FORECAST PENJUALAN
Anggaran Perusahaan 13
Forecast Penjualan
Anggaran Perusahaan 14
Forecast Penjualan
Anggaran Perusahaan 15
Forecast Penjualan
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
9 70 63
10 - 70
Anggaran Perusahaan 16
Forecast Penjualan
Besarnya forecast mobil yang diservis di bengkel Aji Nugraha pada hari ke
sepuluh adalah sebanyak 70 mobil.
Metode Naif ini hanya dapat digunakan untuk meramalkan satu periode
waktu dari data historis yang terakhir.
Misal dari hasil analisis pola data terhadap data jumlah mobil yang diservis
per hari pada bengkel “Aji Nugraha” menunjukan bahwa data tersebut
merupakan data stasioner, maka untuk mem- forecast jumlah mobil yang
diservis di bengkel tersebut juga dapat dilakukan dengan menggunakan
metode rata-rata sederhana.
Anggaran Perusahaan 17
Forecast Penjualan
Tabel 2.2.
Jumlah mobil yang diservis per hari pada bengkel “Aji Nugraha”.
1 58
2 54
3 60
4 55
5 62
6 62
7 65
8 63
9 70
Anggaran Perusahaan 18
Forecast Penjualan
Anggaran Perusahaan 19
Forecast Penjualan
Agustus 21 21,33 ……
September 20 21,00 ……
Oktober 23 19,67 ……
Nopember 22 21,33 ……
Desember …….. …….
Anggaran Perusahaan 20
Forecast Penjualan
FORECAST
Bulan Penjualan 0,90
Januari 20 - - -
Februari 21 20 20 20
Maret 19 20,10 20,50 20,90
April 17 19,99 19,75 19,19
Mei 22 19,69 18,38 …
Juni 24 19,92 … …
Juli 18 20,33 … …
Agustus 21 20,10 … …
September 20 20,19 … …
Oktober 23 20,17 … …
Anggaran Perusahaan 21
Forecast Penjualan
Nopember 22 20,45 … …
Desember 19 20,61 … …
Keterangan:
Forecast bulan Februari = nilai penjualan bulan Januari.
Contoh menggunakan = 0,10 maka forecast pada bulan Maret dan
April sebagai berikut:
ŶMar = (nilai penjualan Februari) + ( 1- )ramalan penjualan
Februari
= 0,10(21) + (1-0,10)20
=20,10 ton
ŶApril= (nilai penjualan Maret) + ( 1- )ramalan penjualan Maret
= 0,10(19) + (1-0,10)20,10
=19,99 ton
5. Metode trend
Bila hasil analisa pola data diketahui bahwa data historis menunjukan
kecenderungan naik atau turun dalam jangka panjang maka dapat
disimpulkan bahwa data tersebut memiliki pola trend. Ada beberapa metode
yang bisa digunakan untuk membuat trend, yaitu metode trend linear, trend
parabolik dan trend eksponensial. Penggunaan metode trend tentu saja
disesuaikan dengan kebutuhan dan sifat data yang dimiliki. Untuk trend
linear, ada beberapa metode yang bisa digunakan untuk membuat trend
linear yaitu metode trend least square, trend moment dan trend setengah
rata-rata. Berikut ini akan dibahas cara-cara forecast dengan menggunakan
metode trend linear.
Anggaran Perusahaan 22
Forecast Penjualan
Contoh:
a) Data yang jumlah n-nya ganjil.
PT REZA adalah sebuah perusahaan yang bergerak dalam
penyediaan susu bayi. Perusahaan tersebut ingin membuat
forecast penjualan susu bayi untuk beberapa tahun yang akan
datang di daerah Jawa Timur. Data penjualan seperti tampak
pada tabel 2.5.
Tabel 2.5
Data penjualan susu bayi untuk daerah Jawa Timur
pada PT REZA tahun 2003 sampai dengan 2007.
Anggaran Perusahaan 23
Forecast Penjualan
Penjualan (Y)
Tahun X X2 XY
(Ribuan Kaleng)
Anggaran Perusahaan 24
Forecast Penjualan
Tabel 2.7.
Contoh perhitungan forecast penjualan pada PT HALIMA
menggunakan metode trend least square dengan pendekatan titik
tengah sebagai tahun dasar untuk jumlah data genap.
Penjualan (Y)
Tahun (ribuan unit) X X2 XY
2002 108 -5 25 -540
2003 119 -3 9 -357
2004 110 -1 1 -110
2005 122 1 1 122
2006 130 3 9 390
2007 131 5 25 655
jumlah 720 0 70 160
Anggaran Perusahaan 25
Forecast Penjualan
Tabel 2.9.
Contoh perhitungan forecast penjualan semen “RODA 4”
dengan metode Moment pada PT ELLEN.
Tahun Y X XY X2
2001 140 0 0 0
2002 148 1 148 1
2003 157 2 314 4
2004 160 3 480 9
2005 169 4 676 16
Jumlah 774 10 1618 30
Anggaran Perusahaan 26
Forecast Penjualan
n = 5.
Anggaran Perusahaan 27
Forecast Penjualan
Tabel 12.10
Penjualan PT DIMAS
Tahun 2000 – 2005
Penjualan (Y)
Tahun
dalam jutaan Unit
2000 140
2001 148
2002 157
2003 157
2004 160
2005 169
Anggaran Perusahaan 28
Forecast Penjualan
Tabel 2.11
Contoh perhitungan forecast penjualan dengan
metode trend setengah rata-rata pada PT DIMAS
Penjualan (Y)
Semi
Tahun dalam jutaan X Semiaverage
Total
Unit
2000 140 -1
2001 148 0 445 445/3=148,33
2002 157 1
2003 157 2
2004 160 3 486 486/3=162
2005 169 4
a = 148,33
b =
Tabel 2.12
Penjualan produk A pada PT AYU
Tahun 1998 – 2005
Anggaran Perusahaan 29
Forecast Penjualan
2000 120
2001 125
2002 135
2003 150
2004 160
2005 175
Tabel 2.13
Contoh perhitungan forecast penjualan produk A dengan
metode trend setengah rata-rata pada PT AYU
a = 116,25
b= = 4,84
Anggaran Perusahaan 30
Forecast Penjualan
Jika garis trend-nya akan digambar maka perlu dihitung nilai trend
dari tahun 1998 sampai 2006 sebagai berikut
Y1998 = 116,25 + 4,84 (-3) = unit.
Y1999 = 116,25 + 4,84 (-1) = unit.
Y2000 = 116,25 + 4,84 (1) = unit.
Y2001 = 116,25 + 4,84 (3) = unit.
Y2002 = 116,25 + 4,84 (5) = unit.
Y2003 = 116,25 + 4,84 (7) = unit.
Y2004 = 116,25 + 4,84 (9) = unit.
Y2005= 116,25 + 4,84 (11) = unit.
Tabel 2.15
Contoh perhitungan forecast penjualan dengan
metode trend setengah rata-rata pada PT ALFIAN
Anggaran Perusahaan 31
Forecast Penjualan
a = 130
b= = 3,125
TWn = triwulan ke – n
Jika nilai TW menurun berarti terjadi penurunan tingkat penjualan.
Anggaran Perusahaan 32
Forecast Penjualan
Tabel 2.16
Volume penjualan Paving Block pada PT ALFIAN
tahun 2004 dan 2005 (dalam unit)
Tahun
Triwulan 2004 2005
I 182.700 203.850
II 179.100 207.900
Tabel 2.16
Perhitungan indeks triwulanan untuk menentukan fluktuasi musiman
permintaan paving blok per triwulan tahun 2006 pada PT ALFIAN.
Triwulanan
Tahun Jumlah
I II III IV
Anggaran Perusahaan 33
Forecast Penjualan
= 1,0320 = 1,0332
= 0,9613 = 0,9734
Jadi ramalan penjualan untuk tahun 2006 dari triwulan I sampai triwulan IV
sebesar 1.498.230 unit dengan indeks sebesar:
IT1 = 1,0320
IT2 = 1,0332
IT3 = 0,9613
IT4 = 0,9734
TWn =
TW1 =
TW2=
TW3=
TW4 =
TW1 =
TW2 =
Anggaran Perusahaan 34
Forecast Penjualan
TW3 =
TW4 = 182.264,28
Anggaran Perusahaan 35
Forecast Penjualan
Keterangan:
a = intersep dari Y atau nilai Y bila X = 0
b = slope dari garis yang menunjukkan besarnya perubahan Y jika X naik
sebesar satu satuan unit.
Dalam regresi ada komponen residu/galat ( ) merupakah komponen yang
menunjukan:
a) Pengaruh dari berbagai variabel lain yang tidak dimasukkan
b) Penetapan persamaan matematika yang tidak sempurna
c) Kesalahan dalam pengukuran
Tabel 2.17
Data penjualan produk B pada PT ARDO
Tahun 2001 sampai dengan tahun 2005
Anggaran Perusahaan 36
Forecast Penjualan
Jawab:
Persamaan regresi dapat dicari dengan cara sebagai berikut:
Tabel 2.18
Perhitungan Regresi Sederhana untuk data pada PT ARDO
Tahun X Y XY X2 Y2
Anggaran Perusahaan 37
Forecast Penjualan
Tabel 2.19
Perhitungan koefisien korelasi
Tahun X Y XY X2 Y2
2001 9 140 1260 81 19600
2002 12 148 1776 144 21904
2003 14 157 2198 196 24649
2004 15 160 2400 225 25600
2005 17 169 2873 289 28561
Total 67 774 10.507 935 120.314
1. Analisis Industri
a. Dihubungkan potensi penjualan perusahaan dengan industri.
b. Ditonjolkan tentang Market Share
c. Dilakukan melalui beberapa tahap:
Anggaran Perusahaan 38
Forecast Penjualan
Anggaran Perusahaan 39
Forecast Penjualan
Diminta:
1. Tentukan permintaan industri pada tahun 2006
dengan metode Ordinary Least Square
2. Tentukan penjualan perusahaan pada tahun 2006
jika perusahaan menentukan cukup puas dengan rata-rata Market Share 3
tahun terakhir.
Jawab:
Tabel 2.21
Perhitungan Forecast permintaan industri:
Demand
Tahun X xy x
industry
1999 12.000 -3 -36.000 9
2000 11.000 -2 -22.000 4
2001 13.000 -1 -13.000 1
2002 14.000 0 0 0
2003 13.000 1 13.000 1
2004 15.000 2 30.000 4
2005 16.000 3 48.000 9
Jumlah 94000 0 20.000 28
Anggaran Perusahaan 40
Forecast Penjualan
Anggaran Perusahaan 41
Forecast Penjualan
Anggaran Perusahaan 42
Forecast Penjualan
Anggaran Perusahaan 43
Forecast Penjualan
Anggaran Perusahaan 44