Keputusan investasi yang berkualitas selalu membutuhkan satu pertanyaan fundamental:

Seberapa besar permintaan yang benar-benar dapat ditangkap oleh bisnis?

Pertanyaan tersebut terlihat sederhana, tetapi jawabannya membutuhkan analisis yang mendalam. Banyak proyek investasi dibangun berdasarkan asumsi bahwa pasar akan tumbuh, konsumen akan datang, dan penjualan akan meningkat. Persoalannya, proyeksi tersebut belum tentu sesuai dengan kondisi aktual ketika bisnis mulai beroperasi.

Di sinilah demand forecasting memiliki peran penting.

Demand forecasting merupakan proses memperkirakan tingkat permintaan terhadap produk atau layanan pada periode mendatang dengan menggunakan data historis, kondisi pasar, tren industri, perilaku konsumen, faktor ekonomi, serta berbagai asumsi bisnis.

Dalam konteks investasi, demand forecasting tidak hanya digunakan untuk memperkirakan penjualan. Hasilnya dapat memengaruhi keputusan mengenai kapasitas produksi, kebutuhan aset, tenaga kerja, modal kerja, strategi harga, kebutuhan pendanaan, hingga kelayakan finansial proyek.

Dengan kata lain:

Forecast Permintaan → Forecast Penjualan → Kapasitas → Investasi → Cash Flow → Return

Jika forecast permintaan terlalu optimistis, seluruh financial model berpotensi menghasilkan proyeksi yang terlalu tinggi.

Sebaliknya, forecast yang terlalu konservatif dapat menyebabkan perusahaan kehilangan peluang pertumbuhan.

Karena itu, perusahaan membutuhkan pendekatan forecasting yang berbasis data, asumsi yang transparan, dan pengujian skenario.

Apa Itu Demand Forecasting?

Demand forecasting adalah metode untuk memperkirakan jumlah permintaan produk atau jasa pada masa depan.

Forecast dapat dibuat untuk berbagai periode:

• jangka pendek;
• jangka menengah;
• jangka panjang.

Horizon forecast bergantung pada kebutuhan bisnis.

Forecast jangka pendek dapat digunakan untuk inventory planning dan operational scheduling.

Forecast jangka menengah dapat digunakan untuk budgeting dan capacity planning.

Sementara forecast jangka panjang sangat penting dalam proyek investasi karena berkaitan dengan kebutuhan CAPEX, ekspansi, dan proyeksi return.

Mengapa Demand Forecasting Penting dalam Investasi?

Dalam sebuah proyek investasi, revenue biasanya berasal dari:

Volume × Price

Artinya, perubahan volume permintaan dapat memberikan dampak langsung terhadap revenue.

Misalnya sebuah proyek memperkirakan penjualan:

100.000 unit × Rp100.000 = Rp10 miliar

Jika permintaan aktual hanya 80.000 unit, revenue turun menjadi:

80.000 unit × Rp100.000 = Rp8 miliar

Penurunan volume sebesar 20% dapat memengaruhi:

• gross profit;
• EBITDA;
• cash flow;
• debt service;
• NPV;
• IRR.

Karena itu, demand forecasting merupakan salah satu fondasi penting dalam financial feasibility.

Demand Forecasting vs Sales Forecasting

Kedua istilah tersebut sering digunakan secara bergantian, tetapi terdapat perbedaan.

Demand forecasting berfokus pada estimasi kebutuhan atau permintaan pasar.

Sales forecasting berfokus pada estimasi penjualan yang mampu dicapai perusahaan.

Perusahaan mungkin memiliki produk yang berada di pasar dengan demand sebesar 1 juta unit per tahun.

Namun, perusahaan tidak otomatis dapat menjual 1 juta unit.

Kemampuan penjualan dipengaruhi oleh:

• kapasitas;
• market share;
• distribution;
• pricing;
• brand;
• competition;
• marketing;
• sales force.

Karena itu:

Market Demand ≠ Company Sales

Perbedaan tersebut sangat penting ketika membangun proyeksi investasi.

Market Sizing sebagai Tahap Awal

Sebelum melakukan forecasting, perusahaan perlu mengetahui ukuran pasar.

Analisis dapat menggunakan:

Total Addressable Market

Keseluruhan pasar yang secara teoritis dapat dilayani.

Serviceable Available Market

Bagian pasar yang sesuai dengan produk, wilayah, dan model bisnis.

Serviceable Obtainable Market

Bagian pasar yang secara realistis dapat diperoleh perusahaan.

Konsep tersebut membantu menghindari penggunaan market size yang terlalu luas sebagai dasar proyeksi revenue.

Historical Data

Salah satu sumber informasi utama demand forecasting adalah data historis.

Data dapat mencakup:

• penjualan;
• volume transaksi;
• jumlah pelanggan;
• average transaction value;
• seasonality;
• product mix;
• geographic distribution.

Data historis membantu perusahaan melihat pola.

Namun, historical data tidak boleh digunakan secara mekanis.

Kondisi pasar masa depan mungkin berbeda dengan masa lalu.

Karena itu, data historis harus dikombinasikan dengan analisis perubahan struktural.

Market Growth

Pertumbuhan industri merupakan salah satu faktor penting dalam forecasting.

Perusahaan perlu melihat:

• historical growth;
• CAGR;
• industry outlook;
• demand drivers;
• demographic changes;
• technology adoption.

Misalnya, sebuah industri tumbuh 8% per tahun dalam lima tahun terakhir.

Angka tersebut tidak berarti perusahaan boleh langsung menggunakan pertumbuhan 8% untuk sepuluh tahun ke depan.

Pertumbuhan dapat melambat ketika:

• market penetration meningkat;
• competition semakin kuat;
• customer base matang;
• technology berubah.

Karena itu, forecasting membutuhkan pendekatan yang dinamis.

Demand Drivers

Permintaan biasanya dipengaruhi oleh sejumlah faktor.

Beberapa demand driver antara lain:

• population;
• income;
• employment;
• purchasing power;
• consumer preference;
• price;
• technology;
• government policy;
• industry activity.

Dalam bisnis B2B, demand dapat berkorelasi dengan:

• jumlah perusahaan;
• production output;
• industrial capacity;
• construction activity;
• commodity prices.

Memahami demand driver membuat forecast lebih defensible.

Top-Down Forecasting

Pendekatan top-down dimulai dari ukuran pasar secara keseluruhan.

Contohnya:

Market Size = Rp10 triliun

Perusahaan memperkirakan mampu memperoleh:

Market Share = 2%

Maka potensi revenue secara teoritis:

Rp10 triliun × 2% = Rp200 miliar

Pendekatan ini relatif sederhana.

Namun, market share 2% harus memiliki dasar yang kuat.

Perusahaan perlu menjelaskan mengapa angka tersebut dapat dicapai.

Bottom-Up Forecasting

Bottom-up forecasting dimulai dari unit ekonomi bisnis.

Misalnya bisnis retail:

Jumlah Outlet × Traffic × Conversion Rate × Average Transaction Value

Atau bisnis hotel:

Available Rooms × Occupancy × ADR

Atau bisnis manufaktur:

Capacity × Utilization × Production Yield

Pendekatan bottom-up sering memberikan gambaran yang lebih operasional karena forecast dibangun dari driver bisnis.

Menggabungkan Top-Down dan Bottom-Up

Pendekatan terbaik sering kali menggunakan keduanya.

Top-down membantu menjawab:

“Seberapa besar pasar?”

Bottom-up membantu menjawab:

“Seberapa banyak yang secara realistis dapat dijual perusahaan?”

Jika kedua pendekatan menghasilkan angka yang terlalu jauh berbeda, perusahaan perlu melakukan validasi lebih lanjut.

Market Share Forecast

Market share merupakan salah satu asumsi paling sensitif dalam financial model.

Perusahaan perlu mempertimbangkan:

• jumlah kompetitor;
• kapasitas kompetitor;
• brand strength;
• distribution;
• pricing;
• product differentiation;
• marketing investment.

Target market share juga perlu memperhatikan waktu.

Sebuah perusahaan baru mungkin hanya memperoleh market share kecil pada tahun pertama.

Market share dapat meningkat seiring:

• brand awareness;
• distribution expansion;
• customer acquisition;
• repeat purchase.

Karena itu, forecast sebaiknya menggunakan ramp-up period yang realistis.

Ramp-Up Period

Bisnis baru jarang mencapai kapasitas optimal sejak hari pertama.

Biasanya terdapat periode:

Launch → Market Introduction → Ramp-Up → Stabilization → Maturity

Setiap tahap memiliki karakteristik permintaan berbeda.

Seasonality

Tidak semua permintaan terjadi secara merata sepanjang tahun.

Beberapa bisnis sangat dipengaruhi oleh musim.

Contohnya:

• hospitality;
• tourism;
• retail;
• agriculture;
• education;
• transportation.

Forecast tahunan yang terlihat masuk akal dapat tetap bermasalah apabila distribusi bulanannya tidak realistis.

Seasonality penting untuk:

• inventory;
• working capital;
• staffing;
• cash flow.

Price Elasticity

Perubahan harga dapat memengaruhi permintaan.

Konsep tersebut dikenal sebagai price elasticity of demand.

Jika harga naik, permintaan dapat:

• turun;
• relatif stabil;
• atau dalam kasus tertentu justru berubah karena persepsi kualitas.

Perusahaan perlu memahami hubungan antara harga dan volume sebelum menetapkan pricing assumption.

Forecast revenue tidak seharusnya hanya mengasumsikan:

Price ↑ = Revenue ↑

Kenaikan harga dapat menyebabkan volume turun.

Karena itu, pricing dan demand perlu dianalisis secara bersamaan.

Sensitivity Analysis

Sensitivity analysis digunakan untuk melihat bagaimana perubahan suatu variabel memengaruhi hasil investasi.

Misalnya:

Market Demand -10%

Apa dampaknya terhadap:

• revenue;
• EBITDA;
• cash flow;
• NPV;
• IRR?

Begitu juga jika:

Price -5%

atau:

Market Share -2 percentage points

Analisis tersebut membantu mengidentifikasi variabel yang paling kritis.

Demand Forecasting dan Capacity Planning

Forecast permintaan memiliki hubungan langsung dengan kapasitas.

Jika forecast terlalu tinggi, perusahaan dapat membangun fasilitas yang terlalu besar.

Akibatnya:

• CAPEX meningkat;
• utilization rendah;
• fixed cost tinggi;
• return turun.

Sebaliknya, jika kapasitas terlalu kecil:

• perusahaan kehilangan penjualan;
• pelanggan beralih ke kompetitor;
• ekspansi menjadi lebih mahal.

Karena itu, kapasitas ideal harus mengikuti demand forecast yang realistis.

Capacity Utilization

Utilization merupakan indikator penting dalam proyek berbasis aset.

Secara sederhana:

Utilization = Actual Output / Maximum Capacity × 100%

Utilisasi rendah dapat menyebabkan biaya tetap per unit menjadi tinggi.

Namun, target utilisasi yang terlalu tinggi juga perlu dipertanyakan.

Perusahaan mungkin membutuhkan:

• maintenance downtime;
• contingency capacity;
• seasonal flexibility;
• unexpected demand.

Karena itu, utilization target perlu disesuaikan dengan karakteristik operasi.

Working Capital Impact

Demand forecasting juga memengaruhi modal kerja.

Peningkatan penjualan dapat meningkatkan:

• inventory;
• receivables;
• payables.

Jika perusahaan memperkirakan penjualan meningkat dua kali lipat, kebutuhan working capital juga dapat meningkat secara signifikan.

Karena itu, forecast revenue harus diterjemahkan ke dalam cash flow model.

Forecasting dan Cash Flow

Revenue bukan berarti cash.

Perusahaan perlu memperhatikan:

Revenue → Receivable → Cash Collection

Jika customer memiliki payment term 60 atau 90 hari, peningkatan penjualan dapat menciptakan kebutuhan modal kerja.

Hal ini penting terutama pada bisnis B2B.

Forecast yang hanya menghitung revenue tanpa mempertimbangkan collection period dapat menghasilkan proyeksi cash flow yang terlalu optimistis.

Forecasting untuk New Business

Forecasting bisnis baru lebih sulit karena tidak memiliki historical sales.

Dalam kondisi tersebut, perusahaan dapat menggunakan:

• industry benchmark;
• competitor analysis;
• customer survey;
• pilot project;
• comparable market;
• expert assessment;
• analog market.

Pendekatan analog dapat digunakan dengan membandingkan pasar baru dengan pasar yang memiliki karakteristik serupa.

Namun, penyesuaian tetap diperlukan.

Forecasting Berdasarkan Comparable Market

Misalnya perusahaan ingin membuka bisnis di Kota X.

Data Kota Y menunjukkan:

• populasi;
• purchasing power;
• competitor density;
• sales per outlet.

Jika karakteristik Kota X relatif mirip, data Kota Y dapat menjadi referensi.

Namun, perusahaan perlu mengidentifikasi perbedaan:

• budaya;
• income;
• accessibility;
• competition;
• consumer preference.

Dengan demikian, comparable market menjadi reference, bukan copy-paste assumption.

Customer Validation

Forecast sebaiknya diuji melalui data primer ketika memungkinkan.

Metode dapat meliputi:

• interview;
• survey;
• focus group;
• pilot sales;
• pre-order;
• test market.

Data primer dapat memberikan informasi mengenai:

• willingness to pay;
• purchase intention;
• preferred product;
• buying frequency;
• customer objections.

Informasi tersebut dapat memperbaiki forecast sebelum investasi besar dilakukan.

Demand Forecasting untuk Berbagai Industri

Metode forecasting perlu disesuaikan dengan sektor.

Manufaktur

Demand dapat dikaitkan dengan:

• industrial output;
• customer orders;
• capacity utilization;
• production trend.

Retail

Forecast dapat menggunakan:

• population;
• traffic;
• purchasing power;
• transaction frequency.

Hospitality

Indikator dapat meliputi:

• tourist arrivals;
• occupancy;
• ADR;
• seasonality.

Healthcare

Forecast dapat mempertimbangkan:

• population;
• disease prevalence;
• healthcare utilization;
• insurance coverage.

Logistics

Demand dapat dikaitkan dengan:

• e-commerce;
• industrial activity;
• shipment volume;
• trade activity.

Tidak ada satu formula forecasting yang cocok untuk semua industri.

Data Quality

Forecast yang baik membutuhkan data yang baik.

Perusahaan perlu memeriksa:

• source;
• period;
• consistency;
• completeness;
• relevance.

Data yang terlalu lama dapat kehilangan relevansi.

Data yang tidak konsisten dapat menghasilkan tren palsu.

Karena itu, data validation menjadi tahap penting sebelum model forecasting dibangun.

Forecast Horizon

Forecast jangka panjang memiliki ketidakpastian lebih besar.

Semakin jauh periode proyeksi:

Uncertainty ↑

Karena itu, forecast tahun pertama dapat memiliki tingkat keyakinan lebih tinggi dibandingkan tahun ke-10.

Pendekatan yang dapat digunakan adalah:

• detail tinggi untuk jangka pendek;
• asumsi lebih teragregasi untuk jangka panjang;
• scenario analysis untuk mengakomodasi ketidakpastian.

Forecast Governance

Forecast sebaiknya memiliki governance yang jelas.

Perusahaan perlu menetapkan:

• siapa yang membuat forecast;
• sumber data;
• asumsi;
• approval process;
• review period;
• update mechanism.

Governance membantu mencegah forecast menjadi sekadar angka yang dibuat untuk mendukung keputusan yang sudah ditentukan sebelumnya.

Avoiding Forecast Bias

Forecast dapat dipengaruhi oleh bias.

Contohnya:

Optimism Bias

Manajemen terlalu optimistis terhadap pertumbuhan.

Anchoring

Forecast terlalu bergantung pada angka historis.

Confirmation Bias

Data yang mendukung investasi lebih banyak digunakan daripada data yang bertentangan.

Strategic Bias

Forecast dibuat agar proyek terlihat lebih menarik.

Karena itu, independent review dapat membantu meningkatkan objektivitas.

Forecast Accuracy

Setelah bisnis berjalan, forecast perlu dibandingkan dengan actual.

Beberapa ukuran yang dapat digunakan antara lain:

• Mean Absolute Error;
• Mean Absolute Percentage Error;
• Forecast Bias.

Tujuannya bukan mendapatkan forecast yang sempurna.

Tujuannya adalah memahami:

Mengapa forecast berbeda dari actual?

Jika perusahaan terus mengalami overforecast, metode dan asumsi perlu diperbaiki.

Demand Forecasting dalam Feasibility Study

Demand forecasting merupakan salah satu elemen penting dalam kajian kelayakan investasi.

Dalam sebuah konsultan studi kelayakan, analisis permintaan dapat dihubungkan dengan:

• market research;
• competitor analysis;
• capacity planning;
• operational model;
• financial projection;
• risk analysis.

Dengan demikian, forecast tidak berdiri sendiri.

Forecast menjadi penghubung antara kondisi pasar dan financial viability proyek.

Jasa Studi Kelayakan untuk Validasi Proyeksi Pasar

Ketika perusahaan membutuhkan dasar yang lebih objektif sebelum melakukan investasi, jasa studi kelayakan dapat membantu melakukan validasi terhadap asumsi permintaan dan proyeksi bisnis.

Kajian dapat mencakup:

• market sizing;
• demand analysis;
• customer segmentation;
• competitor assessment;
• market share projection;
• pricing analysis;
• sales forecast;
• scenario analysis.

Hasilnya kemudian dapat diintegrasikan dengan financial model untuk mengetahui dampaknya terhadap NPV, IRR, cash flow, dan kebutuhan modal.

Demand Forecasting dan Investment Decision

Pada akhirnya, tujuan forecasting bukan sekadar menghasilkan angka penjualan.

Forecast digunakan untuk membantu menjawab:

Apakah proyek memiliki pasar yang cukup?

Apakah target penjualan realistis?

Apakah kapasitas yang direncanakan sesuai dengan permintaan?

Apakah investasi menghasilkan return yang menarik?

Bagaimana jika demand lebih rendah dari proyeksi?

Seberapa besar downside yang dapat ditanggung perusahaan?

Jawaban atas pertanyaan tersebut menjadi penting dalam investment committee.

Forecasting sebagai Alat Risk Management

Forecast tidak hanya digunakan untuk melihat upside.

Forecast juga membantu perusahaan memahami downside.

Misalnya, perusahaan dapat mengetahui bahwa:

• demand turun 10% → NPV tetap positif;
• demand turun 20% → IRR turun signifikan;
• demand turun 30% → cash flow menjadi negatif.

Informasi tersebut memberikan gambaran mengenai margin of safety proyek.

Semakin kuat proyek menghadapi downside scenario, semakin baik ketahanan investasinya.

Dari Forecast ke Strategic Planning

Demand forecasting juga dapat digunakan untuk perencanaan jangka panjang.

Hasil forecast dapat membantu menentukan:

• kapan ekspansi dilakukan;
• kapan menambah mesin;
• kapan membuka cabang;
• kapan merekrut tenaga kerja;
• kapan meningkatkan inventory;
• kapan mencari pendanaan tambahan.

Dengan demikian, forecast menjadi bagian dari strategic planning.

Demand forecasting merupakan proses penting untuk mengukur potensi pasar dan membangun proyeksi pertumbuhan bisnis secara lebih objektif. Forecast yang baik tidak hanya menggunakan historical data, tetapi juga mempertimbangkan market size, demand drivers, kompetisi, pricing, customer behavior, economic conditions, serta perubahan struktural industri.

Dalam proyek investasi, hasil demand forecasting memiliki dampak langsung terhadap sales projection, capacity planning, working capital, cash flow, dan financial return. Karena itu, asumsi permintaan harus dibangun secara transparan dan dapat ditelusuri dari data hingga financial model.

Pendekatan top-down dan bottom-up dapat digunakan secara bersamaan untuk meningkatkan kualitas forecast. Selain itu, scenario analysis dan sensitivity analysis penting untuk mengetahui bagaimana perubahan demand dapat memengaruhi kelayakan investasi.

Untuk proyek baru yang belum memiliki historical sales, perusahaan dapat menggunakan market benchmark, comparable market, customer validation, pilot project, dan data industri sebagai dasar penyusunan proyeksi.

Dalam proses tersebut, konsultan studi kelayakan dapat membantu mengintegrasikan analisis pasar dengan aspek teknis, operasional, finansial, dan risiko sehingga proyeksi permintaan tidak berdiri sendiri.

Sementara itu, jasa studi kelayakan dapat membantu perusahaan menguji market sizing, demand forecast, market share, pricing, sales projection, hingga dampaknya terhadap NPV dan IRR sebelum investasi direalisasikan.

Pada akhirnya, forecast yang berkualitas bukanlah forecast yang selalu tepat. Forecast yang berkualitas adalah forecast yang dibangun dari asumsi transparan, diuji dengan berbagai skenario, dapat dibandingkan dengan data aktual, dan mampu memberikan dasar yang kuat bagi perusahaan untuk memahami peluang sekaligus risiko sebelum mengambil keputusan investasi.