Bab 2 Forecast Penjualan
1. Pengertian Forecast Penjualan
Gitosudarmo dalam Moorcy (34:2016) Forecast penjualan berarti menentukan ramalan penjualan pada waktu yang akandatang dengan menggunakan suatu metode/teknik tertentu yang sekiranya akan mendapatkan hasil ramalan yang akurat, yakni ramalan yang mendekati kenyataan.
2. Teknik Penaksiran (Forecast) Penjualan
Ada dua teknik yang dapat digunakan untuk menentukan ramalan penjualan, yakni teknik kualitatif dan kuantitatif. Teknik kualitatif lebih menitikberatkan pada pendapat (judgement) dan intuisi manusia dalam proses peramalan, sedangkan teknik kuantitatif sangat mengandalkan data historis. Kelemahan teknik kualitatif yaitu bahwa pendapat seseorang seringkali banyak diwarnai oleh hal-hal yang bersifat subjektif daripada bersifat objektif. Dengan demikian ketepatan hasil taksirannya menjadi diragukan.
Teknik kuantitatif (statistical method) ialah cara penaksiran yang menitikberatkan pada perhitungan-perhitungan angka dengan menggunakan berbagai metode statistika (Munandar dalam Moorcy 35:2016).
Namun metode ini juga memiliki kelemahan, yaitu adanya hal-hal yang tidak dapat diukur secara kuantitatif seperti misalnya selera konsumen, kebiasaan konsumen, tingkat pendidikan, dan cara berfikir masyarakat, struktur masyarakat dan sebagainya.
Munandar dalam Moorcy (36:2016) menyebutkan beberapa cara penaksiran yang bersifat kuantitatif antara lain :
a. Cara yang mendasarkan diri pada data historis dari satu variabel saja, yaitu variabel yang akan ditaksir itu sendiri, misalnya :
- Metode trend bebas (free hand method)
- Metode setengah rata-rata (semi-average method)
- Metode trend moment (moment method)
- Metode trend least-square (least square method)
- Metode kuadratik (parabolic method)
b. Apabila produk yang dijual tidak tergantung pada variabel lain dapat menggunakan trend, namun apabila penjualan produk dipengaruhi variabel lain maka akan lebih tepat bila forecast penjualan yang akan datang ditentukan dengan analisis regresi-korelasi.
c. Forecast penjualan dengan metode khusus
- Analisa industri atau analisa market-share
Metode Trend Bebas
Trend adalah rata-rata perubahan dalam jangka panjang, bila data yang ada menunjukkan kecenderungan naik maka trend tersebut merupakan trend positif, bila kecenderungan turun merupakan trend negative.
Pada umumnya, metode trend bebas cenderung digunakan sebagai analisis pendahuluan yang memberikan gambaran awal dari permasalahan yang dihadapi. Metode trend bebas hanya melihat pola data amatan melalui tebaran titik dari pasangan data penjualan tiap periode.
Sebagai contoh, berikut ini adalah data penjualan PT. Intan Nurani selama lima tahun dari tahun 2008 sampai dengan tahun 2012.
Tahun
|
Jumlah Penjualan (Unit)
|
2008
|
120
|
2009
|
128
|
2010
|
137
|
2011
|
150
|
2012
|
165
|
Berdasarkan gambar tersebut, terlihat trend peningkatan penjualan dari tahun ke tahun. Meskipun demikian, ramalan penjualan untuk tahun 2013 tidak berarti dapat ditentukan semata-mata lebih besar dari tahun 2012 hanya karena melihat trend, akan tetapi perlu kajian lebih mendalam, misalnya analisis yang dapat menunjukkan bentuk hubungan antara data penjualan dan waktu.
Metode Trend Setengah Rata-Rata
Pada metode ini sudah mulai digunakan perhitungan-perhitungan. Unsur subjektivitas sudah dihilangkan. Sebagai ilustrasi diberikan dua contoh yang dikutip dari Munandar (2000).
Berdasarkan data historis tentang jumlah unit barang yang terjual dari perusahaan “ABC” selama beberapa tahun terakhir, dapatlah diadakan penaksiran (forecast) jumlah unit barang yang diharapkan terjual selama beberapa tahun mendatang, sebagai berikut :
Fungsi garis lurus Y’ = a + bX dapat diketahui dengan menggunakan rumus :
a = rata-rata kelompok Satu
b = (rata-rata K2 – rata-rata K1)/n
n = jarak waktu antara rata-rata K1 dengan rata-rata K2
Penerapan rumus tersebut pada data yang tersedia, akan mendapatkan nilai :
a = 1.920
rata-rata K1 = 1.920
rata-rata K2 = 2.100
n = 6, yaitu jarak antara rata-rata K1 yang terletak diperbatasan antara tahun 2006 dengan tahun 2007 (tanggal 31 Desember 2006) dan rata-rata K2 yang terletak di perbatasan antara tahun 2012 dengan tahun 2013 (tanggal 31 Desember 2012).
Dengan demikian nilai b = (2.100 – 1920)/6
b = 30
Jadi persamaan fungsi garis lurus (trend) yang dicari adalah Y’ = 1.920 + 30X
Dengan persamaan tersebut diketahui nilai-nilai trend, yaitu nilai dari semua titik-titik yang membentuk garis patah-patah yang berasal data historis, dati tahun 2004 sampai dengan tahun 2015. Nilai-nilai trend ini dapat diketahui dengan mengganti variabel X, ialah jarak waktu antara rata-rata kelompok satu (K1) dengan tahun yang diinginkan. Dengan demikian variabel X untuk tahun 2004 adalah jarak waktu (tahun) antara tanggal 31 Desember 2006 dengan tanggal 30 Juni 2004 (pertengahan tahun 2004), yaitu sebesar minus 2 
(atau -2,5) . Jadi nilai trend tahun 2004 adalah :
(atau -2,5) . Jadi nilai trend tahun 2004 adalah :
Y’ 2004 = 1.920 + 30 (-2,5)
Y’ 2004 = 1.845
Dengan cara yang sama dapatlah diketahui nilai-nilai trend untuk tahun-tahun berikutnya. Akan tetapi nilai –nilai trned tahun-tahun berikutnya tersebut dapat pula diketahui dengan menambahkan secara berturut-turut sebanyak b, yaitu sebesar 30. Dengan demikian nilai trend yang membentuk garis lurus sejak 2004 sampai dengan tahun 2015 adalah :
Tahun
|
Unit
|
2004
|
1.845
|
2005
|
1.875
|
2006
|
1.905
|
2007
|
1.935
|
2008
|
1.965
|
2009
|
1.995
|
2010
|
2.025
|
2011
|
2.055
|
2012
|
2.085
|
2013
|
2.115
|
2014
|
2.145
|
2015
|
2.175
|
Dengan cara yang sama dapat pula diketahui nilai trend untuk bertahun-tahun yang akan datang, yang merupakan angka taksiran (forecast) untuk keperluan menyusun budget penjualan. Dengan demikian taksiran penjualan selama lima tahun mendatang adalah :
Tahun
|
Unit
|
2016
|
2.2015
|
2017
|
2.235
|
2018
|
2.265
|
2019
|
2.295
|
2020
|
3.025
|
Jelaslah bahwa metode setengah rata-rata ini lebih dapat dipertanggungjawabkan daripada metode trend bebas karena metode ini menggunakan perhitungan yang lebih pasti.
Metode Trend Moment
Metode ini juga menggunakan cara-cara perhitungan statistika dan matematika tertentu untuk mengetahui fungsi garis lurus sebagai pengganti garis patah-patah yang dibentuk oleh data historis perusahaan. Metode trend moment merupakan metode analisis yang digunakan untuk keperluan peramalan dengan membentuk persamaan a + bX sebagaimana pada metode setengah rata-rata. Perbedaannya terletak pada pemberian nilai score nilai X nya. Dalam hal ini pemberian score dimulai dari 0, 1, 2 dan seterusnya. Ilustrasi penerapan untuk data penjualan PT. Abadi seperti pada table berikut :
Dalam mencari koefiesn a dan b digunakan persamaan :
∑ Y = n.a + b.X
∑ XY = ∑ X + b. ∑ X2
Keterangan n = banyaknya pasangan amatan x,y = 5
Persamaan yang terbentuk dapat dicari penyelesainnya melalui metode eliminasi ataupun metode substitusi sebagaimana dicontohkan berikut :
(I) 774 = 5 . a + b (10) [x2]
(II) 1.618 = 10 . a + (30) [x1]
1.548 = 10.a + 20b
1.618 = 10.a + 30b (-)
-70b = -10b
b = 7
Subtitusikan
b = 7
(I) 774 = 5a + 10(7)
5a = 774 – 70 = 704
a = 704/5 = 140,8
maka persamaan trendnya : Y = 140,8 + 7 (X)
Dengan memasukkan parameter X ke dalam fungsi garis lurus tersebut dapatlah diketahui nilai-nilai trend sejak tahun 2011 sampai dengan tahun 2015, sebagai berikut :
Tahun
|
Y
|
2011
|
140,8
|
2012
|
147,8
|
2013
|
154,8
|
2014
|
161,8
|
2015
|
168,8
|
Dengan cara yang sama, yaitu memasukkan parameter X ke dalam fungsi garis lurus tersebut, maka dapat pula diketahui taksiran (forecast) selama lima tahun mendatang, sebagai berikut :
Tahun
|
Y
|
2016
|
175,8
|
2017
|
182,8
|
2018
|
189,8
|
2019
|
196,8
|
2020
|
203,8
|
Metode Trend Least Square
Merupakan penyederhanaan dari metode trend moment, sehingga mempermudah perhitungannya. Sebagimana telah dikemukakan bahwa metode trend moment mempergunakan rumus :
∑ Y = n.a + b.X
∑ XY = ∑ X + b. ∑ X2
Metode trend least square menyederhanakan rumus tersebut dengan cara mengusahakan sedemikian rupa sehingga jumlah parameter X sama dengan nol (∑ X = 0).
Oleh karena ∑ X = 0, maka rumus tersebut akan menjadi lebih sederhana yaitu :
∑ Y = n.a atau a = 
∑ XY = b. ∑X2 atau b
Data dilakukan pembagian menjadi dua kelompok. 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………
Dengan demikian rumus yang dipergunakan dalam perhitungan metode trend least square adalah :
Y’ = a + Bx
a = 
b = 
Dengan syarat ∑X = 0
Data penjualan PT. Abadi hasil perhitungan dengan teknik ini sebagai berikut :
a = 
= 154,8
= 154,8
b = 
= 7
= 7
Sehingga persamaan trend metode least square adalah :
Y = 154,8 + 7 (X)
Forecast penjualan untuk tahun 2016 sampai dengan tahun 2020 adalah sebagai berikut :
Y = 154,8 + 7 (3) = 175,8
Y = 154,8 + 7 (4) = 182,8
Y = 154,8 + 7 (5) = 189,8
Y = 154,8 + 7 (6) = 196,8
Y = 154,8 + 7 (7) = 203,8
Metode Kuadratik
Dari contoh pengunaan metode-metode sebelumnya, kesemuanya bertujuan untuk menemukan bentuk garis lurus sebagai pengganti garis patah-patah yang dibentuk oleh data historis. Dalam matematika, garis lurus tersebut dinyatakan dalam suatu persamaan atau fungsi garis lurus, yaitu Y’ = a + bX. Dengan demikian metode metode tersebut lebih sesuai digunakan oleh perusahaan yang mempunyai deretan data historis yang memang cenderung mengarah ke bentuk garis lurus, sedangkan bagi perusahaan yang mempunyai deretan data historis yang jika digambarkan dalam grafik tidak cenderung mengarah ke bentuk garis lengkung, maka metode yang telah diutarakan di muka kurang sesuai untuk dipergunakan (Munandar dalam Moorcy, 45:2016).
Bagi perusahaan yang mempunyai deretan data historis yang cenderung mengarah ke bentuk garis lengkung (non-linear) semacam ini tersedia beberapa metode penaksiran, yang masing-masing disesuaikan dengan bentuk kelengkungan garis tersebut. Bilamana deretan data historis yang bersangkutan cenderung mengarah kegaris lengkung yang berbentu parabola, maka metode yang sesuai untuk dipergunakan adalah metode kuadratik. Dalam matematika, bentuk parabola semacam ini dinyatakan dalam suatu persamaan atau fungsi parabola,
Yaitu : Y’ = a + bX + cX2
Sebagai ilustrasi, berikut ini diberikan sebuah contoh yang dikutip dari Munandar, agar dapat memberikan gambaran yang lebih jelas :
Berdasarkan data historis tentang jumlah unit barang yang terjual dari perusahaan “Semesta” selama beberapa tahun terakhir, dapatlah diadakan penaksiran (forecasting) jumlah unit barang yang diharapkan terjual selama beberapa tahun mendatang, sebagai berikut :
Menurut fungsi kuadratik, fungsi parabola sebagai pengganti garis patah-patah yang dibentuk oleh data historis tersebut, dihitung dengan rumus :
Y’ = a + bX + cX2
(I) ∑Y = n.a + c∑X2
(II) ∑XY = b ∑X2
(III) ∑X2Y = a ∑X2 + c∑X4
Dengan menerapkan rumus tersebut pada data yang tersedia, maka dapatlah dihitung :
(I) 146.000 = 9a + 60c |x20|
(II) 780.000 = 60a + 708c |x3|
(I) 2.920.000 = 180a + 1.200c
(II) 2.310.000 = 180a + 2.124c
580.000 = 924c
c = 627,7 (dibulatkan)
Jika nilai c = 627,7 dimasukkan ke dalam persamaan pertama, akan diperoleh hasil :
(I) 146.000 = 9a + 60 (-627,7)
146.000 = 9a – 37.662
9a = 183.662
a = 20.406,9 (dibulatkan)
Sedangkan dari persamaan kedua akan diperoleh hasil :
(II) 120.000 = 60b
b = 2.000
Dengan demikian dapatlah diketahui fungsi parabola yang dicari yaitu :
Y’ = 20.406,9 + 2.000 X – 627,7 X2
Dengan memasukkan parameter ke dalam fungsi parabola tersebut akan diperoleh nilai trend parabola pada tahun 1975, yaitu :
Y’ 1976 = 20.406,9 + 2.000 (-4) – 627,7 (16)
Y’ 1976 = 20.406,9 – 8.000 – 10.043,2
Y’ 1976 = 2.363,7
Dengan cara yang sama, maka dapatlah diketahui nilai-nilai trend parabola sejak tahun 2007 sampai dengan tahun 2015, sebagai berikut :
Tahun
|
Unit
|
2007
|
2.363,7
|
2008
|
8.757,6
|
2009
|
13.896,1
|
2010
|
17.779,2
|
2011
|
20.406,9
|
2012
|
21.779,2
|
2013
|
21.896,1
|
2014
|
20.757,6
|
2015
|
18.363,7
|
Sedangkan nilai taksiran (forecast) penjualan selama tiga tahun mendatang dapat pula diketahui dengan cara yang sama, yaitu sebesar :
Tahun
|
Unit
|
2016
|
14.714,4
|
2017
|
9.809,7
|
2018
|
3.949,6
|
Metode Regresi
Peramalan dengan statistik akan lebih lengkap bila ditambah dengan analisa regresi. Apabila produk dijual dengan adanya pengaruh variabel lain, maka digunakan formula regresi.
Berdasarkan data historis tentang jumlah produk susu kaleng untuk makanan bayi dari perusahaan “Tunas Mekar” dan data historis tentang jumlah bayi yang lahir di daerah penjualan produk tersebut selama beberapa tahun terakhir, dapatlah diadakan penaksiran (forecasting) jumlah unit barang yang diharapkan terjual selama beberapa tahun mendatang. Data dan penjelasan dari Munandar dalam Moorcy (48:2016) adalah :
Y ‘ = a + bX
(I) ∑Y = n.a + b∑X
(II) ∑XY = a ∑X + b∑X2
Dengan menerapkan rumus tersebut pada data yang tersedia, maka dapatlah dihitung :
(I) 1.500 = 5a + 1.200b |x240|
(II) 378.000 = 1.200a + 320.500 b |x1|
(I) 360.000 = 1.200a + 288.000b
(II) 378.000 = 1.200a + 320.000b
- 18.000 = -32.500b
b = 0,55 (dibulatkan)
Jika nilai b = 0,55 dimasukkan kedalam persamaan pertama, akan diperoleh hasil :
(I) 1.500 = 5a + 1.200 (0,55)
1.500 = 5a + 660
a = 168
Dengan demikian dapatlah diketahui fungsi regresi yang dicari, yaitu :
Y’ = 168 + 0,55X
Dengan memasukkan nilai X ke dalam fungsi regresi tersebut, akan diperoleh nilai regresi pada tahun 2011, yaitu :
Y’ 2011 = 168 + 0,55 (140)
Y’ 2011 = 168 + 77
Y’ 2011 = 245
Dengan cara yang sama dapatlah diketahui ;
Tahun
|
Ribuan Kaleng
|
2011
|
245
|
2012
|
256
|
2013
|
305,5
|
2014
|
333
|
2015
|
360,6
|
Misal taksiran (forecast) jumlah bayi yang baru lahir pada tahun 2016 adalah sebanyak 380 ribu bayi, maka taksiran penjualan susu kaleng pada tahun 2016 adalah sebesar :
Y’ 2016 = 168 + 0,55 (380)
Y’ 2016 = 168 + 209
Y’ 2016 = 377 ribu kaleng.
Forecast Penjualan dengan Metode Khusus
Analisa Industri
Analisa industri adalah salah satu cara untuk membuat forecast dengan metode khusus (adisaputro dalam Moorcy 50:2016). Dalam metode ini dicoba untuk dihubungkan potensi penjualan perusahaan dengan industri pada umumnya dalam arti ; volume dan posisi dalam persaingan. Analisa industri dibagi menjadi beberapa tahap dalam penggunaannya, yakni :
a. Membuat proyeksi demand industri untuk mengetahui prospek perkembangan penjualan industri pada tahun – tahun mendatang.
b. Menilai posisi perusahaan dalam hubungannya dengan industri pada umumnya. Posisi ini dinilai berdasarkan besarnya market share yang dimiliki oleh perusahaan dari tahun ke tahun.
c. Proyeksi posisi perusahaan pada masa mendatang, atau perhitungan Expected Market Share.
Munandar dalam Moorcy (51:2016) juga telah menjelaskan bahwa analisa industri dilakukan terutama untuk mengetahui posisi perusahaan terhadap keadaan industri secara keseluruhan. Dengan analisa tersebut akan dapat diketahui seberapa besar peranan perusahaan terhadap industri. Dalam kaitannya dengan budget penjualan, dengan analisa industri antara lain dapat diketahui perbandingan antara penjualan perusahaan dengan penjualan seluruh industri, atau dengan kata lain, dapat diketahui besar bagian dari permintaan industri yang dipenuhi (supply) oleh penjualan perusahaan yang bersangkutan.
Tahapan dalam pemakaian analisa industri dijelaskan pula oleh Gitosudarmo dalam Moorcy (51:2016) yaitu dengan cara :
a. Menentukan perkiraan permintaan industri pada periode yang akan datang
b. Menghitung market share selama beberapa periode terakhir
Rumus :
Market share 
X 100%
X 100%
loading...
No comments:
Post a Comment