DOSEN:

DEWI CAHYANI PANGESTUTI, SE, MM

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA
• Peramalan penjualan adalah perkiraan atau proyeksi
secara teknis permintaan konsumen potensial untuk
suatu waktu tertentu dengan berbagai asumsi.

• Peramalan penjualan adalah perkiraan mengenai

sesuatu yang belum terjadi.

• Peramalan penjualan adalah budget yang berisi taksiran-

taksiran tentang kegiatan-kegiatan perusahaan dalam
jangka waktu tertentu yang akan datang, serta berisi
taksiran-taksiran tentang keadaan atau posisi financial
perusahaan pada suatu saat yang akan datang.
Intinya peramalan penjualan (sales forecasting) ialah
teknik proyeksi permintaan langganan yang potensial
untuk suatu waktu tertentu dengan berbagai asumsi.
 Pada umumnya hasil dari suatu peramalan penjualan akan
dikonversikan menjadi rencana penjualan dengan
memperhitungkan berbagai hal berikut :
a. Pendapat manajemen
b. Strategi-strategi yang direncanakan
c. Keterkaitan dengan sumber daya
d. Ketetapan manajemen dalam usaha mencapai sasaran
penjualan

Dalam menjalankan usahanya perusahaan biasanya melakukan 2

pendekatan, yakni :
1. Speculative Approach (pendekatan spekulasi )
Di mana perusahaan tidak memperhitungkan resiko yang
diakibatkan oleh ketidak-pastian faktor-faktor intern dan ekstern.
2. Calculated Risk Approach ( pendekatan penghitungan risiko )
Di mana perusahaan secara aktif melakukan estimasi terhadap
resiko yang diakibatkan oleh ketidakpastian faktor-faktor ekstern
dan intern.
Faktor internal (faktor yang dapat di kuasai), seperti misalnya:
a. Kualitas dan kegunaan produk yang terdiri dari :
• Bagaimana produk di pakai,
• mengapa orang membeli produk tersebut,
• perubahan yang dapat menaikan kegunaan produk.
b. Ongkos produksi dan distribusi produk.
• Proses pembentukan produk,
• Teknologi yang di pakai,
• Bahan mentah yang di pakai,
• Kapasitas produksi.
c. Kecakapan manajemen (management skill) yang terdiri atas :
• Penghayatan persoalan yang di hadapi,
• kemampuan melihat reaksi pesaing.
• Kemampuan melakukan Forecast
Faktor eksternal (faktor yang tidak dapat di kuasai). Seperti misalnya:
• Kecakapan management pesaing.
• Volume kegiatan perekonomian yang di tentukan oleh : Konsumen,
manager lain (produsen lain), peraturan hukum, keadaan politik,
kondisi lingkungan, kehidupan organisasi, ekonomi.
• Barang substitusi
• Selera masyarakat
• Faktor lain seperti : konflik politik, iklim dan perubahan pemakaian
produk, banyak perusahaan yang keluar masuk dalam produk
 METODE PERAMALAN
1. Metode Peramalan Kualitatif
Forecast berdasarkan pendapat (judgement method). Di gunakan
untuk menyusun forecast penjualan maupun forecast kondisi bisnis
pada umumnya. Pendapat-pendapat yang di pakai sebagai dasar
melakukan forecast adalah :
a. Pendapat Salesman
Salesman di minta untuk mengukur apakah ada kemajuan atau
kemunduran segala hal yang berhubungan dengan tingkat
penjualan pada daerahnya masing-masing.
b. Pendapat Sales Manajer
Pada umumnya estimasi kepala bagian penjualan dapat lebih
obyektif karena mempertimbangkan banyak faktor. Ini juga di
sebabkan pendidikannya yang relatif lebih tinggi dan
pengalamannya yang lebih luas di bidang penjualan.
c. Pendapat Para Ahli
Kadang-kadang estimasi yang di lakukan oleh para salesman
dan sales manager ada pertentangannya. Sehingga perusahaan
perlu memperkerjakan para konsultan di dalam perusahaannya.
d. Survey Konsumen
Dan jika pendapat dari ketiga bagian di atas itu sangat kurang
maka perusahaan perlu meminta pendapat dari konsumen. Dengan
cara melakukan survei atau penelitian kepada konsumen.
2. Model Kuantitatif (Statistic Method)
Peramalan menghendaki perpaduan antara analisis ilmiah kuantitatif
dengan menggunakan statistik sebagai alat primer dalam membuat peramalan.
Berikut ini beberapa metode peramalan dengan menggunakan pendekatan
statistik:
a. Trend bebas
b. Trend setengah rata-rata / semi average
c. Trend Matematis
 Metode moment
 Metode Least Square
 Metode Regresi

3. Model Khusus
Metode khusus ini adalah cara khusus untuk meramalkan penjualan dengan
menggunakan analisis :
a. market share,
b. analisis product line,
c. analisis pengguna akhir.
Pemilihan Metode Peramalan
Pemilihan metoda yang dipakai untuk pembuatan
forecast penjualan perlu mempertimbangkan hal-hal
berikut :
1. Sifat produk
2. Metoda distribusi (langsung/ tak langsung)
3. Besarnya perusahaan dibanding pesaing
4. Tingkat persaingan
5. Data historis yang tersedia
6. Akurasi metoda
7. SDM yang dimiliki untuk melakukan forecasting
8. Horison waktu perencanaan
9. Waktu yang tersedia
10. Ketersediaan dana
Contoh :
PT. Ayah Bunda yang bergerak dalam bisnis makanan anak, memiliki
data penjualan tahunan sebagaimana tertera pada Tabel. 2.1
Tabel 2.1
Penjualan makanan anak PT. Ayah Bunda
Thn 2013-2017
Tahun Penjualan
2013 140
2014 148
2015 157
2016 160
2017 169
Terhadap data penjualan PT. Ayah Bunda tersebut dapat dibuat forecast
penjualan untuk tahun 2018 dan seterusnya dengan menggunakan beberapa
metode yang disebutkan sebelumnya, berikut akan diberikan ilustrasi
pemakaian metode –metode tersebut.
a. Metode Trend Bebas
Pada umumnya metode trend bebas cenderung
digunakan sebagai analisis pendahuluan yang akan
memberikan gambaran awal dari suatu permasalahan
yang dihadapi. Metode trend bebas mencoba melihat
pola data amatan melalui sebaran titik dari pasangan data
penjualan pada setiap waktunya.
Berdasarkan sebaran data yang terbentuk dapat
diperkirakan trend penjualan dari data tersebut. Sebagai
contoh bila terhadap data penjualan PT. Ayah Bunda
sebagaimana tertera pada Tabel 2.1 dibuat sebaran
titiknya dan ditarik garis yang menghubungkan titik-titik
pasangan pengamatan tersebut, akan diperoleh
gambaran trend penjualan sebagai berikut :
2013 2014 2015 2016 2017
 Dari gambaran yang diperoleh, bila asumsi yang
disebutkan sebelumnya dipenuhi, maka dapat diramalkan
bahwa penjualan PT. Ayah Bunda tahun 2018 akan
meningkat melebihi penjualan tahun-tahun sebelumnya.
Meskipun demikian gambaran tentang berapa
besarnya penjualan PT. Ayah Bunda pada tahun 2018 dan
seterusnya dalam bentuk angka tidak dapat diperoleh
dengan menggunakan trend bebas ini.
Untuk memperoleh hasil peramalan yang lebih akurat,
pada umumnya metode trend bebas perlu dilanjutkan ke
analisis yang dapat menunjukan bentuk hubungan antara
data penjualan dengan waktu.
b. Metode Semi Average
Dengan metode setengah rata-rata nilai trend sudah mulai
ditentukan dengan formula tertentu, yang berarti unsur
subyektifnya mulai berkurang.
Metode trend semi average dapat digunakan untuk
keperluan forecast dengan bentuk suatu persamaan seperti
analisis regresi.
Metode ini biasanya dapat digunakan apabila data yang
ada jumlah tahun genap, sehingga dapat dibagi menjadi dua
kelompok sama besar juga bisa dengan tahun ganjil tapi
jarang digunakan.
Metode trend semi average memiliki mekanisme sebagai
berikut yaitu, membagi data yang ada menjadi dua kelompok
dengan jumlah yang sama
Jika data penjualan yang dimiliki oleh Perusahaan MITRA LESTARI adalah sebagai berikut :
Tabel 2.2
Data Penjualan Perusahaan Ayah 2012- -2010
Bunda tahun 2005
Mitra Lestari 2017

Tahun Jumlah Penjualan (Y) dalam unit

2005
2012 140
2006
2013 148
2007
2014 157
2015
2008 157
2009
2016 160
2010
2017 169

Mitra Lestari
Untuk kasus penjualan Perusahaan MITRA JAYA tersebut, kelompok pertama adalah data
penjualan tahun 2005,
2012,2006
2013 dan 2014 2015
2007. Kelompok kedua adalah data penjualan tahun 2008,
2016 dan
2009, dan2017
2010.
Dari tiap kelompok data dicari nilai rata-rata. Rata-rata dari kelompok pertama adalah 148,33 dan rata-
rata kelompok kedua adalah 162 sebagaimana ditunjukkan pada tabel berikut :

Forecasting methode semi average

Tahun Y Total Average X
2012 140 -1
445
2013 148 445 X1  a   148,33 0
3
2014 157 1

2015 157 486 2

X2   162
2016 160 3 3
486
2017 169 4

X 2  X1
a  148,33 b
n
162  148,33
b  4,6
3
Y  148,33  4,6 x
Proyeksi penjualan tahun 2018

Y  148,33  4,65  171,11

c. Metode Trend Moment
Metode trend moment merupakan analisis
yang dapat digunakan untuk keperluan
peramalan dengan membentuk persamaan :
Y = a + b X sebagaimana telah diulas pada
Metode trend semi Average.
Dalam penerapannya metode ini tidak
mensyaratkan jumlah data harus genap.
Perbedaan dengan Metode trend semi Average
terletak pada pemberian score nilai X nya. Dalam
hal ini pemberian score X dimulai dari 0,1,2 dst.
Berikut akan diberikan ilustrasi penerapan metode
ini untuk data penjualan PT. ABC sebagaimana
tertera pada tabel 2.1
 Tabel 2.1
Penjualan PT ABC

Tahun Y X XY X2
2012 140 0 0 0
2013 148 1 148 1
2014 157 2 314 4
2015 157 3 471 9
2016 160 4 640 16
2017 169 5 845 25
 931 15 2.418 55

Dalam mencari koefisien a dan b digunakan persamaan :

 Y  n.a  b.  X

 XY  a.  X  b  X 2
Selanjutnya terhadap persamaan-persamaan yang terbentuk dapat dicari
penyelesainnya melalui metode eliminasi ataupun metode substitusi
sebagaimana ditunjukkan dalam contoh berikut :
931 = 6 (a) + b (15) x 2,5 2.327,5 = 15a +37,5b
2.418 = a (15) + b (55) x 1 2.418 = 15a + 55b
-90,5 = -17,5b
b = 5,17
931 = 6a + (5,17) (15)
931 = 6a + 77,57
931 -77,57 = 6a
853,43 = 6a
142,24 = a
Y = 142,24 + 5,17x

Forecast penjualan tahun 2018

Y = 142,24 + 5,17 (6) = 173,26

d. Metode Trend Least Square

Metode jumlah kuadrat terkecil (least square method)

merupakan metode yang lebih objektif dan lebih mudah
karena menggunakan formula yang sederhana. Data
dalam metode kuadrat terkecil di bagi menjadi 2 kelompok,
yaitu untuk data yang jumlahnya :

 Genap, maka score nilai X – nya adalah … -5,-3,-1,1,3,5

 Ganjil , maka score nilai X – nya adalah …. , -2,-1,0,1,2

Berdasarkan data penjualan PT. ABC pada tabel ini , hasil perhitungan dengan teknik
least square adalah sebagai berikut :

Tahun Y X XY X 2

2013 140 -2 -280 4

2014 148 -1 -148 1
2015 157 0 0 0
2016 160 1 160 1
2017 169 2 338 4
 774 70 10

Y  XY
a b
n X2
774 70
a  154,8 b 7
5 10

Sehingga persamaan trend metode least square adalah :

Y = 154,8 + 7x

Forecast penjualan tahun 2018 :

Y10  154,8  73  175,8

 Analisis korelasi dan regresi menunjukkan hubungan antara
satu variable dengan satu atau lebih variable lainnya. Dengan
analisis korelasi dapat diketahui keeratan hubungan dari
variable-variabel yang menjadi perhatian sedangkan dengan
analisis regresi dapat diketahui bentuk hubungan dari variabel-
variabel yang menjadi perhatian.

Dengan analisis regresi dapat diketahui besarnya

perubahan variabel yang dicari bila faktor-faktor lain yang
mempengaruhi variable tersebut berubah.
 Apabila dua variabel X dan Y ada hubungannya, nilai variabel
X yang sudah dapat diketahui dapat untuk memperkirakan atau
menafsirkan nilai Y.

Variabel Y yang nilainya akan diramalkan disebut variabel tak

bebas (dependent variabel), sedangkan variabel X yang nilainya
dipergunakan untuk meramal nilai Y disebut variabel bebas
(independent variabel).

Hubungan dua variabel ada yang positif dan ada yang

negatif. Hubungan X dan Y dikatakan positif apabila kenaikan X
diikuti oleh kenaikan Y atau penurunan X diikuti oleh penurunan Y.

Hubungan X dan Y dikatakan negatif apabila kenaikan diikuti

penurunan Y atau penurunan X diikuti oleh kenaikan Y.
Aplikasi dari metode ini berdasarkan data penjualan PT. ABC padalah sebagai
berikut. Bila X menunjukkan biaya iklan (dalam jutaan rupiah dan Y menunjukkan
jumlah penjualan (dalam juta unit) ilustrasi terhadap metode ini ditunjukkan
sebagai berikut :

Tahun X Y X2 Y2 XY
2013 9 140 81 19.600 1.260
2014 12 148 144 21.904 1.776
2015 14 157 196 24.649 2.198
2016 15 160 225 25.600 2.400
2017 17 169 289 28.561 2.873
 67 774 935 120.314 10.507
 n  XY   X  Y  Y  b  X
b a
n  X 2   X 
2
n

510.507  67774 774  3,6767

b a 
5935  67
2
5

677 530,12
b  3,64 a  106,02
186 5

Y= 106,2 +3,64x

Persamaan ini dapat diinterpretasikan bahwa bila biaya iklan naik satu
juta rupiah, jumlah penjualan akan meningkat 3,64 juta unit.

Koefisein korelasi dicari dengan persamaan :

n  XY   X  Y 
rx , y 
n  X 2   X  n Y 2   Y 
2 2

510.507  67774
rx , y 
5935  67 5120.314  774
2 2

677
rx , y   0,99
186 2.494
 Intepretasi dari koefisien korelasi secara teoritis adalah sebagai berikut :
1. Jika 0  r  1 berarti variable x memiliki hubungan yang positif dan
berbanding lurus (linier) dengan variable Y. Bila nilai Variabel X bertambah
maka nilai variabel Y juga akan bertambah, demikian juga sebaliknya.
Semakin dekat nilai r ke 0 maka semakin lemah kekuatan hubungan
kedua variabel tersebut, sebaliknya semakin dekat nilai r ke 1 semakin
kuat hubungan dari kedua variabel tersebut
2. Jika r = 0 berarti X tidak memiliki hubungan linier dengan variabel Y.
Artinya gejolak nilai variabel X tidak berpengaruh terhadap gejolak atau
perkembangan nilai variabel Y. dengan kata lain bertambah atau
berkurang nilai variabel Y tidak terkait dengan perubahan nilai variabel X
3. Jika -1  r  0 berarti variabel X berhubungan dengan variabel Y tetapi
hubungannya negatif. Dalam hal ini jika nilai variabel X bertambah maka
nilai variabel Y justru berkurang,demikian juga sebaliknya.
 Dengan demikian, karena nilai yang diperoleh
mendekati 1, berarti terdapat keeratan hubungan yang
sangat kuat diantara biaya iklan dengan jumlah
penjualan. Sifat hubungan antara keduanya adalah
positif yang berarti dengan meningkatnya biaya iklan
terjadi pula kenaikan jumlah penjualan.
1. Analisis Industri
Forecast penjualan dengan analisis industri akan
dilakukan dengan menghubungkan antara penjualan
perusahaan dengan total penjualan industri.
Penjualan industri merupakan penjualan dari
perusahaan-perusahaan sejenis. Dengan kata lain
penjualan perusahaan akan dikaitkan dengan bagian
pasar (market share).
Market share yang dimiliki perusahaan menunjukkan
posisi perusahaan dalam persaingan.
 Forecast penjualan pada tahun yang akan
datang dilakukan sebagai berikut :
a. Menentukan perkiraan/ proyeksi penjualan
industri pada periode yang akan datang.
b. Menghitung market share selama beberapa
periode terakhir.
Penjualan Perusahaan
Market Share  x 100%
Penjualan Industri
c. Menentukan proyeksi market share pada periode
yang akan datang.
Forecast penjualan perusahan periode yang akan
datang akan tergantung besarnya proyeksi
penjualan industri dan proyeksi market share.
 Berikut ini contoh yang akan memperjelas uraian
diatas.
Penjualan perusahaan dan total penjualan industri selam 5
tahun terakhir sbb:
Tabel 2.10.
Penjualan Perusahaan dan Industri Tahun 2013 - 2017
Tahun Penjualan Perusahaan Penjualan Industri
(unit) (unit)
2013 1.500 7.500
2014 2.116 9.200
2015 2.500 10.000
2016 3.240 12.000
2017 4.500 15.000
a. Proyeksi penjualan industri tahun 2018

Untuk menentukan proyeksi penjualan industri perlu

mengetahui pola data historisnya. Bila data yang ada
menunjukkan kecenderungan naik/ turun maka
proyeksinya dilakukan dengan trend. Bila untuk data
historis yang berpola fluktuatif maka proyeksinya
dilakukan dengan teknik average.

Dalam contoh diatas penjualan selama 5 tahun

terakhir terus mengalami kenaikan, sehingga proyeksi
penjualan industri tahun 2018 ditentukan dengan trend.
Tahun Y X XY X2

2013 7.500 -2 -15.000 4

2014 9.200 -1 -9.200 1

2015 10.000 0 0 0

2016 12.000 1 12.000 1

2017 15.000 2 30.000 4

53.700 - 17.800 10
b. Menghitung market share tahun 2013 – 2017

1500
Market share 2013  x 100%  20%
7.500

2.116
Market share 2014  x 100%  23%
9.200
2.500
Market share 2015  x 100%  25%
10.000
3.240
Market share 2016  x 100%  27%
12.000
4.500
Market share 2017  x 100%  30%
15.000
Dari tahun 2013 sampai dengan tahun 2017
market share terus mengalami kenaikan, berarti
posisi perusahaan dalam persaingan semakin
kuat.
c. Proyeksi market share tahun 2018
Karena market share 5 tahun terakhir
mengalami kenaikan maka proyeksi market share
tahun 2018 juga ditentukan dengan trend.
Tabel 2.11.
Proyeksi Penjualan industri
Tahun Y X XY X2
2013 20 -2 -40 4
2014 23 -1 -23 1
2015 25 0 0 0
2016 27 1 27 1
2017 30 2 60 4
125 - 24 10
y 125
a  a   25
x 5
n
 xy 24
b  b   2, 4
 x2 10

Persamaan tren Y= 25 + 2,4 X

Proyeksi
PenjualanMarket Share
industry pada tahun 2018 (X=3)
Y= 25 + 2,4 (3)
= 32,2%
 Kemudian forecast penjualan tahun 2018 akan
ditentukan berdasarkan proyeksi penjualan industry
dan proyeksi market share tahun 2018 sebagaimana
telah dihitung sebelumnya.

Penjualan Perusahaan
MS 
Penjualan Industri

Penjualan Perusahaan = MS x Penjualan Industri

= 32,2% x 4.908 unit

= 1.580 unit
2. Analisis Produk Akhir

Dengan analisis forecast penjualan suatu produk akan

dihubungkan dengan penjualan produk akhir dari produk
tersebut. Berikut ini contoh hubungan antara suatu produk
dengan produk akhirnya.

a. Permintaan kulit akan tergantung pada permintaan sepatu

b. Permintaan benang tergantung pada permintaan tekstil.

c. Permintaan karet industri tergantung pada permintaan ban

mobil.

Apabila dibandingkan dengan analisis industri, maka forecast

penjualan dengan analisis produk akhir akan mengkaitkan antara
satu industri dengan industri yang lain. Sedangkan pada analisis
industri hanya mengkaitkan penjualan produk dengan penjualan
industri dari produk tersebut.
 Forecast penjualan tahun yang akan datang bisa dilakukan.
a. Menentukan proyeksi penjualan produk akhir
b. Mengetahui standar pemakaian produk yang digunakan untuk
membuat produk akhir
c. Menentukan proyeksi bagian pasar (market share) produk
tersebut.
Contoh berikut akan memperjelas forecast penjualan produk
akhir. Permintaan sepatu pada tahun 2018 di suatu wilayah sebesar
1.000 pasang. Untuk membuat sepasang sepatu diperlukan produk
kulit 2.000 gram kulit. bila tahun 2018 bagian pasar diperkirakan
mencapai 15% berapa proyeksi permintaan kulit tahun 2018?
 Permintaan sepatu (produk akhir) = 1.000 pasang
 Permintaan industri kulit = 1.000 x 2.000 = 200.000 gr
 Permintaan perusahaan = 15% x 200.000 gr = 30.000 gr
3. Analisis Lini Produk
Dalam metode ini ditekankan bagi perusahaan yang
menghasilkan berbagai jenis produk, setiap produk harus di forecast
sendiri-sendiri. Berbagai produk tersebut perlu di forecast sendiri-
sendiri karena di mungkinkan:
 Jenisnya berbeda, misalnya barang elektronik dan alat tulis
 Sama-sama produk sepatu, produk petama sedang berada pada
tahap kedewasaan, sedangkan produk kedua masih dalam tahap
pengenalan.
 QUIS
1. Dalam menjalankan usahanya perusahaan biasanya
melakukan 2 pendekatan, pendekatan apa sajakah
itu?
2. Hal – hal apa yang perlu dipertimbangkan dalam
pemilihan metode peramalan?
3. Sebutkan beberapa metode peramalan yang dapat
digunakan untuk kepentingan peramalan penjualan