BAB 2 LANDASAN TEORI
2.1 Landasan Teori
2.1.1 Pengertian Manajemen Operasi dan Produksi
Pengertian Manajemen Operasi dan Produksi menurut Handoko, T. Hani (2002,p.34) adalah usaha-usaha pengelolaan secara optimal penggunaan sumber daya, tenaga kerja, mesin-mesin, bahan mentah dan sebagainya. Sedangkan pengertian manajemen operasi menurut Deitiana, Tita (2011,p.2) yaitu untuk mengetahui bagaimana cara memproduksi barang dan jasa. Manajemen produksi operasional merupakan salah satu fungsi penting dalam perusahaan (organisasi), selain manajemen sumber daya manusia manajemen pemasaran, dan manajemen keuangan akuntansi atau akuntansi keuangan yang menghasilkan produk (barang dan jasa). Sehingga dapat disimpulkan bahwa manajemen operasi adalah cara bagaimana membangun dan mengelola operasi suatu organisasi atau perusahaan mulai dari perencanaan sistem operasi, perancangan sistem operasi hingga pengendalian sistem operasi.
10
11
Secara umum, kegitan operasi merupakan kegitan yang berhubungan dengan penciptaan atau pembuatan barang, jasa, atau kombinasinya melalui proses transformasi dari masukan sumber daya produksi menjadi keluaran yang diinginkan. Istilah manajemen operasi sebenarnya mengandung pengertian yang lebih luas. Oleh karena itu, dalam perkembangannya sering digunakan istilah manajemen operasi saja, karena manajemen operasi mencakup kedua jenis kegiatan, baik yang mnghsilkan barang maupun jasa. Untuk lebih memahami perbedaan atara barang dan jasa, tabel 2.1. berikut ini menunjukkan beberapa karakteristik yang membedakan kedua jenis produk. Tabel 2.1 Perbedaan barang dan jasa Barang
Jasa
Berwujud
Tidak berwujud
Dapat disimpan
Tidak dapat disimpan
Kontak dengan konsumen rendah
Kontak dengan konsumen tinggi
Diproduksi dulu baru dikonsumsi
Diproduksi bersamaan dengan dikonsumsi
2.1.2 Fungsi Operasi dalam Organisasi
Perusahaan besar umumnya memberikan tugas suatu fungsi pada departemen-departemen yang terpisah yang berarti menuntut tanggung jawab masing-masing. Untuk menghasilkan barang dan jasa, seluruh
12
organisasi melakukan tiga fungsi. Fungsi-fungsi ini sangat diperlukan tidak hanya untuk produksi tapi juga untuk kelangsungan hidup organisasi. Ketiga fungsi ini menurut Deitiana, Tita (2011, p.2) dalam bukunya tentang Manajemen Operasional Strategi dan Analis yaitu : 1. Fungsi pemasaran : fungsi ini membuat adanya permintaan atau paling tidak mendapatkan pesanan untuk pembuatan barang dan jasa. 2. Fungsi produksi/operasi : fungsi ini untuk menghasilkan produk. 3. Keuangan/akuntansi : fungsi ini memantau apakah perusahaan berjalan dengan baik, membayar seluruh tagihan dan mencari sumber dana. Institusi apapun, universitas, pemerintahan dan seluruh bisnis melakukan fungsi ini. Departemen operasi umumnya bertanggung jawab atas transformasi input menjadi barang jadi atau jasa. Pada organisasi yang kecil, pemilik bisa jadi akan mengelola sendiri satu atau lebih fungsi, misalnya pemasaran dan operasi. Dalam melaksanakan tugasnya manajer operasi juga perlu memiliki banyak bidang keahlian antara lain yaitu : analisis kuantitatif untuk menyelesaikan masalah, pengetahuan sistem informasi untuk mengelola data yang sangat banyak, konsep perilaku organisasi untuk membantu mendesain pekerjaan dan mengatur karyawan dan memahami bisnis international untuk memperoleh ide-ide tentang pemilihan lokasi, teknologi dan manajemen persediaan.
13
2.2 Peramalan
Menurut Render,Barry dan Jay Heizer dalam bukunya manajemen operasi (2009, p.162) mengatakan bahwa peramalan adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model sistematis dan menurut Prasetya, Hery dan Fitri Lukiastuti dalam bukunya manajemen operasi (2009,p.43) peramalan merupakan suatu usaha untuk meramalkan keadaan dimasa yang akan datang melalui pengujian keadaan dimasa lalu sedangkan menurut Pujawan (2005, p.87) menyatakan bahwa peramalan permintaan adalah kegiatan untuk mengestimasi besarnya permintaan terhadap barang atau jasa tertentu pada suatu periode dan wilayah pemasaran tertentu. Ramalan yang tidak akurat bisa menimbulkan berbagai masalah pada supply chain. Kelebihan pasokan produk ke satu wilayah sementara kekurangan di wilayah lain, kelebihan di suatu periode tetapi kekurangan di periode lain. Oleh karena itu untuk meningkatkan efisiensi maupun efektifitas pada supply chain diperlukan cara-cara yang tepat untuk meningkatkan akurasi peramalan permintaan.
Peningkatan
akurasi
peramalan
bisa
dilakukan
dengan
menggunakan metode peramalan yang baik. Menurut sellani, Robert J (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
14
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. Dari definisi di atas dapat disimpulkan bahwa peramalan berkaitan dengan upaya untuk memperkirakan apa yang terjadi dimasa depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis, serta peramalan itu adalah kegiatan yang bersifat teratur, berupa memprediksi masa depan dengan menggunakan tidak hanya metode ilmiah namun juga mempertimbangkan hal-hal yang bersifat kualitatif (perasaan, pengalaman dan lain-lain).
2.2.1 Meramalkan Horizon Waktu
Menurut Render, Barry dan Jay Heizer dalam buku nya manajemen operasi (2009,p.163) mengatakan bahwa peramalan biasa diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu terbagi menjadi beberapa kategori : 1. Peramalan jangka pendek Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk
15
merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi. 2. Peramalan jangka menengah Peramalan jangka menengah atau intermediate umumnya mencakup hutingan bulan hingga tiga tahun. Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana operasi. 3. Peramalan jangka panjang Umumnya untuk perencanaan tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengambangan.
2.2.2 Jenis Peramalan
Berdasarkan Render, Barry dan Jay Heizer dalam bukunya manajemen operasi (2009,p.164) mengatakan bahwa berbagai organisasi merupakan tiga jenis peramalan yang utama dalam perencanaan operasi di masa depan : 1. Peramalan ekonomi ( Economic Forecast) Peramalan ekonomi menjelaskan siklus bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indicator perencanaan lainnya.
16
2. Peramalan teknologi (Technological Forecast) Peramalan teknologi memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik yang membutuhkan pabrik dan peralatan baru. 3. Peramalan permintaan (Demand Forecast) Peramalan permintaan 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 Pendekatan dalam Peramalan
Menurut Render, Barry dan Jay Heizer dalam bukunya manajemen operasi (2009,p.167) terdapat dua pendekatan umum untuk peramalan : 1. Peramalan kuantitatif (Quantitative Forecast) Peramalan yang menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. 2. Peramalan kualitatif (Qualitative Forecast) Peramalan yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambilan keputusan untuk meramal.
17
2.2.4 Metode Peramalan Kuantitatif
Render, Barry dan Jay Heizer dalam bukunya manajemen operasi (2009,p.167) metode peramalan kuantitatif meliputi : •
Dekomposisi
•
Moving Average Moving Average (rata-rata bergerak) sangat bermanfaat apabila kita dapat membuat asumsi bahwa demand (permintaan) cenderung stabil sepanjang waktu. Rumus metode Moving Average adalah :
∑ demand pada periode n Rata-rata bergerak = n
Dimana disini n itu adalah jumlah periode yang digunakan dalam moving average.
•
Weighted Moving Average (rata-rata bergerak tertimbang) Apabila terdapat
pola atau trend maka bobot (timbangan) bisa
digunakan untuk menempatkan lebih banyak tekanan pada nilai baru, hal tersebut membuat teknik ini lebih responsive terhadap perubahan karena periode yang lebih baru mungkin mendapatkan bobot yang lebih besar. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada
18
rumus untuk menetapkannya, oleh karena itu pemutusan bobot mana yang akan digunakan membutuhkan pengalaman jika bulan atau periode terakhir diberi bobot yang terlalu besar, peramalan dapat mencerminkan perubahan yang terlalu cepat dan yang tidak biasa pada permintaan atau penjualan. Rumus weighted moving average adalah :
Rata-rata bergerak tertimbang = ∑ (bobot untuk periode n)(permintaan dalam periode n) ∑ bobot
•
Exponential Smoothing (penghalusan eksponensial) Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak tertimbang yang canggih, dan relative mudah untuk digunakan. Metode ini tidak memerlukan input data yang banyak. Rumus untuk exponential smoothing adalah :
Peramalan periode mendatang = peramalan periode lalu + α (permintaan actual periode lalu – peramalan periode lalu)
Dimana α adalah sebuah bobot atau konstanta penghalusan yang mempunyai nilai antara 0 dan 1. Persamaan untuk metode
19
penghalusan eksponensial dapat juga ditulis secara matematis sebagai berikut :
Ft = Ft − 1 + α (( At − 1) − ( Ft − 1))
Dimana :
•
Ft
: Peramalan periode mendatang
Ft-1
: Peramalan periode sebelumnya
α
: Konstanta (0≤α≤1)
At-1
: Permintaan actual periode sebelumnya
Exponential
Smoothing
Adjusted
with
Trend
(penghalusan
eksponensial dengan trend) Metode peramalan ini merupakan pengembangan dari metode penghalusan eksponensial, dimana metode ini dapat memberikan respon terhadap trend yang terjadi. Rumus untuk metode ini adalah :
Peramalan periode mendatang dengan trend (FIT t) = peramalan penghalusan eksponensial (Ft) + trend penghalusan eksponensial (Tt)
pada penghalusan eksponensial dengan trend estimasi rata-rata maupun trend dihaluskan. Prosedur ini membutuhkan dua konstanta
20
penghalusan, α untuk rata-rata data penghalusan eksponensial dan β untuk trend. Terdapat tiga langkah dalam menghitung peramalan dengan penyesuaian trend, yaitu : 1. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t. 2. Menghitung trend yang dihaluskan, Tt. 3. Menghitung peramalan dengan trend, FIT t. Persamaan
yang
digunakan
untuk
menghitung
peramalan
eksponensial yang dihaluskan sebagai berikut : Peramalan dengan trend =
α (permintaan actual periode terakhir) + (1-α)(peramalan periode terakhir + estimasi trend periode terakhir) Atau Ft = α ( At − 1) + (1 − α )( Ft − 1 + Tt − 1) Persamaan yang digunakan untuk menghitung trend yang dihaluskan adalah : Trend dengan eksponensial =
β(peramalan periode ini – peramalan periode terakhir) + (1-β)(estimasi trend periode terakhir) Atau Tt = β (( F1) − ( Ft − 1)) + (1 − β )(Tt − 1)
21
Dimana : Ft
: peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t.
Tt
: trend 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 trend (0≤β≤1)
Nilai β menyerupai α karena β yang tinggi lebih tanggap terhadap perubahan trend. β yang rendah memberikan bobot yang rendah kepada trend terbaru dan cenderung memperhalus trend sekarang. Nilai β dapat ditentukan dengan pendekatan uji coba dengan MAD digunakan sebagai ukuran pembanding. Penghalusan eksponensial sederhana biasa disebut sebagai penghalusan tingkat pertama (first order smoothing) sedangkan penghalusan dengan trend biasa disebut sebagai penghalusan tingkat dua (second order smoothing).
•
Linear Regression (regresi linear) Analisis regresi dapat diperoleh dengan menggunakan model matematis pada metode kuadrat terkecil dari proyeksi trend. Variable
22
terikat Y yang diramalkan tetap sama dan variable X yang digunakan dapat berupa variable lain. Persamaan regresinya adalah : Y = a + bX
Dimana : Y
: nilai terhitung dari variable yang akan diprediksi (variable
terikat) a
: persilangan sumbu Y
b
: kemiringan garis regresi
X
: variable bebas
Koefisien kemiringan (b) dapat dihitung dengan menggunakan rumus :
∑ XY − n ( ∑ xy ) b= ∑ X − n( x ) 2
2
a = X
y − bX =
y =
Dimana :
∑
: tanda penjumlahan total
X
: nilai variable bebas yang diketahui
Y
: nilai variable terkait yang diketahui
x
: rata-rata nilai X
∑
X n Y
∑ n
23
y
: rata-rata nilai Y
n
: jumlah data
Metode peramalan kuantitatif terdiri dari peramalan deret waktu (time series) dan peramalan sebab akibat. Kedua metode kuantitatif ini mendasarkan peramalannya pada era lalu dengan menggunakan prediktor untuk masa mendatang. Dengan mengelola data yang lalu maka metode time series dan sebab akibat akan sampai pada suatu hasil peramalan. Metode peramalan kuantitatif dibagi menjadi dua, yaitu : 1. Peramalan deret waktu (Time Series) Peramalan ini tidak memperhatikan hubungan sebab akibat atau dengan
kata
lain
hasil
peramalan
hanya
memperhatikan
kecenderungan dari data yang di masa lalu tersedia. Menurut Makriadis dan Steven skematis pendekatan ini dapat digambarkan sebagai berikut :
Input
Generating Process
output
Peramalan ini dilakukan berdasarkan data-data dari suatu produk yang sudah ada sebelumnya, kemudia dianalisa pola datanya
24
apakah berpola trend atau siklus. Metode yang dapat digunakan dalam hal ini yaitu metode moving average, exponential smoothing, model matematika.
2. Peramalan sebab akibat Peramalan ini dilakukan berdasarkan data yang sudah ada sebelumnya tetapi memakai data dari variable lain yang menentukan atau mempengaruhi pada masa depan, seperti pendapatan, kegiatan ekonomi. Pendekatan ini dapat digambarkan sebagai berikut :
Hubungan sebab dan akibat
Input
output
Dalam jurnalnya Smaros, Johanna; Hellstrom, Markus tentang Using the assortment forecasting method to enable sales force involvement in forecasting. Mereka menyebutkan Meskipun teknik kuantitatif yang bisa dibilang sangat berguna dan sering harus menjadi bagian dari proses peramalan perusahaan, mereka memiliki kelemahan tertentu yang dapat diimbangi dengan menggunakan peramalan kualitatif.
Kuantitatif
time-series
teknik
dirancang
untuk
mengidentifikasi dan meramalkan trend dan pola musiman dalam data dan untuk menyesuaikan diri dengan cepat terhadap perubahan dalam
25
tren atau pola. Keterbatasan mereka adalah bahwa mereka tidak mempertimbangkan informasi kontekstual, seperti perubahan harga.
2.2.5 Menghitung Kesalahan Peramalan
Menurut Barry Render dan Jay Heizer terdapat beberapa perhitungan yang dapat digunakan untuk menghitung kesalahan dalam peramalan (forecast error). Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang berbeda juga untuk mengawasi peramalan guna memastikan peramalan berjalan dengan baik. Dua teknik perhitungan yang paling terkenal adalah deviasi rata-rata absolute (mean absolute deviation-MAD) dan kesalahan rata-rata kuadrat (mean squared errorMSE).
1. MAD Merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model. Nilai ini dihitung dengan mengambil jumlah nilai absolute dari kesalahan peramalan dibagi dengan jumlah periode data (n). Rumus nya adalah :
∑ |permintaan actual – peramalan | MAD = n
26
2. MSE Merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan diamati. Kekurangan penggunaan MSE yaitu ia cenderung
menonjolkan
deviasi
yang
besar
karena
adanya
pengkuadratan. Rumus nya adalah :
∑ (kesalahan peramalan)² MSE = n
Berdasarkan Nachrowi dan Hardius (2004,p.239) menyatakan bahwa sebenarnya membandingkan kesalahan peramalan itu adalah cara sederhana, apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan sebagai indicator apakah suatu teknik peramalan cocok digunakan atau tidak dan teknik yang mempunyai jumlah MSE yang terkecil adalah metode peramalan terbaik. Sedangkan menurut Gaspers, Vincent (2004,p.80) dalam bukunya menyatakan akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD, MSE semakin kecil dan menurut Rangkuti, Freddy (2004,p.70) dalam bukunya menyatakan bahwa keharusan untuk membandingkan perhitungan yang memiliki nilai MAD paling kecil, karena semakin kecil nilai MAD semakin kecil pula perbedaan antara hasil forecasting dan nilai actual.
27
2.2.6 Karakteristik Peramalan
Menurut Nasution, Arman Hakim (2003,p.28) peramalan yang baik mempunyai tiga kriteria yang penting antara lain : 1. Akurasi Akurasi dari suatu peramalan diukur dengan kebiasaan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias apabila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang terjadi sebenarnya. 2. Biaya Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan dan metode peramalan yang digunakan. 3. Kemudahan Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.
2.2.7 Sifat Hasil Peramalan
Menurut Nasution, Arman Hakim (2003,p.23) dalam membuat peramalan atau menerapkan hasil suatu peramalan, ada beberapa hal yang harus dipertimbangkan, yaitu :
28
1. Peramalan pasti mengandung kesalahan yang artinya peramalan hanya bisa mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat menghilangkan ketidakpastian tersebut. 2. Peramalan seharusnya memberikan informasi tentang berapa ukuran kesalahan artinya karena peramalan pasti mengandung kesalahan maka penting bagi peramalan untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi. 3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan karena factor yang mempengaruhi permintaan pada peramalan jangka pendek masih relative konstan sedangkan semakin panjang periode peramalan maka semakin besar pula kemungkinan terjadinya perubahan factor yang mempengaruhi permintaan.
2.3 Pengertian Persediaan
Pengertian persediaan yaitu barang-barang yang disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang. Sedangkan menurut Pardede, Pontas M (2005,p.412) persediaan adalah sejumlah bahan baku atau barang yang tersedia untuk digunakan sewaktu-waktu dimasa yang akan datang dan menurut Maarif, Syamsul (2003,p.276) persediaan adalah suatu aktiva yang meliputi barang-barang milik perusahaan dengan maksud
29
untuk dijual dalam proses produksi ataupun persediaan bahan baku yang masih menunggu untuk digunakan dalam suatu proses produksi. Persediaan terdiri dari persediaan barang baku, persediaan barang setengah jadi dan persediaan barang jadi. Persediaan barang jadi dan barang setengah jadi disimpan sebelum digunakan atau dimasikkan kedalam proses produksi, sedangkan persediaan jadi atau barang dagangan disimpan sebelum dijual atau dipasarkan dengan demikian perusahaan yang melakukan kegiatan usaha pada umumnya memiliki persediaan. Sedangkan perusahaan perdagangan minimal memiliki satu jenis persediaan, yaitu persediaan barang dagangan adanya berbagai macam persediaan ini menuntut pengusaha untuk melakukan tindakan yang berbeda untuk masing-masing persediaan, dan ini akan sangat terkait dengan permasalahan lain seperti masalah peramalan kebutuhan bahan baku serta peramalan penjualan atau permintaan konsumen. Bila melakukan kesalahan dalam menetapkan besarnya persediaan maka akan berdampak ke masalah lain, misalnya tidak terpenuhinya permintaan
konsumen
atau
bahkan
berlebihan
persediaan
sehingga
tidak semuanya terjual, timbulnya biaya ekstra penyimpanan atau pesanan bahan dan sebagainya. (http://www.overfans.com/2693/pengertian-persediaan-inventory.html) Menurut pendapat Deitiana, Tita (2011,p.185) persediaan itu merupakan asset termahal bagi perusahaan, yang berkisar sekitar 50% dari modal yang ditanamkan atau investasi. Jadi dapat disimpulkan bahwa
30
persediaan itu merupakan harta bagi
apakah dalam bentuk bahan baku,
setengah jadi maupun yang sedang diproduksi.
Dalam jurnalnya Lord, Dennis tentang materials management and distribution “Inventory. It's what demand management is all about. It flows through the supply chain and sits in warehouses, distribution centres and on store shelves. It's at the heart of cash flow and working capital management. Manufacturing, distribution and retail can't function without it. It's very expensive. Let it build up too much and you have a liability on your hands.
The goal of inventory management is to ensure the consistent delivery of the right product in the right quantity to the right place at the right time. All this, without carrying excess and obsolete inventory or lowering customer service levels.
To achieve these goals you need to understand inventory drivers and how to model them for each inventory item at each location, to: reduce redundant inventory; find the optimal level of investment in the inventory; and maintain a desirable level of customer service”.
Persediaan merupakan salah satu aspek penting bagi perusahaan yang menjual barang dagangan atau perusahaan pengolahan. Perusahaan yang dimiliki oleh perusahaan tidak boleh terlalu banyak namun juga tidak boleh terlalu sedikit. Persediaan dalam topik disini difokuskan pada persediaan bahan baku dan persediaan itu perlu diawasi sehingga diperlukan pengawasan
31
persediaan yang guna nya untuk menentukan tingkat atau komposisi daripada persediaan, bahan baku dan barang / hasil produk. Tujuan pengawasan persediaan adalah untuk menjaga perusahaan agar tidak kehabisan persediaan.
2.3.1 Fungsi Persediaan
Menurut Deitiana, Tita (2011,p.186) persediaan berfungsi untuk melayani
beberapa
kepentingan
dalam
perusahaan
agar
operasi
perusahaan dapat berjalan dengan fleksibel. Ada tiga fungsi utama dari manajemen persediaan ini, yaitu : 1. Penyelarasan antara produksi dan distribusi. 2. Antisipasi terhadap perubahan harga dan inflasi. 3. Pemanfaatan potongan harga karena kuantitas pembelian. Masalah pengendalian persediaan merupakan salah satu masalah penting
yang
dihadapi
oleh
perusahaan.
Pendekatan-pendekatan
kuantitatif akan sangat membantu dalam memecahkan masalah ini. Alasan
utama
yang
menyebabkan
perhatian
terhadap
masalah
pengendalian persediaan demikian besar adalah karena pada kebanyakan perusahaan persediaan merupakan bagian atau porsi yang besar yang tercantum dalam neraca. Persediaan yang terlalu besar maupun terlalu kecil dapat menimbulkan masalah-masalah yang pelik. Kekurangan
32
persediaan bahan mentah akan mengakibatkan adanya hambatanhambatan pada proses produksi. Kekurangan persediaan barang dagangan akan
menimbulkan
kekecewaan
pada
langganan
dan
akan
mengakibatkann perusahaan kehilangan mereka sementara kelebihan persediaan akan menyebabkan biaya ekstra. Persediaan mempunyai beberapa fungsi penting yang menambah fleksibilitas dari operasi suatu perusahaan, antara lain : 1. Untuk member stock agar dapat memenuhi permintaan yang diantisipasi akan terjadi. 2. Untuk menyeimbangkan produksi dengan distribusi. 3. Untuk memperoleh keuntungan dari potongan kuantitas karena membeli dalam jumlah banyak biasanya ada diskon. 4. Untuk hedging terhadap inflasi dan perubahan harga. 5. Untuk menghindari kekurangan stock yang dapat terjadi karena cuaca, kekurangan pasokan, mutu, ketidaktepatan pengiriman. 6. Untuk menjaga kelangsungan operasi dengan cara persediaan dalam proses.
2.3.2 Tipe Persediaan
Menurut Deitiana, Tita (2011,p.187) persediaan yang ada di perusahaan biasanya terdiri dari empat tipe yaitu :
33
1. Persediaan bahan mentah yang telah dibeli tapi belum diproses. Pendekatan yang lebih banyak diterapkan adalah dengan menghapus variabilitas pemasok dalam mutu, jumlah, atau waktu pengiriman sehingga tidak perlu pemisahan (raw materials). 2. Persediaan barang dalam proses yang telah mengalami beberapa perubahan tetapi belum selesai (barang setengah jadi). Persediaan ini ada karena untuk membuat produk diperlukan waktu yang disebut waktu siklus. Pengurangan waktu siklus menyebabkan persediaan ini berkurang. 3. Persediaan MRO (maintenance repair operating). 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. 4. Persediaan barang jadi. Termasuk dalam persediaan karena permintaan konsumen untuk jangka waktu tertentu mungkin tidak diketahui.
2.3.3 Biaya-biaya dalam Persediaan
Menurut Nasution, Arman Hakim (2003,p.105) dalam bukunya perencanaan dan pengendalian produksi biaya dalam persediaan terdiri
34
dari biaya pembelian, biaya pemesanan, biaya simpan dan biaya kekurangan persediaan. 1. Biaya pembelian (c) Biaya yang dikeluarkan untuk membeli barang. Besarnya biaya pembelian ini tergantung pada jumlah barang yang akan dibeli dan harga satuan barang. 2. Biaya pemesanan (ordering cost K) Semua pengeluaran yang timbul untuk mendatangkan barang dari luar. Biaya ini meliputi biaya untuk menentukan pemasok, pengetikan pemesanan,
pengiriman
pesanan,
biaya
pengangkutan,
biaya
penerimaan dan lain-lain. (biaya pembuatan K) 3. Biaya penyimpanan (holding cost/carrying cost H) Semua pengeluaran yang timbul akibat menyimpan barang, biaya ini meliputi biaya modal, biaya gudang, biaya kerusakan atau penyusutan, biaya kadaluwasra, biaya asuransi. 4. Biaya kekurangan persediaan (shortage cost P) Bila perusahaan kehabisan barang pada saat permintaan maka akan terjadi
keadaan
kekurangan
persediaan.
Keadaan
ini
akan
menimbulkan kerugian karena proses produksi akan terganggu dan kehilangan kesempatan mendapat keuntungan atau kehilangan konsumen.
35
2.3.4 Model Economic Order Quantity (EOQ)
Menurut Deitiana, Tita (2011,p.191) inventory model yang paling sederhana mengandung ciri-ciri sebagai berikut : 1. Barang/bahan mentah yang dipesan dan disimpan hanya satu macam. 2. Kebutuhan/ permintaanya per periode diketahui. 3. Barang/bahan mentah yang dipesan segera dapat tersedia dan tidak ada back order. Rumus EOQ adalah sebagai berikut :
EOQ =
2 DS H
Dimana : EOQ
: jumlah pesanan yang ekonomis
D
: kebutuhan bahan baku dalam satu periode
S
: biaya pesan bahan baku
H
: biaya simpan bahan baku dalam satu periode
2.3.5 Fixed Order Interval System (EOI)
Fixed Order Interval System juga disebut sistem persediaan secara periodik yang lebih berdasar kepada periode daripada sistem persediaan continue yang lebih kepada posisi stock persediaan. Sistem persediaan yang berbasiskan waktu, melakukan suatu pesanan berdasarkan suatu
36
jangka waktu tertentu. Jumlah pesanan bergantung kepada pemakaian permintaan selama periode waktu tersebut. Menggunakan tingkat persediaan maksimum 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 dari berapa jumlah yang berkurang dari maximum inventory level, jadi jumlah pesanan didapat dari selisih maximum inventory level dan sisa persediaan pada waktu melakukan perhitungan. Rumus dari atau cara perhitungan dari EOI ini yaitu :
-
(EOI) Ccd
-
(Safety Stock)
-
(Maximum Inventory Level)
-
(Average Inventory Level)
-
(Turn Over Ratio)
-
(Order Quantity)
-
(Total Inventory Cost)
37
2.3.6 Minimum - Maximum System
Minimum – Maximum System ini yaitu apabila persediaan telah melewati batas-batas minimum dan mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum stock merupakan batas reorder level. Batas maksimum adalah batas kesediaan perusahaan atau manajemen untuk menginvestasikan uangnyadalam bentuk persediaan bahan baku dengan begitu yang paling penting disini adalah batas minimum-maximum untuk dapat menentukan order quantity. Rumus dari minimum-maximum system : -
SS =
D n
-
Max stock = 2( D × L) + SS
-
Min stock = ( D × L) + SS
-
Q = Max stock - Min stock
-
m=
D Q
(banyaknya pemesanan)
-
T =
Q D
(interval pesanan)
-
1 I = SS + ( × Q) 2
-
TOR =
-
TC =
D I
D × (Co + Ccd ) Q
(Order quantity)
(average inventory level)
38
2.4 Literature Review
Table 2.2 Literature Review FORECASTING and EOQ Metode
Nama Pengarang
Jurnal
Hasil Penelitian
Penelitian Forecasting
Candra, Sevenpri
Journal of Supply Hasil dari
and EOQ
dan Haryadi
Chain
Forecasting yaitu
Sarjono
Management
dengan
Research &
menggunakan
Practice. “
metode Linear
Forecasting for
Regression dan
Inventory Control EOQ = 87,98 ton dengan Total Cost Rp. 3.248.477.269,791 FORECASTING, EOQ, EOI and MinMax
Forecasting,
Sarjono, Haryadi
Perencanaan
Hasil dari
EOQ, EOI and
dan Eriani Lestari
Persediaan
Forecasting
dengan
didapat dengan
Pendekatan
menggunakan
Metode Monte
Linear
Carlo. Forum
Regression, EOQ,
Ilmiah. ISSN
EOI, MinMax
:1693-4466
dengan Total Cost
MinMax
masing-masing Rp. 1.055.000, Rp. 1.478.000,
39
Rp. 808.500
2.5 Kerangka Pemikiran Identifikasi masalah pada perusahaan (PT. Kusuma kencana khatulistiwa)
Penggunaan metode forecasting
Naïve
Moving
Weighted
Linear
Exponential
Exponential
Method
Average
Moving
Regression
Smoothing
Smoothing
Average
Perhitungan MAD dan MSE
Perhitungan Persediaan Perusahaan,EOQ, EOI, MinMax
Output
With Trend
40
