9
BAB 2 LANDASAN TEORI 2.1
Pengertian Sistem Sistem sebagai objek didekati dengan berpikir sistemik. Di sini akan dijelaskan pengertian sistem, yang secara mudah akan dapat dipahami dengan mengambil tiga contoh yang berbeda yaitu sistem hidup (manusia), sistem fisik (dinding bata), dan sistem non-fisik (organisasi). Selanjutnya akan dijelaskan langkah-langkah dasar berpikir sistemik, yang juga dilengkapi dengan contoh yang sederhana, sehingga secara konsisten akan lebih mudah ditelusuri kaitannya secara keseluruhan. Sistem adalah keseluruhan interaksi antar unsur dari sebuah obyek dalam batas lingkungan tertentu yang bekerja mencapai tujuan. Pengertian dari keseluruhan adalah lebih dari sekedar penjumlahan atau susunan (aggregate), yaitu terletak pada kekuatan (power) yang dihasilkan oleh keseluruhan itu jauh lebih besar dari suatu penjumlahan atau susunan. Pengertian interaksi adalah pengikat atau penghubung antar unsur, yang memberikan bentuk/struktur kepada obyek, membedakan dengan obyek lain, dan mempengaruhi perilaku dari obyek.
10
Pengertian unsur adalah benda baik konkrit maupun abstrak, yang menyusun obyek sistem. Unjuk kerja dari sistem ditentukan oleh fungsi unsur. Gangguan salah satu fungsi unsur mempengaruhi unsur lain sehingga mempengaruhi unjuk kerja sistem sebagai keseluruhan. Unsur yang menyusun sistem ini disebut juga bagian sistem atau sub-sistem. Pengertian obyek adalah sistem yang menjadi perhatian dalam suatu batas tertentu sehingga dapat dibedakan antara sistem dengan lingkungan sistem. Artinya semua yang ada di luar batas sistem adalah lingkungan sistem. Pada umumnya, semakin luas bidang perhatian semakin kabur batas sistem. Demikian juga sebaliknya, semakin spesifik/konkrit obyek semakin jelas batas sistem. Dengan demikian, jelas bahwa batas obyek dengan lingkungan cenderung bersifat mental atau konseptual, terutama terhadap obyek-obyek non-fisik. Pengertian batas antar sistem dengan lingkungan tersbut memberikan dua jenis sistem, yaitu sistem tertutup dan sistem terbuka. Sistem tertutup adalah sistem dengan batas yang dianggap kedap (tidak tembus) terhadap pengaruh lingkungan. Sistem tertutup itu hanya ada dalam anggapan (untuk analisis), karena pada kenyataan sistem selalu berinteraksi dengan lingkungan, atau sebagai sebuah sistem terbuka.
11
Pengertian tujuan adalah unjuk kerja sistem yang teramati atau diinginkan. Unjuk kerja yang teramati merupakan hasil yang telah dicapai oleh kerja sistem, yaitu keleuruhan interaksi antar unsusr dalam batas lingkungan tertenu. Di lain pihak, unjuk kerja yang diinginkan merupakan hasil yang akan diwujudkan oleh sistem melalui keseluruhan interaksi antar unsur dalam batas lingkungan tertentu. Perumusan tujuan dari sistem ini akan membantu memudahkan menarik garis batas dari sistem yang menjadi perhatian. Artinya benda, baik konkrit maupun abstrak, yang jelas menyebabkan dan/atau menyumbang langsung kepada pencapaian tujuan sistem dikategorikan sebagai unsur. Sebaliknya, benda yang mempengaruhi dan/atau
menyumbang
tidak
langsung
dapat
dikategorikan
sebagai
lingkungan.
2,2
Model Sistemik Syarat awal berpikir sistemik adalah adanya kesadaran untuk mengapresiasi dan memikirkan suatu kejadian sebagai sebuah sistem (systemic approach). Kejadian apapun baik fisik maupun non-fisik, dipikirkan sebagai unjuk kerja dari keseluruhan interaksi antar unsur sistem dalam batas lingkungan tertentu.
12
Berdasarkan adanya pemahaman tentang kejadian sistemik tersebut, berikut ini ada lima langkah yang dapat ditempuh untuk menghasilkan bangunan pemikiran (model) yang bersifat sistemik, yaitu: 1)
Identifikasi proses menghasilkan kejadian nyata
2)
Identifikasi kejadian yang diinginkan
3)
Indentifikasi kesenjangan antara kenyataan dengan keinginan
4)
Identifikasi dinamika menutup kesenjangan
5)
Analisis kebijakan
2.2.1 Identifikasi proses menghasilkan kejadian nyata Identifikasi proses yaitu mengungkapkan pemikiran tentang proses nyata (actual transformation) yang menimbulkan kejadian nyata (actual state) Proses nyata itu merujuk kepada objektivitas dan bukan proses yang dirasakan atau subyektivitas. 2.2.2 Identifikasi kejadian yang diinginkan Langkah kedua adalah memikirkan kejadian yang seharusnya, yang diinginkan, yang dituju, yang ditargetkan ataupun yang direncanakan (desired state). Oleh
karena
keharusan,
keinginan,
target dan rencana itu merujuk kepada waktu mendatang, disebut juga
13
pandangan ke depan atau visi. Agar tidak dianggap mimpi, maka visi yang baik perlu dirumuskan dengan kriteria yang layak (feasible) dan dapat diterima (acceptable). Layak artinya dapat diantisipasi akan menjadi
kenyataan,
sedangkan
dapat
diterima
artinya
dapat
diantisipasi tidak akan menimbulkan pertentangan. Dengan kedua kriteria ini berarti memikirkan limit kejadian yang akan direncanakan dimana unjuk kerja sistem akan bersifat mantap (stable) dalam perubahan cepat (dynamic) masa lampau dan mendatang. 2.2.3 Identifikasi kesenjangan antara kenyataan dengan keinginan Langkah ketiga adalah memikirkan tingkat kesenjangan antara kejadian actual dan seharusnya atau yang diinginkan. Kesenjangan tersebut adalah masalah yang harus dipecahkan atau dalam bahasa manajemen merupakan tugas yang harus diselesaikan. Perumusan masalah ini secara konkrit, artinya bias dinyatakan dalam ukuran kuantitatif atau kualitatif. 2.2.4 Identifkasi mekanisme menutup kesenjangan Langkah keempat adalah identifkasi mekanisme tentang dinamika variabel-variabel untuk mengisi kesenjangan antara kejadian nyata dengan kejadian yang diinginkan. Dinamika tersebut adalah aliran informasi tentang keputusan-keputusan yang telah bekerja
14
dalam sistem, Keputusan-keputusan tersebut pada dasarnya adalah pemikiran yang dihasilkan melalui proses pembelajaran, yang dapat bersifat reaktif ataupun kreatif. Pemikiran reaktif ditunjukan oleh aksi yang bentuk atau polanya sama dengan tindakan masa lampau dan kurang antisipatif terhadap kemungkinan kejadian di masa mendatang. Sedangkan pemikiran kreatif ditunjukan oleh aksi yang bentuk atau polanya berbeda dengan tindakan masa lampau, yang dapat bersifat penyesuaian tindakan masa lampau ataupun berorientasi ke masa dating dengan tindakan yang bersifat baru atau terobosan. 2.2.5 Analisis Kebijakan Langkah kelima adalah analisis kebijakan, yaitu menyusun alternatif tindakan atau keputusan yang akan diambil untuk mempengaruhi proses nyata (actual transformation) sebuah sistem dalam menciptakan kejadian nyata. Keputusan tersebut dimaksudkan untuk mencapai kejadian yang diinginkan. Alternatif tersebut dapat merupakan kombinasi bentuk-bentuk intervensi, baik yang bersifat struktural
maupun
fungsional.
Intervensi
struktural
artinya
mempengaruhi mekanisme interaksi pada sistem, sedangkan intervensi fungsional
artinya
mempengaruhi
unsur
dari
dalam
sistem.
Pengembangan dan penetapan alternatif intervensi tersebut, biasanya dipilih setelah melakukan pengujian (dapat dengan menggunakan
15
simulasi computer ataupun simulasi pendapat) berdasarkan dua kriteria, yaitu aman dan manjur. Aman artinya jalan tersebut tidak mengakibatkan sistem secara keseluruhan labil atau kollaps. Manjur artinya berfungsi untuk mencapai kejadian yang diinginkan. 2.3
Struktur dan Perilaku Sistem Setiap gejala apapun, baik fisik maupun non fisik, bagaimanapun kerumitannya, dapat disederhanakan menjadi struktur dasar yaitu mekanisme dari masukan, proses, keluaran, dan umpan balik. Mekanisme kerja berkelanjutan yang menunjukan adanya perubahan menurut atau bersifat dinamis. Perubahan tersebut menghasilkan unjuk kerja sistem yang dapat diamati perilakunya. Mekanisme berkelanjutan dari masukan, proses, keluaran, dan umpan balik tersebut dalam dunia nyata tidak bebas atau tidak tumbuh tanpa batas, tetapi tumbuh dengan pengendalian. Kendali yang membatasi tersebut dapat bersumber dari dalam maupun dari luar sistem. Kendali dari dalam sistem menyangkut umur atau kerusakan sistem, sedangkan kendali dari luar sistem menyangkut intervensi dan hambatan lingkungan.
16
Gambar 2.1 Struktur dan Perilaku Pertumbuhan Penyederhanaan mekanisme sistem tersebut adalah pada gambar 2.2. berdasarkan pennyederhanaan kerumitan interaksi sistem nyata ke dalam dunia model (masukan-proses-keluaran-umpan balik-kendali), selanjutnya, apabila struktur dasar dari sistem dinamis tersebut dihubungakan dengan berpikir sistemik seperti telah diuraikan sebelumnya, maka persoalan struktur dalam sistem dinamis yang penting adalah menemukan
mekanisme
pemecahan persoalan. Pertanyaanya adalah bagaimana mekanisme (strategi dan kebijakan/tindakan) agar sistem tetap berfungsi dengan keinginan atau tujuan.
17
Gambar 2.2 Struktur dan Perilaku Batas Pertumbuhan Penyederhanaan mekanisme sistem tersebut adalah pada Gambar 2.3. Gambar
di atas menjelaskan bahwa struktur sistem dinamis adalah sebuah
sistem tertutup. Pengaruh faktor lingkungan terhadap sistem dimungkinkan terjadi, dan perubahan eksternal itu dianggap sebagai variabel eksogen. Untuk memudahkan pekerjaan berfikir sistemik ini, struktur sistem dinamis disederhanakan ke dalam diagram simpal kausal.
18
2.4
Simulasi dan Perilaku Model Seperti telah dijelaskan sebelumnya, bahwa perilaku dinamis bersumber dari keunikan struktur model. Perilaku dinamis tersebut dikenali dari hasil simulasi model. Dengan demikian adalah sangat penting bagaimana memahami perilaku model hasil simulasi berdasarkan penelusuran terhadap struktur model. Sebelum menguraikan hal ini terlebih dahulu akan dikemukakan beberapa segi tentang simulasi model. Simulasi adalah peniruan perilaku suatu gejala atau proses. Simulasi bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan peramalan perilaku gejala atau proses tersebut di masa depan. Simulasi dilakukan melalui tahap-tahap seperti berikut : 1. Penyusunan konsep 2. Pembuatan model 3. Simulasi 4. Validasi hasil simulasi Tahap pertama simulasi adalah penyusunan konsep. Gejala atau proses yang akan ditirukan perlu dipahami, antara lain dengan jalan menentukan unsur-unsur yang berperan dalam gejala atau prosesTer tersebut. Unsur-unsur tersebut saling berinteraksi, saling berhubungan, dan saling ketergantungan.
19
Dari unsur-unsur dan keterkaitannya, dapat disusun gagasan atau konsep mengenai gejala atau proses yang akan disimulasikan. Gagasan tersebut selanjutnya dirumuskan sebagai model yang berbentuk uraian, Gambar atau rumus. Model adalah suatu bentuk yang dibuat untuk menirukan suatu gejala atau proses. Model dapat dikelompokan menjadi model kuantitatif, kualitatif, dan model ikonik. Model kuantitatif adalah model yang berbentuk rumus-rumus matematik, statistik, atau komputer. Model kualitatif adalah model yang berbentuk gambar, diagram, atau matriks, yang menyatakan hubungan antar unsur. Dalam model kualitatif tidak digunakan rumus-rumus matematik, statistik, atau komputer. Model ikonik adalah model yang mempunyai bentuk fisik sama dengan barang yang diturukan, meskipun skalanya dapat diperbesar atau diperkecil. Dengan model ikonik tersebut dapat diadakan percobaan untuk mengetahui perilaku gejala atau proses yang ditirukan. Selanjutnya, simulasi dapat dilakukan dengan menggunakan model yang telah dibuat. Dalam model kuantitatif, simulasi dilakukan dengan memasukan data ke dalam model, dimana perhitungan dilakukan untuk mengetahui perilaku gejala atau proses. Dalam model kualitatif, simulasi dilakukan dengan menelusuri dan mengadakan analisis hubungan sebab akibat antar unsur dengan memasukan data atau informasi yang dikumpulkan untuk mengetahui perilaku gejala atau proses. Dalam model ikonik, simulasi
20
dilakukan dengan mengadakan percobaan secara fisik dengan menggunakan model tersebut untuk mengetahui perilaku model dalam kondisi yang berbeda. Perilaku model itu dianggap menirukan gejala dan proses yang diamati. Akhirnya, dilakukan validasi untuk mengetahui kesesuaian antara hasil simulasi dengan gejala atau proses yang ditirukan. Model dapat dinyatakan balik apabila kesalahan atau simpangan hasil simulasi terhadap gejala atau proses yang ditirukan kecil. Hasil simulasi tersebut selanjutnya digunakan untuk memahami perilaku gejala atau proses serta mengetahui kecenderungannya di masa mendatang. Struktur internal masalah dapat dipahami secara lebih rinci dengan memahami perilaku dan kecenderungannya. Pemahaman ini berguna untuk memperoleh solusi yang terbaik mengenai masalah yang dihadapi dalam manajemen dan memperkirakan kecenderungan tersebut di masa mendatang. Tahap-tahap simulasi tersebut di atas, secara sederhana dapat dilihat dalam gambar 2.3
21
Gambar 2.3 Tahap-tahap Simulasi Model 2.4.1
Validitas Model Pengetahuan ilmiah yang bersifat objektif harus taat fakta. Validitas atau keabsahan adalah salah satu kriteria penilaian keobyektivan
dari
suatu
pekerjaan
ilmiah.
Dalam
pekerjaan
permodelan, obyektif itu ditunjukan dengan sejauh mana model dapat menirukan fakta. Istilah menirukan bukan berarti sama, tetapi adalah serupa. Kalau model sama dengan fakta, berarti tidak ada proses berpikir dalam membangun model, yaitu menyederhanakan fakta dan rangkaiannya sehingga dapat dipahami dengan mudah dan cepat. Dalam dunia nyata, fakta adalah kejadian yang teramati. Rangkaian hasil pengamatan tersebut dapat terukur yang disusun menjadi data kuantitatif atau statistik dan bersifat tak terukur yang
22
disusun menjadi data kualitatif atau informasi aktual. Di lain pihak, dalam dunia model, hasil simulasi adalah perilaku variabel yang diinteraksikan dengan bantuan komputer. Tampilan perilaku variabel tersebut dapat bersifat terukur yang disusun menjadi data simulasi dan bersifat tidak terukur yang disusun menjadi pola simulasi. Keserupaan (tidak berarti harus sama) dunia model dengan dunia nyata ditunjukan sejauh mana data simulasi dan pola simulasi dapat menirukan data statistik dan informasi aktual. Proses melihat keserupaan seperti ini disebut validasi output atau kinerja model. Hal ini adalah umum dalam dunia akademis. Keserupaan berdasarkan output ini merupakan tradisi ilmiah. Namun harus diingat bahwa, model yang berbeda, dapat menghasilkan validitas output yang sama, persoalannya adalah model mana yang lebih valid? Ini berarti validitas model yang semata berdasarkan validitas output, itu belum tentu betul. Dalam metode berpikir sistem, teknik validasi seperti di atas bersifat pelengkap, bukan yang utama. Disebut pelengkap, hal itu berkaitan dengan sejarah metode berpikir sistem ini, yang pada awalnya kelahirannya tahun 1960-an dikritik habis-habisan oleh para ekonom sebagai model konyol, karena belum dilengkapi dengan teknik validasi output sebagai satu-satunya tradisi ilmiah yang
23
diterima saat itu kemudian, teknik validasi output ini dikembangkan oleh pengikut metode sistem dinamis yang akan diuraikan kemudian. Teknik validitas yang utama dalam metode berpikir sistem adalah validitas struktur model, yaitu sejauhmana keserupaan struktur model mendekati struktur nyata. Sebagai model struktural yang berorientasi proses, keserupaan struktur model dengan struktur nyata ditunjukan dengan sejauhmana interaksi variabel model dapat menirukan interaksi kejadian nyata. Hal ini adalah khas dan sulit dalam metode berpikir sistem. Persoalannya adalah dengan obyek yang sama, dapat menghasilkan struktur model yang berbeda, pertanyaannya adalah struktur model mana yang lebih valid? Ilustrasi persoalan penstrukturan berpikir tersebut adalah pada contoh berikut : obyeknya sama yaitu penjara, distrukturkan oleh ahli hukum sebagai tempat memberi ganjaran bagi pelanggar hukum demi keadilan, sebaiknya distrukturkan oleh ahli pendidikan sebagai tempat penyadaran bagi yang bersalah demi pendidikan kemasyarakatan. Struktur model mana yang betul? Keduanya adalah betul secara parsial, sesuai sudut pandang atau perspektif permodel. Metode berpikir sistem, pada dasarnya tidak menganjurkan penstrukturan atas dasar disiplin yang bersifat parsial, yang
24
menciptakan pertanyaan validitas struktur itu. Sebaliknya, metode berpikir sistem menganjurkan penstrukturan atas dasar interdisiplin yang bersifat sistemik dengan ciri menyeluruh (holistic) dan terpadu (Integrated). Tantangannya bagi pemodel ada dua hal, pertama, kemauan
pemodel
untuk
tidak
terpaku
dengan
disiplin/keahlian/perspektif sendiri yang selalu terbatas. Kedua, kesediaan pemodel untuk berbagi dan menerima disiplin/keahlian dan perspektif lain. Dengan demikian, struktur model yang ideal serupa dengan struktur nyata itu, mestinya dibangun dengan cara lintas dimensi, lintas perspektif dan lintas disiplin, yang diikat dalam satu bahasa yang sama-sama mudah dipahami berbagai pihak, yaitu bahasa sistem (system language). Banyak bahasa sistem, tetapi bahasa sistem yang memiliki azas logika (logical principal) yang telah teruji secara empiris baik terhadap sistem fisik, biologi dan sosial adalah bahasa sistem dinamis (Jay, W.Forrester, principle of system, MIT, 1968). Dengan bahasa ini perbedaan antar-disiplin akan dapat diikat untuk berkomunikasi dalam bahasa yang sama, yaitu “stock” dan “flow” dengan segala hukumhukum logikanya yang berlaku umum dalam membangun struktur model. Selanjutnya, oleh karena struktur model ideal (sama dengan dunia nyata) itu tidak mungkin ada, yang ada, adalah struktur model
25
yang baik, yaitu struktur model yang telah melewati dan lulus uji validitas struktur. Secara ringkas tahap pengujian validitas struktur disederhanakan seperti dalam Gambar 2.4.
Gambar 2.4 Proses Validasi Model 2.4.1.1 Uji Validitas Struktur Ada dua jenis validitas struktur, yaitu validitas konstruksi dan kestablian struktur. Validitas konstruksi yaitu keyakinan terhadap konstruksi model valid secara ilmiah atau didukung/diterima secara akademis. Kestabilan struktur yaitu
26
keberlakuan atau kekuatan struktur dalam dimensi waktu. Pengujian terhadap dua jenis validitas struktur ini bertujuan untuk memperoleh keyakinan sejauh mana keserupaan struktur model mendekati struktur nyata. Selanjutnya ada dua teknik validasi konstruksi, yaitu validasi konstruksi melalui “teori” dan konstruksi melalui “kritik teori”. Validasi konstruksi dengan teori – dimana teori adalah generalisasi struktur nyata – ditunjukan dengan sejauh mana struktur model yang diciptakan sesuai dengan aturan berpikir logis dalam “masing-masing” teori keilmuan dari obyek yang diteliti. Artinya, setiap hubungan sebab-akibat, baik secara umum atau rinci di dalam model harus didukung dengan argumentasi teori ilmiah. Salah satu kelemahan pemodel adalah akal sehat, tanpa dukungan teori yang kuat sehingga memancing perdebatan yang tidak berguna atau tidak ilmiah. Teori sekecil dan sesederhana apapun adalah generalisasi fakta empirik yang belum terbantah. Di lain pihak, meskipun struktur model teoritis sudah diturunkan dan didukung oleh teori dan konsep yang relevan, tidak dengan sendirinya struktur model menjadi valid menurut aturan berpikir dalam kritik teori. Dalam aturan berpikir ini,
27
teori itu berubah dan berkembang sesuai dengan dinamika sistem nyata pada waktu dan tempat tertentu, sehingga ada kemungkinan teori yang dipakai kurang relevan. Kejadian ini mungkin terjadi karena dua hal. Pertama, pemodel kurang mengikuti
perkembangan
teori-teori
baru
sebagai
penyempurnaan dari teori yang usang. Kedua, pemodel memaksakan diri menerapkan teori-teori yang dikembangkan dan cocok untuk menjelaskan obyek tertentu di tempat lain (misalnya di Barat) dipakai tanpa syarat menjelaskan keadaan di sini (di Indonesia). Oleh karena itu, metode berpikir sistem sangat menganjurkan kreativitas dalam membangun struktur model teoritis yang baik. Untuk memperoleh keyakinan sejauhmana struktur model
teoritis,
yang
diciptakan
dengan
kreatif
dapat
menjelaskan struktur sistem nyata yang berlaku, maka saringannya adalah, harus lulus uji kestabilan struktur model. Uji kestabilan struktur, yaitu melihat keberlakuan atau kekuatan model dalam dimensi waktu. Caranya dalah dengan menguji struktur model terhadap perlakuan kejutan agregasi unsur dan disagregasi sistem.
28
Mengapa melalui proses agregasi dan/atau disagregasi? Penjelasannya adalah sebagai berikur: keduanya, baik struktur model agregat yang umum maupun disagregat rinci, apabila disimulasikan pola perilakunya mesti serupa. Misalnya, bentuk umum model agregat “batas keberhasilan”, yaitu interaksi antar level, rate, penundaan waktu, diskrepansi, dan faktor pembatas menghasilkan pola perilaku yang serupa. Meskipun, rincian model itu merupakan interaksi beberapa bentuk tertentu, namun struktur model agregat yang menjadi dasar/wadah tetap ada, yang menunjukan ciri/topik bangunan model tersebut. Jika hasil simulasi terhadap proses agregasi dan/atau disagregasi ini menghasilkan kollapsnya perilaku.kinerja sistem atau tidak logis, maka berarti ada kesalahan/kekurangan di dalam struktur model. Selanjutnya, struktur model harus diperbaiki, disempurnakan dan bahkan dapat diubah sama sekaliatau kembali dari awal. Di lain pihak, agar pemodel tidak kehilangan arah dalam memvalidasi struktur model yang rinci ini, sejauhmana kerincian tersebut diciptakan ditentukan oleh “apakah pemodel sudah menemukan jawaban terhadap persoalan struktural berdasarkan model itu?”
29
Jawaban dalam persoalan struktural dalam metode berpikir sistem, yaitu suatu pemikiran solusi jitu , yang tidak dapat dihasilkan dengan teknik berpikir konvensional. Jika pemodel tidak berhasil menemukan jawaban tersebut, maka pekerjaan pemodel yang telah menantang kerumitan akan menjadi sia-sia, karena tidak sesuai antara usaha dengan hasil. Ilustrasinya adalah, jika dokter mendiagnosis pasien bergejala borok, pemecahan konvensional yang cepat adalah dengan terapi salep penisilin, meskipun demikian pasien tersebut datang lagi, karena borok itu tidak kunjung sembuh. Dokter yang teliti menantang kerumitan akan menstrukturkan gejala borok tersebut dengan berbagai kemungkinan. Akhirnya, dokter menghipotesiskan (berdasarkan teori dan pengalaman), pasien itu mungkin menderita kencing manis, yang secara sistemik memerlukan pemikiran rinci tentang fungsi unsurunsur sistem kelenjar hipofisa. Rincian struktur berpikir dokter berhenti sampai di sini, dan tidak perlu dokter berpikir tentang fungsi syaraf, emosi, dan sebagainya, yang jika dikait-kaitkan dengan akal sehat, memang ada kaitan, tetapi membuat kerumitan itu dapat membawa salah arah.
30
Pekerjaan validasi struktur yang melelahkan tersebut memerlukan kesabaran dan ketekunan karena harus melakukan pengulangan berpikir, sampai akhirnya diperoleh struktur model yang logis dan obyektif. Model kurang logis umumnya disebabkan oleh konstruksi yang lemah secara teoritis, akibat terlalu menggunakan akal sehat parsial. Model juga menjadi kurang obyektif umumnya disebabkan konstruksi lemah secara kontekstual, akibat kurang kritis dan terlalu menggantungkan oada teori yang kurang relevan. Setelah diperoleh struktur model yang stabil, yaitu logis dan obyektif, tahap validasi selanjutnya adalah uji validitas kinerja/output model. 2.4.1.2 Uji Validitas Kinerja/Output Model Validasi kinerja adalah aspek pelengkap dalam metode berpikir sistem. Tujuannya untuk memperoleh keyakinan sejauh mana “kinerja” model sesuai (compatible) dengan “kinerja” system nyata. Sehingga memenuhi syarat sebagai model ilmiah yang taat fakta. Caranya adalah memvalidasi kinerja model dengan data empiris, untuk melihat sejauh mana perilaku “output”: model sesuai dengan perilaku data empirik.
31
Tabel 2.1 Uji Statistik terhadap Hasil Simulasi No 1
UJI STATISTIK Penyimpangan means absolute (AME).
A = Nilai Aktual
AME = (Si–Ai) x Ai
S = Nilai Simulasi
Si = Si x N
N = Interval Waktu Pengamatan
Ai = Ai x N 2
KETERANGAN
Penyimpangan Variasi Absolute (AVE)
Sa = Deviasi Nilai Aktual
AVE = (Ss – Sa) x S
Ss = Deviasi Nilai Simulasi
Ss = ((Si–Si)2 x N) Sa = ((Ai–Ai)2 x N) 3
Saringan Kalman (KF)
Va = Varian Nilai Aktual
KF = Vs/(Vs+Va)
Vs = Varian Nilai Simulasi
Vs = (Si–Si)2 x (N–1) Va = (Ai – Ai)2 x (N–1) 4
Koefisien Diskrepansi (U) U = Se x (Ss+Sa)
Se = Deviasi Nilai Simulasi terhadap nilai aktual
Se = ({(S-Si) – (A–Ai)}2 x N) 5
Durbin Watson (DW)
t = waktu sekarang
DW = {(Ai–Si)t – (Ai–Si)t-1}2 / {(Ai – Si)t }2
t -1 = waktu lampau
32
Untuk memudahkan proses validasi model yang mengalami iterasi penyempurnaan demi penyempurnaan sampai ditetapkan output final, maka persamaan statistik tersebut perlu dipadukan dengan model simulasi komputer. Konversi rumus perhitungan AME, AVE, U-Theal, DW, dan Kalman Filter (KF) ke dalam persamaan model simulasi komputer seperti diperlihatkan dalam tabel 2.2. Tabel 2.2 Konversi Rumus Staistik ke Persamaan PowerSim No 1
UJI STATISTIK Penyimpangan means absolute (AME). AME = (Si–Ai) x Ai
KETERANGAN El = abs(Sr-Ar)/Ar Sr = Integrate(S)/(t(n)-t(0)) Ar = Integrate(A)/(t(n)-t(0))
Si = Si x N Ai = Ai x N 2
Penyimpangan Variasi Absolute E2 = abs(SS-Sa) x Sa (AVE) AVE = (Ss – Sa) x S
Ss = Sqrt(Integrate((S-Sr^2) x (t(n)-t(0))) Sa = Sqrt(Integrate((A-Ar)^2) x (t(n)-t(0)))
Ss = ((Si–Si)2 x N) Sa = ((Ai–Ai)2 x N) 3
Saringan Kalman (KF)
E3 = Vs x (Vs+Va)
KF = Vs/(Vs+Va)
Vs = Integrate((S-Sr)^2 x (t(n) – t(0+1))
33
Vs = (Si–Si)2 x (N–1)
Va = integrate ((A-Ar)^2 x (t(n) - t(0+1))
Va = (Ai – Ai)2 x (N–1) 4
Koefisien Diskrepansi (U)
U = Se x (Ss+Sa)
U = Se x (Ss+Sa)
Se = Sqrt(integrate(((S-Sr) – (A-Ar))^2 x
Se = ({(S-Si) – (A–Ai)}2 x N) 5
Durbin Watson (DW)
(t(n)-t(0)) DW = d1/d2
DW = {(Ai–Si)t – (Ai–Si)t-1}2 / d1 = integrate((d-delayinf(d,1,1,0))^2) {(Ai – Si)t }2
d2 = integrate((d)^2) d = (A-S)
Pengujian statistik bersifat “auto-progressive” selama unit waktu simulasi (N), terhadap unsur yang bersifat interaktif dalam sebuah sistem. Angka hasil uji yang ditampilkan mencakup periode simulasi dari t(0) -> t(n). Untuk keperluan analisis pemodel cukup melihat angka waktu terakhir t(n).
34
2.4.2 Model Analisis Simulasi Dalam menghadapi masalah nyata yang rumit seringkali modelnya tak mungkin dibentuk atau metode dan rumusan yang tersedia tak dapat dipakai. Jika ini kasusnya, simulasi menawarkan cara alternatif mencari solusi, karena alasan ini simulasi menjadi populer. Ada dua jenis simulasi. Pertama, simulasi analog artinya mengganti lingkungan fisik yang asli dengan lingkungan fisik tiruan yang lebih mudah untuk memanipulasi, contohnya ruang tanpa bobot disimulasi dengan ruangan yang penuh air. Kedua, simulasi matematik artinya meniru sistem dengan model matematik untuk mendapatkan operating characteristic sistem melalui suatu eksperimen. Jika eksperimen
itu
berulang-ulang,
untuk
mempermudah
dan
mempercepat hitungan diperlukan bantuan komputer. 2.4.2.1 Simulasi Monte Carlo Kesulitan menyelesaikan masalah secara analitik sebuah model biasanya disebabkan adanya komponen yang verupa variabel random. Dalam simulasi, variabel random dinyatakan dalam distribusi probabilitas, sehingga sebagian besar model simulasi adalah model probabilistik.
35
Arti dari istilah Monte Carlo sering dianggap sama dengan simulasi probabilistik. Namun Monte Carlo secara lebih tegas berarti teknik memilih angka secara random dari distribusi probabilitas untuk menjalankan simulasi. Langkah-langkah simulasi Monte Carlo : 1. Ditentukan
distribusi
probabilitas
untuk
variabel
penting (berdasarkan frekuensi kejadian tersebut). 2. Dibuatkan distribusi probabilitas kumulatif untuk setiap variabel
yang
sudah
dihitung
probabilitasnya
sebelumnya. 3. Ditentukan Interval bilangan acak untuk setiap variabel. 4. Dilakukan
proses
simulasi
dengan
menentukan
bilangan random untuk menentukan nilai dari variabel yang akan disimulasikan. 2.4.2.2 Simulasi Sistem Tak Terstruktur Karena beberapa alasan, seperti kerumitan antara hubungan probabilistik, suatu masalah nyata mungkin tak dapat disederhanakan dalam model matematik, atau dapat dibuatkan modelnya tetapi tidak tersedia teknik solusinya atau
36
rumusannya. Solusi masalah tak terstruktur ini akan cocok jika dicari melalui simulasi sistem tak terstruktur. Langkah-langkah yang ditempuh dalam metode ini hampir sama dengan metode simulasi monte carlo, namun pada metode ini dapat terlihat adanya ketergantungan antara satu variabel dengan variabel lainnya dalam mengambil keputusan, jadi variabel yang lain akan menunggu nilai dari variabel sebelumnya untuk menentukan nilai variabel itu sendiri. Biasanya metode ini banyak digunakan untuk analisis pada antrian. 2.4.2.3 Simulasi Persediaan Asumsi-asumsi yang dipakai pada Basic Economic Order Quantity (EOQ) Model sangat membatasi penerapannya. Dalam praktik permintaan dan lead time biasanya tidak diketahui secara pasti atau kedua variabel itu memiliki suatu probabilitas distribusi, karena itu analisisnya dengan teknik yang ada menjadi sulit. Langkah-langkah yang ditempuh hampir sama dengan metode sebelumnya, dengan melakukan pendekatan angka random untuk variabel-variabel yang bersifat tidak diketahui
37
secara pasti tersebut, maka variabel seperti lead time dan demand dapat ditentukan tingkat keacakannya. Hal ini dilakukan sedapat mungkin dengan tujuan mendapatkan karakteristik dari sistem persediaan yang sedang berjalan. Sehingga dapat memberikan suatu solusi dan kebijakan yang lebih baik. 2.4.2.4 Simulasi dengan Menggunakan Software Untuk
melakukan
simulasi
dari
sebuah
model,
diperlukan perangkat lunak (software) yang secara cepat dapat melihat perilaku dari model yang telah dibuat. Ada berbagai macam perangkat lunak yang dapat digunakan untuk keperluan ini, tapi yang akan dikemukakan pada bagian ini adalah perangkat lunak berupa program yang dinamakan Powersim. Powersim adalah salah satu software untuk simulasi model system dynamics. Jadi Powersim hanyalah merupakan alat (tool) untuk mempermudah simulasi model system dynamics. Perlu ditegaskan di sini bahwa menggunakan software
Powersim
tidak
berarti
dengan
sendirinya
menggunakan metodologi system dynamics. System dynamics dapat disimulasikan dengan berbagai jenis software, termasuk dengan software spreadsheet, misalnya Excel. Software-
38
software yang didisain untuk membuat simulasi model system dynamics, sampai saat ini tersedia di pasar adalah : Dynamo, Vensim, Stella, I-think, Powersim. Berikut adalah user interface dari powersim ver 2.5 :
Gambar 2.5 User Interface PowerSim ver 2.5 Dan berikut adalah tools yang digunakan pada saat membuat sebuah model :
39
Gambar 2.6 Tools atau Icon yang digunakan pada PowerSim ver 2.5 Pada waktu mensimulasikan model, variabel-variabel akan saling dihubungkan membentuk suatu sistem yang dapat menirukan
kondisi
sebenarnya.
Pada
perangkat
lunak
Powersim, suatu sistem yang menghubungkan variabelvariabel tersebut dinamakan diagram alir (flow diagram). Variabel-variabel tersebut akan digambarkan dengan beberapa simbol, yang utama adalah symbol aliran (flow symbol) yang selalu dihubungkan dengan simbol level (level symbol) melalui simbol panah tebal untuk proses aliran. Aliran benda yang dapat mengalir disini adalah barang, uang, orang, dan lain-lain, yang
dapat
diamati
dan
diukur
penambahan
dan
pengurangannya dalam level Dalam pemodelan, level menjadi
40
symbol yang mewakili pokok permasalahan yang menjadi perhatian, sebagai contoh dapat terlihat pada gambar di bawah ini, populasi dijadikan sebuah level, dimana populasi dapat dipengaruhi oleh faktor-faktor seperti kelahiran dan kematian, begitu juga ada faktor konstan yang memperngaruhi tingkat kelahiran dan kematian seperti fertilitas dan umur.
Gambar 2.7 Diagram Alir Populasi Panah halus (information link) yang menghubungkan antara level dengan aliran adalah proses informasi umpan balik. Diagram alir menggambarkan struktur dari model, sedangkan hasil simulasi berupa gambar atau grafik yang menggambarkan perilaku dari sistem. Contohnya sebagai berikut :
41
Gambar 2.8 Hasil Simulasi Model Model
yang
dibangun
dengan
perangkat
lunak
Powersim berbentuk simbol-simbol dan simulasinya mengikuti suatu metode yang dinamakan dinamika sistem (system dynamics). 2.5
Analisis Persediaan Persediaan (Inventory) adalah sumber daya yang disimpan untuk memenuhi permintaan saat ini dan mendatang. Setiap perusahaan biasanya mempunyai persediaan, pengecer selalu menyediakan dagangannya, rumah sakit menyimpan darah dan obat, bank menyiapkan uang kas, bahkan ibu .rumah tangga punya aneka persediaan. Menurut suatu penelitian persediaan
42
merupakan bagian yang besar (sekitar 40 persen) dari modal yang ditanamkan dan biaya menyimpan persediaan (termasuk diantaranya asuransi, penyusutan, bunga, sewa) dapat mencapai 30 persen dari nilai persediaan. Karena itu banyak perusahaan sangat peduli terhadap perencanaan dan pengendalian persediaan untuk memperoleh penghematan berarti. Analisis persediaan pada bab ini akan diawali dengan menyebutkan jenis manfaat persediaan, menerangkan sifat permintaan, klasifikasi unsur biaya persediaan, dan memperkenalkan model persediaan yang sederhana. 2.5.1
Jenis dan Manfaat Persediaan Ada banyak persediaan diantaranya bahan mentah, bahan dalam proses, perlengkapan operasi dan perawatan.serta barang jadi. Bahan baku adalah barang yang sudah dibeli dan menunggu untuk diproses. Bahan dalam proses adalah bahan yang sedang diproses, dengan demikian telah berubah, namun belum selesai. Perlengkapan diperlukan untuk kelancaran operasi dan pemeliharaan peralatan yang dapat terganggu secara tak terduga. Sementara barang jadi adalah produk yang telah dirampungkan dan menunggu untuk dikirim. Ada banyak alasan mengapa perusahaan punya persediaan. Pertama, untuk memenuhi permintaan konsumen yang telah diramalkan. Karena permintaan tak diketahui dengan pasti, dapat
43
memiliki persediaan tambahan yang dinamakan safetyor buffer stocks untuk emmenuhi lonjakan permintaan yang diramalkan. Faktor musim seperti lebaran, natal dan tahun ajaran baru sangat berpengaruh terhadap gejolak permintaan. Dengan demikian safetystock dapat menghindari stock out atau shortage. Kedua, untuk mendapat potongan harga jika membeli dalam jumlah banyak. Ketiga, untuk menghindari resiko akibat kenaikan harga. Keempat, persediaan bahan mentah dapat menjaga kelancaran produksi karena dapat menghindari stock out jika terjadi kelambatan pengiriman, kerusuhan massa atau bencana alam. Secara garis besar menurut buku Manajemen Persediaan oleh Freddy Rangkuti (2007), Jenis persediaan/stock dibagi menurut jenis dan fungsinya seperti berikut : Berdasarkan Jenisnya : 1. Persediaan Bahan Baku 2. Persediaan komponen yang sudah dibeli 3. Persediaan bahan-bahan pembantu 4. Persediaan barang-barang setengah jadi/barang dalam proses 5. Persediaan barang jadi
44
Berdasarkan fungsinya : 1. Batch Stock/Lot Size Inventory Persediaan yang diadakan karena kita membeli atau membuat bahan-bahan atau barang-barang dalam jumlah yang lebih besar daripada jumlah yang dibutuhkan saat itu. 2. Fluctuation Stock/safetystock Persediaan untuk menghadapi untuk menghadapi fluktuasi
permintaan
konsumen
yang
tidak
dapat
diramalkan. 3. Anticipation Stock Persediaan yang diadakan untuk menghadapi fluktuasi permintaan yang dapat diramalkan, berdasarkan pola musiman
yang
terdapat
dalam
satu
tahun
untuk
menghadapi penggunaan, penjualan, atau permintaan yang meningkat.
45
2.5.2 Sifat Permintaan Persediaan diadakan untuk memenuhi permintaan yang diramalkan. Permintaan dapat dibedakan menjadi dependent dan independent. Permintaan dependent terjadi pada bahan mentah atau bahan dalam proses, permintaan ini berasal dari dalam perusahaan untuk menghasilkan barang jadi. Contohnya, yaitu PT.Astra International ingin menghasilkan 100 mobil baru, maka diperlukan 500 velg. Dalam hal ini permintaan terhadap velg adalah dependent terhadap produksi mobil. DIkatakan dengan cara lain permintaan terhadap suatu varang dipengaruhi oleh barang lain. Permintaan Independent biasanya barang jadi, berasal dari luara perusahaan, jadi tidak tergantung kegiatan internal perusahaan dan di luar control perusahaan. Permintaan mobil baru pada PT.Astra adalah contohnya. Disamping perbedaan seperti di atas, permintaan mendatang dapat diketahui secara pasti dan tidak pasti atau mengikuti distribusi probabilitas tertentu.
46
2.5.3 Pengawasan Persediaan Adapun tujuan dari proses pengawasan terhadap persediaan adalah sebagai berikut : 1. Menjaga jangan sampai kehabisan persediaan 2. Supaya pembentukan persediaan stabil 3. Menghindari pembelian kecil-kecilan 4. Pemesanan yang ekonomis Jumlah pesanan yang hendaknya dilakukan sebisa mungkin menghasilkan biaya yang minimal dalam persediaan, untuk itu perlunya usaha-usaha untuk memperkecil biaya-biaya pemesanan (ordering cost), biaya-biaya penyimpanan (carrying cost) dan biayabiaya loss deal (stock out cost). 2.5.4
Biaya Persediaan Biaya yang terkait dengan persediaan dikelompokan menjadi tiga, yaitu carrying cost, ordering cost dan shortage/ stock out cost. Gabungan unsur-unsur biaya itu berhubungan secara non-linear dengan jumlah persediaan, sehingga menjadi menarik menemukan jumlahnya persediaan yang menghasilkan biaya persediaan terendah.
47
Carrying cost adalah biaya untuk memiliki dan menyimpan persediaan selama periode tertentu. Biaya ini berhubungan positif dengan jumlah persediaan dan terkadang dengan waktu penyimpanan. Termasuk dalam kelompok ini adalah bunga atau dana yang ditanamkan dalam persediaan, sewa gedung, penyusutan dan lain-lain. Carrying cost dapat dinyatakan dalam dua cara. Pertama, yang paling sering, adalah menyatakannya dalam rupiah per unit persediaan per periode waktu. Kedua, dinyatakan sebagai persentase tertentu dari nilai persediaan, biasanya antara 10-40 persen. Ordering cost adalah biaya yang berhubungan dengan penambahan persediaan yang dimiliki. Biaya ini biasanya dinyatakan dalam rupiah per pesanan dan tidak terkait dengan volume pesanan. Jadi Ordering cost berhubungan positif dengan frekuensi persediaan. Termasuk kelompok ini adalah biaya pengiriman, pesanan beli, inspeksi, penerimaan dan pencatatan. Ordering cost biasanya berhubungan terbalik dengan carrying cost. Jika volume pesanan bertambah, frekuensi pesanan berkurang sehingga mengurangi ordering costs. Sementara itu, bertambahnya volume pesanan menyebabkan bertambahnya baik persediaan maupun carrying cost. Ringkasnya, jika volume pesanan bertambah, ordering cost berkurang tapi carrying cost bertambah.
48
Shortage atau stock out costs tercipta jika permintaan tak dapat dipenuhi karena kekosongan persediaan. Termasuk dalam kelompok ini adalah ketidakpuasan konsumen dan potensi keuntungan yang tak terealisasi. Sangat sulit memperkirakan shortage costs, sebagai gantinya dilakukan perkiraan subjektif. Shortage costs berhubungan terbalik dengan carrying cost. Jika persediaan bertambah, carrying cost bertambah sementara shortage cost berkurang. 2.6
Manajemen Persediaan 2.6.1 Model Persediaan Economic Order Quantity (EOQ) Melalui inventory model penyederhanaan masalah persediaan dalam realitas yang rumit akan dijawab dua hal penting, yaitu berapa banyak harus dipesan dan kapan (berapa kali) memesan sehingga biaya persediaan dapat diminimumkan. Model Economic Order Quantity (EOQ) merupakan model yang tertua dan paling sederhana, pertama kali diperkenalkan oleh Ford
W.Harris
pada
1915.
Model
ini
diturunkan
menggunakan beberapa asumsi, yaitu : a.
Permintaan diketahui secara pasti dan konstan
b.
Tidak ada shortage
dengan
49
c.
Lead
time
(waktu
antara
penempatan
pesanan
dan
penerimaannya) diketahui dan konstan. d.
Sekali pesan sekali terima
e.
Tidak ada potongan harga karena membeli dalam jumlah banyak. Gambar 2.9 menjelaskan siklus pengendalian persediaan
sesuai dengan asumsi model ini. Suatu pesanan (Q), diterima dan digunakan pada tingkat yang konstan. Jika persediaan berkurang sampai reorder point (R), pesanan berikutnya segera ditempatkan, jadi tidak perlu menunggu persediaan habis karena penyerahan barang butuh waktu yang dikenal dengan lead time. Setiap pesan diterima seluruhnya sekali pada saat persediaan habis, sehingga tidak ada stockout. Siklus ini berulang dengan volume pesanan lead time, dan reorder point yang sama.
50
Gambar 2.9 Siklus Model EOQ 2.6.2
Safety Stock Persediaan pengaman apabila penggunaan persediaan melebihi perkiraan. Tujuannya untuk menentukan berapa besar stock yang dibutuhkan selama masa tenggang untuk memenuhi besarnya permintaan. Service level. Sebagaimana kita ketahui, pengalokasian safety stock dalam jumlah yang cukup besar akan membutuhkan biaya yang cukup besar juga. Seorang manajer harus berhati-hati apakah biaya yang dikeluarkan untuk biaya penyimpanan sebanding dengan resiko kehilangan akibat kehabisan persediaan.
51
Siklus pemesanan dari tingkat pelayanan dapat dihitung sebagai probabilitas sebagai permintaan yang tidak melebihi supply selama masa tenggang (misalnya jumlah persediaan haru mencukupi untuk memenuhi besarnya permintaan). Karena itu, tingkat pelayanan disebut 95 persen, artinya bahwa probabilitas 95 persen dari permintaan tersebut tidak akan melebihi dari permintaan selama periode masa tenggang. Dengan kata laiin permintaan akan terpenuhi dalam 95 persen. Resiko kehilangan biaya berkaitan erat dengan tingkat pelayanan.
Tingkat
pelayanan
pelanggan
sebesar
95
persen
menunjukan bahwa resiko kehabisan persediaan sebesar 5 persen. Secara umum : Tingkat pelayanan = 100% - risiko kehabisan stock Secara lebih jauh dapat dilihat bagaimana siklus pemesanan pada tingkat pelayanan berkaitan dengan tingkat pelayanan tahunan. Jumlah safety stock yang sesuai dengan kondisi tertentu sangat tergantung pada faktor-faktor berikut : 1. Rata-rata tingkat permintaan dan rata-rata masa tenggang; 2. Variabilitas permintaan dan masa tenggang;
52
3. Keinginan tingkat pelayanan yang diinginkan. Untuk tingkat pelayanan dari siklus pemesanan, besarnya tingkat permintaan atau masa tenggang menyebabkan jumlah safety stock yang harus lebih banyak, sehingga dapat memenuhi tingkat pelayanan yang diinginkan. Dengan kata lain, dengan berbagai variasi terhadap tingkat permintaan dan masa tenggang, dapat dicapai peningkatan tingkat pelayanan sehingga dapat merefleksikan biaya kehilangan penjualan (misalnya kehilangan penjualan, ketidaksesuaian dengan keinginan konsumen), atau dapat juga diakibatkan oleh adanya kebijakan, misalnya keinginan manajer untuk memberikan tingkat pelayanan tertentu untuk barang tertentu. Berikut adalah kondisi-kondisi dimana keberadaan safety stock diperlukan : FD LT
= tidak konstan
DMD = konstan 3
2
1 SS
1
2
3
4
5
6
7
8
Gambar 2.10 Lead Time Tidak Konstan Demand Konstan
53
FD LT
= konstan
DMD = tidak konstan 3
2
1 SS
1
2
3
4
5
6
7
8
Gambar 2.11 Lead Time Konstan Demand Tidak Konstan FD LT
= tidak konstan
DMD = tidak konstan
over stock
3
2
1 SS
1
2
3
4
5
6
7
8
stock out
Gambar 2.12 Lead Time dan Demand Tidak Konstan Perhitungan
safety
stock
dapat
menggunakan
perhitungan Mean Absolute Deviation (MAD) sebagai berikut :
metode
54
Setelah nilai deviasi standar (d) dan MAD dihitung, berikut tabel konversi nilai safety factor (Faktor Pengaman) yang disarankan : Tabel 2.3 Konversi Nilai faktor Pengaman Tingkat
Faktor
Tingkat
Faktor
Tingkat
Faktor
Layanan
Pengaman
Layanan
Pengaman
Layanan
Pengaman
untuk nilai
untuk nilai
untuk nilai
MAD
MAD
MAD
50,00 %
0,00
95,00 %
2,06
99,60 %
3,31
70,00 %
0,84
96,00 %
2,19
99,70 %
3,44
80,00 %
1,05
97,00 %
2,35
99,80 %
3,60
84,13 %
1,25
97,72 %
2,50
99,86 %
3,75
85,00 %
1,30
98,00 %
2,56
99,90 %
3,85
89,44 %
1,56
98,61 %
2,75
99,93 %
4,00
90,00 %
1,60
99,00 %
2,91
99,99 %
5,00
93,32 %
1,88
99,18 %
3,00
94,00 %
1,95
99,38 %
3,13
94,52 %
2,00
99,50 %
3,20
55
2.6.3
Reorder Point (ROP) Strategi operasi persediaan adalah titik pemesanan yang harus dilakukan suatu perusahaan sehubungan dengan adanya lead time dan safety stock. ROP model terjadi apabila jumlah persediaan yang terdapat di dalam stock berkurang terus. Dengan demikian kita harus menentukan berapa banyak batas minimal tingkat persediaan yang harus dipertimbangkan sehingga tidak terjadi kekurangan persediaan. Jumlah yang diharapkan tersebut dihitung selama masa tenggang. Mungkin dapat juga ditambahkan dengan safety stock yang biasanya mengacu pada probabilitas atau kemungkinan terjadinya kekurangan stock selama masa tenggang. ROP atau biasa disebut juga dengan batas/titik jumlah pemesanan kembali termasuk permintaan yang diinginkan atau dibutuhkan selama masa tenggang, misalnya suatu tambahan/ekstra persediaan.
56
2.6.3.1 Model-model Reorder Point Beberapa model perhitungan dari metode reorder point terbagi menjadi 4 kondisi yang diperngaruhi oleh demand dan lead time-nya sebagai berikut 1. Jumlah permintaan maupun masa tenggang konstan 2. Jumlah permintaan adalah variabel, sedangkan masa tenggang-nya konstan. 3. Jumlah permintaan adalah konstan, sedangkan masa tenggang-nya variabel. 4. Jumlah permintaan maupun masa tenggang variabel Notasi yang dipakai : d
=
Tingkat persediaan konstan
d bar =
Rata-rata tingkat permintaan
σd
=
Standar deviasi dari tingkat permintaan
LT
=
Masa tenggang konstan (Constant Lead time)
LT bar =
rata-rata masa tenggang
σLT
Standar deviasi dari lead time
=
57
Rumus-rumus : Model 1 (Constant Demand Rate, Constant Lead Time) ROP
= d x LT
Model 2 (Variable Demand Rate, Constant Lead Time) ROP
= (dbar x LT) + (Z x √LT x σd)
Model 3 (Constant Demand Rate, Variable Lead Time) ROP
= (d bar x LT bar) + (Z x d x σLT)
Model 4 (Variable Demand Rate, Variable Lead Time) ROP
2.7
= (d bar . LT bar) + Z √(LT bar . σd2 + d bar2 . σLT2)
Metode Pemilahan Material Tujuan utama dalam pembelian material adalah dan komponen adalah sebagai berikut: 1. Mempertahankan kontinuitas dari pemasok agar sesuai dengan jadwal 2. Memberikan material yang dan komponen yang memenuhi atau melebihi
tingkat
kualitas
yang
ditetapkan
kepada
bagian
58
manufakturing untuk diproses menjadi produk akhir yang memenuhi permintaan dari pelanggan. 3. Memperoleh item-item yang dibutuhkan pada ongkos yang serendah mungkintetapi masih tetap konsisten dengan kebutuhan kualitas, waktu penyerahan dan performansi lainnya. Salah satu metode yang digunakan dalam pemilahan material adalah menggunakan analisis klasifikasi ABC. 2.7.1 Identifikasi material dengan menggunakan analisis ABC Klasifikasi ABC atau sering juga disebut analisis ABC merupakan klasifikasi kelomok dari suatu kelompok material dalam susunan menurun berdasarkan biaya penggunaan material itu per periode waktu (Harga per unit material dikalikan volume penggunaan dari material selama periode tertentu). Periode yang umum digunakan adalah satu tahun. Analisis ABC dapat juga digunakan menggunakan kriteria lain, bukan semata-mata berdasarkan kriteria biaya, tergantung pada faktor-faktor penting apa yang menentukan material itu. Klasifikasi ABC umum digunakan dalam pengendalian inventori. Beberapa ocntoh penerapan seperti: pengendalian inventori material pada pabrik, inventori produk akhir pada gudang barang jadi, inventory obat-obatan pada apotik, incventori suku cadang pada
59
bengkel atau toko,inventori produk pada supermarket atau toko serba ada, dan lain-lain. Pada dasarnya terdapat sejumlah faktor yang menentukan kepentingan suatu material yaitu: 1. Nilai total uang dari material 2. Biaya per unit dari material 3. Kelangkaan atau kesulitan mendapatkan material 4. Ketersediaan sumber daya, tenaga kerja, dan fasilitas yang dibutuhkan untuk membuat material itu. 5. Panjang dan waktu tunggu (lead time) dari material,sejak pemesanan material itu pertama kali sampai kedatangannya. 6. Ruang yang dibutuhkan untuk menyimpan material itu. 7. Resiko penyerobotan atau pencurian material itu. 8. Biaya kehabisan stok atau persediaan (stock out cost) dari material itu Klasifikasi ABC mengikuti prinsip 80-20, atau hukum pareto dimana sekitar 80% dari nilai total inventori material dipresentasikan
60
(diwakili) oleh 20% material inventori. Penggunaan analisa ABC adalah menetapkan : 1. Frekuensi perhitungan inventori (cycle counting), dimana materialmaterial kelas A harus diuji kebih sering dalam hal akurasi catatan inventori dibandingkan material material kelas B atau C. 2. Prioritas rekayasa (engineering) dimana material-material kelas A dan B memberikan petunjuk pada bagian rekayasa dalam peningkatan program reduksi biaya ketika mencari materialmaterial tertentu yang difokuskan. 3. Prioritas pembelian (perolehan), dimana aktivitas pembelian seharusnya difokuskan pada bahan-bahan baku bernilai ringgi (high cost) dan penggunaan berjumlah tinggi (high usage). Fokus pada material-material kelas A untuk pemasokan (sourcing) dan negosiasi. 4. Keamanan : meskipun biaya per unit merupakan indikator yang lebih baik dibandingkan nilai penggunaan (usage value) namun analisis ABC boleh digunakan seabgai indikator dari materialmaterial mana (kelas AA dan B) yang seharusnya lebih aman disiapkan dalam ruangan terkunci untuk mencegah kehilangan kerusakan atau pencurian.
61
5. Sistem pengisian klasifikasi
ABC
kembali akan
(replenishment system), dimana
membantu
mengidentifikasi
metode
pengendalian yang digunakan. Akan lebih ekonomis apabila mengendalikan material-material kelas C dengan simple two-bin sistem of replenishment (bin receive sistem or visual review iystem) dan metode-metode yang lebih canggih untuk material kelas A dan B. 6. Keputusan
investasi
:
karena
material-material
kelas
A
menggambarkan investasi yang lebih besar dalam inentori, maka perlu lebih berhati-hati dalam membuat keputusan tentang kualitas pesanan dan stok pengaman terhadap material-material kelas A, dibandingkan dengan material-material kelas B dan C. seyogyanya implementasi sistem JIT pada bagian pembelian diterapkan pertama kali dalam pembelian-pembelian material kelas A, kemudian kelas B, dan pada akhirnya kelas material kelas C. Terdapat sejumlah prosedur pengelompokan material-material inventori kedalam kelas A, B dan C antara lain: 1. Tentukan volume penggunaan per periode waktu (biasanya per tahun) dari material-material inventori yang ingin diklasifikasikan.
62
2. Gandakan (kalikan) volume penggunaan periode waktu (per tahun) dari setiap material inventori dalam biaya per unit-nya guna memperoleh nilai total penggunaan biaya per periode waktu (per tahun) untuk setiap material inventori itu. 3. Jumlahkan nilai total penggunaan biaya dari semua material inventori itu untuk memperoleh nilai total penggunaan biaya aggregat (keseluruhan). 4. Bagi nilai total penggunaan biaya dari setiap material inventori itu dengan nilai total penggunaan biaya aggregat, untuk menentukan presentase nilai total penggunaan biaya dari setiap material inventori itu. 5. Daftarkan material-material itu dalam bentuk rank presentase nilai total penggunaan biaya dengan urutan menurun dari terbesar sampai terkecil. 6. Klasifikasikan material inventori itu dalam kelas A, B dan C dengan kriteria 20% dari jenis material diklasifikasikan dalam kelas A, 30% dari jenis material dilasifikasikan kedalam kelas B, dan 50% dari jenis material diklasifikasikan kedalam kelas C.
63
2.8
Proses Perhitungan Forecast Demand 2.8.1
Forecast Demand Policy Perusahaan Setiap perusahaan berusaha mendapatkan metode peramalan yang mempunyai deviasi sekecil mungkin dengan aktualnya. Jadi metode yang digunakan bisa berbeda-beda tergantung dari pola data permintaanya. Sesuai
dengan
kebijaksanaan
Inventory
Management
Department, sistem peramalan yang dipakai di PT.UT adalah sebagai berikut:
Gambar 2.13 Flow Process Final Forecast Demand PT.UT
64
Proses perhitungan Forecast Demand adalah sebagai berikut: 1.
Collect Data Data yang dibutuhkan adalah data demand 12 bulan mundur, yang didapatkan dari consolidated demand.
2.
Periodically Check Data Pattern Untuk mendapatkan keakuratan data demand yang akan dipakai dalam forecasting maka perlu adanya checking data demand, sehingga apabila ada lonjakan data demand yang cukup tinggi dapat terdeteksi, dan dapat segera di update.
3.
Choose Forecasting Patterns Setelah diketahui pattern datanya serta dikelompokkan pada pattern yang ada, maka langkah selanjutnya adalah menghitung forecast demand sesuai pattern demand-nya. Metode forecasting yang digunakan adalah A-B-C pattern. Dimana A adalah akumulasi demand 4 bulan terakhir yang termuda (mis: Sept ,Oct, Nov, Dec), sedangkan B adalah akumulasi demand 4 bulan kedua yang termuda (Mei, Juni, Juli, Agustus), serta C adalah akumulasi demand 4 bulan awal tahun (Jan, Feb, Mar, April).
65
Jika data mempunyai trend naik (up trend), A > B > C > 0, C
B
A
Maka menggunakan rumus : FD = A /4 Dan sebaliknya, jika data mempunyai trend turun (down trend), C > B , B > A, A > 0, C
B
A
Maka menggunakan rumus : FD = (A+B) / 8 Jika Trend tidak memenuhi kedua pola di atas, maka menggunakan metode Simple Moving Average.
Dimana: FDt+1 =
Forecast Demand bulan berikutnya
66
Dt
=
Demand Aktual bulan ini
n
=
Jumlah bulan (12)
2.8.2 Perhitungan Safety Stock Hampir semua permintaan atas produk suatu perusahaan tidak pernah tepat sesuai yang telah diramalkan. Begitu juga atas waktu datangya barang pesanan acapkali tidak tepat sesuai dengan yang terlah
direncanakan.
Agar
permintaan
dari
konsumen
dapat
diantisipasi, maka diperlukan suatu stock pengaman. Jadi suatu perusahaan memerlukan suatu stok pengaman apabila, 1. Jumlah permintaan selalu berubah-ubah, sehingga tidak dapat diramalkan dengan tepat (fluktuasi demand) 2. Waktu datangnya barang (lead time) tidak tentu, sering berubah karena pengaruh beberapa hal dan faktor (variasi lead time). Safety stock adalah stok yang harus di back up untuk mengatasi adanya lonjakan permintaan atau variasi waktu tenggang, atau bisa juga disebabkan keduanya.
67
Pertanyaanya adalah, perlukah cadangan persediaan untuk setiap perusahaan? Jawabnya belum tentu, bila permintaan atas barang sesuai dengan yang diramalkan dan datangnya barang pesanan selalu tepat waktu sehingga tidak mungkin kehabisan bahan sediaan, maka perusahaan tidak perlu menyediakan safety stock. Rumusan umum dari safety stock adalah :
Dimana, s
=
safety stock
z
=
faktor pengaman (dari tabel distribusi normal)
α
=
penyimpangan
standar
dari
permintaan
melebihi
tenggat waktu (standar deviasi) Pada perusahaan, perhitungannya menggunakan rumus sebagai berikut,
dan,
68
Dimana, SSarea
=
Safety stock di depot/pusat
Z
=
tingkat kepercayaan/ safety factor
∂DA
=
Standar deviasi dari demand depot/pusat
∂DB
=
Standar deviasi dari demand cabang
LT
=
Lead time dari supplier ke depot/pusat
lt
=
Lead time dari depot/pusat ke cabang
COA
=
Cycle order depot/pusat
COB
=
Cycle order cabang
Perhitungan safety stock dibagi menjadi dua rumusan, karena proses ordering harus melalui pusat atau head office.