 Peramalan (Forecasting) adalah seni dan ilmu

untuk memperkirakan kejadian di masa

depan.
 Berdasarkan horizon waktu, peramalan
dibagi 3, yaitu :
1. Peramalan jangka pendek
2. Peramalan jangka menengah
3. Peramalan jangka panjang
 Peramalan jangka menengah dan jangka
panjang dapat dibedakan dari peramalan
jangka pendek dengan melihat dari tiga hal,
yaitu :
1. Peramalan jangka menengah dan
panjang berkaitan dengan permasalah-
an yg lebih menyeluruh dan mendukung
keputusan manajemen yg berkaitan dgn
perencanaan produk, pabrik, dan pro-
ses.
2. Permalan jangka pendek biasanya menetap-
kan metodologi yg berbeda dibandingkan
permalan jangka panjang.

3. Peramalan jangka pendek cendrung lebih

tepat dibandingkan peramalan jangka
panjang. Faktor-faktor yg mempengaruhi
perubahan permintaan berubah setiap hari.
Dengan demikian semakin panjang horizon
waktu, ketepatan peramalan seseorang se-
makin berkurang.
 Faktor lain yg harus dipertimbangkan saat
membuat peramalan penjualan, terutama
peramalan penjualan jangka panjang, adalah
siklus hidup produk. Penjualan produk bahkan
jasa tidak terjadi pada tingkat yg konstan
sepanjang hidupnya.
 Hampir semua produk yg berhasil melalui
empat tahapan, yaitu : perkenalan, per-
tumbuhan, kematangan dan penurunan.
 Berbagai organisasi menggunakan tiga jenis
peramalan yg utama dalam perenca-naan
operasi di masa depan :

1. Peramalan ekonomi : merencanakan

indikator-indikator yg berguna dalam
membantu organisasi menyiapkan pera-
malan jangka menengah dan jangka
panjang.
2. Peramalan teknologi : peramalan jangka
panjang sangat memperhatikan laju
perkembangan teknologi.
3. Peramalan permintaan : proyeksi suatu
penjualan perusahaan yg berlaku pada
setiap periode dalam perencanaan
horizon.
Peramalan ekonomi dan teknologi bukan
merupakan fungsi manajer operasi, shg
dalam pembahasan kita menekankan pada
perencana-an permintaan.
 Forecast Penjualan adalah proyeksi teknis dari
permintaan pelanggan potensial untuk suatu
waktu tertentu dengan berbagai asumsi.

 Pemilihan berbagai teknik forecaasting

dipengaruhi oleh :
1. sifat produk yang dijual
2. metode distribusi
3. tingkat persaingan
4. data historis
Forecast penjualan menentukan keputusan :

kebijakan rencana produksi

Kebijakan persediaan barang
Kebijakan investasi aktiva
Rencana cashflow
1. Judgement method
2. Metode statistika
3. Metode khusus
• Digunakan untuk menyusun forecast
penjualan maupun forecast kondisi bisnis.
• Sumber-sumbernya :

1. Pendapat salesman
2. Pendapat sales manajer
3. Pendapat ahli
4. Survey konsumen
Y = a + bx
Dimana:
Y = Variabel yang akan diramal
a = Konstanta
b = Parameter yang hrs diestimasi
X = Kuantitas suatu variabel
 Least Square Moment
Data Ganjil Data Genap Data Ganjil/Genap
Misal n = 7 Misal n = 6 Misal n = 7

N x N x N x
2013 -3 2013 0
2014 -2 2014 -5 2014 1
2015 -1 2015 -3 2015 2
2016 0 2016 -1 2016 3
2017 1 2017 1 2017 4
2018 2 2018 3 2018 5
2019 3 2019 5 2019 6
7 0 6 0 7 21
2020 2020 2020
4 7 7
• Analisis Trend
• a. Free hand method (trend bebas)
sangat subjektif dan kurang ilmiah
Contoh :
tahun penjualan
2015 130
2016 145
2017 150
2018 165
2019 170
 170

 150

 130

 0
Y = a + bx
∑y = n.a + b.∑x
∑xy = a.∑x + b.∑x 2
Tahun Penjualan x xy x2
(y)
2015 130 0 0 0
2016 145 1 145 1
2017 150 2 300 4
2018 165 3 495 9
2019 170 4 680 16
Jumlah 760 10 1620 30
 Y = a + bx
 ∑y = n.a + b.∑x
 ∑xy = a.∑x + b.∑x2
 760 = 5a + 10b
 1620 = 10a + 30b
 b = 10
 a = 132
 Y = 132 + 10x
 Y2020 = 132 + 10(5) = 182
Y = a + bx
a = (∑y)/n
b = (∑xy)/∑x 2
Tahun Penjualan x Xy x2
(y)

2009 130 -2 -260 4

2010 145 -1 -145 1
2011 150 0 0 0
2012 165 1 165 1
2013 170 2 340 4
Jumlah 760 0 100 10
 Y = a + bx
 a = (∑y)/n
 b = (∑xy)/∑x2
 a = 760/5 = 152
 b = 100/10 = 10
 Y = 152 + 10x
 Y2020 = 152 + 10(3) = 182
Tahun Penjualan x Xy x2
(y)
2016 145 -3 -435 9
2017 150 -1 -150 1
2018 165 1 165 1
2019 170 3 510 9
Jumlah 630 0 90 20
 a = 630/4 = 157,5
 b = 90/20 = 4,5
 Y2020 = 157,5 + 4,5(5) = 180
 GE Lightning memiliki data penjualan
lampu bolam sebagai berikut:
 2013: 210 juta unit
 2014: 230 juta unit
 2015: 230 juta unit
 2016: 235 juta unit
 2017: 240 juta unit
 2018: 250 juta unit
 2019: 255 juta unit
 Hitunglah perkiraan unit penjualan pada
tahun 2020 menggunakan metode moment
dan least square
 Perusahaan XYZ memiliki data penjualan
sebagai berikut:
 2012: 222.700
 2013: 238.200
 2014: 238.700
 2015: 236.300
 2016: 246.500
 2017: 248.700
 2018: 244.100
 2019: 220.200
 Hitunglah perkiraan unit penjualan pada tahun
2020 menggunakan metode moment dan least
square
 Produk yang dijual adalah A 60% dan B 40%
 Daerah Penjualan Jogja 40%, Solo 30% dan Klaten
30%
 Harga jual/unit Produk A untuk Jogja Rp15, Solo
Rp17 dan Klaten Rp16
 Harga jual/unit Produk B untuk Jogja Rp10, Solo
Rp15 dan Klaten Rp10
 Penjualan Bulanan: Januari 10%, Februari 9%,
Maret 8%, April 7%, Mei 6%, Juni 6%, Juli 7%,
Agustus 8%, September 9%, Oktober 10%,
November 10%, Desember 10%

 Buatlah Anggaran Penjualan tahun 2020

 SAMPAI KETEMU
PERTEMUAN BERIKUTNYA