library.binus.ac.idlibrary.binus.ac.id/ecolls/ethesisdoc/bab2doc/2012-1... · web viewmetode kedua...
TRANSCRIPT
BAB II
LANDASAN TEORI
2.1 Kajian Pustaka
2.1.1 Pengertian Manajemen Operasi
Menurut Jay Heizer dan Barry Render (2010 : 4), manajemen operasi
adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan
jasa dengan mengubah input menjadi output.
Menurut Sofjan Assauri (2004 : 12), manajemen produksi dan operasi
merupakan proses pencapaian dan pengutilisasian sumber-sumber daya untuk
memproduksi atau menghasilkan barang-barang atau jasa-jasa yang berguna
sebagai usaha untuk mencapai tujuan dan sasaran organisasi.
Richard L. Daft (2006 : 216) mendefinisikan Manajemen Operasi sebagai
bidang manajemen yang mengkhususkan pada produksi barang. Artinya kegiatan
operasi hanya berfokus pada kegiatan memproduksi barang dan memecahkan
masalah-masalah yang berkaitan dengan sektor produksi.
Dari beberapa pengertian diatas dapat ditarik kesimpulan bahwa
manajemen operasi merupakan kegiatan produksi dengan memanfaatkan
sumberdaya yang ada sehingga menghasilkan nilai dalam bentuk barang dan jasa.
2.1.2 Persediaan
Pendapat Ridwan S. Sundjaja (2007 : 379), persediaan meliputi semua
barang atau bahan yang diperlukan dalam proses produksi dan distribusi yang
8
9
digunakan untuk proses lebih lanjut atau dijual, sedangkan persediaan menurut
Sofjan Assauri (2004 : 169) adalah suatu aktiva yang meliputi barang-barang
milik perusahaan yang dimaksud untuk dijual dalam satu periode usaha yang
normal atau persediaan barang baku yang menunggu penggunaannya dalam suatu
proses produksi. Dari pengertian persediaan diatas dapat ditarik kesimpulan
bahwa persediaan merupakan barang-barang atau bahan baku yang diperlukan
dalam proses produksi maupun digunakan untuk dijual dalam suatu periode
tertentu.
Adapun alasan diperlukannya persediaan oleh suatu perusahaan menurut
Sofjan Assauri (2004 : 169) adalah sebagai berikut :
1. Dibutuhkannya waktu untuk menyelesaikan operasi produksi untuk
memindahkan produk dari satu tingkat proses yang lain yang disebut
persediaan dalam proses dan pemindahan.
2. Alasan organisasi untuk memungkinkan suatu unit atau bagian membuat
skedul operasinya secara bebas tidak tergantung dari yang lainnya.
Menurut Sofjan Assauri (2004 : 170), persediaan yang diadakan mulai dari
yang bentuk bahan mentah sampai dengan barang jadi antara lain berguna untuk :
1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-bahan
yang dibutuhkan perusahaan.
2. Menghilangkan resiko dari material yang dipesan tidak baik sehingga
harus dikembalikan.
3. Untuk menumpuk bahan-bahan yang dihasilkan secara musiman sehingga
dapat digunakan bila bahan itu tidak ada dalam pasaran.
10
4. Mempertahankan stabilitas operasi perusahaan atau menjamin kelancaran
arus produksi.
5. Mencapai penggunaan mesin yang optimal.
6. Memberikan pelayanan (service) kepada pelanggan dengan sebaik-baiknya
dimana keinginan pelanggan pada suatu waktu dapat dipenuhi adalah
memberikan jaminan tetap tersedianya barang jadi tersebut.
7. Membuat pengadaan atau produksi tidak perlu sesuai dengan penggunaan
atau penjualannya.
Fungsi persediaan menurut Freddy Rangkuty (2004 : 15) adalah sebagai
berikut:
1. Fungsi Decoupling adalah persediaan yang memungkinkan perusahaan
dapat memenuhi permintaan pelanggan tanpa tergantung pada supplier.
2. Fungsi Economic Lot Sizing, persediaan ini perlu mempertimbangkan
penghematan atau potongan pembelian, biaya pengangkutan per unit
menjadi lebih murah dan sebagainya.
3. Fungsi Antisipasi, apabila perusahaan menghadapi fluktuasi permintaan
yang dapat diperkirakan dan diramalkan berdasarkan pengalaman atau
data-data masa lalu yaitu permintaaan musiman.
Menurut Fien Zulfikarijah (2005 : 9), dalam manajemen persediaan
terdapat dua hal yang perlu diperhatikan yaitu:
1. Keputusan persediaan yang bersifat umum merupakan keputusan yang
menjadi tugas utama dalam penentuan persediaan baik kuantitatif maupun
kualitatif. Keputusan kuantitatif bertujuan untuk mengetahui :
11
a. Barang apa yang akan di stock?
b. Berapa banyak jumlah barang yang akan diproses dan berapa
banyak barang yang akan dipesan?
c. Kapan pembuatan barang akan dilakukan dan kapan melakukan
pemesanan?
d. Kapan melakukan pemesanan ulang (Reorder Point)?
e. Metode apakah yang digunakan untuk menentukan jumlah
persediaan?
2. Keputusan kualitatif adalah keputusan yang berkaitan dengan teknis
pemesanan yang mengarah pada analisis data secara deskriptif. Keputusan
kualitatif bertujuan untuk mengetahui :
a. Jenis barang yang masih tersedia di perusahaan?
b. Perusahaan atau individu yang menjadi pemasok barang yang
dipesan perusahaan?
c. Sistem pengendalian kualitas persediaan yang digunakan
perusahaan?
Tujuan manajemen persediaan menurut Lukas Setia Atmaja (2003 : 405)
adalah mengadakan persediaan yang dibutuhkan untuk operasi yang berkelanjutan
pada biaya yang minimum.
2.1.2.1 Jenis-Jenis Persediaan
Menurut Jay Heizer dan Barry Render (2010 : 82), persediaan yang ada di
perusahaan biasanya terdiri dari empat jenis yaitu:
12
1. Persediaan Bahan Mentah (Raw Material Inventory) yang telah dibeli,
tetapi belum diproses. Pendekatan yang lebih banyak diterapkan adalah
dengan menghapus variabilitas pemasok dalam mutu, jumlah atau waktu
pengiriman sehingga tidak perlu pemisahan.
2. Persediaan Barang Setengah Jadi (Work In Process Inventory) adalah
komponen-komponen atau bahan mentah yang telah melewati beberapa
proses perubahan, tetapi belum selesai.
3. Persediaan MRO (Maintenance, Repairing, Operating Iventory)
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 adalah produk yang telah selesai dan tinggal
menunggu pengiriman. Barang jadi dapat dimasukkan ke persediaan
karena permintaan pelanggan dimasa mendatang tidak diketahui.
2.1.2.2 Biaya-Biaya yang Berkaitan dengan Persediaan
Untuk pengambilan keputusan penentuan besarnya biaya-biaya variabel
dan untuk menentukan kebijakan persediaan yang perlu diperhatikan adalah
bagaimana perusahaan dapat meminimalkan biaya-biaya. Biaya-biaya persediaan
yang harus dipertimbangkan menurut Freddy Rangkuty (2004 : 16) adalah sebagai
berikut :
13
1. Biaya Penyimpanan (holding cost/carrying costs) yaitu biaya-biaya yang
berkaitan dengan penyimpanan atau penahanan (carrying) persediaan
sepanjang waktu tertentu. Oleh karena itu biaya ini mencakup biaya yang
berkaitan dengan gudang, seperti asuransi, penambahan staff, pembayaran
bunga.
2. Biaya Pemesanan (ordering cost) mencakup biaya-biaya pasokan,
formulir, pemrosesan pesanan, tenaga para pekerja.
3. Biaya pemasangan (setup cost) adalah biaya-biaya untuk mempersiapkan
mesin atau proses untuk memproduksi pesanan. Dapat diefisienkan apabila
pemesanan dilakukan secara elektronik. Dalam banyak operasi, biaya
pemasangan secara erat berhubungan dengan waktu pemasangan (setup
time).
Menurut Agus Ristono (2009 : 4) faktor biaya persediaan meliputi :
1. Biaya penyimpanan di gudang, semakin banyak barang yang disimpan
maka akan semakin besar biaya penyimpanannya.
2. Resiko kerusakan barang, semakin lama barang tersimpan di gudang maka
resiko kerusakan barang semakin tinggi.
3. Resiko keusangan barang, barang-barang yang tersimpan lama akan “out
of date” atau ketinggalan zaman.
14
2.1.2.3 Peranan Perencanaan dan Pengendalian Persediaan
Perencanaan dan pengendalian merupakan bagian dari manajemen
persediaan. Pengendalian adalah suatu tindakan agar aktivitas dilakukan dengan
sebaik-baiknya sesuai dengan rencana yang telah ditetapkan. Pengendalian tanpa
perencanaan adalah sia-sia dan perencanaan tanpa pengendalian merupakan
tindakan yang tidak efektif.
Pengendalian persediaan menurut Sofjan Assauri (2004 : 176) adalah salah
satu kegiatan dari urutan kegiatan-kegiatan yang bertautan erat satu sama lain
dalam seluruh operasi produksi perusahaan tersebut sesuai dengan apa yang telah
direncanakan lebih dahulu baik waktu, jumlah, kualitas maupun biayanya.
Menurut Sofjan Assauri (2004 : 176), untuk menentukan pengendalian
persediaan maka harus memenuhi persyaratan-persyaratan sebagai berikut :
1. Terdapat gudang yang cukup luas dan teratur dengan pengaturan tempat
bahan atau barang yang tetap dan identifikasi bahan atau barang tertentu.
2. Sentralisasi kekuasaan dan tanggung jawab pada satu orang dapat
dipercaya terutama penjaga gudang.
3. Suatu sistem pencatatan dan pemeriksaan atas penerimaan bahan atau
barang.
4. Pengawasan mutlak atas pengeluaran bahan atau barang.
5. Pencatatan yang cukup teliti yang menunjukkan jumlah yang dipesan yang
dibagikan atau dikeluarkan dan yang tersedia dalam gudang.
6. Pemeriksaan fisik bahan atau barang yang ada dalam persediaan secara
langsung.
15
7. Perencanaan untuk menggantikan barang-barang yang telah dikeluarkan.
Barang-barang yang telah lama dalam gudang dan barang-barang yang
sudah usang dan telah ketingglan zaman.
8. Pengecekan untuk menjamin dapat efektifnya kegiatan rutin.
Dalam pengendalian persediaan yang dijalankan oleh suatu perusahaan
tentu mempunyai tujuan tertentu. Tujuan pengendalian persediaan secara terinci
menurut Sofjan Assauri (2004 : 177) dapat dinyatakan sebagai usaha untuk :
a. Menjaga jangan sampai perusahaan kehabisan persediaan sehingga dapat
mengakibatkan terhentinya kegiatan produksi.
b. Menjaga agar pembentukan persediaan oleh perusahaan tidak terlalu besar
atau berlebih-lebihan.
c. Menjaga agar pembelian secara kecil-kecilan dapat dihindari karena ini
akan mengakibatkan biaya pemesanan terlalu besar.
2.1.2.4 Model Kuantitas Pesanan Ekonomis (Economic Order Quantity)
Menurut Jay Heizer dan Barry Render (2010 : 92), model kuantitas
pesanan ekonomis (Economic Order Quantity) adalah salah satu teknik kontrol
persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan.
Teknik ini relatif mudah digunakan tetapi didasaarkan pada beberapa asumsi :
1. Jumlah permintaan diketahui, konstan, dan independen.
2. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan
diketahui dan konstan.
16
3. Penerimaan persediaan bersifat instan dan selesai seluruhnya. Dengan kata
lain, persediaan dari sebuah pesanan datang dalam satu kelompok pada
suatu waktu.
4. Tidak tersedia diskon kuantitas.
5. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan
(biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu
(biaya penyimpanan).
6. Kehabisan persediaan (kekurangan persediaan) dan dapat sepenuhnya
dihindari jika pemesanan dilakukan pada waktu yang tepat.
Dengan asumsi seperti diatas, maka tahapan untuk mencari jumlah
pemesanan yang menyebabkan biaya minimal adalah sebagai berikut :
1. Mengembangkan persamaan untuk biaya pemasangan atau pemesanan.
2. Mengembangkan persamaan untuk biaya penahanan atau penyimpanan.
3. Menetapkan biaya pemasangan sama dengan biaya penyimpanan.
4. Menyelesaikan persamaan dengan hasil angka jumlah pemesanan yang
optimal.
17
Gambar 2.1 Penggunaan Persediaan dalam Waktu Tertentu
Sumber : Jay Heizer dan Barry Render (2010 : 93)
Perhitungan EOQ dapat dihitung dengan rumus :
Keretangan :
EOQ = Jumlah optimal barang per pemesanan (Q*)
D = Permintaan tahunan barang persediaan dalam unit
S = Biaya pemasangan atau pemesanan setiap pesanan
H = Biaya penahan atau penyimpanan per unit per tahun
Selain rumus EOQ, terdapat beberapa rumus untuk mendukung
perhitungan biaya persediaan, antara lain :
1.
Persediaan minimum
Kuantitas pesanan = Q
(tingkat persediaan maksimum)
Persediaan
minimum
Persediaan rata-rata
yang tersedia
Tingkat Penggunaan
Tingkat Persediaan
0
18
2.
3.
4.
5. Total harga per unit = Harga per unit x D
6. Total Harga Keseluruhan = Total harga per unit + Biaya pemesanan
tahunan + Biaya penyimpanan tahunan
2.1.2.5 Reorder Point (ROP)
Menurut Jay Heizer dan Barry Render (2010 : 99), titik pemesanan ulang
(Reorder Point) yaitu tingkat persediaan dimana ketika persediaan mencapai
tingkat tersebut, pemesanan harus dilakukan.
Gambar 2.2 Titik Pemesanan Ulang (ROP)
Sumber : Jay Heizer dan Barry Render (2010 :100)
Waktu tunggu = L
Kemiringan = unit/hari = d
Tingkat Persediaan
Waktu (hari)
Q*
ROP
(unit)
19
Keterangan : Q* adalah kuantitas pesanan optimum, dan waktu tunggu
mempresentasikan waktu antara penempatan pesanan dan penerimaan
pesanan.
Rumus untuk menentukan ROP adalah sebagai berikut :
ROP = d x L
Keterangan : d = Permintaan per hari
L = Waktu tunggu pesanan baru dalam hari
Persamaan untuk ROP ini mengasumsikan permintaan selama waktu
tunggu dan waktu tunggu itu sendiri adalah konstan.
Permintaan per hari (d) dihitung dengan membagi permintaan tahunannya
(D) dengan jumlah hari kerja dalam satu tahun :
2.1.2.6 Persediaan Pengaman (Safety Stock)
Menurut Freddy Rangkuty (2004 : 10), pengertian safety stock adalah
persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan
terjadinya kekurangan bahan (stock out).
Menurut Taylor (2005 : 364), persediaan cadangan adalah persediaan yang
disimpan untuk mengantisipasi permintaan pelanggan yang sulit diketahui dengan
pasti. Stok cadangan ini disimpan untuk memenuhi permintaan musiman atau
siklus.
20
Menurut Sofjan Assauri (2004 : 186), Faktor-faktor yang menentukan
besarnya persediaan pengaman adalah :
1. 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.
2. Faktor waktu atau lead time (Procurement Time)
Didalam pengisian kembali persediaan terdapat suatu perbedaan waktu yang
cukup lama antara saat mengadakan pesanan (order) untuk menggantikan atau
pengisian kembali persediaan dengan saat penerimaan barang-barang yang
dipesan tersebut.
Menurut Fien Zulfikarijah (2005 : 144-145) ada beberapa faktor yang
dapat menyebabkan perusahaan melakukan safety stock, yaitu :
1. Biaya atau kerugian yang disebabkan oleh stock out tinggi. Apabila bahan
yang digunakan untuk proses produksi tidak tersedia, maka aktivitas
perusahaan akan terhenti yang menyebabkan idle tenaga kerja dan fasilitas
pabrik yang pada akhirnya perusahaan akan kehilangan penjualannya.
2. Variasi atau ketidakpastian permintaan yang meningkat. Adanya jumlah
permintaan yang meningkat atau tidak sesuai dengan peramalan yang ada
diperusahaan menyebabkan tingkat kebutuhan persediaan yang meningkat
pula, oleh karena itu perlu dilakukan antisipasi terhadap safety stock agar
semua permintaan dapat terpenuhi.
21
3. Resiko stock out meningkat. Keterbatasan jumlah persediaan yang ada di
pasar dan kesulitan yang dihadapi perusahaan mendapatkan persediaan
akan berdampak pada sulitnya terpenuhi persediaan yang ada di
perusahaan, kesulitan ini akan menyebabkan perusahaan mengalami stock
out.
4. Biaya penyimpanan safety stock yang murah. Apabila perusahaan
memiliki gudang yang memadai dan memungkinkan, maka biaya
penyimpanan tidaklah terlalu besar. Hal ini dimaksudkan untuk
mengantisipasi terjadinya stock out.
2.1.3 Peramalan
2.1.3.1 Pengertian Peramalan
Menurut Manahan Tampubolon (2004 : 40) peramalan merupakan
penggunaan data untuk menguraikan kejadian yang akan datang di dalam
menentukan sasaran yang dikehendaki.
Menurut Roger Schroeder (2004 : 207) peramalan adalah satu masukan
untuk semua jenis perencanaan dan pengendalian bisnis, baik di dalam dan di luar
fungsi operasi.
Peramalan menurut Arman Hakim (2003 : 25) adalah proses untuk
memperkirakan beberapa kebutuhan di masa mendatang meliputi kebutuhan
dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka
memenuhi permintaan barang ataupun jasa.
22
2.1.3.2 Meramalkan Horison Waktu
Menurut Jay Heizer dan Barry Render (2010 : 163) peramalan biasanya
diklasifikasikan menurut horizon waktu masa depan yang dicakupnya.
Horizon waktu terbagi atas beberapa kategori:
1. Peramalan jangka pendek.
Peramalan ini mencakup 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.
2. Peramalan jangka menengah.
Peramalan jangka menengah atau intermediate, umumnya
mencakup hitungan bulanan hingga 3 tahun. Peramalan ini berguna untuk
merencanakan penjualan, perencanaan, dan anggaran produksi, anggaran
kas, dan menganalisa berbagai macam kegiatan operasi.
3. Peramalan jangka panjang.
Umumnya untuk perencanaan 3 tahun atau lebih. Perencanaan
jangka panjang digunakan untuk merencanakan produk baru,
pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian
dan pengembangan (litbang).
23
2.1.3.3 Pendekatan dalam peramalan
Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua
cara mengatasi semua model keputusan. Pendekatan yang satu adalah analisis
kuantitatif dan pendekatan lain adalah analisis kualitiatif.
1. Peramalan kuantitatif (quantitative forecast) menggunakan model
matematis yang beragam dengan data masa lalu dan variabel sebab akibat
untuk meramalkan permintaan.
2. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan
faktor, seperti intuisi, emosi, pengalaman pribadi, dan sistem nilai
pengambil keputusan untuk meramal.
2.1.3.4 Jenis - Jenis Peramalan
Menurut Jay Heizer dan Barry Render (2010 : 164), organisasi pada
umumnya menggunakan tiga tipe peramalan yang utama dalam perencanaan
organisasi di masa depan :
1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan
memprediksi tingkat inflasi, ketersediaan uang, dana yang dibutuhkan
untuk membangun perumahan, dan indikator perencanaan lainnya.
2. Peramalan teknologi (technological forecast) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang menarik,
yang membutuhkan pabrik dan peralatan baru.
3. Peramalan permintaan (demand forecast) adalah proyeksi permintaan
suatu produk atau layanan suatu perusahaan. Peramalan ini disebut juga
24
peramalan penjualan, yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran, dan sumber daya manusia.
2.1.3.5 Model-Model Peramalan
Menurut Jay Heizer dan Barry Render (2010 : 168), peramalan memiliki
dua model yang terdiri dari masing-masing metode yaitu :
a. Model deret waktu
Model deret waktu membuat prediksi dengan asumsi bahwa masa
depan merupakan fungsi dari masa lalu. Dengan kata lain, mereka melihat
apa yang terjadi selama kurun waktu tertentu dan menggunakan data masa
lalu tersebut untuk melakukan peramalan.
b. Model asosiatif
Model asosiatif (hubungan sebab akibat), seperti regresi linier,
menggabungkan banyak variabel atau faktor yang mungkin mempengaruhi
kuantitas yang sedang diramalkan.
2.1.3.6 Peramalan Deret Waktu
Jay Heizer dan Barry Render (2010 : 169), menganalisis deret waktu
berarti membagi data masa lalu menjadi komponen-komponen, kemudian
memproyeksikannya ke masa depan. Deret waktu mempunyai empat komponen,
antara lain :
25
1. Tren, merupakan pergerakan data sedikit demi sedikit meningkat atau
menurun. Perubahan pendapatan, populasi, penyebaran umur, atau
pandangan budaya dapat mempengaruhi pergerakan tren.
2. Musim, adalah pola data yang berulang pada kurun waktu tertentu, seperti
hari, minggu, bulan, atau kuartal.
3. Siklus, adalah pola dalam data yang terjadi setiap beberapa tahun. Siklus
ini biasanya terkait pada siklus bisnis dan merupakan satu hal penting
dalam analisis dan perencanaan bisnis jangka pendek. Memprediksi siklus
bisnis sulit dilakukan karena adanya pengaruh kejadian politik ataupun
kerusuhan internasional.
4. Variasi acak, merupakan satu titik khusus dalam data yang disebabkan
oleh peluang dan situasi yang tidak lazim. Variasi acak tidak mempunyai
pola khusus sehingga tidak dapat diprediksi.
2.1.3.7 Metode Peramalan Kuantitatif
Jay Heizer dan Barry Render dalam buku Manajemen Operasi (2010 :
170-175), metode - metode peramalan kuantitatif, terdiri dari :
1. Pendekatan Naif (Naive Method)
Cara paling sederhana untuk meramal adalah berasumsi bahwa
permintaan di periode mendatang akan sama dengan permintaan pada
periode terakhir. Untuk beberapa jenis produk, pendekatan naif (naive
method) merupakan model peramalan objektif yang paling efektif dan
26
efisien dari segi biaya. Paling tidak, pendekatan naif memberikan titik
awal untuk perbandingan dengan model lain yang lebih canggih.
2. Rata-Rata Bergerak (Moving Average)
Peramalan rata-rata bergerak menggunakan sejumlah data aktual
masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika
kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang
masa kita ramalkan. Secara matematis, rata-rata bergerak sederhana
(merupakan prediksi permintaan periode mendatang) dinyatakan sebagai
berikut :
dimana n adalah jumlah periode dalam rata-rata bergerak.
3. Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average)
Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan
untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan
bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk
menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan
membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode
terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan
perubahan yang terlalu cepat yang tidak biasa pada permintaan atau pola
penjualan.
Rata-rata bergerak dengan pembobotan akan digambarkan secara
sistematis sebagai berikut.
27
4. Penghalusan Eksponential (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 :
Peramalan baru =
Peramalan periode terakhir
+ α (Permintaan sebenarnya periode terakhir – peramalan periode terakhir)
dimana α adalah sebuah bobot atau konstanta penghalusan yang dapat
dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan
rumus diatas juga dapat ditulis secara sistematis sebagai berikut.
Ft = Ft-1 + α (At-1 – Ft-1)
dimana :
Ft = Peramalan baru
Ft-1 = Peramalan sebelumnya
α = Konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1)
At-1 = Permintaan aktual periode lalu
28
5. Penghalusan Eksponential dengan Penyesuaian Trend (Exponential
Smoothing with Trend)
Model penghalusan eksponensial yang lebih rumit dan dapat
menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren
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, kita menghitung rata-rata dan
tren untuk setiap periode. Rumus Penghalusan Eksponential dengan
Penyesuaian Trend adalah sebagai berikut.
Ft = α (At-1) + (1-α) (Ft-1 + Tt-1) , Tt = β (Ft-Ft-1) + (1-β) Tt-1
dimana :
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri
pada periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
At = permintaan aktual periode t
α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)
β = konstanta penghalusan untuk rata-rata (0 ≤ β ≤ 1)
6. Proyeksi Trend (Linear Regression)
Proyeksi Tren merupakan suatu metode peramalan yang
mencocokan garis tren pada serangkaian data masa lalu, kemudian
29
memproyeksikan garis pada masa mendatang untuk peramalan jangka
menengah atau jangka panjang.
Rumus untuk menentukan perhitungan Linear Regression adalah
sebagai berikut.
y = a + bx
dimana :
y = nilai terhitung dari variabel yang akan diprediksi
a = persilangan sumbu y
b = kemiringan garis regresi (atau tingkat perubahan pada y untuk
perubahan yang terjadi di x
x = variable bebas (dalam kasus ini adalah waktu).
Untuk menentukan nilai a dan b, akan di jelaskan pada rumus dibawah ini.
dimana :
b = kemiringan garis regresi
∑ = tanda penjumlahan total
X = nilai variabel bebas yang diketahui
y = nilai variabel terkait yang diketahui
a = ȳ - bx̄
dimana :
ȳ = rata-rata nilai y
x̄ = rata-rata nilai x.
30
2.1.3.8 Menghitung Kesalahan Peramalan
Menurut Nachrowi D, dan Hardius Usman (2004 : 239) menyatakan
bahwa sebenarnya membandingkan kesalahan peramalan adalah suatu cara
sederhana, apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan
membuat peramalan data yang sedang kita analisa atau tidak. Minimal prosedur
ini dapat digunakan sebagai indikator apakah suatu teknik peramalan cocok
digunakan atau tidak. Dan teknik yang mempunyai MSE (Mean Squared Error)
terkecil merupakan ramalan yang terbaik.
Sedangkan menurut Freddy Rangkuti (2005 : 80) menyatakan keharusan
untuk membadingkan perhitungan yang memiliki nilai MAD (Mean Absolute
Deviation) paling kecil, karena semakin kecil MAD berarti semakin kecil pula
perbedaan antara hasil forecasting dan nilai aktual.
Menurut Vincent Gaspers (2005 : 80) dalam bukunya menyebutkan
akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD, MSE, dan MAPE
semakin kecil.
Menurut Jay Heizer dan Barry Render (2010 ; 177), 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 baik.
Tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean
Absolute Deviation – MAD), kesalahan kuadrat rerata (Mean Squared Error –
MSE), dan kesalahan persen mutlak rerata (Mean Absolute Percent Error –
MAPE).
31
1. Deviasi Rata-Rata Absolut (Mean Absolute Deviation)
MAD merupakan ukuran pertama kesalahan peramalan
keseluruhan untuk sebuah model. Nilai ini dihitung dengan mengambil
jumlah nilai absolut dari tiap kesalahan peramalan dibagi dengan jumlah
periode data n. Rumus untuk menghitung MAD adalah sebagai berikut.
2. Kesalahan Rata-Rata Kuardrat (Mean Square Error)
MSE merupakan cara kedua untuk mengukur kesalahan peramalan
keseluruhan. MSE merupakan rata-rata selisih kuardrat antara nilai yang
diramalkan dan yang diamati. Kekurangan penggunaan MSE adalah
bahwa ia cenderung menonjolkan deviasi yang besar karena adanya
pengkuadratan. Rumus untuk menghitung MSE adalah sebagai berikut.
2.1.4 Pohon Keputusan
Dalam penelitian operasional, teori pohon keputusan merupakan bagian
dari pembahasan teori keputusan dan permainan. Pohon keputusan disajikan untuk
mengevaluasi hal yang dapat disebut sebagai alternatif tahap tunggal. Dalam arti
bahwa, keputusan dimasa mendatang tidak tergantung pada keputusan yang
diambil sekarang. Proses keputusan (decision process) adalah proses yang
memerlukan satu atau sederetan keputusan untuk menyelesaikannya. Tiap
keputusan yang diambil mempunyai suatu keuntungan atau kerugian yang
32
berkaitan dengannya yang ditentukan pula oleh berbagai keadaan luar (external)
yang mengelilingi proses itu (suatu segi membedakannya dari proses yang lain).
Nurhasanah, Nunung. (2003 : 59).
Jika terdapat dua atau lebih keputusan yang berurutan, dan keputusan yang
terakhir didasarkan pada hasil keputusan yang sebelumnya, maka pendekatan
dengan menggunakan pohon keputusan sangat tepat untuk digunakan.
2.1.4.1 Pengertian Pohon Keputusan
Menurut Antonie (2008), Decision Tree adalah struktur pohon, dimana
setiap node pohon merepresentasikan atribut yang telah diuji, setiap cabang
merupakan suatu pembagian hasil uji, dan node daun (leaf) merepresentasikan
kelompok kelas tertentu. Level node teratas dari sebuah Decision Tree adalah
node akar (root) yang biasanya berupa atribut yang paling memiliki pengaruh
terbesar pada suatu kelas tertentu. Pada umumnya Decision Tree melakukan
strategi pencarian secara top-down untuk solusinya. Pada proses mengklasifikasi
data yang tidak diketahui, nilai atribut akan diuji dengan cara melacak jalur dari
node akar (root) sampai node akhir (leaf) dan kemudian akan diprediksi kelas
yang dimiliki oleh suatu data baru tertentu.
Menurut Siswanto (2007 : 55), Pohon Keputusan (Decision Tree) adalah
model visual untuk menyederhanakan proses pembuatan keputusan secara
rasional. Dengan adanya visualisasi memungkinkan untuk memahani proses
pembuatan keputusan yang berstruktur, bertahap, dan rasional. Pembuatan
keputusan sendiri berarti memilih alternatif-alternatif keputusan yang tersedia,
33
karena unsur ketidakpastian maka berbagai kemungkinan keadaaan akan dihadapi
oleh masing-masing alternatif keputusan itu. Oleh karena itu, diagram keputusan
mempunyai noda keputusan dan noda cabang.
Dari beberapa pengertian diatas, disimpulkan bahwa Pohon Keputusan
adalah metode yang digunakan sebagai pengambilan keputusan dari berbagai
alternatif keputusan yang tersedia melalui proses pembuatan keputusan yang
berstruktur, bertahap, dan rasional dengan diagram keputusan yang mempunyai
noda keputusan dan noda cabang.
2.1.4.2 Analisis Pohon Keputusan (Decision Tree)
Mulyono (2004 : 233), diagram pohon sering kali membantu dalam
memahami dan menyelesaikan persoalan probabilitas. Diagram pohon biasanya
digambarkan dengan lambang yang baku. Dimulai dengan suatu nokhta kemudian
dibuat cabang-cabang sebanyak peristiwa yang mungkin dapat dihasilkan dari
percobaan. Pada masing-masing cabang dituliskan probabilitas terjadinya
peristiwa yang bersangkutan. Jika percobaan dilakukan lagi, maka langkah-
langkah itu diulang. Setiap cabang berakhir pada nokhta yang kemudian diisi
dengan probabilitas peristiwa bersama. Pada nokhta yang paling awal dituliskan
angka 1 yang artinya jumlah probabilitas dari seluruh peristiwa yang mungkin.
(Simarmata, 2005), kelebihan dari metode pohon keputusan adalah :
1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat
global, dapat diubah menjadi lebih simpel dan spesifik.
34
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika
menggunakan metode pohon keputusan maka sample diuji hanya
berdasarkan kriteria atau kelas tertentu.
3. Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang
terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain
dalam node yang sama. Kefleksibelan metode pohon keputusan ini
meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika
menggunakan metode perhitungan satu tahap yang lebih konvensional.
4. Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya
sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan
baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi
kelas tersebut. Metode pohon keputusan dapat menghindari munculnya
permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih
sedikit pada setiap node internal tanpa banyak mengurangi kualitas
keputusan yang dihasilkan.
35
Gambar 2.3 Decision Tree (Pohon Keputusan)
Sumber : Siswanto (2007)
1Decision
13
12
11
10
9
8
7
6
5
2
Alternatif 1
Alternatif 3
Alternatif 23
4
36
2.2 Peneliti Terdahulu
Tabel 2.1 Peneliti Terdahulu
Metode Penelitian Jurnal Nama Pengarang Hasil Penelitian
Forecasting Journal of ComputationalInformation System 8: 20 (2012) 8487-8494A Reactive Prediction Method for Dynamic Job Scheduling Problem
Fuqing ZHAO, Yang ZHUO (2012)
Masalah yang tidak menentu sangat memperngaruhi penjadwalan pekerjaan. Hasil eksperimen menunjukkan bahwa metode winter adalah metode yang paling akurat. Metode kedua yang menunjukkan nilai MAD dan MSE terkecil setelah metode winter adalah Naive Method. Metode tersebut dapat digunakan dalam praktek untuk memecahkan masalah pengurangan biaya produksi dan optimasi alokasi sumber daya.
Economic Order Quantity (EOQ)
Proceedings of the World Congress on Engineering and Computer Science 2011 Vol II WCECS 2011, October 19 - 21, 2011, San Francisco, USA The Modification of EOQ Model under the Spare Parts Discrete Demand:A Case Study of Slow Moving Items
Sakon Wongmongkolrit, Bordin Rassameethes(2011)
Hasil perhitungan pada produk Auxiliary contact 1no+1nc menunjukkan, optimal lot size = 3,698 unit, actual lot size = 4 unit, actual purchasing = 12 unit, dan safety stock = 9 unit. ROP dilakukan apabila persediaan mendekati safety stock.Hasil perhitungan pada produk Battery (for PLC)menunjukkan, optimal lot size = 0,667 unit, actual lot size = 1 unit, actual purchasing = 8 unit, safety stock = 16 unit. ROP dilakukan apabila persediaan mendekati safety stock.
37
Metode Penelitian Jurnal Nama Pengarang Hasil Penelitian
Hasil perhitungan pada produk Under voltage coil menunjukkan, optimal lot size = 1,569 unit, actual lot size = 2 unit, actual purchasing = 4 unit, safety stock = 6 unit. ROP dilakukan apabila persediaan mendekati safety stock.
Pohon Keputusan (Decision Tree)
J. Dairy Sci. 94 :1873–1892, doi: 10.3168/jds.2010-3930, ©American Dairy Science Association®, 2011.Decision tree analysis of treatment strategies for mild and moderate cases of clinical mastitis occurring in early lactation
C. Pinzón-Sánchez , V. E. Cabrera , and P. L. Ruegg (2011)
Pohon Keputusan adalah metode yang paling efektif untuk memastikan strategi perawatan yang paling ekonomis untuk commercial dairy herds (ternak sapi perah komersial) dan juga sebagai alat instruksional yang berguna untuk memahami interaksi kompleks yang mempengaruhi ekonomi dari perawatan CM (Clinical Mastitis).Hasil dari model tersebut menyatakan strategi terbaik adalah untuk mengobati mastitis yang disebabkan oleh gram-positive pathogens untuk 2 D dan menghindari penggunaan antimikroba untuk CM yang disebabkan oleh gram-negative pathogen atau ketika tidak ada pathogen yang pulih. Penggunaan terapi yang diperpanjang (5 atau 8 D) menghasilkan lebih sedikit EMV (Expected Monetary Value).
Sumber : Hasil Pengolahan Data (2012)
38
2.3 Kerangka Pemikiran
Gambar 2.4 Kerangka Pemikiran
Sumber : Hasil Pengolahan Data, (2012)
Perencanaan Persediaan Bahan Baku
Metode EOQ(Economic Order Quantity)
Tepung Terigu Gula Pasir Mentega
Pengiriman Bahan Baku ke Perusahaan
Decision Tree
Buana Trans Sejahtera
Mitra Sukses Bersama
Hasil Keputusan
Galang Tri Manunggal
Implikasi Hasil Penelitian
Weighted Moving Average
Moving Average
Peramalan Penjualan
Exponential Smoothing with
Trend
Exponential Smoothing
Linear Regression
Naive Method
Nilai Terkecil dari MAD dan MSE
PT. Sebastian Citra Indonesia