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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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.
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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.
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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 :
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Tahun (X) Penjualan (Y)
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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 :
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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.
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Tahun (X) Penjualan (Y)
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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Tahun (X) Penjualan (Y)
2011 100
2012 120
2013 110
2014 128
2015 140
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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.
4. Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.
Untuk kelompok I, Nilai Semi Totalnya adalah 100 + 120 + 110 = 330. 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 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
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 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
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
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
Perhitungan selengkapnya adalah sebagai berikut:
a = 142,67
Karena 1 tahun bernilai 1, maka nilai b dapat dihitung langsung sebagai berikut :
b =142,67 −110
3 = 10,89
Fungsi peramalan menjadi
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
Tahun (X) Penjualan (Y)
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,
Dewi Cahyani Pangestuti
Penganggaran Perusahaan
19
sehingga angka tahun untuk 2013 menjadi -1 dan angka tahun 2014, 2015, 2016 dst brturut-
turut menjadi 1, 3, 5 dst.
4. Menentukan nilai Semi Total yakni Jumlah total penjualan masing-masing kelompok.
Untuk kelompok I, Nilai Semi Totalnya adalah 145 + 150 = 295. 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
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
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 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
Perhitungan selengkapnya adalah sebagai berikut:
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