“PROYEKSI BISNIS”
OLEH:
HUSNA (A021181009)
DEPARTEMEN MANAJEMEN
UNIVERSITAS HASANUDDIN
2020
A. Pengertian dan Fungsi Proyeksi Bisnis
Ketika kita mendengar kata peramalan, kita seolah-olah sedang berada pada masa
sekarang sementara apa yang kita ramalkan berada pada masa yang akan datang.
Seringkali peramalan juga diasosiasikan dengan paranormal, dukun, ahli nujum atau
aneka sebutan lainnya. Asosiasi di atas pada asumsi salah, namun dalam buku ini yang
dimaksud dengan peramalan adalah pengidenfikasi keadaan yang akan datang dengan
menggunakan langkah-langkah ilmiah. Dengan demikian teknik meramal yang
digunakan oleh Prabu Jayabaya, Mbah Marijan, atau pun Ki Joko Bodo tidak akan
dibahas dalam buku ini. Untuk mengurangi pembaca ke pembaca hal-hal di atas maka di
dalam buku ini istilah ramalan diganti dengan istilah proyeksi.
Proyeksi bisnis perlu disusun untuk menghadapi keadaan masa yang akan datang
yang penuh ketidakpastian. Kondisı yang akan datang dapat berartidetelah, kondisi
besok, kondisi lusa, kondisi minggu depan. kondisi bulan depan, kondisi tahun depan
atau kondisi abad yang akan datang.
Teknik proyeksi pada kenyataan adalah sebuah teknik yang digunakan untuk
memperoleh gambaran (informası) atas masa yang akan datang berdasarkan pengalaman
masa lalu baik kuantitatif maupun kualitatif dengan menggunakan metode ilmiah.
Proyeksi Penjualan
Proyeksi KebutuhanModal
Proyeksi Laba
Gambar 1.2: Keterkaitan Antara Proyeksi Penjualan dengan Proyeksi yang Lain dalam
Sebuah Perusahaan
Dalam kenyataan proyeksi bisTis diperiukan oleh banyak pihui untuk kepentingan
masing-masing. Pihak-pihak yang membutuhkan proyeksi bisnis di antaranya adalah sebagar
berikut
a. Manajer Perusahaan
Seorang manajer proyeksi proyeksi bisms untuk bangkan bisnisnya Keberhasilan sebuah
perusahaan sangat tergan tung pada kemampuan manajer dalam memproyeksikan kondisı
yang akan datang dan juga menyusun strategi vang tepat dalam kondisi yang akan datang
itu
Seorang investor proyeksi hisnis untuk mengetahun apakah modal yang ditanamkan akan
kembalı sesuai dengan renn yang diharapkan alau lidak Seorang investor yang tidak
mampu menproyeksikan kondisı hisnis yang akan datang dengan tepat akan dapat
mengalami kerugian .
c. Kreditor
Membutuhkan hasıl proyeksi bismis sebuah perusahaan untuk melihat apakah kredit yang
diberikan akan dapat kembali tepat waktu sesuai dengan ingkat bunga yang dis atau
setuju tidak Di dalam memberikan kredit kepada perusahaan di mana kondisi usaha
dalam keadaan tidak pasti yang tinggi maka kreditor akan menctapkan tingkat bunga
yang tinggi untuk menutup risika yang harus ditanggung. Bahkan mungkin kreditor tidak
akan bersedia memberikan pinjamannya.
d. Karyawan
Proyeksi bisnis banyak sekali jenisnya dan dapat dilihat dari berbagai sudut
pandang. Untuk memudahkan pemahaman proycksi bisnis, penulis membagi berbagai
jenis proyeksi bisnis dari berbagai sudut pandang.
Bila dilihat dari jangka waktunya, proyeksi bisnis dapat dikelompok- kan menjadi
tiga, yaitu
Yaitu proyeksi bisnis yang hanya digunakan untuk memprediksi keadaan masa yang
akan datang dalam jangka waktu kurang dari satu tahun. Proyeksi jangka pendek ini
biasanya digunakan untuk proyeksi-proyeksi yang bersifat teknis operasional yang
biasanya dilakukan oleh lower manajer.
Yaitu proyeksi bisnis yang hanya digunakan untuk memprediksi keadaan masa yang
akan datang dalam jangka waktu antara satu sampai dengan tiga tahun. Proyeksı
jangka menengah ini biasanya digunakan untuk membuat proyeksi yang bersifat
administratif yang biasanya dilakukan oleh manajer menengah.
a. Proyeksi Intern
Yaitu proyeksi bisms yang dilakukan oleh pihak-pihak yang ada di dalam
perusahaan untuk kepentingan perusahaan itu sendiri. Contoh. perusahaan sepatu
merek Lobox membuat proyeksi penjualan dengan tujuan untuk menyusun
anggaran yang dibutuhkan untuk tahun tersebut.
b. Proyeksi Ekstem
Yaitu proyeksi hisnis yang dilakukan oleh pihak-pihak yang berada di luar
perusahaan untuk kepentingan pihak di luar perusahaan vang diproyeksikan.
Contoh, sebuah bank melakukan proyeksi penjualan sepatu merek Lobox
berdasarkan hasil proyeksi itu kemudian dilakukan analisis untuk menentukan
besaran kredit yang akan diberikan kepada sepatu itu.
Di samping berdasarkan jangka waktu dan pihak yang melakukan, proveksi bisnis
juga sering dikelompokkan berdasarkan sifat atau jenis data yang digunakan, yang dapat
dikelompokkan menjadi tiga, yaitu:
Metode dekomposisi.
Metode rekomendasi.
b. Proyeksi Kualitatif
Metode delphi,
c. Proyeksi Campuran
Proyeksi campuran adalah metode proyeksi yang tidak hanya didasarkan pada
data kuantitatif atau data kualitif saja, tetapi menggunakan sumber daya untuk
mempertajam analisis, Metode proyeksi campuran digunakan untuk mengurangi
kelemahan-kelemahan yang ada pada mctode proyeksi kuantitatif dan kelemahan-
kelemahan yang ada pada Metode proyeksi kualitatif, di mana kelemahan asumsi
kuantitatif adalah kaku tetapi objektif kelemahan metode kualitatif adalah lebih
luwes tetapi kurang objektif.
Data merupakan kata benda yang menunjukkan jamak atau lebih dari satu.
Bentuk tunggalnya adalah datum Misal, jumlah mahasiswa di kelas inı 50 orang Itu
berarti kita dapat melihat bahwa jumlah mahasiswa di kelas ini adalah 50 orang. bukan
49 orang atau 51 orang. Bunga mawar merah muda. Itu berarti kita dapat melihat atau
menganggap bahwa bunga berwarna merah. bukan hijau atau kuning. Data yang
diperoleh bisa juga salah. Hal Itu sungat tergantung pada ketelitian dan teknik
pengambilan data.
a. Data kuantitatif
Data kuantitatif adalah data yang disajikan dalam bentuk angka. Misalnya
penjualan meningkat sebesar 10 persen per tahun. Hasil produksi gabah tahun ini
1.200 ton. Jumlah ayam yang terserang flu burung sebanyak 14.000 ekor. Jarak
Purwokerto ke Kali- mendong 72 kılometer. Kecepatan mobil Adında Mikola
185 Km Jam.
b. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam penyataan / kalimat dan tidak
dalam bentuk angka. Misalnya, peningkatan penjualan tinggi. Hasil produksi
gabah rendah. Jumlah ayam yang terserang flu burung banyak. Jarak Purwokerto
ke Kalımendong dekat. Kecepatan mobil Adinda Mikola sangat cepat.
2. Data menurut skala pengukurannya:
a. Data Nominal
Data nominal adalah data yang hanya digunakan untuk memberikan nama, atau
memberikan kategori saja. Sifat kategori adalah saling meniadakan atau saling
eksklusif. Artinya, jika suatu indikator sudah masuk dalam satu kategori maka
tidak mungkin masuk ke dalam kategori lain.
Contoh:
Laki-laki : Skor 1
Perempuan : Skor 2
Skor 2 pada kategori perempuan bukan berarti lebih banyak atau lebih tinggi
tingkatannya tingkatan skor I pada laki-laki. Jika sescorang sudah masuk dalam
kategori 2 (perempuan) maka tidak mungkin orang tersebut masuk dalam kategori
1 (laki-laki).
b. Data Ordinal
Data ordinal adalah data yang sudah dapat digunakan untuk menunjukkan
peringkat antar tingkatan, tetapi jarak antar peringkat atau tingkatan belum jelas.
Contoh: Berilah urutan rangking "mie ayam" di Purwokerto yang masakannya
paling enak !:
c. Data Interval
Data Interval adalah data yang sudah dapat digunakan untuk menunjukkan
peringkat antar tingkatan dan jarak antar tingkatan sudah jelas. teiapı dalam
skala ini belum memiliki nilai nol yang mutlak. Nilar nol mutlak berartu bahwa
nilat 0 menunjukkan keadaan benar-benar tidak ada atau kosong.
d. Rasio Data
Rasio data adalah data yang sudah digunakan untuk menentukan peringkat antar
tingkatan, Jarak antar tingkatan sudah pasti dan sudah memiliki nilai nol yang
mutlak. Oleh karena itu data dengan skala ini sudah dapat digunakan untuk
mengukur kategori, peringkat, jarak dan perbandingan.
a. Data Intern
Data intern adalah data yang dikumpulkan dari dalam organisası / perusahaan itu
sendiri. Misalnya, perusahaan celana merek CINGKLANK mengumpulkan data
penjualan, biaya produksi, karyawan, dan produk rusak. Karena data terscbut
diperoleh dari perusahaan itu sendiri maka data tersebut disebut dengan data
intern.
b. Data Ekstern
Data eksterm adalah data yang dikumpulkan dari luar organisasi itu sendiri.
Misalnya. perusahaan merek CINGKLANK mengumpulkan data para pesaing
untuk mengukur pangsa pasar, pendapatan masyarakat, dan selera pasar. Karena
data tersebut diperoleh dari luar perusahaan maka data tersebut disebut dengan
data eksternal.
a. Data Primer
Data yang dikumpulkan sendiri oleh peneliti secara langsung dari sumber
pertama. Contoh: Kita akan membuat proyeksi bisnis untuk memproyeksikan
selera konsumen roti merek Ngeneh di tahun yang akan menggunakan metode
regresi berganda. Selera konsumen sebagai variabel tergantung sedangkan rasa
dan kemasan sebagai variabel bebas. Selama ini belum ada pihak yang
mengumpulkan data tentang selera roti merek Ngench serta data tentang persepsi
rasa dan kemasan roti merek Ngeneh tersebut. Oleh karena itu pembuat proyeksi
harus mengumpulkan data secara langsung dari sumber pertama (primer).
Kelebihan dari primer data adalah bahwa data yang dihasilkan akan sesuai dengan
apa yang dibutuhkan oleh pembuat proyeksi. Kelemahannya, untuk mendapatkan
data primer relatif sulit dan memerlukan biaya yang relatif lebih besar dibanding
biaya untuk mendapatkan data sekunder.
b. Data Sekunder
Data sekunder adalah data yang diterbitkan atau digunakan organisasi olel yang
bukan pengolahnya Contoh: Misalnya kita akan memproyeksikan besarnya
permintaan produk yang akan dibutuhkan Banyumas mendatang dengan
menggunakan metode regresı berganda sebagai mana permintaan produk sebagai
variabel tergantung sedangkan pendapatan masyarakat Banyumas variabel bebas
1 ' ntuk kepenting- an proyeksi bisnis mi kita ndak periu menghitung atau
melakukan survai untuk melihat masyarakat di Banyumas darı tahun ke tahun.
Kita cukup mengambil data sekunder di BPS Banyumas.
Data time series adalah data yang dikumpulkan dari waktu ke waktu atas satu
objek dengan tujuan untuk menggambarkan keadaan.
Pembuat proyeksi ingin melihat keterkaitan antara biaya promosi dengan volume
penjualan jamu di Cilacap dengan pendekatan rangkaian waktu. Tabel 1.3:
Contoh Data Time Series.
a. Data Stasioner
Data stasioner adalah data runtut waktu yang memiliki nilai rata-rata relatif tetap
sepanjang waktu. Keadaan ini disebabkan karena faktor-faktor yang
mempengaruhi variabel tersebut tidak mengalami perubahan sehingga tidak
berdampak pada variabel tersebut
b. Data Tren
Data tren merupakan data yang dalam periode proyeksi menunjukkan adanya pola
pertumbuhan atau penurunan. Jika dalam periode proyeksi data menunjukkan
pola pertumbuhan maka pola data tersebut dikatakan memiliki tren positif.
Malah, jika dalam periode proyeksi data menunjuk- kan penurunan maka pola
data tersebut dikatakan memiliki tren negatif.
Bulan Penjualan
1 20
2 25
3 28
4 43
5 45
6 54
7 60
8 62
9 64
10 75
11 78
12 84
c. Data Musiman
Merupakan data runtut waktu yang memilikı pola perubahan yang berulang secara
tahunan. Artinya, jika dalam bulan Agustus penjualan mengalami peningkatan
maka pada bulan Agustus tahun kemarın dan tahun yang datang juga akan
mengalami hal yang sama.
d. Data Siklus
Data cycle merupakan data runtut waktu yang memiliki fluktuasi di sekitar garis
tren. Jika data memiliki pola siklus maka akan terjadi keadaan yang berulang
dalam periode siklus, misalnya setiap dua tahunan, tiga tahunan, empat tahunan,
lima tahunan, dan seterusnya.
e. Akurat
Data yang akurat adalah data yang tepat sesuai yang terjadi di lapangan. Data
obyektif bila ada pertanyaan antara data yang ada di lapangan dengan data yang
dilaporkan, Data yang tidak akurat akan menghasilkan proyeksi yang tidak akurat.
Data kepentingan berita tidak akurat atau tidak objektif rena kepentingan-
kepentingan dari pihak yang memberikan data.
Oleh sebab itu pihak yang membuat proyeksi bisnis sebaiknya melakukan uji
validitas terhadap data yang masuk sebelum dilakukan analisis proycksi. Uji
validitas dapat dilakukan dengan membandingkan data yang diperoleh dari satu
sumber dengan data dari sumber lain.
Data yang dikumpulkan harus sesuai dengan kebutuhan proyeksi. Kita dapat
mengetahui faktor-faktor penyebab penurunan penjualan dengan mengumpulkan
data selera masyarakat, pendapatan masyarakat, kualitas produk dan pesaing data.
Data yang tidak terkait langsung maupun tidak langsung dengan penurunan
penjualan sebagai data yang tidak relevan.
g. Data harus representatif
Data harus representatif berarti data yang dikumpulkan itu dapat menggambarkan
populasi yang ada. Data representatif atau tidaknya sangat tergantung pada
jumlah dan teknik pengambilan sampel. Informasi yang diperoleh dari data yang
reperesentatif memiliki tingkat generalisasi yang tinggi.
Misalnya:
Data yang up to date adalah data yang mampu menggambarkan kondisı yang
terakhir Data yang dapat menggambarkan kondisı terakhir akan menghasilkan
proycksi yang lebih dapat dipercaya untuk meyakini data yang lebih lampau.
b. Membuat desain bisnis proyeksi desain bisnis baru yang digunakan untuk penyusunan
proyeksi lebih lanjut. Dalam desain proyeksi diidentifikası beberapa permasalahan
tentang:
Berapa biaya dan tenaga yang diperlukan untuk pengum- pulan data?
Perangkat lunak apa yang akan digunakan untuk analisis proyeksi bisnis itu?
Teori apa yang diperlukan untuk mendukung model proyeksi yang akan
dibentuk?
c. Mengumpulkan data
Setelah data dikumpulkan melalur berbagai metode dan dari berbagai sumber,
langkah berikutnya adalah menyeleksi dan melengkapi karakterıstık data. Dalam
menyelekst data kita memilih data yang layak sebagai bahan penyusunan penyusunan
bisnis. Data yang tidak lengkap atau yang tidak kita perbaikı dengan melakukan
konfirmasi ulang. Namun jika sudah tidak memungkinkan maka data itu harus kita
keluarkan dan tidak diikutkan dalam analisis. Dalam mengevaluası situasi data, kita
melihat pola karena data akan menentukan metode proyeksi yang akan digunakan.
Setelah data yang layak diseleksi, dengan melihat pola data yang ada maka langkah
selanjutnya adalah melakukan analisis proyeksi bisnis. Beberapa metode proyeksi
dapat digunakan bersama-sama dalam tahapan ini untuk mendapatkan metode
proyeksi bisnis yang paling efisien. Beberepa perangkat lunak komputer dapat
digunakan dalam tahapan ini untuk meningkat- kan kecepatan dan ketepatan dalam
penyusunannya.
Evaluasi proyek bisnis dan evaluasi atas proyeksi bisnis. Pada evaluasi atas proses
evaluasi terhadap hambatan-hambatan yang dibuat dalam proses penyusunan bisnis
sehingga penyusunan proyeksi bisnis pada masa yang akan datang dapat diantisipasi.
Evaluasi hasil dilakukan untuk menentukan metode proyeksi bisnis mana yang paling
baik.
Pemilihan teknik proyeksi sangat menentukan kulaitas hasil proyeksi bisnis. Pemilihan
teknik proyeksi sangatlah menentkan kualitas proyeksi yang dihasilkan. Dalam memilih
teknik proyeksi ada beberapa hal yang harus diperhatikan, yaitu :
a. Pola Data yan ada
Data yang akan digunakan sebagai bahan untuk melakukan proyeksi memilih
berbagai pola
Model hubungan antar variabel juga menentukarn teknik provel yang akan digunakan
dalam pembuatan proyeksi. Pola hubunuan antar variabel yang digunakan dalam
penyusunan proyeksi pada umumnya dikelompokkan menjadi :
Model kausal.
Jumlah dan jenis data yang tersedia juga menentukan tekik proyeksi yang digunakan
dalam penyusunan proyeksi bisnis. Jika data historis tersedia maka dapat digunakan
analisis kualitatif dan jika data historis tersedia hanya maka dapat digunakan teknik
proyeksi sederhana. Malah. jika jumlah data historis banyak tersedia maka dapat
digunakan analisis runtut waktu.
Semakın banyak pihak yang membutuhkan proyek maka lebih diperlukan metode
proyeksi yang lebih dapat dipertanggungjawabkan kepada banyak pihak. Agar hasil
proyeksi dapat dipertanggungjawabkan kepada banyak pihak maka diperlukan
metode proyeksi yang memiliki tingkat objektivitas tinggi. Dalam hal ini metode
proyeksi populasi kuantitatif yang memiliki tingkat objektivitas yang lebih tinggi dari
metode proyeksiı kualitatif.
f. Tingkat ketepatan proyeksi yang diharapkan.
Semakin tinggi tingkat ketepatan hasil proyeksi yang diharapkan maka diperlukan
semakın banyak data, baik variabel data yang diproyeksikan maupun variabel data
yang berpengaruh terhadap variabel data yang diproyeksikan. Oleh karena itu untuk
mendapatkan hasil proyeksi yang memiliki tingkat ketepatan tinggi diperlukan
metode proyeksi yang menggunakan banyak data dan mempertimbangkan variabel
mempengaruhi variabel yang diproyeksikan.
Semakin banyak dana yang tersedia untuk penyusunan proyek maka semakın
memungkinkan untuk mengumpulkan banyak data dan semakin memungkinkan
untuk memilih teknik proyeksi yang relative kompleks demi mendapatkan proyeksi
yang lebih baik.
Semakin lama proyeksi bismis maka akan menjadi faktor yang mempengaruhi
dan mempengaruhi besar kecilnya variabel yang diproyeksikan.
Proyeksi bisnis secara manual dapat etektif ika huhun antar varsabel prediktor
relatif sederhana dan jumlah data yang digunak sebagar dasar proyeksi bisnis sedikit.
Jika proyeksi bisnis dengan jumlaa varrabel prediktor banyak dan kompleks serta data
yang digunak sehaga dasar untuk proyekst bisms banyak maka pro proyeks bisnis akan
efektif bila menggunakan program komputer Banyak program komputer dapat digunakan
untuk membantu analiss proyeksi bisnis, seperti QSB (Quantitatif System for Busines)
MINITAB, SPSS (Program Statistik untuk Ilmu Sosial) dan Microsoff Excel Dalam buku
mi program yang akan digunakan adalah Microsof Excel dengan pertimbangan bahwa
program ini sudah sangat familier dan juga menyediakaan fungsi-fungsi statistik yang
lengkap dan sangat leksibel Di samping itu dengan menggunakan Microsoft Excel
Dalam proses penyusunan proyeksi maka pembaca diharapkan akan dapat memahami
lebih mendalam tentang setiap angka yang muncul dalam penyusunan proyeksi sehingga
tidak mampu membaca output komputer saja. Yang lebih penting adalah pembaca bahwa
pembaca akan memiliki pemahaman yang lebih mendalam mengenai analisis data daam
penyusunan proyeksı bisnis.
Kompleks Hal yang disebabkan karena semakın banyak faktor yang bertanggung
jawab Komputer memegang peran penting dalam proses analisis proyek bisnis. Hal imi
karena komputer memiliki keunggulan dalam hal:
a. Ketepatan
Program komputer dapat bekerja sangat tepat Berbeda dengan manusia yang
melakukan analisis secara manual, Manusia sangat dapat diandalkan oleh kondisi
pikiran dan fisik. Komputer dapat bekerja dengan stabil dalam jangka waktu yang
sangat lama, tidak mengenal lelah, bosan, mengantuk, dan sebagainya sehingga
memiliki tingkat ketepatan yang sangat tinggi
b. Kecepatan Komputer mampu mengolah data secara cepat. Dengan mengguna- kan
komputer, jumlah data yang diolah tidak lagi menjadi masalah. Data yang sedikit
atau banyak tidak lagi menjadi masalah. Yang membedakan hanya lama waktu untuk
input data saja. Bila data telah siap untuk dianalisis maka tidak ada perbedaan
kecepatan dalam menganalisis data.
Hal-hal yang kompleks dan berulang-ulang sangat suht untuk dianalisis secara
manual. Program komputer mampu memecahkan hal-hal yang kompleks. Pemakai
tinggal menggunakan program yang. telah teruji validitas dan reliabilitasnya.