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 Si Tuasi 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 Daten yang relevan pada masa yang lalu, dengan Menggunakan tehnik-tehnik dan model d Alam 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 Daten 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 daten kuantitatif pada masa lalu Hasil peramalan dimuat tergantung pada metode yang dipergunakan dalam peramalan tersebut Dengan Metode yang b Ebeda akan diperoleh hasil peramalan yang berbeda, adressun 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 Zeit Horizon. Periode waktu selama suatu Keputusan atau analisa akan mem Punyai 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 Ebene der 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. Umumnya ada empat unsur biaya yang mencakup suatu prosedur peramalan, yaitu biaya-biaya pengembangan, penyimpangan daten, operasi pelaksanaan dan kesempatan dalam penggunaan tehnik dan metode lain. 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 dieet waktu ini ialah menghitung besar setiap komponen berdasarkan Daten Massa lalu Asumsi dasar yang dipakai dalam metode ini ialah bahwa pola permintaan dapat dibagi menjadi beberapa komponen yaitu tingkat rata-rata durchschnittliches Niveau, kecenderungan Trend, musiman Saisonalität, siklus Zyklus Dan kesalahan error.2 7 Metode Rata-Rata Bergerak. Metode ini merupakan metode yang termudah dalam teknik peramalan dieet waktu kita mengasumsikan bahwa komponen acak tidak terdapat pola musiman, trend, atau komponen siklus pada daten permintaan pada saat ini Umzug durchschnittlich ialah suatu titik peramalan Dengan mengkonsumsikan d Ata dari beberapa periode terbaru atau terakhir dari Daten tersebut dijadikan Daten peramalan untuk periode yang akan datang. a Rumus rata-rata bergerak Umzug Durchschnitt. Jumlah Permintaan Pada N Periode Terakhir. MA. Diketahui nilai peramalan 210 nilai nyata 195 N 1.MAD 210 195 15.b Rata-rata Bergerak Tertimbang Terbobot Gewicht Bewegen Durchschnitt. Disamping metode rata-rata bergerak sederhana kita mengenal metode rata-rata tertimbang Gewicht Verschieben Durchschnittlich dimana pada setiap elemen Daten Kita dapat memberikan bobot Dengan cara ini nilai-nilai yang akhir dapat diberikan bobot lebih keras. Rumus Rata-rata Bergerak Tertimbang Terbobot Gewicht verschieben Durchschnitt. WMA Daten penjualan terakhir x bobot ke 1 Daten x sampai bobot terakhir. Diketahui WI 40, W2 30, W3 20, W4 10.Data penjualan nyata untuk bulan ke-1 100, ke-2 90, ke-3 105, dan. F5 0,40 95 0,30 105 0,20 90 0,10 100.F5 38 31, 5 18 10.c Pemulusan Eksponensial Eksponensial Smoothing. Pemulusan eksponensial adalah suatu tehnik peramalan rata-rata bergerak yang melakukan pertimbangan terhadap Daten masa lalu dengan cara eksponensial sehingga Daten paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata bergerak Dengan pemulusan eksponensial seder Hana prognose dilakukan dengan cara ramalan periode terakhir ditambah porsi perbedaan krankheit Alpha antara permintaan periode terakhir dengan peramalan periode terakhir. Rumus Pemulusan Eksponensial Eksponensial Glättung. Ft Ramalan untuk periode sekarang t. Ft 1 Ramalan Yang Dibuat untuk Periode terakhir t-1.a Glättung Konstante. At 1 Permintaan nyata peeriode teakhir. A. 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. Diketahui Ft 1 1.050 Einheit Bei 1 1000 Einheit ein 0,50.Metode Exponentielle Glättung Glättung adalah mengambil rata rata dari nilai pada beberapa periode untuk menaksir nilai pada suatu periode Pangestu Subagyo, 1986 3 Exponentielle Glättung adalah suatu metode peramalan rata-rata bergerak yang melakukan pembobotan menurun secara exponentiell terhadap nilai nilai observasi yang lebih tua Makridakis, 1993 79 Metode explizite Glättung merupakan pengembangan dari metode gleitender Durchschnitt Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan Daten baru.1 Metode Einzelne exponentielle Glättung Metode einzelne exponentielle Glättung merupakan perkembangan dari metode gleitende durchschnittliche sederhana, yang mula mula dengan rum Uns sebagai berikut 1 1 1 2 dan 1 3 1 4 Perbedaan antara St 1 dan St adalah sebgai berkut ein Pada St 1 terdapat sedangkan pada St tidak terdapat b Pada St terdapat sedangkan pada St 1 tidak terdapat Pangestu Subagyo, 1986 18 Dengan melihat hubungan di Atas maka kalau nilai St sudah diketahui maka nilai St 1 dapat dicari berdasarkan nilai St itu. Kalau diganti dengan nilai prognose pada tahun t yaitu St maka persamaan diubah menjadi 1 5 bisa diubah menjadi 1 6 Di dalam metode Exponentielle smothing nilai diganti dengan sehingga rumus prognose Menjadi St 1 Xt 1 St 1 7 Pangestu Subagyo, 1986 19 Penerapan teknik peramalan ini menghasilkan Tabelle di bawah ini Tabelle I Nilai St contoh penggunaan metode Saingle Exponential Glättung Nein Xt St 1 20 2 21 20 3 19 20,10 4 17 19,19 5 22 19,69 6 24 19,92 Sumber Pangestu subagyo, 1986 21.Nilai ramalan untuk periode ke 7 dapat dihitung sebagai berikut S7 X6 1 S6 0,1 24 0,9 19,92 20,33 Metode Single Exponential Glättung lebih cocok Digunakan untuk meramal Hal hal yang fluktuasinya secara random tidak teratur.2 Metode Doble Exponential Glättung Metode ini merupakan Modell lineare yang dikemukakan oleh Brown Didalam merode Doble Exponential Glättung dilakukan proses Glättung dua kali, sebagai berikut S t Xt 1 S t-1 1 8 S t S t 1 1 9 Rumusan ini agak berbeda dengan rumus Einzelne exponentielle Glättung karena X t dapat dipakai untuk mencari S t bukan St 1 Vorhersage dilakukan dengan rumus St m bei btm 1 10 m jangka waktu prognose kedepan 1 11 1 12 Metode doppelte exponentielle Glättung ini biasanya lebih Tepat untuk meramalkan daten yang mengalami trend naik Agar dapat menggunakan rumus 1 8 dan 1 9 maka nilai S t-1 dan S t-1 harus tersedia tetapi pada saat t 1, nilai nilai tersebut tidak dapat tersedia Jadi nilai nilai ini harus ditentukan pada awal Periode Hal ini dilakukan dengan hanya menetapkan S t dan S t sama dengan Xt atau dengan menggunakan suatu nilai pertama sebagai nilai awal Contoh penggunaan Metode doble exponentielle Glättung untuk Penjualan barang X Tabelle 2 Volumen penjualan barang X NEIN PERMINTAAN BARANG 1 120 2 125 3 129 4 124 5 130 Sumber pangestu Subagyo, 1986 26 Akan dicari ramalan minggu ke-6 dengan menggunakan rumus 1 10 dengan 0,2 perhitungan di mulai dengan menghitung St Dengan rumus 1 8 yaitu S t Xt 1- S t-1 X1 120, karena belum cukup Daten S t dianggap sebesar 120 dan selanjutnya dengan rumus 1 8 secara berangkai didapatkan. kemudian mencari nilai dengan rumus 1 9 yaitu dengan 0,2 120 dan Harga-harga secara berangkai didapatkan. Harga-harga a dan b diperoleh dengan menggunakan rumus 1 11 dan 1 12 Dari secara berangkai didapat harga. dari secara berangkai didapat harga-harga. Harga ramalan tahun ke-6 diperoleh dengan rumus 1 10 yaitu St m Bei btm dengan m 1 dan 0,2 S6 a5 b5 126,84 0,64 127,48 Jadi ramalan penjualan tunai ke-6 adalah 127,48.3 Metode Triple Exponential Glättung Metode ini merupakan metode prognose yang dikemukakan oleh Brown, dengan menggunakan persamaan kwadrat Metode ini lebih cocok kalau Dipakai untuk membuat prognose yang berfluktuasi atau mengalami gelombang pasang surut Pangestu Subagyo, 1986 26 Prosedur pembuatan Vorhersage dengan metode ini sebagai berikut Carilah nilai dengan rumus sebagai berikut 1 13 Untuk tahun pertama nilai belum bisa dicari dengan rumus di atas, maka boleh ditentukan dengan bebas Biasanya Ditentukan sama seperti nilai yang telah terjadi pada tahun pertama Carilah nilai dengan rumus 1 14 Pada tahun pertama biasanya nilai ditentukan seperti nilai yang terjadi pada tahun pertama Carilah nilai 1 15 Untuk nilai tahun pertama biasanya dianggap sama dengan Daten tahun pertama Carilah nilai 1 16 Carilah nilai 1 17 Carilah nilai 1 18 Buat persamaan forecastnya 1 19 m adalah jangka waktu maju ke depan, yaitu berapa tahun yang akan datang prognose dilakukan an, bt, ct adalah nilai yang telah dihitung sesuai dengan rumus di depan Contoh penggunaan metode Triple Exponential Glättung untuk peramalan Penjualan kita gunakan daten tabel 2 Akan tetapi ramalan Tahun ke-6 menggunakan rumus 1 19 dengan 0,2 Dari contoh di atas kita sudah mendapatkan nilai dan maka kita harus mencari nilai an, bt, ct dengan 120 dengan rumus 1 16 diperoleh harga-harga. Dengan mengggunakan rumus 1 16 1 17 1 18 harga at, bt, ct bisa didapat. Harga ramalan tahun ke-6 diperoleh dengan menggunakan rumus 1 19.Peramalan Sederhana Single Moving Average vs Single Exponential Smoothing. Mungkin sebagian besar diantara kita pernah mendengar tentang teknik peramalan Tentunya bukan dukun peramal, melainkan tekni Untuk meramalkan prognose suatu daten deret waktu zeit serie. Peramalan merupakan suatu teknik yang penting bagi perusahaan atau pemerintah dalam mengambil kebijakan Dalam meramal suatu nilai pada masa yang akan datang bukan berarti hasil yang didapatkan ialah sama persis, melainkan merupakan suatu pendekatan alternatif yang lumrah dalam ilmu Statistik. Pada tulisan ini akan dibahas contoh kasus peramalan menggunakan teknik Moving Average dan Exponential Glättung Kedua Tejik ini merupakan tekni prognose yang sangat sederhana karena tidak melibatkan asumsi yang kompleks seperti pada tekni prognose ARIMA, ARCH GARCH, ECM, VECM, VAR, dsb Meskipun demikian, asumsi Daten staterer haruslah terpenuhi untuk meramal. Moving durchschnittlich merupakan teknik peramalan berdasarkan rata-rata Bergerak dari nilai-nilai masa lalu, misalkan rata-rata bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll Akan tetapi teknik ini tidak disarankan untuk Daten Zeitreihe Yang menunjukkan adanya pengaruh Trend Dan Musiman Umzug durchschnittlich terbagi menjadi einzigen gleitenden Durchschnitt dan Doppel bewegen Durchschnitt. Exponential Glättung Hampir Sama Dengan gleitenden Durchschnitt yaitu merupakan teknik Vorhersage yang sederhana, tetapi telah menggunakan suatu penimbang dengan besaran antara 0 hingga 1 Jika nilai w mendekati nilai 1 Maka hasil Vorhersage cenderung mendekati nilai obseervasi, sedangkan jika nilai w mendekati nilai 0, maka Hasil prognostik mengarah ke nilai ramalan sebelumnya Exponentielle Glättung Terbagi menjadi einzigen exponentiellen Glättung Dan doppelte exponentielle Glättung. Kali ini, akan dibahas perbandingan metode einzigen gleitenden Durchschnitt Dengan einzigen exponentiellen Glättung. Pemimpin Safira Beach Resto ingin mengetahui omzet restoran pada Januar 2008 Ia meminta sang manajer untuk mengestimasi nilai tersebut dengan Daten omzet bulanan dari bulan Juni 2011 sampai Desember 2012 Berbekal pengetahuan di bidang statistik, sang manajer melakukan forcast dengan metode einzigen gleitenden durchschnitt 3 bulanan dan einzigen exponentiellen glättung w 0,4.Single Moving Average. Pada tabel di atas prognose ramalan bulan September 2011 yaitu 128,667 juta rupiah diperoleh dari Penjumlahan omzet bulan Juni, Juli, Agustus 2011 dibagi dengan angka gleitender Durchschnitt m 3 Angka prognose pada bulan Oktober 2011 yaitu 127 juta rupiah diperoleh dari penjumlah omzet bulan Juli, Agustus, September 2011 dibagi dengan angka gleitender Durchschnitt tiga bulanan m 3 Perhitungan serupa dilakukan Hingga Ditemukan hasil prognose bulan Jan Uari 2013 sebesar 150,667 juta rupiah Dapat diinterpretasikan bahwa omzet bulan Januari 2013 diperkirakan senilai 150, 667 juta rupiah atau mengalami penurunan sebesar 1,333 juta rupiah dibanding dengan omzet Desember 2012 sebesar 152 juta rupiah Perhatikan baris pada bulan Juni-Agustus 2011 kolom Vorhersage Hingga Fehler tidak memiliki Nilai, karena peramalan pada bulan-bulan tersebut tidak tersedia Daten gleitenden Durchschnitt 3 bulanan, bulan sebelumnya. Selanjutnya untuk melihat kebaikan hasil ramalan digunaka RMSE root mittleren quadratischen Fehler. Untuk perhitungan RMSE, mula-mula dicari nilai Fehler atau selisih antara nilai aktual dan ramalan Omzet prognose, kemudian kuadrat nilai-nilai tersebut untuk masing-masing daten bulanan Lalu, jumlahkan seluruh nilai fehler yang telah dikuadratkan Terakhir hitung nilai RMSE dengan rumus di atas atau lebih gambangnya, bagi nilai penjumlahan Fehler yang telah dikuadratkan dengan banyaknya observasi dan hasilnya lalu di Akarkan Pada tabel di atas, banyaknya observasi Yaitu 16 mulai dari September 2011-Desember 2012.Single Exponential Smoothing. Selanjutnya kita akan melakukan peramalan dengan metode Einzelne exponentielle Glättung Metode ini menggunak nilai penimbang yang dapat diperoleh dari operasi statistik tertentu bisa proporsi tertentu, namun dapat juga ditentukan oleh peneliti Kali ini akan digunakan Nilai w 4.Forecast W 0,4 Ycap t 1 juta rp. Nilai ramalan pada bulan Juni 2011 yaitu 137,368 juta rupiah diperoleh dari rata-rata omzet dari bulan Juni 2011 hingga bulan Desember 2012 Nilai ramalan pada bulan Juli 2011 yaitu 134,821 juta rupiah diperoleh Dari perhitungan dengan rumus di atas, dengan kata lain nilai ramalan bulan Juli 2011 diperoleh dari hasil kali w 0,4 dan nilai aktual omzet bulan Juli 2011 dijumlahkan dengan hasil kali 1-0,4 serta nila ramalan bulan Juni 2011 sebesar 134,821 juta rupiah Lakukan Perhitungan tersebut hingga mendapatkan angka ramalan untuk bulan Januari 2013.Hasil ramalan omzet untuk bulan Januari 2013 yaitu 149,224 Juta rupiah atau turun sebesar 2.776 juta rupiah Kemudian hitung nilai RMSE dengan rumus seperti pada perhitungan RMSE gleitenden Durchschnitt hanya saja jumlah observasi berbeda Pada tabel di atas jumlah obervasi m yaitu 19 lebih banyak dibanding dengan metode einfach gleitende durchschnittlich 3 bulanan 16 karena pada metode eksponensial perhitungan Ramalan dapat dimulai dari Daten pada Periode awal RMSE Metode einzigen exponentiellen Glättung sebesar 1.073.Selanjutnya dari Kedua Metode di atas akan dibandingkan Mana hasil yang terbaik Untuk hal tersebut maka, bandingkan nilai RMSE dari kedua metode Metode dengan RMSE terkecil dapat dinyatakan sebagai metode terbaik untuk meramal. RMSE 0,946, RMSE 1.073 RMSE RMSE Kesimpulanya Bahwa Metode gleitenden Durchschnitt lebih baik dalam melakukan peramalan, sehingga omzet pada bulan Januari 2013 diperkirakan sebesar 150,667 juta rupiah meskipun memiliki nilai yang lebih rendah daripada bulan sebelumnya. Untuk materi yang lebih jelas, silakan dicari di buku-buku referensi Analisis Zeitreihe, misalnya Enders, Walter 2004 Angewandte ökonometrische Zeitreihe Zweite Auflage New Jersey Willey Kalo contoh Soal dalam tulisan ini, saya kutip dari buku modul kuliah.
No comments:
Post a Comment