PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE PLANNING AND FORECASTING (Studi kasus: PT. Sinar Niaga Sejahtera Surakarta)
Skripsi Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik
ARDHA KURNIA SARI YUDHA PUTRI I 0303015
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2010
IV-1
LEMBAR PENGESAHAN Judul Skripsi :
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE PLANNING AND FORECASTING (Studi kasus: PT. Sinar Niaga Sejahtera Surakarta) Ditulis oleh: Ardha Kurnia Sari Yudha Putri I 0303015
Mengetahui,
Dosen Pembimbing II
Dosen Pembimbing I
Yuniaristanto, ST., MT. NIP. 19750617 200012 1 001
I Wayan Suletra, ST., MT NIP. 19750308 200012 1 001
Pembantu Dekan I Fakultas Teknik
Ketua Jurusan Teknik Industri UNS
Ir. Noegroho Djarwanti, MT NIP 19561112 198403 2 007
Ir. Lobes Herdiman, MT NIP 19641007 199702 1 001
IV-2
LEMBAR VALIDASI Judul Skripsi :
PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE PLANNING AND FORECASTING (Studi kasus: PT. Sinar Niaga Sejahtera Surakarta) Ditulis oleh: Ardha Kurnia Sari Yudha Putri I 0303015
Telah disidangkan pada hari Rabu tanggal 19 Mei 2010 Di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta, dengan Dosen Penguji 1. Eko Liquiddanu, ST., MT. NIP 19710128 199802 1 001
2. Yusuf Priyandari, ST., MT. NIP 197912222 00312 1 001
Dosen Pembimbing 1. Yuniaristanto, ST., MT. NIP 19750617 200012 1 001
2. I Wayan Suletra, ST., MT NIP. 19750308 200012 1 001
IV-3
SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini, Nama
: Ardha Kurnia Sari Yudha Putri
NIM
: I 0303015
Judul tugas akhir
: Perancangan Sistem Pendukung Keputusan Untuk Mendukung Collaborative Planning And Forecasting (Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)
Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun tidak mencontoh atau melakukan plagiat dari karya tulis orang lain. Jika terbukti bahwa Tugas Akhir yang saya susun mencontoh atau melakukan plagiat dapat dinyatakan batal atau gelar Sarjana yang saya peroleh dengan sendirinya dibatalkan atau dicabut. Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan apabila dikemudian
hari
terbukti
melakukan
kebohongan
maka
saya
sanggup
menanggung segala konsekuensinya.
Surakarta, Agustus 2010
Ardha Kurnia S.Y.P I 0303015
IV-4
SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini, Nama
: Ardha Kurnia Sari Yudha Putri
NIM
: I 0303015
Judul tugas akhir
: Perancangan Sistem Pendukung Keputusan Untuk Mendukung Collaborative Planning And Forecasting (Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)
Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun sebagai syarat lulus Sarjana S1 disusun secara bersama-sama dengan Pembimbing 1 dan Pembimbing 2. Bersamaan dengan syarat pernyataan ini bahwa hasil penelitian dari Tugas Akhir (TA) atau Skripsi yang saya susun bersedia digunakan untuk publikasi dari proceeding, jurnal, atau media penerbit lainnya baik di tingkat nasional maupun internasional sebagaimana mestinya yang merupakan bagian dari publikasi karya ilmiah Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.
Surakarta, Agustus 2010
Ardha Kurnia S.Y.P I 0303015
IV-5
KATA PENGANTAR Salam sejahtera, Puji syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa yang telah memberikan hikmat dan anugerahnya-Nya sehingga penulis dapat menyelesaikan skripsi ini. Pada kesempatan yang sangat baik ini, dengan segenap kerendahan hati dan rasa yang setulus-tulusnya, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Ir. Noegroho Djarwanti, M.T. selaku Pembantu Dekan I Fakultas Teknik Universitas Sebelas Maret Surakarta. 2. Bapak Ir. Lobes Herdiman, MT. selaku Ketua Jurusan Teknik Industri Universitas Sebelas Maret Surakarta. 3. Bapak Yuniaristanto, ST., MT. dan I Wayan Suletra, ST., MT. selaku dosen pembimbing yang telah sabar dalam memberikan pengarahan dan bimbingan sehingga penulis dapat menyelesaikan skripsi ini dengan lancar. 4. Bapak Eko Liquiddanu, ST., MT. selaku dosen penguji skripsi I dan Yusuf Priyandari, ST, MT selaku dosen penguji skripsi II yang berkenan memberikan saran dan perbaikan terhadap skripsi ini. 5. Bapak Ir. Lobes Herdiman, MT selaku pembimbing akademis. Terima kasih atas bimbingan, nasehat dan motivasinya selama ini. 6. Dosen-dosen Teknik Industri yang memberikan ilmu dan pengetahuan yang kelak pasti berguna. 7. Para staf dan karyawan Jurusan Teknik Industri (mba’ Yayuk, mba’ Rina, pak Agus, mba’Tutik), atas segala kesabaran dan pengertiannya dalam memberikan bantuan demi kelancaran penyelesaian skripsi ini. 8. Para staf dan karyawan PT. Sinar Niaga Sejahtera Surakarta yang telah menerima saya dengan baik dan memberikan bantuan beserta fasilitas selama melakukan penelitian. 9. Kedua orangtuaku, yang tak pernah lelah memberikan dukungan, motivasi dan doanya. I Love you both.
IV-6
10. Kedua saudaraku tersayang, Mba’ Deni dan Ayu serta ”The little Princessa” yang selalu memberiku semangat untuk terus berkarya dan berbuat yang lebih baik. 11. R. Aditya Pradana yang selalu setia menemani dalam suka dan duka, sehat dan sakit, kaya dan miskin . 12. Tante Ida, Om Yit, Adit dan Ajeng, Mba Shanti, Alin, Dimas, Anggita, Mas Eri, Mba Iik, etc. What an amazing family. 13. Teman – temanku A5: Yudhy, Yahudha, Yudha, Titus, Suryo, Anita, Rini, Endrew, Tony, bangga bisa kenal dengan kalian. I’m gonna miss you guys. 14. Seluruh teman Teknik Industri angkatan ’03 UNS yang bersama berjuang dalam
menyelesaikan
studi
Strata-1.
Atas
semua
bantuannya
saya
mengucapkan banyak terima kasih. 15. Seluruh pihak yang tidak dapat penulis sebutkan dalam kata pengantar ini. Semoga skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa maupun siapa saja yang membutuhkannya. Penulis menyadari bahwa laporan tugas akhir ini masih jauh dari sempurna, dengan senang hati dan terbuka penulis menerima segala saran dan kritik yang membangun. Surakarta, Agustus 2010
Penulis
IV-7
ABSTRAK Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE PLANNING AND FORECASTING (Studi Kasus di PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta). Skripsi. Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, Juli 2010. Rata–rata retur barang outlet di PT. Sinar Niaga Sejahtera Surakarta periode Agustus 2008 – Juli 2009 adalah sebesar 1,82%, lebih besar 1,32% dari target retur per bulan yaitu 0,5%. Kategori barang yang dapat diretur adalah barang yang rusak dan barang yang mendekati tanggal kadaluarsa. Penyebab retur terbesar adalah outlet yang memesan barang lebih banyak dari kebutuhannya sebagai upaya antisipatif apabila ada lonjakan permintaan. Kerja sama antara PT. Sinar Niaga Sejahtera dengan outlet dalam membuat rencana pengadaan barang diharapkan dapat mengurangi resiko terjadinya retur. CPF (Collaborative Planning and Forecasting) adalah sebuah rangkaian proses kerjasama antara pihak outlet dengan distributor atau produsen untuk melakukan perencanaan bisnis dan peramalan secara bersama. Penelitian ini akan membahas mengenai bagaimana mengembangkan sistem pendukung keputusan untuk mendukung CPF antara distributor dengan outlet. Perancangan sistem pendukung keputusan dibagi dalam tiga langkah. Langkah pertama adalah perancangan basis model. Perancangan basis model mengacu pada langkah–langkah yang telah ditentukan dalam perancangan CPF. Perhitungan peramalan menggunakan metode Holt Winter dan data penjualan produk akan diagregasi dengan mengadaptasi metode Pyramid Forecasting. Langkah kedua adalah perancangan basis data berdasarkan kebutuhan sistem dengan pemodelan sistem menggunakan diagram arus data (DAD) serta perancangan basis data dengan normalisasi, pembentukan kamus data, pengkodean, dan pembuatan relasi antar tabel. Langkah ketiga adalah perancangan basis dialog yaitu perancangan user interface yang terkait dengan perancangan form input dan output dari sistem pendukung keputusan yang dirancang. Validasi dilakukan untuk menjelaskan bahwa sistem pendukung keputusan yang dirancang telah sesuai dengan kebutuhan sistem. Validasi dilakukan terhadap performansi sistem yang dibangun dan pengujian ketepatan output sistem pendukung keputusan dengan perhitungan manual. Hasil pengujian performansi yang berdasarkan dua kriteria yaitu kriteria ground truth dan judgment menunjukkan bahwa sistem pendukung keputusan yang dirancang mampu memberikan informasi secara cepat dan tepat. Hasil analisis perbandingan hasil peramalan menunjukkan bahwa pengadaan barang menggunakan metode usulan lebih valid daripada menggunakan metode rata–rata sederhana yang selama ini digunakan oleh perusahaan. Kata kunci: sistem pendukung keputusan, metode holt winter, collaborative planning, and forecasting, pyramid forecasting, validasi xvi + 90 halaman; 26 tabel; 55 gambar; 3 lampiran. Daftar pustaka : 10 (1992 – 2008).
IV-8
ABSTRACT Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, DESIGN OF DECISION SUPPORT SYSTEM FOR SUPPORTING COLLABORATIVE PLANNING AND FORECASTING (Case Study at PT. Sinar Niaga Sejahtera, Marketing Area: Surakarta). Thesis. Surakarta: Department of Industrial Engineering, Faculty of Engineering, Sebelas MaretUniversity , July 2010. Average returns of products from outlets at PT. Sinar Niaga Sejahtera on August 2008 - July 2009 was 1.82%, which is larger than the normal monthly returns as 0.5%. Product categories that can be returned are the defective and expired products. The main causes of product returns are outlets which order products more than they needed for anticipating the demand frisk. Collaboration between PT. Sinar Niaga Sejahtera with outlets in products procurement plan is expected to reduce the risk of a return. CPF (Collaborative Planning, and Forecasting) is a series of cooperation process between the outlet and the distributor or manufacturer to do business planning and forecasting mutually. This research will discuss about how to develop a decision support system to support the CPF for both the distributors and outlets. Decision support system design is divided into three steps. The first step is to design a model base which refers to the CPF steps. The sales forecasting uses Holt Winter method and products sales data will be aggregated by adapting the Pyramid Forecasting approach. The second step is to design database based on the system requirements by using data flow diagrams, normalization, data dictionary, coding, and creating entity relathionship diagram. The third step is to design dialogue basis related to design the user interface including design of the input and output forms in decision support systems. Finally, validation is conducted to explain that decision support systems designed is suitable with the system requirements. Validation is performed to test the system performances and the accuracy of decision support system calculation. Performance testing is based on two criterias: the ground truth and judgments. The results show that decision support system designed be able to provide information quickly and precisely. The comparative analysis of forecasting results show that the proposed method is better than a moving average method that is used by the company. Keywords: decision support system, collaborative planning, and forecasting, Holt Winter method, pyramid forecasting, validation xvi + 90 pages; 26 tables; 55 pictures; 3 attachments. Bibliography : 10 (1992 – 2008).
IV-9
DAFTAR ISI HALAMAN JUDUL
i
LEMBAR PENGESAHAN
ii
LEMBAR VALIDASI
iii
SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH
iv
SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH
v
KATA PENGANTAR
vi
ABSTRAK
viii
ABSTRACT
ix
DAFTAR ISI
x
DAFTAR TABEL
xiii
DAFTAR GAMBAR
xiv
DAFTAR LAMPIRAN
xvi
BAB I
BAB II
PENDAHULUAN 1.1 Latar Belakang Masalah
I–1
1.2 Perumusan Masalah
I–4
1.3 Tujuan Penelitian
I–4
1.4 Batasan Penelitian
I–4
1.5 Asumsi Penelitian
I–4
1.6 Manfaat Penelitian
I–5
1.7 Sistematika Penulisan
I–5
TINJAUAN PUSTAKA 2.1 Tinjauan Umum Perusahaan
II – 1
2.1.1 Sejarah Perkembangan Perusahaan
II – 1
2.1.2 Lokasi Perusahaan dan Struktur Organisasi
II – 2
2.1.3 Sistem Order dan Wilayah Pemasaran
II – 3
2.1.4 Jenis Produk
II – 5
2.2 Landasan Teori
II – 5
2.2.1 Konsep Dasar Manajemen Rantai Pasok
II – 6
2.2.2 Bullwhip Effect
II – 7
2.2.3 Peramalan
II – 11
IV-10
2.2.4 Sistem Pendukung Keputusan
II – 20
2.2.5 Collaborative Planning, Forecasting,
BAB III
BAB IV
and Replenishment
II – 27
2.2.6 Referensi Lainnya
II – 32
METODOLOGI PENELITIAN 3.1 Identifikasi Sistem Perusahaan
III – 1
3.2 Analisis Kebutuhan Sistem
III – 2
3.3 Perancangan Basis Model
III – 2
3.4 Perancangan Basis Data
III – 5
3.5 Perancangan Basis Dialog
III – 6
3.6 Perancangan Aplikasi Collaborative Forecasting
III – 6
3.7 Validasi Sistem Pendukung Keputusan
III – 6
3.8 Analisis dan Interpretasi Hasil
III – 7
3.9 Kesimpulan dan Saran
III – 7
PERANCANGAN SISTEM 4.1 Identifikasi Sistem Perusahaan
IV – 1
4.1.1 Prosedur Pengadaan Barang
IV – 1
4.1.2 Prosedur Penjualan
IV – 2
4.1.3 Data Penjualan
IV – 3
4.2 Analisis Kebutuhan Sistem
IV – 4
4.3 Perancangan Basis Model
IV – 5
4.3.1 Collaborative Planning
IV – 6
4.3.2 Pyramid Forecasting
IV – 7
4.3.3 Perhitungan Kebutuhan Barang
IV – 11
4.4 Perancangan Basis Data
IV – 12
4.4.1 Perancangan Sistem
IV – 11
4.4.2 Pengkodean
IV – 19
4.4.3 Tahap Perancangan Logika
IV – 21
4.4.4 Entity Relationship Diagram (ERD)
IV – 26
4.5 Perancangan Basis Dialog
IV – 27
4.5.1 Kamus Data
IV – 27
4.5.2 Perancangan User Interface Input
IV – 30
IV-11
4.5.3 Perancangan User Interface Output
IV – 36
4.6 Perancangan Aplikasi CPFR
IV – 37
4.7 Validasi Sistem Pendukung Keputusan
IV – 42
4.7.1 Ground Truth (dasar kebenaran)
IV – 42
4.7.2 Judgement (Penilaian)
IV – 43
4.8 Pengujian Ketepatan Output SPK dengan perhitungan
IV – 44
Manual BAB V
ANALISIS DAN INTERPRETASI DATA 5.1 Perbandingan Sistem Awal dan Sistem Usulan
V–1
5.2 Analisis Collaborative Planning and Forecasting
V–2
terhadap Bullwhip Effect 5.3 Implementasi Sistem Pendukung Keputusan
V–3
Collaborative Planning and Forecasting BAB VI
KESIMPULAN DAN SARAN 5.1 Kesimpulan
VI – 1
5.2 Saran
VI – 2
DAFTAR PUSTAKA LAMPIRAN
IV-12
BAB I PENDAHULUAN
1.1 LATAR BELAKANG MASALAH PT Sinar Niaga Sejahtera merupakan perusahaan distributor makanan dan minuman. PT Sinar Niaga Sejahtera mendistribusikan produknya melalui beberapa echelon (multi echelon) sebelum akhirnya dapat dikonsumsi oleh konsumen. Produk didistribusikan ke outlet-outlet yaitu grosir, semi-grosir, retailer maupun modern market. Produk dapat didistribusikan lagi ke outlet yang lebih kecil ataupun dapat langsung dikonsumsi oleh konsumen setelah dari grosir maupun sub-distributor. Rencana pengadaan barang dilakukan oleh kepala cabang dengan menghitung rata – rata order dari outlet selama 5 bulan. Pertimbangan manajerial akan ditambahkan apabila terjadi hal – hal di luar kebiasaan, yaitu misalnya kegiatan promosi dari produsen dan hari raya Idul Fitri. Jadwal promosi dari outlet biasanya tidak diketahui sehingga pada saat perencanaan pengadaan barang tidak ditambahkan. PT. Sinar Niaga Sejahtera memberikan toleransi terhadap retur barang dari outlet untuk menjaga kualitas produk sehingga konsumen selalu mendapatkan produk dengan kondisi dan kualitas yang baik. Toleransi retur yang diberikan hanya sebesar 0,5% dari total omset outlet. Namun yang sering terjadi adalah outlet yang melakukan retur produk lebih dari 0,5% per bulan. PT Sinar Niaga Sejahtera distributor wilayah Surakarta mencatat sepanjang bulan Agustus 2008 – Juli 2009 rata – rata retur produk dari outlet adalah sebesar 1,82% dari total omsetnya. Kerugian yang diakibatkan retur barang dari outlet ditanggung oleh PT Sinar Niaga Sejahtera. Terdapat penarikan produk yang mendekati kadaluarsa pada bulan Mei dan Juni 2009 yang tercatat sebagai retur sehingga ± 30% dari retur pada bulan itu adalah penarikan barang yang mendekati tanggal kadaluarsa. Retur kadaluarsa dilakukan oleh kurang dari 10% outlet yang dilayani oleh PT. Sinar Niaga Sejahtera distributor wilayah Surakarta. Hal ini sangat merugikan pihak PT. Sinar Niaga Sejahtera karena harus menanggung kerugian retur yang besar setiap bulannya.
IV-13
PT Sinar Niaga Sejahtera memberikan kebebasan kepada outlet dalam menentukan jumlah order produk. Outlet akan memesan produk dalam jumlah yang besar sehingga kelebihan produk yang disimpan terlalu lama menjadi rusak dan bahkan kadaluarsa sehingga harus dikembalikan (retur) kepada pihak PT Sinar Niaga Sejahtera. Perencanaan pengadaan barang yang hanya berdasarkan pada intuisi saja juga menyebabkan outlet memesan barang lebih banyak dari kebutuhannya dalam seminggu sehingga kelebihan barang disimpan di gudang dalam jangka waktu yang lama. Outlet memesan barang dalam jumlah yang banyak untuk mengantisipasi apabila terjadi lonjakan permintaan dari konsumen. Hal – hal yang menyebabkan retur barang dapat dilihat pada gambar 1.1 berikut: Barang Rusak Perlakuan yang salah terhadap barang
Disimpan terlalu lama karena order terlalu banyak
Kondisi gudang kotor
Retur Kelebihan order Kesalahan manajemen
Barang Kadaluarsa
Gambar 1.1 Fishbone diagram retur barang di PT. SNS Surakarta Gambar 1.1 memaparkan apa saja yang menjadi penyebab retur produk dari outlet ke PT. Sinar Niaga Sejahtera. Penyebab terbanyak adalah outlet yang memesan barang lebih banyak daripada kebutuhannya sebagai upaya antisipatif apabila ada lonjakan permintaan dari konsumen. Semestinya outlet tidak perlu memesan barang dalam jumlah yang besar sekaligus karena outlet dapat memesan barang seminggu sekali sesuai dengan jadwal kunjungan salesman. Selain itu kurangnya komunikasi antara PT. Sinar Niaga Sejahtera dengan outlet juga menjadi penyebab banyaknya persentase retur secara tidak langsung. Adanya komunikasi antara outlet dengan PT. Sinar Niaga Sejahtera memungkinkan kedua pihak untuk melakukan kerja sama dalam melakukan peramalan untuk membuat perencanaan pengadaan barang sehingga persentase retur dapat dikurangi. Kerjasama atau kolaborasi di semua pihak di dalam rantai pasok sangat diperlukan untuk mencapai tujuan bersama. Kolaborasi yang dimaksud adalah
IV-14
kolaborasi dalam pembuatan rencana bisnis, peramalan, dan replenishment barang. CPFR (Collaborative Planning, Forecasting, and Replenishment) adalah sebuah rangkaian proses atau kegiatan kerjasama antara pihak outlet dengan distributor atau pabrik untuk melakukan perencanaan bisnis, peramalan dan replenishment secara bersama (Tenhiala, 2003). Collaborative planning adalah perencanaan bisnis bersama antara produsen, distributor dan outlet. Perencanaan yang dilakukan meliputi pembagian informasi aktivitas bisnis masing – masing. Sedangkan Collaborative forecasting adalah peramalan yang dilakukan bersama – sama dengan menggunakan data penjualan dari outlet atau diasumsikan sebagai demand dari konsumen. Collaborative replenishment adalah eksekusi pengiriman order untuk seluruh perusahaan yang bekerja sama. Pihak produsen wajib mengkomunikasikan kembali realisasi pemenuhan order sehingga pihak distributor bisa meneruskan pengiriman ke outlet. Collaborative replenishment tidak dibahas dalam penelitian ini karena PT. Sinar Niaga Sejahtera sudah mempunyai pertimbangan dan standar sendiri dalam menentukan jumlah order serta pengiriman order untuk outlet. Pembagian informasi sangat diperlukan untuk melakukan CPFR. Model kolaborasi ini sangat bermanfaat untuk mensinkronkan ramalan di sepanjang rantai pasok. Penerapan CPFR diharapkan dapat mencegah terjadinya bullwhip effect karena peramalan dilakukan oleh satu pihak berdasarkan informasi permintaan konsumen yang diperoleh dari outlet sehingga mengurangi resiko terjadinya distorsi informasi. PT. Sinar Niaga Sejahtera diharapkan dapat melakukan kontrol secara langsung terhadap jumlah pemesanan barang yang dilakukan oleh outlet sehingga dapat mengurangi penumpukan jumlah barang yang dilakukan outlet di gudangnya serta dapat mengetahui seberapa besar permintaan konsumen yang sebenarnya. Sebuah
sistem
pendukung
keputusan
pengambilan keputusan sehingga kebutuhan
akan
memudahkan
proses
PT Sinar Niaga Sejahtera dapat
diakomodir dalam melakukan pengadaan barang sesuai dengan konsep CPFR karena selama ini proses pengambilan keputusan pengadaan barang dilakukan secara manual dengan menggunakan Microsoft Excel. Pembuatan suatu database yang berisi jadwal promosi baik dari produsen maupun jadwal promo outlet akan
IV-15
sangat membantu dalam melakukan perencanaan pengadaan barang sehingga dapat dijadikan pertimbangan tambahan dalam menentukan keputusan pengadaan barang. Sistem pendukung keputusan yang dirancang diharapkan dapat memberikan alternatif keputusan pengadaan barang yang lebih cepat, tepat dan akurat. 1.2 PERUMUSAN MASALAH Berdasarkan latar belakang masalah yang telah dipaparkan di atas maka perumusan masalah yang diangkat yaitu bagaimana membangun sistem pendukung keputusan untuk mendukung Collaborative Planning and Forecasting. 1.3 TUJUAN PENELITIAN Adapun tujuan pelaksanaan penelitian di PT Sinar Niaga Sejahtera adalah merancang sistem pendukung keputusan untuk mendukung Collaborative Planning and Forecasting. 1.4 BATASAN PENELITIAN Agar penyusunan skripsi ini lebih fokus pada permasalahan yang diangkat dan tujuan yang ditetapkan tercapai maka perlu dilakukan pembatasan masalah yaitu: 1. Rantai pasok yang diteliti adalah rantai distributor-outlet. 2. Implementasi sistem pendukung keputusan yang dirancang tidak dibahas. 3. Biaya pembuatan program aplikasi dan biaya perawatan inventaris tidak dibahas. 4. Perancangan order forecast dalam CPFR tidak dibahas dalam penelitian ini.
1.5 ASUMSI PENELITIAN Asumsi digunakan untuk menyederhanakan kompleksitas permasalahan yang diteliti. Asumsi yang digunakan dalam penelitian ini adalah: 1. Pihak distributor dan outlet sepakat untuk melakukan CPF (Collaborative Planning and Forecasting ). 2. Data penjualan dari outlet ke konsumennya dianggap mewakili permintaan aktual konsumen akhir.
IV-16
3. Harga produk tidak mengalami perubahan. 4. Lead time untuk setiap produk ke outlet adalah sama, yaitu 1 hari. 1.6 MANFAAT MASALAH Manfaat yang dapat diambil dari pelaksanaan penelitian di PT Sinar Niaga Sejahtera antara lain: 1. Mengurangi Bullwhip effect di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta. 2. Mengurangi retur barang di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta. 3. Memudahkan proses pengambilan keputusan dalam pengadaan barang. I.7 SISTEMATIKA PENULISAN Sistematika penulisan yang digunakan dalam penyusunan skripsi ini sebagai berikut: BAB I PENDAHULUAN, memuat latar belakang masalah, perumusan masalah, penetapan tujuan dan manfaat, batasan masalah, asumsi dan sistematika penulisan. BAB II TINJAUAN PUSTAKA, bab ini membahas tentang gambaran umum PT Sinar Niaga Sejahtera distributor wilayah Surakarta yang merupakan tempat dilaksanakannya penelitian skripsi.
Serta berisi landasan teori yang
memuat teori-teori yang menunjang dalam pengolahan data. BAB III METODOLOGI PENELITIAN, berisi langkah-langkah penyelesaian masalah secara umum. Tahapan itu meliputi penetapan perumusan masalah, pengumpulan data, pengolahan data, analisis dan interpretasi hasil, dan kesimpulan dan saran. BAB IV PERANCANGAN SISTEM, berisi tentang sistem perusahaan saat ini beserta langkah – langkah perancangan sistem pendukung keputusan. BAB V ANALISIS DAN INTERPRETASI HASIL, berisi uraian analisis dan interpretasi dari hasil perancangan sistem yang telah dilakukan. BAB VI KESIMPULAN DAN SARAN, berisi kesimpulan dari hasil pengolahan data dan analisis serta saran-saran yang diperlukan dalam mendapatkan hasil yang lebih baik.
IV-17
BAB II TINJAUAN PUSTAKA
Bab II merupakan tinjauan pustaka yang berisi tinjauan umum perusahaan serta landasan teori yang mendukung pengolahan data dalam penyusunan skripsi ini. Tinjauan umum perusahaan meliputi sejarah perkembangan perusahaan, lokasi serta struktur organisasi perusahaan, sistem order dan wilayah pemasaran serta jenis produk dan armada pengiriman. Landasan teori berisi tentang teori Bullwhip Effect, CPFR, peramalan dan sistem pendukung keputusan. 2.1 TINJAUAN UMUM PERUSAHAAN Sub bab ini berisi mengenai sejarah pekembangan perusahaan, lokasi serta struktur organisasi perusahaan, sistem order dan wilayah pemasaran serta jenis produk dan armada pengiriman. 2.1.1 Sejarah Perkembangan Perusahaan PT Sinar Niaga Sejahtera (SNS) didirikan pada tahun 1994, peran SNS sangat menentukan bagi perkembangan Garuda Food. Berbagai macam produk Garudafood bisa diperoleh konsumen di wilayah-wilayah pelosok seluruh Indonesia karena didistribusikan oleh PT. Sinar Niaga Sejahtera. SNS telah memiliki 96 depo dan memiliki 5 kantor regional yang tersebar di seluruh kota besar di Indonesia, yang melayani hampir 150.000 outlet pelanggan di seluruh Indonesia. SNS juga bermitra dengan subdisributor besar yang tersebar dari Aceh sampai Papua untuk memperluas jaringannya. PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta merupakan salah satu depo yang memiliki kantor regional di Yogyakarta. PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta bertujuan untuk kegiatan pendistribusian produk Garudafood dari pabrik sampai ke outlet-outlet yang berada di wilayah Surakarta dan sekitarnya yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo, Karanganyar dan Boyolali. Perusahaan ini berperan sebagai distributor wilayah yang menangani pendistribusian produk di wilayah Surakarta dan sekitarnya. PT. Sinar Niaga
IV-18
Sejahtera tidak memproduksi produk namun hanya mendistribusikan produk sedangkan supply produk diperoleh langsung dari pabrik. Saat ini jumlah outlet yang dilayani oleh perusahaan meliputi 24 chainstore, 247 grosir, 546 semi grosir, 2 sub dis, 886 retailer dan 57 modern market. 2.1.2 Lokasi Perusahaan dan Struktur Organisasi PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta berlokasi di Jalan Raya Solo-Purwodadi km 5. Letak perusahaan yang strategis memudahkan dalam pendistribusian serta memudahkan keluar masuknya truk dari pabrik serta mini truk yang mendistribusikan produk ke retailer. Adapun struktur organisasi di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta dapat dilihat pada gambar 2.1 di bawah ini
Gambar 2.1 Struktur Organisasi PT SNS Distributor Wilayah Solo (Sumber: PT Sinar Niaga Sejahtera distributor wilayah Surakarta, 2008) Secara lebih jelas, struktur organisasi dapat dijelaskan sebagai berikut ini: 1. Kepala Cabang (BM) Kepala cabang adalah kepala PT Sinar Niaga Sejahtera distributor wilayah Solo. Kepala cabang bertanggung jawab atas segala hal yang berkaitan dengan PT. Sinar Niaga Sejahtera distributor wilayah Solo. 2. Sales Area Koordinator (SAK) SAK bertanggungjawab terhadap jadwal kunjungan salesman ke outlet. SAK terdiri dari dua divisi, yaitu SAK untuk pasar tradisional dan SAK untuk modern market. 3. Finance Account Manager (FAS)
IV-19
Finance Account Manager bertanggungjawab untuk semua masalah keuangan dan administrasi di PT Sinar Niaga Sejahtera distributor wilayah Solo. Setiap akhir bulan, FAS harus membuat laporan keuangan PT Sinar Niaga Sejahtera distributor wilayah Solo. Dalam tugasnya, FAS dibantu oleh beberapa petugas administrasi. 4. Kepala Gudang Kepala Gudang bertanggungjawab terhadap penyimpanan produk di dalam gudang termasuk di dalamnya adalah pengecekan jumlah inventory, keadaan produk dan proses dropping barang. Kepala gudang membawahi beberapa staff gudang dan juga dropper. Dropper berasal dari pihak ke tiga atau pihak penyedia jasa transportasi. 2.1.3 Sistem Order dan Wilayah Pemasaran Sebagai
distributor
yang
melayani
pendistribusian
produk-produk
Garudafood, PT. SNS Distributor Wilayah Surakarta memiliki sistem order tertentu dalam mengatur penerimaan order serta pemenuhan order dari outlet. Sistem order tersebut meliputi penerimaan order dari outlet sampai pengiriman produk yang dipesan oleh outlet yang melibatkan beberapa bagian (divisi) dalam perusahaan. Secara sistematis sistem order di PT. SNS Unit Distributor Wilayah Surakarta dapat digambarkan dalam diagram alir gambar 2.1 berikut:
Gambar 2.2 Sistem order PT Sinar Niaga Sejahtera
IV-20
Diagram alir sistem order PT. Sinar Niaga Sejahter Distributor Wilayah Surakarta pada gambar 2.2 tersebut dapat dijelaskan sebagai berikut. 1. Order dari retailer. Order dari retailer berupa sejumlah produk dan kuantitasnya. Dalam mencari order dari outlet, PT Sinar Niaga Sejahtera mengandalkan salesman. setiap hari salesman selalu membuat purchase order untuk setiap order yang mereka dapatkan. Salesman mempunyai jadwal kunjungan tetap ke outlet-outlet yang berada di wilayah surakarta dan sekitarnya. Selain itu salesman juga bertugas mencari pelanggan baru yang akan bergabung dengan PT SNS. Order dari retailer ke distributornya biasanya datang dengan periode harian. 2. Bagian pemasaran. Bagian pemasaran bertugas menerima semua order yang datang dari retailer untuk semua jenis produk. Bagian pemasaran merupakan bagian yang berhubungan langsung dengan relasi, termasuk menangani pembayaran dari relasi serta menanggapi keluhan dari relasi. Bagian pemasaran menetapkan lead time satu hari terhitung mulai dari order diterima oleh bagian pemasaran sampai produk diterima oleh relasi. Selanjutnya bagian pemasaran meneruskan informasi tentang order relasi tersebut ke bagian sirkulasi. 3. Bagian inventori (gudang). Bagian inventori (gudang) mengatur penyimpanan produk di gudang. Pengaturan yang dilakukan oleh bagian inventori meliputi pengaturan letak dan penempatan produk di gudang serta pengaturan penempatan produk yang baru diterima oleh distributor dari pabrik dan pengaturan penempatan produk yang akan didistribusikan ke sejumlah retailer. Bagian inventori (gudang) selalu melakukan komunikasi dengan bagian inventori dengan saling memberikan informasi yang dibutuhkan. Sistem order di perusahaan melibatkan bagian sirkulasi untuk memberikan informasi rekap total order dari retailer kepada bagian inventori (gudang). Selanjutnya, bagian inventori bertugas menyiapkan produk yang akan dikirimkan ke retailer sesuai dengan rekap total order dari retailer. Tahap inilah yang disebut tahap persiapan pengiriman. 4. Bagian transportasi (dropping)
IV-21
Setelah tahap persiapan pengiriman selesai dilakukan, bagian transportasi akan menyiapkan armada transportasi berupa minitruk. Produk yang akan dikirim ke outlet diatur dan ditata secara optimal di dalam minitruk. Selanjutnya produk tersebut akan dikirim ke semua outlet yang telah melakukan order. Wilayah pemasaran PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo, Karanganyar dan Boyolali. Pelanggan PT Sinar Niaga Sejahtera meliputi semua retailer, grosir, semigrosir, modern market dan institusi yang berada di wilayah Surakarta dan sekitarnya. Selain itu juga terdapat star outlet, yaitu outlet dengan penjualan terbanyak dan mempunyai otoritas seperti grosir, tetapi juga dapat melakukan penjualan langsung kepada end user. Dari outlet – outlet tersebut barang dapat langsung dijual ke end user maupun ke outlet yang lebih kecil. Berikut ini adalah sistem jangkauan outlet dan distributor di PT Sinar Niaga Sejahtera:
Gambar 2.3 Sistem Jangkauan Outlet dan Distributor (Sumber: www.snsgroup.com, 2009) 2.1.4 Jenis Produk Produk-produk yang didistribusikan oleh PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta adalah produk-produk Garudafood dan beberapa produk non-Garudafood. Adapun jenis produk yang didistribusikan oleh PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta dapat dilihat pada lampiran L-1. 2.2 LANDASAN TEORI
IV-22
Sub bab ini berisi mengenai teori-teori pendukung dalam pengolahan data. Teori pendukung ini antara lain adalah teori Bullwhip Effect, CPFR, peramalan dan sistem pendukung keputusan.
2.2.1 Konsep Dasar Manajemen Rantai Pasok Manajemen rantai pasok adalah suatu pendekatan yang digunakan untuk mencapai pengintegrasian yang efisian dari supplier, manufakturer, distributor, retailer, dan konsumen (Simchi Levi dkk, 2000). Sedangkan menurut Council of Logistic Management, rantai pasok management adalah sistematis dan strategis koordinasi fungsi bisnis tradisional dalam perusahaan dan dalam seluruh kegiatan usaha dalam rantai pasokan untuk tujuan memperbaiki kinerja jangka panjang perusahaan individual dan rantai suplai keseluruhan (Pudjawan, 2005). Ada empat penggerak performansi rantai pasok yaitu: 1. Fasilitas Meliputi lokasi dimana inventori disimpan, dirakit atau diproses serta lokasi produksi
dan
penyimpanan
(gudang).
Ada
beberapa
komponen
yang
mempengaruhi keputusan fasilitas antara lain: a. Lokasi dimana perusahaan akan menempatkan fasilitasnya. b. Kapasitas c. Metode manufaktur d. Metodologi pergudangan 2. Inventori Menyangkut penyimpanan dan pengaturan bahan mentah, produk setengah jadi serta produk jadi. Selain itu juga menyangkut kebijakan inventori yang ditetapkan perusahaan. Ada beberapa komponen yang mempengaruhi keputusan inventori antara lain: a. Cycle inventory yaitu jumlah inventori rata-rata untuk memenuhi permintaan antar pengiriman b. Safety inventory yaitu inventori pengaman jika permintaan melebihi perkiraan c. Seasional inventory yaitu inventori untuk antisipasi variabilitas pemintaan yang dapat diprediksi.
IV-23
d. Overall trade off
3. Transportasi Kegiatan transportasi yaitu memindahkan inventori dari satu titik ke titik yang lain. Kegiatan transportasi menggunakan kombinasi moda dan rute transportasi. 4. Informasi Informasi yang dimaksud disini yaitu informasi yang berkaitan dengan ketiga penggerak performansi manajemen rantai pasok yang lain berupa data dan analisa inventori, transportasi dan fasilitas. Informasi merupakan penggerak utama potensial dari performansi rantai pasok. Ada beberapa komponen yang mempengaruhi keputusan informasi antara lain: a. Koordinasi dan pembagian informasi b. Peramalan dan perencanaan agregat c. Penetapan harga dan manajemen pendapatan d. Teknologi pendukung aliran informasi yaitu EDI, internet, ERP, software manajemen rantai pasok. 2.2.2 Bullwhip Effect “Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur rantai pasok yang mengarah ke hulu (upstream)” (Pudjawan, 2005). Bullwhip effect merupakan indikasi bahwa semakin mendekati hulu, inventori dalam rantai pasok akan makin membesar. Bullwhip effect merupakan akibat dari pengambilan keputusan rasional dalam organisasi yang terlibat dalam rantai pasok. Perusahaan akan cenderung menyimpan inventori tinggi pada keadaan tertentu lalu pada keadaan lainnya akan mengurangi jumlah inventori. Kegagalan untuk membuat estimasi yang akurat terhadap permintaan konsumen, permintaan pelanggan dan keterbatasan pertukaran informasi antar anggota rantai pasok akan mengakibatkan membengkaknya mengakibatkan
inventori pedagang
di
seluruh
menyimpan
IV-24
sistem. inventori
Kurangnya secara
informasi berlebihan.
Ketidakmampuan distributor dalam menduga permintaan pedagang akan memaksa distributor menyimpan produk yang cenderung berlebihan yang pada akhirnya akan muncul sebagai permintaan ke pabrik yang kelihatannya begitu besar dan seolah-olah merefleksikan naiknya permintaan konsumen. Hal seperti inilah yang disebut bullwhip effect. Model ramalan yang digunakan oleh perusahaan dapat berpengaruh terhadap bullwhip effect. Menurut studi yang dilakukan oleh Chen et al (1998), menunjukkan bahwa “untuk permintaan yang bersifat acak dengan distribusi yang identik (independent identically distributed atau i.i.d), bullwhip effect bisa lebih besar kalau ritel menggunakan model peramalan exponential smoothing dibandingkan dengan metode moving average” (Pudjawan, 2005). Mereka juga mengemukakan bahwa ramalan yang lebih halus bisa mengurangi bullwhip effect. Koefisien alpha yang lebih kecil bisa mengurangi bullwhip effect jika menggunakan model peramalan exponential smoothing. Distributor sering melakukan rationing jika terdapat suatu situasi dimana permintaan lebih tinggi dari pesediaan. Distributor tidak memenuhi seratus persen pesanan pelanggan, namun hanya sekian persen dari volume yang dipesan. Pelanggan akan melakukan upaya antisipatif karena mengetahui bahwa permintaan mereka sering tidak dipenuhi seluruhnya. Banyak pelanggan yang berupaya membesarkan ukuran pesanan mereka dengan harapan kalau dilakukan rationing, mereka masih mempunyai jumlah persediaan yang cukup untuk dijual. Kejadian seperti ini biasanya terjadi menjelang hari raya, tahun baru, dan sebagainya. Sayangnya kekurangan stok seperti ini tidak terjadi setiap saat dan tidak mudah untuk diprediksi. Akibatnya, sering kali pada saat persediaan sebenarnya cukup, pelanggan mengubah atau membatalkan pesanan mereka. Cara rationing seperti ini merusak informasi pasar pada rantai pasok. Pemain yang ada di bagian hulu tidak akan pernah mendapatkan informasi pasar yang mendekati kenyataan akibat motif gaming dan spekulatif yang dilakukan oleh pelanggan mereka. Pabrik dan pemain hulu lainnya tidak akan dengan mudah membedakan antara kenaikan pesanan yang bermotif spekulatif dan peningkatan pesanan yang murni merefleksikan peningkatan permintaan dari pelanggan akhir. B. Cara Mengurangi Bullwhip Effect
IV-25
Menurut Pudjawan (2005), pengurangan bullwhip effect bisa dilakukan apabila penyebabnya dimengerti dengan baik oleh pihak-pihak pada rantai pasok. Teknik atau pendekatan yang bisa digunakan untuk mengurangi bullwhip effect tentunya harus berkorespondensi dengan penyebabnya. Beberapa pendekatan yang diyakini bisa mengurangi bullwhip effect adalah: 1. Information sharing Informasi yang tidak transparan mengakibatkan banyak pihak dalam rantai pasok melakukan kegiatan atas dasar ramalan yang tidak akurat. Ritel seringkali tidak membagi informasi penjualan dengan pusat distribusi dan pabrik. Pabrik hanya mengetahui pola permintaan berdasarkan order yang diterima dari pusat distributor dan distributor memahami permintaan berdasarkan pola order dari para ritel. Sesungguhnya order dari ritel ke distributor biasanya tidak mencerminkan permintaan yang sesungguhnya karena berbagai hal seperti misalnya order batching dan forward buying. Salah satu cara untuk mereduksi bullwhip effect adalah dengan membagi informasi permintaan ke seluruh anggota dalam rantai pasok termasuk distributor, pabrik, maupun pemasok komponen atau bahan baku. Teknologi yang saat ini ada memungkinkan untuk melakukan information sharing tersebut. Barcoding, electronic data interchange (EDI) maupun teknologi sejenis lainnya bisa mentransmisikan data penjualan (point of sales, POS) dari tempat dimana produk tersebut dijual ke para anggota rantai pasok yang berada di sebelah hulu. Studi simulasi yang dilakukan oleh Machura dan Barajas (2004) menunjukkan bahwa EDI bisa mengurangi bullwhip effect maupun biaya-biaya persediaan. Kesalahan ramalan di seluruh lini rantai pasok bisa dikurangi dengan pertukaran informasi yang lebih baik. Apabila data penjualan ritel diketahui oleh semua pihak dalam rantai pasok maka ramalan permintaan bisa dibuat lebih seragam. Permasalahan yang sering muncul dalam kaitannya dengan bullwhip effect adalah bahwa ritel, distributor, pabrik maupun pemasok bahan baku melakukan peramalan sendiri-sendiri dengan berpatokan pada data yang mereka miliki serta dengan metode peramalan yang berbeda-beda juga. Model kolaborasi CPFR (Collaborative Planning, Forecasting, and Replenishment) merupakan solusi yang baik untuk mensinkronkan ramalan di sepanjang rantai pasok. Tentu
IV-26
saja kalau CPFR bisa dilaksanakan, semua pihak akan menggunakan data yang sama untuk membuat ramalan permintaan. Menurut Simchi – Levi, dkk (2000) semakin banyak faktor yang dihitung dalam peramaan semakin akurat pula hasil peramalan itu. 2. Memperpendek atau Mengubah Struktur Rantai pasok Semakin panjang dan kompleks struktur suatu rantai pasok, semakin besar kemungkinannya terjadi distorsi informasi. Oleh karena itu cara yang baik untuk mengurangi bullwhip effect adalah dengan mengubah struktur rantai pasok sehingga menjadi lebih pendek atau memungkinkan terjadinya pertukaran informasi dengan lebih lancar. 3. Pengurangan Ongkos-ongkos Tetap Biaya-biaya tetap yang terlalu tinggi mengakibatkan kegiatan produksi maupun pengiriman tidak bisa dilakukan dengan ukuran batch yang kecil. Ukuran batch yang besar adalah salah satu sumber terjadinya bullwhip effect. Oleh karena itu pengurangan bullwhip effect bisa dilakukan dengan mengupayakan pengurangan ongkos-ongkos tetap sehingga produksi maupun pengiriman bisa dilakukan dengan ukuran batch yang kecil 4. Menciptakan Stabilitas Harga Pemberian potongan harga oleh distributor ke tokko-toko atau ritel bisa mengakibatkan reaksi forward buying yang sebetulnya tidak berpengaruh pada permintaan dari konsumen. Forward buying, frekuensi dan intensitas kegiatan promosi parsial seperti ini harus dikurangi dan lebih diarahkan ke pengurangan harga secara kontinu sehingga bisa menciptakan program seperti everyday low price (EDLP). Jika kegiatan promosi atau penurunan harga dilakukan maka semua pihak pada rantai pasok harus mengetahui program tersebut dengan baik sehingga tidak keliru dalam menaksir permintaan yang sesungguhnya. 5. Pemendekan Lead Time Berbagai analisis tentang bullwhip effect menunjukkan bahwa lead time punya peranan yang besar dalam menciptakan amplifikasi permintaan. Lead time bisa diperpendek dengan mengubah struktur/konfigurasi rantai pasok (misalnya dengan pemasok lokal), mengubah mode transportasi (dari pengapalan ke pengiriman udara), atau dengan cara-cara inovatif seperti croosdocking dan
IV-27
perbaikan manajemen penanganan order, penjadwalan produksi maupun pengiriman yang lebih baik, dan sebagainya 2.2.3 Peramalan A. Definisi Peramalan Makridakis dan Whellwright (1992) mendefinisikan peramalan sebagai suatu teknik pendugaan mengenai apa yang akan terjadi di masa yang akan datang. Peramalan di sini bukanlah menduga sesuatu dengan tanpa dasar ataupun melibatkan khayalan, akan tetapi peramalan yang didasarkan pada informasiinformasi masa lalu dan saat ini yang akurat disertai dengan teori-teori yang kuat. Adapun teknik peramalan digunakan untuk membantu dalam proses pengambilan suatu keputusan Metode Peramalan
Metode Kualitatif
Metode Kuantitatif
Time Series
Kausal
Gambar 2.3 Skema Teknik Peramalan (forecasting) (Sumber: Makridakis and Wheelright, 1992) Sesuatu yang terjadi di periode mendatang sangatlah penting diketahui oleh pihak manajemen (pengusaha) untuk menentukan kebijakan-kebijakan yang perlu diambil saat ini demi kelancaran operasional. Peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen. Perusahaan atau organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang
diharapkan akan menghasilkan
pencapaian sasaran dan tujuan tersebut. Kebutuhan akan peramalan meningkat sejalan dengan usaha manajemen untuk mengurangi ketergantungannya pada halhal yang belum pasti, apalagi seiring dengan meningkatnya kompleksitas, persaingan dan tingkat perubahan lingkungan (Makridakis dan Whellwright, 1992). B. Tujuan Peramalan
IV-28
Menurut Makridakis dan Whellwright (1992) peramalan dilakukan untuk memprediksi permintaan pada periode yang akan datang. Proses peramalan dilakukan dengan asumsi dasar bahwa pola permintaan pada masa yang lalu terus berlanjut pada masa yang akan datang selama periode peramalan. C. Karakteristik Peramalan Menurut Chopra dan Meindl (2004) karakteristik dari peramalan adalah sebagai berikut: 1. Selalu terdapat kesalahan (error) dalam peramalan. 2. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang karena peramalan jangka panjang mempunyai standar desiasi erro yang lebih besar daripada peramalan jangka pendek. 3. Peramalan agregat lebih akurat dibandingkat peramalan yang tidak diagragasi. 4. Secara umum, semakin tinggi rantai pasokan sebuah perusahaan (atau sebagian jauh dari konsumen), semakin besar distorsi yang diterima. D. Metode Peramalan Menurut Makridakis dan Whellwright (1992), secara garis besar metode peramalan dapat diklasifikasikan menjadi dua, yaitu : 1. Metode Kualitatif Metode ini mempunyai karakteristik sebagai berikut : a. Peramalan bersifat subyektif yaitu dengan menggunakan opini ahli sehingga sangat bergantung pada persepsi masing-masing ahli. b. Tidak memerlukan data yang lengkap sehingga dapat digunakan untuk meramalkan permintaan produk baru atau ketika data historis tidak lengkap. c. Metode ini biasanya juga digunakan untuk meramalkan permintaan pada jangka panjang. 2. Metode Kuantitatif Metode ini mempunyai karakteristik sebagai berikut : a. Peramalan bersifat obyektif yaitu dengan mengolah data historis dengan menggunakan model statistik-matematik oleh karenanya memerlukan data
IV-29
yang lengkap. b. Metode digunakan dengan asumsi pola masa lalu terus berlanjut ke masa yang akan datang. c. Metode ini biasanya digunakan untuk meramalkan existing product dalam jangka pendek dan menengah. Metode kuantitatif dapat dibagi dalam dua macam : a. Metode Time Series Penjualan dan permintaan suatu produk dilihat polanya tanpa dicari apa yang menyebabkan pola tersebut. Dalam metode ini permintaan dilihat sebagai fungsi waktu. b. Metode Kausal Metode ini berusaha menyatakan permintaan sebagai fungsi perubahan pada faktor-faktor yang mempengaruhi permintaan. Hasil peramalan dengan metode ini lebih akurat jika dibandingkan dengan metode time series namun metode ini memerlukan waktu pengembangan model yang lama dan biaya yang tinggi. E. Metode-Metode Peramalan Kuantitatif Time Series Persamaan matematis yang digunakan dalam masing-masing metode peramalan kuantitatif tersebut adalah sebagai berikut (Makridakis dkk, 1992): 1. Untuk Pola Data Stationer a. Simple Moving Average (SMA) SMA adalah metode peramalan yang digunakan dengan menghitung nilai tangeh dari nilai observasi baru dan membuang nilai observasi yang lama. Metode ini digunakan untuk pola data stasioner dan tidak dapat menanggulangi pola tren dan musiman. SMA dipengaruhi oleh data aktual (At) dan jumlah periode perhitungan SMA dan dirumuskan sebagai berikut: n
F(t)
=
A t 1
n
(t)
................................................................................. (2.1)
IV-30
b. Weighted Moving Average (WMA) WMA adalah pengembangan dari metode SMA dengan pembobotan yang lebih besar pada periode akhir daripada periode perhitungan yang lebih awal. WMA dipengaruhi oleh data aktual, pembobotan dan jumlah pembobotan pada perhitungan peramalan. WMA dirumuskan sebagai berikut: F(t+1)
=
W .A
i t m 1 t
t
W
i t m 1
t
........................................................................... (2.2)
t
c. Single Exponensial Smoothing (SES) SES adalah metode peramalan untuk pola data stationer yang dipengaruhi oleh nilai data aktual, peramalan sebelumnya dan konstanta alpha (α). Konstantaa alpha mempunyai nilai mendekati 1 apabila pola data aktual sangat random dan memiliki nilai mendekati 0 apabila pola data aktual mendekati garis lurus. SES dirumuskan sebagai berikut: F(0)
= A(1) ............................................................................................................................ (2.3)
F(t)
= α.A(t) + (1- α).F(t-1) ............................................................. (2.4)
f(t+τ)
= F(t) ...................................................................................... (2.5)
d. Double Exponential Smoothing DES adalah pengembangan dari metode SES dengan pemulusan berganda. Hal ini dilakukan untuk menghilangkan kerandoman data. DES dirumuskan sebagai berikut: F(0)
= F(10) = A(1) ........................................................................ (2.6)
F(t)
= α.A(t) + (1- α).F(t-1) ............................................................. (2.7)
F(1t )
= α.F(t) + (1- α). F(1t 1) ........................................................... (2.8)
f(t+τ)
= F(1t ) ..................................................................................... (2.9)
e. Adaptive Exponential Smoothing (AES) Metode ini dimula dengan menetapkan nilai alpha (α), pada setiap periode, pengecekan terhadap nilai α dengan tiga nilai, α-0,05; α; α + 0,05; akan diperoleh nilai F(t) dengan error absolut terkecil. AES dirumuskan sebagai berikut:
IV-31
F(0)
= A(1)..................................................................................... (2.10)
F(t)
= α.A(t) + (1- α).F(t-1) ............................................................. (2.11)
2. Untuk Pola Data Trend a. Moving Average With Linear Trend (MAT) Metode ini digunakan untuk meramalkan data time series yang mempunyai kecenderungan linier. Metode ini dilakukan dengan menghitung rata-rata bergerak pada rangkaian pada rangkaian dasar. Hasilnya disebut rangkaian data kedua, kemudian dihitung rata-rata bergerak dari rangkaian data kedua ini. MAT dirumuskan sebagai berikut: t
F(t)
=
A
i t m 1
(i )
m
........................................................................... (2.12)
( m 1) / 2
12
i.A
i ( m 1) / 2
( t ( m 1) m )
T(t)
=
f(t+τ)
= F( t ) + T(t) (t+τ)....................................................................... (2.14)
(m 2 1)
........................................................... (2.13)
b. Single Exponential Smoothing With Trends (SEST) Metode ini disebut juga dengan metod Holt. Metode ini menggunakan dua parameter yaitu α dan β. Teknik ini memerhalus trend dan slope secara langsung dengan menggunakan konstanta-konstanta pemulusan tersebut. Nilai α digunakan untuk menghilangkan pengaruh random, sedangkan β digunakan untuk menghilangkan trend. SEST dirumuskan sebagai berikut: F(t)
= α.A(t) + (1- α).F(t-1) + T(t-1) ................................................. (2.15)
T(t)
= β(F(t) – F(t-1)) + (1- β).T(t-1) ................................................ (2.16)
f(t+τ)
= F(t) + τ.T(t) ......................................................................... (2.17)
3. Untuk Pola Data Musiman a. Metode Winter Winter memperkenalkan parameter tambahan untuk data musiman yaitu γ. Jadi pada metode Winter terdapat 3 konstanta yang harus didefinisikan yaitu α untuk konstanta penghilang variasi random, β untuk konstanta pemulusan estimasi
IV-32
trend dan γ untuk konstanta estimasi musiman. Metode Winter dirumuskan sebagai berikut: F(t)
=
.A ( t ) I ( t m ) (1 )(F( t 1) T( t 1) )
............................................. (2.18)
Rumus di atas digunakan untuk perhitungan pengaruh unsur stationer. Pada rumus tersebut terlihat bahwa unsur pertamanya dibagi dengan indeks musiman (I(t-m)). Hal ini dilakukan untuk mengeliminasi faktor musiman. Sedangkan pada unsur kedua ditambah dengan komponen trend (T(t-1)) untuk menyesuaikan secara langsung terhadap trend berikutnya. T(t)
= β(F(t) – F(t-1)) + (t- β).T(t-1) ................................................. (2.19)
Persamaan di atas digunakan untuk perhitungan pengaruh unsur trend. Pada persamaan tersebut nilai pemulusan trend (T(t)) secara langsung disesuaikan dengan trend periode sebelumnya dengan menambahkan nilai pemuluan yang terakhir (T(t-1)). I(t)
=
A ( t ) F( t )
(1 ).I ( t m ) ........................................................... (2.20)
Persamaan di atas digunakan untuk perhitungan pengaruh unsur musiman. Persamaan tersebut membagi antara rasio nilai sekarang dari deret data (A(t)) dengan nilai pemulusan tunggal sekarang (F(t)). f(t+τ)
= (F(t) + τ.T(t)). I(t+R-m) ........................................................... (2.21)
Persamaan di atas adalah rumus peramalan Winter yang digunakan setelah faktor stationer, trend dan musiman diketahui. Keterangan: t
: waktu / periode
τ
: waktu dari t
m
: periode moving average
α
: parameter first smoothing
β
: parameter trend smoothing
IV-33
γ
: parameter seasonal smoothing
A(t) : actual data dalam periode t f(t) : peramalan untuk periode t T(t) : trend untuk periode t W(t) : bobot untuk periode t I(t) : seasonal index untuk periode t e(t) : keslahan dalam periode t, yang mana A(t) – f(t) A
: rata – rata data aktual Metode peramalan yang digunakan haruslah metode yang paling sesuai
dengan pola data historis. Untuk melihat kesesuaian metode, kita dapat menggunakan beberapa kriteria yaitu :
Presentase kesalahan :
X Ft *100% ................................................................. (2.22) PK t t X t Mean Absolute Error : n
MAE
PK i 1
n
t
............................................................................. (2.23)
Mean Square Error : n
MSE
(X i 1
t
Ft ) 2 ...................................................................... (2.24)
n
Standard Error of Estimate :
SEE ( X t Ft ) 2 /(n f ) ............................................................. (2.25)
Mean Absolute Deviation: n
MAD
X t 1
t
n
Ft ......................................................................... (2.26)
IV-34
Dengan :
Ft
= Hasil peramalan pada periode ke-t
Xt
= Data historis pada periode ke-t
n
= Jumlah data historis
f
= Derajat kebebasan
PK t
= Presentase kesalahan
F. Pyramid Forecasting Peramalan dapat juga dilakukan berdasarkan lokasi geografis dan kelompok produk yang dalam peramalan dikenal sebagai peramalan berdasarkan dimensi agregasi dan disagregasi. Hal umum yang berlaku yang berkaitan dengan agregasi ini adalah bahwa peramalan pada tingkat agregasi yang lebih tinggi akan lebih akurat dibandingkan peramalan pada tingkat agregasi yang lebih rendah atau pada tingkat disagregasi (Gaspersz, 2004). Pemilihan model peramalan akan tergantung pada pola data dan horizon waktu peramalan. Berikut ini adalah gambar piramida agregasi dalam peramalan:
Gambar 2.4 Agregasi Berdasarkan Kelompok Produk (Sumber: Gaspersz, 1994)
IV-35
Gambar 2.5 Agregasi Berdasarkan Lokasi Geografis (Sumber: Gaspersz, 1994) Teknik peramalan piramida sering juga disebut sebagai teknik Roll-Up, Force-Down. Proses roll-up adalah proses pengagregasian dari tingkat agregasi paling rendah ke tingkat agregasi tertinggi. Sedangkan proses force-down adalah proses diagregasi dari tingkat tertinggi sampai tingkat terendah. Berikut ini adalah gambar ilustrasi proses roll up dan force down:
Gambar 2.6 Proses Force-Down dan Roll-Up (Sumber: Gaspersz, 1994)
IV-36
Tahap force-down adalah tahap dimana hasil peramalan untuk satu kelompok produk (agregat) didisagregasi sampai satuan produk terkecil. Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat. Xt
= rasio produk x hasil peramalan ......................................... (2.27)
Dimana rasio produk adalah perbandingan antara jumlah produk dengan jumlah total keseluruhan produk. 2.2.4 Sistem Pendukung Keputusan (SPK) 1. Pengertian Sistem Pendukung Keputusan (SPK) Menurut Mcleod (2008). pembuatan keputusan adalah tindakan memilih di antara berbagai alternatif solusi pemecahan masalah. Sedangkan keputusan didefinisikan sebagai tindakan pilihan untuk mengambil keputusan dalam proses pemecahan masalah. Menurut Winarno (2004), SPK adalah sebuah sistem yang memandu pembuat keputusan. Sistem ini akan mendasarkan proses pembuatan keputusan kepada aturan yang ditetapkan oleh para perancang sistem dan basis data yang ada dalam perusahaan. Dalam membangun sebuah SPK, manajemen perusahaan dan perancang sistem harus dapat merumuskan berbagai masalah dan jalan keluarnya. Rumusan ini membutuhkan sebuah model. Model adalah perwakilan atau gambaran atas sesuatu. Model dapat mewakili objek atau aktivitas, yang disebut entitas. Manfaat model adalah untuk mempermudah pemahaman. Apabila sebuah model yang sederhana telah dipahami, para pembuat model dapat segera memahami masalah yang lebih komplek. Manfaat model yang lain adalah mempermudah komunikasi sehingga kemampuan komunikasi lebih cepat dan lebih baik dengan tingkat kesalahan yang rendah. Manfaat terakhir adalah untuk memprediksi masa depan. Pembuat keputusan dapat memperkirakan apa yang akan terjadi di masa yang akan datang dengan menggunakan model. 2. Konsep Sistem Pendukung Keputusan Sistem informasi yang diperlukan oleh masing-masing tingkatan manajemen memiliki karakteristik yang berbeda. Semakin rendah tingkatan manajemen, sistem informasinya akan semakin terstruktur, yaitu sistem
IV-37
pengolahan transaksi. Semakin tinggi tingkatan manajemen akan semakin dekat dengan sistem pendukung keputusan (SPK). Semakin tinggi tingkatan manajemen, keputusan yang diambil akan semakin banyak mengandung ketidakpastian. Selain itu manajemen puncak juga tetap terlibat dalam pembuatan keputusan terstruktur, meskipun keterlibatannya akan semakin kecil bila dibanding dengan manajer level bawahnya. Hubungan keputusan dengan masalah dan pembuat keputusannya dapat dilihat pada gamabr yang dibuat oleh Gorry-Scott Morton Grid berikut ini Operasional
Terstruktur
Strukutur Masalah
Semi Terstruktur Tidak Terstruktur
Tingkatan Manajemen Pengendalian
Strategi
Piutang Dagang
Analisis anggaran
Pengaturan transportasi barang
Penerimaan Order
Forecasting jangka pendek
Penyimpanan barang di gudang
Analisis Selisih Penyusunan Anggaran
Merger dan akuisisi
Proses produksi
Perancangan produk baru
Pemasaran
Litbang (R & D)
Pencatatan Persediaan Penjadwalan Produksi Manajemen Kas Analisis PERT
Gambar 2.7 Gorry-Scott Moorton Grid (Sumber:Winarno, 2004) 3. Komponen SPK Sistem pendukung keputusan terdiri dari beberapa komponen. Menurut Suryahadi dan Ramdhani (2000), suatu SPK terdiri dari tiga subsistem utama yaitu basis data, basis model dan perangkat lunak penyelenggara dialog. Komponen sistem pendukung keputusan adalah sebagai berikut: a. Basis data Basis data merupakan kumpulan dari data yang saling berhubungan dengan yang lainnya, yang tersimpan di perangkat keras komputer dan digunakan perangkat lunak untuk memanipulasinya. Basis data merupakan salah satu komponen yang penting dalam sistem informasi, karena merupakan basis dalam menyediakan informasi bagi para pemakai. Dalam Winarno, W. sumber basis data dapat berasal dari dalam perusahaan (data internal) yang dicatat oleh perusahaan sebagai transaksi yang selama ini terjadi dan data yang berasal dari luar perusahaan (data eksternal) yang diambil perusahaan dari sumber di luar perusahaan, seperti misalnya data industri, data statistik, dll.
IV-38
Terdapat dua macam teknik dalam perancangan basis data yaitu: Teknik Normalisasi Tujuan normalisasi adalah mengidentifikasikan hubungan antar atribut, mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi untuk membentuk database. Atribut adalah elemen data atau field. Relasi didefinisikan sebagai kumpulan atribut. Sedangkan database didefinisikan sebagai kumpulan relasi. Teknik normalisasi dimulai dari dokumen dasar yang sudah ada pada sistem atau sudah dipakai pada sistem sebelumnya. Data – data pada dokumen dasar tersebut dipisahkan menjadi field – field yang pada tiap field pada file tersebut bergantung penuh pada kunci utama yang biasanya dikenal dengan bentuk normal ke tiga. Kemudian setiap file dalam database ditentukan hubungannya dengan file –file yang lain dengan cara memasang field tamu pada file – file anak atau file konektor. Normalisasi menghindari terjadinya anomali, yaitu kejanggalan yang dapat terjadi bisa dilakukan penambahan baris (kolom), modofikasi isi atribut, dan menghapus baris. Untuk menghindari anomali, umumnya dilakukan dekomposisi dari kumpulan atribut, dipecah hingga menjadi beberapa tabel baru. Berikut ini adalah bentuk-bentuk dari normalisasi: 1. 1NF (First Normal Form) Sebuah relasi berada dalam 1NF jika relasi tersebut tidak berisi atribut yang berulang – ulang. 2. 2NF (Second Normal Form) Sebuah relasi berada dalam 2NF jika relasi tersebut dalam 1NF dan untuk setiap non key atribut adalah tergantung fungsional penuh kepada primary key. Sebuah relasi berada dalam 1NF dan 2NF jika salah satu syarat – syarat berikut ini dapat terpenuhi: Primary key hanya terdiri atas 1 atribut Tidak terdapat atribut yang bukan primary key Setiap atribut yang non key tergantung penuh atas seluruh atribut di primary key
IV-39
3. 3NF (Third Normal Form) Sebuah relasi berada dalam 3NF bila relasi adalah 1NF dan 2NF dan tidak ada non key atribut yang tergantung fungsional kepada non-key atribut yang lainnya.
Teknik Entity Relationship Teknik ini dimulai dengan pembuatan diagram arus data yang menghasilkan
kamus data yang merupakan daftar semua elemen/field yang dibutuhkan dalam sistem tersebut. Dari field – field tersebut dipilih field kunci yang bersifat unik artinya keseluruhan record dapat dicari dari record tersebut, kemudian baru dibuat file – file berdasar kunci record tersebut yang mana elemen / field dalam field tersebut bergantung penuh dengan field kunci tersebut. Setelah membuat tabel baru ditentukan relasi dari tiap tabel tersebut seperti halnya teknik normalisasi. Terdapat epat relasi dasar, yaitu: 1. ONE TO ONE ( 1 – 1), relasi yang terjadi jika sebuah entry dalam sebuah objek data store dihubungkan dengan hanya sebuah entry dalam sebuah object data store yang lain. 2. ONE TO MANY (1 – M), relasi yang terjadi jika sebuah entry dalam sebuah object data store dihubungkan dengan satu atau lebih entry dalam sebuah object data store yang lain. 3. MANY TO ONE (M – 1), relasi yang terjadi jika satu atau lebih entry dalam sebuah object data store dihubungkan dengan hanya satu entry dalam sebuah object data store yang lain. 4. MANY TO MANY (M – M), relasi yang terjadi jika satu atau lebih entry dalam sebuah object data store dihubungkan dengan satu atau lebih entry dalam sebuah object data store yang lain. Dalam semua defini relasi di atas, “1” menyatakan hanya satu, dan “M” atau “∞” menyatakan satu atau lebih. Bila suatu saat dibutuhkan pernyataan relasi; paling sedikit sebuah, dan juga lebih dari satu, maka relasi itu dapat dinyatakan dengan “M*” (* = minimum of one).
IV-40
b. Model Menurut Mcleod (2008) model adalah abstraksi dari sesuatu. Model mewakili suato objek yang disebut entitas. Terdapat empat jenis dasar model yaitu: Model fisik Model fisik merupakan gambaran tiga dimensi entitasnya seperti misalnya model skala pusat perbelanjaan dan protoipe mobil baru. Model fisik dibuat untuk mencapai tujuan yang tidak dapat dipenuhi oleh benda sesuangguhnya. Model naratif Model naratif adalah penggambaran entitas dengan kata – kata yang terucap atau tertulis. Pendengar atau pembaca dapat memahami entitas tersebut dari naratifnya. Semua komunikasi bisnis adalah model naratif. Model grafis Model grafis menggambarkan entitasnya dengan abstraksi garis, simbol, atau bentuk. Model grafis juga digunakan dalam desain sistem informasi sebagai contohnya adalah diagran relasi entitas, diagram aliran data, dan lain – lain. Model matematis Setiap rumus atau persamaan matematika adalah model matematis. c. Perangkat analisis Berbagai perangkat analisis yang digunakan untuk mencari jalan keluar terbaik misalnya adalah sebagai berikut: What if Analysis Analisis ini digunakan untuk mengetahui apa yang terjadi apabila satu atau beberapa variabel berubah. Misalnya, berapa laba yang akan diperoleh perusahaan bila harganya dinaikkan 10% sedang biaya variabel naik 8%? Sensitivity Analysis Analisis ini digunakan untuk mengetahui pengaruh perubahan suatu variabel terhadap variabel yang lain. Analisis ini akan melakukan perubahan secara berkali-kali
terhadap
suatu
variabel,
pengaruhnya konsisten atau tidak.
IV-41
sehingga
dapat
diketahui
apakah
Goal-Seeking Analysis Analisis ini digunakan untuk mencari solusi terbaik (misalnya laba tertinggi atau biaya terendah) dari suatu masalah. Optimization Analysis Analisis ini digunakan untuk mencari solusi yang paling menguntungkan bagi perusahaan, dan mirip dengan goal-seeking analysis. Analisis ini biasanya memanfaatkan perhitungan menggunakan linear programming. d. Laporan Terdapat tiga jenis laporan, yaitu:
Laporan rutin (Periodic report) Laporan ini diterbitkan dan disediakan secara berkala, memuat informasi
yang sudah standar, sehingga jarang diperlukan oleh manajemen puncak.
Laporan pengecualian (Exception Report) Laporan yang disediakan apabila terjadi kondisi yang menyimpang dari
kebiasaan.
Laporan atas permintaan (on Demand Report) Laporan ini disediakan apabila manajemen memintanya. Laporan ini
biasanya berisi informasi yang benar-benar diperlukan oleh manajemen, sehingga bermanfaat cukup besar dalam pembuatan keputusan. 4. Tahap Pembuatan Keputusan Menurut Hebert A. Simon dalam Winarno (2004), pembuatan keputusan melibatkan 4 langkah yaitu: a. Tahap Intelligence Tahap intelligence adalah tahap pengakuan adanya masalah. Masalah dapat merupakan persoalan maupun kesulitan yang muncul dalam kehidupan organisasi, atau juga dapat merupakan persoalan yang ditimbulkan sendiri oleh pembuat keputusan. Tahap ini adalah tahap yang paling penting dlam tahapan-tahapan pembuatan keputusan. b. Tahap Design Tahap design adalah tahap perancangan berbagai alternatif yang akan dipilih.
IV-42
c. Tahap Choice Tahap choice adalah tahap memilih salah satu di antara berbagai alternatif yang sudah disiapkan dalam tahap design. Dalam tahap ini, pembuat keputusan akan menggunakan model pemilihan alternatif. d. Tahap Implementation Tahap yang terakhir adalah pelaksanaan dari keputusan yang telah diambil pada tahapan choice. 5. Kesalahan dalam Pembuatan Keputusan Terdapat beberapa kesalahan yang sering terjadi dalam penganbilan keputusan, diantaranya adalah sebagai berikut: a. Kesalahan analisis Kesalahan ini mengenai identifikasi masalah yang terjadi, sehingga keputusan yang dibuat juga akan salah. b. Kesalahan melihat waktu Misalnya pada bulan Juni-Juli penjualan alat tulis melonjak. Pimpinan perusahaan memutuskan untuk meningkatkan kapasitas produksi. Ternyata, setiap bulan Juni – Juli sebenarnya merupakan tahun ajaran baru, sehingga memang terjadi kenaikan permintaan akan alat tulis. Bila bulan berikutnya kapasitas produksi dinaikkan, tidak akan mempertahankan penjualan c. Kesalahan sudut pandang yang tidak berubah Perusahaan beranggapan bahwa pihak yang paling menentukan suksesnya penjualan adalah pramuniaga (salesman), oleh karenanya manajemen memberikan bonus yang menarik kepada semua pramuniaga. Padahal banyak pihak lain yang ikut andil dalam kesuksesan penjualan. Bila manajemen hanya memberikan bonus kepada pramuniaga saja, maka karyawan lain akan merasa iri dan akan menurunkan kinerjanya. d. Kesalahan terlalu percaya diri Karena terlalu percaya diri akan menyebabkan manajemen kurang mempertimbangkan hal – hal yang seharusnya dipertimbangkan.
IV-43
2.2.5 Collaborative Planning, Forecasting, and Replenishment (CPFR) Menurut Tenhiala (2003) beberapa tahapan penting dalam CPFR adalah: 1. Collaborative Planning Terdiri atas negosiasi kesepakatan yang mendefinisikan kewajiban perusahaan dalam bentuk kerjasama (collaborative) dan membangun rencana bisnis bersama yang memperlihatkan suatu cara bagaimana perusahaan akan memenuhi permintaan pelanggannya. Menurut Simchi – Levi dkk (2000) kerjasama antara retailer dengan suppliernya terdiri dari 2 bentuk kerjasama yaitu information sharing , yang membantu produsen membuat perencanaan yang lebih efisien, dan consignment scheme (dukungan penuh) dimana produsen mengatur secara penuh dan memiliki inventori produk sampai retailer menjualnya. 2. Collaborative Forecasting Termasuk pembuatan rencana penjualan untuk keseluruhan perusahaan yang berkolaborasi, melakukan identiikasi atas pengecualian atau perbedaan yang muncul antar perusahaan, menyelesaikan pengecualian untuk menyediakan rencana penjualan umum. 3. Collaborative Replenishment Pembuatan
rencana
pengiriman
untuk
seluruh
perusahaan
yang
berkolaborasi, menyelesaikan pengecualian dan melakukan generalisasi pesanan aktual untuk memenuhi keinginan konsumen. Ada tiga elemen penting dalam CPFR yaitu: 1. Kolaborasi demand planning CPFR menekankan pentingnya berbagi data secara transparan antara konsumen dengan rantai pasok, sejak tahap penyusunan marketing plan hingga forecast per stock keeping unit (sku) dalam unti per satuan waktu dimana telah harus dipertimbangkan pengaruh dari promosi yang mungkin direncanakan untuk sku tertentu. 2. Joint capacity planning Estimasi penjualan dari demand planning kemudian akan dikonversikan sebagai rencana produksi, dimana pihak pabrik akan merencanakan kapasitas berdasarkan estimasi penjualan.
IV-44
3. Sinkronisasi order fullfillment Pihak pelanggan akan menempatkan ke sana sesuai dengan estimasi penjualan. Seberapa dari pesanan ini bisa dipenuhi akan tergantung kemampuan pabrik untuk memenuhi pesanan. Pihak pbrik memiliki kewajiban untuk mengkomunikasikan kembali realisasi pemenuhan pesanan sehingga pihak distributor bisa meneruskan ke pengecer. Menurut bisnis CPFR ketiga sub sistem diatas beribteraksi secara 2 arah sehingga setiap perubahan dapat langsug diketahui oleh setiap anggota rantai pasok. Kolaborasi yang berdasarkan keterbukaan berbagi data semacam ini akan meningkatkan kualitas peramalan permintaan di sepanjang rantai pasok dan dengan demikin juga akurasi dalam order fullfillment. Menurut bisnis CPFR proses dimulai dengan penetapan garis besar kesepakatan dengan antara seluruh pihak yang terkait. Kemudian dilaknjukan dengan menyusun rencana bisnis. Berdasarkan rencana dasar ini, dibuat perkiraan penjualan dan dikenali adanya kemungkinan masalah dan hal-hal khusus dalam penjualan. Dari sini akan diperoleh data yang lebih pasti mengenai ketersediaan produk yang selanjutnya menjadi dasar membuat perkiraan pesanan. Bila ternyata tidak ada masalah dalam pemenuhan pesanan, maka pesanan akan ditempatkan secara resmi. CPFR terdiri dari 3 tahap yaitu tahap planning, forecasting, dan replenishment.
Pada
tahap
planning
terdiri
dari
dua
langkah
yaitu
penyelenggaraan kerja sama (langkah 1) dan pembuatan rencana bisnis bersama (langkah 2). Tahap forecasting juga terdiri dari 2 langkah yaitu sales forecast (langkah 3-5) dan order forecast (langkah 6-8). Masing – masing forecast terdiri dari 3 tahap yaitu menghitung ramalan, mengidentifikasi exception dalam peramalan, dan memecahkan exception yang ada. Dan yang terakhir adalah tahap replenishment. Pada tahap ini jumlah terdapat proses pengiriman barang hasil perhitungan dari order forecast (langkah 9). Proses CPFR dari langkah 1 – langkah 9 dapat dilihat pada gambar 2.8.
IV-45
Gambar 2.8 Langkah – langkah CPFR (Sumber: Tenhiala, 2003) Gambar 2.8 adalah diagram alir yang menggambarkan langkah – langkah dalam melakukan CPFR. Terdapat 9 langkah untuk melakukan CPFR. Berikut ini akan diuraikan langkah – langkah dalam melakukan CPFR: 1. Penyelenggaraan kerja sama (develop collaboration arrangement) Pada tahap ini akan diidentifikasi sponsor eksekutif, penetapan resolusi, pembuatan scorecard untuk melihat metrics relative rantai pasok, dan penentuan
IV-46
bonus maupun penalti finansial. Hasilnya adalah Memorandum of Understanding (MoU) yang berisi hal – hal di bawah ini: Confidentiality Goals & objectives Ukuran keberhasilan Persetujuan perihal kompetensi, sumber daya, dan sistem Orang – orang dan departemen yang bertanggung jawab Pembagian informasi Service & ordering commitments, dan Resolution of disagreements 2. Membuat rencana bisnis bersama Rencana bisnis yang dibuat bersama berkenaan dengan hal – hal di bawah ini: Rencana bisnis untuk promosi, perubahan kebijakan inventori, jadwal buka / tutup toko, perubahan produk untuk masing –masing kategori produk, dan lain – lain. Pihak organisasi buyer (purchasing manager) dan organisasi seller (marketing manager) bersama – sama mengembangkan: a. Corporate strategies b. Partnership strategies c. Category roles and objectives d. Exception criteria e. Item management profile. 3. Membuat sales forecast Organisasi buyer
(forecast analyst) membuat sales forecast dan
mengkomunikasikan hasilnya kepada organisasi seller (sales analyst). Hasil peramalan ini digunakan untuk menghitung order forecast. 4. Mengidentifikasi exception dalam sales forecast Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi penjualan namun tidak dapat dihitung dalam sales forecast. 5. Memecahkan / mengkolaborasikan exception Pada gambar 2.5 akan dijelaskan bahwa informasi exception yang ada pada produsen maupun distributor dibagi untuk kemudian dipecahkan bersama
IV-47
sehingga perubahan pada sales forecast diketahui kedua belah pihak. Berikut ini adalah proses memecahkan atau mengkolaborasikan exception:
Gambar 2.9 Mengkolaborasikan exception (Sumber: Tenhiala, 2003) 6. Membuat order forecast Jika organisasi buyer adalah produsen/manufacturing, maka sales forecast didefinisikan sebagai MPS (Master Production Scheduling) dan order forecast dilaksanakan berdasarkan MPS, status inventori, struktur produk, manufacturing lead time, dan strategi lot sizing. Jika organisasi buyer adalah distributor / retailer, maka sales forecast didefinisikan sebagai order forecast yang berdasarkan pada status inventori dan strategi pada inventori. 7. Mengidentifikasi exception dalam order forecast Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi penjualan namun tidak dapat dihitung dalam sales forecast. 8. Memecahkan / mengkolaborasikan exception Informasi exception yang ada pada produsen maupun distributor dibagi untuk kemudian dipecahkan bersama sehingga perubahan pada sales forecast diketahui kedua belah pihak. Untuk memecahkan exception dapat dilakukan peramalan tambahan. 9. Generate order Setelah hasil order forecast ditetapkan, maka jumlah order digenerate untuk kemudian dilakukan proses pemesanan dan proses pengiriman (delivery execution).
IV-48
2.2.5 Referensi Lainnya Wibawa (2008) merancang sistem informasi yang termasuk di dalamnya adalah pembuatan laporan keuangan, pembuatan database penjualan, serta pembuatan program peramalan penjualan untuk membantu proses pengadaan barang pada periode berikutnya. Metode peramalan yang digunakan adalah metode Winter. Referensi yang lainnya adalah sebuah paper yang ditulis oleh Kim dan Mahoney (2006) yang berisi tentang bagaimana CPFR memungkinkan trading partner untuk meningkatkan efisiensi operasional melalui proses pembagian dan penggunaan informasi yang terstruktur. Di sini juga dijelaskan peranan teknologi informasi dalam melakukan CPFR. Paper ini juga memberikan contoh studi kasus di Wal-Mart dan P&G dalam melaksanakan CPFR. Tenhiala (2003)
dalam
sebuah seminar
memaparkan bagaimana
mengimplementasikan CPFR di Eropa. Studi kasus dilakukan pada 8 kasus yaitu antara Eroski dan Henkel, Condis dan Henkel, Metro dan Procter & Gamble (P&G), Ketjuetu dan Valio, Delhaize dan Vandemoortele, Sainsbury’s dan Unilever, dan
di dalam The Co-operative Group, dan dalam kelompok
perusahaan Veropoulos, Elgeka, P&G Hellas, serta Unilever. Pada jurnal ini juga dipaparkan model proses CPFR. Sancar (2003) mengadakan penelitian tentang penyebab bullwhip effect serta bagaimana cara menghitung bullwhip effect. Kesimpulan yang ditarik dari penelitiannya bahwa bullwhip effect dapat dikurangi namun tidak bisa dihilangkan sama sekali.
IV-49
BAB III METODOLOGI PENELITIAN Pada bab ini akan dibahas mengenai metodologi penelitian, yaitu tahapantahapan yang dimulai dari perumusan masalah sampai dengan kesimpulan. Metodologi penelitian yang digunakan dalam penyusunan skripsi ini dapat dilihat pada gambar 3.1 berikut : Identifikasi Sistem Perusahaan Analisis Kebutuhan Sistem Perancangan Basis Model
Perancangan Basis Data
Perancangan Basis Dialog
Perancangan Aplikasi Collaborative Forecasting Validasi Sistem Pendukung Keputusan Analisis dan Interpretasi Hasil Kesimpulan dan Saran Gambar 3.1 Metodologi Penelitian Gambar 3.1 adalah gambar flowchart metodologi penelitian yang digunakan dalam penelitian ini. Berikut ini akan dijelaskan masing – masing tahapan dalam gambar 3.1: 3.1 Identifikasi Sistem Perusahaan Pengidentifikasian sistem perusahaan dilakukan melalui studi lapangan di PT. Sinar Niaga Sejahtera. Studi lapangan dilakukan dengan cara melakukan
IV-50
observasi secara langsung di PT. Sinar Niaga Sejahtera Distributor Wilayah Solo. Pada tahap ini, peneliti mengamati sistem, melakukan wawancara dan mengkaji data primer maupun data sekunder perusahaan. Proses studi lapangan ini kemudian menuju kepada suatu identifikasi awal permasalaan. 3.2 Analisis Kebutuhan Sistem Kelemahan-kelemahan pada sistem yang ada di dalam perusahaan sekarang ini dapat dijadikan sebagai materi untuk melakukan analisa kebutuhan sistem yang bertujuan untuk mengidentifikasi apa saja yang masih kurang dari sistem tersebut untuk kemudian dilakukan langkah-langkah perbaikan. Tahap ini akan menentukan output apa saja yang akan dihasilkan oleh sistem pendukung keputusan yang akan dibangun. 3.3 Perancangan Basis Model Pada tahap ini akan dilakukan perancangan terhadap model yang digunakan serta sistem di dalam sistem pendukung keputusan. Adapun perancangan basis model terbagi menjadi 3 tahap yaitu Collaborative Planning, Collaborative Forecasting, dan Collaborative Replenishment. Berikut ini adalah rincian untuk masing-masing tahap proses perancangan basis model: Mengadakan perjanjian kerjasama dan sharing informasi
Meramalkan penjualan
Mengidentifikasi exception dalam peramalan Memecahkan masalah exception dalam peramalan
Keputusan kebutuhan barang Gambar 3.2 Tahapan Proses Collaborative Planning and Forecasting
IV-51
3.3.1 Mengadakan Perjanjian Kerjasama dan Sharing Informasi Collaborative planning membahas informasi-informasi yang harus dibagi antara distributor dengan outlet dan supplier untuk kemudian dijadikan acuan dalam melakukan perencanaan bisnis dan peramalan. Peramalan dalam CPFR menggunakan data penjualan dari outlet. Hal ini dilakukan untuk mengurangi resiko terjadinya bullwhip effect. Sistem kolektif data dilakukan dengan menggunakan suatu formulir yang dirancang sesuai dengan kebutuhan sistem yang telah dianalisa sebelumnya. Perancangan beberapa usulan formulir dan prosedur pengisian formulir serta informasi apa saja yang perlu dihimpun dari outlet dan supplier akan dibahas pada bab ini. 3.3.2 Meramalkan Penjualan Peramalan data penjualan yang telah dihimpun dari outlet akan dilakukan pada tahap ini. Peramalan dilakukan dengan mengagregasi data historis ke dalam beberapa tingkatan untuk kemudian diramalkan dengan metode peramalan Winter. Metode pengagregasian yang digunakan adalah seperti pada pyramid forecasting. Langkah-langkah dalam pyramid forecasting digambarkan seperti dalam gambar 3.3 berikut:
Gambar 3.3 Tahapan Pyramid Forecasting Langkah-langkah yang dilakukan dalam melakukan proses peramalan adalah sebagai berikut: 1. Proses Roll-Up Proses roll-up adalah proses pengagregasian produk ke dalam kelompok-kelompok tertentu. Peramalan akan dilakukan untuk setiap kelompok-kelompok produk untuk memperkecil error peramalan untuk tiap unit produk. Pengelompokan dilakukan berdasarkan supplier, jenis produk, rasa produk, dan ukuran kemasan.
IV-52
2. Peramalan Proses peramalan terbagi menjadi beberapa tahap yaitu sebagai berikut:
Gambar 3.4 Proses Peramalan Peramalan dilakukan dengan menggunakan metode Winter karena metode ini dapat digunakan untuk menghitung data yang cenderung berpola trend ataupun musiman. Proses peramalan dilakukan dalam 4 tahap yaitu: a. Perhitungan unsur stationer b. Perhitungan unsur tren c. Perhitungan unsur musiman d. Perhitungan peramalan Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan adalah 0,1; 0,5; dan 0,9. Hasil peramalan yang diambil adalah data peramalan dengan error terkecil karena hasil peramalan dikatakan konsisten atau valid jika besar kesalahan peramalan relatif kecil. Terdapat beberapa indikator dalam pengukuran akurasi peramalan sehingga dapat diketahui metode peramalan yang terbaik. Indikator yang paling umum digunakan adalah MAD (Mean Absolute Deviation). Perhitungan MAD menggunakan rumus 2.26. 3. Proses Force-Down Pada tahap ini dilakukan disagregasi hasil peramalan terhadap kelompok produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan ini berdasarkan angka rasio penambahan atau pengurangan hasil peramalan terhadap jumlah penjualan pada periode sebelumnya. Perhitungan rasio penambahan ataupun pengurangan dilakukan dengan menggunakan rumus 2.27.
IV-53
3.3.3 Mengidentifikasi Exception dalam Peramalan Exception adalah hal – hal yang mempengaruhi penjualan namun tidak dapat dihitung oleh model peramalan yang telah ditentukan sebelumnya. Biasanya exception bersifat kausal. Exception akan diinput ke dalam sistem pendukung keputusan yang akan dibangun untuk dijadikan pertimbangan tambahan ke dalam menentukan keputusan kebutuhan barang. Sebagai contoh exception dalam peramalan adalah adanya libur hari raya nasional yang menyebabkan permintaan produk cenderung meningkat atau adanya program undian berhadiah suatu produk sehingga permintaan juga akan meningkat. Penetapan exception dilakukan secara bersama pada saat melakukan perjanjian di awal. Kemudian exception yang telah diinput ke dalam sistem pendukung keputusan akan memberikan peringatan satu bulan sebelum due date sehingga kepala cabang dapat memberikan koreksi kepada hasil peramalan. 3.3.4 Pemecahan Masalah karena Exception Pemecahan masalah karena exception akan diselesaikan oleh kepala cabang. Kepala cabang akan memberikan koreksi terhadap hasil peramalan apabila terdapat exception. Pemberian koreksi dilakukan secara kualitatif atau berdasarkan pertimbangan manajerial dari kepala cabang. Koreksi berupa penambahan ataupun pengurangan sebanyak x persen dari hasil peramalan. 3.3.5 Keputusan Jumlah Kebutuhan Barang Setelah hasil peramalan didapatkan untuk setiap jenis produk, manajer harus melakukan penyesuaian dengan stok yang masih ada di gudang. Tahap ini membantu menajer untuk melakukan penyesuaian untuk kemudian ditemukan suatu jumlah barang yang harus dipesan oleh manajer. 3.4 Perancangan Basis Data Perancangan basis data dibuat berdasarkan kebutuhan sistem yang telah diidentifikasi sebelumnya. Terdapat 4 tahap dalam melakukan perancangan basis data. Tahap pertama adalah perancangan sistem, dimana akan dilakukan proses identifikasi pihak – pihak yang terlibat di dalam sistem serta bisnis prosesnya untuk kemudian dituangkan dalam diagram alir data (DAD). Tahap kedua adalah pengkodean, dimana akan dirancang kode – kode yang akan digunakan dalam proses input data. Tahap ketiga adalah tahap perancangan logika. Tahap ini
IV-54
dilakukan dengan teknik normalisasi. Tahap yang terakhir adalah pembuatan Entity Relationship Diagram (ERD). ERD digunakan untuk menggambarkan hubungan antar tabel dalam database yang akan dipakai dalam program komputer. 3.5 Perancangan Basis Dialog Perancangan basis dialog adalah perancangan user interface yang user friendly atau mudah dioperasikan oleh orang awam. Pada perancangan ini meliputi perancangan ukuran tabel, perancangan user interface input data, dan perancangan user interface laporan. 3.6 Perancangan Aplikasi Collaborative Forecasting Pada tahap ini akan dilakukan pembangunan konstruksi aplikasi Collaborative Planning and Forecasting dengan menggunakan software pemrograman. 3.7 Validasi Sistem Pendukung Keputusan Validasi sistem pendukung keputusan dilakukan terhadap performansi sistem pendukung keputusan yang dibangun dan pengujian ketepatan perhitungan output sistem pendukung keputusan. Pengujian performansi sistem pendukung keputusan dilakukan berdasarkan 2 kriteria yaitu kriteria ground truth (dasar kebenaran) dengan kriteria judgment. Pengujian performansi dengan kriteria ground truth dilakukan terhadap kecepatan sistem pendukung keputusan dalam mengambil dan mengolah data serta menampilkan laporan. Langkah selanjutnya adalah menguji performansi dengan kriteria judgment yaitu berdasarkan pada penilaian apakah sistem pendukung keputusan sudah sesuai dengan kebutuhan pengguna. Pengujian ketepatan perhitungan dilakukan dengan membandingkan hasil laporan peramalan sistem pendukung keputusan dengan perhitungan yang dilakukan secara manual dengan menggunakan Microsoft Excel. Apabila semua kriteria yang diujikan dalam validasi dapat terpenuhi maka sistem pendukung keputusan dianyatakan valid.
IV-55
3.8 Analisis dan Interpretasi Hasil Setelah tahap perancangan program selesai, maka dilakukan analisis dan interpretasi hasil perancangan sistem pada tahap sebelumnya. Analisis yang dilakukan meliputi analisis terhadap error hasil peramalan sistem usulan dan sistem awal dibandingkan dengan data aktual pada periode yang diramalkan. Selain itu akan dibahas kondisi – kondisi yang harus terpenuhi untuk mengimplementasikan sistem pendukung keputusan. 3.9 Kesimpulan dan Saran Tahap pembuatan kesimpulan dan saran ini membahas tentang kesimpulan dari hasil pengolahan data dan validasi yang telah dilakukan. Kesimpulan yang diambil harus sudah menjawab tujuan yang ditetapkan sebelumnya. Kesimpulan yang telah dibuat kemudian dijadikan pertimbangan untuk menyampaikan saransaran yang dapat memberikan masukan untuk perbaikan bagi perusahaan maupun sistem yang saat ini dibangun.
IV-56
BAB IV PERANCANGAN SISTEM
4.1 IDENTIFIKASI SISTEM PERUSAHAAN Terdapat beberapa kegiatan yang berjalan dan berhubungan dengan proses bisnis pemesanan dan pengadaan barang di PT Sinar Niaga Sejahtera. Kegiatankegiatan tersebut adalah sebagai berikut: 4.1.1 Pengadaan barang PT Sinar Niaga Sejahtera selalu melakukan pengadaan barang secara periodik yaitu setiap 2 minggu sekali. Pengadaan barang melibatkan 2 sub unit di dalam perusahaan yaitu kepala cabang dan petugas admininstrasi. Tahap-tahap pengadaan barang adalah sebagai berikut: a. Kepala cabang membuat rencana pengadaan barang. Rencana tersebut dibuat berdasarkan hasil peramalan menggunakan metode moving average serta dijumlah dengan hasil analisis tambahan manajer. b. Setelah hasil peramalan diperoleh maka diadakan penyesuaian dengan kondisi stock di dalam gudang. Hasilnya adalah kebutuhan barang bersih yang harus dipesan ke supplier. Data ini kemudian diserahkan ke staff administrasi untuk dilakukan proses pemesanan. c. Petugas Administrasi melakukan order pemesanan ke supplier berdasarkan hasil penyesuaian terhadap peramalan yang dibuat oleh kepala cabang. Pemesanan dilakukan melalui fax, email, maupun telepon ke supplier. Tahap-tahap pengadaan barang di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta dapat dilihat pada gambar 4.1.
IV-57
Gambar 4.1 Prosedur Pengadaan Barang 4.1.2 Penjualan Penjualan di PT Sinar Niaga Sejahtera dilakukan oleh salesman. Berikut ini adalah tahap-tahap penjualan di PT Sinar Niaga Sejahtera: a. Konsumen (outlet) melakukan pemesanan barang melalui salesman sesuai dengan jadwal kunjungan masing-masing outlet. b. Salesman mencatat pesanan outlet di dalam formulir pemesanan barang. c. Petugas administrasi bagian input data memasukkan jumlah pemesanan barang dari outlet ke dalam komputer serta membuat faktur dan surat jalan sebanyak 3 rangkap. Faktur pertama diserahkan ke bagian gudang, faktur kedua diserahkan ke konsumen dan faktur ke-tiga disimpan untuk dijadikan laporan ke manajer keuangan. Surat jalan diserahkan ke bagian dropping barang.
IV-58
d. Bagian dropping mengantarkan barang pesanan ke outlet serta menyerahkan faktur pemesanan barang kepada outlet sebanyak 2 rangkap. Rangkap pertama untuk disimpan oleh outlet dan faktur kedua ditandatangani dan diserahkan kepada financial manager untuk pembuatan laporan penjualan. e. Manajer keuangan membuat data penjualan sebagai laporan penjualan. f. Kepala cabang akan mengevaluasi laporan penjualan dan melunasi tagihan kepada supplier berdasarkan laporan penjualan.
Gambar 4.2 Prosedur Penjualan 4.1.3 Data Penjualan Data penjualan adalah seluruh data transaksi yang digunakan dalam analisis data historis untuk proses pengadaan barang. Analisis data historis yang ada menggunakan data penjualan yang tercatat oleh perusahaan. Data penjualan di
IV-59
sini adalah jumlah barang yang dipesan oleh outlet kepada PT Sinar Niaga Sejahtera. Outlet melakukan perkiraan sendiri dalam melakukan pemesanan barang kepada PT Sinar Niaga Sejahtera. Pengumpulan data penjualan outlet atau dapat diasumsikan sebagai permintaan final customer dapat digunakan sebagai dasar dalam melakukan peramalan permintaan oleh PT Sinar Niaga Sejahtera. Hal ini dilakukan untuk mengurangi resiko terjadinya bullwhip effect. Pemesanan yang dilakukan oleh outlet cenderung fluktuatif dan mengakibatkan proses pengadaan barang oleh PT Sinar Niaga Sejahtera menjadi fluktuatif pula. Data penjualan selama bulan Agustus 2008 sampai dengan bulan Juli 2009 dapat dilihat pada lampiran L-1, sedangkan grafik penjualannya adalah sebagai berikut:
Grafik Penjualan Agustus 2008 - Juli 2009 14.000.000 12.000.000 10.000.000 8.000.000 6.000.000 4.000.000 2.000.000 0 1
2
3
4
5
6
7
8
9
10
11
12
Gambar 4.3 Grafik Penjualan Agustus 2008 – Juli 2009 Grafik penjualan pada bulan Agustus 2008 – Juli 2009 seperti pada gambar 4.3 cenderung berpola musiman. Hal ini dapat dilihat pada saat November 2008 (periode ke-4) dan Maret 2009 (periode ke 8) terjadi lonjakan permintaan. Lonjakan ini terjadi karena pada bulan November 2008 terdapat Hari Raya Idul Fitri sedangkan pada bulan Maret 2009 terdapat beberapa hari libur nasional yang menyebabkan permintaan konsumen melonjak. 4.2 ANALISIS KEBUTUHAN SISTEM Setelah melakukan identfikasi terhadap sistem pengadaan barang yang saat ini dijalankan di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta terdapat beberapa kelemahan dalam proses pengadaan barang. Kelemahan pertama adalah
IV-60
metode peramalan yang digunakan. Saat ini PT Sinar Niaga Sejahtera menggunakan metode moving average sebagai metode peramalan, di mana metode ini tidak dapat mengidentifikasi adanya faktor musiman ataupun tren produk. Pola permintaan produk adalah musiman seperti terlihat pada gambar 4.3 dimana permintaan mengalami peningkatan mulai bulan Oktober 2008 (periode 3) dan akhirnya mengalami lonjakan yang ekstrim pada bulan November (periode 4). Selain itu pencatatan stock secara manual juga menyebabkan lamanya pengambilan keputusan dan pemenuhan penjualan ke outlet karena informasinya harus diolah secara manual. Kelemahan itu dapat diatasi dengan pembuatan sistem pendukung keputusan peramalan dan pengadaan barang yang dapat mengakomodir permasalahan yang saat ini dihadapi PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta. Permasalahan yang lain adalah penggunaan data penjualan dalam proses peramalan. Hal ini dapat menyebabkan terjadinya fenomena bullwhip effect di echelon yang lebih tingi lagi. Oleh karena itu pengumpulan data penjualan outlet yang nantiya digunakan untuk proses peramalan akan sangat membantu dalam mengurangi fenomena bullwhip effect. Tentunya pengumpulan data ini dilakukan secara tradisional dengan memanfaatkan sistem regulasi salesman yang saat ini berjalan di PT Sinar Niaga Sejahtera karena kebanyakan outlet yang ditangani PT Sinar Niaga Sejahtera adalah bersifat tradisional. Penanganan terhadap kondisi tertentu yang mempengaruhi jumlah kebutuhan barang (exception) dapat dilakukan secara kualitatif oleh kepala cabang PT Sinar Niaga Sejahtera. 4.3 PERANCANGAN BASIS MODEL Perancangan basis model adalah perancangan model yang digunakan dalam sistem informasi serta sistem pengadaan barang yang tidak dimasukkan dalam sistem informasi. Adapun sistem yang akan digunakan adalah berdasarkan kepada CPFR (Collaborative Planning, Forecasting, and Replenishment). Perancangan basis model sistem pendukung keputusan dilakukan untuk collaborative planning dan forecasting.
IV-61
4.3.1 Collaborative Planning Collaborative planning melibatkan anggota-anggota yang terlibat di dalam supply chain. PT Sinar Niaga Sejahtera sebagai distributor melakukan kerjasama dengan beberapa supplier untuk memenuhi kebutuhan barang. PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta bekerja sama dengan outlet-outlet yang tersebar di wilayah Surakarta, Boyolali, Klaten, Sukoharjo, Wonogiri, Sragen, dan Karanganyar. Berikut ini adalah hal-hal yang perlu dibahas dalam melakukan perencanaan bisnis serta informasi-informasi yang harus dibagi antar anggota rantai pasok.
Gambar 4.4 Aliran Informasi dalam Anggota Rantai Pasok Pihak supllier dan outlet diasumsikan telah sepakat untuk mengadakan kerja sama. Oleh karena itu informasi-informasi di atas dianggap sudah disetujui untuk diketahui pihak-pihak yang mengadakan kerja sama. PT Sinar Niaga Sejahtera perlu mengadakan suatu metode pengumpulan data dengan memanfaatkan sistem yang saat ini sudah berjalan untuk mengumpulkan data penjualan dari outlet. Salesman melakukan kunjungan ke outlet secara periodik yaitu satu kali dalam satu minggu. Pengumpulan data penjualan outlet akan dilakukan dengan menggunakan sistem ini, dimana salesman akan mengisi formulir penjualan outlet pada saat melakukan kunjungan ke outlet. Pengumpulan dilakukan dengan menggunakan formulir karena kebanyakan outlet PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta masih bersifat tradisional dan belum memiliki sistem informasi yang terkomputerisasi. Data yang diisikan adalah data penjualan outlet dalam rentang waktu satu minggu. Cara ini dapat diaplikasikan untuk outlet yang bersifat tradisional. Contoh formulir ini dapat dilihat pada gambar 4.5. Outlet-outlet modern dimana sistem
IV-62
pencatatan penjualannya sudah terkomputerisasi, pengiriman data penjualannya dapat dilakukan melalui email ataupun fax setiap minggunya. PT Sinar Niaga Sejahtera Surakarta Bulan / Tahun: Nama Salesman : Nama Toko : Kode Barang
Kode : Kode Toko : Penjualan Pemesanan Minggu 1 Minggu 2 Minggu 3 Minggu 4 Minggu 1 Minggu 2 Minggu 3 Minggu 4
Gambar 4.5 Formulir Kolektif Data Usulan Kolom Bulan/tahun diisi menurut periode bulan atau tahun yang saat ini sedang berjalan. Nama salesman dan kode salesman diisi untuk data di perusahaan supaya memudahkan dalam memasukkan data ke dalam komputer. Nama toko disertai dengan kode toko juga bertujuan sama, yaitu memudahkan dalam input data di dalam komputer. Data barang cukup dituliskan kode barang untuk memudahkan proses input data. Pada kolom penjualan, setiap minggunya terdapat kolom untuk mengisi total penjualan outlet untuk minggu pertama, kedua, ketiga ataupun ke-empat sesuai dengan minggu yang berjalan. Untuk membandingkan sekaligus menghemat, ditambahkan kolom pemesanan barang di samping kolom penjualan. 4.3.2 Pyramid Forecasting Peramalan merupakan salah satu proses pengambilan keputusan dalam pengadaan barang. Peramalan selalu berdasarkan dari analisis data histori.
IV-63
Pengambilan keputusan dilakukan melalui beberapa proses yaitu analisis data historis, analisis tambahan (terkait keputusan manajerial) dan pengecekan ketersediaan barang di gudang. Peramalan yang saat ini berjalan di PT Sinar Niaga Sejahtera adalah dengan menggunakan metode moving average dijumlah dengan pertimbangan tambahan manager. Kelemahan dari model peramalan ini adalah bahwa model tersebut tidak dapat membaca unsur pola data trend ataupun musiman. Peramalan dilakukan dengan data historis berupa jumlah pemesanan barang yang dilakukan oleh outlet. Pyramid
forecasting
adalah
peramalan
terhadap
produk
yang
diagregasikan atau dikelompokkan menurut jenisnya. Hal ini dimaksudkan untuk mengurangi kemungkinan terjadinya bullwhip effect karena error peramalan yang besar. Proses peramalannya sendiri akan menggunakan metode Winter karena dengan metode ini dapat dihitung faktor musiman, trend, maupun stationer. Permintaan sendiri cenderung berpola musiman karena pada saat mendekati lebaran permintaan selalu melonjak setiap tahunnya. Validasi model peramalan Winter akan dilakukan dengan cara membandingkan nilai MAD antara metode Winter dengan metode yang saat ini digunakan oleh PT. Sinar Niaga Sejahtera yaitu metode moving average. Data yang digunakan adalah data penjualan outlet pada periode Agustus 2008 – Juli 2009. Apabila nilai MAD peramalan pada sistem usulan lebih kecil daripada sistem yang saat ini berjalan maka dapat dikatakan bahwa model usulan adalah valid. Hasil perhitungan peramalan total produk dengan Microsoft Excel untuk periode Agustus 2009 dengan metode moving average yang saat ini digunakan oleh PT. Sinar Niaga Sejahtera adalah sebesar 8.613.17 unit dan nilai MAD adalah sebesar 1.034.933,89. Sedangkan dengan menggunakan metode yang diusulkan yaitu metode Winter, hasil peramalan adalah 7.343.600 unit dengan nilai MAD sebesar 740.759,88. Metode peramalan Winter lebih valid daripada metode peramalan yang saat ini berjalan yaitu moving average karena nilai MAD peramalan Winter lebih kecil daripada nilai MAD metode Moving Average
IV-64
Pyramid forecasting terbagi menjadi beberapa tahap yaitu sebagai berikut: 1. Proses Roll-Up Proses roll-up adalah proses pengagregasian produk ke dalam kelompokkelompok tertentu. Hal ini dilakukan karena terdapat 157 varian produk yang didistribusikan oleh PT Sinar Niaga Sejahtera. Pengagregasian dilakukan secara bertahap mulai dari kelompok dengan jumlah anggota terkecil sampai total keseluruhan produk. Pengelompokan ini dilakukan berdasarkan kesamaan sifat produk. Terdapat 3 level dalam hirarki produk ini. Level yang paling rendah adalah item unit, di mana anggotanya adalah tiap unit produk (SKU). Level ke-2 adalah merk produk di mana setiap merk produk terdiri dari beberapa unit produk. Level ke-3 adalah jenis produk. Jenis produk maksudnya adalah jenis makanan ataupun minuman beberapa merk produk. Total keseluruhan produk berada di level teratas hirarki produk. Berikut ini adalah gambaran umum hirarki dan piramid produk.
Gambar 4.6 Piramida Kelompok Produk Kelompok produk terkecil adalah kelompok item unit yaitu setiap unit produk yang didistribusikan PT Sinar Niaga Sejahtera yaitu sebesar 157 produk. Kemudian kelompok ini dikelompokkan lagi menjadi kelompok yang lebih kecil yaitu kelompok merk produk yang berjumlah 43 kelompok merk. Untuk lebih mempermudah analisa pola maupun tren produk serta mengurangi fenomena bullwhip effect maka produk dikelompokkan lagi menjadi kelompok produk yang lebih besar anggotanya yaitu kelompok jenis produk yang terdiri dari 8 jenis produk yang kemudian diagregasi menjadi total keseluruhan produk. Kemudian hasil agregasi ini digunakan sebagai input dalam melakukan peramalan Winter.
IV-65
Berikut ini adalah gambar yang menggambarkan macam-macam jenis produk yang didistribusikan oleh PT Sinar Niaga Sejahtera:
Gambar 4.7 Klasifikasi Kelompok Jenis Produk Selanjutnya untuk kelompok merk produk dan item unit akan digambarkan di dalam lampiran L-2. 2. Proses Peramalan Winter Peramalan akan dilakukan dengan menggunakan metode Winter. Dalam melakukan peramalan sebagai sistem pendukung keputusan terdapat 3 langkah yang harus dilakukan yaitu: a. Melakukan Peramalan Peramalan dilakukan dengan menggunakan metode Winter. Rumus yang digunakan untuk melakukan peramalan mengacu pada persamaan 2.25 sampai persamaan 2.28. Proses peramalan Winter dilakukan dalam 4 tahap yaitu:
Perhitungan unsur stationer Untuk melakukan perhitungan unsur stationer dipakai rumus sebagai berikut: F(t)
.A ( t )
=
I ( t m ) (1 )(F( t 1) T( t 1) )
Perhitungan unsur tren Perhitungan unsur tren dilakukan dengan menggunakan rumus sebagai berikut: T(t)
= β(F(t) – F(t-1)) + (t- β).T(t-1)
Perhitungan unsur musiman Perhitungan unsur musiman dilakukan dengan menggunakan rumus sebagai berikut: I(t) =
A ( t ) F( t )
(1 ).I ( t m )
IV-66
Perhitungan peramalan Setelah dilakukan perhitungan terhadap faktor stationer, tren, dan musiman kemudian dillakukan perhitungan peramalan. Perhitungan peramalan dengan metode Winter dilakukan dengan rumus sebagai berikut: f(t+τ)
= (F(t) + τ.T(t)). I(t+R-m)
Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan adalah 0,1; 0,5; dan 0,9.
Variasi ini diambil dengan pertimbangan nilai alpha yang
terkecil (0,1) sampai nilai alpha yang terbesar (0,9) serta nilai alpha yang di tengah (0,5). Variasi ini diharapkan mampu mewakili range alpha dari 0,1 – 0,9. Sedangkan nilai gamma dan beta adalah tetap, yaitu 0,5. b. Memilih data peramalan dengan error terkecil. Langkah terakhir dalam proses peramalan adalah pemilihan data dengan error terkecil. Perhitungan peramalan yang dilakukan dengan variasi alpha 0,1; 0,5; dan 0,9 masing-masing akan dilakukan perhitungan error dengan menggunakan MAD. Pemilihan data peramalan dilakukan dengan mengambil data peramalan yang memiliki nilai MAD terkecil. Perhitungan MAD dilakukan dengan menggunakan persamaan 2.26. 3. Proses Force-Down Pada tahap ini dilakukan disagregasi hasil peramalan terhadap kelompok produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan ini berdasarkan angka rasio penambahan atau pengurangan hasil peramalan terhadap jumlah penjualan pada periode sebelumnya. a. Perhitungan rasio penambahan atau pengurangan ratio penambahan =
Hasil peramalan Jumlah sebelum peramalan
b. Perhitungan force-down Tahap force-down adalah tahap dimana hasil peramalan untuk satu kelompok produk (agregat) didisagregasi sampai satuan produk terkecil. Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat. Xt = rasio x jumlah sebelum peramalan
IV-67
4.3.3 Perhitungan Kebutuhan Barang Pada tahap ini diadakan penyesuaian hasil peramalan dengan stok yang masih ada di gudang distributor. Yt
= Xt – St + Pt
Dimana : Yt = Kebutuhan bersih untuk periode t Xt = Hasil peramalan untuk periode t St = Stok barang di gudang distributor untuk periode t, dimana St > 0 > St Pt = Penambahan jumlah barang jika terdapat agenda promosi untuk periode t
4.4 PERANCANGAN BASIS DATA 4.4.1 Perancangan Sistem Pada tahap ini akan dilakukan perbaikan sistem dan model dari langkah perbaikan yang telah dilakukan pada tahap sebelumnya: A. Identifikasi Sistem Identifikasi sistem dilakukan untuk mengetahui faktor-faktor yang akan mempengaruhi kinerja sistem. Identifikasi sistem ini akan dijadikan masukan dan pertimbangan dalam mendesain sistem. Identifikasi sistem ini terdiri dari berbagai aspek, yaitu business users dan analisis jabatan, business process, business rules, business problems and solutions, dan business tools. 1. Business Users dan Analisis Jabatan Terdapat beberapa pihak atau personil yang terlibat dalam proses pengambilan keputusan pengadaan barang. Personil-personil yang terlibat dalam proses pengambilan keputusan pengadaan barang adalah: a. Outlet Yang dimaksud outlet di sini adalah retailer, grosir, semi grosir, modern market serta sub-distributor yang dilayani oleh perusahaan. Outlet bertugas untuk mencatat data penjualan produk mereka setiap minggunya melalui formulir yang telah dirancang serta memberikan jadwal promosi kepada PT. Sionar Niaga Sejahtera. b. Supplier Supplier adalah perusahaan produsen produk yang didistribusikan oleh PT.
IV-68
Sinar Niaga Sejahtera. Peranan supplier adalah memberikan jadwal promosi yang akan dijadikan pertimbangan tambahan oleh kepala cabang dalam mengambil keputusan pengadaan barang. c. Salesman Salesman bertugas mengumpulkan formulir dari outlet yang berisi data penjualan outlet setiap minggunya. d. Kepala dan Staff Bagian Administrasi Kepala dan staff bagian administrasi bertugas menginput data penjualan outlet ke dalam komputer dan mengolahnya dalam sistem pendukung keputusan serta melakukan pemesanan ke supplier. e. Kepala Cabang Kepala cabang bertugas mengevaluasi hasil peramalan berkenaan dengan exception yang mungkin terjadi selama periode yang berjalan dan menentukan jumlah barang yang harus dipesan oleh kepala staff bagian administrasi. f. Sales Area Koordinator Sales area koordinator bertugas memberikan penilaian ataupun masukan kepada branch manajer perihal exception dan hasil peramalan untuk dijadikan acuan dalam pengadaan barang. g. Kepala Gudang Kepala gudang bertugas mengecek ketersediaan barang di dalam gudang dan menyortir barang yang sudah dikirim oleh supplier. 2. Bussiness Process Terdapat beberapa tahapan dalam memutuskan jumlah kebutuhan barang dalam satu bulan. Berikut ini adalah rangkaian proses dalam pengadaan barang sampai didapatkan keputusan pengadaan barang adalah: a. Melakukan perencanaan bersama dan bertukar informasi Proses ini dilakukan ketika outlet dan perusahaan sepakat untuk mengadakan pengadaan barang bersama dan memberikan informasi mengenai data historis penjualan, jadwal promosi, jadwal hari libur dan hal-hal lainnya yang sekiranya berpengaruh terhadap proses perhitungan jumlah pengadaan barang. Selain itu supplier juga terlibat dalam proses pengadaan barang. Supplier
IV-69
dapat membagikan informasi mengenai jadwal promosi produknya kepada PT. Sinar Niaga Sejahtera. b. Mengumpulkan data penjualan historis dari outlet Pengambilan data historis penjualan oulet dilakukan oleh salesman yang dilakukan setiap minggunya yang kemudian diserahkan kepada petugas administrasi untuk diinput ke dalam database penjualan historis. c. Melakukan peramalan Peramalan dilakukan dengan menggunakan pyramid forecasting dan model Winter. Keseluruhan proses ini dioperasikan oleh kepala administrasi yang dibantu dengan sistem pendukung keputusan. d. Melakukan order generation Proses ini dimulai setelah didapat hasil peramalan dan kemudian disesuaikan dengan kondisi inventaris di gudang oleh kepala gudang. e. Melakukan penyesuaian Penyesuaian dilakukan apabila terdapat exception atau pada kasus ini adalah kegiatan promosi yang dilakukan oleh outlet maupun supplier. Koreksi yang ditambahkan berdasarkan pertimbangan kepala cabang secara kualitatif. f. Melakukan pemesanan Proses ini dilakukan setelah didapat hasil bulat dari jumlah pengadaan barang setelah disesuaikan dengan kondisi inventaris gudang dan penyesuaian. Proses ini dilakukan oleh kepala cabang yang biasanya didelegasikan kepada karyawan atau staff di bawahnya. Diagram alir prosedur pengambilan keputusan pengadaan barang dapat dilihat pada gambar 4.8.
IV-70
Gambar 4.8 Prosedur Pengadaan Barang Usulan 3. Business Rules Business rules merupakan batasan/ketentuan yang dapat menjaga integritas data untuk menjamin sistem dapat berjalan seperti yang diharapkan. Ketentuan dalam sistem yang dirancang adalah: a. Penggunaan kode supplier dan produk dilakukan secara otomatis oleh sistem. b. Penerapan business rules pada tipe data pada tabel database. c. Penerapan business rules pada relasi antar tabel database. 4. Business Tools Peralatan yang digunakan dalam sistem yang dirancang berupa komputer. Sumber daya yang ada selama ini berupa komputer dapat digunakan sebagai business tools.
IV-71
5. Entry Data Entry data hanya dilakukan untuk data historis penjualan outlet yang dikumpulkan melalui formulir-formulir yang dikumpulkan setiap minggu melalui salesman. Entry data dilakukan oleh petugas administrasi.
B. Pemodelan Sistem Sebelum memodelkan perbaikan sistem pengadaan barang, terlebih dahulu mendefinisikan kesatuan-kesatuan luar yang terlibat dalam sistem. Kesatuan luar yang terlibat dalam sistem pengadaan barang adalah branch manajer, kepala gudang, outlet, dan petugas administrasi. Proses pengambilan keputusan pengadaan barang terdiri dari tiga tahapan yaitu tahap input data, pemrosesan data, dan yang terakhir adalah analisis output. Data yang diinput dalam aplikasi ini adalah data penjualan outlet dan data mutasi barang. Data penjualan outlet akan mengalami beberapa tahapan peramalan seperti yang telah dibahas dalam perancangan basis model. Sedangkan data mutasi barang adalah data barang yang keluar dan masuk ke dalam gudang sehingga akan didapatkan data saldo barang yang ada di dalam gudang. Output dari kedua proses tersebut kemudian dianalisa untuk mendapatkan keputusan jumlah pengadaan barang. Terdapat faktor luar (exception) yang mempengaruhi jumlah kebutuhan barang, proses analisis terhadap faktor ini tidak dilakukan oleh sistem pendukung keputusan yang dirancang namun dilakukan secara manual oleh kepala cabang berdasarkan keputusan manajerial yang dibuat. Keputusan manajerial ini kemudian dijadikan data pendukung dalam memutuskan jumlah kebutuhan barang PT. Sinar Niaga Sejahtera. Proses pengambilan keputusan pengadaan barang akan dituangkan pada gambar 4.9.
IV-72
Gambar 4.9 Proses Pengambilan Keputusan Pengadaan Barang Berdasarkan proses pada gambar 4.9 kemudian akan dibuat diagram context kemudian dijadikan dasar dalam perancangan aplikasi. Berikut ini adalah diagram context sistem pengadaan barang.
Gambar 4.10 Diagram Context Sistem Pengadaan Barang Pada gambar 4.10 digambarkan bahwa petugas administrasi melakukan input data berupa data penjualan PT Sinar Niaga Sejahtera dan data penjualan outlet. Kemudian Kepala gudang melakukan input data mutasi barang. Output dari sistem informasi pengadaan barang ini adalah hasil peramalan dan laporan penjualan untuk kepala cabang serta faktur penjualan untuk salesman dan kepala gudang.
IV-73
Gambar 4.11 Diagram Arus Data Level 0 Sistem Pengadaan Barang Diagram arus data level 0 menggambarkan arus data pada sistem pengadaan barang. Input data berupa data penjualan yang kemudian diolah oleh SPK menjadi hasil peramalan dan setelah mengalami penyesuaian dengan stock barang maka didapatkan hasil kebutuhan barang.
Gambar 4.12 Diagram Arus Data Level 1 Menentukan Stok Barang Berdasarkan gambar 4.12, perhitungan stok barang di gudang berdasarkan pada perhitungan jumlah barang yang masuk dan keluar gudang. Hasilnya adalah saldo akhir stock di gudang.
IV-74
Gambar 4.13Diagram Arus Data Level 1 Menentukan Jumlah Kebutuhan Barang Gambar 4.13 menjelaskan tentang arus data dan rangkaian prosedur penentuan kebutuhan barang (net requirement).
Kemudian perhitungan ini
digunakan dalam proses 4 yaitu menyesuaikan terhadap exception dalam peramalan.
Gambar 4.14 Diagram Arus Data Level 2 Meramalkan Penjualan Data historis penjualan outlet yang dikumpulkan dalam bentuk formulir akan diinput ke dalam komputer dan ditampung dalam sebuah basis data yang terintegrasi dengan program komputer. Basis data ini dibuat agar data dapat terorganisir dan tersimpan dengan baik serta memudahkan dalam pencarian data. 4.4.2 Pengkodean PT Sinar Niaga Sejahtera sudah menerapkan sistem pengkodean dalam menginput data. Oleh karena itu dalam penelitian ini, pengkodean akan mengikuti pengkodean yang saat ini dipakai oleh PT Sinar Niaga Sejahtera. Pengkodean dilakukan untuk tabel nama produk, jenis produk, supplier, salesman, customer dan harga. Berikut adalah kode yang telah digunakan di PT Sinar Niaga Sejahtera:
IV-75
1. Kode Nama Barang Pembuatan kode supplier dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini telah digunakan oleh PT Sinar Niaga Sejahtera. 2. Kode Jenis Produk Pembuatan kode jenis produk dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah nama jenis itu sendiri, misalnya ”Susu”, ”Minyak”, dll. 3. Kode Merk Produk Pembuatan kode merk produk dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah nama merk itu sendiri, misalnya ”Atom Ekspor”, ”Kacang Garing”, dll. 4. Kode Supplier Pembuatan kode supplier dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini telah digunakan oleh PT Sinar Niaga Sejahtera. 5. Kode Salesman Pembuatan kode supplier dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini telah digunakan oleh PT Sinar Niaga Sejahtera. 6. Kode Customer Pembuatan kode supplier dilakukan dengan auto increment dimana kode digenerate secara otomatis oleh sistem untuk menghindari kesalahan input kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini telah digunakan oleh PT Sinar Niaga Sejahtera.
IV-76
4.4.3
Tahap Perancangan Logika Tahap perancangan logika program dilakukan dengan teknik normalisasi. Tujuan normalisasi adalah mengidentifikasikan hubungan
antar atribut, mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi untuk membentuk database. Berikut ini adalah contoh tabel transaksi yang saat ini digunakan oleh PT. Sinar Niaga Sejahtera dan akan didesain ulang dengan menggunakan teknik normalisasi: Tabel 4.1 Tabel Transaksi PT. Sinar Niaga Sejahtera No. Faktur Tgl Beli
Kd Salesman
Kd Customer
Nama Customer
Kd Harga Merk Kd Barang
(Sumber: PT Sinar Niaga Sejahtera distributor Wilayah Surakarta, 2009)
IV-77
Nama Barang
Isi Box Qty
1. Normalisasi Pertama (1NF/First Normal Form) Syarat normalisasi pertama adalah bahwa setiap atribut hanya memiliki satu dan hanya satu nilai. Tabel 4.1 dapat dikatakan telah memenuhi syarat normalisasi pertama karena setiap atributnya hanya memiliki satu dan hanya satu nilai. 2. Normalisasi Kedua (2NF/Second Normal Form) Syarat normalisasi kedua adalah semua atribut harus tergantung penuh pada primary key
sehingga beberapa atribut yang sama dan dipakai dalam
beberapa tabel, dibuat tabel-tabel master dari atribut-atribut yang sama tersebut. Berikut adalah tabel-tabel yang memerlukan normalisasi kedua:
Master produk Tabel 4.2 Tabel Master produk Entitas
Atribut Kode Produk* Nama Produk Merk Produk
Produk
Jenis Produk Kode Supplier Isi Box
Master supplier Tabel 4.3 Tabel Master Supplier Entitas
Atribut Kode Supplier* Nama Supplier
Supplier
Alamat No. Telp Contact Person Email
lxxviii
Master salesman Tabel 4.4 Tabel Master Salesman Entitas
Atribut Kode Salesman*
Salesman Nama Salesman No. HP
Master outlet Tabel 4.5 Tabel Master Outlet Entitas
Atribut Kode Outlet* Nama Outlet Jenis Outlet
Outlet
Alamat Contact Person No. Telp Outlet Email
Master harga Tabel 4.6 Tabel Master Harga Entitas Harga
Atribut Nama Produk* Harga
Sehingga dengan dibuatnya tabel-tabel master, tabel-tabel entitas akan mengalami perubahan sebagai berikut:
lxxix
Tabel 4.7 Tabel Data Pembelian 2NF Entitas
Atribut No. Faktur Pembelian* Tanggal Pembelian Kode Supplier** Kode Produk**
Pembelian Nama Merk Qty Harga Jumlah Tagihan Keterangan Tabel 4.8 Tabel Penjualan 2NF Entitas
Atribut No. Faktur Penjualan* Tanggal Penjualan Kode Salesman** Kode Outlet**
Penjualan Kode Produk** Qty Harga Jumlah Tagihan Keterangan Tabel 4.9 Tabel Penjualan Outlet 2NF Entitas
Atribut Tanggal Penjualan Outlet*
Penjualan Outlet
Kode Outlet** Kode Produk** Nama Merk Qty
lxxx
Tabel 4.10 Tabel Pengeluaran Barang 2NF Entitas
Atribut No. Nota Pengeluaran* Tanggal
Pengeluaran Keterangan Barang
Kode Produk** Merk Qty
Tabel 4.11 Tabel Pemasukan Barang 2NF Entitas
Atribut No. Nota Pengiriman* Tanggal Pemasukan Keterangan Barang Kode Produk** Merk Qty Karena akan ditambahkan fitur baru di dalam sistem pendukung keputusan yaitu fitur event reminder maka akan ditambahkan satu tabel baru yaitu tabel calendar event untuk menginput jadwal promosi ataupun event lain yang diselenggarakan oleh outlet maupun pihak supplier. Berikut ini adalah tabel calendar event yang dimaksud:
Entitas
: Calendar Event Tabel 4.12 Tabel Calendar Event Entitas
Calendar Event
Atribut Tanggal Event* Kode Penyelenggara** Nama Penyelenggara Keterangan Event Kode Produk ** Nama Produk Koreksi
lxxxi
3. Normalisasi Ketiga (3NF/Third Normal Form) Syarat normalisasi ketiga adalah ketergantungan parsial harus dipisahkan. Pada tahap ini dianalisa tabel-tabel hasil dari normalisasi kedua. Pada normalisasi kedua tidak ada ketergantungan parsial antar tabel sehingga tabel – tabel pada normalisasi ke-dua tidak mengalami perubahan. 4.4.4 Entity Relationship Diagram (ERD) Entity Relationship Diagram menggambarkan hubungan antara tabel-tabel dalam database yang akan dipakai dalam program komputer. Hubungan antara table – table master dapat dilihat pada gambar 4.15 ∞
1
∞ 1
1 1
1 1
∞
∞
∞ 1
∞
∞
1
∞
∞ ∞ ∞
Gambar 4.15 Entity Relationship Diagram (ERD) Gambar 4.15 memaparkan tentang hubungan antar table – table yang ada dalam sistem pendukung keputusan yang dirancang. Digambarkan hubungan antar table serta field – field masing – masing table dengan field pada table yang lain. Sebagai contoh table pembelian terhubung dengan table supplier pada field “kode supplier”, demikian seterusnya.
lxxxii
4.5 PERANCANGAN BASIS DIALOG Pada bagian desain logika tabel yang sudah mengalami normalisasi akan menghasilkan tabel-tabel baru. Dalam tahap ini akan diuraikan kamus data untuk setiap tabel serta perancangan user interface input dan output. 4.5.1 Kamus Data Tabel 4.13 Komponen Tabel Master Produk Nama Field
Tipe Data
Ukuran
Kode Produk
Character
5
Nama Produk
Character
50
Merk Produk
Character
20
Jenis Produk
Character
15
Kode Supplier
Character
5
Isi Box
Numeric
3
Tabel 4.14 Komponen Tabel Master Supplier Nama Field
Tipe Data
Ukuran
Kode Supplier
Character
5
Nama Supplier
Character
30
Alamat
Character
50
No. Telp
Numeric
10
Contact Person
Numeric
10
Email
Character
30
Tabel 4.15 Komponen Tabel Master Salesman Nama Field
Tipe Data
Ukuran
Kode Salesman
Character
5
Nama Salesman
Character
20
No. HP
Numeric
13
lxxxiii
Tabel 4.16 Komponen Tabel Master Outlet Nama Field Kode Outlet Nama Outlet Jenis Outlet Alamat Contact Person No. Telp Outlet Email
Tipe Data Character Character Character Character Numeric Numeric Character
Ukuran 5 30 15 30 13 13 30
Tabel 4.17 Komponen Tabel Master Harga Nama Field
Tipe Data
Ukuran
Nama Produk
Character
30
Harga
Numeric
6
Tabel 4.18 Komponen Tabel Pembelian Nama Field
Tipe Data
Ukuran
Character
15
Date
8
Nama Supplier
Character
30
Kode Produk
Character
30
Nama Merk
Character
20
Qty
Numeric
10
Harga
Numeric
6
Jumlah Tagihan
Numeric
10
Keterangan
Character
7
No Faktur Pembelian Tanggal Pembelian
Tabel 4.19 Komponen Tabel Penjualan Outlet Nama Field
Tipe Data
Ukuran
Date
8
Kode Outlet
Character
5
Kode Produk
Character
5
Merk
Character
20
Qty
Numeric
10
Tanggal
lxxxiv
Tabel 4.20 Komponen Tabel Penjualan Nama Field
Tipe Data
Ukuran
Character
15
Date
8
Kode Outlet
Character
5
Nama Produk
Character
50
Qty
Numeric
10
Harga
Numeric
6
Jumlah Tagihan
Numeric
10
Keterangan
Character
7
No. Faktur Tanggal
Tabel 4.21 Komponen Tabel Pengeluaran Barang Nama Field
Tipe Data
Ukuran
Character
15
Date
8
Nama Produk
Character
50
Merk
Character
20
Qty
Numeric
10
Keterangan
Character
7
No. Nota Pengeluaran Tanggal
Tabel 4.22 Komponen Tabel Pemasukan Barang Nama Field
Tipe Data
Ukuran
Character
15
Date
8
Nama Produk
Character
50
Merk
Character
20
Qty
Numeric
10
Keterangan
Character
7
No. Nota Pemasukan Tanggal
lxxxv
Tabel 4.23 Komponen Tabel Pemasukan Barang Nama Field
Tipe Data
Ukuran
Date
8
Kode Penyelenggara
Character
30
Nama Penyelenggara
Character
50
Keterangan Event
Character
70
Kode Produk
Character
30
Nama Produk
Character
50
Koreksi
Numeric
3
Tangga Event
4.5.2 Perancangan User Interface Input Perancangan user interface input meliputi perancangan form-form menu utama, data supplier, data produk, data salesman, data outlet (customer), purchase order, mutasi barang keluar, dan mutasi barang masuk.
Gambar 4.16 Form Menu Utama Menu Utama terdiri dari 4 menu yaitu menu data induk, menu purchasing, menu mutasi barang, dan menu laporan. Menu data induk berisi data-data master yaitu master barang, master supplier, master salesman, master outlet, dan master harga. Pada menu ini user dapat mengubah, menambahkan, maupun menghapus data setiap tabel master. Menu purchasing digunakan untuk menambahkan atau menghapus purchase order secara harian yang kemudian ditampilkan dalam laporan secara harian dan bulanan. Menu mutasi barang mengacu pada stock barang di gudang yaitu pencatatan jumlah barang yang keluar maupun yang masuk ke gudang. Menu laporan digunakan untuk mengumpulkan tabel-tabel perhitungan peramalan serta grafik data penjualan selama 1 tahun.
lxxxvi
Gambar 4.17 Form Data Barang Nama form
: Data Barang
Fungsi
: Memasukkan, mengubah, dan menghapus data barang
Data Environment : Tabel data barang Tabel data supplier Proses
: - Mengisi data barang - Mengisi data supplier yang terkait - Menyimpan data
Gambar 4.18 Form Data Customer Nama form
: Data Customer
Fungsi
: Memasukkan, mengubah, dan menghapus data customer
Data Environment : Tabel data customer Proses
: - Mengisi data customer - Menyimpan data
lxxxvii
Gambar 4.19 Form Data Salesman Nama form
: Data Salesman
Fungsi
: Memasukkan, mengubah, dan menghapus data salesman
Data Environment : Tabel data salesman Proses
: - Mengisi data salesman - Menyimpan data
Gambar 4.20 Form Data Supplier Nama form
: Data Supplier
Fungsi
: Memasukkan, mengubah, dan menghapus data supplier
Data Environment : Tabel data supplier Proses
: - Mengisi data supplier - Menyimpan data
lxxxviii
Gambar 4.21 Form Data Harga Nama form
: Data Harga
Fungsi
: Memasukkan, mengubah, dan menghapus data harga produk
Data Environment : Tabel data harga Proses
: - Mengisi data nama produk - Mengisi data harga
No. Faktur Tanggal Kode Supplier Keterangan
: : : :
Nama Produk
Nama Merk
Qty
New
Harga
Jumlah
Add
Delete
Save
Close
Gambar 4.22 Input Pembelian Nama form
: Data Purchasing (Pembelian)
Fungsi
: Memasukkan, mengubah, dan menghapus data purchasing
Data Environment : Tabel data barang Tabel data supplier Proses
: - Mengisi data supplier - Mengisi data barang yang dipesan - Menyimpan data
lxxxix
No. Faktur Tanggal Kode Outlet Keterangan
: : : :
Nama Produk
Nama Merk
Qty
New
Harga
Jumlah Keterangan
Add
Delete
Save
Close
Gambar 4.23 Input Penjualan Nama form
: Data Penjualan
Fungsi
: Memasukkan, mengubah, dan menghapus data penjualan
Data Environment : Tabel data barang Tabel data outlet Proses
: - Mengisi data outlet - Mengisi data barang yang dipesan - Menyimpan data
Tanggal Kode Outlet Keterangan Nama Produk
: : : Nama Merk
Qty
Add
Delete
Save
New Close
Gambar 4.24 Input Penjualan Outlet Nama form
: Data Penjualan
Fungsi
: Memasukkan, mengubah, dan menghapus data penjualan outlet
Data Environment : Tabel data barang Tabel data outlet Proses
: - Mengisi data outlet - Mengisi data penjualan barang - Menyimpan data
xc
Gambar 4.25 Form Mutasi Barang Masuk Nama form
: Data Mutasi Barang Masuk
Fungsi
: Memasukkan dan menghapus data barang yang masuk ke gudang
Data Environment : Tabel data barang Proses
: - Mengisi data supplier - Menyimpan data
Gambar 4.26 Form Mutasi Barang Keluar Nama form
: Data Mutasi Barang Keluar
Fungsi
: Memasukkan dan menghapus data barang yang keluar dari gudang
Data Environment : Tabel data produk Proses
: - Mengisi data barang - Menyimpan data
xci
Gambar 4.27 Form Jadwal Promosi Nama form
: Data Promosi
Fungsi
: Memasukkan dan menghapus data jadwal promosi outlet dan supplier
Data Environment : Tabel data produk, tabel data outlet dan tabel data supplier Proses
: - Mengisi data promosi - Menyimpan data
4.5.3 Perancangan User Interface Output Perancangan user interface output meliputi laporan penjualan, report stock gudang, perhitungan peramalan, dan hasil perhitungan kebutuhan bersih produk (net requirement). Laporan Penjualan Bulan : Nama Produk
Penjualan (Unit)
Penjualan (Box)
Jumlah
Gambar 4.28 Form Laporan Penjualan
xcii
Gambar 4.29 Form Report Stock
Kebutuhan Bulan : Nama Hasil Produk Peramalan
Saldo Stock
Net Requirement
Gambar 4.30 Form Report Kebutuhan Bersih Barang 4.6 PERANCANGAN APLIKASI CPFR Pada tahap ini akan dilakukan perancangan konstruksi program. Basis model, basis data, dan basis dialog yang telah dibuat pada tahap sebelumnya kemudian dituangkan dalam bahasa pemrograman ke dalam software Microsoft Visual Foxpro. Berikut ini adalah tampilan sistem pendukung keputusan yang dirancang dengan software Microsoft Visual Foxpro: 1. Event alert Event alert akan muncul pada saat pertama kali pengguna membuka program. Berikut ini adalah tampilan event alert yang dirancang dalam sistem pendukung keputusan:
Gambar 4.31 Event alert
xciii
2. Log in User Pengguna sistem pendukung keputusan harus melakukan log in terlebih dahulu sebelum masuk ke dalam program. Log in dibedakan menjadi 2 identitas nama yaitu untuk staf input data saja dan untuk kepala cabang. Staf input data hanya dapat membuka membuka menu input data saja sedangkan kepala cabang dapat membuka semua menu yaitu menu input data, master data dan laporan. Berikut adalah tampilan log in user sistem pendukung keputusan yang dirancang:
Gambar 4.32 Log in user 3. Input Data Purchasing Tabel input data purchasing
digunakan untuk melakukan pemesanan
barang ke supplier. Berikut adalah tampilan tabel input data purchasing sistem pendukung keputusan yang dirancang:
Gambar 4.33 Tabel Input Data Purchasing
xciv
4. Input Data Penjualan Outlet Berikut adalah tampilan tabel input data penjualan outlet sistem pendukung keputusan yang dirancang:
Gambar 4.34 Tabel Input Data Penjualan Outlet 5. Input Data Penjualan Berikut adalah tampilan tabel input data penjualan sistem pendukung keputusan yang dirancang:
Gambar 4.35 Tabel Input Data Penjualan
xcv
6. Input Data Pemasukan Barang Tabel ini digunakan untuk mencatat data semua barang yang masuk ke gudang. Berikut adalah tampilan tabel input data pemasukan barang sistem pendukung keputusan yang dirancang:
Gambar 4.36 Tabel Input Data Pemasukan Barang 7. Input Data Pengeluaran Barang Tabel ini digunakan untuk mencatat data semua barang yang keluar dari gudang kecuali data penjualan karena data penjualan sudah langsung mengurangi posisi saldo stok pada gudang. Berikut adalah tampilan tabel input data pengeluaran barang sistem pendukung keputusan yang dirancang:
Gambar 4.37 Tabel Input Data Pengeluaran Barang
xcvi
8. Input Data Event Tabel ini digunakan untuk mencatat data semua event produk pada supplier maupun outlet. Berikut adalah tampilan tabel input data event sistem pendukung keputusan yang dirancang:
Gambar 4.38 Tabel Input Data Event 9. Pemrosesan Koreksi Peramalan Tabel ini digunakan untuk melihat jenis event yang terjadi dan kemudian menambahkan koreksi pada menu ”Proses Pembelian”. Berikut adalah tampilan tabel proses koreksi sistem pendukung keputusan yang dirancang:
Gambar 4.39 Tabel Proses Koreksi Peramalan
xcvii
4.7 Validasi Sistem Pendukung Keputusan Tahap pengujian validitas akan dilakukan terhadap performansi sistem pendukung keputusan yang dibangun. Kriteria yang diukur dalah validasi program ini adalah ground truth (dasar kebenaran) dan judgment (penilaian). 4.7.1 Ground Truth (dasar kebenaran) Atribut yang dinilai di sini adalah kecepatan sistem dalam melakukan pemrosesan data yang diinput atau jumlah waktu yang diperlukan user saat bekerja dengan sistem yang dibangun. Pengukuran kecepatan dilakukan untuk mengetahui seberapa cepat sistem mengambil data dan melakukan pengolahan data hingga output dari pengolahan data ditampilkan pada layar monitor. Pengujian kecepatan pemrosesan data dilakukan pada perangkat keras komputer dengan spesifikasi sebagai berikut: 1. Processor AMD Athlon ™ XP 1700. 1,11 GHz 2. Memory RAM 256 Mb 3. Operating System Microsoft Windows XP Professional. Pengukuran kecepatan dilakukan pada tiga jenis report, yaitu report hasil peramalan penjualan, report saldo stok dan report perhitungan kebutuhan bersih barang. a. Report Hasil Peramalan Penjualan Pengukuran kecepatan yang dimaksud adalah pengukuran kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil pengolahan database pada layar monitor. Banyaknya data yang diambil dan diolah adalah sebanyak 12 periode yaitu dari bulan Agustus 2008 – Juli 2009 dari total produk yang ada. Kemudian jumlah ini akan dibreakdown untuk masing – masing jenis produk, merk produk, dan item unit produk (SKU). Running time dihitung pada saat penekanan tombol “preview” pada masing – masing report peramalan sampai dimunculkannya report untuk masing – masing kelompok produk. Hasil pengujian pengukuran kecepatan penyajian report peramalan total produk, jenis produk, merk produk dan item unit mendapatkan running time untuk masing – masing laporan yang cukup cepat yaitu 3 detik. Running time ini termasuk running time proses pengambilan data, pengolahan data, dan menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang
xcviii
diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data. b. Report Saldo Stok Pada pengukuran kecepatan menampilkan report saldo stok yang diukur adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil pengolahan database pada layar monitor. Data yang diambil adalah data mutasi keluar dan masuknya 157 item produk ke dalam produk. Running time dihitung pada saat penekanan tombol “preview” pada report saldo stok. Hasil pengujian pengukuran kecepatan penyajian report saldo stok, mendapatkan running time yang cukup cepat yaitu 3 detik. Running time ini termasuk running time proses pengambilan data, pengolahan data, dan menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data. c. Report Perhitungan Kebutuhan Bersih Barang. Pada pengukuran kecepatan menampilkan report saldo stok yang diukur adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil pengolahan database pada layar monitor. Data yang diambil adalah data hasil peramalan dan data saldo stok. Running time dihitung pada saat penekanan tombol “preview” pada report net requirement. Dari hasil pengujian pengukuran kecepatan penyajian report net requirement, didapatkan running time yang cukup cepat yaitu 3 detik. Running time ini termasuk running time proses pengambilan data, pengolahan data, dan menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data. 4.7.2 Judgment (Penilaian) Atribut yang dinilai pada tahap ini meliputi pengujian program aplikasi yang telah dibuat untuk mengetahui apakah SPK yang dirancang dapat memenuhi kebutuhan pengguna. Kriteria validasi ini adalah sebagai berikut: a. Apakah SPK ini mampu memberikan alternatif keputusan jumlah kebutuhan barang? Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan
xcix
pengujian kecepatan, diperoleh kesimpulan bahwa SPK ini mampu memberikan alternatif keputusan jumlah kebutuhan barang berdasarkan hasil peramalan. Alternatif keputusan berupa hasil peramalan dengan menggunakan metode peramalan Winter dengan mengagregasi produk menjadi 4 level yaitu level SKU, level merk, level jenis produk, dan yang terakhir adalah jumlah keseluruhan produk. Hasil peramalan selengkapnya dapat dilihat pada lampiran 3. b. Apakah SPK ini mampu memberikan peringatan akan adanya promo event di outlet maupun supplier? Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan pengujian kecepatan, dismpulkan bahwa SPK ini mampu memberikan peringatan kepada kepala cabang apabila pada periode berikutnya terdapat kegiatan promosi dari outlet maupun supplier. Hal ini akan sangat membantu kepala cabang dalam menentukan keputusan jumlah kebutuhan barang pada periode berikutnya. 4.8 Pengujian Ketepatan Output SPK dengan Perhitungan Manual Pengujian ketepatan perhitungan ini dilakukan pada ketepatan dalam melakukan peramalan. Data yang digunakan adalah data sales outlet periode Agustus 2008 – Juli 2009. Pengujian ini dilakukan dengan cara membandingkan output hasil peramalan dari SPK dengan perhitungan yang dilakukan secara manual dengan Microsoft Excel. Perbandingan output hasil perhitungan pushdown peramalan dibandingkan dengan output perhitungan manual dengan menggunakan Microsoft Excel. Berikut ini adalah hasil perhitungan manual dengan menggunakan Microsoft Excel: a. Hasil Peramalan Total Penjualan Dari total penjualan bulan Agustus 2008 sampai dengan bulan Juli 2009 didapatkan hasil peramalan total penjualan untuk bulan Agustus 2009 berdasarkan perhitungan SPK adalah 7.334.171 unit barang. Sedangkan hasil perhitungan manual adalah sebesar 7.343.600 unit barang. Terdapat selisih sebanyak 9.429 unit barang. Hal ini disebabkan oleh berbedanya sistem pembulatan yang dipakai dalam SPK dan perhitungan manual. Sistem pendukung keputusan yang dirancang
c
menggunakan sistem pemotongan sampai 2 digit di belakang koma sedangkan pada Microsoft Excel angka tidak dipotong dan tidak dibulatkan. b. Hasil Peramalan (Force- Down) untuk Jenis Produk Perhitungan peramalan untuk jenis produk (proses force down) dilakukan dengan membandingkan output peramalan SPK dengan perhitungan manual menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan dengan menggunakan SPK dan secara manual: Tabel 4.24 Hasil Perbandingan Push-down untuk Jenis Produk Jenis Produk AMDK Biskuit Jelly Kacang Minyak Obat Snack Susu
Satuan Unit Unit Unit Unit Unit Unit Unit Unit
Hasil Peramalan SPK Manual 466.328,49 466.328,49 1.673.599,96 1.673.599,96 3.235.034,05 3.235.034,05 1.197.112,37 1.197.112,37 32.799,67 32.799,67 6.648,13 6.648,13 722.404,02 722.404,02 244,70 244,70
Hasil perhitungan dengan menggunakan SPK dan secara manual adalah sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk jenis produk yang dilakukan oleh sistem SPK adalah baik. c. Hasil Peramalan (Force Down) untuk Merk Produk Perhitungan peramalan untuk jenis produk (proses force-down) dilakukan dengan membandingkan output peramalan SPK dengan perhitungan manual menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan dengan menggunakan SPK dan secara manual:
ci
Tabel 4.25 Hasil Perbandingan Force-down untuk Merk Produk Merk Barang AMDK cup Atom Eksport Atom Lokal Atom Manis Eksport Atom Pedas Ekport Biskuit Cookies Biskuit Premium Garing Biga Eksport Garing Eksport Garing Garuda Metalize Garing Rasa Eksport Garing Rasa Lokal Gerry Soes Eksport Gerry Extrude Coklat Jelly Eksport Jelly Lokal Kedele Eksport Keffy Tamarind Cup Kraker Beras Eksport Leo Snack Eksport Marie Salut Premium Mountea Eksport Obat Batuk Hitam OBH Combi Ekport Oven Garuda Bawang Oven Garuda Pedas Oven Garuda Premium Oven Lokal Pilus Eksport Pilus Garuda Premium Pilus Lokal Pop Corn Butter Pop Corn Jagung Prestine Honey Prestine Vanilla Refill Energi Premium Sari Murnia Eksport Super Cup Lokal Telur Eksport Ting ting Garuda Wafer Cream Wafer Garuda Eksport Wafer Stick
Hasil Perhitungan SPK Manual 89.130,50 89.130,50 2.194,12 2.194,12 0,00 0,00 5.058,62 5.058,62 2.922,07 2.922,07 553,15 553,15 0,00 0,00 544,93 544,93 226,19 226,19 197.459,11 197.459,11 2.952,92 2.952,92 13.711,75 13.711,75 5.936,68 5.936,68 149.482,36 149.482,36 52.025,69 52.025,69 5.542.363,25 5.542.363,25 643,63 643,63 18.476,31 18.476,31 0,00 0,00 4.955,80 4.955,80 2,05 2,05 479.921,62 479.921,62 575,77 575,77 4.565,10 4.565,10 24.398,61 24.398,61 23.002,34 23.002,34 6.543,31 6.543,31 0,00 0,00 3.728,16 3.728,16 423.347,28 423.347,28 0,00 0,00 10.166,60 10.166,60 32.399,87 32.399,87 98,70 98,70 90,47 90,47 0,00 0,00 3.345,68 3.345,68 740,28 740,28 10.298,20 10.298,20 0,00 0,00 17.900,54 17.900,54 400,98 400,98 204.008,59 204.008,59
Hasil perhitungan dengan menggunakan SPK dan secara manual adalah sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk merk produk yang dilakukan oleh sistem SPK adalah baik.
cii
d. Hasil Peramalan (Force Down) untuk Item Unit (SKU) Produk Perhitungan peramalan untuk level selanjutnya adalah perhitungan untuk tiap SKU (stok keeping unit). Pada tahap ini dilakukan dengan membandingkan output peramalan SPK dengan perhitungan manual menggunakan Microsoft Excel. Perbandingan hasil perhitungan dengan menggunakan SPK dan secara manual dapat dilihat pada lampiran 3. Hasil perhitungan dengan menggunakan SPK dan secara manual adalah sama. Dengan demikian dapat dikatakan bahwa perhitungan push-down untuk tiap SKU yang dilakukan oleh sistem SPK adalah baik.
ciii
BAB V ANALISIS DAN INTERPRETASI HASIL Pada bab analisis dan interpretasi hasil akan dilakukan analisis dan interpretasi hasil perancangan sistem. Analisis dan interpretasi hasil dilakukan terhadap perbandingan hasil peramalan sistem awal dan sistem usulan serta implementasi sistem pendukung keputusan. 5.1 Perbandingan Sistem Awal dan Sistem Usulan PT. Sinar Niaga Sejahtera merencanakan pengadaan barang dengan menggunakan data historis permintaan dari outlet ke distributor sebagai data historis untuk melakukan peramalan. Sedangkan pada penelitian ini diusulkan untuk menggunakan data historis penjualan dari outlet ke konsumen yang digunakan sebagai data historis dalam melakukan peramalan. PT Sinar Niaga Sejahtera distributor wilayah Surakarta melakukan pemesanan barang sebanyak 8.026.500 unit barang kepada pihak produsen pada bulan Agustus 2009. Alternatif keputusan pengadaan barang berdasarkan hasil perhitungan SPK adalah sebesar 7.334.171 unit barang. Penjualan outlet pada bulan Agustus 2009 yang sesungguhnya adalah
sebesar 7.561.238 unit barang. Berikut adalah hasil
perhitungan selisih kebutuhan barang antara sistem awal dengan sistem usulan: Tabel 5.1 Perbandingan Selisih Kebutuhan Barang pada Sistem Awal dan Sistem Usulan (dalam unit produk) dengan Kebutuhan Aktual Sistem Pengadaan Barang
Selisih
Sistem Awal
465.262
Sistem Usulan
- 277.068
Berdasarkan hasil perhitungan selisih di atas dapat dilihat bahwa error pada sistem usulan lebih kecil daripada error pada sistem awal. Hal ini dikarenakan pada sistem awal pengadaan barang dilakukan berdasarkan data historis permintaan outlet kepada PT. Sinar Niaga Sejahtera. Biasanya outlet memesan lebih banyak daripada kebutuhannya dalam sebulan. Selisih barang yang banyak ini tersimpan sebagai stok barang di gudang outlet maupun di
civ
gudang PT. Sinar Niaga Sejahtera distributor wilayah Surakarta. Sedangkan pada sistem usulan selisihnya lebih kecil daripada sistem awal karena perencanaan pengadaan barang dilakukan dengan menggunakan data aktual penjualan outlet sebagai data historis. Tentu saja hal ini mengurangi variansi yang terjadi dalam permintaan konsumen. Tanda negatif menunjukkan bahwa hasil perhitungan SPK tidak dapat memenuhi kebutuhan barang untuk bulan Agustus 2009. Hasil perhitungan SPK belum ditambah dengan pertimbangan manajerial mengingat pada bulan Agustus biasanya permintaan bertambah karena terdapat perayaan Hari Kemerdekaan RI dan masa liburan sekolah. Apabila pertimbangan manajerial telah ditambahkan dalam tabel koreksi dalam SPK maka hasil perhitungan
SPK
dapat
lebih
mendekati
kebutuhan
konsumen
yang
sesungguhnya. Berdasarkan uraian di atas SPK usulan dapat dikatakan valid karena dapat mengakomodir kebutuhan dalam merencanakan pengadaan barang yaitu menggunakan data penjualan outlet sebagai data historis penjualan, menggunakan metode peramalan yang valid serta dapat memberikan peringatan satu bulan sebelum terjadi event promo dan event reguler yang dijadikan sebagai pertimbangan manajerial dalam menentukan keputusan pengadaan barang. 5.2 Analisis Collaborative Planning and Forecasting terhadap Bullwhip Effect Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur rantai pasok yang mengarah ke hulu. Terdapat 4 faktor yang menjadi penyebab bullwhip effect yaitu pembaharuan peramalan, order batching, fluktuasi harga, dan sikap spekulatif outlet (rationing and shortage gaming). Harga produk yang didistribusikan oleh PT. Sinar Niaga Sejahtera relatif stabil. Pembaharuan peramalan dan sikap spekulatif outlet menjadikan terjadinya selisih permintaan outlet dengan kebutuhan produk PT. Sinar Niaga Sejahtera. Peramalan yang dilakukan secara masing – masing dengan metode yang berbeda-beda membuat variansi error menjadi besar. Penumpukan error karena pembaharuan peramalan inilah yang menyebabkan terjadinya bullwhip effect di PT. Sinar Niaga Sejahtera. Sikap spekulatif outlet juga menjadi salah satu penyebab terjadinya bullwhip effect. Outlet selalu memesan barang lebih banyak daripada kebutuhannya dalam satu minggu. Hal ini dilakukan untuk mengantisipasi apabila terjadi lonjakan
cv
permintaan konsumen ataupun jika distributor melakukan rationing atau membatasi order dari outlet. Rationing dilakukan apabila terjadi gangguan dalam proses distribusi produk dari supplier ke distributor sehingga persediaan barang di gudang distributor menjadi terbatas jumlahnya. Rationing jarang dilakukan oleh PT. Sinar Niaga Sejahtera karena persediaan di gudang selalu dapat memenuhi order dari outlet. Kelebihan barang yang tersimpan di gudang outlet pada akhirnya akan menjadi rusak atau kadaluarsa dan harus dikembalikan ke PT. Sinar Niaga Sejahtera. Terdapat lima cara untuk mengatasi bullwhip effect. Harga barang diasumsikan stabil. Lead time untuk setiap produk adalah sama, yaitu 3 hari kerja untuk pengiriman dari supplier ke PT. Sinar Niaga Sejahtera dan 1 hari kerja untuk pengiriman dari PT. Sinar Niaga Sejahtera ke outlet. Banyaknya retur yang terjadi di PT. Sinar Niaga Sejahtera dapat diatasi melalui pembagian informasi penjualan dari outlet ke PT. Sinar Niaga Sejahtera serta informasi lainnya yang mempengaruhi penjualan produk dari dan ke PT. Sinar Niaga Sejahtera. 5.3 Implementasi Sistem Pendukung Keputusan Collaborative Planning and Forecasting Sistem pendukung keputusan yang dirancang akan memberikan perbaikan kepada perusahaan apabila diimplementasikan dengan baik. Terdapat beberapa hal yang harus diperhatikan oleh perusahaan untuk mengimplementasikan sistem pendukung keputusan CPF, yaitu sebagai berikut: 1. Dokumentasi data historis penjualan outlet sebagai input data dalam melakukan peramalan permintaan konsumen selanjutnya. Semakin banyak jumlah data historis yang dimiliki akan semakin meningkatkan akurasi peramalan. 2. Teknologi informasi untuk mendukung sistem pendukung keputusan yang dirancang. Informasi penjualan outlet yang real time akan didapatkan apabila distem pendukung keputusan di perusahaan diintegrasikan dengan sistem informasi outlet dengan bantuan teknologi informasi. Teknologi informasi yang digunakan dapat berupa sistem barcode maupun EDI (Electronic Data Interchange).
cvi
3. Perangkat keras sistem pendukung keputusan CPF. Sistem pendukung keputusan CPF dapat bekerja secara maksimal apabila didukung dengan perangkat keras komputer yang baik. Spesifikasi perangkat keras yang dianjurkan adalah minimal prosesornya Pentium 4 ataupun merk prosesor lain yang setara dengannya. Perangkat keras untuk server sebaiknya memiliki kapasitas hard disk yang besar dan memory ram minimal 512 kb. 4. Pengoptimalan komunikasi dan aliran informasi antara PT. Sinar Niaga Sejahtera dengan outlet. 5. Pelatihan tenaga kerja inptu data untuk mengoperasikan sistem pendukung keputusan CPF. 6. Kepekaan kepala cabang dalam menanggapi perubahan permintaan dan memberikan koreksi peramalan.
cvii
BAB VI KESIMPULAN DAN SARAN
Pada bab ini akan dilakukan penarikan kesimpulan dari penelitian yang dilakukan dan dapat dilihat apakah kesimpulan tersebut sudah menjawab tujuan penelitian atau belum serta saran-saran perbaikan.
6.1 Kesimpulan Dari penelitian tentang perancangan sistem pendukung keputusan untuk mendukung CPFR dapat diambil kesimpuan sebagai berikut: 1. Sistem pendukung keputusan yang dirancang mampu memberikan alternative keputusan jumlah kebutuhan barang dalam sebulan serta memberikan alert setiap kali terdapat promo satu bulan sebelum promo dimulai sehingga memberikan pertimbangan tambahan dalam menentukan kebutuhan barang sesuai dengan konsep Collaborative Planning and Forecasting. 2. Hasil validasi
SPK berdasarkan kriteria kecepatan (ground truth)
menunjukkan bahwa SPK yang dirancang mampu menangani informasi secara cepat dan tepat. Sedangkan hasil analisa dengan kriteria penilaian (judgment) dapat disimpulkan bahwa SPK yang dirancang mampu mendukung Collaborative Planning and Forecasting karena mampu memberikan alternative keputusan jumlah kebutuhan barang melalui hasil ramalan serta memberikan alert promo supplier maupun outlet yang digunakan sebagai pertimbangan tambahan dalam menentukan keputusan kebutuhan barang. 3. Hasil perbandingan sistem awal dengan sistem usulan adalah bahwa sistem usulan dapat mengurangi kelebihan stok barang sebanyak 40 % untuk semua produk. Dari hasil pengujian – pengujian dan perbandingan – perbandingan tersebut, dapat diambil kesimpulan bahwa Sistem Pendukung Keputusan yang dirancang memenuhi semua kriteria validasi yang ditetapkan sehingga SPK ini dapat
direkomendasikan
kepada
PT.
diimplementasikan.
cviii
Sinar
Niaga
Sejahtera
untuk
6.2 Saran Saran untuk penelitian selanjutnya dengan berdasarkan penelitian ini adalah: 1. Sistem Pendukung Keputusan dapat dikembangkan kembali dengan menambahkan kriteria collaborative replenishment. 2. Perlu dilakukan penelitian kembali terkait pengagregasian produk dengan metode Pyramid Forecasting mengingat sistem pendukung keputusan yang dirancang hanya mempertimbangkan keakuratan perhitungan secara total. 3. Diperlukan waktu penelitian yang lebih lama untuk melihat pengurangan jumlah retur yang terjadi dengan mengimplementasikan sistem pendukung keputusan CPFR.
cix
DAFTAR PUSTAKA Chopra, S. dan Meindl, P. 2004. Supply Chain Management. Strategy, Planning, and Operation. New Jersey: Prentice Hall Inc. Gasperz, V. 2004. Production Planning and Inventory Control Berdasarkan Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21. Jakarta: PT. Gramedia Pustaka Utama. Makridakis, S. Whellright, S.C. dan Mcgree, V.E. 1992. Metode dan Aplikasi Peramalan (Terjemahan), Edisi 2. Jilid 1. Jakarta: Erlangga Mcleod, R. 2000. Sistem Informasi Manajemen (Terjemahan) Edisi 10. Jakarta: Salemba Empat Pujawan, I. N. 2005. Supply Chain Management, Edisi Pertama. Surabaya: Guna Widya. Simchi-Levi, D., Kaminsky, P. D dan Simchi-Levi, E. 2000. Designing and Managing The Supply Chain: Concepts, Strategies, and Case Studies. McGrawHill Companies Inc. Suharyadi, K. dan Ramdhani, M.A. 2000. Sistem Pendukung Keputusan: Suatu wacana Struktural Idealisasi dan Implementasi Konsep Pendukung Keputusan. Bandung: PT. Remaja Rosdakarya. Tenhiälä, A. 2003. Collaborative Planning, Forecasting, and Replenishment in European Grocery Retail, Seminar in Industrial Management. Helsinki University Of Technology Department of Industrial Engineering and Management. Winarno, W. W. 2004. Sistem Informasi Manajemen. Yogyakarta: UPP AMP YKPN
cx
Wibawa, Y. P. P. 2008. Perancangan Sistem Informasi Untuk Mendukung Proses Bisnis di Moveable Distro and Clothing Surakarta. Tugas Akhir Program Sarjana, Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret Http://www.snsgroup.com
cxi
