BAB 2 LANDASAN TEORI
2.1 Manajemen Operasional Ada beberapa pengertian dari manajemen operasional menurut para ahli, antara lain: Menurut Jay Heizer dan Berry Rander (2009:4), manajemen operasional adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Menurut Eddy Herjanto (2007:2) , manajemen operasional adalah suatu kegiatan yang berhubungan dengan pembuatan barang, jasa dan kombinasinya, melalui proses transformasi dari sumber daya produksi menjadi keluaran yang diinginkan. Menurut William J. Stevenson (2009:4), manajemen operasional adalah sistem manajemen atau serangkaian proses dalam pembuatan produk atau penyediaan jasa. Menurut Richard L. Daft (2006:216), manajemen operasional adalah bidang manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat dan teknik khusus untuk memecahkan masalah produksi. Menurut James Evans dan David Collier (2007:5), manajemen operasional adalah ilmu dan seni untuk memastikan bahwa barang dan jasa diciptakan dan berhasil dikirim ke pelanggan. Jadi, manajemen operasional adalah ilmu yang mempelajari serangkaian proses pengubahan input menjadi output yang bernilai untuk memenuhi kebutuhan konsumen.
6
7
2.1.1 Sepuluh Keputusan Strategis Manajemen Operasional Menurut Jay Heizer dan Barry Render (2009:56-57), diferensiasi, biaya rendah dan respons yang cepat dapat dicapai saat manajer membuat keputusan efektif dalam sepuluh wilayah manajemen operasional. Keputusan ini dikenal sebagai keputusan operasi (operations decisions). Berikut sepuluh keputusan manajemen operasional yang mendukung misi dan menerapkan strategi: a. Perancangan barang dan jasa. Perancangan barang dan jasa menetapkan sebagian besar proses transformasi yang akan dilakukan. Keputusan biaya, kualitas dan sumber daya manusia bergantung pada keputusan perancangan. b. Kualitas. Ekspektasi pelanggan terhadap kualitas harus ditetapkan, peraturan dan prosedur dibakukan untuk mengidentifikasi serta mencapai standar kualitas tersebut. c. Perancangan proses dan kapasitas. Keputusan proses yang diambil membuat manajemen mengambil komitmen dalam hal teknologi, kualitas, penggunaan sumber daya manusia dan pemeliharaan yang spesifik. Komitmen pengeluaran dan modal ini akan menentukan struktur biaya dasar suatu perusahaan. d. Pemilihan lokasi. Keputusan lokasi organisasi manufaktur dan jasa menentukan kesuksesan perusahaan. e. Perancangan tata letak. Aliran bahan baku, kapasitas yang dibutuhkan, tingkat karyawan, keputusan teknologi dan kebutuhan persediaan mempengaruhi tata letak. f. Sumber daya manusia dan rancangan pekerjaan. Manusia merupakan bagian yang integral dan mahal dari keseluruhan rancang sistem. Karenanya, kualitas lingkungan kerja diberikan, bakat dan keahlian yang dibutuhan, dan upah yang harus ditentukan dengan jelas.
8
g. Manajemen rantai pasokan. Keputusan ini menjelaskan apa yang harus dibuat dan apa yang harus dibeli. h. Persediaan. Keputusan persediaan dapat dioptimalkan hanya jika kepuasan pelanggan, pemasok, perencanaan produksi dan sumber daya manusia dipertimbangkan. i. Penjadwalan. Jadwal produksi yang dapat dikerjakan dan efisien harus dikembangkan. j. Pemeliharaan. Keputusan harus dibuat pada tingkat kehandalan dan stabilitas yang diinginkan. 2.1.2 Strategi Manajemen Operasional Menurut Jay Heizer dan Barry Render (2009:51), perusahaan mencapai misi mereka melalui tiga cara yakni: a. Bersaing dalam diferensiasi. Diferensiasi berhubungan dengan penyajian sesuatu keunikan. Diferensiasi harus diartikan melampaui ciri fisik dan atribut jasa yang mencakup segala sesuatu mengenai produk atau jasa yang mempengaruhi nilai dimana konsumen dapatkan darinya. b. Bersaing dalam biaya. Kepemimpinan biaya rendah berarti mencapai nilai maksimum sebagaimana yang diinginkan pelanggan. Hal ini membutuhkan pengujian sepuluh keputusan manajemen operasi dengan usaha yang keras untuk menurunkan biaya dan tetap memenuhi nilai harapan pelanggan. Strategi biaya rendah tidak berarti nilai atau kualitas barang menjadi rendah. c. Bersaing dalam respons.
9
Keseluruhan nilai yang terkait dengan pengembangan dan pengantaran barang yang tepat waktu, penjadwalan yang dapat diandalkan dan kinerja yang fleksibel. Respons yang fleksibel dapat dianggap sebagai kemampuan memenuhi perubahan yang terjadi di pasar dimana terjadi pembaruan rancangan dan fluktuasi volume. Tiga strategi yang ada masing-masing memberikan peluang bagi para manajer operasi untuk meraih keunggulan bersaing. Keunggulan bersaing berarti menciptakan sistem yang mempunyai keunggulan unik atas pesaing lain. Idenya adalah menciptakan nilai pelanggan (customer value) dengan cara efisien dan efektif. 2.2 Peramalan (Forecasting) Metode peramalan akan membantu dalam mengadakan pendekatan analisa terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat. Ada beberapa pengertian peramalan (forecasting) menurut para ahli, antara lain: Menurut Jay Heizer dan Barry Render (2009:162), peramalan adalah seni atau ilmu untuk memperkirakan kejadian di masa depan dan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis. Menurut Singgih Santoso (2009:8), peramalan adalah kegiatan yang bersifat teratur, berupaya memprediksi masa depan dengan menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif.
10
Menurut Manahan P. Tampubolon (2004:40), peramalan adalah penggunaan data untuk menguraikan kejadian yang akan datang di dalam menentukan sasaran yang dikehendaki. Menurut Eddy Herjanto (2004:116), peramalan adalah proses suatu variabel (kejadian) di masa datang dengan data variabel yang bersangkutan pada masa sebelumnya. Menurut Arman Hakim Nasution (2006:235), peramalan adalah proses memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam urusan kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa. Jadi, peramalan adalah teknik untuk meramalkan kejadian di masa depan yang menggunakan model matematis dan melibatkan data masa lalu. 2.2.1 Meramalkan Horizon Waktu Menurut Jay Heizer dan Barry Render (2009:163), peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu terbagi menjadi beberapa kategori: a. Peramalan jangka pendek Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. b. Peramalan jangka menengah Peramalan jangka menengah atau intermediate, umumnya mencakup hitungan bulanan hingga 3 tahun. Peramalan ini berguna untuk merencanakan penjualan,
11
perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacammacam rencana operasi. c. Peramalan jangka panjang Umumnya untuk perencanaan masa 3 tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan, modal, lokasi atau pembangunan fasilitas, serta penelitian dan pengembangan (litbang). 2.2.2 Jenis-Jenis Peramalan Menurut Jay Heizer dan Barry Render (2009:164), pada umumnya berbagai organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi di masa depan: a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indikator perencanaan lainnya. b. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut peramalan penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia. 2.2.3 Metode-Metode Peramalan Ada beberapa metode-metode peramalan menurut para ahli, diantaranya:
12
•
Menurut Jay Heizer dan Barry Render (2009:167-197)
Gambar 2.1 Metode Peramalan Menurut Jay Heizer dan Barry Render Sumber: Penulis Peramalan kualitatif (qualitative forecast) yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal sedangkan peramalan kuantitatif (quantitative forecast) yang menggunakan model matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Ada empat teknik peramalan kualitatif yang berbeda yakni: 1.
Juri dari opini eksekutif. Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.
2.
Metode Delphi. Ada tiga jenis partisipan dalam metode Delphi: pengambil keputusan, karyawan, dan responden. Pengambil keputusan biasanya terdiri atas 5 hingga 10 orang pakar yang akan
13
melakukan peramalan. Karyawan membantu pengambilan keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuisioner 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.
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. 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.
Peramalan kuantitatif terbagi menjadi 2 model yakni model deret waktu (time series model) dan model asosiatif/kausal/sebab-akibat dengan penjelasan masing-masing sebagai berikut: 1. Dekomposisi deret waktu. Menganalisis deret waktu berarti membagi data masa lalu menjadi komponenkomponen, kemudian memproyeksikan ke masa depan. Gerakan atau variasi data deret waktu terdiri dari empat komponen yaitu: a.
Gerakan
tren
jangka
panjang (long term movement), yaitu suatu gerakan yang menunjukkan arah perkembangan secara umum (kecenderungan menaik atau menurun) dan
14
sangat berguna untuk membuat ramalan yang sangat diperlukan bagi perencanaan. b.
Gerakan siklus (cyclical movement), adalah gerakan atau variasi jangka panjang di sekitar garis tren (berlaku untuk data tahunan). Gerakan siklus bisa terulang setelah jangka waktu tertentu dan dalam jangka waktu yang tidak sama. Siklus bisnis adalah suatu contoh gerakan siklus yang menunjukkan jangka waktu terjadinya kemakmuran, kemunduran, depresi, dan pemulihan.
c.
Gerakan
musiman
(seasonal movement), adalah gerakan yang mempunyai pola tetap dari waktu ke waktu, misalnya menaikkan harga pohon cemara menjelang Natal, meningkatnya harga bahan makanan dan pakaian menjelang hari raya Idul Fitri. d.
Gerakan
atau
variasi
yang tidak teratur (irregular movement), adalah gerakan atau variasi yang sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang datangnya tidak teratur. 2.
Pendekatan Naive (Naive Approach). Cara yang paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Ft = Yt-1
3.
Rata-rata bergerak (Moving Average). Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu utnuk menghasilkan
peramalan.
Rata-rata
bergerak
berguna
jika
kita
dapat
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita
15
ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut:
dimana n adalah jumlah periode dalam rata-rata bergerak. 4.
Rata-rata bergerak tertimbang (Weighted Moving Average). Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Praktik ini membuat teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih dekat mendapatkan bobot yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman. Rata-rata bergerak dengan pembobotan atau rata-rata bergerak tertimbang dapat digambarkan secara matematis sebagai berikut:
5.
Penghalusan eksponensial (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: Ft = Ft-1 + α (At-1 – Ft-1) Dimana:
16
Ft = peramalan baru Ft-1 = peramalan sebelumnya α = konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1) At-1 = permintaan aktual periode lalu Konstanta penghalusan untuk penerapan di bidang bisnis biasanya berkisar dari 0,05 hingga 0,5. Pendekatan penghalusan eksponensial mudah digunakan dan telah berhasil diterapkan pada hampir setiap jenis bisnis. Walaupun demikian, nilai yang tepat untuk konstanta penghalusan dapat membuat diferensiasi antara peramalan yang akurat dan yang tidak akurat. Nilai α yang tinggi dipilih pada saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata cukup stabil. Tujuan pemilihan suatu nilai untuk konstanta penghalusan adalah mendapatkan peramalan yang akurat. 6.
Penghalusan eksponensial dengan tren (Exponential Smoothing with Trend). Penghalusan eksponensial yang sederhana gagal memberikan respons terhadap tren yang terjadi. Inilah alasan penghalusan eksponensial harus diubah saat ada tren. Untuk memperbaiki peramalan, maka digunakan model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung 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 ratarata dan β untuk tren. Kemudian, dihitung rata-rata dan tren untuk setiap periode. Ft = α (At-1) + (1 – α)(Ft-1 + Tt-1) Tt = β (Ft – Ft-1) + (1 – β) Tt-1
17
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 pada periode t α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1) β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1) Jadi, tiga langkah menghitung peramalan dengan yang disesuaikan dengan tren adalah sebagai berikut: a. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t, menggunakan persamaan Ft. b. Menghitung tren yang dihaluskan, Tt, menggunakan persamaan Tt. c. Menghitung peramalan dengan tren, FITt, dengan rumus FITt = Ft + Tt. 7.
Proyeksi tren (Trend Projection) atau analisis tren (Trend Analysis). Teknik ini mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau jangka panjang. ŷ = a + bX Dimana: ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait) a = persilangan sumbu y b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di x)
18
X = variabel bebas
X = nilai variabel bebas yang diketahui Y = nilai variabel terkait yang diketahui ¯ = rata-rata nilai X X ¯Y = rata-rata nilai Y n = jumlah data atau pengamatan 8.
Regresi linier (Linear Regression). Model matematika garis lurus untuk menggambarkan hubungan fungsional antara variabel-variabel yang bebas maupun variabel terikat. Persamaan garisnya dapat dinyatakan sebagai: ŷ = a + bX
Dimana: ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait) a = persilangan sumbu y b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di x) X = variabel bebas X = nilai variabel bebas yang diketahui Y = nilai variabel terkait yang diketahui
19
¯ = rata-rata nilai X X ¯Y = rata-rata nilai Y n = jumlah data atau pengamatan •
Menurut Eddy Herjanto (2004:117)
Gambar 2.2 Metode Peramalan Menurut Eddy Herjanto Sumber: Penulis Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada masa lalu dan terbagi atas dua yaitu: 1. Deret berkala, merupakan metode yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Ada 4 jenis pola data peramalan time series yaitu:
20
•
Pola horizontal (H): pola data ini terjadi apabila nilai data observasi berfluktuasi di sekitar nilai rata-rata yang konstan.
Gambar 2.3 Pola Data Horizontal Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117) •
Pola musiman (S): pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman.
Gambar 2.4 Pola Data Musiman Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117) •
Pola siklis (C): pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
21
Gambar 2.5 Pola Data Siklis Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117) •
Pola tren (T): pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
Gambar 2.6 Pola Data Tren Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117) 2. Model kausal, merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih variabel bebas. Tujuannya adalah untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel tak bebas.
22
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa lalu dan merupakan hasil dari pemikiran intuitif, pertimbangan dan pengetahuan yang telah didapat. Metode ini dibagi menjadi 2 bagian yaitu: 1. Metode eksploratis, dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan melihat semua kemungkinan yang ada. 2. Metode normatif, dimulai dengan menggabungkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai berdasarkan kendala, sumber daya dan teknologi yang tersedia. •
Menurut Bernard W. Taylor (2005:301)
Gambar 2.7 Metode Peramalan Menurut Bernard W. Taylor Sumber: Penulis Metode time series membuat peramalan dengan menggunakan asumsi bahwa masa depan adalah fungsi dari masa lalu. Tujuannya untuk menentukan pola dalam deret data historis dan menerjemahkan pola tersebut ke masa depan. Model ini memiliki 3 metode yaitu:
23
1. Rata-rata bergerak, metode ini digunakan dan bermanfaat apabila kita menggunakan asumsi bahwa permintaan pasar lebih stabil sepanjang waktu. Secara matematis ditunjukkan sebagai berikut:
2. Exponential smoothing, merupakan metode yang mudah dan efisiensi penggunaannya bila dilakukan dengan komputer. Secara matematis ditunjukkan sebagai berikut: Ft = Ft-1 + (At-1 – Ft-1)α Dimana: Ft = ramalan baru Ft-1 = ramalan sebelumnya At-1 = permintaan aktual periode sebelumnya α = konstanta penghalusan 3. Trend projection, digunakan dengan cara mencocokan garis tren ke rangkaian titik data historis dan kemudian memproyeksikan garis itu ke dalam ramalan jangka panjang menengah hingga jangka panjang. Secar a matematis ditunjukkan sebagai berikut: ŷ = a + bX Dimana: ŷ = nilai variabel yang dihitung untuk diprediksi (variabel tidak bebas) a = perpotongan sumbu Y b = kelandaian garis regresi X = variabel bebas / waktu
24
Ahli statistik mengembangkan persamaan yang bisa digunakan untuk memperoleh nilai a dan b untuk garis regresi. Kelandaian b diperoleh dengan:
Dimana: b = kelandaian garis regresi x = nilai variabel bebas y = nilai variabel tak bebas ¯ = rata-rata nilai X X ¯Y = rata-rata nilai Y n = jumlah titik data atau observasi Metode kausal, regresi linier, bergabung menjadi model variabel atau hubungan yang bisa mempengaruhi jumlah yang sedang diramal. Model ini mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih independent variabel. Tujuannya adalah untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan nilai mendatang dari dependent variabel. Secara matematis ditunjukkan sebagai berikut: ŷ = a + bX Dimana: ŷ = nilai variabel tidak bebas yaitu penjualan a = perpotongan sumbu Y b = kelandaian garis regresi X = variabel bebas
25
2.2.4 Metode
Peramalan
Additive
Decomposition
dan
Multiplicative
Decomposition Metode peramalan additive decomposition terbagi menjadi 2 yakni Additive Decomposition – Average All dan Additive Decomposition – Centered Moving Average. Metode peramalan multiplicative decomposition juga terbagi menjadi 2 yaitu Multiplicative Decomposition – Average All dan Multiplicative Decomposition – Centered Moving Average. •
Additive Decomposition – Average All Berikut langkah-langkah perhitungan dalam metode ini: Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal). Hitung rata-rata penjualan (CTD MA). Hitung difference dengan rumus: penjualan – CTD MA. Hitung nilai seasonal tiap kuartal dengan rumus
dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama. Hitung nilai smoothed dengan rumus: penjualan – seasonal. Kemudian hitung Yuandjusted
= a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed). Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal. •
Additive Decomposition – Centered Moving Average Berikut langkah-langkah perhitungan dalam metode ini: Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
Hitung nilai CTD MA dengan rumus Hitung difference dengan rumus: penjualan – CTD MA.
26
Hitung nilai seasonal tiap kuartal dengan rumus
dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama. Hitung nilai smoothed dengan rumus: penjualan – seasonal. Kemudian hitung Yuandjusted
= a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed). Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal. •
Multiplicative Decomposition – Average All Berikut langkah-langkah perhitungan dalam metode ini: Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal). Hitung rata-rata penjualan (CTD MA). Hitung nilai rasio dengan rumus: Hitung nilai seasonal tiap kuartal dengan rumus
dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama. Hitung nilai smoothed dengan rumus: Kemudian hitung Yuandjusted
= a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed). Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal. •
Multiplicative Decomposition – Centered Moving Average Berikut langkah-langkah perhitungan dalam metode ini: Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
Hitung nilai CTD MA dengan rumus Hitung nilai rasio dengan rumus:
27
Hitung nilai seasonal tiap kuartal dengan rumus
dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama. Hitung nilai smoothed dengan rumus: Kemudian hitung Yuandjusted
= a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed). Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal. 2.2.5 Menghitung Kesalahan Peramalan Menurut Jay Heizer dan Barry Render (2009:177-180) ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan total. Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan berjalan dengan baik. Perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation - MAD) dan kesalahan kuadrat rerata (Mean Squared Error - MSE). a.
Deviasi
mutlak
rerata
(Mean
Absolute
Deviation - MAD). Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode data (n).
b.
Kesalahan kuadrat rerata (Mean Square Error – MSE).
28
MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati.
Menurut Vincent Gasperz (2004:80) dalam bukunya menyebutkan akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil. 2.3 Pengertian Perencanaan Efektivitas adalah faktor yang sangat penting bagi perusahaan untuk mencapai kesuksesan dalam jangka panjang. Sukses perusahaan dapat diukur melalui pencapaian sasaran-sasaran perusahaan, dalam upayanya mencapai sasaran-sasaran tersebut perusahaan harus dapat menggunakan sumber daya (manusia, material dan modal) secara efisien. Oleh karena itu, untuk menjaga keefesienan dalam penggunaan sumber daya, maka dibutuhkan suatu perencanaan dan pengendalian yang merupakan fungsi manajemen yang harus dilakukan oleh pihak manajemen secara berkelanjutan. Menurut Warman (2004:43), perencanaan adalah suatu proses memperkirakan apa yang akan terjadi di masa mendatang dan mempersiapkan sesuatu untuk masa mendatang itu. 2.3.1 Fungsi Dasar yang Harus Dipenuhi oleh Perencanaan Menurut Tampubolon (2004), fungsi-fungsi dasar yang harus dipenuhi oleh aktivitas perencanaan adalah: 1. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk sebagai fungsi dari waktu.
29
2. Menetapkan jumlah dan saat pemesanan bahan baku serta komponen secara ekonomis dan terpadu. 3. Menetapkan kesinambungan antara tingkat kebutuhan produksi, teknik pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi setiap saat membandingkan dengan perencanaan persediaan dan melakukan revisi atas rencana produksi pada saat yang ditentukan. 2.4 Persediaan Berikut beberapa pengertian dari persediaan menurut para ahli: Menurut Pardede Pontas M. (2005:412), persediaan adalah sejumlah bahan baku atau barang yang tersedia untuk digunakan sewaktu-waktu di masa yang akan datang. Menurut Eddy Herjanto (2007), persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau untuk suku cadang dari peralatan atau mesin. Menurut Zulfikarijah (2005), persediaan adalah stok bahan baku yang digunakan untuk memfasilitasi produksi atau memuaskan permintaan konsumen. Menurut Sofyan Assauri dalam buku Manullang dan Dearlisinaga (2005:50), persediaan adalah sebagai suatu aktiva lancar yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha normal atau persediaan barang yang masih dalam pekerjaan proses produksi ataupun persediaan bahan baku yang menunggu penggunaannya dalam suatu proses produksi.
30
Menurut Freddy Rangkuty (2004:1), persediaan adalah bahan-bahan, bagian yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi permintaan dari konsumen atau pelanggan setiap waktu. Jadi, persediaan adalah stok bahan baku yang juga merupakan aset perusahaan dan yang akan digunakan untuk proses produksi atau dijual kepada konsumen. Manajemen persediaan merupakan suatu cara untuk mengendalikan persediaan agar dapat melakukan pemesanan yang tepat yaitu dengan biaya yang optimal. Oleh karena itu, konsep mengelola sangat penting diterapkan oleh perusahaan agar tujuan efektivitas dan efisiensi tercapai. Karena semua organisasi mempunyai beberapa jenis perencanaan dan pengendalian persediaan. Manajemen persediaan yang baik merupakan hal yang sangat penting bagi suatu perusahaan, pada satu sisi, pengurangan biaya persediaan dengan cara menurunkan tingkat persediaan dapat dilakukan perusahaan, tetapi pada sisi lainnya, konsumen akan tidak puas apabila suatu produk stoknya habis. Oleh karena itu, keseimbangan antara investasi persediaan dan tingkat pelayanan kepada konsumen harus dapat dicapai. Manajemen persediaan meruapakan hal yang mendasar dalam penetapan keunggulan kompetitif jangka panjang. Mutu, rekayasa, produk, harga, lembur, kapasitas berlebih, kemampuan merespon pelanggan akibat kinerja kurang baik, waktu tenggang (lead time), dan profitabilitas keseluruhan adalah hal-hal yang dipengaruhi oleh tingkat persediaan. Perusahaan dengan tingkat persediaan yang lebih tinggi daripada pesaing cenderung berada dalam posisi kompetitif yang lemah. Kebijaksanaan manajemen persediaan telah menjadi sebuah senjata untuk memenangkan kompetitif. 2.4.1 Peranan Persediaan
31
Pada dasarnya persediaan mempermudah atau memperlancar jalannya operasi perusahaan yang harus dilakukan secara berturut-turut untuk memproduksi barangbarang serta menyampaikan kepada pelanggan. Persediaan bagi perusahaan berguna untuk: a. Menghilangkan risiko keterlambatan datangnya barang atau bahan-bahan yang dibutuhkan perusahaan. b. Menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat digunakan bila bahan ini tidak ada dalam pasaran. c. Mempertahankan stabilitas atau kelancaran operasi perusahaan. d. Mencapai pengguanaan mesin yang optimal. e. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya. f. Membuat produksi tidak perlu sesuai dengan penggunaan atau penjualannya. Adanya persediaan dapat memungkinkan bagi perusahaan untuk melaksanakan operasi produksi karena faktor waktu antara operasi itu dapat dihilangkan sama sekali atau diminimalkan. 2.4.2 Fungsi Persediaan Menurut Jay Heizer dan Barry Render (2009:82), persediaan dapat melayani 4 fungsi yang menambah fleksibilitas bagi operasi perusahaan: a.
Decouple atau memisahkan beberapa tahapan dari proses produksi. Sebagai contoh, jika persediaan sebuah perusahaan berfluktuasi, persediaan tambahan mungkin diperlukan untuk melakukan decouple proses produksi dari pemasok.
b.
Melakukan decouple perusahaan dari fluktuasi permintaan dan menyediakan persediaan barang-barang yang akan memberikan
32
pilihan bagi pelanggan. Persediaan seperti ini digunakan secara umum pada bisnis eceran. c.
Mengambil keuntungan dari diskon kuantitas karena pembelian dalam jumlah besar dapat mengurangi biaya pengiriman barang.
d.
Melindungi terhadap inflasi dan kenaikan harga.
2.4.3 Jenis-Jenis Persediaan Menurut Jay Heizer dan Barry Render (2009:82-83), ada 4 jenis persediaan yang harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan: a.
Persediaan bahan mentah (raw material inventory): bahan-bahan yang biasanya dibeli, tetapi belum memasuki proses manufaktur dan digunakan untuk melakukan decouple (memisahkan) pemasok dari proses produksi.
b.
Persediaan
barang
setengah jadi (WIP inventory): komponen atau bahan mentah yang telah melewati beberapa proses perubahan, tetapi belum selesai. WIP ada karena waktu yang diperlukan untuk menyelesaikan sebuah produk (disebut waktu siklus). c.
MRO
(Maintenance,
Repair, Operating): persediaan yang disediakan untuk persediaan pemeliharaan, perbaikan, operasi yang dibutuhkan untuk menjaga agar mesin-mesin dan prosesproses tetap produktif. d.
Persediaan barang jadi: produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih merupakan aset dalam pembukuan perusahaan.
33
2.4.4 Biaya-Biaya dalam Persediaan Ada tiga jenis biaya dalam persediaan menurut Jay Heizer dan Barry Render (2009:91-92) antara lain: 1. Biaya penyimpanan (holding cost) yaitu biaya yang terkait dengan menyimpan atau “membawa” persediaan selama waktu tertentu. 2. Biaya pemesanan (ordering cost) mencakup biaya dari persediaan, formulir, proses pesanan, pembelian, dukungan administrasi dan seterusnya. Ketika pesanan sedang diproduksi, biaya pesanan juga ada, tetapi mereka adalah bagian dari biaya penyetelan. 3. Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah mesin atau proses untuk membuat sebuah pesanan. Ini menyertakan waktu dan tenaga kerja untuk membersihkan serta mengganti peralatan atau alat penahan. Manajer operasi dapat menurunkan biaya pemesanan dengan mengurangi biaya penyetelan serta menggunakan prosedur yang efisien seperti pemesanan dan pembayaran elektronik. 2.4.5 Model Dasar Economic Order Quantity (EOQ) Ada beberapa pendapat dari para ahli mengenai pengertian Economic Order Quantity (EOQ) antara lain: Menurut Freddy Rangkuty (2004), EOQ adalah jumlah pembelian bahan mentah pada setiap kali pesanan dengan biaya paling murah. Menurut Jay Heizer dan Barry Render (2009:92), EOQ adalah sebuah teknik kontrol persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasar pada beberapa asumsi: a. Jumlah permintaan diketahui, konstan, dan independen.
34
b. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan – diketahui dan konstan. c. Penerimaan persediaan bersifat instan dan selesai seluruhnya. d. Tidak tersedia diskon kuantitas. e. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan dan membawa). f. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika jika pemesanan dilakukan pada waktu yang tepat. Menurut Eddy Herjanto (2007:245), EOQ adalah salah satu model klasik yang diperkenalkan oleh FW Harris pada tahun 1914, tetapi paling banyak dikenal dalam teknik pengendalian persediaan. Menurut Pardede, Pontas M. (2005:422), EOQ menunjukkan sejumlah barang yang dipesan untuk tiap kali pemesanan agar biaya sediaan keseluruhan menjadi sekecil mungkin. Model kuantitas pesanan ekonomis (Economic Order Quantity – EOQ) ini adalah salah satu teknik pengendalian persediaan yang paling tua dan paling dikenal secara luas. Berikut rumus yang digunakan dalam perhitungan persediaan: EOQ = Q* = Annual setup cost = Annual holding cost = Total unit cost = Unit cost (D)
35
I = ½ Q*
Dimana: Q* = jumlah optimum unit per pesanan (EOQ) D = permintaan per periode S = biaya pemesanan untuk setiap pesanan H = biaya penyimpanan per unit per periode Q = jumlah unit per pesanan TC = biaya total I = rata-rata tingkat persediaan (average inventory) N = jumlah pemesanan yang diperkirakan per periode 2.4.5.1 Lead Time Menurut Zulfikarijah (2005:96), lead time adalah waktu yang dibutuhkan antara pemesanan dengan barang sampai di perusahaan sehingga lead time berhubungan dengan reorder point dan saat penerimaan barang. Lead time muncul karena setiap pesanan membutuhkan waktu dan tidak semua pesanan bisa dipenuhi seketika, sehingga selalu ada jeda waktu. Lead time sangat berguna bagi perusahaan yaitu pada saat persediaan mencapai nol, pesanan akan segera tiba di perusahaan. Dalam EOQ, lead time diasumsikan konstan artinya dari waktu ke waktu selalu tetap dan berulang dalam setiap periode. Akan tetapi dalam prakteknya lead time banyak berubah-ubah, untuk mengantisipasinya perusahaan sering menyediakan safety stock. 2.4.5.2 Safety stock
36
Ada beberapa pendapat dari para ahli mengenai pengertian safety stock antara lain: Menurut Freddy Rangkuty (2004:10), safety stock adalah persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan bahan. Menurut Zulfikarijah (2005:96), safety stock adalah persediaan yang digunakan dengan tujuan supaya tidak terjadi kehabisan stok. Menurut Sofyan Assauri (2004:186), safety stock adalah persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan terjadi kekurangan bahan (stock out). Tujuan safety stock adalah untuk meminimalkan terjadinya stock out dan mengurangi penambahan biaya penyimpanan dan biaya stock out total, biaya penyimpanan disini bertambah seiring dengan adanya penambahan yang berasal dari reorder point oleh karena adanya safety stock. Keuntungan adanya safety stock adalah pada saat jumlah permintaan mengalami lonjakan, maka persediaan pengaman dapat digunakan untuk menutup permintaan tersebut. Berdasarkan pendapat Assauri (2004:186-187), ada 2 faktor yang menentukan besarnya persediaan pengaman yakni: a. Penggunaan bahan baku rata-rata. Salah satu dasar untuk memperkirakan penggunaan bahan baku selama periode tertentu, khususnya selama periode pemesanan adalah rata-rata penggunaan bahan baku pada masa sebelumnya. Hal ini perlu diperhatikan karena setelah kita mengadakan pesanan, maka pemenuhan kebutuhan atau permintaan pelanggan
37
sebelum barang yang dipesan datang harus dapat dipenuhi dari persediaan yang ada. b. Faktor waktu atau lead time. Lead time adalah lamanya waktu antara mulai dilakukannya pemesanan bahan sampai dengan kedatangan bahan yang dipesan tersebut dan diterima di gudang persediaan. Dari kedua keadaan tersebut diatas, maka perusahaan perlu menetapkan adanya proses persediaan pengaman untuk menjamin kelancaran proses produksi akibat kemungkinan adanya kekurangan persediaan tersebut. Untuk menghitung besarnya safety stock, dapat digunakan cara yang relatif lebih teliti yakni: a. Metode perbedaan pemakaian maksimum dan rata-rata. Metode ini dilakukan dengan menghitung selisih antara pemakaian maksimum dengan pemakaian rata-rata dalam jangka waktu tertentu, kemudian selisih tersebut dikalikan dengan lead time. Safety stock = (Pemakaian maksimum – Pemakaian rata-rata) Lead time b. Metode statistika yang berdistribusi normal. Safety stock = Z Dimana: Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%, ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap kemungkinan terjadinya stock out hanya 5%) = standar deviasi L = lead time
38
2.4.5.3 Titik Pemesanan Ulang (Reorder Point) Ada beberapa pendapat dari para ahli mengenai pengertian reorder point (ROP) antara lain: Menurut Jay Heizer dan Barry Render (2009:99), ROP adalah titik pemesanan ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk mengisi kembali persediaan barang. Menurut Freddy Rangkuty (2004:83), ROP adalah titik pemesanan yang harus dilakukan suatu perusahaan sehubungan dengan adanya lead time dan safety stock. Menurut Gasperz (2004:291), tarik dari ROP menimbulkan cash loading input ke setiap tingkat adalah output dari tingkat atau tahap sebelumnya sehingga menyebabkan saling ketergantungan diantara tingkat-tingkat dalam sistem distribusi.
Gambar 2.8 Siklus Pemesanan Persediaan Sumber: http://flylib.com/books/en/3.287.1.217/1/ Ada beberapa faktor yang mempengaruhi ROP antara lain: a. Lead time.
39
b. Tingkat pemakaian bahan baku rata-rata per satuan waktu tertentu. c. Safety stock. Persamaan matematis untuk menghitung ROP mengasumsikan permintaan selama waktu tunggu dan waktu tunggu itu sendiri adalah konstan. Ketika kasusnya tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman haruslah ditambah. Persamaannya menjadi: ROP = (d x L) + SS d=
Dimana: ROP = reorder point d = permintaan per hari L = lead time SS = safety stock 2.4.6 Fixed Order Interval System (EOI) Fixed Order Interval System juga disebut sistem persediaan secara periodik, yang lebih berdasar kepada periode daripada sistem persediaan kontinu yang lebih kepada posisi stok persediaan. Sistem persediaan yang berbasiskan waktu yang melakukan pesanan berdasarkan jangka waktu tertentu. Jumlah pesanan bergantung kepada pemakaian demand selama periode waktu tertentu. Menggunakan tingkat persediaan maksimum (maximum inventory level) selama waktu lead time dan interval pesanan. Setelah suatu periode tetap (T) telah terlewati, jumlah persediaan dihitung. Sebuah pesanan dilakukan untuk memulihkan persediaan, dan jumlah pesanannya tergantung berapa jumlah yang berkurang
40
(maximum inventory level). Jadi, jumlah pesanan didapat dari selisih maximum inventory level dan sisa persediaan pada waktu melakukan perhitungan. Sistemnya terdiri dari 2 parameter yang digunakan yaitu periode tetap pemeriksaan (T) dan maximum inventory level (E). Masalah dasar pada metode ini adalah bagaimana menentukan interval pesanan (T) dan maximum inventory level (E) yang diinginkan. Economic order interval dapat diperoleh untuk meminimumkan total biaya tahunan. Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan dalam perhitungannya seperti berikut:
E = SS + D (T*+ L) I = SS + ½ (D T*) Q* = E – I TOR = TC(T*) =
+ (SS + ½ D T*) Cc
Dimana: T* = economic order interval Co = biaya pemesanan untuk setiap pesanan Cc = biaya penyimpanan per unit per periode D = permintaan per periode SS = safety stock
41
Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%, ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap kemungkinan terjadinya stock out hanya 5%) = standar deviasi L = lead time E = maximum inventory level I = average inventory control Q* = order quantity TOR = turn over ratio TC(T*) = total cost 2.4.7 Minimum-Maximum System (Min-Max) Cara kerja sistem ini yaitu apabila persediaan telah melewati batas minimum dan mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum (minimum stock) merupakan batas tingkat reorder. Batas maksimum (maximum stock) adalah batas kesediaan perusahaan untuk menginvestasikan uangnya dalam bentuk persediaan bahan baku. Jadi dalam hal ini yang terpenting adalah batas minimum dan maksimum untuk dapat menentukan order quantity. Pada metode ini, terdapat perbedaan cara dalam menghitung safety stock yakni metode ini tidak memerlukan standar deviasi dan tingkat pelayanan melainkan hanya membutuhkan rata-rata permintaan per bulan. Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan dalam perhitungannya seperti berikut: SS = Minimum stock = (DL) + SS
42
Maximum stock = 2(DL) + SS Q* = Max stock – Min stock Banyak pemesanan : N = I = SS + (½ Q*) TOR = TC(Min-Max) =
Dimana: SS = safety stock D = permintaan per periode L = lead time I = average inventory control Q* = order quantity TOR = turn over ratio TC(Min-Max) = total cost Dalam perhitungan EOQ, EOI dan Min-Max diperlukan data-data sebagai berikut: Tabel 2.1 Data-Data yang Diperlukan dalam Perhitungan EOQ, EOI dan Min-Max Keterangan Permintaan periode sebelumnya (penjualan aktual) Permintaan periode berikutnya (forecast) Biaya pemesanan (S) • Telepon • Stationery • Listrik • Pengepakan • Pengiriman • Kurir • Bongkar muat Biaya penyimpanan (H) • Sewa gudang • Listrik Lead time Unit cost
Sumber: Hasil pengolahan penulis 2.5 Penelitian Terdahulu
EOQ
EOI
Min-Max
43
Tabel 2.2 Penelitian Terdahulu Nama pengarang
Judul Jurnal
Hasil penelitian
Fildes, R;
The Journal of the Operational
Praktisi percaya bahwa akurasi peramalan penting bagi
Nikolopoulos, K;
Research Society Volume 59,
organisasinya. Penelitian terhadap praktik peramalan telah
Crone, S F; Syntetos,
September 2008, ISSN 01605682,
menunjukkan bahwa sistem pendukung yang
AA
“Forecasting and Operational
mengkombinasikan model statistik atau ekonometrik
Research: A Review” tahun
dengan keputusan expert menawarkan jalan terbaik untuk
2008p.1150-1172.
meraih perbaikan besar dalam akurasi.
Catt, Peter M;
Industrial Management + Data
Jurnal ini menunjukkan bahwa praktisi harus memilih
Barbour, Robert H;
Systems Volume 108, 2008, ISSN
model peramalan berdasarkan karakteristik deret waktu
Robb, David J
02635577, “Assessing Forecast
historis, seperti tingkat, tren, musiman dan sejarah
Model Performance in an ERP
penjualan yang tersedia. Selain itu, juga ditunjukkan bahwa
Environment” tahun 2008p.677-697.
praktisi sebaiknya menilai model persaingan berdasarkan CFE (Cost of Forecast Error) dan pengukuran statistik kesalahan peramalan serta praktisi harus memastikan tujuan komersial peramalan tercapai.
Haryadi Sarjono;
Management Expose
Yulia Agustina; Arko
Volume 8, No. 17, September 2008,
Dengan menggunakan metode peramalan moving average, metode double moving average, metode exponential
Pujadi
ISSN 1410-8631, “Analisis
smoothing, metode exponential smoothing with trend
Peramalan Penjualan pada PT. Multi
diperoleh hasil MAD dan MSE yang paling terkecil dan
Megah Mandiri” tahun 2008p.60-78.
yang paling akurat kebenaran peramalannya terdapat pada
Jurnal Inasea Volume 10, No. 01,
Berdasarkan hasil analisis dan pembahasan yang telah
April 2009, ISSN 1411-9129,
dilakukan, maka dapat disimpulkan sebagai berikut.
“Persediaan Bahan Baku Optimum
Pertama, berdasarkan kondisi yang ada pada ES CHIKA
Dengan Metode Economic Order
Home Industry, metode
Quantity Pada Es Chika Home
pengendalian persediaan dengan metode EOQ merupakan
Industry” tahun 2009p.59-70
metode yang cocok karena tidak membuat perusahaan harus
metode exponential smoothing. Nunung Nurhasanah
menyediakan tempat lebih di gudang untuk menyimpan persediaan, dimana memang pengelola memiliki keterbatasan dalam hal tersebut. Kedua, hasil dari 10.000 kali simulasi permintaan harian didapat estimasi permintaan rata-rata harian sebanyak 2045 batang es per hari. Sedangkan hasil dari hasil perhitungan secara analitis, didapat permintaan rata-rata harian sebanyak 2047 batang es per hari. Hasil yang didapat dari simulasi mendekati hasil yang didapat dari hasil perhitungan secara analitis. Hal ini menunjukkan simulasi hasil simulasi mendekati kondisi steady state (keadaan tetap). Ketiga, EOQ untuk santan kara 60 karton dengan 17,6 kali pemesanan per tahun. Pemesanan dilakukan setiap 19 hari setelah pemesanan sebelumnya dan perkiraan total cost yang dikeluarkan untuk santan KARA per tahun adalah Rp. 13.280.000. Keempat, EOQ untuk susu kental manis 40 karton dengan 52.,75 pemesanan per tahun. Pemesanan dilakukan setiap 6,25 hari setelah pemesanan sebelumnya dan perkiraan total cost yang dikeluarkan untuk susu kental manis per tahun adalah Rp. 9.169.000. Kelima, EOQ untuk air mineral 59 gallon dengan 30,5 pemesanan per tahun. Pemesanan dilakukan setiap 11 hari
44 setelah pemesanan sebelumnya dan perkiraan total cost yang dikeluarkan untuk air mineral per tahun adalah Rp. 3.631.000.. Syntetos, A A;
The Journal of the Operational
Bidang perencanaan persediaan dan peramalan telah
Boylan, J E; Disney, S
Research Society Volume 60, May
mengalami
M
2009, ISSN 01605682, “Forecasting
kemajuan luar biasa selama 50 tahun terakhir. Telah ada
for Inventory Planning: A 50-Year
perkembangan metodologi yang signifikan, antara lain
Review” tahun 2009p.149-160.
munculnya sistem dinamik, teori kontrol dan metode peramalan statistik. Perkembangan ini telah dicerminkan dari aplikasi perangkat lunak baru, yang mencerminkan pentingnya perencanaan persediaan dan peramalan dalam situasi praktek.
Sumber: Hasil studi literatur
2.6 Kerangka Pemikiran
Gambar 2.9 Kerangka Pemikiran Sumber: Penulis
