bab 2 landasan teori - library & knowledge...
TRANSCRIPT
6
BAB 2
LANDASAN TEORI
2.1 Manajemen Operasional
Ada beberapa pengertian dari manajemen operasional menurut para ahli, antara
lain:
� Menurut Jay Heizer dan Berry Rander (2009:4), manajemen operasional adalah
serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa
dengan mengubah input menjadi output.
� Menurut Eddy Herjanto (2007:2) , manajemen operasional adalah suatu kegiatan
yang berhubungan dengan pembuatan barang, jasa dan kombinasinya, melalui
proses transformasi dari sumber daya produksi menjadi keluaran yang diinginkan.
� Menurut William J. Stevenson (2009:4), manajemen operasional adalah sistem
manajemen atau serangkaian proses dalam pembuatan produk atau penyediaan
jasa.
� Menurut Richard L. Daft (2006:216), manajemen operasional adalah bidang
manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat
dan teknik khusus untuk memecahkan masalah produksi.
� Menurut James Evans dan David Collier (2007:5), manajemen operasional
adalah ilmu dan seni untuk memastikan bahwa barang dan jasa diciptakan dan
berhasil dikirim ke pelanggan.
Jadi, manajemen operasional adalah ilmu yang mempelajari serangkaian proses
pengubahan input menjadi output yang bernilai untuk memenuhi kebutuhan
konsumen.
7
2.1.1 Sepuluh Keputusan Strategis Manajemen Operasional
Menurut Jay Heizer dan Barry Render (2009:56-57), diferensiasi, biaya rendah
dan respons yang cepat dapat dicapai saat manajer membuat keputusan efektif dalam
sepuluh wilayah manajemen operasional. Keputusan ini dikenal sebagai keputusan
operasi (operations decisions). Berikut sepuluh keputusan manajemen operasional
yang mendukung misi dan menerapkan strategi:
a. Perancangan barang dan jasa. Perancangan barang dan jasa menetapkan sebagian
besar proses transformasi yang akan dilakukan. Keputusan biaya, kualitas dan
sumber daya manusia bergantung pada keputusan perancangan.
b. Kualitas. Ekspektasi pelanggan terhadap kualitas harus ditetapkan, peraturan dan
prosedur dibakukan untuk mengidentifikasi serta mencapai standar kualitas
tersebut.
c. Perancangan proses dan kapasitas. Keputusan proses yang diambil membuat
manajemen mengambil komitmen dalam hal teknologi, kualitas, penggunaan
sumber daya manusia dan pemeliharaan yang spesifik. Komitmen pengeluaran
dan modal ini akan menentukan struktur biaya dasar suatu perusahaan.
d. Pemilihan lokasi. Keputusan lokasi organisasi manufaktur dan jasa menentukan
kesuksesan perusahaan.
e. Perancangan tata letak. Aliran bahan baku, kapasitas yang dibutuhkan, tingkat
karyawan, keputusan teknologi dan kebutuhan persediaan mempengaruhi tata
letak.
f. Sumber daya manusia dan rancangan pekerjaan. Manusia merupakan bagian
yang integral dan mahal dari keseluruhan rancang sistem. Karenanya, kualitas
lingkungan kerja diberikan, bakat dan keahlian yang dibutuhan, dan upah yang
harus ditentukan dengan jelas.
8
g. Manajemen rantai pasokan. Keputusan ini menjelaskan apa yang harus dibuat
dan apa yang harus dibeli.
h. Persediaan. Keputusan persediaan dapat dioptimalkan hanya jika kepuasan
pelanggan, pemasok, perencanaan produksi dan sumber daya manusia
dipertimbangkan.
i. Penjadwalan. Jadwal produksi yang dapat dikerjakan dan efisien harus
dikembangkan.
j. Pemeliharaan. Keputusan harus dibuat pada tingkat kehandalan dan stabilitas
yang diinginkan.
2.1.2 Strategi Manajemen Operasional
Menurut Jay Heizer dan Barry Render (2009:51), perusahaan mencapai misi
mereka melalui tiga cara yakni:
a. Bersaing dalam diferensiasi.
Diferensiasi berhubungan dengan penyajian sesuatu keunikan. Diferensiasi harus
diartikan melampaui ciri fisik dan atribut jasa yang mencakup segala sesuatu
mengenai produk atau jasa yang mempengaruhi nilai dimana konsumen dapatkan
darinya.
b. Bersaing dalam biaya.
Kepemimpinan biaya rendah berarti mencapai nilai maksimum sebagaimana
yang diinginkan pelanggan. Hal ini membutuhkan pengujian sepuluh keputusan
manajemen operasi dengan usaha yang keras untuk menurunkan biaya dan tetap
memenuhi nilai harapan pelanggan. Strategi biaya rendah tidak berarti nilai atau
kualitas barang menjadi rendah.
c. Bersaing dalam respons.
9
Keseluruhan nilai yang terkait dengan pengembangan dan pengantaran barang
yang tepat waktu, penjadwalan yang dapat diandalkan dan kinerja yang fleksibel.
Respons yang fleksibel dapat dianggap sebagai kemampuan memenuhi
perubahan yang terjadi di pasar dimana terjadi pembaruan rancangan dan
fluktuasi volume.
Tiga strategi yang ada masing-masing memberikan peluang bagi para manajer
operasi untuk meraih keunggulan bersaing. Keunggulan bersaing berarti menciptakan
sistem yang mempunyai keunggulan unik atas pesaing lain. Idenya adalah
menciptakan nilai pelanggan (customer value) dengan cara efisien dan efektif.
2.2 Peramalan (Forecasting)
Metode peramalan akan membantu dalam mengadakan pendekatan analisa
terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara
pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta
memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang
dibuat. Ada beberapa pengertian peramalan (forecasting) menurut para ahli, antara
lain:
� Menurut Jay Heizer dan Barry Render (2009:162), peramalan adalah seni atau
ilmu untuk memperkirakan kejadian di masa depan dan melibatkan pengambilan
data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk
model matematis.
� Menurut Singgih Santoso (2009:8), peramalan adalah kegiatan yang bersifat
teratur, berupaya memprediksi masa depan dengan menggunakan tidak hanya
metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif.
10
� Menurut Manahan P. Tampubolon (2004:40), peramalan adalah penggunaan data
untuk menguraikan kejadian yang akan datang di dalam menentukan sasaran
yang dikehendaki.
� Menurut Eddy Herjanto (2004:116), peramalan adalah proses suatu variabel
(kejadian) di masa datang dengan data variabel yang bersangkutan pada masa
sebelumnya.
� Menurut Arman Hakim Nasution (2006:235), peramalan adalah proses
memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam
urusan kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka
memenuhi permintaan barang atau jasa.
Jadi, peramalan adalah teknik untuk meramalkan kejadian di masa depan yang
menggunakan model matematis dan melibatkan data masa lalu.
2.2.1 Meramalkan Horizon Waktu
Menurut Jay Heizer dan Barry Render (2009:163), peramalan biasanya
diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon
waktu terbagi menjadi beberapa kategori:
a. Peramalan jangka pendek
Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang
dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian,
penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.
b. Peramalan jangka menengah
Peramalan jangka menengah atau intermediate, umumnya mencakup hitungan
bulanan hingga 3 tahun. Peramalan ini berguna untuk merencanakan penjualan,
11
perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-
macam rencana operasi.
c. Peramalan jangka panjang
Umumnya untuk perencanaan masa 3 tahun atau lebih. Peramalan jangka panjang
digunakan untuk merencanakan produk baru, pembelanjaan, modal, lokasi atau
pembangunan fasilitas, serta penelitian dan pengembangan (litbang).
2.2.2 Jenis-Jenis Peramalan
Menurut Jay Heizer dan Barry Render (2009:164), pada umumnya berbagai
organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi
di masa depan:
a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan, dan indikator perencanaan lainnya.
b. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan
teknologi yang dapat meluncurkan produk baru yang menarik, yang
membutuhkan pabrik dan peralatan baru.
c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk
produk atau layanan suatu perusahaan. Peramalan ini disebut peramalan
penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan
menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
2.2.3 Metode-Metode Peramalan
Ada beberapa metode-metode peramalan menurut para ahli, diantaranya:
12
• Menurut Jay Heizer dan Barry Render (2009:167-197)
Gambar 2.1 Metode Peramalan Menurut Jay Heizer dan Barry Render
Sumber: Penulis
Peramalan kualitatif (qualitative forecast) yang menggabungkan faktor seperti intuisi,
emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk meramal
sedangkan peramalan kuantitatif (quantitative forecast) yang menggunakan model
matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk
meramalkan permintaan. Ada empat teknik peramalan kualitatif yang berbeda yakni:
1. Juri dari opini eksekutif. Dalam
metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi
umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan
prediksi permintaan kelompok.
2. Metode Delphi. Ada tiga jenis
partisipan dalam metode Delphi: pengambil keputusan, karyawan, dan responden.
Pengambil keputusan biasanya terdiri atas 5 hingga 10 orang pakar yang akan
13
melakukan peramalan. Karyawan membantu pengambilan keputusan dengan
menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah kuisioner
dan hasil survei. Responden adalah sekelompok orang yang biasanya
ditempatkan di tempat yang berbeda dimana penilaian dilakukan. Kelompok ini
memberikan input pada pengambil keputusan sebelum peramalan dibuat.
3. Komposit tenaga penjualan.
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan
yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk
memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut
digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan
secara keseluruhan.
4. Survei pasar konsumen. Metode
ini meminta input dari konsumen mengenai rencana pembelian mereka di masa
depan. Hal ini tidak hanya membantu dalam menyiapkan peramalan, tetapi juga
memperbaiki desain produk dan perencanaan produk baru.
Peramalan kuantitatif terbagi menjadi 2 model yakni model deret waktu (time series
model) dan model asosiatif/kausal/sebab-akibat dengan penjelasan masing-masing
sebagai berikut:
1. Dekomposisi deret waktu.
Menganalisis deret waktu berarti membagi data masa lalu menjadi komponen-
komponen, kemudian memproyeksikan ke masa depan. Gerakan atau variasi
data deret waktu terdiri dari empat komponen yaitu:
a. Gerakan tren jangka
panjang (long term movement), yaitu suatu gerakan yang menunjukkan arah
perkembangan secara umum (kecenderungan menaik atau menurun) dan
14
sangat berguna untuk membuat ramalan yang sangat diperlukan bagi
perencanaan.
b. Gerakan siklus (cyclical
movement), adalah gerakan atau variasi jangka panjang di sekitar garis tren
(berlaku untuk data tahunan). Gerakan siklus bisa terulang setelah jangka
waktu tertentu dan dalam jangka waktu yang tidak sama. Siklus bisnis adalah
suatu contoh gerakan siklus yang menunjukkan jangka waktu terjadinya
kemakmuran, kemunduran, depresi, dan pemulihan.
c. Gerakan musiman
(seasonal movement), adalah gerakan yang mempunyai pola tetap dari waktu
ke waktu, misalnya menaikkan harga pohon cemara menjelang Natal,
meningkatnya harga bahan makanan dan pakaian menjelang hari raya Idul
Fitri.
d. Gerakan atau variasi
yang tidak teratur (irregular movement), adalah gerakan atau variasi yang
sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang
datangnya tidak teratur.
2. Pendekatan Naive (Naive Approach).
Cara yang paling sederhana untuk meramal adalah berasumsi bahwa permintaan
di periode mendatang akan sama dengan permintaan pada periode terakhir.
Ft = Yt-1
3. Rata-rata bergerak (Moving Average).
Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu utnuk
menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat
mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita
15
ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi
permintaan periode mendatang) dinyatakan sebagai berikut:
dimana n adalah jumlah periode dalam rata-rata bergerak.
4. Rata-rata bergerak tertimbang (Weighted Moving
Average).
Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk
menempatkan penekanan yang lebih pada nilai terkini. Praktik ini membuat
teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih
dekat mendapatkan bobot yang lebih berat. Pemilihan bobot merupakan hal yang
tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu,
pemutusan bobot yang digunakan membutuhkan pengalaman. Rata-rata bergerak
dengan pembobotan atau rata-rata bergerak tertimbang dapat digambarkan secara
matematis sebagai berikut:
5. Penghalusan eksponensial (Exponential Smoothing).
Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak
dengan pembobotan yang canggih tetapi masih mudah digunakan. Metode ini
menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan
eksponensial dasar dapat ditunjukkan sebagai berikut:
Ft = Ft-1 + α (At-1 – Ft-1)
Dimana:
16
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1)
A t-1 = permintaan aktual periode lalu
Konstanta penghalusan untuk penerapan di bidang bisnis biasanya berkisar dari
0,05 hingga 0,5. Pendekatan penghalusan eksponensial mudah digunakan dan
telah berhasil diterapkan pada hampir setiap jenis bisnis. Walaupun demikian,
nilai yang tepat untuk konstanta penghalusan dapat membuat diferensiasi antara
peramalan yang akurat dan yang tidak akurat. Nilai α yang tinggi dipilih pada
saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata
cukup stabil. Tujuan pemilihan suatu nilai untuk konstanta penghalusan adalah
mendapatkan peramalan yang akurat.
6. Penghalusan eksponensial dengan tren (Exponential
Smoothing with Trend).
Penghalusan eksponensial yang sederhana gagal memberikan respons terhadap
tren yang terjadi. Inilah alasan penghalusan eksponensial harus diubah saat ada
tren. Untuk memperbaiki peramalan, maka digunakan model penghalusan
eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada.
Idenya adalah menghitung rata-rata data penghalusan eksponensial, kemudian
menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan
penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata, dan tren
dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-
rata dan β untuk tren. Kemudian, dihitung rata-rata dan tren untuk setiap periode.
Ft = α (At-1) + (1 – α)(Ft-1 + Tt-1)
T t = β (Ft – Ft-1) + (1 – β) Tt-1
17
Dimana:
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada
periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
A t = permintaan aktual pada periode t
α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)
β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
Jadi, tiga langkah menghitung peramalan dengan yang disesuaikan dengan tren
adalah sebagai berikut:
a. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t,
menggunakan persamaan Ft.
b. Menghitung tren yang dihaluskan, Tt, menggunakan persamaan Tt.
c. Menghitung peramalan dengan tren, FITt, dengan rumus FITt = Ft + Tt.
7. Proyeksi tren (Trend Projection) atau analisis tren
(Trend Analysis).
Teknik ini mencocokan garis tren pada serangkaian data masa lalu, kemudian
memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau
jangka panjang.
ŷ = a + bX
Dimana:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait)
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang
terjadi di x)
18
X = variabel bebas
X = nilai variabel bebas yang diketahui
Y = nilai variabel terkait yang diketahui
X = rata-rata nilai X
Y = rata-rata nilai Y n = jumlah data atau pengamatan
8. Regresi linier (Linear Regression).
Model matematika garis lurus untuk menggambarkan hubungan fungsional
antara variabel-variabel yang bebas maupun variabel terikat. Persamaan garisnya
dapat dinyatakan sebagai:
ŷ = a + bX
Dimana:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait)
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang
terjadi di x)
X = variabel bebas
X = nilai variabel bebas yang diketahui
Y = nilai variabel terkait yang diketahui
19
X = rata-rata nilai X
Y = rata-rata nilai Y n = jumlah data atau pengamatan
• Menurut Eddy Herjanto (2004:117)
Gambar 2.2 Metode Peramalan Menurut Eddy Herjanto
Sumber: Penulis
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada
masa lalu dan terbagi atas dua yaitu:
1. Deret berkala, merupakan metode yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu.
Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel
dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola dalam deret
data historis dan mengekstrapolasikan pola tersebut ke masa depan. Ada 4 jenis
pola data peramalan time series yaitu:
20
• Pola horizontal (H): pola data ini terjadi apabila nilai data observasi
berfluktuasi di sekitar nilai rata-rata yang konstan.
Gambar 2.3 Pola Data Horizontal
Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
• Pola musiman (S): pola ini terjadi bilamana suatu deret dipengaruhi oleh
faktor musiman.
Gambar 2.4 Pola Data Musiman
Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
• Pola siklis (C): pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
21
Gambar 2.5 Pola Data Siklis
Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
• Pola tren (T): pola ini terjadi bilamana terdapat kenaikan atau penurunan
sekuler jangka panjang dalam data.
Gambar 2.6 Pola Data Tren
Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
2. Model kausal, merupakan metode peramalan yang didasarkan atas penggunaan
analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel
lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan
bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu
atau lebih variabel bebas. Tujuannya adalah untuk menemukan bentuk hubungan
tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel
tak bebas.
22
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa
lalu dan merupakan hasil dari pemikiran intuitif, pertimbangan dan pengetahuan
yang telah didapat. Metode ini dibagi menjadi 2 bagian yaitu:
1. Metode eksploratis, dimulai dengan masa lalu dan masa kini sebagai titik
awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan
melihat semua kemungkinan yang ada.
2. Metode normatif, dimulai dengan menggabungkan sasaran dan tujuan yang akan
datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai
berdasarkan kendala, sumber daya dan teknologi yang tersedia.
• Menurut Bernard W. Taylor (2005:301)
Gambar 2.7 Metode Peramalan Menurut Bernard W. Taylor
Sumber: Penulis
Metode time series membuat peramalan dengan menggunakan asumsi bahwa masa
depan adalah fungsi dari masa lalu. Tujuannya untuk menentukan pola dalam deret
data historis dan menerjemahkan pola tersebut ke masa depan. Model ini memiliki 3
metode yaitu:
23
1. Rata-rata bergerak, metode ini digunakan dan bermanfaat apabila kita
menggunakan asumsi bahwa permintaan pasar lebih stabil sepanjang waktu.
Secara matematis ditunjukkan sebagai berikut:
2. Exponential smoothing, merupakan metode yang mudah dan efisiensi
penggunaannya bila dilakukan dengan komputer. Secara matematis ditunjukkan
sebagai berikut:
Ft = Ft-1 + (At-1 – Ft-1)α
Dimana:
Ft = ramalan baru
Ft-1 = ramalan sebelumnya
A t-1 = permintaan aktual periode sebelumnya
α = konstanta penghalusan
3. Trend projection, digunakan dengan cara mencocokan garis tren ke rangkaian
titik data historis dan kemudian memproyeksikan garis itu ke dalam ramalan
jangka panjang menengah hingga jangka panjang. Secar a matematis ditunjukkan
sebagai berikut:
ŷ = a + bX
Dimana:
ŷ = nilai variabel yang dihitung untuk diprediksi (variabel tidak bebas)
a = perpotongan sumbu Y
b = kelandaian garis regresi
X = variabel bebas / waktu
24
Ahli statistik mengembangkan persamaan yang bisa digunakan untuk
memperoleh nilai a dan b untuk garis regresi. Kelandaian b diperoleh dengan:
Dimana:
b = kelandaian garis regresi
x = nilai variabel bebas
y = nilai variabel tak bebas
X = rata-rata nilai X
Y = rata-rata nilai Y n = jumlah titik data atau observasi
Metode kausal, regresi linier, bergabung menjadi model variabel atau hubungan yang
bisa mempengaruhi jumlah yang sedang diramal. Model ini mengasumsikan bahwa
faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih
independent variabel. Tujuannya adalah untuk menemukan bentuk hubungan tersebut
dan menggunakannya untuk meramalkan nilai mendatang dari dependent variabel.
Secara matematis ditunjukkan sebagai berikut:
ŷ = a + bX
Dimana:
ŷ = nilai variabel tidak bebas yaitu penjualan
a = perpotongan sumbu Y
b = kelandaian garis regresi
X = variabel bebas
25
2.2.4 Metode Peramalan Additive Decomposition dan Multiplicative
Decomposition
Metode peramalan additive decomposition terbagi menjadi 2 yakni Additive
Decomposition – Average All dan Additive Decomposition – Centered Moving
Average. Metode peramalan multiplicative decomposition juga terbagi menjadi 2
yaitu Multiplicative Decomposition – Average All dan Multiplicative Decomposition
– Centered Moving Average.
• Additive Decomposition – Average All
Berikut langkah-langkah perhitungan dalam metode ini:
� Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
� Hitung rata-rata penjualan (CTD MA).
� Hitung difference dengan rumus: penjualan – CTD MA.
� Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama.
� Hitung nilai smoothed dengan rumus: penjualan – seasonal.
� Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed).
� Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal.
• Additive Decomposition – Centered Moving Average
Berikut langkah-langkah perhitungan dalam metode ini:
� Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
� Hitung nilai CTD MA dengan rumus
� Hitung difference dengan rumus: penjualan – CTD MA.
26
� Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama.
� Hitung nilai smoothed dengan rumus: penjualan – seasonal.
� Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed).
� Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal.
• Multiplicative Decomposition – Average All
Berikut langkah-langkah perhitungan dalam metode ini:
� Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
� Hitung rata-rata penjualan (CTD MA).
� Hitung nilai rasio dengan rumus:
� Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama.
� Hitung nilai smoothed dengan rumus:
� Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed).
� Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal.
• Multiplicative Decomposition – Centered Moving Average
Berikut langkah-langkah perhitungan dalam metode ini:
� Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
� Hitung nilai CTD MA dengan rumus
� Hitung nilai rasio dengan rumus:
27
� Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap
kuartal yang sama memiliki nilai seasonal yang sama.
� Hitung nilai smoothed dengan rumus:
� Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk
menghitung a dan b adalah Y smoothed).
� Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal.
2.2.5 Menghitung Kesalahan Peramalan
Menurut Jay Heizer dan Barry Render (2009:177-180) ada beberapa perhitungan
yang biasa digunakan untuk menghitung kesalahan peramalan total. Perhitungan ini
dapat digunakan untuk membandingkan model peramalan yang berbeda, mengawasi
peramalan, dan untuk memastikan peramalan berjalan dengan baik. Perhitungan yang
paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation - MAD) dan
kesalahan kuadrat rerata (Mean Squared Error - MSE).
a. Deviasi mutlak rerata (Mean Absolute
Deviation - MAD ).
Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah
MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap
kesalahan peramalan dibagi dengan jumlah periode data (n).
b. Kesalahan kuadrat rerata (Mean Square Error – MSE).
28
MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan.
MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang
diamati.
Menurut Vincent Gasperz (2004:80) dalam bukunya menyebutkan akurasi
peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil.
2.3 Pengertian Perencanaan
Efektivitas adalah faktor yang sangat penting bagi perusahaan untuk mencapai
kesuksesan dalam jangka panjang. Sukses perusahaan dapat diukur melalui
pencapaian sasaran-sasaran perusahaan, dalam upayanya mencapai sasaran-sasaran
tersebut perusahaan harus dapat menggunakan sumber daya (manusia, material dan
modal) secara efisien. Oleh karena itu, untuk menjaga keefesienan dalam
penggunaan sumber daya, maka dibutuhkan suatu perencanaan dan pengendalian
yang merupakan fungsi manajemen yang harus dilakukan oleh pihak manajemen
secara berkelanjutan.
Menurut Warman (2004:43), perencanaan adalah suatu proses memperkirakan
apa yang akan terjadi di masa mendatang dan mempersiapkan sesuatu untuk masa
mendatang itu.
2.3.1 Fungsi Dasar yang Harus Dipenuhi oleh Perencanaan
Menurut Tampubolon (2004), fungsi-fungsi dasar yang harus dipenuhi oleh
aktivitas perencanaan adalah:
1. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk sebagai
fungsi dari waktu.
29
2. Menetapkan jumlah dan saat pemesanan bahan baku serta komponen secara
ekonomis dan terpadu.
3. Menetapkan kesinambungan antara tingkat kebutuhan produksi, teknik
pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi setiap saat
membandingkan dengan perencanaan persediaan dan melakukan revisi atas
rencana produksi pada saat yang ditentukan.
2.4 Persediaan
Berikut beberapa pengertian dari persediaan menurut para ahli:
� Menurut Pardede Pontas M. (2005:412), persediaan adalah sejumlah bahan baku
atau barang yang tersedia untuk digunakan sewaktu-waktu di masa yang akan
datang.
� Menurut Eddy Herjanto (2007), persediaan adalah bahan atau barang yang
disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk
digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau
untuk suku cadang dari peralatan atau mesin.
� Menurut Zulfikarijah (2005), persediaan adalah stok bahan baku yang digunakan
untuk memfasilitasi produksi atau memuaskan permintaan konsumen.
� Menurut Sofyan Assauri dalam buku Manullang dan Dearlisinaga (2005:50),
persediaan adalah sebagai suatu aktiva lancar yang meliputi barang-barang milik
perusahaan dengan maksud untuk dijual dalam suatu periode usaha normal atau
persediaan barang yang masih dalam pekerjaan proses produksi ataupun
persediaan bahan baku yang menunggu penggunaannya dalam suatu proses
produksi.
30
� Menurut Freddy Rangkuty (2004:1), persediaan adalah bahan-bahan, bagian yang
disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk
proses produksi, serta barang-barang jadi atau produk yang disediakan untuk
memenuhi permintaan dari konsumen atau pelanggan setiap waktu.
Jadi, persediaan adalah stok bahan baku yang juga merupakan aset perusahaan
dan yang akan digunakan untuk proses produksi atau dijual kepada konsumen.
Manajemen persediaan merupakan suatu cara untuk mengendalikan persediaan
agar dapat melakukan pemesanan yang tepat yaitu dengan biaya yang optimal. Oleh
karena itu, konsep mengelola sangat penting diterapkan oleh perusahaan agar tujuan
efektivitas dan efisiensi tercapai. Karena semua organisasi mempunyai beberapa
jenis perencanaan dan pengendalian persediaan. Manajemen persediaan yang baik
merupakan hal yang sangat penting bagi suatu perusahaan, pada satu sisi,
pengurangan biaya persediaan dengan cara menurunkan tingkat persediaan dapat
dilakukan perusahaan, tetapi pada sisi lainnya, konsumen akan tidak puas apabila
suatu produk stoknya habis. Oleh karena itu, keseimbangan antara investasi
persediaan dan tingkat pelayanan kepada konsumen harus dapat dicapai.
Manajemen persediaan meruapakan hal yang mendasar dalam penetapan
keunggulan kompetitif jangka panjang. Mutu, rekayasa, produk, harga, lembur,
kapasitas berlebih, kemampuan merespon pelanggan akibat kinerja kurang baik,
waktu tenggang (lead time), dan profitabilitas keseluruhan adalah hal-hal yang
dipengaruhi oleh tingkat persediaan. Perusahaan dengan tingkat persediaan yang
lebih tinggi daripada pesaing cenderung berada dalam posisi kompetitif yang lemah.
Kebijaksanaan manajemen persediaan telah menjadi sebuah senjata untuk
memenangkan kompetitif.
2.4.1 Peranan Persediaan
31
Pada dasarnya persediaan mempermudah atau memperlancar jalannya operasi
perusahaan yang harus dilakukan secara berturut-turut untuk memproduksi barang-
barang serta menyampaikan kepada pelanggan. Persediaan bagi perusahaan berguna
untuk:
a. Menghilangkan risiko keterlambatan datangnya barang atau bahan-bahan yang
dibutuhkan perusahaan.
b. Menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat
digunakan bila bahan ini tidak ada dalam pasaran.
c. Mempertahankan stabilitas atau kelancaran operasi perusahaan.
d. Mencapai pengguanaan mesin yang optimal.
e. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya.
f. Membuat produksi tidak perlu sesuai dengan penggunaan atau penjualannya.
Adanya persediaan dapat memungkinkan bagi perusahaan untuk melaksanakan
operasi produksi karena faktor waktu antara operasi itu dapat dihilangkan sama
sekali atau diminimalkan.
2.4.2 Fungsi Persediaan
Menurut Jay Heizer dan Barry Render (2009:82), persediaan dapat melayani 4
fungsi yang menambah fleksibilitas bagi operasi perusahaan:
a. Decouple atau memisahkan beberapa tahapan
dari proses produksi. Sebagai contoh, jika persediaan sebuah perusahaan
berfluktuasi, persediaan tambahan mungkin diperlukan untuk melakukan
decouple proses produksi dari pemasok.
b. Melakukan decouple perusahaan dari fluktuasi
permintaan dan menyediakan persediaan barang-barang yang akan memberikan
32
pilihan bagi pelanggan. Persediaan seperti ini digunakan secara umum pada
bisnis eceran.
c. Mengambil keuntungan dari diskon kuantitas
karena pembelian dalam jumlah besar dapat mengurangi biaya pengiriman
barang.
d. Melindungi terhadap inflasi dan kenaikan harga.
2.4.3 Jenis-Jenis Persediaan
Menurut Jay Heizer dan Barry Render (2009:82-83), ada 4 jenis persediaan yang
harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan:
a. Persediaan bahan mentah
(raw material inventory): bahan-bahan yang biasanya dibeli, tetapi belum
memasuki proses manufaktur dan digunakan untuk melakukan decouple
(memisahkan) pemasok dari proses produksi.
b. Persediaan barang
setengah jadi (WIP inventory): komponen atau bahan mentah yang telah
melewati beberapa proses perubahan, tetapi belum selesai. WIP ada karena waktu
yang diperlukan untuk menyelesaikan sebuah produk (disebut waktu siklus).
c. MRO (Maintenance,
Repair, Operating): persediaan yang disediakan untuk persediaan pemeliharaan,
perbaikan, operasi yang dibutuhkan untuk menjaga agar mesin-mesin dan proses-
proses tetap produktif.
d. Persediaan barang jadi:
produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih
merupakan aset dalam pembukuan perusahaan.
33
2.4.4 Biaya-Biaya dalam Persediaan
Ada tiga jenis biaya dalam persediaan menurut Jay Heizer dan Barry Render
(2009:91-92) antara lain:
1. Biaya penyimpanan (holding cost) yaitu biaya yang terkait dengan menyimpan
atau “membawa” persediaan selama waktu tertentu.
2. Biaya pemesanan (ordering cost) mencakup biaya dari persediaan, formulir,
proses pesanan, pembelian, dukungan administrasi dan seterusnya. Ketika
pesanan sedang diproduksi, biaya pesanan juga ada, tetapi mereka adalah bagian
dari biaya penyetelan.
3. Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah mesin
atau proses untuk membuat sebuah pesanan. Ini menyertakan waktu dan tenaga
kerja untuk membersihkan serta mengganti peralatan atau alat penahan. Manajer
operasi dapat menurunkan biaya pemesanan dengan mengurangi biaya
penyetelan serta menggunakan prosedur yang efisien seperti pemesanan dan
pembayaran elektronik.
2.4.5 Model Dasar Economic Order Quantity (EOQ)
Ada beberapa pendapat dari para ahli mengenai pengertian Economic Order
Quantity (EOQ) antara lain:
� Menurut Freddy Rangkuty (2004), EOQ adalah jumlah pembelian bahan mentah
pada setiap kali pesanan dengan biaya paling murah.
� Menurut Jay Heizer dan Barry Render (2009:92), EOQ adalah sebuah teknik
kontrol persediaan yang meminimalkan biaya total dari pemesanan dan
penyimpanan serta berdasar pada beberapa asumsi:
a. Jumlah permintaan diketahui, konstan, dan independen.
34
b. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan –
diketahui dan konstan.
c. Penerimaan persediaan bersifat instan dan selesai seluruhnya.
d. Tidak tersedia diskon kuantitas.
e. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan
(biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu
(biaya penyimpanan dan membawa).
f. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika jika
pemesanan dilakukan pada waktu yang tepat.
� Menurut Eddy Herjanto (2007:245), EOQ adalah salah satu model klasik yang
diperkenalkan oleh FW Harris pada tahun 1914, tetapi paling banyak dikenal
dalam teknik pengendalian persediaan.
� Menurut Pardede, Pontas M. (2005:422), EOQ menunjukkan sejumlah barang
yang dipesan untuk tiap kali pemesanan agar biaya sediaan keseluruhan menjadi
sekecil mungkin.
Model kuantitas pesanan ekonomis (Economic Order Quantity – EOQ) ini adalah
salah satu teknik pengendalian persediaan yang paling tua dan paling dikenal secara
luas. Berikut rumus yang digunakan dalam perhitungan persediaan:
EOQ = Q* =
Annual setup cost =
Annual holding cost =
Total unit cost = Unit cost (D)
35
I = ½ Q*
Dimana:
Q* = jumlah optimum unit per pesanan (EOQ)
D = permintaan per periode
S = biaya pemesanan untuk setiap pesanan
H = biaya penyimpanan per unit per periode
Q = jumlah unit per pesanan
TC = biaya total
I = rata-rata tingkat persediaan (average inventory)
N = jumlah pemesanan yang diperkirakan per periode
2.4.5.1 Lead Time
Menurut Zulfikarijah (2005:96), lead time adalah waktu yang dibutuhkan antara
pemesanan dengan barang sampai di perusahaan sehingga lead time berhubungan
dengan reorder point dan saat penerimaan barang.
Lead time muncul karena setiap pesanan membutuhkan waktu dan tidak semua
pesanan bisa dipenuhi seketika, sehingga selalu ada jeda waktu. Lead time sangat
berguna bagi perusahaan yaitu pada saat persediaan mencapai nol, pesanan akan
segera tiba di perusahaan. Dalam EOQ, lead time diasumsikan konstan artinya dari
waktu ke waktu selalu tetap dan berulang dalam setiap periode. Akan tetapi dalam
prakteknya lead time banyak berubah-ubah, untuk mengantisipasinya perusahaan
sering menyediakan safety stock.
2.4.5.2 Safety stock
36
Ada beberapa pendapat dari para ahli mengenai pengertian safety stock antara
lain:
� Menurut Freddy Rangkuty (2004:10), safety stock adalah persediaan tambahan
yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya
kekurangan bahan.
� Menurut Zulfikarijah (2005:96), safety stock adalah persediaan yang digunakan
dengan tujuan supaya tidak terjadi kehabisan stok.
� Menurut Sofyan Assauri (2004:186), safety stock adalah persediaan tambahan
yang diadakan untuk melindungi atau menjaga kemungkinan terjadi kekurangan
bahan (stock out).
Tujuan safety stock adalah untuk meminimalkan terjadinya stock out dan
mengurangi penambahan biaya penyimpanan dan biaya stock out total, biaya
penyimpanan disini bertambah seiring dengan adanya penambahan yang berasal dari
reorder point oleh karena adanya safety stock. Keuntungan adanya safety stock
adalah pada saat jumlah permintaan mengalami lonjakan, maka persediaan
pengaman dapat digunakan untuk menutup permintaan tersebut.
Berdasarkan pendapat Assauri (2004:186-187), ada 2 faktor yang menentukan
besarnya persediaan pengaman yakni:
a. Penggunaan bahan baku rata-rata.
Salah satu dasar untuk memperkirakan penggunaan bahan baku selama periode
tertentu, khususnya selama periode pemesanan adalah rata-rata penggunaan
bahan baku pada masa sebelumnya. Hal ini perlu diperhatikan karena setelah kita
mengadakan pesanan, maka pemenuhan kebutuhan atau permintaan pelanggan
37
sebelum barang yang dipesan datang harus dapat dipenuhi dari persediaan yang
ada.
b. Faktor waktu atau lead time.
Lead time adalah lamanya waktu antara mulai dilakukannya pemesanan bahan
sampai dengan kedatangan bahan yang dipesan tersebut dan diterima di gudang
persediaan.
Dari kedua keadaan tersebut diatas, maka perusahaan perlu menetapkan adanya
proses persediaan pengaman untuk menjamin kelancaran proses produksi akibat
kemungkinan adanya kekurangan persediaan tersebut. Untuk menghitung besarnya
safety stock, dapat digunakan cara yang relatif lebih teliti yakni:
a. Metode perbedaan pemakaian maksimum dan rata-rata.
Metode ini dilakukan dengan menghitung selisih antara pemakaian maksimum
dengan pemakaian rata-rata dalam jangka waktu tertentu, kemudian selisih
tersebut dikalikan dengan lead time.
Safety stock = (Pemakaian maksimum – Pemakaian rata-rata) Lead time
b. Metode statistika yang berdistribusi normal.
Safety stock = Z
Dimana:
Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%,
ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan
terhadap kemungkinan terjadinya stock out hanya 5%)
= standar deviasi
L = lead time
38
2.4.5.3 Titik Pemesanan Ulang (Reorder Point)
Ada beberapa pendapat dari para ahli mengenai pengertian reorder point (ROP)
antara lain:
� Menurut Jay Heizer dan Barry Render (2009:99), ROP adalah titik pemesanan
ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk
mengisi kembali persediaan barang.
� Menurut Freddy Rangkuty (2004:83), ROP adalah titik pemesanan yang harus
dilakukan suatu perusahaan sehubungan dengan adanya lead time dan safety
stock.
� Menurut Gasperz (2004:291), tarik dari ROP menimbulkan cash loading input ke
setiap tingkat adalah output dari tingkat atau tahap sebelumnya sehingga
menyebabkan saling ketergantungan diantara tingkat-tingkat dalam sistem
distribusi.
Gambar 2.8 Siklus Pemesanan Persediaan
Sumber: http://flylib.com/books/en/3.287.1.217/1/
Ada beberapa faktor yang mempengaruhi ROP antara lain:
a. Lead time.
39
b. Tingkat pemakaian bahan baku rata-rata per satuan waktu tertentu.
c. Safety stock.
Persamaan matematis untuk menghitung ROP mengasumsikan permintaan
selama waktu tunggu dan waktu tunggu itu sendiri adalah konstan. Ketika kasusnya
tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman
haruslah ditambah. Persamaannya menjadi:
ROP = (d x L) + SS
d =
Dimana:
ROP = reorder point
d = permintaan per hari
L = lead time
SS = safety stock
2.4.6 Fixed Order Interval System (EOI)
Fixed Order Interval System juga disebut sistem persediaan secara periodik, yang
lebih berdasar kepada periode daripada sistem persediaan kontinu yang lebih kepada
posisi stok persediaan. Sistem persediaan yang berbasiskan waktu yang melakukan
pesanan berdasarkan jangka waktu tertentu. Jumlah pesanan bergantung kepada
pemakaian demand selama periode waktu tertentu.
Menggunakan tingkat persediaan maksimum (maximum inventory level) selama
waktu lead time dan interval pesanan. Setelah suatu periode tetap (T) telah terlewati,
jumlah persediaan dihitung. Sebuah pesanan dilakukan untuk memulihkan
persediaan, dan jumlah pesanannya tergantung berapa jumlah yang berkurang
40
(maximum inventory level). Jadi, jumlah pesanan didapat dari selisih maximum
inventory level dan sisa persediaan pada waktu melakukan perhitungan.
Sistemnya terdiri dari 2 parameter yang digunakan yaitu periode tetap
pemeriksaan (T) dan maximum inventory level (E).
Masalah dasar pada metode ini adalah bagaimana menentukan interval pesanan
(T) dan maximum inventory level (E) yang diinginkan. Economic order interval
dapat diperoleh untuk meminimumkan total biaya tahunan.
Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan
dalam perhitungannya seperti berikut:
E = SS + D (T*+ L)
I = SS + ½ (D T*)
Q* = E – I
TOR =
TC(T*) = + (SS + ½ D T*) Cc
Dimana:
T* = economic order interval
Co = biaya pemesanan untuk setiap pesanan
Cc = biaya penyimpanan per unit per periode
D = permintaan per periode
SS = safety stock
41
Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%, ini
berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap
kemungkinan terjadinya stock out hanya 5%)
= standar deviasi
L = lead time
E = maximum inventory level
I = average inventory control
Q* = order quantity
TOR = turn over ratio
TC(T*) = total cost
2.4.7 Minimum-Maximum System (Min-Max)
Cara kerja sistem ini yaitu apabila persediaan telah melewati batas minimum dan
mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum
(minimum stock) merupakan batas tingkat reorder. Batas maksimum (maximum stock)
adalah batas kesediaan perusahaan untuk menginvestasikan uangnya dalam bentuk
persediaan bahan baku. Jadi dalam hal ini yang terpenting adalah batas minimum dan
maksimum untuk dapat menentukan order quantity.
Pada metode ini, terdapat perbedaan cara dalam menghitung safety stock yakni
metode ini tidak memerlukan standar deviasi dan tingkat pelayanan melainkan hanya
membutuhkan rata-rata permintaan per bulan.
Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan
dalam perhitungannya seperti berikut:
SS =
Minimum stock = (DL) + SS
42
Maximum stock = 2(DL) + SS
Q* = Max stock – Min stock
Banyak pemesanan : N =
I = SS + (½ Q*)
TOR =
TC(Min-Max) =
Dimana:
SS = safety stock
D = permintaan per periode
L = lead time
I = average inventory control
Q* = order quantity
TOR = turn over ratio
TC(Min-Max) = total cost
Dalam perhitungan EOQ, EOI dan Min-Max diperlukan data-data sebagai berikut:
Tabel 2.1 Data-Data yang Diperlukan dalam Perhitungan EOQ, EOI dan Min-Max
Keterangan EOQ EOI Min-Max Permintaan periode sebelumnya (penjualan aktual) � � � Permintaan periode berikutnya (forecast) � � � Biaya pemesanan (S) • Telepon • Stationery • Listrik • Pengepakan • Pengiriman • Kurir • Bongkar muat
� � � � � � � � � � � � � � � � � � � � �
Biaya penyimpanan (H) • Sewa gudang � � � • Listrik � � � Lead time � � � Unit cost �
Sumber: Hasil pengolahan penulis
2.5 Penelitian Terdahulu
43
Tabel 2.2 Penelitian Terdahulu
Nama pengarang Judul Jurnal Hasil penelitian
Fildes, R;
Nikolopoulos, K;
Crone, S F; Syntetos,
A A
The Journal of the Operational
Research Society Volume 59,
September 2008, ISSN 01605682,
“Forecasting and Operational
Research: A Review” tahun
2008p.1150-1172.
Praktisi percaya bahwa akurasi peramalan penting bagi
organisasinya. Penelitian terhadap praktik peramalan telah
menunjukkan bahwa sistem pendukung yang
mengkombinasikan model statistik atau ekonometrik
dengan keputusan expert menawarkan jalan terbaik untuk
meraih perbaikan besar dalam akurasi.
Catt, Peter M;
Barbour, Robert H;
Robb, David J
Industrial Management + Data
Systems Volume 108, 2008, ISSN
02635577, “Assessing Forecast
Model Performance in an ERP
Environment” tahun 2008p.677-697.
Jurnal ini menunjukkan bahwa praktisi harus memilih
model peramalan berdasarkan karakteristik deret waktu
historis, seperti tingkat, tren, musiman dan sejarah
penjualan yang tersedia. Selain itu, juga ditunjukkan bahwa
praktisi sebaiknya menilai model persaingan berdasarkan
CFE (Cost of Forecast Error) dan pengukuran statistik
kesalahan peramalan serta praktisi harus memastikan tujuan
komersial peramalan tercapai.
Haryadi Sarjono;
Yulia Agustina; Arko
Pujadi
Management Expose
Volume 8, No. 17, September 2008,
ISSN 1410-8631, “Analisis
Peramalan Penjualan pada PT. Multi
Megah Mandiri” tahun 2008p.60-78.
Dengan menggunakan metode peramalan moving average,
metode double moving average, metode exponential
smoothing, metode exponential smoothing with trend
diperoleh hasil MAD dan MSE yang paling terkecil dan
yang paling akurat kebenaran peramalannya terdapat pada
metode exponential smoothing.
Nunung Nurhasanah Jurnal Inasea Volume 10, No. 01,
April 2009, ISSN 1411-9129,
“Persediaan Bahan Baku Optimum
Dengan Metode Economic Order
Quantity Pada Es Chika Home
Industry” tahun 2009p.59-70
Berdasarkan hasil analisis dan pembahasan yang telah
dilakukan, maka dapat disimpulkan sebagai berikut.
Pertama, berdasarkan kondisi yang ada pada ES CHIKA
Home Industry, metode
pengendalian persediaan dengan metode EOQ merupakan
metode yang cocok karena tidak membuat perusahaan harus
menyediakan tempat lebih di gudang untuk menyimpan
persediaan, dimana memang pengelola memiliki
keterbatasan dalam hal tersebut. Kedua, hasil dari 10.000
kali simulasi permintaan harian didapat estimasi permintaan
rata-rata harian sebanyak 2045 batang es per hari.
Sedangkan hasil dari hasil perhitungan secara analitis,
didapat permintaan rata-rata harian sebanyak 2047 batang es
per hari. Hasil yang didapat dari simulasi mendekati hasil
yang didapat dari hasil perhitungan secara analitis. Hal ini
menunjukkan simulasi hasil simulasi mendekati kondisi
steady state (keadaan tetap). Ketiga, EOQ untuk santan kara
60 karton dengan 17,6 kali
pemesanan per tahun. Pemesanan dilakukan setiap 19 hari
setelah pemesanan sebelumnya dan perkiraan total cost
yang dikeluarkan untuk santan KARA per tahun adalah Rp.
13.280.000. Keempat, EOQ untuk susu kental manis 40
karton dengan 52.,75 pemesanan per tahun. Pemesanan
dilakukan setiap 6,25 hari setelah pemesanan sebelumnya
dan perkiraan total cost yang dikeluarkan
untuk susu kental manis per tahun adalah Rp. 9.169.000.
Kelima, EOQ untuk air mineral 59 gallon dengan 30,5
pemesanan per tahun. Pemesanan dilakukan setiap 11 hari
44
setelah pemesanan
sebelumnya dan perkiraan total cost yang dikeluarkan untuk
air mineral per tahun adalah Rp. 3.631.000..
Syntetos, A A;
Boylan, J E; Disney, S
M
The Journal of the Operational
Research Society Volume 60, May
2009, ISSN 01605682, “Forecasting
for Inventory Planning: A 50-Year
Review” tahun 2009p.149-160.
Bidang perencanaan persediaan dan peramalan telah
mengalami
kemajuan luar biasa selama 50 tahun terakhir. Telah ada
perkembangan metodologi yang signifikan, antara lain
munculnya sistem dinamik, teori kontrol dan metode
peramalan statistik. Perkembangan ini telah dicerminkan
dari aplikasi perangkat lunak baru, yang mencerminkan
pentingnya perencanaan persediaan dan peramalan dalam
situasi praktek.
Sumber: Hasil studi literatur
2.6 Kerangka Pemikiran
Gambar 2.9 Kerangka Pemikiran
Sumber: Penulis