Pertemuan KE- 3 Peramalan Penjualan.pptx

Peramalan penjualan adalah perkiraan atau proyeksi secara teknis permintaan konsumen potensial untuk suatu waktu tertentu dengan berbagai asumsi

1. PERAMALAN PENJUALAN Tiarni Duha, S.E., M.M

2. Pengertian Peramalan Penjualan Peramalan penjualan adalah perkiraan atau proyeksi secara teknis permintaan konsumen potensial untuk suatu waktu tertentu dengan berbagai asumsi . Peramalan penjualan adalah perkiraan mengenai sesuatu yang belum terjadi . 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 . 2

3. Pa da umumnya hasil dari suatu peramalan penjualan akan dikonversikan menjadi rencana penjualan dengan memperhitungkan berbagai hal berikut : Pendapat manajemen Strategi- strategi yang direncanakan Keterkaitan dengan sumber daya Ketetapan manajemen dalam usaha mencapai sasaran penjualan Dalam menjalankan usahanya perusahaan biasanya melakukan 2 pendekatan , yakni : Speculative Approach ( pendekatan spekulasi ) Di mana Perusahaan tidak memperhitungkan resiko yang diakibatkan oleh ketidak- pastian faktor- faktor intern dan ekstern . Calculated Risk Approach ( pendekatan penghitungan risiko ) Di mana Perusahaan secara aktif melakukan estimasi terhadap resiko yang diakibatkan oleh ketidakpastian faktor -factor ekstern dan intern. 3

4. FAKTOR- FAKTOR YANG MEMPENGARUHI RENCANA PENJUALAN Faktor internal ( faktor yang dapat di kuasai ), seperti misalnya : Kualitas dan kegunaan produk yang terdiri dari : Bagaimana produk di pakai , mengapa orang membeli produk tersebut , perubahan yang dapat menaikan kegunaan produk . Ongkos produksi dan distribusi produk . Proses pembentukan produk , Teknologi yang di pakai , Bahan mentah yang di pakai , Kapasitas produksi . 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

5. Hubungan Peramalan Dengan Rencana PRESENTATION TITLE 5 Peramalan bukan merupakan rencana . Peramalan adalah tentang apa yang akan terjadi pada waktu yang akan datang 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 ).

6. Kendala- kendala Dalam Peramalan 2/4/20XX 6 Waktu yang diperlukan untuk melakukan persiapan melakukan peramalan . Kurangnya data yang relevan , baik dari sumber internal maupun eksternal . Kualitas data- data yang tersedia Fasilitas pengolahan data dan tenaga ahli

7. Metode Peramalan Walt Disney 2/4/20XX PRESENTATION TITLE 7 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 : Pendapat Salesman Salesman di minta untuk mengukur apakah ada kemajuan atau kemunduran segala hal yang berhubungan dengan tingkat penjualan pada daerahnya masing- masing. Pendapat Sales Manajer 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 . 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 . 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 .

8. 2/4/20XX PRESENTATION TITLE 8 2. Model Kuantitatif ( Statistic Method ) Trend bebas Trend setengah rata- rata / semi average 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, Analisis pengguna akhir .

9. Pemilihan metode yang dipakai untuk pembuatan forecast penjualan perlu mempertimbangkan hal-hal berikut : Sifat produk Metoda distribusi ( langsung / tak langsung ) Besarnya perusahaan dibanding pesaing Tingkat persaingan Data historis yang tersedia Akurasi metoda SDM yang dimiliki untuk melakukan forecasting Horison waktu perencanaan Waktu yang tersedia Ketersediaan dana 9

10. Contoh : PT. Ayah Bunda yang bergerak dalam bisnis makanan anak , memiliki data penjualan tahunan sebagaimana tertera pada Tabel berikut : Penjualan makanan anak PT. Ayah Bunda Thn 2019-2023 2/4/20XX PRESENTATION TITLE 10 Tahun Penjualan 2019 140 2020 148 2021 157 2022 160 2023 169 Terhadap data penjualan PT. Ayah Bunda tersebut dapat dibuat forecast penjualan untuk tahun 2024 dan seterusnya dengan menggunakan beberapa metode yang disebutkan sebelumnya , berikut akan diberikan ilustrasi pemakaian metode – metode tersebut .

11. 11 Metode Trend Bebas Pada umumnya metode trend bebas cenderung digunakan sebagai analisis pendahuluan yang akan memberikan gambaran awal dari suatu permasalahan yang dihadapi . Metode trend bebas mencoba melihat pola data amatan melalui sebaran titik dari pasangan data penjualan pada setiap waktunya . Berdasarka sebaran data yang terbentuk dapat diperkirakan trend penjualan dari data tersebut . Sebagai contoh bila terhadap data penjualan PT. Ayah Bunda, dibuat sebaran titiknya dan ditarik garis yang menghubungkan titik- titik pasangan pengamatan tersebut , akan diperoleh gambaran trend penjualan sebagai berikut :

12. 20 19 20 20 20 21 20 22 20 23

13. 2. Metode Semi Average Metode trend semi average dapat digunakan untuk keperluan forecast dengan bentuk suatu persamaan seperti analisis regresi . Metode ini biasanya dapat digunakan apabila data yang ada jumlah tahun genap , sehingga dapat dibagi menjadi dua kelompok sama besar juga bisa dengan tahun ganjil tapi jarang digunakan . Metode trend semi average memiliki mekanisme sebagai berikut yaitu , membagi data yang ada menjadi dua kelompok dengan jumlah yang sama , dengan persamaan garis trend sebagai berikut : Y = a + b(x) Dimana : a = intercept ( konstanta ) b = slope ( kemiringan garis tren ) Intercept a = Y1​−b⋅X1​ dan Y2​−b⋅X2​ Slope b = . ​   13

14. Jika data penjualan yang dimiliki oleh Perusahaan MITRA LESTARI adalah sebagai berikut : Ayah Bunda 2005 - 2010 2005 2006 2007 2008 2009 2010 MITRA JAYA tersebut, kelompok pertama adalah data 2005, 2006 dan 2007. penjualan tahun Kelompok kedua adalah data penjualan tahun 2008, 2009, dan 2010. Tahun Jumlah Penjualan (Y) dalam unit 201 8 140 201 9 148 20 20 157 20 21 157 20 22 160 20 23 169 201 8 , 201 9 dan 20 20 20 22 da n 20 23. Maka carilah nilai rata-rata kelompok dan selisih antar kelompok . 20 21 Data Penjualan Perusahaan Mitra Lestari tahun 2018 - 2023 Untuk kasus penjualan Perusahaan Mitra Lestari

15. 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 Nilai intercept a = Ý- b.ẋ Nilai kemiringan b = Jadi, Proyeksi Penjualan tahun 2024 yaitu : Y = a + b(x) =   Tahun Penjualan X 2018 140 1 2019 148 2 2020 157 3 2021 157 4 2022 160 5 2023 169 6 Nilai Rata-rata Kelompok : 1. Ẋ1= = 2 Ý1 = = 148,33 2. Ẋ2= = 5 Ý2 = = 162   b = = = = 4,56  

16. 16 3. Metode Trend Moment Metode ini merupakan metode analisis yang dapat digunakan untuk keperluan peramalan dengan membentuk persamaan Y = a + bX seperti yang telah dipelajari pada Metode Semi Trend Average. Dalam aplikasinya , metode ini tidak mensyaratkan jumlah data yang harus genap . Pemberian skore pada metode ini dimulai dari 0,1,2,3, dst contoh : Tahun Penjualan (Y) X X.Y 2018 140 2019 148 1 2020 157 2 2021 157 3 2022 160 4 2023 169 5 931 Tahun Penjualan (Y) X X.Y 2018 140 2019 148 1 2020 157 2 2021 157 3 2022 160 4 2023 169 5 931 Dalam mencari koefisien a dan b digunakan persamaan:  Y  n . a  b .  X  XY  a .  X  b  X 2

17. Selanjutnya terhadap persamaan- persamaan yang terbentuk dapat dicari penyelesainnya melalui metode eliminasi ataupun metode substitusi sebagaimana ditunjukkan dalam tabel diatas . 3. Metode Trend Least Square ( (Tren Garis Lurus ) 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 Rumus : a= b= Dit : Hitung berapa penjualan tahun 2024   Tahun Penjualan X XY 2019 140 -2 2020 148 -1 2021 157 2022 160 1 2023 169 2 Tahun Penjualan X XY 2019 140 -2 2020 148 -1 2021 157 2022 160 1 2023 169 2 Berdasarkan data penjualan PT. ABC pada tabel ini , hasil perhitungan dengan teknik least square adalah sebagai berikut :

18. 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. 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.

19. 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 (independent variabel ) yang nilainya dipergunakan untuk meramal nilai Y disebut variabel terikat 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.

20. 10/6/2025 20 Intepretasi dari koefisien korelasi secara teoritis adalah sebagai berikut : Jika  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 maka semakin lemah kekuatan hubungan kedua variabel tersebut , sebaliknya semakin dekat nilai r ke 1 semakin kuat hubungan dari kedua variabel tersebut Jika r = 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 Jika - 1  r  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 .

21. Rumus koefisien korelasi : Rumus koefisien determinan : Koefisien Korelasi Tafsiran <0,20 Sangat lemah 0,20-0,40 lemah 0,40-0,70 cukup 0,70-0,90 kuat 0,90-1,00 Sangat kuat

22. 22 Aplikasi dari metode ini berdasarkan data penjualan PT. ABC adalah 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 : Ditanya : jika biaya iklan dianggarkan 75 juta , maka berapakah penjualan tahun 2024? Rumus Regresi Sederhana : Y = a+bx a= b=   Tahun Penjualan (Y) Biaya Iklan (X) X.Y 2019 140 9 2020 148 12 2021 157 14 2022 160 15 2023 169 17 774 67 Tahun Penjualan (Y) Biaya Iklan (X) X.Y 2019 140 9 2020 148 12 2021 157 14 2022 160 15 2023 169 17 774 67

23. Analisis Regresi Berganda Regresi berganda (multiple regression) memungkinkan kita membentuk model dengan beberapa variabel bebas. ŷ=a+b1x1+b2x2 Dimana: ŷ =variabel tidak bebas a =perpotongan Y b1,b2 =kelandaian garis regresi x1,x2 =nilai dua var bebas,gaji dan tingkat bunga PRESENTATION TITLE 2/4/20XX 23

24. Forcast Penjualan dengan Metode Khusus 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 l ain penjualanperu sahaan akan dikaitkan dengan bagian pasar ( market share). Market share yang dimiliki perusahaan menunjukkan posisi perusahaan dalam persaingan . Rumus : Y = a + bx Catatan : 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 . 24 a= b=  

25. 2/4/20XX 25 Contoh : Hitung Forecast penjualan pada tahun yang akan datang dilakukan sebagai berikut : Menentukan perkiraan / proyeksi penjualan industri pada periode yang akan datang . Menghitung market share selama beberapa periode terakhir . Market Share = x 100% c. Menentukan proyeksi market share pada periode yang akan datang .   Tahun Penjualan Perusahaan (Unit) Penjualan Industri (Unit) 2019 1.500 7.500 2020 2.116 9.200 2021 2.500 10.000 2022 3.240 12.000 2023 4.500 15.000

26. 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 . Permintaan kulit akan tergantung pada permintaan sepatu Permintaan benang tergantung pada permintaan tekstil . 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 . 26

27. 10/6/2025 27 Forecast penjualan tahun yang akan datang bisa dilakukan Menentukan proyeksi penjualan produk akhir Mengetahui standar pemakaian produk yang digunakan untuk membuat produk akhir Menentukan proyeksi bagian pasar ( market share ) produk tersebut . Contoh berikut akan memperjelas forecast penjualan produk akhir . Permintaan sepatu pada tahun 2018 di suatu wilayah sebesar 1.000 pasang. Untuk membuat sepasang sepatu diperlukan produk kulit 2.000 gram kulit . bila tahun 2018 bagian pasar diperkirakan mencapai 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

28. 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 pertama sedang berada pada tahap kedewasaan , sedangkan produk kedua masih dalam tahap pengenalan . 2/4/20XX PRESENTATION TITLE 28

29. Tugas Dalam menjalankan usahanya perusahaan biasanya melakukan 2 pendekatan , pendekatan apa sajakah itu ? Hal – hal apa yang perlu dipertimbangkan dalam pemilihan metode peramalan ? Sebutkan beberapa metode peramalan yang dapat digunakan untuk kepentingan peramalan penjualan PRESENTATION TITLE 2/4/20XX 29

30. Trend Parabola Trend parabola adlh trend yang nilai variabel terikat naik atau turun bukan garis lurus atau terjadi parabola (melengkung) Persamaan Trend Parabola : Y = a + bX + c(X) 2 Contoh : Sebuah perusahaan elektronik mencatat jumlah unit televisi yang terjual selama lima bulan terakhir . Peneliti ingin mengetahui pola pertumbuhan penjualan apakah mengikuti tren kuadratik ( berbentuk kurva ). Data yang diperoleh adalah sebagai berikut : Hitunglah berapa penjualan pada bulan ke-7? PRESENTATION TITLE 30 Bulan Penjualan (Y) 1 3 2 2 3 3 4 6 5 11

31. Trend Exponential ( Logaritma ) Trend eksponensial/logaritma/ pertumbuhan adalah trend yang nilai variabel bebasnya naik secara berlipat ganda (bukan garis lurus) Sering digunakan utk kejadian yang pertumbuhan (secara geometris) berkembang dgn sangat cepat cth: ramalan j umlah penduduk, pendapatan nasional,dll Persamaannya Y = ab x b= a= Ý - bẋ   PRESENTATION TITLE 31

32. Contoh : Tahun Penjualan (Y) X Log Y X Log Y 2017 20 1 1,30 1,30 1 2018 100 2 2019 800 3 2020 3.000 4 2021 15.000 5 2022 150.000 6 2023 1.000.000 7 2024 2.000.000 8 Jumlah Tahun Penjualan (Y) X Log Y X Log Y 2017 20 1 1,30 1,30 1 2018 100 2 2019 800 3 2020 3.000 4 2021 15.000 5 2022 150.000 6 2023 1.000.000 7 2024 2.000.000 8 Jumlah PRESENTATION TITLE Rata-rata Log Y dan Rata-rata X yang dicari . Karena kalua y yang digunakan maka hasilnya tidak linier, maka nilai Y kita harus ubah dalam bentuk logaritma . 32

33. Thank you Tiarni Duha, S.E., M.M PRESENTATION TITLE 33