IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian yang dilakukan mengenai analisis perencanaan pengadaan tuna berdasarkan ramalan time series volume ekspor tuna loin beku di PT Tridaya Eramina Bahari. Pemilihan lokasi dilakukan secara sengaja dengan pertimbangan perusahaan tersebut merupakan perusahaan pengolahan tuna ekspor yang melakukan kegiatan produksi dalam hal ini mengolah bahan baku menjadi bahan setengah jadi. Penelitian dilakukan selama lima bulan yaitu dari Juli sampai November 2009. 4.2. Data dan Instrumentasi Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dari data historis perusahaan dan pengamatan secara langsung terhadap kondisi perusahaan serta wawancara dengan pihak-pihak terkait penelitian di perusahaan. Data sekunder diperoleh dari berbagai studi kepustakaan diantaranya Dinas Kelautan dan Perikanan, Badan Pusat Statistik, internet, dan literatur lainnya yang relevan dengan penelitian ini. 4.3. Metode Pengumpulan Data Metode Pengumpulan data yang dilakukan pada penelitian ini terdiri dari : 1) Identifikasi Langsung Identifikasi dilakukan dengan melakukan proses pengamatan langsung terhadap kondisi yang ada di perusahaan. Proses identifikasi dilakukan untuk mengetahui mekanisme pengadaan persediaan dan aktivitas-aktivitas terkait. 2) Wawancara Wawancara dilakukan untuk melengkapi informasi yang diperoleh melalui pengamatan. Responden ditentukan dengan menggunakan metode purposive sampling yakni dipilih secara khusus berdasarkan tujuan penelitian (Usman & Akbar 2003). Pada penelitian ini responden dipilih dengan pertimbangan berkompeten memberikan informasi yang relevan. Pihak yang dijadikan responden sebanyak lima orang dari pihak internal perusahaan yaitu kepala
marketing, kepala pabrik, kepala produksi, kepala divisi ekspor, kepala pembelian, dan satu orang dari pihak pemasok. 4.4. Metode Pengolahan Data Pengolahan data dilakukan secara deskriptif dan kuantitatif. Pengolahan data secara deskriptif dilakukan untuk menggambarkan keadaan umum perusahaan
dan
mendeskripsikan
sistem
pengadaan
bahan
baku
dan
pengelolaannya. Pengolahan secara kuantitatif dilakukan untuk menganalisa biaya-biaya yang berkaitan dengan pengadaan persediaan tuna dan meramalkan volume ekspor tuna loin untuk periode 2010. Proses pengolahan data menggunakan Minitab 14 for windows dan microsoft excel. 4.4.1. Metode Economic Order Quantity (EOQ) Metode EOQ
digunakan untuk menentukan jumlah pemesanan bahan
baku yang optimal bagi perusahaan. Kuantitas pesanan optimal (optimum order quantity) adalah suatu jumlah pembelian bahan baku yang akan meminimalkan biaya persediaan. Persamaan EOQ yang digunakan dalam menentukan kuantitas pesanan optimal (Q) adalah : EOQ (Q*) =
Dimana : D
2 SD H
= Penggunaan dan permintaan yang diperkirakan per periode waktu (Kg)
S
= Biaya pemesanan per pesanan (Rp)
H
= Biaya penyimpanan per unit per tahun (Rp)
Biaya-biaya yang signifikan dalam penentuan kuantitas pemesanan optimal dengan teknik EOQ adalah biaya pemesanan dan biaya penyimpanan. Biaya pemesanan selama satu tahun dihitung dengan rumus : Biaya pemesanan per tahun =
S
D Q
Dimana : S = Biaya pemesanan per pesanan D = Jumlah bahan baku yang dibutuhkan per tahun Q = Jumlah unit bahan baku yang dipesan
29
Biaya penyimpanan per tahun =
Dimana : H
H
Q 2
= Biaya penyimpanan per unit bahan baku per tahun
Q/2 = Jumlah rata-rata persediaan bahan baku yang disimpan Jika kedua persamaan tersebut digabungkan maka diperoleh persamaan biaya total persediaan selama setahun yaitu : Total Biaya Persediaan per Tahun =
S
D Q +H Q 2
Frekuensi pemesanan bahan baku dalam satu periode (F) adalah jumlah kebutuhan bahan baku satu periode (D) dibagi jumlah pemesanan bahan baku yang ekonomis (EOQ), yaitu :
F=
D Q∗
Model EOQ dapat diterapkan dengan beberapa asumsi-asumsi (Handoko 2000) sebagai berikut : 1) Permintaan akan produk adalah konstan, seragam, dan diketahui. 2) Harga per unit produk adalah konstan. 3) Biaya penyimpanan per unit per tahun (H) adalah konstan. 4) Biaya pemesanan per pesanan (S) adalah konstan. 5) Waktu antara pesanan dilakukan dan barang-barang diterima konstan. Berdasarkan hal tersebut, teknik ini memiliki beberapa kelemahan (Usman dan Akbar 2003) antara lain : 1) Persediaan pengaman tidak diperhitungkan. 2) Sistem tersebut hanya menggunakan data yang lampau. 3) Perubahan harga tidak diperhitungkan. 4) Karena EOQ seringkali mengasumsikan data yang bersifat tetap, hasilnya kadang kurang akurat. Meskipun demikian, menurut Rangkuti (2004) metode persamaan ini dapat direkomendasikan karena dua alasan sebagai berikut: 1) Jumlah biaya pemesanan per tahun ditambah dengan biaya penyimpanan per tahun tidak begitu sensitif terhadap tingkat kesalahan nilai EOQ sepanjang kuantitas pesanan dekat dengan nilai optimal.
30
2) Sejumlah penelitian menunjukkan bahwa meskipun kuantitas Q dan titik pemesanan secara teoritis dapat ditentukan secara simultan, tidak ada denda keterlambatan yang ditimbulkan apabila EOQ independen. Oleh sebab itu, persamaan tersebut merupakan rumus dasar untuk EOQ meskipun permintaan merupakan probabilistik. 4.4.2. Identifikasi Pola Data Penjualan Langkah pertama dalam pengolahan data adalah mengidentifikasi pola data ekspor tuna loin beku dengan menyajikannya dalam bentuk plot ekspor tuna loin beku terhadap waktu. Dengan melakukan plot, akan diduga plot datanya untuk sementara, apakah pola data tersebut bersifat stasioner atau memiliki unsur trend, musiman, ataupun siklis. Tujuan membuat plot data adalah : 1) Mendeskripsikan pola ekspor produk sebagai pertimbangan awal yang membantu dalam penerapan metode peramalan kuantitatif time series. 2) Melihat kecenderungan fluktuasi ekspor yang terjadi di PT Tridaya Eramina Bahari berdasarkan jumlah data yang tersedia. 4.4.3. Uji Metode Peramalan Time Series Metode peramalan time series yang akan diuji dan digunakan dalam penelitian ini adalah Metode Single Eksponential Smoothing, Metode Double Eksponensial Smoothing, Metode Winters’ Multiplikatif, Metode Winters’ Aditif, Metode Dekomposisi Multiplikatif, Metode Dekomposisi Aditif, dan ARIMA. Penggunaan metode peramalan didasarkan pada pola data. Formulasi dari masingmasing metode adalah sebagai berikut : 1) Metode Pemulusan Eksponensial a. Metode Pemulusan Eksponensial Tunggal (Single Eksponential Smoothing) Formula umum untuk metode pemulusan eksponensial tunggal adalah :
ˆ ˆ t +1 = αYt + (1 + α)Y Υ t b. Metode Pemulusan Eksponensial Ganda (Double Eksponensial Smoothing). Formulasi untuk metode ini adalah : St = αYt + (1 + α)St −1 S
t
= α(St ) + (1 − α)S′t′−1
31
at = 2 St - S′t′ bt =
α (St − S′t′) 1− α
ˆ = a + b (t ) Ramalan Periode t ke depan : Y t t t dimana : St
= Pemulusan tahap satu
S˝t
= Pemulusan tahap dua
Yt
= Nilai aktual periode t
α
= Konstanta pemulusan (0< α <1)
at
= Nilai intersep
bt
= Nilai slope
ˆ Y t
= Nilai ramalan periode t
t
= Periode waktu
2) Metode Winter’s a.
Metode Winter’s Multiplikatif Metode awal : Yt = Trt * Snt * εt dengan Trt = a+ b(t) Update parameter : Update komponen awal
: at = α(Yt / Snt-i ) + (1-α)(at-1 + bt-1)
Update komponen slope
: bt = ß(at – at-1) + (1-ß)(bt-1)
Update komponen seasional : Snt = γ(Yt / at ) + (1-γ)(Snt-1) Ramalan (Y) pada periode ke depan : Ŷt+p = [at + bt (p)]Snt-L-p b.
Metode Winter’s Aditif Metode awal : Yt = Trt + Snt + εt dengan Trt = a+b(t) Update parameter : Update komponen level
: at = α(Yt – Snt-1 ) + (1-α)(at-1 +bt-1)
Update komponen slope
: bt = ß(at – at-1) + (1-ß)(bt-1)
Update komponen seasional : Snt = γ(Yt - at ) + (1-γ)(Snt-1) Ramalan (Y) pada (p) periode ke depan : Ŷt+p = [at + bt (p)]Snt-L+p Dimana Yt
= Data aktual penjualan produk brownies periode t
at
= pemulusan terhadap deseasonalized data pada periode t
bt
= Pemulusan terhadap dugaan trend pada periode t
Snt
= Pemulusan terhadap dugaan musiman pada periode t
32
Ŷt+p = ramalan m periode ke depan setelah periode t α, ß, γ= Pembobot pemulusan L
= Banyaknya periode dalam satu tahun
3) Metode Dekomposisi : Yt = Trt *Clt* Snt * εt
a. Metode Dekomposisi Multiplikatif b. Metode Dekomposisi Aditif dimana : Yt
: Yt = Trt +Clt+ Snt + εt
= Data aktual penjualan produk brownies di EBB
Trt
= Komponen trend pada periode t
Clt
= Komponen siklus pada periode t
Snt
= Komponen musiman pada periode t
εt
= Komponen galat pada periode t
4) Metode Bob-Jenkins (ARIMA/SARIMA) a. Model Non Musiman (ARIMA) Model non musiman ARIMA dapat digambarkan sebagai berikut : ARIMA (p, d, q) Dimana : p = Menunjukan orde/derajat autoregressif d = Menunjukan orde/derajat differencing (pembedaan) q = Manunjukan orde/derajat moving average b. Model Musiman (SARIMA) SARIMA adalah singkatan dari seasonal autoregressive integrated moving average. Model SARIMA dapat dirumuskan sebagai berikut : SARIMA (p, d, q)(P, D, Q, L)L Dimana: p, P = Orde autoregresif (AR) non musiman dan musiman d, D = Orde pembedaan musiman dan non musiman q, Q = Orde moving average (MA) non musiman dan musiman L
= Beda kala musiman
4.4.4. Pemilihan Metode Peramalan Time Series Metode-metode peramalan time series yang sudah diterapkan pada deret data ekspor tuna loin, selanjutnya dipilih model yang dianggap paling sesuai. Hasil analisis dari berbagai model tersebut kemudian dibandingkan untuk menentukan model yang menghasilkan angka penyimpangan yang paling kecil. Evaluasi model yang akan digunakan yaitu Mean Absolute Deviation (MAD). 33
Nilai MAD mengukur keakuratan ramalan melalui rata-rata keadaan galat ramalan (nilai absolut setiap galat). MAD berguna untuk mengukur galat ramalan dalam unit yang sama dengan deret asli. MAD mempunyai formulasi sebagai berikut : MAD =
(
1 n ∑ Υt − Yˆt n t =1
Dimana :
)
Yt
= Nilai Aktual
Ŷt
= Nilai ramalan
Y- Ŷt = Error n
= Banyaknya data/ observasi
4.5. Analisis Kuantitatif Perencanaan Pengadaan Bahan Baku Tiga hal yang dicari melalui perencanaan pengadaan bahan baku adalah kuantitas dan frekuensi pesanan yang optimal dan biaya minimum bagi perusahaan. Dalam penelitian ini akan dilakukan analisis perencanaan pengadaan bahan baku yang didasarkan pada ramalan volume ekspor tuna loin PT Tridaya Eramina Bahari tahun 2010. Hasil ramalan kemudian digunakan untuk mengestimasi kebutuhan bahan baku pada periode 2010. 1) Penentuan Tingkat Pemesanan Optimal Penentuan tingkat pemesanan optimal dilakukan dengan menggunakan metode terbaik yang memberikan nilai persediaan total paling minimum antara metode perusahaan dengan mentode EOQ. Tahap ini meliputi penentuan kuantitas pesanan optimal dan frekuensi pemesanan optimal. 2) Analisis Persediaan Pengaman Penentuan besarnya persediaan pengaman dipengaruhi oleh banyak faktor. Faktor-faktor yang perlu diperhatikan antara lain jarak waktu penyerahan dan waktu yang terlindung. Jarak waktu penyerahan adalah jarak waktu antara saat pengadaan pesanan tersebut diterima, sedangkan waktu yang terlindung ( coverage time) adalah jangka waktu yang efektif dimana persediaan pengaman dapat menutupi fluktuasi permintaan tanpa dibantu oleh penambahan persediaan. 3) Titik Pemesanan Kembali (Reorder Point) Titik pemesanan kembali merupakan titik atau batas dari jumlah persediaan yang ada pada suatu saat, dimana pemesanan poersediaan harus 34
diadakan
kembali.
Perhitungan
titik
pemesanan
kembali
harus
memperhatikan besarnya penggunaan bahan baku selama bahan baku yang dipesan belum datang dan persediaan pengaman. Besarnya titik pemesanan kembali dapat dihitung menggunakan rumus sebagai berikut : T = L.d
Dimana :
T = Titik pemesanan kembali L = Waktu tunggu rata-rata d = Rata-rata pemakaian per hari L.d = Pemakaian bahan baku selama waktu tunggu S = Persediaan pengaman
4.6. Analisis Sensitivitas Hasil Proyeksi Analisis sensitivitas dilakukan untuk melihat dampak perubahan jumlah kebutuhan bahan baku dan komponen biaya persediaan terhadap kuantitas dan frekuensi pemesanan yang optimal. Dengan demikian, dapat diketahui kemungkinan biaya total persediaan yang akan terjadi di masa yang akan datang. Analisis ini dilakukan dengan memperhitungkan kemungkinan besarnya biaya yang terjadi berdasarkan perubahan jumlah kebutuhan bahan baku dan komponen biaya persediaan yang ada.
35
