BAB II
LANDASAN TEORI
2.1
Pengertian Penjualan
Menurut
EC. Widjayono Moestadjab (1991), Penjualan adalah memberikan sesuatu dengan
mendapatkan sebuah ganti yang berupa uang atau dengan kata lain hanya meliputi
kegiatan pemindahan hak atas sesuatu produk dari penjualan kepada pembeli.
Menurut
Basu Swastha DH dalam buku manajemen penjualan (1999:hal 8), Penjualan adalah
ilmu dan seni mempengaruhi pribadi yang dilakukan oleh penjual untuk mengajak
orang lain untuk membeli barang atau jasa yang ditawarkannya.
2.2 Peramalan Penjualan
Peramalan penjualan adalah bagian yang penting bagi suatu
perusahaan. Berikut ini adalah berbagai macam pengertian peramalan dikemukakan oleh :
Menurut
Gunawan Adi Saputro dan Marwan Asri (1996: 148) : “Peramalan adalah suatu cara
untuk mengukur dan menaksir kondisi bisnis dimasa mendatang”.
Menurut
Suad Husnan dan Suwarsono (1994: 40) : “Peramalan adalah usaha untuk mengetahui
permintaan jumlah produk”.
Dengan
uraian di atas dapat diperoleh kesimpulan bahwa Peramalan merupakan suatu usaha
untuk melihat situasi dan kondisi dengan memperkirakan kondisi yang berlaku
terhadap perkembangan dimasa yang akan datang.
2.3 Tujuan Peramalan
Tujuan dari peramalan adalah :
a.
Untuk menetukan kebijaksanaan dalam persoalan
penyusunan anggaran.
b.
Untuk pengawasan dalam persediaan.
c.
Untuk membantu kegiatan perencanaan dan pengawasan
produksi.
d.
Untuk pengawasan pembelanjaan.
e.
Untuk penyusunan kebijaksanaan yang efektif dan
efisien.
2.4 Jenis Peramalan
Pada umumnya peramalan dapat
dibedakan dari beberapa segi, tergantung dari cara melihatnya. Apabila dilihat
dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam, yaitu
:
1.
Peramalan yang bersifat subjektif
Peramalan yang
berdasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal
ini pandangan dari orang yang menyusunnya sangat menentukan baik tidaknya hasil
peramalan tersebut.
2.
Peramalan yang bersifat objektif
Yaitu peramalan yang didasarkan atas data yang
relevan pada masa yang lalu, dengan menggunakan tehnik-tehnik dan model dalam
menganalisa data tersebut.
Disamping itu
jika dilihat dari jangka waktu peramalan yang disusun, maka peramalan dapat
dibedakan atas dua macam yaitu :
1.
Peramalan Jangka Panjang
Yaitu
peramalan yang dilakukan untuk menyusun hasil ramalan, yang jangka waktunya
lebih dari setengah tahun atau tiga semester.
2.
Peramalan jangka Pendek
Yaitu
peramalan yang dilakukan untuk menyusun hasil ramalan dalam jangka waktu kurang
dari setengah tahun.
Berdasarkan sifat peramalan yang
telah disusun, maka peramalan dapat dibedakan atas dua macam :
1.
Peramalan kualitatif
Yaitu peramalan yang disusun atas data
kualitatif paada masa lalu hasil peramalan yang dibuat sangat tergantung pada
orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi.
2.
Peramalan Kuantitatif
Yaitu peramalan yang didasarkan atas data kuantitatif pada
masa lalu. Hasil peramalan dimuat tergantung pada metode yang dipergunakan
dalam peramalan tersebut. Dengan metode yang bebeda akan diperoleh hasil
peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan
metode-metode tersebut adalah baik tidaknya metode yang digunakan, sangat
ditentukan oleh perbedaan penyimpangan antara hasil peramalan dari kenyataan
yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai
perbedaan atau penyimpangan sekecil mungkin.
Peramalan Kuantitatif dapat
digunakan apabila terjadi tiga kondisi sebagai berikut :
a.
Adanya informasi tentang keadaan lain.
b.
Informasi tersebut dapat dikuantitatifkan dalam bentuk
data.
c.
Dapat diasumsikan bahwa pola yang lalu akan
berkelanjuatan pada masa yang akan datang.
2.5 Tehnik Dan Metode Peramalan
Dalam pemilihan tehnik dan metode
peramalan, pertama kita perlu mengetahui
ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan dan
analisa keadaan, dalam mempersiapkan peramalan.
Ada enam ciri utama yang perlu diperhatikan , yaitu :
1.
Horizon Waktu (Time Horizon)
Periode
waktu selama suatu keputusan atau analisa akan mempunyai pengaruh, dan waktu
itu manajer harus merencanakan dan memperhitungkan pengaruh-pengaruh pemilihan
tehnik dan metode yang tepat. Horizon waktu umumnya dapat dibagi dalam jangka
pendek, jangka menengah dan jangka panjang.
2.
Tingkat perincian (Level of Detail).
Tugas-tugas dalam pengambilan keputusan
pada umumnya dibagi-bagi (untuk memudahkan penanganannya menurut tingkat
perincian yang dibutuhkan)
3.
Jumlah Produk.
Dalam
keadaan dimana keputusan atau analisa yang dibuat mengenai berbagai produk
perusahaan, hendaklah ada usaha pengembangan. Secara efektif atas aturan-aturan
pengambilan keputusan yang sederhana, yang dapat diaplikasikan secara mekanisme
untuk masing-masing produk.
4.
Biaya.
Umumnya
ada empat unsur biaya yang mencakup suatu prosedur peramalan, yaitu biaya-biaya
pengembangan, penyimpangan data, operasi pelaksanaan dan kesempatan dalam
penggunaan tehnik dan metode lain.
5.
Ketepatan.
Tingkat
ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat perinciaan
yang dibutuhkan oleh suatu peramalan. Untuk beberapa pengambilan keputusan
mengharapkan variasi-variasi atau penyimpangan atas ramalan yang dilakukan
antara 10% sampai dengan 15% bagi maksud-maksud yang mereka harapkan.
2.6 Tehnik Perkiraan Dengan Mengunakan Metode Deret Waktu
Metode Deret
Waktu biasanya dipakai
untuk menganalisis pola permintaan
masa lalu dan
memproyeksikannya untuk masa
depan. Dasar perhitungan
prakiraan deret waktu
ini ialah menghitung besar setiap
komponen berdasarkan data
massa lalu. Asumsi
dasar yang dipakai
dalam metode ini ialah
bahwa pola permintaan
dapat dibagi menjadi
beberapa komponen yaitu tingkat
rata-rata (average level), kecenderungan (trend), musiman (seasonality), siklus (Cycle)
dan kesalahan (error).
2.7 Metode Rata-Rata Bergerak
Metode
ini merupakan metode
yang termudah dalam
teknik peramalan deret
waktu kita mengasumsikan
bahwa komponen acak tidak
terdapat pola musiman, trend, atau
komponen siklus pada
data permintaan pada
saat ini. Moving average
ialah suatu titik
peramalan dengan mengkonsumsikan data
dari beberapa periode
terbaru atau terakhir
dari data tersebut
dijadikan data peramalan
untuk periode yang
akan datang.
a.
Rumus
rata-rata bergerak (Moving average)
Jumlah Permintaan Pada
N Periode Terakhir
MA
= ________________________________________
Jumlah periode
yang akan digunakan
dalam MA
Ket : N periode = 3 bulan
MA = 3
Dasar perhitungan
metode ini ialah
nilai rata-rata dari
beberapa bulan/tahun secara
berturut-turut sehingga diperoleh
nilai rata-rata bergerak
secara teratur atas
dasar jumlah tahun
tertentu.
Contoh soal :
Diketahui data penjualan
untuk tahun 95, 96, 97, 98 dan
99 secara berturut-turut ialah
180, 250, 200, 195, dan 180.
Berapa MA untuk
periode pertama ?
Jawab :
Jumlah
permintaan pada N periode terakhir
MA
= ______________________________________
Jumlah periode yang akan
digunakan dalam MA
180 + 250 + 200
MA
= ______________________
3
MA = 210
MAD (Mean Absolut Deviation )
Perhitungan perkiraan kesalahan
peramalan (Forecasting), perkiraan kesalahan ini mempunyai beberapa
manfaat, yaitu :
1.
Untuk mendapatkan persediaan yang aman sehingga tidak
terjadi stock out (tidak adanya persediaan).
2.
Untuk memantau pengamatan permintaan yang tidak menentu
atau bernilai ekstrim, sehingga dapat dikendalikan dengan baik dan dapat
dikeluarkan dari data apabila diperlukan.
3.
Untuk menentukan apakah metode peramalan ini tidak
dipakai lagi dan memerlukan perbaikan.
Rumus Mean Absolut Deviation (MAD)
n
S (
Nilai Peramalan - Nilai Nyata )
I = 1
MAD
= __________________________________
N
N : Merupakan jumlah periode
Contoh soal :
Diketahui nilai peramalan = 210 ; nilai nyata = 195 ; N = 1
MAD = 210 – 195 = 15
b. Rata-rata
Bergerak Tertimbang /Terbobot (Weight Moving Average)
Disamping metode rata-rata
bergerak sederhana kita mengenal metode rata-rata tertimbang (Weight Moving
Average) dimana pada setiap elemen data kita dapat memberikan bobot. Dengan
cara ini nilai-nilai yang akhir dapat diberikan bobot lebih keras.
Rumus Rata-rata Bergerak
Tertimbang/Terbobot (Weight Moving Average )
WMA = ( data penjualan terakhir x bobot ke
–1) + ( Data x sampai bobot terakhir ).
Contoh soal :
Diketahui WI = 40%, W2 = 30%, W3 = 20%, W4 = 10%
Data penjualan nyata untuk bulan ke-1 =100, ke-2 = 90, ke-3 = 105, dan
ke-4 = 95
Berapa F5 ?
Jawab :
F5 = 0,40(95) + 0,30(105) +
0,20(90) +0,10(100)
F5 = 38 + 31,5 + 18 + 10
F5 = 97,5
c. Pemulusan
Eksponensial (Eksponensial Smoothing).
Pemulusan eksponensial adalah
suatu tehnik peramalan rata-rata bergerak yang melakukan pertimbangan terhadap
data masa lalu dengan cara eksponensial sehingga data paling akhir mempunyai
bobot atau timbangan lebih besar dalam rata-rata bergerak. Dengan pemulusan
eksponensial sederhana forecasting dilakukan dengan cara ramalan periode
terakhir ditambah porsi perbedaan
(disebut Alpha) antara permintaan periode terakhir dengan peramalan
periode terakhir.
Rumus Pemulusan Eksponensial (Eksponensial
Smoothing)
Ft = Ft1 + a ( At1)
– (Ft1 )
Keterangan :
Ft =
Ramalan untuk periode sekarang (t)
Ft1
= Ramalan yang dibuat untuk
periode terakhir (t-1)
a
=
Smoothing constant
At1
= Permintaan nyata peeriode
teakhir
2
a = __________
n
+ 1
Nilai a yang terendah terutama cocok bila permintaan produk
perubahan yang stabil tetapi variasi acak adalah tinggi, sedangkan yang tinggi
berguna dimana sesungguhnya cenderung terjadi karena lebih respontif terhadap
fluktuasi permintaan.
Contoh soal :
Diketahui Ft1 = 1,050 unit; At1 = 1000 unit ; a = 0,50
Hit : Ft ?
Jawab :
Ft= Ft1 + a (At1) – (Ft1)
Ft = 1.050 + 0,05(1000-1050)
Ft = 1.047,5
nama penulisnya sapa ya, buat daftar pustaka
BalasHapus