Forecast Penjualan: Contoh dan Cara Menguji Ramalan

Forecast penjualan adalah perkiraan penjualan pada periode mendatang berdasarkan data serta asumsi yang dinyatakan jelas. Mulailah dari unit barang per minggu, buat pembanding sederhana, lalu uji ramalan pada periode lampau yang belum digunakan dalam perhitungan. Bandingkan selisih ramalan dengan realisasi sebelum memilih metode. Hasilnya menjadi bahan diskusi kebutuhan bisnis, dengan ketidakpastian dan batas data yang tetap dicatat.

Tentukan angka yang ingin diramal sebelum memilih rumus

Penjualan dalam Rupiah dapat naik karena harga berubah, sementara unit yang keluar tetap. Jika pertanyaan Anda berapa filter yang kemungkinan terjual minggu depan, gunakan satuan pcs. Jika pertanyaannya nilai penjualan, tentukan dahulu bagaimana harga, diskon, dan campuran produk masuk perhitungan. Artikel ini memakai unit satu barang agar hasil uji mudah diperiksa. Ramalan unit tersebut belum merupakan anggaran pendapatan atau keputusan pengadaan.

Tuliskan satu definisi operasional: misalnya unit penjualan yang telah terlaksana menurut dokumen perusahaan, dikelompokkan per minggu kalender. Tentukan perlakuan pembatalan dan retur agar datanya tidak berubah makna antarperiode. Pesanan yang baru dikonfirmasi berbeda dengan kiriman yang sudah terlaksana. Panduan contoh surat jalan pengiriman barang menjelaskan mengapa komitmen pelanggan perlu dibaca terpisah dari pelaksanaan barang. Jangan mencampur keduanya menjadi satu seri tanpa penjelasan.

Periksa minggu dengan stok kosong, promosi, hari tutup, dan pesanan proyek sekali jalan. Penjualan nol saat barang tidak tersedia tidak membuktikan pelanggan sama sekali tidak membutuhkan barang itu. Simpan catatan kejadian di sebelah data, bukan mengarang tambahan unit agar grafik terlihat normal. Jika Anda ingin memperkirakan permintaan yang belum terpenuhi, diperlukan bukti tambahan; contoh berikut hanya meramalkan seri penjualan teramati.

Siapkan periode berurutan dan simpan data uji

Buat satu baris untuk setiap minggu, termasuk minggu yang benar-benar tidak memiliki penjualan. Bedakan angka nol yang telah diverifikasi dari data yang belum dikumpulkan. Dua minggu tanpa berkas bukan dua minggu dengan penjualan nol. Periksa jumlah unit terhadap dokumen sumber, satuan kemasan, dan kode barang. Jika barang sama terpecah pada beberapa kode, selesaikan pemetaannya sebelum menilai pola penjualan.

Menurut Forecasting: Principles and Practice, data pelatihan dipakai membentuk ramalan dan data uji dipakai mengevaluasinya. Metode rata-rata memakai rerata sejarah; metode naif memakai pengamatan terakhir. Keduanya berguna sebagai pembanding. Pisahkan data uji berdasarkan waktu, sehingga ramalan hanya menggunakan informasi yang tersedia sebelum periode yang diramal.

Misalnya enam minggu penjualan filter adalah 70, 80, 90, 100, 110, dan 120 pcs. Kita akan menguji ramalan yang dibuat pada akhir minggu keenam untuk tiga minggu berikutnya. Rata-rata enam angka itu 570 dibagi enam, yaitu 95 pcs per minggu. Metode naif menghasilkan 120 pcs untuk setiap minggu mendatang. Kedua ramalan dibekukan sebelum realisasi minggu ketujuh sampai kesembilan dibuka. Seluruh seri ini hipotetis, bukan data pelanggan atau hasil pengujian produk Sparta.

Hitung kesalahan pada periode yang tidak ikut dilatih

Sekarang buka realisasi tiga minggu uji: 130, 100, dan 115 pcs. Untuk ramalan rata-rata 95, selisih absolutnya 35, 5, dan 20 pcs, total 60 pcs. Rata-rata kesalahan absolut, disebut MAE, adalah 60 dibagi tiga atau 20 pcs. Untuk ramalan naif 120, selisih absolutnya 10, 20, dan 5 pcs; MAE menjadi 35 dibagi tiga atau sekitar 11,67 pcs. Definisi MAE sebagai rerata selisih absolut juga dijelaskan dalam sumber OTexts tersebut.

Untuk uji tiga minggu yang dibekukan ini, naif memiliki MAE lebih kecil. Itu belum membuktikannya unggul pada semua barang atau musim. Periksa juga arah selisih: ramalan rata-rata selalu berada di bawah realisasi, sedangkan naif berada di bawah pada minggu ketujuh dan di atas pada dua minggu berikutnya. Tuliskan definisi tanda yang Anda pakai jika membuat kolom selisih bertanda; jangan membandingkan dua laporan yang satu menghitung aktual dikurangi ramalan dan yang lain sebaliknya.

Dalam Excel, simpan aktual di kolom B, ramalan rata-rata di C, dan ramalan naif di D. Pada kolom E gunakan =ABS(B2-C2), lalu pada F gunakan =ABS(B2-D2). Salin untuk tiga baris uji dan hitung =AVERAGE(E2:E4) serta =AVERAGE(F2:F4). Pisahkan tabel pelatihan agar angka aktual periode uji tidak ikut masuk rumus rata-rata secara tidak sengaja. Tiga observasi hanya cukup untuk latihan hitung ini, sehingga kesimpulan bisnis memerlukan pengujian pada jendela waktu yang lebih banyak.

Samakan jarak ramalan dengan kebutuhan keputusan

Ramalan untuk tiga minggu sekaligus berbeda dari ramalan satu minggu yang diperbarui setiap akhir minggu. Untuk uji bergulir satu minggu, setelah minggu ketujuh selesai Anda boleh memakai realisasi 130 saat meramal minggu kedelapan. Namun angka itu tidak boleh masuk ramalan yang seolah dibuat pada akhir minggu keenam. OTexts membahas pengujian dengan titik awal bergulir dan menekankan kesesuaian jarak ramalan dengan kebutuhan evaluasi.

Dengan seri contoh yang sama, ramalan bergulir rata-rata untuk minggu ketujuh tetap 95, untuk minggu kedelapan menjadi 100 dari tujuh minggu pertama, dan untuk minggu kesembilan tetap 100 dari delapan minggu pertama. Selisih absolutnya 35, 0, dan 15; MAE sekitar 16,67 pcs. Naif bergulir memakai 120, lalu 130, lalu 100; selisihnya 10, 30, dan 15, sehingga MAE sekitar 18,33 pcs. Peringkat kedua metode berbalik dibanding uji tiga minggu beku.

Perbedaan itu bukan alasan memilih desain uji setelah melihat mana yang memenangkan metode favorit. Tetapkan dahulu kapan ramalan dibuat dan untuk berapa minggu ke depan. Jika tim menyusun rencana tiga minggu tanpa pembaruan, pakai uji dengan jarak yang sesuai. Jika peninjauan dilakukan setiap minggu, ukur kinerja ramalan mingguan. Simpan versi lama sebelum pembaruan agar hasil yang salah tidak hilang tertimpa angka baru.

Gunakan Excel sebagai kandidat tambahan yang diuji

Dokumentasi Forecast Sheet Excel untuk Windows meminta seri waktu berinterval konsisten. Pilih kolom tanggal dan nilai, lalu buka Data, Forecast, Forecast Sheet; nama menu dapat berbeda sesuai bahasa. Fitur itu menggunakan ETS. Opsi Forecast Start sebelum akhir data memungkinkan hindcasting dengan data sebelum titik tersebut. Uji hasilnya pada periode yang sama dengan dua pembanding, bukan membandingkan grafik terlatih dengan ramalan yang benar-benar diuji.

Jangan menganggap bentuk grafik yang halus lebih baik daripada pembanding sederhana. Periksa tabel hasil serta selisih per minggu. Dokumentasi pemantauan akurasi Microsoft Dynamics membedakan akurasi ramalan historis terhadap permintaan historis dan estimasi akurasi model. Angka pada layar perlu dipahami asal perhitungannya. Referensi ini menjelaskan istilah evaluasi, bukan menyatakan Sparta memakai model atau layar Microsoft.

Hindari menjadikan MAPE satu-satunya penilaian ketika ada minggu dengan aktual nol. OTexts menjelaskan bahwa persentase kesalahan dapat tidak terdefinisi atau tak berhingga pada aktual nol, dan ekstrem di dekat nol. Untuk contoh satu barang bersatuan pcs ini, MAE memudahkan pemeriksaan langsung. Jangan menghapus minggu nol hanya supaya persentasenya terlihat bagus; periksa dahulu apakah nol tersebut benar dan bagaimana ukuran lain menjelaskan hasilnya.

Simpan keputusan dan tinjau ramalan berikutnya

Paket kerja minimal berisi definisi seri, daftar data, batas pelatihan, tanggal ramalan dibuat, jarak ramalan, metode, realisasi, dan selisih. Tambahkan catatan kejadian yang diketahui pada saat ramalan dibuat. Jika sales mengubah angka karena promosi yang sudah terkonfirmasi, simpan angka dasar serta versi penyesuaiannya. Sesudah realisasi muncul, Anda dapat menilai apakah penyesuaian membantu tanpa mengklaim bahwa ramalan otomatis selalu lebih buruk atau lebih baik daripada penilaian manusia.

Sparta menyediakan penjualan, persediaan, serta kartu stok yang dapat ditelusuri ke dokumen sumber. Periksa dahulu kualitas catatan Anda melalui panduan kartu stok barang. Kemudian bawa satu seri penjualan yang telah disamarkan saat meminta akses awal Sparta, untuk membahas keterlacakan bahan analisisnya. Contoh ramalan dan uji di artikel ini dikerjakan di lembar terpisah, bukan klaim fitur forecasting Sparta. Selama akses awal Anda dapat mencoba gratis dengan data sendiri; harga final belum dipublikasikan.