Forecast Penjualan

F orecast P enjualan

3.1 Pengertian Forecast Penjualan

Forecast Penjualan adalah suatu teknik proyeksi tentang

tingkat permintaan konsumen potensial pada suatu periode
tertentu dengan mengunakan berbagai asumsi tertentu juga,
yakni sesuatu berjalan seperti masa lalu.
Dalam hal ini hasil dari suatu forecast lebih merupakan
pernyataan atau penilaian yg dikuantifisir terhadap kondisi
masa depan mengenai penjualan sebagai proyeksi teknis dari
permintaan konsumen potensial untuk jangka waktu tertentu.
Meskipun demikian hasil perkiraan yang diperoleh
mungkin saja tidak sama dengan rencana. Hal ini disebabkan
karena :
1. Forecast lebih merupakan pernyataan atau penilaian
yg dikuantifisir terhadap kondisi masa depan mengenai
subjek tertentu, misal penjualan.
2. Forecast penjualan merupakan proyeksi teknis dari
permintaan konsumen potensial untuk jangka waktu
tertentu, dengan menyebutkan asumsi yang
mendasarinya.

1
Forecast Penjualan

3. Forecast selayaknya hanya dipandang sebagai bahan

masukan untuk mengembangkan suatu rencana
penjualan.
4. Manajemen dapat menerima, memodifikasi atau
menolak hasil dari suatu forecast.

3.2 Metode-metode yang digunakan

Metode forecast penjualan dapat dikelompokkan sebagai
berikut :
I. Non Statistical Method,yakni metode memproyeksikan
penjualan yang berdasar pada pendapat salesman, sales
manager, para ahli dan survey konsumen.
II. Statistical Method,meliptui :
a. Analisa Trend, terdiri dari :
1. Penerapan garis trend secara bebas
2.Penerapan garis trend dengan metode setengah
rata-rata.
3.Penerapan garis trend secara matematis, yang
terbagi menjadi :
a) Metode Moment
b) Metode Kuadrat terkecil
c) Metode Kuadrat (garis lengkung)
III. Specific Purpose Methode, meliputi
1.Analisa Industri
2.Anaslisa Product line
3.Analisa Penggunanaan Akhir

2
Forecast Penjualan

Faktor-faktor yang mempengaruhi pemilihan cara pembuatan

forecast penjualan, antara lain :
a. Sifat produk
b. Metode distribusi
c. Luas Usaha
d. Persaingan
e. Data historis yang tersedia

Beberapa kebijaksanaan yang diperngaruhi oleh hasil forecast

penjualan, antara lain yaitu :
a. Kebijaksanaan perencanaan produksi
b. Kebijaksanaan persediaan
c. Kebijaksanaan pemakaian mesin
d. Kebijaksanaan investasi aktiva tetap
e. Kebijaksanaan pembeliaan bahan baku dan bahan
pembantu
f. Kebijakasanaan aliran kas

Analisa trend garis lurus, terdiri dari metode kuadrat

terkecil dan metode moment

A. Metode Kuadrat terkecil

Rumus : Y= a + bx
a = ∑y
n

3
Forecast Penjualan

b = ∑XY
∑x2
Dengan syarat ∑x=0
Keterangan:
Y = Variabel terikat
X = Variabel bebas
a = nilai konstan
b = koefisein arah regresi
n = jumlah data

B. Metode Moment
Y = a + bx
∑Y = na + b∑X
∑XY = a∑X + b∑X2
Dengan syarat ∑x=0

Peramalan Penjualan
Penganggaran Perusahaan
Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa
yang akan datang. Sedangkan, Peramalan ( forecasting ) adalah kegiatan memperkirakan
atau memprediksikan apa yang akan terjadi pada masa yang akan datang dengan waktu
yang relatif lama. Jadi dapat di simpulkan bahwa Peramalan Penjualan (sales forecasting)
adalah Perkiraan atau proyeksi secara teknis permintaan konsumen potensial untuk suatu
waktu tertentu dengan berbagai asumsi.
Hasil dari suatu peramalan penjualan lebih merupakan pernyataan atau penilaian
yang di kuantifisir terhadap kondisi masa depan mengenai penjualan sebagai proyeksi teknis
dari permintaan konsumen potensial dalam jangka waktu tertentu. Meskipun demikian hasil
perkiraan yang di peroleh mungkin saja tidak sama dengan rencana.
Metode peramalan penjualan yang dapat digunakan perusahaan banyak sekali
seperti metode komposisi tenaga penjual, metode opini para eksekutif, metode statistika
peramalan penjualan, tapi yang paling sering di gunakan adalah metode trend (metode
kuadrat kecil) dan juga metode regresi.

4
 Forecast Penjualan

a.    Metode trend

Dengan mengunakan metode trend perusahaan akan melakukan perhitungan peramalan
penjualan produk perusahaan melalui dua macam bentuk yaitu linear/garis lurus dan bentuk
kuadrat/garis lengkung. Bentuk mana yang akan di gunakan perusahaan tergantung dari
bentuk mana yang paling sesuai dengan kondisi yang berlaku di perusahaan saat ini.
Adapun bentuk umum dari metode trend garis lurus dan garis lengkung yaitu:
Y = a + bx                       untuk trend garis lurus, serta

Y = a + bx + cx2             untuk trend garis lengkung, dimana :

Y = variabel yang akan diramalkan, dalam hal ini adalah peramalan penjualan produk
perusahaan.

a = konstanta yang menunjukan besarnya harga Y apabila x sama dengan 0 (nol)

b =  variabel dari x2 yaitu menunjukan besarnya perubahan nilai Y dan setiap perubahan satu
uni x.

x = unit waktu, yang dapat dinyatakan dengan minggu, bulan, semester, tahun dll,
tergantung kepada kesesuaian dari perusahaan itu sendiri.

b.    Metode Regresi

Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel
dependen (terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas),
dengan tujuan untuk mengestimasi atau memprediksi rata-rata populasi atau niiai rata-rata
variabel dependen berdasarkan nilai variabel independen yang diketahui. Pusat perhatian
adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu variabel dengan
satu atau lebih variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable
independent. Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen
dengan suatu persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus : Pertama,
meminimumkan penyimpangan antara nilai actual dan nilai estimasi variable dependen;
Kedua, mengoptimalkan korelasi antara nilai actual dan nilai estimasi variable dependen
berdasarkan data yang ada. Teknik estimasi variable dependen yang melandasi analisis
regresi disebut Ordinary Least Squares (pangkat kuadrat terkecil biasa).

5
 Forecast Penjualan

1.    REGRESI LINEAR SEDERHANA

adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab
akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya (Y).
Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi yaitu:
         Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan.
         Hubungan Jumlah Pekerja dengan Output yang diproduksi.
         Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.
Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :
Y = a + bX
Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

2.    REGRESI LINEAR BERGANDA

Adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,
….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila
nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan
biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:

Y = a + b1X1+ b2X2+…..+ bnXn

Keterangan:
Y                    =   Variabel dependen (nilai yang diprediksikan)
X1 dan X2     =   Variabel independen
A                    =   Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)

B                    =    Koefisien regresi (nilai peningkatan ataupun penurunan)