MAKALAH PENGANGGARAN PERUSAHAAN

‘PERAMALAN PENJUALAN’

Disusun Oleh :
Kelompok 1 :
Yuliana cintya jinus 2018210090
Imanuel I musila 2016210508
Yvone dewianti amalia salim 2018210086
Raka rizky nur ilyas syah 2017210350

SEKOLAH TINGGI ILMU EKONOMI PERBANAS

SURABAYA
2020
1.1 Latar Belakang

BAB I PENDAHULUAN

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).

Peramalan memiliki estimasi nilai atau karakteristik masa depan yaitu prediksi (prediction),
peramalan (forecast), dan kecenderungan (trend). Peramalan bersifat tidak pasti (uncertain),
permintaan tidak pasti karena ada beberapa factor yaitu karena adanya kompetisi, perilaku
konsumen, siklus bisnis, upaya penjualan, siklus hidup produk, variasi random, dan lain-lain.

Pada dasarnya pendekatan peramalan dapat diklasifikassikan menjadi dua pendekatan, yaitu
pendekatan kualitatif dan pendekatan kuantitaif (Makridakis, et.al., 1995).

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, maka penulis merumuskan permasalahan yang ada sebagai
berikut:

1. Apa yang di maksud peramalan (forecasting)?

2. Apa saja jenis dari peramalan (forecasting)?
3. Metode apa saja di peramalan (forecasting)?

1.3 Tujuan dan Manfaat a. Tujuan

1. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa lalu, serta melihat
sejauh mana pengaruh di masa datang.
2. Peramalan diperlukan karena adanya time lag atau delay antara saat suatu kebijakan
perusahaan ditetapkan dengan saat implementasi.
3. Peramalan merupakan dasar penyusunan bisnis pada suatu perusahaan sehingga dapat

meningkatkan efektivitas suatu rencana bisnis.

b. Manfaat

Forcasting terlihat pada saat pengambilan keputusann. Keputusan yang baik adalah keputusan
yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu
dilaksanakan (Ginting, 2007).

BAB II PEMBAHASAN

2.1 Pengertian Peramalan (Forecasting)

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).
2.2

Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang
akurat.Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang
diperoleh semaksimal mungkin.

Jenis-jenis Forecasting

Menurut Render dan Heizer (2004) pada jenis peramalan dapat dibedakan menjadi beberapa
tipe. Dilihat dari perencanaan operasi di masa depan, maka peramalan dibagi menjadi 3
macam yaitu:
a. Peramalan ekonomi (economic forecasting) menjelaskan siklus bisnis dengan memprediksi
tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan dan
indicator perencanaan lainnya.Peramalan teknologi (technological forecasting)
memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang
menarik, yang membutuhkan pabrik dan peralatan baru. Peramalan permintaan (demand
forecasting) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan.
Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang
dicakupnya.

Menurut Taylor (2004) dalam hubungannya dengan horizon waktu peramalan terbagi atas
beberapa kategori, yaitu:

1. Ramalan jangka pendek (short-range forecasting) mencakup masa depan yang dekat
(immediate future) dan memperhatikan kegiatan harian suatu perusahaan bisnis,
seperti permintaan harian atau kebutuhan sumber daya harian.
2. Ramalan jangka menengah (medium-range forecasting) mencakup jangka waktu satu
atau dua bulan sampai satu tahun. Ramalan jangka waktu ini umumnya lebih
berkaitan dengan rencana produksi tahunan dan akan mencerminkan hal-hal seperti
puncak dan lembah dalam suatu permintaan dan kebutuhan untuk menjamin adanya
tambahan untuk sumber daya untuk tahun berikutnya.
3. Ramalan jangka Panjang (long-range forecasting) mencakup periode yang lebih lama
dari satu atau dua tahun. Ramalan ini berkaitan dengan usaha manajemen untuk
merencanakan produk baru untuk pasar yang berubah, membangun fasilitas baru, atau
menjamin adanya pembiayaan jangka panjang.

2.3 Metode Peramalan

Untuk melakukan peramalan diperlukan perhitungan yang akurat sehingga diperlukaan

peramalan yang tepat. Pada dasarnya terdapat dua pendekatan umum untuk mengatasi semua
model keputusan meramal. Berikut gambar taksonomi peramalannya.
a. Model Kualitatif

Gambar 2.1 Taksonomi Peramalan

Model kualitatif berupaya memasukkan faktor-faktor subyektif dalam model peramalan,

model ini akan sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh. Contoh
dari metode ini ialah metode delphi, opini juri eksekutif, komposit kekuatan dan survey pasar
konsumen. Di dalam pendekatan kualitatif ada Teknik delphi.

1. Teknik Delphi
Teknik delphi adalah metode yang banyak digunakan dan diterima untuk mengumpulkan
data dari responden dalam domain penelitian. Teknik ini dirancang sebagai proses
komunikasi kelomok yang bertujuan untuk mencapai konvergensi pendapat tentang isu-isu
nyata. Teknik ini telah digunakan di berbagai bidang studi seperti perencanaan program,
penilian assessment, penetuan kebijakan, dan pemanfaatan sumber daya untuk
mengembangkan berbagai alternatif, menjelajahi atau mengekspos yang mendasari asumsi,
serta berkorelasi penilaian pada suatu topik yang mencakup berbagai disiplin ilmu. Teknik
Delphi cocok sebagai metode untuk pembangunan konsensus dengan menggunakan
serangkaian kuesioner dikirimkan menggunakan beberapa iterasi untuk mengumpulkan data
panel dari subyek yang dipilih.

Pada tahun 1950 teknik delphi dikembangkan oleh Dalkey dan Helmer di Rand Corporation.
Metode ini digunakan secara luas dan diterima untuk mencapai konvergensi pendapat tentang
pengetahuan dunia nyata yang diminta dari para ahli dalam bidang topik tertentu. Teknik
delphi digambarkan sebagai metode untuk penataan proses komunikasi antar kelompok agar
proses ini efektif yang memungkinkan sekolompok individu, Teknik delphi merupakan salah
satu metode dari peramalan.
Salah satu tujuan dari Teknik delphi ini untuk mengembangkan berbagai alternatif program
yang mungkin, mengekspos asumsi yang mendasari informasi yang mengarah ke penilaian
berbeda. Ada beberapa langkah dalam melakukan Teknik ini salah satunya Dermawan
(2004), menurutnya para pembuat keputusan harus melalui proses delphi dengan identifikasi
isu masalah pokok yang hendak diselesaikan, kemudian kuesioner dibuat kemudian kuesioner
dikirim ke para ahli yang ada di dalam organisasi maupun diluar organisasi untuk mengetahui
permasalahan yang dihadapi, kemudian para ahli akan mengisi kuesioner tersebut dan
memberikan solusi penyelesaian masalah, dalam hal ini akan di buat sebuah tim khusus untuk
merangkum hasil dari kuesioner dan menelaah ulang hasil rangkuman kemudian pada proses
terakhir para pembuat keputusan dapat mencapai kesepakatan untuk menentukan satu
alternatif solusi atau tindakan yang terbaik. Berikut ini kelebihan dan kekurangan dari Teknik
delphi:
Kelebihan metode delphi:

1. a)  Hasil yang didapat berdasarkan para ahli

2. b)  Opini yang diungkapkan dari para ahli luas, karena masing-masing para ahli
memiliki pendapat.

Kekurangan metode delphi:

1. a)  Biaya yang dikeluarkan lebih besar

2. b)  Hasilyangdidapatberdasarkanasumsi
3. c)  Akan memakan waktu lama
4. d)  Hasiltidakberjalansesuaiprediksi

b. Model Kualitatif

Model kuantitatif yaitu peramalan yang menggunakan satu atau lebih model matematis
dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Pada
dasarnya model kualitatif dibedakan menjadi dua yaitu berdasarkan seri waktu (time series)
dan kausal (causal metods).

Model kausal Model kausal memasukkan dan menguji variabel-variabel yang diduga akan
mempengaruhi variabel dependen, model ini biasanya menggunakan analisis regresi untuk
menentukan mana variabel yang signifikan mempengaruhi variable dependen. Selain
menggunakan analisis regresi, model kausal juga dapat menggunakan metode ARIMA atau
Box-Jenkins untuk mencari model terbaik yang dapat digunakan dalam peramalan.

Model Time series merupakan model yang digunakan untuk memprediksi masa depan
dengan menggunakan data historis. Dengan kata lain, model time series mencoba melihat apa
yang terjadi pada suatu kurun waktu tertentu dan menggunakan data masa lalu untuk
memprediksi. Contoh dari model time series ini antara lain Moving Average, Exponensial
Smoothing, dan rata-rata.

1. Metode Moving Average

Bermanfaat jika mengasumsikan bahwa permintaan pasar tetap stabil sepanjang waktu.
Dalam metode moving average ini dibag menjadi dua metode yaitu:
a) Single moving average
Pada metode ini digunakan untuk melakukan peramalan hal-hal yang bersifat random yang
artinya tidak ada trend naik maupun turun, musiman dan sebagainya, namun sulit untuk
mengetahui polanya. Metode ini mempunyai dua sifat khusus yaitu membuat peramal
memerlukan data histories selama jangka waktu tertentu, semakin Panjang waktu moving
average akan menghasilkan moving average yang semakin halus.

b) Weightmovingaverage
Pada metode ini apabila ada trend terdeteksi maka bobot dapat digunakan untuk
menempatkan penekanan yang lebih pada nilai terkini. Pada metode ini membuat Teknik
peramalan lebih tanggap perubahan karena periode yang lebih dekat mendapat bobotyang
lebih berat.

2. Metode Exponential Smoothing

Metode Exponential Smoothing (Makridakis, 1999) merupakan prosedur perbaikan terus-
menerus pada peramalan terhadap objek pengamatan terbaru. Metode peramalan ini menitik-
beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan yang lebih
tua. Dalam pemulusan eksponensial atau exponential smoothing terdapat satu atau lebih
parameterpemulusanyang ditentukan secara eksplisit, dan hasil ini menentukan bobot yang
dikenakan pada nilai observasi. Dengan kata lain, observasi terbaru akan diberikan prioritas
lebih tinggi bagi peramalan daripada observasi yang lebih lama. Metode exponential
smoothing dibagi lagi berdasarkan menjadi beberapa metode.

a) Single exponential smoothing

Juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan jangka
pendek, biasanya hanya 1 bulan ke depan. Model mengasumsikan bahwa data berfluktuasi di
sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. (Makridakis,
1999). Rumus untuk Simple exponential smoothing adalah sebagai berikut:

Ft+1 = α * Xt + (1 – α) * Ft (1)

Dimana:
Ft = peramalan pada periode t
Xt + (1- α) = nilai actual time series Ft + 1 = peramalan pada waktu t + 1 Α = konstanta
perataan antara 0 dan 1

b) Double exponential smoothing

Metode ini digunakan ketika data menunjukkan adanya trend. Exponential smoothing dengan
adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate
setiap periode – level dan trendnya. Level adalah estimasi yang dimuluskan dari nilai data
pada akhir masingmasing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan
rata-rata pada akhir masing-masing periode. (Makridakis, 1999).

St = α * Yt + (1 – α) * (St - 1 + bt - 1) (2) bt = γ * (St – St - 1) + (1 – γ) * bt – 1 (3) Ft + m =

St + bt m (4)

Dimana:
St = peramalan untuk periode t
Yt + (1- α) = nilai actual time series
Bt = trend pada peroide -t
A = parameter pertama perataan antara 0 dan 1 = untuk pemulasan nilai observasi

Γ = parameter kedua, untuk pemulasan trend

Ft + m = hasil peramalan ke – m
M = julah periode ke muka yang akan diramalkan

c) Triple exponential smoothing

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku musiman
(Makridakis, 1999). Untuk menangani musiman, telah dikembangkan parameter persamaan
ketiga yang disebut metode “HoltWinters” sesuai dengan nama penemuya. Terdapat dua
model Holt-Winters tergantung pada tipe musimannya yaitu Multiplicative seasonal model
dan Additive seasonal model yang akan dibahas pada bagian lain dari blog ini. Metode
exponentian smoothing yang telah dibahas sebelumnya dapat digunakan untuk hampir segala
jenis data stasioner atau non – stasioner sepanjang data tersebut tidak mengandung faktor
musiman. Tetapi bilamana terdapat musiman, metode ini dijadikan cara untuk meramalkan
data yang mengandung faktor musiman, namun metode ini sendiri tidak dapat mengatasi
masalah tersebut dengan baik. Meskipun demikian, metode ini dapat menangani factor
musiman secara langsung. (Makridakis, 1999). Rumus yang digunakan untuk triple
exponential smoothing adalah:

Pemulusan trend: Bt =g (St – St-1) + (1 - g ) bt-1 (5) Pemulusan Musiman: I = b t X t S + (1-

b) t -L +m (6) Ramalan: Ft + m = (St + bt m)It – L + m (7)

Dimana L adalah panjang musiman (misal, jumlah kuartal dalam suatu tahun), b adalah
komponen trend, I adalah factor penyesuaian musiman, dan Ft + m adalah ramalan untuk m
periode ke muka.

3.1 Kesimpulan

BAB III PENUTUP

Peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa yang akan
datang. Yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa (Nasution, 1999).

Didalam peramalan ada 2 pendekatan yaitu model kualitatif dan model kuantitatif. Model
kualitatif adalah memasukkan faktor-faktor subyektif dalam model peramalan, model ini
akan sangat bermanfaat jika data kuantitatif yang akurat sulit diperoleh, didalam model
kualtatif terdapat metode delphi.

Sedangkan model kuantitaif peramalan yang menggunakan satu atau lebih model matematis
dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Didalam
model kuantitaif terdapat dua metode yaitu time series dan kausal.

3.2 Saran
Pada penulisan ini terdapat kekurangan. Penulis berharap pembaca dapat memberikan
masukan untuk makalah ini agar lebih baik lagi.

DAFTAR PUSTAKA

Lussier, Jacques. Portofolio Structuring and The Value of Forecasting. ISBN 978-1944960-
09-4

Rahaja, Alda. Angraeni, Wiwik. Aulia Vinarti, Retno. Penerapan Metode Exponensial
Smoothing untuk Peramalan Penggunaan Waktu Telepon di PT. Telkomsel Divre3 Surabaya
(Diakses, 16 Februari 2019)

Pakaja, Fachrudin. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan
Certain Factor (Diakses, 16 Februari 2019)

Vivi Putri, Meylia. https://classroom.google.com/c/MjgwODA3ODk3NzRa Konsep Dasar

Peramalan (Diakses, 16 Februari 2019)

Widya Utami, Novia. Mengenal Forecasting, Manfaat, Fungsi, dan Jenisnya untuk
Kesuksesan Bisnis Anda. https://www.jurnal.id/id/blog/2018-forecasting-pengertian-manfaat-
fungsi dan-jenisnya-bagi-kesuksesan-bisnis/ (Diakses, 16 Februari 2019)

Pasaribu, Mangihot. Pengertian dan Jenis-jenis Peramalan (Forecasting). 01 Maret 2017.

http://mangihot.blogspot.com/2017/03/pengertian-dan-jenis-jenis-peramalan.html