BAB 2 LANDASAN TEORI
2.1
Pengertian Supply Chain Management Supply chain management merupakan pendekatan atau metode dalam memanajemen hubungan perusahaan dengan supplier dan konsumen yang terjadi pada pengendalian arus material dan jasa. Menurut Martin Christopher yaitu manajemen yang mengatur hubungan dengan supplier dan pelanggan untuk memberikan nilai lebih pada pelanggan dengan biaya yang rendah. Sedangkan menurut David J. Bloomberg yaitu suatu proses perencanaan, pengorganisasian, dan pengendalian alur material dan jasa dari pemasok sampai konsumen.
Pendekatan yang
terintegrasi menggabungkan pemasok, manajemen persediaan, dan logistik yang terintegrasi dan operasi. Fokus supply chain management adalah pengelolaan dalam hubungan dalam konteks untuk mendapatkan keuntungan yang lebih besar pada keseluruhan bagian dalam rantai.
Manajemen rantai pasok
menghubungkan antara vendor, pelanggan, dan perusahaan pihak ketiga. 2.2
Hubungan Supply Chain Management dan Logistik Hubungan antara supply chain management (SCM) dan logistik yaitu bahwa SCM merupakan bagian penting dari manajemen logistik sebagai salah satu pendukung dalam aliran distribusi atau arus material (Hendayani, 2011).
Menurut Council of Supply Chain Management
Professional (CSCMP) yang berkedudukan di Amerika Serikat manajemen logistik
merupakan
bagian
dari
manajemen
rantai
pasok
yang
merencanakan, menerapkan, dan mengendalikan tingkat efisiensi dan efektifitas dari arus dan penyimpanan barang, jasa dan informasi yang terkait dari hulu ke hilir dan sebaliknya, dimulai dari titik asal barang tersebut hingga titik tempat digunakan atau dikonsumsinya barang tersebut
8
untuk memenuhi persyaratan dan permintaan dari pelanggan. Manajemen logistik mempunyai peran yang lebih berhubungan dengan aliran barang dan jasa mulai dari sebelum proses operasi produksi hingga produk jadi yang dikirimkan kepada pelanggan. Sedangkan SCM yang secara teknis mengatur hubungan berbagai pihak yang terlibat dalam proses yang diatur oleh manajemen logistik dan merupakan salah satu faktor pendukung keberhasilan dari manajemen logistik. 2.3
Aliran Supply Chain Management Di dalam proses supply chain management, terdapat beberapa pihak yang memiliki peranan penting atau biasa disebut peserta rantai pasok (supply chain participant).
Gambar 2.1 Jaringan Rantai Pasok
Pada gambar 2.1 menjelaskan bahwa terdapat empat tingkatan fasilitas yaitu alur produk dari vendor ke plant, plant ke distribution centers, dan distribution centers ke pasar / pelanggan. Namun adakalanya terjadi alur dari pelanggan kembali ke parts distribution centers yaitu pada saat proses re-cycle.
Plant yaitu tempat dimana produk tersebut
bertransformasi sedangkan distribution centers adalah tempat dimana produk diterima, diklasifikasikan dan diurutkan, diletakkan dalam
9
penyimpanan, diambil dari penyimpanan, dan terjadi pengiriman, namun tidak terjadi transformasi secara fisik (Shapiro, 2009).
2.4
Konsep Peramalan Menurut
Gasperz,
terdapat
sembilan
langkah
yang
harus
diperhatikan untuk menjamin efektivitas dan efisiensi dari sistem peramalan dalam manajemen permintaan yaitu: 1. Menentukan tujuan dari peramalan 2. Memilih item independent demand yang akan diramalkan 3. Menentukan horizon waktu dari peramalan (jangka pendek, menengah atau panjang) 4. Memilih model-model peramalan 5. Memperoleh data yang dibutuhkan untuk melakukan peramalan 6. Validasi model peramalan 7. Membuat peramalan 8. Implementasi hasil-hasil peramalan 9. Memantau keandalan hasil peramalan
2.5
Definisi Filter Filter adalah penyaring atau alat untuk menyaring. Pada unit alat berat terdapat 4 (empat) macam filter yaitu filter oli (oil filter), filter bahan bakar (fuel filter), filter udara (air filter), dan filter air (water filter). Kemudian fungsi dari filter pada unit alat berat yaitu sebagai penyaring benda-benda asing yang berada pada media yang dilaluinya baik itu oli, bahan bakar, air ataupun udara. Dampak dari pengabaian perawatan dan penggantian filter adalah seperti terbakarnya turbine shaft (batang turbin)
10
sehingga mengakibatkan tidak berfungsinya engine.
Atau korosi,
deformasi dan patahnya valve / klep pada cylinder head sebagai akibat dari tidak berfungsinya filter dalam memisahkan air dan partikel asing lainnya. Prinsip kerja oli hidrolik seperti pada hydraulic circuit diagram (gambar 2.3). Fluida oli dipompa oleh gear pump yang digerakkan oleh motor akan masuk ke Power Take Off Engine (PTO Engine) melumasi setiap bagian dari engine kemudian kembali lagi ke gear pump melalui PTO Oil Reservoir dan PTO oil filter.
Gambar 2.2 Hydraulic Circuit Diagram
Keterangan: 1. PTO engine
3. Gear pump
2. PTO oil reservoir
4. PTO oil filter
Sedangkan prinsip kerja filter hidrolik adalah menyaring oli yang masuk melalui saluran input kemudian disaring keluar melalui element sebelum disalurkan ke control valve melalui saluran output (gambar 2.5).
11
Gambar 2.3 Hydraulic Oil Filter
Gambar 2.4 Saluran Hydraulic Oil Filter
Keterangan: 1. Element
A: Output dari hydraulic pump
2. Case
B: Saluran menuju control valve
3. Cover
2.6
Peramalan Peramalan adalah 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. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaan relatif kecil. Dalam kondisi pasar bebas, permintaan lebih bersifat kompleks dan dinamis karena permintaan tersebut tergantung dari keadaan sosial, ekonomi, politik aspek teknologi, produk pesaing, dan produk substitusi. Oleh karena itu peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen (Nasution, A.H., 2003).
12
Peramalan memerlukan berbagai kegiatan untuk mengenali dan memantau berbagai sumber permintaan akan produk dan jasa, yang meliputi peramalan, mencatat pesanan, membuat janji penyerahan, menentukan kebutuhan unit-unit operasional untuk mengkordinasikan seluruh kegiatan secara terpadu. Sasaran peramalan dapat dikategorikan berdasarkan jangka waktunya ke dalam sasaran jangka panjang, jangka menengah, jangka pendek, dan segera (Baroto, T., Hal 22). 2.6.1
Model-model Peramalan Terdapat dua jenis model peramalan yang utama, yaitu model time series dan model regresi. Model time series, peramalan dilakukan berdasarkan nilai masa lalu dari suatu variabel. Tujuan metode ini adalah menemukan pola dalam deret historis memanfaatkan untuk perkiraan di masa yang akan datang. Sedangkan model regresi menunjukkan suatu hubungan sebabakibat dengan satu atau lebih variabel bebas. Pola data dibedakan menjadi empat jenis (Spyros, Steven, Victor, 2004, hal. 10), yaitu: 1.
Pola Horizontal Terjadi ketika nilai data berfluktuasi di sekitar nilai rata-rata
yang konstan. Suatu produk yang penjualannya cenderung tidak meningkat atau menurun dalam waktu tertentu termasuk kedalam jenis pola horizontal.
(Spyros, Steven, Victor, 2004, P. 10) Gambar 2.5 Pola Data Horizontal
13
2.
Pola Musiman Terjadi bilamana suatu deret dipengaruhi oleh faktor musiman,
misal kuartal tahun, bulan, atau saat-saat tertentu.
(Spyros, Steven, Victor, 2004, P. 10) Gambar 2.6 Pola Data Musiman
3. Pola Siklis Terjadi bilamana data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis, adanya pergantian selera, mode, adanya pergantian siklus produk.
(Spyros, Steven, Victor, 2004, P. 10) Gambar 2.7 Pola Data Siklis
14
4.
Pola Tren Terjadi bila terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data, dan datanya bersifat runtun waktu.
(Spyros, Steven, Victor, 2004, P. 10) Gambar 2.8 Pola Data Tren
2.6.2 Metode Peramalan Konstan 1.
Metode Double Moving Average Salah satu peramalan time series dengan melihat data tren yaitu peramalan dengan metode double moving average. Pada metode ini dilakukan dua kali moving average dengan menggunakan data moving average yang pertama kali. Berikut ini adalah rumus yang dipakai pada peramalan ini yaitu :
Rumus untuk moving average yang pertama
M t = Yt +1 =
Yt + Yt −1 + Yt − 2 + .... + Yt − k +1 k
Rumus untuk moving average yang kedua M t' =
M t + M t −1 + M t − 2 + .... + M t − k +1 k
15
Rumus untuk menghitung peramalan dengan metode double moving average
a t = M t + ( M t − M t' ) = 2 M t − M t' bt =
2 ( M t − M t' ) k −1
^
Yt + p = a t + bt + p m 2. Metode Double Exponential Smoothing Dasar dari metode ini sama dengan metode rata-rata bergerak linier. Berikut ini adalah persamaan yang dipakai dalam perhitungan Double Exponential Smoothing: S’t = α Xt+(1- α).S’t-1 S”t= α S’t+ (1- α).S”t-1 at = 2S’t – S”t bt= α (S’t– S”t) / (1- α) Ft+m = at + bt (m) keterangan:
α
= koefisien pemulusan
S’t
= nilai-nilai penghalusan eksponensial tunggal
S”t
= nilai-nilai penghalusan eksponensial ganda
at
= penyesuaian nilai penghalusan tunggal untuk periode t
bt
= komponen kecenderungan
Ft+m
= nilai ramalan untuk m periode ke depan dari t
16
2.6.3 Pengukuran Kesalahan Peramalan 2.6.3.1 MAD (Mean Absolute Deviation) Mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD akan sangat bermanfaat ketika
menganalisis
kesalahan ramalan dalam unit yang sama sebagai deret asli.
Dimana : Yt = Data aktual
Ŷt = Hasil peramalan n = jumlah periode
2.6.3.2 MSE (Mean Squared Error) MSE atau mean squared error adalah metode untuk mengevaluasi
peramalan.
Masing-masing
selisih
dikuadratkan kemudian dijumlahkan dan dibagi dengan jumlah observasi.
Dimana : Yt = Data aktual
Ŷt = Hasil peramalan n = jumlah periode
17
2.6.3.3 MAPE (Mean Absolute Percentage Error) MAPE dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu kemudian merata-ratakan kesalahan persentase absolut tersebut. Pendekatan MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata pada deret. Metode MAPE digunakan jika nilai Yt besar.
Dimana: Yt = Data aktual
Ŷt = Hasil peramalan n = jumlah periode
