MODUL PERKULIAHAN

PERAMALAN (FORECASTING)

Modul Standar untuk digunakan

dalam Perkuliahan di
Universitas Mercu Buana

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

06
Disini diisi Fakultas Program MK10230 Triwahyono SE.MM
penerbit Modul Studi

Abstract
Petunjuk Penggunaan Template
Modul Standar untuk digunakan
dalam modul perkuliahan
Universitas Mercu Buana
Kompetensi
Dosen Pengampu dapat menerapkan
dan menggunakan template modul
standar untuk modul-modul yang akan
dipergunakannya
Pendahuluan

2.1 PERAMALAN (FORECASTING)

Analisis terhadap data historis sering diperlukan pada saat melakukan analisis penjualan,
yakni untuk melihat kecenderungan (trend) yang mungkin muncul. Dari hasil yang diperoleh
dapat dianalisis apa yang terjadii dibalik trend-trend angka tersebut. Pada analisis Time
Series, perhatikan terhhadap data historis sering kali digunakan untuk melihat pola-pola
yang sistematik terhadap data tersebut.
Seballiknya dalam konteks analisis masa mendatang adalah melakukan analisis
peramalan (forecasting). Peramalan (forecasting) adalah perkiraan mengenai sesuatu yang
belum terjadi. Peramalan (forecasting) selalu bertujuan agar ramalan (forecast) yang
dihasilkan mampu meminimumkan pengaruh ketidakpastian yang dihadapi perusahaan.
Dengan kata lain peramalan (forecasting) bertujuan mendapatkan perkiraan yang dapat
meminimumkan kesalahan meramal (forecast error), yang biasanya diukur dengan mean
squared error, mean absolute error, dan sebagainya.

2.2 HUBUNGAN FORECAST DENGAN RENCANA

Forecast/ramalan bukan merupakan rencana. Forecast adalah ramalan tentang apa yang
akan terjadi pada waktu yang akan datang, sedangkan rencana merupakan penentuan apa
yang akan dilakukan pada waktu yang akan datang. Kegiatan Forecasting dapat diartikan
sebagai kegiatan meramalkan sesuatu yang bakal terjadi (belum dilaksanakan perusahaab).
Dengan demikian Forecast/ramalan harus dipandang sebagai salah satu masukan dalam
pembuatan rencana.
Sebagai contoh ramalan tentang permintaan konsumen terhadap suatu produk
adalah 125.000 unit pada tahun yang akan datang. Hal ini berarti bahwa pada tahun
tersebut konsumen akan membutuhkan produk sebanyak 125.000 unit. Kemudian
pertanyaan yang muncul adalah apakah perusahaan mampu melayani seluruh permintaan
tersebut ? Jika kapasitas maksimim perusahaan hanya bermuatan 100.000 unit. Dengan
demikian untuk membuat rencana penjualan, suatu perusahaan tidak hanya
mempertimbangkan Forecast permintaan konsumen, melainkan juga kapasitas, fasilitas,
elastisitas harga, dan sebagainya.
Forecast penjualan menjadi suatu alat yang penting, yang dapat mempengaruhi
manajer dalam membuat perencanaan penjualan. Manajemen perusahaan mungkin
menerima, memodifikasi atau menolak ramalan penjualan yang dihasilkan. Dalam rencana

‘16 Matematika Bisnis

2 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
penjualan, perusahaan memasukkan keputusan manajemen berdasar hasil ramalan,
masukan lain, dan kebijakan manajemen tentang hal-hal yang berkaitan ( contoh volume
penjualan, harga, usaha penjualan, produksi, dan biaya-biaya)
2.3 PENGARUH KEBENARAN ASUMSI
Untuk melakukan peramalan masa depan. Seorang analis penjualan harus berhati-hati
dalam memilih metode peramalan dan asumsi yang digunakan. Sebagai contoh pemakaian
trend garis lurus mengasumsikan adanya perkembangan penjualan yang relative konstan
untuk masa-masa yang kan datang. Faktanya dalam beberapa situasi, penjualan tumbuh
dengan sangat cepat pada awal-awal periode, kemudian pertumbuhannya melambat pada
periode berikutnya. Pemilihan metode peramalan yang akan digunakan sebagai proyeksi
masa mendatang akan sangat bergantung dari asumsi yang digunakan, apakah data akan
tumbuh secara linier atau tidak. Pendekatan linier mengasumsikan besarnya perubahan
bersifat konstan, sedangkan model parabola mengasumsikan besarnya perubahan yang
terjadi adalah tidak konstan.
Disamping itu, sebagai proyeksi teknis terhadap permintaan potensial untuk suatu
periode tertentu, analisis peramalan secara umum menggunakan beberapa asumsi. Asumsi
ini biasanya digunakan jika suatu faktor yang berpengaruh terhadap analisa atau peramalan
ini sulit diketahui dengan pasti. Sebagai contoh, pada tahun 2A10 jumlah penduduk suatu
Negara sebanyak 240 juta, sedangkan jumlah beras yang diperlukan setiap bulan adalah
sebanyak 2.400.000 ton. Maka dapat dibuat suatu asumsi bahwa kebutuhan beras setiap
orang adalah 10 kg per bulan. Dasar perhitungannya adalah 2.400.000 ton beras: 240 juta
orang = 10 kg per orang per bulan. Apabila pada tahun 2A11 perusahaan beras ingin
memproyrksi jumlah kebutuhan beras pada tahun tersebut, maka perhitungan yang dapat
dibuat adalah :
“Jika diketahui tingkat pertumbuhan jumlah penduduk per tahun adalah 2%, makan
jumlah penduduk di Negara tersebut adalah 102% x 240 juta = 244,8 juta jiwa. Sehingga
proyeksi jumlah kebutuhn beras tahun 2A11 adalah sebanyak 10kg x 244,8 juta jiwa = 2448
juta kg = 2.448.000 ton. (perhitungan ini diperoleh karena adanya asumsi bahwa kebutuhan
beras per orang per bulan sebanyak 10 kg)”
Asumsi mempunyai pengaruh terhadap ketetapan Forecast yang dibuat. Jika asumsi
yang dibuat tepat atau mendekati kenyataan, maka Forecast yang dihasilkan juga akan
mendekati kebenarn, sebaliknya jika asumsinya tdak tepat akan menyebabkan Forecast
yang dihasilkan akan mengalami penyimpangan.

2.4 PEMILIHAN METODE FORECASTING

‘16 Matematika Bisnis

3 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Ramalan (forecast) memiliki peran penting sebagai pedoman dalam pembuatan reencana.
Rencana kerja yang menggunakan forecast akan jauh lebih baik dibanding tanpa forecast
sama sekali. Bagaimana cara membuat ramalan (forecast) yang dapat mendekati
kenyataan? Cara yang bisa digunakan adalah dengan memilih metode forecasting yang
paling sesuai dengan permasalannya.
Terdapat banyak metode yang dapat digunakan untuk melakukan peramalan,
namum tidak seluruh metode sesuai untuk setiap masalah. Tidak ada suatu metode forecast
yang universal dan sesuai untuk semua masalah. Suatu metode mungkin sangat cocok
untuk membuat forecast mengenai sesuatu hal, namun belum tentu tepat untuk masalah
yang lain. Oleh karena itu harus dapat dilakukan pemilihan metode yang paling sesuai, yakni
metode yang dapat meminimumkan kesalahan forecasting.

Untuk memilih metode forecasting penjuala dipengaruhi berbagai factor berikut:

 Sifat produk yang dijual
 Metode distribusi yang dipakai (langsung – tak langsung)
 Besarnya perusahaan dibanding pessaing-pesaingnya
 Tingkat persiapan yang dihadapi
 Data historis yang tersedia
 Sifat permintaan produk yang bersangkutan

2.5 TEKNIK FORECASTING

Berbagai teknik digunakan perusahaan untuk meramalkan penerimaan dan volume
penjualan. Forecast penjualan dilakukan dengan memanfaatkan berbagai teknik forecasting,
mencakup pengukuran secara kuantitatif yakni dengan menggunakan metode statistic dan
matematik, dan pengukuran secara kualitatif yang biasanya menggunakan judgment
(pendapat).
Penggunaan metode statistic saja secara keseluruhan dipandang kurang lengkap
karena masih banyak masalah tidak dapat diukur secara kuantitatif seperti perkembangan
politik dan kebijakan pemerintah, struktur masyarakat, atau perubahan selera konsumen.
Sebaliknya penggunaan judgment saja juga dianggap masih kelemahannya. Hal ini
terutama karena penggunaan judgment terkadang bersifat subyektif dan sulit dipahami pihak
lain.
Dengan demikian forecasting menghendaki perpaduan antara analisa yang ilmiah
dilengkapi dengan pendapat pribadi perencana. Teknik statistic dipakai sebagai alat primer
bagi penyusunan forecast, sedangkan interpretasi dan judgment digunakan sebagai
pelengkap. Secara sistematik, teknik-teknik atau metode – metode forecast dikelompokkan
menjadi :

‘16 Matematika Bisnis

4 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
2.5.1Forecasting berdasar pendapat (judgment method)
Forecast penjualan membawa pengaruh yang besar dan bahkan bermanfaat untuk
menentukan keputusan dan kebijakan manajemen seperti :
 Kebijakan Perencanaan Produksi
 Kebijakan Persediaan Barang Jadi
 Kebijakan Pemakaian Mesin dan Peralatan
 Kebijakan tentang Investasi Aktiva Tetap
 Rencana Peembelian Bahan Mentah dan Penolong
 Rencana Aliran Kas
Forecast secara kualitatif sering digunakan untuk membuat ramalan penjualan maupun
ramalan kondisi bisnis secara umum. Sumber-sumber pendapat yang biasanya dipakai
sebagai dasar melakukan forecasting, adalah (1) Salesman, (2) Manajer area, (3) Konsultan
dan (4) Survei Konsumen.
Para salesman diminta untuk mengukur tentang kemajuan atau kemunduran yang
berkaitan dengan tingkat penjualan di wilayah pemasarannya masing-masing. Dengan
informasi yang dimiliki, mereka kemudian diminta untuk mengevaluasi tingkat penjualan di
wilayah pemasarannya masing-masing untuk masa yang akan datang. Namun perkiraan
salesman ini harus senantiasa dimonitor untuk menghindari perkiraan yang lebih rendah
(under estimate) karena kepentingan pribadi untuk memperoleh bonus jika penjualan yang
dihasilkan lebih tinggi dari perkiraan.
Perkiraan yang dibuat oleh para salesman perlu dibandingkan dengan perkiraan
kepala bagian penjualan. Perkiraan kepala bagian penjualan umumnya dipandang lebih
obyektif karena beberapa factor. Seorang kepala bagian dipandang memiliki pertimbangan
dan pandangan yang lebih luas meliputi seluruh wilayah pemasaran.
Untuk membuat perkiraan penjualan yang lebih lengkap, perusahaan dapat meminta
pihak luar yang ahli seperti seorang konsultan memberikan pertimbangan. Jika ketiga
pendapat dipandang masih kurang, perusahaan dapat melakukan penelitian langsung
terhadap konsumen.

2.5.2 Forecast dengan Perhitungan Secara Statistik

Perhitungan secara statistic didasarkan pada data obyektif baik yang bersifat mikro maupun
makro. Beberapa teknik perhitungan statistic dalam forecasting yang dibahas meliputi :
1. Analisis Trend
a. Trend Bebas
b. Trend Setengah Rata-rata
c. Trend Matematis (Moment & Least Square)

‘16 Matematika Bisnis

5 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 2. Analisis Growth
3. Analisis Regresi Korelasi
4. Analisis Dengan Teknik-teknik Khusus

2.5.2.1 ANALISIS TREND (KECENDERUNGAN)

Trend kerap disebut dengan Seculer Trend yang berarti rata-rata perubahan (biasanya tiap
tahun) dalam jangka panjang. Trend merupakan gerakan lamban berjangka panjang dan
cenderung menuju ke satu arah, meningkat atau menurun. Trend positif terjadi jika hal yang
diteliti menunjukkan segala kenaikan (trend yang dimiliki menunjukkan rata-rata
pertambahan). Trend negative terjadi jika hal yang diteliti menunjukkan gejala semakin
berkurang (trend yang dimiliki menunjukkan rata-rata penurunan).
Secara umum data-data penjualan mencerminkan 4 (empat) factor berikut:
(1) Trend
Trend merupakan pergerakan time series dalam jangka panjang, bisa berbentuk trend naik
atau menurun. Diperlukan jangka waktu yang relative panjang (15 atay 20 tahun) untuk
melihat pola trend tersebut. Trend tersebut bisa dipengaruhi oleh perubahan jumlah
penduduk, perubahan teknologi, dan semacamnya.
(2) Siklus
Siklus merupakan fluktuasi bisnis dalam jangka menengah (berkisae antara 2 sampai 10
tahun). Penyebab timbulnya fluktuasi siklus semacam ini sangat beragam, begitu juga lama
dan besarnya fluktuasi juga berbeda-beda antara satu perusahaan dengan perusahaab lain,
maupun industri ke industri lain.
(3) Musiman
Musiman merupakan fluktuasi yang terjaduu dakan lingkup satu tahun. Ada beberapa
penyebab timbulnya fluktuasi musiman, seperti (1) karena peristiwa tertentu (peristiwa
lebaran atau tahun baru), atau (2) karena cuaca (musim hujan dan kemarau)
(4) Ketidakteraturan
Fluktuasi semacam ini disebabkan factor-faktor yang munculnya tidak teratur, dalam jangka
waktu yang pendek. Sebagai contoh ketidakteraturan karena factor bencana alam, yang
berakibat volume panen yang dihasilkan tidak seperti biasanya.
Ada beberapa metode yang dapat digunakan untuk membuat garis trend, antara lain:
 Analisis Trend Bebas
 Analisis Trend Setengah Rata-rata
 Analisis Matematis

A. Trend Bebas

‘16 Matematika Bisnis

6 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Penerapan garis trend secara bebas dapat dikatakan sebagai suatu cara penerapan garis
trend tanpa menggunakan rumus matematika. Penggambaran secara langsung bisa
dilakukan dengan menarik garis lurus di sekitar data-data yang ada. Cara semacam ini
sangat praktis dan sederhana namun mempunyai kelemahan karena konsistensi cara
semacam ini sangat kurang. Dua orang dengan menggunakan data yang sama bisa
menghasilkan garis trend yang berlainan. Demikian pula seorang analis apabila
menggambar dua kali pada wkatu berbeda juga bisa menghasilkan garis trend yang
berlainan, meskipin data yang digunakan sama. Sehingga cara ini jarang digunakan.

B. Trend Setengah Rata-rata (Semi Avarage)

Dalam analisis ini unsur subyektifitas mulai dihapuskan karena teknik peramalannya sudah
menggunakan perhitungan-perhitungan. Formula yang digunakan adalah:
Y = a + b (X)
a = Rata-rata kelompok 1 (Ẋ1) atau kelompok 2 (Ẋ2), tergantung tahun dasar
b = (Rata-rata kelomok 2 – Rata-rata kelompok 1) / n
= (Ẋ2 - Ẋ1) / n
n = Jumlah tahun dihitung dari periode dasar (jarak periode antara Ẋ1 dan Ẋ2)
C. Analisis Trend Matematis
Dalam Trend Matematis ini terdapat 2 (dua) pendekatan yang dapat digunakan untuk
menggambarkan garis trend, yaitu:
(1) ANALISIS TREND MOMENT
Formula dasar yang dapat digunakan adalah:
Y = a + b (X)
Persamaan (i) : ∑Y = n.a + b.∑X
Persamaan (ii) : ∑y = a.∑X + b.∑X

Formula Y = a + b(X) merupakan persamaan garis trend yang akan digambarkan.

Persamaan (i) dan persamaan (ii) digunakan untuk menghitung nilai a dan b yang pada
akhirnya dijadikan sebagai sebagai dasar penerapan garis linier (garis trend)
(2) ANALISIS TREND LEAST SQUARE
Metode Trend Least Square pada dasarnya memiliki sumber formula yang sama dengan
metode matematis. Hal yang membedakan adalah bahwa metode Least Square
menggunakan asumsi ∑X = 0.
Formula yang digunakan:
Y = a + b (X)
a = ∑Y / n
b = ∑XY / ∑X2

‘16 Matematika Bisnis

7 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Keterangan :
Y = Variable Dependen
X = Variable Independen (periode)
a = Nilai Konstanta
b = Koefiesien Regresi
n = Jumlah Data (periode)

2.5.2.2 ANALISIS GROWTH

Untuk membuat forecasting dengan menggunakan analisis Growth (pertumbuhan)
mengacu pada formula sebagai berikut:

Formula = Pn = Po (1 + 1)n

Keterangan :
Pn = Volume Penjualan tahun ke-n
Po = Volume Penjualan tahun dasar
n = Periode atau tahun
I = Interest (tingkat pertumbuhan penjualan)

2.5.2.3 ANALISIS REGRESI KORELASI

Dalam analisis ini dikenal dua jenis variable yakni variable dependen (Y) dan variable
independen (X). Variable dependen adalah variable yang nilainya dipengaruhi (bergantung)
besar kecilnya variable lain (variable inddependen). Sedangkan variable independen adalah
variable bebas yang nilainya tidak diipengaruhi oleh variable lain.
Dalam analisis regresi, pengaruh linier antara nilai suatu variable dengan nilai variable lain
dinyatakan dengan persamaan sebagai berikut:
Y = f (X)
Yang berarti bahwa nilai variable dependen (Y) ditentukan oleh nilai variable independen
(X). Dengan fungsi linier, maka besar pengaruh sebenarnya dari variable independen
tehadap variable dependen dinyatakan dengan persamaan, sebagai berikut:
Y = a + b (X)
Dalam analisis regresi korelasi, maka formula regresi yang digunakan adalah:

‘16 Matematika Bisnis

8 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Yp = a + b (X)
Keterangan : a = Jumlah pasang observasi
B = koefisien regresi
Besarnya nilai a dan b dihitung dengan bantuan formula:
b = n.∑XY - ∑X.∑Y
n.∑X2 - ( ∑X )2
a = ( ∑Y - b. ∑X )
n
Kolerasi adalah hubungan antara satu variable dengan variable yang lain. Analisis ini
biasanya digunakan untuk melengkapi analisis Regresi. Sehingga analisis Kolerasi berguna
untuk menggali hubungan sebab akibat antara beberapa variable. Sebagai gambaran,
perubahan tingkat penjualan tidak hanya ditentukan oleh pola penjualan yang telah terjadi,
melainkan juga dipengaruhi oleh factor-faktor lain.
Contoh permintaan akan produk susu (kaleng)ditentukan oleh factor-faktor seperti
jumlah penduduk, jumlah kelahiran bayi atau factor lain.
Sehingga peramalan menggunakan metode Trend dapat dibenarkan jika prosuk
yang dijual tidak dipengaruhi (tergantung) variable lain. Jika produk tersebut dapat dijual
karena ada pengaruh variable lain maka anallisis yang tepat adalah menggunakan Analisis
Regresi Kolreasi.
Kolerasi dinyatakan dengan antara angka -1 s/d 1, dengan symbol r, yang berarti
bahwa besarnya nilai r berada diantara -1 s/d 1. Semakin nilai r ini mendekati -1 atau 1
maka berarti semakin kuat hubungan antara kedua variable tersebut.
Kriteria nilai:
 r = -1, terdapat hubungan negative sempurna (hubungan antara
dua variable kuat dan arah hubungan berkebalikan)
 r = +1, terdapar hubungan positif sempurna (hubungan antara
dua variable kuat dan searah)
 r = 0, tidak terdapat hubungan sama sekali
Untuk mencari koefisien kolerasi dapat digunakan rumus sebagai berikut:

2.5.2.4 FORCAST DENGAN TEKNIK KHUSUS

a. ANALISIS INDUSTRISalah satu cara yang dapat digunakan untuk
membuat forcast adalah melalui Analisis Industri. Dalam metode ini

‘16 Matematika Bisnis

9 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 peramalan dilakukan dengan menghubungan potensi penjualan
perusahaan dengan permintaan industry secara umum, baik dalam
hal volume penjualan maupun posisi persaingan besnis.
Analisis ini berfokus pada kegiatan memperkirakan market share yang dimiliki perusahaan.
Semakin besar market share yang dimiliki, menunjukkan posisi persaingan perusahaan
yang lebih kuat dibandung perusahaan lain. Demikian pula sebaliknya, market share yang
kecil mencerminkan posisi perusahaan yang lemah dibanding perusahaan pesaing.
Untuk menghitung besarnya market share digunakann formula berikut:

Market Share = Penjualan Perusahaan x 100%

Penjualan Industri

Analisis industry ini meliputi:

1. Menentukan proyeksi Demand Industri untuk mengetahui prospek
perkembangan industry dimasa mendatang.
2. Menilai posisi perusahaan dalam industry sejenis, yang terukur
dengan besarnya Market Share yang diperoleh perusahaan.
3. Proyeksi posisi perusahaan di masa mendatang, melalui
perhitungan Expected Market Share.
b. ANALISIS LINI PRODUK (PRODUCT LINE)
Analisis Lini Produk (Product Line) digunakan pada perusahaan-perusahaan yang
menghasilkan lebih dari satu macam produk. Masing-masing macam produk tersebut tidak
dapat diambiil kesamaannya dan harus dibuat forecast secara terpisah.
c. ANALISIS PENGGUNAAN AKHIR
Analisis ini digunakan pada perusahaan-perusahaan yang memproduksi barang-barang
tidak langsung dapat dikonsumsi, melainkan masih memerlukan proses lebih lanjur untuk
menjadi produk akhir. Permintaan akan produk ini dipengaruhi secara langsung oleh produk
akhir yang berasal dari produk tersebut atau produk akhir yang menggunakannya.

Daftar Pustaka

‘16 Matematika Bisnis

10 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 • Dumairy, 2006, Edisi Revisi. Matematika Bisnis dan Ekonomi, Penenerbit, BPFE
UGM, Yogyakarta

‘16 Matematika Bisnis

11 Dosen Pengampu
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id