Chapter 2

Forecast Penjualan
 PERAMALAN PENJUALAN (SALES
FORECASTING)

1. Pengertian peramalan penjualan

2. Hubungan peramalan dengan rencana
3. Pengaruh kebenaran asumsi 
4. Kendala-kendala Dalam Peramalan
5. Efektivitas peramalan
6. Metode peramalan
7. Berbagai metode peramalan penjualan
 Pengertian Forecast Penjualan
• 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-FAKTOR YANG MEMPENGARUHI RENCANA
PENJUALAN
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
 HUBUNGAN PERAMALAN
DENGAN RENCANA
• Peramalan bukan merupakan rencana. Peramalan adalah tentang
apa yang akan terjadi pada waktu yang akan datang
• Rencana merupakan penentuan apa yang akan dilakukan pada
waktu yang akan datang.
• Peramalan penjualan menjadi suatu alat yang dapat mempengaruhi
manajer dalam membuat perencanaan penjualan. Dalam rencana
penjualan, perusahaan memasukkan keputusan manajemen
berdasar hasil ramalan, masukkan lain dan kebijakan manajemen
tentang hal-hal yang berkaitan (contoh volume penjualan, harga,
usaha penjualan, produksi, dan biaya-biaya).
 PENGARUH
KEBENARAN ASUMSI 
• Asumsi mempunyai pengaruh terhadap ketepatan peramalan yang
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.
 KENDALA-KENDALA
DALAM PERAMALAN

• Waktu yang diperlukan untuk melakukan persiapan melakukan peramalan.

• Kurangnya data yang relevan, baik dari sumber internal maupun eksternal.

• Kualitas data-data yang tersedia

• Fasilitas pengolahan data dan tenaga ahli

 EFEKTIVITAS
PERAMALAN
• Accuracy. Ini merupakan aspek terpenting dari forecast, karena perbedaan antara aktual
dan forecast berarti biaya. Lebih jauh, forecast error dapat menjadi sumber terjadinya
kesulitan-kesulitan yang serius.
• Stability vs Responsiveness. Artinya forecast harus mampu mengkover kompleksitas
dan ketidakpastian lingkungan baik yang disebabkan oleh long term growth trend
maupun seasonal influences.
• Objectivity. Kadang-kadang kondisi yang diramalkan tidak dapat atau tidak ada
kaitannya dengan data historis yang digunakan dalam forecasting. Bila demikian maka
pertama, data tetap diolah secara obyektif apa adanya, kedua baru kemudian hasil
forecasting pada pengolahan data secara obyektif disesuaikan dengan
memperhitungkan perkembangan terakhir situasi dan kondisi.
• Timing. Agar sistem forecasting dapat efektif, maka forecast harus tersedia tepat waktu.
• Benefit to Cost Ratio. Merupakan perbandingan antara manfaat yang berupa perbaikan
kualitas keputusan sehubungan dengan adanya sistem peramalan yang diukur dengan
cost saving dan biaya untuk membangun dan memelihara sistem peramalan.
 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
Mitra Bunda
Lestari tahun 2005
2012- -2010
2017

Tahun Jumlah Penjualan (Y) dalam unit

2005
2012 140
2006
2013 148
2007
2014 157
2008
2015 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
2007. Kelompok kedua adalah data penjualan tahun 2008,
2015
2016 dan
2009, dan 2017
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
 PERHITUNGAN METODE MOMENT

Tahun Penjualan (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 X2
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

 METODE KORELASI DAN REGRESI

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.
 Kesimpulan
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.
 Forecast penjualan dengan metode khusus

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 pen ju a la n pa da t a h u n ya n g a ka n
da t a n g dila ku ka n seba ga i ber iku t :
a . Men en t u ka n per kir a a n / pr oyeksi pen ju a la n
in du st r i pa da per iode ya n g a ka n da t a n g.
b. Men gh it u n g m a r ket sh a r e sela m a beber a pa
per iode t er a kh ir .
Penjualan Perusahaan
Market Share  x 100%
Penjualan Industri
c. Men en t u ka n pr oyeksi m ark et sh are pa da per iode
ya n g a ka n da t a n g.
Forecast pen ju a la n per u sa h a n per iode ya n g a ka n
da t a n g a ka n t er ga n t u n g besa r n ya pr oyeksi
pen ju a la n in du st r i da n pr oyeksi m ark et sh are.
 Ber iku t in i con t oh ya n g a ka n m em per jela s u r a ia n
dia t a s.
P en ju a la n per u sa h a a n da n t ot a l pen ju a la n in du st r i sela m 5
t a h u n t er a k h ir sbb:
Ta bel 2.10.
P en ju a la n P er u sa h a a n da n In du st r i Ta h u n 2013 - 2017
Ta h u n P en ju a la n P er u sa h a a n P en ju a la n In du st r i
(u n it ) (u n it )
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. Men gh it u n g m a r k et s h a r e t a h u n 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
Da r i t a h u n 2013 s a m pa i d en ga n t a h u n 2017
m a r k et sh a r e t er u s m en ga la m i k en a ik a n , ber a r t i
p osis i p er u sa h a a n da la m p er sa in ga n sem a k in
kuat.
c. P r oye k s i m a r k et sh a re t a h u n 2 0 18
K a r e n a m a r k e t s h a r e 5 t a h u n t e r a k h ir
m e n ga la m i k e n a ik a n m a k a p r oye k s i m a r k e t s h a r e
t a h u n 20 18 ju ga d it e n t u k a n d e n ga n t r e n d .
Ta b e l 2 .1 1 .
P r oye k s i P e n ju a la n in d u s t r i
Ta h u n Y X XY X2
2 01 3 20 -2 -40 4
2 01 4 23 -1 -23 1
2 01 5 25 0 0 0
2 01 6 27 1 27 1
2 01 7 30 2 60 4
12 5 - 24 10
y 125
a  a   25
x 5
n
 xy 24
b  b   2,4
 x2 10
P e r s a m a a n t r e n Y= 25 + 2 ,4 X
Proyeksi
P Market
e n ju a la n Share
in d u s t r y p a d a t a h u n 2 01 8 (X=3 )
Y= 2 5 + 2 ,4 (3 )
= 3 2 ,2%
 Kem u dia n forecast pen ju a la n t a h u n 2018 a ka n
dit en t u ka n ber da sa r ka n pr oyeksi pen ju a la n in du st r y
da n pr oyeksi m a r ket sh a r e t a h u n 2018 seba ga im a n a
t ela h dih it u n g sebelu m n ya .

Penjualan Perusahaan
MS 
Penjualan Industri

P en ju a la n P er u sa h a a n = MS x P en ju a la n In du st r i

= 32,2% x 4.908 u n it

= 1.580 u n it
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 pertama 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