2.1 Pengertian Penjualan Menurut EG. Widjayono Moestadjab (1991), Penjualan adalah memberikan sesuatu dengan mendapatkan sebuah ganti Yang berupa uang atau dengan kata gelegen 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 gelegen 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 und Marwan Asri (1996: 148). 8220Peramalan von adalah suatu cara untuk mengukur von menaksir kondisi bisnis dimasa von mendatang8221. Menurut Suad Husnan dan Suwarsono (1994: 40). 8220Peramalan adalah Vereinigte Staaten von Amerika untuk mengetahui permintaan jumlah produk8221. Dengan uranian di atas dapat diperoleh kesimpulan bahwa Peramalan merupakan suatu unsaha untuk melihat situasi dan kondisi dengan memperkirakan kondisi yang berlaku terhadap perkembangan dimasa yang akan datang. 2.3 Tujuan peramalan Tujuan dari peramalan adalah: Untuk menetukan kebijaksanaan dalam persoalan penyusunan anggaran. B. Untuk pengawasan dalam persediaan. C. Untuk membantu kegiatan perencanaan dan pengawasan produksi. D. Untuk pengawasan pembelanjaan. D. h. 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 Modell dalam menganalisa Daten 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 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 Mitgliedschaft nilai-nilai perbedaan atau penyimpangan sekecil mungkin. Peramalan Kuantitatif dapat digunakan apabila terjadi tiga kondisi sebagai Berikut: Anzeigen Adanya informasi tentang keadaan lain. B. Informasi tersebut dapat dikuantitatifkan dalam bentuk Daten. C. Dapat diasumsikan bahwa pola yang lalu akan berkelanjuatan pada masa yang akan datang. 2.5 Tehnik Dan Metode Peramalan Dalam pemilihan tehnik als metode peramalan, pertama kita perlu mengetahui ciri-ciri penting yang perlu diperhatikan bagi pengambil keputusan als analisa keadaan, dalam mempersiapkan peramalan. Ada Enam Ciri Utama Yang Perlu Diperhatikan. yaitu: 1. Horizon Waktu (Zeithorizont) 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. Horizont waktu umumnya dapat dibagi dalam jangka pendek, jangka menengah dan jangka panjang. 2. Tingkat perincian (Detaillierungsgrad). 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 produkt perusahaan, hendaklah ada usaha pengembangan. Secara efektif atas aturan-aturan pengambilan keputusan yang sederhana, yang dapat diaplikasikan sekundäres 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-varasi atau penyimpangan atas ramalan yang dilakukan antara 10 sampai dengan 15 taschen maksud-maksud yang mereka harapkan. 2.6 Tehnik Perkiraan Dengan Mengunakan Metode Deretz Waktu Metode Deret Waktu biasanya dipakai untuk menganalisis pola permintaan masa lalu als memproyeksikannya untuk masa depan. Dasar perhitungan prakiraan deretz 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 (Durchschnitt), kecenderungan (Trend), musiman (Saisonalität), siklus (Zyklus) dan kesalahan (Fehler). 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 Daten permintaan Pada saat ini. Verschiebender Durchschnitt ialah suatu titik peramalan dengan mengkonsumsikan Daten dari beberapa periode terbaru atau terakhir dari Daten tersebut dijadikan Daten peramalan untuk periode yang akan datang. ein. Rumus rata-rata bergerak (gleitender Durchschnitt) Anzahl der Beiträge Permintaan Pada N Periode terakhir 1Tempmsohtmlclip101clipimage001.gif MA Diketahui nilai peramalan 210 nilai nyata 195 N 1 MAD 210 8211 195 15 b. Rata-Rata Bergerak Tertimbang Terbobot (Gewicht Moving Average) Disamping metode rata rata bergerak Sederhana kita mengenal metode rata rata tertimbang (Gewicht Moving Average) Dimana Verput Daten kita dapat memberikan bobot setiap Pada. Dengan cara ini nilai-nilai yang akhir dapat diberikan bobot lebih keras. Rumus Rata-rata Bergerak TertimbangTerbobot (Gewichtsbewegungsdurchschnitt) WMA (Datenbinjualan terakhir x bobot ke 82111) (Daten x sampai bobot terakhir). D & sub1; & sub0 ;, W & sub3; & sub0 ;, W & sub3; & sub0 ;, W & sub3; & sub0 ;, W & 90) 0,10 (100) F5 38 31,5 18 10 c. Pemulusan Eksponensial (Eksponensial Glättung). 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 sederhana Vorhersage dilakukan dengan cara ramalan periode terakhir ditambah porsi perbedaan (Erb 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) eine Glättungskonstante Bei 1 Permintaan nyata peeriode teakhir 1Tempmsohtmlclip101clipimage005.gif ein Nilai ein 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 1050 Gerät bei 1 1000 Einheit ein 0,50Peramalan (Prognose) merupakan Suatu proses perkiraan keadaan Pada masa yang akan datang dengan menggunakan Daten di masa lalu (Adam dan Ebert, 1982). Awat (1990) menjelaskan bahwa peramalan merupakan kegiatan untuk mengetahui nilai Variabel Yang dijelaskan (variabel dependen) Pada masa Akan datang dengan mempelajari Variabel independen Pada masa lalu, yaitu dengan menganalisis pola Daten dan melakukan ekstrapolasi bagi nilai-nilai masa datang. Metode peramalan kuantitatif dijelaskan Supranto (2000) terdiri dari metode pertimbangan, metode regresi, metode kecendrungan (tendenzmethode), metode input output, dan metode ekonometrika. Metode kecendrungan (Trendmethode) menggunakan suatu fungsi seperti metode regresi dengan variabel X menunjukkan waktu. Tepat tidaknya peramalan ditentukan oleh kriteria yaitu berkaitan dengan güte von fit yang menunjukkan bagaimana modell peramalan dapat menghasilkan peramalan yang baik. Selen itu ada tiga kriteria yang perlu untuk dipertimbangkan, yaitu: 2) Faktor biaya peramalan dan 3) Faktor kemudahan. Penentuan ketepatan peramalan Pada umumnya berdasarkan beberapa metode, yaitu nilai Sidik Ragam (F-Test), Koefisien determinasi, Kuadrat Tengah Galat (Mean Square Error (MSE), dan Persentase Galat (Percentage Error (PE)). Deret Waktu adalah Kumpulan Daten - Daten yang merupakan Daten Historis dalam Suatu periode Waktu tertentu. Daten yang dapat dijadikan Deret Waktu Harus bersifat kronologis, artinya Daten Harus mempunyai periode Waktu yang berurutan. Misalnya Daten penjualan Suatu Perusahaan antara tahun 2006-2011, maka datanya adalah penjualan tahun tahun 2006 tahun 2007 tahun 2008 tahun 2009 tahun 2010, dan tahun 2011. Daten Runtun Waktu (Zeitreihe) merupakan Daten yang dikumpulkan, dicatat, atau diobservasi sepanjang Waktu Secara berurutan. Periode Waktu dapat menggunakan tahun, kuartal, bulan, Minggu, hari atau Marmelade. Runtut Waktu dianalisis untuk menemukan pola variasi masa lalu. Analisis Deret Waktu (Zeitreihenanalyse) dipakai untuk meramalkan kejadian di masa yang akan Datierung berdasarkan urutan Waktu sebelumnya. Ada beberapa teknik untuk meramalkan kejadischen di masa yang akan datang berdasarkan karakteristik daten, misalnya teknik glättung, teknik siklus, dan teknik musiman. Tendenz adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan ekonomi, yang terbaik adalah untuk melihat trend (atau trend-siklus) sebagai perubahan dengan halus dari waktu ke waktu. Pada kenyataannya, anggapan bahwa Trend dapat diwakili oleh beberapa fungsi Sederhana seperti garis Lurus sepanjang periode untuk Zeitreihe Yang diamati jarang ditemukan. Seringkali fungsi tersebut mudah dicocokkan dengan kurva Trend Pada Suatu Kurun Waktu karena dua Alasan, yaitu fungsi tersebut menyediakan beberapa indikasi arah Umum Dari seri Yang diamati, dan dapat dihilangkan Dari seri aslinya untuk mendapatkan gambar musiman Lebih jelas. Ada tiga Trend Yang diigunakan untuk meramalkan pergerakan keadaan Pada masa yang akan datang, yaitu: sering kali Daten Deret Waktu jika digambarkan ke dalam Grundstück mendekati garis luruus. Deret waktu seperti inilah yang termasuk dalam trend linier. Persamaan tendenz linier adalah sebagai berikut: Dengan nilai ein Dan b diperoleh dari Formel: Dimana Yt menunjukan nilai taksiran Y pada nilai t tertentu. Sedangkan ein adalah nilai abfangen dari Y, artinya nilai Yt akkan sama dengan ein Jika nilai t 0. Kemudian b adalah nilai Slope. Artinya besar kenaikan nilai Sie haben keine Artikel im Warenkorb. Dan nilai t sendiri adalah nilai tertentu yang menunjukan periode waktu. Trend Linier Positif 4. Memilih Trend Terbaik Untuk membuat Suatu keputusan yang akan dilakukan di masa yang akan datang berdasarkkan Deret Waktu diperlukan Suatu metode peramalan yang paling baik sehingga memiliki nilai kesalahan Yang cenderung kecil. Terdapat beberapa cara untuk menentukan metode peramalan mana yang akan dipilih sebagai metode peramalan yang paling baik, diantaranya Mittlerer quadratischer Fehler (MSE). Untuk mencari MSE digunakan rumus sebagai Berikut: Dimana nilai und Adalah selisih antara nilai Y dengan peramalan (Yt). Modell yang memiliki MSE paling kecil adalah modellieren persamaan yang paling baik.
No comments:
Post a Comment