ANALISIS PERBANDINGAN METODE PERAMALAN

ANALISIS PERBANDINGAN Pangsa pasar perusahaan ini tidak hanya di kota Surabaya melainkan banyak di kota-kota besar METODE PERAMALAN bahkan di luar Pulau Jawa seperi wilayah Ambon, PENJUALAN JENIS KAYU Tarakan, Ternate, Bima, Makassar, dan lainlainnya. Untuk memenuhi ketersediaan produk PLYWOOD DENGAN STANDAR KESALAHAN PERAMALAN (SKP) tersebut dan menjaga pelayanan dengan baik, perusahaan menyusun anggaran penjualan yang PADA PT X menggambarkan penghasilan yang akan diterima DI SURABAYA karena ada penjualan produk. Menurut Haruman dan Rahayu (2007:45) mengatakan bahwa Prasetyo Widyo Iswara anggaran penjualan adalah budget yang direncanakan secara lebih terperinci penjualan perusahaan selama periode yang akan datang yang Program Studi Akuntansi Politeknik NSC didalamnya meliputi rencana tentang jenis barang ak@nscpolteksby.ac.id yang akan dijual, jumlah harga barang, waktu penjualan serta tempat/daerah penjualannya. ABSTRAK Perusahaan umumnya menyusun anggaran penjualan yang salah satu faktor penunjang dalam penyusunannya adalah melakukan forecasting Penelitian ini bertujuan untuk menentukan metode penjualan untuk menaksir kondisi bisnis di masa peramalan penjualan yang paling tepat bagi PT yang akan datang. X sehingga dapat melakukan perencanaan Menurut Nafarin (2007:96) mengatakan bahwa dibidang penjualan. Penelitian ini menggunakan ramalan penjualan (sales forecasting) merupakan data-data primer, data primer ini merupakan data proses aktivitas memperkirakan produk yang akan yang diperoleh secara langsung dari pihak dijual di masa mendatang dalam keadaan tertentu perusahaan. Laporan yang akan dianalisa berupa dan dibuat berdasarkan data yang pernah terjadi Laporan penjualan jenis kayu PT X selama satu dan/atau mungkin akan terjadi. Penjualan produk tahun dari bulan Januari 2016 s/d bulan Maret perusahaan merupakan aspek yang sangat penting. Sedangkan sampel yang digunakan bagi perusahaan sehingga penyusunan rencana yaitujenis kayuplywood.dalam penelitian ini penjualan perlu dilakukan dengan baik, dimana metode yang digunakan dalam teknik rencana penjualan merupakan keputusan pengumpulan data adalah dengan menggunakan manajemen yang didasarkan pada sales teknik dokumentasi. Kesimpulan penelitian ini forecasting. Peramalan penjualan (sales adalah nilai SKP metode semi average sebesar forecasting) merupakan center dari seluruh 28.746,11, nilai SKP metode least squaresebesar perencanaan perusahaan dan menentukan potensi 28.123,03, dan nilai SKP metode momentsebesar penjualan dan luas pasar pada masa yang akan 28.123,03. Metode least square dan metode datang. Perusahaan dituntut untuk bisa melihat momentyang tepat digunakan untuk melakukan pasar dengan baik sehingga manajamen bisa peramalan penganggaran penjualan untuk jenis membuat perkiraan apa yang akan terjadi dan kayu plywood. mengambil keputusan secara tepat. Kata kunci :metodesemi average, metode least square, metode moment, dan standar kesalahan peramalan. Ada beberapa metode yang digunakan dalam peramalan penjualan antara lain menggunakan metode statistik, metode non statistik, dan model khusus. Metode statistik dalam peramalan penjualan dilakukan dengan melakukan analisis trend dan analisis korelasi, sedangkan metode non PENDAHULUAN statistik atau metode judgement dilakukan dengan intuisi dan pengalaman serta pendapat seseorang. PT X merupakan salah satu perusahaan Teknik statistik digunakan sebagai alat utama bagi swasta yang bergerak di bidang distributor penyusun ramalan penjualan sedangkan metode plywood, melamine, teakwood, polydoor, dan non statistik digunakan sebagai pelengkap. Untuk beberapa jenis kayu olahan lainnya. Perusahaan model khusus dilakukan dengan menggunakan ini memberikan pelayanan dan ketersediaan analisis industri, analisis product line, dan analisis produk yang bermutu dengan harga terjangkau dan penggunaan akhir. berkualitas baik sehingga dapat menjadi salah satu Efektifitas peramalan penjualan dipengaruhi perusahaan distributor terkemuka di Jawa Timur. oleh metode yang dipengaruhi oleh metode yang Prasetyo Widyo Iswara 14

digunakan dan faktor-faktor lain yang ada di luar perusahaan, misal keadaan ekonomi negara yang dipengaruhi oleh daya beli masyarakat sebagai konsumen (Paramita dan Muid, 2011). Efektivitas peramalan penjualan diukur dengan Standar Kesalahan Peramalan (SKP), dimana dari perhitungan tersebut manajemen perusahaan akan memilih model peramalan penjualan yang mempunyai nilai SKP terkecil diantara model peramalan penjualan yang ada. Nilai SKP yang kecil akan menunjukan bahwa peramalan yang disusun tersebut mendekati kenyataan yang ada. PT X bergerak dibidang usaha distributor plywood, melamine, teakwood, polydoor, dan beberapa jenis kayu olahan lainnya. Kegiatan usahanya adalah membeli barang dari pabrik kemudian menjualnya kembali kepada konsumen tanpa merubah bentuk dan kualitas barang tersebut. Perusahaan ini menyediakan barangbarang sesuai dengan permintaan konsumen. Untuk memenuhi permintaan konsumen tersebut, perusahaan membuat perencanaan dan pengendalian di bidang penjualan, salah satunya adalah membuat peramalan penjualan (forecasting). Peramalan penjualan menggunakan analisis trend. Berdasarkan uraian tersebut diatas, maka dapat dirumuskan dalam penelitian ini adalah: Bagaimana metode peramalan penjualan yang paling tepat bagi PT X sehingga dapat melakukan perencanaan di bidang penjualan LANDASAN TEORI 1.1 Peramalan Penjualan Forecast penjualan merupakan center dari seluruh perencanaan perusahaan dan menentukan besarnya potensi penjualan dan luas pasar pada masa yang akan datang. Menurut Nafarin (2000:24) menyatakan bahwa Peramalan penjualan adalah perkiraan penjualan pada waktu yang akan datang dalam keadaan tertentu dan dibuat berdasarkan data-data yang pernah terjadi dan atau mungkin akan terjadi. Meskipun demikian hasil perkiraan yang diperoleh berbeda dengan rencana. Menurut Haruman dan Rahayu (2007:35) menyatakan bahwa hasil perkiraan yang diperoleh mungkin saja tidak sama dengan rencana, hal ini disebabkan karena: 1. Forecast lebih merupakan pernyataan atau penilaian yang dikuantifisir terhadap kondisi masa depan mengenai subjek tertentu, misalnya penjualan 2. Forecast penjualan merupakan proyeksi teknis dari permintaan konsumen potensial untuk jangka waktu tertentu, dengan menyebutkan asumsi yang mendasarinya 3. Forecast selayaknya hanya dipandang sebagai bahan masukan untuk mengembangkan suatu rencana penjualan 4. Manajemen dapat menerima, memodifikasi atau menolak hasil dari suatu forecast Sesuatu yang akan datang perlu dilakukan peramalan atau perkiraan karena waktu yang akan datang penuh dengan resiko ketidakpastian. Menurut Gitosudarmo dan Najmudin (2003:16) menyatakan bahwa realisasi sesuatu hampir tidak pernah sama dengan apa yang diperkirakan, tetapi memperkirakan sesuatu harus dilakukan demi perencanaan yang lebih luas. Perlu diperhatikan dalam menentukan ramalan, yakni tersedianya data yang relevan dan penggunaan teknik yang tepat. Menurut Adisaputro dan Asri (1998:147) mengatakan bahwa forecast penjualan dilakukan dengan memanfaatkan berbagai teknik forecasting, termasuk pengecekan apakah teknik yang dipergunakan dapat dipertanggungjawabkan atau tidak. 2.2 Metode Forecast Penjualan Menurut Haruman dan Rahayu (2007:36) menyatakan bahwa metode forecast penjualan dapat dikelompokkan sebagai berikut: 1. Judgemental Method atau Non Statistical Method, yakni metode memproyeksikan penjualan yang berdasar pada pendapat salesman, sales manager, para ahli, dan survey konsumen. 2. Statistical Method, meliputi: A. Analisa Trend, yang terdiri dari: Penerapan garis trend secara bebas Penerapan garis trend dengan metode setengah rata-rata Penerapan garis trend secara matematis, yang terbagi menjadi: a. Metode moment b. Metode Least Square c. Metode Kuadrat B. Analisa korelasi 3. Specific Purpose Method, meliputi: A. Analisa Industri B. Analisa Product Line C. Analisa Penggunaan Akhir Prasetyo Widyo Iswara 15

2.3 Standar Kesalahan Peramalan Menurut Nafarin (2007:109) mengatakan bahwa dalam analisis tren ada dua metode yang dapat digunakan untuk ramalan penjualan, yaitu metode trend garis lurus dan metode trend bukan garis lurus. Untuk menentukan metode mana yang paling sesuai dari kedua metode tersebut, maka digunakan Standar Kesalahan Peramalan (SKP). Nilai SKP yang terkecil menunjukkan bahwa ramalan yang disusun tersebut mendekati kesesuaian. Adapun rumus SKP adalah sebagai berikut: Untuk menentukan pilihan metode ramalan yang sesuai digunakan standar kesalahan peramalan (SKP). Nilai SKP yang terkecil menunjukkan bahwa metode ramalan yang mendekati kesesuaian. anggaran dengan selisih antara anggaran dan realisasi relatif kecil dan bersifat linier sehingga penerapan metode kuantitatif trend parabola kuadrat kurang bermanfaat walaupun dapat menurunkan variance anggaran menjadi lebih kecil. Metode Least Square yang diterapkan pada kedua obyek penelitian itu tidak memberikan hasil yang baik, artinya metode least square tidak cocok untuk meramalkan anggaran. Dari HPP proyek X terdapat empat beban yang selisih anggaran dengan realisasinya cukup besar dan memerlukan peramalan, yaitu: (1) Perhitungan statistik yang menunjukkan besar penyimpangan anggarannya, (2) Dengan menggunakan metode kuantitatif least square dan trend parabola kuadrat dengan metode kualitatif perusahaan. Maka diperoleh hasil yang terbaik adalah dengan menggunakan metode trend Parabola Kuadrat. Terlihat dari tingkat efektifitas hasil peramalan dan selisih anggaran dengan realisasi serta dibuktikan dengan nilai penyimpangan (SKP) realisasi beban proyek terkecil selama tahun 2004 hingga 2008, (3) Data anggaran Institusi Negeri Z sudah baik tanpa peramalan dan selisihnya pun wajar, (4) Peramalan akan selalu dapat meminimalisasi selisih yang besar namun peramalan ini akan sesuai jika pola data anggaran semulanya fluktuatif sedangkan data anggaran institusi Z secara garis sudah linier, (5) SKP terkecil tersebar artinya setiap rekening belanja memiliki SKP terkecil dengan metode yang berbeda, sehingga tidak dapat diputuskan metode peramalan yang sesuai untuk dilakukan. Hasil penelitian yang telah dilakukan oleh Sumaryono (2014) menunjukkan bahwa dalam penjualan beton ready mix sering terjadi fluktuasi penjualan beberapa mutu beton yang dipengaruhi oleh faktor bahan baku terutama semen dan pesaing. Sehingga menyebabkan perusahaan khususnya PT X tidak bisa meramalkan penjualan beton ready mix di masa yang akan datang. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis hasil ramalan penjualan beton ready mix dengan menggunakan metode trend moment dan merancang aplikasi peramalan penjualan beton ready mix dengan menggunakan metode trend moment untuk mengatasi kerugian dan tidak tercapainya target perusahaan. Hasil akhir dari peramalan penjualan beton ready mix PT X dengan menggunakan metode trend moment pada bulan Januari 2015 yaitu cenderung meningkat atau mengalami trend positif dibandingkan dengan penjualan tahun lalu. 2.4. Penelitian Sebelumnya Penelitian yang dilakukan oleh Hastuti (2005) menunjukkan bahwa perusahaan tidak memperhitungkan metode moment. Tapi perusahaan ini menggunakan perhitungan penyusunan anggaran dengan kenaikan 10% perbulannya, serta dengan realisasi 75% dari anggaran penjualan. Dari penelitian ini perusahaan sebaiknya menggunakan metode least square, karena memiliki nilai SKP yang terkecil dibanding metode moment dan kuadratik. Penelitian ini membandingkan antara perhitungan perusahaan dengan perhitungan penulis melalui evaluasi anggaran penjualan tahun 2004 yang telah dilaksanakan. Penelitian Paramita dan Muid (2011) menunjukkan bahwa metode peramalan penjualan BBM yang tepat untuk Premium adalah menggunakan trend kuadratik, sedangkan untuk Pertamax menggunakan trend Least Square. Selain itu, dari perhitungan SKP total penjualan BBM, maka dapat ditentukan bahwa metode peramalan BBM menggunakan metode trendleast Square dan trend kuadratik adalah lebih baik serta efektif jika dibanding dengan metode trend bebas yang diterapkan perusahaan selama ini. Penelitian ini dilakukan dengan menggunakan data primer berupa data realisasi penjualan BBM periode Januari-Desember 2010 pada PT Pertamina (Persero) Region IV Jateng dan DIY. Penelitian yang dilakukan oleh Susilawaty (2011) menunjukkan bahwa dengan menggunakan metode peramalan kuantitatif maka Perusahaan X sangat tepat dengan menggunakan metode kuantitatif trend parabola kuadrat. Sedangkan Institusi Pendidikan Z sudah mampu membuat Prasetyo Widyo Iswara 16

METODE PENELITIAN Penelitian ini menggunakan data-data primer berupa data penjualan jenis kayu yaitu plywood selama bulan Januari 2016 s/d bulan Desember 2016. Data primer ini merupakan data yang diperoleh secara langsung dari pihak perusahaan yaitu PT X yang lokasinya berada di Jalan Sidodadi IV no. 44 Surabaya. Laporan yang akan dianalisa berupa Laporan penjualan jenis kayu PT X selama satu tahun dari bulan Januari 2016 s/d bulan Desember 2016. Sedangkan sampel yang digunakan yaitu jenis kayu plywood. Dalam penelitian ini metode yang digunakan dalam teknik pengumpulan data adalah dengan menggunakan teknik dokumentasi. Teknik dokumentasi adalah teknik mengumpulkan data dengan melihat arsip dan dokumentasi yang berhubungan dengan gambaran atau kegiatan. Penelitian ini menggunakan jumlah penjualan plywooddari bulan Januari 2016 s/d bulan Desember 2016. Dalam melakukan pengolahan data, peneliti menggunakan tiga metode peramalan penjualan (forecasting) yang bersifat kuantitatif yaitu metode semiaverage, metode least square, dan metode moment. Peramalan penjualan ini lebih menitikberatkan pada metode statistik yaitu: 1. Metode Semi Average Metode trend semi average dapat digunakan untuk keperluan forecast dengan membentuk suatu persamaan seperti analisa regresi. Metode ini dapat digunakan apabila data yang ada jumlahnya genap, sehingga dapat dibagi menjadi 2 kelompok. Metode trend semi average memiliki mekanisme sebagai berikut: a. Membagi data menjadi 2 kelompok b. Tiap kelompok data dicari nilai rataratanya c. Memberi skor terhadap waktu yang terkait dengan data penjualan d. Melanjutkan pemberian score pada kelompok data yang kedua e. Membentuk persamaan Y = a + b X dan melakukan forecast nilai Y untuk nilai X yang ditentukan. 2. Metode Least Square Metode Least Square merupakan salah satu metode berupa data berkala atau time series, yang mana dibutuhkan data-data penjualan dimasa lampau untuk melakukan peramalan penjualan dimasa mendatang sehingga dapat ditentukan hasilnya. Metode Least Square adalah metode peramalan yang digunakan untuk melihat trend dari data deret waktu (Pamungkas, 2016). Metode ini merupakan penyederhanaan dari metode trend moment, sehingga akan mempermudah dalam perhitungannya (Paramita dan Muid, 2011). Dalam metode ini data dikelompokkan menjadi dua kelompok yaitu : Data genap, maka skor nilai t nya:.,-5,-3,-1,1,3,5,. Data ganjil, maka skor nilai t nya:,-3,-2,-1,0,1,2,3,.. Persamaan yang digunakan yaitu: Y = a + b X a = Y / n b = XY / X 2 Keterangan: Y = Data historis X = Parameter pengganti waktu a = Nilai trend periode dasar b = Pertambahan trend n = Jumlah data 3. Metode Moment Metode trend moment merupakan metode analitis yang digunakan untuk keperluan peramalan dengan membentuk persamaan: Y = a + bx. Dalam hal ini pemberian score X dimulai dari 0,1,2, dan seterusnya. Metode trend moment merupakan pejabaran dari metode Least Square, tetapi menggunakan lebih banyak variabel, sehingga dalam perhitungannya lebih rumit. Rumus yang digunakan adalah : Y = a + bx Y = n. a + b X XY = a X + b X 2 Keterangan : Y = Data historis X = Parameter pengganti waktu a = Nilai trend periode dasar b = Pertambahan trend n = Jumlah data Dalam penelitian ini, peneliti juga menggunakan standar kesalahan peramalan (SKP) untuk menentukan metode yang paling sesuai dari tiga metode peramalan penjualan tersebut. Nilai SKP yang terkecil akan menunjukkan bahwa peramalan penjualan yang disusun tersebut mendekati kesesuaian. Rumus Standar Kesalahan Peramalan (SKP) adalah sebagai berikut: Keterangan: X = Penjualan nyata Y = Ramalan penjualan n = Jumlah data yang dianalisis Prasetyo Widyo Iswara 17

HASIL DAN PEMBAHASAN 1.2 Data Penjualan Jenis Kayu Dalam menggunakan metode statistik, data yang digunakan adalah data historis penjualan jenis kayu plywood dengan periode Januari 2016 s/d Desember 2016, perusahaan melakukan peramalan penjualan untuk produk plywood. Peramalan penjualan yang akurat akan membuat anggaran penjualan dapat berfungsi dengan baik (Ingrid: 2009).Data Penjualan jenis kayu plywoodselama satu periode sebagai berikut: Tabel 4.1Data Penjualan Produk Plywood Selama Tahun 2016 Bulan Penjualan Produk Plywood Januari 75.661 Februari 47.822 Maret 51.525 April 95.091 Mei 119.237 Juni 154.117 Juli 66.421 Agustus 147.041 September 180.689 Oktober 194.734 Nopember 181.625 Desember 163.273 Total 1.477.236 Sumber: Perusahaan PT X Sumber: Perusahaan PT X Gambar 4.1 Grafik Penjualan Produk Plywood Selama Tahun 2016 1.3 Perhitungan Ramalan Penjualan dengan metode Semi Average Perhitungan peramalan penjualan produk plywood dengan menggunakan metode semi average disajikan dalam tabel 4.2 sebagai berikut: Tabel 4.2 Metode Semi Average an njualan (Y). mi Total mi Average uari 75.661 ruari 47.822 ret 51.525 I.453 575,50 il 95.091 i 119.237 i 154.117 66.421 ustus 147.041 tember 180.689 II ober 194.734.783.630,50 pember 181.625 ember 163.273 Sumber : Data Olahan a = 90.575,50 b = 155.630,50-90.575,50 = 10.842,50 6 Maka b dengan skala satu = 10.842,50 = 5.421,25 2 Rumus : Y = a + b X = 90.575,50 + 5.421,25 X Dengan memasukan nilai a dan b ke dalam persamaan trend, diperoleh persamaan Y 1 =90.575,50 + 5.421,25X. Anggaran dapat dihitung dengan memasukkan parameter ke dalam persamaan tersebut. Anggaran penjualan untuk bulan januari sampai desember 2016 dapat dihitung dalam tabel 4.3 berikut: Tabel 4.3 Data Perbandingan untuk Produk Plywood Bulan enjualan (Y) ai Trend (Y 1 ) (Y 1 Y) Januari 75.661 63.469,25-12.191,75 Februari 47.822 74.311,75 26.489,75 Maret 51.525 85.154,25 33.629,25 April 95.091 95,996,75 905,75 Mei 119.237 106,839,25-12.397,75 Juni 154.117 117.681,75-36.435,25 Juli 66.421 128.524,25 62.103,25 Agustus 147.041 139.366,75-7.674,25 September 180.689 150.209,25-30.479,75 Oktober 194.734 161.051,75-33.682,25 Nopember 181.625 171.894,25-9.730,75 Desember 163.273 182.736,75 19.463,75 Total 1.477.236 1.477.236 0 Sumber : Data Olahan Dari perhitungan nilai trend per bulan dalam tabel 4.3 dijadikan dasar untuk membandingkan nilai trend sebagai anggaran penjualan yang diperhitungkan dengan penjualan.pada bulan Januari terlihat selisih nilai trend dengan penjualan (Y 1 -Y) bernilai negatif sebesar 12.191,75 berarti penjualan naik dari yang diperhitungkan oleh nilai trend. Pada bulan Februari terlihat selisih (Y 1 -Y) bernilai positif sebesar 26.489,75 berarti penjualan mengalami penurunan dari yang diperhitungkan oleh nilai trend. Penjualan bulan Maret dan bulan April juga mengalami penurunan dimana nilai trend bernilai positif terlihat selisih (Y 1 -Y) bulan Maret sebesar 33.629,25 dan bulan April sebesar 905,75. Bulan Mei dan bulan Juni bernilai negatif, bulan Mei sebesar12.397,75 dan bulan Juni sebesar Rp 36.435,25. Pada bulan Mei dan bulan Juni mengalami peningkatan penjualan. Pada bulan Juli terlihat selisih (Y 1 -Y) bernilai positif sebesar 62.103,25. Bulan Agustus, September, Oktober, Nopember bernilai negatif terlihat selisih (Y 1 -Y) berarti penjualan naik dari yang diperhitungkan dari nilai trend. Bulan Agustus sebesar 7.674,25, bulan September sebesar 30.479,75, bulan Oktober sebesar 33.682,25, bulan Nopember sebesar 9.730,75. Sedangkan bulan Desember mengalami penurunan penjualan dari yang diperhitungkan nilai trendterlihat selisih (Y 1 -Y) sebesar 19.463,75. Prasetyo Widyo Iswara 18

1.4 Perhitungan Ramalan Penjualan dengan metode Least Square Perhitungan peramalan penjualan produk plywood dengan menggunakan metode least squaredisajikan dalam tabel 4.4sebagai berikut: Tabel 4.4 Metode Least Square an njualan (Y) X X 2 XY uari 75.661-11 121-832.271 ruari 47.822-9 81-430.398 ret 51.525-7 49-360.675 il 95.091-5 25-475.455 i 119.237-3 9-357.711 i 154.117-1 1-154.117 66.421 1 1 66.421 ustus 147.041 3 9 441.123 tember 180.689 5 25 903,445 ober 194.734 7 49 1,363,138 pember 181.625 9 81 1,634,625 ember 163.273 11 121 1,796,003 al 1.477.236 0 572 3.594.128 Sumber : Data Olahan a = Y = 1.477.236 = 123.103 n 12 b = XY = 3.594.128 = 6.283,44 X 2 572 Y = a + b X = 123.103 + 6.283,44 X Dengan memasukan nilai a dan b ke dalam persamaan trend, diperoleh persamaan Y 1 = 123.103 + 6.283,44 X. Anggaran dapat dihitung dengan memasukkan parameter ke dalam persamaan tersebut. Anggaran penjualan untuk bulan januari sampai desember 2016 dapat dihitung dalam tabel 4.5berikut: Tabel 4.5 Data Perbandingan untuk Produk Plywood Bulan enjualan (Y) ai Trend (Y 1 ) (Y 1 Y) Januari 75.661 53.985,16-21.675,84 Februari 47.822 66.552,04 18.730,04 Maret 51.525 79.118,92 27.593,92 April 95.091 91.685,80-3.405,20 Mei 119.237 104.252,68-14.984,32 Juni 154.117 116.819,56-37.297,44 Juli 66.421 129.386,44 62.965,44 Agustus 147.041 141.953,32-5.087,68 September 180.689 154.520,20-26.168,80 Oktober 194.734 167.087,08-27.646,92 Nopember 181.625 179.653,96-1.971,04 Desember 163.273 192.220,84 28.947,84 Total 1.477.236 1.477.236 0 Sumber : Data Olahan Dari perhitungan nilai trend per bulan dalam tabel 4.5 dijadikan dasar untuk membandingkan nilai trend sebagai anggaran penjualan yang diperhitungkan dengan penjualan. Pada bulan Januari terlihat selisih nilai trend dengan penjualan (Y 1 -Y) bernilai negatif sebesar 21.675,84berarti penjualan naik dari yang diperhitungkan oleh nilai trend. Pada bulan Februari terlihat selisih (Y 1 -Y) bernilai positif sebesar 18.730,04berarti penjualan mengalami penurunan dari yang diperhitungkan oleh nilai trend. Penjualan bulan Maret juga mengalami penurunan dimana nilai trend bernilai positif terlihat selisih (Y 1 -Y) bulan Maret sebesar 27.593,92. Bulan April, bulan Mei dan bulan Juni bernilai negatif, bulan April sebesar 3.405,20, bulan Mei sebesar 14.984,32 dan bulan Juni sebesar37.297,44. Pada bulan April, bulan Mei dan bulan Juni mengalami peningkatan penjualan. Pada bulan Juli terlihat selisih (Y 1 -Y) bernilai positif sebesar 62.965,44. Bulan Agustus, September, Oktober, Nopember bernilai negatif terlihat selisih (Y 1 -Y) berarti penjualan naik dari yang diperhitungkan dari nilai trend. Bulan Agustus sebesar 5.087,68, bulan September sebesar 26.168,80, bulan Oktober sebesar 27.646,92, bulan Nopember sebesar 1.971,03. Sedangkan bulan Desember mengalami penurunan penjualan dari yang diperhitungkan nilai trendterlihat selisih (Y 1 -Y) sebesar 28.947,84. 1.5 Perhitungan Ramalan Penjualan dengan metode Moment Perhitungan peramalan penjualan produk plywood dengan menggunakan metode moment sebagai berikut: Tabel 4.6 Metode Moment an njualan (Y) X X 2 XY uari 75.661 0 0 0 ruari 47.822 1 1 47.822 Maret 51.525 2 4 103.050 April 95.091 3 9 285.273 Mei 119.237 4 16 476.948 Juni 154.117 5 25 770.585 Juli 66.421 6 36 398.526 Agustus 147.041 7 49 1.029.287 September 180.689 8 64 1.445.512 Oktober 194.734 9 81 1.752.606 Nopember 181.625 10 100 1.816.250 Desember 163.273 11 121 1.796.003 Total 1.477.236 66 506 9.921.862 Y = n.a + b X XY = a X + b X 2 1.477.236 = 12 a + 66 b (x 66) 9.921.862 = 66 a + 506 b (x 12) 97.497.576 = 792 a + 4.356 b 119.062.344 = 792 a + 6.072 b -21.564.768 = -1.716 b b = 12.566,88 1.477.236 = 12 a + 66 b 1.477.236 = 12 a + 66 (12.566,88) 1.477.236 = 12 a + 829.414,15 647.821,85= 12 a a = 53.985,15 Rumus : Y = a + b X Y = 53.985,15 + 12.566,88 X Dengan memasukan nilai a dan b ke dalam persamaan trend, diperoleh persamaan Y 1 = 53.985,15 + 12.566,88 X. Anggaran dapat dihitung dengan memasukkan parameter ke dalam persamaan tersebut. Anggaran penjualan untuk bulan januari sampai desember 2016 dapat dihitung dalam tabel 4.7 berikut: Prasetyo Widyo Iswara 19

Tabel 4.7 Data Perbandingan untuk Produk Plywood Bulan enjualan (Y) lai Trend (Y 1 ) (Y 1 Y) Januari 75.661 53.985,15-21.675,85 Februari 47.822 66.552,03 18.730,03 Maret 51.525 79.118,92 27.593,91 April 95.091 91.685,79-3.405,21 Mei 119.237 104.252,67-14.984,33 Juni 154.117 116.819,55-37.297,45 Juli 66.421 129.386,43 62.965,43 Agustus 147.041 141.953,31-5.087,69 September 180.689 154.520,19-26.168,81 Oktober 194.734 167.087,07-27.646,93 Nopember 181.625 179.653,95-1.971,05 Desember 163.273 192.220,83 28.947,83 Total 1.477.236 1.477.235,88-0,12 Dari perhitungan nilai trend per bulan dalam tabel 4.7. Pada bulan Januari terlihat selisih (Y 1 Y) bernilai negatif sebesar 21.675,85 berarti penjualan naik dari yang diperhitungkan oleh nilai trend. Sedangkan pada bulan Februari dan bulan Maret terlihat selisih (Y 1 Y) bernilai positif, bulan Februari sebesar 18.730,03 dan bulan Maret sebesar 27.593,91 berarti penjualan turun dari yang diperhitungkan oleh nilai trend. Bulan April, Mei, dan Juni terlihat penjualan naik dari yang diperhitungkan oleh nilai trend. Bulan April sebesar 3.405,21, bulan Mei sebesar 14.984,33, dan bulan Juni sebesar Rp 37.297,45. Bulan Juli terlihat selisih (Y 1 Y) bernilai positif sebesar 62.965,43. Bulan Agustus, September, Oktober, dan Nopember terlihat selisih (Y 1 Y) bernilai negatif, bulan Agustus sebesar 5.087,69, bulan September sebesar 26.168,81, bulan Oktober sebesar 27.646,93, dan bulan Nopember sebesar 1.971,05. Sedangkan bulan Desember terlihat selisih (Y 1 Y) bernilai positif sebesar 28.947,83. 4.5 Perhitungan Standar Kesalahan Peramalan 1. Metode Semi Average Tabel 4.8 Standar Kesalahan Peramalan Bulan njualan (Y) ai Trend (Y 1 ) (Y 1 Y) (Y-Y 1 ) 2 Januari 75.661 63.469,25-148.638.768,06 12.191,75 Februari 47.822 74.311,75 701.706.855,06 26.489,75 Maret 51.525 85.154,25 33.629,25 1.130.926.455,56 April 95.091 95,996,75 905,75 820.383,06 Total 1.477.236 1.477.236 0 28.746,11 9.916.066.067,75 2. Metode Least Square Tabel 4.9 Standar Kesalahan Peramalan Bulan njualan (Y) ai Trend (Y 1 ) (Y 1 Y) (Y-Y 1 ) 2 Januari 75.661 53.985,16-21.675,84 469.842.039,71 Februari 47.822 66.552,04 18.730,04 350.814.398,40 Maret 51.525 79.118,92 27.593,92 761.424.420,97 April 95.091 91.685,80-3.405,20 11.595.387,04 Mei 119.237 104.252,68-14.984,32 224.529.845,86 Juni 154.117 116.819,56-37.297,44 1.391.099.030,55 Juli 66.421 129.386,44 62.965,44 3.964.646.634,39 Agustus 147.041 141.953,32-5.087,68 25.884.487,78 September 180.689 154.520,20-26.168,80 684.806.093,44 Oktober 194.734 167.087,08-27.646,92 764.352.185,49 Nopember 181.625 179.653,96-1.971,04 3.884.998,68 Desember 163.273 192.220,84 28.947,84 837.977.440,67 Total 1.477.236 1.477.236 0 9.490.856.962,98 28.123,03 3. Metode Moment Tabel 4.10 Standar Kesalahan Peramalan Bulan Penjualan (Y) Nilai Trend (Y 1 ) (Y 1 Y) (Y-Y 1 ) 2 Januari 75.661 53.985,15-21.675,85 469.842.473,22 Februari 47.822 66.552,03 18.730,03 350.814.023,80 Maret 51.525 79.118,92 27.593,91 761.423.869,09 April 95.091 91.685,79-3.405,21 11.595.455,14 Mei 119.237 104.252,67-14.984,33 224.530.145,55 Juni 154.117 116.819,55-37.297,45 1.391.099.776,50 Juli 66.421 129.386,43 62.965,43 3.964.645.375,08 Agustus 147.041 141.953,31-5.087,69 25.884.589,54 September 180.689 154.520,19-26.168,81 684.806.616,82 Oktober 194.734 167.087,07-27.646,93 764.352.738,42 Nopember 181.625 179.653,95-1.971,05 3.885.038,10 Desember 163.273 192.220,83 28.947,83 837.976.861,71 Total 1.477.236 1.477.235,88-0,12 9.490.856.962,98 Mei 119.237 106,839,25-153.704.205,06 12.397,75 28.123,03 Juni 154.117 117.681,75 - Pada metode semi average ternyata memiliki SKP 36.435,25 1.327.527.442,56 sebesar 28.746,11, sedangkan metode least square dan Juli 66.421 128.524,25 62.103,25 3.856.813.660,56 metode moment sebesar 28.123,03. Berarti metode least Agustus 147.041 139.366,75-58.894.113,06 square dan metode moment yang tepat digunakan untuk 7.674,25 melakukan peramalan penganggaran penjualan jenis September 180.689 150.209,25-929.015.160,06 kayu plywood. Nilai SKP yang terkecil akan 30.479,75 menunjukkan bahwa peramalan penjualan yang disusun Oktober 194.734 161.051,75-33.682,25 1.134.493.965,06 tersebut mendekati kesesuaian. Nopember 181.625 171.894,25-94.687.495,56 9.730,75 Desember 163.273 182.736,75 378.837.564,06 19.463,75 Prasetyo Widyo Iswara 20

KESIMPULAN Tahu Pong. Jurnal Ilmiah Nero, Vol.2, No.2. Berdasarkan hasil analisis dan pembahasan yang telah dilakukan pada bab sebelumnya, maka peneliti mengambil beberapa kesimpulan sebagai berikut: 1. Nilai SKP metode semi average sebesar 28.746,11, Nilai SKP metode least squaresebesar 28.123,03, dan Nilai SKP metode momentsebesar 28.123,03. 2. Metode least square dan metode momentyang tepat digunakan untuk melakukan peramalan penganggaran penjualan untuk jenis kayu plywood. Penelitian ini memberikan saran yang dapat dijadikan masukan untuk berbagai pihak sebagai berikut: 1. Bagi perusahaan yang bersangkutan memberikan informasi mengenai peramalan penganggaran penjualan, yang nantinya digunakan oleh manajemen perusahaan untuk melakukan penganggaran penjualan. 2. Bagi pembacamemberikan wawasan mengenai sales forecasting (peramalan penjualan) 3. Bagi peneliti berikutnya hendaknya menambah variabel penelitian yang digunakan dan jumlah objek penelitian. Paramita, Citra, dan Muid, Dul. 2011. Analisis Perbandingan Metode Peramalan Penjualan Bahan Bakar Minyak dengan Standar Kesalahan Peramalan (SKP) Pada Pertamina (Persero) Region IV Jateng dan DIY. Undergraduate thesis. Universitas Diponegoro. Silalahi, Ingrid. 2009. Analisis Anggaran Penjualan Dalam Evaluasi Kinerja Manajemen Perusahaan Pada PT Bintang Cosmos Medan. Skripsi Universitas Sumatera Utara: Medan Susilawaty, Riauli. 2011. Penerapan Metode Peramalan dalam Perhitungan Anggaran Biaya Proyek (Studi Kasus pada PT X dan Institusi Negeri Z Bandung). Jurnal Ekonomi, Keuangan, Perbankan, dan Akuntansi, Vol.3, No.1, Mei 2011, 165-188. Sumaryono, Roy. 2014. Penerapan Metode Trend Moment dalam Forecast Penjualan Beton Readymix di PT X Mojokerto. Media Mahardika, Vol.13, No.1, September 2014, 51-57. DAFTAR PUSTAKA Adisaputro, Gunawan, dan Marwan Asri. 1998. Anggaran Perusahaan I. Edisi Ketiga. Yogyakarta: BPFE. Hastuti, Rita Budi. 2005. Evaluasi Penyusunan Anggaran Penjualan Pada Divisi Percetakan dan Penerbitan. Tugas Akhir Universitas Sebelas Maret: Surakarta. Haruman, Tendi, & Rahayu, Sri. 2007. Penyusunan Anggaran Perusahaan. Edisi kedua. Yogyakarta: Graha Ilmu. Indriyo, Gitosudarmo dan Mohamad, Najmudin. 2003. Anggaran Perusahaan Teori Soal dan Tanya Jawab. Yogyakarta: BPFE. Nafarin, M. 2000. Penganggaran Perusahaan. Edisi Pertama. Jakarta: Salemba Empat. Nafarin, M. 2007. Penganggaran Perusahaan. Edisi 3. Jakarta: Salemba Empat. Pamungkas, Danar Putra. 2016. Implementasi Metode Least Square untuk Prediksi Penjualan Prasetyo Widyo Iswara 21