X2 b
Rumus lainnya
XY n X Y
b = X 2nX 2

a = Y b X
Koefisien korelasi menunjukkan hubungan saling ketergantungan antara kedua variabel.
Paling kecil adalah -1 dan paling besar adalah +1. Bila koefisien korelasi mendekati satu,
berarti pengaruh variabel bebas terhadap variabel terikat adalah besar, tidak peduli positif
atau negatif. Koefisien korelasi negatif, semakin besar X, semakin kecil Y. Koefisien korelasi
positif, semakin besar X, semakin besar Y. Berdasarkan Guilford, pengaruh korelasi
ditafsirkan sebagai berikut:

Rumus Koefisien Korelasi (R) dalam teknik regresi sederhana

n XY X Y
R = n X 2( X ) 2 n Y 2( Y ) 2

( X X ) (Y Y )
R = ( X X ) 2 ( Y Y ) 2
Jika Koefisien Determinan (R2) sudah diketahui, maka Koefisien Korelasi (R) didapatkan
dengan
R=

R 2

Ramalan jualan dapat dihitung dengan metode tren garis lurus (linier) dan metode tren bukan
garis lurus (tren parabola kuadrat). Persamaan tren garis lurus dinyatakan dalam Y = a + bX,
sedangkan persamaan tren bukan garis lurus dinyatakan dalam Y = a + bX + cX 2.Pada
prakteknya, jualan aktual bisa jadi berbeda dengan ramalan jualan tren garis lurus atau tren
bukan garis lurus. Jika seperti itu, pilih metode ramalan jualan yang nilai SKP (Standar
Kesalahan Peramalan)nya terkecil. Jika ramalan jualan dengan tren garis lurus tidak sama
dengan jualan aktual, pilih tren bukan garis lurus. Syarat untuk perhitungan metode tren
bukan garis lurus adalah X = 0.
Koefisien Determinan menunjukkan seberapa jauh variabilitas Y dipengaruhi oleh variabilitas
X (persentase variabilitas Y yang dapat dijelaskan dengan variabel bebas X).Perhitungan
Koefisien Determinan dengan menggunakan metode kuadrat terkecil sebagai berikut:
a Y +b XY n Y 2
2
R =
Y 2n Y 2
Sebelum memutuskan untuk menggunakan variabel bebas (X) untuk meramalkan variabel
(Y), terlebih dahulu dibuat hipotesis bahwa X dan Y mempunyai hubungan kuat. Hipotesis
nol harus disertai dengan hipotesis alternatif dengan ketentuan :
H0 e = 0, X dan Y tidak berkorelasi
Ha e < 0, X dan Y mempunyai hubungan negatif
Ha e > 0, X dan Y mempunyai hubungan positif
Ha e 0, X dan Y berkorelasi
Nilai kesalahan jenis pertama (type I error) yaitu atau besarnya kesalahan jika menolak H 0
padahal H0 benar. Lihat dari tabel untuk t/2. Nilai observasi (to) ditentukan dengan persamaan
R n2
1( R)2 . Ketentuan lainnya dalam pengujian hipotesis sebagai berikut:

H0 e =0, jika t0< -t, maka H0 ditolak

Ha e <0, jika t0 -t, maka H0 ditolak

Ha e =0, jika t0> t, maka H0 ditolak
Ha e >0, jika t0 t, maka H0 diterima
H0 e =0, jika t0< -t/2 atau t0> t/2, maka H0 ditolak
Ha e 0, jika -t/2 < t0< t/2, maka H0 diterima

Analisis Regresi Berganda

Analisis regresi berganda adalah analisis regresi yang mampu menjelaskan hubungan antara
variabel terikat dengan variabel bebas yang lebih dari satu. Analisis ini dinyatakan dalam
persamaan regresi linier berganda dengan dua variabel
Y = a0 + a1X1 + a2X2
Y =variabel terikat
a0 =konstanta (intersep) dari Y
a1 dan a2 =koefisien regresi parsial
X1 dan X2 =dua variabel bebas
Penyelesaian analisis regresi berganda dapat dilakukan dengan metode kuadrat terkecil dalam
persamaan berikut:
Y =a0n +a1 X1 +a2 X2
YX1 =a0 X1 +a1 X12 +a2 X1X2
YX2 =a0 X2 +a1 X1X2 +a2 X22
( X 2 Y X 2 2 )( X 1 Y X 1 X 2)

a2
( X 12 X 22 )( X 1 X 2)2
a1 =

( X 1 Y X 2 2 )( X 2Y X 1 X 2)
( X 1 2 X 2 2 )( X 1 X 2) 2

a0 = Y

- a1 X

- a2 X

Dalam analisis regresi berganda, juga terdapat Koefisien Korelasi untuk mengetahui kuat atau
lemahnya hubungan variabel terikat dengan variabel bebas. Variabel bebas yang baik adalah
variabel bebas yang berhubungan erat dengan variabel terikatnya dan tidak berhubungan erat
dengan variabel bebas lainnya. Ada pun rumus untuk mengetahui Koefisien Korelasi dalam
analisis regresi berganda :
X1Y

R12 X 12 Y 2
R13 =

X2Y
X 2 2 Y 2

R23 =

X2 X 1
X 1 2 X 22

Koefisien korelasi parsial antara Y dan X1 bila X2 konstan

Rx1 =

R 12R 13 R 23
1R 13 2 1R 232

Koefisien korelasi parsial antara Y dan X2 bila X1 konstan

R 13R 12 R 23
Rx2= 1R 12 2 1R 23 2
Koefisien korelasi dihitung dari akar pangkat dari koefisien determinasi
R = R 2
Koefisien Determinasi dihitung dengan persamaan
(a 1 x 1 y +a 2 x 2 y)
2
R
y2
Simpangan total = simpangan terjelaskan +simpangan tidak terjelaskan

(Y- Y )2=(YR- Y )2 + (Y- Y R)2