BAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN
2.1
Landasan Teori
2.1.1 Pengertian Manajemen
Menurut Gerry,
Manajemen adalah suatu proses atau kerangka kerja, yang
melibatkan bimbingan atau pengarahan sutau kelompok orang-orang kearah tujuantujuan organisasional atau maksud-maksud nyata.
Menurut Fayol, Manajemen mengandung gagasan lima funsi utama yaitu, merancang, mengorganisasi, memerintah, mnegoordinasi, dan mengendalikan.
Menurut
Griffin,
Manajemen
sebagai
sebuah
proses
perencanaan,
pengkoordinasian, dan pengontrolan sumber daya untuk mencapai sasaran (goals) secara efektif dan efisien. Efektif berarti bahwa tujuan dapat dicapai sesuai dengan perencanaan, sementara efisien berrarti bahwa tugas yang ada dilaksanakan dengan benar, terorganisir, dan sesuai dengan jadwal.
Menurut Dyck dan Neubert (2009, p7) manajemen adalah proses perencanaan, pengorganisasian, memimpin, dan mengendalikan sumber daya manusia dan sumber
daya
organisasi lainnya agar dapat secara efektif mencapai tujuan
organisasi. Terdapat 4 fungsi manajemen, yaitu:
1. Planning (Perencanaan) Perencanaan berarti mengidentifikasi tujuan organisasi dan strategi dan mengalokasikan sumber daya organisasi yang tepat yang diperlukan untuk mencapainya.
2. Organizing (Mengorganisasi) Pengorganisasian berarti memastikan bahwa tugas-tugas telah ditetapkan dan struktur hubungan organisasi diciptakan untuk memfasilitasi pertemuan dari tujuan-tujuan organisasi. 7
8 3. Leading (Memimpin) Memimpin berarti berhubungan dengan orang lain sehingga pekerjaan mereka menghasilkan.
4. Controlling (Mengendalikan) Mengendalikan adalah melibatkan memastikan bahwa tindakantindakan anggota organisasi konsisten dengan nilai-nilai organisasi dan standar.
2.1.2 Pengertian Entrepreneur Menurut Dewanti (2008, p4), wirausaha adalah seseorang yang menciptakan sesuatu yang baru dengan mengambil resiko dan ketidakpastian demi mencapai keuntungan
dan
pertumbuhan
dengan cara mengidentifikasi peluang dan
menggabungkan sumber daya yang diperlukan untuk mewujudkannya. Menurut Shane dan Venkatahaman (2000) dalam Journal : Wachidin (2012), kewirausahaan seringkali dikaitkan dengan upaya yang inovatif pengambilan risiko, dan penetapan strategi yang proaktif. Seorang wirausaha senantiasa berupaya mencari peluang-peluang berwirausahn. Dalam artian tersebut, kewirausahaan sangat penting peranannya bagi perusahaan untuk keluar dari krisis serta mengembangkan keunggulan bersaing. Melalui kewirausahaan, dapat tercipta bisnis-bisnis baru dan terpicunya proses transformasi perusahaan.
2.1.3 Pengertian Manajemen Operasional
Menurut Heizer dan Render (2005) manajemen operasional adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Kegiatan yang menghasilkan barang dan jasa, berlangsung disemua organisasi. Dalam perusahaan manufaktur, dapat terlihat jelas aktivitas produksi yang menghasilkan barang, namun dalam organisasi yang tidak menghasilkan produk secara fisik, fungsi produksi mungkin tidak terlihat dengan jelas.
9 Menurut Schroeder (2007), inti dari manajemen operasional dapat dijabarkan sebagai berikut:
1. Operasional bertanggung jawab pada penyediaan produk atau jasa dari suatu organisasi. 2. Manajer operasional membuat keputusan mengenai fungsi operasi dan hubungannya dengan fungsi lain. Manajer operasional merencanakan dan memantau proses produksi dan interfensi itu sendiri antara organisasi dan dengan pihak luar.
Menurut Constable (2006), manajemen operasional lebih difokuskan pada kebutuhan untuk produksi. Walaupun produk tersebut merupakan produk manufaktur maupun jasa. Pada dasarnya manajemen operasional termasuk dalam manajemen produksi namun lebih difokuskan pada distribusi dan pada arus fasilitas yang tersedia seperti tenaga kerja dan modal untuk menjamin bahwa mereka akan bertemu dengan arus kebutuhan pasar. Hal ini juga difokuskan oleh desain yang original atau perluasan pada semua fasilitas dimana selama pengaruh tersebut merupakan system operasi.
Sedangkan menurut Chase (2004,p.6), “Operatioons management is defined as the design, operation, and improvement of the system that create and deliver the firm’s primary product and services”.
Yang berarti “Manajemen operasi didefinisikan sebagai gambaran, proses operasi, dan perbaikan atau pengawasan dari system-sistem yang menghasilkan produk utama atau jasa suatu perusahaan”.
2.1.4 Pengertian Penjualan
Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencanarencana strategis yang diarahkan pada usaha pemuasan kebutuhan dan keinginan pembeli, guna mendapatkan penjualan yang menghasilkan laba. Penjualan merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat diperoleh
10 laba serta suatu usaha memikat konsumen yang diusahakan untuk mengetahui daya tarik mereka sehingga dapat mengetahui hasil produk yang dihasilkan. Menurut Titan, Luhukay dan Kurniawan dalam jurnalnya yang berjudul Analisis dan Perancangan Sistem Informasi Penjualan dan Persediaan Pada PT. Nur Islami Tour and Travel(2012) “Penjualan merupakan sebuah proses dimana kebutuhan pembeli dan kebutuhan penjualan dipenuhi, melalui antar informasi dan kepentingan. Jadi konsep penjualan adalah cara untuk mempengaruhi konsumen untuk membeli produk yang ditawarkan. Sedangkan persediaan menurutnya adalah sejumlah material yang disimpan dan dirawat menurut aturan tertentu dalam tempat persediaan agar selalu dalam keadaan siap pakai dan ditatausahakan dalam buku perusahaan”. Berikut ini dikemukakan definisi penjualan menurut beberapa ahli: a) Sutamto (2003 : 8) mengemukakan bahwa penjualan adalah usaha yang dilakukan manusia untuk menyampaikan barang kebutuhan yang telah dihasilkannya kepada mereka yang memerlukannya dengan imbalan uang menurut harga yang ditentukan atas persetujuan bersama.
b) Winardi (2003 : 3) mengemukakan penjualan sebagai proses dimana sang penjual memastikan, mengaktifkan, dan memuaskan kebutuhan atau keinginan sang pembeli yang berkelanjutan dan menguntungkan kedua belah pihak.
Dari definisi penjualan diatas dapat disimpulkan bahwa betapa pentingnya fungsi penjualan bagi sebuah perusahaan, dimana proses penjualan bertujuan untuk memuaskan kebutuhan pembeli, dan akhirnya menguntungkan kedua belah pihak.
2.1.5 Tujuan Penjualan
Pada umumnya, para pengusaha mempunyai tujuan mendapatkan laba yang maksimal serta mempertahankan atau berusaha meningkatkannya untuk jangka waktu lama. Tujuan tersebut dapat direalisir apabila penjualan dapat dilaksanakan seperti yang direncanakan.
11 Menurut Swasta (Manajemen Penjualan, 2004 : 13) perusahaan pada umumnya mempunyai tiga tujuan dalam penjualannya, yaitu : a) Mencapai volume penjualan tertentu b) Mendapat laba tertentu c) Menunjang pertumbuhan perusahaan
Adapun faktor-faktor yang harus diperhatikan dalam mencapai tujuan penjualan diantaranya adalah (Swasta, 2004) : a) Modal yang diperlukan b) Kemampuan merencanakan dan membuat produk c) Kemampuan menentukan tingkat harga yang tepat d) Kemampuan memilih penyalur yang tepat e) Kemampuan menggunakan cara-cara promosi yang tepat f) Unsur penunjang yang lain
2.1.6 Pengertian Persediaan
Pendapat Sundjaja (2007 : 379), persediaan meliputi semua barang atau bahan yang diperlukan dalam proses produksi dan distribusi yang digunakan untuk proses lebih lanjut atau dijual. Sedangkan persediaan menurut Assauri (2004 : 169) adalah suatu aktiva yang meliputi barang-barang milik perusahaan yang dimaksud untuk dijual dalam satu periode usaha yang normal atau persediaan barang baku yang menunggu penggunaannya dalam suatu proses produksi. Dari pengertian persediaan diatas dapat ditarik kesimpulan bahwa persediaan merupakan barang-barang atau bahan baku yang diperlukan dalam proses produksi maupun digunakan untuk dijual dalam suatu periode tertentu.
Adapun alasan diperlukannya persediaan oleh suatu perusahaan menurut Assauri (2004 : 169) adalah sebagai berikut : 1. Dibutuhkannya
waktu
untuk
menyelesaikan
operasi
produksi
untuk
memindahkan produk dari satu tingkat proses yang lain yang disebut persediaan dalam proses dan pemindahan. 2. Alasan organisasi untuk memungkinkan suatu unit atau bagian membuat skedul operasinya secara bebas tidak tergantung dari yang lainnya.
12 Menurut Assauri (2004 : 170), persediaan yang diadakan mulai dari yang bentuk bahan mentah sampai dengan barang jadi antara lain berguna untuk : 1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-bahan yang dibutuhkan perusahaan. 2. Menghilangkan resiko dari material yang dipesan tidak baik sehingga harus dikembalikan. 3. Untuk menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat digunakan bila bahan itu tidak ada dalam pasaran. 4. Mempertahankan stabilitas operasi perusahaan atau menjamin kelancaran arus produksi. 5. Mencapai penggunaan mesin yang optimal. 6. Memberikan pelayanan (service) kepada pelanggan dengan sebaik-baiknya dimana keinginan pelanggan pada suatu waktu dapat dipenuhi adalah memberikan jaminan tetap tersedianya barang jadi tersebut. 7. Membuat pengadaan atau produksi tidak perlu sesuai dengan penggunaan atau penjualannya.
Fungsi persediaan menurut Rangkuty (2004 : 15) adalah sebagai berikut: 1. Fungsi Decoupling adalah persediaan yang memungkinkan perusahaan dapat memenuhi permintaan pelanggan tanpa tergantung pada supplier. 2. Fungsi Economic Lot Sizing, persediaan ini perlu mempertimbangkan penghematan atau potongan pembelian, biaya pengangkutan per unit menjadi lebih murah dan sebagainya. 3. Fungsi Antisipasi, apabila perusahaan menghadapi fluktuasi permintaan yang dapat diperkirakan dan diramalkan berdasarkan pengalaman atau data-data masa lalu yaitu permintaaan musiman.
Menurut Zulfikarijah (2005 : 9), dalam manajemen persediaan terdapat dua hal yang perlu diperhatikan yaitu: 1. Keputusan persediaan yang bersifat umum merupakan keputusan yang menjadi tugas utama dalam penentuan persediaan baik kuantitatif maupun kualitatif. Keputusan kuantitatif bertujuan untuk mengetahui :
13 a. Barang apa yang akan di stock? b. Berapa banyak jumlah barang yang akan diproses dan berapa banyak barang yang akan dipesan? c. Kapan pembuatan barang akan dilakukan dan kapan melakukan pemesanan? d. Kapan melakukan pemesanan ulang (Reorder Point)? e. Metode
apakah
yang
digunakan
untuk
menentukan
jumlah
persediaan?
2. Keputusan kualitatif adalah keputusan yang berkaitan dengan teknis pemesanan yang mengarah pada analisis data secara deskriptif. Keputusan kualitatif bertujuan untuk mengetahui : a. Jenis barang yang masih tersedia di perusahaan? b. Perusahaan atau individu yang menjadi pemasok barang yang dipesan perusahaan? c. Sistem pengendalian kualitas persediaan yang digunakan perusahaan?
2.1.7 Jenis-Jenis Persediaan
Menurut Heizer dan Render (2010 : 82), persediaan yang ada di perusahaan biasanya terdiri dari empat jenis yaitu:
1. Persediaan Bahan Mentah (Raw Material Inventory) yang telah dibeli, tetapi belum diproses. Pendekatan yang lebih banyak diterapkan adalah dengan menghapus variabilitas pemasok dalam mutu, jumlah atau waktu pengiriman sehingga tidak perlu pemisahan. 2. Persediaan Barang Setengah Jadi (Work In Process Inventory) adalah komponen-komponen atau bahan mentah yang telah melewati beberapa proses perubahan, tetapi belum selesai. 3. Persediaan MRO (Maintenance, Repairing, Operating Iventory) merupakan persediaan yang dikhususkan untuk perlengkapan pemeliharaan, perbaikan, operasi. Persediaan ini ada karena kebutuhan akan adanya pemeliharaan dan perbaikan dari beberapa peralatan yang tidak diketahui sehingga persediaan ini merupakan fungsi jadwal pemeliharaan dan perbaikan.
14 4. Persediaan Barang Jadi adalah produk yang telah selesai dan tinggal menunggu pengiriman. Barang jadi dapat dimasukkan ke persediaan karena permintaan pelanggan dimasa mendatang tidak diketahui.
2.1.8 Analisis ABC
“Analisis ABC membagi persediaan di tangan ke dalam tiga kelompok berdasarkan volume tahunan dalam jumlah uang” (Dickie, Modern Manufacturing, Juli 1951). Analisis ABC merupakan penerapan persediaan dari prinsip pareto. Prinsip pareto menyatakan bahwa ada “beberapa yang penting dan banyak yang sepele” (Vilfredo Pareto, ekonom Italia abad ke-19). Pemikiran yang mendasari prinsip ini adalah bagaimana memfokuskan sumber daya pada bagian persediaan penting yang sedikit itu dan bukan pada bagian persediaan yang banyak namun sepele. Kebijakan yang dapat didasarkan pada analisis ABC mencakup hal-hal dibawah ini: a.
Perkembangan sumber daya pembelian yang dibayarkan kepada pemasok harus lebih tinggi untuk butir persediaan A dibandingkan butir perseciaan C.
b.
Butir persediaan A, berlainan dengan butir persediaan B dan C, harus dikendalikan secara lebih ketat, mungkin karena butir persediaan A ini ditempatkan di wilayah yang tertutup dan mungkin karena keakuratan catatan persediaannya harus sering diverifikasi.
c.
Meramalkan butir persediaan A mungkin harus lebih hati-hati daripada meramalkan butir (kelas) persediaan yang lain. Metode ABC atau Analisis ABC juga dikenal dengan nama analisis Pareto.
Analisis ABC merupakan metode pembuatan grup atau penggolongan berdasarkan peringkat nilai dari nilai tertinggi hingga terendah, dan dibagi menjadi 3 kelompok besar yang disebut kelompok A, B dan C. 1. Kelompok A adalah inventory dengan jumlah sekitar 20% dari item tapi mempunyai nilai investasi sekitar 80% dari total nilai inventory. 2. Kelompok B adalah inventory dengan jumlah sekitar 30% dari item tapi mempunyai nilai investasi sekitar 15% dari total nilai inventory.
15 3. Kelompok C adalah inventory dengan jumlah sekitar 50% dari item tapi mempunyai nilai investasi sekitar 5% dari total nilai inventory Besarnya persentase ini adalah kisaran yang bisa berubah-ubah dan berbeda antara perusahaan satu dengan yang lainnya. Kelompok A adalah kelompok yang sangat kritis sehingga perlu pengontrolan secara ketat, dibandingkan kelompok B yang kurang kritis, sedangkan kelompok C mempunyai dampak yang kecil terhadap aktivitas gudang dan keuangan.
2.1.9 Pengertian Peramalan
Menurut Sellani (2009) dalam Journal of the International Academy for Case Studies. The Sales forecast is the most important plan in an organization. For a manufacturing company, the Sales forecast must be in sufficient detail for Manufacturing to translate those requirements into physical products. Therefore it is not sufficient for the Sales forecast to be equal to last years' sales plus 10%. Manufacturing must know which products are going to be obsolete, which will be increasing and decreasing in sales, and which will require new manufacturing methods in production.
Menurut Hartanto, Yulia, Setiawan pada jurnal Sistem Pendukung Keputusan Pembelian Berdasarkan Peramalan Penjualan Pada PT. X (2013) “Forecasting adalah peramalan (perkiraan) mengenai sesuatu yang belum terjadi. Forecasting atau peramalan adalah memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data masa lampau yang dianalisis secara ilmiah”. Menurut Barry, Jay dalam bukunya Manajemen Operasi (2009, p.162) Peramalan adalah perkiraaan mengenai sesuatu yang belum terjadi. Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Dengan demikian, kalau yang diramalkan permintaan berarti memperkirakan jumlah produk yang dibutuhkan oleh konsumen.
Forecast ( perkiraan atau peramalan ) merupakan perkiraan penjualan pada waktu yang akan datang dalam keadaan tertentu dan dibuat berdasarkan data-data
16 yang pernah terjadi atau mungkin akan terjadi.
Forecast peramalan adalah perkiraan atau proyeksi secara teknis permintaan konsumen potensial untuk suatu waktu tertentu dengan berbagai asumsi untuk memperoleh suatu forecast dan peramalan.
Peramalan berbeda dengan rencana. Rencana merupakan penentuan apa yang akan dilakukan oleh perusahaan pada waktu yang akan dating, sedangkan peramalan adalah perkiraan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perusahaan.
Tujuan dari peramalan adalah untuk mengurangi resiko dari pengambilan keputusan. Peramalan biasanya salah, namun besar dari kesalahan peramalan (forecast error) tergantung dari metode peramalan yang digunakan. Dengan menggunakan banyak aspek untuk melakukan peramalan, keakuratan peramalan dapat ditingkatkan dan mengurangi beberapa aspek ketidakpastian dalam proses pengambilan keputusan berdasarkan hasil peramalan tersebut.
Dikarenakan peramalan tidak dapat mengurangi resiko, maka diperlukan proses keputusan secara eksplisit untuk mempertimbangkan ketidakpastian dari hasil peramalan (forecast error). Konseptual dari peramalan digambarkan dalam persamaan berikut.
Actual Decision = Decision assuming forecast is correct + Allowance for forecast error
Menurut Prasetya dan Lukiastuti (2009:43) Peramalan merupakan sutau usaha untuk meramalkan keadaan dimasa yang akan dating melalui pengujian keadaan dimasa lalu.
Menurut Heizer dan Render (2009:162) Peramalan (forecasting) adalah seni atau ilmu untuk memperkirakan kejadian dimasa depan.
17 Menurut tim pengembangan Laboratorium Manajemen Menengah (2008:12) Forecasting diartikan sebagai kegiatan analisis untuk memperkirakan magnitude dan direction perubahan suatu variabel ekonomi bisnis ( permintaan barang dan jasa ) dimasa datang berdasarkan past data dan present data.
2.1.10 Hubungan Forecast dengan Rencana
Peramalan (forecasting) merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien. Dalam bidang ekonomi, perencanaan merupakan kebutuhan yang besar, karena waktu tenggang untuk pengambilan keputusan dapat berkisar dari beberapa tahun sampai beberapa hari atau bahkan beberapa jam. Dalam situasi seperti ini, peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali manajemen, seperti berasal dari ekonomi nasional, pemerintah, pelanggan, dan pesaing. Dari peramalan inilah suatu perusahan dapat melakukan suatu perencanaan dan pengambilan suatu keputusan yang dirasa tepat (Subagyo, 2000 : 24). Forecast adalah peramalan apa yang terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang (Subagyo, 2000 : 25). Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecasting adalah peramalan apa yang akan terjadi tetapi belum tentu bisa dilaksanakan oleh perusahaan.
2.1.11 Jenis-jenis Peramalan
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.
18 3. Peramalan Permintaan Proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut juga peramalan penjualan yang mengendalikan produksi, kapasitas, serta system penjadwalan dan menjadi input bagi perencanaan keuangan , pemasaran, dan sumber daya manusia.
Permintaan merupakan jumlah dari kebutuhan semua pelamnggan potensial (pelaku pasar) untuk produk tertentu selama jangka waktu tertentu dan dalam suatu pasar tertentu (Austin, 2002). Menurut Arnold dan Chapman, 2004, tujuan utama dari sebuah perusahaan adalah melayani konsumen/pelanggan, dimana tujuan akhir dari perusahaan adalah menjalankan kegiatan perusahaan agar dapat bertemu dengan permintaan konsumen.
Pengelolaan permintaan merupakan suatu pengaturan akan permintaan konsumen. Kegiatan tersebut dapat berupa manajemen jangka pendek, menengah dan jangka panjang. Dalam jangka panjang, proyeksi permintaan dibutuhkan untuk perencanaan strategi bisnis dimana permintaan ini dapat mempengaruhi langkah strategis yang akan dilakukan oleh perusahaan. Dalam jangka menengah, tujuan dari pengelolaan permintaan adalah untuk memproyeksikan jumlah permintaan sebagai fungsi perencanaan produksi. Dan contoh pengelolaan permintaan dalam jangka pendek yaitu pengelolaan dibutuhkan untuk mengkombinasikan permintaan dengan penjadwalan produksi.
Salah satu dari kegiatan pengelolaan permintaan adalah peramalan permintaan (forecasting demand). Permintaan sangat perlu diramalkan karena terdapat ketidakpastian pesanan pelanggan.
2.1.12 Pendekatan dalam Peramalan
Terdapat dua pendekatan umum untuk melakukan peramalan sebagaimana ada dua cara mengatasi semua model keputusan. Pendekatan yang satu adalah analisis kuantitatif dan pendekatan lain adalah analisis kualitatif. Peramalan kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab-akibat untuk meramalkan permintaan.
19 Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan factor, seperti intuisi, emosi, pengalaman pribadi, dan system nilai pengambil keputusan untuk meramal. Beberapa perusahaan menggunakan satu pendekatan dan perusahaan lain menggunakan pendekatan yang lain. Pada kenyataannya, kombinasi dari keduanya merupakan kombinasi yang paling efektif.
2.1.13 Dekomposisi Peramalan Deret Waktu
Permintaan terhadap suatu produk tentunya akan berbeda-beda, sehingga permintaan tersebut tentunya akan membentuk sebuah karakteristik tersendiri. Apabila digambarkan dalam sebuah grafik, maka data historis akan menunjukkan berbagai macam bentuk maupun pola dari tingkat permintaan yang ada (Arnold & Chapman, 2004).
Pada umumnya permintaan akan memiliki pola karkteristik seperti berikut ini: 1. Tren (Trend) Pola
permintaan
tren
biasanya
dialami
oleh
produk
yang
baru
mengalamimasa kejayaan (prosperity) dan masih berkembang dalam suatu siklus hidupnya. Pada masa seperti itu, biasanya produk akan menunjukkan kecenderungan (tren) naik. Dan hal sebaliknya terjadi ketika produk sudah mencapai masa dewasa (mature) dan sudah tidak bisa berkembang lagi, maka lama kelamaan produk tersebut akan mengalami penurunan dan cenderung menunjukkan tren turun. 2. Musiman (Seasonality) Pola musiman biasanya terbentuk oleh permintaan dengan produk yang tingkat permintaannya dipengaruhi oleh cuaca, musim liburan, maupun harihari besar. Dasar periode untuk permintaan musiman biasanya dalam rentang waktu tahunan, akan tetapi bulanan dan mingguan juga bisa membentuk suatu pola permintaan musiman. 3. Acak (Random) Pola acak biasanya terjadi pada produk yang tingkat permintaannya dipengaruhi oleh banyak factor dalam periode tertentu. Variasi yang terjadi mungkin akan sangat kecil, namun membentuk pola acak yang tidak menentu.
20 4. Siklis (Cycle) Pola siklis hampir mirip dengan pola permintaan musiman. Namun, pola permintaan siklis terbentuk dalam satu rentang periode yang lebih panjang, misalnya pola siklis tersebut terbentuk dalam rentang waktu beberapa tahun maupun decade.
Jika
digunakan
secara
grafik,
memberikan gambaran seperti berikut ini:
Gambar 2.1 Pola Karakteristik Permintaan Sumber: penulis Keterangan: -
Tren
-
Musiman
-
Siklis
-
Acak
-
Konstan
pola-pola
permintaan tersebut akan
21 2.1.14 Pendekatan Naif
Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Dengan kata lain, jika penjualan sebuah prduk adalah 70 unit pada bulan Januari, kita dapat meramalkan penjualan pada bulan Februari akan sama, yaitu sebanyak 70 unit juga. Apakah cara ini masuk akal? Terbukti untuk beberapa jenis produk, 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 lain yang lebih canggih.
2.1.15 Rata-rata Bergerak
Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak akan berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. Rata-rata bergerak bergerak empat bulanan ditemukan dengan cara sederhana, yaitu menjumlahkan permintaan selama masa empat bulan lalu, dibagi dengan empat. Sewaktu satu bulan berlalu, data bulanan terbaru ditambahkan pada penjumlahan data tiga bulan sebelumnya, dan data bulan yang paling awal dihapus. Praktik semacam ini cenderung meminimalkan abnormalitas dalam data berseri. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut. Rata-rata bergerak = Σ Permintaan dalam periode n sebelumnya n n adalah jumlah periode dalam rata-rata bergerak, sebagai contoh: 4,5, atau 6 bulan berarti rata-rata bergerak untuk 4,5, atau 6 periode. Rata-rata bergerak dengan pembobotan dapat digambarkan secara matematis sebagai berikut. Pembobotan rata-rata bergerak = Σ (Bobot periode n)(Permintaan dalam periode n) ΣBobot
22 Baik rata-rata bergerak sederhana maupun rata-rata bergerak dengan pembobotan sangat efektif dalam meredam fluktuasi pada pola permintaan untuk menghasilkan prediksi yang stabil. Rata-rata bergerak mempunyai tiga persoalan. 1. Bertambahnya jumlah n (jumlah periode yang dirata-ratakan) memang meredam fluktuasi dengan lebih baik, tetapi membuat metode ini kurang sensitif terhadap perubahan nyata pada data. 2. Rata-rata bergerak tidak dapat menggambarkan tren dengan baik. Karena merupakan rata-rata, mereka akan selalu berada dalam tingkat yang sebelumnya dan tidak akan memprediksikan perubahan ke tingkat yang lebih tinggi atau lebih rendah yang merupakan nilai aktual sesungguhnya. 3. Rata-rata bergerak membutuhkan data masa lalu yang ekstensif.
2.1.16 Penghalusan Eksponensial
Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Dalam hal ini, Syntetos; Boylan; Disney dalam jurnalnya yang berjudul Forecasting for inventory planning: a 50-year review. The Journal of the Operational Research Society, suppl. Special Issue: Milestones in OR 60.S1 (May 2009): S149-S160. Mengatakan, “The simple smoothing procedure discussed above is based on a model without a trend and therefore is inappropriate when the underlying demand pattern involves such a change over time”. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut. Peramalan = peramalan periode + α(permintaan sebenarnya periode terakhir Baru
terakhir
- Peramalan periode terakhir)
Dimana α adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan ini juga dapat ditulis secara matematis sebagai berikut. Ft=Ft-1+α(At-1-Ft-1)
23 Dimana:
Ft = peramalan baru Ft-1 = peramalan sebelumnya α = konstanta penghalusan (pembobotan) (0≤α≤1) At-1= permintaan aktual periode lalu
Konsepnya tidak rumit. Prediksi terakhir untuk permintaan sama dengan prediksi lama, disesuaikan dengan sebagian diferensiasi permintaan aktual periode lalu dengan prediksi lama.
2.1.17 Menghitung Kesalahan Peramalan
Akurasi keseluruhan dari setiap model peramalan rata-rata bergerak, penghalusan eksponensial, atau lainnya dapat dijelaskan dengan membandingkan nilai yang diramal dengan nilai aktual atau nilai yang sedang diamati. Jika Ft melambangkan peramalan pada periode t, dan At melambangkan permintaan aktual pada periode t, maka kesalahan peramalan (deviasinya) adalah sebagai berikut.
Kesalahan peramalan = Permintaan aktual – Nilai peramalan = At - Ft 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. Tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (mean absolute deviation-MAD), kesalahan kuadrat rerata (mean squared error-MSE), dan kesalahan persen mutlak rerata (mean absolute percent error-MAPE).
Mean Absolute Deviation (MSE)Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode data (n). MAD = Σ|Aktual - Peramalan| N
24 Mean Squared Error (MSE) merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan diamati. Berikut rumusnya: MSE = Σ(Kesalahan peramalan)2 n Kekurangan MSE adalah MSE cenderung menonjolkan deviasi yang besar karena adanya penguadratan. Sebagai contoh, jika kesalahan peramalan untuk periode 1 dua kali lipat lebih besar dari kesalahan untuk periode 2, maka kesalahan kuadrat pada periode 1 lebih besar empat kali lipat dibandingkan kesalahan kuadrat pada periode 2. Oleh karena itu, menggunakan MSE sebagai perhitungan kesalahan peramalan biasanya menunjukkan bahwa lebih baik mempunyai beberapa deviasi yang kecil daripada satu deviasi besar.
Mean Absolute Percent Error (MAPE) masalah yang terjadi dengan MAD dan MSE adalah nilai mereka tergantung pada besarnya hal yang diramalkan. Jika unsur tersebut dihitung dalam satuan ribuan, maka nilai MAD dan MSE dapat menjadi sangat besar. Untuk menghindari masalah ini, kita dapat menggunakan mean absolute percent error (MAPE). MAPE dihitung sebagai rata-rata diferensiasi absolut antara nilai yang diramalkan dan aktual, dinyatakan sebagai persentase nilai aktual. Jika kita memiliki nilai yang diramal dan aktual untuk n periode, MAPE dihitung sebagai berikut. MAPE = Σ Kesalahan persen absolut = 44,75% = 5,59% n
8
MAPE mungkin merupakan perhitungan yang paling mudah dimaknai. Sebagai contoh, MAPE 6% merupakan pernyataan yang jelas yang tidak bergantung pada permasalahan seperti banyaknya data input.
2.1.18 Penghalusan Eksponensial dengan Penyesuaian Tren
Penghalusan eksponensial yang sederhana dengan teknik yang telah dijelaskan pada MAD, MSE, dan MAPE sama seperti teknik rata-rata bergerak
25 manapun. Ia gagal memberikan respons terhadap tren yang terjadi. Teknik peramalan lain yang dapat menyesuaikan dengan tren tentu saja ada. Walaupun deminkian, karena penghalusan eksponensial merupakan pendekatan model yang popular di bisnis, marilah kita lihat secara lebih terperinci.
Untuk memperbaiki peramalan, berikut ilustrasi 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 negative pada tren. Berikut rumus barunya:
Peramalan dengan tren (FITt) = Peramalan penghalusan eksponensial (Ft) + Tren penghalusan eksponensial (Tt) Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi ratarata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-rata dan β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Ft = α(Permintaan aktual + (1 - α) + (Peramalan periode terakhir + Estimasi periode treakhir)
tren periode terakhir)
atau Ft = α(At – 1) + (1 - α)(Ft – 1 + Tt - 1) Tt = β(Peramlan periode ini – Peramalan periode terakhir) + (1 - β)(Estimasi tren periode terakhir)
atau Tt = β(Ft – Ft-1) + (1 - β)Tt-1
26 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:
Langkah 1: Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t, menggunakan persamaan Ft = α(At – 1) + (1 - α)(Ft – 1 + Tt - 1) Langkah 2: Menghitung tren yang dihaluska, Tt, menggunakan persamaan Tt = β(Ft – Ft-1) + (1 - β)Tt-1 Langkah 3: Menghitung peramalan dengan tren, FITt, dengan rumus FITt=Ft+Tt
2.1.19 Proyeksi Tren
Metode peramalan terakhir adalah proyeksi tren (trend projection). Teknik ini mencocokkan
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 (sebagai contoh, eksponensial atau kuadratis). Namun dalam hal ini, kita akan melihat pada tren linier (garis lurus) saja.
Jika kita memutuskan untuk membuat garis tren lurus dengan metode statistic, kita dapat menerapkan metode kuadrat terkecil. Pendekatan ini menghasilkan sebuah garis lurus yang meminimalkan jumlah kuadrat dari deviasi vertical garis pada setiap hasil pengamatan aktual.
27 2.1.20 Permintaan Dependen dan Independen
Permintaan untuk suatu barang atau jasa dapat dikatakan independen ketika tingkat permintaan tersebut tidak dipengaruhi oleh barang/jasa lainnya. Sedangkan permintaan dependen untuk barang atau jasa, terjadi ketika tingkat permintaan barang atau jasa tersebut diperoleh apabila barang atau jasa yang lainnya juga dipesan/beli.
2.1.21 Proses Peramalan
Peramalan adalah suatu usaha untuk meramalkan keadaan dimasa mendatang melalui pengujian dimasa lalu. Esensi peramalan adalah perkiraan peristiwaperistiwa di waktu yang akan datang atas dasar pola-pola diwaktu yang lalu dan penggunaan kebijakan, sedangkan proyeksi fungsi mekanikal. Proses peramalan biasanya terdiri dari langkah-langkah sebagai berikut : 1. Penentuan tujuan Langkah pertama terdiri atas penentuan macam estimasi yang diingkinkan. Sebaliknya, tujuan tergantung kepada kebutuhan-kebutuhan informasi para manajer. Analisis membicarakan dengan para pembuat keputusan untuk mengetahui apa kebutuhan-kebutuhan mereka, dan menentukan : a. Variabel apa yang akan di estimasi. b. Siapa yang akan menggunakan hasil peramalan. c. Untuk tujuan-tujuan apa hasil peramalan digunakan. d. Estimasi jangka panjang atau jangka pendek yang diinginkan. e. Derajat ketepatan estimasi yang diinginkan.
2. Pengembangan model Setelah tujuan ditetapkan, langkah berikutnya adalah pengembangan suatu model yang merupakan penyajian secara lebih sederhana sistem yang dipelajari. Dalam peramalan, model adalah suatu kerangka analitik yang bila dimasukan data masukan menghasilkan estimasi penjualan di waktu yang akan datang (atau variabel apa saja yang di ramal). Analisis hendaknya memilih suatu model yang menggambarkan secara realistis perilaku variable-variabel yang dipertimbangkan.
28 3. Pengujian model Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat akurasi, validitas dan realibilitas yang diharapkan. Ini sering mencakup penerapannya pada data historik dan penyiapan estimasi untuk tahun-tahun sekarang dengan data nyata yang tersedia. Nilai suatu model ditentukan oleh derajat ketepatan hasil peramalan dengan kenyataan (aktual). Dengan kata lain, pengujian model bermaksud untuk mengetahui validitas atau kemampuan prediktof secara logic suatu model.
4. Penerapan model Setelah pengujian, analisis menerapkan model dalam tahap ini, data historic dimasukan dalam model untuk menghasilkan suatu ramalan.
5. Revisi dan evaluasi Ramalan-ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau kembali. Perbaikan mungkin perlu dilakukan karena adanya perubahan-perubahan dalam perusahaan atau lingkungan nya, seperti tingkat harga produk perusahaan karakteristik-karakteristik produk, pengeluaran-pengeluaran pengiklanan, tingkat pengeluaran pemerintah, kebijakan moneter dan kemajuan teknologi. Evalusai, dilain pihak merupakan pembanding ramalan-ramalan dengan hasil-hasil nyata untuk menilai ketepatan penggunaan suatu metodologi atau teknik peramalan. Langkah ini diperlukan untuk menjaga kualitas estimasi-estimasi di waktu yang akan datang.
2.1.22 Memilih Metode Yang Tepat
Berdasarkan pendapat-pendapat dari beberapa penerbit buku ditemukan beberapa cara untuk memilih metode forecasting yang tepat, antara lain:
Menurut pendapat Santoso (2009: 13) dalam bukunya menyebutkan, suatu proses perubahan yang dapat diketahui dengan cepat akan memberikan hasil forecast yang mendekati kenyataan, akan tetapi sering kali proses perubahan ini sulit diketahui. Hasil peramalan yang mendekati kenyataan merupakan ramalan yang memiliki kesalahan (error) minimal. Hasil ramalan tersebut biasanya memiliki nilai
29 MAD dan MSE terkecil dan merupakan ramalan yang akurat dan bermanfaat bagi penyusunan rencana selanjutnya.
Sedangkan Subagyo (2000: 6) berpendapat dalam bukunya agar suatu ramalan menjadi akurat, data yang akan diramalkan harus relevan dan metode peramalan yang digunakan harus tepat. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan. MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Banyak sekali metode peramalan yang ada, satu metode peramalan yang cocok digunakan untuk meramalkan suatu hal belum tentu cocok untuk meramalkan hal lainnya. Oleh karena itu, perlu memilih metode peramalan yang cocok berdasarkan karakteristik atau ciri pola gerakan yang dimiliki oleh data yang dimiliki, sehingga hasilnya bisa meminimumkan kesalahan forecast.
Supranto (2001: 7) memiliki pendapat, untuk meramalkan suatu data yang memiliki pola trend (naik atau turun) akan lebih tepat bila menggunakan metode dekomposisi atau disebut dengan Linear Regression, sedangkan untuk meramalkan data yang memiliki pola fluktuatif akan lebih tepat bila menggunakan metode smoothing.
Sehingga dapat disimpulkan untuk memilih metode forecast yang tepat perlu diperhatikan keakuratan hasil forecast disetiap masing-masing metode melalui nilai MAD yang terkecil, dan biasanya suatu data yang memiliki pola trend naik atau turun, akan lebih tepat bila menggunakan metode Linear Regression sebagai metode forecasting.
30 2.2
Kerangka Pemikiran PT. ISTANA KEBAYORAN RAYA MOTOR (DATA)
ABC ANALISIS
HASIL PENGELOMPOKKAN KELAS “A”
FORECASTING
PENGAMBILAN KEPUTUSAN METODE
IMPLIKASI HASIL PENELITIAN
Gambar 2.2 Kerangka Pemikiran Sumber: Penulis
