4

BAB 2

LANDASAN TEORI

2.1 Persediaan Menurut Assauri (1999, p.169), persediaan adalah sebagai suatu aktiva

yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha yang normal, atau persediaan barang-barang yang masih dalam pengerjaan/proses produksi, ataupun persediaan barang baku yang menunggu penggunaannya dalam suatu proses produksi. Persediaan bisa muncul karena memang direncanakan atau merupakan akibat dari ketidaktahuan terhadap suatu informasi. Jadi ada perusahaan yang memiliki persediaan karena sengaja membuat dan menyediakan produk atau bahan baku lebih awal atau lebih banyak dari waktu dan jumlah yang dibutuhkan pada suatu waktu tertentu dan ada juga karena merupakan akibat dari permintaan yang terlalu sedikit dibandingkan dengan perkiraan awal.

Persediaan tanpa disadari akan menimbulkan biaya penyimpanan.. Kebanyakan dari perusahaan pada umumnya mengeluarkan modal besar pada inventory ataupun persediaan mereka. Maka dari itu pengendalian terhadap persediaan perlu dilakukan, demi mengurangi modal yang tertahan pada persediaan. Seperti yang dikatakan Handoko (1997, p. 333) yaitu, pengendalian persediaan merupakan fungsi manajerial yang sangat penting, karena persediaan fisik banyak perusahaan melibatkan investasi rupiah terbesar dalam pos aktiva lancar. Bila perusahaan menanamkan terlalu banyak dananya dalam persediaan, menyebabkan biaya penyimpanan yang berlebihan, dan mungkin mempunyai opportunity cost (dana dapat ditanamkan dalam investasi yang lebih menguntungkan). Demikian pula, bila perusahaan tidak mempunyai persediaan yang mencukupi, dapat mengakibatkan biaya-biaya dari terjadinya kekurangan bahan.

2.1.1 Alat Ukur Persediaan Beberapa ukuran yang bisa digunakan untuk memonitor kinerja

persediaan adalah : Pujawan (2010, p. 118) 1. Tingkat perputaran persediaan (Inventory Turnover Rate), digunakan untuk

melihat seberapa cepat produk atau barang relative terhadap jumlah rata-rata tersimpan sebagai persediaan.

2. Inventory Days of Supply, merupakan rata-rata jumlah hari suatu perusahaan bisa beroperasi dengan jumlah persediaan yang dimiliki. Ukuran ini sebenarnya dapat dikatakan seirama dengan tingkat perputaran persediaan.

3. Fill rate, yaitu presentase jumlah item yang tersedia ketika adanya kebutuhan produksi. Misalnya, jika fill rate 97% berarti ada kemungkinan 3 % dari item yang dibutuhkan untuk produksi tidak tersedia. Akibatnya produksi harus terhenti untuk beberapa lama yang mengakibatkan kerugian bagi perusahaan.

2.1.2 Biaya-Biaya dalam Persediaan Secara umum dapat dikatakan bahwa biaya persediaan adalah semua

pengeluaran dan kerugian yang timbul sebagai akibat adanya persediaan. Biaya persediaan terdiri dari biaya pembelian, biaya pemesanan, biaya simpan dan

5

biaya kekurangan persediaan. Biaya-biaya tersebut akan diuraikan secara singkat sebagai berikut : Nasution (2003, p. 105-108) 1. Biaya Pembelian

Biaya pembelian adalah biaya yang dikeluarkan untuk membeli barang. Besarnya biaya pembelian ini tergantung pada jumlah barang yang dibeli dan harga satuan barang. Biaya pembelian menjadi faktor penting ketika harga barang yang dibeli tergantung pada ukuran pembelian. Dalam kebanyakan teori persediaan, komponen biaya pembelian tidak dimasukkan ke dalam total biaya sistem persediaan karena diasumsikan bahwa harga barang per-unit tidak dipengaruhi oleh jumlah barang yang dibeli sehingga komponen biaya pembelian untuk periode waktu tertentu (misalnya satu tahun) konstan dan hal ini tidak akan mempengaruhi jawaban optimal tentang berapa banyak barang yang harus dipesan.

2. Biaya Pengadaan Biaya pengadaan dibedakan atas 2 jenis sesuai asal-usul barang, yaitu

biaya pemesanan (ordering cost) bila barang yang diperlukan diperoleh dari pihak luar (supplier) dan biaya pembuatan (setup cost) bila barang diperoleh dengan memproduksi sendiri. a. Biaya Pemesanan

Biaya pemesanan adalah semua pengeluaran yang timbul untuk mendatangkan barang dari luar. Biaya ini meliputi biaya untuk menentukan pemasok (supplier), pengetikan pesanan, pengiriman pesanan, biaya pengankutan, biaya penerimaan dan seterusnya. Biaya ini diasumsikan konstan untuk setiap kali pesan.

b. Biaya Pembuatan Biaya pembuatan adalah semua pengeluaran yang timbul dalam

mempersiapkan produksi suatu barang. Biaya ini timbul di dalam pabrik yang meliputi biaya menyusun peralatan produksi, menyetel mesin, mempersiapkan gambar kerja dan seterusnya.

3. Biaya Penyimpanan Biaya simpan adalah semua pengeluaran yang timbul akibat

menyimpan barang. Biaya ini meliputi : a. Biaya Memiliki Persediaan

Penumpukan barang di gudang berarti penumpukan modal, dimana perusahaan mempunyai ongkos (expense) yang dapat diukur dengan suku bunga bank. Oleh karena itu, biaya yang ditimbulkan karena memiliki persediaan harus diperhitungkan dalam biaya sistem persediaan. Biaya memiliki persediaan diukur sebagai presentase nilai persediaan untuk periode waktu tertentu.

b. Biaya Gudang Barang yang disimpan memerlukan tempat penyimpanan

sehingga timbul biaya gudang. Biaya gudang dan peralatannya disewa maka biaya gudangnya merupakan biaya sewa sedangkan bila perusahaan mempunyai gudang sendiri maka biaya gudang merupakan biaya depresiasi.

c. Biaya Kerusakan dan Penyusutan

6

Barang yang disimpan dapat mengalami kerusakan dan penyusutan karena beratnya berkurang ataupun jumlahnya berkurang karena hilang. Biaya kerusakan dan penyusutan biasanya diukur dari pengalaman sesuai dengan persentasenya.

d. Biaya Kadaluarsa Barang yang disimpan dapat mengalami penurunan nilai karena

perubahan teknologi dan model seperti barang-barang elektronik. Biaya kadaluarsa biasanya diukur dengan besarnya penurunan nilai jual dari barang tersebut.

e. Biaya Asuransi Barang yang disimpan diasuransikan untuk menjaga hal-hal yang

tidak diinginkan seperti kebakaran. Biaya asuransi tergantung jenis barang yang diasuransikan dan perjanjian dengan perusahaan asuransi.

f. Biaya Administrasi Biaya ini dikeluarkan untuk mengadministrasikan persediaan

barang yang ada, baik pada saat pemesanan, penerimaan barang, maupun penyimpanannya dan biaya untuk memindahkan barang dari, ke, dan di dalam tempat penyimpanan, termasuk upah buruh dan biaya peralatan handling.

4. Biaya Kekurangan Persediaan Bila perusahaan kehabisan barang pada saat permintaan, maka akan

terjadi keadaan kekurangan persediaan. Keadaan ini akan menimbulkan kerugian karena proses produksi akan terganggu dan kehilangan kesempatan mendapatkan keuntungan atau kehilangan konsumen pelanggan karena kecewa sehingga beralih ke tempat lain.

2.1.3 Tipe Persediaan Menurut Deitiana, T (2011, p. 187) persediaan yang ada di perusahaan

biasanya terdiri dari empat tipe, yaitu : 1. Persediaan Bahan Mentah yang telah dibeli, tetapi belum diproses. 2. Persediaan Barang Dalam Proses yang telah mengalami beberapa perubahan

tetapi belum selesai. Persediaan ini ada karena untuk membuat produk diperlukan waktu yang disebut waktu siklus. Pengurangan waktu siklus menyebabkan persediaan ini berkurang.

3. Persediaan MRO merupakan persediaan yang dikhususkan untuk perlengkapan pemeliharaan, perbaikan, operasi. Persediaan ini ada karena kebutuhan akan adanya pemeliharaan dan perbaikan dari beberapa peralatan yang tidak diketahui. Sehingga persediaan ini merupakan fungsi jadwal pemeliharaan dan perbaikan.

4. Persediaan barang jadi, termasuk dalam persediaan karena permintaan konsumen untuk jangka waktu tertentu mungkin tidak diketahui.

Sedangkan dilihat dari fungsinya, menurut Assauri (1999, p.170-171) persediaan dapat dibedakan atas : 1. Batch Stock atau Lot Size Inventory yaitu persediaan yang diadakan karena

kita membeli atau membuat bahan-bahan/barang-barang dalam jumlah yang lebih besar daripada jumlah yang dibutuhkan pada saat itu. Jadi dalam hal ini pembelian atau pembuatan yang dilakukan untuk jumlah besar, sedang penggunaan atau pengeluaran dalam jumlah kecil. Terjadinya persediaan

7

karena pengadaan bahan/barang yang dilakukan lebih banyak daripada yang dibutuhkan.

2. Fluctuation Stock adalah persediaan yang diadakan untuk menghadapi fluktuasi permintaan konsumen yang tidak dapat diramalkan. Dalam hal ini perusahaan mengadakan persediaan untuk dapat memenuhi permintaan konsumen, apabila tingkat permintaan menunjukkan keadaan yang tidak beraturan atau tidak tetap dan fluktuasi permintaan tidak dapat diramalkan lebih dahulu. Jadi apabila terdapat fluktuasi permintaan yang sangat besar, maka persediaan ini (fluctuation stock) dibutuhkan sangat besar pula untuk menjaga kemungkinan naik turunnya permintaan tersebut.

3. Anticipation Stock yaitu persediaan yang diadakan untuk menghadapi fluktuasi permintaan yang dapat diramalkan, berdasarkan pola musiman yang terdapat dalam satu tahun dan untuk menghadapi penggunaan atau penjualan permintaan yang meningkat. Di samping itu anticipation stock dimaksudkan pula untuk menjaga kemungkinan sukarnya diperoleh bahan-bahan sehingga tidak mengganggu jalannya produk atau menghindari kemacetan produksi.

2.2 Metode Pengendalian Persediaan 2.2.1 ROP (Reorder Point)

Menurut Suswardji (2012, p.1074), yang dimaksud Reorder Point System adalah titik / tingkat persediaan, dimana pemesanan kembali harus dilakukan, model persediaan sederhana mengasumsikan bahwa penerimaan suatu pesanan bersifat seketika, artinya model persediaan mengasumsikan bahwa setiap perusahaan akan menunggu sampai tingkat persediaannya mencapai nol, sebelum perusahaan memesan kembali dan dengan seketika kiriman yang dipesan akan diterima.

Reorder Point dapat ditentukan dengan menggunakan rumus sebagai berikut : Reorder Point = (permintaan perhari) x (waktu tunggu untuk pemesanan baru

dalam hari) = d x l

Dimana d dicari dengan membagi permintaan tahunan (D), dengan jumlah periode yang digunakan (bisa dalam setahun, bulan dalam setahun tergantung periode yang digunakan oleh perusahaan).

2.2.2 Safety Stock Menurut Suswardji (2012, p. 1074), safety stock adalah persediaan yang

dilakukan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan bahan / barang, misalnya karena penggunaan bahan yang lebih besar dari perkiraan semula atau keterlambatan dalam penerimaan bahan yang dipesan.

2.2.3 EOQ (Economic Order Quantity) Menurut Pujawan, I. N (2010, p. 121) salah satu model sederhana yang

bisa digunakan untuk menentukan ukuran pesanan yang ekonomis adalah model economic order quantity (EOQ). Model ini mempertimbangkan dua ongkos persediaan di atas, yakni ongkos pesan dan ongkos simpan. Ongkos pesan yang dimaksud adalah ongkos-ongkos tetap yang keluar setiap kali pemesanan dilakukan dan tidak tergantung pada ukuran atau volume pesanan. Sedangkan ongkos simpan adalah ongkos yang terjadi akibat perusahaan menyimpan barang tersebut selama suatu periode tertentu.

8

Sedangkan menurut Assauri (1999, p.181) jumlah pesanan yang ekonomis (economic order quantity) merupakan jumlah atau besarnya pesanan yang dimiliki jumlah “ordering costs” dan “carrying costs” per tahun yang paling minimal. Oleh karena itu untuk dapat menentukan jumlah pesanan yang ekonomis, perlu dilihat pertambahan “ordering costs” dan ”carrying costs” serta besarnya persediaan rata-rata yang ditentukan.

Secara matematis, EOQ dapat dimodelkan sebagai berikut : (Baroto, T, 2002, p. 58)

Q* =

Dimana : A = order cost D = permintaan per periode I = holding cost (dalam desimal) C = harga per unit

Model ini dapat diterapkan dengan asumsi-asumsi sebagai berikut : (Baroto, T, 2002, p. 58) 1. Permintaan diketahui dengan pasti dan konstan selama periode persediaan. 2. Semua item yang dipesan diterima seketika, tidak bertahap. 3. Jarak waktu sejak pesan sampai pesanan datang (lead time) pasti. 4. Semua biaya diketahui dan bersifat pasti. 5. Kekurangan persediaan (stock-out) tidak diizinkan.

Sementara menurut Indroprasto (2012, p.306) EOQ multi item merupakan model EOQ untuk pembelian bersama beberapa jenis item, dengan asumsi : 1. Tingkat permintaan untuk setiap item bersifat konstan dan diketahui dengan

pasti. 2. Lead time untuk setiap itemnya sama. 3. Biaya penyimpanan, harga perunit, biaya pemesanan untuk setiap itemnya

diketahui. 4. Biaya pemesanan dan penyimpanan untuk tiap itemnya sama.

Model matematis EOQ multi item hampir sama dengan EOQ single item hanya saja biaya total pada EOQ multi item merupakan jumlah dari total biaya-biaya yang terjadi.

Keadaan nyata yang berlaku pada perusahaan, ada beberapa parameter yang memiliki nilai tidak pasti, satu atau lebih parameter tersebut merupakan variabel-variabel acak. Parameter tersebut diantaranya : 1. Permintaan tahunan (D) 2. Permintaan harian (d) 3. Lead time (L) 4. Biaya penyimpanan (H) 5. Biaya pemesanan (S) 6. Biaya kehabisan persediaan atau shortage cost (stock out = B) 7. Harga (C)

9

Model model EOQ sebelumnya dapat tidak peka terhadap perubahan-perubahan D, H, S atau B. model persediaan stokastik atau simulasi merupakan metode yang valid dalam penentuan EOQ yang didalamnya terdapat parameter-parameter yang tidak diketahui dengan pasti dan konstan. Untuk menghadapi permintaan yang bervariasi perusahaan biasanya mempunyai tingkat persediaan tertentu sebagai pengaman yang disebut safety atau buffer stocks. Safety stock ini menyediakan sejumlah persediaan selama masa lead time.

Menurut Hermawan (2007, p.17) model persediaan tradisional memberikan solusi berupa diadakannya suatu persediaan dalam jumlah tertentu sebagai tindakan pengendalian atas kondisi-kondisi nyata yang mungkin terjadi. Inilah yang disebut sebagai sediaan pengaman atau safety stock. Dimana penentuan besar kecilnya safety stock ini dipengaruhi oleh pola permintaan, biaya dan lead time. Pada kondisi dimana terdapat elemen yang cepat berubah seperti terjadinya perubahan harga, maka perusahaan menetapkan suatu ambang batas untuk tingkat perubahan harga itu sendiri yang dihubungkan dengan pengendalian. Bila perubahan harga belum melampaui ambang batas maka belum perlu untuk melakukan tindakan apa-apa. Penyesuaian baru dilakukan bila perubahan harga telah melalui ambang batas yang telah ditentukan.

Menurut Assauri (1999, p.186) safety stock adalah persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan bahan (stock-out). Kemungkinan terjadinya stock-out dapat disebabkan karena penggunaan bahan baku yang lebih besar daripada perkiraan semula, atau keterlambatan dalam penerimaan bahan baku yang dipesan. Akibat pengadaan persediaan penyelamat terhadap biaya perusahaan adalah mengurangi kerugian yang ditimbulkan karena terjadinya “stock-out”, akan tetapi sebaliknya akan menambah besarnya “carrying cost”. Oleh karena itu pengadaan persediaan penyelamat oleh perusahaan dimaksudkan untuk mengurangi kerugian yang ditimbulkan karena terjadinya stock-out, tetapi juga pada saat itu diusahakan agar carrying cost adalah serendah mungkin.

Seperti yang telah diungkapkan Adeyemi (2010, p.137) EOQ hanya dapat dihitung dengan asumsi-asumsi sebagai berikut :

1. Biaya penyimpanan diketahui dan bersifat konstan atau tetap. 2. Biaya pesan diketahui dan bersifat konstan atau tetap. 3. Jumlah permintaan diketahui. 4. Harga barang perunit diketahui dan bersifat konstan. 5. Tidak diperbolehkannya kehabisan persediaan.

2.2.4 Silver-Meal Heuristic Prinsip dari heuristik adalah silver meal, yang merupakan pendekatan

metode yang mudah digunakan dan dari pengulangan pengerjaan akan didapat hasil yang baik apabila dibandingkan dengan heuristik lainnya. Pengerjaan metode silver meal ini mempunyai persamaan perhitungan dengan metode economic order quantity (EOQ), yaitu digunakan sebagai permintaan sebagai dasar untuk pengulangan variabel pada periode-periode selanjutnya, kemudian total permintaan diatas batas perencanaan. Metode ini mencoba mencari biaya rata-rata minimal pada setiap periode untuk jumlah periode yang telah direncanakan. Rumusan umum yang dapat digunakan adalah sebagai berikut : Hartanto (2012, p. 25)

10

K(m) = (A + hD2 + 2hD3 + …. (m-1)hDm)

Dimana : Dm = Permintaan pada periode m K(m) = Rata-rata per unit waktu M = Periode A = Biaya order H = Biaya simpan/unit waktu

2.3 Peramalan Menurut Buffa, E. S (1994, p. 55), peramalan atau forecasting dapat

diartikan sebagai penggunaan teknik-teknik statistik dalam membentuk gambaran masa depan berdasarkan pengolahan angka-angka historis. Peramalan tergantung kepada adanya data historis yang cukup agar dapat diuraikan secara statistic dan juga tergantung kepada adanya data historis yang cukup agar dapat diuraikan secara statistik dan juga tergantung kepada faktor-faktor pembentuk pasar yang relatif stabil.

Sedangkan menurut Nasution, (2003, p.25) peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat komplek dan dinamis.

Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat rumit dan tidak pasti karena permintaan pasar tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produk subtitusi. Oleh karena itu, peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.

Menurut Heizer & Render, (2005, p.136), peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk metode model matematis.

2.3.1 Peramalan dan Horison Waktu Dalam hubungannya dengan horizon waktu peramalan, maka kita bisa

mengklasifikasikan peramalan tersebut ke dalam 3 kelompok, yaitu : (Nasution, 2003, p. 26) 1. Peramalan Jangka Panjang.

Umumnya 2 sampai 10 tahun. Peramalan ini digunakan untuk perencanaan produk dan perencanaan sumber daya.

2. Peramalan Jangka Menengah Umumnya 1 sampai 24 bulan. Peramalan ini lebih mengkhusus

dibandingkan peramalan jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.

3. Peramalan Jangka Pendek Umumnya 1 sampai 5 minggu. Peramalan ini digunakan untuk

mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek.

11

2.3.2 Metode-Metode dalam Peramalan Peramalan memiliki berbagai macam metode dalam pelaksanaannya.

Secara umum, peramalan dapat diklasifikasikan menjadi 2 macam, yaitu : (Nasution, 2003, p.32-33) 1. Peramalan yang Bersifat Subyektif

Peramalan subyektif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi seseorang, dan intuisi yang meskipun kelihatannya kurang ilmiah tetapi dapat memberikan hasil yang baik. Peramalan subyektif ini akan diwakili oleh metode diwakili oleh metode Delphi dan metode penelitian pasar. a. Metode Delphi

Metode ini merupakan cara sistematis untuk mendapatkan keputusan berasma dari suatu grup yang terdiri dari para ahli dan berasal dari disiplin yang berbeda.

b. Metode Penelitian Pasar Metode ini mengumpulkan dan mengnalisa fakta secara sistematis

pada bidang yang berhubungan dengan pemasaran. Salah satu teknik utama dalam penelitian pasar ini adalah survei konsumen. Survei konsumen akan memberikan informasi mengenai selera yang diharapkan konsumen, dimana informasi tersebut diperoleh dari sampel dengan cara kuesioner.

2. Peramalan yang Bersifat Obyektif Peramalan obyektif merupakan prosedur peramalan yang mengikuti

aturan matematis dan statistik dalam menunjukkan hubungan antara permintaan dengan satu atau lebih variable yang mempengaruhinya. Peramalan obyektif terdiri atas dua metode, yaitu metode intrinsik dan metode ekstrinsik. a. Metode Intrinsik

Metode ini membuat peramalan hanya berdasarkan pada proyeksi permintaan historis tanpa mempertimbangkan faktor-faktor eksternal yang mungkin mempengaruhi besarnya permintaan. Metode ini hanya cocok untuk peramalan jangka pendek pada kegiatan produksi., dimana dalam rangka pengendalian produksi dan pengendalian persediaan bahan baku seringkali perusahaan harus melibatkan banyak item yang berbeda. Metode intrinsic akan diwakili oleh analisis deret waktu (Time Series).

b. Metode Ekstrinsik Metode ini mempertimbangkan faktor-faktor eksternal yang

mungkin dapat mempengaruhi besarnya permintaan dimasa datang dalam model peramalannya. Metode ini lebih cocok untuk peramalan jangka panjang karena dapat menunjukkan hubungan sebab akibat yang jelas dalam hasil peramalannya sehingga disebut metode kausal dan dapat memprediksi titik-titik perubahan. Kelemahan dari metode dalam hal mahalnya biaya aplikasinya dan frekuensi perbaikan hasil peramalan yang rendah karena sulitnya menyediakan informasi perubahan faktor-faktor eksternal yang terukur. Metode ini akan diwakili oleh metode regresi. Menurut Nahmias (2009, p. ) regresi linear atau regresi analisis

12

merupakan salah satu metode peramalan yang cocok untuk menggambarkan satu set data berupa garis lurus. Y = α + b Χ

b = Sxx

Sxy

Sxy = ∑∑+−

==

n

1i

n

1i

2

Di2

x1)(nniDin

Sxx = 4

1)(n n

6

1)1)(2n(nn 222 ++++

α =2

1)(nbD

+−−

Keterangan: α dan b = 0,5-1 (1 merupakan data fluktuatif) D = rata-rata permintaan Y = peramalan

Kemudian selain metode regresi terdapat juga metode lainnya yang termasuk dalam metode ekstrinsik peramalan, seperti moving average dan metode holt’s. Metode holt merupakan salah satu tipe double exponential smoothing yang buat untuk melacak deretan waktu dengan tren linear dan dua parameter (α dan β ).

St = ( )( )1t1t GSα1Dtα −− −−+

Gt = ( ) ( ) 1t1tt Gβ1SSβ −− −+−

Ft,t+τ = St + τ Gt

Keterangan: α danβ = konstanta smoothing St = intercept pada waktu ke - t Gt = slope pada waktu ke - t F = peramalan

Metode moving average dapat digunakan dengan data permintaan aktual terdahulu untuk membangkitkan nilai ramalan yang dihasilkan metode moving average. Berikut merupakan rumusnya:

Rata-rata bergerak 3-periode = 3

)sebelumnyabulan 3n (Permintaa∑

2.3.3 Analisis Deret Waktu (Time Series)

Menurut Nasution, (2003, p.32), analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari komponen-komponen Trend (T), Siklus/Cycle (C), Pola Musiman/Season (S), dan Variasi Acak/Random (R) yang akan menunjukkan suatu pola tertentu. Komponen-komponen tersebut kemudian

13

dipakai sebagai dasar dalam membuat persamaan matematis. Analisa deret waktu ini sangat tepat dipakai untuk meramalkan permintaan yang pola permintaan dimasa lalunya cukup konsisten dalam periode waktu yang lama, sehingga diharapkan pola tersebut masih akan tetap berlanjut.

Permintaan dimasa lalu pada analisa deret waktu akan dipengaruhi keempat komponen utama T, C, S dan R. Penjelasan tentang komponen-komponen tersebut adalah sebagai berikut : 1. TREND/KECENDERUNGAN (T). Trend merupakan sifat dari permintaan

dimasa lalu terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik, turun, atau konstan.

2. SIKLUS/CYCLE (C). Permintaan suatu produk dapat memiliki siklus yang berulang secara periodic, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang.

3. POLA MUSIMAN/SEASON (N). Fluktuasi permintaan suatu produk dapat naik turun di sekitar garis trend dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodic setiap tahunnya.

4. VARIASI ACAK/ RANDOM (R). permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor-faktor adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka menentukan persediaan pengaman untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.

2.4 Proses Riset Menurut Supranto, M. A (1998, p.1), riset atau penelitian pada dasarnya

merupakan suatu kegiatan untuk memperoleh data/informasi yang sangat berguna untuk mengetahui sesuatu, untuk membuat keputusan dalam rangka memecahkan persoalan atau untuk mengembangkan ilmu pengetahuan. Dengan kata lain, riset merupakan suatu kegiatan pemecahan masalah ataupun pengembangan ilmu pengetahuan yang didukung oleh data yang sangat berguna ataupun data yang terkait dalam pemecahan masalah ataupun pengembangan ilmu pengetahuan tersebut.

Adapun langkah-langkah riset yang perlu diperhatikan adalah sebagai berikut : (Supranto, M. A, 1998, p.16) 1. Memilih judul yang sesuai dengan tujuan riset dan merumuskan persoalan

dengan jelas. 2. Menentukan sumber informasi. Apakah data yang diperlukan sudah tersedia

baik sebagai data internal maupun data eksternal berupa data sekunder ataukah harus dikumpulkan terlebih dahulu langsung dari objeknya berupa data primer.

3. Menentukan metode pengumpulan data serta cara bagaimana memperoleh informasi dari pihak responden (objek penyelidikan).

4. Pelaksanaan riset di lapangan. 5. Pengolahan data yang masuk, termasuk editing, coding, tabulating, graphing

serta analyzing. 6. Menyusun laporan riset.

14

Selain itu sebelum melakukan riset juga perlu dibuatkan suatu project statement. Berikut adalah hal-hal yang harus dimuat dalam pembuatan project statement suatu riset : (Supranto, M. A, 1998, p.19) 1. Judul atau topik dari proyek harus dirumuskan dengan singkat dan jelas. 2. Tujuan serta kegunaan proyek serta ruang lingkup persoalan yang akan

dicakup. Di sini harus dirumuskan persoalannya kalau mungkin dalam bentuk hipotesis-hipotesis.

3. Research Design serta metode pengumpulan data. 4. Waktu penelitian, kapan dimulai dan kapan berakhir serta periode yang

dicakup dalam riset. 5. Organisasi riset termasuk personalia yang bertanggung jawab dalam

pelaksanaannya. 6. Anggaran biaya yang dirinci menurut pos-pos yang penting. 7. Institusi/Lembaga yang akan melaksanakan proyek riset juga penting untuk

disebutkan. 2.5 Perangkat Lunak Minitab V.16

Minitab adalah program computer yang dirancang untuk melakukan pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks. Minitab sendiri dikembangkan di Pennsylvania State University oleh sekelompok peneliti yang bernama Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun 1972. Minitab memulai versi ringannya yaitu OMNITAB, sebuah program analisis statistik.

Minitab didistribusikan oleh Minitab Inc. sebuah perusahaan swasta yang bermarkas di State Collage, Pennsylvania, dengan kantor cabang di Coventry, Inggris (Minitab Ltd) Paris, Perancis (Minitab SARL) dan Sydney, Australia (Minitab Pty).

Kini, Minitab seringkali digunakan dalam implementasi Six Sigma, CMMI serta metode perbaikan proses yang berbasis statistika lainnya. Minitab 16, versi terbaru perangkat lunak ini tersedia dalam tujuh bahasa: Inggris, Perancis, Jerman, Jepang, Korea, Mandarin dan Spanyol.

2.5.1 Penggunaan Minitab Minitab umumnya digunakan untuk menganalisa data statistik untuk

membantu menemukan solusi dari suatu permasalahan. Berikut adalah beberapa contoh penggunaan minitab : 1. Mengelola data dan file spreadsheet untuk analisa data yang lebih baik. 2. Analisa regresi 3. Power dan ukuran sampel 4. Tabel dan grafik 5. Analisa multivariate termasuk analisa faktor, analisa klaster, analisa

korespondensi dan lainnya 6. Time series dan forecasting, membantu menunjukkan kecenderungan pada

data yang dapat digunakan untuk membuat dugaan. Time series plots, exponential smoothing, trend analysis.

7. Statistical process control 8. Analisa sistem pengukuran 9. Analisa varians, untuk menentukan perbedaan antar data.

15

2.5.2 Cara Menggunakan Minitab dalam Peramalan Program Minitab khususnya Minitab v.16 dapat membantu dalam

peramalan suatu permintaan. Sebagai contoh peramalan permintaan akan suku cadang sepeda motor yang dijual di suatu toko suku cadang. Pertama-tama tentu dalam peramalan harus diketahui data permintaan masa lampau. Misalkan untuk permintaan busi sepeda motor A tahun 2013 adalah sebagai berikut :

Tabel 2.1 Contoh Permintaan Busi Tahun 2013

Periode (Bulan) Jumlah Permintaan 1 20 2 30 3 40 4 35 5 52 6 61 7 59 8 80 9 87 10 99 11 88 12 98

Untuk menggunakan Minitab v.16 pertama buka terlebih dahulu programnya dengan cara klik 2 kali pada shortcut Minitab v.16 yang terdapat pada desktop komputer.

Kemudian setelah dibuka, maka akan muncul tampilan seperti berikut :

Gambar 2.1 Tampilan Awal Minitab v.16

Kemudian masukkan jumlah permintaan busi tahun 2013 pada kolom C1 secara menurun seperti gambar berikut :

16

Gambar 2.2 Pemasukan Jumlah Permintaan

Lalu setelah jumlah permintaan busi tahun 2013 sudah dimasukkan, pilih menu stat pada toolbar diatas dengan cara klik kiri 1 kali, hingga muncul tampilan seperti berikut :

Gambar 2.3 Tampilan Toolbar Menu Stat

Kemudian klik kiri pada time series, dan akan muncul pilihan metode peramalan serta pilihan time series plot yang berguna untuk melihat pola data permintaan pada masa lampau,untuk lebih jelasnya dapat dilihat pada gambar berikut :

17

Gambar 2.4 Tampilan Menu Time Series

Sebagai contoh pilih metode peramalan regresi linear dengan cara klik kiri sebanyak 1 kali pada pilihan trend analysis hingga muncul tampilan seperti berikut :

Gambar 2.5 Tampilan Trend Analysis

Kemudian isi kolom variabel dengan mengetik C1 atau klik kiri tulisan C1 yang terdapat pada kolom sebelah kiri. Beri tanda centang pada kotak yang

18

berada disebelah kiri tulisan generate forecasts. Kemudian isi kolom number of forecast sesuai dengan jumlah periode kedepan yang ingin diketahui peramalan permintaannya. Sebagai contoh untuk 1 tahun mendatang, isikan dengan mengetik angka 12. Kemudian klik OK. Untuk lebih jelasnya dapat dilihat pada gambar seperti berikut :

Gambar 2.6 Tampilan Pengaturan Trend Analysis

Setelah klik OK, maka akan muncul tampilan grafik seperti berikut :

19

Gambar 2.7 Grafik Peramalan Permintaan

Pada grafik tersebut terdapat garis yang berwarna merah, yaitu garis tren dari permintaan, garis hitam adalah garis permintaan sebenarnya, dan garis hijau adalah garis peramalan permintaan di tahun 2014. Pada grafik juga terdapat persamaan Yt = 13,89 + 7,47*t yang artinya 13,89 adalah nilai konstanta a, 7,47 adalah nilai konstanta b dan t adalah periode atau bulan. Pada kotak sebelah kanan bawah terdapat tulisan Accuracy Measures yang artinya adalah pengukuran keakuratan peramalan dan dibawahnya terdapat nilai MAPE (Mean Absolute Percentage Error), MAD (Mean Absolute Deviation) dan MSD (Mean Square Deviation).

Sementara pada tampilan session terdapat angka yang menunjukkan perkiraan atau peramalan permintaan selama setahun yang akan datang, seperti yang dapat dilihat pada gambar berikut :

20

Gambar 2.8 Tampilan Session