Memuat
Memuat
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Claude dari Nol sampai Mahir #49: Skenario dan Perkiraan Sederhana”.
Pilihan lain dari kami untuk Claude.
Belajar bareng mentor
Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus Midjourney: Buat Gambar AI Memukau dari Teks
★ 4.9

Kursus DALL-E: Membuat Gambar AI Profesional dari Teks
★ 4.9

Kursus Stable Diffusion: AI Art dari Pemula ke Profesional
★ 4.9
Minta dibuatkan
Tidak sempat belajar Claude? Tim kami bisa mengerjakan proyeknya.

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas
★ 4.9

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis
★ 4.9

Jasa Pembuatan Gambar AI dengan Midjourney — AI Art Sinematik untuk Bisnis
★ 4.9
Kabari saya kalau ada kelas Claude baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Halo, selamat datang kembali di sesi analisis data. Sejauh ini kita menganalisis yang sudah terjadi. Hari ini kita melihat ke depan. Kita akan membuat perkiraan dengan asumsi yang jelas, kalkulator skenario sebagai Artifact, membandingkan skenario optimis sampai pesimis, dan mencari batas aman sebuah keputusan.
Laras sedang menimbang satu keputusan. Harga bahan naik, dan ia ingin menaikkan harga kopi susu cup dari delapan belas ribu menjadi dua puluh ribu rupiah. Tetapi ia khawatir pelanggan pergi. Tidak ada yang bisa memastikan apa yang akan terjadi, termasuk Claude. Yang bisa kita lakukan adalah perkiraan: bila asumsinya begini, hasilnya kira-kira begitu. Apa bedanya ramalan dan perkiraan? Ramalan berbunyi: penjualan pasti turun sepuluh persen. Perkiraan berbunyi: bila penjualan turun lima sampai dua puluh lima persen, laba berubah sekian. Dasar ramalan adalah perasaan atau keyakinan. Dasar perkiraan adalah asumsi yang ditulis terang, sehingga orang lain bisa memeriksanya. Hasil ramalan satu angka. Hasil perkiraan sebuah rentang, dari skenario buruk sampai baik. Dan bila kenyataannya berbeda, ramalan dianggap gagal, sedangkan perkiraan cukup diperbarui asumsinya. Itulah kenapa perkiraan jauh lebih berguna untuk usaha. Skenario cocok untuk keputusan apa pun yang melibatkan angka. Laras ingin tahu berapa penurunan pembeli yang masih aman bila harga naik. Dewi ingin tahu berapa rim kertas yang perlu disiapkan untuk bulan sibuk. Pak Hendra ingin membuka kelas baru di Bimbel Cerdas, dan perlu tahu berapa murid minimal agar kelas itu tidak rugi. Nadia ingin menaikkan tarif jasa media sosialnya, dan perlu tahu berapa klien yang harus dipertahankan. Semua pertanyaan ini dijawab dengan cara yang sama: asumsi, skenario, dan batas aman.
Setiap perkiraan berdiri di atas asumsi. Laras menuliskannya satu per satu. Asumsi pertama: penjualan cup bulan Oktober enam ratus dua puluh cup. Ini dari data yang sudah kita bersihkan. Kedua, modal per cup sembilan ribu rupiah, dari catatan belanja bahan Laras. Angka ini contoh; hanya Anda yang tahu modal usaha Anda. Ketiga, harga baru dua puluh ribu. Inilah keputusan yang sedang diuji. Keempat, penurunan penjualan antara lima sampai dua puluh lima persen. Perhatikan tandanya: ini tebakan, belum ada data. Asumsi tebakan seperti ini yang paling perlu diuji dengan skenario. Asumsi tadi dituangkan ke prompt. Konteksnya keputusan kenaikan harga. Datanya penjualan Oktober dan modal per cup, dengan catatan bahwa modal adalah perkiraan Laras sendiri. Tugasnya menghitung laba kotor untuk tiga skenario penurunan penjualan, ditambah titik impas. Laba kotor di sini berarti harga dikurangi modal bahan, belum termasuk sewa dan gaji. Formatnya meminta asumsi ditulis di awal, dan kalkulator Artifact dengan input yang bisa diubah. Dengan input yang bisa diubah, Laras bisa mencoba angka lain tanpa bertanya ulang.
Laras meminta Claude membuat kalkulator skenarionya. Claude menulis asumsinya terlebih dahulu, termasuk rumus laba kotor: harga dikurangi modal, dikali jumlah terjual. Kalkulatornya tampil di panel kanan, dengan kolom input yang bisa diubah. Laras mencoba skenario penurunan sepuluh persen. Hasilnya, terjual lima ratus lima puluh delapan cup, dan laba kotor justru naik dari lima koma lima delapan juta menjadi enam koma satu empat juta rupiah. Karena kalkulator ini Artifact, Laras bisa membukanya kapan saja dan mengganti angka sendiri. Misalnya bila harga gula aren naik dan modal per cup menjadi sepuluh ribu. Sebelum percaya, cek satu hasil secara manual. Laba kotor sekarang: delapan belas ribu dikurangi sembilan ribu, dikali enam ratus dua puluh. Hasilnya lima juta lima ratus delapan puluh ribu. Cocok. Penurunan sepuluh persen: enam ratus dua puluh dikali nol koma sembilan, hasilnya lima ratus lima puluh delapan cup. Cocok. Laba baru: sebelas ribu dikali lima ratus lima puluh delapan, hasilnya enam juta seratus tiga puluh delapan ribu. Cocok. Rumusnya benar, jadi kalkulator ini bisa dipakai untuk angka lain.
Sekarang kita lihat semua skenario sekaligus. Laras meminta tabel tiga skenario dan titik impasnya. Tabelnya jelas. Skenario optimis dan realistis memberi laba lebih besar dari sekarang. Hanya skenario pesimis, turun dua puluh lima persen, yang membuat laba lebih kecil. Lalu angka paling berguna: titik impas. Penjualan boleh turun sampai sekitar delapan belas persen, atau minimal lima ratus delapan cup sebulan, sebelum laba kotor lebih kecil dari sekarang. Laras juga mencoba mengganti modal menjadi sepuluh ribu di kalkulator. Titik impasnya bergeser, tetapi kesimpulannya sama: kenaikan harga masih aman selama penurunan pembeli tidak terlalu besar. Titik impas mengubah pertanyaan yang menakutkan menjadi pertanyaan yang lebih mudah. Bukan lagi apakah pelanggan akan pergi, tetapi apakah penurunannya akan lebih dari delapan belas persen. Dalam jumlah, Kopi Senja perlu menjual minimal lima ratus delapan cup sebulan. Atau kira-kira tujuh belas cup per hari. Angka harian seperti ini mudah dipantau Dimas di kasir setiap sore. Bila dua pekan pertama rata-ratanya di atas tujuh belas, keputusan kenaikan harga berada di jalur aman. Skenario juga membantu memperkecil risiko. Pertama, uji dulu selama dua pekan dan pantau angka harian sebelum memutuskan secara permanen. Kedua, jelaskan alasannya ke pelanggan dengan jujur: harga bahan naik, kualitas tetap dijaga. Claude bisa membantu menulis pengumumannya. Ketiga, sediakan pilihan hemat, misalnya paket dua cup atau ukuran literan, supaya pelanggan yang sensitif harga tidak langsung pergi.
Pola yang sama berguna di kantor. Dewi ingin memperkirakan stok kertas A4 untuk bulan depan, bertepatan dengan tahun ajaran baru. Ia memberi data pesanan tiga bulan terakhir. Claude menulis asumsinya: rata-rata tiga bulan, cadangan sepuluh persen, dan satu hal yang belum ia ketahui, yaitu kenaikan musiman. Claude tidak menebak, melainkan meminta data tahun lalu. Dewi menjawab: tahun lalu bulan yang sama naik dua puluh lima persen dari rata-rata. Perkiraan diperbarui menjadi sekitar lima ratus enam puluh tujuh rim. Claude bahkan mengingatkan soal pesanan sekolah yang sedang didekati Dewi. Semua angka di sini adalah contoh. Terakhir, batas dan cara memakai perkiraan. Pertama, semua asumsi ditulis dan ditandai sumbernya, data atau tebakan. Kedua, selalu berupa rentang, dari skenario buruk sampai baik, bukan satu angka. Ketiga, ada angka pantau yang mudah dicek setiap hari atau pekan, seperti tujuh belas cup per hari. Keempat, bandingkan dengan kenyataan, lalu perbarui asumsinya. Setelah sebulan, Laras akan punya data nyata tentang reaksi pelanggan terhadap harga baru. Yang tidak boleh: memercayai perkiraan mentah sebagai kepastian. Claude membantu menghitung dengan cepat dan rapi, tetapi masa depan tetap penuh kejutan.
Kita sudah membedakan ramalan dan perkiraan, menulis asumsi, membuat kalkulator skenario, membandingkan tiga skenario, mencari titik impas, dan memperkirakan stok kantor. Di episode berikutnya, semua yang kita pelajari di sesi ini digabung menjadi satu: laporan bulanan yang siap dikirim, dari data mentah sampai email. Sampai jumpa!
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →