BAB 2 LANDASAN TEORI 2.1 Manajemen
2.1.1 Pengertian Manajemen
Istilah manajemen berasal dari kata kerja to manageyangberarti control. Dalam bahasa Indonesia dapat diartikan : mengendalikan, menangani, atau mengelola.Secara umum pengertian manajemen adalah proses pengelolaan suatu pekerjaan untuk memperoleh hasil untuk pencapaian tujuan yang telah ditentukan dengan cara mengendalikan orang-orang lain untuk bekerja. Menurut Daft, Richard L (2007 : p6) manajemen adalah pencapaian tujuan organisasi
dengan
cara
yang
efektif
dan
efisien
melalui
perencanaan,
pengorganisasian, pengarahan, dan pengendalian sumber daya organisasi. (Daft, Richard L (2007), manajemen. Edisi 6 Salemba 4 Jakarta) Menurut Robbins dan Coulter (2010 : 23), manajemen adalah proses pengkoordinasian dan pengawasan dari aktivitas/kegiatan-kegiatan pekerjaan orang lain sehingga pekerjaan tersebut terselesaikan secara efisien dan efektif.. (Robbins, Stephen P. And Coulter, Mary.(2007). Management. Jakarta, PT Indeks.) Menurut
Solihin
(2009)
manajemen
adalah
proses
perencanaan,
pengorganisasian, kepemimpinan dan pengendalian dari berbagai Sumber Daya organisasi untuk mencapai tujuan yang efektif dan efisien. (Solihin, Ismail. (2009). Pengantar Manajemen. Jakarta, Erlangga.) 2.1.2 Pengertian Manajemen Operasi
Daft (2006 : 216) mendefinisikan Manajemen Operasi sebagai bidang manajemen yang mengkhususkan pada produksi barang. Artinya kegiatan operasi hanya berfokus pada kegiatan memproduksi barang dan memecahkan masalah-masalah yang berkaitan dengan sektor produksi. Menurut Heizer dan Render (2010 : 4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Menurut
Assauri (2004 : 12), manajemen produksi dan operasi merupakan
proses pencapaian dan pengutilisasian sumber-sumber atau jasa-jasa yang berguna sebagai usaha untuk mencapai tujuan dan sasaran organisasi.
7
8 Dari beberapa pengertian diatas dapat ditarik kesimpulan bahwa manajemen operasi merupakan kegiatan produksi dengan memanfaatkan sumberdaya yang ada sehingga menghasilkan nilai dalam bentuk barang dan jasa.
2.1.3 Pengertian Manajemen Operasional
Menurut Heizer dan Render (2010 : 4), manajemen operasional adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Sedangkan menurut Richard L. Daft (2006 : 216), manajemen operasional adalah bidang manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat-alat dan teknik-teknik khusus untuk memecahkan masalahmasalah produksi. Fogarty (dalam Herjanto, 2007), mendefinisikan manajemen operasional sebagai suatu proses yang secara berkesinambungan dan efektif menggunakan fungsi-fungsi manajemen untuk mengintegrasikan berbagai sumber daya secara efisien dalam rangka mencapai tujuan. Menurut Assauri (2004 : 12), manajemen produksi dan operasi merupakan proses pencapaian dan pengutilisasian sumber-sumber atau jasa-jasa yang berguna sebagai usaha untuk mencapai tujuan dan sasaran organisasi. Jadi dapat disimpulkan dari beberapa pengertian diatas bahwa manajemen operasi merupakan kegiatan produksi dengan memanfaatkan sumberdaya yang ada sehingga menghasilkan nilai dalam bentuk barang dan jasa Kita mempelajari MO (Manajemen Operasi) karena empat alasan berikut: 1. MO adalah satu dari tiga fungsi utama dari setiap organisasi dan berhubungan secara utuh dengan semua fungsi bisnis lainnya. Semua organisasi memasarkan (menjual), membiayai (mencatat rugi laba), dan memproduksi (mengoperasikan), maka sangat penting untuk mengetahui bagaimana aktivitas MO berjalan. Karena itu pula, kita mempelajari bagaimana orangorang mengorganisasikan diri mereka bagi perusahaan yang produktif. 2. Kita mempelajari MO karena kita ingin mengetahui bagaimana barang dan jasa diproduksi. Fungsi produksi adalah bagian dari masyarakat yang menciptakan produk yang kita gunakan. 3. Kita mempelajari MO untuk memahami apa yang dikerjakan oleh manajer operasi. Dengan memahami apa saja yang dilakukan oleh manajer ini, kita dapat membangun keahlian yang dibutuhkan untuk dapat menjadi seorang manajer seperti itu. Hal ini akan membantu Anda untuk menjelajahi kesempatan kerja yang banyak dan menggiurkan di bidang MO.
9 4. Kita mempelajari MO karena bagian ini merupakan bagian yang paling banyak menghabiskan biaya dalam sebuah organisasi. Sebagian besar pengeluaran perusahaan digunakan untuk fungsi MO. Walaupun demikian, MO memberikan peluang untuk meningkat keuntungan dan pelayanan terhadap masyarakat.
2.1.4 Keputusan Kritis Dalam Manajemen Operasi
Menurut Heizer dan Render (2009 : 56-57), diferensi, biaya rendah dan respons yang cepat dapat dicapai saat manajer membuat keputusan efektif dalam sepuluh wilayah manajemen operasional. Keputusan ini dikenal sebagai keputusan operasi (operational decision). Berikut sepuluh keputusan manajemen operasional yang mendukung misi dan menetapkan strategi. 1. 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. 2. Kualitas. Ekspektasi pelanggan terhadap kualitas harus ditetapkan, peraturan dan prosedur dibakukan untuk mengidentifikasi serta mencapai standar kualitas tersebut. 3. 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. 4. Pemilihan lokasi. Keputusan lokasi organisasi manufaktur dan jasa menentukan kesuksesan perusahaan. 5. Perancangan tata letak. Aliran bahan baku, kapasitas yang dibutuhkan, tingkat karyawan, keputusan teknologi dan kebutuhan persediaan mempengaruhi tata letak. 6. Sumber daya manusia dan rancangan pekerjaan. Manusia merupakan bagian yang intergral dan mahal dari keseluruhan rancangan sistem,. Karenanya, kualitas lingkungan kerja diberikan, bakat dan keahlian yang dibutuhkan, dan upah yang harus ditentukan dengan jelas. 7. Manajemen rantai pasokan. Keputusan ini menjelaskan apa yang harus dibuat dan apa yang harus dibeli. 8. Persediaan. Keputusan persediaan dapat dioptimalkan hanya jika kepuasan pelanggan, pemasok, perencanaan produksi dan sumber daya manusia dipertimbangkan.
10 9. Penjadwalan. Jadwal produksi yang dapat dikerjakan dan efisien harus dikembangkan. 10. Pemeliharaan. Keputusan harus dibuat pada tingkat kehandalan dan stabilitas yang diinginkan.
2.1.5 Riset Operasi (Operating Research)
Menurut Heizer dan Render (2009 : 51), perusahaan mencapai misi mereka melalui tiga cara yaitu: • Bersaing dalam diferensiasi Diferensiasi berhubungan dengan penyajian suatu 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. • Bersaing dalam biaya Kepemimpinan biaya yang 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. • Bersaing dalam respons Keseluruhan nilai yang 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 unit atas pesaing lain. Idenya adalah menciptakan nilai pelanggan (customer value) dengan cara yang efisien dan efektif.
11 2.2 Forecasting 2.2.1 Pengertian 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 pragmantis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat. Peramalan (forecasting) menurut Santoso (2009 : 8), peramalan adalah kegiatan yang bersifat teratur, berupaya memprediski masa depan dengan tidak hanya menggunakan metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif. Peramalan (forecasting) menurut Heizer dan Render (2009 : 162), adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data di masa lalu dan menempatkannya ke masa yang akan datang dengan bentuk model matematis. Bisa juga merupakan prediksi intusi yang bersifat subjektif atau bisa juga dengan menggunakan model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer. Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang (Nasution : 2005). Peramalan atau forecasting adalah suatu proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Forecasting yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen. Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya di bidang ekonomi. Peramalan mempunyai peranan jiwa eksternal yang pada umumnya berada di luar kendali manajemen seperti: Ekonomi, Pelanggan, Pesaing, Pemerintah, dan lain sebagainya. Jadi dapat disimpulkan bahwa peramalan adalah proses memperkirakan keadaan atau informasi yang akan terjadi di masa depan.
2.2.2 Meramalkan Horizon Waktu
12 Menurut Heizer dan Render (2009 : 163), peramalan biasanya diklasifikasikan brdasarkan 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 perncanaan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi. 2. Peramalan jangka menengah. Peramalan jangka menengah atau intermediate umumnya mencakup hitungan bulan hingga 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 masa tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).
Peramalan jangka menengah dan jangka panjang dapat dibedakan dari peramalan jangka pendek dengan melihat tiga hal. 1. Pertama, peramalan jangka menengah dan jangka panjang berkaitan dengan permasalahan yang lebih menyeluruh dan mendukung keputusan manajemen yang berkaitan dengan perencanaan produk, pabrik dan proses. Menetapkan keputusan akan fasilitas, seperti misalnya keputusan seorang manajer umum untuk membuka pabrik manufaktur baru di Brazil dapat memerlukan waktu 58 tahun sejak permulaan hingga benar-benar selesai secara tuntas. 2. Kedua, peramalan jangka pendek biasanya menerapkan metodologi yang berbeda dibandingkan peramalan jangka panjang. Teknik matematika, seperti rata-rata bergerak, penghalusan eksponensial, dan ekstrapolasi tren umumnya dikenal untuk peramalan jangka pendek. Metode kuantitatif yang lebih luas dan lebih tidak kuantitatif sangatlah bermanfaat dalam meramalkan isu-isu seperti apakah suatu produk baru. 3. Akhirnya, sebagaimana yang mungkin diperkirakan, peramalan jangka pendek cenderung lebih tepat dibandingkan peramalan jangka panjang. Faktor-faktor yang mempengaruhi perubahan permintaan berubah setiap hari. Dengan demikian, sejalan dengan semakin panjangnya horizon waktu, ketepatan peramalan seseorang cenderung semakin berkurang. Peramalan penjualan harus diperbarui secara berkala untuk menjaga nilai dan
13 integritasnya. Peramalan harus selalu dikaji ulang dan direvisi pada setiap akhir periode penjualan.
2.2.3 Pendekatan dalam Peramalan
Menurut Hanke dan Wichern, International Edition (2006 : 78) metode peramalan dapat dibagi 2 yaitu: 1. Metode Peramalan Kualitatif atau Subyektif “Qualitative forecasting techniques relied on human judgement and intuition more than manipulation of past historical data,” atau metode yang hanya didasarkan kepada penilaian dan intuisi, bukan kepada pengolahan data historis. 2. Metode Peramalan Kuantitatif Sedangkan peramalan kuantitatif diterangkan sebagai: “Quantitative techniques that need no input of judgments; they are mechanical procedures that produce quantitative result and some quantitative procedures require a much more sophisticated manipulation of data than do other, of course” atau metode yang tidak memerlukan penilaian, melainkan data.
Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara mengatasi semua model keputusan. Pendekatan yang satu adalah analisis kuantitatif dan pendekatan lain adalah analisis kualitatif. 1. Peramalan kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. 2. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan factor, seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal.
2.2.4 Jenis-Jenis Peramalan
Menurut Heizer dan Render (2009 : 82), persediaan dapat melayani 4 fungsi yang menambah fleksibilitas bagi operasi perusahaan: 1. 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.
14 2. Melakukan decouple perusahaan dari fluktuasi permintaan dan menyediakan persediaan barang-barang yang akan memberikan pilihan bagi pelanggan. Persediaan seperti ini digunakan secara umum pada bisnis eceran. 3. Mengambil keuntungan dari diskon kuantitas karena pembelian dalam jumlah besar dapat mengurangi biaya pengiriman barang. 4. Melindungi terhadap inflasi dan kenaikan harga.
2.2.5 Model-Model Peramalan
Menurut Heizer dan Render (2009 : 168), peramalan memiliki dua model yang terdiri dari masing-masing metode yaitu: 1. Model Deret Waktu Model deret waktu membuat prediksi dengan asumsi bahwa masa depan merupakan fungsi dari masa lalu. Dengan kata lain, mereka melihat apa yang terjadi selama kurun waktu tertentu danmenggunakan data masa lalu tersebut untuk melakukan peramalan. 2. Model Asosiatif Model
asosiatif
(hubungan
sebab
akibat),
seperti
regresi
linier,
menggabungkan banyak variabel atau faktor yang mungkin mempengaruhi kuantitas yang sedang diramalkan. 2.2.6 Peramalan Deret Waktu
Heizer dan Render (2009 : 169), menganalisis deret waktu berarti membagi data masa lalu menjadi komponen-komponen, kemudian memproyeksikannya kemasa depan. Deret waktu mempunyai empat komponen, antara lain: 1. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau menurun. Perubahan pendapatan, populasi, penyebaran umur, atau pandangan budaya dapat mempengaruhi pergerakan tren. 2. Musim adalah pola data yang berulang pada kurun waktu tertentu, seperti hari, minggu, bulan, atau kuartal. 3. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. Siklus ini biasanya terkait pada siklus bisnis dan merupakan hal penting dalam analisis dan perencanaan bisnis jangka pendek. Memprediksi siklus bisnis sulit dilakukan karena adanya pengaruh kejadian politik ataupun kerusuhan internasional. 4. Variasi acak merupakan satu titik khusus dalam data yang disebabkan oleh peluang dan situasi yang tidak lazim. Variasi acak tidak mempunyai pola khusus sehingga tidak dapat diprediksi.
15
2.2.6 Metode Peramalan Kuantitatif
Heizer dan Render dalam buku Manajemen Operasi (2009 : 170), metode-metode peramalan kuantitatif, terdiri dari: 1. Pendekatan Naif (Naïve Method) Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk beberapa jenis produk, pendekatan naïf (naïve method) 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. Rata-Rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut.
Rata-rata bergerak = Dimana n adalah jumlah periode dalam rata-rata bergerak.
3. Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemututsan bobot yang digunakan membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang terlalu cepat yang tidak biasa pada permintaan atau pola penjualan.
Rata-rata bergerak dengan pembobotan dapat digambarkan secara matematis sebagai berikut.
16 Pembobotan rata-rata bergerak =
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. - Bertambahnya jumlan n (jumlah periode yang dirata-ratakan) memang meredam fluktuasi dengan lebih baik, tetapi membuat metode ini kurang sensitive terhadap perubahan nyata pada data. - Rata-rata bergerak tidak dapat menggambarkan tren dengan baik. Karena merupakan rata-rata, mereka akan selalu berada dalam tingkat yang sebelumnya dan tidak akan memprediksi perubahan ke tingkat yang lebih tinggi atau lebih rendah yang merupakan nilai aktual sesungguhnya. - Rata-rata bergerak membutuhkan data masa lalu yang ekstensif.
4. Penghalusan Eksponensial (Exponential Smoothing) Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini mengunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut.
Peramalan baru = Peramalan periode terakhir +
(permintaan periode terakhir
– Peramalan periode terakhir) Dimana : =
Sebuah bobot atau konstanta penghalus yang dipilih oleh peramal yang mempunya nilai antara 0 dan 1
Persamaan dapat ditulis secara matematis sebagai berikut :
Dimana : = peramalan baru = peramalan sebelumnya = konstanta penghalus (pembobotan) = permintaan aktual periode lalu
17 5. Penghalusan Eksponensial dengan Penyesuaian Tren (Exponential Smoothing With Trend) Model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren rata-rata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan,
untuk rata-rata β untuk tren.
Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponensial dengan Penyesuaian Trend adalah sebagai berikut:
=
+
,
Dimana :
= peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t = tren dengan eksponensial yang di haluskan pada periode t = permintaan aktual periode t = konstanta penghalusan untuk rata-rata = konstanta penghalusan untuk rata-rata
6. Proyeksi Trend (Linear Regression) Proyeksi Tren merupakan suatu metode peramalan yang mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa mendatang untuk peramalan jangka menengah atau jangka panjang. Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut:
Dimana: = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu
18 = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) Untuk menentukan nilai
dan , akan di jelaskan pada rumus dibawah
ini.
Dimana : = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) = nilai variabel terikat yang diketahui = jumlah data atau pengamatan
2.2.7 Menghitung Kesalahan Peramalan
Menurut Rangkuti (2005 : 80) menyatakan keharusan untuk membandingkan perhitungan yang memiliki nilai MAD (Mean Absolute Deviation) paling kecil, karena semakin kecil MAD berarti semakin kecil pula perbedaan antara hasil forecasting nilai aktual. Menurut Heizer dan Render (2009 : 177), ada beberapa perhitungan yang biasa digunakan untuk membandingkan model peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan, dan untuk memastikan peramalan berjalan 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). 1. Deviasi Rata-Rata Absolut (Mean Absolute Deviation)
19 MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah periode data n. Rumus untuk menghitung MAD adalah sebagai berikut.
MAD =
2. Kesalahan Rata-Rata Kuadrat (Mean Square Error) MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati. Kekurangan penggunaan MSE adalah bahwa ia cenderung menonjolkan deviasi yang besar karena adanya pengkuadratan. Rumus untuk menghitung MSE adalah sebagai berikut.
MSE =
2.3 Persediaan (Inventory) 2.3.1 Definisi Persediaan
Persediaaan menurut 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 pesediaan menurut Herjanto (2007 : 237), 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 suku cadang dari peralatan atau mesin. Persediaan merupakan suatu sumber daya yang disimpan yang digunakan untuk menghilangkan kebutuhan saat ini atau kebutuhan yang akan datang. Persediaan diatas termasuk bahan mentah, barang dalam proses, dan barang jadi. Ketika menentukan permintaan dari suatu barang, ini merupakan informasi yang memungkinkan untuk dapat menentukan permintaan dari suatu barang, dan menentukan jumlah barang mentah yang akan dibutuhkan untuk membuat barang jadi tersebut. Persediaan pada umumnya merupakan salah satu jenis aktiva lancar yang jumlah nya cukup besar dalam suatu perusahaan. Hal ini mudah dipahami karena persediaan merupakan faktor penting dalam menentukan kelancaran operasi perusahaan. Persediaan adalah bentuk investasi, dimana keuntungan (laba) ini bisa diharapkan melalui penjualan
20 dikemudian hari. Oleh sebab itu pada kebanyakan perusahaan sejumlah minimal persediaan harus dipertahankan untuk menjamin kontinuitas dan stabilitas penjualannya. Mengendalikan persediaan yang tepat bukan hal yang mudah. Apabila jumlah persediaan terlalu besar yang dapat mengakibatkan timbulnya dana yang tertanam dalam persediaan, meningkatnya biaya penyimpanan dan risiko kerusakan barang yang lebih besar. Namun, jika persediaan terlalu sedikit mengakibatkan risiko terjadinya kekurangan persediaan (stockout) karena seringkali barang tidak dapat didatangkan secara mendadak dan sebesar yang dibutuhkan sehingga dapat menyebabkan terjadinya proses produksi, tertundanya penjualan, bahkan hilangnya pelanggan. Sebagaimana keputusan manajemen operasi lainnya, kebijaksanaan yang paling efektif dengan mencapai keseimbangan diantara berbagai kepentingan dalam perusahaan. Pengendalian persediaan harus dilakukan sedemikian rupa agar dapat melayani kebutuhan bahan/barang yang tepat dan dengan biaya yang rendah. Pengendalian persediaan berfungsi menentukan tingkat persediaan yang sesuai, dimana pemesanan harus dilakukan kembali, persediaan pengaman, pendataan singkat dan kondisi persediaan.
2.3.2 Fungsi Persediaan
Menurut Herjanto (2007 : 238), beberapa fungsi penting yang dikandung oleh persediaan dalam memenuhi kebutuhan perusahaan, sebagai berikut: 1. Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang dibutuhkan perusahaan. 2. Menghilangkan risiko jika material yang dipesan tidak baik sehingga harus dikembalikan. 3. Menghilangkan risiko terhadap kenaikan harga barang atau biasa disebut inflasi. 4. Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga perusahan tidak akan kesulitan jika bahan itu tidak tersedia di pasaran. 5. Mendapatkan keuntungan dari pembelian berdasarkan diskon kuantitas. 6. Memberikan pelayanan kepada pelanggan dengan tersedianya barang yang diperlukan.
2.3.3 Jenis-Jenis Persediaan
Terdapat 4 jenis persediaan yang harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan menurut Heizer dan Render (2009 : 82), yaitu : 1. Persediaan bahan mentah (raw material inventory)
21 Bahan-bahan yang biasanya dibeli, tetapi belum memasuki proses manufaktur dan digunakan untuk melakukan decouple (memisahkan) pemasok dari proses produksi. 2. 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). 3. MRO (Maintenance, Repair, Operating) Persediaan yang disediakan untuk pesediaan pemeliharaan, perbaikan, operasi, yang dibutuhkan untuk menjaga agar mesin-mesin dan proses-proses tetap produktif. 4. Persediaan barang jadi Produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih merupakan asset dalam pembukuan perusahaan.
2.3.4 Biaya-Biaya Persediaan
Untuk pengambilan keputusan penentuan besarnya biaya-biaya variabel dan untuk menentukan kebijakan persediaan yang perlu diperhatikan adalah bagaimana perusahaan dapat meminimalkan biaya-biaya. Ada tiga jenis biaya dalam persediaan menurut Heizer dan Render (2009:91), 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 pemesanan, pembelian, dukungan administrasi dan seterusnya. Ketika pemesanan sedang diproduksi, biaya pemesanan 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 pemesanan. 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 serta menggunakan prosedur-prosedur yang efisien seperti pemesanan dan pembayaran elektronik.
Sedangkan menurut Ristono (2009 : 4) faktor biaya persediaan meliputi :
22 1. Biaya penyimpanan di gudang, semakin banyak barang yang disimpan maka akan semakin besar biaya penyimpanannya. 2. Resiko kerusakan barang, semakin lama barang tersimpan di gudang maka resiko kerusakan barang semakin tinggi. 3. Resiko keusangan barang, barang-barang yang tersimpan lama akan “out of date” atau ketinggalan zaman.
2.3.5 Model Kuantitas Pesanan Ekonomis (Economic Order Quantity)
Setiap perusahaan selalu berusaha untuk menentukan policy penyediaan bahan dasar yang tepat, dalam arti tidak menganggu proses produksi dan disamping itu biaya yang ditanggung tidak terlalu tinggi. Menurut pendapatPontas (2005 : 422), bahwa Economic Order Quantity (EOQ) menunjukkan sejumlah barang yang harus dipesan untuk tiap kali pemesanan agar biaya persediaan keseluruhan menjadi sekecil mungkin. Menurut Heizer dan Render (2009 : 92), EOQ adalah sebuah teknik control persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasar pada beberapa asumsi : • Jumlah permintaan diketahui, konstan dan independent. • Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. • Penerimaan persediaan bersifat instant dan selesai seluruhnya. Dengan kata lain, persediaan dari sebuah pesanan datang dalam satu kelompok pada suatu waktu. • Tidak tersedia diskon kuantitas. • Biaya variable hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan). • Kehabisan (kekurangan) persediaan dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat.
Dengan asumsi seperti diatas, maka tahapan untuk mencari jumlah pemesanan yang menyebabkan biaya minimal adalah sebagai berikut :
23 1. Mengembangkan persamaan untuk biaya pemasangan atau pemesanan . 2. Mengembangkan persamaan untuk biaya penahanan atau penyimpanan. 3. Menetapkan biaya pemasangan sama dengan biaya penyimpanan. 4. Menyelesaikan persamaan dengan hasil angka jumlah pemesanan yang optimal.
Sedangkan menurut 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. Model kuantitas pesanan ekonomis (Economic Order Quantity – EOQ) ini adalah salah satu teknik pengendalian persediaan yang paling tua dan paling dikenal secara luas.
Tingkat Persediaan Persediaan minimum Kuantitas pesanan = Q (tingkat persediaan maksimum)
Tingkat Penggunaan Persediaan rata-rata yang tersedia
Persediaan minimum
0
Gambar 2.1 Penggunaan Persediaan Dalam Waktu Tertentu Sumber : Heizer dan Render (2010 : 93)
Berikut rumus yang digunakan dalam perhitungan persediaan
24
Dimana : = jumlah optimum unit per pesanan (EOQ) = permintaan per periode = biaya pemesanan untuk setiap pesanan = biaya penyimpanan per unit per periode = jumlah unit per pesanan = biaya total = rata – rata tingkat persediaan (average inventory) = jumlah pemesanan yang diperkirakan per periode
2.3.6 Titik Pemesanan Ulang (Reorder Point)
Menurut Heizer dan Render (2009 : 99), ROP adalah titik pemesanan ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk mengisi kembali persediaan barang. Ada beberapa faktor yang mempengaruhi ROP antara lain : 1. Lead time. 2. Tingkat pemakaian bahan baku rata–rata persatuan waktu tertentu. 3. Safety stock. Persamaan matematis untuk menghitung ROP mengasumsikan permintaan selama waktu tunggu itu sendiri adalah konstan. Ketika kasusnya tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman haruslah ditambah. Persamaannya menjadi :
Dimana :
= reorder point
25 = permintaan per hari = lead time 2.3.6.1 Lead Time Tingkat Persediaan
Kemiringan = unit/hari = d
Q*
ROP (unit)
Waktu tunggu = L
Waktu (hari)
Gambar 2.2 Titik Pemesanan Ulang Sumber : Heizer dan Render (2010 : 100)
Pengertian lead time menurut Zulfikarijah (2005 : 96) adalah merupakan waktu yang dibutuhkan antara pemesanan dengan barang sampai diperusahaan, 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 bisa tiba diperusahaan. Dalam EOQ, lead time diasumsikan konstan artinya dari waktu ke waktu selalu tetap misalnya lead time 6 hari, maka akan berulang dalam setiap periode. Akan tetapi dalam prakteknya lead time banyak berubah-ubah, untuk mengantisipasinya perusahaan sering menyediakan safety stock. Dari pembahasan diatas faktor waktu sangatlah penting dalam pengisian kembali persediaan karena terdapat perbedaan waktu yang kadang cukup lama saat mengadakan pesanan untuk menggantikan atau pengisian kembali persediaan.
26
2.3.6.2 Persediaan Pengamanan (Safety Stock)
Pengertian safety stock menurut Zulfikarijah (2005 : 96) Safety stock merupakan persediaan yang digunakan dengan tujuan supaya tidak terjadi Stock out (kehabisan stok). Menurut Taylor (2005 : 364), persediaan cadangan adalah persediaan yang disimpan untuk mengantisipasi permintaan pelanggan yang sulit diketahui dengan pasti. Stok cadangan ini disimpan untuk memenuhi permintaan musiman atau siklus. Menurut Zulfikarijah (2005 : 144) ada beberapa faktor yang dapat menyebabkan perusahaan melakukan safety stock, yaitu : 1. Biaya atau kerugian yang disebabkan oleh stock out tinggi. Apabila bahan yang digunakan untuk proses produksi tidak tersedia, maka aktivitas perusahaan akan terhenti yang menyebabkan idle tenaga kerja dan fasilitas pabrik yang pada akhirnya perusahaan akan kehilangan penjualannya. 2. Variasi atau ketidakpastian permintaan yang meningkat. Adanya jumlah permintaan yang meningkat atau tidak sesuai dengan peramalan yang ada diperusahaan menyebabkan tingkat kebutuhan persediaan yang meningkat pula, oleh karena itu perlu dilakukan antisipasi terhadap safety stock agar semua permintaan terpenuhi. 3. Resiko stock out meningkat. Keterbatasan jumlah persediaan yang ada di pasar dan kesulitan yang dihadapi perusahaan mendapatkan persediaan akan berdampak pada sulitnya terpenuhi persediaan yang ada di perusahaan, kesulitan ini akan menyebabkan perusahaan mengalami stock out. 4. Biaya penyimpanan safety stock yang murah. Apabila perusahaan memiliki gudang yang memadai dan memungkinkan, maka biaya penyimpanan tidaklah terlalu besar. Hal ini dimaksudkan untuk mengantisipasi terjadinya stock out.
Safety stock merupakan dilemma, dimana adanya stock out
akan berakibat
terganggunya proses produksi adanya stock yang berlebihan akan membengkakkan biaya penyimpanannya. Oleh karena itu dalam penentuan safety stock harus memperhatikan keduanya, dengan kata lain dalam safety stock diusahakan terjadinya keseimbangan diantara keduanya. Dalam penentuan safety stock pada lebel tertentu tergantung pada jenis pemesanan persediaan dimasing-masing perusahaan apakah berdasarkan pada quantity.
27
Tujuan safety stock adalah untuk meminimalkan terjadinya stock out dan mengurangi penambahan biaya penyimpanan dan biaya stock out total, biaya penyimpanan disini akan 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), ada 2 faktor yang menentukan besarnya persediaan pengaman yaitu :
1. 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 sebelum barang yang dipesan datang harus dapat dipenuhi dari persediaan yang ada. 2. 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 yaitu : - 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.
1. Metode statistika yang berdistribusi normal.
28
Dimana : = standar normal (diperoleh dari tabel distribusi normal, misalnya = 95%, ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap kemungkinan terjadinya stock out hanya 5%) = standar deviasi = lead time Metode penentuan safety stock Dalam menentukan safety stock terdapat metode yang dapat digunakan oleh perusahaan sebagai berikut : 1. Intuisi Persediaan ditentukan berdasarkan jumlah safety stock pengalaman sebelumnya misalnya 1,5 kali; 1,4 kali dan seterusnya selama lead time. 2. Service level tertentu. Metode ini mengukur seberapa efektif perusahaan mensuplai permintaan barang dari stoknya. Dalam perhitungan digunakan probalitas untuk memenuhi permintaan, untuk itu diperlukan informasi yang lengkap tentang probalitas berbagai tingkatan permintaan selama lead time karena sering kali terjadi variasi. Variasi ini disebabkan oleh fluktuasi lama lead time dan tingkat permintaan rata-rata. 3. Permintaan dengan distribusi empiris. Metode ini didasarkan pada pengalaman empiris dimana dalam penentuan stok didasarkan pada kondisi riil yang dihadapi oleh perusahaan. 4. Permintaan berdistribusi normal Permintaan yang dilakukan oleh beberapa pelanggan memiliki jumlah
yang
berbeda-beda,
walupun
demikian
dengan
menggunakan asumsi permintaan bersifat total akan dapat dilakukan perhitungan dengan distribusi normal. 5. Permintaan berdistribusi Poisson Pada saat jumlah permintaan total merupakan permintaan dari beberapa
pelanggan
dimana
setiap
pelanggan
hanya
membutuhkan sedikit barang, maka sedikit sekali kemungkinan produsen akan memenuhi kebutuhan satu pelanggan dalam jumlah
29 yang besar. Dengan adanya rata-rata tingkat pemesanan yang konstan dan interval waktu jumlah pemesanan tidak tergantung pada
yang
lainnya,
maka
penentuan
safety
stock
dapat
menggunakan pendekatan distribusi poisson dengan syarat jumlah permintaan rata-rata selama lead time sama atau kurang dari 20. 6. Lead time tidak pasti. Adanya jumlah permintaan yang tidak pasti pada periode tertentu akan berakibat lead time untuk setiap siklus pemesanan bervariasi. Untuk itu perusahaan akan berusaha menyediakan safety stock atau buffer stock selama lead time. 7. Biaya Stock out. Peningkatan biaya penyimpanan akan meningkat service level, sehingga semua usaha yang digunakan untuk menutup semua level yang memungkinkan pada saat terjadi lead time permintaan merupakan tujuan yang sangat sulit dicapai. Untuk semua produks, permintaan maksimum akan lebih murah dibandingkan dengan terjadinya stock out. Permasalahannya adalah menentukan tingkat
safety
stockyang
dapat
menyeimbangkan
biaya
penyimpanan dengan biaya safety stock out.
Dari uraian diatas pentingnya safety stock disebabkan oleh karena kerugian yang akan ditanggung oleh perusahaan karena proses yang terhenti, variasi permintaan yang sangat variatif, resiko stock out dipasar (pemasok) meningkat dan kemungkinan biaya safety stock yang lebih murah. Penentuan safety stock dapat dilakukan mulai perhitungan yang sangat sederhana yaitu dengan menggunakan intuisi sampai dengan menggunakan pendekatan ilmiah atau menggunakan alat statistic baik dengan distribusi normal maupun poisson yang kesemuanya bertujuan untuk menentukan safety stock yang terbaik.
2.3.6.3 Persediaan Maksimum
Persediaan maksimum diperlukan oleh perusahaan agar kuantitas persediaan yang ada di gudang tidak berlebihan sehingga tidak terjadi pemborosan modal kerja. Adapun untuk mengetahui besarnya persediaan maksimum dapat digunakan rumus :
Maximum Inventory
: Safety Stock + EOQ
Dimana
:
30 Safety Stock
: Persediaan pengamanan
EOQ
: Kuantitas pembelian optimal
2.4 Kerangka Pemikiran
SPBU PT. MANASRI USMAN
EOQ, ROP
Inventory Analysis
Maximal Inventory
Peramalan Permintaan
Menetapkan Persediaan
Hasil Keputusan
Implikasi Hasil Penelitian
Gambar 2.3 Kerangka Pemikiran Sumber : Data Penulis
Forecasting
Naïve Method Moving Averages Weighted Moving Averages Exponential Smoothing Exponentian Smoothing with Trend Linear Regression
31
