FORECASTING PENJUALAN

NANTO PURNOMO, S.E.,M.M.

 PENGERTIAN FORECASTING
 Forecasting adalah menentukan ramalan mengenai sesuatu di masa yang akan datang.
Sesuatu yang akan datang perlu diramalkan atau diperkirakan karena waktu yang
akan datang penuh dengan resiko ketidakpastian.
 Forecasting adalah adalah suatu cara untuk mengukur atau menaksir kondisi bisnis
dimasa mendatang, dimana pengukuran dapat dilakukan secara kuantitatif
(menggunakan metode matematik dan statistik) dan kualitatif (menggunakan
judgment/pendapat).
 Realisasi sesuatu hampir tidak pernah sama dengan apa yang diperkirakan, tetapi
memperkirakan sesuatu harus dilakukan demi perencanaan yang lebih luas
MANFAAT SUATU PERAMALAN BAGI
PERUSAHAAN
 Menambah kemampuan perusahaan untuk mengadakan pengawasan
informasi kegiatan-kegiatan tertentu atau memperbaiki proses pemberian
laporan.
 Memungkinkan timbulnya team work diantara pimpinan.

 Memungkinkan di buatnya jadwal – jadwal pembelian, produksi, budget

penjualan dan budget alokasi pengeluaran sehingga di peroleh pedoman
dasar bekerja yang relatif lebih tepat.
PENGERTIAN FORECASTING PENJUALAN
 Forecast penjualan merupakan perkiraan penjualan pada suatu waktu yang
akan datang dalam keadaan tertentu dan dibuat berdasarkan data-data yang
pernah terjadi dan/atau mungkin akan terjadi.
 Forecast penjualan Adalah teknik proyeksi tentang permintaan konsumen
potensial pada suatu periode tertentu dengan menggunakan berbagai asumsi
tertentu pula.
FAKTOR YANG MEMENGARUHI PEMBUATAN FORECAST PENJUALAN
Ada lima faktor yang mempengaruhi suatu forecast atau peramalan penjualan yaitu :
a) SIFAT PRODUK.
Pada faktor ini lebih mengedepankan pada sifat produk yang di hasilkan oleh perusahaan, apakah produk ini bisa
bertahan dalam jangka waktu yang panjang atau dalam jangka waktu pendek.
b) METODE DISTRIBUSI.
Pada faktor ini lebih menitik beratkan pada metode distribusi yang dipakai oleh perusahaan, dimana letak
perusahaan apakah dekat dengan pasar atau dekat dengan bahan baku.
c) BESARNYA PERUSAHAAN DIBANDING PESAING.
Pada faktor ini lebih melihat pada posisi suatu perusahaan pada pasar.
d) TINGKAT PERSAINGAN.
Setelah mengetahui posisi perusahaan bagaimanakah tingkat persaingan dengan perusahaan pesaing.
e) DATA HISTORIS.
Data historis yang diperlukan disini minimal berjumlah lima tahun terakhir dari perusahaan.
TEKNIK FORECAST PENJUALAN
 Forecast berdasarkan pendapat (judgemental method).
1. Pendapat Salesman
2. Pendapat Sales Manager
3. Pendapat Para ahli
4. Survei Konsumen
 Forecast berdasarkan perhitungan statistik (statistical method):
1. Analisis trend
2. Analisis Korelasi Dan Regresi
3. Specific Purpose Method Forecast (Peramalan Metode Khusus)
FORECAST BERDASARKAN PERHITUNGAN STATISTIK (STATISTICAL METHOD):

1. Analisis trend
a) Garis Trend Bebas
b) Garis Trend Metode Setengah Rata-Rata (Trend Semi Average)
c) Garis Trend Matematis
Metode Trend Moment (Metode Garis Lurus)


 Least Square Method (Metode Kuadrat terkecil)

2. Analisis Korelasi Dan Regresi

3. Specific Purpose Method Forecast (Peramalan Metode Khusus)
d) Analisis industri
e) Analisis product line
f) Analisis penggunaan akhir
TEKNIK FORECAST PENJUALAN
A. FORECAST BERDASARKAN PENDAPAT (JUDGEMENTAL METHOD).

1). Pendapat Salesman

 Para salesman diminta untuk mengukur apakah ada kemajuan atau
kemunduran segala hal yang berhubungan dengan tingkat penjualan
pada daerah mereka masing-masing. Kemudian mereka diminta pula
untuk mengestimasi tentang tingkat penjualan di daerah masing-
masing di waktu mendatang.
 Perkiraan para salesman itu perlu diawasi karena mungkin ada unsur
kesengajaan untuk membuat perkiraan yang lebih rendah (under
estimate), dengan harapan apabila ia menjual di atas perkiraannya ia
akan mendapatkan bonus
TEKNIK FORECAST PENJUALAN
A. FORECAST BERDASARKAN PENDAPAT (JUDGEMENTAL METHOD).

2). Pendapat Sales Manager

 Perkiraanyang dikemukakan oleh para salesman perlu diperbandingkan
dengan perkiraan yang dibuat oleh kepala bagian penjualan. Seorang
kepala bagian penjualan tentu mempunyai pertimbangan dan
pandangan yang lebih luas meliputi seluruh daerah penjualan. Pada
umumnya perkiraan kepala bagian penjualan dapat lebih obyektif
karena mempertimbangkan banyak faktor. Hal ini mungkin juga
disebabkan pendidikannya yang relatif lebih tinggi (mungkin) dan
pengalamannya yang lebih luas di bidang penjualan
TEKNIK FORECAST PENJUALAN
A. FORECAST BERDASARKAN PENDAPAT (JUDGEMENTAL METHOD).

3). Pendapat Para ahli

 Kadang-kadang perkiraan yang dibuat oleh salesman dan kepala
bagian penjualan sangat bertentangan satu sama lain, sehingga
perusahaan menganggap perlu untuk meminta pertimbangan kepada
orang yang dianggap ahli. Mereka ini disebut konsultan. 

4). Survei Konsumen

 Apabilaketiga pendapat di atas masih dirasa kurang dapat
dipertanggungjawabkan, maka biasanya lalu diadakan penelitian
langsung terhadap konsumen.
 TEKNIK FORECAST PENJUALAN
B.    FORECAST BERDASARKAN PERHITUNGAN STATISTIK (STATISTICAL METHOD):
1. Analisis trend
 Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan
suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan
peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang
cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang,
sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi
yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan
tersebut
 Trend merupakan gerakan jangka panjang yang dimiliki kecenderungan menuju
pada satu arah, yaitu arah naik dan turun.
 Trend adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang
yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata
atau mulus (smooth).
ANALISIS TREND
A. GARIS TREND BEBAS
 Pada umumnya metode trend bebas cenderung digunakan sebagai analisis pendahuluan
yang akan memberikan gambaran awal dari suatu permasalahan yang akan dihadapi.
Metode trend bebas mencoba melihat pola data amatan melalui tebaran titik dari
pasang data penjualan pada setiap waktunya. Kelemahan metode ini adalah sangat
subjektif dan kurang memenuhi persyaratan ilmiah sehingga jarang digunakan.
Berdasarkan tebaran data yang terbentuk dapat diperkirakan trend penjualan dari data
tersebut.
 Contoh Kasus: PT. Maju memiliki data penjualan tahunan sebagai berikut :

Tahun   Penjualan (Unit)  Harga

2010                        8.500         2.500
2011                        9.000         2.500
2012                        9.500         2.500
2013                      10.000         2.500
DARI TABEL TERSEBUT BILA MANAJER MENGINGINKAN ADANYA KENAIKAN PENJUALAN
SEBESAR 500 UNIT UNTUK TAHUN 2014. DARI TAHUN SEBELUMNYA DENGAN HARGA
YANG SAMA. DATA TABEL PENJUALAN SETELAH ADANYA KENAIKAN SEBESAR 500 UNIT
Tahun   Penjualan (Unit)  Harga
2010                        8.500         2.500
2011                        9.000         2.500
2012                        9.500         2.500
2013                     10.000         2.500
2014                     10.500         2.500

Metode ini biasanya digambarkan dalam bentuk grafik, Metode ini jarang digunakan
dengan alasan tidak memperhitungkan hitungan kualitatif dan berdasar pada data
subyektif, tidak berdasar pada model tertentu, tidak logis dan sistematis.
B. GARIS TREND METODE SETENGAH RATA-RATA (TREND SEMI
AVERAGE)
 Metode trend semi average dapat digunakan untuk keperluan peramalan dengan
membentuk suatu persamaan seperti analisis regresi. Metode ini dapat digunakan
dengan jumlah data genap ataupun ganjil. Dalam analisis trend ini unsur subyektifitas
mulai dihapuskan karena teknik peramalannya sudah menggunakan perhitungan-
perhitungan.
 Metode ini dapat digunakan untuk keperluan forecash dengan membentuk suatu
persamaan seperti analisis regresi. Metode trend setengah rata-rata menentukan
bahwa untuk mengetahui fungsi Y = a + bx, semua data historis dibagi menjadi dua
kelompok dengan jumlah anggota masing-masing sama
 Data pada metode ini biasanya terdiri dari :

1. Metode Setengah Rata-rata dengan data historis dalam jumlah genap.

2. Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil

Persamaan trend yang diperoleh dengan menggunakan metode ini, selain dapat
digunakan untuk mengetahui kecenderungan nilai suatu variabel dari waktu ke waktu,
juga dapat digunakan untuk meramal nilai suatu variabel tersebut pada suatu waktu
tertentu. Persamaannya adalah sebagai berikut :

Y = a + bX

Dimana :
 Dimana :

 a = Nilai rata rata Kelompok 1

 n = Jumlah tahun dalam kelompok I

 x = jumlah tahun dihitung dari tahun dasar
Tahapan Metode setengah Rata-Rata (Semi Average Method) :
1) Membagi data dalam dua kelompok sama besar

2) Menghitung rata-rata setiap kelompok

3) Menghitung nilai “a” dan “b”

4) Menentukan Nilai “X”

5) Nilai X untuk data genap adalah -3,-1,+1,+3,+5 dan untuk data ganjil -3,-2,-1,0, +1,
+2, +3
6) Memberi score terhadap waktu yang terkait dengan data penjualan. Dalam metode
trend semi average ini, acuan adalah kepada kelompok pertama. Score 0 diberikan
bagi data yang berada ditengah dari data yang ada pada kelompok pertama bila
datanya ganjil. Selanjutnya terhadap data yang sebelumnya diberi score -1, -2, -3, dst.
Dan terhadap data sesudahnya diberi score 1, 2, 3, dst. Untuk data yang jumlahnya
genap, biasanya score tidak melibatkan nilai nol. Sebagai contoh bila datanya ada 4,
score yang diberikan adalah -3, -1, 1, 3
A) CONTOH KASUS (TAHUN GENAP DENGAN PEMBAGIANTAHUN GANJIL)

PT. MAJU MEMILIKI DATA PENJUALAN TAHUNAN SEBAGAI BERIKUT :

Tahun   Penjualan (Unit)

2007                               140
2008                               148
2009                               157
2010                               157
2011                               160
2012                               169

Diminta : Hitunglah penjualan untuk tahun 2015 dan 2018 ?

Penyelesaian :
 Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi dua yang
masing-masing kelompok terdiri dari 2 data (Genap).
 Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun tengah data
tahun kelompok I, sehingga periode dasarnya adalah tahun 2008
 Menentukan Angka Tahun. Karena periode dasar 2008 berangka tahun x = 0, maka angka tahun untuk
tahun 2007 adalah -1 dan angka tahun untuk 2009, 2010, 2011, 2012 berturut-turut adalah 1, 2, 3, 4
dst.
 Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok. Untuk kelompok
I, Nilai Semi Totalnya adalah 140 + 148 + 157 = 445. Dengan cara yang sama dihitung Nilai Semi
Total untuk Kelompok II.
 Menentukan Semi average tiap Kelompok data. Semi Average untuk kelompok I adalah (semi total
kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah 445/3=148. Dengan cara yang
sama juga dihitung Semi Average untuk Kelompok II.
 Tahun  Penjualan Semi Total Semi Average X
2007 140 445 148 Kelompok 1
-1
2008 148 0
2009 157 1
2010 157 486 162 Kelompok 2
2011 160 2
2012 169 3
4

 MENGHITUNG NILAI B :
B     = (162-148)/3 = 4,66 = 5

MAKA PENJUALAN UNTUK TAHUN 2015 DAN 2018 ADALAH :

2015      =    Y = A + B.X
             =   148 + 5 (7)
             =   183

2018      =    Y = A + B.X
             =   148 + 5 (10)
             =   198
B) CONTOH KASUS (TAHUN GENAP DENGAN PEMBAGIAN TAHUN GENAP)

PT. MAJU MEMILIKI DATA PENJUALAN TAHUNAN SEBAGAI BERIKUT :

Tahun   Penjualan (Unit)

2007                               140
2008                               148
2009                               157
2010                               169
2011                               157
2012                               157
2013                               160
2014                               169

Diminta : Hitunglah penjualan untuk tahun 2015 dan 2018 ?

 Tahun    Penjualan  Semi Total Semi Average X
2007 200 825 206, 25 Kelompok 1
-3
2008 210 -1
2009 205 1
2010 210 3
2011 225 975 243, 75 Kelompok 2
5
2012 245 7
2013 245 9
2014 260 11

MENGHITUNG NILAI B :
B = (243,75 – 206,25)/4 = 9,4 = 9
MAKA PENJUALAN UNTUK TAHUN 2015 DAN 2018 ADALAH :
2015 = Y = A + B.X
= 206 + 9 (13) = 323
2018 = Y = A + B.X
= 206 + 9 (19) = 377
C. GARIS TREND MATEMATIS
1). METODE TREND MOMENT (METODE GARIS LURUS)
 Metode Trend Moment merupakan metode analisis yang dapat digunakan untuk
keperluan peramalan dengan membentuk persamaan : Y = a + bX, sebagaimana telah
diulas pada metode Trend Semi Avarage
 Dalam penerapannya, metode ini tidak mensyaratkan jumlah data harus genap.
Perbedaan dengan Metode Trend Semi Avarage terletak pada pemberian score nilai X
–nya. Dalam hal ini pemberian score X dimulai dari 0,1,2,dst.
 Metode Trend Moment, menggunakan persamaan yang berbeda dengan metode
setengah rata-rata untuk menaksir nilai a dan nilai b dalam persamaan trend : Y = a
+ bX
 Dalam mencari koefisien a dan b menggunakan persamaan :

ΣY = n . a + b . ΣX
ΣXY = a . ΣX + b . ΣX2
 Contoh :
Tahun Penjualan
2006      382.500
2007      409.500
2008      474.750
2009      562.500
2010      612.000

DIMINTA :
DENGAN MENGGUNAKAN METODE MOMENT BUATLAH FORECAST PENJUALAN UNTUK TAHUN 2011 DAN 2012!
PENYELESAIAN :

Tahun Penjualan X Xi.Yi X2

2006       382.500 0                     - 0
2007       409.050 1       409.500 1
2008       474.750 2       949.500 4
2009       562.500 3    1.687.500 9
2010       612.000 4    2.448.000 16
∑    2.440.800 10    5.494.050 30
 Persamaan(1)   =    2.440.800      =    5a + 10b (x 2) ΣY = N . A + B . ΣX
Persamaan(2)   =    5.494.050      =    10a+30b (x 1) ΣXY = A . ΣX + B . ΣX2
                          =    4.881.600      =    10a+20b
    =    5.494.050      =    10a+30b
                          =    -612.450        = -10b
b = 61.245

Subtitusi dan eliminasi :

b = 61.245           2.440.800    =    5a + 10b
                           2.440.800     =    5a + 10 (61.245)
                           2.440.800     =    5a + 612.450
                             5a               =    2.440.800 - 612.450
                            5a                =    1.828.350
                            a                  =    1.828.350 / 5
                                                =    365.670
 Mencari Tingkat Penjualan Tahun 2011 & 2012 dengan formula :
Y      =    a +bx

Maka Y’ (2011)        = Y’     =    365.670 + 61.245.X

                                 = Y’     =    365.670 + 61.245 (5) =    671.895
Maka Y’ (2012)        = Y’     = 365.670 + 61.245X
                                 = Y’     = 365.670 + 61.245 (6) = 733.140
2. LEAST SQUARE METHOD (METODE KUADRAT TERKECIL)
 Metode untuk menghitung nilai trend pada tahun berjalan dan untuk mencari forecast
pada periode yang akan datang.
 Untuk menghitung nilai trend dan forecast terlebih dahulu menaksir nila a dan b pada
persamaan Y = a + bX.
 nilai X dihitung denganmengacu pada panduan jika :

 Data Gasal (ganjil) maka X : ...., -3,-2,-1,0,1,2,3 , ....

 Data Genap maka X : ...., -5,-3, -1,1,3 ,5 ....

 Persamaan untuk menaksir nilai a dan b adalah:

a = ∑Y
n
b = ∑XY
∑X²
CONTOH PERHITUNGAN DENGAN METODE LEAST SQUARE :

Sebuah perusahaan yang bergerak dalam penyediaan makanan bayi ingin membuat
forecast penjualan makanan bayi untuk beberapa tahun mendatang di daerah Jawa
Timur, dengan menggambarkan garis trend. Data penjualan tahun-tahun terakhir adalah
sebagai berikut :

Tahun (X)   Penjualan (Y)

2006                            6.750
2007                            7.470
2008                            7.500
2009                            8.190
2010                            8.280

Diminta : Hitunglah forecasting penjualan untuk tahun 2011 ?

PENYELESAIAN :
Tahun Penjualan X X2 X.Y
2006                6.750 -2 4        (13.500)
2007                7.470 -1 1          (7.470)
2008                7.500 0 0                      -
2009                8.190 1 1             8.190
2010                8.280 2 4          16.560

∑      ∑Y = 38.190      ∑X2 = 10   ∑XY = 3.780

Dengan persamaan trend Y = a + bX,dimana :

a = ∑Y
n
b = ∑XY
∑X²

a = 38.190/ 5 = 7.638
b = 3.780 / 10 = 378
maka sesuai dengan Persamaan Trend :
Y = a + bX
= 7.638 + 378X

Sehingga didapat nilai trend untuk tiap tahunnya adalah :

Tahun 2006 Y = 7.638 + 378 (-2) = 6.882
Tahun 2007 Y = 7.638 + 378 (-1) = 7.260
Tahun 2008 Y = 7.638 + 378 (0) = 7.638
Tahun 2009 Y = 7.638 + 378 (1) = 8.016
Tahun 2010 Y = 7.638 + 378 (2) = 8.394
Jadi untuk tahun 2011 Y = 7.638 + 378 (3) = 8.772
2. ANALISIS KORELASI DAN REGRESI
Digunakan untuk menggali hubungan sebab akibat antara beberapa variabel. Perubahan
tingkat penjualan yang akan terjadi tidak hanya ditentukan oleh pola penjualan tetapi
juga ditentukan oleh faktor lain, misalnya jumlah penduduk, pendapatan, kondisi
perekonomian,dsb.
Apabila terdapat pengaruh dari variabel lain atas suatu produk, maka digunakan
formula regresi dan analisis korelasi.Formula regresi yang sering digunakan adalah:

Y = a + bX
Dimana:
a = konstanta
b = koefisien regresi
Besarnya a dan b dihitung dengan rumus :

b =n ∑XY - ∑X∑Y
n∑ X² - (∑X) ²

a = ∑Y – b ∑X
n

Formula korelasi yang sering digunakan adalah:

n XY   X  Y
r
2
n X  ( X )
2
n Y 2  ( Y ) 2
JENIS – JENIS KORELASI
 Korelasi positif ( searah )

Yaitu apabila suatu variabel Y naik / turun maka variabel lainnya X akan naik / turun
 Korelasi negatif ( berlawanan arah )

Yaitu apabila suatu variabel Y naik / turun maka variabel lainnya X akan turun / naik

NILAI KORELASI
Koefisien korelasi akan mempunyai nilai antara –1 < r  1, artinya nilai koefisien
korelasi maksimum satu dan tanda positif maupun negatif memperlihatkan jenis
hubungannya. Nilai koofesien korelasi semakin mendekati nilai satu maka hubungan
antra variabel tersebut semakin kuat.
INTERPRETASI DARI NILAI KOEFISIEN KORELASI SBB:
 Jika 0 < r < 1 berarti variabel X memiliki hubungan positif dan berbanding lurus (linier) dengan
variabel Y. Bila nilai variabel X bertambah maka nilai variabel Y juga bertambah, Semakin dekat nilai
r ke 0 maka semakin lemah kekuatan hubungan kedua variabel tersebut, sebaliknya semakin dekat
nilai r ke 1 semakin kuat hubungan kedua variabel tersebut
 Jika r = 0 berarti variabel X tidak memiliki hubungan linier dengan Y. Artinya gejolak nilai var X tidak
berpengaruh terhadap var Y
 Jika -1< r<0 berarti variabel X berhubungan dengan variabel Y, tetapi hubungannya negatif. Jika nilai
var X bertambah maka nilai var Y justru berkurang.
CONTOH :
BILA X MENUNJUKKAN BIAYA IKLAN (DALAM JUTA RUPIAH) DAN Y MENUNJUKKAN
JUMLAH PENJUALAN (DALAM JUTA UNIT), MAKA ILUSTRASI DATANYA ADALAH SBB :

Tahun X (Biaya Iklan) Y (Penjualan)

2006                      48         1.000
2007                      64         1.060
2008                      68         1.200
2009                      80         1.440
2010                      92         1.540
Total                   352         6.240

Diminta Hitunglah pengaruh Forecasting Penjualan menggunakan metode

regresi dan korelasi dari data diatas ?
PENYELESAIAN METODE REGRESI
Tahun X Y X.Y X2 Y2
2006 48 1.000 48.000 2.304 1000000
2007 64 1.060 67.840 4.096 1123600
2008 68 1.200 81.600 4.624 1440000
2009 80 1.440 115.200 6.400 2073600
2010 92 1.540 141.680 8.464 2371600
Total 352 6.240 454.320 25.888 8.008.800

Persamaan regresinya :
Y = a = bX
Maka Koefisien a dan b dicari dengan persamaan :
b = n ∑XY - ∑X∑Y = 5 (454.320) – (352) (6240) = 75.120 = 13,57
n∑ X² - (∑X) ² 5 (25.888) - (352) ² 5.536

a = ∑Y – b ∑X = 6240 – 13,57 (352) = 1463,36 = 292,67

n 5 5
Jadi Y = 292,67 + 13,57X
Artinya: bila biaya iklan naik 1 juta rupiah, jumlah penjualan akan meningkat 13,57 juta unit sehingga
total penjualan menjadi 306,24 juta unit

Penyelesaian Metode Korelasi

Koefisien korelasi dicari dengan persamaan :
n XY   X  Y
r
2
n X  ( X )
2
n Y 2  ( Y ) 2

Maka Nilai r = 0,9598

Artinya: biaya iklan memiliki hubungan sangat besar dan positif (searah) terhadap penjualan Yaitu
apabila suatu variabel X (biaya iklan) nilainya naik maka nilai variabel lainnya Y (penjualan) akan naik
dan sebaliknya apabila suatu variabel X (biaya iklan) nilainya turun maka nilai variabel lainnya Y
(penjualan) akan turun
 3. SPECIFIC PURPOSE METHOD FORECAST (PERAMALAN METODE KHUSUS)

a) Analisis industri
Analisa industri merupakan salah satu cara untuk membuat forecast dengan
metode khusus. Dalam metode ini dicoba untuk dihubungkan potensi
penjualan perusahaan dengan industri pada umumnya dalam arti Volume dan
Posisi dalam persaingan.

Dalam analisa industri ditonjolkan tentang market share yang dimiliki oleh
perusahaan. Market share semakin lama semakin membesar maka posisi
perusahaan tersebut semakin kuat dalam persaingan, begitu juga sebaliknya.
Artinya Market share merupakan salah satu indikator yang digunakan suatu
perusahaan dlm mengukur keberhasilan mereka dibandingkan
kompetitornya
ANALISA INDUSTRI DIBAGI MENJADI BEBERAPA
TAHAP DALAM PENGGUNAANNYA, YAKNI:
 Membuat proyeksi demand (permintaan) industri untuk
mengetahui prospek perkembangan penjualan industri pada tahun-
tahun mendatang.
 Menilai posisi perusahaan dalam hubungannya dengan industri
pada umumnya. Posisi ini dinilai berdasarkan besarnya market
share yang dimiliki oleh perusahaan dari tahun ke tahun
 Proyeksi posisi perusahaan pada masa mendatang, atau
penghitung expected market share
Market share = X 100%
TAHAPAN DALAM ANALISIS INDUSTRI

Demand Prsh Demand Industri Market Share Kenakan Market

Tahun (unit) (Unit) (%) Share

2003 110 1100 10  

2004 138 1150 12 2

2005 168 1200 14 2

2006 208 1300 16 2

2007 252 1400 18 2

2008 310 1550 20 2

Keterangan : Market Share = (Permintaan Perusahaan/Industri) X 100 %

PERKEMBANGAN PERMINTAAN
INDUSTRI

Tahun Demand Industri (Unit) Kenaikan

2003 1100  

2004 1150 4.5

2005 1200 4.3

2006 1300 8.3

2007 1400 7.7

2008 1550 10.7

Kenaikan =(( Demand 2004 –Demand 2003)/Demand 2003 ) X 100 %

PERKEMBANGAN PERMINTAAN INDUSTRI
 Dari trend kenaikan diatas dimisalkan proyeksi pertumbuhan tahun 2009 =
11,5% maka :

 Penaksiran/proyeksipermintaan industri tahun 2009 =

11,5%X1550 = 178, 25 (kenaikan)
sebagai total tahun 2009
1.550+178,25=1.728,25 unit atau 1.728 unit
 Jika market share perusahaan diperkirakan mengalami kenaikan yang sama
dengan tahun sebelumnya maka tahun 2009 market share 22% berdasarkan
hal ini pula maka:
PERKEMBANGAN PERMINTAAN INDUSTRI
 Market share = permintaan perusahaan x 100%
permintaan industri
 22% = permintaan perusahaan
1.728
Permintaan perusahaan 2009 = 0,22 x 1.728 = 380,16 unit atau 380 unit
b) Analisis product line
Pada umumnya analisis product line digunakan pada
perusahaan-perusahaan yang menghasilkan lebih dari satu
macam produk. Masing-masing produk tersebut tidak dapat
diambil kesamaannya dan harus dibuat forecast secara terpisah.
Pelaksanaanya pada dasarnya sama dengan metode statistik
dengan metode analisis trend.

c) Analisis penggunaan akhir

Analisa ini digunakan pada perusahaan-perusahaan yang
memproduksi barang-barang yang tidak langsung dapat
dikonsumsi (setengah jadi), melainkan masih memerlukan
proses lebih lanjut untuk menjadi produk akhir. Permintaan
akan produk ini dipengaruhi secara langsung oleh produk akhir
yang berasal dari produk atau produk akhir yang
menggunakannya.
 ANALISIS TIME SERIES
PERAMALAN DENGAN INDEX MUSIM
Jumlah Rata- % terhadap index
Bulan 2004 2005 2006 2007 2008 Penjualan Rata total musiman
1 5 5 6 6 8 30 6 8,43 101
2 3 5 7 5 8 28 5,6 7,87 94
3 3 5 6 6 9 29 5,8 8,15 98
4 4 4 7 7 8 30 6 8,43 101
5 4 4 6 6 7 27 5,4 7,58 91
6 3 4 5 8 8 28 5,6 7,87 94
7 3 5 6 7 8 29 5,8 8,15 98
8 4 4 7 7 8 30 6 8,43 101
9 3 4 7 6 9 29 5,8 8,15 98
10 3 5 7 8 9 32 6,4 8,99 108
11 4 5 7 6 9 31 6,2 8,71 104
12 4 5 7 7 10 33 6,6 9,27 111
78 43 55 78 79 101 356 71,2 100 1200

 % terhadap total = rata-rata / total rata-rata x 100

 Index Musim = % terhadap total x 12
PERAMALAN DENGAN INDEX MUSIM (2)

 Dari angka indeks musiman tersebut maka dapat dibuat forecast

penjualan tahun 2009 misalnya sales 2009 diperkirakan 115 maka
forescast penjualan :

 Januari= 101 x 115 = 9,7

1200
 Februari = 94 x 115= 9,0

1200
 Maret = 98 x 115 = 9,4
1200
Dan seterusnya