"FORECASTING PENJUALAN"

1. Pengertian Forecasting

Forecasting adalah menentukan ramalan mengenai sesuatu di masa yang akan datang. Sesuatu yang akan datang perlu diramalkan atau diperkirakan karena waktu yang akan datang penuh dengan resiko ketidakpastian.

Forecasting adalah adalah suatu cara untuk mengukur atau menaksir kondisi bisnis dimasa mendatang, dimana pengukuran dapat dilakukan secara kuantitatif (menggunakan metode matematik dan statistik) dan kualitatif (menggunakan judgment/pendapat).

Realisasi sesuatu hampir tidak pernah sama dengan apa yang diperkirakan, tetapi memperkirakan sesuatu harus dilakukan demi perencanaan yang lebih luas

2.       Manfaat suatu peramalan bagi perusahaan

v  Menambah kemampuan perusahaan untuk mengadakan pengawasan informasi kegiatan-kegiatan tertentu atau memperbaiki proses pemberian laporan.

v  Memungkinkan timbulnya team work diantara pimpinan.

v  Memungkinkan di buatnya jadwal – jadwal pembelian, produksi, budget penjualan dan budget alokasi pengeluaran sehingga di peroleh pedoman dasar bekerja yang relatif lebih tepat.

3.       Pengertian Forecasting Penjualan

v  Forecast penjualan merupakan perkiraan penjualan pada suatu waktu yang akan datang dalam keadaan tertentu dan dibuat berdasarkan data-data yang pernah terjadi dan/atau mungkin akan terjadi.

v  Forecast penjualan Adalah teknik proyeksi tentang permintaan konsumen potensial pada suatu periode tertentu dengan menggunakan berbagai asumsi tertentu pula.

4.       Faktor-faktor yang memengaruhi pembuatan forecast penjualan

Ada lima faktor yang mempengaruhi suatu forecast atau peramalan penjualan yaitu :

a)         SIFAT PRODUK.

Pada faktor ini lebih mengedepankan pada sifat produk yang di hasilkan oleh perusahaan, apakah produk ini bisa bertahan dalam jangka waktu yang panjang atau dalam jangka waktu pendek.

b)        METODE DISTRIBUSI.

Pada faktor ini lebih menitik beratkan pada metode distribusi yang dipakai oleh perusahaan, dimana letak perusahaan apakah dekat dengan pasar atau dekat dengan bahan baku.

c)         BESARNYA PERUSAHAAN DIBANDING PESAING.

Pada faktor ini lebih melihat pada posisi suatu perusahaan pada pasar, apakah perusahaan sebagai market leader, market chalangger, market follower, atau market niecher.

d)        TINGKAT PERSAINGAN.

Setelah mengetahui posisi perusahaan bagaimanakah tingkat persaingan dengan perusahaan pesaing.

e)        DATA HISTORIS.

Data historis yang diperlukan disini minimal berjumlah lima tahun terakhir dari perusahaan.

5.       Teknik Forecast Penjualan

A.   Forecast berdasarkan pendapat (judgemental method).

v Pendapat Salesman

Para salesman diminta untuk mengukur apakah ada kemajuan atau kemunduran segala hal yang berhubungan dengan tingkat penjualan pada daerah mereka masing-masing. Kemudian mereka diminta pula untuk mengestimasi tentang tingkat penjualan di daerah masing-masing di waktu mendatang.

Perkiraan para salesman itu perlu diawasi karena mungkin ada unsur kesengajaan untuk membuat perkiraan yang lebih rendah (under estimate), dengan harapan apabila ia menjual di atas perkiraannya ia akan mendapatkan hadiah.

v Pendapat Sales Manager

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

v Pendapat Para ahli

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

v Survei Konsumen

Apabila ketiga pendapat di atas masih dirasa kurang dapat dipertanggungjawabkan, maka biasanya lalu diadakan penelitian langsung terhadap konsumen.

B.    Forecast berdasarkan perhitungan statistik (statistical method):

1.         Analisis trend

Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut

Trend merupakan gerakan jangka panjang yang dimiliki kecenderungan menuju pada satu arah, yaitu arah naik dan turun. (Atmajaya, 2009)

 Trend adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata atau mulus (smooth). (Purwanto S.K., 2011)

a.         Garis Trend Bebas

Pada umumnya metode trend bebas cenderung digunakan sebagai analisis pendahuluan yang akan memberikan gambaran awal dari suatu permasalahan yang akan dihadapi. Metode trend bebas mencoba melihat pola data amatan melalui tebaran titik dari pasang data penjualan pada setiap waktunya. Berdasarkan tebaran data yang terbentuk dapat diperkirakan trend penjualan dari data tersebut.

Contoh Kasus:  PT. Maju memiliki data penjualan tahunan sebagai berikut :

Tahun	Penjualan (Unit)	Harga
2010	8.500	2.500
2011	9.000	2.500
2012	9.500	2.500
2013	10.000	2.500

Dari tabel tersebut bila manajer menginginkan adanya kenaikan penjualan sebesar 500 unit untuk tahun 2014. Dari tahun sebelumnya dengan harga yang sama. Data tabel penjualan setelah adanya kenaikan sebesar 500 Unit

Tahun	Penjualan (Unit)	Harga
2010	8.500	2.500
2011	9.000	2.500
2012	9.500	2.500
2013	10.000	2.500
2014	10.500	2.500

Metode ini biasanya digambarkan dalam bentuk grafik, Metode ini jarang digunakan dengan alasan tidak memperhitungkan hitungan kualitatif dan berdasar pada data subyektif, tidak berdasar pada model tertentu, tidak berdasarkan metode deduktif dan induktif, tidak logis dan sistematis.

b.        Garis Trend Metode Setengah Rata-Rata (Trend Semi Average)

Metode trend semi average dapat digunakan untuk keperluan peramalan dengan membentuk suatu persamaan seperti analisis regresi. Metode ini dapat digunakan dengan jumlah data genap ataupun ganjil. Dalam analisis trend ini unsur subyektifitas mulai dihapuskan karena teknik peramalannya sudah menggunakan perhitungan-perhitungan.

Metode ini dapat digunakan untuk keperluan forecash dengan membentuk suatu persamaan seperti analisis regresi. Metode trend setengah rata-rata menentukan bahwa untuk mengetahui fungsi Y = a + bx, semua data historis dibagi menjadi dua kelompok dengan jumlah anggota  masing-masing sama.

Data pada metode ini biasanya terdiri dari :

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

·           Metode Setengah Rata-rata dengan data historis dalam jumlah ganjil

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

Y = a + bX

Dimana :

a = Nilai rata rata Kelompok 1

b =

n = Jumlah Data Perkelompok

x = jumlah tahun dihitung dari tahun dasar

Langkah-langkah Metode setengah Rata-Rata (Semi Average Method) :

1.      Membagi data dalam dua kelompok sama besar

2.      Menghitung rata-rata setiap kelompok

3.      Menghitung nilai “a”

4.      Menghitung Nilai “b”

5.      Menentukan Nilai “X”

6.      Nilai X untuk data genap adalah -3,-1,+1,+3,+5

dan untuk data ganjil -3,-2,-1,0, +1, +2, +3

7.      Memberi score terhadap waktu yang terkait dengan data penjualan. Dalam metode trend semi average ini, acuan adalah kepada kelompok pertama. Score 0 diberikan bagi data yang berada ditengah dari data yang ada pada kelompok pertama bila datanya ganjil. Selanjutnya terhadap data yang sebelumnya diberi score -1, -2, -3, dst. Dan terhadap data sesudahnya diberi score 1, 2, 3, dst. Untuk data yang jumlahnya genap, biasanya score tidak melibatkan nilai nol. Sebagai contoh bila datanya ada 4, score yang diberikan adalah -3, -1, 1, 3

a)        Contoh Kasus (Tahun Genap dengan Pembagian Tahun Ganjil)

PT. Maju memiliki data penjualan tahunan sebagai berikut :

Tahun	Penjualan (Unit)
2007	140
2008	148
2009	157
2010	157
2011	160
2012	169

Diminta  : Hitunglah  penjualan untuk tahun 2015 dan 2018 ?

Penyelesaian :

·      Mengelompokkan data menjadi 2 kelompok. Karena jumlah data genap langsung dibagi dua yang masing-masing kelompok terdiri dari 2 data (Genap).

·      Menentukan  periode dasar. Misalnya diasumsikan periode dasar menggunakan tahun tengah data tahun kelompok I, sehingga periode dasarnya adalah tahun 2008

·      Menentukan Angka Tahun. Karena periode dasar 2008 berangka tahun x = 0, maka angka tahun untuk tahun 2007 adalah -1 dan angka tahun untuk 2009, 2010, 2011, 2012 berturut-turut adalah 1, 2, 3, 4 dst.

·      Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok. Untuk kelompok I, Nilai Semi Totalnya adalah 140 + 148 + 157 = 445. Dengan cara yang sama dihitung Nilai Semi Total untuk Kelompok II.

·      Menentukan Semi average tiap Kelompok data. Semi Average untuk kelompok I adalah (semi total kelompok I dibagi jumlah data kelompok I sehingga nilainya adalah 445/3=148. Dengan cara yang sama juga dihitung Semi Average untuk Kelompok II.

Sehingga menghasilkan data sebagai berikut :

Tahun	Penjualan	Semi Total	Semi Average	X
2007	140	445	148	Kelompok1                -1
2008	148			0
2009	157			1
2010	157	486	162	Kelompok2                 2
2011	160			3
2012	169			4

 Menghitung Nilai b :

b     =

                                                            = 5 (4,6)

Maka penjualan untuk tahun 2015 dan 2018 adalah :

2015      =    Y = a + b.X

            =   148 + 5 (7)

            =   183

2018      =    Y = a + b.X

            =   148 + 5 (10)

            =   198

b)        Contoh Kasus (Tahun Genap dengan Pembagian Tahun Genap)

PT. Maju memiliki data penjualan tahunan sebagai berikut :

Tahun	Penjualan (Unit)
2007	140
2008	148
2009	157
2010	169
2011	157
2012	157
2013	160
2014	169

Diminta  : Hitunglah  penjualan untuk tahun 2015 dan 2018 ?

Penyelesaian :

Tahun	Penjualan	Semi Total	Semi Average	X
2007	200	825	206	Kelompok 1 -3
2008	210			-1
2009	205			1
2010	210			3
2011	225	975	244	Kelompok 2 5
2012	245			7
2013	245			9
2014	260			11

Menghitung Nilai b :

b     =

                                                            = 9 (9,4)

Maka penjualan untuk tahun 2015 dan 2018 adalah :

2015      =    Y =   a + b.X

                     =   206 + 9 (13)

                     =   323

2018      =    Y =   a + b.X

                     =   206 + 9 (19)

                     =   377

c.         Garis Trend Matematis

v  Metode Trend Moment (Metode Garis Lurus)

Metode Trend Moment merupakan metode analisis yang dapat digunakan untuk keperluan peramalan dengan membentuk persamaan : Y = a + bX, sebagaimana telah diulas pada metode Trend Semi Avarage.

Dalam penerapannya, metode ini tidak mensyaratkan jumlah data harus genap. Perbedaan dengan Metode Trend Semi Avarage terletak pada pemberian score nilai X –nya. Dalam hal ini pemberian score X dimulai dari 0,1,2,dst.

Metode Trend Moment, menggunakan persamaan yang berbeda dengan metode setengah rata-rata untuk menaksir nilai a dan nilai b dalam persamaan trend :

Y = a + bX

Dalam mencari koefisien a dan b menggunakan persamaan :

ΣY = n . a + b . ΣX

ΣXY = a . ΣX + b . ΣX²

Contoh :

Tahun	Penjualan
2006	382.500
2007	409.500
2008	474.750
2009	562.500
2010	612.000

Diminta :

Dengan menggunakan Metode Moment buatlah forecast penjualan untuk tahun 2011 dan 2012 !

Penyelesaian :

Tahun	Penjualan	X	Xi.Yi	X2
2006	382.500	0	-	0
2007	409.050	1	409.500	1
2008	474.750	2	949.500	4
2009	562.500	3	1.687.500	9
2010	612.000	4	2.448.000	16
∑	2.440.800	10	5.494.050	30

Persamaan(1)   =    2.440.800      =    5a + 10b (x 2)

Persamaan(2)   =    5.494.050      =    10a+30b (x 1)

                                =    4.881.600      =    10a+20b

  =    5.494.050      =    10a+30b

                                =    -612.450        = -10b

b = 61.245

Subtitusi dan eliminasi :

b = 61.245           2.440.800         =    5a + 10b

                           2.440.800     =    5a + 10 (61.245)

                           2.440.800     =    5a + 612.450

                             5a                 =    2.440.800 - 612.450

                                                                  5a                  =    1.828.350

                            a                   =    1.828.350 / 5

                                                 =    365.670

Mencari Tingkat Penjualan Tahun 2011 & 2012 dengan formula :

                                                                         = Y      =    a +bx

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

                                      = Y’     =    365.670 + 61.245 (5)

Penjualan 2011       =    671.895

Maka Y’ (2012)        = Y’     = 365.670 + 61.245X

                                      = Y’     = 365.670 + 61.245 (6)

Penjualan 2012       = 733.140

v  Least Square Method (Metode Kuadrat terkecil)

~        Metode untuk menghitung nilai trend pada tahun berjalan dan untuk mencari forecast pada periode yang akan datang.

~        Untuk menghitung nilai trend dan forecast terlebih dahulu menaksir nila a dan b pada persamaan Y = a + bX.

~        nilai X dihitung denganmengacu pada panduan jika :

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

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

~        persamaan untuk menaksir nilai a dan b adalah:

                                  

Contoh Perhitungan dengan Metode Least Square :

Sebuah perusahaan yang bergerak dalam penyediaan makanan bayi ingin membuat forecast penjualan makanan bayi untuk beberapa tahun mendatang di daerah Jawa Timur, dengan menggambarkan garis trend.

 Data penjualan tahun-tahun terakhir adalah sebagai berikut :

Tahun (X)	Penjualan (Y)
2006	6.750
2007	7.470
2008	7.500
2009	8.190
2010	8.280

Diminta : Hitunglah forecasting penjualan untuk tahun 2011 ?

Penyelesaian :

Tahun	Penjualan	X	X2	X.Y
2006	6.750	-2	4	(13.500)
2007	7.470	-1	1	(7.470)
2008	7.500	0	0	-
2009	8.190	1	1	8.190
2010	8.280	2	4	16.560
∑	∑Y = 38.190		∑X2 = 10	∑XY = 3.780

Dengan persamaan trend Y = a + bX,dimana :

a =     

b = 

Sehingga :

a =  =  = 7.638

b =   =  = 378

maka sesuai dengan Persamaan Treend :

Y   =   a + bX

     =   7.638 + 378X

Sehingga didapat nilai trend untuk tiap tahunnya adalah :

Tahun 2006                     Y   =   7.638   +   378    (-2) =   6.882

Tahun 2007                     Y   =   7.638   +   378    (-1) =   7.260

Tahun 2008                     Y   =   7.638   +   378    (0)   =   7.638

Tahun 2009                     Y   =   7.638   +   378    (1)   =   8.016

Tahun 2010                     Y   =   7.638   +   378    (2)   =   8.394

Jadi untuk tahun 2011       Y   =          7.638     +     378      (3)        =          8.772

2.       Analisis Korelasi Dan Regresi

Digunakan untuk menggali hubungan sebab akibat antara beberapa variabel. Perubahan tingkat penjualan yang akan terjadi tidak hanya ditentukan oleh pola penjualan tetapi juga ditentukan oleh faktor lain, misalnya jumlah penduduk, pendapatan, kondisi perekonomian,dsb.

Apabila terdapat pengaruh dari variabel lain atas suatu produk, maka digunakan formula regresi dan analisis korelasi. Formula regresi yang sering digunakan adalah:

Y = a = bX

Dimana:

a = konstanta

b = koefisien regresi

Besarnya a dan b dihitung dengan rumus :

b              =         

a              =           

Contoh :

Bila X menunjukkan biaya iklan (dalam juta rupiah) dan Y menunjukkan jumlah penjualan (dalam juta unit), maka ilustrasi datanya adalah sbb :

Tahun	X (Biaya Iklan)	Y (Penjualan)
2006	48	1.000
2007	64	1.060
2008	68	1.200
2009	80	1.440
2010	92	1.540
Total	352	6.240

Diminta Hitunglah pengaruh Forecasting Penjualan menggunakan metode regresi dan korelasi dari data diatas ?

Penyelesaian :

v  Metode Regresi

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

Persamaan regresinya :

Y = a = bX

Maka Koefisien a dan b dicari dengan persamaan :

b    =   =  =  = 13,57

a    =   =  = 292, 67

Jadi Y = 292,67 + 13,57X

Artinya: bila biaya iklan naik 1 juta rupiah, jumlah penjualan akan meningkat 13,57 juta unit sehingga total penjualan menjadi 306,24 juta unit

v  Metode Korelasi

Koefisien korelasi dicari dengan persamaan :

r =  

Maka Nilai r    =  

                 = 0,9598

Interpretasi dari koefisien korelasi secara teoritis adalah sbb:

·      Jika 0 < r < 1 berarti variabel X memiliki hubungan positif dan berbanding lurus (linier) dengan variabel Y. Bila nilai variabel X bertambah maka nilai variabel Y juga bertambah, Semakin dekat nilai r ke 0 maka semakin lemah kekuatan hubungan kedua variabel tersebut, sebaliknya semakin dekat nilai r ke 1 semakin kuat hubungan kedua variabel tersebut

·      ika r = 0 berarti variabel X tidak memiliki hubungan linier dengan Y. Artinya gejolak nilai var X tidak berpengaruh terhadap var Y

·      Jika -1< r<0 berarti variabel X berhubungan dengan variabel Y, tetapi hubungannya negatif. Jika nilai var X bertambah maka nilai var Y justru berkurang.

Dengan angka r = 0,985 berarti bahwa tingkat kelahiran sangat besar dan positif terhadap tingkat permintaan susu bayi. Jika tingkat kelahiran meningkat maka permintaan akan susu bayi meningkat, sebaliknya jika tingkat kelahiran menurun maka permintaan terhadap susu bayi menurun pula.

3.         Specific Purpose Method  Forecast (Peramalan Metode Khusus)

v  Analisis industri

Analisa industri salah satu cara untuk membuat forecast dengan metode khusus. Dalam metode ini dicoba untuk dihubungkan potensi penjualan perusahaan dengan industri pada umumnya dalam arti Volume dan  Posisi dalam persaingan. Dalam analisa industri ditonjolkan tentang market share yang dimiliki oleh perusahaan. Market share semakin lama semakin membesar maka posisi perusahaan tersebut semakin kuat dalam persaingan, begitu juga sebaliknya.

Analisa industri dibagi menjadi beberapa tahap dalam penggunaannya, yakni:

·      Membuat proyeksi demand (permintaan) industri untuk mengetahui prospek perkembangan penjualan industri pada tahun-tahun mendatang.

·      Menilai posisi perusahaan dalam hubungannya dengan industri pada umumnya. Posisi ini dinilai berdasarkan besarnya market share yang dimiliki oleh perusahaan dari tahun ke tahun

·      Proyeksi posisi perusahaan pada masa mendatang, atau penghitung expected market share

                                              Market share =  X 100%

v  Analisis product line

Ada umumnya analisis product line digunakan pada perusahaan-perusahaan yang menghasilkan lebih dari satu macam produk. Masing-masing produk tersebut tidak dapat diambil kesamaannya dan harus dibuat forecast secara terpisah. Pelaksanaanya pada dasarnya sama dengan metode statistik dengan metode analisis trend.

v  Analisis penggunaan akhir

Analisa ini digunakan pada perusahaan-perusahaan yang memproduksi barang-barang yang tidak langsung dapat dikonsumsi (setengah jadi), melainkan masih memerlukan proses lebih lanjut untuk menjadi produk akhir. Permintaan akan produk ini dipengaruhi secara langsung oleh produk akhir yang berasal dari produk atau produk akhir yang menggunakannya.

Tugas

( Dikumpul Minggu Depan)

PT. Terang Abadi adalah perusahaan yang bergerak dibidang bola lampu. Perusahaan ini memproduksi dan sekaligus memasarkan 2 (dua) jenis produk yang masing-masing produk itu adalah Peru 1 (PI) dan Peru 2 (P2). Data penjualan perusahaan tersebut pada waktu-waktu yang lalu adalah sebagaimana digambarkan dalam tabel berikut ini.

PT.Cahaya Cemerlang Abadi

Data Penjualan Tahun 2003-2010

(dalam unit)

Tahun	Penjualan
2003	10.000
2004	10.100
2005	10.200
2006	10.300
2007	10.400
2008	10.400
2009	10.450
2010	10.200

Diminta :

Berdasarkan data-data di atas tentukan ramalan penjualan untuk tahun 2011, 2012 dan 2013 dengan menggunakan metode :

a.         Trend Least Square

b.        Trend Setengah rata-rata

c.         Trend Moment