EKMA4570 - Penganggaran - Modul 2

Hutan Hujan Tropis, Kalimantan
Seoul, 8th of September 2013

Tinjauan Umum Modul 2
Secara umum, Modul 2 akan membahas tentang penyusunan anggaran jualan.
Modul 2 terdiri dari dua kegiatan belajar:
• Kegiatan Belajar 1 – Peramalan Penjualan;
• Kegiatan Belajar 2 – Penyusunan Anggaran Jualan.
Setelah mempelajari Modul 2, diharapkan mampu:
• Menjelaskan metode ramalan jualan;
• Menjelaskan kebaikan dan keburukan metode ramalan;
• Membuat ramalan jualan dengan bermacam metode;
• Menjelaskan pengertian anggaran jualan;
• Menjelaskan kegunaan anggaran jualan;
• Menjelaskan faktor yang mempengaruhi anggaran jualan;
• Menyusun anggaran jualan.
2

Forecasting
Peramalan merupakan proses kegiatan meramalkan suatu kejadian yang mungkin terjadi pada
masa yang akan datang dengan cara mengkaji data yang ada.
Peramalan jualan merupakan proses kegiatan memperkirakan produk yang akan dijual pada
waktu yang akan datang dalam keadaan tertentu dan dibuat berdasarkan data yang pernah
terjadi dan/atau mungkin terjadi.
Mengapa perlu peramalan?
• Adanya ketidakpastian;
• Adanya keterbatasan sumber daya.
Tujuan diadakannya peramalan:
• Untuk meminimalisir ketidakpastian;
• Agar langkah proaktif dapat dilakukan.
3

Forecasting
Prinsip-prinsip peramalan:
• Peramalan pasti mengandung kesalahan (error), artinya peramal hanya bisa mengurangi
ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut;
• Peramalan memberikan informasi tentang berapa besar kesalahan yang terjadi, artinya
karena peramalan pasti mengandung error, maka penting bagi peramal untuk meng-
informasikan seberapa besar kesalahan yang mungkin terjadi;
• Peramalan jangka pendek lebih akurat dibandingkan dengan peramalan jangka panjang. Hal
ini disebabkan karena pada peramalan jangka pendek faktor–faktor yang mempengaruhi
permintaan relatif masih konstan, sedangkan semakin panjang periode peramalan maka
semakin besar pula kemungkinan perubahan faktor-faktor yang memepengaruhi permintaan.
Metode yang dapat digunakan dalam membuat ramalan jualan antara lain:
• Metode kualitatif;
• Metode kuantitatif.
4

Qualitative Method
Metode Peramalan Kualitatif
Metode peramalan kualitatif digunakan bila hanya ada sedikit atau malah tidak tersedia data/
informasi (data historis), namun terdapat pengetahuan (knowledge) yang memadai.
Peramalan kualitatif lebih menekankan pada keputusan–keputusan hasil diskusi, pendapat
pribadi seseorang, dan intuisi yang meskipun kelihatannya kurang ilmiah tetapi dapat memberi-
kan hasil yang baik.
Metode kualitatif paling sesuai bila diterapkan dalam kondisi sebagai berikut:
• Tidak terdapat atau kurangnya data historis. Hal ini terjadi bilamana perusahaan mencoba
membuat atau mengembangkan produk baru;
• Terdapat data historis yang tepat, namun terdapat faktor-faktor tertentu yang membuat
peramalan menjadi kurang sesuai. Misalnya: data yang berhubungan dengan kondisi ekonomi
dan politik.
5

Qualitative Method
Beberapa metode peramalan kualitatif antara lain:
1. Pendapat para tenaga penjual (sales force);
Metode ini menekankan pertimbangan dan keahlian dari para tenaga penjual sehingga
partisipasi tingkat tinggi dari bawah ke atas sangat dibutuhkan. Metode ini sering digunakan
oleh perusahaan kecil dan perusahaan yang hasil produknya berjumlah sedikit.
Kelebihan:
• Ramalan dibuat oleh individu yang dekat dengan konsumen;
• Menanamkan tanggung jawab dan rasa memiliki perusahaan kepada tenaga penjual;
• Rencana awalnya disetujui oleh orang yang bertanggung jawab untuk tercapainya tujuan
perusahaan.
Kekurangan:
• Tenaga penjual mungkin terlalu optimis (hasil ramalan terlampau tinggi) atau terlalu pesimis
(hasil ramalan terlampau rendah);
• Tenaga penjual mungkin tidak memberikan perhatian yang cukup akan variabel yang
mempengaruhi penjualan;
• Metode ini terbatas pada ramalan taktis jangka pendek.
6

Qualitative Method
2. Pendapat para manajer divisi penjualan;
Metode ini menekankan pertanggungjawaban dari manajer penjualan (sales) daerah atau
produk. Variasi dari pendekatan ini berdasarkan pada survei informal dari pelanggan utama
perusahaan.
Kelebihan:
• Dapat digunakan secara luas oleh perusahaan dari semua ukuran;
• Berguna dalam situasi jumlah pelanggan terbatas.
Kekurangan:
• Metode ini terbatas pada ramalan taktis jangka pendek.
7

Qualitative Method
3. Pendapat para ahli;
Metode ini bertumpu pada pendapat orang yang dianggap ahli dan berpengalaman dalam
bidang penjualan.
Kelebihan:
• Sederhana dan mudah dilakukan.
Kekurangan:
• Lebih mengandalkan kemampuan individu daripada data yang mendukung pendapat
individu tersebut.
8

Qualitative Method
4. Pendapat para eksekutif;
Dalam metode ini peramalan dilakukan oleh eksekutif/manajer tingkat atas, karena pihak-
pihak tersebut dirasa sudah cukup mempunyai pengalaman dan kemampuan yang memadai.
Kelebihan:
• Sederhana, mudah, dan ekonomis.
Kekurangan:
• Memerlukan individu dengan pengalaman khusus dan pengetahuan yang luas tentang
ramalan dan penjualan;
• Ramalan kurang ilmiah.
9

Qualitative Method
5. Pendapat dari survei konsumen;
Metode ini mengandung arti sebelum dilakukan peramalan, diadakan survei ke lapangan
untuk mengetahui berapa permintaan pasar yang ada.
Kelebihan:
• Bersifat lebih objektif karena memperhatikan pendapat konsumen.
Kekurangan:
• Ramalan menjadi bias apabila sampel yang diteliti tidak representatif.
10

Quantitative Method
Metode Peramalan Kuantitatif
Metode peramalan kuantitatif digunakan bila tersedia data/informasi yang memadai.
Peramalan kuantitatif mengikuti aturan–aturan matematika dan statistika dalam menunjukkan
hubungan antara permintaan dengan satu atau lebih variabel yang mempengaruhinya.
Metode kuantitatif paling sesuai bila diterapkan dalam kondisi sebagai berikut:
• Tersedianya informasi yang cukup tentang masa lalu;
• Informasi tersebut bersifat kuantitatif atau kualitatif (bila menggunakan data kualitatif, maka
data tersebut harus bisa dikuantitatifkan);
• Diasumsikan bahwa pola masa lalu akan berkelanjutan pada pola masa datang.
11

Quantitative Method
Beberapa metode peramalan kuantitatif antara lain:
1. Metode distribusi probabilitas;
Metode ini meramalkan jualan dengan cara memakai variasi produk yang akan dijual dan
membuat probabilitas masing-masing taksiran dari variasi produk tersebut.
Kelebihan:
• Mudah dikerjakan.
Kekurangan:
• Bergantung pada manajemen dalam penentuan besarnya nilai probabilitas (bobot).
12

Quantitative Method
1. Metode distribusi probabilitas;
Dari data historis, diketahui kalau jualan berkisar antara 0 – 20.000 unit. Manajer penjualan
memilih lima angka tertentu dari rentang 0 – 20.000 dan menetapkan probabilitas dari masing-
masing angka.
1.000 = 10%; 5.000 = 20%; 9.000 = 35%; 13.000 = 30%; 17.000 = 5%.
*Probabilitas/bobot merupakan subjektivitas dari manajer penjualan.
13
Tahun Jualan Ramalan
2000 5,123
2001 1,098
2002 4,011
2003 8,712
2004 9,821
2005 10,231
2006 12,312
2007 13,001
2008 14,210
2009 13,210
2010 9,123
2011 18,213
2012 20,121
2013 9,000
-
5,000
10,000
15,000
20,000
25,000
Ramalan Jualan PT. UTK
Jualan
Ramalan

Quantitative Method
2. Metode analisis trend;
Metode ini meramalkan jualan dengan cara menganalisis pola dari data historis.
Data historis dapat mempunyai pola sebagai berikut:
• Konstan  Musiman (siklis)
• Linear (upward /downward trend)  Acak (random)
14
Period
Demand
151413121110987654321
8,50
8,25
8,00
7,75
7,50
Time Series Plot of Demand
Period
Demand
10987654321
12
10
8
6
4
2
Period
Demand
18161412108642
6
5
4
3
2
Period
Demand
161412108642
10
9
8
7
6
5
4
3
2
1

Quantitative Method
Kelebihan:
• Bersifat ilmiah dan lebih objektif.
Kekurangan:
• Pola masa lalu diasumsikan berulang pada masa yang akan datang;
• Hanya melihat pola data masa lalu, tidak mempertimbangkan faktor-faktor yang dapat
mempengaruhi ramalan jualan, atau faktor-faktor yang mempengaruhi ramalan jualan
diasumsikan konstan.
15

Quantitative Method
• Pola data konstan.
16
n
Y
Y

Tahun Jualan (Y) Ramalan
2000 12,000
2001 11,987
2002 11,876
2003 12,100
2004 12,112
2005 11,980
2006 12,100
2007 11,998
2008 11,980
2009 12,000
2010 11,876
2011 12,100
2012 12,112
2013 12,017
2014 12,017
2015 12,017
2016 12,017
2017 12,017
11,000
11,200
11,400
11,600
11,800
12,000
12,200
12,400
12,600
12,800
13,000
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Jualan (Y)
Ramalan

Quantitative Method
• Pola data linear.
17
bXaY 
n Tahun Jualan (Y) X X2 XY
1 2011 130 0 0 0
2 2012 145 1 1 145
3 2013 150 2 4 300
4 2014 165 3 9 495
5 2015 170 4 16 680
760 10 30 1620
b 10
a 132
X Tahun Jualan (Y) Ramalan
0 2011 130
1 2012 145
2 2013 150
3 2014 165
4 2015 170
5 2016 182
6 2017 192
7 2018 202
8 2019 212
9 2020 222
Σ
0
50
100
150
200
250
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Jualan (Y)
Ramalan
 22





XXn
YXXYn
b
n
XbY
a
 


Quantitative Method
• Pola data kuadratis (musiman).
18
2
cXbXaY 
n Tahun Jualan (Y) X XY X2
X2
Y X4
1 2011 130 -2 -260 4 520 16
2 2012 145 -1 -145 1 145 1
3 2013 150 0 0 0 0 0
4 2014 165 1 165 1 165 1
5 2015 170 2 340 4 680 16
760 0 100 10 1510 34
c -0.7143
X Tahun Jualan (Y) Ramalan b 10
-2 2011 130 a 153.429
-1 2012 145
0 2013 150
1 2014 165
2 2015 170
3 2016 177.00
4 2017 182.00
5 2018 185.57
6 2019 187.71
7 2020 188.43
Σ
0
20
40
60
80
100
120
140
160
180
200
2011201220132014201520162017201820192020
Jualan (Y)
Ramalan

Quantitative Method
• Pola data eksponensial (1)
19
X
baY 
Tahun Jualan (Y) LogY X XLogY X2
1 20 1.30 1 1.30 1
2 100 2.00 2 4.00 4
3 800 2.90 3 8.71 9
4 3000 3.48 4 13.91 16
5 15000 4.18 5 20.88 25
6 150000 5.18 6 31.06 36
7 1000000 6.00 7 42.00 49
8 2000000 6.30 8 50.41 64
31.33 36.00 172.26 204.00
b0 0.744
Tahun Jualan (Y) Ramalan a0 0.568
1 20
2 100
3 800
4 3000
5 15000
6 150000
7 1000000
8 2000000
9 18449469.71
10 102387156.27
Σ
0
20000000
40000000
60000000
80000000
100000000
120000000
1 2 3 4 5 6 7 8 9 10
Jualan (Y)
Ramalan

Quantitative Method
• Pola data eksponensial (2).
20
X
abkY 
Tahun Jualan (Y) Ket X
1 1 Y1 0
2 5 1
3 10 Y2 2
4 20 3
5 46 Y3 4
6 70 5
b 2
a 3
k -2
Tahun Jualan (Y) Ramalan
1 1
2 5
3 10
4 20
5 46
6 70
7 190.00
8 382.00
0
50
100
150
200
250
300
350
400
450
1 2 3 4 5 6 7 8
Jualan (Y)
Ramalan

Quantitative Method
3. Metode analisis regresi;
Metode ini meramalkan jualan dengan cara menganalisis faktor-faktor yang mempengaruhinya
Jualan disebut variabel dependen (terikat) sedangkan faktor yang mempengaruhi disebut
variabel independen (bebas). Apabila terdapat satu variabel independen disebut regresi
sederhana, dan bila lebih dari satu variabel dependen disebut regresi berganda.
Kelebihan:
• Bersifat ilmiah dan lebih objektif;
• Mempertimbangkan faktor-faktor yang mempengaruhi jualan.
Kekurangan:
• Terdapat banyak asumsi untuk mengaplikasikan metode ini, di antaranya: normalitas
residual, bebas heteroskesdastisitas, bebas multikolinearitas (untuk regresi berganda), dsb.
21

Quantitative Method
• Regresi Sederhana (diasumsikan semua asumsi klasik telah terpenuhi).
Persamaan garis regresi: Y = 102 + 10X
22
Tahun
Jualan
Biskuit
Susu
(X)
Jualan
Susu
(Y)
X2
XY
2011 3 130 9 390
2012 4 145 16 580
2013 5 150 25 750
2014 6 165 36 990
2015 7 170 49 1,190
Σ 25 760 135 3900
b 10
a 102
bXaY 
 22





XXn
YXXYn
b
n
XbY
a
 


Quantitative Method
• Koefisien Determinasi.
Menggambarkan seberapa besar variabilitas dari variabel dependen (Y) yang dapat dijelas-
kan oleh variabel independen (X).
R2 sebesar 0.97087 atau 97.087%. Hal ini
mengandung arti bahwa 97.087% dari varia-
bilitas Jualan Susu (Y) dijelaskan oleh Jualan
Biskuit Susu (X), dan sisanya dijelaskan oleh
faktor lainnya yang tidak dimasukkan dalam
membangun model regresi.
23
Tahun
Jualan
Biskuit
Susu
(X)
Jualan
Susu
(Y)
X2
XY Y2
2011 3 130 9 390 16900
2012 4 145 16 580 21025
2013 5 150 25 750 22500
2014 6 165 36 990 27225
2015 7 170 49 1190 28900
Σ 25 760 135 3900 116550
b 10 R2
0.97087
a 102
22
2
2
YnY
YnXYbYa
R






Quantitative Method
• Koefisien Korelasi.
Menggambarkan hubungan linier antara dua buah variabel. Dalam korelasi, dua buah
variabel mempunyai derajat yang sama. Atau dengan kata lain, koefisien korelasi antara X
dan Y sama dengan koefisien korelasi antara Y dan X.
Koefisien korelasi bernilai positif berarti hubungan antara dua buah variabel tersebut adalah
linier. Apabila nilai X bertambah, maka nilai Y juga bertambah. Sedangkan bila bernilai
negatif, berarti kebalikannya, apabila nilai X bertambah, maka nilai Y berkurang.
24
22
2
2
YnY
YnXYbYa
r
Rr






Koefisien Korelasi (r) Tafsiran
< 0.20 Sangat lemah, dapat diabaikan
0.20 – 0.40 Lemah
0.40 – 0.70 Cukup
0.70 – 0.90 Kuat
0.90 – 1.00 Sangat kuat

Quantitative Method
• Koefisien Korelasi.
Pengujian hipotesis koefisien korelasi.
H0: ρ = 0 [tidak ada korelasi antara dua buah variabel]
H1: ρ = 0 [terdapat korelasi antara dua buah variabel] -> uji dua arah
ρ > 0 [terdapat korelasi positif antara dua buah variabel] -> uji satu arah
ρ < 0 [terdapat korelasi negatif antara dua buah variabel] -> uji satu arah
Statistika uji:
Keputusan:
Uji satu arah: ρ < 0 -> Tolak H0 bila t hitung < -t tabel dengan derajat kebebasan n – 2
ρ > 0 -> Tolak H0 bila t hitung > t tabel dengan derajat kebebasan n – 2
Uji dua arah: ρ = 0 -> Tolak H0 bila t hitung < -t tabel dan t hitung > t tabel
dengan derajat kebebasan n – 2
25
2
1
2
r
nr
t




Quantitative Method
• Regresi Berganda (diasumsikan semua asumsi klasik telah terpenuhi).
Untuk regresi berganda dengan dua variabel independen:
Persamaan garis regresi: Y = 104.57896 + 9.94737X1 – 0.52632X2
26
Tahun
Jualan
Biskuit
Susu (X1)
Tingkat
Harga
Jual (X2)
Jualan
Susu
(Y)
X1
2
X2
2
X1Y X2Y X1X2 Y2
2011 3 7 130 9 49 390 910 21 16,900
2012 4 3 145 16 9 580 435 12 21,025
2013 5 2 150 25 4 750 300 10 22,500
2014 6 4 165 36 16 990 660 24 27,225
2015 7 6 170 49 36 1,190 1,020 42 28,900
Σ 25 22 760 135 114 3,900 3,325 109 116,550
a2 -0.52632
a1 9.94737
a0 104.57896
nn XaXaXaaY  ...22110
22110 XaXaaY 
 





2
22211202
212
2
11101
22110
XaXXaXaYX
XXaXaXaYX
XaXanaY

Forecasting Error
Peramalan dapat dilakukan dengan berbagai metode seperti sudah dijelaskan sebelumnya.
Metode dengan kesalahan peramalan (forecasting error) terkecil dapat dianggap lebih sesuai
dalam menggambarkan perilaku dari data, sehingga hasil ramalannya dianggap lebih mendekati
kenyataan.
Dalam menghitung kesalahan peramalan dapat digunakan rumus sebagai berikut:
Membandingkan metode peramalan dengan analisis trend: pola data linier dengan kuadratis.
Linier: Kuadratis:
Terlihat kalau hasil ramalan dengan metode analisis trend: pola data kuadratis lebih baik
daripada pola data linier. Maka, manajer penjualan sebaiknya menggunakan hasil ramalan
dengan pola data kuadratis.
27
 
2
2




n
YX
SKP
Tahun Data (X) Ramalan (Y) (X-Y)2
2011 130 132 4
2012 145 142 9
2013 150 152 4
2014 165 162 9
2015 170 172 4
SKP 3.1623
Tahun Data (X) Ramalan (Y) (X-Y)2
2011 130 130.57 0.33
2012 145 142.71 5.22
2013 150 153.43 11.76
2014 165 162.71 5.22
2015 170 170.57 0.33
SKP 2.76

Sales Budget
Anggaran jualan adalah rencana tertulis yang dinyatakan dalam angka dari produk yang akan
dijual perusahaan pada periode tertentu.
Anggaran jualan merupakan dasar penyusunan anggaran lainnya dan umumnya disusun terlebih
dahulu sebelum menyusun anggaran lainnya.
Kegunaan anggaran jualan:
1. Sebagai dasar penyusunan anggaran yang lain;
2. Sebagai ujung tombak dalam mencapai tujuan perusahaan, yakni memperoleh laba.
Jualan terdiri atas jualan kotor dan jualan bersih.
Jualan bersih diperoleh dari jualan kotor dikurangi potongan jualan dan retur jualan.
Potongan jualan adalah potongan harga jual yang diberikan penjual kepada pembeli misalnya
karena membeli dalam jumlah besar (rabat), atau membayar lebih awal (dalam sistem kredit).
Retur jualan adala dikembalikannya barang yang dijual oleh pembeli kepada penjual karena tidak
sesuai dengan pesanan, misalnya ada cacat, tidak sesuai ukuran, dsb.
28
Jualan Kotor 11,000.00Rp
Potongan Jualan 750.00Rp
Retur Jualan 250.00Rp
1,000.00Rp
Jualan Bersih 10,000.00Rp

Sales Budget
Faktor yang mempengaruhi anggaran jualan:
1. Faktor Pemasaran;
Faktor pemasaran yang perlu dipertimbangkan antara lain:
a. Luas pasar, apakah bersifat lokal, regional, atau nasional;
b. Keadaan persaingan, apakah bersifat monopoli, oligopoli, atau bebas;
c. Keadaan konsumen, bagaimana selera konsumen, tingkat daya beli konsumen, apakah
konsumen akhir atau konsumen industri.
2. Faktor Keuangan;
Apakah modal kerja perusahaan mampu mendukung pencapaian target jualan yang dianggar-
kan, seperti untuk membeli bahan baku, membayar upah, biaya promosi, dll.
3. Faktor Ekonomi;
Apakah dengan meningkatnya jualan akan meningkatkan laba atau sebaliknya.
4 Faktor Teknis;
Apakah kapasitas terpasang, seperti mesin dan alat mampu memenuhi target jualan yang di-
anggarkan. Apakah bahan baku dan tenaga kerja mudah dan murah.
29

Sales Budget
Faktor yang mempengaruhi anggaran jualan:
5. Faktor Kebijakan Perusahaan;
Kebijakan perusahaan dapat membatasi ruang gerak untuk menyusun anggaran. Misalnya
kebijakan untuk tidak memperluas pabrik, walaupun dari segi manajemen menguntungkan,
tetapi modal tidak ada, sehingga pabrik tidak dapat diperluas.
6. Faktor Penduduk;
Perkembangan penduduk dapat mempengaruhi anggaran jualan, misalnya peningkatan
kelahiran dapat meningkatkan konsumsi susu, pakaian bayi, dll.
7. Faktor Kondisi (politik, sosial, budaya, pertahanan, dan keamanan);
Misalnya dalam keadaan perang (tidak aman) akan menghambat barang yang dijual karena
harus melalui pemeriksaan yang ketat, bahkan ada kekhawatiran barang akan dirampas.
Contoh yang lain apakah barang yang dijual bertentangan dengan kondisi sosial dan budaya
masyarakat, lingkungan sekitar, dll.
8. Faktor lainnya.
Contohnya apakah pada musim tertentu anggaran jualan ditambah, sampai berapa lama
anggaran yang disusun masih dapat dipergunakan.
30

Sales Budget
Menyusun Anggaran Jualan
Diasumsikan metode peramalan yang digunakan adalah metode analisis trend pola data linier.
Dengan metode tersebut, pada tahun depan, diperkirakan jualan sebanyak 182 produk.
Perusahaan mempunyai dua buah daerah pemasaran, yakni: Banjarmasin dan Martapura.
Permintaan dari Banjarmasin diasumsikan dua kali lipat dari permintaan dari Martapura (2:1).
Perusahaan mempunyai tiga macam produk: kecap sedang, kecap manis, dan kecap asin.
Permintaan dari ketiga macam produk tersebut berbanding 5:3:2.
31
Banjarmasin 2/3 x 182 = 121
Martapura 1/3 x 182 = 61
Jumlah 182
Banjarmasin
Kecap sedang 50% x 121 = 61
Kecap manis 30% x 121 = 36
Kecap asin 20% x 121 = 24
Jumlah 121
Martapura
Kecap sedang 50% x 61 = 31
Kecap manis 30% x 61 = 18
Kecap asin 20% x 61 = 12
Jumlah 61

Sales Budget
Pada Triwulan I dianggarkan hanya sebanyak 23.68%, Triwulan II sebanyak 24.34%,
Triwulan III sebanyak 25.66% dan Triwulan IV sebanyak 26.32%.
32
Banjarmasin
Triwulan I
Kecap sedang 23.68% x 61 = 14
Kecap manis 23.68% x 36 = 9
Kecap asin 23.68% x 24 = 6
Jumlah 29
Triwulan II
Kecap asin 24.34% x 24 = 6
Jumlah 30
Triwulan III
Kecap asin 25.66% x 24 = 6
Jumlah 31
Triwulan IV
Kecap asin 26.32% x 24 = 6
Jumlah 31
Martapura
Triwulan I
Kecap asin 23.68% x 12 = 3
Jumlah 14
Triwulan II
Kecap asin 24.34% x 12 = 3
Jumlah 15
Triwulan III
Kecap asin 25.66% x 12 = 3
Jumlah 16
Triwulan IV
Kecap asin 26.32% x 12 = 3
Jumlah 16

Sales Budget
33
Qty Qty Qty Qty Qty Rp
Banjarmasin
Kecap Sedang 14 7,000Rp 15 7,500Rp 16 8,000Rp 16 8,000Rp 61 30,500Rp
Kecap Manis 9 5,400Rp 9 5,400Rp 9 5,400Rp 9 5,400Rp 36 21,600Rp
Kecap Asin 6 3,000Rp 6 3,000Rp 6 3,000Rp 6 3,000Rp 24 12,000Rp
Total I 29 15,400Rp 30 15,900Rp 31 16,400Rp 31 16,400Rp 121 64,100Rp
Martapura
Kecap Sedang 7 4,200Rp 8 4,800Rp 8 4,800Rp 8 4,800Rp 31 18,600Rp
Kecap Manis 4 3,000Rp 4 3,000Rp 5 3,750Rp 5 3,750Rp 18 13,500Rp
Kecap Asin 3 1,800Rp 3 1,800Rp 3 1,800Rp 3 1,800Rp 12 7,200Rp
Total II 14 9,000Rp 15 9,600Rp 16 10,350Rp 16 10,350Rp 61 39,300Rp
Total I + II 43 24,400Rp 45 25,500Rp 47 26,750Rp 47 26,750Rp 182 103,400Rp
Triwulan IV Satu Tahun
Rp Rp Rp Rp
Perusahaan Kecap Asli
Anggaran Jualan
Tiap Triwulan pada Tahun 2016
Data Jualan dan
Jenis Kecap
Triwulan I Triwulan II Triwulan III

Hutan Hujan Tropis, Kalimantan
Seoul, 8th of September 2013
Terima Kasih
감사합니다
Sampai Bertemu Lagi di Pertemuan Ketiga

EKMA4570 - Penganggaran - Modul 2

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Semelhante a EKMA4570 - Penganggaran - Modul 2

Semelhante a EKMA4570 - Penganggaran - Modul 2 (20)

Mais de Diponegoro University

Mais de Diponegoro University (20)

Último

Último (20)

EKMA4570 - Penganggaran - Modul 2