Selasa, 06 November 2012

PENERAPAN METODE FORECASTING PADA PT.INDOFERMEX


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 = Ft1a ( 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

1 komentar: