BAB II PERAMALAN PENJUALAN · 2019-03-26 · Penganggaran Perusahaan 2 4. Ketetapan manajemen dalam...

Dewi Cahyani Pangestuti

Penganggaran Perusahaan

1

BAB II

PERAMALAN PENJUALAN

(SALES FORECASTING)

TIK (Tujuan Instruksional Khusus)

Pada perkuliahan kedua ini mahasiswa diharapkan:

1. Mampu memahami pengertian peramalan penjualan

2. Mampu memahami hubungan peramalan dengan rencana

3. Mampu memahami pengaruh kebenaran asumsi

4. Mampu memahami metode peramalan penjualan (sales forcasting)

5. Mampu memahami efektivitas peramalan

6. Mampu memahami metode peramalan

7. Mampu menerapkan berbagai metode peramalan penjualan

A. Pengertian Peramalan Penjualan

Ada beberapa pengertian mengenai peramalan penjualan diantaranya :

1. Peramalan penjualan adalah perkiraan atau proyeksi secara teknis permintaan konsumen

potensial untuk suatu waktu tertentu dengan berbagai asumsi.

2. Peramalan penjualan adalah perkiraan mengenai sesuatu yang belum terjadi .

3. Peramalan penjualan adalah budget yang berisi taksiran-taksiran tentang kegiatan-kegiatan

perusahaan dalam jangka waktu tertentu yang akan datang,serta berisi taksiran-taksiran

tentang keadaan atau posisi financial perusahaan pada suatu saat yang akan datang.

Intinya peramalan penjualan (sales forecasting) ialah teknik proyeksi permintaan

langganan yang potensial untuk suatu waktu tertentu dengan berbagai asumsi. Jae K Shim

berpendapat, “In business, forecast are the basis for capacity planning, production and

inventory planning, manpower planning, planning for sales and market share, and financial

planning and budgeting”. Dengan demikian, peramalan sangat penting di lakukan oleh si

“pengusaha” untuk menjalankan semua perencanaan di dalam perusahaannya.

Hasil dari suatu peramalan penjualan lebih merupakan pernyataan atau penilaian yang

dikuantifisir terhadap kondisi masa depan mengenai penjualan sebagai proyeksi teknis dari

permintaan konsumen potensial untuk jangka waktu tertentu. Meskipun demikian hasil

perkiraan yang diperoleh mungkin saja tidak sama dengan rencana.

Pada umumnya hasil dari suatu peramalan penjualan akan dikonversikan menjadi

rencana penjualan dengan memperhitungkan berbagai hal berikut :

1. Pendapat manajemen

2. Strategi-strategi yang direncanakan

3. Keterkaitan dengan sumber daya



2

4. Ketetapan manajemen dalam usaha mencapai sasaran penjualan

Dengan adanya peramalan penjualan produk di suatu perusahaan, maka manajemen

perusahaan tersebut akan dapat melangkah kedepan dengan lebih pasti. Atas dasar peramalan

penjualan yang disusun ini manajemen perusahaan akan dapat memperoleh gambaran tentang

keadaan masa depan perusahaan. Gambaran keadaan penjualan pada waktu yang akan datang

ini sangat penting bagi manajemen perusahaan, karena kebijakan perusahaan akan sangat

dipengaruhi oleh besarnya penjualan produk perusahaan tersebut.

Dalam menjalankan usahanya perusahaan biasanya melakukan 2 pendekatan, yakni :

1. Speculative Approach (pendekatan spekulasi )

Di mana perusahaan tidak memperhitungkan resiko yang diakibatkan oleh ketidakpastian

dari faktor intern dan ekstern.

2. Calculated Risk Approach (pendekatan penghitungan risiko)

Di mana perusahaan secara aktif melakukan estimasi terhadap resiko yang diakibatkan oleh

ketidakpastian dari faktor ekstern dan intern.

a. Faktor internal (faktor yang dapat di kuasai), seperti misalnya:

1) Kualitas dan kegunaan produk yang terdiri dari :

a) Bagaimana produk di pakai,

b) mengapa orang membeli produk tersebut,

c) penggunaan potensial produk,

d) perubahan yang dapat menaikan kegunaan produk.

2) Ongkos produksi dan distribusi produk.

a) Proses pembentukan produk,

b) Teknologi yang di pakai,

c) Bahan mentah yang di pakai,

d) Kapasitas produksi.

3) Kecakapan manajemen (management skill) yang terdiri atas :

a) Penghayatan persoalan yang di hadapi,

b) kemampuan melihat reaksi pesaing.

c) Kemampuan melakukan forecast

b. Faktor eksternal (faktor yang tidak dapat di kuasai). Seperti misalnya:

1) Kecakapan management pesaing.

2) Volume kegiatan perekonomian yang di tentukan oleh : Konsumen, manager lain

(produsen lain), peraturan, keadaan politik kondisi lingkungan, kehidupan organisasi

ekonomi.

3) Barang substitusi

4) Selera masyarakat

5) Faktor lain seperti : konflik politik, iklim dan perubahan pemakaian produk, banyak

perusahaan yang keluar masuk dalam produk.



3

Peramalan penjualan merupakan pendekatan yang berbasis dengan memperhitungkan

risiko yang mungkin akan terjadi dimasa yang akan datang. Peramalan penjualan merupakan

pusat dari seluruh perencanaan perusahaan yang menggambarkan potensi penjualan serta

luas pasar yang akan dikuasai di masa yang akan datang.

Gambar 1

Peramalan Penjualan

B. Hubungan Peramalan dengan Rencana

Peramalan bukan merupakan rencana. Peramalan adalah tentang apa yang akan terjadi

pada waktu yang akan datang sedang rencana merupakan penentuan apa yang akan dilakukan

pada waktu yang akan datang. Peramalan penjualan menjadi suatu alat yang dapat

mempengaruhi manajer dalam membuat perencanaan penjualan. Dalam rencana penjualan,

perusahaan memasukkan keputusan manajemen berdasar hasil ramalan, masukkan lain dan

kebijakan manajemen tentang hal-hal yang berkaitan (contoh volume penjualan, harga, usaha

penjualan, produksi, dan biaya-biaya).

C. Pengaruh Kebenaran Asumsi

Asumsi mempunyai pengaruh terhadap ketepatan peramalan yang dibuat. Jika asumsi

yang dibuat tepat atau mendekati kenyataan, maka forecast yang dihasilkan juga akan

mendekati kebenaran, sebaliknya jika asumsinya tidak tepat akan menyebabkan forecast yang

dihasilkan akan mengalami penyimpangan.

D. Metode Peramalan Penjualan (Sales Forcasting)

Ada banyak metode peramalan yang bisa digunakan. Pemilihan metode forecasting dan

"nilai" dari hasil peramalan sangat bergantung pada kendala-kendala yang ada dalam sistem

forecasting. Kendala-kendala tersebut antara lain :

1. Waktu yang diperlukan untuk melakukan persiapan melakukan peramalan.

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

3. Kualitas data-data yang tersedia

4. Fasilitas pengolahan data dan tenaga ahli

ANALISIS

Data Masa

Lalu / Data

Masa Kini

Meramalkan

volume

penjualan y.a.d



4

Jenis kendala yang disebut pertama, kedua dan ketiga akan berpengaruh pada kualitas

data, sedang kendala yang disebut terakhir lebih banyak bergantung pada kebijakan

pengalokasian dana untuk kepentingan forecasting.

E. Efektivitas Peramalan

Efektivitas sistem peramalan dalam membantu organisasi dapat dievaluasi berdasarkan

lima kriteria berikut :

1. Accuracy. Ini merupakan aspek terpenting dari forecast, karena perbedaan antara aktual dan

forecast berarti biaya. Lebih jauh, forecast error dapat menjadi sumber terjadinya kesulitan-

kesulitan yang serius, misalnya bila forecast lebih besar dari aktual maka akan terjadi

kapasitas menganggur dan surplus persediaan, dan bila forecast lebih kecil dari aktual maka

dapat terjadi stockout atau opportunity loss.

2. Stability vs Responsiveness. Artinya forecast harus mampu mengkover kompleksitas dan

ketidakpastian lingkungan baik yang disebabkan oleh long term growth trend maupun

seasonal influences.

3. Objectivity. Kadang-kadang kondisi yang diramalkan tidak dapat atau tidak ada kaitannya

dengan data historis yang digunakan dalam forecasting. Bila demikian maka pertama, data

tetap diolah secara obyektif apa adanya, kedua baru kemudian hasil forecasting pada

pengolahan data secara obyektif disesuaikan dengan memperhitungkan perkembangan

terakhir situasi dan kondisi.

4. Timing. Agar sistem forecasting dapat efektif, maka forecast harus tersedia tepat waktu.

5. Benefit to Cost Ratio. Merupakan perbandingan antara manfaat yang berupa perbaikan

kualitas keputusan sehubungan dengan adanya sistem peramalan yang diukur dengan cost

saving dan biaya untuk membangun dan memelihara sistem peramalan. Rasio yang dapat

dijadikan sebagai kriteria tunggal bagi perlu tidaknya sistem forecasting dalam perusahaan.

F. Metode Peramalan

Berikut beberapa metode peramalan yang dapat digunakan untuk kepentingan peramalan

penjualan:

1. Metode Peramalan Kualitatif

Forecast berdasarkan pendapat (judgement method). Di gunakan untuk menyusun

forecast penjualan maupun forecast kondisi bisnis pada umumnya. Pendapat-pendapat yang

di pakai sebagai dasar melakukan forecast adalah :

a. Pendapat Salesman

Salesman di minta untuk mengukur apakah ada kemajuan atau kemunduran segala

hal yang berhubungan dengan tingkat penjualan pada daerahnya masing-masing.

b. Pendapat Sales Manajer



5

Pada umumnya estimasi kepala bagian penjualan dapat lebih obyektif karena

mempertimbangkan banyak faktor. Ini juga di sebabkan pendidikannya yang relatif lebih

tinggi dan pengalamannya yang lebih luas di bidang penjualan.

c. Pendapat Para Ahli

Kadang-kadang estimasi yang di lakukan oleh para salesman dan sales manager

ada pertentangannya. Sehingga perusahaan perlu memperkerjakan para konsultan di

dalam perusahaannya.

d. Survey Konsumen

Dan jika pendapat dari ketiga bagian di atas itu sangat kurang maka perusahaan

perlu meminta pendapat dari konsumen. Dengan cara melakukan survei atau penelitian

kepada konsumen.

2. Model Kuantitatif (statistik/Statistic Method)

Peramalan menghendaki perpaduan antara analisis ilmiah kuantitatif dengan

menggunakan statistik sebagai alat primer dalam membuat peramalan. Berikut ini beberapa

metode peramalan dengan menggunakan pendekatan statistik:

a. Trend bebas

b. Trend setengah rata-rata / semi average

c. Trend Matematis

Metode Moment

Metode Least Square

Metode Regresi

3. Model Khusus

Metode khusus ini adalah cara khusus untuk meramalkan penjualan dengan

menggunakan analisis market share, analisis product line, dan analisis pengguna akhir.

Model kuantitatif (statistik) dalam realita penggunaan secara keseluruhan masih

kurang dapat di percaya hasilnya, sebab banyak hal yang tidak dapat di ukur secara

kuantitatif seperti :

a. Perkembangan politik

b. Struktur masyarakat

c. Perubahan secara konsumen

G. Pemilihan Metode Peramalan

Pemilihan metoda yang dipakai untuk pembuatan forecast penjualan perlu

mempertimbangkan hal-hal berikut :

1. Sifat produk

2. Metoda distribusi (langsung/ tak langsung)

3. Besarnya perusahaan dibanding pesaing

4. Tingkat persaingan



6

5. Data historis yang tersedia

6. Akurasi metoda

7. SDM yang dimiliki untuk melakukan forecasting

8. Horison waktu perencanaan

9. Waktu yang tersedia

10. Ketersediaan dana

H. Peramalan Penjualan dengan Metode Trend Bebas (free hand)

Dapat dikatakan bahwa penerapan garis trend secara bebas merupakan suatu cara

penerapan garis trend tanpa menggunakan rumus matematika. Meskipun demikian bukan

berarti bahwa garis trend dapat ditarik begitu saja tanpa menggunakan pertimbangan-

pertimbangan tertentu. Penggambaran garis trend dengan cara ini sangat subyektif dan kurang

memenuhi syarat ilmiah, sehingga jarang digunakan.

Pada dasarnya semua metode trend menggunakan prinsip yang sama yaitu berusaha

mengganti atau mengubah garis patah-patah dalam grafik yang dibentuk oleh data historis,

menjadi garis yang lebih teratur bentuknya, misal bentuk garis lurus, bentuk garis lekung, dll.

Dengan pengubahan atu penggantian menjadi garis yang lebih teratur bentuknya ini, maka akan

dapat diketahui kelanjutan garis tersebut pada waktu-waktu yang akan datang, yaitu dengan

cara melanjutkan atau memperpanjang garis yang bersangkutan sesuai dengan irama

keteraturan itu. Dengan demikian taksiran untuk waktu-waktu yang akan datang dapat

diketahui.

Contoh penerapan garis trend secara bebas :

PT. Ayah Bunda yang bergerak dalam bisnis makanan anak, memiliki data penjualan tahunan

sebagaimana tertera pada table di bawah ini :

Tabel 1 : Penjualan Makanan Anak PT. Ayah Bunda Thn 2013-2017

Tahun Penjualan

2013 140

2014 148

2015 157

2016 160

2017 169

Terhadap data penjualan PT. Ayah Bunda tersebut dapat dibuat forecast penjualan untuk

tahun 2018 dan seterusnya dengan menggunakan beberapa metode yang disebutkan

sebelumnya.

Selanjutnya diminta untuk meramalkan penjualan tahun 2018 dengan menggunakan

metode peramalan Trend Bebas. Untuk itu, langkah pertama adalah memplotkan seluruh data

ke grafik sumbu kartesius dimana sumbu vertikal mewakili penjualan dan sumbu horisontal

mewakili tahun.



7

Setelah data diplotkan ke grafik sumbu kartesius, kemudian dibuat garis trend bebas yang

sekiranya mewakili keseluruan titik-titik hasil plotting data sebagaimana terlihat pada gambar

di bawah ini.

I. Peramalan Penjualan dengan Metode Moment

Metode trend moment merupakan analisis yang dapat digunakan untuk keperluan

peramalan dengan membentuk persamaan Y=a+b (X) sebagaimana telah diulas pada metode

trend semi average. Dalam penerapannya metode ini tidak mensyaratkan jumlah data harus

genap. Perbedaan dengan metode trend semi average terletak pada pemberian skor X. Pada

metode Moment skor X dimulai dari dimulai dari 0,1,2, dst.

1. Fungsi Dasar Metode Moment

Bentuk fungsi dasar Metode Moment adalah sebagai berikut :

Y = a + bX

Penentuan nilai a dan b dengan persamaan

Yi = n.a + b Xi …………….. (i)

Xi . Yi = a Xi + bXi 2 ……….(ii)

Contoh Penggunaan Metode Moment dengan menggunakan data berikut ini, diminta

membuat peramalan penjualan th 2018 dengan metode Moment.

Tabel 2 : Data Penjualan Perusahaan Mitra Lestari Tahun 2012 - 2017

Tahun (X) Penjualan (Y)

2012 140

2013 148

2014 157

2015 157

2013 2014 2015 2016 2017

2017



8

2016 160

2017 169

Data-data tersebut dianalisis dengan metode Moment. Caranya sebagai berikut :

Tabel 3 : Perhitungan Metode Moment

Tahun Penjualan (Yi) Xi Xi Yi Xi2

2012 140 0 0 0

2013 148 1 148 1

2014 157 2 314 4

2015 157 3 471 9

2016 160 4 640 16

2017 169 5 845 25

931 15 2.418 55

Dalam mencari koefisien a dan b digunakan persamaan:

XbanY ..

2. XbXaXY

Selanjutnya terhadap persamaan-persamaan yang terbentuk dapat dicari penyelesainnya

melalui metode eliminasi ataupun metode substitusi sebagaimana ditunjukkan dalam contoh

berikut :

931 = 6 (a) + b (15) 2,5x 2.327,5 = 15a +37,5b

2.418 = a (15) + b (55) 1x 2.418 = 15a + 55b

-90,5 = -17,5b

b = 5,17

931 = 6a + (5,17) (15)

931 = 6a + 77,57

931 -77,57 = 6a

853,43 = 6a

142,24 = a

Y = 142,24 + 5,17x

Forecast penjualan tahun 2018

Y = 142,24 + 5,17 (6) = 173,26

J. Peramalan Penjualan dengan Metode Least Square

Metode ini sedikit berbeda dengan metoda moment. Bagaimana perbedaan tersebut akan

lebih jelas pada pemecahan masalah yang diberikan pada bagian contoh.

Fungsi dasar metode Least Square adalah sebagai berikut :

Y = a + bX

Dimana :



9

𝑎 = Y

n

𝑏 = X Y

X2

Contoh Penggunaan Metode Least Square

Diminta membuat peramalan penjualan untuk tahun 2018 dengan menggunakan metode

Least Square berdasarkan data-data berikut ini:

Tabel 4 : Data Penjualan Perusahaan Mitra Lestari Tahun 2012 - 2017


2012 140

2013 148

2014 157

2015 157

2016 160

2017 169

Data-data tersebut selanjutnya dianalasis dengan cara berikut :

Tabel 5 : Perhitungan Least Square

Tahun Penjualan (Yi) Xi Xi Yi Xi2

2013 140 -2 -280 4

2014 148 -1 -148 1

2015 157 0 0 0

2016 160 1 160 1

2017 169 2 338 4

774 70 10

n

Ya

2X

XYb

8,1545

774a 7

10

70b

Sehingga persamaan trend metode least square adalah :

Y = 154,8 + 7x

Forecast penjualan tahun 2018 :

Y = 154,8 + 7(3) = 175,8

22 XXn

YXXYnb

n

XbYa

2679355

77467507.105

b

5

6767,3774 a



10

64,3186

677b 02,106

5

12,530a

Y= 106,2 +3,64x

K. Peramalan Penjualan dengan Metode Regresi

Penggunaan metode ini didasarkan kepada variabel yang ada dan yang akan

mempengaruhi hasil peramalan. Hal-hal yang perlu diketahui sebelum melakukan peramalan

dengan metode regresi adalah mengetahui terlebih dahulu kondisi- kondisi seperti :

1. Adanya informasi masa lalu

2. Informasi yang ada dapat dibuatkan dalam bentuk data (dikuantifikasikan)

3. Diasumsikan bahwa pola data yang ada dari data masa lalu akan berkelanjutan dimasa yang

akan datang.

Adapun data- data yang ada dilapangan adalah

1. Musiman (Seasonal)

2. Horizontal (Stationary)

3. Siklus (Cylikal)

4. Trend

Ada dua pendekatan untuk melakukan peramalan dengan menggunakan analisis deret waktu

dengan metode regresi sederhana yaitu :

1. Analisis deret waktu untuk regresi sederhana linier

2. Analisis deret waktu untuk regresi sederhana yang non linier

Fungsi Dasar Metode Regresi

Bentuk fungsi dasar metode Regresi adalah sebagai berikut :

Fungsi Dasar Metode Regresi

Y = a + bX

Dimana :

X = variabel bebas

Y = variabel terikat/tergantung

𝑎 =Y − bX

n

𝑏 =n XY − X Y

nX2 − (X)2

Contoh Penggunaan Metode Regresi

Penjualan PT ABC. Bila X menunjukkan biaya iklan (dlm jutaan) dan y menunjukkan jumlah

penjualan (dlm unit) ilustrasi terhadap metode ini ditunjukkan sebagai berikut :



11

Tabel 6 : Data Penjualan dan Biaya Iklan

Tahun 2013 – 2017

Tahun X Y X2 Y2 XY

2013 9 140 81 19.600 1.260

2014 12 148 144 21.904 1.776

2015 14 157 196 24.649 2.198

2016 15 160 225 25.600 2.400

2017 17 169 289 28.561 2.873

67 774 935 120.314 10.507

Data-data di atas selanjutnya dianalisis dengan cara sebagai berikut :

𝑎 =Y − bX

n=

774 − (3,67)(67)

5= 106,02

𝑏 =n XY − X Y

nX2 − (X)2 = (5)(10.507) − (67)774

(5)(935) − (67)2 =677

186= 3,64

Sehingga persamaan trendnya adalah sebagai berikut :

Ŷ = 106,02 + 3,64X

Persamaan ini dapat diinterpretasikan bahwa bila biaya iklan naik satu juta rupiah, jumlah

penjualan akan meningkat 3,64 juta unit.

Koefisein korelasi dicari dengan persamaan :

2222,

YYnXXn

YXXYnr yx

22,

774314.1205679355

77467507.105

yxr

99,0494.2186

677, yxr

L. Peramalan Penjualan dengan Model Khusus

Berikut ini adalah beberapa model khusus yang biasanya digunakan untuk membuat

peramalan penjualan:

1. Analisis Industri

Analisis Industri adalah analisis yang mengkaitkan potensi penjualan perusahaan

dengan industri.

Langkah-langkah dalam anailsis industri adalah :

a. Membuat proyeksi permintaan industri

b. Menilai posisi perusahaan dengan menghitung market share

c. Proyeksi market share perusahaan atau memperkirakan expected market share



12

𝑚𝑎𝑟𝑘𝑒𝑡 𝑠ℎ𝑎𝑟𝑒 =penjualan perusahaan

permintaan industri x 100 %

Contoh :

Penjualan perusahaan dan total penjualan industry selama 5 tahun terakhir sbb:

Tabel 7 : Penjualan Perusahaan dan Industri Tahun 2013 – 2017

Tahun Penjualan

Perusahaan (unit)

Penjualan

Industri (unit)

2013 1.500 7.500

2014 2.116 9.200

2015 2.500 10.000

2016 3.240 12.000

2017 4.500 15.000

Tabel 8 : Proyeksi Penjualan Industri

Tahun Y X XY X2

2013 7.500 -2 -15.000 4

2014 9.200 -1 -9.200 1

2015 10.000 0 0 0

2016 12.000 1 12.000 1

2017 15.000 2 30.000 4

53.700 - 17.800 10

x

ya

= 53.700 / 5 = 10.740

2x

xyb

= 17.800 / 10 = 1.780

Persamaan tren Y= 10.740 + 1.780 X

a. Penjualan industry pada tahun 2018 (X=3)

Y= 10.740 + 1.780 (3) = 16.080

b. Menghitung market share tahun 2013– 2017

20% 100%x 7.500

1500 2013 shareMarket

23% 100%x 9.200

2.116 2014 shareMarket

25% 100%x 10.000


27% 100%x 12.000


30% 100%x 15.000


Dari tahun 2013 sampai dengan tahun 2017 market share terus mengalami kenaikan,

berarti posisi perusahaan dalam persaingan semakin kuat.

c. Proyeksi market share tahun 2018



13

Karena market share 5 tahun terakhir mengalami kenaikan maka proyeksi market share

tahun 2018 juga ditentukan dengan trend.

Tabel 9 : Proyeksi Penjualan industri

Tahun Y X XY X2

2013 20 -2 -40 4

2014 23 -1 -23 1

2015 25 0 0 0

2016 27 1 27 1

2017 30 2 60 4

125 - 24 10

x

ya

25

5

125a

2x

xyb

4,2

10

24b

Persamaan tren Y= 25 + 2,4 X

Penjualan industry pada tahun 2018 (X=3)

Y= 25 + 2,4 (3)

= 32,2%

Kemudian forecast penjualan tahun 2018 akan ditentukan berdasarkan proyeksi

penjualan industry dan proyeksi market share tahun 2018 sebagaimana telah dihitung

sebelumnya.

Market share (MS) = penjualan perusahaan / penjualan industri

Penjualan Perusahaan = MS x Penjualan Industri

= 32,2% x 16.080 unit

= 5.178 unit

2. Analisis Product Line

Bila perusahaan menghasilkan lebih dari satu jenis produk yang berbeda (minuman

dan pakaian), maka masing-masing produk harus dibuat forecast secara terpisah.

3. Analisis Pengguna Akhir

Analisis ini biasanya dipakai oleh perusahaan yang memproduksi barang-barang yang

tidak langsung dapat dikonsumsi (mis: benang tenun) Menghitung konsumsi dilakukan

dengan formula sbb:

Konsumsi = produksi DN + import - eksport

M. Peramalan Penjualan dengan Metode Trend Semi Average (Setengah Rata-Rata)

Menurut metode ini garis lurus yang dibuat sebagai pengganti garis patah-patah yang

dibentuk dari data-data historis tersebut diperoleh dengan perhitungan-perhitungan statistika

dan matematika tertentu, sehingga unsur subyektifitas dapat dihilangkan.



14

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

Langkah Menggunakan Metode Trend Semi Average. Berikut langkah-langkah dalam

mengaplikasikan metode Trend semi Average untuk peramalan:

1. Mengelompokkan data menjadi 2 kelompok :

a. Bila jumlah data genap langsung dibagi dua

b. Bila jumlah data gasal maka disesuaikan dengan salah satu cara berikut :

1) Mengeleminasi data tahun paling awal atau

2) Menambah data tahun tengah

2. Menetukan periode dasar dapat dilakukan dengan dua cara:

a. Tahun tengah data kelompok I

b. Tahun tengah data kelompok II

3. Menentukan angka tahun berdasarkan periode dasar

4. Menetukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok

5. Menentukan Semi average tiap Kelompok data dengan cara Nilai Semi Total dibagi jumlah

data dalam kelompok

6. Menetukan nilai a dengan cara

a. Bila tahun dasar menggunakan tahun tengah kelompok I maka nilai a adalah nilai Semi

Average kelompok I

b. Bila tahun dasar menggunakan tahun tengah kelompok II, maka nilai a adalah nilai Semi

Average kelompok II

7. Menetukan nilai b Nilai b dengan cara

a. Bila jumlah data kelompok adalah ganjil, maka nilai b ditentukan dengan cara membagi

selisih antara nilai Semi Average kelompok II dan I dengan jarak tahun antara tahun

tengah kelompok I dan II

b. Bila Jumlah data kelompok adalah genap maka nilai b ditentukan dengan cara

1) Menghitung Nilai Antara dengan membagi selisih antara nilai Semi Average

kelompok II dan I dengan jumlah data dalam kelompok

2) Nilai b ditentukan dengan membagi Nilai Antara dengan Nilai Tahunnya (selisih antar

angka tahun)

8.. Membuat fungsi Trend

9. Meramalkan Penjualan Tahun tertentu dimana nilai X ditentukan berdasarkan angka tahun

untuk tahun yang hendak diramalkan.

Berikut ini contoh metode Semi Average Data Ganjil-Ganjil (Banyaknya Keseluruhan

Data Berjumlah Ganjil dan Banyaknya Data Dalam Kelompok Juga Ganjil). Data penjulan PT



15

"S". Dengan menggunakan data tersebut diminta untuk membuat peramalan penjualan untuk

tahun 2008 dengan menggunakan metode Semi Average.

Tabel 10 : Data Penjualan PT “S” Tahun 2012-2016


2012 120

2013 110

2014 128

2015 140

2016 160

2017 ?

Jumlah seluruh data di atas adalah 5 data (Ganjil). Oleh karena itu analisis data dilakukan

dengan cara sebagai berikut :

1. Mengelompokkan data menjadi 2 kelompok. Karena jumlah seluruh data adalah Ganjil,

maka sebelum membagi menjadi dua kelompok harus disesuaikan dulu. Penyesuaian dapat

dilakukan dang salah satu dari dua cara yang ada. Misalnya diasumsikan disesuaikan dengan

menduplikasi data yang terletak di tengah yaitu data tahun 2014, sehingga seluruh data

menjadi berjumlah 6 data (Genap). Selanjutnya baru dibagi menjadi dua kelompok yang

masing-masing kelompok terdiri dari 3 data (Ganjil).

2. Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun

tengah data tahun kelompok I, sehingga periode dasarnya adalah tahun 2013.

3. Menentukan Angka Tahun. Karena periode dasar 2013 berangka tahun x = 0, maka angka

tahun untuk tahun 2012 adalah -1 dan angka tahun untuk 2014, 2014', 2015, 2016 berturut-

turut adalah 1, 2, 3, 4 dst.

4. Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.

Untuk kelompok I, Nilai Semi Totalnya adalah 120 + 110 + 128 = 358. Dengan cara yang

sama dihitung Nilai Semi Total untuk Kelompok II.

5. Menentukan Semi average tiap Kelompok data. Semi Average untuk kelompok I adalah

(semi total kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah

358/3=119,33. Dengan cara yang sama juga dihitung Semi Average untuk Kelompok II.

Ringkasan Perhitungan disajikan pada tabel berikut:

Tahun Penjualan Klp

X

(angka

tahun)

Semi

total

Semi

average

2012 120 1 -1

2013 110 0 358 119,33

2014 128 1

2014 128 2 2

2015 140 3 428 142,67



16

2016 160 4

2017 5

2018 ? 6

Dari perhitungan tersebut di atas, ditentukanlah nilai a dan b sehingga diperoleh fungsi

persamaan untuk peramalan dengan cara sebagai berikut :

1. Nilai a ditentukan berdasarkan nilai Semi Average untuk kelompok yang tahun tengahnya

digunakan sebagai periode dasar. Pada kasus ini periode dasar menggunakan tahun tengah

kelompok I, sehingga nilai a adalah sebesar nilai Semi Average kelompok I yakni 119,33

2. Menentukan nilai b karena jumlah data dalam kelompok adalah ganjil maka untuk

menentukan nilai b dapat langsung dengan cara membagi selisih antara nilai Semi Average

kelompok II dan I dengan jumlah data dalam kelompok sehingga hasilnya (142,67 - 119,33)

/ 3 = 7,78

3. Menentukan Fungsi Peramalan. Karena nilai a=142, 67 dan nilai b= 10,89, maka fungsi

peramalannya adalah Y= 119,33+ 7,78X

Perhitungan selengkapnya adalah sebagai berikut:

a = 119,33

Karena 1 tahun bernilai 1, maka nilai b dapat dihitung langsung sebagai berikut :

b =142,67 −119,33

3 = 7,78

Fungsi peramalan menjadi

Ŷ = 119,33+ 7,78X

Dengan menggunakan fungsi peramalan yang diperoleh dengan metode Semi Average

tersebut selanjutnya dilakukan peramalan penjualan tahun 2018 dimana angka tahun 2018

adalah 6 (X = 6). Diramalkan penjualan tahun 2018 sebesar 166 unit.

Ŷ = 119,33+ 7,78(6) = 166

Contoh Metode Trend Semi Average Data Genap-Ganjil (Banyaknya Keseluruhan Data

Berjumlah Genap dan Banyaknya Data Dalam Kelompok Berjumlah Ganjil)

Berikut ini contoh metode Trend Semi Average Data Genap-Ganjil (Banyaknya

Keseluruhan Data Berjumlah Genap dan Banyaknya Data Dalam Kelompok Berjumlah

Ganjil). Data penjualan PT "Y". Dengan menggunakan data tersebut diminta untuk membuat

peramalan penjualan untuk tahun 2018 dengan menggunakan metode Semi Average.

Tabel 11 : Data Penjualan PT Y Tahun 2011-2016


2011 100

2012 120

2013 110

2014 128

2015 140



17

2016 160

2017 ?

2018 ?

Jumlah seluruh data di atas yakni 6 data (Genap). Oleh karena itu analisis data dilakukan

dengan cara sebagai berikut:

1. Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi dua

yang masing-masing kelompok terdiri dari 3 data (Ganjil).

2. Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun tengah

data tahun kelompok II, sehingga periode dasarnya adalah tahun 2015

3. Menentukan Angka Tahun. Karena periode dasar tahun 2001 berangka tahun x = 0, maka

angka tahun untuk tahun 2014, 2013, 2012, 2011 adalah -1, -2, -3, -4 dan angka tahun untuk

2016, adalah 1 ..., dst.


Untuk kelompok I, Nilai Semi Totalnya adalah 100 + 120 + 110 = 330. Dengan cara yang

sama dihitung Nilai Semi Total untuk Kelompok II.


(semi total kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah 330/3=110.

Dengan cara yang sama juga dihitung Semi Average untuk Kelompok II.

Ringkasan Perhitungan disajikan pada tabel berikut:

Tahun Penjualan Klp

X

(angka

tahun)

Semi

total

Semi

average

2011 100 1 -4

2012 120 -3 330 110

2013 110 -2

2014 128 2 -1

2015 140 0 428 142,67

2016 160 1

2017 2

2018 3


persamaan untuk peramalan dengan cara sebagai berikut::



kelompok II, sehingga nilai a adalah sebesar nilai Semi Average kelompok I yakni 142,67

2. Menentukan nilai b Karena Jumlah data dalam kelompok adalah ganjil maka untuk

menentukan nilai b dapat langsung dengan cara membagi selisih antara nilai Semi Average



18

kelompok II dan I dengan jumlah data dalam kelompok sehingga hasilnya (142,67 - 110) /

3 = 10,89

3. Menentukan Fungsi Peramalan. Karena nilai a=142, 67 dan nilai b= 10,89, maka fungsi

peramalannya adalah Y= 142,67 + 10,89X


a = 142,67

Karena 1 tahun bernilai 1, maka nilai b dapat dihitung langsung sebagai berikut :

b =142,67 −110

3 = 10,89


Ŷ = 142,67+ 10,89X

Dengan menggunakan fungsi peramalan yang diperoleh dengan metode Semi Average

tersebut selanjutnya dilakukan peramalan penjualan tahun 2018 dimana angka tahun 2018

adalah 3 (X = 3). Diramalkan penjualan tahun 2018 sebesar 175, 33 unit.

Ŷ = 142,67+ 10,89(3) = 175,33

Contoh Metode Trend Semi Average Data Genap-Genap (Banyaknya Data Keseluruhan dan

Banyaknya Data Dalam Kelompok Berjumlah Genap)

Berikut contoh metode Trend Semi Average Data Genap-Genap (Banyaknya Data

Keseluruhan dan Banyaknya Data Dalam Kelompok Berjumlah Genap). Dengan menggunakan

data penjualan di bawah ini diminta untuk membuat peramalan penjualan untuk tahun 2007

dengan menggunakan metode Semi Average.

Tabel 12 : Data Penjualan PT Y Tahun 2013 – 2016


2013 145

2014 150

2015 165

2016 170

2017 ?

Jumlah seluruh data di atas yakni 4 data (Genap). Oleh karena itu analisis data dilakukan

dengan cara sebagai berikut:

1. Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi dua

yang masing-masing kelompok terdiri dari 2 data (Genap).

2. Menentukan periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun

tengah data tahun kelompok I sehingga periode dasar terletak antara tahun 2013 dan tahun

2014.

3. Menentukan Angka Tahun. Karena periode dasar berangka tahun x = 0 dan terletak antara

tahun 2013 dan 2014, maka angka tahun untuk tahun 2013 adalah -1/2 dan angka tahun

untuk 2004, 2005, 2006 berturut-turut adalah 1/2, 3/2, 5/2 dst. Untuk memudahkan

perhitungan maka dikonversi ke bilangan bulat dengan mengalikan dengan angka 2,



19

sehingga angka tahun untuk 2013 menjadi -1 dan angka tahun 2014, 2015, 2016 dst brturut-

turut menjadi 1, 3, 5 dst.


Untuk kelompok I, Nilai Semi Totalnya adalah 145 + 150 = 295. Dengan cara yang sama

dihitung Nilai Semi Total untuk Kelompok II.


(semi total kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah

295/2=147,5. Dengan cara yang sama juga dihitung Semi Average untuk Kelompok II.

Ringkasan Perhitungan disajikan pada tabel berikut :

Tabel 13: Perhitungan Metode Semi Average

Tahun Klp Penjualan X Semi total Semi

average

2013 I 145 -1

295 147,5

2014 150 1

2015 II 165 3

335 167,5

2016 170 5

2017 ? 7


persamaan untuk peramalan dengan cara sebagai berikut::



kelompok I, sehingga nilai a adalah sebesar nilai Semi Average kelompok I yakni 147,5.

2. Menentukan nilai b Karena Jumlah data dalam kelompok adalah genap maka untuk

menentukan nilai b terlebih dulu menghitung Nilai Antara dengan cara membagi selisih

antara nilai Semi Average kelompok II dan I dengan jumlah data dalam kelompok sehingga

hasilnya (167,5 - 147,5) / 2 = 10. Selanjutnya Nilai b ditentukan dengan membagi Nilai

Antara dengan selisih antar angka tahun, sehingga diperoleh nilai b sebesar (10/2) = 5

3. Menentukan Fungsi Peramalan. Karena nilai a=147,5 dan nilai b= 5, maka fungsi

peramalannya adalah Y= 147,5 + 5X


a = 147,5

Karena 1 tahun bernilai 2, maka nilai b dapat dihitung dengan cara : menghitung terlebih dahulu

nilai antara yakni

nilai antara =167,5 −147,5

2 = 10

selanjutnya nilai b dihitung dengan : membagi nilai antara dengan nilai tahun



20

b =10

2 = 5


Ŷ = 147,5+ 5X

Jadi dengan menggunakan metode Setengah Rata-Rata, penjualan th 2017 diramalkan sebesar

182,5 unit dengan perhitungan sbb:

Ŷ = 147,5+ 5(7) = 182,5

BAB II PERAMALAN PENJUALAN · 2019-03-26 · Penganggaran Perusahaan 2 4. Ketetapan manajemen dalam...

Documents

Transcript of BAB II PERAMALAN PENJUALAN · 2019-03-26 · Penganggaran Perusahaan 2 4. Ketetapan manajemen dalam...