BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN
2.1Landasan Teori 2.1.1Manajemen Operasional Menurut Heizer danRander (2009:4), manajemen operasional adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Sedangkan menurut Richard L. Daft (2006:216), manajemen operasional adalah bidang manajemen yang mengkhususkan pada produksi barang, serta menggunakan alatalat dan teknik-teknik khusus untuk memecahkan masalah-masalah produksi. Fogarty (dalam Herjanto, 2007), mendefinisikan manajemen operasional sebagai suatu proses yang secara berkesinambungan dan efektif menggunakan fungsi-fungsi manajemen untuk mengintegrasikan berbagai sumber daya secara efisien dalam rangka mencapai tujuan. Menurut penulis, manajemen operasional adalah segala aktivitas yang menghasilkan nilai baik dalam bentuk barang maupun jasa dengan melalui proses produksi secara efektif dan efisien untuk memenuhi kebutuhan konsumen. Heizer dan Render (2009:5) menyebutkan bahwa manajemen operasi (MO) dipelajari karena empat alasan: 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),
7
8 maka sangat penting untuk mengetahui bagaimana aktivitas MO berjalan. Karena itu pula, kita mempelajari 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.
2.1.2 Peramalan (Forecasting) Untuk membantu tercapainya suatu keputusan yang optimal diperlukan suatu cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang diperlukan oleh manajemen dan merupakan bagian yang integral dari proses pengambilan keputusan adalah menggunakan metode peramalan (forecasting). Menurut Kamus Besar Bahasa Indonesia, peramalan adalah suatu teori dimana dapat melihat (menduga) keadaan yang akan terjadi.
9 Menurut Jay Heizer dan Barry Render (2009:162), peramalan (forecasting) adalah seni dan 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 matematis. Selain itu, bisa juga merupakan prediksi intuisi yang bersifat subjektif. Atau dapat juga dilakukan dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer. Menurut Murahartawaty (2009:41), peramalan adalah penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam penerapan teknik-teknik peramalan adalah:“If we can predict what the future will be like we can modify our behaviour now to be in a better position, than we otherwise would have been, when the future arrives.” Artinya, jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa mendatang yang relatif dekat. Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Peramalan mempunyai peranan langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali menejemen seperti: Ekonomi, Pelanggan, Pesaing, Pemerintah, dan lain sebagainya. Menurut penulis, peramalan adalah suatu cara yang digunakan untuk memperkirakan kejadian yang akan terjadi dimasa yang akan datang dengan melibatkan data masa lalu.
10 2.1.2.1 Klasifikasi Peramalan Berdasarkan Waktu Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Heizer dan Render (2009:163) membagi horizon waktu peramalan menjadi beberapa kategori: 1. Peramalan jangka pendek. Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari 3 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 hitungan bulanan hingga 3 tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana operasi. 3. Peramalan jangka panjang. Umumnya untuk perencanaan masa 3 tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan, modal, lokasi atau pembangunan fasilitas, serta penelitian dan pengembangan (litbang).
2.1.2.2Jenis-Jenis Peramalan Menurut Heizer dan Render (2009:164), organisasi pada umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi. 1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk membangun perumahan, dan indikator perencanaan lainnya.
11 2. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. 3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan. Peramalan ini disebut peramalan penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
2.1.2.3Peramalan Permintaan Peramalan yang baik sangatlah penting dalam semua aspek bisnis. Peramalan merupakan satu-satunya prediksi mengenai permintaan hingga permintaan yang sebenarnya diketahui. Peramalan ekonomi dan teknologi adalah teknik khusus yang mungkin bukan termasuk bagian dari tugas manajer operasi (Heizer dan Render, 2009:164). Peramalan permintaan mengendalikan keputusan di banyak bidang. Berikut ini akan dibahas dampak peramalan produk pada tiga aktivitas: 1) sumber daya manusia, 2) kapasitas, dan 3) manajemen rantai pasokan. 1. Sumber Daya Manusia Mempekerjakan, melatih dan memberhentikan pekerja bergantung pada permintaan. Jika departemen sumber daya manusia harus mempekerjakan pekerja tambahan tanpa adanya persiapan, akibatnya kualitas pelatihan menurun dan kualitas pekerja juga menurun.
12 2. Kapasitas Saat kapasitas tidak mencukupi, kekurangan yang diakibatkannya bisa berarti tidak terjaminnya pengiriman, kehilangan konsumen dan kehilangan pangsa pasar. 3. Manajemen Rantai Pasokan Hubungan yang baik dengan pemasok, serta harga barang dan komponen yang bersaing bergantung pada peramalan yang akurat.
2.1.2.4 Langkah-Langkah Sistem Peramalan Peramalan terdiri atas tujuh langkah dasar (Heizer dan Render, 2009:165). Tujuh langkah peramalan tersebut, yaitu: 1. Menetapkan tujuan peramalan 2. Memilih unsur yang akan diramalkan 3. Menentukan horizon waktu peramalan 4. Memilih jenis model peramalan 5. Mengumpulkan data yang diperlukan untuk melakukan peramalan 6. Membuat peramalan 7. Memvalidasi dan menerapkan hasil peramalan
2.1.2.5 Metode-Metode Peramalan (Forecasting) Metode peramalan digunakan agar peramalan jumlah permintaan suatu barang maupun jasa dimasa yang akan datang dapat direncanakan dan hasil yang diperoleh tidak jauh menyimpang dari actual yang terjadi.
13 Menurut Heizer dan Render (2009) terdapat dua metode peramalan berdasarkan metode yang digunakan, yaitu metode kuantitatif dan metode kualitatif.
2.1.2.5.1 Metode Peramalan Kualitatif Yaitu metode yang menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal. Terdapat empat teknik peramalan kualitatif, yaitu: •
Juri dari opini eksekutif Dalam metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan prediksi permintaan kelompok.
•
Metode Delphi Ada tiga jenis partisipan dalam metode Delphi: pengambil keputusan, karyawan, dan responden. Pengambil keputusan biasanya terdiri atas 5 hingga 10 orang pakar yang akan melakukan peramalan. Karyawan membantu pengambilan keputusan dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuisioner dan hasil survei. Responden adalah sekelompok orang yang biasanya ditempatkan di tempat yang berbeda dimana penilaian dilakukan. Kelompok ini memberikan input pada pengambil keputusan sebelum peramalan dibuat.
•
Komposit tenaga penjualan Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk
14 memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan secara keseluruhan. •
Survei pasar konsumen Metode ini meminta input dari konsumen mengenai rencana pembelian mereka di masa depan. Hal ini tidak hanya membantu dalam menyiapkan peramalan, tetapi juga memperbaiki desain produk dan perencanaan produk baru.
2.1.2.5.2 Metode Peramalan Kuantitatif Yaitu metode yang menggunakan model matematis yang beragam dengan berdasarkan data masa lalu untuk meramalkan permintaan dimasa yang akan datang. Ada tiga kondisi yang diterapkan pada metode ini, yaitu: 1. Informasi mengenai keadaan pada waktu yang tersedia. 2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric (angka). 3. Waktu yang akan datang (disebut asumsi kontinuitas). Metode peramalan secara kuantitatif menurut Heizer dan Render (2009:170) meliputi: 1. Rata-rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan
peramalan.
Rata-rata
bergerak
berguna
jika
kita
dapat
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita ramalkan.Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut:
15
Keterangan: n = jumlah periode dalam rata-rata bergerak.
2. Rata-rata Bergerak Tertimbang (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Praktik ini membuat teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih dekat mendapatkan bobot yang lebih berat. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman. Rata-rata bergerak dengan pembobotan atau rata-rata bergerak tertimbang dapat digambarkan secara matematis sebagai berikut:
3. Penghalusan Eksponensial (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. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut:
16 Peramalan baru = peramalan periode lalu + α (permintaan sebenarnya periode terakhir – peramalan periode terakhir). Dimana α adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan diatas dapat pula ditulis dengan: Ft = Ft-1 + α (At-1 – Ft-1) Keterangan: Ft = peramalan baru Ft-1 = peramalan sebelumnya α = konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1) At-1 = permintaan aktual periode lalu Konsep ini tidak rumit. Prediksi terakhir untuk permintaan sama dengan prediksi lama, disesuaikan dengan sebagian diferensiasi permintaan aktual periode lalu dengan prediksi lama. Pendekatan penghalusan eksponensial mudah digunakan dan telah berhasil diterapkan pada hampir setiap jenis bisnis. Walaupun demikian, nilai yang tepat untuk konstanta penghalusan dapat membuat diferensiasi antara peramalan yang akurat dan yang tidak akurat. Nilai α yang tinggi dipilih pada saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata cukup stabil. Tujuan pemilihannilai untuk konstanta penghalusan adalah mendapatkan peramalan yang paling akurat. Nilai α yang paling banyak digunakan adalah yang berada dalam jarak 0,05 sampai 0,50 untuk aplikasi bisnis.
17 4. Penghalusan Eksponensial dengan Tren (Exponential Smoothing with Trend) Penghalusan eksponensial yang sederhana gagal memberikan respons terhadap tren yang terjadi. Inilah alasan penghalusan eksponensial harus diubah saat ada tren. Untuk memperbaiki peramalan, maka digunakan model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung rata-rata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata, dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk ratarata dan β untuk tren. Kemudian, dihitung rata-rata dan tren untuk setiap periode. Ft = α (At-1) + (1 – α)(Ft-1 + Tt-1) Tt = β (Ft – Ft-1) + (1 – β) Tt-1 Keterangan: Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t Tt = tren dengan eksponensial yang dihaluskan pada periode t At = permintaan aktual pada periode t α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1) β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
Jadi, terdapat tiga langkah menghitung peramalan dengan yang disesuaikan dengan trenadalah sebagai berikut:
18 1. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t,menggunakan persamaan Ft. 2. Menghitung tren yang dihaluskan, Tt, menggunakan persamaan Tt. 3. Menghitung peramalan dengan tren, FITt, dengan rumus FITt = Ft + Tt.
5. Regresi Linear (Linear Regression) Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan. Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabelvariabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda. Persamaan garisnya dapat dinyatakan sebagai:
ŷ = a + bX
19 Keterangan: ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terikat) a = perpotongan sumbu Y b = koefisien regresi/slop Y = nilai variabel terikat yang diketahui X = nilai variabel bebas yang diketahui b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang terjadi di x) n = jumlah data atau pengamatan Empat pendekatan pertama di atas termasuk dalam model analisis yang bersifat time series, sedangkan pendekatan yang kelima biasanya disebut dengan pendekatan asosiatif (hubungan sebab akibat).
Metode peramalan kuantitatif dibagi menjadi dua, yaitu: a. Model Deret Waktu(Time-Series) 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. Menganalisis time series berarti membagi data masa lau menjadi komponenkomponen, dan kemudian memproyeksikannya kemasa depan. Time Series mempunyai empat komponen:
20 1. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau menurun. 2. Musim adalah pola data yang berulang pada kurun waktu tertentu seperti hari, minggu, bulan, kwartal. 3. Siklus adalah pola dalam data yang terjadi beberapa tahun. Siklus ini biasanya terkait pada siklus bisnis dan merupakan satu hal penting dalam analisis dan perencanaan bisnis jangka pendek. 4. Variasi acak merupakaan satu titik khusus dalam data yang disebabkan oleh peluang dan situasi yanhg tidak biasa. Variasi acak tidak mempunyai pola khusus jadi tidak dapat diprediksi. Metode-metode yang dapat digunakan dalam hal ini dapat berupa rata-rata bergerak, penghalusan eksponensial, model matematika dan metode box-jenkins.
b. Model Asosiatif (Hubungan Sebab Akibat) Model asosiatif (atau hubungan sebab akibat), seperti regresi linear, menggabungkan banyak variabel atau faktor yang mungkin mempengaruhi kuantitas yang sedang diramalkan. Dengan mengolah data yang sudah ada sebelumnya melalui deret waktu dan metode sebab akibat, maka akan diperoleh hasil peramalan.
2.1.2.6Mengukur Kesalahan Peramalan Menurut Nachrowi D, dan Hardius Usman (2004:239) menyatakan bahwa sebenarnya membandingkan kesalahan peramalan adalah suatu cara sederhana, apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan membuat peramalan data
21 yang sedang kita analisa atau tidak. Minimal prosedur ini dapat digunakan sebagai indikator apakah suatu teknik peramalan cocok digunakan atau tidak. Dan teknik yang mempunyai MSE terkecil merupakan ramalan yang terbaik. Sedangkan menurut Freddy Rangkuti (2005:80) menyatakan keharusan untuk membandingkan perhitungan yang memiliki nilai MAD paling kecil, karena semakin kecil MAD. Berarti semakin kecil pula perbedaan antara hasil forecasting dan nilai aktual. Heizer danRender (2009:177) mengemukakan bahwa, tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation - MAD) dan kesalahan kuadrat rerata (Mean Squared Error - MSE). 1. Deviasi Mutlak Rerata (Mean Absolute Deviation = MAD) 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).
2. Kesalahan Kuadrat Rerata (Mean Square Error = MSE) 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.
22 Vincent Gasperz (2004:80) mengatakan dalam buku Production Planning and Inventory Controlbahwa akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil.Ketepatan dari sebuah ramalan merupakan hal yang sangat penting. Namun, hal yang perlu disadari bahwa suatu ramalan adalah tetap ramalan, yang selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha untuk memperkecil kemungkinan kesalahannya tersebut. Akhirnya, baik tidaknya suatu ramalan yang disusun sangat tergantung pada orang yang melakukannya, langkahlangkah peramalan yang dilakukannya dan metode yang dipergunakannya.
2.1.3 Persediaan MenurutHerjanto (2007:237), persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau untuk suku cadang dari peralatan atau mesin. Persediaan merupakan suatu sumber daya yang disimpan yang digunakan untuk menghilangkan kebutuhan saat ini atau kebutuhan yang akan datang. Persediaan diatas termasuk bahan mentah,barang dalam proses, dan barang jadi. Ketika menentukan permintaan dari suatu barang,ini merupakan informasi yang memungkinkan untuk dapat menentukan jumlah barang mentah yang dibutuhkan untuk membuat barang jadi tersebut. Mengendalikan persediaan yang tepat bukan hal yang mudah. Apabila jumlah persediaan terlalu besarmengakibatkan timbulnya dana menganggur yang besar (yang tertanam dalam persediaan), meningkatnya biaya penyimpanan dan risiko kerusakan barang yang lebih besar. Namun, jika persediaan terlalu sedikit mengakibatkan risiko
23 terjadinya kekurangan persediaan (stockout) karena seringkali barang tidak dapat didatangkan secara mendadak dan sebesar yang dibutuhkan, yang menyebabkan terhentinya proses produksi, tertundanya penjualan, bahkan hilangnya pelanggan. Sebagaimana keputusan manajemen operasi lainnya, kebijaksanaan yang paling efektif adalah dengan mencapai keseimbangan diantara berbagai kepentingan dalam perusahaan. Pengendalian persediaan harus dilakukan sedemikian rupa agar dapat melayani kebutuhan bahan/barang yang tepat dan dengan biaya yang rendah. Pengendalian persediaan berfungsi menentukan tingkat persediaan yang sesuai, dimana pemesanan harus dilakukan kembali, persediaan pengaman, pendataan tingkat dan kondisi persediaan.
2.1.3.1 Fungsi Persediaan Menurut Herjanto (2007:238), beberapa fungsi penting yang dikandung oleh persediaan dalam memenuhi kebutuhan perusahaan, sebagai berikut: •
Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang dibutuhkan perusahaan.
•
Menghilangkan risiko jika material yang dipesan tidak baik sehingga harus dikembalikan.
•
Menghilangkan risiko terhadap kenaikan harga barang atau inflasi.
•
Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga perusahaan tidak akan kesulitan jika bahan itu tidak tersedia di pasaran.
•
Mendapatkan keuntungan dari pembelian berdasarkan diskon kuantitas.
24 •
Memberkan pelayanan kepada pelanggan dengan tersedianya barang yang diperlukan.
2.1.3.2 Jenis-Jenis Persediaan Terdapat 4 jenis persediaan yang harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan menurut Heizer dan Render (2009:82-83), yaitu: •
Persediaan bahan mentah(raw material inventory) Bahan-bahan yang biasanya dibeli, tetapi belum memasuki proses manufaktur dan digunakan untuk melakukan decouple (memisahkan) pemasok dari proses produksi.
•
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).
•
MRO (Maintenance, Repair, Operating) Persediaan yang disediakan untuk persediaan pemeliharaan, perbaikan, operasi yang dibutuhkan untuk menjaga agar mesin-mesin dan proses-proses tetap produktif.
•
Persediaan barang jadi Produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih merupakan aset dalam pembukuan perusahaan.
25 2.1.3.3 Biaya-Biaya Persediaan Ada tiga jenis biaya dalam persediaan menurut Heizer danRender (2009:91-92) 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.
2.1.3.4 Model Dasar Economic Order Quantity (EOQ) EOQ merupakan salah satu teknik pengendalian persediaan tertua dan paling terkenal. Teknik ini relatif mudah digunakan, didasarkan pada beberapa asumsi: •
Jumlah permintaan diketahui dan sifatnya konstan
•
Lead Time, yaitu waktu diantara pemesanan pesanan dan penerimaan pesanan diketahui dan konstan
•
Penerimaan persediaan dilakukan secara keseluruhan dalam satu waktu
26 •
Potongan kuantitas tidak dimungkinkan (tidak mungkin diberikan diskon)
•
Variabel biaya yang ada adalah biaya penempatan pesanan (ordering cost) dan biaya penyimpanan persediaan (holding or carrying cost)
•
Pengaturan dilakukan supaya kekurangan stok dapat diatasi
Berdasarkan pendapat Pardede, (2005:422) menyatakan bahwa Economic Order Quantitiy (EOQ) menunjukkan sejumlah barang yang harus dipesan untuk tiap kali pemesanan agar biaya persediaan keseluruhan menjadi sekecil mungkin. Berikut rumus yang biasa digunakan dalam perhitunganpersediaan: EOQ = Q* = Annual setup cost = Annual holding cost = Total unit cost = Unit cost (D)
I = ½ Q*
Keterangan: Q* = jumlah optimum unit per pesanan (EOQ) D = permintaan per periode
27 S = biaya pemesanan untuk setiap pesanan H = biaya penyimpanan per unit per tahun Q = jumlah unit per pesanan TC = biaya total I = rata-rata tingkat persediaan (average inventory) N = jumlah pemesanan yang diperkirakan selama setahun T = waktu antara pesanan yang diperkirakan
Gambar 2.1 Grafik EOQ Sumber: Rangkuty, Freddy (2005:28)
2.1.3.4.1 Re-Order Point Siagian (2005:178) mengemukakan bahwa ROP adalah titik/tingkat persediaan, dimana pemesanan kembali harus dilakukan. Heizer dan Render mengemukakan bahwa tingkat (titik) persediaan dimana perlu diambil tindakan untuk mengisi kekurangan persediaan pada barang tersebut. Titik pemesanan kembali harus ditentukan dengan tepat sehingga kedatangan atau penerimaan barang yang dipesan tepat waktu.
28 Persamaan matematis untuk menghitung ROP adalah: ROP = (d x L) + SS Permintaan perhari, dicari dengan membagi permintaan tahunan, D, dengan jumlah hari kerja per tahun: d= Keterangan: ROP = reorder point d = permintaan per hari L = lead time SS = safety stock
2.1.3.4.2 Waktu Tunggu (Lead Time) dan Persediaan Pengaman (Safety Stock) Pada proses pemesanan barang, di mulai dari memesan sampai barang tersebut datang/siap digunakan diperlukan jangka waktu yang bisa bervariasi dari beberapa jam sampai beberapa bulan. Perbedaan waktu antara saat memesan barang sampai saat barang datang dikenal dengan istilah waktu tunggu (lead time). Lead time sangat dipengaruhi oleh ketersediaan dari barang itu sendiri dan jarak pembeli dengan pemasok. Adanya lead time tersebut menyebabkan perusahaan harus mempunyai persediaan yang dicadangkan untuk kebutuhan selama menunggu barang datang. Persediaan itu disebut sebagai persediaan pengaman (safety stock). Menurut Freddy Rangkuty (2004:10), safety stock adalah persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan
29 bahan.Safety stock adalah persediaan barang minimum untuk menghindari terjadinya kekurangan barang. Terjadinya kekurangan barang disebabkan antara lain karena kebutuhan barang selama pemesanan melebihi rata-rata kebutuhan barang, yang dapat terjadi karena kebutuhan setiap harinya terlalu banyak atau karena jangka waktu pemesanannya terlalu panjang dibanding dengan kebiasaan. Safety stock yang terlalu banyak mengakibatkan perusahaan menanggung biaya penyimpanan yang terlalu mahal, tetapi jika terlalu sedikit maka perusahaan akan menanggung biaya atau kerugian karena kekurangan barang. Untuk menghitung besarsafety stockdapat menggunakan metode sebagai berikut: a. Metode perbedaan pemakaian maksimum dan rata-rata. Metode ini dilakukan dengan menghitung selisih antara pemakaian maksimum dengan pemakaian rata-rata dalam jangka waktu tertentu, kemudian selisih tersebut dikalikan dengan lead time. Safety stock = (Pemakaian maksimum – Pemakaian rata-rata) Lead time b. Metode statistika yang berdistribusi normal. Safety stock = Z Dimana: Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%, ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap kemungkinan terjadinya stock out hanya 5%) = standar deviasi L = lead time
30
2.1.3.5Konsep Minimum Maksimum(Min-Max) Indrajit dan Djokopranoto (2003:38) menyatakan bahwa dalam konsep minimum maksimum ini, peninjauan dilakukan secara terus menerus, yang berarti setiap kali harus dipesan, maka harus dipesan. Konsep minimum maksimum menekankan bahwa sejumlah persediaan harus ditentukan jumlah minimum dan maksimumnya, mengingat tingkat permintaan tidak tentu (fluktuatif), sehingga persediaan harus selalu ada dan jumlah yang dipesan bersifat tetap, disini yang bersifat tetap adalah titik pemesanan ulang disesuaikan dengan jumlah minimum maksimum. Cara kerja sistem ini yaitu apabila persediaan telah melewati batas minimum dan mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum (minimum stock) merupakan batas tingkat reorder. Batas maksimum (maximum stock) adalah batas kesediaan perusahaan untuk menginvestasikan uangnya dalam bentuk persediaan bahan baku. Jadi dalam hal ini yang terpenting adalah batas minimum dan maksimum untuk dapat menentukan order quantity. Dalam menghitung safety stockpada metode ini dibutuhkan rata-rata permintaan per bulannya. Metode ini mempunyai beberapa persamaan dalam perhitungannya seperti berikut: Safety stock : SS = Minimum stock = (DL) + SS Maximum stock = 2(DL) + SS Order quantity : Q* = Max stock – Min stock
31 Banyak pemesanan : N= Average interval control : I =SS + (½ Q*) Turn over ratio : TOR = Total inventory cost : TC(Min-Max) = Keterangan: Q* = jumlah optimum unit per pesanan (EOQ) D = permintaan per periode Co = biaya pemesanan untuk setiap pesanan Cc = biaya penyimpanan per unit per tahun Q = jumlah unit per pesanan TC = biaya total I = rata-rata tingkat persediaan (average inventory) N = jumlah pemesanan yang diperkirakan selama setahun T = waktu antara pesanan yang diperkirakan
32
2.2Penelitian Terdahulu Tabel 2.1 Penelitian Terdahulu Metode
Nama
Penelitian
Pengarang
Forecasting Haryadi
Judul Jurnal Management
Hasil Penelitian Berdasarkan metode peramalan moving
Sarjono;Yulia Expose
average, metode double moving average,
Agustina;
Volume 8,
metode exponential smoothing,danmetode
Arko Pujadi
No. 17,
exponential smoothing with trend yang
September
digunakan didapatkan hasil yang tingkat
2008,
kesalahan terkecil yaitu terdapat pada
ISSN 1410-
metode exponential smoothing dengan
8631,
MAD = 15,67 (alpha 0,1) dan MSE =
“Analisis
366,10 (alpha 0,5).
Peramalan Penjualan pada PT. Multi Megah Mandiri” tahun 2008p.60-78. Inventory
Hendi; dkk
Business
Penerapan sistem inventory dan peramalan
Strategy,
dapat meningkatkan kinerja perusahaan
33 p.85 2006
dan dapat juga mengendalikan internal dan eksternal perusahaan. Dapat mengetahui EOQ dan ROP.
Forecasting Syntetos, A
The Journal
Bidangperencanaanpersediaan
dan
A; Boylan, J
of the
danperamalantelahmengalamikemajuanluar
Inventory
E; Disney, S
Operational
biasaselama50tahun terakhir. Telah ada
M
Research
perkembangan metodologi yang signifikan,
Society
antara lain munculnya sistem dinamik,
Volume 60,
teori kontrol dan metode peramalan
May 2009,
statistik. Perkembangan ini telah
ISSN
dicerminkan dari aplikasi perangkat lunak
01605682,
baru, yang mencerminkan pentingnya
“Forecasting
perencanaan persediaan dan peramalan
for Inventory
dalam situasi praktek.
Planning: A 50-Year Review” tahun 2009p.149160. Sumber: Hasil Studi Literatur
34
2.3Kerangka Pemikiran Gambar 2.2 Kerangka Pemikiran
Koperasi Niaga Abadi Ridhotullah
Forecasting
Moving Averages
Weighted Moving Averages
Exponential Smoothing with Trend
Exponential Smoothing
Linear regression
MAD dan MSE Terkecil
Inventory
EOQ
Min-Max
Pilihan Efisiensi
Implikasi Hasil Penelitian
35 Sumber: Penulis
