ANALISIS PERAMALAN PENJUALAN PRODUK CRAZER DI CV… · Ahmad Yani ) perpustakaan.uns.ac.id...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

i

ANALISIS PERAMALAN PENJUALAN PRODUK CRAZER DI CV. CAHAYA JAYA LESTARI KARANGANYAR

TUGAS AKHIR

Diajukan untuk melengkapi Tugas – tugas dan Memenuhi Syarat – syarat guna memperoleh Gelar Ahli Madya Manajemen Pemasaran

Oleh :

MUHAMAD SUNARYO NIM : F3208145

PROGRAM STUDI DIPLOMA III MANAJEMEN PEMASARAN FAKULTAS EKONOMI

UNIVERSITAS SEBELAS MARET SURAKARTA 2011


commit to user

ii


commit to user

iii


commit to user

iv

MOTTO

Ä Kebahagian itu tergantung pada rasa syukur, kekuatan

tergantung pada iman, dan sabar adalah kunci

pertolongan, bunga akan mekar pada waktunya dan kita

akan memetik hasilnya, begitu pula amal kita, seseorang,

itu akan mendapatkan apa yang diusahakannya.

“Dan bahwasannya manusia tiada memperoleh selain apa

yang telah diusahakannya”.

( Q.S. An Najm : 39 )

Ä Untuk sukses perlu waktu karena sukses adalah

penghargaan alamiah atas menggunakan waktu untuk

melakukan sesuatu secara sebaik – baiknya.

( Joseph. Ross )

Ä Masa lalu jadikanlah pengalaman, masa kini jadikanlah

yang terbaik, masa esok jadikanlah cita – cita yang

diperjuangkan.

( Jend. Ahmad Yani )


commit to user

v

PERSEMBAHAN

Teruntuk,

F Ibu dan bapak tercinta yang dengan tulus ikhlas memberikan dukungan moral

dan material serta kasih sayangnya yang tidak akan pernah pupus sampai

kapanpun.

F Siti Patimah adikku tercinta, yang selalu menyayangi dan

mendoakanku.

F Serta teman – teman disekelilingku yang memberikan motivasi dan

menyayangiku.

KATA PENGANTAR


commit to user

vi

Assalamualaikum Warahmatullahi Wabarakatuh.

Alhamdulillahirobbil’alamin, segala puji syukur kehadirat Allah SWT

yang telah mana memberikan rahmat dan hidayah-Nya serta kemampuan

kemudahan dan pertolongan-Nya hingga penulisan Tugas Akhir ini

selesai.

Tugas Akhir dengan judul “Analisis Peramalan Penjualan Produk

Crazer Di CV. Cahaya Jaya Lestari Karanganyar” ini merupakan

persyaratan guna meraih gelar Ahli Madya pada Fakultas Ekonomi

Universitas Sebelas Maret Surakarta.

Dalam penulisan Tugas Akhir ini penulis mengalami banyak

kesulitan, namun berkat bantuan dari berbagai pihak akhirnya kesulitan –

kesulitan yang timbul dapat terselesaikan dengan baik. Oleh karena itu

merupakan suatu kebahagian apabila dalam kesempatan ini bagi penulis

dapat mengucapkan terima kasih atas segala bentuk bantuannya kepada

yang terhormat :

1. Drs. Wisnu Untoro, MS, selaku Dekan Fakultas Ekonomi

Universitas Sebelas Maret Surakarta.

2. Drs. Joko Purwanto, MBA, selaku Ketua jurusan Program D III

Manajemen Pemasaran Fakultas Ekonomi Sebelas Maret

Surakarta.


commit to user

vii

3. Sinto Sunaryo, SE, MSi, selaku Dosen Pembimbing yang telah

berkenan membimbing penulis

4. Para Dosen dan Staf Karyawan Fakultas Ekonomi Universitas

Sebelas Maret Surakarta.

5. Bapak Handoko S.N. selaku Manajer dari CV. Cahaya Jaya Lestari

yang telah banyak – banyak membantu penulis dalam

menyelesaikan Tugas Akhir ini.

6. Seluruh staf dan karyawan CV. Cahaya Jaya Lestari yang telah

mendukung selama kegiatan magang kerja.

7. Semua pihak yang tidak bisa penulis sebutkan satu persatu yang

telah banyak membantu demi kelancaran penulisan Tugas Akhir ini.

Akhirnya penulis menyadari sepenuhnya bahwa penyusunan Tugas

Akhir ini masih jauh dari sempurna, karena keterbatasan penulis dalam

pengembangan serta pengetahuan yang penulis miliki. Semoga Tugas

Akhir ini berguna untuk menambah pengetahuan bagi semua pihak

khususnya bagi penulis sendiri.

Semoga Allah SWT selalu memberikan pertolongan, anugrah yang

baik dan segala berkah-Nya atas bimbingan dan bantuan semua pihak

yang telah membantu penulis selema proses penyusunan Tugas Akhir ini


commit to user

viii

serta semoga dapat memberi manfaat bagi semua dan ilmu pengetahuan

pada saat ini dan masa yang akan datang.

Surakarta, 21 juni 2011

Muhamad Sunaryo

DAFTAR ISI

HALAMAN JUDUL ........................................................................... i


commit to user

ix

HALAMAN ABSTRAK ...................................................................... ii

HALAMAN PERSETUJUAN ............................................................. iii

HALAMAN PENGESAHAN .............................................................. iv

HALAMAN MOTTO ........................................................................... v

HALAMAN PERSEMBAHAN ............................................................ vi

KATA PENGANTAR ......................................................................... vii

DAFTAR ISI ...................................................................................... x

DAFTAR GAMBAR ........................................................................... xiii

DAFTAR TABEL ............................................................................... xiv

BAB I PENDAHULUAN

A. Latar Belakang Masalah ………………………………………. 1

B. Rumusan Masalah ................................................................ 6

C. Tujuan Penelitian .................................................................. 6

D. Manfaat Penelitian ................................................................ 7

E. Metode Penelitian ................................................................. 7

BAB II TINJAUAN PUSTAKA

A. Landasan Teori ………........................................................... 12


commit to user

x

1. Pemasaran ……………..................................................... 12

2. Pengertian Potensi Perusahaan ....................................... 13

3. Peramalan (Forecasting) ................................................. 14

4. Jenis-jenis Peramalan …………………………………….. 15

5. Tahap-tahap Peramalan ………………………………….. 16

6. Proses Peramalan …………………………………………. 17

7. Metode Peramalan ………………………………………… 20

B. Kerangka Pemikiran .............................................................. 37

BAB III PEMBAHASAN

A. Gambaran Umum perusahaan .............................................. 39

1. Sejarah Berdirinya CV. Cahaya Jaya Lestari ……........... 39

2. Visi, Misi, dan Tujuan Perusahaan ………....................... 39

3. Lokasi Perusahaan ......................................................... 40

4. Personalia Perusahaan ................................................... 43

5. Struktur Organisasi ......................................................... 44

B. Laporan Magang …………..................................................... 47

C. Pembahasan Masalah ........................................................... 50

1. Metode Rata-rata Bergerak (Moving Average) ................ 53


commit to user

xi

2. Metode Exponential Smoothing ……………………….… 59

3. Pengukuran Kesalahan Ramalan……………………….. 68

BAB IV PENUTUP

A. Kesimpulan ........................................................................... 71

B. Saran ………........................................................................... 72

DAFTAR PUSTAKA ........................................................................ 74

LAMPIRAN

DAFTAR GAMBAR

Gambar 3.1 Struktur Organisasi .......................................................... 25

Gambar 3.2 Grafik Forecast Moving Average Produk Crazer .…......... 59


commit to user

xii

Gambar 3.3 Grafik Forecast Exponential Smoothing Produk Crazer… 68

DAFTAR TABEL

Tabel 3.1 Penjualan Produk Crazer Tahun 2010/2011 ..………….. 51

Tabel 3.2 Peramalan Penjualan Produk Crazer Tahun 2010/2011.. 58


commit to user

xiii

Tabel 3.3 Peramalan Penjualan Produk Crazer Tahun 2010/2011.. 66

Tabel 3.4 Rata-rata Kesalahan Metode ….………………………….. 69


commit to user

ABSTRAK

ANALISIS PERAMALAN PENJUALAN PRODUK CRAZER

DI CV. CAHAYA JAYA LESTARI KARANGANYAR

MUHAMAD SUNARYO F3208145

Peramalan penjualan merupakan elemen yang sangat penting guna mengontrol produksi yang akan dilakukan perusahaan. Untuk itu dalam penulisan tugas akhir ini penulis mengambil judul “Analisis Peramalan Penjualan Produk Crazer di CV. Cahaya Jaya Lestari Karanganyar”.

Tujuan penelitian ini adalah untuk menentukan langkah-langkah apa saja yang akan diambil perusahaan untuk memenuhi permintaan konsumen dan supaya tidak terjadi kelebihan atau kekurangan produksi. Teknik yang digunakan dalam penelitian ini adalah deskriptif yaitu memberikan gambaran obyek yang diteliti kemudian melakukan pengolahan data berupa angka untuk menarik kesimpulan. Data yang digunakan adalah data primer merupakan data pendukung yang diproleh dari observasi dan wawancara dan data sekunder merupakan data pendukung yang diperoleh dari arsip perusahaan.

Untuk mengetahui permintaan konsumen pada periode yang akan datang dilakukan peramalan menggunakan metode Moving Average dan metode Exponential Smoothing. Penulis memilih kedua metode tersebut karena lebih cocok untuk melakukan forecast yang datanya bersifat random (tidak teratur). Data penjualan yang dianalisis adalah data bulan Januari 2010 sampai Maret 2011. Dari hasil perhitungan, CV. Cahaya Jaya Lestari sebaiknya memakai kedua metode tesebut, tetapi dari kedua metode dilihat MAD dan MSE yang terkecil. Untuk produk Crazer lebih cocok menggunakan metode Exponential Smoothing α = 0.05, dengan MAD sebesar 1,761,967.19 dan MSE sebesar 7,266,686,403,810.07.

Kerena kondisi permintaan cenderung fluktuatif, saran penulis dalam melakukan peramalan sebaiknya menggunakan metode yang berbeda sesuai kondisi permintaan yang dihadapi dan memperhatikan permintaan tiap periode. Kata kunci : Penjualan, metode Moving Average, dan metode

Exponential smoothing


commit to user

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Pada era globalisasi seperti sekarang ini perkembangan

perokonomian sangatlah pesat, yang membuat perusahaan kecil

maupun perusahaan besar harus selalu menjaga dan meningkatkan

pelayanannya. Untuk itu, perusahaan harus mampu menyesuaikan diri

dengan lingkungan di luar perusahaan yang terus berkembang. Salah

satu permasalahan yang dihadapi perusahaan adalah perubahan

kondisi dan situasi. Perubahan kondisi sosial ekonomi akan

mempengaruhi pemasaran pada umumnya dan perubahan lingkungan

yang tercermin pada perubahan perilaku konsumen yang akhirnya

berpengaruh secara langsung pada volume penjualan.

Dalam hubungannya dengan volume penjualan, peran ramalan

penjualan sangat penting guna mengontrol produksi yang akan

dilakukan perusahaan. Sebelum suatu perusahaan melaksanakan

kegiatan proses produksi, manajemen perusahaan akan mengadakan

penyusunan perencanaan produksi yang akan dipergunakan sebagai

pedoman pelaksanaan proses produksi dalam perusahaan yang

bersangkutan. Dalam hal ini perlu diketahui adanya dua unsur utama


commit to user

2

dalam penyusunan perencanaan produksi. Adapun kedua unsur yang

dimaksud adalah peramalan produksi dan perkiraan produksi. Dalam

penyusunan perencanaan produksi, baik peramalan produksi maupun

perkiraan produksi keduanya akan selalu dipergunakan untuk

kelengkapan perencanaan produksi yang sedang disusun.

Penyusunan perencanaan produksi tanpa peramalan produksi dan

perkiraan produksi akan mempunyai kelemahan dalam

pelaksanaannya, sehingga fungsi perencanaan sebagai pedoman

untuk pelaksanaan kerja serta untuk alat pengawasan akan menjadi

kabur dan tidak akan efektif karenanya.

Dalam hal ini peramalan produksi (production forecasting)

merupakan peramalan tentang produk apa dan berapa yang akan

segera diproduksi oleh perusahaan yang bersangkutan. Dengan

demikian peramalan produksi yang disusun oleh perusahaan dapat

memberikan data produk apa saja yang akan diproduksi pada periode

yang akan datang, serta berapa jumlah unit dari masing-masing produk

yang akan diproduksi pada perusahaan tersebut. Manajemen

perusahaan yang bersangkutan khususnya bagian pengendalian

proses produksi akan segera mengetahui berapa banyaknya jumlah

dan jenis produk yang akan diproses dalam perusahaan pada waktu

yang akan datang.

Perecanaan produksi tersebut akan mempunyai hubungan

secara langsung dengan perencanaan penjualan produk perusahaan,


commit to user

3

dalam hal ini perencanaan penjualan berhubungan erat dengan

peramalan penjualan. Dengan demikian dalam penyusunan

perencaraan produksi untuk suatu perusahaan, peramalan penjualan

tidak akan dapat ditinggalkan. Bahkan data dari peramalan penjualan

yang telah disusun inilah yang nantinya akan dipergunakan sebagai

dasar untuk mengadakan penyusunan perencanaan produksi dari

perusahaan tersebut.

Menurut Nasution (2003), Peramalan adalah proses untuk

memperkirakan beberapa kebutuhan di masa yang akan datang, yang

meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi

yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun

jasa. Untuk memenuhi kebutuhan permintaan konsumen di masa

depan, peramalan sangat penting digunakan karena merupakan

pegangan kerja bagi perusahaan untuk melakukan proses produksi.

Perusahaan akan memproduksi produk jika ada permintaan dari

konsumen atau pesanan. Dengan peramalan, perusahaan akan dapat

menentukan langkah-langkah apa saja yang akan diambil dalam

memenuhi pemintaan konsumen.

Perusahaan CV. Cahaya Jaya Lestari yang berlokasi di

Kabupaten Karanganyar, merupakan salah satu perusahaan jasa yang

bergerak pada usaha daur ulang produk. Perusahaan ini

mengkhususkan diri pada usaha pengolahan plastik. Adapun produk

yang dihasilkan adalah Plastik Kresek, Pelled atau Caisen (masakan)


commit to user

4

yang merupakan bahan dari plastik dibuat biji bahan plastik kembali

dan produk Crazer. Crazer (mesin pencacah) yaitu suatu mesin yang

dipergunakan untuk mencacah atau memotong prongkol (batang biji

plastik yang besar) agar menjadi lebih kecil, sehingga bisa dimasukan

ke dalam mesin pelled yang akan memproduksi biji bahan plastik. Biji

tersebut jika diolah lagi akan menghasilkan berbagai jenis produk

sesuai dengan bahan baku yang dipergunakan. Sebagai contoh

tempat makanan yang membutuhkan elastisitas yang bagus agar tidak

cepat rusak, sedotan, tikar, tali rafia, mainan anak-anak dari plastik,

dan masih banyak lagi.

Produk-produk yang dihasilkan CV. Cahaya Jaya Lestari

tersebut dipasarkan ke berbagai perusahaan. Khusus untuk produk

Crazer ditawarkan ke perusahaan-perusahaan yang membutuhkan

pasokan bahan baku tersebut, guna melengkapi produk yang akan

mereka produksi. Di samping itu, ada juga beberapa perusahaan yang

dengan sendirinya menggunakan jasa dari perusahaan CV. Cahaya

Jaya Lestari untuk mencacahkan atau memotong prongkol (batang biji

plastik yang besar) yang menghasilkan produk Crazer. Terkadang

sebagian perusahaan tersebut mendaur ulangkan produknya tidak

hanya sampai pada produk Crazer, melainkan sampai pada biji Aval

atau yang biasa disebut Pelled (Caisen), sehingga perusahaan

tersebut akan lebih mudah mengolahnya menjadi produk yang siap

pakai.


commit to user

5

Untuk menghadapi ketidakpastian lingkungan pemasaran, salah

satu kegiatan yang penting dilakukan CV. Cahaya Jaya Lestari adalah

peramalan penjualan. Dalam merencanakan produksi untuk memenuhi

kebutuhan permintaan, CV. Cahaya Jaya Lestari perlu melakukan

analisis kondisi permintaan, yang akan mempermudah dalam

melakukan peramalan permintaan, sehingga hasil ramalan dapat

membantu CV. Cahaya Jaya Lestari dalam pengambilan keputusan.

Dengan melakukan analisis kondisi permintaan, CV. Cahaya Jaya

Lestari dapat menentukan kapasitas produksi yang harus dihasilkan

agar tidak terjadi kelebihan produksi atau kekurangan produksi.

Apabila kelebihan produksi, CV. Cahaya Jaya Lestari akan mengalami

kerugian yaitu terjadinya penumpukan produk di gudang yang

mengkibatkan produk menjadi rusak dan kerugian atas biaya produksi

yang telah dikeluarkan. Sedangkan apabila terjadi kekurangan

produksi, CV. Cahaya Jaya Lestari tidak dapat memenuhi permintaan

konsumen yang mengakibatkan konsumen kecewa dan akhirnya

konsumen beralih ke produsen lain.

Dari uraian di atas penulis mendapat gambaran bahwa

peramalan penjualan sangat penting dalam penentuan jumlah produksi

dalam suatu periode. Untuk itu, penulis ingin melakukan penelitian

yang lebih mendalam dengan judul “ANALISIS PERAMALAN

PENJUALAN PRODUK CRAZER DI CV. CAHAYA JAYA LESTARI

KARANGANYAR”


commit to user

6

B. Rumusan Masalah

Berdasarkan latar belakang di atas, maka rumusan masalah dalam

penelitian ini adalah

1. Berapakah ramalan penjualan produk Crazer pada CV. Cahaya

Jaya Lestari selama periode 2011 dengan metode Rata-rata

Bergerak (Moving Average) dan metode Single Exponential

Smoothing?

2. Dari penggunaan metode Rata-rata Bergerak (Moving Average)

dan metode Single Exponential Smoothing, manakah yang

sebaiknya digunakan perusahaan dengan mempertimbangkan

kesalahan peramalan terkecil?

C. Tujuan Penelitian

Sesuai dengan rumusan masalah di atas, maka tujuan yang ingin

dicapai dalam penelitian adalah

1. Untuk mengetahui ramalan pejualan produk Crazer pada

CV.Cahaya Jaya Lestari selama periode 2011 dengan metede

Rata-rata Bergerak (Moving Average) dan metode Exponential

Smoothing.

2. Untuk mengetahui metode yang sebaiknya digunakan perusahaan

dengan mempertimbangkan kesalahan peramalan terkecil.


commit to user

7

D. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah

1. Bagi Penulis

Untuk memperdalam kemampuan dalam menerapkan ilmu

yang dipelajari di bangku kuliah, menambah pengetahuan dan

wawasan yang bermanfaat terutama yang behubungan dengan

bidang pemasaran.

2. Bagi Perusahaan

Sebagai bahan masukan dalam menetukan ramalan

permintaan dimasa yang akan datang sehingga perusahaan dapat

menentukan kapasitas produksi suatu produk agar tidak terjadi

kelebihan ataupun kekurangan jumlah produk yang dihasilkan.

3. Bagi Pembaca

Dapat menjadi sumber informasi dan masukan yang dapat

digunakan dalam penelitian-penelitian selanjutnya.

E. Metode Penelitian

1. Jenis Penelitian

Jenis penelitian yang digunakan penulis adalah Penelitian

Deskriptif. Penelitian Deskriptif menurut McDaniel (2001) yaitu

penelitian yang akan menjawab pertanyaan-pertanyaan siapa, apa,


commit to user

8

kapan, dimana, dan bagaimana. Dalam hal ini, hasil peramalan

yang diperoleh dihitung dari data hasil penjualan yang ada.

2. Obyek Penelitian

Penelitian dilakukan di CV. Cahaya Jaya Lestari, yang

terletak di jl. Raya Palur km 8,1 Karanganyar.

3. Jenis Data Penelitian

a. Data primer adalah data yang diperoleh dari observasi dan

wawancara secara langsung dengan pemilik atau karyawan CV.

Cahaya Jaya Lestari.

b. Data sekunder adalah data yang diperolah dari intern

perusahaan, antara lain dokumen pendirian perusahaan dan

data hasil penjualan produk Crazer.

4. Teknik Pengumpulan Data

a. Wawancara

Metode pengumpulan data dengan melakukan wawancara

secara langsung dengan nara sumber yaitu dengan pimpinan

perusahaan maupun karyawan yang bersangkutan dalam

lingkungan perusahaan.

Informasi yang diperoleh dari wawancara yaitu kondisi

persaingan yang dihadapi perusahaan bahwa CV. Cahaya Jaya

Lestari. Informasi alur proses produksi juga diperoleh dari hasil

wawancara untuk melengkapi gambaran objek penelitian.


commit to user

9

b. Dokumentasi

Suatu metode pengumpulan data yang dilakukan dengan

cara mengadakan pengamata secara langsung di CV. Cahaya

Jaya Lestari, Karanganyar.

Informasi yang diperoleh dari dokumentasi yaitu data-data

sekunder yang dibutuhkan dalam penelitian ini, meliputi sistem

pemasaran yang dilakukan CV. Cahaya Jaya Lestari.

c. Observasi

Pencarian informasi dengan cara mengadakan pengamatan

secara langsung di CV. Cahaya Jaya Lestari. Karanganyar.

d. Studi Kepustakaan

Penelitian yang dilakukan dengan cara mempelajari literature

atau referensi lain yang berhubungan dengan masalah yang

dianalisis, dalam hal ini data historis penjualan dapat digunakan

sebagai dasar dan acuan analisis untuk memecahkan masalah.

5. Teknik Analisis Data

Untuk melakukan peramalan permintaan produk

berdasarkan data yang diperoleh. Penulis akan menggunakan

teknis analisis data dengan menggunakan metode Rata-rata

Bergerak (Moving Average) dan metode Exponential Smoothing.

Menurut Render dan Heizer (2001), Metode Moving Average

bermanfaat jika kita mengasumsikan bahwa permintaan pasar tetap

stabil sepanjang waktu. Rata-rata tiga bulan diperoleh dengan


commit to user

10

menjumlahkan permintaan selama tiga bulanan dan dibagi 3. Data

bulan terakhir ditambahkan ke jumlah data dua bulan sebelumnya,

dan bulan yang paling awal dihilangkan. Sedangkan Metode

Exponential Smoothing adalah metode peramalan yang mudah

digunakan dan efisien bila dilakukan dengan komputer. Meskipun

merupakan teknik rata-rata bergerak, penghalusan eksponential

mencakup pemeliharaan data masa lalu yang sangat sedikit.

a. Metode Rata-rata Bergerak (Moving Average)

Rumus:

Rata-rata bergerak =

Dimana n adalah jumlah periode dalam rata-rata bergerak.

Misalnya, empat, lima, atau enam bulan, secara berurutan,

untuk rata-rata bergerak empat, lima, atau enam periode.

b. Metode Exponential Smooting

Rumus:

F t = F t-1 + α (A t-1 – F t-1)

Dimana:

F t : Ramalan baru

F t-1 : Ramalan sebelumnya


commit to user

11

A t-1 : Permintaan aktual pada periode sebelumnya

α : Konstanta penghalusan

Kesalahan peramalan (forecast error) didefinisikan dengan:

Kesalahan peramalan = Permintaan – Ramalan

Atau menggunakan MAD, dihitung dengan mengambil

jumlah nilai absolut dari kesalahan peramalan individu dan

membaginya dengan jumlah periode data (n):

MAD =

Dan menggunakan MSE, rata-rata perbedaan kuadrat antara

nilai yang diramal dan diamati. Rumusnya adalah

MSE =


commit to user

12

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Pemasaran

Pemasaran merupakan kegiatan yang sangat vital yang harus

dilakukan oleh perusahaan dalam usahanya memajukan serta

mempertahankan kelangsungan hidupnya. Kegiatan pemasaran

yang dilakukan oleh sebuah perusahaan harus dapat memberikan

kepuasan terhadap konsumen. Kepuasan yang dirasakan oleh

konsumen akan membentuk loyalitas terhadap produk maupun jasa

perusahaan tersebut.

Banyak definisi pemasaran yang diungkapkan para ahli,

meskipun sekilas nampak beda akan tetapi pada intinya sama. Ada

yang menitikberatkan pada segi fungsi, barang, kelembagaan,

manajemennya, dan ada pula yang memasukan dari semua segi

tersebut. Adapun definisi pemasaran menurut:

a. Kotler (2000)

Adalah proses sosial dan manajerial dimana individu dan

kelompok mendapatkan kebutuhan dan keinginan mereka


commit to user

13

dengan menciptakan, menawarkan, dan menukarkan produk

yang bernilai satu sama lain.

b. Stanton (1994)

Adalah suatu sistem total dari kegiatan bisnis yang

dirancang untuk merencanakan, menentukan harga,

mempromosikan, dan mendistribusikan barang-barang yang

dapat memuaskan keinginan dan jasa baik kepada para

konsumen saat ini maupun konsumen potensial.

c. Kotler dan Amstrong (2008)

Adalah suatu proses sosial dan manajerial yang membuat

individu dan kelompok memperoleh apa yang mereka butuhkan

dan inginkan lewat penciptaan dan pertukaran timbal balik

produk dan nilai dengan orang lain.

2. Potensi Perusahaan

Menurut Kotler (2000), Penjualan potensial perusahaan

adalah batas yang dicapai oleh permintaan terhadap perusahaan

pada saat usaha pemasaran perusahaan meningkat relatif terhadap

pesaing. Batas absolut dari permintaan terhadap perusahaan

secara pasti adalah potensi pasar.

Menurut Kotler (2000), Potensi pasar adalah batas yang

dapat dicapai oleh permintaan pasar pada saat pengeluaran

pemasaran yang dilakukan industri mendekati tidak terbatas, di

dalam lingkungan tertentu.


commit to user

14

Dalam kebanyakan kasus, potensi penjualan perusahaan

lebih rendah dari potensi pasar, bahkan pada saat pengeluaran

pemasaran perusahaan meningkat dengan pesat relatif terhadap

pesaing. Alasannya adalah masing-masing pesaing mempunyai

pembeli yang sangat setia, yang tidak begitu tanggap terhadap

usaha perusahaan lain untuk membujuk mereka meninggalkan

produk yang dibelinya.

3. Peramalan (Forecasting)

Peramalan sangat penting digunakan karena merupakan

pegangan kerja bagi perusahaan untuk melakukan proses produksi.

Perusahaan akan memproduksi produk jika ada permintaan dari

konsumen atau pesanan. Dengan peramalan, perusahaan akan

dapat menentukan langkah-langkah apa saja yang akan diambil

dalam memenuhi pemintaan konsumen.

Ada beberapa pendapat para ahli mengenai pengertian

peramalan yaitu:

a. Menurut Render dan Heizer (2001)

Peramalan adalah seni dan ilmu memprediksi peristiwa

masa depan.

b. Menurut Handoko (1995)

Peramalan adalah suatu usaha untuk meramalkan keadaan

di masa mendatang melalui pengujian keadaan di masa lalu.


commit to user

15

c. Menurut Nasution (2003)

Peramalan adalah proses untuk memperkirakan beberapa

kebutuhan di masa yang akan datang, yang meliputi kebutuhan

dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang

dibutuhkan dalam rangka memenuhi permintaan barang

ataupun jasa.

4. Jenis-jenis Peramalan

Menurut Render dan Heizer (2001), peramalan dapat dibedakan

menjadi 3 jenis, yaitu:

a. Ramalan ekonomi

Membahas siklus bisnis dengan memprediksi tingkat inflasi,

suplay uang permulaan perumahan, dan indikator-indikator

perencanaan lain.

b. Ramalan teknologi

Berkaitan dengan tingkat kemajuan teknologi, yang akan

melahirkan produk-produk baru yang mengesankan,

membutuhkan pabrik, dan peralatan baru.

c. Ramalan permintaan

Adalah proyeksi permintaan untuk produk atau jasa

perusahaan. Ramalan ini disebut juga ramalan penjualan,

mengarahkan produksi, kapasitas, dan sistem penjadwalan

perusahaan serta bertindak sebagai masukan untuk

perencanaan keuangan, pemasaran, dan personalia.


commit to user

16

Menurut Swastha (2001), ada beberapa jenis ramalan yang

dipandang cukup relevan dalam pengambilan keputusan

manajemen penjualan. Salah satu pembagian yang penting adalah

ke dalam potensi pasar, potensi penjualan perusahaan, dan

ramalan penjualan perusahaan.

a. Potensi pasar adalah kemugkinan penjualan total barang dan

jasa oleh industri yang ada.

b. Potensi penjualan perusahaan adalah kemungkinan penjualan

total untuk sebuah perusahaan.

c. Ramalan penjualan perusahaan adalah estimasi realistis

tentang penjualan aktual dalam rupiah atau unit yang

diharapkan akan dicapai perusahaan dalam periode mendatang

menurut rencana pemasaran serta kondisi lingkungan ekstern

yang terantisipasi.

5. Tahap-tahap Peramalan

Menurut Render dan Heizer (2001), ada beberapa tahap dalam

peramalan yaitu:

a. Menetukan penggunaan peramalan itu. Tujuan apa yang ingin

dicapai

b. Memilih hal-hal yang akan diramal.

c. Menentukan horizon waktunya (jangka pendek, menengah,

panjang)

d. Memilih model peramalannya.


commit to user

17

e. Mengumpulkan data yang dibutuhkan untuk membuat ramalan.

f. Menentukan model peramalan yang tepat.

g. Membuat ramalan.

h. Menerapkan hasilnya.

Tahap-tahap ini menampilkan cara sistematis dari mengawali,

merancang, dan menerapkan suatu sistem peramalan. Apabila

sistem itu dipakai untuk menghasilkan ramalan secara berkala

sepanjang waktu, data harus secara rutin dikumpulkan, dan

perhitungan aktual digunakan agar peramalan bisa dilakukan

secara otomatis, biasanya dengan komputer.

6. Proses Peramalan

Menurut Handoko (1995), proses peramalan biasanya terdiri

dari langkah-langkah sebagai berikut:

a. Penentuan tujuan

Langkah pertama terdiri atas penentuan macam estimasi

yang diinginkan. Sebaliknya, tujuan tergantung pada kebutuhan-

kebutuhan informasi para manajer. Analis membicarakan

dengan para pembuat keputusan untuk mengetahui apa

kebutuhan-kebutuhan mereka, dan menentukan:

1) Variabel-variabel apa yang akan diestimasi.

2) Siapa yang akan menggunakan hasil ramalan.

3) Untuk tujuan-tujuan apa hasil peramalan akan digunakan.


commit to user

18

4) Estimasi jangka panjang atau jangka pendek yang

diinginkan.

5) Derajat ketepatan estimasi yang diinginkan.

6) Kapan estimasi dibutuhkan.

7) Bagian-bagian peramalan yang diinginkan, seperti

peramalan untuk kelompok pembeli, kelompok produk atau

daerah geografis.

b. Pengembangan model

Setelah tujuan ditetapkan, langkah berikutnya adalah

mengembangkan suatu model, yang merupakan penyajian

secara lebih sederhana sistem yang dipelajari. Dalam

peramalan, model adalah suatu kerangka analitik yang, bila

dimasukan data masukan, menghasilkan estimasi penjualan di

waktu mendatang (atau variabel apa saja yang diramal). Analis

hendaknya memilih suatu model yang menggambarkan seraca

realistik perilaku variabel-variabel yang dipertimbangkan.

Sebagai contoh, bila perusahaan ingin meramal penjualan yang

“perilaku”nya berbentuk linear, model yang dipilih mungkin :

penjualan = A + BX, di mana X menunjukan unit waktu, dan A

dan B adalah parameter-parameter yang menggambarkan posisi

dan kemiringan garis pada grafik.

Pemilihan suatu model yang tepat adalah krusial. Setiap

model mempunyai asumsi-asumsi yang harus dipenuhi sebagai


commit to user

19

persyaratan penggunaannya. Validitas dan reliabilitas estimasi

sangat tergantung pada model yang dipakai.

c. Pengujian model

Sebelum diterapkan, model biasanya diuji untuk menentukan

tingkat akurasi, validitas dan reliabilitas yang diharapkan. Ini

sering mencakup penerapannya pada data historic, dan

penyiapan estimasi untuk tahun-tahun sekarang dengan data

nyata yang tersedia. Nilai suatu model ditentukan oleh derajat

ketepatan hasil peramalan dengan kenyataannya (actual).

Dengan kata lain, pengujian model bermaksud untuk mengetahui

validitas atau kemampuan prediktif secara logik suatu model.

d. Penerapan model

Setelah pengujian, analis menerapkan model dalam tahap

ini, data historik dimasukkan dalam model untuk menghasilkan

suatu ramalan. Dalam kasus model penjualan = A + BX, analis

menerapkan teknik-teknik matematik agar diperoleh A dan B.

e. Revisi dan evaluasi

Ramalan-ramalan yang telah dibuat harus senantiasa

diperbaiki dan ditinjau kembali. Perbaikan mungkin perlu

dilakukan karena adanya perubahan-perubahan dalan

perusahaan atau lingkungannya, seperti tingkat harga produk

perusahaan, karakteristik-karakteristik produk, pengeluaran-

pengeluaran pengiklanan, tingkat pengeluaran pemerintah,


commit to user

20

kebijaksanaan moneter dan kemajuan teknologi. Evaluasi,

dipihak lain, merupakan pembandingan ramalan-ramalan dengan

hasil-hasil nyata untuk menilai ketepatan penggunaan suatu

metodologi atau teknik peramalan. Langkah ini diperlukan untuk

menjaga kualitas estimasi-estimasi di waktu yang akan datang.

7. Metode Peramalan

Peramalan akan produk di waktu mendatang sangat penting

dalam perencanaan dan pengawasan produksi di suatu

perusahaan. Dalam menentukan keputusan, manajemen produksi

menggunakan hasil-hasil peramalan.

Menurut Swastha (2001), metode peramalan dapat

digolongkan menurut beberapa cara. Misalnya, ada yang

menyebutkan dua pendekatan pokok dalam peramalan.

a. Metode Nonkausal

Memerlukan penganalisisan data historis untuk memproyeksi

pola gerakannya dalam suatu periode.

b. Analisis Kausal

Melibatkan suatu analisis faktor untuk diramal di samping

faktor-faktor yang secara kausal terkait dalam upaya

mendefinisikan hubungan tersebut. Dengan menggunakan

hubungan yang telah didefinisikan tersebut, faktor itu diramal

untuk periode waktu mendatang.


commit to user

21

Ada dua pendekatan menurut Render dan Heizer (2001),

antara lain:

a. Tinjauan Metode Kualitatif

Ada lima teknik peramalan kualitatif yang berbeda, antara

lain:

1) Juri dari opini eksekutif

Metode ini mengambil opini dari sekelompok kecil

manajer tingkat tinggi, sering kali dikombinasikan dengan

model-model statistik, dan menghasilkan estimasi

permintaan kelompok.

2) Gabungan armada penjualan

Dalam pendekatan ini, setiap wiraniaga mengestimasi

jumlah penjualan di wilayahnya, ramalan ini kemudian dikaji

ulang untuk meyakinkan kerealistisannya, lalu

dikombinasikan pada tingkat propinsi dan nasional untuk

mencapai ramalan secara menyeluruh.

3) Metode Delphi

Proses kelompok iteratif ini mengijinkan para ahli,

yang memungkinkan tinggal di berbagai tempat, untuk

membuat ramalan. Ada tiga partisiapan dalam proses

Delphi: pengambilan keputusan, personal staf, dan

responden. Pengambilan keputusan biasanya terdiri dari

sebuah kelompok beranggotakan lima sampai sepuluh ahli


commit to user

22

yang akan membuat ramalan aktual. Personel staf

membantu pengambilan keputusan dengan menyiapkan,

mendistribusikan, mengumpulkan, dan meringkas

serangkaian kuesioner dan hasil survei. Responden adalah

sekelompok orang yang keputusannya dinilai dan

diperhatikan. Kelompok ini memberi masukan kepada

pengambil keputusan sebelum ramalan dibuat.

4) Survei pasar konsumen

Metode memperbesar masukan dari pelanggan atau

calon pelanggan tanpa melihat rencana pembelian masa

depannya. Metode ini bisa membantu tidak hanya dalam

menyiapkan ramalan tetapi juga dalam memperbaiki desain

produk baru.

5) Pendekatan naif

Cara sederhana untuk peramalan ini

mengansumsikan bahwa permintaan dalam periode

berikutnya adalah sama dengan permintaan dalam periode

sebelumnya (most recent period).

b. Tinjauan Metode Kuantitatif

Ada empat metode untuk peramalan kuantitatif, yaitu:

1) Rata-rata Bergerak (Moving Average)

a) Rata-rata Bergerak (Moving Average) bermanfaat jika

kita mengansumsikan bahwa permintaan pasar tetap


commit to user

23

stabil sepanjang waktu. Rata-rata bergerak empat bulan

diperoleh dengan menjumlahkan permintaan selama

empat bulanan dan dibagi 4. Data bulan terakhir

ditambahkan ke jumlah data tiga bulan sebelumnya, dan

bulan yang paling awal dihilangkan. Hal ini cenderung

menghaluskan ketidakteraturan jangka pendek di dalam

seri data.

Secara matematis, rata-rata bergerak sederhana

(yang menjadi estimasi dari permintaan periode

berikutnya) ditunjukan sebagai:

Rata-rata bergerak

=

dimana n adalah jumlah periode dalam rata-rata

bergerak. Misalnya, empat, lima, atau enam bulan,

secara berurutan, untuk rata-rata bergerak empat, lima,

atau enam periode.

b) Rata-rata Bergerak Tertimbang

Apabila ada pola atau trend yang dapat kita deteksi,

timbangan bisa digunakan untuk menempatkan lebih


commit to user

24

banyak tekanan pada nilai baru. Ini membuat teknik itu

lebih responsif terhadap perubahan karena periode yang

lebih baru mungkin lebih besar timbangannya.

Memutuskan timbangan mana yang akan dipakai

membutuhkan pengalaman dan unsur keberuntungan.

Pilihan timbangan adalah bersifat arbirter karena tidak

ada rumus untuk menentukannya. Jika bulan atau

periode terakhir ditimbang terlalu berat, ramalan bisa

mencerminkan perubahan dalam permintaan yang tidak

biasa atau pola penjualan yang terlalu cepat.

Rata-rata bergerak tertimbang (weighted moving

average) ditunjukan secara matematis dengan:

Rata-rata bergerak

=

Rata-rata bergerak sederhana dan tertimbang efektif

dalam menghaluskan fluktuasi tiba-tiba dalam pola

permintaan untuk menghasilkan estimasi yang stabil.

Namun demikian, rata-rata bergerak mempunyai tiga

masalah. Pertama, meningkatkan ukuran n (jumlah

periode yang dirata-ratakan) memang menghaluskan

fluktuasi dengan lebih baik, tetapi metode ini kurang


commit to user

25

sensitif, untuk perubahan nyata dalam data. Kedua, rata-

rata bergerak tidak bisa selalu berada dalam tingkat

masa lalu dan tidak akan memprediksi perubahan ke

tingkat yang lebih tinggi maupun yang lebih rendah.

2) Penghalusan Eksponensial (Exponential Smoothing)

a) Penghalusan eksponential (exponential smoothing)

adalah metode peramalan yang mudah digunakan dan

efisien bila dilakukan dengan komputer. Meskipun

merupakan teknik rata-rata bergerak, penghalusan

eksponential mencakup pemeliharaan data masa lalu

yang sangat sedikit.

Rumus penghalusan eksponential dasar adalah

sebagai berikut:

Ramalan baru = Ramalan periode lalu + α (Permintaan

aktual periode lalu – ramalan periode

lalu)

Di mana α adalah timbangannya, atau konstanta

penghalusan, yang nilainya antara 0 sampai 1. Bisa juga

ditulis secara matematis dengan:

F t = F t-1 + α (A t-1 – F t-1)


commit to user

26

Dimana:

F t : Ramalan baru

F t-1 : Ramalan sebelumnya

α : Konstanta penghalusan

A t-1 : Permintaan aktual pada periode sebelumnya

Konsep ini tidak rumit. Estimasi permintaan terakhir

adalah sama dengan estimasi sebelumnya yang

disesuaikan sedikit dari perbedaan antara permintaan

aktual periode lalu dan estimasi sebelumnya.

Konstanta penghalusan, α, umumnya antara 0,05

sampai 0,50 untuk aplikasi bisnis. Konstsnta

penghalusan bisa diubah untuk memberikan timbangan

yang lebih besar pada data baru (bila α tinggi) atau pada

data masa lalu (bila α rendah). Yang pasti, periode masa

lalu menurun dengan cepat ketika α meningkat. Bila α

mencapai nilai ekstrem 1,0 maka dalam persamaan F t =

1,0 A t-1. Semua nilai yang lebih lama dihilangkan dan

ramalannya menjadi identik ke model naif yang telah

dibahas sebelumnya. Yaitu, ramalan untuk periode

berikutnya sama saja dengan periode ini.


commit to user

27

b) Memilih Konstanta Penghalusan

Pendekatan dengan penghalusan eksponential

mudah digunakan, dan telah dengan sukses diterapkan

di banyak organisasi. Akan tetapi, nilai konstanta

penghalusan, α, yang tepat bisa menciptakan perbedaan

antara ramalan yang akurat dan ramalan yang tidak

akurat. Dalam mengambil sebuah nilai untuk konstnta

penghalusan, tujuannya adalah untuk mencapai ramalan

yang paling akurat. Keakuratan yang menyeluruh dari

model peramalan bisa ditentukan dengan

membandingkan nilai-nilai yang diramalkan dengan nilai-

nilai aktual. Kesalahan ramalan (forecast error)

didefinisikan dengan:

Kesalahan peramalan = Permintaan – Ramalan

Sebuah ukuran untuk kesalahan peramalan

menyeluruh untuk suatu model adalah deviasi absolut

rata-rata hitung (mean absolute deviation, MAD). MAD

dihitung dengan mengambil jumlah nilai absolut dari

kesalahan peramalan individu dan membaginya dengan

jumlah periode data (n):


commit to user

28

MAD =

c) Kesalahan Kuadrat Rata-rata

Kesalahan kuadrat rata-rata (mean squared error,

MSE) adalah cara lain mengukur kesalahan ramalan

secara menyeluruh. MSE adalah rata-rata perbedaan

kuadrat antara nilai yang diramalkan dan nilai yang

diamati. Rumusnya adalah:

MSE =

3) Proyeksi Trend (Trend Projection)

Teknik ini mencocokkan garis trend ke rangkaian titik

data historis dan kemudian memproyeksikan garis itu ke

dalam ramalan jangka menengah hingga jangka panjang.

Beberapa persamaan trend matematis bisa dikembangkan

(mis., eksponensial dan kuadratik), tetapi pada bagian ini

yang akan dibahas hanya trend linear (garis lurus).

Jika kita memutuskan untuk mengembangkan garis

trend linear dengan metode statistik yang tepat, maka kita

dapat memakai metode kuadrat terkecil (least square

method). Pendekatan ini menghasilkan garis lurus yang


commit to user

29

meminimalkan jumlah kuadrat perbedaan vertikal dari garis

pada setiap observasi aktual.

Garis kuadrat terkecil digambarkan dalam bentuk

perpotongan y nya (puncak di mana garis itu memotong

sumbu y) dan slope nya (kelandaiannya). Jika perpotongan y

dan kelandaiannya bisa dihitung, persamaannya akan

menjadi:

= α + bx

Di mana:

(disebut “ y topi”) : Nilai variabel yang dihitung untuk

diprediksi (disebut variabel tidak bebas)

α : Perpotongan sumbu y

b : Kelandaian garis regresi (atau tingkat

perubahan dalam untuk perubahan

tertentu dalam x)

x : Variabel bebas (dalam hal ini waktu)

Ahli statistik mengembangkan persamaan yang bisa

digunakan untuk memperoleh nilai α dan b untuk garis

regresi. Kelandaian b diperoleh dengan:


commit to user

30

b =

di mana:

b : Kelandaian garis regresi

: Tanda penjumlahan

x : Nilai variabel bebas

y : Nilai variabel tidak bebas

: Rata-rata nilai x

: Rata-rata nilai y

n : Jumlah titik data atau observasi

Perpotongan y bisa dihitung sebagai berikut:

ɑ = - b

4) Regresi Linear (Linear Regression)

a) Menggunakan Analisis Regresi Linear Untuk Meramal

Model matematika yang sama yang kita gunakan

dalam metode kuadrat terkecil dari proyeksi trend bisa


commit to user

31

digunakan untuk melakukan analis regresi linear.

Variabel-variabel tidak bebas yang akan diramal tetap .

Namun sekarang variabel bebas, x, bukan lagi waktu.

= ɑ + bx

Di mana:

: Nilai variabel tidak bebas, yaitu penjualan

α : Perpotongan sumbu y

b : Kelandaian garis regresi

x : Variabel bebas

b) Kesalahan Standar Estimasi

Untuk mengukur keakuratan estimasi regresi kita

perlu menghitung kesalahan standar estimasi (standar

error of estimation), S y,x. Kesalahan standar ini disebut

deviasi standar regresi (standard derivation of the

regression). Persamaan banyak digunakan untuk

menghitung deviasi standar dari rata-rata hitung aritmatik:

Sy,x =

Di mana:

y : Nilai y untuk setiap titik data


commit to user

32

yc : Nilai yang dihitug dari variabel tidak bebas,

dari persamaan regresi

n : jumlah titik data

Persamaan bisa kelihatan lebih komplek, tetapi

sebenarnya merupakan versi persamaan dari rumus di

atas yang lebih sederhana. Selain memberikan jawaban

yang sama, rumus itu bisa digunakan untuk interval

prediksi di sekitar estimasi titik.

Sy,x =

c) Koefisien Korelasi untuk Garis Regresi

Persamaan regresi adalah cara untuk menunjukan

sifat hubungan antara dua variabel. Persamaan itu

menunjukan bagaimana satu variabel berkaitan dengan

nilai dan perubahan di dalam variabel lain.

Cara lain untuk mengevaluasi hubungan di antara dua

variabel adalah menghitung koefisien korelasi. Ukuran ini

menunjukan derajat atau kekuatan hubungan linear.

Biasanya dikenal dengan r, koefisien korelasi nilainya

terletak antara +1 dan -1.


commit to user

33

Untuk menghitung r, kita membutuhkan data yang

sama untuk menghitung ɑ dan b untuk garis regresi.

Persamaan untuk r adalah:

r =

Meskipun koefisien korelasi adalah ukuran yang

paling umum digunakan untuk menjelaskan hubungan

antara dua variabel, ada pula ukuran lain. Ukuran itu

disebut koefisien determinasi. Inilah kuadrat koefisien

korelasi, r2. Nilai r2 akan selalu berupa angka positif

dalam rentang 0 < r2 < 1. Koefisien determinasi adalah

persentase variasi dalam variabel tidak bebas (y) yang

dijelaskan oleh persamaan regresi.

d) Analisis Regresi Berganda

Regresi berganda (multiple regression) adalah

perluasan praktis dari model yang baru saja kita amati.

Regresi bertingkat memungkinkan kita membentuk model

dengan beberapa variabel bebas. Persamaannya akan

menjadi:


commit to user

34

Di mana:

: Variabel tidak bebas

ɑ : Perpotongan y

b1 dan b2 : Kelandaian garis regresi

x1 dan x2 : Nilai dua variabel bebas, gaji, dan

tingkat bunga

Matematika regresi berganda menjadi cukup rumit

(dan biasanya ditangani dengan komputer), sehingga

rumus ɑ, b1, dan b2 untuk buku teks statistik bisa

diterapkan.

e) Isyarat Arah

Satu cara untuk mematau peramalan untuk menjamin

keefektifannya adalah menggunakan isyarat arah. Isyarat

arah (tracking signal) adalah pengukuran tentang sejauh

mana ramalan memprediksi nilai actual dengan baik. Bila

ramalan diperbaharui setiap minggu, bulan, atau kuartal,

data permintaan yang baru tersedia dibandingkan

dengan nilai ramalan.

Isyarat arah dihitung sebagai jumlah ramalan berjalan

(running sum of the forecast error, RSFE) dibagi dengan

deviasi absolut mean (MAD).


commit to user

35

Isyarat tanda =

=

Di mana:

MAD =

Seperti dalam persamaan deviasi absolute rata-rata

hitung.

Isyarat arah positif menunjukan bahwa permintaan

lebih besar dari ramalan. Tanda negatif berarti bahwa

permitaan kurang dari ramalan. Asyarat arah yang baik,

yaitu yang memiliki RSFE rendah, mempunyai bias positif

sebanyak bias negatifnya. Dengan kata lain, bias yang

kecil tidak masalah, tetapi bias positif dan negatif

seharusnya saling menyeimbangkan sehingga tanda

penelusuran berada di sekeliling bias nol.

Setelah dihitung, tanda penelusuran lalu dibandingkan

dengan batas pengendalian yang telah ditentukan

sebelumnya. Bila melebihi batas atas atau batas

bawahnya, kelambatan (flag) menjadi keliru. Ini

menunjukan masalah dengan metode peramalan.

Manajemen ingn mengevaluasi kembali cara meramal

permintaan.


commit to user

36

f) Penghalusan Adaptif

Penghalusan adaptif mengacu pada pemantauan

komputer dari tanda penelusuran dan penyesuaian diri

jika sebuah tanda melewati batasnya semula. Sebagai

contoh, bila diaplikasikan pada penghalusan

eksponensial, koefisien ɑ pertama-tama dipilih

berdasarkan nilai yang meminimalkan ramalan

kesalahan, dan kemudian disesuaikan kapan pun

menurut komputer mencatat isyarat arah yang salah.

Inilah yang disebut penghalusan adaptif.


commit to user

37

B. Kerangka Pemikiran

Informasi

Tambahan

Data Historis

Data jumlah permintaan

Produk Crazer periode sebelumnya

METODE PERAMALAN

RATA-RATA BERGERAK DAN

SINGLE EXPONENTIAL SMOOTHING

Peramalan Penjualan

Hasil Ramalan Dengan

Menggunakan Metode

Rata-rata Bergerak

Hasil Ramalan Dengan

Menggunakan Metode

Exponential Smoothing

Standar Error Standar Error

Ramalan Yang Digunakan Dengan

Standar Error Terkecil

Volume Produksi Yang Dihasilkan


commit to user

38

Keterangan:

Setiap perusahaan dalam memasarkan produknya tidak mungkin

mengalami kenaikan terus-menerus tetapi pasti mengalami pasang

surut. Pada umumnya penjualan produk yang selalu mengalami

perubahan pada setiap periode, yang membuat perusahaan perlu

melakukan suatu ramalan penjualan. Dalam membuat ramalan

penjualan diperlukan data yang ada tentang penjualan produk pada

periode sebelumnya. Data yang dikumpulkan di sini adalah data

penjualan produk pada bulan Januari 2010 – Maret 2011. Informasi

tambahan yang di dapat yaitu informasi tentang kondisi persaingan

dalam dunia produksi atau daur ulang produk, yang dapat

mempengaruhi dalam melakukan peramalan di masa yang akan

datang. Berdasarkan data historis dan informasi tambahan perusahaan

dapat membuat ramalan. Dalam penelitian ini untuk membuat ramalan,

metode yang digunakan adalah metode rata-rata bergerak yang

mengansumsikan bahwa permintaan pasar tetap stabil sepanjang

waktu. Di samping itu juga digunakan, metode single exponential

smoothing yang cocok digunakan untuk meramal hal-hal yang

fluktuasinya secara random (tidak teratur). Dengan menetapkan

standar error yang terkecil, maka metode peramalan penjualan

tersebut yang akan digunakan. Sehingga dapat dibandingkan dengan

volume penjualan pada periode yang akan datang.


commit to user

39

BAB III

PEMBAHASAN

A. Gambaran Umum Perusahaan

1. Sejarah Berdirinya CV. Cahaya Jaya Lestari

CV. Cahaya Jaya Lestari berdiri sejak tanggal 7 Februari 2008

yang diprakarsai oleh 3 orang pengusaha di Surakarta, yaitu

Chandra Gunawan, Jung Dianto dan Liliek Setiawan. Perusahaan

beralamat di Jl.Raya Palur-Sragen KM 8.1 . CV. Cahaya Jaya

lestari bergerak di bidang jasa daur ulang plastik (recycle). Sejak

tanggal 11 November 2010 sampai sekarang kepemilikan CV.

Cahaya Jaya Lestari menjadi 2 orang yaitu Chandra Gunawan dan

Jung Dianto, alamat berusahaan berpindah tempat di Kertonatan

Boyolali.

2. Visi, Misi, dan Tujuan Perusahaan

Perusahaan CV. Cahaya Jaya Lestari yang berlokasi di Palur,

Karanganyar. Selalu waspada dan siap menghadapi tantangan

dengan selalu memperhatikan dan berusaha memenuhi kebutuhan

serta keinginan pelanggan melalui peningkatan kualitas dan

pelayanan. Perusahaan ini didirikan dengan visi dan misi sebagai

berikut:


commit to user

40

a. Visi

Menjadi Leading Industry Plastic Recycle

b. Misi

1) Meningkatkan mutu pelayanan

2) Meningkatkan kualitas hasil

3) Mendorong kesadaran masyarakat untuk memisahkan

sampah organik dan anorganik

c. Tujuan

Adapun tujuan yang ingin dicapai oleh CV. Cahaya Jaya Lestari

adalah

1) Mendapatkan keuntungan

2) Memenuhi kebutuhan plastik untuk masyarakat Jawa

Tengah khususnya Surakarta.

3) Membantu pemerintah dalam menciptakan lapangan

pekerjaan.

4) Membantu pendapatan pemerintah daerah tersebut.

3. Lokasi Perusahaan

Lokasi perusahaan merupakan hal yang penting guna

kelancaran proses produksi dan terciptanya tujuan yang diinginkan

perusahaan.


commit to user

41

Adapun lokasi dari CV. Cahaya Jaya Lestari terletak di Jl. Raya

Palur-Sragen Km 8,1 Karanganyar, Surakarta. Lokasi perusahaan

dinilai cukup strategis, dapat dilihat dari faktor-faktor berikut:

a. Segi Geografis

1) Tenaga Kerja

CV. Cahaya Jaya Lestari didirikan di daerah Palur,

Karanganyar. Dilokasi ini tenaga kerja yang berpendidikan

rendah, menengah, maupun yang berpendidikan tinggi

mudah didapat. Di samping itu tingkat upah tenaga kerja di

daerah ini tegolong murah.

2) Bahan Baku

Bahan baku CV. Cahaya Jaya Lestari diperoleh dari

beberapa perusahaan sejenis yang berada di Surakarta dan

sekitarnya. Lokasi yang mudah dijangkau trasportasi

memungkinkan mendatangkan bahan baku dalam waktu

yang relatif cepat dan tepat

3) Lingkungan Masyarakat

Sikap masyarakat sekitar yang sangat mendukung

berdirinya perusahaan ini, karena dapat menciptakan

lapangan pekerjaan dan meningkatkan pendapatan

masyarakat sekitar sehingga taraf hidup masyarakat tersebut

meningkat.


commit to user

42

b. Segi Ekonomi

1) Sumber Daya Manusia

CV. Cahaya Jaya Lestari terletak di daerah Palur

yang merupakan daerah kawasan industri sehingga

perijinan untuk mendirikan perusahaan tidak terlalu sulit. Di

samping itu, sumber energi yaitu air dan listrik cukup mudah

didapat.

2) Transportasi

Dilihat dari faktor transportasi, lokasi CV. Cahaya

Jaya Lestari cukup stretegis. Hal ini karena CV. Cahaya

Jaya Lestari terletak di pinggir jalan Raya Palur-Sragen

Karanganyar, dimana kondisi jalan tersebut sangat baik dan

dilewati angkutan umum. Sehingga pengangkutan bahan

baku maupun hasil produksi tidak mengalami kesulitan.

3) Pasar

Letak perusahaan yang berada di jalan Raya Palur-

Sragen semakin mendukung kelancaran pemasaran dan

pendistribusian produk CV. Cahaya Jaya Lestari meliputi

daerah Karanganyar yang merupakan pasar terbesar serta

daerah-daerah lain sekitar Surakarta.


commit to user

43

4. Personalia Perusahaan

a) Tenaga Kerja

Berdasarkan data terakhir, jumlah tenaga kerja yang

dipekerjakan CV. Cahaya Jaya Lestari berjumlah 13 orang

untuk karyawan bagian staf administrasi dan bagian produksi

berjumlah 80 orang.

b) Sistem Kerja

Sistem kerja yang ada pada CV. Cahaya Jaya Lestari terdiri

dari dua bagian yaitu:

1) Tenaga Kerja Admnistrasi

Tenaga kerja administrasi yaitu tenaga kerja yang

menangani administrasi produksi dan administrasi gedung.

Tenaga kerja ini tidak turun langsung di bagian produksi.

Pembagian jam kerjanya adalah sebagai berikut:

a) Hari Senin – Kamis Jam 08.00 – jam 16.00

Istirahat Jam 12.00 – jam 13.00

b) Hari Jum’at Jam 08.00 – jam 16.00


c) Hari Sabtu Jam 08.00 – jam 16.00


2) Tenaga Kerja Produksi

Tenaga kerja produksi yaitu tenaga kerja yang langsung

menangani produksi yang meliputi bagian produksi Crazer,


commit to user

44

produksi Pelled, HD roll, dan HD last potong. Tenaga kerja

memiliki jam kerja sebagai berikut:

Senin - Minggu full 8 jam

Shiff 1 Jam 07.00 – jam 15.00

Shiff 2 Jam 15.00 – jam 23.00

Shiff 3 Jam 23.00 – jam 07.00

Istirahat bergatian

3) Tenaga Kerja Serabutan

Yaitu tenaga kerja yang membantu jalannya proses

produksi.

Pembagian jam kerjanya adalah sebagai berikut:

a) Hari Senin – Kamis Jam 08.00 – jam 16.00


b) Hari Jum’at Jam 08.00 – jam 16.00


c) Hari Sabtu Jam 08.00 – jam 16.00


5. Struktur Organisasi

Guna menjamin sukses dan lancarnya kegiatan produksi

diperlukan suatu organisasi, manajemen, dan struktur organisasi

yang baik untuk mencapai tujuan yang diharapkan. Adapun struktur

organisasi di CV. Cahaya Jaya Lestari dapat dilihat pada gambar

3.1 berikut ini:


commit to user

45

Gambar 3.1

Struktur Organisasi CV.Cahaya Jaya Lestari

Direktur Utama

Manajer Produksi Manajer Keuangan

Kep Produksi Pelled

Kep. Produksi

HD

Kepala Gudang

Marketing Kepala

Keuangan

KA KA KA KA KA KA KA KA


commit to user

46

Adapun tugas dan wewenang masing-masing jabatan sesuai

dengan tingkatannya dalam struktur organisasi perusahaan.

Pembagian tugas dijelaskan sebagai berikut:

1. Direktur Utama

Direktur utama merupakan badan tertinggi dalam organisasi

perusahaan, yang mempunyai tugas sebagi berikut:

a) Memimpin dan menertibkan pelaksanaan tujuan perusahaan,

didasari dengan kebijaksanaan umum yang telah ditetapkan.

b) Mengusahakan agar tujuan perusahaan seperti yang

dicantumkan dalam anggaran dasar dapat tercapai.

c) Menilai hasil dari tujuan perusahaan yang dibantu oleh staf

ahli produksi dan keuangan.

2. Manajer Produksi

Manajer produksi dalam tugasnya dibantu beberapa kepala

bagian sebagai berikut:

a) Kepala produksi pelled, yang bertanggung jawab atas

jalannya proses produksi pelled.

b) kepala produksi HD, yang bertanggung jawab atas jalannya

proses produksi produk kresek.

c) Kepala gudang, yang bertanggung jawab atas stok dan

kelancaran barang untuk kebutuhan perusahaan.


commit to user

47

3. Manajer Keuangan

Manajer keuangan bertugas mengurusi bidang keuangan.

Dibantu oleh kepala keuangan, yang bertugas menyalin laporan

keuangan bagi pihak yang bersangkutan dalam perusahaan.

4. Bagian Marketing

Bertugas mengurusi masalah pemasaran serta bertanggung

jawab atas hasil penjualan.

2. Kegiatan Produksi

Alur kegiatan produksi CV. Cahaya Jaya Lestari, yaitu:

a) Pencacahan Prongkol

b) Pengolahan Caisen (Pelled)

c) Pembuatan Plastik Kresek

B. Laporan Magang

1. Pengertian

Magang adalah suatu praktek kerja nyata sebagai

persyaratan menyusun tugas akhir yang merupakan salah satu

syarat untuk menyelesaikan pendidikan pada program studi D3

Manajemen Pemasaran Fakultas Ekonomi Universitas Sebelas

Maret (UNS) Surakarta.

Dengan magang, mahasiswa diharapkan dapat memperoleh

media untuk mendapatkan pengalaman kerja dimana hal ini akan


commit to user

48

dapat melatih kemampuan atau ketrampilan yang nantinya banyak

digunakan di bidang usaha atau bidang industri. Selain itu

pelaksanaan magang kerja ini dimaksudkan untuk memberikan

kesempatan kepada mahasiswa untuk mengamati dilapangan

terhadap meteri-materi yang selama ini didapat dibangku kuliyah.

Pada waktu pelaksanaan magang, mahasiswa melakukan

penelitian untuk mendapat data yang diperlukan untuk menyusun

tugas akahir. Data yang diperoleh akan diolah yang kemudian akan

dicari solusi dan penyelesaiannya.

2. Tujuan Magang

a. Mencoba menerapkan ilmu yang didapat dari bangku kuliah

dengan realita yang ada di lapangan.

b. Untuk lebih mengenal dan mengetahui lokasi kerja praktek

secara umum pada CV. Cahaya Jaya Lestari

c. Agar mahasiswa mengetahui permasalahan-permasalahan

yang dihadapai perusahaan dan juga cara pemecahannya.

d. Agar mengetahui karakteristik seorang pengusaha atau orang

yang bekerja dalam suatu organisasi.

e. Agar merasakan sendiri situasi dan kondisi kerja yang

sebenarnya.


commit to user

49

3. Lokasi Magang

Kegiatan magang dilakukan di perusahaan daur ulang

produk plastik yaitu CV. Cahaya Jaya Lestari, yang terletak di Jl.

Raya Palur-Sragen Km 8,1 Karanganyar.

4. Pelaksanaan Magang

Magang dilaksanakan mulai tanggal 15 Februari 2011

sampai 15 Maret 2011. Kegiatan yang dilakukan pada saat magang

antara lain:

1) Pengenalan terhadap karyawan CV. Cahaya Jaya Lestari, baik

karyawan bagian staf, pemasaran, maupun produksi.

2) Pengenalan tempat-tempat berlangsungnya proses produksi.

3) Pengenalan produk-produk yang dihasilkan CV. Cahaya Jaya

Lestari.

4) Pemberitahuan tentang proses produksi.

5) Melihat proses produksi

Dalam kegiatan magang kerja, penulis didampingi staf

perusahaan untuk membantu kegiatan kerjanya. Dalam

pelaksanaan kegiatan magang kerja yang dilakukan penulis jadwal

kegiatannya tidak terstruktur, sehingga banyak waktu luang yang

didapat penulis dimanfaatkan untuk melihat sendiri jalannya proses

pemasaran yang dilaksanakan oleh perusahaan.

Demikianlah laporan kegiatan magang kerja yang di lakukan

oleh penulis. Melalui magang kerja ini diharapkan penulis dapat


commit to user

50

mengetahui penerapan materi-materi yang didapat selama masa

perkuliahan dan menambah pengetahuan serta pengalaman dalam

dunia kerja sesungguhnya.

C. Pembahasan Masalah

Dalam analisis dan pembahasan ini penulis akan menghitung

ramalan penjualan produk Crazer pada bulan April 2011, dengan

menggunakan data sekunder yang telah diperoleh dari CV. Cahaya

Jaya Lestari. Penulis menggunakan metode Moving Average, Karena

metode ini cocok digunakan untuk melakukan forecast hal-hal yang

bersifat random, artinya tidak ada gejala trend naik maupun turun,

musiman dan sebagainya, melainkan sulit diketahui polanya dan

menggunakan metode Single Exponential Smoothing, karena metode

ini juga cocok digunakan untuk meramal hal-hal yang fluktuasinya

secara random (tidak teratur).


commit to user

51

Data historis yang telah diperoleh dari CV. Cahaya Jaya Lestari yaitu:

TABEL 3.1

PENJUALAN PRODUK CRAZER TAHUN 2010/2011 CV. CAHAYA JAYA LESTARI

Sumber : CV. Cahaya Jaya Lestari

Bulan Jumlah Penjualan (Kg) Jumlah Penjualan (Rp)

Januari 2010 21,877.30 10,952,315.00

Februari 20,828.50 10,552,375.00

Maret 23,378.00 11,940,150.00

April 29,837.10 14,881,280.00

Mei 21,274.82 10,616,205.00

Juni 18,183.40 9,158,070.00

Juli 20,375.50 10,182,050.00

Agustus 21,112.50 11,028,575.00

September 7,623.00 4,412,975.00

Oktober 16,610.30 9,288,445.00

November 20,992.25 11,144,863.00

Desember 10,497.60 5,425,780.00

Januari 2011 20,112.30 10,285,215.00

Februari 20,750.38 10,526,382.00

Maret 21,045.30 10,958,685.00

Jumlah 294,498.25 151,353,365.00

Rata-rata 19,633.22 10,090,224.33


commit to user

52

Dari data di atas dapat diketahui bahwa penjualan yang terjadi di

CV. Cahaya Jaya Lestari mengalami perubahan kenaikan maupun

penurunan dapat dikatakan cenderung berfluktuatif. Hal ini terjadi

karena faktor kebutuhan konsumen dan persaingan dengan

perusahaan sejenis. Untuk menghitung perubahan yang terjdi,

menggunakan rumus

=

Dilihat dari hasil penjualan bulan sebelumnya, penjualan pada

bulan Februari 2010 mengalami penurunan sebesar 3.65%, pada

bulan Maret mengalami kenaikan sebesar 13.15%, pada bulan April

mengalami kenaikan sebesar 24.63%, pada bulan Mei mengalami

penurunan sebesar 28.66%, pada bulan Juni mengalami penurunan

sebesar 13.73%, pada bulan Juli mengalami kenaikan sebesar

11.18%, pada bulan Agustus mengalami kenaikan sebesar 8.31%,

pada bulan September mengalami penurunan sebesar 59.99%, pada

bulan Oktober mengalami kenaikan sebesar 110.48%, pada bulan

November mengalami kenaikan sebesar 19.99%, pada bulan

Desember mengalami penurunan sebesar 51.32%, pada bulan Januari

2011 mengalami kenaikan sebesar 89.56%, pada bulan Februari

mengalami kenaikan sebesar 2.34%, pada bulan Maret mengalami

kenaikan sebesar 4.11%.

Pada bulan-bulan tertentu terjadi perubahan yang cukup signifikan,

seperti halnya pada bulan April 2010 yang mengalami kenaikan


commit to user

53

penjualan sampai Rp. 14,881,280.00 dikarenakan pada bulan tersebut

banyak perusahan yang membutuhkan produk Crazer untuk

melengkapi produk yang akan mereka produksi sehingga terjadi

banyaknya pemesanan. Sedangkan pada bulan September 2010

mengalami penurunan penjualan yang cukup drastis hanya Rp.

4,412,975.00 dikarenakan pada bulan tersebut ada hari raya Idul Fitri

sehingga perusahaan libur dalam waktu yang cukup lama.

Berikut ini dilakukan peramalan penjualan dengan:

1. Metode Moving Average

a. Moving Average 3 bulan

b. Moving Average 5 bulan

2. Metode Exponential Smoothing

a. Penghalusan α = 0,05

b. Penghalusan α = 0,10

c. Penghalusan α = 0,50

1. Metode Rata-rata Bergerak (Moving Average)

Rumus :

Rata-rata bergerak =


commit to user

54

a. Untuk 3 bulan Moving Average

Forecast April 2010

= = 11,148,280.00

Forecast Mei 2010

= = 12,457,935.00

Forecast Juni 2010

= = 12,479,211.67

Forecast Juli 2010

= = 11,551,851.67

Forecast Agustus 2010

= = 9,985,441.67

Forecast September 2010

= = 10,122,898.33

Forecast Oktober 2010

= = 8,541,200.00

Forecast November 2010

= = 8,243,331.67

Forecast Desember 2010

= = 8,282,094.33


commit to user

55

Forecast Januari 2011

= = 8,619,696.00

Forecast Februari 2011

= = 8,951,952.67

Forecast Maret 2011

= = 8,745,792.33

Untuk membuat forecast bulan April 2011 adalah

Forecast April 2011

= = 10,590,094.00

Jadi Forecast bulan April 2011 yaitu Rp. 10,590,094.00

b. Untuk 5 bulan Moving Average

Forecast Juni 2010

=

= 11,788,465.00

Forecast Juli 2010

=

= 11,429,616.00


commit to user

56


=

= 11,355,551.00


=

= 11,173,236.00


=

= 9,079,575.00


=

= 8,814,023.00


=

= 9,211,381.60


=

= 8,260,127.60


=

= 8,111,455.60


commit to user

57

Forecast Maret 2011

=

= 9,334,137.00


Forecast April 2011

=

= 9,668,185.00

Jadi forecast bulan April 2011 yaitu Rp. 9,668,185.00


commit to user

58

TABEL 3.2 PERAMALAN PENJUALAN PRODUK CRAZER

TAHUN 2010/2011

Bulan Penjualan 3 bulan Moving Average 5 bulan Moving Average

Forecast Error Deviasi Absolut (Error)² Forecast Error Deviasi Absolut (Error)²

Januari 2010 10,952,315.00 -

- - - - - - -

Februari 10,552,375.00 -

- - - - - - -

Maret 11,940,150.00 -

- - - - - - -

April 14,881,280.00

11,148,280.00 3,733,000.00 3,733,000.00 13,935,289,000,000.00 - - - -

Mei 10,616,205.00

12,457,935.00 -1,841,730.00 1,841,730.00 3,391,969,392,900.00 - - - -

Juni 9,158,070.00

12,479,211.67 -3,321,141.67 3,321,141.67 11,029,981,970,069.40 11,788,465.00 -2,630,395.00 2,630,395.00 6,918,977,856,025.00

Juli 10,182,050.00

11,551,851.67 -1,369,801.67 1,369,801.67 1,876,356,606,002.78 11,429,616.00 -1,247,566.00 1,247,566.00 1,556,420,924,356.00

Agustus 11,028,575.00

9,985,441.67 1,043,133.33 1,043,133.33 1,088,127,151,111.11 11,355,551.00 -326,976.00 326,976.00 106,913,304,576.00

September 4,412,975.00

10,122,898.33 -5,709,923.33 5,709,923.33 32,603,224,472,544.50 11,173,236.00 -6,760,261.00 6,760,261.00 45,701,128,788,121.00

Oktober 9,288,445.00

8,541,200.00 747,245.00 747,245.00 558,375,090,025.00 9,079,575.00 208,870.00 208,870.00 43,626,676,900.00

November 11,144,863.00

8,243,331.67 2,901,531.33 2,901,531.33 8,418,884,078,315.11 8,814,023.00 2,330,840.00 2,330,840.00 5,432,815,105,600.00

Desember 5,425,780.00

8,282,094.33 -2,856,314.33 2,856,314.33 8,158,531,570,805.44 9,211,381.60 -3,785,601.60 3,785,601.60 14,330,779,473,922.60

Januari 2011 10,285,215.00

8,619,696.00 1,665,519.00 1,665,519.00 2,773,953,539,361.00 8,260,127.60 2,025,087.40 2,025,087.40 4,100,978,977,638.76

Februari 10,526,382.00

8,951,952.67 1,574,429.33 1,574,429.33 2,478,827,725,660.45 8,111,455.60 2,414,926.40 2,414,926.40 5,831,869,517,416.96

Maret 10,958,685.00

8,745,792.33 2,212,892.67 2,212,892.67 4,896,893,954,187.11 9,334,137.00 1,624,548.00 1,624,548.00 2,639,156,204,304.00

Jumlah 151,353,365.00

119,129,685.33 -1,221,160.33 28,976,661.67 91,210,414,550,981.90 98,557,567.80 -6,146,527.80 23,355,071.40 86,662,666,828,860.30

Rata-rata 10,090,224.33

9,927,473.78 -101,763.36 2,414,721.81 7,600,867,879,248.49 9,855,756.78 -614,652.78 2,335,507.14 8,666,266,682,886.03

Sumber : Data sekunder yang diolah, 2011


commit to user

59

Gambar 3.2

Grafik Fofecast Moving Average

Produk Crazer

2. Metode Exponential Smoothing

Rumus = F t = F t-1 + α (A t-1 – F t-1)

a. Penghalusan α = 0.05

Forecast Maret 2010

= 10,952,315.00 + 0.05 (10,552,375.00 – 10,952,315.00)

= 10,932,318.00

Forecast April 2010


commit to user

60

= 10,932,318.00 + 0.05 (11,940,150.00 – 10,932,318.00)

= 10,982,709.60

Forecast Mei 2010

= 10,982,709.60 + 0.05 (14,881,280.00 – 10,982,709.60)

= 11,177,638.12

Forecast Juni 2010

= 11,177,638.12 + 0.05 (10,616,205.00 – 11,177,638.12)

= 11,149,566.46

Forecast Juli 2010

= 11,149,566.46 + 0.05 (9,158,070.00 – 11,149,566.46)

= 11,049,991.64


= 11,049,991.64 + 0.05 (10,182,050.00 – 11,049,991.64)

= 11,006,594.56


= 11,006,594.56 + 0.05 (11,028,575.00 – 11,006,594.56)

= 11,007,693.58


= 11,007,693.58 + 0.05 (4,412,975.00 – 11,007,698.58)

= 10,677,957.65


= 10,677,957.65 + 0.05 (9,288,445.00 – 10,677,957.65)

= 10,608,482.02


commit to user

61


= 10,608,482.02 + 0.05 (11,144,863.00 – 10,608,482.02)

= 10,635,301.07


= 10,635,301.07 + 0.05 (5,425,780.00 – 10,635,301.07)

= 10,374,825.01


= 10,374,825.01 + 0.05 (10,285,215.00 – 10,374,825.01)

= 10,370,344.51

Forecast Maret 2011

= 10,370,344.51 + 0.05 (10,526,382.00 – 10,370,344.51)

= 10,378,146.39


Forecast April 2011

= 10,378,146.39 + 0.05 (10,958,685.00 – 10,378,146.39)

= 10,407,173.32

Jadi forecast untuk bulan April yaitu Rp. 10,407,173.32

b. Penghalusan α = 0.10

Forecast Maret 2010

= 10,952,315.00 + 0.10 (10,552,375.00 – 10,952,315.00)

ANALISIS PERAMALAN PENJUALAN PRODUK CRAZER DI CV… · Ahmad Yani ) perpustakaan.uns.ac.id...

Documents

Transcript of ANALISIS PERAMALAN PENJUALAN PRODUK CRAZER DI CV… · Ahmad Yani ) perpustakaan.uns.ac.id...