oke

1. III. FORECASTING SALES

2. •Forecasting adalah
Suatu cara/teknik untuk mengukur/menaksir
kondisi bisnis dimasa yang akan datang.
•Forecasting sales adalah
Suatu teknik untuk mengukur/memperkirakan
tingkat permintaan konsumen potensial pada
satu periode tertentu pada masa yang akan
datang

3. Forecasting sales dapat mempengaruhi
keputusan/kebijaksanaan antara lain:
•Kebijakan dalam perencanaan produksi
•Kebijakan dalam perencanaan persediaan
•Kebijakan dalam penggunaan mesin
•Kebijakan dalam investasi aktiva tetap
•Kebijakan dalam rencana aliran kas

4. Teknik-Teknik Forecasting Sales
•Non Statistical Method
•Stastical Method :
Analisis Trend
Analisis Regresi dan Korelasi
Metoda Khusus

5. Analisa trend terdiri dari :
1.Metoda trend bebas (free hand method)
2.Metoda trend setengah rata-rata (semi
average method)
3.Metoda trend matematis :
- Metoda moment
- Metoda Least Square
- Metoda kuadratik/parabalic

6. •Analisa Korelasi dan Regresi
Analisa korelasi dapat dibagi menjadi 2
macam :
Analisa regresi tunggal
Analisa regresi berganda
Yaitu :
Forecasting yang berdasarkan pada
data historis lebih dari satu variabel

7. Metoda Khusus :
• Analisa industri (analisa
market share)
• Analisa product line
(Analisa garis produk)
• Analisa penggunaan produk
akhir

8. Tahun
(X)
Penjualan (ribuan
karton)
(Y)
1995
1996
1997
1998
1999
2000
2001
2002
1.800
1.900
2.000
1.950
1.900
1.950
2.000
2.200
Contoh kasus :
PT. Wahyu perusahaan yang bergerak dibidang
penyediaan minuman suplemen ingin meningkatkan
pelayanan penjualan tahun-tahun mendatang, untuk itu
manajemen perusahaan tersebut ingin mengetahui
berapa besar perkiraan penjualan yang dapat
diharapkan, data yang tersedia adalah sebagai berikut :

9. •Analisa trend bebas (free hand method)
0
500
1,000
1,500
2,000
2,500
Penjualan
(Rp)
Tahun

10. Analisa Trend Setengah Rata-Rata (semi average method)
Persamaan trend
Y = a + b x
Dimana : a = rata-rata kelompok I
b = (X kelompok II) – (X kelompok I)
n
n = Jumlah tahun dalam kelompok I
Atau dalam kelompok II
x = Nilai tahun dihitung dari tahun dasar

11. Tahun Penjualan
(Y)
(X) Semi Total Semi Average
1995
1996
1997
1998
1.800
1.900
2.000
1.950
-1,5
-0,5
0,5
1,5
7.650 7.650 = 1.912,5
4
1999
2000
2001
2002
1.900
1.950
2.000
2.200
2,5
3,5
4,5
5,5
8.050 8.050 = 2.012,5
4
Penyelesaian Kasus PT. Wahyu dengan Analisa Trend
setengah rata-rata
Sehingga : a = 1.912,5
b = (2.012,5 – 1.912,5) = 25
4

12. Maka Persamaan trend nya:
Y’ = 1.912,5 + 25 (x)
Nilai Trend :
Y 1995 = 1.912,5 + 25 (-1,5) = 1.875
Y 1996 = 1.912,5 + 25 (-0,5) = 1.900
Y 1997 = 1.912,5 + 25 ( 0,5) = 1.925
Y 1998 = 1.912,5 + 25 ( 1,5) = 1.950
Y 1999 = 1.912,5 + 25 ( 2,5) = 1.975
Y 2000 = 1.912,5 + 25 ( 3,5) = 2.000
Y 2001 = 1.912,5 + 25 ( 4,5) = 2.025
Y 2002 = 1.912,5 + 25 ( 5,5) = 2.050
Y 2003 = 1.912,5 + 25 ( 6,5) = 2.075

13. 0
500
1,000
1,500
2,000
2,500
1995 1996 1997 1998 1999 2000 2001 2002 2003
Tahun
Penjualan
(Rp) Gambar: Trend Semi Average
Y=1.912,5+25(x)

14. Tahun Penjualan
(Y)
(X) (XY) X2
1995
1996
1997
1998
1999
2000
2001
2002
1.800
1.900
2.000
1.950
1.900
1.950
2.000
2.200
0
1
2
3
4
5
6
7
0
1.900
4.000
5.850
7.600
9.750
12.000
15.400
0
1
4
9
16
25
36
49
 15.700 28 56.500 140
Analisa trend metoda moment
Persamaan trend  Y = a + b x
 Y = n.a + b. x
xy = a. x + b. x2
Penyelesaian kasus PT. Wahyu dengan Analisa Trend Moment :

15. 15.700 = 8.a + 28 b 7
56.500 = 28.a + 140 b 2
109.900 = 56.a + 196 b
113.000 = 56.a + 280 b -
-3.100 = 0 – 84 b
b = 3.100 = 36,90 b= 37
84
15.700 = 8a + 28 (37)
8a = 15.700 – 1.036
a = 14.664 a= 1.833
8
Persamaan Trend  Y = 1.833 + 37 (x)

16. Nilai trend sebagai berikut :
Y 1995 = 1.833 + 37 (0) = 1.833
Y 1996 = 1.833 + 37 (1) = 1.870
Y 1997 = 1.833 + 37 (2) = 1.907
Y 1998 = 1.833 + 37 (3) = 1.944
Y 1999 = 1.833 + 37 (4) = 1.981
Y 2000 = 1.833 + 37 (5) = 2.018
Y 2001 = 1.833 + 37 (6) = 2.055
Y 2002 = 1.833 + 37 (7) = 2.092
Y 2003 = 1.833 + 37 (8) = 2.129

17. 0
500
1.000
1.500
2.000
2.500
Penjualan
(Rp)
Tahun
Gambar : Garis Trend Metoda Moment
Y = 1833+37 (x)

18. Tahun
Penjualan
(Y) (X) (XY) X2
1995
1996
1997
1998
1999
2000
2001
2002
1.800
1.900
2.000
1.950
1.900
1.950
2.000
2.200
-3,5
-2,5
-1,5
-0,5
0,5
1,5
2,5
3,5
-6.300
-4.750
-3.000
-975
950
2.925
5.000
7.700
12,25
6,25
2,25
0,25
0,25
2,25
6,25
12,25
 15.700 0 1.550 42,00
Analisa Trend Least Square
Persamaan Trend  Y = a + b x  syarat x = 0
a =  y
n
b =  xy
 x2
Penyelesaian Kasus PT. Wahyu degan Analisa trend Least Square

19. Sehingga  a = 15.700 = 1.962,5
8
b = 1.550 = 36,90  37
42
Persamaan Trend  y = 1.962,5 + 37 (x)
Nila trend sebagai berikut :
Y 1995 = 1.962,5 + 37 (-3,5) = 1.833
Y 1995 = 1.962,5 + 37 (-2,5) = 1.870
Y 1995 = 1.962,5 + 37 (-1,5) = 1.907
Y 1995 = 1.962,5 + 37 (-0,5) = 1.944
Y 1995 = 1.962,5 + 37 ( 0,5) = 1.981
Y 2000 = 1.962,5 + 37 ( 1,5) = 2.018
Y 2001 = 1.962,5 + 37 ( 2,5) = 2.055
Y 2002 = 1.962,5 + 37 ( 3,5) = 2.092
Y 2003 = 1.962,5 + 37 ( 4,5) = 2.129

20. 0
500
1.000
1.500
2.000
2.500
Penjualan
(Rp)
Tahun
Gambar : Garis Trend Least Square
Y = 1.962,5+37 (x)

21. Analisa Trend Kudratik (Parabolic Method)
Persamaan trend  y = a + bx + cx2
syarat  x = 0
xy = b.x2  b = xy
x2
x2y = a.x2 + C.x4
y =n.a + c. x2

22. Contoh :
PT. Permata Biru ingin memperkirakan potensi
penjualan tahun 2003 dan 2004, data yang tersedia
adalah sbb :
Tahun
Penjualan
(Ribuan
unit)
Tahun
Penjulan
(Ribuan
unit)
1996
1997
1998
1999
12.000
16.000
20.000
21.000
2000
2001
2002
24.000
22.000
19.000

23. Penyelesaian kasus PT. Permata Biru
Dengan Trend Parabolic:
Tahun
Penjualan
(Y) X XY X2 X2Y X4
1996
1997
1998
1999
2000
2001
2002
12.000
16.000
20.000
21.000
24.000
22.000
19.000
-3
-2
-1
0
1
2
3
-36.000
-32.000
-20.000
0
24.000
44.000
57.000
9
4
1
0
1
4
9
108.000
64.000
20.000
0
24.000
88.000
171.000
81
16
1
0
1
16
81
 134.000 0 37.000 28 475.000 196

24. b = 37.000 = 1.321,43 = 1,321 ( pembulatan )
28
134.000 = 7a + 28 c 4
475.000 = 28a + 196 c 1
536.000 = 28a + 112 c
475.000 = 28a + 196 c (-)
61.000 = 0 – 84 c
c= 61.000 = - 726,19 = - 726 (pembulatan)
- 84
134.000 = 7a + 28 (-726)
134.000 = 7a – 20.328
7a = 154.328
a=154.328= 22.046,86 = 22.047 (pembulatan)
7

25. Persamaan trendY=22.046,86+1.321 (x) – 726 (x2)
Nilai Trend :
Y 2009 = 22.047 + 1.321 (-3) – 726 (9) = 11.550
Y 2010 = 22.047 + 1.321 (-2) – 726 (4) = 16.501
Y 2011 = 22.047 + 1.321 (-1) – 726 (1) = 20.000
Y 2012 = 22.047 + 1.321 (0) – 726 (0) = 22.047
Y 2013 = 22.047 + 1.321 (1) – 726 (1) = 22.642
Y 2014 = 22.047 + 1.321 (2) – 726 (4) = 21.785
Y 2015 = 22.047 + 1.321 (3) – 726 (9) = 19.476
Y 2016 = 22.047 + 1.321 (4) – 726 (16) = 15.715
Y 2017 = 22.047 + 1.321 (5) – 726 (25) = 10.502

26. 0
5.000
10.000
15.000
20.000
25.000
1996 1997 1998 1999 2000 2001 2002 2003 2004
Penjualan
(Rp)
Tahun
Gambar : Trend Kuadratik (parabol)
Y=22,047+1,321 (x) - 726 (x)2

27. Forecation Analisa Korelasi dan regresi
Forecasting dengan analisa korelasi dan
regresi dipakai untuk mengetahui
hubungan/pengaruh antara variabel yang
ingin diperkirakan mempunyai pengaruh
terhadap perkembangannya.
Misalnya perkembangan permintaan beras
dipengaruhi oleh variabel jumlah penduduk
dan pendapatan perkapita

28. Formula regresi  Yp = a + b x
Dimana Y = Variabel dependent
x = Variabel independent
a = Jumlah pasangan observasi
b = koefisien regresi
b = n.xy - x.y
n.x2 - (x)2
a = y - bx
n

29. Rumus Koefisien Korelasi
   
 
 
  




2
2
2
2
.
.
.
y
y
n
x
x
x
n
y
x
xy
n
r
- 1  r  + 1

30. Tahun
Penjualan bubur bayi
(y)
(Dalam puluha ribu)
kaleng
Jumlah kelahiran
bayi (x)
(Dalam ribuan)
oang
1998
1999
2000
2001
2002
240
240
300
420
300
140
160
250
300
350
Contoh kasus :
PT. Harapan memiliki data penjualan bubur bayi dan
data perkembangan jumlah bayi yang lahir untuk
daerah penjualannya dalam lima tahun terakhir
sebagai berikut :
Berdasarkan data diatas buatlah perkiraan
penjualan bubur bayi pada tahun 2003?

31. Tahun Penjualan
bubur bayi
(y)
Kelahir
an bayi
(x)
xy X2 Y2
1998
1999
2000
2001
2002
240
240
300
420
300
140
160
250
300
350
33.600
38.400
75.000
126.000
105.000
19.600
25.600
62.500
90.000
122.500
57.600
57.600
90.000
176.400
90.000
 1.500 1.200 378.000 320.200 471.600
Penyelesaian Kasus PT. Harapan
Test Korelasi :
)
1
(
68
.
0
1
,
864
.
131
000
.
90
000
.
108
000
.
161
000
.
800
.
1
000
.
890
.
1
)
500
.
1
(
)
600
.
471
5
(
)
200
.
1
(
)
200
.
320
5
(
)
500
.
1
200
.
1
(
)
000
.
378
5
(
2
2









mendekati
r
x
r
x
x
x
x
x
r

32. 6
.
165
5
828
5
672
500
.
1
5
)
200
.
1
56
.
0
(
)
500
.
1
(
56
.
0
000
.
161
000
.
90
000
.
440
.
1
000
.
601
.
1
000
.
800
.
1
000
.
890
.
1
)
200
.
1
(
)
000
.
320
5
(
)
1500
200
.
1
(
)
000
.
378
5
(
2














a
x
a
b
x
x
x
b
Sehingga Persamaan regresi menjadi sbb:
)
(
56
.
0
6
.
165 x
yp 

Misalkan ; berdasarkan data statistik tingkat kelahiran bayi untuk tahun 2011
diperkirakan 400 orang.
 y2011 = 165.6 + 0,56 (400)
= 389,6 390 kaleng