BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN

BAB II
LANDASAN TEORI DAN KERANGKA PEMIKIRAN
2.1Landasan Teori
2.1.1Manajemen Operasional
Menurut Heizer danRander (2009:4), manajemen operasional adalah serangkaian
aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input
menjadi output.
Sedangkan menurut Richard L. Daft (2006:216), manajemen operasional adalah
bidang manajemen yang mengkhususkan pada produksi barang, serta menggunakan alatalat dan teknik-teknik khusus untuk memecahkan masalah-masalah produksi. Fogarty
(dalam Herjanto, 2007), mendefinisikan manajemen operasional sebagai suatu proses
yang secara berkesinambungan dan efektif menggunakan fungsi-fungsi manajemen
untuk mengintegrasikan berbagai sumber daya secara efisien dalam rangka mencapai
tujuan.
Menurut penulis, manajemen operasional adalah segala aktivitas yang
menghasilkan nilai baik dalam bentuk barang maupun jasa dengan melalui proses
produksi secara efektif dan efisien untuk memenuhi kebutuhan konsumen.
Heizer dan Render (2009:5) menyebutkan bahwa manajemen operasi (MO)
dipelajari karena empat alasan:
1. MO adalah satu dari tiga fungsi utama dari setiap organisasi dan berhubungan
secara utuh dengan semua fungsi bisnis lainnya.Semua organisasi memasarkan
(menjual), membiayai (mencatat rugi laba), dan memproduksi (mengoperasikan),
7
8
maka sangat penting untuk mengetahui bagaimana aktivitas MO berjalan. Karena
itu pula, kita mempelajari bagaimana orang-orang mengorganisasikan diri
mereka bagi perusahaan yang produktif.
2. Kita mempelajari MO karena kita ingin mengetahui bagaimana barang dan jasa
diproduksi. Fungsi produksi adalah bagian dari masyarakat yang menciptakan
produk yang kita gunakan.
3. Kita mempelajari MO untuk memahami apa yang dikerjakan oleh manajer
operasi. Dengan memahami apa saja yang dilakukan oleh manajer ini, kita dapat
membangun keahlian yang dibutuhkan untuk dapat menjadi seorang manajer
seperti itu. Hal ini akan membantu Anda untuk menjelajahi kesempatan kerja
yang banyak dan menggiurkan di bidang MO.
4. Kita mempelajari MO karena bagian ini merupakan bagian yang paling banyak
menghabiskan biaya dalam sebuah organisasi. Sebagian besar pengeluaran
perusahaan digunakan untuk fungsi MO. Walaupun demikian, MO memberikan
peluang untuk meningkatkan keuntungan dan pelayanan terhadap masyarakat.
2.1.2 Peramalan (Forecasting)
Untuk membantu tercapainya suatu keputusan yang optimal diperlukan suatu
cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang
diperlukan oleh manajemen dan merupakan bagian yang integral dari proses
pengambilan keputusan adalah menggunakan metode peramalan (forecasting). Menurut
Kamus Besar Bahasa Indonesia, peramalan adalah suatu teori dimana dapat melihat
(menduga) keadaan yang akan terjadi.
9
Menurut Jay Heizer dan Barry Render (2009:162), peramalan (forecasting)
adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat
dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke
masa mendatang dengan suatu bentuk model matematis. Selain itu, bisa juga merupakan
prediksi intuisi yang bersifat subjektif. Atau dapat juga dilakukan dengan menggunakan
kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari
seorang manajer.
Menurut Murahartawaty (2009:41), peramalan adalah penggunaan data masa lalu
dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya di masa yang
akan datang. Asumsi dasar dalam penerapan teknik-teknik peramalan adalah:“If we can
predict what the future will be like we can modify our behaviour now to be in a better
position, than we otherwise would have been, when the future arrives.” Artinya, jika kita
dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan
kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di masa yang akan datang.
Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa
mendatang yang relatif dekat.
Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan
yang efektif dan efisien khususnya dalam bidang ekonomi. Peramalan mempunyai
peranan langsung pada peristiwa eksternal yang pada umumnya berada di luar kendali
menejemen seperti: Ekonomi, Pelanggan, Pesaing, Pemerintah, dan lain sebagainya.
Menurut penulis, peramalan adalah suatu cara yang digunakan untuk
memperkirakan kejadian yang akan terjadi dimasa yang akan datang dengan melibatkan
data masa lalu.
10
2.1.2.1 Klasifikasi Peramalan Berdasarkan Waktu
Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan
yang dilingkupinya. Heizer dan Render (2009:163) membagi horizon waktu peramalan
menjadi beberapa kategori:
1. 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.
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, serta menganalisis bermacam-macam rencana operasi.
3. 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).
2.1.2.2Jenis-Jenis Peramalan
Menurut Heizer dan Render (2009:164), organisasi pada umumnya menggunakan
tiga tipe peramalan yang utama dalam perencanaan operasi.
1. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan
memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk
membangun perumahan, dan indikator perencanaan lainnya.
11
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 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.
2.1.2.3Peramalan Permintaan
Peramalan yang baik sangatlah penting dalam semua aspek bisnis. Peramalan
merupakan satu-satunya prediksi mengenai permintaan hingga permintaan yang
sebenarnya diketahui. Peramalan ekonomi dan teknologi adalah teknik khusus yang
mungkin bukan termasuk bagian dari tugas manajer operasi (Heizer dan Render,
2009:164).
Peramalan permintaan mengendalikan keputusan di banyak bidang. Berikut ini
akan dibahas dampak peramalan produk pada tiga aktivitas: 1) sumber daya manusia, 2)
kapasitas, dan 3) manajemen rantai pasokan.
1. Sumber Daya Manusia
Mempekerjakan, melatih dan memberhentikan pekerja bergantung pada
permintaan. Jika departemen sumber daya manusia harus mempekerjakan
pekerja tambahan tanpa adanya persiapan, akibatnya kualitas pelatihan menurun
dan kualitas pekerja juga menurun.
12
2. Kapasitas
Saat kapasitas tidak mencukupi, kekurangan yang diakibatkannya bisa berarti
tidak terjaminnya pengiriman, kehilangan konsumen dan kehilangan pangsa
pasar.
3. Manajemen Rantai Pasokan
Hubungan yang baik dengan pemasok, serta harga barang dan komponen yang
bersaing bergantung pada peramalan yang akurat.
2.1.2.4 Langkah-Langkah Sistem Peramalan
Peramalan terdiri atas tujuh langkah dasar (Heizer dan Render, 2009:165). Tujuh
langkah peramalan tersebut, yaitu:
1. Menetapkan tujuan peramalan
2. Memilih unsur yang akan diramalkan
3. Menentukan horizon waktu peramalan
4. Memilih jenis model peramalan
5. Mengumpulkan data yang diperlukan untuk melakukan peramalan
6. Membuat peramalan
7. Memvalidasi dan menerapkan hasil peramalan
2.1.2.5 Metode-Metode Peramalan (Forecasting)
Metode peramalan digunakan agar peramalan jumlah permintaan suatu barang
maupun jasa dimasa yang akan datang dapat direncanakan dan hasil yang diperoleh
tidak jauh menyimpang dari actual yang terjadi.
13
Menurut Heizer dan Render (2009) terdapat dua metode peramalan berdasarkan
metode yang digunakan, yaitu metode kuantitatif dan metode kualitatif.
2.1.2.5.1 Metode Peramalan Kualitatif
Yaitu metode yang menggabungkan faktor seperti intuisi, emosi, pengalaman
pribadi, dan sistem nilai pengambil keputusan untuk meramal. Terdapat empat teknik
peramalan kualitatif, yaitu:
•
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.
•
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 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.
•
Komposit tenaga penjualan
Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan
yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk
14
memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut
digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan
secara keseluruhan.
•
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.
2.1.2.5.2 Metode Peramalan Kuantitatif
Yaitu metode yang menggunakan model matematis yang beragam dengan
berdasarkan data masa lalu untuk meramalkan permintaan dimasa yang akan datang.
Ada tiga kondisi yang diterapkan pada metode ini, yaitu:
1. Informasi mengenai keadaan pada waktu yang tersedia.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric (angka).
3. Waktu yang akan datang (disebut asumsi kontinuitas).
Metode peramalan secara kuantitatif menurut Heizer dan Render (2009:170)
meliputi:
1. 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 yang kita
ramalkan.Secara matematis, rata-rata bergerak sederhana (merupakan prediksi
permintaan periode mendatang) dinyatakan sebagai berikut:
15
Keterangan:
n = jumlah periode dalam rata-rata bergerak.
2. 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:
3. 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:
16
Peramalan baru = peramalan periode lalu + α (permintaan sebenarnya periode
terakhir – peramalan periode terakhir).
Dimana α adalah sebuah bobot atau konstanta penghalusan yang dipilih oleh
peramal yang mempunyai nilai antara 0 dan 1. Persamaan diatas dapat pula
ditulis dengan:
Ft = Ft-1 + α (At-1 – Ft-1)
Keterangan:
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1)
At-1 = permintaan aktual periode lalu
Konsep ini tidak rumit. Prediksi terakhir untuk permintaan sama dengan prediksi
lama, disesuaikan dengan sebagian diferensiasi permintaan aktual periode lalu
dengan prediksi lama.
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 pemilihannilai untuk konstanta penghalusan adalah mendapatkan
peramalan yang paling akurat. Nilai α yang paling banyak digunakan adalah
yang berada dalam jarak 0,05 sampai 0,50 untuk aplikasi bisnis.
17
4. 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 ratarata dan β untuk tren. Kemudian, dihitung rata-rata dan tren untuk setiap periode.
Ft = α (At-1) + (1 – α)(Ft-1 + Tt-1)
Tt = β (Ft – Ft-1) + (1 – β) Tt-1
Keterangan:
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada
periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
At = permintaan aktual pada periode t
α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)
β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
Jadi, terdapat tiga langkah menghitung peramalan dengan yang disesuaikan
dengan trenadalah sebagai berikut:
18
1. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode
t,menggunakan persamaan Ft.
2. Menghitung tren yang dihaluskan, Tt, menggunakan persamaan Tt.
3. Menghitung peramalan dengan tren, FITt, dengan rumus FITt = Ft + Tt.
5. Regresi Linear (Linear Regression)
Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur
ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel
atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana
variabel-variabel itu berhubungan atau dapat diramalkan.
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam
persamaan matematika yang menyatakan hubungan fungsional antara variabelvariabel. Hubungan fungsional antara satu variabel prediktor dengan satu
variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan
hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda.
Persamaan garisnya dapat dinyatakan sebagai:
ŷ = a + bX
19
Keterangan:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terikat)
a = perpotongan sumbu Y
b = koefisien regresi/slop
Y = nilai variabel terikat yang diketahui
X = nilai variabel bebas yang diketahui
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang
terjadi di x)
n = jumlah data atau pengamatan
Empat pendekatan pertama di atas termasuk dalam model analisis yang bersifat
time series, sedangkan pendekatan yang kelima biasanya disebut dengan pendekatan
asosiatif (hubungan sebab akibat).
Metode peramalan kuantitatif dibagi menjadi dua, yaitu:
a. Model Deret Waktu(Time-Series)
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.
Menganalisis time series berarti membagi data masa lau menjadi komponenkomponen, dan kemudian memproyeksikannya kemasa depan.
Time Series mempunyai empat komponen:
20
1. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau
menurun.
2. Musim adalah pola data yang berulang pada kurun waktu tertentu seperti
hari, minggu, bulan, kwartal.
3. Siklus adalah pola dalam data yang terjadi beberapa tahun. Siklus ini
biasanya terkait pada siklus bisnis dan merupakan satu hal penting dalam
analisis dan perencanaan bisnis jangka pendek.
4. Variasi acak merupakaan satu titik khusus dalam data yang disebabkan
oleh peluang dan situasi yanhg tidak biasa. Variasi acak tidak mempunyai
pola khusus jadi tidak dapat diprediksi.
Metode-metode yang dapat digunakan dalam hal ini dapat berupa rata-rata
bergerak, penghalusan eksponensial, model matematika dan metode box-jenkins.
b. Model Asosiatif (Hubungan Sebab Akibat)
Model asosiatif (atau hubungan sebab akibat), seperti regresi linear,
menggabungkan banyak variabel atau faktor yang mungkin mempengaruhi
kuantitas yang sedang diramalkan.
Dengan mengolah data yang sudah ada sebelumnya melalui deret waktu dan
metode sebab akibat, maka akan diperoleh hasil peramalan.
2.1.2.6Mengukur 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
21
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 terkecil merupakan ramalan yang terbaik.
Sedangkan menurut Freddy Rangkuti (2005:80) menyatakan keharusan untuk
membandingkan perhitungan yang memiliki nilai MAD paling kecil, karena semakin
kecil MAD. Berarti semakin kecil pula perbedaan antara hasil forecasting dan nilai
aktual.
Heizer danRender (2009:177) mengemukakan bahwa, tiga dari perhitungan yang
paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation - MAD) dan
kesalahan kuadrat rerata (Mean Squared Error - MSE).
1. Deviasi Mutlak Rerata (Mean Absolute Deviation = MAD)
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).
2. Kesalahan Kuadrat Rerata (Mean Square Error = MSE)
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.
22
Vincent Gasperz (2004:80) mengatakan dalam buku Production Planning and
Inventory Controlbahwa akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD
dan MSE semakin kecil.Ketepatan dari sebuah ramalan merupakan hal yang sangat
penting. Namun, hal yang perlu disadari bahwa suatu ramalan adalah tetap ramalan,
yang selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah usaha
untuk memperkecil kemungkinan kesalahannya tersebut. Akhirnya, baik tidaknya suatu
ramalan yang disusun sangat tergantung pada orang yang melakukannya, langkahlangkah peramalan yang dilakukannya dan metode yang dipergunakannya.
2.1.3 Persediaan
MenurutHerjanto (2007:237), 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.
Persediaan merupakan suatu sumber daya yang disimpan yang digunakan untuk
menghilangkan kebutuhan saat ini atau kebutuhan yang akan datang. Persediaan diatas
termasuk bahan mentah,barang dalam proses, dan barang jadi. Ketika menentukan
permintaan dari suatu barang,ini merupakan informasi yang memungkinkan untuk dapat
menentukan jumlah barang mentah yang dibutuhkan untuk membuat barang jadi
tersebut.
Mengendalikan persediaan yang tepat bukan hal yang mudah. Apabila jumlah
persediaan terlalu besarmengakibatkan timbulnya dana menganggur yang besar (yang
tertanam dalam persediaan), meningkatnya biaya penyimpanan dan risiko kerusakan
barang yang lebih besar. Namun, jika persediaan terlalu sedikit mengakibatkan risiko
23
terjadinya kekurangan persediaan (stockout) karena seringkali barang tidak dapat
didatangkan secara mendadak dan sebesar yang dibutuhkan, yang menyebabkan
terhentinya proses produksi, tertundanya penjualan, bahkan hilangnya pelanggan.
Sebagaimana keputusan manajemen operasi lainnya, kebijaksanaan yang paling
efektif adalah dengan mencapai keseimbangan diantara berbagai kepentingan dalam
perusahaan. Pengendalian persediaan harus dilakukan sedemikian rupa agar dapat
melayani kebutuhan bahan/barang yang tepat dan dengan biaya yang rendah.
Pengendalian persediaan berfungsi menentukan tingkat persediaan yang sesuai, dimana
pemesanan harus dilakukan kembali, persediaan pengaman, pendataan tingkat dan
kondisi persediaan.
2.1.3.1 Fungsi Persediaan
Menurut Herjanto (2007:238), beberapa fungsi penting yang dikandung oleh
persediaan dalam memenuhi kebutuhan perusahaan, sebagai berikut:
•
Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang
dibutuhkan perusahaan.
•
Menghilangkan risiko jika material yang dipesan tidak baik sehingga harus
dikembalikan.
•
Menghilangkan risiko terhadap kenaikan harga barang atau inflasi.
•
Untuk menyimpan bahan baku yang dihasilkan secara musiman sehingga
perusahaan tidak akan kesulitan jika bahan itu tidak tersedia di pasaran.
•
Mendapatkan keuntungan dari pembelian berdasarkan diskon kuantitas.
24
•
Memberkan pelayanan kepada pelanggan dengan tersedianya barang yang
diperlukan.
2.1.3.2 Jenis-Jenis Persediaan
Terdapat 4 jenis persediaan yang harus dipelihara perusahaan untuk
mengakomodasi fungsi-fungsi persediaan menurut Heizer dan Render (2009:82-83),
yaitu:
•
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.
•
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).
•
MRO (Maintenance, Repair, Operating)
Persediaan yang disediakan untuk persediaan pemeliharaan, perbaikan, operasi yang
dibutuhkan untuk menjaga agar mesin-mesin dan proses-proses tetap produktif.
•
Persediaan barang jadi
Produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih merupakan
aset dalam pembukuan perusahaan.
25
2.1.3.3 Biaya-Biaya Persediaan
Ada tiga jenis biaya dalam persediaan menurut Heizer danRender (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 peneyetelan (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 prosedur yang efisien seperti pemesanan
dan pembayaran elektronik.
2.1.3.4 Model Dasar Economic Order Quantity (EOQ)
EOQ merupakan salah satu teknik pengendalian persediaan tertua dan paling
terkenal. Teknik ini relatif mudah digunakan, didasarkan pada beberapa asumsi:
•
Jumlah permintaan diketahui dan sifatnya konstan
•
Lead Time, yaitu waktu diantara pemesanan pesanan dan penerimaan pesanan
diketahui dan konstan
•
Penerimaan persediaan dilakukan secara keseluruhan dalam satu waktu
26
•
Potongan kuantitas tidak dimungkinkan (tidak mungkin diberikan diskon)
•
Variabel biaya yang ada adalah biaya penempatan pesanan (ordering cost) dan
biaya penyimpanan persediaan (holding or carrying cost)
•
Pengaturan dilakukan supaya kekurangan stok dapat diatasi
Berdasarkan pendapat Pardede, (2005:422) menyatakan bahwa Economic Order
Quantitiy (EOQ) menunjukkan sejumlah barang yang harus dipesan untuk tiap kali
pemesanan agar biaya persediaan keseluruhan menjadi sekecil mungkin.
Berikut rumus yang biasa digunakan dalam perhitunganpersediaan:
EOQ = Q* =
Annual setup cost =
Annual holding cost =
Total unit cost = Unit cost (D)
I = ½ Q*
Keterangan:
Q* = jumlah optimum unit per pesanan (EOQ)
D = permintaan per periode
27
S = biaya pemesanan untuk setiap pesanan
H = biaya penyimpanan per unit per tahun
Q = jumlah unit per pesanan
TC = biaya total
I = rata-rata tingkat persediaan (average inventory)
N = jumlah pemesanan yang diperkirakan selama setahun
T = waktu antara pesanan yang diperkirakan
Gambar 2.1 Grafik EOQ
Sumber: Rangkuty, Freddy (2005:28)
2.1.3.4.1 Re-Order Point
Siagian (2005:178) mengemukakan bahwa ROP adalah titik/tingkat persediaan,
dimana pemesanan kembali harus dilakukan.
Heizer dan Render mengemukakan bahwa tingkat (titik) persediaan dimana perlu
diambil tindakan untuk mengisi kekurangan persediaan pada barang tersebut.
Titik pemesanan kembali harus ditentukan dengan tepat sehingga kedatangan
atau penerimaan barang yang dipesan tepat waktu.
28
Persamaan matematis untuk menghitung ROP adalah:
ROP = (d x L) + SS
Permintaan perhari, dicari dengan membagi permintaan tahunan, D, dengan
jumlah hari kerja per tahun:
d=
Keterangan:
ROP = reorder point
d = permintaan per hari
L = lead time
SS = safety stock
2.1.3.4.2 Waktu Tunggu (Lead Time) dan Persediaan Pengaman (Safety Stock)
Pada proses pemesanan barang, di mulai dari memesan sampai barang tersebut
datang/siap digunakan diperlukan jangka waktu yang bisa bervariasi dari beberapa jam
sampai beberapa bulan. Perbedaan waktu antara saat memesan barang sampai saat
barang datang dikenal dengan istilah waktu tunggu (lead time). Lead time sangat
dipengaruhi oleh ketersediaan dari barang itu sendiri dan jarak pembeli dengan
pemasok.
Adanya lead time tersebut menyebabkan perusahaan harus mempunyai
persediaan yang dicadangkan untuk kebutuhan selama menunggu barang datang.
Persediaan itu disebut sebagai persediaan pengaman (safety stock).
Menurut Freddy Rangkuty (2004:10), safety stock adalah persediaan tambahan
yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan
29
bahan.Safety stock adalah persediaan barang minimum untuk menghindari terjadinya
kekurangan barang. Terjadinya kekurangan barang disebabkan antara lain karena
kebutuhan barang selama pemesanan melebihi rata-rata kebutuhan barang, yang dapat
terjadi karena kebutuhan setiap harinya terlalu banyak atau karena jangka waktu
pemesanannya terlalu panjang dibanding dengan kebiasaan. Safety stock yang terlalu
banyak mengakibatkan perusahaan menanggung biaya penyimpanan yang terlalu mahal,
tetapi jika terlalu sedikit maka perusahaan akan menanggung biaya atau kerugian karena
kekurangan barang. Untuk menghitung besarsafety stockdapat menggunakan metode
sebagai berikut:
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
30
2.1.3.5Konsep Minimum Maksimum(Min-Max)
Indrajit dan Djokopranoto (2003:38) menyatakan bahwa dalam konsep minimum
maksimum ini, peninjauan dilakukan secara terus menerus, yang berarti setiap kali harus
dipesan, maka harus dipesan.
Konsep minimum maksimum menekankan bahwa sejumlah persediaan harus
ditentukan jumlah minimum dan maksimumnya, mengingat tingkat permintaan tidak
tentu (fluktuatif), sehingga persediaan harus selalu ada dan jumlah yang dipesan bersifat
tetap, disini yang bersifat tetap adalah titik pemesanan ulang disesuaikan dengan jumlah
minimum maksimum.
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. Dalam menghitung safety stockpada
metode ini dibutuhkan rata-rata permintaan per bulannya.
Metode ini mempunyai beberapa persamaan dalam perhitungannya seperti
berikut:
Safety stock : SS =
Minimum stock = (DL) + SS
Maximum stock = 2(DL) + SS
Order quantity : Q* = Max stock – Min stock
31
Banyak pemesanan : N=
Average interval control : I =SS + (½ Q*)
Turn over ratio : TOR =
Total inventory cost : TC(Min-Max) =
Keterangan:
Q* = jumlah optimum unit per pesanan (EOQ)
D = permintaan per periode
Co = biaya pemesanan untuk setiap pesanan
Cc = biaya penyimpanan per unit per tahun
Q = jumlah unit per pesanan
TC = biaya total
I = rata-rata tingkat persediaan (average inventory)
N = jumlah pemesanan yang diperkirakan selama setahun
T = waktu antara pesanan yang diperkirakan
32
2.2Penelitian Terdahulu
Tabel 2.1 Penelitian Terdahulu
Metode
Nama
Penelitian
Pengarang
Forecasting Haryadi
Judul Jurnal
Management
Hasil Penelitian
Berdasarkan metode peramalan moving
Sarjono;Yulia Expose
average, metode double moving average,
Agustina;
Volume 8,
metode exponential smoothing,danmetode
Arko Pujadi
No. 17,
exponential smoothing with trend yang
September
digunakan didapatkan hasil yang tingkat
2008,
kesalahan terkecil yaitu terdapat pada
ISSN 1410-
metode exponential smoothing dengan
8631,
MAD = 15,67 (alpha 0,1) dan MSE =
“Analisis
366,10 (alpha 0,5).
Peramalan
Penjualan
pada PT.
Multi Megah
Mandiri”
tahun
2008p.60-78.
Inventory
Hendi; dkk
Business
Penerapan sistem inventory dan peramalan
Strategy,
dapat meningkatkan kinerja perusahaan
33
p.85 2006
dan dapat juga mengendalikan internal dan
eksternal perusahaan. Dapat mengetahui
EOQ dan ROP.
Forecasting Syntetos, A
The Journal
Bidangperencanaanpersediaan
dan
A; Boylan, J
of the
danperamalantelahmengalamikemajuanluar
Inventory
E; Disney, S
Operational
biasaselama50tahun terakhir. Telah ada
M
Research
perkembangan metodologi yang signifikan,
Society
antara lain munculnya sistem dinamik,
Volume 60,
teori kontrol dan metode peramalan
May 2009,
statistik. Perkembangan ini telah
ISSN
dicerminkan dari aplikasi perangkat lunak
01605682,
baru, yang mencerminkan pentingnya
“Forecasting
perencanaan persediaan dan peramalan
for Inventory
dalam situasi praktek.
Planning: A
50-Year
Review”
tahun
2009p.149160.
Sumber: Hasil Studi Literatur
34
2.3Kerangka Pemikiran
Gambar 2.2 Kerangka Pemikiran
Koperasi Niaga Abadi Ridhotullah
Forecasting
Moving
Averages
Weighted
Moving
Averages
Exponential
Smoothing
with Trend
Exponential
Smoothing
Linear
regression
MAD dan MSE Terkecil
Inventory
EOQ
Min-Max
Pilihan Efisiensi
Implikasi Hasil Penelitian
35
Sumber: Penulis