dosen: dewi cahyani pangestuti, se, mm fakultas … · pt. ayah bunda yang bergerak dalam bisnis...
TRANSCRIPT
DOSEN:DEWI CAHYANI PANGESTUTI, SE, MM
FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAKARTA
• Peramalan penjualan adalah perkiraan atau proyeksisecara teknis permintaan konsumen potensial untuksuatu waktu tertentu dengan berbagai asumsi.
• Peramalan penjualan adalah perkiraan mengenaisesuatu yang belum terjadi.
• Peramalan penjualan adalah budget yang berisi taksiran-taksiran tentang kegiatan-kegiatan perusahaan dalamjangka waktu tertentu yang akan datang, serta berisitaksiran-taksiran tentang keadaan atau posisi financialperusahaan pada suatu saat yang akan datang.
Intinya peramalan penjualan (sales forecasting) ialahteknik proyeksi permintaan langganan yang potensialuntuk suatu waktu tertentu dengan berbagai asumsi.
Pada umumnya hasil dari suatu peramalan penjualan akandikonversikan menjadi rencana penjualan denganmemperhitungkan berbagai hal berikut :
a. Pendapat manajemen
b. Strategi-strategi yang direncanakan
c. Keterkaitan dengan sumber daya
d. Ketetapan manajemen dalam usaha mencapai sasaranpenjualan
Dalam menjalankan usahanya perusahaan biasanya melakukan 2pendekatan, yakni :
1. Speculative Approach (pendekatan spekulasi )
Di mana perusahaan tidak memperhitungkan resiko yangdiakibatkan oleh ketidak-pastian faktor-faktor intern dan ekstern.
2. Calculated Risk Approach ( pendekatan penghitungan risiko )
Di mana perusahaan secara aktif melakukan estimasi terhadapresiko yang diakibatkan oleh ketidakpastian faktor-faktor eksterndan intern.
Faktor internal (faktor yang dapat di kuasai), seperti misalnya:a. Kualitas dan kegunaan produk yang terdiri dari :
• Bagaimana produk di pakai,• mengapa orang membeli produk tersebut,• perubahan yang dapat menaikan kegunaan produk.
b. Ongkos produksi dan distribusi produk.• Proses pembentukan produk,• Teknologi yang di pakai,• Bahan mentah yang di pakai,• Kapasitas produksi.
c. Kecakapan manajemen (management skill) yang terdiri atas :• Penghayatan persoalan yang di hadapi,• kemampuan melihat reaksi pesaing.• Kemampuan melakukan Forecast
Faktor eksternal (faktor yang tidak dapat di kuasai). Seperti misalnya:• Kecakapan management pesaing.• Volume kegiatan perekonomian yang di tentukan oleh : Konsumen,
manager lain (produsen lain), peraturan hukum, keadaan politik, kondisi lingkungan, kehidupan organisasi, ekonomi.
• Barang substitusi• Selera masyarakat• Faktor lain seperti : konflik politik, iklim dan perubahan pemakaian
produk, banyak perusahaan yang keluar masuk dalam produk
METODE PERAMALAN
1. Metode Peramalan KualitatifForecast berdasarkan pendapat (judgement method). Di gunakanuntuk menyusun forecast penjualan maupun forecast kondisi bisnispada umumnya. Pendapat-pendapat yang di pakai sebagai dasarmelakukan forecast adalah :
a. Pendapat SalesmanSalesman di minta untuk mengukur apakah ada kemajuan atau
kemunduran segala hal yang berhubungan dengan tingkatpenjualan pada daerahnya masing-masing.b. Pendapat Sales Manajer
Pada umumnya estimasi kepala bagian penjualan dapat lebihobyektif karena mempertimbangkan banyak faktor. Ini juga disebabkan pendidikannya yang relatif lebih tinggi danpengalamannya yang lebih luas di bidang penjualan.c. Pendapat Para Ahli
Kadang-kadang estimasi yang di lakukan oleh para salesmandan sales manager ada pertentangannya. Sehingga perusahaanperlu memperkerjakan para konsultan di dalam perusahaannya.d. Survey Konsumen
Dan jika pendapat dari ketiga bagian di atas itu sangat kurangmaka perusahaan perlu meminta pendapat dari konsumen. Dengancara melakukan survei atau penelitian kepada konsumen.
2. Model Kuantitatif (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 KhususMetode khusus ini adalah cara khusus untuk meramalkan penjualan dengan
menggunakan analisis :a. market share, b. analisis product line, c. analisis pengguna akhir.
Pemilihan Metode Peramalan
Pemilihan metoda yang dipakai untuk pembuatanforecast penjualan perlu mempertimbangkan hal-halberikut :
1. Sifat produk
2. Metoda distribusi (langsung/ tak langsung)
3. Besarnya perusahaan dibanding pesaing
4. Tingkat persaingan
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
Contoh : PT. Ayah Bunda yang bergerak dalam bisnis makanan anak, memiliki data penjualan tahunan sebagaimana tertera pada Tabel. 2.1
Tabel 2.1
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, berikut akan diberikan ilustrasi pemakaian metode –metode tersebut.
a. Metode Trend Bebas
Pada umumnya metode trend bebas cenderungdigunakan sebagai analisis pendahuluan yang akanmemberikan gambaran awal dari suatu permasalahanyang dihadapi. Metode trend bebas mencoba melihatpola data amatan melalui sebaran titik dari pasangan datapenjualan pada setiap waktunya.
Berdasarkan sebaran data yang terbentuk dapatdiperkirakan trend penjualan dari data tersebut. Sebagaicontoh bila terhadap data penjualan PT. Ayah Bundasebagaimana tertera pada Tabel 2.1 dibuat sebarantitiknya dan ditarik garis yang menghubungkan titik-titikpasangan pengamatan tersebut, akan diperolehgambaran trend penjualan sebagai berikut :
2013 2014 2015 2016 2017
Dari gambaran yang diperoleh, bila asumsi yang
disebutkan sebelumnya dipenuhi, maka dapat diramalkan
bahwa penjualan PT. Ayah Bunda tahun 2018 akan
meningkat melebihi penjualan tahun-tahun sebelumnya.
Meskipun demikian gambaran tentang berapa
besarnya penjualan PT. Ayah Bunda pada tahun 2018 dan
seterusnya dalam bentuk angka tidak dapat diperoleh
dengan menggunakan trend bebas ini.
Untuk memperoleh hasil peramalan yang lebih akurat,
pada umumnya metode trend bebas perlu dilanjutkan ke
analisis yang dapat menunjukan bentuk hubungan antara
data penjualan dengan waktu.
b. Metode Semi AverageDengan metode setengah rata-rata nilai trend sudah mulai
ditentukan dengan formula tertentu, yang berarti unsursubyektifnya mulai berkurang.
Metode trend semi average dapat digunakan untukkeperluan forecast dengan bentuk suatu persamaan sepertianalisis regresi.
Metode ini biasanya dapat digunakan apabila data yangada jumlah tahun genap, sehingga dapat dibagi menjadi duakelompok sama besar juga bisa dengan tahun ganjil tapijarang digunakan.
Metode trend semi average memiliki mekanisme sebagaiberikut yaitu, membagi data yang ada menjadi dua kelompokdengan jumlah yang sama
Jika data penjualan yang dimiliki oleh Perusahaan MITRA LESTARI adalah sebagai berikut :
Tabel 2.2
Data Penjualan Perusahaan Ayah Bunda tahun 2005 - 2010
Tahun Jumlah Penjualan (Y) dalam unit
2005 140
2006 148
2007 157
2008 157
2009 160
2010 169
Untuk kasus penjualan Perusahaan MITRA JAYA tersebut, kelompok pertama adalah data
penjualan tahun 2005, 2006 dan 2007. Kelompok kedua adalah data penjualan tahun 2008,
2009, dan 2010.
2012
2013
2014
2015
2016
2017
2012 - 2017
2012, 2013 dan 2014
2016 dan 2017
2015
Mitra Lestari
Mitra Lestari
Dari tiap kelompok data dicari nilai rata-rata. Rata-rata dari kelompok pertama adalah 148,33 dan rata-
rata kelompok kedua adalah 162 sebagaimana ditunjukkan pada tabel berikut :
Forecasting methode semi average
Tahun Y Total Average X
2012 140
445 33,1483
4451 aX
-1
2013 148 0
2014 157 1
2015 157
486
1623
4862 X
2
2016 160 3
2017 169 4
33,148a n
XXb 12
6,43
33,148162
b
xY 6,433,148
Proyeksi penjualan tahun 2018
11,17156,433,148 Y
c. Metode Trend Moment
Metode trend moment merupakan analisisyang dapat digunakan untuk keperluanperamalan dengan membentuk persamaan :Y = a + b X sebagaimana telah diulas padaMetode trend semi Average.
Dalam penerapannya metode ini tidakmensyaratkan jumlah data harus genap.Perbedaan dengan Metode trend semi Averageterletak pada pemberian score nilai X nya. Dalamhal ini pemberian score X dimulai dari 0,1,2 dst.Berikut akan diberikan ilustrasi penerapan metodeini untuk data penjualan PT. ABC sebagaimanatertera pada tabel 2.1
Dalam mencari koefisien a dan b digunakan persamaan :
XbanY ..
2. XbXaXY
Tabel 2.1
Penjualan PT ABC
Tahun Y X XY X2
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
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
d. Metode Trend Least Square
Metode jumlah kuadrat terkecil (least square method)
merupakan metode yang lebih objektif dan lebih mudah
karena menggunakan formula yang sederhana. Data
dalam metode kuadrat terkecil di bagi menjadi 2 kelompok,
yaitu untuk data yang jumlahnya :
Genap, maka score nilai X – nya adalah … -5,-3,-1,1,3,5
Ganjil , maka score nilai X – nya adalah …. , -2,-1,0,1,2
Berdasarkan data penjualan PT. ABC pada tabel ini , hasil perhitungan dengan teknik
least square adalah sebagai berikut :
Tahun Y X XY 2X
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 :
8,175378,15410 Y
Analisis korelasi dan regresi menunjukkan hubungan antara
satu variable dengan satu atau lebih variable lainnya. Dengan
analisis korelasi dapat diketahui keeratan hubungan dari
variable-variabel yang menjadi perhatian sedangkan dengan
analisis regresi dapat diketahui bentuk hubungan dari variabel-
variabel yang menjadi perhatian.
Dengan analisis regresi dapat diketahui besarnya
perubahan variabel yang dicari bila faktor-faktor lain yang
mempengaruhi variable tersebut berubah.
Apabila dua variabel X dan Y ada hubungannya, nilai variabel
X yang sudah dapat diketahui dapat untuk memperkirakan atau
menafsirkan nilai Y.
Variabel Y yang nilainya akan diramalkan disebut variabel tak
bebas (dependent variabel), sedangkan variabel X yang nilainya
dipergunakan untuk meramal nilai Y disebut variabel bebas
(independent variabel).
Hubungan dua variabel ada yang positif dan ada yang
negatif. Hubungan X dan Y dikatakan positif apabila kenaikan X
diikuti oleh kenaikan Y atau penurunan X diikuti oleh penurunan Y.
Hubungan X dan Y dikatakan negatif apabila kenaikan diikuti
penurunan Y atau penurunan X diikuti oleh kenaikan Y.
Aplikasi dari metode ini berdasarkan data penjualan PT. ABC padalah sebagai
berikut. Bila X menunjukkan biaya iklan (dalam jutaan rupiah dan Y menunjukkan
jumlah penjualan (dalam juta unit) ilustrasi terhadap metode ini ditunjukkan
sebagai berikut :
Tahun X Y 2X 2Y 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
22 XXn
YXXYnb
n
XbYa
2
679355
77467507.105
b
5
6767,3774a
64,3186
677b 02,106
5
12,530a
Y= 106,2 +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
Intepretasi dari koefisien korelasi secara teoritis adalah sebagai berikut :
1. Jika 0 r 1 berarti variable x memiliki hubungan yang positif dan
berbanding lurus (linier) dengan variable Y. Bila nilai Variabel X bertambah
maka nilai variabel Y juga akan bertambah, demikian juga sebaliknya.
Semakin dekat nilai r ke 0 maka semakin lemah kekuatan hubungan
kedua variabel tersebut, sebaliknya semakin dekat nilai r ke 1 semakin
kuat hubungan dari kedua variabel tersebut
2. Jika r = 0 berarti X tidak memiliki hubungan linier dengan variabel Y.
Artinya gejolak nilai variabel X tidak berpengaruh terhadap gejolak atau
perkembangan nilai variabel Y. dengan kata lain bertambah atau
berkurang nilai variabel Y tidak terkait dengan perubahan nilai variabel X
3. Jika -1 r 0 berarti variabel X berhubungan dengan variabel Y tetapi
hubungannya negatif. Dalam hal ini jika nilai variabel X bertambah maka
nilai variabel Y justru berkurang,demikian juga sebaliknya.
Dengan demikian, karena nilai yang diperoleh
mendekati 1, berarti terdapat keeratan hubungan yang
sangat kuat diantara biaya iklan dengan jumlah
penjualan. Sifat hubungan antara keduanya adalah
positif yang berarti dengan meningkatnya biaya iklan
terjadi pula kenaikan jumlah penjualan.
1. Analisis Industri
Forecast penjualan dengan analisis industri akan
dilakukan dengan menghubungkan antara penjualan
perusahaan dengan total penjualan industri.
Penjualan industri merupakan penjualan dari
perusahaan-perusahaan sejenis. Dengan kata lain
penjualan perusahaan akan dikaitkan dengan bagian
pasar (market share).
Market share yang dimiliki perusahaan menunjukkan
posisi perusahaan dalam persaingan.
Forecast penjualan pada tahun yang akan
datang dilakukan sebagai berikut :
a. Menentukan perkiraan/ proyeksi penjualan
industri pada periode yang akan datang.
b. Menghitung market share selama beberapa
periode terakhir.
100% x IndustriPenjualan
PerusahaanPenjualan ShareMarket
c. Menentukan proyeksi market share pada periode
yang akan datang.
Forecast penjualan perusahan periode yang akan
datang akan tergantung besarnya proyeksi
penjualan industri dan proyeksi market share.
Berikut ini contoh yang akan memperjelas uraian
diatas. Penjualan perusahaan dan total penjualan industri selam 5
tahun terakhir sbb:
Tabel 2.10.
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
a. Proyeksi penjualan industri tahun 2018
Untuk menentukan proyeksi penjualan industri perlu
mengetahui pola data historisnya. Bila data yang ada
menunjukkan kecenderungan naik/ turun maka
proyeksinya dilakukan dengan trend. Bila untuk data
historis yang berpola fluktuatif maka proyeksinya
dilakukan dengan teknik average.
Dalam contoh diatas penjualan selama 5 tahun
terakhir terus mengalami kenaikan, sehingga proyeksi
penjualan industri tahun 2018 ditentukan dengan trend.
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
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
2.500 2015 shareMarket
27% 100%x 12.000
3.240 2016 shareMarket
30% 100%x 15.000
4.500 2017 shareMarket
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
Karena market share 5 tahun terakhir
mengalami kenaikan maka proyeksi market share
tahun 2018 juga ditentukan dengan trend.
Tabel 2.11.
Proyeksi Penjualan industri
Tahun Y X XY 2X
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%
n
Proyeksi Market Share
Kemudian forecast penjualan tahun 2018 akan
ditentukan berdasarkan proyeksi penjualan industry
dan proyeksi market share tahun 2018 sebagaimana
telah dihitung sebelumnya.
IndustriPenjualan
PerusahaanPenjualan MS
Penjualan Perusahaan = MS x Penjualan Industri
= 32,2% x 4.908 unit
= 1.580 unit
2. Analisis Produk Akhir
Dengan analisis forecast penjualan suatu produk akan
dihubungkan dengan penjualan produk akhir dari produk
tersebut. Berikut ini contoh hubungan antara suatu produk
dengan produk akhirnya.
a. Permintaan kulit akan tergantung pada permintaan sepatu
b. Permintaan benang tergantung pada permintaan tekstil.
c. Permintaan karet industri tergantung pada permintaan ban
mobil.
Apabila dibandingkan dengan analisis industri, maka forecast
penjualan dengan analisis produk akhir akan mengkaitkan antara
satu industri dengan industri yang lain. Sedangkan pada analisis
industri hanya mengkaitkan penjualan produk dengan penjualan
industri dari produk tersebut.
Forecast penjualan tahun yang akan datang bisa dilakukan.a. Menentukan proyeksi penjualan produk akhirb. Mengetahui standar pemakaian produk yang digunakan untuk
membuat produk akhirc. Menentukan proyeksi bagian pasar (market share) produk
tersebut.Contoh berikut akan memperjelas forecast penjualan produk
akhir. Permintaan sepatu pada tahun 2018 di suatu wilayah sebesar1.000 pasang. Untuk membuat sepasang sepatu diperlukan produkkulit 2.000 gram kulit. bila tahun 2018 bagian pasar diperkirakanmencapai 15% berapa proyeksi permintaan kulit tahun 2018? Permintaan sepatu (produk akhir) = 1.000 pasang Permintaan industri kulit = 1.000 x 2.000 = 200.000 gr Permintaan perusahaan = 15% x 200.000 gr = 30.000 gr
3. Analisis Lini Produk
Dalam metode ini ditekankan bagi perusahaan yang menghasilkan berbagai jenis produk, setiap produk harus di forecast sendiri-sendiri. Berbagai produk tersebut perlu di forecast sendiri-sendiri karena di mungkinkan:
Jenisnya berbeda, misalnya barang elektronik dan alat tulis
Sama-sama produk sepatu, produk petama sedang berada padatahap kedewasaan, sedangkan produk kedua masih dalam tahappengenalan.
QUIS
1. Dalam menjalankan usahanya perusahaan biasanyamelakukan 2 pendekatan, pendekatan apa sajakahitu?
2. Hal – hal apa yang perlu dipertimbangkan dalampemilihan metode peramalan?
3. Sebutkan beberapa metode peramalan yang dapatdigunakan untuk kepentingan peramalan penjualan