BAB 2 LANDASAN TEORI
2.1
Tinjauan Pustaka Bidang perncanaan dan pengawasan produksi dan persediaan dalam
organisasi-organisasi
manufacturing
dan
jasa
berkaitan
dengan
peramalan
permintaan, perencanaan kapasitas keseluruhan organisasi, penentuan berapa banyak persediaan bahan dan komponen-komponen yang harus ada serta kapan untuk mendapatkannya menurut T.hani Handoko dalam buku “Dasar-Dasar Manajemen Produksi dan Operasi” cetakan ketiga belas (2000;225) 2.1.1
Peramalan Peramalan (forecasting) merupakan alat bantu yang penting dalam
perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi.
Dalam
organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan. Menurut Yamit (1999, p13), peramalan adalah prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Sedangkan menurut Makridakis (1999, lampiran p24), peramalan merupakan prediksi nilai-nilai sebuah variabel berdasarkan kepada nilai yang diketahui dari variabel tersebut atau variabel yang berhubungan.
20
Beberapa faktor umum lingkungan yang mempengaruhi peramalan, yaitu : 1. Kondisi umum bisnis dan ekonomi. Hal ini berkaitan dengan perkembangan bisnis dan ekonomi secara global 2. Reaksi dan tindakan pesaing Kita dapat memperhatikan segala reaksi dan tindakan pesaing agar pola peramalan yang ditetapkan dapat menyimbangi pesaing tersebut. 3. Tindakan pemerintah Tindakan pemerintah secara makro ekonomi mengakibatkan pola peramalan dapat berubah 4. Kecenderungan pasar Kecendrungan pasar dapat merubah design dari suatu produk atau jasa sehingga menyebabkan peramalan berubah pola menggunakan Trend dan Musiman 5. Inovasi teknologi Innovasi teknologi dapat merubah design dari suatu produk atau jasa dan pola peramalan pun ikut berubah 2.1.1.1 Klasifikasi Metode Peramalan Metode peramalan secara umum dibagi menjadi dua, yaitu menurut Eddy Herjanto (2004;117) : 1. Kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut :
21
a. Tersedia informasi tentang masa lalu. b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric. c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Metode kuantitatif dapat dibagi menjadi dua, yaitu : a. Deret Berkala (time series) Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Keuntungan dari model deret berkala yaitu dapat digunakan dengan mudah untuk meramal. Ada empat jenis pola data pada peramalan time series, yaitu : •
Pola Horisontal atau Stationary (H) Pola data ini terjadi apabila nilai data observasi berfluktuasi disekitar nilai rata – rata yang konstan.
22
y
waktu Grafik 2.1 Pola Data Horisontal •
Pola Musiman atau Seasonal (S) Pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu). y
s s f wss f w s s f w 1979
1980
1981
1982
waktu Grafik 2.2 Pola Data Musiman •
Pola Siklus atau Cyclical (C) Pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
23
y
waktu Grafik 2.3 Pola Data Siklis •
Pola Trend (T) Pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. y
waktu Grafik 2.4 Pola Data Trend b. Model Causal Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih variabel bebas. Tujuan dari metode peramalan ini adalah untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk
24
meramalkan
nilai
mendatang
dari
variabel
tak
bebas.
Sedangkan
keuntungannya yaitu dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. 2. Kualitatif (Teknologis), yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Metode ini biasa digunakan untuk meramalkan lingkungan dan teknologi, karena kondisi tersebut berbeda dengan kondisi perekonomian dan pemasaran. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan, dan pengetahuan yang telah didapat. Ramalan ini terutama digunakan untuk memberikan petunjuk, untuk membantu perencana dan untuk melengkapi ramalan kuantitatif, bukan untuk memberikan suatu ramalan numeric tertentu. Metode ini dibagi menjadi dua bagian, yaitu : a. Metode Eksploratoris Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan melihat semua kemungkinan yang ada. b. Metode Normatif Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumber daya, dan teknologi yang tersedia.
25
2.1.1.2 Langkah-langkah Peramalan Pada dasarnya ada tiga langkah peramalan yang penting, yaitu : 1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut. 2. Menentukan metode yang dipergunakan. 3. Masing-masing metode memberikan hasil peramalan yang berbeda. Metode peramalan yang terbaik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. 4. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan. Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakankebijakan yang mungkin terjadi, termasuk perubahan kebijakan pemerintah, perkembangan potensi masyarakat, perkembangan teknologi dan penemuanpenemuan baru, dan perbedaan antara hasil ramalan yang ada dengan kenyataan. 2.1.1.3 Peranan Metode Peramalan Metode peramalan memiliki beberapa peranan, yaitu : 1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk
26
penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa pelayanan. 2. Penyediaan sumber daya tambahan. Waktu tenggang untuk memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan peralatan dapat berkisar antar beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat. 2.1.1.4 Metode Pemulusan (Smoothing) Strategi untuk menilai suatu metode peramalan pemulusan terdiri dari enam tahap, yaitu : 1. Tahap 1 : Pilih suatu deret berkala (kelompok data) untuk dianalisis. Bagi data ini menjadi kelompok “inisialisasi” dan kelompok “pengujian”. 2. Tahap 2 : Pilihlah suatu metode pemulusan. 3. Tahap 3 : Inisialisasi metode. Gunakan kelompok data inisisalisasi.
27
4. Tahap 4 : Gunakan metode pemulusan untuk meramalkan seluruh kelompok “Pengujian” 5. Tahap 5 : Mengoptimalkan Memodifikasi prosedur inisialisasi. Melacak nilai parameter yang optimum. 6. Tahap 6 : Keputusan penilaian : keuntungan dan kerugian Klasifikasi metode pemulusan (smoothing) : 1. Metode Perataan (Average) Tujuan dari metode ini adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. Metode perataan ini meliputi : a. Metode rata-rata bergerak sederhana (simple moving average) Metode rata-rata sederhana adalah mengambil rata-rata dari semua data dalam kelompok inisialisasi : T
F T +1 = X = ∑ X i T i =1 sebagai ramalan untuk periode (T+1). Kemudian bilamana data periode (T+1) tersedia, maka dimungkinkan untuk menghitung nilai kesalahannya :
e T +1 = X T + 1 − F T + 1
28
Metode ini akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan X : tidak menunjukkan adanya trend dan tidak menunjukkan adanya unsur musiman. b. Metode rata-rata bergerak tunggal (single moving average) Metode ini memiliki karakteristik sebagai berikut :
•
hanya menyangkut T periode terakhir dari data yang diketahui,
•
jumlah titik data dalam setiap rata-rata tidak berubah dengan berjalannya waktu.
Secara aljabar, rata-rata bergerak (MA) dapat dituliskan sebagai berikut :
F T +1 =
F T +2 =
X 1+ X 2 + ...+ X T T
=
1 T ∑Xi
T i =1
X 2 + ... + X T + X T +1 = 1 T +1 ∑ X T T i =2 i
c. Metode rata-rata bergerak ganda (double moving average) Metode ini dapat mengatasi adanya trend secara lebih baik. Rata-rata bergerak ganda ini merupakan rata-rata bergerak dari rata-rata bergerak, dan menurut simbol dituliskan sebagai MA(M x N) dimana artinya adalah MA M-periode dari MA N-periode. Prosedur rata-rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut :
X t + X t −1 + X t −2 + ... + X t − N +1 S 't = N
29
S 't + S 't −1 + S 't −2 + ... + S 't − N +1 S ''t = N
(
)
(
)
at = S 't + S 't − S ''t = 2S 't − S ''t 2 bt = N − 1 S 't − S ''t F t +m = at + bt m
2. Metode Pemulusan Eksponensial (Exponential Smoothing) a. Metode Pemulusan Eksponensial Tunggal Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian daripadanya. Persamaan berikut merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial : F t +1 = α X t + (1 − α ) F t Karena nilai untuk F1 tidak diketahui, maka dapat digunakan nilai observasi pertama (X1) sebagai ramalan pertama (F1 = X1) dan kemudian dialnjutkan dengan menggunakan persamaan di atas. Ini merupakan salah satu metode inisialisasi. b. Metode Pemulusan Eksponensial Tunggal : Pendekatan Adaptif Metode ini bersifat adaptif dalam arti bahwa nilai α akan berubah secara otomatis bilamana terdapat perubahan pada pola data dasar dan dapat bermanfaat untuk sistem peramalan yang melibatkan sejumlah besar item. Inisialisasi :
F2 = X1
30
α2 = α3 = α4 = β E1 = M1 = 0 Persamaan dasar untuk peramalan dengan metode ini adalah :
(
)
F t +1 = α t X t + 1 − α t F t dimana
α t +1 =
Et Mt
E t = β et + (1 − β ) Et −1
M t = β et + (1 − β ) M t −1 et = X t − F t Et = unsur kesalahan yang dihaluskan. Mt = unsur kesalahan absolut yang dihaluskan. c. Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari Brown Dasar pemikiran dari pemulusan eksponensial metode Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear satu-parameter dari Brown ditunjukkan dibawah ini :
31
Inisialisasi awal : S '1 = S ' '1 = X 1 S 't = α . X t + (1 − α ) S ' ( t −1) S ''t = α .S 't +(1 − α ) S ' ' (t −1) at = 2.S 't − S ' 't bt =
α ( S 't − S ' 't ) 1−α
Ft + m = at + bt .m dimana :
S’t = nilai pemulusan eksponensial tunggal. S’’t = nilai pemulusan eksponensial ganda. m = jumlah periode ke muka yang diramalkan.
d. Metode Pemulusan Eksponensial Ganda : Metode Dua-Parameter dari Holt Metode pemulusan eksponensial linear dari Holt dalam prinsipnya sama dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya, Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial linear Holt didapat dengan menggunakan dua konstanta pemulusan (dengan nilai antara 0 dan 1) dan tiga persamaan sebagai berikut : S t = αX t + (1 − α )( S t −1 + bt −1 ) bt = γ ( S t − S t −1 ) + (1 − γ )bt −1
32
Ft + m = S t + bt .m S1 = X1
Inisialisasi :
b1 = X2 – X1 e. Metode Pemulusan Eksponensial Tripel : Metode Kuadratik Satu-Parameter dari Brown Pendekatan dasarnya adalah memasukkan tingkat pemulusan tambahan (pemulusan tripel) dan memberlakukan persamaan peramalan kuadratik Persamaan untuk pemulusan kuadratik adalah : Inisialisasi awal : S '1 = S ' '1 = S ' ' '1 = x1 Pemulusan pertama : S 't = α . X t + (1 − α )S 't −1 Pemulusan Kedua : S ' 't = α .S 't +(1 − α )S ' 't −1 Pemulusan Ketiga : S ' ' 't = α .S ' 't +(1 − α )S ' ' 't −1 a t = 3.S ' t −3.S ' ' t + S ' ' ' t bt =
α 2(1 − α ) 2
[(6 − 5α )S 't −(10 − 8α )S ' 't +(4 − 3α )S ' ' 't ]
⎛ α ⎞ ct = ⎜ ⎟ ( S ' t −2.S ' ' t + S ' ' 't ) ⎝1 − α ⎠ 2
dan Ft + m = a t + bt m +
1 2 ct m 2
33
f. Metode Pemulusan Eksponensial Tripel : Metode Tiga-Parameter untuk Kecenderungan dan Musiman dari Winter. Metode Winter didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu untuk musiman. Hal ini serupa dengan metode Holt, dengan satu persamaan tambahan untuk mengatasi musiman. Persamaan dasar untuk metode Winter adalah sebagai berikut : Pemulusan Keseluruhan : St = α.
Xt + (1 − α )( S t −1 + bt −1 ) I t−L
Pemulusan Trend : bt = γ ( S t + S t −1 ) + (1 − γ )bt −1 Pemulusan Musiman : It = β
Xt + (1 − β ) I t − L St
Ramalan : Ft + m = (S t + bt m )I t − L + m Inisialisasi awal : S L −1 = X L −1
It =
Xt X
34
L
X =
∑X
bL +1 =
i =1
t
L 1 [( X L +1 − X 1 ) + ( X L + 2 − X 2 ) + ........ + ( X L + L − X L )] L2
2.1.1.5 Ketepatan Metode Peramalan
Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara yaitu kesalahan dalam memilih teknik peramalan dan kesalahan dalam mengevaluasi keberhasilan penggunaan teknik peramalan.bagi pemakai peramalan, ketepatan ramalan yang akan datang adalah yang paling penting menurut Eddy Herjanto (2004;145) Ketepatan metode peramalan secara garis besar dibagi menjadi : 1. Ukuran Statistik Standar Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan untuk periode yang sama, maka kesalahan didefinisikan sebagai : ei = Xi – Fi Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka ukuran statistik standar berikut yang dapat didefinisikan : a. Nilai Tengah Galat (Mean Error) n
ME = ∑ ei n i =1
35
b. Nilai Tengah Galat Absolut (Mean Absolute Error) n
MAE = ∑ ei n i =1
c. Jumlah Kuadrat Galat (Mean Squared Error) n
SSE = ∑ ei
2
i =1
d. Nilai Tengah Galat Kuadrat (Mean Squared Error) n
MSE = ∑ ei n 2
i =1
e. Deviasi Standar Galat (Standard Deviation of Error) SDE =
∑ e (n − 1) 2
i
2. Ukuran-ukuran Relatif Tiga ukuran berikut sering digunakan : a. Galat Persentase (Percentage Error) ⎛ X t − Ft ⎞ ⎜ ⎟(100) PE t = ⎜ ⎟ ⎝ Xt ⎠ b. Nilai Tengah Galat Persentase (Mean Pencentage Error) n
MPE = ∑ PEi n i =1
c. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error) n
MAPE = ∑ PEi n i =1
36
3. Statistik-u dari Theil 2
⎛ F i +1 − X i +1 ⎞ ⎜ ⎟ ∑ ⎜ ⎟ i =1 ⎝ Xi ⎠ U= 2 n −1 ⎛ − Xi⎞ X i + 1 ⎜ ⎟ ∑ ⎜ ⎟ i =1 ⎝ Xi ⎠ n −1
4. Statistik Durbin-Watson
∑ (e − e ) n
D-W=
t =2
2
n
∑e t =1
2.1.2
t −1
t
2
t
Perencanaan Agregat
Perencanaan produksi agregat adalah perencanaan jangka menengah yang mempunyai jangka waktu 3 bulan -1 tahun. Perencanaan merupakan suatu proses perencanaan yang berhubungan memadukan sejumlah permintaan terhadap output yang diharapkan dan kapasitas produksi yang dapat direalisasikan dalam jangka waktu tertentu. Agregat artinya perencanaan akan disusun dalam satu satuan pengukuran tunggal yang mewakili keseluruhan produk yang akan diproduksi. Tujuan dari perencanaan agregat untuk mengembangkan suatu rencana produksi secar menyeluruh yang fisibel dan optimal menurut Eddy Herjanto (2004:150) fisibel berarti dapat memenuhi permintaan pasar dan sesuai dengan kapasitas yang ada,
37
sedangkan optimal berarti menggunakan sumber daya sebijaksana mungkin dengan pengeluaran biaya serendah mungkin. Langkah awal yang dilakukan adalah menetapkan atau meramalkan permintaan dalam satuan agregat. Selanjutnya dengan bantuan model dan memperhatikan aspek-aspek biaya serta pemanfaatan kapasitas sumber, dapat diperoleh beberapa variabel keputusan seperti jumlah tenaga kerja, jumlah produksi serta jumlah persediaan untuk memenuhi permintaan produk secara keseluruhan. Semua variabel dinyatakan dalam satuan agregat, yang selanjutnya akan dijadikan sebagai dasar bagi pengalokasian sumber yang tersedia ke dalam pejadualan yang telah terperinci. Variabel-variabel keputusan dalam perencanaan produksi agregat menurut Schroeder (1997:330-331), antara lain: 1. Jumlah tenaga kerja langsung, yaitu tenaga kerja yang langsung berpengaruh terhadap kapasitas pabrik. 2. Jam kerja lembur, dibutuhkan bila kecepatan produksi atau jumlah produksi yang akan dibuat lebih besar dari kemampuan pabrik. Berarti pabrik berproduksi membutuhkan jam kerja lebih besar dari jam kerja biasa pada bulan tertentu dari periode perencanaan. 3. Jam kerja biasa, yaitu jam kerja yang tersedia pada bulan tertentu selama periode perencanaan. 4. Jumlah pesanan yang disubkontrakkan. Hal ini terjadi jika kapasitas pabrik termasuk penggunaan jam lembur tidak mampu melayani pesanan sehingga kelebihan pesanan tersebut disubkontrakkan ke perusahaan lainnya sejenis.
38
5. Jumlah pesanan yang ditunda waktu penyerahannya (backorder). Hal ini terjadi jika kapasitas yang ada tidak dapat memenuhi semua pesanan pada waktu yang telah
dijanjikan
maka
sebagian
permintaan
konsumen
ditunda
waktu
penyerahannya. 6. Kecepatan produksi, yaitu besaran yang menyatakan produk agregat yang dapat dibuat setiap bulannya. Satuan kecepatan produksi misalnya liter per tahun, ton per bulan, satuan per bulan dan lain-lain. 7. Tingkat persediaan adalah banyaknya produk yang disimpan dalam bentuk produk yang siap dijual. Persediaan dinyatakan dalam satuan per periode. 2.1.2.1 Komponen-komponen Biaya dalam Perencanaan Agregat
Secara umum, kriteria masalah perencanaan produksi agregat adalah meminimumkan biaya total produksi selama periode perencanaan. Adapun komponen-komponen biaya dalam perencanaan produksi agregat menurut Krajewski
dan Ritzman (2002:658-659,664) adalah : 1. Hiring cost & Layoff cost. Hiring Cost adalah biaya yang dikeluarkan untuk memperkerjakan karyawan baru. Biaya ini meliputi biaya pencarian, penyaringan dan pelatihan. Lay off adalah biaya yang dikeluarkan untuk memecat karyawan. Biaya ini meliputi biaya tunjangan PHK. 2. Stockout cost. Biaya ini timbul akibat permiontaan melebihi kapasitas produksi,sehingga
pemenuhan
sisa
permintaan
dilakukan
pada
periode
berikutnya. Biaya ini meliputi hilangnya kesempatan untuk memperoleh keuntung an dari penjualan dan resiko kehilangan pelanggan.
39
3. Work Force Cost. Biaya ini merupakan biaya tenaga kerja berproduksi selama jam kerja lembur dalam satu periode. 4. Overtime Cost. Biaya ini merupakan biaya tenaga kerja untuk berproduksi selama jam kerja lembur dalam satu periode. 5. Undertime Cost. Biaya ini dikeluarkan untuk membayar tenaga kerja, dimana efisiensi tenaga kerja tersebut lebih kecil dari kapasitas yang seharusnya. 6. Subcontracting Cost. Biaya ini harus dikeluarkan untuk membeli produk dari subkontraktor. 7. Inventory-holding Cost. Biaya ini meliputi tertanamnya modal pada persediaan barang jadi, asuransi, biaya untuk ruangan penyimpanan persedian dan resiko kerusakan 8. Production Cost. Biaya ini adalah biaya produksi di luar tenaga kerja yang meliputi biaya material. 2.1.2.2 Input Perencanaan Agregat
Schroeder (1997:326-328) berpendapat bahwa input untuk perencenaan agregat adalah unsur permintaan dan kapasitas. Adapun unsur permintaan tersebut adalah : 1. Harga (pricing) 2. Promosi 3. Pemesaran kembali (backorder) 4. Permintaan baru Sedangkan unsur kapasitas adalah sebagai berikut :
40
1. Pengangkatan dan pemberhentian tenaga kerja (hire and fire) 2. Waktu lembur (overtime) 3. Pekerja paruh waktu (part time) 4. Persediaan 5. Subkontrak 2.1.2.3 Proses Perencanaan Agregat
Dalam melakukan perencanaan agregat harus melalui beberapa tahapan yaitu : 1. Memilih satuan produk agregat 2. memilih horizon atau waktu perencanaan, membaginya ke dalam periode perencanaan. 3. Mengkonversikan permintaan setiap produk ke dalam satuan agregat dan kemudian dikonversikan lagi ke dalam satuan sumber yang diperlukan (misalnya jam-orang atau jam-mesin). 4. membandingkan kapasitas yang tersedia dengan kebutuhan produksi. 5. memilih strategi yang sesuai 6. Melakukan perencanaan agregat dengan teknik yang sesuai. 2.1.2.4 Strategi Perencanaan Agregat dengan Metode Trial & Error
Roberta S. Russel dan Bernard W. Taylor III (1995:507), membagi strategi perencanaan agregat dengan Metode Trial & Error dalam 3 (tiga) macam strategi, yaitu :
41
1. Chase Strategy Dengan menggunakan chase strategy ini, perusahaan berproduksi sesuai dengan jumlah permintaan. Kapasitas produksi dapat divariasikan dengan menggunakan jam kerja lembur (overtime), jam kerja reguler (undertime) dan subkontrak. Kemungkinan lain dari strategi ini adalah dengan memvariasikan jumlah tenaga kerja dengan cara merekrut karyawan baru pada saat produksi meningkat dan memecat karyawan pasa saat produksi menurun. Pada kemungkinan variasi pertama akan timbul biaya baru, yaitu biaya jam kerja lembur, sedangkan pada kemungkinan kedua akan menimbulkan biaya yang cukup besar untuk merekrut dan memecat karyawan.
2. Level Strategy Dengan menggunakan level strategy, perusahaan berproduksi dengan tingkat produksi yang konstan dari satu periode ke periode lainnya. Variasi permintaan diatasi dengan persediaan yang dimiliki perusahaan. Pada saat permintaan menurun, kelebihan produksi disimpan sebagai persediaan untuk digunakan pada saat permintaan meningkat. Pada strategi ini akan timbul biaya simpan yang cukup besar untuk unit yang disimpan.
3. Mixed Strategy Strategi ini merupakan kombinasi dari chase strategy dan level strategy. Variasi permintaan diatasi dengan jam kerja lembur dan persediaan yang dimiliki.
42
2.2
Kerangka Pemikiran
Pada umumnya perusahaan menghadapi jumlah permintaan yang berubahrubah. Pola permintaan yang tidak tetap ini mengakibatkan beban kerja yang tidak tetap pula. Dengan dilakukannya penelitian ini, dapat dijadikan sebagai bahan evaluasi atas strategi peramalan dan perencanaan produksi dan dapat membenahi sistem persediaan bahan baku yang ada sehingga menjadi lebih baik.
43
Mulai
Identifikasi Masalah
Pengumpulan Data: Data Produk Data Penjualan Data Persediaan Awal Data Waktu Baku Data Kapasitas Jam Kerja -Reguler -Lembur
Pengolahan Data: Peramalan Perencanaan Agregat
Analisa Pengolahan Data
Kesimpulan dan Saran
Diagram 2.1 Kerangka Pemikiran
