mengubah niat pembeliannya. Keadaan preferensi sebaliknya juga berlaku, preferensi pembeli terhadap merek tertentu akan meningkat jika orang yang
ia sukai juga sangat menyukai merek yang sama. 2. Faktor yang kedua adalah faktor situasi yang tidak terantisipasi yang dapat
mengurangi niat pembelian konsumen. Contohnya, konsumen mungkin akan kehilangan niat pembeliannya ketika kehilangan pekerjaannya atau adanya
kebutuhan yang lebih mendesak pada saat yang tidak terduga sebelumnya.
2.9. Teori Peramalan
Menurut Heizer dan Render 2006, peramalan forecasting adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data masa lalu dan mendapatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi
yang bersifat subjektif atau bisa juga dengan menggunakan kombinasi model matematis yang sesuai dengan pertimbangan yang baik dari seorang manajer.
Menurut Hanke 2003, tebakan ilmiah mengenai masa depan lebih bernilai bagi perusahaan di bandingkan dengan tebakan non – ilmiah. Tebakan ilmiah yaitu
peramalan yang berdasarkan metode – metode manipulasi data secara logis yang dihasilkan dari kejadian – kejadian masa lalu. Penggunaan teknik peramalan diawali
dengan pengeksplorasian pola data pada masa lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data pada
masa lalu itu akan berulang lagi pada masa waktu yang akan datang. Hasil pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat
perencanaan langkah yang akan diambil oleh perusahaan. Tujuan peramalan adalah mengurangi rentang ketidakpastian dimana pendapat
pribadi judgment manajemen yang harus diambil. Tujuan ini mengarah kepada dua aturan utama yang harus diperhatikan pada proses peramalan:
1. Peramalan harus secara teknik benar dan menghasilkan peramalan cukup
akurat dalam memenuhi kebutuhan perusahaan. 2.
Prosedur peramalan dan hasilnya harus secara efektif disajikan kepada manajemen sehingga peramalan dapat dipakai dalam proses pengambilan
keputusan demi keuntungan perusahaan dan hasilnya juga harus dijustifikasi berbasis biaya manfaat.
Pertimbangan yang terakhir seringkali disalah – artikan dan dapat membuat frustasi forecaster peramal profesional. Namun jika ramalan akan digunakan untuk
keuntungan perusahaan, maka mereka yang mempunyai wewenang harus memanfaatkannya.
Makridarkis dalam Wisastri, 2006, menyatakan bahwa terdapat beberapa faktor penting yang harus dipertimbangkan dalam peramalan, mencakup:
1. Jarak ke masa depan yang harus diramal.
2. Tenggang waktu yang tersedia untuk mengambil keputusan.
3. Tingkat akurasi yang diperlukan.
4. Kualitas data yang tersedia untuk analisis.
5. Sifat hubungan yang tercangkup dalam masalah peramalan.
6. Biaya dan keuntungan yang berkaitan dengan masalah peramalan.
2.10. Peramalan Penjualan
