ANALISIS PERAMALAN PENJUALAN DAN TATA LETAK GUDANG BESI BAJA PADA PT. ADI SAKTI STEEL
Morin Steven, Harry Indra Universitas Bina Nusantara, Jakarta
[email protected],
[email protected]
ABSTRACT PT Adi Sakti Steel is a company engaged in the distribution of steel. In this study will discuss sales forecasting for steel products at the same period of December 2014 to provide sales forecasting method best for the company and in this study will also discuss about the layout of the steel in the company warehouse. Research methods here to go directly to the company to collect the data. In analyzing the forecasting, sales forecasting method is used, among others, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, Linear Regression, Naive Method in QM software for Windows.Dari results of analysis or calculation for sales forecasting using QM for Windows software in can be the best method with the smallest MAD and MSE namely Linear Regression method because the results of the smallest forecasting error of 278.935 MAD and MSE of 121,153.1. Analysis of warehouse layout still have many shortcomings in the system layout of the warehouse so in need of improvement in the storage of goods to facilitate in making steel and utility warehouse space that has been calculated at 63% get that need to be improved, after the calculation of repair utility room warehouse then obtained 69% so that the unused space can be used for the placement of steel. Keywords: Forecasting , Warehouse Layout, Utility Warehouse Space
ABSTRAK PT Adi Sakti Steel adalah sebuah perusahaan yang bergerak dalam bidang distribusi besi baja. Dalam penelitian ini akan membahas peramalan penjualan untuk produk besi baja periode Desember 2014 sekaligus untuk memberikan metode peramalan penjualan terbaik untuk perusahaan dan dalam penelitian ini juga akan membahas tentang tata letak gudang besi baja dalam perusahaan. Metode penelitian disini dengan terjun langsung ke perusahaan untuk mengumpulkan data. Dalam menganalisis peramalan penjualan digunakan metode peramalan antara lain Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, Linear Regression, Naive Method pada software QM for Windows.Dari hasil analisis atau perhitungan untuk peramalan penjualan dengan menggunakan software QM for Windows di dapat metode yang paling baik dengan MAD dan MSE yang terkecil yaitu metode Linear Regression karena hasil kesalahan peramalan yang terkecil MAD sebesar 278,935 dan MSE sebesar 121153,1. Analisis tata letak gudang ini masih memiliki banyak kekurangan pada sistem tata letak gudang sehingga di perlukan perbaikan dalam penyimpanan barang untuk memudahkan dalam pengambilan besi baja dan utilitas ruang gudang yang telah di perhitungkan di dapatkan 63% sehingga perlu dilakukan perbaikan, setelah dilakukan perhitungan perbaikan utilitas ruang gudang maka didapatkan 69% sehingga ruang yang belum dipakai dapat dimanfaatkan untuk penempatan besi baja.
Kata Kunci : Peramalan Penjualan, Tata Letak Gudang, Utilitas Ruang Gudang 1
PENDAHULUAN Pertumbuhan ekonomi di Indonesia kini sedang mengalami pertumbuhan yang dratis meskipun pertumbuhan ekonomi di Negara Eropa dan AS sedang mengalami krisis. Setelah sempat mengalami penurunan kinerja ekonomi di tahun 2013, beberapa indicator Indonesia menunjukkan trend positif di awal tahun 2014. Target ini merupakan upaya agar Indonesia dapat melepaskan diri dari middle income trap, yang mensyaratkan pertumbuhan ekonomi sebesar 6-8% dan akan terus naik serta pertumbuhan ekonomi Indonesia yang semakin stabil dan pesat (Lilis Pujiana, 2014). Disadari bahwa pengaruh situasi perekonomian global turut mempengaruhi kinerja ekonomi Indonesia, terutama berkaitan dengan turunnya harga komoditi maupun berkurangnya kinerja ekonomi di negaranegara tujuan ekspor Indonesia. Namun demikian, Indonesia masih dapat menjaga performa ekonomi dan diprediksi mencatat pertumbuhan ekonomi sebesar 5,4% atau kedua terbesar setelah China ( Deputy Menteri Bappenas, Dr. Prasetijono Widjojo, 2014). Dari sisi investasi, Indonesia dinilai masih menjadi salah satu tujuan menarik yang dibuktikan dari terus meningkatnya nilai investasi di Indonesia sejak tahun 2009. Untuk tahun 2013, pertumbuhan nilai FDI sedikit di bawah target yang ditetapkan yaitu 16,2% dari target 16,5%, sementara nilai investasi dalam negeri tercatat naik mencapai 43,3% dari 26% yang ditargetkan (Lilis Pujiana, 2014). Pertumbuhan ekonomi ini dapat dilihat dari adanya tanda dari semakin banyaknya perusahaan-perusahaan yang baru dan semakin berkembang dari perusahaan kecil menjadi perusahaan yang besar, sebaliknya dari perusahaan besar kian berkembang menjadi perusahaan yang makin besar karena adanya factor dari pertumbuhan ekonomi, ada juga perusahaan asing maupun lokal yang terus berkembang dan tingkat investasi swasta juga diperkirakan makin meningkat terutama bagi Indonesia dan India karena saat ini Asia merupakan wilayah yang paling menjanjikan untuk berinvestasi dan meningkatkan laba. Dikarenakan dengan permasalahan-permasalahan permintaan produk dari konsumen yang kian meningkat maka perlu adanya peramalan penjualan (forecasting) agar perusahaan dapat mengetahui kapan perusahaan harus melakukan proses produksi sesuai permintaan dari konsumen dan kapan harus melakukan pemesanan ke pihak lain untuk dapat memenuhi permintaan dari konsumen tepat waktu sehingga tidak mengecewakan pihak konsumen atas produk yang diproduksi. Peramalan penjualan ini dapat mengambil keputusan atau kebijakan dengan hasil ramalan penjualan tersebut nantinya. Dikarenakan peramalan penjualan dalam dunia bisnis ini sudah diperlukan dari sejak lama maka muncul berbagai metode peramalan seperti linear regression, weight moving average, metode moving average, metode exponential smoothing with trend, exponential smoothing, naïve method. Metodemetode ini yang biasanya digunakan dalam melakukan peramalan penjualan di perusahaan. Akan tetapi, tidak semua peramalan ini cocok digunakan untuk meramalkan setiap macam hal. Oleh karena itu, dengan pemilihan dan penggunaan metode yang tepat, maka keberhasilan perusahaan dalam menawarkan produknya akan dirasakan dalam bentuk laba yang didapatkan. Penulisan ilmiah ini juga akan memberikan perbandingan penggunaan metode yang memiliki nilai kesalahan terkecil, sehingga perusahaan dapat mengaplikasikannya dalam management perusahaan. Perusahaan ini tidak hanya bersaing sesama distributor saja tetapi juga para produsen yang memiliki pemasaran langsung. Perusahaan bersaing dengan memenuhi keinginan dan permintaan dari konsumen guna untuk menguasai pangsa pasar agar pasar yang dimiliki perusahaan tidak beralih ke pesaing lain yang memiliki pemasaran langsung. Peramalan penjualan sangat dibutuhkan oleh perusahaan sebagai dasar dalam pengambilan keputusan dan merencanakan langkah-langkah di periode mendatang. Hal ini juga dilakukan oleh PT. Adi Sakti Steel. PT Adi Sakti Steel merupakan perusahaan yang bergerak di bidang penjualan besi baja. Besi mempunyai peranan yang cukup besar dalam kehidupan manusia, terlebih lagi di zaman modern seperti sekarang. Kelimpahannya juga sangat besar 50.000 ppm atau 5% dan merupakan logam terbanyak ke dunia di kulit bumi. Karena kelimpahannya yang besar itulah maka besi banyak digunakan dalam kegiatan sehari-hari dan industry konstruksi. PT Adi Sakti Steel ini merupakan distributor yang cukup besar dalam menjual besi baja di Indonesia yang sudah berdiri sejak 1989. Besi baja yang dimaksud ini seperti seperti besi dalam pembuatan fondasi-fondasi gedung. Jumlah permintaan berbeda-beda tiap bulannya sehingga perlu dilakukan peramalan penjualan agar stock barang tidak berlebihan dan kekurangan. Selain itu, pada kondisi yang saat ini terjadi terdapat kekurangan pada pengoperasian pergudangan. Diantaranya kurang jelasnya batasan area penyimpanan, kurangnya tata letak yang benar dan kelebihan stok barang sehingga tidak dapat
menampung barang tersebut. Lalu terdapat masalah lain yang dihadapi oleh bagian gudang adalah pencatatan persediaan yang tidak akurat, hasil laporan seringkali ada yang terlewatkan tidak tercatat pada saat stok keluar, ini disebabkan oleh keteledoran dari bagian gudang yang tidak teliti dalam melakukan pencatatan dan karena keadaan stok yang menumpuk. Karena itu, perusahaan merasa perlu melakukan pengaturan tata letak di gudang agar ruang gudang menjadi lebih optimal. Dari latar belakang di atas maka dirasa cocok untuk diteliti mengenai peramalan penjualan dan tata letak gudang di perusahaan dengan tujuan penelitian: 1. Untuk menentukan dan mengetahui metode peramalan yang paling tepat dan paling efisien diantara metode linear regression, weighted moving average, exponential smoothing, naïve method, exponential smoothing with trend, moving everage method bagi perusahaan PT Adi Sakti Steel 2. Untuk mengetahui bagaimana susunan tata letak gudang yang tepat pada perusahaan PT. Adi Sakti Steel 3. Untuk mengoptimalkan ruang gudang agar luas yang tidak digunakan dapat lebih dimanfaatkan dalam penempatan besi baja Di dalam penelitian ini akan mengusulkan suatu sistem peramalan penjualan untuk periode berikutnya sehingga PT. Adi Sakti Steel dapat memenuhi jumlah permintaan para pelanggan – pelanggannya. Pelanggan – pelanggan yang dimaksud adalah para konsumen langsung maupun distributor yang bergerak dibidang be si b a ja . Metode penelitian yang akan dipakai oleh penulis antara lain menggunakan metode forecasting untuk meramalkan penjualan bulan berikutnya perusahaan dan juga penulis akan menghitung utilitas ruang gudang agar ruang gudang yang masi tersisa dapat digunakan agar lebih optimal untuk penempatan besi baja . Peramalan Menurut Render, Berry, dan Jay Heizer dalam bukunya manajemen operasi (2009, p.162) mengatakan bahwa peramalan adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model sistematis . Menurut Pujawan (2005, p.87) menyatakan bahwa peramalan permintaan adalah kegiatan untuk mengestimasikan besarnya permintaan terhadap barang atau jasa tertentu pada suatu periode dan wilayah pemasaran tertentu. Ramalan yang tidak akurat bias menimbulkan masalah pada supply chain. Menurut Prasetya, Heri, dan Fitri Lukiastuti dalam bukunya manajemen operasi (2009, p.43) peramalan adalah suatu usaha untuk meramalkan keadaan di masa yang akan datang melalui pengujian keadaan di masa lalu. Menurut Sellani, Robert J (2009) dalam Journal of the Internasional Academy for case studies. The sales forecast is the most important plan in an organization. For a manufacturing company, the sales forecast must be in sufficient detail for manufacturing to translate those requirements into physical products. Therefore it is not sufficient for the sales forecast to be equal to last years’ sales plus 10%. Manufacturing must know which products are going to be obsolete, which will be increasing and decreasing in sales, and which will require new manufacturing methods in productions. Dari definisi diatas dapat disimpulkan bahwa peramalan berkaitan dengan upaya untuk memperkirakan apa yang akan terjadi di masa depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Serta peramalan itu adalah kegiatan yang bersifat teratur, berupa memprediksikan masa depan dengan menggunakan tidak hanya metode ilmiah namun juga mempertimbangkan hal-hal yang bersifat kualitatif (perasaan, pengalaman, dan lain-lain). Jay Heizer dan Barry Render dalam buku Manajemen Operasi (2010 : 170-175), metode - metode peramalan kuantitatif, terdiri dari : 1. Pendekatan Naif (Naive Method) Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk beberapa jenis produk, pendekatan naif (naive method) merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. 2. Rata-Rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar
3.
akan stabil sepanjang masa kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut : ∑ Permintaan dalam periode n sebelumnya Rata - rata bergerak = n Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman. Pembobotan rata - rata bergerak =
4.
∑ (Bobot periode n)(Permint aan dalam periode n) ∑ Bobot
Penghalusan Eksponential (Exponential Smoothing) Penghalusan Eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut : Peramalan α (Permintaan sebenarnya periode terakhir – Peramalan = periode + peramalan periode terakhir) baru terakhir Dimana α adalah sebuah bobot atau konstanta penghalusan yang dapat dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan rumus diatas juga dapat ditulis secara sistematis sebagai berikut. Ft = Ft-1 + α (At-1 – Ft-1) dimana : Ft = Peramalan baru Ft-1 = Peramalan sebelumnya α = Konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1) At-1 = Permintaan aktual periode lalu
5.
Penghalusan Eksponential dengan Penyesuaian Trend (Exponential Smoothing with Trend) Model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren rata-rata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-rata dan β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponential dengan Penyesuaian Trend adalah sebagai berikut. Ft = α (At-1) + (1-α) (Ft-1 + Tt-1) , Tt = β (Ft-Ft-1) + (1-β) Tt-1 dimana : Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t Tt = tren dengan eksponensial yang dihaluskan pada periode t At = permintaan aktual periode t α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1) β = konstanta penghalusan untuk rata-rata (0 ≤ β ≤ 1)
6.
Proyeksi Trend (Linear Regression) Proyeksi Tren merupakan suatu metode peramalan yang mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa mendatang untuk peramalan jangka menengah atau jangka panjang. Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut. y = a + bx dimana : y = nilai terhitung dari variabel yang akan diprediksi a = persilangan sumbu y
b = kemiringan garis regresi (atau tingkat perubahan pada y untuk perubahan yang terjadi di x x = variable bebas (dalam kasus ini adalah waktu). Untuk menentukan nilai a dan b, akan di jelaskan pada rumus dibawah ini.
dimana : b = kemiringan garis regresi ∑ = tanda penjumlahan total X = nilai variabel bebas yang diketahui y = nilai variabel terkait yang diketahui a = - bx dimana : = rata-rata nilai y x = rata-rata nilai x. Tata Letak Heizer dan Render (2009) mengatakan bahwa tata letak merupakan satu keputusan penting yang menentukan efisiensi sebuah operasi dalam jangka panjang. Tata letak memiliki banyak dampak strategis karena tata letak menentukan data saing perusahaan dalam segi kapasitas, proses, fleksibilitas, dan biaya, serta kualitas lingkungan kerja, kontak pelanggan, dan citra perushaan. Tata letak yang efektif dapat membantu organisasi mencapai suatu strategi yang menunjang differensiasi, biaya rendah, atau respon cepat. Tujuan strategi tata letak adalah untuk membangun tata letak yang ekonomis yang memenuhi kebutuhan persaingan perusahaan. Heizer dan render (2009) mengatakan dalam semua kasus, desain tata letak harus mempertimbangkan bagaimana untuk dapat mencapai : a)
Utilitas ruang, peralatan, dan orang yang lebih tinggi
b) Aliran informasi, barang, atau orang yang lebih baik c)
Moral karyawan yang lebih baik, juga kondisi lingkungan kerja tabg lebih aman
d) Interaksi dengan pelanggan yang lebih baik e)
Fleksibilitas (bagaimanapun kondisi tata letak yang ada sekarang, tata letak tersebut akan perlu diubah)
Tipe-Tipe Tata Letak Heizer dan Render (2009) keputusan mengenai tata letak meliputi penempatan mesin pada tempat yang terbaik (dalam pengaturan produksi), kantor dan meja-meja (pada pengaturan kantor) atau pusat pelayanan (dalam pengaturan rumah sakit atau department store). Sebuah tata letak yang efektif memfasilitasi adanya aliran bahan, orang dan informasi di dalam dan antar wilayah. Untuk mencapai tujuan ini, seragam pendekatan telah dikembangkan. Diantara pendekatan tersebut, akan dibahas enam pendekatan tata letak : a)
Tata letak dengan posisi tetap : memenuhi persyaratan tata letak untuk proyek yang besar dan memakan tempat, seperti proses pembuatan kapal laut dan gedung
b) Tata letak yang verorientasi pada proses : berhubungan dengan produksi dengan volume
rendah dan bervariasi tinggi (juga disebut sebagai “job shop” atau produksi terputus) c)
Tata letak kantor : menempatkan para pekerja, peralatan mereka dan ruangan/kantor yang melancarkan aliran informasi
d) Tata letak ritel : menempatkan rak-rak dan memberikan tanggapan atas perilaku pelanggan e)
Tata letak gudang : merupakan paduan antara ruang dan penanganan bahan baku
f) Tata letak yang berorientasi pada produk : mengusahakan pemanfaatan maksimal atas karyawan dan mesin-mesin pada produksi yang berulang atau berkelanjutan g) Tata letak sel kerja : menata mesin-mesin dan peralatan lain untuk fokus pada produksi sebuah produk atau sekelompok yang berkaitan
METODE PENELITIAN Jenis penelitian yang digunakan dalam penulisan penelitian ini adalah penelitian deskriptif. Penelitian deskriptif adalah penelitian yang tujuannya untuk menyajikan data/gambaran lengkap mengenai hubungan antara fenomena yang diuji. Dimana data yang telah terkumpul kemudian disajikan kembali dengan disertai analisis sehingga dapat memberikan gambaran yang jelas. Teknik pengumpulan data dilakukan melalui beberapa cara, yaitu: a. Observasi Dilakukan dengan cara melakukan pengamatan secara langsung kegiatan di dalam perusahaan PT. Adi Sakti Steel, bagaimana perhitungan peramalan penjualan bulan berikutnya serta cara pendistribusian produk dari perusahaan lalu pengamatan bagaimana tata letak gudang yang baik agar tersusun lebih rapi. b. Peneliti meminta data resmi dari PT. Adi Sakti Steel mengenai unit baja selama periode tahun 2013 dan periode Januari – November 2014. Guna melakukan perhitungan menggunakan metode forecasting supaya bisa didapat hasil peramalan penjualan periode Desember 2014. Penentuan analisis data menggunakan : 1. Forecasting ( Peramalan ) dianalisis dengan menggunakan bantuan software QM for Windows dengan menggunakan Metode Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, Linear Regression, Naive Method peramalan dilakukan berdasarkan data-data penjualan besi baja yang sudah ada sebelumnya kemudian dilakukan peramalan untuk bulan Desember 2014 dan metode apa yang sebaiknya digunakan oleh PT. Adi Sakti Steel. 2. Tata letak gudang dianalisis bagaimana penyusunan tata letak gudang besi baja yang optimal yaitu dengan menggunakan perhitunga utilitas ruang gudang untuk memperluas ruang gudang yang tidak digunakan sehingga menjadi lebih luas dan optimal.
HASIL DAN PEMBAHASAN Berikut adalah data penjualan besi baja pada PT. Adi Sakti Steel per bulannya (dari Januari 2013 – November 2014 ) Tabel 4.1 data penjualan Januari 2013 – November 2014 Bulan ( 2013 – 2014 )
Jumlah Penjualan (Total) Besi Baja
Januari (2013)
1765
Februari
1508
Maret
2032
April
1975
Mei
1086
Juni
2033
Juli
2098
Agustus
1765
September
1865
Oktober
1509
November
2019
Desember
1967
Januari (2014)
2232
Februari
1499
Maret
1874
April
1484
Mei
1908
Juni
1488
Juli
1880
Agustus
1690
September
2410
Oktober
2113
November
2978
Sumber : PT. Adi Sakti Steel 2014 Menghitung Peramalan Penjualan besi baja akan dihitung dengan metode peramalan dengan menggunakan program QM (Quantitative Management) for Windows. Adapun berbagai model dari metode peramalan tersebut, yaitu : a) Moving Average b) Weighted Moving Average c) Exponential Smoothing d) Exponential Smoothing With Trend e) Linear Regression f) Naive Method
Tabel 4.2 Hasil perhitungan ke 6 metode Forecasting dengan QM for Windows METODE
MAD
MSE
FORECAST DESEMBER 2014
Moving Average
335,45
169861,2
2500,333
Weighted Moving Average
356,985
181570,4
2434,5
Exponential Smoothing
317,981
155698,0
2286,114
Exponential Smoothing With Trend
321,174
157686,6
2374,926
Linear Regression
278,935
121153,1
2124,711
Naive Method
416,409
243030,5
2978
Sumber : Hasil pengolahan data QM (2014)
Berdasarkan perhitungan peramalan penjualan pada produk besi baja PT Adi Sakti Steel tahun 2014 terutama di bulan Desember 2014 dengan menggunakan software QM dan menggunakan ke 6 metode forecasting yaitu: Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, Linear Regression dan Naive Method. Telah diperoleh MAD, MSE, dan Forecast dari masing-masing metode yang dimana hasil dari MAD MSE dari metode Linear Regression adalah yang terkecil. Dengan demikian sebaiknya dalam meramalkan penjualan dan permintaan konsumen akan Besi Baja sebaiknya perusahaan menggunakan metode Linear Regression. Menghitung Utilitas ruang gudang Utilitas ruang :
Utilitas ruang = Utilitas ruang = 0,63 Presentase utilitas ruang = 63% Dari perhitungan di atas ukuran penggunaan gudang barang terhadap kapasitas dan jumlah barang yang ada, di nilai belum cukup optimal sehingga harus dilakukan perbaikan. Perbaikan Utilitas ruang gudang Utilitas Ruang Gudang setelah perbaikan = = 0,69 Presentase utilitas ruang setelah perbaikan = 69% Dari perhitungan utilitas ruang gudang setelah perbaikan, untuk mencapai luas yang optimal digunakan dalam gudang PT Adi Sakti Steel, maka perhitungan yang didapat sebesar 69 %.
KESIMPULAN Berdasarkan hasil analisis yang telah dijelaskan pada bab sebelumnya, maka dapat disimpulkan peramalan penjualan (forecasting) dan tata letak gudang pada PT Adi Sakti Steel adalah sebagai berikut : 1.
Dari hasil analisa perhitungan peramalan penjualan (forecasting) besi baja pada PT Adi Sakti Steel menunjukkan bahwa metode Linear Regression menghasilkan MAD sebesar 278,935 dan MSE sebesar 121153,1 sehingga hasil tersebut merupakan hasil terkecil, yang artinya merupakan paling terkuat diantara metode lainnya yang digunakan maka diaplikasikan pada PT Adi Sakti Steel
2.
Analisis yang dilakukan pada gudang PT Adi Sakti Steel ditemukan kekurangan dari sistem peletakan besi baja yang tidak teratur sehingga menyulitkan karyawan dalam pengambilan besi baja di gudang ketika diorder perusahaan lain, maka dari itu dilakukan perbaikan tata letak gudang sehingga lebih teratur.
3. Pada saat di lakukan penelitian diketahui utilitas ruang gudang adalah dengan presentase 63%. Dari ukuran penggunaan gudang barang terhadap kapasitas dan jumlah barang yang ada, dinilai belum cukup optimal.
DAFTAR PUSTAKA
Chase, Jacob, Aquilano (2004). Operation Management For Competitive Adventage, Tenth Edition. Mc Graw Hill. Deitiana, Tita. (2011). Manajemen operasional strategi dan analisa. Edisi wacana media, Jakarta.
pertama.
Mitra
Firman Ardiansyah Ekoanindiyo, Yaumal Agit Wedana. (2012). Perencanaan Tata Letak Gudang Menggunakan Metode Shared Storage di Pabrik Kota Semarang. Dinamika Teknik vol.VI, No.1 Januari 2012 Hal 46-57 Fuqing ZHAO, Yang ZHUO. (2012). A Reactive Prediction Method for Dynamic Problem. Journal of Computational Information System, 8:20 (2012) 8487.
Scheduling
Heizer, J. & Render, B. Alih bahasa oleh Sungkono, C. (2009). Manajemen Operasi (jilid 1, edisi 9) Herjanto, E. (2007). Manajemen Operasi. Jakarta: Penerbit Gramedia Widiasarana Indonesia. Janina POPEANGA, Ion LUNGU. (2014). Forecasting Final Consumption Using the Centered Moving Average Method and Time Series Analysis. Database System Journal, vol V, no.1/2014. Korrakot Y. Tippayawong, Apicat Sopadang, Patchanee Patitad. (2013). Improving Warehouse Layout Design of a Chicken Slaughterhouse Using Combined ABC Class Based and Optimized Allocation Techniques. Preceedings of the World Congress on Engineering 2013, July 3-5, 2013, London U.K. ISSN : 2078-0966. Lim Sanny, Haryadi Sarjono. (2010). Peramalan Jumlah Siswa/i Sekolah Menengah Atas Swasta Menggunakan Enam Metode Forecasting. Render, Barry dan Jay Heizer. (2005). Manajemen Operasi. Edisi – 7. Salemba Empat,Jakarta. Render, Barry dan Jay Heizer. (2009). Manajemen Operasi. Edisi-9. Salemba Empat. Jakarta.
Richard L. Daft. (2006). Organization Theory and Design. Cengage South-Western. Robbins Stephen P dan Coulter Mary. (2010) Management tenth Edition. Pearson International Edition. Sarjono, Haryadi. (2010). Aplikasi Riset Operasi. Salemba Empat, Jakarta. Sofjan, A. (2004). Manajemen produksi dan operasi (edisi revisi). Fakultas Ekonomi Universitas Indonesia, Jakarta Stevenson, William J. (2009). Operations Management. (10th edition). New York: McGrawHill. Inc.
RIWAYAT PENULIS Morin Steven lahir di Jambi, Jambi pada tanggal 12 Januari 1993. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Bisnis Manajemen pada 2015.
