BAB 2
KAJIAN PUSTAKA,KERANGKA PEMIKIRAN,DAN HIPOTESIS
2.1 Kajian Pustaka 2.1.1Pengertian manajemen Pengertian manajemen menurut Hasibuan dalam bukunya manajemen (2003 : 1) “Manajemen adalah ilmu dan seni mengatur proses pemanfaatan sumber daya manusia dan sumber-sumber lainnya secara efektif dan efisien untuk mencapai tujuan tertentu.” Sedangkan menurut Manullang dalam bukunya Dasar-Dasar Manajemen (2004 : 5) manajemen didefinisikan sebagai berikut : “Manajemen adalah seni ilmu perencanaan, pengorganisasian, penyusunan, pengarahan dan pengawasan untuk mencapai tujuan yang sudah ditetapkan.” Dari definisi-definisi tersebut, dapat disimpulkan bahwa manajemen merupakan suatu proses dimana suatu organisasi dalam melakukan suatu usaha harus mempunyai
prinsip-prinsip manajemen dengan menggunakan sumber daya yang dimiliki oleh perusahaan dalam mencapai tujuan perusahaan.
2.1.2 Pengertian Manajemen Operasi Menurut Jay Heizer dan Barry Render (2005 : 4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Sedangkan menurut Eddy Harjanto (2007 : 2) adalah : “Manajemen operasi adalah merupakan suatu kegiatan yang berhubungan dengan pembuatan barang, jasa, dan kombinasinya, melalui proses transformasi dari sumber daya produksi menjadi keluaran yang diinginkan.” Jadi, manajemen operasi adalah suatu rangkaian kegiatan dalam mengubah atau mentransformasikan semua masukan (input) perusahaan menjadi keluaran atau output perusahaan.
2.1.3 Saluran Distribusi Penentuan saluran distribusi dalam suatu perusahaan merupakan salah satu keputusan yang sangat penting bagi perusahaan. Dimana perusahaan berusaha agar
dengan saluran distribusi yang dipilih,dapat membantu penyaluran produknya dengan tepat. Dengan demikian akan memudahkan konsumen untuk melakukan pembelian produk yang mereka butuhkan,dan dapat bekerja secara efektif dan efisien bagi kedua belah pihak yaitu konsumen dan produsen. Berikut ini beberapa pengertian saluran distribusi menurut teori dari beberapa sumber : Saluran distribusi menurut Kotler (2007 : 122), dalam bukunya “Manajemen Pemasaran” yaitu: “Saluran distribusi merupakan organisasi-organisasi yang saling tergantung yang tercakup dalam proses yang membuat produksi atau jasa menjadi tersedia untuk digunakan atau dikonsumsi”. Sedangkan menurut Saladin (2006 : 153), menyebutkan bahwa : “Saluran distribusi adalah serangkaian organisasi yang saling tergantung yang terlibat dalam proses untuk menjadikan suatu produk atau jasa siap untuk digunakan atau dikonsumsi”. Menurut Yunarto (2006 : 42) menyatakan bahwa dalam saluran distribusi dikenal tiga komponen utama yaitu Intermediary (perantara), Agent (agen), & facilitator (fasilitator).
-
Intermediary (perantara) adalah pihak-pihak seperti wholeseller (grosir / pedagang besar) dan retailer (pengecer) yang membeli barang, memilikinya dan menjual kembali barang tersebut. Wholeseller dan retailer sering disebut juga dengan istilah merchant (pedagang).
-
Agent (agen/wakil) adalah pihak-pihak seperti broker (pedagang perantara yang biasanya dibayar dengan imbalan komisi) dan sales agent (agen penjualan). Broker dan agent akan mencari pembeli, bertindak di pihak penjual, negosiasi dengan pembeli, tetapi tidak memiliki barang yang diperantarakan atau diperdagangkan itu.
-
Facilitator (fasilitator) adalah pihak-pihak lain yang memfasilitasi atau membantu proses distribusi dalam hal pengiriman secara fisik, pengiriman informasi, ataupun proses pembayaran. Fasilitator adalah pihak ketiga yang tidak terlibat proses jual-beli barang dan tidak memiliki barang yang dikirim atau diperdagangkan tersebut. Jadi disini tugas fasilitator hanyalah untuk membantu dan kemudian dia dibayar atas bantuan yang diberikannya ini. Contoh dari fasilitator adalah perusahaan transportasi/ ekspedisi, bank , provider internet (untuk pertukaran informasi), biro iklan, independent warehouse (gudang milik perusahaan lain).
Dari definisi-definisi di atas, dapat disimpulkan bahwa pengertian saluran distribusi mempunyai kegiatan untuk menyalurkan barang atau jasa dari produsen kepada konsumen,sehingga segala kegiatan yang dilakukan oleh perusahaan terutama
yang menyangkut dengan distribusi dapat berjalan sesuai dengan yang telah ditetapkan.
2.1.4 Fungsi Saluran Distribusi Sebuah saluran distribusi melaksanakan tugas memindahkan barang dari produsen ke konsumen. Menurut Saladin (2006 : 154) dalam buku “Manajemen Pemasaran”, fungsi-fungsi dari saluran distribusi adalah sebagai berikut : 1. Informasi, yaitu sebagai pengumpul dan penyebar informasi riset pemasaran tentang potensi dan kemampuan pasar, pesaing dan kekuatan-kekuatan lain dalam lingkungan pemasaran. 2. Promosi, yaitu sebagai pengembangan dan penyebaran komunikasi. 3. Negosiasi, yaitu usaha untuk mencapai persetujuan akhir mengenai harga dan hal-hal lain yang berhubungan dengan perpindahan hak milik. 4. Pemesanan, yaitu komunikasi saluran ke belakang mengenai minat pembeli oleh anggota saluran pemasaran ke produsen. 5. Pembiayaan, yaitu permintaan dan penyebaran dana untuk menutup biaya saluran distribusi tersebut. 6. Pengambilan resiko, yaitu perkiraan besar resiko berkaitan dengan pelaksanaan pekerjaan saluran tersebut.
7. Kepemilikan fisik, yaitu milik dari penyimpangan dan pergerakan barang secara fisik dari bahan mentah sampai ke konsumen akhir. 8. Pembayaran, yaitu arus pembayaran atau uang kepada penjual atas jasa atau produk yang telah diserahkan. 9. Kepemilikan, yaitu arus kepemilikan dari suatu lembaga pemasaran ke lembaga pemasaran lainnya. Dari definisi fungsi-fungsi saluran distribusi di atas dapat disimpulkan bahwa saluran distribusi tersebut dapat membantu perusahaan mempercepat kegiatan operasional perusahaan yang lebih efektif dan penyalurannya dapat dilakukan dengan tepat.
2.1.5. Model Distribusi Menurut Yunarto (2006 : 49), Diantara producer dan customer bisa memiliki intermediary atau tidak. Berdasar pada ada tidaknya intermediary. Distribution channel dapat dibagi menjadi dua, yaitu :
-
Direct channel terjadi ketika produser langsung berhubungan dengan pemakai akhir dan tanpa melalui intermediary. Beberapa contoh sistem direct channel
adalah direct sales, direct marketing, on-line marketing, tele-marketing, agent, dan lain-lain. -
Indirect channel terjadi jika ada intermediary diantara produser dan pemakai akhir. Jumlah intermediary menentukan panjang pendeknya channel. Jika ada satu intermediary maka disebut channel 1 level, dua intermediary disebut channel 2 level, dan seterusnya.
Menurut Yunarto (2006 : 50) : “ Model dari distribution channel dapat dikelompokkan berdasar tiga kelompok besar berdasarkan jenis produknya, yaitu : consumer products (produk konsumsi), industrial products (produk industri) dan services (jasa).”
2.1.6 Tingkatan dalam Saluran Distribusi Perusahaan sebagai penyaji produk atau jasa dan pelanggan akhir merupakan bagian dari tiap saluran. Perusahaan menggunakan jumlah level perantara untuk menentukan panjang suatu saluran.
Menurut Saladin (2006 : 155) dalam buku “Manajemen Pemasaran”, menyebutkan bahwa tingkatan saluran distribusi terdiri dari :
1. Saluran Nol-Tingkat (A Zero Level) Terdiri dari satu perusahaan yang menjual langsung produknya ke pelanggan akhir, atau dari produsen ke konsumen. Dilakukan dengan 4 cara yaitu : a. Dari rumah ke rumah b. Arisan rumah c. Lewat pos d. Lewat toko-toko perusahaan 1. Saluran Satu Tingkat (A One-Level Channel) Berisi satu perantara penjualan. Di dalam saluran distribusi barang konsumsi, perantara ini merupakan pedagang besar atau grosir, sedangkan di dalam saluran barang industri ini mereka merupakan tenaga penjual representative. 2. Saluran Dua Tingkat (Two Level Channel) Berisi dua perantara yang dalam pasar barang konsumsi mereka umumnya adalah pedagang besar dan pengecer, sedangkan dalam saluran distribusi barang industri mereka merupakan sebuah penyalur tunggal dan distributor industri. 3. Saluran Tiga-Tingkat (A Three Level Channel) Berisi tiga perantara, yaitu pedagang besar, pemborong dan pengecer. 4. Saluran Aneka Tingkat (Higher Level Channel) Saluran distribusi lebih dari tiga tingkat.
Selain saluran distribusi barang konsumsi juga terdapat saluran distribusi barang industri. Menurut Yunarto (2006 : 51), Contoh barang konsumsi adalah seperti sabun, mie, permen, rokok, minuman kaleng, pengharum baju, dan lain-lain. Contoh barang industri adalah peralatan untuk industry seperti mata bor , nozzle (alat penyemprot), valve (katub) , crane (derek), kompresor, switch (saklar), batu gerinda, cutting tool (alat pemotong), hand tool (seperti kunci pas, obeng, tang, dan sebagainya), industry lubricant (pelumas untuk industri), stamping machine (mesin untuk membuat kode tertentu di logam), dan lain-lain. 0 Level Produsen
1 Level Produsen
2 Level Produsen
3 Level Produsen
Wholesaler Wholesaler
Jobber
Retailer
Retailer
Retailer
Konsumen
Konsumen
Konsumen
Konsumen
Gambar 2.1 A. Saluran Distribusi Konsumsi Sumber : Kotler (2007 : 130)
Produsen
Produsen
Produsen
Manufacturer’s Representatif
Industrial Distributor
Produsen
Manufacturer’s Representatif
Konsumen Industri
Konsumen Industri
Konsumen Industri
Konsumen Industri
Gambar 2.2 A. Saluran Distribusi Industri Sumber : Kotler (2007 : 130)
2.1.7 Faktor-Faktor dalam Pemilihan Saluran Distribusi Keputusan-keputusan saluran distribusi merupakan keputusan yang komplek dan penuh tantangan yang harus dihadapi oleh perusahaan. Setiap sistem saluran distribusi menciptakan tingkat penjualan dan biaya yang berbeda-beda dan apabila saluran distribusi sudah dipilih,maka saluran distribusi yang sudah dipilih itu akan memberi pengaruh terhadap penjualan. Dalam menentukan saluran distribusi perlu memperhatikan faktor-faktor yang mempengaruhinya. Saat memilih saluran distribusi, terdapat berbagai faktor yang mempengaruhinya, penjelasan mengenai faktor-faktor yang mempengaruhi pemilihan dalam saluran
distribusi dikemukakan oleh Saladin (2006 : 157) dalam buku “Manajemen Pemasaran” yaitu: A. Ciri-ciri produk: 1. Cepat atau tidak rusaknya produk tersebut. 2. Produk yang tidak terstandarisasi. 3. Nilainya tinggi. 4. Memerlukan jasa-jasa instalasi atau pelayanan. B. Ciri-ciri perantara : 1. Kekuatan dan kelemahan perantara. 2. Kemampuan
untuk
melaksanakan
fungsi-fungsi
promosi,negosiasi,penyimpanan dan lain-lain. C. Ciri-ciri pesaing Mengetahui bagaimana pesaing menggunakan jasa-jasa perantara. D. Ciri-ciri perusahaan: 1. Keunggulan dan kelemahan finansial. 2. Ukuran perusahaan. 3. Kemampuan dan kejujuran perusahaan atau perantara. E. Sifat lingkungan 1. Kondisi perekonomian 2. Peraturan
seperti
2.1.8 Output Jasa Saluran Distribusi Perusahaan perlu menggunakan saluran distribusi yang berbeda. Dalam pasar yang lebih kecil,perusahaan langsung menjual ke pengecer. Di pasar yang lebih besar, perusahaan mungkin menjual melalui distributor. Menurut Saladin (2006 : 153) dalam buku “Manajemen Pemasaran”, dalam merancang saluran pemasaran, pemasar harus memahami level output jasa yang diinginkan pelanggan sasaran. Saluran menghasilkan lima output jasa : 1. Ukuran jumlah (lot size) : ukuran lot adalah jumlah unit yang diperbolehkan oleh saluran distribusi untuk dibeli oleh satu pelanggan biasa setiap kali pembelian. 2. Waktu tunggu (waiting time): waktu tunggu adalah rata-rata waktu tunggu dari pelanggan saluran untuk menerima barang, pelanggan biasanya menginginkan saluran pengiriman yang cepat. 3. Kenyamanan tempat (spatial convenience) : kenyamanan tempat menyatakan tingkat kemudahan yang disediakan saluan pemasaran bagi pelanggan untuk membeli produk tersebut. 4. Keragaman produk (product variety) : variasi produk menyatakan luasnya keragaman yang diberikan oleh saluran distribusi. Biasanya memilih keragaman yang lebih banyak karena meningkatkan peluang pelanggan untuk menemukan barang yang dibutuhkan.
2.1.9 Pengertian biaya Pengertian biaya menurut Mulyadi (2005 : 8) dijelaskan sebagai berikut : “Dalam arti luas biaya adalah pengorbanan sumber ekonomi, yang diukur dalam satuan uang, yang telah terjadi atau yang kemungkinan akan terjadi untuk tujuan tertentu.”. “Dalam arti sempit biaya dapat diartikan sebagai pengorbanan sumber ekonomi untuk memperoleh aktiva.” Mulyadi (2005 : 9) Menurut Heizer dan Render (2006,415): ”Biaya lokasi dapat dibagi menjadi dua kategori sebagai berikut: 1. Biaya nyata (tangible costs) adalah biaya-biaya yang langsung dapat dikenali dan dapat dihitung secara tepat. Biaya nyata meliputi biaya layanan umum (seperti, listrik dan air), tenaga kerja, bahan mentah, pajak, penyusutan, dan biaya lain yang dapat dikenali oleh departemen keuangan dan pihak manajemen.” 2. Biaya tidak nyata (intangible costs) lebih sulit untuk ditentukan. Biaya tidak nyata meliputi kualitas pendidikan, fasilitas transportasi umum, sikap masyarakat terhadap industri dan perusahaan, juga kualitas dan sikap calon karyawan. Biaya tidak nyata juga meliputi variabel standar
hidup, seperti iklim dan kelompok olahraga, yang dapat mempengaruhi proses rekrutmen karyawan. Berdasarkan pengertian di atas, dapat disimpulkan bahwa biaya transportasi adalah pengorbanan sumber ekonomi yang terjadi selama proses pemindahan barang dari sumber ke tempat tujuan. 2.1.10 Pengertian Peramalan Menurut Jay Heizer, Render Barry(2009 : 162) Peramalan (forecasting) adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. Mulyono (2000), memberikan definisi peramalan sebagai suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahan dapat diperkecil. Peramalan juga dapat diartikan sebagai uasaha memperkirakan perubahan. Agar tidak disalahpahami bahwa peramalan tidak memberikan jawaban yang pasti tentang apa yang akan terjadi, melainkan akan mencari yang sedekat mungkin dengan yang akan terjadi. Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan
tingkat permintaan produk – produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang (Nasution : 2005). Peramalan atau forecasting adalah suatu proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Forecasting yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen. James Golden, John Milewicz and Paul Herbig pada Management Decision, Vol. 32 mengartikan : “Forecasting is predicting, projecting, or estimating some future event or condition which is outside an organization’s control and provides a basis for managerial planning.”
Jadi dapat disimpulkan bahwa peramalan adalah proses memperkirakan keadaan atau informasi yang akan terjadi di masa depan.
2.1.11 Jenis- jenis Peramalan Menurut Jay Heizer, Render Barry (2009 : 164) : Pada umumnya, berbagai organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi dimasa depan.
1. Peramalan ekonomi menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi,ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indicator perencanaan lainnya. 2. Peramalan teknologi memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik dan peralatan baru. 3. Peramalan permintaan adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan yang mengendalikan produksi, kapasitas, serta sistem penjualan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
2.1.12. Pendekatan dalam peramalan
Menurut John E. Hanke,Dean W. Wichern, International Edition (2006 : 78) metode peramalan dapat dibagi 2 yaitu : A. Metode peramalan kualitatif atau subyektif “Qualitative forecasting techniques relied on human judgments and intuition more than manipulation of past historical data,” atau metode yang hanya didasarkan kepada penilaian dan intuisi, bukan kepada pengolahan data historis. B. Metode Peramalan Kuantitatif
Sedangkan peramalan kuantitatif diterangkan sebagai : “Quantitative techniques that need no input of judgments; they are mechanical procedures that produce quantitative result and some quantitative procedures require a much more sophisticated manipulation of data than do other, of course” atau metode yang tidak memerlukan penilaian, melainkan data. Menurut Jay Heizer, Render Barry (2009 : 167) : “Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara mengatasi semua model keputusan. Pendekatan yang satu adalah analisis kuantitatif (quantitative forecast) dan pendekatan lain adala analisis kualitatif. Peramalan kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab-akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan faktor, seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal.
2.1.13. Model – model peramalan Menurut Jay Heizer,Rende Barry (2009 : 167) : Peramalan metode kualitatif terdiri dari :
1. Juri dari opini eksekutif (jury of executive opinion). Dalam metode ini, pendapat sekelompok kecil manajer atau pakar tingkat tinggi umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok. 2. Metode Delphi (Delphi Method). Ada tiga jenis partisipan dalam metode Delphi : pengambil keputusan, karyawan, dan reponden. Pengambil keputusan biasanya terdiri atas 5 hingga 10 orang pakar yang akan melakukan peramalan. Karyawan membantu pengambil keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuesioner dan hasil survei. Responden adalah sekelompok orang yang biasanya ditempatkan di tempat yang berbeda dimana penilaian dilakukan. Kelompok ini memberikan input pada pengambil keputusan sebelum peramalan dibuat. 3. Komposit tenaga penjualan (sales force composite). Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan. 4. Survei pasar konsumen (consumer market survey). Metode ini meminta input dari konsumen mengenai rencana pembelian mereka di masa depan. Hal ini tidak hanya membantu dalam menyiapkan peramalan, tetapi juga memperbaiki desain produk dan perencanaan produk baru. Survei konsumen dan gabungan tenaga
penjualan bisa jadi tidak benar karena peramalan yang berasal dari input konsumen yang terlalu optimis.
Sedangkan peramalan metode kuantitatif terdiri dari : 1. Model deret waktu Model deret waktu membuat prediksi dengan asumsi bahwa masa depan merupakan fungsi dari masa lalu. Dengan kata lain, mereka melihat apa yang terjadi selama kurun waktu tertentu dan menggunakan data masa lalu tersebut untuk melakukan peramalan. Model deret waktu terdiri dari :
-
Pendekatan naïf Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan diperiode mendatang akan sama dengan permintaan pada periode terakhir. Pendekatan naïf (naïve approach) ini merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pendekatan naïf memberikan titik awal untuk perbandingan dengan model ain yang lebih canggih.
-
Rata- rata bergerak
Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. Secara matematis, rata-rata bergerak sedehana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut :
Rata-rata bergerak =
∑
Dimana : n = jumlah periode dalam rata-rata bergerak
-
Penghalusan eksponensial Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini menggunakan pencatatan masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut.
Peramalan baru = peramalan periode terakhir + α(permintaan sebenarnya periode terakhir – peramalan periode terakhir) Dimana :
α = sebuah bobot / konstanta penghalus yang dipilih oleh peramal yang mempunyai nilai antara 0 dan 1 Persamaan dapat ditulis secara matematis sebagai berikut : Ft = Ft-1 + α(Tt-1 – Ft-1) Dimana : Ft = peramalan baru Ft-1 = peramalan sebelumnya α= konstanta penghalus (pembobotan) (0 ≤ α ≤ 1) Tt-1 = permintaan aktual periode lalu
-
Proyeksi tren Metode terakhir yang akan dibahas adlaah proyeksi tren (trend projection). Teknik ini mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau
jangka
panjang.
Beberapa
persamaan
tren
matematis
dapat
dikembangkan, namun di sini kita hanya melihat tren linier saja. y = a + bx Dimana : y = nilai terhitung dari variable yang akan diprediksi (disebut variable terikat) a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di x) x = variable bebas (dalam kasus ini adalah waktu)
Para pakar statistik telah membuat persamaan yang dapat kita gunakan untuk menemukan nilai a dan b untuk setiap garis regresi. Kemiringan b ditemukan dengan : b=
∑ ²
²
dimana : b = kemiringan garis regresi Σ = tanda penjumlahan total x = nilai variabel bebas yang diketahui y = nilai variabel terikat yang diketahui kita dapat menghitung titik potong sumbu y,a , sebagai berikut : a = rata-rata y – b.rata-rata x
2. Model asosiatif Model asosiatif atau hubungan sebab – akibat, seperti regresi linier, menggabungkan banyak variable atau factor yang mungkin mempengaruhi kuantitas yang sedang diramalkan. Model asosiatif terdiri dari peramalan regresi linier.
Model peramalan
kualitatif jury of executive opinion
Delphi Method
kuantitatif
Model deret waktu
Model asosiatif
Pendekatan naif Regresi linier Rata – rata bergerak
sales force composite
consumer market survey
Penghalusan eksponensial
Proyeksi tren
Gambar 2.3. Model peramalan menurut Jay Heizer, Render Barry (2009 : 167) Sumber : penulis
Menurut Martiningtyas (2004 : 101) : Metode Peramalan Kuantitatif (Statistical Method) Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas dua bagian, yaitu : 1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu atau “Time Series”.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab akibat (causal method).
Peramalan kuantitatif
Time series / deret
Metode korelasi / sebab akibat (causal method) Gambar 2.4
Model peramalan kuantitatif menurut Martiningtyas (2004 : 101) Sumber : penulis
Ada 3 tipe peramalan menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 151) yaitu:
1. Time – Series Models “Time series models attempt to predict the future by using historical data. These models make the assumption that what happens in the future is a function of what has happened in the past. In other words, time series models look at what has happened over a period of time and use a series of past data to make a forecast. ”
“Memprediksi masa depan dengan menggunakan historical data. Model – model ini membuat asumsi bahwa apa yang terjadi di masa depan adalah fungsi dari apa yang telah terjadi di masa lalu. Dengan kata lain, model ini melihat apa yang terjadi pada periode waktu tertentu atau memakai data masa lalu untuk meramal.”
2. Causal Models “Causal models incorporate the variables or factors that might influence the quantity being forecasted into the forecasting model. Causal models may also include past sales data as time-series models do, but they include other factors as well.” Model kausal menggabungkan variabel – variabel atau faktor – faktor yang mungkin mempengaruhi kuantitas peramalan ke dalam model peramalan. Model ini juga mungkin termasuk data masa lalu seperti model Time Series ,tetapi juga faktor – faktor yang lain.
3. Qualitative Models “Whereas time-series and causal models rely on quantitative data, qualitative models attempt to incorporate judgmental or subjective factors into the forecasting model.”
Mengingat time – series dan causal models tergantung pada data kuantitatif, maka qualitative models menggabungkan penilaian atau faktor – faktor subjektif ke dalam model peramalan.
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 151) model forecasting terdiri dari :
Forecasting Techniques
Qualitative Models
Time Series
Delphi Method
Moving Average
Jury of Executive
Exponential Smoothing
Sales Force Composite
Consumer Market Survey
Trend Projection
Decomposition
Gambar 2.6
Causal Methods
Regression analysis
Multiple Regression
Forecasting Models Sumber : Barry Render, Ralph M. Stair,JR, Michael E. Hanna (2006 : 151)
2.1.14. Metode peramalan yang digunakan Menurut Martiningtyas (2004 : 101): “Peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Metode
yang baik adalah metode yang memberikan nilai – nilai
perbedaan atau penyimpangan yang mungkin.”
Menurut Jay Heizer, Render Barry (2009 : 169) : ”Peramalan deret waktu didasarkan pada urutan titik- titik data yang berjarak sama dalam waktu (mingguan,bulanan,kuartalan, dan lain-lain).”
Dilihat dari teori-teori yang ada,serta dari data-data permintaan masa lalu yang didapatkan oleh penulis dari perusahaan, maka penulis menggunakan model peramalan Time-Series untuk memprediksi masa depan dengan menggunakan historical data. Model – model ini membuat asumsi bahwa apa yang terjadi di masa depan adalah fungsi dari apa yang telah terjadi di masa lalu. Dengan kata lain, model ini melihat apa yang terjadi pada periode waktu tertentu atau memakai data masa lalu untuk meramal. Berdasarkan dari teori-teori diatas, maka penulis menggunakan salah satu metode peramalan kuantitatif yaitu Time series.
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 156), Time series methods terdiri dari : 1. Naïve method “ The naïve forecast for the next period is the actual value observed in the current period.” 2. Moving average Moving average is useful if we can assume that market demands will stay fairly steady over time. 3. Exponential smoothing Exponential smoothing is a forecasting method that is easy to use and handled efficiently by computers. Although it is a type of moving average technique, it involves little record keeping of past data.
4. Trend projection Another method for forecasting time series with trend is called trend projection. This technique fits a trend line to a series of historical data points and then projects the line into the future for medium – to long range forecast.
5. Decomposition of a time series Analyzing time series means breaking down past data into components and then projecting them forward. A time series typically has four components : Trend, seasonality , cycles and random variation. 1. Trend ( T ) is the gradual upward or downward movement of the data over time. 2. Seasonality (S) is a pattern of the demand fluctuation above or below the trend line that repeats at regular intervals. 3. Cycles (C) are patterns in annual data that occur every several years. They are usually tied into the business cycle. 4. Random variation (R) are “blips” in the data caused by chance and unusual situations; they follow no discernible pattern.
“There are two general forms of time series models in statistics. The first is a multiplicative model, which assumes that demand is the product of the four components. It is stated as follow : Demand = T x S x C x R An additive model adds the components together to provide an estimate. Multiple regression is often used to develop additive models. This additive relationshi is stated ad follows :
Demand = T+S+C+R There are other models that may be a combination of these. For example, one of components (such as trend) might be additive while another (such as seasonality) could be multiplicative. -
Seasonal variations Time series forecasting involves looking at the trend of data over a series of time observations. Sometimes, however, recurring variation at certain seasons of the year make a seasonal adjustment in the trend line forecast necessary. Analyzing data in monthly or quarterly terms usually makes it easy to spot seasonal patterns. A seasonal index is often used in multiplicative time forecasting models to make an adjustment in the forecast when a seasonal components exits. An alternative is to use an additive models such as a regression model.
A seasonal index indicates how a particular season compares with an average season. When no trend is present, the incex can be found by dividing the average value for a particular season by the average of all the data. Thus, an indes of 1 means the season is average. -
Seasonal variations with trend When both trend and seasonal components are presents in a time series, a change from one month to the next could be due to a trend, to a seasonal variation, or simply to random fluctuations. To help with this problem, the seasonal indices should be computed using a centered moving average (CMA) approach whenever trend is presents. Using this approach prevents a variation due to trend from being incorrectly interpreted as a variation due to the season. To derive an accurate index, we should use a CMA.”
Steps used to compute seasonal indices based on CMAs : 1. Compute a CMA for each observation (where possible) 2. Compute seasonal ratio = observation / CMA for each observation. 3. Average seasonal ratios to get seasonal indices. 4. If seasonal indices do not add to the number of season, multiply each index by (number of seasons)/ (sum of the indices). “The process of isolating linear trend and seasonal factors to develop more accurate forecast is called decomposition.
The first step is to compute seasonal indices for each season. Then, the data are deseasonalized by dividing each number by its seasonal index. A trend line is then found using the deseasonalized data. The trens equation is used to develop the forecast based on trend, and the result is multiplied by the seasonal index to make a seasonal adjustment. Steps to develop a forecast using the Decomposition Method 1. Compute seasonal indices using CMAs. 2. Deseasonalize the data by dividing each number by its seasonal index 3. Find the equation of trend line using the deseasonlized data. 4. Forecast the future periods usinf the trend line. 5. Multiply the trend line forecast by the appropriate seasonal index. Most foecasting software, including QM for windows, includes the decomposition method as one of the available techniques. This will automatically compute CMAs, deseasonlize data, develop the trend line, make the forecast using the trend equation, and adjust the final forecast for seasonality.”
2.1.15. Akurasi peramalan Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 154) :
” To see how well one model works, or to compare that model with other models, forecasted values are compared with the actual or observed values. The forecast error (deviation) is defined as follows ; ’’ “ Forecast error = actual value – forecast value”
Kriteria yang digunakan untuk menguji ketepatan ramalan menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 154) antara lain adalah:
-
MAD (Mean Absolute Deviation) Mean Absolute Deviation (MAD) is one of measures of accuracy. This is computed by taking the sum of the absolute values of the individual forecast errors and dividing by the number of errors (n) :
MAD =
∑e
t
t
n
“There are other measures of the accuracy of historical error in forecasting that are sometimes used besides the MAD. One of the most common is the Mean Squared Error (MSE) which is the average of the squared errors.”
MSE =
∑ (e )
2
t
t
n
“Besides the MAD and MSE, the mean absolute percent error (MAPE) is sometimes used. The MAPE is the average of the absolute values of the errors ecpressed as percentages of the actual values. This is computed as follows :
MAPE =
∑
|
′|
Menurut John E. Hanke,Dean W. Wichern, International Edition (2006 : 79) : “ One method for evaluating a forecasting technique uses the sum of the absolute errors. The mean absolute deviation (MAD) measures forecast accuracy by averaging the magnitudes of the forecast errors (absolute values of each error). MAD is the most useful when the analyst wants to measure forecast error in the same time units as the original series. MAD is computed.” MAD = ∑ |
′
|
“The mean squared error (MSE) is another method for evaluating a forecasting technique. Each error or residual is squared; these are then summed and divided by
the number of observations. This approach penalizes large forecasting errors because the errors are squared, which is important; a technique that produces moderate errors may well be preferable to one that usually has small errors but occasionally yields extremely large ones. The MSE is given by Equation ′
MSE = ∑
²
“ Sometimes it is more useful to compute the forecasting errors in terms of percentages rather than amounts. The mean absolute percentage error (MAPE) is computed by finding the absolute error in each period, dividing this by the actual observed value for the period, and then averaging these absolute percentage errors. This approach is useful when the size or magnitude of the forecast variable is important in evaluating the accuracy of the forecast. MAPE provides an indication of how large the forecast errors are in comparison to the actual values of the series. The technique is especially useful when the Yt value are large. MAPE can also be used to compare the accuracy of the same or different techniques on two entirely different series. MAPE is computed as follow: MAPE = ∑
|
′|
Freddy Rangkuti (2005:70) dalam bukunya mengatakan “suatu keharusan untuk membandingkan perhitungan yang memiliki nilai MAD paling kecil, karena semakin kecil nilai MAD, berarti semakin kecil pula perbedaan antara hasil forecasting dan nilai aktual.”
2.1.16. Tracking Signal Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 176) : “One way to monitor forecasts to ensure that they are performing well is to employ a tracking signal. A tracking signal is a measurement of how well the forecast is predicting actual values. The tracking signal is computed as the running sum of the forecast errors (RSFE) divided by the mean absolute deviation (MAD) : ” Tracking signal = RSFE / MAD = Σ |forecast error| / MAD
“Positive tracking signals indicate that demand is greater than the forecast. Negative signals mean that demand is less than forecast. A good tracking signal – that is, one with a low RSFE – has about as much positive error as it has negative error. In other words, small deviations are okay, but the positive and negative deviation should balance so that the tracking signal centers closely around zero.” Untuk menentukan batas tracking signal, setiap perusahaan dapat memiliki batas yang berbeda-beda.
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition (2006 : 176) : “ George Plossl and Oliver Weight, two inventory control experts, suggested using maximums of ±4 MADs for high-volume stock items and ±8 MADs for lower volume items.” “ One MAD is equivalent to approximately 0.8 standart deviations, so that ±2 MADs = 1.6 standart deviations, ±3 MADs = 2.4 standart deviations, and ±4 MADs = 3.2 standart deviations. This suggests that for a forecast to “be in control”, 89% of the error are expected to fall within ±2 MADs, 98% within ±3MADs , or 99% within ±4 MADs whenever the errors are approximately normally distributed.”
2.1.14 Model dan Pengertian Transportasi Salah satu metode optimasi untuk mencari jalur distribusi serta biaya adalah metode transportasi, dikatakan demikian berdasarkan teori-teori. Menurut Agustini dan Rahmadi (2004 : 100-133). Pada masalah tranportasi, biasanya jumlah barang yang disalurkan dari setiap lokasi permintaan bervariasi. Atas dasar kenyataan bahwa rute pengiriman yang berbeda akan menghasilkan biaya kirim yang berbeda, maka tujuan pemecahan kasus ini adalah menentukan berapa unit barang yang arus dikirim dari setiap sumber ke setiap tujuan sehingga permintaan dari setiap tujuan terpenuhi dan total biaya kirim minimum.
Menurut Siswanto (2006,265) ”transportasi berkaitan dengan masalah pendistribusian barang-barang dari pusat-pusat pengiriman atau sumber ke pusatpusat penerimaan atau tujuaan.” Menurut Mulyono, Sri (2007,p.111) ”Transportasi diartikan sebagai distribusi suatu produk tunggal dari beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuaan, dengan permintaan tertentu, pada biaya transpor minimum. Karena hanya ada satu macam barang, suatu tempat tujuaan dapat memenuhi permintaannya dari satu atau lebih sumber." Dari pengertian di atas, dapat disimpulkan bahwa transportasi adalah kegiatan memindahkan sesuatu dari suatu tempat ke tempat yang lain. Menurut Jay Heizer dan Barry Render (2005 : 631), permodelan transportasi adalah suatu prosedur berulang untuk memecahkan masalah serta meminimalisasi biaya pengiriman produk dari beberapa sumber ke beberapa tujuan. Jadi pengertian transportasi adalah pemindahan barang dan jasa dari beberapa sumber ke beberapa tempat tujuan dengan memecahkan permasalahan biaya transportasi agar biaya tersebut minimum. Model transportasi berkaitan dengan suatu situasi dimana suatu komoditas akan dikirim dari sejumlah sources (sumber) menuju ke sejumlah destination (tujuan). Tujuan dari persoalan tersebut adalah menentukan jumlah komoditas yang harus dikirim dari tiap-tiap source ke tiap-tiap destination sedemikian hingga biaya total
pengiriman dapat diminimumkan, dan pada saat yang sama pembatas yang berupa keterbatasan pasokan dan kebutuhan permintaan tidak dilanggar. Model transportasi mengasumsikan bahwa biaya pengiriman komoditas pada rute tertentu adalah proposional dengan banyaknya unit komoditas yang dikirimkan pada rute tersebut. Secara umum, model transportasi dapat diperluas pada bidang-bidang pengendalian persediaan, penjadwalan tenaga kerja, dan penugasan personalia. Setiawan (2006 : 125).
Secara umum, persoalan transportasi dapat digambarkan sebagai berikut : Sources A1
A2
Am
Destination 1
1
2
2
m
n
Gambar 2.7. Model Dasar Transportasi
B1
B2
B3
Sumber : Setiawan (2006 : 125)
2.1.15. Metode transportasi Beberapa definisi metode transportasi, diantaranya: Menurut Siswanto (2006 : 264): ”Metode transportasi berkaitan dengan masalah pendistribusian barang-barang dari pusat-pusat pengiriman atau semuber ke pusatpusat penerimaan atau tujuaan. Persoalan yang ingin dipecahkan oleh motode transportasi adalah penentuaan distribusi barang yang akan meminimumkan biaya total distribusi.” Menurut Mulyono (2007 : 111) ”Metode Transportasi diartikan sebagai distribusi suatu produk tunggal dari beberapa sumber, dengan penawaran terbatas, menuju beberapa tujuaan, dengan permintaan tertentu, pada biaya transpor minimum. Karena hanya ada satu macam barang, suatu tempat tujuaan dapat memenuhi permintaannya dari satu atau lebih sumber."
Menurut Heizer dan Render (2006 : 631) ”Metode transportasi merupakan suatu teknik/metode yang digunakan untuk mencari cara yang termurah utnuk mengirim barang dari beberapa sumber ke beberapa tujuaan. Titik asal (sumber) dapat berupa pabrik, gudang, agen penyewaan mobil seperti Avis, atau titik lain dari barang-barang
dikirimkan. Tujuan adalah titik-titik yang mnerima barang. Untuk menggunakan model transportasi, kita harus mengetahui hal-hal berikut: 1. Titik asal dan kapasitas atau pasokan pada setiap periode. 2. Titik tujuan dan permintaan pada setiap periode. 3. Biaya pengiriman satu unit dari setiap titik asal ke setiap titik tujuaan
Berdasarkan definisi-definisi metode transportasi diatas, maka dapat disimpulkan bahwa metode transportasi merupakan suatu cara yang digunakan untuk menentukan pendistribusian atau pengalokasian produk secara optimal. Pendistribusian atau pengalokasian yang tidak optimal akan menimbulkan biaya besar,sehingga pendapatan tidak maksimum. Dengan menggunakan metode transportasi akan diperoleh alokasi dengan biaya transportasi yang minimum.
2.1.16. Tujuan transportasi Metode transportasi yang digunakan perusahaan dalam pengalokasian produknya akan menentukan biaya pengiriman produk. Menurut Heizer dan Render (2006 : 424): ”Tujuan metode transportasi (transportation model) adalah menetapkan pola pengiriman terbaik dari beberapa titik pemasok (sumber) ke beberapa titik permintaan (tujuan) sedemikian rupa sehingga
meminimalkan biaya produksi dan transportasi total. Setiap perusahaan dengan suatu jaringan titik pasokan dan permintaan menghadapi permasalahan yang sama.”
2.1.17. Masalah-Masalah Transportasi tidak Seimbang Masalah
transportasi
tidak
selalu
mudah
diatasi,
terkadang
ada
ketidakseimbangan antara penawaran dan permintaan. Pertidaksamaan kendala permintaan menunjukan bahwa semua unit yang tersedia akan dikirimkan, namun satu atau lebih kendala permintaan tidak akan terpenuhi. Untuk mencerminkan keadaan ini, dalam tabel transportasi ditambahkan satu baris dummy. Menurut Siswanto (2006 : 267): ”Di dalam model transportasi, kemampuaan sumber-sumber untuk melayani belum tentu sama dengan tingkat permintaan tujuantujuan untuk dilayani sehingga ada tiga kemungkinan akan terjadi ketidak seimbangan, yaitu: 1. Kemungkinan pertama akan terjadi bila seluruh kemampuaan sumbersumber untuk mengirim barang melampaui tingkat permintaan yang ada. Dalam kasus ini, satu atau lebih sumber mungkin hanya akan mengirim barang sebagian atau tidak mengirim sama sekali. 2. Kemungkinan kedua akan terjadi bila seluruh kapasitas permintaan tidak mugnkin dipenuhi oleh seluruh sumber-sumber yang tersedia. Dalam kasus ini jelas akan ada permintaan dari satu atau lebih tujuan yang akan dipenuhi sebagian atau tidak dipenuhi sama sekali.
3. Kemungkinan ketiga akan terjadi bila seluruh kapasitas permintaan untuk mengirim barang sama persis dengan seluruh permintaan tujuan. Dalam kasus ini seluruh kemampuan sumber-sumber untuk melayani permintaan tepat digunakan seluruhnya dan seluruh permintaan tujuan-tujuan tepat dipenuhi.” Menurut Mulyono (2007 : 113): ”Sejauh ini hanya dibahas masalah transportasi seimbang, dimana penawaran sama dengan permintaan. Kenyataannya, kasus seimbang adalah kekecualian. Pada umumnya, kebanyakan masalah adalah tak seimbang dimana penawaran lebih besar daripada permintaan atau sebaliknya. Dalam kasus masalah tak seimbang, metode solusi transportasi membutuhkan sedikit modifikasi.”
2.1.18. Langkah –langkah metode Transpotasi -
Metode NWC
Menurut Siswanto (2006 : 74): “Metode Sudut Barat Laut (North West Corner Mehod) adalah sebuah metode untuk menyusun table awal dengan cara mengalokasikan distribusi mulai dari sel yang terletak pada sudut kiri atas. Itulah sebabnya dinamakan metode Barat Laut.”
Menurut Mulyono (2007 : 117): “Metode North West Corner adalah metode paling sederhana diantara keempat metode yang telah disebutkan untuk mencari solusi awal. Langkah-langkahnya dapat diringkas sebagai berikut: 1. Mulai pada pojok barat laut tabel dan dialokasikan sebanyak mungkin pada tabel bagian sudut kiri atas tanpa menyimpang dari kendala penawaran atau permintaan (artinya X11 ditetapkan sama dengan yang terkecil di antara nilai S1 dan D1) 2. Ini akan menghabiskan penawaran pada sumber 1 dan atau permintaan pada tujuan 1. Akibatnya, tak ada lagi barang yang dapat dialokasikan ke kolom atau baris yang telah dihabiskan dan kemudiaan baris atau kolom itu dihilangkan. Kemudiaan alokasikan sebanyak mungkin ke kotak di dekatnya pada baris atau kolom yang tak dihilangkan. Jika kolom maupun baris telah dihabiskan, pindahlah secara diagonal ke kotak berikutnya. 3. Lanjutkan dengan cara yang sama sampai semua penawaran telah dihabiskan dan keperluaan permintaan telah dipenuhi. Menurut Render dan Heizer (2006 : 633): ”Aturan North West Corner mengharuskan perhitungan dimulai pada bagian kiri atas (northwest-corner) table dan mengalokasikan unit pada rute pengiriman sebagai berikut: 1. Habiskan pasokan (kapasitas pabrik) pada setiap baris 2. Habiskan kebutuhan (permintaan gudang) dari setiap kolom 3. Pastikan bahwa semua permintaan dan pasokan telah dipenenuhi
-
Metode Least Cost
Menurut Render dan Heizer (2006 : 634): ”Metode Least cost adalah metode yang membuat alokasi berdasarkan kepada biaya yang terendah. Metode ini merupakan sebuah pendekatan yang sederhana, yang menggunakan langkah-langkah berikut: 1. Identifikasi sel dengan biaya yang paling rendah. Pilih salh satu jika terdapat biaya yang sama. 2. Alokasikan unit sebanyak mungkin untuk sel tersebut tanpa melebihi pasokan atau permintaan. Kemudiaan coret kolom atau baris itu (atau keduanya) yang sudah penuh terisi. 3. Dapatkan sel dengan biaya yang paling rendah dari sisa sel (yang belum dicoret). 4. Ulangi langkah ke 2 dan 3 sampai semua unit habis dialokasikan. Menurut Mulyono,Sri (2007 : 118): ”Metode Least cost berusaha mencapai tujuaan minimisasi biaya dengan alokasi sisitematik kepada kotak-kotak sesuai dengan besarnya biaya transpor per unit. Prosedur metode ini adalah: 1. Pilih variable Xij (kotak) dengan biaya transpor (cij) terkecil dan alokasikan sebanyak mungkin. Untuk Cij terkecil Xij=minimum (Si, Dj). Ini akan menghabiskan baris i atau kolom j. 2. Dari kotak-kotak sisanya yang layak (yaitu yang tidak terisi atau tidak dihilangkan), pilih nilai Cij terkecil dan alokasikan sebanyak mungkin.
3. Lanjutkan proses ini sampai semua penawaran dan permintaan terpenuhi. Menurut Siswanto (2006 : 271): ”Metode biaya terkecil (Least cost Method) adalah sebuah metode untuk menyusun table awal dengan cara pengalokasian distribusi barang dari sumber ke tujuan mulai dari sel yang memiliki biaya distribusi terkecil.
•
Metode Vogel’s Apporoximation (VAM) Menurut Siswanto (2006 : 279): ”Langkah-langkah metode VAM dapat diringkas sebagai berikut : 1. Buatlah matrik yang menunjukan kebutuhan masing-masing sumber dan biaya transportasi per unit. 2. Carilah selisih antara dua biaya terkecil di masing-masing kolom baris. 3. Pilh selisih terbesar di antara selisih-selisih yang telah dihitung pada langkah pertama. 4. Sesuaikan penawaran dan permintaan untuk menunjukan alokasi yang sudah dilakukan.Hilangkan semua baris dan kolom di mana penawaran dan permintaan telah dihabiskan. 5. Jika semua penawaran dan permintaan belum dipenuhi,kembali ke langkah 1,jika semua penawaran dan permintaan solusi awal terperoleh.
Tujuaan dari jalur ini adalah untuk mempertahankan kendala penawaran dan permintaan sambil dilakukan alokasi ulang barang ke suatu kotak kosong. Semua variable non basis (kotak kosong) dievaluasi dengan cara yang sama untuk menentukan apakah mereka akan menurukan biaya dan karena itu menjadi calon entering variable. Jika semua kotak kosong memiliki perubahan biaya positif, berarti solusi telah optimum. Dalam penyelesaian persoalan dengan metode transportasi, menurut Barry Render (2006 : 395) dapat dilakukan langkah-langkah sebagai berikut : a. Tentukan solusi awal b. Tentukan entering variable. Bila semua variabel sudah memenuhi kondisi optimum, STOP. Bila belum, lanjutkan langkah c. c. Tentukan leaving variable diantara variabel-variabel basis yang ada,kemudian hitung solusi baru. Kembali ke langkah b. Menurut Barry Render , ada beberapa metode yang digunakan untuk menentukan solusi awal yaitu : 1. Northwest Corner (NWC) Dalam metode ini, suatu alokasi awal ditempatkan pada sel pojok kiri atas tabel (yaitu “Northwest Corner”). Jumlah yang dialokasikan adalah jumlah yang paling memungkinkan terbatas pada batasan penawaran dan permintaan untuk sel tersebut.
Langkah-langkah penyelesaian pada metode NWC ; a. Alokasi sebanyak mungkin ke sel pojok kiri atas,disesuaikan dengan batasan. b. Kemudian alokasi sebanyak mungkin ke sel fisibel berikutnya. c. Ulangi langkah b sampai semua kebutuhan demand dan supply terpenuhi.
2. Least Cost (minimum cost) Dasar pemikirannya adalah mengalokasikan ke sel-sel dengan biaya terendah.
Langkah-langkah penyelesaian pada metode least cost : a. Alokasi sebanyak mungkin ke sel fisibel dengan biaya transportasi minimum, dan sesuaikan dengan kebutuhan permintaan dan penawaran. b. Ulangi langkah a sampai kebutuhan demand dan supply terpenuhi.
3. Vogel Approximations Method Metode ini berdasarkan pada konsep biaya penalti (penalty cost). Jika pengambil keputusan salah memilih tindakan dari beberapa alternatif tindakan yang ada,maka pengambil keputusan akan menyesali keputusan yang diambil. Dalam suatu permasalahan transportasi, yang dianggap sebagai rangkaian tindakan adalah alternative rute dan suatu keputusan dianggap salah jika mengalokasikan ke sel yang tidak terisi biaya rendah.
Langkah-langkah penyelesaian metode VAM : a. Tentukan biaya penalti untuk tiap baris dan kolom dengan cara mengurungkan biaya sel terendah pada baris atau kolom terhadap biaya sel terendah berikutnya pada baris atau kolom yang sama. b. Pilih baris atau kolom dengan biaya tertinggi. c. Alokasi sebanyak mungkin ke sel fisibel dengan biaya transportasi terendah pada baris atau kolom dengan biaya penalti tertinggi. d. Ulangi langkah a,b,c sampai semua kebutuhan demand dan supply telah terpenuhi.
4. Stepping stone Metode stepping stone merupakan langkah lanjutan dari salah satu metode dasar yang telah dijelaskan sebelumnya untuk mendapatkan solusi minimal yaitu total biaya minimum. Langkah-langkah penyelesaian metode stepping stone : a. Tentukan lintasan stepping stone dan perubahan biaya untuk setiap sel yang kosong dalam tabel. b. Alokasikan sebanyak mungkin ke sel kosong yang menghasilkan penurunan biaya terbesar. c. Ulangi langkah a dan b sampai semua sel kosong memiliki perubahan biaya positif yang mengindikasi tercapainya solusi optimal.
5. Modification Distribution (MODI) Metode MODI pada dasarnya adalah suatu modifikasi dari metode stepping stone. Namun, dalam MODI perubahan biaya pada sel ditentukan secara sistematis tanpa mengidentifikasi lintasan sel-sel kosong seperti pada metode stepping stone. Langkah-langkah penyelesaian MODI : a. Tentukan solusi awal menggunakan satu dari ketiga metode yang tersedia. b. Hitung nilai-nilai ui dan vj untuk tiap baris dan kolom dengan menerapkan formula ui + vj = Cij pada setiap sel yang telah memiliki alokasi. c. Hitung perubahan biaya, kij, untuk setiap sel kosong menggunakan formula Cij _ ui vj = kij. d. Alokasikan sebanyak mungkin ke sel kosong yang menghasilkan penurunan biaya bersih terbesar (kij yang paling negatif). Alokasikan sesuai dengan lintasan stepping stone untuk sel yang terpilih. e. Ulangi langkah b sampai d sampai semua nilai kij positif atau nol.
2.1.19. Penelitian relevan Penelitiaan mengenai metode transportasi ini pernah dilakukan sebelumnya oleh beberapa peneliti dengan hasil penelitiaan sebagai berikut:
Penelitian yang dilakukan Ayudina Puji E. dan Junaedi Iskandar (2001) meneliti mengenai upaya meningkatkan profit dengan menggunakan metode transportasi untuk perencanaan dan penjadwalan, perusahaan dapat menurunkan
biaya
pengiriminan ke daerah pelanggan dan pendistribusian untuk pengiriman barang sebesar Rp.31.765.280 atau 7,72% dari total biaya. Adapun penelitian yang dilakukan oleh Indra Haryono dan Irvan Conroles (2009) dimana dari hasil penelitian ini mendapatkan biaya pengiriman yang optimal dengan pendekatan metode transportasi. Dengan menggunakan metode transportasi tersebut maka hasil yang didapat adalah metode NWC,Least Cost dan VAM (dengan supply berubah) membuat perusahaan lebh efisien di dalam pengiriman barang kepada pelanggan dengan perbandingan : Metode berjalan adalah 3.318.000 sedangkan metode transportasi (NWC,Least Cost, VAM) adalah 3.277.250.
2.2. Kerangka Pemikiran
Mulai
Survey Awal
Studi Pustaka
Perumusan masalah
Pengumpulan data
Jumlah gudang PT.Panca Budi
Kapasitas setiap gudang
Pengolahan data
Melakukan forecasting dari data yang telah ada
Berapa permintaan konsumen masa lalu
Membandingkan tingkat kesalahan MAD dan MSE dan dipilih yang paling kecil
Menguji tingkat akurasi dengan tracking signal
Menghitung biaya distribusi dengan metode transportasi dari hasil forecasting
Menentukan uji optimalisasi dengan metode stepping stone atau MODI
Menentukan solusi awal dengan metode NWC,Least Cost, VAM
optimal
Membandingkan biaya distribusi perusahaan dengan metode transportasi
solusi
Gambar 2.5 Kerangka Pemikiran Sumber : penulis
2.2 Hipotesis
Analisis data
YA Biaya distribusi optimal
TIDAK
Meramal data dengan forecasting
Tidak optimal
Optimal Olah data dengan metode transportasi
Alternatif Solusi
Kesimpulan dan Saran
Selesai
Gambar 2.6 Kerangka hipotesis
