5 1. peramalan · 1. peramalan peramalan merupakan suatu kegiatan meramalkan kejadian yang akan...
Post on 18-Jan-2021
11 Views
Preview:
TRANSCRIPT
II. TINJAUAN PUSTAKA
Pengendalian persediaan bahan baku bagi suatu perusahaan merupakan
suatu hal yang sangat penting, sebab penyimpanan persediaan bahan baku yang
besar akan mengurangi resiko kehabisan bahan baku namun akan menyebabkan
biaya penyimpanan yang cukup besar dan resiko kerusakan bahan baku. Tetapi
penyimpanan persediaan bahan baku yang lebih kecil akan menyebabkan
terganggunya proses produksi, tertundanya pesanan konsumen serta resiko
kehilangan penjualan. Oleh karena itu, pengendalian persediaan membutuhkan
pemantauan secara terus-menerus, karena pengendalian persediaan ditujukan
untuk mengantisipasi kebutuhan permintaan khususnya persediaan bahan baku.
Dari sudut pandang produksi, pengendalian persediaan bahan baku
mempunyai 2 fungsi utama (Elsayed & Boucher, 1994):
1. Untuk memastikan bahwa fungsi produksi tidak terhambat karena tidak
tersedianya bahan baku yang dibutuhkan atau sebaliknya terjadi kelebihan
bahan baku.
2. Untuk memastikan bahwa prosedur untuk memperoleh maupun
menyimpan persediaan yang diperlukan dibangun sedemikian sehingga
tercapai total biaya minimum.
Untuk mewujudkan kedua fungsi utama tersebut, pengetahuan akan
kebutuhan atau permintaan terhadap item persediaan di masa mendatang mutlak
diperlukan sehingga perlu adanya suatu sistem peramalan (forecasting) yang
handal.
5
1. PERAMALAN
Peramalan merupakan suatu kegiatan meramalkan kejadian yang akan
terjadi pada masa datang menggunakan data masa lalu. Peramalan hanyalah
merupakan suatu perkiraan, tetapi menggunakan metode-metode tertentu
maka peramalan akan menjadi lebih dari sekedar peramalan, dalam arti bahwa
peramalan adalah suatu perkiraan ilmiah. Kegunaan dari peramalan terlihat
pada saat pengambilan keputusan. Masalah pengambilan keputusan
merupakan masalah yang selalu dihadapi dalam kehidupan sehari-hari, oleh
karena itu masalah peramalan juga selalu dihadapi.
Dalam suatu perusahaan, peramalan dibutuhkan untuk memberikan
informasi kepada pimpinan sebagai dasar untuk membuat keputusan berbagai
kegiatan, diantaranya perencanaan persediaan.
Perusahaan perlu mengetahui tingkat perkembangan kebutuhan
masyarakat, baik terhadap jenis kebutuhannya maupun tingkat permintaan
produk di masa yang akan datang. Analisis mengenai perkembangan pasar
suatu produk ini diwujudkan dalam bentuk peramalan permintaan.
1.1 Manfaat Peramalan Permintaan
Peramalan permintaan sangat bermanfaat sebagai bahan informasi
dan masukan yang penting bagi perusahaan. Adapun manfaat peramalan
permintaan adalah:
l.Pedoman untuk pengendalian persediaan. Bila persediaan terlalu
besar, biaya simpan menjadi tinggi. Sebaliknya bila persediaan
terlalu sedikit, akan berpengaruh pada tingkat pelayanan terhadap
konsumen.
6
2.Merupakan evaluasi yang baik untuk mengukur kemampuan dalam
pemenuhan terhadap pennintaan konsumen.
1.2 Melode Peramalan
Metode peramalan dibedakan menjadi 2 macam, yaitu:
l.Peramalan Kualitatif, yaitu peramalan yang didasarkan atas data
kualitatif pada masa lalu. llasil peramalan yang dibuat sangat tergantung
pada orang yang menyusunnya, membutuhkan keahlian khusus. Input
yang dibutuhkan tergantung pada metode tertentu dan biasanya
merupakan hasil dari pemikiran intuitif, perkiraan (judgement),
pengalaman dan pengetahuan yang telah didapat. Ramalan kualitatif
terutama digunakan untuk memberikan petunjuk, untuk membantu
perencanaan dan untuk melengkapi ramalan kuantitatif, bukan untuk
memberikan suatu ramalan numerik tertentu.
2.Peramalan Kuantitatif, yaitu peramalan berdasarkan data kuantitatif
masa lalu. Hasil peramalan yang dibuat bergantung pada metode yang
digunakan dalam peramalan tersebut. Yang termasuk model peramalan
kuantitatif, yaitu:
a. Model Deret Berkala (Time Series Box Jenkins)
Tujuan metode ini adalah untuk menemukan pola data dalam deret
historis dan mengekstrapolasikan pola tersebut ke masa depan.
Beberapa model deret waktu yang populer dan umum diterapkan
dalam peramalan permintaan adalah: rata-rata bergerak (moving
average), pemulusan eksponensial (exponential smoothing), dan
proyeksi kecenderungan (trendprojection)
7
b. Model Regresi (kausal)
Mengasumsikan bahwa faktor yang diramalkan memiliki hubungan
sebab akibat dengan satu atau lebih variabel bebas. Tujuan metode
ini yaitu untuk menemukan bentuk hubungan tersebut dan
menggunakannya untuk meramalkan nilai mendatang dari variabel
tak bebas.
Penerapan peramalan kuanlitatif dapat dilakukan bila terdapat
tiga kondisi sebagai berikut:
1. Adanya informasi tentang keadaan masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
numerik.
3. Dapat diasumsikan bahwa pola data masa lalu akan terus berlanjut
pada masa yang akan datang.
1.3 Model Time-Series dan Peramalan
Di dalam sebuah pola dasar pada serial data terdapat beberapa faktor
individual yang mempengaruhi, sehingga harus diidentifikasi agar dapat
diproyeksikan ke masa mendatang dan dipergunakan untuk membuat
ramalan. Langkah penting dalam pemilihan model time-series yang tepat
adalah identifikasi bentuk dasar atau komponen yang menjadi sifat dari
data time-series. Ketika komponen atau kombinasi dari komponen-
komponen telah diidentifikasi, metode yang mendeskripsikan pola yang
terbaik dapat diidentifikasi. Data time-series biasanya terdiri dari
kombinasi satu atau lebih komponen-komponen berikut:
8
• Trend (7)), mewakili perilaku data dalam jangka panjang,
dapat menaik, menurun atau tidak berubah.
• Cycle (C,), mewakili kemajuan dan kemunduran yang
disebabkan oleh kondisi perekonomian dan kondisi
industri, misalnya: harga saham, suku bunga, dan
sebagainya.
• Seasonal (S,), berkaitan dengan fluktuasi berkala dengan
panjang yang konstan dan kedalaman yang proporsional
yang disebabkan oleh: bulan dan tahun, musim hujan atau
panas, hari libur, kebijakan perusahaan, dan sebagainya.
• lrregular (7,) atau fluktuasi error (e,), merupakan
pergerakan yang tidak menentu dari time-series yang tidak
memiliki serangkaian pola yang dapat dijelaskan
sebelumnya.
1.3.1 Metode Multiplikasi Winter
Metode Multiplikasi Winter merupakan pendekatan pemulusan
eksponensial terhadap data-data seasonal. Metode ini tidak
didasarkan atas model statistik yang formal, tetapi dipertimbangkan
dengan metode yang cukup baik untuk meramalkan time-series yang
dapat diterangkan oleh persamaan:
Yrtfa+fr^Nt+et (2.1)
dimana SNt menyatakan komponen scasonal pada waktu /.
9
Dari persamaan (2.1) diasumsikan trend linear berubah perlahan,
demikian juga pada seasonal. Perubahan pola seasonal menunjukkan
peningkatan (multiplikasi) variasi seasonal.
Komponen-komponen perhitungan:
1. Estimasi awal dari J3j, yaitu: bj(0)
2. Estimasi awal dari (30, yaitu: ao(0)
3. Estimasi awal dari SN,, yaitu: sn,(0)
Estimasi awal dari komponen irend /3/, adalah:
W-j~ (2.2) (m - 1)L
dimana:
>vadalah rata-rata observasi (data) pada tahun ke-/, / = l,2,3,...m
m adalah jumlah tahun data historis, dan
L adalah jumlah periode pengamatan per tahun
Estimasi awal dari komponen j30 (menyatakan data- data time-series
pada waktu 0):
<**(0) = yt-^[bt(0j\ (2.3)
Faktor seasonal S, yang dihitung untuk tiap periode atau musiman:
$ - Zi (2 4) ' yt-[(L + l)/2-j)h(0)
dimana:
S/adalah seasonal pada tahun ke-i,
yt adalah rata-rata observasi pada tahun dimana periode / tersebut
termasuk di dalamnya, dan / adalah periode ke:/ dalam 1 tahun
10
Jika time-series adalah bulanan, maka persamaan S, memberikan m
estimasi faktor musiman untuk setiap bulan, m estimasi ini kemudian
dirata-rata untuk menghasilkan suatu estimasi untuk setiap musim
yang berbeda-beda, yaitu:
.(2.5) j m-I
mt=-YSt+KL,t=\,2, JL
yang menyatakan rata-rata indeks musiman untuk tiap musim yang
berbeda.
Estimasi awal Sn,fo) dari Sn, adalah:
sn,(0) = sn, L
Z™r /=/
/=1,2,....L (2.6)
Revisi estimasi a0(T) dari komponen permanen yang merupakan
estimasi dari rata-rata timeseries pada waktu periode T, yaitu:
+CD-* * r+(I-a)[a9(T-l)+bl(T-I)] (2.7) sn,( 1 —L)
dimana:
a adalah faktor pemuiusan kox\slax\s(0,l)
Revisi estimasi bjfl) dari komponen trend (slope) adalah:
bffl- p]p«(t)-am(T'-!)+(!-p)bt(T-l)\
dimana:
/?adalah faktor pemulusan konstan efO,l)
Revisi estimasi dari faktor musiman adalah:
y, sn,Cr)~y-^~Ml-y)mt(T-L) .(2.9)
11
dimana:
y adalah faktor pemulusan konstan e (0,1)
1.3.2 Metode Dekomposisi Multiplikatif
Metode Dekomposisi digunakan untuk data yang polanya
mengandung komponen trend, musiman dan acak. Metode ini
menguraikan time-series dalam ke-3 komponen di atas dengan tujuan
untuk menjadikan ke-3 komponen itu terpisah. Jika pola data
menunjukkan variasi musiman yang tidak konstan, maka digunakan
metode Dekomposisi Multiplikatif. Model dari metode ini
dirumuskan sebagai berikut:
Yl~TRlxSNtxCLfxIRl (2.10)
dimana Y, adalah data aktual pada periode t,
TRt adalah komponen trend pada periode /,
SM( adalah komponen musiman pada periode /,
CL( adalah komponen siklus pada periode /, dan
IR, adalah komponen acak pada periode /
Langkah-langkahnya adalah:
1. Menghilangkan faktor musiman dan acak, dilakukan dengan
metode Moving Average atau Centered Moving Average. Faktor
yang masih ada hanya trend dan siklus.
2. Dari model awal didapatkan persamaan:
SM(XfR(= ^ — (2.11) TR, x CL,
Estimasi dari persamaan (2.11) adalah:
12
snt x irt
, _ ; ;, .(2.12) tr,x c//
3. Melakukan normalisasi terhadap Sn,
Sn,= snt
( \
L
Z™ v ,= / ;
.(2.13)
Dimana L = periode Moving Average
/ m-1
Sn' = -Hsnl+k,x(ln+uJ .(2.14)
4. Melakukan deseasonalisasi
sn, •(2.15)
dimana dt— indeks deseasonal pada periode /
5. Membuat plot dari indeks deseasonalisasi. Jika plot membentuk
garis lurus, maka diasumsikan adanya trend linear dan
dimodelkan dengan regresi linear sebagai berikut:
77?,= (p0 + fat) (2.16)
Estimasi dari 77?, adalah:
tr, = b0 + h;i, dengan:
b0 _ /=/ _'. I'
u '=' -b, .(2.17)
n \, ii
n _ * * - _ < _ « *
6,= /=/ v , , / A /=/
_. i ( n V .(2.18)
«Ei /=/
13
Jika tidak berupa garis lurus dapat digunakan persamaan regresi
yang sesuai.
6. Membuat estimasi CL, x IR,
CL,xIR,= y- (2.19) TRt x SNt
Estimasi:
cl,x.ir,= y' (2.20) tr, x m,
Nilai CL, didapatkan dari:
i _ cl,-iir,-i+ cl,ir,+ cl,+iir,+i CllVi
7. Menghitung IR,
irt=£hl£l (2.22)
CL
Bila pola data tidak mengandung komponen acak, maka IRt~ 1,
sehingga y, -trt x sn, x cl, sedangkan bila pola data tidak
mengandung komponen siklus, maka yt =tr,xsn,_
2. SISTEM PERSEDIAAN
Sistem pengendalian persediaan dapat diartikan sebagai serangkaian
kebijaksanaan dan pengendalian untuk memonitor tingkat persediaan dan
menentukan titik persediaan yang harus dijaga, kapan persediaan harus
disediakan dan berapa pesanan yang harus dilakukan dengan tujuan untuk
menentukan dan menjamin tersedianya sumber daya yang tepat dalam jumlah
14
dan waktu yang tepat untuk meminimumkan jumlah total biaya yang
dikeluarkan (Handoko, 1994).
Ada beberapa terminologi penting dalam perencanaan pengendalian yaitu:
• Permintaan (demand), yang mana dapat bersifat deterministik atau
probabilistik.
Dalam perhitungan permintaan ini digunakan dalam bentuk laju
permintaan yang menyatakan jumlah permintaan per satuan waktu.
Pennintaan mempunyai karakteristik khusus yang terbagi atas 4 macam
yaitu:
- Static Deterministic yaitu, permintaan yang mana diketahui dengan
pasti dan konstan dengan laju permintaan yang selalu sama untuk
setiap periode
Dynamic Deterministic yaitu, permintaan yang mana untuk setiap
periode diketahui dengan pasti dan konstan, tetapi laju permintaan
berbeda- beda untuk satu periode ke periode yang lain.
- Static Probabilistic, yaitu permintaan yang mana merupakan variabel
acak dan mempunyai pola distribusi probabilitas tertentu yang
bergantung pada panjang periode dengan distribusi probabilitas
permintaan selalu sama untuk setiap periodenya.
Dynamic Probabilistic, yaitu permintaan yang mana merupakan
variabel acak dan mempunyai pola distribusi probabilitas tertentu
yang bergantung pada panjang periode dengan distribusi probabilitas
permintaan dapat berbeda- beda untuk setiap periodenya.
15
• Masa Tenggang (Lead Time), yang mana menyatakan selang waktu
diantara saat melakukan order dan saat bahan baku pesanan masuk ke
gudang.
• Tingkat Pemesanan Kembali (Reorder Level), yang mana menyatakan
tingkat persediaan dimana pesanan bahan baku harus dilakukan kembali.
• Cadangan Pengaman (Safety Stock), yang mana menyatakan bagian dari
persediaan yang digunakan sebagai cadangan untuk mencegah terjadinya
kekurangan persediaan (Stockout) oleh karena ketidakpastian dalam
permintaan ataupun proses suplai.
2.1 Komponen- komponen Biaya Persediaan
Biaya- biaya yang mempengaruhi kebijaksanaan persediaan terbagi
dalam 3 kelompok utama (Handoko, 1994):
• Biaya penyimpanan (Holding Cost)
Yaitu biaya- biaya yang bervariasi secara langsung dengan
jumlah/ kuantitas persediaan. Biaya penyimpanan satu periode
waktu akan semakin besar bila jumlah yang dipesan semakin
banyak. Yang termasuk dalam biaya penyimpanan adalah:
• Biaya fasilitas penyimpanan seperti, biaya penerangan,
biaya pendinginan, dan sebagainya.
• Biaya modal, yaitu alternatif pendapatan atas dana yang
diinvestasikan dalam persediaan tersebut.
" Biaya depresiasi/ keusangan.
• Biaya asuransi persediaan.
• Biaya kehabisan atau kekurangan bahan (Shortage Cost)
16
Biaya kekurangan bahan adalah biaya yang paling sulit
diperkirakan.
Biaya ini timbul bilamana persediaan tidak mencukupi adanya
permintaan bahan. Yang termasuk biaya kekurangan bahan
adalah:
• Biaya kehilangan penjualan.
• Biaya kehilangan langganan.
• Biaya pemesanan khusus.
• Biaya terganggunya operasi.
• Biaya pemesanan (Ordering Cost)
Yaitu biaya yang harus ditanggung oleh perusahaan bilamana
setiap kali suatu bahan dipesan. Umumnya biaya pemesanan
tidak tergantung dari kuantitas pemesanan, tetapi tergantung
dari berapa kali pesanan itu dilakukan. Yang termasuk dalam
biaya pemesanan adalah:
• Biaya pemrosesan pemesanan
• Biaya telepon/ faks.
• Biaya surat- menyurat.
• Biaya pengepakan.
• Biaya pemeriksaan.
• Biaya transportasi.
• Dan lain- lain.
2.2 Parameter- parameter dalam Sistem Persediaan
Berikut ini adalah parameter-parameter dalam pengendalian persediaan:
17
D adalah laju permintaan untuk setiap periode di masa datang,
F(X) adalah fungsi kepadatan probabilitas dari permintaan x selama
lead lime,
A adalah biaya pemesanan setiap kali pesan,
H adalah biaya penyimpanan per unit per periode perencanaan
(misal per tahun),
L adalah panjang lead time,
C adalah harga beli per unit produk,
ju L adalah rata-rata panjang lead time,
oL adalah simpangan baku dari panjang lead time,
H D adalah rata- rata permintaan selama 1 unit waktu dari lead time,
oD adalah simpangan baku permintaan selama 1 unit waktu dari
lead time, •
ju adalah rata-rata permintaan selama leadtime,
cradalah simpangan baku permintaan selama leadlime,
S (x) adalah rata- rata shortage dalam saruan unit,
r adalah reorder point, menyatakan titik pemesanan kembali
dimana pada saat itu pemesanan harus dilakukan kembali untuk
mengisi persediaan,
S adalah persediaan pengaman {safely stock), yaitu persediaan
yang dilakukan untuk mengantisipasi terjadinya kekurangan
persediaan karena ketidakpastian dari permintaaan maupun proses
suplai item persediaan,
18
* 0 adalah kuantitas pemesanan dalam satuan unit,
n adalah biaya shortage per unit kekurangan per periode
perencanaan,
n(z) adalah tingkat pelayanan yang diinginkan (%), dan
TC adalah total biaya persediaan per periode perencanaan.
2.3 Model- model Persediaan
Metode pengendalian persediaan yang akan digunakan ada 2 yaitu:
2.3.1 Metode Pengendalian Persediaan Deterministik tanpa Back Order
Dalam model ini permintaan dan waklu datangnya pesanan
diketahui dengan pasti dan besarnya konstan. Pada model ini
jumlah pemesanan ekonomis ditentukan dengan rumus:
e:{§ M>
Total biaya persediaan (TC) per periode dapat diperoleh dengan
rumus:
TC~ — + HQ + D.C (2.26)
2.3.2 Metode Pengendalian Persediaan Probabilistik dengan Back Order
Dalam model ini permintaan atau waktu datangnya pesanan
merupakan peubah acak yang mempunyai distribusi probabilitas
tertentu.
Pada model ini, jumlah pemesanan ekonomis ditentukan dengan
rumus:
2D(A + TCSM
0" J ~ ^ ~ (2-27)
19
Untuk data berdistribusi normal, pi dapat dicari sebagai berikut:
H = tiDxL (2.28)
jika panjang lead time konstan
H = /iBxL (2.29)
jika panjang lead time berdistribusi normal
Untuk data berdistribusi normal, a dapat dicari sebagai berikut:
a=aDx VI (2.30)
jika panjang leadtime konstan
a = ̂ /xa2D + /uDxa2/ (2.31)
jika panjang lead time berdistribusi nonnal
Persediaan pengaman:
S = Zxju (2.32)
Titik pemesanan kembali:
r =M + s (2.33)
dimana: n(z) menyatakan tingkat pelayanan yang
menjamin terpenuhinya kebutuhan barang, untuk data
berdistribusi normal.
Peluang terjadinya kekurangan persediaan (Shortage):
P ( x > r ) = j / W & ^ (2.34) J- 7lD r
Taksiran dari jumlah shortage per 1 siklus pemesanan adalah:
S(x) = \(x-r)f(x)dx (2.35) r
20
S„ = £«P Z_ 2
+ fi[\-n(z)]-r[l-n(zj\ (2.36)
Taksiran jumlah shortage per periode adalah:
.(2.37)
Total biaya persediaan per periode dapat diperoleh dengan rumus:
Q ~ + r- u 2
nD - _ _ +—Sfx) + D.C
Q ()
.(2.38)
Terdapat beberapa kebijakan dalam pengendalian
persediaan yang berkaitan dengan penentuan waktu peletakan
pesanan dan jumlah pemesanan ekonomis yang harus dilakukan
yaitu : periodic review policy, order up to R policy, base stock
policy dan continuous review policy (Elsayed dan Boucher, 1994).
Kebijakan continuous review selalu memonitor secara
kontinu tingkat persediaan dan pesanan sebesar Q dilakukan pada
saat tingkat persediaan mencapai titik pemesanan kembali. Waktu
pemesanan tidak bergantung pada panjang periode waktu tertentu
melainkan tergantung pada tingkat persediaan yang mencapai titik
pemesanan kembali.
top related