Peramalan (Forecasting) Penjualan

Disusun Oleh :
Riky I Toisuta : 2016 30 062
Risty F Nuryawati : 2016 30 003
Candid M Pelamonia : 2016 30 135
Vinska Kiki Anggraeni : 2016 30 100
Asri Rering : 2016 30 125
Debora A Matitaputty : 2016 30 132
Michael G Sapury : 2016 30 044
 PERAMALAN (FORECASTING) PENJUALAN
PERAMALAN (FORECASTING)
Perkiraan mengenai sesuatu yang belum terjadi. Peramalan bertujuan agar ramalan
yang dihasilkan mampu meminimumkan pengaruh ketidakpastian yang dihadapi
perusahaan, yang biasanya diukur dengan mean squarer error, mean absolute error,
dsb.

Hubungan Forecasting Dengan Rencana

Forecasting/ramalan bukan merupakan rencana. Forecasting adalah ramalan tentang
apa yang akan terjadi pada waktu yang akan datang, sedangkan rencana adalah
penentuan apa yang akan dilakukan pada waktu yang akan datang. Forecast penjualan
menjadi suatu alat yang penting, yang akan dapat mempengaruhi manajer dalam
membuat perencanaan penjualan.

Pengaruh Kebenaran Asumsi

Asumsi mempunyai pengaruh terhadap ketepatan forecastyang dibuat. Jika asumsi
yang dibuat tepat atau mendekati kenyataan, maka forecast yang dihasilkan juga akan
mendekati kebenaran, sebaliknya jika asumsinya tidak tepat akan menyebabkan
forecast yang dihasilkan akan mengalami penyimpangan.
Pemilihan Metode Forecasting
Untuk memilih metode forecasting penjualan dipengaruhi berbagai faktor
sebagai berikut:
• Sifat produk yang dijual
• Metode distribusi yang dipakai (langsung-tidak langsung) Besarnya
perusahaan dibandingkan pesaing-pesaingnya Tingkat persaingan yang
dihadapi
• Data historis yang tesedia
• Sifat permintaan produk yang bersangkutan

TEKNIK FORECASTING
Berbagai teknik digunakan perusahaan untuk meramalkan penerimaan dan
volume penjualan. Forecast penjualan dilakukan dengan memanfaatkan
berbagai teknik forecasting, mencakup pengukuran secara kuantitatif yakni
dengan menggunakan metode statistik dan matematik, dan pengukuran secara
kualitatif yang biasanya menggunakan judgement.
Dengan demikian forecasting menghendaki perpaduan antara analisa yang
ilmiah dilengkapi dengan pendapat pribadi perencana. Teknik statistik dipakai
sebagai alat primer bagi penyusunan forecast, sedangkan interpretasi dan
judgement digunakan sebagai pelengkap. Secara sistematik, teknik-teknik atau
metode-metode forecast di kelompokkan menjadi.
A. Forecasting berdasar pendapat (judgment method)

Forecast penjualan bermanfaat untuk untuk menentukan

keputusan dan kebijakan manajemen seperti :
 Kebijakan perencanaan produksi
 Kebijakan penetapan barang jadi
 Kebiakan pemakaian mesin dan peralatan
 Kebijakan tentang investasi aktiva tetap
 Rencana pembelian bahan mentah dan penolong
 Rencana aliran kas

Sumber – sumber pendapat yang dipakai sebagai dasar

melakukan forecasting adalah:
• Salesman
• Manajer area
• Konsultan
• Survei konsumen
B. Forecasting dengan perhitungan secara statistic
Beberapa teknik perhitungan:
1. Analisis Trend
 Trend bebas
 Trend setengah rata-rata
 Trend matemats (moment & least squad)

2. Analisis growth
3. Analisis regresi korelasi
4. Analisis dengan teknik- teknik khusus
1. Analisis Trend (kecendrungan)
Secara umum data – data penjualan mencerminkan 4 faktor
berikut:
1) Trend
2) Siklus
3) Musiman
4) Ketidakteraturan

A. Trend Bebas
Penerapan garis trend secara bebas dapat dikatakan
sebagai suatu cara penerapan garis trend tanpa
menggunakan rumus matematika.
Contoh penerapan garis trend bebas
Sebuah perusahaan yang bergerak pada produksi mainan
anak ingin membuat ramalan penjualan untuk beberapa
tahun mendatang wilayah Indonesia timur.
Data penjualan untuk lima tahun terakhir

Data tersebut dapat digambarkan garis trend sebagai berikut:

B. Trend Setengah Rata-rata (Semi Average)
Formula ya ng digunakan adalah :
Y = a + b (X)
a = Rata-rata kelompok 1(X1)atau kelopmpok 2(X2)
bergantung tahun dasar b = (Rata-rata kelompok
2 – rata-rata kelompok 1) /n
= (X2 – X1) /n
n = jumlah tahun dihitung dari periode dasar (jarak
periode antara X1 dan X2)

KASUS FORECASTING DENGAN ANALISIS TREND SEMI

AVERAGE
Pada awal tahun 2A11 perusahaan tekstil “ GAYA BARU “
merencanakan penyusunan anggaran penjualan secara
terperinci. Data – data yang berhasil dikumpulkan adalah
sebagai berikut :
a. Data penjualan selama 6 tahun terakhir

b. Komposisi penjualan perusahaan tersebut terdiri dari 60%

kain bermotif dan 40 % kain polos.
c. Harga jual yang terjadi pada tahun 2A10, untuk kain
bermotif Rp.6.000/m dan kain polos Rp.5.000/m. pada
tahun anggaran 2A11 direncanakan harga jual meningkat
sebesar 10 % dari tahun sebelumnya.
d. Perusahaan masih ingin tetap mempertahankan daerah
pemasarannya untuk tiga wilayah dengan kopmposisi
sebagai berikut :

Berdasarkan data diatas diminta:

1. Menentukan besarnya volume penjualan
perusahaan tahun 2A11 dengan menggunakan
metode Trend Semi Average
2. Menyusun anggaran penjualan tahun 2A11
berdasarkan daerah, produk, dan total omzet
penjualan.
3. Menentukan besarnya volume penjualan
perusahaan tahun 2A11 dengan menggunakan
metode Trend Semi Average, jika data yang
digunakan adalah data penjualan 4 tahun
terakhir
4. Menentukan besarnya volume penjualan
perusahaan tahun 2A11 dengan menggunakan
metode Trend Semi Average, jika data yang
digunakan adalah data penjualan 5 tahun
terakhir.
Penyelesaian kasus analisis trend semi average
1) Volume penjualan perusahaan tahun 2A11

Data genap (kelompok ganjil) (6 tahun data )

Formula :
Y = a + b (X)
a = X1 atau X2, bergantung tahun dasar b = (X2-X1)/n
n = jarak periode antara X1 dan X2
Perhitungan:
a = 500.000 atau 680.000
b = (680.000-500.000)/3 = 60.000
Y 2A11 = 500.000 + (60.000 x 5) = 800.000 ( tahun dasar 1)
Y 2A11 = 680.000 + (60.000 x 2) = 800.000 ( tahun dasar 2)
Maka penjualan tahun 2A11 adalah sebesar 800.000 unit
2) Anggaran Penjualan tahun 2A11 berdasarkan
daerah, produk, dan total omzet penjualan
3) Volume penjualan perusahaan tahun 2A11, data penjualan 4
(empat) tahun terakhir
Data Genap (kelompok Genap) (4 tahun data)

Formula :
Y = a + b (X)
a = X1 atau X2, bergantung tahun dasar
b = (X2-X1)/n
n = jarak periode antara X1 dan X2 Perhitungan:
a = 612.500 atau 695.000
b = (695.000 – 612.500) / 2 = 41.250
Y 2A11 = 612.500 + (41.250 x 7/2) = 756.875 ( tahun
dasar 1)
Y 2A11 = 695.000+ (41.250 x 3/2) = 756.875 (tahun dasar 2)
Maka penjualan perusahaan tahun 2A11 adalah sebesar 756.875 unit
4) Volume penjualan perusahaan tahun 2A11, data penjualan 5
tahun terakhir.
Data Ganjil (5 tahun)

Formula :
Y = a + b (X)
a = X1 atau X2, bergantung tahun dasar
b = (X2-X1)/n
n = jarak periode antara X1 dan X2 Perhitungan:
a = 575.000 atau 680.000
b = (680.000-575.000) / 2 = 52.500
Y 2A11 = 575.000 + (52.500 x 4) = 785.000 ( tahun dasar 1)
Y 2A11 = 680.000 + (52.500 x 4) = 785.000 ( tahun dasar 2)
Maka penjualan perusahaan tahun 2A11 adalah sebesar 785.000 unit
C. ANALISIS TREND MATEMATIS
Dalam tren matematis ini terdapat 2 pendekatan yang
dapat digunakan untuk menggambarkan garis
trend,yaitu :
1) ANALISIS TREND MOMENT
Formula yang dapat digunakan adalah :

Formula Y = a + b (X) merupakan persamaan garis

trend yang akan di gunakan. Persamaan (i) dan
persamaan (ii) digunakan untuk menghitung nilai a
dan b yang pada akhirnya dijadikan sebagai dasar
penerapan garis linear (garis trend).
KASUS FORECASTING DENGAN METODE TREND
MOMENT
Data perkembangan jumlah penjualan selama 5 tahun
terakhir (tahun 2A06 s/d 2A10), sebagai berikut :

Dengan data tersebut hitunglah :

a. Volume penjualan tahun 2A11 dengan metode trend
moment
b. Trend Penjualan setiap tahun (tahun 2A06 s/d 2A10)
PENYELESAIAN KASUS TREND MOMENT
a. Menghitung Forecast Penjualan Tahun 2A11
Y = a + b (X)
Persamaan (i) : ∑Y = n.a + b. ∑X
Persamaan (ii) : ∑XY = a. ∑X + b. ∑X
Persamaan (i) : 3.465.732 = 5a + 10b
Persamaan (ii) : 7.056.704 = 10a + 30b
Atau
Persamaan (ii) : 7.056.704 = 10a + 30b
Persamaan (i) : 6.931.464 = 10a + 30b
125.240 = 10b
Diperoleh:
b = 12.524
a = 6688.098,4
Persamaan Trend : Y = 668.098,4 + 12.524 (X)

Volume Penjualan tahun 200F adalah :

Y = 668.098,4 + 12.524 (X)
Y = 668.098,4 + 12.524 (5)
Y = 730.718,4 unit (pembulatan)
b. Menghitung Trend setiap tahun
Nilai trend setiap tahun :
Tahun 2A06 : Y = 668.098,4 + 12.524 (0)
= 668.098,40
Tahun 2A07 : Y = 668.098,4 + 12.524 (1)
= 680.622,40
Tahun 2A08 : Y = 668.098,4 + 12.524 (2)
= 693.146,40
Tahun 2A09 : Y = 668.098,4 + 12.524 (3)
= 705.670,40
Tahun 2A10 : Y = 668.098,4 + 12.524 (0)
= 718.194,40
c. Membuat Grafik Garis Trend Dengan metode
momenr (lihat chart)
2) ANALISIS TREND LEAST SQUARE
Metode Trend Least Square pada dasarnya memiliki
sumber formula yang sama dengan metode
matematis. Hal yang membedakan adalah bahwa
metode Least Square menggunakan asumsi ∑X = 0
Formula yang digunakan :

X = Variabel Independen (periode)

a = Nilai Konstanta
b = Koefisien Regresi
n = Jumlah Data (periode)
KASUS FORECASTING DENGAN METODE TREND
LEAST SQUARE
Data dan informasi yang berkaitan dengan rencana
kegiatan operasional perusahaan di tahun 2A11.
a. Pengalaman penjualan selama 5 (lima) tahun terakhir :
b. Produk direncanakan akan didistribusikan di dua daerah
pemasaran, yaitu:

c. Harga jualan untuk wilayah Kalimantan Tengah adalah Rp

30.000/unit, sedangkan untuk wilayah Kalimantan Selatan dinaikkan
sebesar 25% dari wilayah Kalimantan Tengah dengan pertimbangan
biaya transportasi.
d. Pola penjualan yang direncanakan untuk seluruh wilayah :

Berdasarkan data tersebut diminta:

a)Menghitung forecast penjualan tahun 2A22
dengan metode Least Square.
b)Menyusun anggaran penjualan tahun 2A11
secara terinci menurut wilayah pemasaran dan
periode waktu.
Penyelesaian Kasus Trend Least Square
a. Menghitung forecast penjualan tahun 2A11
Untuk menghitung forecast penjualan tahun 2A11,
digunakan metode Trend Least Square

Metode Least Square

A = ΣY/n = 4.750.000/5= 950.000
B = ΣXY/ΣX2 = 260.000/10 = 26.000
Y tahun 2A11 = a+b (X) = 950.000 + (26.000 x 3)
= 1.028.000
Dengan demikian diperoleh Ramalan Penjualan Tahun
2A11 sebesar 1.028.000 unit
b. Menyusun Anggaran Penjualan tahun 2A11
2. Analisis Growth
Untuk membuat forecasting dengan menggunakan analysis growth
(pertumbuhan) mengacu pada formula sebagai berikut:
Formula = Pn = Po (1+I)n
Keterangan:
Pn = Volume Penjualan tahun ke-n
Po = Volume penjualan tahun dasar
n = Periode atau tahun
I = Interest (tingkat pertumbuhan penjualan)
KASUS FORECASTING PENJUALAN DENGAN ANALISIS
GROWTH
Perusahaan merapi Iron. Co merupakan
perusahaan pengecoran besi. Data yang diperoleh
dari data industri pengecoran besi menggambarkan
volume penjualan industri dan penjualan perusahaan
selama tiga tahun terakhir:
Tabel data penjualan industri dan perusahaan :
Diasumsikan bahwa pertumbuhan penjualan industri
setiap tahun mengikuti kecenderungan (trend) yang
berlaku, sedangkan pertumbuhan penjualan
perusahaan menyesuaian besarnya pertumbuhan
Market Share perusahaan dari tahun ke tahun.
Dengan data tersebut, diminta untuk :
1. Menghitung volume penjualan industri tahun 2A11
dengan metode Trend Least Square.
2. Menghitung market share untuk tahun 2A11
dengan analisis Growth.
3. Menghitung volume penjualan perusahaan tahun
2A11 sesuai tingkat market share perusahaan.
Penyelesaian Kasus Analisis Growth:
a) Volume Penjualan Industri tahun 2A11
Untuk menghitung volume penjualan industri tahun
2A11, digunakan metode Trend Least square.
Formula yang digunakan:
Y = a+b (X)
a = ΣY/n
b = ΣXY/ΣX2
Keterangan:
Y = Variabel Dependen
X = Variabel Independen (Periode)
a = Nilai Konstanta
b = Koefisien Regresi
n = Jumlah Data
Menghitung nilai a dan b =
a = ΣY/n = 1.200.000.000/3 = 400.000.000
b = ΣXY/ΣX2 = 80.000.000/2 = 40.000.000
Y tahun 2A11 = a + n (x) = 400.000.000 + (40.000.000
x 2) = 480.000.000
Dengan demikian diperoleh penjualan industri tahun
2A11 sebesar 480.000.000 ton
b) Mareket Share Perusahaan tahun 2A11
Untuk menghitung besarnya market share
digunakan formula berikut:
Market share = Penjualan perusahaan x 100%
Penjualan industri
Pembagian market share (MS) dari tahun ke tahun dihitung
dengan menggunakan analisis .
Formula:
Pn = Po (1 + i)n MS tahun 2A10
= MS 2A08 (1 + i)n 12,1%
= 10% (1 + i)2
(1 + i)2 = 0,121/ 0,1
(1 + i)2 = 1,21
(1 + i) = 1,1
i= 0,1 atau 1 = 10%
Disini ditemukan besarnya interest (tingkat pertumbuhan
penjualan) adalah 10% sehingga market share tahun 2A11
adalah:
MS tahun 2A11 = MS tahun 200A (1 + i)n
MS tahun 2A11 = 0,1 (1 + 0,1)3
MS tahun 2A11 = 0,1 x 1,331 = 0,1331 = 13,31%
c) Volume Penjualan Perusahaan Tahun 2A11
Penjualan perusahaan (PP) dihitung dengan cara
mengalikan antara penjualan industri (PI) dengan
market shared (MS) yang diperoleh pada tahun
tersebut.
Formula:
Penjualan perusahaan =
Penjualan Industri x Market shared

PP 2A11 = PI 2A11 x MS 2A11

= 480.000.000 x 13,31%
= 63.888 ton
Dengan demikian dihasilkan penjualan perusahaan
tahun 2A11 sebesar 63.888 ton.
3. Analisis Regresi Korelasi

Dengan analisis dikenal dua jenis variabel yakni variabel

dependen (Y) dan variabel independen (X). Variabel dependen
adalah variabel yang nilainya dipengaruhi (tergantung) besar
kecilnya variabel lain (variabel independen). Sedangkan variabel
independen adalah variabel bebas yang nilainya tidak
dipengaruhi oleh variable lain.
Dalam analisis regresi, pengaruh linear antara nilai suatu variabel
dengan nilai variabel lain dinyatakan dengan persamaan Y = f (X)
Yang berarti bahwa nilai variabel dependen (Y) di tentukan oleh
nilai variabel independen (X) dengan fungsi linear, maka
pengaruhnya besar dari variabel independen terhadap variabel
dependen dinyatakan dengan persamaan Y = a + b (X)
Dalam analisis regresi korelasi, maka formula regresi yang di
gunakan adalah Yp = a+ b (X)
Besarnya nilai a dan b dihitung dengan bantuan formula :Korelasi
adalah hubungan antara satu variabel dengan variabel lainnya.
Analisis ini biasanya digunakan untuk melengkapi analisis regresi.
Contoh : permintaan akan produk susu ditentukan oleh
faktor jumlah produk, jumah kelahiran bayi dll.
Korelasi dinyatakan denganangka -1 sd 1, dengan simbol r,
yang erarti bahwa besarnya nilai r berada di antara -1 sd 1.
Kriteria lain :
 r = -1, terdapat hubungan negatif sempurna.
 r = +1, terdapat hubungan posistif sempurna.

 r = 0, tidak terdapat hubungan sama sekali.

Untuk mencari koefisien korelasi dapat digunakan rumus :

 KASUS FORECASTING DENGAN ANALISIS REGRESI
KORELASI
Penyelesaian Kasus analisi regresi korelasi
Pada kolom terakhir dalam tabel tersebut
ditunjukan hasil perhitungan Yp pada setiap
periode. Langkah selanjutnya adalah mengukur
ketergantungan antar kedua variabel dengan
analisi korelasi
Untuk mencari koefisien korelasi dapat digunakan
rumus sbb :
Forecast Dengan Tekhnik Khusus
a. ANALISI INDUSTRI
Salah satu cara yang dapat digunakan untuk membuat
forcast adalah melalui analisis industri.analisi ini
berfokus pada kegiatan memperkirakan market share
yang dimilik perusahaan. Untuk menghitung market
share digunakan formula
Market share =
( Penjualan Perusahaan / penjualan industri ) x 100%

KASUS FORECASTING DENGAN ANALISA MARKET SHARE

Cv niken shoes co. merupakan perusahaan yang bergerak
dalam bidang industri sepatu olahraga.
Data permintaan industri sepatu CV. Niken shoes co
selama 6 tahun terakhirterakhir :
 PENYELESAIAN KASUS ANALISA MARKET SHARE
a. Perkiraan demand industri sepatu dengan metode
trend moment
Formula yang digunakan:
Y = a + b (x)
Persamaan (i) : ∑Y = n.a + b. ∑X
Persamaan (ii): ∑XY = a.∑X + b.∑X

Persamaan (i) : 490.500.000 = 6a + 15b

Persamaan (ii): 1.303.500.000 =15a + 55b
Atau:
Persamaan (i) : 2.607.000.000 = 30a + 75b
Persamaan (ii): 2.452.500.000 = 30a + 110b
= 154.500.000 = 35b
Diperoleh :
b = 4.414.285,72
a = 70.714.285,70

Persamaan Trend: Y = 70.714.285,70 + 4.414.285,72(X)

Volume Penjualan Industri tahun 2A11 adalah:
Y = 70.714.285,70 + 4.414.285,72 (X)
Y = 70.714.285,70 + 4.414.285,72 (6)
Y = 97.200.000 m (pembulatan)
b. Tingkat Penjualan Perusahaan yang dapat dicapai
tahun 2A11
b. ANALISIS LINI PRODUK (PRODUCT LINE)
Analisis Lini Produk (product line) digunakan pada
perusahaan-perusahaan yang menghasilkan lebih
dari satu macam produk. Masing-masing macam
produk tersebut tidak dapat diambil kesamaannya
dan harus dibuat forcesat secara terpisah.
c. ANALISIS PENGGUNAAN AKHIR
Analisis ini digunakan pada perusahaan-perusahaan
yang memproduksi barang-barang tidak langsung
dapat dikonsumsi, melainkan masih memerlukan
proses lebih lanjut untuk menjadi produk akhir.
Contoh: KASUS ANALISA PENGGUNA AKHIR
Perusahaan ‘’PRIMA BOTTLE’’ adalah perusahaan
yang bergerak dibidang usaha produksi botol yang
ditujukan untuk botol minuman ringan dan botol
obat-obatan.
a. Penjualan botol minuman ringan Tahun 2A04 s/d 2A10 :
b. Penjualan botol obat-obatan Tahun 20X0 s/d 20X6
Penyelesaian Kasus:
Forecast penjualan botol minuman ringan dengan
menggunakan metode Least Square
a. Forecast penjualan botol obat-obatan dengan
menggunakan metode Least Square