BAB 2
LANDASAN TEORI 2.1
Pengertian Manajemen Operasional Menurut Jay Heizer dan Barry Render (2010 : 4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Menurut William J.Stevenson dan Sum Chee Chuong (2014 : 4), manajemen operasi adalah manajemen dari bagian organisasi yang bertanggung jawab untuk menghasilkan barang dan atau jasa. Penciptaan barang atau jasa meliputi transformasi atau pengubahan input menjadi output. Berbagai input seperti modal, tenaga kerja, dan informasi digunakan untuk menciptakan barang atau jasa dengan menggunakan satu atau lebih proses transformasi. Menurut Jay Heizer dan Barry Render (2009 : 4), untuk menghasilkan barang dan jasa, semua jenis organisasi menjalankan tiga fungsi. Fungsi-fungsi ini merupakan hal penting, bukan hanya untuk proses produksi, tetapi juga demi kelangsungan hidup sebuah organisasi. Fungsi-fungsi ini adalah sebagai berikut. 1. Pemasaran yang menghasilkan permintaan, paling tidak, menerima pemesanan untuk sebuah barang atau jasa (tidak aka nada aktivitas jika tidak ada penjualan). 2. Produksi/operasi yang menghasilkan produk. 3. Keuangan/akuntansi yang mengawasi sehat tidaknya sebuah organisasi, membayar tagihan dan mengumuplkan keuangan. Kita mempelajari MO (Manajemen Operasional) 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 7
8
bagaimana orang-orang 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. 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 meningkatkan keuntungan dan pelayanan terhadap masyarakat.
2.2
Peramalan 2.2.1
Pengertian Peramalan Menurut Render, Barry dan Jay Heizer dalam bukunya manajemen
operasi (2009:162) mengatakan bahwa peramalan adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model sistematis. Menurut Stevenson dan Chuong (2014:76), ramalan (forecast) adalah pernyataan mengenai nilai yang akan datang dari variabel seperti permintaan. Artinya, ramalan adalah prediksi mengenai masa depan. Prediksi yang lebih baik bisa menjadi keputusan dengan lebih banyak informasi. Beberapa ralaman merupakan jangka panjang, sehingga mencangkup beberapa tahun atau lebih. Ralaman jangka panjang sangat penting untuk keputusan yang akan memiliki konsekuensi jangka panjang untuk organisai.
9
2.2.2
Meramalkan Horizon Waktu Menurut Barry dan Heizer dalam buku nya manajemen operasi (2009
: 163), mengatakan bahwa peramalan biasa diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu terbagi menjadi beberapa kategori : 1.
Peramalan jangka pendek Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
2.
Peramalan jangka menengah Peramalan jangka menengah atau intermediate umumnya mencakup hutingan bulan hingga tiga tahun. Peramalan ini bermanfaat untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana operasi.
3.
Peramalan jangka panjang Umumnya untuk perencanaan tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengambangan.
2.2.3
Tahapan Dalam Proses Peramalan Menurut Stevenson dan Chuong (2014:79), ada enam tahapan dasar
dalam proses peramalan, yaitu : 1. Menetukan tujuan ramalan. Bagaimana ramalan akan digunakan dan kapan akan dibutuhkan ramalan? Tahapan ini akan memberikan indikasi tingkat rincian yang diperlukan dalam ramalan, jumlah sumber daya (karyawan, waktu, komputer, dan biaya) yang dapat dibenarkan, serta tingkat keakuratan yang diperlukan. 2. Menciptakan rentang waktu. Ramalan harus mengindikasikan rentang waktu, mengingat bahwa keakuratan menurun ketika rentang waktu meningkat.
10
3. Memiliki teknik peramalan. 4. Memperoleh, membersihkan, dan menganalisis data yang tepat. Memperoleh data dapat melalui usaha yang signifikan. Setelah memperoleh data, data mungkin perlu “dibersihkan” agar dapat menghilangkan objek asing dan data yang jelas tidak benar sebelum analisis. 5. Membuat ramalan. 6. Memantau ramalan. Ramalan harus dipantau untuk menetukan apakah ramalan ini dilakukan dengan cara yang memuaskan. Jika tidak memuaskan, periksa kembali metode peramalan, asumsi, keabsahan data, dan
lain-lain.
Kemudian,
mengubahnya
sesuai
kebutuhan
serta
menyiapkan revisi ramalan.
Perusahaan mungkin memerlukan tindak tambahan. Contohnya, apabila permintaan jauh lebih sedikit daripada ramalannya, perusahaan mungkin memerlukan tindakan seperti penurunan harga atau promosi. Sebaliknya, apabila permintaan jauh lebih banyak dari prediksinya, peningkatan output mungkin menguntungkan. Peningkatan output dapat meliputi bekerja lembur, pengalihdayaan, atau mengambil tindakan lainnya. Menurut Tjiptono dan Chandra, (2007: 249-254), umumnya lima langkah berikut merupakan langkah pokok yang dilakukan : 1. Penentuan tujuan peramalan Tujuan peramalan tergantung pada kebutuhan informasi para manajer. Dalam langkah ini ditentukan sejumlah hal, diantaranya variabel yang akan diestimasi, pengguna ramalan, alasan dibutuhkannya peramalan, biaya peramalan, jangka waktu peramalan, tingkat akurasi peramalan, dan saat melakukan peramalan. 2. Model peramalan Langkah selanjutnya adalah menyusun model peramalan, yang merupakan penyajiansecara sederhana sistem atau aspek-espek yang akan diprediksi permintaan akan jasa. Model ini sering bermanfaat dalam membantu mengkalisifikasikan atau memisahkan pengaruh faktor-faktor internal dan eksternal. Faktor internal adalah faktor-faktor yang dapat dikendalikan
11
secara langsung oleh pihak manajemen perusahaan misalnya biaya promosi, kualitas, produk/jasa, harga jual, garansi, dan saluran distribusi. Sedangkan faktor eksternal merupakan faktor diluar kendali pihak manajemen, seperti tingkat inflasi, tingkat pendapatan konsumen, tingkat pengangguran, perilaku pesaing,dan perubahan peraturan pemerintahan. Pemilihan model yang tepat merupakan aspek krusial, karena dapat mempengaruhi validitas (kesahilan) dan realiabilitas (keandalan) peramalan. Model yang sebaiknya dipilih adalah model yang dapat menggambarkan secara realistis perilaku variabel-variabel yang diestimasikan. Misalkan perusahaan ingin memprediksi permintaan yang bersifat linier, maka model yang dipilih bisa berupa trend linier atau regresi linier. 3. Pengujian model Peramalan Dalam rangka mendapatkan hasil estimasi yang memuaskan, model yang dipilih perlu diuji terlebih dahulu akurasi. Pengujian ini dilakukan dengan cara menggunakan model bersangkutan untuk mengestimasikan nilai saat ini (misalnya, volume penjualan, jumlah pelanggan, dan sebagainya) berdasarkan
nilai-nilai historis
pada
periode
sebelumnya.
Dengan
membandingkan nilai prediksi (hasil estimasi dari model yang diuji) untuk periode saat ini dengan nilai aktualnya, maka akan diketahui tingkat akurasi estimasi model yang diuji tersebut 4. Penerapan model peramalan Setelah tahap pengujian, model yang memiliki tingkat akurasi, validitas dan reliabilitas sesuai harapan diterapkan untuk melakukan peramalan masa datang dengan jangka waktu yang diinginkan. 5. Revisi dan evaluasi Estimasi-estimasi yang telah dibuat harus senantiasa disempurnakan dan ditinjau kembali. Revisi mungkin perlu dilakukan sehubungan dengan adanya
perubahan-perubahan,
baik
pada
perusahaan
maupun
lingkungannya, misalnya harga, biaya promosi, peraturan pemerintah, dan perkembangan teknologi. Sementara itu, evaluasi merupakan pembandingan estimasi dengan hasil aktual untuk menilai akurasi penggunaan metode peramalan spesifik. Langkah ini dibutuhkan untuk meningkatkan kualitas estimasi dimasa datang.
12
2.2.4 Pendekatan Dalam Peramalan Menurut Stevenson dan Chuong (2014:80), ada dua pendekatan umun dalam peramalan : 1. Peramalan kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. 2. Peramalan
subjektif
atau
kualitatif
(qualitative
forecast)
menggabungkan faktor, seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal. Menurut Jay Heizer dan Barry Render (2010:168), peramalan memiliki dua model yang terdiri dari masing-masing metode yaitu : a. 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 dan menggunakan data masa lalu tersebut untuk melakukan peramalan. b. Model asosiatif Model asosiatif (hubungan sebab akibat), seperti regresi linier, menggabungkan
banyak
variabel atau faktor yang
mungkin
mempengaruhi kuantitas yang sedang diramalkan.
2.2.4.1 Peramalan Deret Waktu Menurut Heizer dan Render (2010:169), menganalisis deret waktu berarti membagi data masa lalu menjadi komponen-komponen, kemudian memproyeksikannya ke masa 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 satu
13
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.
2.2.5
Metode Peramalan Kuantitatif Metode yang digunakan dalam penelitian ini ada 4 metode yaitu metode Trend Analysis, Moving Average, Exponential Smoothing, dan Neural Network. Alasan mengapa menggunakan metode tersebut karena hanya 4 metode tersebut yang memiliki nilai output MSE pada software yang di gunakan. 2.2.5.1
Pendekatan Peramalan Metode Trend Analysis Analisis trend merupakan model trend umum untuk data time series dan untuk meramalkan. Analisis trend adalah analisis yang digunakan untuk mengamati kecenderungan data secara menyeluruh pada suatu kurun waktu yang cukup panjang. Trend dapat dipergunakan untuk meramalkan kondisi apa data di masa mendatang, maupun dapat dipergunakan untuk memprediksi data pada suatu waktu dalam kurun waktu tertentu. Beberapa metode yang dapat dipergunakan untuk memodelkan trend, sebagai berikut : 1. Linear Trend Analysis Model linear trend analysis menggunakan data yang secara random berfluktuasi membentuk garis lurus. Trend linear adalah
kecenderungan
data
dimana
perubahannya
berdasarkan waktu adalah tetap (konstan). Rumus untuk metode linear trend analysis adalah: Yt = α + βt + ε 2. Quadratic Trend Analysis Model quadratic trend analysis menggunakan data yang secara random berfluktuasi membentuk kurva quadratic.
14
Trend kuadratik adalah kecenderungan data yang kurvanya berpola lengkungan (curvature). Rumus untuk metode quadratic trend analysis adalah: Yt = α + βt + γt2+ ε
3. Cubic Trend Analysis Rumus untuk metode Cubic Trend Analysis adalah: Yt = α + βt + γt2+ δ t2 + ε 4. Exponential Trend Analysis Trend pertumbuhan eksponensial adalah kecenderungan data dimana perubahannya semakin lama semakin bertambah secara eksponensial. Rumus untuk metode Exponential Trend Analysis adalah: Yt = αeβtε
2.2.5.2 Pendekatan Peramalan Metode Moving Average Moving Averages (rata-rata bergerak) adalah metode peramalan perataan nilai dengan mengambil sekelompok nilai pengamatan yang kemudian dicari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagi ramalan. Berikut dijelaskan 2 pendekatan dalam metode peramalan Moving Average, sebagai berikut : 1.
Single Moving Average Rata-rata bergerak tunggal (Single Moving Average) adalah suatu metode peramalan yang dilakukan dengan mengambil sekelompok nilai pengamatan,
mencari
nilai rata-rata
tersebut sebagai ramalan untuk periode yang akan datang. Metode Single Moving Average mempunyai karakteristik khusus yaitu: • untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu.
15
Misalnya, dengan 3 bulan moving average, maka ramalan bulan ke 5 baru dibuat setelah bulan ke 4 selesai/berakhir. Jika bulan moving averages bulan ke 7 baru bisa dibuat setelah bulan ke 6 berakhir. • Semakin panjang jangka waktu moving average, efek pelicinan
semakin
terlihat
dalam
ramalan
atau
menghasilakan moving average yang semakin halus. Persamaan matematis single moving averages adalah sebagai berikut: Mt = Ft+1 = Dimana: Mt
= Moving Average untuk periode t
Ft+1
= Ramalan Untuk Periode t + 1
Yt
= Nilai Riil periode ke t
n
= Jumlah batas dalam moving average
2. Double Moving Average Double Moving Average menyerupai single moving average, namun pada teknik ini dilakukan penghitungan rata-rata bergerak sebanyak dua kali kemudian dilanjutkan dengan meramal menggunakan suatu persamaan tertentu. Persamaan matematis double moving averages adalah sebagai berikut: At = wYt + (1-w)At-1 Dimana: Yt = Data observasi At = Exponential Smoothing
2.2.5.3 Pendekatan Peramalan Metode Exponential Smoothing Penghalusan Eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit Berikut dijelaskan 4 pendekatan dalam Metode Exponential Smoothing menurut Nazim dan Afthanorhan (2014), sebagai berikut : 1. Single Exponential Smoothing
16
Menurut penelitian yang dijalankan oleh Nazim dan Afthanorhan (2014), metode peramalan ini paling banyak digunakan dari semua teknik peramalan. Metode ini hanya membutuhkan sedikit perhitungan. Metode ini digunakan ketika pola data menunjukan sifat yang berada di sekitar horisontal (yaitu, tidak ada yang tidak variasi siklik atau tren diucapkan dalam data historis)Penghalusan Eksponential (Exponential Smoothing). Persamaan umum untuk tunggal statistik merapikan eksponensial diberikan sebagai: Ft+m = αyt + (1-α)Ft Dimana: Ft+m
= Adalah nilai pemulusan tunggal eksponensial pada periode t +m
(ini juga didefinisikan sebagai nilai perkiraan saat
dihasilkan dari sampel) untuk m
= 1, 2, 3, 4 ...
Yt
= nilai aktual dalam periode waktu t.
α
= Adalah nilai konstanta yang tidak diketahui yang dimuluskan
Ft
harus
dengan nilai antara 0 dan 1.
= Adalah ramalan atau nilai pemulusan untuk periode t
2. Double Exponential Smoothing (Brown) Menurut penelitian yang dijalankan oleh Mahmudah (2014), Metode double exponential smoothing Brown merupakan salah satu metode peramalan yang menggunakan satu parameter untuk memuluskan trend yang terdapat pada data. Parameter yang digunakan pada metode double exponential smoothing Brown yaitu α yang memiliki nilai antara 0 dan 1. Nilai α dapat diperoleh dengan cara trial and error atau dengan bantuan aplikasi komputer. Nilai parameter yang dipilih yakni nilai parameter yang meminimalkan nilai MAPE (Mean Absolute Percentage Error). Ft+m = at + btm Dimana: Ft+m = ramalan m periode yang akan diramalkan m = jumlah periode ke muka yang akan diramalkan S’t = nilai single exponential smoothing
17
S”t = nilai double exponential smoothing αt = parameter pemulusan
3. Double Exponential Smoothing (Holt) Menurut penelitian yang dijalankan oleh Mahmudah (2014), metode double exponential smoothing dari Holt dalam prinsipnya serupa dengan metode double exponential smoothing dari Brown kecuali bahwa metode double exponential smoothing dari Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya, Metode double exponential smoothing dari Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari metode double exponential smoothing dari Holt didapat dengan menggunakan dua konstanta pemulusan (dengan nilai 0 dan 1) yaitu α dan γ. Ft+m = St + btm Dimana: Ft+m = ramalan m periode yang akan diramalkan b
= trend,
m
= jumlah periode ke depan yang akan diramalkan
St
= nilai dasar.
4. Triple Exponential Smoothing (Winter) Menurut Szmit (2012), The Winters Model, yang disebut juga model pemulusan eksponensial triple, adalah model adaptif terkenal digunakan untuk waktu pemodelan series ditandai dengan trend dan musiman. Dalam versi aditif, metode Triple Exponential Winter menghadirkan varian pemulusan dari time series yt sebagai jumlah dari tiga unsur. Rumus dari penghitungan triple exponential winter: Yt = Lt + Tt + St−r dimana: Yt
= nilai yang diperkirakan oleh model variabel pada saat t, r adalah panjang periodisitas musiman,
18
Lt
= α (yt − St−r) + (1 − α) (Lt−1 + Tt−1)
Tt
= β(Lt − Lt−1) + (1 – β) Tt−1
St
= γ (yt – Lt) + (1 – γ) St−r
2.2.5.4
Pendekatan Peramalan Metode Neural Network Neural Network atau Jaringan syaraf merupakan salah
satu representasi buatan yang meniru otak manusia, yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan syaraf ini
diimplementasikan dengan menggunakan program
komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran. Ada 4 pendekatan dalam peramalan menggunakan Metode Neural Network, sebagai berikut : 1. Semi Linear Fungsi ini akan bernilai -1 jika inputnya kurang dari -1, dan akan bernilai 1 jika inputnya lebih dari 1. Sedangkan jika nilai input terletak antara -1 dan 1, maka outputnya akan bernilai sama dengan nilai inputnya.
Gambar 2.1 Symetric Saturating Linear Fungsi symetric saturating linear dirumuskan sebagai :
1; jikaX ≥ 1 y = x; jika − 1 ≤ x ≤ 1 − 1; jikaX ≤ 1
19
2. Sigmoid Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan syaraf yang membutuhkan nilai output yang terletak pada interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan syaraf yang nilai outputnya 0 atau 1. Fungsi sigmoid biner dirumuskan sebagai : y = f ( x) =
1 1 + e −σx
Dengan : f' (x) = σf ( x )[1 − f ( x )] 3. Bipolar Sigmoid Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja output dari fungsi ini memiliki range antara 1 sampai -1. Fungsi sigmoid bipolar dirumuskan sebagai :
y = f ( x) = Dengan : f ' ( x) =
1 − e−x 1 + e−x
σ 2
[1 + f ( x)][1 − f ( x)]
4. Hyperbolic Tangent Fungsi ni sangat dekat dengan fungsi hyperbolic tangent. Keduanya memiliki range antara -1 sampai 1. Untuk fungsi hyperbolic tangent, dirumuskan sebagai :
y = f ( x) =
e x − e−x e x + e−x
Atau : y = f ( x) =
1 − e −2 x 1 + e −2 x
Dengan : f ' ( x) = [1 + f ( x)][1 − f ( x)]
2.2.6
Menghitung Kesalahan Peramalan Menurut Jay Heizer dan Barry Render (2010:177), ada beberapa
perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan total.
20
Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang berbeda, mengawasi 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) 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 =
∑ | aktual - peramalan | n
2. Kesalahan Rata-Rata Kuardrat (Mean Square Error) MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuardrat 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
∑ | kesalahan peramalan |
2
n
Manajemen Persediaan Herjanto (2007:237) menyatakan bahwa persediaan adalah bahan atau barang
yang disimpan dan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan,untuk dijual kembali, atau untuk suku cadang dari peralatan atau mesin. Setiap perusahaan industri perlu memiliki perusahaan untuk menjamin kelangsungannya. Hal ini perlu dilakukan dengan menginvestasikan sejumlah uang kedalam nya. Mereka harus mampu
21
mempertahankan jumlah persediaan optimum untuk menjamin kebutuhan bagi kemajuan kegiatan perusahaan baik secara kuantitas maupun kualitas. 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 merupakan bentuk investasi, dari mana keuntungan (laba) itu bisa diharapkan melalui penjualan dikemudian hari. Oleh sebab itu pada kebanyakan perusahaan sejumlah minimal persediaan harus dipertahankan untuk menjamin kontinuitas
dan
stabilitas
penjualannya.
Alasan
pertama
perlunya
manajemenpersediaan adalah untuk: 1.
Memaksimalkan efisiensi pembelian dan produksi Berbagai barang dapat saja dibeli dalam jumlah yang lebih besar ketimbang
yang dibutuhkan untuk mencapai efisiensi pembelian atau transportasi. Meskipun demikian, bisa ditetapkan kesepakatan yang disebut “order” pembelian berdasarkan kapasitas persediaan. 2.
Memaksimalkan profit Profit dapat diartikan dengan meningkatkan pendapatan atau menurunkan biaya. Salah satu cara dengan manajemen persediaan yang benar
3.
Meminimalkan investasi persediaan Persediaan akan mengikat uang yang seharusnya dapat dipergunakan oleh perusahaan dalam berbagai hal dalam suatu bisnis. Persediaan yang terlalu besar dapat mengakibatkan kas perusahaan yang negatif, dan hal ini harus dihindarkan.
Pengertian persediaan menurut beberapa ahli antara lain sebagai berikut : Sofyan Assauri dalam buku Marihot Manullang dan Dearlisinaga (2005:50), menerangkan bahwa persediaan adalah sebagai suatu aktiva lancar yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha normal atau persediaan barang-barang yang masih dalam pekerjaan proses produksi ataupun persediaan bahan baku yang menunggu penggunaanya dalam suatu proses produksi.
22
John J.Wild, K R.Subramanyam dan Robert F Halsey (2004:265), menerangkan bahwa Persediaan (inventory) merupakan barang yang dijual dalam aktivitas operasi normal perusahaan. Zulfikarijah (2005:4), menerangkan bahwa Persediaan didefinisikan sebagai stock bahan baku yang digunakan untuk memfasilitasi produksi atau memuaskan permintaan konsumen. Rangkutti (2004:1) menyatakan bahwa persediaan merupakan suatu aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu , atau persediaan barang-barang yang masih dalam pengerjaan atau proses produksi, ataupun persediaan bahan baku yang menunggu penggunaannya dalam suatu proses produksi. Sehingga dapat disimpulkan bahwa persediaan (inventory) adalah suatu barang atau bahan yang disimpan dan digunakan untuk memenuhi tujuan tertentu serta meningkatkan kualitas pelayanan perusahaan terhadap konsumen.
2.3.1
Peranan dan Fungsi Persediaan
2.3.1.1
Peranan Persediaan Pada dasarnya persediaan mempermudah atau mempelancar
jalannya operasi perusahaan yang harus dilakukan secara berturut-turut untuk memproduksi barang - barang serta menyampaikan kepada pelanggan. Persediaan bagi perusahaan, antara lain berguna untuk ; 1. Menghilangkan resiko keterlambatan datangnya barang atau bahanbahan yang dibutuhkan perusahaan. 2. Menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat digunakan bila bahan itu tidak ada dalam pasaran. 3. Mempertahankan stabilitas atau kelancaran operasi perusahaan. 4. Mencapai penggunaan mesin yang optimal. 5. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya. 6. Membuat produksi tidak perlu sesuai dengan penggunaan atau penjualannya. Persediaan sangat penting artinya bagi suatu perusahaan karena berfungsi menggabungkan antara operasi yang berurutan dalam pembuatan suatu barang dan menyampaikannya kepada konsumen. Adanya persediaan dapat memungkinkan bagi perusahaan untuk melaksanakan operasi
23
produksi, karena faktor waktu antara oprasi itu dapat dihilangkan sama sekali atau diminimumkan.
2.3.1.2
Fungsi Persediaan 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 inflasi. 4. Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga perusahaan 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.
2.3.2
Jenis dan Tipe Persediaan Heizer dan Render (2009:82-83) mengemukakan bahwa terdapat 4
jenis persediaan yang harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan, yaitu: 1. Persediaan bahan mentah (raw material inventory) Bahan-bahan yang biasanya dibeli,tetapi belum memasuki prose 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)
24
Persediaan yang disedianakan untuk persediaan pemeliharaan, perbaikan, operasi yang dibutuhkan untuk menjaga agar mesin-mesin dan prosesproses tetap produktif. 4. Persediaan barang jadi Produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih merupakan aset dalam perusahaan.
2.3.3 Biaya-Biaya Persediaan Heizer dan Render (2009:91-92) menyatakan bahwa terdapat tiga jenis biaya dalam persediaan 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 pesanan, pembelian, dukungan administrasi dan seterusnya. Ketika pesanan sedang diproduksi, biaya pesanan juga ada, tetapi mereka adalah bagian dari biaya penyetelan. 3. Biaya peneyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah mesin atau proses untuk membuat sebuah pesanan. 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 prosedur yang efisien seperti pemesanan dan pembayaran elektronik.
2.4
Economic Order Quality Menurut Jay Heizer dan Barry Render (2009:92), EOQ adalah sebuah teknik
kontrol persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasar pada beberapa asumsi : a.
Jumlah permintaan dikerahui, konstan, independen.
b. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. c.
Penerimaan persediaan bersifat instan dan selesai seluruhnya.
d.
Tidak tersedia diskon kuantitas.
25
e. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan dan membawa) f. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat.
EOQ (Economic Order Quantity) adalah suatu model yang menyangkut tentang pengadaan atau persediaan bahan baku pada suatu perusahaan. Setiap perusahaan industri pasti memerlukan bahan baku demi kelancaran proses bisnisnya, bahan baku tersebut diperoleh dari supplier dengan suatu perhitungan tertentu. Dengan menggunakan perhitungan yang ekonomis tentunya suatu perusahaan dapat menentukan secara teratur bagaimana dan berapa jumlah material yang harus disediakan. Ketidakteraturan penjadwalan akan memberikan dampak pada biaya persediaan karena menumpuknya persediaan di gudang. Dengan demikian pengelolahan atau pengaturan bahan baku merupakan salah satu hal penting dan dapat memberikan keuntungan pada perusahaan.
Definisi EOQ (Economic Order Quantity) Menurut Para Ahli : Economic Order Quantity pertama kali dikembangkan oleh F. W. Haris pada tahun 1915 dengan mengembangkan formula kuantitas pesanan ekonomis. • Definisi Menurut Bambang Rianto : Economic Order Quantity adalah jumlah kuantitas barang yang dapat diperoleh dengan biaya minimal, atau sering dikatakan sebagai jumlah pembelian yang optimal. • Definisi Menurut Agus Ahyadi Economic Order Quantity adalah jumlah pembelian bahan baku yang dapat memberikan minimalnya biaya persediaan.
Dari dua definisi diatas, dapat disimpulkan bahwa EOQ merupakan suatu metode yang digunakan untuk mengoptimalkan pembelian bahan baku yang dapat menekan biaya-biaya persediaan sehingga efisiensi persediaan bahan dalam perusahaan dapat berjalan dengan baik.
26
Penggunaan metode EOQ dapat membantu suatu perusahaan dalam menentukan jumlah unit yang dipesan agar tercapai biaya pemesanan dan biaya persediaan seminimal mungkin.
Model EOQ adalah suatu rumusan untuk menentukan kuantitas pesanan yang akan meminimumkan biaya persediaan. Dalam dunia nyata, pada umunnya perusahaan menggunakan lebih dari satu unit item dalam persediaannya, sangat jarang perusahaan yang menggunakan satu unit item saja. Model statis EOQ multi item merupakan model EOQ untuk pembelian bersama (join purchase) beberapa item. Model EQO multi item merupakan lanjutan dari model EOQ single-item.
2*D*S H
Keterangan : Q* = nilai EOQ (unit) D = biaya pemesanan per pesanan S = permintaan per tahun (unit) h = biaya penyimpanan Dalam penentuan model EOQ terdapat beberapa asumsi-asumsi, diantaranya adalah : • Jumlah kebutuhan bahan baku sudah dapat ditentukan terlebih dahulu secara pasti untuk penggunaan satu tahun atau satu periode. • Penggunaan bahan baku relatif stabil dalam satu tahun atau satu periode. • Harga bahan baku konstan selama periode tertentu. • Lead Time tetap. • Tidak terjadi stockout.
27
Asumsi-asumsi diatas dilakukan untuk mempermudah dalam perhitungan penjadwalan pemesanan bahan dengan metode EOQ (Economic Order Quantity).
2.4.1
Lead Time Lead Time adalah jangka waktu yang dibutuhkan antara pemesanan
dengan barang sampai di perusahaan sehingga Lead Time berhubungan dengan Reorder Point dan saat penerimaan barang. Ada berbagai macam Lead Time mulai dari Lead Time produksi, leadtime transportasi, leadtime inspeksi, dan atau leadtime yang lain bergantung terminologi tiap-tiap perusahaan. Yang jelas sejak suatu produk dipesan hingga dideliver kepada yang memesan, waktu yang dibutuhkannya juga bervariasi. Kadang kala seminggu selesai. Di lain waktu bisa sampai 2 minggu atau lebih. Seperti halnya variasi permintaan, maka semakin besar leadtime-nya maka harus semakin besar pula Safety Stock yang kita butuhkan. Dalam EOQ, Lead Time diasumsikan konstan artinya dari waktu ke waktu selalu tetap misal Lead Time 30 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. Biasanya perusahaan sudah menentukan Lead Time, jika tidak menentukan Lead Time maka untuk menentukan Lead Time dapat menggunakan rumus, formulanya sebagai berikut : Lead Time
=
Jumlah hari kerja per tahun Jumlah pemesanan yang di inginkan
2.4.2 Safety Stock Safety Stock adalah persediaan yang dilakukan untuk mengantisipasi unsur ketidakpastian permintaan dan penyediaan. Apabila persediaan
28
pengaman tidak mampu mengantisipasi ketidakpastian tersebut, maka akan terjadi kekurangan persediaan (stockout). Faktor-faktor yang menentukan besarnya Safety Stock adalah: a.) Penggunaan bahan baku rata-rata. b.) Salah satu dasar untuk memperkirakan penggunaan bahan baku selama periode tertentu, khusunya selama periode pemesanan adalah rata-rata penggunaan bahan baku pada masa sebelumnya. b.) Faktor waktu Lead Time adalah lamanya waktu antara mulai dilakukannya pemesanan bahan-bahan sampai dengan kedatangan bahan-bahan yang dipesan tersebut dan diterima di gudang persediaan. c.) Persediaan antisipasi. Persediaan antisipasi disebut sebagai stabilization stock merupakan persediaan yang dilakukan untuk menghadapi fluktuasi permintaan yang sudah dapat diperkirakan sebelumnya. d.) Persediaan dalam pengiriman (transit stock). Persediaan dalam pengiriman disebut work-in process stock adalah persediaan yang masih dalam pengiriman, yaitu : 1) External transit stock adalah persediaan yang masih berada dalam transportasi. 2) Internal transit stock adalah persediaan yang masih menunggu untuk diproses atau menunggu sebelum dipindahkan.
2.4.3
Reorder Point Rangkutti (2004:83) menyatakan bahwa Reorder Point (ROP) adalah
strategi operasi persediaan merupakan titik pemesanan yang harus dilakukan suatu perusahaan sehubungan dengan adanya Lead Time dan Safety Stock. Sedangkan pendapat lain dikemukakan Gasperz (2004:291) mengatakan bahwa tarik dari reorder point menimbulkan cash loading input ke setiap tingkat adalah output dari tingkat atau tahap sebelumnya sehingga menyebabkan kesaling tergantungan diantara tingkat-tingkat dalam sistem distribusi. Lebih jauh lagi Gasperz menambahkan dalam sistem ROP setiap pusat ditribusi pada tingkat lebih rendah meramalkan permintaan untuk
29
produk guna melayani pelanggannya, kemudian memesan dari pusat distribusi pada tingkat yang lebih tinggi apa bila kuantitas dalam stock pada pusat distribusi yang lebih rendah mencapai ROP Adapun beberapa faktor untuk menentukan Reorder Point (ROP) diantaranya adalah; 1.
Pengadaan atau stock selama masa pengiriman
2.
Tingkat pengamanan yang diinginankan
30
2.5 Kerangka Pemikiran
PT. Widyasarana Nusaprima
Validitas Data (Uji Unit Root), data layak/tidak untuk dilakukan peramalan
Uji Random Walk
Uji Normalitas
Melakukan Perhitungan dengan Peramalan
Menentukan Nilai MSE terkecil dari hasil peramalan
Hasil Peramalan
Perhitungan EOQ
Simpulan dan Saran
Gambar 2.2 Kerangka Pemikiran
31
Sumber : Penulis, 2015
