ANGGARAN
PENJUALAN
- PENGERTIAN
Dalam
penyusunan anggaran operasional perusahaan \, biasanya kegiatan
pertama yang harus dilakukan adalah membuat anggaran penjualan.
Anggaran penjualan umumnya menggambarkan penghasilan yang diterima
karena adanya penjualan. Anggran penjualan meliputi anggaran tentang
jenis produk yang akan dijual, volume produk yang akan dijual, harga
per unit, waktu penjualan, dan daerah penjualannya. Anggaran
penjualan merupakan dasar penyusunan anggaran lannya. Oleh karena itu
setelah anggaran penjualan disusun, dilanjutkan dengan menyusuan
anggaran operasional lainnya. Setelah anggaran operasional dibuat,
selanjutnya disusun anggaran keuangan, semua dibuat dengan berpedoman
kepada anggaran penjualan.
Anggaran
penjualan yang disusun mempunyai kegunaan sebagai berikut :
1.
Secara Umum
Sama
dengan semua anggaran, yaitu sebagai pedoman kerja, alat
pengkoordinasian kerja dan alat pengawasan kerja.
2.
Secara khusus
Berguna
sebagai dasar penyusunan semua anggaran yang ada dalam perusahaan.
Agar
anggaran dapat disusun, langkah awal yang harus ditempuh adalah
menetapkan target penjualan. Untuk menetapkan target penjualan,
beberapa pokok berikut perlu diperhatikan :
1.
Harus mempertimbangkan faktor-faktor sebagai berikut :
- Luas pasar, apakah bersifat lokal, regional, nasional
- Keadaan persaingan, apakah bersifat monooli, persaingan bebasa dan sebagainya.
- Kemampuan paar untuk menyerap barang (peluang pasar)
- Keadaan/sifat konsumen, yaitu konsumen akhir dan konsumen industri
- Kemampuan financial, yaitu kemampuan membiayaa riset pasar, modal kerja, membeli bahan mentah, dan lain ssebagainya
- Keadaan personalia, berhubungan dengan tenaga kerja baik dalam jumlah mauun kualtasnya.
2.
Membuat suatu proyeksi /forecast penjualan (ramalan penjualan)
- FORECAST PENJUALAN
Forecast
penjualan adalah perkiraan / proyeksi secara teknisi permintaan
konsumen potensial untuk suatu waktu tertentu dengan berbagai asumsi.
Dalam hal ini hasil dari suatu forecast lebih merupakan pernyataan
atau penilaian yang kuantitatifisir terhadap kondisi masa depan
mengenai penjualan sebagai proyeksi teknis dari permintaan konsumen
potensial untuk jangka waktu tertentu. Meskipun demikian hasil
perkiraan yang diperoleh mungkin saja tidak sama dengan rencana. Hal
ini disebabkan karena :
- Forecast lebih merupakan pernyataan atau penilaian yang dikuantifisir terhadap kondisi masa depan mengenai subjek tertentu, misalnya penjualan.
- Forecast penjualan merupakan proyeksi teknis dari permintaan konsumen potenasial untuk jangka waktu tertentu, dengan menyebutkan asumsi yangmendasarinya
- Forecast selayaknya hanya dipandang sebagai bahan masukan untuk mengembangkan suatu rencana penjualan.
- Manajemen dapat menerima atau menolak hasil dari suatu forecast
Pada
umumnya hasil dari suatu forecast penjualan akan dikonversikan
menjadi rencana penjualan dengan memperhitungkan berbagai hal berikut
:
- Pendapat
- Strategi-strategi yang direncanakan
- Keterikatan/komitmen dengan sumber daya
- Ketetapan manajemen dalam usaha mencapai sasaran penjualan.
Secara
umum teknik forecast yang umum diterapkan untuk memperoleh suatu
forecast penjualan dapat dikelompokkan menjadi :
- Forecast berdasarkan judgement
- Forecast berdasarkan analisis statistika.
- Forecast berdasarkan metode khusus
1.
Forecast berdasarkan judgement
Forecast
berdasarkan judgement dapat dilakukan melalui pendapat pimpinan
bagian pemasaran, pendapat para petugas penjualan, pendapat para
penyalur, pendapat konsumen, maupun pendapat para ahli.
2. Forecast
berdasarkan analisis statistika
- Apabila [erhitungan berdasarkan data histories dati satu variable saja, maka digunakan cara :
- Metode Tren bebas
- Metode Tren Semi Average
- Metode Tren Moment
- Metode tren least Square
- Apabila perhitungan berdasarkan data histories dari satu variable yang akan ditaksir dihubungkan dengan data histories lain yang mempunyai hubungan kuat terhadap perkembangan variable yang akan ditaksir, maka dignakan cara :
- Metode Korelasi
- Metode Regresi
PT.
PRATAM JAYA, yang bergerak dalam bisnis makanan anak, memiliki data
penjualan tahunan sebagaimana tertera pada Tabel. 2.1
Tabel
2.1
Penjualan
makanan Anak PT. PRATAMA JAYA tahun 2003-2007
- TahunJumlah Penjualan (juta unit)20031402004148200515720061602007169
Terhadap
data penjualan PT. PRATAMA JAYA, tersebut dapat dibuat forecast
penjualan untuk tahun 2008 dan seterusnya dengan menggunakan beberapa
metode yang disebutkan sebelumnya, berikut akan diberikan ilustrasi
pemakaian metode –metode tersebut
1.
Metode Trend Bebas
Pada
umumnya metode trend bebas cenderung dignakan sebagai analisis
pendahuluan yang akan memberikan gambaran awal dari suatu
permasalahan yang dihadapai. Metode trend bebas mencoba melihat pola
data amatan melalui tebaran titik dari pasangan data panjualan pada
setiap waktunya. Berdasarkan tebaran data yang terbentuk dapat
diperkirakan trend penjualan dari data tersebut. Sebagai contoh bila
terhadap data penjualan PT. ADIWIJAYA sebagaimana tertera pada Tabel
2.1 dibuat tebaran titiknya dan ditarik garis yang menghubungkan
titik-titik pasangan pengamatan tersebut, akan diperoleh gambaran
trend penjualan sebagai berikut :
Y
(unit)
170
160
150
140
X
0 N 2003 2004 2005 2006 2007
Dari
gambaran
yang
diperoleh,
bila
asumsi
yang
disebutkan
sebelumnya
dipenuhi,
maka
dapat
diramalkan
bahwa
penjualan
PT.
PRATAMA
JAYA
tahun
2007
akan
meningkat
melebihi
penjualan
tahun-tahun
sebelumnya.
Meskipun
demikian
gambaran
tentang
beberapa
berapa
besanya
penjualan
PT.
PRATAMA
JAYA
pada
tahun
2007
dan
seterunya
dalam
bentuk
angka
tidak
dapat
diperoleh
dengan
menggunakan
trend
bebas
ini.
Untuk
memperoleh
hasil
peramalan
yang
lebih
akurat,
pada
umumnya
metode
trend
bebas
perlu
dilanjutkan
ke
analisis
yang
dapat
menunjukan
bentuk
hubungan
antara
data
penjualan
dengan
waktu.
2.
Metode Trend Semi Average
Metode
trend semi average dapat digunakan untuk keperluan forecast dengan
bentuk suatu persamaan seperti analisis regresi. Metode ini dapat
digunakan apabila data yang ada jumlahnya genap, sehingga dapat
dbagai menjadi dua kelompok sama besar.
Metode
trend semi average memiliki mekanisme sebagai berikut ;
1.
Membagi data yang ada menjadi dua kelompok
Contoh Aplikasi :
Jika
data
penjualan
yang
dimiliki
oleh
PT.
PRATAMA
JAYA
adalah
sebagai
berikut
:
Tabel
2.2
Data
Penjualan
PT.
PRATAMA
JAYA
tahun
2002-20007
- TahunJumlah Penjualan (Y) dlm juta unit200214020031482004157200515720061602007169
Untuk
kasus
penjualan
PT.
PRATAMA
JAYA
tersebut,
kelompok
pertama
adalah
data
penjualan
tahun
2002,
2003
dan
2004.
Kelompok
kedua
adalah
data
penjualan
tahun
2005,
2006,
dan
2007.
- Dari tiap kelompok data dicari nilai rata-rata. Rata-rata dari kelompok pertama adalah 148,33 dan rata-rata kelompok kedua adalah 162 sebagaimana ditunjukkan pada tabel berikut :
- TahunJml penjualan (Y) dalam juta unitTotalAverageX1994140-11995148445445 = 148,33019961571199715721998160486486 = 162319991694
3. Memberi
score terhadap waktu yang terkait dengan data penjualan Dalam metode
trend semi average ini, acuan adalah kepada kelompok pertama. Score 0
diberikan bagi data yang berada di tegah dari data yang ada pada
kelompok pertama bila datanya ganjil. Selnjutnya terhadap data yang
sebelumnya diberi score -1, -2, -3 dst dan terhadap data yang sesudah
diberi score 1,2,3, dst. Untuk data yang jumlahnya genap, biasanya
score tidak melibatkan nilai nol. Sebagai contoh bla datanya ada 4,
score yang diberikan adalah -3,-1,1,3
4. melanjutkan
pemberian score pada kelompok data yang kedua. Contoh pada kasus data
penjualan PT. ADIWIJAYA score terakhir dari kelompok 1 adalah 1, maka
terhadap data penjualan tahun 1997, 1998, 1999 diberi score 2,3 dan
4.
5. membentuk
persamaan Y= a+bX dan melakukan forecast nilai Y untuk nilai X yang
ditentukan , dimana
a
=
rata-rata
kelompok
1
(X1)
b=
selisih
antara
X2
dengan
X1
dibagai
dengan
jumlah
data
yang
ada
dalam
1
kelompok
Jadi
:
a
= 148,33
162 – 148,33
b
--------------------------- = 4,5567
3
dengan
demikian persamaan yang terbentuk adalah :
Y
= 148,33 + 4,5567 (X)
Maka
forecast penjualan untuk tahun 2000 adalah (dberi score x = 5)
Y
= 148,33 + 4,5567 (50 = 171,11
Untuk
tahun 2001, diramalkan penjualan PT. ADIWIJAYA sebesar :
Y
= 148,33 + 4,5567 (6) = 175,67
Dalam
mengunakan metode tren semi average ini perlu disadari bahwa
keakuratan forecast akan semakin rendah bila periode waktu
permalannya smakin jauh ke depan dari data yang digunakan untuk
forecast.
3.
Metode Trend Moment
Metode
trend moment merupakan analisis yang dapat digunakan untuk keperluan
peramalan dengan membentuk persamaan : Y = a + b X sebagaimana telah
diulas pada Metode rend semi Average.
Dalam
enerapannya
metode
ini
tidak
mensyaratkan
jumlah
data
harus
genap.
Perbedaan
dengan
Metode
trend
semi
Average
terletak
pada
pemberian
score
nilai
X
nya.
Dalam
hal
ini
pemberian
score
X
dimulai
dari
0,1,2
dst.
Berikut
akan
diberikan
ilustrasi
penerapan
metode
ini
untuk
data
penjualan
PT.
PRATAMA
JAYA
sebagaimana
tertera
pada
tabel
2.1
- TahunYXXYX220031400002004148114812005157231442006160348092007169467616S774101.61830
Dalam
mencari koefisien a dan b digunakan persamaan :
S
Y =
n
.
a
+
b.
SX
SXY
=
a.
SX
+
b.
SX2
Keterangan
:
n
=
banyaknya
pasangan
amatan
x,y
=
5
Selanjutnya
terhadap persamaan-persamaan yangterbentuk dapat dicari
penyelesainnya melalui metode eliminasi ataupun metode substitusi
sebagaimana ditunjukkan dalam contoh berikut :
I. 774 =
5.a
+
b
(10) [
x2
]
II. 1.618 =
10
.
a
+
b
9300 [
x1
]
- = 10 a + 20 b
1.618
= 10.a + 30 b (-)
-
70 = - 10 b b = 7
Substitusikan
b
= 7 (I) 774 = 5 a + 10 (7)
5a = 774 - 70 = 704
a = 704 / 5 = 140,8
maka
persamaan trendnya : Y = 149,8 + 7 (X)
forecast
penjualan untuk tahun 2000 ;
Y
=
154,8
+
7
(3)
=
175,8
4.
a. Metode Lest Squre (metode Jumlah Kuadrat Terkecil)
Dalam
hal ini , terhadap data dilakukan pembagian menjadi dua kelompok .
Untuk data yang jumlahnya :
- Genap, maka score nilai X – nya adalah … -5,-3,-1,1,3,5
- Ganjil , maka score nilai X – nya adalah …. , -2,-1,0,1,2
Selanjutnya
koefisien a dan b dicari dengan rumus :
∑ Y
∑XY
a
= ----------- b = -----------
n ∑
X2
Berdasakandata
penjualan
PT.
PRATAMA
JAYA,
pada
tabel
ini
,
hasil
perhitungan
dengan
teknik
ini
adalah
sebagai
berikut
- TahunYXXYX22003140-2-28042004148-1-14812005157000200616011601200716923384S77407010
774
70
a
= ----------- = 154,8 b = ----------- = 7
5 10
Sehingga
persamaam trend metode least square adalah
Y
= 154,8 + 7 (X)
Forecast
penjualan
tahun
2008
:
Y
= 154,8 + 7 (3) = 175,8
b.
Metode korelasi dan regresi
Analisis
korelasi dan regresi menunjukkan hubungan antara satu variable dengan
satu atau lebih variable lainnya. Dengan analisis korelasi dapat
diketahui keeratan hubungan dari variable-variabel yang menjadi
perhaian sedangkan dengan analisis regresi dapat diketahui bentuk
hubngan dari variable-variabel yang menjadi perhaian.
Dengan
analisis regresi dapat diketahui besarnya perubahan variavel yang
dicari bla factor-faktor lain yang mempengaruhi variable tersebut
berubah. Seperti ada contoh di atas, perubahan tingkat penjualan
tidak hanya ditentukan oleh pola penjualannya tetapi juga di
tentukan leh factor-faktor lain.
Aplikasi
dari
metode
ini
berdasarkan
data
penjualan
PT.
PRATAMA
JAYA
pada
tabel
2.1
adalah
sebagai
berikut.
Bila
X
menunjukkan
biaya
iklan
(dalam
jutaan
ruiah0
dan
Y
menunjukkan
jumlah
penjualan
(dalam
juta
unit)
ilustrasi
terhadap
metode
ini
ditunjukkan
sebagai
berikut
:
- TahunYXXYX1X2199591401.2608119.6001996121481.77614421.9041997141572.19819624.6491998151602.40022525.6001999171692.87328928.561S6777410.507935120.314
Persamaan
regresinya -------------> Y = a + b (X)
Koefisien
a dan b dicari dengan persamaan
S
xY
-
SX.
SY 5
910507)
– (67)
(7740
b =
---------------------------------- =
--------------------------------------= 3,64
n.
SX2
– (SX)2
5
(935)
-
(67)2
S
Y
– b.
SX
7745
– (3,64)
(67)
a. =
--------------------------- = -------------------------- = 106,02
n 5
Jadi
: Y = 106,02 + 3,64 X
Persamaan
ini dapat diinterpretasikan bahwa bila biaya iklan naik satu juta
rupiah, jumlah penjualan akan meningkat 3,64 juta unit.
Koefisein
korelasi dicari dengan persamaan :
nSXY
-
SX.
SY
r
= -----------------------------------------------
ÖnSX2
-
(SX)2
Ön.
SY2
-
(SY)2
intepretasi
dari
koefisien
korelasi
secara
teoritis
adalah
sebagai
berikut
:
- Jika 0 £ r £ 1 berarti variable x memiliki hubungan yang positif dan berbanding lurus (linier) dengan variable Y. Bila nilai Variabel X bertambah maka nilai variable Y juga akan bertambah, dmikian juga sebaliknya. Semakin dekat nilai r ke 0 maka smakin lemah kekuatan hubngan kedua variable tersebut, sebaliknya semakin dekat nilai r ke 1 semakin kuat hubungan dari kedua variable tersebut.
- Jika r = 0 berarti X tidak memiliki hubungan linier dengan variable Y. Artinya gejolak nilai variable X tidak berpengaruh terhadap gejolak atau perkembangan nilai variable Y. dengan kata lain bertambah atau berkurang nilai variable Y tidak terkait dengan perubahan nlai variable X
- Jika -1 £ r £ 0 berarti variable X berhubngan dengan variavel Y etapi hubungannya negative. Dalam hal ini jika nilai ariabel X bertambah maka nilai variable Y justeru berkurang,demikian juga sebaliknya.
Nilai
koefisien korelasi uintuk data sebelumnya adalah :
5
(10.507) – (67) 7740
r
=-----------------------------------------------------------------------------
= 0.,994
Ö5
9935)
-
(67)2
Ö
5
9120.3140
-
(774)2
Dengan
demikian, karena nilai yang diperoleh mendekati 1, berarti terdapat
keeratan hubungan yang sangat kuat diantara biaya iklan dengan jumlah
penjualan. Sifat hubungan antara keduanya adalah positif yang berarti
dengan meningkatnya biaya iklan terjadi pula kenaikan jumlah
penjualan.
3.
Forecast berdasarkan Metode
khusus
a.
Analisis industri
Dalam
analisis ini lebih ditekankan pada “ market Share” yang dimiliki
perusahaan. Analisis ini menghubungkan potensi penjualan pwerusahaan
dengan industri pada umumnya (volume, posisi dalam persaingan)
Tahapan
dalam pemakaian analisis industri :
- Membuat proyeksi permintaan industri
- Menlai posisi perusahaan dalam persaingan
Permintaan perusahaan
Market
Share = ------------------------------------------ x 100%
Permintaan
industri
b.
Analisis
Product
Line
Umumnya
analisis
product
line
digunakan
pada
perusahaan
yang
menghasilkan
beberapa
macam
dan
tidak
mempunyai
kesamaan,
sehingga
dalam
membuat
forecast
nya
harus
terpisah
c. Analisis
Penggunaan
akhir
Bagi
perusahaan yang menghasilkan produk setengah jadi, masih memerlukan
proses lebih lanjut menjadi produk jadi dan siap untuk dikomsumsi,
maka dalam pembuatan forecast-nya ditentukan oleh penggunaan akhir
yang ada kaitannya dengan produk yang dihasilkan
2.3. FAKTOR-FAKTOR
YANG MEMPENGARUHI ANGGARAN PENJUALAN
1.
Faktor Intern
Yaitu
factor-faktor yang beraal dari dalam perusahaan.
Yang
termasuk dalam factor ini antara lain
- Penjualan tahun-tahun yang lalu
- Kebijaksanaan perusahaan yang berhubngan dengan masalah penjualan
- Kapasitas produksi dan kemungkinan perluasannya
- Tenaga kerja yang dimiliki
- Modal yang tersedia
- Fasilitas-faslitas lain
2.
Faktor
Ekstern
Yaitu
faktor-faktor yang berasal dari luar perusahaan
Yang
termasuk dalam factor ini, antara lain
- keadaan persaingan di pasar
- Posisi perusahaan dalam persaingan
- Tingkat pertumbuhan penduduk
- Tingkat penghasilan masyarakat
- Elastisitas permintaan terhadap harga barang yang dihasilkan perusahaan
- Agama, adapt istiadat dan kebiasaan masyarakat
- Kebijaksanaan pemerintah
- Keadaan perekonomian nasional/internasional
- Kemajuan teknologi barang-barang substitusi, selera konsumen
Tidak ada komentar:
Posting Komentar