11  

BAB 2

LANDASAN TEORI

2.1 Peramalan

2.1.1 Definisi Peramalan

Peramalan adalah prediksi, proyeksi, atau perkiraan yang akan terjadi di masa

depan. Karena masa depan itu tidak bisa dipastikan, dibutuhkan beberapa sistem

peramalan baik implisit maupun eksplisit. Tujuannya adalah untuk menggunakan

informasi yang ada sekarang ini sebagai arahan aktifitas di masa depan untuk mencapai

tujuan organisasi. (Tersine et al. 1994, p35)

Peramalan (forecasting) merupakan nilai-nilai sebuah peubah kepada nilai yang

diketahui dari peubah tersebut atau peubah yang berhubungan. Meramal juga dapat

didasarkan pada keahlian penilaian, yang pada gilirannya didasarkan pada data historis

dan pengalaman. (Makridakis et al. 1999,p519)

6 faktor utama yang dapat diidentifikasikan sebagai teknik dan metode

peramalan, yaitu:

1. Horison waktu (time horizon). Ada dua aspek dari horizon waktu yang

berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan

waktu dimasa yang akan dating, untuk mana perbedaan dari metode peramalan

yang digunakan sebaiknya disesuaikan. Aspek kedua adalah jumlah periode

untuk mana ramalan diinginkan. Beberapa teknik dan metode hanya dapat sesuai

untuk peramalan satu atau dua periode di muka, sedangkan teknik dan metode

lain dapat dipergunakan untuk peramalan beberapa periode di masa depan.

12  

2. Pola dari data. Dasar utama dari metode peramalan adalah anggapan bahwa

macam dari pola yang didapati di dalam data yang diramalkan akan

berkelanjutan. Sebagai contoh, beberapa deret yang melukiskan suatu pola

musiman, demikian pula halnya dengan suatu pola trend. MJetode peramalan

yang lain mungkin lebih sederhana, terdiri dari suatu nilai rata-rata, dengan

fluktuasi yang acakan atau random yang terkandung. oleh karena adanya

perbedaan kemampuan metode peramalan untuk mengidentifikasi pola-pola data,

maka perlu adanya usaha penyesuaian antara pola data yang telah diperkirakan

terlebih dahulu dengan teknik dan metode peramalan yang akan digunakan.

3. Jenis dari model. Sebagai tambahan perlu diperhatikan anggapan beberapa pola

dasar yang penting dalam data. Banyak metode peramalan telah menganggap

adanya beberapa model dari keadaan yang diramalkan. Model-model ini

merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting

untuk menentukan perubahan-perubahan dalam pola, yang mungkin secara

sistematik dapat dijelaskan dengan analisa regresi atau korelasi. Model yang lain

adalah model sebab akibat atau “causal model”, yang menggambarkan bahwa

ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah peristiwa

yang lain, atau sifatnya merupakan campuran dari model-model yang telah

disebutkan diatas. Model-model tersebut sangat penting diperhatikan, karena

masing-masing model tersebut mempunyai kemampuan yang berbeda dalam

analisa keadaan untuk pengambilan keputusan.

4. Biaya. Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu

produser ramalan, yaitu biaya-biaya pengembangan, penyimpanan (storage) data,

13  

operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan

metode lainnya. Adanya perbedaan yang nyata dalam jumlah biaya, mempunyai

pengaruh atas dapat menarik tidaknya penggunaan metode tertentu untuk suatu

keadaan yang dihadapi.

5. Ketepatan (accuracy). Tingkat ketepatan yang dibutuhkan sangat erat

hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan.

untuk beberapa pengambilan keputusan mengharapkan variasi atau

penyimpangan atas ramalan yang dilakukan antara 10% sampai dengan 15% bagi

maksud-maksud yang mereka harapkan, sedangkan untuk hal atau kasus lain

mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan

sebesar 5% adalah cukup berbahaya.

6. Mudah tidaknya penggunaan atau aplikasinya. Satu prinsip umum dalam

penggunaan metode ilmiah dari peramalan untuk manajemen dan analisis adalah

metode-metode yang dapat dimengerti dan mudah diaplikasikan yang akan

dipergunakan dalam pengambilan keputusan dan analisa. Prinsip ini didasarkan

pada alasan bahwa, bila seorang manager atau analis bertanggung jawab atas

keputusan yang diambilnya atau hasil analisa yang dilakukan, maka ia sudah

tentu tidak menggunakan dasar yang tidak diketahuinya atau tidak diyakininya.

jadi, sebagai ciri tambahan dari teknik dan metode peramalan adalah bahwa yang

diperlukan untuk memenuhi kebutuhan dari keadaan ialah teknik dan metode

peramalan yang disesuaikan dengan kemampuan dari manager atau analis yang

akan menggunakan metode ramalan tersebut.

14  

2.1.2 Tahapan Dalam Melakukan Peramalan

Ada 8 tahap dalam melakukan peramalan : (Render et al. 2006, p150)

1) Menentukan penggunaan dari peramalan tersebut – tujuan apakah yang

ingin dicapai?

2) Memilih items atau kuantitas yang akan diramalkan.

3) Menentukan horison waktu dari peramalan – apakah 1 sampai 30 hari

(jangka pendek), 1 bulan sampai 1 tahun (jangka menengah), atau lebih

dari 1 tahun (jangka panjang) ?

4) Memilih metode peramalan.

5) Mengumpulkan data yang diperlukan untuk membuat ramalan.

6) Menentukan metode peramalan yang tepat.

7) Membuat peramalan.

8) Mengimplementasikan hasil dari peramalan.

Tahap-tahap diatas merepresentasikan sebuah cara sistematik untuk mengawali,

merancang, dan mengimplementasikan sebuah sistem peramalan. Ketika sistem

peramalan tersebut digunakan untuk meramalkan secara berkala, data juga harus

dikumpulkan secara rutin, dan perhitungan yang dibutuhkan atau prosedur yang

biasanya dilakukan untuk membuat peramalan dapat secara otomatis dijalankan.

2.1.3 Time Series Analysis

2.1.3.1 Pola-Pola Umum Deret Waktu

Menurut Render (2006, p156) analisis time series berarti membedah data historis

dalam komponen-komponen kemudian memproyeksikan data tersebut ke depan. Time

15  

series biasanya mempunyai empat komponen: trend, seasonality, cycles dan random

variation.

1. Random variaton

Pola ini terjadi jika data berfluktuasi di sekitar nilai rata-rata secara acak

tanpa membentuk pola yang jelas seperti pola musiman, trend ataupun

siklus.

2. Trend

Pola data trend menunjukkan pergerakan data secara lambat/bertahap

yang cenderung meningkat atau menurun dalam jangka waktu yang

panjang. Pola data trend terdiri dari beberapa tipe, seperti: Linear trend,

S-Curve Trend atau Growth curve, Asymptotic trend dan Exponential

trend.

3. Seasonality

Pola data musiman terbentuk jika sekumpulan data dipengaruhi faktor

musiman, seperti cuaca dan liburan. Dengan kata lain pola yang sama

akan terbentuk pada jangka waktu tertentu (harian, mingguan, bulanan,

atau kuartalan/perempat tahunan).

Pada dasarnya pola musiman yang umum terjadi dibedakan menjadi dua

model yaitu, additive seasonality dan multiplicative seasonality.

4. Cycles

Pola data siklis terjadi jika variasi data bergelombang pada durasi lebih

dari satu tahun. Data cenderung berulang setiap dua tahun, tiga tahun,

atau lebih. Fluktuasi siklis biasanya dipengaruhi oleh faktor politik,

16  

perubahan ekonomi (ekspansi atau kontraksi) yang dikenal dengan siklus

usaha (business cycle).

2.3.1.2 Autocorrelation Analysis

“Autocorrelation is the correlation between a variable lagged one or more

periods and itself.” (Hanke et al. 2005 p60)

Autokorelasi merupakan korelasi antara variabel satu atau lebih periode

terdahulu dan variabel itu sendiri. Persamaan 3.1 mengandung rumus untuk menghitung

lag k koefisien korelasi (rk) antara Yt dan Yt-k, yang terpisah sebanyak k periode.

Dimana :

rk = koefisien autokorelasi untuk lag dari periode k

= rata-rata dari data

Yt = observasi di periode t

Yt-k = observasi periode k sebelumnya atau periode t-k

Jika suatu data merupakan data random maka autokorelasi antara Yt dan Yt-k

untuk setiap lag dari k mendekati nol. Jika suata data merupakan data trend maka

koefisien autokorelasi secara tipikal sangat berbeda dari nol pada beberapa lag awal dan

secara perlahan menurun seiring dengan penambahan lag. Jika data tersebut mempunyai

pola musiman, maka akan terdapat sebuah pola yang akan terus berulang setiap sekian

interval waktu dan juga lag awal tidak mendekati nol.

2.1.4 Metode Peramalan

k = 0, 1, 2,... (3.1)

17  

Tabel 2.1 menunjukkan beberapa teknik peramalan yang dapat digunakan

berdasarkan pola datanya.

Tabel 2.1 Berbagai Metode Peramalan Pola Data Metode Stationary Naive Methods Simple Averaging Methods Moving Averages Autoregressive Moving Average (ARIMA) models / Box-Jenkins MethodsTrend Holt's Linear Exponential Smoothing Simple Regression Growth Curves Exponential models Autoregressive Moving Average (ARIMA) models / Box-Jenkins MethodsSeasonal Classical Decomposition Censux X-12 Winter's Exponential Smoothing Multiple Regression Autoregressive Moving Average (ARIMA) models / Box-Jenkins MethodsCyclical Classical Decomposition Economic Indicators Econometric models Multiple Regression Autoregressive Moving Average (ARIMA) models / Box-Jenkins Methods

Sumber: Hanke (2005, p75-76)

2.1.4.1 Exponential Smoothing

Exponential smoothing memberikan bobot secara eksponential kepada data yang

diobservasi. Data yang paling baru mendapatkan bobot paling besar α (alpha) (dimana 0

< α < 1), data sebelumnya mendapatkan bobot lebih sedikit α(1- α), dua data sebelumnya

mendapatkan bobot lebih sedikit lagi α(1- α)2 dan seterusnya.

18  

 

Dimana :

= ramalan baru

α = konstanta pemulusan

Yt = data aktual

= data hasil pemulusan pada periode t

2.1.4.2 Holt’s Exponential Smoothing

Metode ini menggunakan koefisien pemulusan kedua. Sama seperti α (alpha), β

(beta) juga memiliki nilai antara nol dan satu, untuk secara berbeda memuluskan trend.

Beta digunakan untuk merata-ratakan trend yang terdapat di persamaan. Hal ini

mengeliminasi kesalahan yang muncuk karena faktor trend tidak dimuluskan.

Model Holt’s dapat dilihat di persamaan 3.3 berikut:

Lt = αYt + (1- α)(Lt-1 + Tt-1)

Tt = β(Lt-Lt-1) + (1- β) Tt-1

= Lt + pTt

Dimana :

Lt = nilai penghalusan yang baru

(3.2)

(3.3)

(3.4)

(3.5)

19  

α = konstanta pemulusan tingkat

Yt = data aktual pada periode t

β = konstanta pemulusan trend

Tt = estimasi trend

p = periode yang akan diramalkan

= peramalan untuk periode p

2.1.4.3 Winters’ Exponential Smoothing

Sama seperti metode Holt’s, metode Winters menambahkan konstanta γ (gamma)

untuk menghitung pola data musiman. Metode winters dapat dilihat pada persamaan 3.6.

Lt = α + (1- α)(Lt-1 + Tt-1)

Tt = β(Lt – Lt-1) + (1- β) Tt-1

St = γ + (1- γ)St-s

= (Lt + pTt)St-s+p

Dimana :

Lt = nilai penghalusan yang baru

α = konstanta pemulusan tingkat

Yt = data aktual pada periode t

β = konstanta pemulusan trend

Tt = estimasi trend

γ = konstanta pemulusan musiman

St = estimasi musiman

(3.6)

(3.7)

(3.8)

(3.9)

20  

p = periode yang akan diramalkan

= peramalan untuk periode p

2.1.4.4 Decomposition Methods

Metode dekomposisi memisahkan tiga komponen (trend, musiman, siklus) dari

pola dasar yang cenderung mencirikan deret data. Metode komposisi menggunakan

asumsi bahwa data yang ada merupakan gabungan dari 3 komponen tersebut dengan

error.

Data = pola + error

= f (trend, siklus, musiman) + error

Bentuk dekomposisi klasik dapat dilihat pada persamaan 3.10

Yt = f(It, Tt, Ct, Et)

Dimana :

Yt = data aktual pada periode t

It = indeks musiman pada periode t

Tt = Komponen trend pada periode t

Ct = komponen siklus pada periode t

Et = Komponen error pada periode t

Dekomposisi model additive dapat dilihat di persamaan 3.11

Yt = It + Tt + Ct + Et

Untuk penyelesaian persamaan 3.1 dapat digunakan langkah-langkah sebagai

berikut:

(3.10)

(3.11)

21  

1. Pada data aktual (Yt) hitung rata-rata bergerak yang mempunyai panjang (p)

sama dengan panjang musiman (misalnya 12 bulan, 4 kuartal atau 7 hari).

tujuannya adalah untuk mendapatkan dugaan dari pengaruh trend dan siklus.

Dengan begitu maka akan mendapatkan persamaan 3.12

Mt = Tt + Ct

2. Untuk memperoleh pengaruh musiman (It), maka kurangkan persamaan 3.11

terhadap fungsi 3.12.

(Yt - Mt) = It + Et

3. Identifikasi pengaruh trend yang sesuai dengan data dengan menggunakan

metode kuadrat terkecil dan regresi, maka akan diperoleh Tt.

4. Pengaruh siklus diperoleh dari selisih persamaan 3.13 terhadap Tt

(Mt - Tt) = Ct

5. Untuk peramalan maka akan didapat:

t = Tt + It + Ct 

6. Nilai residual yang didapatkan dari selisih antara data aktual pada periode t

dengan data hasil peramalan pada periode t dapat digunakan untuk mengetahui

ketepatan peramalan.

Dekomposisi model multiplicative dapat dilihat di persamaan 3.16

Yt = It x Tt x Ct x Et

Untuk penyelesaian persamaan 3.1 dapat digunakan langkah-langkah sebagai

berikut:

(3.16)

(3.12)

(3.13)

(3.14)

(3.15)

22  

1. Pada data aktual (Yt) hitung rata-rata bergerak yang mempunyai panjang (p)

sama dengan panjang musiman (misalnya 12 bulan, 4 kuartal atau 7 hari).

tujuannya adalah untuk mendapatkan dugaan dari pengaruh trend dan siklus.

Dengan begitu maka akan mendapatkan persamaan 3.17

Mt = Tt x Ct

2. Untuk memperoleh pengaruh musiman (It), maka persamaan 3.16 dibagi dengan

fungsi 3.17.

(Yt / Mt) = It x Et

3. Identifikasi pengaruh trend yang sesuai dengan data dengan menggunakan

metode kuadrat terkecil dan regresi, maka akan diperoleh Tt.

4. Pengaruh siklus diperoleh dari selisih persamaan 3.18 terhadap Tt

(Mt / Tt) = Ct

5. Untuk peramalan maka akan didapat:

t = Tt x It x Ct 

Nilai residual yang didapatkan dari selisih antara data aktual pada periode t

dengan data hasil peramalan pada periode t dapat digunakan untuk mengetahui ketepatan

peramalan.

2.1.5 Uji Ketepatan Ramalan

Tidak ada metode peramalan yang sempurna di setiap kodisi. Bahkan ketika

manajemen menemukan pendekatan yang memuaskan, permalan tersebut masih tetap

harus terus dimonitori dan dikendalikan untuk memastikan kesalahan peramalan tidak

terlalu tinggi. (Render 2006, p178).

(3.17)

(3.18)

(3.19)

(3.20)

23  

Ukuran akurasi peramalan menurut selain berdasarkan pola data, pemilihan

teknik peramalan dapat juga didasarkan pada ukuran lainnya, yaitu error (E atau e) yang

didapatkan dari selisih nilai dari data aktual dengan nilai ramalannya untuk tiap periode.

Beberapa teknik mengukur kesalahan peramalan ditunjukkan pada tabel 3.2.

Tabel 2.2 Teknik Pengujian Kesalahan Peramalan Teknik Rumus

Mean absolute deviation (MAD)

Mean squared error (MSE)

Standard deviation of regression (Sr)

Mean absolute percent error (MAPE)

Mean error (ME)

Mean percent error (MPE)

Tracking Signal (TS)

Sumber: Tersine (1994, p42)

24  

MAPE merupakan ukuran ketepatan relatif yang digunakan untuk mengetahui

persentase penyimpangan hasil peramalan. MAPE ini yang akan menentukan apakah

metode peramalan yang dipilih ini sudah tepat atau belum. Semakin kecil nilai MAPE,

maka peramalan tersebut semakin akurat. Tracking signal menghitung kesalahan dari

peramalan dan menentukan batasnya kesalahannya.

2.2 Persediaan

Pengelolaan persediaan adalah masalah yang biasa dihadapi oleh setiap

perusahaan, baik perusahaan manufaktur maupun perusahaan dagang. Tanpa adanya

persediaan, para pengusaha akan dihadapkan pada resiko bahwa perusahaannya pada

suatu waktu tidak akan dapat memenuhi keinginan pelanggan. Hal ini mungkin terjadi

karena tidak selamanya barang atau jasa tersedia setiap saat, yang berarti pula bahwa

pengusaha akan kehilangan kesempatan untuk memperoleh laba yang seharusnya

didapatkan.

Persediaan (inventory) digunakan untuk mengidentifikasikan barang yang

disimpan untuk kemudian dijual, digunakan atau ditransformasikan. (Tersine et al. 1994

p3)

2.2.1 Jenis-jenis persediaan

Menurut Yamit (1999, p216) ada beberapa jenis persediaan, setiap jenis

persediaan mempunyai karakteristik khusus tersendiri. Menurut jenisnya, persediaan

dapat dibedakan atas:

1. Persediaan bahan baku (raw materials)

25  

Yaitu persediaan barang-barang berwujud yang digunakan dalam proses produksi.

Bahan mentah dapat diperoleh dari sumber-sumber alam atau dibeli dari supplier

dan atau dibuat sendiri oleh perusahaan untuk digunakan dalam proses produksi

selanjutnya.

2. Persediaan komponen – komponen rakitan (purchased part/components)

Yaitu persediaan barang-barang yang terdiri dari komponen-komponen yang

diperoleh dari perusahaan lain, dimana secara langsung dapat dirakit menjadi satu

produk.

3. Persediaan bahan pembantu atau penolong (suplly)

Yaitu persediaan barang-barang yang diperlukan dalam proses produksi, tetapi tidak

merupakan bagian atau komponen-komponen barang jadi.

4. Persediaan barang dalam proses (work in process)

Yaitu persediaan barang-barang yang merupakan keluaran dari tiap-tiap bagian

dalam proses produksi atau telah diolah menjadi suatu bentuk, tetapi masih perlu

diproses lebih lanjut menjadi barang jadi.

5. Persediaan barang jadi (finished goods)

Yaitu persediaan barang-barang yang telah selesai diproses atau diolah dalam pabrik

dan siap untuk dijual atau dikirimkan kepada konsumen.

2.2.2 Jenis-Jenis Biaya Persediaan

Menurut Tersine (1994, p13) tujuan dari manajemen persediaan adalah untuk

mempunyai jumlah barang yang cukup di tempat yang tepat, di waktu yang tepat, dan

dengan biaya yang rendah. Biaya persediaan berhubungan dengan operasi dari sistem

26  

persediaan yang merupakan hasil dari perbuatan maupun kelalaian dalam menerapkan

sistem tersebut. Biaya persediaan merupakan parameter dasar ekonomi di setiap model

pengambilan keputusan persediaan. Berikut ini merupakan biaya-biaya persediaan:

1. Biaya pembelian (purchase cost)

Biaya pembelian adalah harga per unit apabila item dibeli dari pihak luar, atau biaya

produksi per unit apabila diproduksi dalam perusahaan.

2. Biaya pemesanan (order/setup cost)

Biaya yang berasal dari dari pembelian pesanan dari supplier atau biaya persiapan

(setup cost) apabila item diproduksi di dalam perusahaan.

3. Biaya penyimpanan (holding cost)

Biasa disebut juga carrying cost, biaya yang dikeluarkan atas investasi dalam

persediaan dan pemeliharaan maupun investasi sarana fisik untuk menyimpan

persediaan.

4. Biaya kekurangan persediaan (stockout cost)

Biaya kekurangan persediaan adalah konsekuensi ekonomis atas kekurangan dari

luar maupun dari dalam perusahaan. Kekurangan dari luar terjadi apabila pesanan

konsumen tidak dapat dipenuhi, sedangkan kekurangan dari dalam terjadi apabila

departemen tidak dapat memenuhi kebutuhan departemen yang lain.

2.2.3 Tujuan Adanya Persediaan

Menurut Render (2006, p191-192) ada lima tujuan penggunaan persediaan, yaitu:

1. Fungsi utamanya adalah untuk mendukung proses produksi dalam organisasi.

2. Sebagai persediaan sumber daya.

27  

3. Jika persediaan dan permintaan tidak konsisten, maka dengan menyediakan

persediaan maka kemungkinan kehilangan penjualan akan berkurang.

4. Untuk mendapatkan potongan harga karena membeli banyak.

5. Untuk menghindari kekurangan dan kehabisan persediaan.

2.2.4 Economic Order Quantity (EOQ)

Economic Order Quantity adalah jumlah pemesanan yang dapat meminimalkan

total biaya persediaan. (Tersine et al. 1994 p.92)

2.2.4.1 Asumsi-Asumsi EOQ Klasik

EOQ klasik mempunyai asumsi-asumsi sebagai berikut: (Tersine 1994, p95)

• Kebutuhan bahan baku dapat ditentukan, relatif tetap, dan terus menerus.

• Tenggang waktu pemesanan dapat ditentukan dan relatif tetap.

• Tidak diperkenankan adanya kekurangan persediaan, artinya setelah kebutuhan dan

tenggang waktu dapat ditentukan dengan pasti berarti kekurangan persediaan dapat

dihindari.

• Pemesanan datang sekaligus dan akan menambah persediaan.

• Struktur biaya tidak berubah. Biaya pemesanan atau persiapan sama tanpa

memperhatikan jumlah yang dipesan, biaya simpan sesuai dengan fungsi linear

terhadap rata-rata persediaan, dan harga beli atau biaya pembelian per unit tidak

mendapatkan potongan harga.

• Kapasitas gudang dan modal cukup untuk menampung dan membeli pesanan.

28  

• Pembelian hanya satu jenis item.

2.2.4.2 Persamaan EOQ

Dengan menggunakan variabel-variabel di bawah ini, maka dapat ditentukan

biaya pemesanan dan penyimpanan, sehingga didapatkan nilai Q*:

Q = Jumlah barang setiap pemesanan

Q* = Jumlah optimal barang per pemesanan (EOQ)

R = Permintaan tahunan barang persediaan, dalam unit

C = Biaya pesanan atau pemesanan untuk setiap pesanan

H = Biaya penahanan atau penyimpanan per unit per tahun

2.2.4.3 Reorder Point

Setelah mengetahui jumlah yang harus dipesan, yang harus diperhatikan

sekarang adalah waktu yang tepat untuk memesan. Waktu yang ada antara memesan dan

mendapatkan persediaan disebut dengan tenggang waktu (Lead Time). Persediaan harus

dapat memenuhi permintaan pada waktu tersebut. Persamaan 3.22 adalah untuk

mengetahui titik pemesanan kembali (Reorder Point).

ROP = (demand per day) x (lead time)

= d x L

Dimana :

d = permintaan per hari

L = tenggang waktu

(3.21)

(3.22)

29  

2.2.4.4 Safety Stock

Rumus EOQ yang sederhana tidak memperkirakan ketidakpastian dalam

permintaan. Setiap kali pesanan dilakukan, ketidakpastian tersebut mengandung resiko

kehabisan persediaan sebelum persediaan yang dipesan tiba. Untuk mengurangi

kehabisan persediaan pada waktu tersebut, persediaan tambahan dapat disimpan untuk

mengantisipasi permintaan pada waktu lead time. (Fitzsimmons 2006 p.529)

Safety stocks merupakan persediaan tambahan yang ada di gudang sebagai

cadangan untuk mengatasi kekurangan persediaan karena permintaan yang berfluktuasi.

(Tersine et al. 1994, p206)

Gambar 2.1 menunjukkan posisi safety stock dalam persediaan.

Gambar 2.1 Safety Stock

Sumber: Tersine (1994, p206)

Rumus safety stocks dapat dilihat pada persamaan 3.23

ROP = d x L + SS

Dimana :

(3.23)

30  

SS = Safety stock

Untuk menentukan seberapa besar safety stock bergantung kepada apakah data

biaya tersedia atau tidak. Tujuannya adalah untuk menimalkan biaya total termasuk

biaya akibat kurangnya persediaan. Jika data tidak tersedia, maka penting untuk

menentukan service level.

Umumnya, biaya akibat kekurangan persediaan menyangkut semua biaya yang

muncul secara langsung maupun tidak langsung akibat kurangnya persediaan, misalnya

biaya karena kehilangan pelangan, biaya backordering.

Pendekatan lain untuk menentukan tingkat safety stock adalah dengan

menentukan service level. Service level merupakan persentase dari waktu dimana

perusahaan tidak akan kekurangan persediaan. Hubungannya dapat dilihat pada

persamaan 3.24

Service level = 1 – kemungkinan kekurangan persediaan

Untuk tingkat service level dapat dilihat pada tabel 2.3

Tabel 2.3 Tabel Service Level (distribusi normal) Service Level Service Factor Service Level Service Factor

50.00% 0.00 90.00% 1.28 55.00% 0.13 91.00% 1.34 60.00% 0.25 92.00% 1.41 65.00% 0.39 93.00% 1.48 70.00% 0.52 94.00% 1.55 75.00% 0.67 95.00% 1.64 80.00% 0.84 96.00% 1.75 81.00% 0.88 97.00% 1.88 82.00% 0.92 98.00% 2.05 83.00% 0.95 99.00% 2.33 84.00% 0.99 99.50% 2.58 85.00% 1.04 99.60% 2.65 86.00% 1.08 99.70% 2.75 87.00% 1.13 99.80% 2.88

(3.24)

31  

88.00% 1.17 99.90% 3.09 89.00% 1.23 99.99% 3.72

Sumber : http://www.inventoryops.com/safety_stock.htm

 

Dimana:

Z = Service Factor

X = Mean dari permintaan + safety stock

= Standar deviasi

= Mean dari permintaan

2.3 Manajemen Strategis

2.3.1 Tipe-tipe Strategi

Menurut Rangkuti (2006, p6) strategi dapat dikelompokkan menjadi tiga tipe

strategi yaitu:

1. Strategi Manajemen

Strategi manajemen meliputi strategi yang dapat dilakukan oleh manajemen

dengan orientasi pengembangan strategi secara makro. misalnya, strategi

pengembangan pasar, strategi mengenai keuangan dan sebagainya.

2. Strategi Investasi

(3.25)

(3.26)

32  

Strategi ini merupakan kegiatan yang berorientasi pada investasi. Misalnya,

apakah perusahaan ingin melakukan strategi pertumbuhan yang agresif atau

berusaha mengadakan penetrasi pasar, strategi bertahan, strategi

pembangunan kembali suatu divisi baru atau strategi diversifikasi dan

sebagainya.

3. Strategi Bisnis

Strategi bisnis sering disebut strategi bisnis fungsional karena strategi ini

berorientasi pada fungsi-fungsi kegiatan manajemen, misalnya strategi

pemasaran, strategi produksi atau profesional, strategi distribusi, strategi

organisasi dan strategi-strategi yang berhubungan dengan keuangan.

2.3.2 Pengertian Manajemen Strategis

“Strategic management is that set of managerial decisions and actions that

determines the long-run performance of a corporation. It includes environmental

scanning (both external and internal), strategy formulation (strategic or long-range

planing), strategy implementation, and evaluation and control.” (Wheelen et al. 2008,

p3)

Manajemen strategis adalah seperangkat keputusan dan tindakan manajerial yang

menentukan kinerja sebuah perusahaan. Manajemen strategi mencakup pengamatan

lingkungan (baik eksternal maupun internal), formulasi strategi (strategi maupun

rencana jangka panjang), implementasi strategi, dan evaluasi serta kontrol.

33  

“Strategic management can be define as the art and science of formulating,

implementing, and evaluating cross-functional decision that enable an organization to

achieve its objectives.” (David et al. 2007, p5)

Manajemen strategis merupakan aliran dari keputusan-keputusan dan tindakan

yang berakhir pada perngembangan dari strategi yang efektif atau strategi yang

membantu perusahaan untuk mencapai tujuannya. (Jauch 1988, p5)

Manajemen strategis dapat didefiniskan sebagai seni dan ilmu dari

memformulasikan, mengimplementasikan, dan mengevaluasi keputusan lintas

fungsional yang memungkinkan suatu organisasi untuk mencapai tujuannya.

2.3.3 Proses Manajemen Strategis

Proses manajemen strategis dapat dipelajari dan diaplikasikan dengan

menggunakan model. Setiap model merepresentasikan suatu proses. Gambar 2.2

menunjukkan suatu model proses yang telah banyak digunakan, model dari proses

manajemen strategis yang meliputi banyak hal.

Tiga tahapan dalam proses manajemen strategis tersebut adalah:

1. Perumusan Strategi

Karena keterbatasan sumber daya, maka perusahaan harus memilih

langkah strategis yang akan menghasilkan keuntungan dan manfaat yang

paling besar. Perumusan strategi adalah kombinasi dari orientasi terhadap

perspektif masa depan dengan kondisi eksternal dan internal perusahaan

sekarang ini.

2. Pelaksanaan Strategi

34  

Tahap ini merupakan tahap pelaksanaan dari perumusan strategi yang

telah diterapkan sebelumnya. Tantangan yang dihadapi adalah

menstimulasi pihak manajemen untuk bekerja dengan baik dan untuk

mencapai tujuan yang telah ditetapkan sebelumnya.

3. Evaluasi Strategi

Di tahap ini, perusahaan mengevaluasi kembali apakah faktor-faktor

eksternal dan internal masih bisa dijadikan acuan untuk

memformulasikan strategi, mengukur kinerja perusahaan, dan

mengevaluasi dan mengkoreksi tindakan yang dijalankan.

Gambar 2.2 Proses Manjemen Strategis

Sumber: David, Fred R (2007, p15)

2.3.4 Analisis Lingkungan Perusahaan

35  

2.3.4.1 Matriks Evaluasi Lingkungan Eksternal (EFE)

Menurut David (2007, p104) dengan melakukan audit atau analisis lingkungan

eksternal dapat diidentifikasi peluang dan ancaman. Jika peluang dan ancaman

teridentifikasi maka dapat dirumuskan strategi yang akan memanfaatkan peluang yang

ada dan menghindari atau jika tidak dapat dihindari diminimalisir ancaman-ancaman

yang dihadapi perusahaan. Kekuatan-kekuatan eksternal dapat dibagi menjadi lima

kategori, yaitu:

1. Kekuatan ekonomi.

2. Kekuatan sosial budaya, demografi, dan lingkungan.

3. Kekuatan politik, pemerintahan, dan hukum.

4. Kekuatan teknologi.

5. Kekuatan persaingan.

Tabel 2.4 menunjukkan matriks evaluasi faktor eksternal (EFE). Berikut tahapan penentuan faktor eksternal:

1. Susunlah dalam kolom peluang dan ancaman

2. Beri bobot masing-masing faktor dalam kolom 1. Mulai dari 0.0 (tidak penting)

hingga 1.0 (sangat penting).

3. Berikan peringkar 1 sampai 4 pada masing-masing faktor eksternal kunci untuk

menunjukkan seberapa efektif strategi perusahaan memberikan respon terhadap

faktor tersebut saat itu. Dimana 4 = respon luar biasa, 3 = respon di atas rata-rata, 2

= respon biasa saja, 1 = respon jelek.

4. Kalikan setiap bobot faktor dengan peringkat untuk menetukan nilai yang dibobot.

5. Jumlahkan nilai yang dibobot tersebut untuk mendapatkan nilai total bobot untuk

organisasi.

36  

Tabel 2.4 Matriks Evaluasi Faktor Eksternal Faktor-Faktor Eksternal Kunci Bobot Peringkat Nilai yang dibobotPeluang Peluang 1 1,2,3, atau 4 Peluang 2 1,2,3, atau 4 Peluang 3 1,2,3, atau 4 Peluang 4 1,2,3, atau 4 Ancaman Ancaman 1 1,2,3, atau 4 Ancaman 2 1,2,3, atau 4 Ancaman 3 1,2,3, atau 4 Ancaman 4 1,2,3, atau 4 Jumlah 1.0 Minimal 1,0 Maksimal 4,0

Sumber: David, Fred R (2007, p105)

2.3.4.2 Matriks Profil Persaingan

Menurut David (2007, p105) matriks ini digunakan untuk mengidentifikasi

kompetitor utama perusahaan, kekuatan dan kelemahannya dibandingkan dengan posisi

strategis perusahaan. Tabel 2.5 menunjukkan matriks profil persaingan.

Tabel 2.5 Matriks Profil Persaingan Perusahaan A Perusahaan B

Faktor Penentu Keberhasilan Bobot Peringkat Nilai Peringkat NilaiFaktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor 5 Faktor 6 Jumlah Sumber: David, Fred R (2007, p106)

2.3.4.3 Matriks Evaluasi Lingkungan Internal (IFE)

Menurut David (2007, p151) Alat formulasi strategi ini merangkum dan

mengevaluasi kekuatan dan kelemahan utama perusahaan di arean fungsional suatu

37  

bisnis, dan juga mengidentifikasi dan mengevaluasi hubungan antar area tersebut. Tabel

2.6 menunjukkan matriks evaluasi faktor eksternal

Berikut tahapan penentuan faktor internal:

1. Susunlah kunci faktor internal (kekuatan dan kelemahan) pada kolom satu.

2. Beri bobot masing-masing faktor dalam kolom 1. Mulai dari 0.0 (tidak penting)

hingga 1.0 (sangat penting) dengan total jumlah 1.0.

3. Berikan peringkar 1 sampai 4 pada masing-masing faktor eksternal kunci untuk

menunjukkan seberapa efektif strategi perusahaan memberikan respon terhadap

faktor tersebut saat itu. Dimana 4 = kekuatan besar, 3 = kekuatan kecil, 2 =

kelemahan kecil, 1 = kelemahan besar.

4. Kalikan setiap bobot faktor dengan peringkat untuk menetukan nilai yang dibobot.

5. Jumlahkan nilai yang dibobot tersebut untuk mendapatkan nilai total bobot untuk

organisasi.

Tabel 2.6 Matriks Evaluasi Faktor Internal Faktor-Faktor Internal Kunci Bobot Peringkat Nilai yang dibobotPeluang Kekuatan 1 4 atau 3 Kekuatan 2 4 atau 3 Kekuatan 3 4 atau 3 Kekuatan 4 4 atau 3 Ancaman Kelemahan 1 1 atau 2 Kelemahan 2 1 atau 2 Kelemahan 3 1 atau 2 Kelemahan 4 1 atau 2 Jumlah 1.0 Minimal 1,0 Maksimal 4,0

Sumber: David, Fred R (2007, p153)

2.3.5 Pilihan dan Analisis Strategi

38  

2.3.5.1 Matriks Strengths-Weaknesses-Opportunities-Threats (SWOT)

Menurut David (2007, p215) matriks SWOT (gambar 2.3) merupakan matriks

pencocokan yang penting yang membantu manajer untuk mengembangkan empat tipe

strategi yaitu:

1. Strategi SO (Strengths-Opportunities)

Strategi ini menggunakan kekuatan internal perusahaan untuk mendapatkan

keunggulan dari peluang diluar perusahaan.

2. Strategi WO (Weaknesses-Opportunities)

Strategi ini bertujuan untuk memperbaiki kelemahan internal perusahaan dengan

memanfaatkan keunggulan dari peluang diluar perusahaan.

3. Strategi ST (Strengths-Threats)

Strategi ini menggunakan kekuatan perusahaan untuk menghindari atau mengurangi

dampak dari ancaman dari luar perusahaan.

4. Strategi WT (Weaknesses-Threats)

Strategi ini merupakan taktik bertahan yang ditujukan untuk memperkecil

kelemahan internal dan menghindari ancaman dari luar perusahaan.

39  

Gambar 2.3 Matriks SWOT Sumber: David, Fred R (2007, p216)

2.3.5.2 Matrix Internal-External (IE)

Matriks internal eksternal menempatkan berbagai divisi ke dalam sembilan sel

seperti yang ditunjukkan pada gambar 2.4. Matriks IE didasarkan pada dua dimensi

utama yaitu nilai total IFE pada sumbu X dan EFE pada sumbu Y. Matriks IE dapat

dibagi menjadi tiga bagian utama yang mempunyai dampak strategi yang berbeda.

Pertama, divisi yang termasuk dalam sel I, II, IV disebut tumbuh dan membangun.

Strategi Intensif (penetrasi pasar, pengembangan pasar, atau pengembagan produk) atau

integratif (integrasi ke belakang, integrasi ke depan, integrasi horisontal) mungkin

merupakan strategi yang paling tepat untuk divisi-divisi tersebut. Kedua, divisi yang

termasuk dalam sel III, V, atau VII dapat dikelola dengan baik dengan menggunakan

strategi mempertahankan dan mengatur; penetrasi pasar dan pengembangan produk

merupakan strategi umum untuk divisi tersebut. Untuk divisi yang terdapat di sel VI,

VIII, atau IX, paling tepat dikelola dengan strategi panen atau divestasi.

40  

Gambar 2.4 Matriks Internal Eksternal

Sumber: David, Fred R (2007, p229)

2.3.5.3 Quantitative Strategic Planning Matrix (QSPM)

Matriks perencanaan strategis kuantitatif atau QSPM merupakan suatu teknik

analisis yang dirancang untuk menetapkan daya tarik relatif dari alternatif tindakan yang

tersedia. Matriks ini secara objektif menunjukkan alternatif strategi yang paling baik.

Kolom pertama matriks QSPM terdiri dari faktor-faktor eksternal dan internal (dari EFE

dan IFE), baris paling atas terdiri dari strategi-strategi alternatif yang tersedia. Strategi

dapat diambil dari matriks SWOT, matriks SPACE, matriks BCG, matriks IE dan

matriks Grand Strategy. Tidak semua strategi yang tersedia harus dinilai dalam QSPM.

Langkah-langkah menyusun matriks QSPM:

1. Buatlah daftar peluang/ancaman eksternal dan kekuatan/kelemahan internal di

kolom kiri dari QSPM.

2. Berikanlah bobot pada setiap faktor eksternal dan internal tersebut.

41  

3. Periksalah matriks-matriksdi tahap 2, dan kenalilah strategi-strategi alternatif

yang harus dipertimbangkan oleh organisasi untuk diimplementasikan.

4. Tentukanlah Attractiveness Scores (AS), dimana 1= tidak tertarik, 2 = sedikit

tertarik, 3 = cukup tertarik dan 4 = sangat tertarik.

5. Hitung Total Attractiveness Scores dengan cara mengalikan bobot dengan nilai

AS.

6. Hitung Sum Total Attractivesess Score dengan cara menjumlahkan nilai TAS.

Tabel 2.7 Matriks QSPM Alternatif Strategi Strategi 1 Strategi 2 Strategi 3 Faktor-Faktor kunci Bobot AS TAS AS TAS AS TAS Kunci Faktor Eksternal Ekonomi Politik/Hukum/Pemerintah Sosial/Budaya/Demografi/Lingkungan Teknologi Kompetitif Kunci Faktor Internal Manajemen Pemasaran Keuangan Produksi/Operasi Research and Developnent Sistem Informasi Komputer Total TAS

Sumber: David, Fred R (2007, p236)