KASUS TEKNIK PROYEKSI BISNIS - PT. BAKRIE TELECOM (ESIA) ~ M AGUS SUDRAJAT

BAB I

PENDAHULUAN

I. 1. Latar Belakang Masalah

Berkembangnya ilmu pengetahuan dan teknologi yang semakin pesat disertai dengan ketatnya persaingan dalam dunia usaha mengakibatkan adanya persaingan antara perusahaan yang satu dengan perusahaan yang lainnya dalam memberikan pelayanan yang sebaik-baiknya kepada konsumen. Pemimpin perusahaan sering terlibat pada persoalan yang mengharuskan membuat dan menggunakan ramalan. Ramalan pada dasarnya merupakan perkiraan mengenai sesuatu yang belum terjadi (Pangestu Subagyo, 1986 : 1). Ramalan telah banyak digunakan dan membantu dengan baik dalam berbagai manajemen sebagai dasar perencanaan, pangawasan, dan pengambilan keputusan. Salah satu diantaranya adalah peramalan (forecasting) penjualan. Seorang pemimpin perusahaan yang bertanggung jawab, perlu mengetahui bagaimana volume penjualan untuk periode berikutnya.

Pencatatan data penjualan dari waktu ke waktu berguna untuk melihat gambaran tentang perkembangan suatu perusahaan, apakah mengalami kenaikan atau mengalami penurunan. Ramalan penjualan akan memberikan gambaran tentang kemampuan menjual di waktu yang akan datang (J. Supranto, 2001 : 3). Data ramalan penjualan dapat digunakan untuk dasar perencanaan produksi agar nantinya dalam produksi itu tidak terjadi over production sehingga banyak barang tidak laku atau under production yang menyebabkan perusahaan itu kehilangan kesempatan dalam menjual hasil produksinya. Hasil dari ramalan penjualan ini bisa dipergunakan untuk menentukan atau merencanakan biaya-biaya lain dalam perusahaan, misalnya biaya produksi, biaya promosi, dan lain sebagainya.

Ada beberapa metode peramalan yang ada, diantaranya metode moving averages, metode exponential smoothing, metode dekomposisi, metode input output, dan metode regresi. Akan tetapi, tidak semua metode peramalan ini cocok digunakan untuk meramalkan setiap macam hal. Suatu metode peramalan yang cocok digunakan untuk meramalkan satu hal, belum tentu cocok digunakan untuk meramalkan hal yang lainnya. Oleh karena itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri pola gerakan yang dimiliki oleh data yang telah diperoleh, sehingga hasilnya bisa meminimumkan kesalahan forecast.

I. 2. Tujuan

Peramalan penjualan sangat dibutuhkan oleh perusahaan sebagai dasar pengambilan keputusan dan untuk merencanakan langkah-langkah selanjutnya dalam rangka meningkatkan kuantitas penjualannya.

BAB II

PEMBAHASAN

II.I Pengertian dan Tujuan Teknik Proyaksi Bisnis

Teknik Proyaksi bisnis adalah Suatu cara pendekatan untuk menentukan peramalan (perkiraan) mengenai sesuatu dimasa yang akan datang.

II. 2 Peramalan (forecasting)

1. Definisi dan Tujuan Peramalan

Forecasting adalah peramalan atau perkiraan mengenai sesuatu yang belum terjadi (Pangestu Subagyo, 1986 : 1). Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti dan sukar untuk diperkirakan secara tepat. Untuk itu perlu adanya forecast. Ramalan yang dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang dianalisis dengan mengunakan metode-metode tertentu. Di dalam forecasting diupayakan agar forecast yang dibuat dapat meminimumkan pengaruh ketidakpastian tersebut.

Dengan kata lain forecasting bertujuan mendapatkan forecast yang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan mean squared error, mean absolute error, dan sebagainya (Pengestu Subagyo, 1986 : 1).

2. Hubungan Forecast dengan Rencana

Peramalan (forecasting) merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien. Dalam bidang ekonomi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan beberapa jam. Dalam situasi seperti ini, peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali manajemen, seperti berasal dari ekonomi nasional, pemerintah, pelanggan, dan pesaing. Dari peramalan inilah suatu perusahan dapat melakukan suatu perencanaan dan pengambilan suatu keputusan yang dirasa tepat.

Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Pangestu Subagyo, 1986 : 3). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecasting adalah peramalan apa yang akan terjadi tetapi belum tentu bisa dilaksanakan oleh perusahaan.

II.3 Metode Peramalan

Bermacam-macam metode peramalan telah ditetapkan dengan tujuan mendapatkan hasil ramalan yang tepat guna, dimana metode peramalan tersebut kemudian akan menjadi bagian dari fungsi perencanaan dan merupakan sarana pengambilan keputusan.

Ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik peramalan kualitatif dan kuantitatif. Teknik peramalan kualitatif lebih menitikberatkan pada pendapat (judgment) dan intuisi manusia dalam proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting.

Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yaitu teknik statistik dan teknik deterministik.

Teknik statistik menitikberatkan pada pola, perubahan pola, dan faktor gangguan yang disebabkan pengaruh random. Termasuk dalam teknik ini adalah teknik smoothing, dekomposisi, dan tenik Bob-Jenkins.

Teknik deterministik mencakup identifikasi dan penentuan hubungan antara variabel yang akan diperkirakan dengan variabel-variabel lain yang akan mempengaruhinya. Termasuk dalam teknik ini adalah tenik regresi sederhana, regresi berganda, autoregresi, dan model input output.

Untuk meramalkan suatu keadaan dengan menggunakan data historis tanpa menghiraukan pengaruh atau hubungan dengan variabel lainnya, metode peramalan yang biasa digunakan adalah metode kuantitatif statistik. Metode peramalan kuantitatif statistik melihat pola perubahan data dari waktu-ke waktu, berikut ini beberapa metode peramalan yang termasuk dalam metode peramalan kuantitatif statistik :

1. Metode Moving Averages

Peramalan dengan metode moving averages (rata-rata bergerak) dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan.

a) Metode Single Moving Averages

Menentukan ramalan dengan metode single moving averages sangat sederhana, yaitu dengan merata-ratakan jumlah data sebanyak periode yang akan digunakan, atau jika ditulis dalam bentuk rumus adalah :

S t+1 = X t + X t-1 + …. + X t-n+1

S_t+1= ramalan untuk periode ke t+1

Xt = data pada periode ke-t

n = jangka waktu rata-rata bergerak

Metode single moving averages lebih cocok digunakan untuk melakukan forecast hal-hal yang bersifat random, artinya tidak ada gejala trend naik maupun turun, musiman, dan sebagainya, melainkan sulit diketahui polanya.

Metode single moving averages ini mempunyai dua sifat khusus, yaitu :

1) Untuk membuat forecast memerlukan data historis selama jangka waktu tertentu. Jika mempunyai data selama V periode, maka baru bisa membuat forecast untuk periode ke V+1.

2) Semakin panjang jangka waktu moving averages akan menghasilkan moving averages yang semakin halus.

b) Metode Double Moving Averages

Dalam metode ini langkah pertama adalah mencari moving averages, hasilnya ditaruh pada periode terakhir, kemudian dicari moving averages lagi dari moving averages pertama, baru kemudian dibuat forecast. Adapun prosedur untuk membuat forecast dengan metode double moving averages adalah sebagai berikut :

1) Menentukan moving averages yang pertama

S t = X t + X t-1 + …. + X t-n+1

2) Menentukan moving averages yang kedua

S’ t = S’ t + S’ t-1 + …. + S’ t-n+1

3) Menentukan konstanta

at = S’t + ( S’t – S”t )

4) Menentukan slope

bt = 2 ( S’t – S”t )

V-1

dengan : V adalah jangka waktu moving averages

5) Menentukan forecast

F t+m = a t + b t m

m adalah jangka waktu forecast kedepan

2. Metode Exponential Smoothing

a) Metode Single Exponential Smoothing

Metode single exponential smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara random (tidak teratur). Untuk membuat forecast dengan metode single exponential smoothing dicari dengan rumus :

F t+1 = αXt + ( 1 – α) S t

Dalam metode ini nilai α bisa ditentukan secara bebas yang bisa mengurangi forecast error, yaitu antara 0 dan 1.

b) Metode Double Exponential Smoothing

Metode double exponential smoothing biasanya lebih tepat digunakan untuk maramalkan data yang mengalami kecenderungan trend naik. Dalam metode ini dilakukan proses smoothing dua kali, adapun prosedur untuk membuat forecast dengan double exponential smoothing adalah sebagai berikut :

1) Menentukan smoothing pertama

S’t = αXt + ( 1 – α) S’ t-1

2) Menentukan smoothing kedua

S”t = αS’t + ( 1 – α) S” t-1

3) Menentukan konstanta

at = 2 ( S’t – S”t )

4) Menentukan slope

bt = α ( S’t – S”t )

1-α

5) Menentukan forecast

F t+m = a t + b t m

m adalah jangka waktu forecast kedepan

Untuk mengukur forecast error biasanya digunakan mean absolute error atau mean squared error.

1) Mean Absolute Error (MAE) Mean absolute error adalah rata-rata nilai absolute dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya).

2) Mean Squared Error (MSE) Mean squared error adalah rata-rata dari kesalahan forecast dikuadratkan.

3. Metode Dekomposisi

Metode dekomposisi didasarkan pada kenyataan bahwa apa yang telah terjadi akan berulang kembali dengan pola yang sama. Artinya yang dulu selalu naik, pada waktu yang akan datang biasanya akan naik juga; yang biasanya berkurang biasanya akan berkurang juga; yang biasanya berfluktuasi biasanya akan berfluktuasi juga; dan yang biasanya tidak teratur biasanya akan tidak teratur juga (Pangestu Subagyo, 1986 : 31). Metode dekomposisi mempunyai empat komponen utama pola perubahan, yaitu Trend (T), Fluktuasi Musiman (M), Fluktuasi Siklik (S), dan perubahan yang bersifat Random (R).

a) Trend

Trend adalah rata-rata perubahan (biasanya tiap tahun) dalam jangka panjang. Kalau hal yang diteliti menunjukkan gejala kenaikan, maka trend menunjukkan rata-rata pertambahan, sering disebut dengan trend positif. Tetapi jika hal yang diteliti menunjukkan gejala semakin berkurang, maka trend menunjukkan rata-rata penurunan, atau sering disebut dengan trend negatif (Pangestu Subagyo, 1986 : 32).

Persamaan trend dengan metode least squares:

Y = a + bX

Keterangan :

Y= nilai trend (forecast)

a = bilangan konstan

b = slope/koefisien kecondongan garis trend

X = kode tahun

Untuk mempermudah hitungannya biasanya nilai X pada tahun yang berada ditengah diberi 0, tahun-tahun sesudahnya berturut-turut 1, 2, dan seterusnya, sedang tahun-tahun sebelumnya berturut-turut -1, -2, dan seterusnya. Kalau jumlah data (tahun) ganjil, maka X=0 diletakkan tepat ditahun yang berada ditengah, sehingga jumlah nilai seluruh X=0. Kalau jumlah tahunnya genap, maka X=0 terletak diantara dua tahun yang mendekati tengah. Untuk mengatasi hal ini dibuat skala X setengah tahunan, sehingga untuk setiap perbedaan satu tahun nilai X berbeda dua.

Persamaan trend dengan menggunakan metode least squared dengan periode satu tahun dapat diubah sebagai berikut :

1) Memindah Origin

Tahun yang merupakan origin dapat dipindah, didalam memindah origin yang diganti hanya a-nya saja. Nilai a yang baru sebesar nilai trend pada tahun yang menjadi origin baru tersebut.

2) Trend Rata-rata

Dari persamaan trend tahunan jika akan dibuat menjadi persamaan trend rata-rata tiap bulan dilakukan dengan: a dibagi 12 dan b dibagi 2; jika akan dijadikan trend rata-rata tiap kwartal baik a maupun b dibagi 4. Tetapi jika unit X dari persamaan yang akan diubah itu dalam waktu setengah tahunan, maka untuk mengubah menjadi trend rata-rata tiap bulan a dibagi 12 dan b dibagi 6; jika akan dijadikan trend kwartalan a dibagi 4 dan b dibagi 2.

3) Persamaan Trend Bulanan dan Kwartalan

Trend bulanan adalah trend dari bulan satu ke bulan berikutnya yang menunjukkan perkiraan kenaikan atau perubahan setiap bulannya. Kalau akan mengubah persamaan trend tahunan yang satuan X-nya satu tahun menjadi trend bulanan, maka a dibagi 12 dan b dibagi 122; jika satuan X-nya setengah tahunan, maka a dibagi 12 dan b dibagi 122.

Trend kwartalan adalah trend yang menunjukkan perubahan dari kwartal satu ke kwartal berikutnya. Kalau akan mengubah persamaan trend tahunan yang satuan X-na satu tahun menjadi trend kwartalan, maka a dibagi 4 dan b dibagi 42; dan jika satuan X-nya setengah tahunan, maka a dibagi 4 dan b dibagi 42.

b) Gelombang Musim

Gelombang musim adalah gelombang pasang surut yang berulang kembali dalam waktu tidak lebih dari satu tahun. Dalam forecasting biasanya gelombang musim dinyatakan dalam bentuk indeks yang sering disebut dengan indeks musim.

Ada beberapa metode yang digunakan untuk menghitung indeks musim, antara lain metode rata-rata sederhana, metode persentase terhadap trend, metode persentase terhadap rata-rata bergerak.

· Metode Rata-rata Sederhana

Dalam metode ini indeks musim dihitung berdasarkan rata-rata tiap periode musim setelah dibebaskan dari pengaruh trend. Adapun langkah-langkah untuk menghitungnya adalah sebagai berikut :

- Susunlah data tiap kwartal untuk masing-masing tahun

- Cari rata-rata tiap kwartal untuk masing-masing tahun

- Mengurangi rata-rata tiap kwartal tersebut dengan nilai b yang telah diakumulasikan untuk menghilangkan unsur trend

- Menentukan indeks musim

· Metode Persentase Terhadap Trend

Untuk mencari indeks musim dengan menggunakan metode persentase terhadap trend, langkah-langkahnya adalah sebagai berikut :

- Cari nilai trend untuk setiap periode

- Cari persentase nilai riil terhadap nilai trend

- Cari median tiap kwartal Hitung rata-rata dari median-median itu

- Hitung indeks musim dengan cara : median dibagi rata-rata median dikalikan 100.

· Metode Persentase Terhadap Rata-rata Bergerak

Menentukan indeks musim dengan metode persentase terhadap rata-rata bergerak dapat dilakukan dengan tahap sebagai berikut :

- Menghitung jumlah bergerak selama satu tahun dan letakkan pada pertengahan tahun

- Menghitung jumlah bergerak selama dua tahun dan letakkan pada pertengahan tahun data

- Menghitung rata-rata bergerak dengan membagi hasil dari point sebelumnya (point diatas) dengan 8

- Menghitung persentase data riil terhadap rata-rata bergerak

- Menentukan nilai median persentase tersebut

- Menentukan indeks musim

c) Variasi Siklis

Variasi siklis adalah perubahan atau gelombang pasang surut sesuatu hal yang berulang kembali dalam waktu lebih dari satu tahun (kebanyakan antara 5 sampai 10 tahun).

Fluktuasi siklis dinyatakan dalam bentuk indeks siklis. Metode yang bisa digunakan untuk mengetahui indeks siklis adalah metode residual. Caranya adalah data yang tersedia dihilangkan dulu pengaruh trend, fluktuasi musim, dan variasi randomnya, kemudian baru dicari indeks siklisnya.

Adapun langkah-langkah untuk menghitung indeks siklis adalah :

· -Menyusun data riil tiap kwartal

· -Cari nilai trend tiap kwartal dengan mensubstitusikan nilai-nilai X sesuai dengan kwartal dan tahun yang bersangkutan

· -Menyusun indeks musim, misalnya dengan metode persentase terhadap trend

· -Menentukan nilai normal, yaitu trend dikalikan dengan indeks musim atau T x M

· -Menentukan besarnya perubahan siklis (S) dan random (R), yaitu penjualan riil dibagi dengan nilai normal

· -Menentukan jumlah tertimbang bergerak (weighted moving total)

· -Menentukan indeks siklis

d) Variasi Random

Variasi random adalah gelombang pasang atau surutnya sesuatu hal yang biasanya terjadi secara tiba-tiba dan sukar diperkirakan. Biasanya ini terjadi secara kebetulan dan sukar diramalkan.

Pada metode dekomposisi, forecasting dilakukan dengan menggabungkan komponen-komponen yang telah diperoleh, yaitu trend, indeks musim, seharusnya dengan indeks siklis dan perubahan-perubahan random. Tetapi gerak siklis sukar diperkirakan polanya karena faktor yang mempengaruhinya banyak sekali, demikian juga gerak random sangat sulit diperkirakan. Oleh karena itu, forecasting biasanya hanya menggunakan trend (T) dan gerak musiman (M) saja, sehingga forecast dapat dibuat dengan rumus : F = T x M (Pangestu Subagyo, 1986)

II.4 Memilih Metode Yang Tepat

Suatu proses perubahan yang dapat diketahui dengan cepat akan memberikan hasil forecast yang mendekati kenyataan, akan tetapi sering kali proses perubahan ini sulit diketahui. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memiliki kesalahan (error) minimal. Hasil ramalan tersebut merupakan ramalan yang akurat dan akan bermanfaat bagi penyusunan rencana selanjutnya.

Agar suatu ramalan menjadi akurat, data yang akan diramalkan harus relevan dan metode peramalan yang digunakan harus tepat. Banyak sekali metode peramalan yang ada, satu metode peramalan yang cocok digunakan untuk meramalkan suatu hal belum tentu cocok untuk meramalkan hal lainnya. Oleh karena itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri pola gerakan yang dimiliki oleh data yang dimiliki, sehingga hasilnya bisa meminimumkan kesalahan forecast.

Untuk meramalkan suatu data yang memiliki pola trend (naik atau trend) akan lebih tepat bila menggunakan metode dekomposisi, sedangkan untuk meramalkan data yang memiliki pola fluktuatif akan lebih tepat bila menggunakan metode smoothing.

BAB III

STUDI KASUS

Peramalan Penjualan PT. Bakrie Telecom (ESIA)

Penjualan merupakan kegiatan ekonomi yang umum, dimana dengan penjualan sebuah perusahaan akan memperoleh hasil/laba sesuai dengan apa yang direncanakan atau memperoleh pengembalian atas biaya-biaya yang dikeluarkan. Berikut ini dikemukakan definisi penjualan menurut beberapa ahli sebagai berikut :

a) Sutamto (1979) mengemukakan bahwa penjualan adalah usaha yang dilakukan manusia untuk menyampaikan barang kebutuhan yang telah dihasilkannya kepada mereka yang memerlukannya dengan imbalan uang menurut harga yang ditentukan atas persetujuan bersama.

b) Winardi (1991 : 3) mengemukakan penjualan sebagai proses dimana sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan atau keinginan sang pembeli yang berkelanjutan dan menguntungkan kedua belah pihak.

Dari definisi penjualan diatas terlihat bahwa betapa pentingnya fungsi penjualan bagi sebuah perusahaan.

Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka waktu lama. Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan seperti yang direncanakan.

Menurut Basu Swastha (dalam Tri Eka Pujiastuti, 2004 : 13) perusahaan pada umumnya mempunyai tiga tujuan dalam penjualannya, yaitu :

a) Mencapai volume penjualan tertentu

b) Mendapat laba tertentu

c) Menunjang pertumbuhan perusahaan

Adapun faktor-faktor yang harus diperhatikan dalam mencapai tujuan penjualan diantaranya adalah :

a) Modal yang diperlukan

b) Kemampuan merencanakan dan membuat produk

c) Kemampuan menentukan tingkat harga yang tepat

d) Kemampuan memilih penyalur yang tepat

e) Kemampuan menggunakan cara-cara promosi yang tepat

f) Unsur penunjang yang lain

Peramalan penjualan merupakan salah satu cara untuk membantu menentukan perencanaan pemesanan yang sesuai dengan kebutuhan. Nilai penjualan yang diramalkan diharapkan mendekati nilai penjualan sebenarnya yang akan terjadi. Dengan begitu frekuensi dan jumlah pemesanan persediaan dapat dihitung sedemikian rupa sehingga biaya untuk penyediaan persediaan dapat ditekan.

Peramalan penjualan pada studi kasus PT. Bakrie Telecom yaitu dalam hal ini target penjualan (aktivasi nomor untuk pengguna Esia), di bawah ini contoh kasus peramalan yang menggunakan metode Trend Linier :

Peramalan merupakan proses mengestimasi keadaan yang tidak diketahui. Salah satu metode dalamagar tren yang diperoleh tidak dikacaukan oleh variasi siklis seperti kontraksi dan ekspansi. Agar memudahkan perhitungan dalam mencari persamaan tren, digunakan kode tahun (X) sebagaipengganti tahun yang sesunggguhnya dengan rumus X = t-t, dimana t = rata-rata dari tahun awal dan tahun akhir yang di pelajari.

Persamaan tren linier adalah

Yt = a + bX…………………….. (1)

Dengan :

Yt = nilai tren untuk periode tertentu

a = nilai Yt jika X = 0 atau nilai Yt pada periode t,

b = kemiringan garis tren atau besarnya perubahan Yt jika terjadi perubahan satu besaran peride waktu,

X = kode periode waktu = t – t

Untuk mendapatkan nilai Yt, nilai a dan b harus diketahui terlebih dahulu. Dengan n sebagai banyaknya pasangan data, persamaan yang diturunkan dengan metode kuadrat terkecil untuk menghitung nilai a dan b adalah sebagai berikut:

a = Σ Y ………………………(2)

b = Σ XY …………………….(3)

Σ X2

n = 9

t = Σ t = 18027 = 2003

n 9

No.	Tahun ( t )	Kode Tahun ( X )	Penjualan ( Y )	XY	X2
1	1999	-4	332500	-1330000	16
2	2000	-3	301000	-903000	9
3	2001	-2	366000	-732000	4
4	2002	-1	356500	-356500	1
5	2003	0	417000	0	0
6	2004	1	444500	444500	1
7	2005	2	459500	919000	4
8	2006	3	512000	1536000	9
9	2007	4	515000	206000	16
Σ	18027	0	3704000	1638000	60

Untuk meramalkan tahun 2010 :

a = Σ Y = 3704000 = 411556

n 9

b = Σ XY = 1638000 = 27300

Σ X2 60

Sehingga persamaan tren liniernya adalah :

Y = 411556 + 27300X

Untuk meramalkan penjualan tahun 2010, kita hitung terlebih dahulu kode tahun (X) untuk tahun 2010.

X = t – t = 2010 – 2003 = 7

Lalu nilai X dimasukkan ke dalam persamaan tren linier menjadi :

Y = 411556 + 27300 (7) = 602656

Jadi ramalan penjualan tahun 2010 dengan menggunakan tren linier adalah sebesar 602656

Peramalan penjualan dapat dilakukan dengan beberapa cara bukan hanya dengan menggunakan tren linier saja seperti yang di jelaskan dalam pembahasan peramalan dapat dilakukan sesuai dengan dengan berbagai metode yang di inginkan suatu perusahaan contoh diatas merupakan sebegian contoh yang dilakukan untuk meramalkan penjualan (aktivasi nomor Esia) pada PT. Bakrie Telecom. Hal ini menunjukan adanya peningkatan dari tahun ke tahun dalam penjualan.

BAB IV

KESIMPULAN DAN SARAN

IV.1 Kesimpulan

Peramalan penjualan telah dibangun dan dapat dijalankan untuk membantu kegiatan manajemen perusahaan, dalam hal ini penjualan.
Dapat disimpulkan bahwa peramalan penjualan hanya merupakan salah satu cara untuk memperkirakan Target yang akan dan harus di capai pada periode yang akan datang. Hasil dari peramalan belum tentu tepat karena banyak faktor yang tidak diikutsertakan dalam perhitungannya.
Menentukan metode yang cocok untuk meramalkan penjualan yang akan dating.

IV.2 Saran

Diperlukan penelitian lebih lanjut tentang metode-metode forecasting yang lebih praktis, lebih efisien.
Diperlukan metode -metode lebih lanjut tentang peramalan ngembangan program komputer yang lebih tepat dibandingkan dengan menggunakan program komputer excell, sehingga dapat diperoleh hasil peramalan yang tepat.
Bagi PT. Bakrie Telecom, perlu untuk melakukan peningkatan peramalan penjualan untuk meningkatkan keuntungan dimasa yang akan dating.

DAFTAR PUSTAKA

Amudi Pasaribu. 1981. Pengantar Statistik. Jakarta : Ghalia Indonesia.

I Gitosudarmo dan M Najmudin. 2000. Teknik Proyeksi Bisnis. Yogyakarta : BPFE Yogyakarta.

J Supranto. 1984. Metode Ramalan Kuantitaf Untuk Perencanaan. Jakarta : PT. Gramedia.

J Supranto. 2001. Teknik Riset Pemasaran Dan Ramalan Penjualan. Jakarta : PT. Rineka Cipta.