|
BAB 2
LANDASAN TEORI dan
KERANGKA
PEMIKIRAN
2.1
Landasan Teori
2.1.1 Pengertian Manajemen
Menurut
pendapat
Assauri
(2004,p.12)
:
“Manajemen
adalah
kegiatan
atau usaha
yang
dilakukan
untuk mencapai tujuan
dengan
menggunakan
atau
mengkoordinasikan kegiatan-kegiatan orang lain.”
Dengan
demikian,
manajemen
adalah suatu proses
yang
khas
yang
terdiri
dari
tindakan-tindakan perencanaan, pengorganisasian, pengarahan, dan pengendalian yang
dilakukan
untuk
menentukan
serta mencapai
sasaran-sasaran yang telah ditentukan
melalui
pemanfaatan sumber daya manusia dan sumber daya lain.
2.1.1.1 Pengertian Operasi
Istilah operasi sering
digunakan oleh
suatu organisasi atau perusahaan yang
menghasilkan keluaran atau
output,
baik
berupa
barang atau jasa.
Pengertian operasi secara
tersendiri berdasarkan pendapat seorang ahli sebagai berikut.
Menurut
pendapat
Subagyo
(2000,p.1)
:
“Operasi
atau
Operation
adalah
kegiatan
untuk
merubah
masukan (yang
berupa
faktor-faktor
produksi/operasi)
menjadi
keluaran sehingga lebih bermanfaat dari bentuk aslinya.”
Dari
pengertian
yang telah
dikemukakan
diatas
maka
dapat
disimpulkan
bahwa
pengertian
operasi
merupakan
kegiatan
yang
mengubah
bentuk dengan
menciptakan
atau
menambah manfaat
suatu
barang atau
jasa
yang akan digunakan
untuk
memenuhi
kebutuhan manusia sehingga nilai atau manfaatnya lebih tinggi dari bentuk aslinya.
|
|
2.1.1.2 Pengertian Manajemen Operasional
Menurut Jay Heizer
dan
Barry
Render (2005,p.4), manajemen operasi
adalah
serangkaian
aktivitas
yang
menghasilkan
nilai
dalam
bentuk
barang
dan
jasa
dengan
mengubah input
menjadi output.
Sedangkan menurut
Richard
B.
Chase (2004,p.6), “Operations management is
defined as the design,
operation, and improvement of the system that create and deliver the
firm’s
primary
product
and
services”
. Dimana
artinya
adalah
“Manajemen
operasi
didefenisikan sebagai gambaran, proses operasi, dan perbaikan atau pengawasan dari
sesitem-sistem yang menghasilkan produk utama atau jasa suatu perusahaan.
Jadi
jelas bahwa
manajemen
operasional adalah
suatu
aktivitas proses
operasi,
dan
pengawasan
dari
proses tersebut
agar proses
tersebut
dapat
menghasilkan
nilai
dalam
bentuk barang maupun jasa yang diinginkan.
2.1.1.3 Elemen yang mendasari
manajemen operasi
Elemen yang mendasari manajemen operasi yaitu :
1.
Konsep
dasar
manajemen
produksi
yang
membedakannya
dari
disiplin ilmu
lain,
misalnya
konsep
dasar
perencanaan tata
letak,
perencanaan kapasitas,
perencanaan
kebutuhan material, persediaan, penjadwalan, dan pengendalian mutu.
2. Teknik
dan
konsep
yang
dikembangkan melalui
teori organisasi
dan
manajemen. Teknik
tersebut banyak digunakan
terutama
dalam
perencanaan
kerja,
organisasi sumber daya
dan pengendalian proses.
3.
Penerapan
pengetahuan
dan
praktek
yang
telah
dikembangkan
dari
disiplin
ilmu
lain
seperti
ekonomi,
keuangan,
dan
matematika.
Misalnya
penentuan
tingkat produksi
didasarkan atas pendekatan atas permintaan dan penawaran dari teori ekonomi, analisa
kinerja
operasi
dengan
menggunakan
rasio keuangan,
penggunaan
metode kuantitatif
atau matematik dalam pengambilan keputusan.
|
|
4. Penemuan
teknologi
yang
sangat
berpengaruh
dalam
system produksi
serta mendorong
perkembangan teknologi proses ataupun produksi yang menyebabkan perubahan baik
dalam tata letak, jenis peralatan maupun proses produksi.
2.1.1.4 Perencanaan dalam produksi
Pada
pokoknya
tujuan
berproduksi
adalah
menghasilkan
barang-barang
dan
jasa-
jasa sesuai dengan kehendak konsumen dalam hal jumlah, kualitas, harga serta waktu.
Untuk itu perencanaan memegang peranan penting dalam:
1. Menentukan tujuan itu sendiri
2. Agar tujuan itu diintregrasikan
3. Pengawasan
Ketiga
unsur
diatas
perlu,
agar
segala
kegiatan
berproduksi
itu
efisien,
sedangkan
pedoman berkerjapun ada.
Dengan adanya tujuan tersebut
dapatlah kemudian
diletakkan
kebijaksanaan-kebijaksanaan
dasar. Misalnya
untuk
penyediaan
bahan
mentah
diletakkan
kebijaksanaan pembelian/pemesanan,
penyimpanan,
pembelanjaannya.
Dalam hal
proses
produksi, diletakkan kebijaksanaan dasar
pemanfaatan fasilitas produksi, jam
kerja, penggunaan bahan, dan sebagainya.
Dalam hal kualitas diletakkan kebijaksanaan dasar tentang pengawasan: metodenya
kapan
dilakukan
pengawasan,
dengan apa
dan
sebagainya.
Program-program
produksi
hendaknya
diformulasikan berdasarkan
tujuan-tujuan
diatas, sedang
kebijakan
produksi
merupakan
pedoman
bagi
kegiatan
produksi
dihubungkan
dengan
kepentingan
perusahaan sebagai
keseluruhan
dalam arti
produktivitas,
pelayanan, kualitas dan
akhirnya Return On Invesment
(ROI). Tentu
saja
program-
program
dan kebijaksanaan produksi
harus
disesuaikan
dengan faktor-faktor
industri
serta kekuatan yang dimiliki oleh perusahaan itu sendiri.
|
|
2.1.2
Peramalan
2.1.2.1 Pengertian Peramalan
Menurut Jay Heizer dan
Barry Render (2006,p.136) Peramalan
(forecast) adalah
seni
dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini
dapat dilakukan dengan
melibatkan
pengambilan
data
masa
lalu
dan menempatkannya
ke
masa
yang
akan
datang
dengan
suatu
bentuk
model
matematis.
Bisa juga merupakan
prediksi
intuisi yang
bersifat
subjektif.
Atau
bisa
juga dengan
menggunakan
kombinasi
model
matematis
yang sesuai
dengan pertimbangan yang baik dari seorang manajer.
Menurut penulis, peramalan adalah proses untuk memperkirakan
beberapa
kebutuhan
dimasa
yang
akan
datang
yang meliputi
kebutuhan
dalam
ukuran
kuantitas,
kualitas,
waktu
dan
lokasi
yang
dibutuhkan dalam
rangka
memenuhi
permintaan
barang
ataupun jasa.
Peramalan
tidak
terlalu
dibutuhkan
dalam
kondisi
permintaan
pasar
yang
stabil,
karena
perubahan
permintaannya
relatif kecil. Tetapi
peramalan akan sangat
dibutuhkan
bila
kondisi permintaan pasar bersifat komplek dan dinamis.
Dalam
kondisi
pasar
bebas,
permintaan
pasar
lebih
banyak
bersifat
komplek,
dan
dinamis
karena
permintaan
tersebut akan
tergantung
dari
keadaan sosial,
ekonomi,
politik,
aspek
teknologi,
produk
pesaing
dan
produk
subsitusi.
Oleh
karena
itu,
peramalan
yang
akurat
merupakan
informasi
yang sangat
dibutuhkan
dalam
pengambilan
keputusan
manajemen.
Ketepatan
secara
mutlak dalam
memprediksi
peristiwa
dan
tingkat
kegiatan
yang
akan
datang
adalah
tidak mungkin
dicapai.
Oleh
karena
itu
ketika
perusahaan
tidak
dapat
melihat
kejadian
yang
akan
datang
secara
pasti,
diperlukan
waktu
tenaga
yang
besar agar
mereka dapat memiliki kekuatan
terhadap kejadian yang akan datang.
Suatu
perusahaan
melakukan
kegiatan
untuk
mencapai
sesuatu
pada
waktu
yang
akan
datang
serta
memperhitungkan
kondisi
yang
mungkin
terjadi
di
masa
yang
akan
|
|
datang.
Kondisi
pada
waktu
yang akan
datang
tidaklah
dapat
diperkirakan
secara
pasti,
sehingga perusahaan mau
tidak
mau
harus
bekerja dengan
orientasi pada
waktu
yang akan
datang
yang tidak
pasti.
Untuk
meminimalkan ketidakpastian
itu dapat
dilakukan
dengan
metode
atau teknik
peramalan.
Dengan teknik
peramalan
dapat
diidentifikasikan
pola
yang
dapat
digunakan
untuk
meramalkan
kondisi
pada
waktu
yang
akan
datang,
sehingga
dari
hasil
peramalan
itu,
eksekutif
perusahaan
dapat
membuat
perencanaan
yang
diperlukan
untuk dilaksanakan pada masa yang akan datang.
Forecasting
dibutuhkan oleh setiap perusahaan disebabkan karena :
1.
Sering
terjadi
senjang
waktu
(time lag) antara
kebutuhan
mendatang
dengan
peristiwa
itu sendiri merupakan alasan utama pentingnya peramalan & perencanaan.
2. Jangka Waktu Peramalan
3.
Pengaruh dari
Product Life Cycle
Peramalan
adalah
perhitungan
yang
obyektif dengan
menggunakan
data-data masa
lalu
untuk
menentukan
kondisi
dimasa
yang
akan
datang.
Dengan
demikian forecasting
merupakan proses yang menggambarkan peristiwa/kondisi pada masa yang akan datang.
2.1.2.2 Metode-Metode Peramalan
(Forecasting)
Ada dua jenis metode peramalan, yaitu:
1. Metode Peramalan Kualitatif
Yaitu
metode
yang
didasarkan
pada
intuisi
dan
pandangan
individu-individu,
penilaian
orang
yang
melakukan
peramalan
dan
tidak
tergantung
pada
data-data
yang
akurat
(pengolahan
data
dan
analisis
data
historis
yang
tersedia),
metode
ini
digunakan
untuk peramalan produk baru dimana tidak ada data historis. Teknik pada
metode ini yang digunakan adalah teknik Delphi, Kurva pertumbuhan, dan lain-lain.
Menurut Fredy Rangkuti (2005,p.63) secara
umum pendekatan yang biasa
dipakai
di
dalam metode peramalan secara kualitatif, yaitu :
|
|
•
Pendapat para
eksekutif (
jury
of
executive
opinion).
Metode
ini
menggunakan
pendapat
kelompok
kecil
para
eksekutif
untuk
mengestimasikan besarnya permintaan.
•
Gabungan beberapa tenaga penjual (sales force composite). Metode ini
merupakan gabungan
pendapat
beberapa orang tenaga
penjual
(
sales
person
)
dalam
menentukan
besarnya
permintaan
di
wilayah
mereka
masing-masing,
kemudian hasilnya digabung
untuk
menentukan
jumlah
peramalan secara keseluruhan.
• Metode
Delphi.
Metode ini
menggunakan
proses interaktif
dengan
melibatkan para eksekutif yang
ditempatkan
di beberapa
tempat
yang
berbeda
untuk
membuat
peramalan
(
forecast).
Ada
tiga
partisipan
yang
berbeda
dalam
proses ini, yaitu
:
para pengambil
keputusan, staf pembantu
dan
responden.
Para
pengambil
keputusan
umumnya
terdiri dari
lima
sampai
sepuluh
orang
tenaga
ahli. Tugasnya adalah
membuat
actual
forecast
.
Sedangkan
staf
pembantu
bertugas
membantu
para
pengambil
keputusan dalam menyiapkan, mendistribusikan, mengumpulkan
dan
membuat
kuesioner dan survey. Responden adalah sekelompok orang
yang
akan
dimintai pendapatnya.
Kelompok
responden
ini
memberikan masukan
dalam
bentuk wawancara
maupun pengisian
kuesioner
dalam
rangka
pengambilan keputusan pembuatan peramalan (forecasting).
•
Riset
pasar
(
customer market survey).
Metode
ini
banyak
menggunakan
masukan yang
diperoleh
dari pelanggan atau pelanggan
yang
potensial,
sesuai dengan rencana pembelian
pelanggan
di masa yang akan datang.
Semua informasi yang diperoleh dari pelanggan ini sangat bermanfaat, tidak
hanya
untuk
membuat
perkiraan
besarnya
permintaan,
tetapi
juga
untuk
|
 memperbaiki
desain
produk
serta
perencanaan
pengembangan
produk
baru.
2. Metode Peramalan
Kuantitatif
Yaitu
metode
yang
dilakukan
berdasarkan
data-data
yang sudah
ada sebelumnya
untuk
memperkirakan
hal yang
akan terjadi
dimasa
yang akan datang.
Ada tiga
kondisi yang
diterapkan pada metode ini:
•
Informasi mengenai keadaan pada waktu yang tersedia.
•
Informasi
tersebut
dapat
dikuantitatifkan
dalam
bentuk
data
numeric
(angka).
•
Waktu yang akan datang (disebut asumsi kontinuitas).
Menurut
Barry
Render (2006,p.52-p.63), metode
peramalan
secara
kuantitatif
meliputi:
1. Rata-rata Bergerak
(Moving Average)
Bermanfaat jika
kita
mengasumsikan
bahwa
permintaan pasar tetap stabil
sepanjang
waktu.
Rata-rata
bergerak empat
bulan diperoleh
dengan menjumlahkan permintaan
selama empat bulan dan dibagi 4. Data
bulan terakhir ditambahkan ke jumlah data
tiga
bulan
sebelumnya,
dan
bulan
yang
paling
awal
dihilangkan.
Hal
ini
cenderung
menghaluskan ketidakteraturan jangka pendek di dalam seri data.
2. Rata-rata Bergerak Tertimbang
Apabila
ada
pola
atau
trend
yang
kita
deteksi,
timbangan
bisa
digunakan
untuk
menempatkan
lebih
banyak
tekanan
pada
nilai
baru.
Ini
membuat
teknik
itu
lebih
|
 respons
terhadap
perubahan
karena periode
yang lebih
baru mungkin
lebih
besar
timbangannya. Memutuskan
timbangan
mana
yang
akan
dipakai
membutuhkan
pengalaman dan
unsur
keberuntungan.
Pilihan
timbangan adalah
bersifat arbirter
karena
tidak ada
rumus
untuk
menentukannya.
Jika
bulan
atau periode
terakhir
ditimbang
terlalu
berat,
ramalan
dapat
mencerminkan
perubahan
dalam
permintaan
yang tidak biasa atau pola penjualan yang terlalu cepat.
Rata-rata
bergerak
mempunyai
beberapa
masalah.
Meningkatkan ukuran
n
(jumlah
periode
yang
dirata-ratakan)
memang
menghaluskan
fluktuasi
dengan
lebih
baik
lagi, tetapi
periode
ini
kurang sensitif, untuk perubahan
nyata
dalam data.
Rata-rata
bergerak akan selalu berada dalam tingkat masa lalu dan tidak akan memprediksi
perubahan ke tingkat yang lebih
tinggi maupun yang lebih rendah.
3. Penghalusan Eksponensial
Penghalusan
Eksponensial
atau
eksponential smoothing
adalah
metode
peramalan
yang mudah digunakan dengan komputer. Meskipun merupakan tehnik rata-rata
bergerak,
penghalusan
eksponensial
mencakup
pemeliharaan
data
masa
lalu
yang
sangat sedikit.
Dimana : £ adalah
timbangannya,
atau
konstanta penghalusan, yang
nilainya antara
0 sampai 1. Persamaannya juga bisa ditulis secara matematis dengan:
|
 Dimana :
F
t
= Ramalan
baru
F
t-1
=
Ramalan sebelumnya
£ (alpha)= Konstanta penghalusan
A
t-1
=
Permintaan aktual periode sebelumnya
Konstanta
penghalusan,
£,
umumnya antara 0,05
sampai
0,50 untuk aplikasi bisnis.
Konstanta
penghalusan
bisa
diubah
untuk memberikan
timbangan
yang
lebih
besar
pada data
baru
(bila
£
tinggi) atau
pada data masa lalu (bila £
rendah). Yang
pasti,
periode masa lalu menurun dengan cepa ketika £ meningkat.
4. Penghalusan Eksponensial dengan Trend
Garis
kuadrat
terkecil
digambarkan dalam bentuk perpotongan-y nya (puncak
dimana
garis
itu
memotong
sumbu-y) dan
slope-nya
(kelandaiannya).
Jika
perpotongan-y dan kelandaiannya bisa dihitung, persamaannya akan menjadi :
Dengan:
(disebut
“y topi”)
=
Nilai
variabel
yang
dihitung
untuk diprediksi (disebut
variabel
tidak
bebas)
a
= Perpotongan sumbu-y
b
=
Kelandaian
garis
regresi
(atau
tingkat perubahan
tertentu
dalam x)
X
= Variabel bebas (dalam hal ini waktu)
|
 Ahli
statistik
mengembangkan
persamaan
yang
bisa
digunakan
untuk
memperoleh
nilai a dan b
untuk garis regresi. Kelandaian b diperoleh dengan:
Dimana:
atau
b = Kelandaian garis regresi
(y bar)
= Rata-rata
nilai y
?
= Tanda penjumlahan
(x bar)
= Rata-rata
nilai x
X = Nilai variabel bebas
n
= Jumlah titik data
Y = Nilai variabel tidak bebas
X = rata-rata dari nilai X
Perpotongan-y bisa dihitung sebagai berikut:
atau
Dimana:
a = Perpotongan garis y
(y bar)
= Rata-rata nilai y
b =
Kelandaian garis regresi
(x ba®)
= Rata-rata nilai x
5. Regresi Linear
Model matematika yang sama yang kita gunakan dalam metode Kuadrat Terkecil
dari
proyeksi trend
bisa
digunakn
untuk melakukan
analisis
regresi
linear.
Variabel-
variabel
tidak
bebas
yang
akan
diramal tetap
.
Namun sekarang
variabel bebas, x,
bukan lagi waktu.
dengan:
|
 Y(t) = penjualan unit (fungsi terhadap waktu)
a = parameter yang akan ditentukan
b = parameter yang akan ditentukan
t = periode
Rumus-rumus dalam menghitung variabel a dan b adalah sebagai berikut:
6. Peramalan dengan Metode Regresi Kuadratis
Peramalan
dengan
metode
Regresi
Kuadratis
didasarkan
pada asumsi
bahwa
pola
pertumbuhan
dari
data historis
bersifat
kuadratis.
Perbedaan peramalan
dengan
metode
Regresi
Kuadratis
dan
peramalan
dengan
metode
Regresi
Liner
terletak
dalam hal asumsi data
historis. Rumus yang digunakan untuk menghitung
peramalan
dengan metode Regresi Kuadratis adalah sebagai berikut :
dengan:
Y(t) = penjualan unit (fungsi terhadap waktu)
a = parameter yang akan ditentukan
b = parameter yang akan ditentukan
c = parameter yang akan ditentukan
t = periode
|
 Rumus-rumus dalam menghitung variabel a, b, dan c adalah sebagai berikut:
dengan :
dengan:
?
= konstanta pemulusan
d
= konstanta pemulusan
?
= konstanta pemulusan
a
= konstanta pemulusan
ß
= konstanta pemulusan
N = banyak bulan yang akan diramal
Setelah didapatkan nilai b maka nilai c diperoleh dari persamaan berikut:
|
 Selanjutnya,
nilai a didapatkan dengan menggunakan nilai b dan nilai c
yang
telah diperoleh sebelumnya melalui persamaan:
7. Peramalan dengan Metode Double Moving Average
Peramalan
dengan
metode Double
Moving
Average mengambil x
periode
dari jumlah
permintaan aktual sebelumnya,
kemudian
menghitung
rata-rata
permintaan dari x
periode,
dan menggunakan
hasil
perhitungan
rata-ratanya
untuk
meramalkan
permintaan
periode
selanjutnya.
Data
yang
lebih
tua
dari
periode
x
tidak
memiliki
pengaruh
terhadap
peramalan
periode
selanjutnya.
Nilai
dari
x
dapat
diatur
pada
level manapun, tetapi biasanya di antara 4 dan 7. Prosedur-prosedur yang digunakan
untuk
menghitung
peramalan dengan menggunakan
metode Double
Moving
Average
adalah sebagai berikut:
a.
Cari
x
rata-rata
dari
x1
sampai
xt
dan
nilai
peramalan
untuk
periode
S’t+1
adalah
x rata-rata tersebut.
b. Cari
x
rata-rata
dari x2 sampai xt-1, dan
nilai
peramalan
untuk periode S’t+2
adalah
x rata-rata tersebut.
c.
Ulangi
kedua
langkah
di
atas
sampai semua
nilai x
telah
dihitung.
Lanjutkan
dengan
cara
yang
sama
untuk
menghitung
S’t
hanya saja
kini
yang
dirata-
ratakan bukan x melainkan S’t.
d. Menghitung at dengan rumus :
|
 e. Menghitung bt dengan rumus :
f.
Langkah terakhir adalah
menghitung peramalan (Ft+m) dengan m merupakan
jumlah periode ke muka dari t. Rumus:
8.
Peramalan dengan Metode Double
Exponential Smoothing
Terdapat
dua
kekurangan
yang
signifikan
dari
metode
peramalan
moving average.
Pertama,
dalam
bentuk
dasarnya, pendekatan
ini
memberikan
bobot yang sama
kepada
semua n
periode sebelumnya yang digunakan dalam perhitungan
(walaupun
hal ini dapat
diatasi
dengan menempatkan bobot
yang berbeda
pada masing-masing
n
periode).
Kedua,
dan
yang
lebih penting,
pendekatan ini tidak menggunakan data
di luar n periode di mana
moving average dihitung. Kedua masalah ini diatasi dengan
exponential smoothing
,
yang terkadang lebih mudah untuk dihitung.
Metode
pemulusan
eksponensial
meramalkan
permintaan
pada
periode
berikutnya
dengan
menghitung
permintaan aktual
dalam
periode
tertentu
dan
peramalan
yang
sebelumnya
dibuat
untuk periode
tertentu
tersebut.
Metode
pemulusan eksponensial
memberikan
bobot
yang
semakin menurun
pada
setiap
data
historis
dimana
penurunan
bobot
ini
mengikuti
pola
eksponensial. Dengan
alasan
inilah maka
pemulusan
eksponensial
linier
lebih
disukai dibandingkan
rata-rata
bergerak
linier
sebagai
suatu
metode
peramalan
dalam berbagai
kasus
utama. Metode
pemulusan
eksponensial juga berbeda
dengan metode regresi
yang mengakumulasikan ke
semua data historis untuk memperoleh parameter-parameter yang
diinginkan.
Dalam
metode
ini
dikenal
adanya
suatu
konstanta
yang
disebut
konstanta
pemulusan (a). Rumus-rumus untuk metode linier brown adalah sebagai berikut :
|
 dengan:
S’t = pemulusan eksponensial tunggal periode ke-t
S”t = pemulusan eksponensial ganda periode ke-t
a
= konstanta pemulusan
xt = data permintaan periode ke-t
at = penyesuaian pemulusan eksponensial tunggal
bt = taksiran kecenderungan antar periode
Ft+m = peramalan periode ke-(t+m)
m = jumlah periode ke depan yang diramalkan
Metode peramalan kuantitatif dibagi menjadi dua, yaitu :
1. Peramalan deret waktu (Time Series)
Peramalan
ini
dilakukan
berdasarkan
data-data
dari
suatu
produk
yang
sudah
ada
sebelumnya,
kemudian
dianalisa
pola
datanya
apakah
berpola
pada
trend atau
musiman
maupun
berbentuk
siklus.
Metode-metode yang
dapat
dipergunakan dalam
hal
ini
dapat
berupa Rata-rata
bergerak,
penghalusan
eksponensial, model
matematika dan metode Box-Jenkis.
2. Peramalan Sebab Akibat (
Causal
)
|
 Peramalan
ini
dilakukan
berdasarkan data
yang
sudah
ada sebelumnya, tetapi
menggunakan
data
dari
variabel
yang lain yang menentukan
atau mempengaruhinya
pada masa depan, seperti
penduduk, pendapatan dan kegiatan ekonomi.
Dengan mengolah data
yang sudah
ada
sebelumnya
melalui
deret
waktu dan
metode
sebab
akibat,
maka
akan
diperoleh
hasil
peramalan,
tetapi
metode
peramalan
yang ditekankan dalam pembahasan ini terbatas pada peramalan dengan
metode
deret
waktu.
Metode-metode
yang
dapat
dipergunakan dalam
hal
ini
dapat
berupa regresi, metode ekonometri, model input-output dan model simulasi.
2.1.2.3 Ukuran Akurasi Hasil Peramalan
Menurut Mahmoud (2000,p.135) ada 4 ukuran yang biasa digunakan, yaitu:
1. Rata-rata Deviasi Mutlak (
Mean Absolute
Deviation
=
MAD)
MAD
merupakan
rata-rata
kesalahan
mutlak
selama
periode
tertentu tanpa
memperhatikan apakah
hasil
peramalan lebih
besar
atau
lebih
kecil dibandingkan
kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut:
Dimana :
A
t
= Permintaan Aktual pada periode-t
F
t
= Peramalan Permintaan (forecast
)
pada periode-t
n = Jumlah periode peramalan yang terlibat
2. Rata-rata Kuadrat Kesalahan (
Mean
Square Error
= MSE)
MSE
dihitung
dengan
menjumlahkan kuadrat semua kesalahan
peramalan
pada
setiap periode dan membaginya dengan jumlah periode peramalan.
Rumus
MSE:
MSE = ? (A
t
–
F
t
)²
n
|
 3. Rata-rata Kesalahan Peramalan (Mean
Forecast
Error = MFE)
MFE
sangat efektif
untuk mengetahui apakah
suatu
hasil
peramalan
selama
periode tertentu terlalu tinggi atau rendah. Bila hasil peramalan tidak bias, maka
nilai
MFE
dihitung
dengan
menjumlahkan semua
kesalahan peramalan
dan
membaginya dengan jumlah periode peramalan. Rumus MFE:
MSE = ? (A
t
–
F
t
)
n
4.
Rata-rata
Presentase
Kesalahan
Absolut
(Mean
Absolute Percentage Error
=
MAPE)
MAPE
merupakan
ukuran
kesalahan relatif. MAPE
biasanya lebih
berarti
dibandingkan
MAD
karena MAPE
menyatakan
persentase
kesalahan hasil
peramalan
terhadap
permintaan
actual
selama periode
tertentu
yang
akan
memberikan informasi
persentase
kesalahan
terlalu tinggi
atau terlalu
rendah.
Rumus
MAPE:
MAPE = (100-n)
2.1.2.4 Peramalan dan
Horison waktu
Dalam
hubungannya
dengan
horison
waktu
peramalan,
maka
kita
bisa
mengklasifikasikan peramalan tersebut kedalam 3 kelompok, yaitu:
1. Peramalan
Jangka
Panjang,
umumnya
2
sampai
10
tahun.
Peramalan
ini
digunakan untuk perencanaan produk dan perencanaan sumber daya.
2. Peramalan
Jangka
Menengah,
umumnya 1
sampai 24 bulan.
Peramalan ini lebih
mengkhusus dibandingkan peramalan jangka panjang, biasanya digunakan
untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.
3. Peramalan
Jangka
Pendek,
umumnya
1
sampai
5
minggu.
Peramalan
ini
digunakan
untuk
mengambil
keputusan dalam
hal
perlu
tidaknya
lembur,
penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek.
|
|
2.1.2.5 Peramalan Permintaan
Menurut
Arman
(2006,p.26)
peramalan permintaan merupakan tingkat
permintaan
produk-produk yang diharapkan akan terlealisir untuk jangka waktu tertentu pada masa yang
akan
datang.
Peramalan
permintaan
ini
akan menjadi
masukan
yang
sangat
penting
dalam
keputusan perencanaan dan pengendalian
perusahaan. Karena bagian operasional produksi
bertanggung jawab
terhadap
pembuatan
produk yang
dibutuhkan
konsumen,
maka
keputusan-keputusan operasi
produksi sangat dipengaruhi
hasil
dari
peramalan
permintaan.
Peramalan permintaan ini digunakan untuk
meramalkan permintaan
dari produk
yang
bersifat bebas (tidak tergantung), seperti peramalan
produk jadi.
Permintaan
akan
suatu
produk
pada
suatu
perusahaan
merupakan
resultan
dari
berbagai
faktor yang
saling
berinteraksi dalam
pasar. Faktor-faktor ini
hampir
selalu
merupakan kekuatan
yang berada diluar
kendali perusahaan.
Berbagai
faktor tersebut antara
lain:
1. Siklus
Bisnis.
Penjualan
produk
akan
dipengaruhi
oleh
permintaan
akan
produk
tersebut,
dan
permintaan
akan suatu
produk akan
dipengaruhi
oleh kondisi
ekonomi yang membentuk
siklus
bisnis
dengan fase-fase inflansi, resesi,
depresi
dan masa pemulihan.
2. Siklus
Hidup
Produk.
Siklus
hidup
suatu
produk
biasanya
mengikuti
suatu
pola
yang
biasa
disebut
kurva
S.
Kurva
S menggambarkan
besarnya
permintaan
terhadap waktu,
dimana siklus
hidup suatu
produk akan
dibagi menjadi
fase
pengenalan, fase pertumbuhan, fase kematangan dan akhirnya fase penurunan.
Untuk menjaga
kelangsungan
usaha, maka perlu
dilakukan
inovasi
produk pada
saat yang tepat.
3. Faktor-faktor
lain.
Beberapa faktor lain
yang mempengaruhi
permintaan adalah
reaksi
balik
dari
pesaing,
perilaku
konsumen
yang
berubah,
dan
usaha-usaha
|
|
yang
dilakukan
sendiri oleh perusahaan seperti peningkatan
kualitas,
pelayanan,
anggaran periklanan, dan kebijaksanaan pembayaran secara kredit.
2.1.2.6 Karakteristik Peramalan yang baik
Menurut
Arman (2006,p.28)
peramalan yang baik
mempunyai beberapa
kriteria yang
penting,
antara
lain
akurasi
biaya,
dan kemudahan. Penjelasan
dari
kriteria-kriteria
tersebut
adalah sebagai berikut:
1. Akurasi.
Akurasi
dari
suatu
hasil
peramalan
diukur
dengan
kebiasaan
dan
konsistensian
peramalan tersebut.
Hasil peramalan dikatakan bias bila
peramalan
tersebut
terlalu
tinggi
atau terlalu
rendah
dibandingkan
dengan kenyataan
yang
sebenarnya
terjadi. Hasil peramalan
dikatakan
konsisten
bila
besarnya
kesalahan
peramalan
relatif
kecil. Peramalan
yang terlalu
rendah
akan mengakibatkan
kekurangan persediaan, sehingga
permintaan
konsumen
tidak dapat
dipenuhi
segera,
akibatnya
adalah
perusahaan dimungkinkan
kehilangan
pelanggan
dan
kehilangan keuntungan penjualan. Peramalan yang
terlalu
tinggi
akan
mengakibatkan terjadinya penumpukkan
persediaan sehingga banyak modal yang
terserap
sia-sia.
Keakuratan
dari
hasil peramalan
ini
berperan
penting
dalam
meyeimbangkan
persediaan
yang ideal (meminimasi
penumpukan
persediaan
dan
memaksimalkan tingkat pelayanan).
2.
Biaya.
Biaya
yang
diperlukan
dalam
pembuatan
suatu
peramalan
adalah
tergantung
dari
jumlah
item
yang
diramalkan,
lamanya
periode peramalan,
dan
metode
peramalan
yang
dipakai.
Ketiga
faktor pemicu
biaya
tersebut
akan
mempengaruhi
beberapa
banyak
data yang
dibutuhkan,
bagaimana
pengolahan
datanya (manual atau komputerisasi), bagaimana penyimpanan datanya dan
siapa tenaga ahli yang diperlukan. Pemilihan metode peramalan harus
disesuaikan
dengan
dana
yang
tersedia dan
tingkat
akurasi
yang
ingin
didapat,
misalnya
item-item
yang penting akan
diramalkan
dengan metode
yang
canggih
|
|
dan mahal, sedangkan metode yang sederhana dan murah. Prinsip ini merupakan
adopsi dari Hukum Pareto (Analisa ABC).
3. Kemudahan.
Penggunaan
metode
peramalan yang sederhana, mudah dibuat,
dan
mudah
diaplikasikan akan memberikan keuntungan bagi
perusahaan.
Adalah
percuma
memakai
metode
yang
canggih, tetapi
tidak
dapat
diaplikasikan
pada
sistem
perusahaan
karena
keterbatasan
dana, sumber
daya manusia,
maupun
peralatan teknologi.
2.1.2.7 Beberapa Sifat
Hasil Peramalan
Menurut Arman (2006,p.29) dalam membuat peramalan atau menerapkan
hasil
suatu peramalan, maka ada beberapa hal yang harus dipertimbangkan, yaitu:
1. Peramalan pasti mengandung
kesalahan,
artinya peramalan
hanya
bisa
mengurangi
ketidakpastian
yang
akan
terjadi,
tetapi tidak
dapat
menghilangkan
ketidakpastian
tersebut.
2. Peramalan
seharusnya
memberikan
informasi
tentang
beberapa
ukuran
kesalahan,
artinya
karena
peramalan
pasti
mengandung
kesalahan,
maka
adalah
penting
bagi
peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
3. Peramalan
jangka
pendek lebih akurat dibandingkan
peramalan
jangka panjang.
Hal
ini
disebabkan
karena
pada
peramalan
jangka
pendek,
faktor-faktor yang
mempengaruhi
permintaan
relatif masih
konstan, sedangkan semakin panjang
periode peramalan,
maka semakin
besar pula
kemungkinan
terjadinya
perubahan
faktor-faktor yang mempengaruhi permintaan.
|
 2.1.3 Persediaan
2.1.3.1 Pengertian Persediaan
Persediaan adalah sumber
daya
menganggur
(idle
resources)
yang
menunggu
proses
lebih
lanjut.
Yang
dimaksud
dengan
proses
lebih
lanjut
tersebut adalah
berupa
kegiatan
produksi
pada
sistem
manufaktur, kegiatan
pemasaran
pada
sistem
distribusi
ataupun kegiatan konsumsi pangan pada sistem rumah tangga.
2.1.3.2 Jenis Persediaan
Menurut Arman H. (2003,p.103) persediaan terdiri atas empat jenis, yaitu:
Persediaan bahan mentah
Persediaan barang dalam proses (work
in process / WIP)
Persediaan MRO
(maintenance-repair-operation)
Persediaan barang jadi
Proses
Bahan
Baku
Barang Setengah Jadi
Barang
Jad
i
Produk
si
Gambar 2.1: Proses transformasi produksi
Sumber : Arman H. (2003,p.103)
2.1.3.3 Fungsi Persediaan
Menurut
Render
dan
Heizer,
persediaan
memiliki
enam
fungsi
penting
yang
menambah fleksibilitas dari suatu perusahaan, yaitu:
Persediaan
barang
untuk memenuhi
permintaan yang diantisipasi akan
timbul
dari
konsumen.
Untuk memasangkan produksi dengan distribusi.
|
 Untuk
mengambil
keuntungan dari
potongan pembelian
dalam
jumlah
besar
yang dapat menurunkan biaya produk.
Untuk melakukan hedging
terhadap inflasi dan perubahan
harga.
Untuk
menghindari
kekurangan
stok yang dapat
terjadi karena
cuaca,
kekurangan pasokan, masalah mutu, atau kesalahan pengiriman.
Untuk menjaga agar operasi berlangsung dengan baik dengan
menggunakan barang dalam
proses-proses sebagai persediaan.
2.1.3.4 Biaya-biaya dalam Sistem
Persediaan
Secara
umum
dapat
dikatakan
bahwa
biaya
sistem
persediaan
adalah semua
pengeluaran dan
kerugian
yang
timbul
sebagai
akibat
adanya persediaan. Biaya
sistem
persediaan
terdiri
dari
biaya
pembelian, biaya
pemesanan,
biaya
simpan
dan
biaya
kekurangan persediaan. Menurut Arman
H.
(2003,p.105-108), berikut
ini
akan
diuraikan
secara singkat masing-masing komponen biaya, yaitu:
•
Biaya Pembelian (Purchasing Cost
= c)
Adalah
biaya yang
dikeluarkan
untuk
membeli
barang.
Besarnya biaya pembelian
ini
tergantung pada
jumlah
barang
yang
dibeli
dan
harga
satuan
barang.
Biaya
pembelian
menjadi
faktor
penting
ketika
harga
barang
yang
dibeli
tergantung pada
ukuran
pembelian.
Situasi ini akan
diistilahkan
sebagai
quantity discount
atau price
break dimana
harga
barang
per-unit
akan
turun
bila
jumlah
barang
yang
dibeli
meningkat.
•
Biaya Pengadaan (P®ocurement Cost)
Biaya
pengadaan
dibedakan
atas
2 jenis
sesuai asal-usul
barang,
yaitu biaya
pemesanan
(ordering cost) bila
barang
yang
diperlukan
diperoleh
dari
pihak
luar
(supplier) dan
biaya
pembuatan
(setup
cost)
bila
barang
diperoleh
dengan
memproduksi sendiri.
Biaya Pemesanan (
Ordering Cost
= k)
|
 Biaya pemesanan adalah semua pengeluaran
yang timbul
untuk
mendatangkan barang dari
luar. Biaya ini meliputi biaya
untuk
menentukan
pemasok
(supplier), pengetikan
pesanan,
pengiriman
pesanan, biaya
pengangkutan,
biaya
penerimaan
dan seterusnya.
Biaya
ini
diasumsikan
konstan untuk setiap kali pesan.
Biaya Pembuatan (
Setup Cost
= k)
Biaya
pembuatan adalah
semua
pengeluaran
yang
timbul
dalam
mempersiapkan
produksi suatu
barang.
Biaya
ini timbul
di
dalam
pabrik
yang
meliputi
biaya
menyusun
peralatan produksi,
menyetel mesin,
mempersiapkan gambar kerja.
Karena
kedua
biaya
tersebut
mempunyai
peran
yang
sama,
yaitu
pengadaan
barang,
maka kedua
biaya
tersebut
disebut sebagai
biaya
pengadaan (procurement ©ost).
•
Biaya Penyimpanan (
Holding
Cost/Carrying
Cost = h)
Biaya
simpan
adalah
semua
pengeluaran
yang
timbul
akibat
menyimpan
barang.
Biaya ini meliputi:
Biaya Memiliki Persediaan (biaya modal)
Penumpukan
barang
di
gudang
berarti
penumpukan
modal,
dimana
modal
perusahaan
mempunyai
ongkos
(expense) yang
dapat
diukur
dengan
suku
bunga
bank. Oleh karena itu, biaya yang ditimbulkan
karena
memiliki
persediaan harus diperhitungkan dalam biaya sistem persediaan. Biaya
memiliki
persediaan
diukur
sebagai
persentase
nilai
persediaan
untuk
periode waktu tertentu.
Biaya Gudang
Barang
yang disimpan
memerlukan
tempat
penyimpanan
sehingga
timbul
biaya gudang.
Bila gudang dan peralatannya disewa
maka biaya gudangnya
|
 merupakan
biaya
sewa sedangkan
bila
perusahaan
mempunyai
gudang
sendiri maka biaya gudang merupakan biaya depresiasi.
Biaya Kerusakan dan Penyusutan
Barang
yang disimpan
dapat
mengalami kerusakan
dan
penyusutan
karena
beratnya berkurang
ataupun
jumlahnya
berkurang
karena hilang.
Biaya
kerusakan dan penyusutan diukur dari pengalaman sesuai dengan
persentasenya.
Biaya Kadaluarsa
Barang
yang
disimpan
dapat
mengalami penurunan
nilai
karena
perubahan
teknologi
dan
model
seperti
barang-barang
elektronik.
Biaya kadaluarsa
biasanya diukur dengan besarnya penurunan nilai jual dari barang tersebut.
Biaya Asuransi
Barang
yang disimpan
diasuransikan untuk
menjaga
hal-hal
yang
tidak
diinginkan
seperti
kebakaran.
Biaya
asuransi tergantung
jenis
barang
yang
diasuransikan dan perjanjian dengan perusahaan asuransi.
Biaya Administrasi dan pemindahan
Biaya ini dikeluarkan untuk mengadministrasi persediaan barang yang ada,
baik
pada
saat
pemesanan,
penerimaan
barang maupun
penyimpanan
dan
biaya
untuk memindahkan
barang
dari,
ke,
dan
di
dalam
tempat
penyimpanan, termasuk upah buruh dan biaya peralatan handling.
•
Biaya Kekurangan Persediaan
Bila
perusahaan
kehabisan barang pada saat permintaan, maka akan terjadi
keadaan
kekurangan
persediaan.
Keadaan
ini
akan menimbulkan
kerugian
karena
proses
produksi akan
terganggu
dan kehilangan
kesempatan
mendapatkan
keuntungan
atau kehilangan
konsumen pelanggan
karena
|
|
kecewa sehingga beralih ke
tempat lain. Biaya kekurangan persediaan dapat
diukur dari:
a.Kuantitas yang dapat dipenuhi
Biasanya
diukur
dari
keuntungan
yang
hilang
karena
tidak
dapat
memenuhi permintaan atau dari kerugian akibat terhentinya proses
produksi.
b.Waktu pemenuhan
Lamanya
gudang
kosong berarti
lamanya
proses
produksi terhenti
atau
lamanya
perusahaan tidak
mendapatkan
keuntungan, sehingga waktu
mengganggur.
c. Biaya pengadaan darurat
Supaya
konsumen
tidak
kecewa
maka dapat dilakukan
pengadaan
darurat
yang biasanya menimbulkan biaya yang lebih besar dari pengadaan
normal.
Kelebihan
biaya
dibandingkan
pengadaan
normal
ini dapat
dijadikan
ukuran
untuk
menentukan biaya
kekurangan
persediaan dengan
satuan misalnya : Rp/setiap kali kekurangan.
2.1.3.5 Penentuan Metode Inventory
1. Permintaan Dependent
Vs Permintaan Independent
Model pengendalian
persediaan mengasumsikan bahwa permintaan untuk suatu
barang bersifat independen atau dependen terhadap permintaan
barang lainnya.
2.
Biaya Penyimpanan, Pesanan,
dan Pemasangan
Biaya
penyimpanan
(holding cost) adalah
biaya–biaya
yang
berkaitan
dengan
penyimpanan atau
penahanan persediaan sepanjang waktu
tertentu.
Oleh karena
itu,
biaya
penyimpanan
juga
mencakup biaya
yang
berkaitan
dengan
gudang,
seperti
biaya
asuransi,
staffing
tambahan,
dan
pembayaran
bunga.
Biaya
pemesanan
(ordering
cost)
mencakup
biaya-biaya pasokan,
formulir, pemrosesan
|
|
pesanan, tenaga para pekerja
dan sebagainya. Biaya pemasangan adalah biaya-
biaya
untuk mempersiapkan
mesin atau
proses
untuk
memproduksi
pesanan.
Manajer operasi
dapat
menurunkan
biaya
pesanan dengan
mengurangi
biaya
pemasangan
dan
dengan
menggunakan
prosedur
yang
efisien semacam
pembayaran dan pemesanan elektronik.
3. Model Persediaan untuk Permintaan Independent
Pada
bagian
ini,
kami
akan memperkenalkan
tiga
model
persediaan
yang
mengedepankan
dua
pertanyaan
penting
:
kapan
pemesanan dilakukan
dan
berapa banyak yang akan dipesan. Model-model permintaan independent adalah :
a. Model dasar
Economic Order Quantity (EOQ)
b. Model
Production
Order Quantity
c.
Model Quantity
Discount
4. Model Dasar Economic Order Quantity (EOQ)
EOQ
merupakan
salah
satu
teknik
pengendalian
persediaan tertua
dan
paling
terkenal.
Teknik
ini
relatif
mudah
digunakan,
tetapi didasarkan pada
beberapa
asumsi:
a.
Tingkat permintaan diketahui dan bersifat konstan.
b.
Lead time,
yaitu waktu
antara pemesanan dan penerimaan pesanan,
diketahui dan bersifat konstan.
c.
Persediaan
diterima
dengan
segera.
Dengan
kata
lain,
persediaan
yang dipesan tiba dalam bentuk kumpulan produk, pada satu waktu.
d. Tidak mungkin diberikan diskon.
e. Biaya
variabel
yang muncul
hanya
biaya
pemasangan atau
pemesanan dan
biaya
penahanan atau
penyimpanan
persediaan
sepanjang waktu.
|
|
f.
Keadaan
kehabisan
stok
(kekurangan)
dapat
dihindari
sama
sekali
bila pemesanan dilakukan pada waktu yang tepat.
5. Minimisasi Biaya
Tujuan dari kebanyakan
model
persediaan
adalah untuk meminimisasi
biaya
total
(keseluruhan).
Biaya
yang signifikan adalah
biaya pemasangan (pemesanan)
dan
biaya
penahanan
(penyimpanan).
Biaya yang lainnya seperti
biaya
persediaan
itu
sendiri, sifatnya
konstan.
Dengan
model
EOQ,
jumlah
pesanan
optimal
akan
muncul
di
titik
di
mana
biaya
pemasangan
totalnya
sama
dengan
biaya
penahanan total.
Dengan
menggunakan
kenyataan
ini,
dikembangkanlah
bersamaan yang langsung mencari nilai Q*. Tahapan yang harus dilakukan
adalah:
1.
Mengembangkan persamaan untuk biaya pemasangan atau pemesanan.
2.
Mengembangkan persamaan untuk biaya penahanan atau penyimpanan.
3.
Menetapkan biaya pemasangan sama dengan biaya penahanan.
4.
Menyelesaikan persamaan
dengan hasil angka jumlah pesanan yang optimal.
Dengan
menggunakan
variabel-variabel
di
bawah
ini,
kita
dapat
menentukan
biaya pemasangan dan penyimpanan, sehingga didapatkan nilai Q* :
Q
= Jumlah barang setiap pemesanan
Q*
= Jumlah optimal barang per pemesanan (EOQ)
D
= Permintaan tahunan barang persediaan, dalam unit
S
= Biaya pemasangan atau
pemesanan untuk setiap pesanan
H
= Biaya penahanan atau penyimpanan per unit per tahun
1.
Biaya pemasangan tahunan = (jumlah
pesanan yang dilakukan per
tahun) (biaya pemasangan atau pemesanan setiap kali pesan)
|
 2.
Biaya
penyimpanan
tahunan
=
(
tingkat
persediaan
rata-rata
)
(
biaya
penyimpanan per unit per tahun )
=
Q
H
2
3. Jumlah
pesanan
optimal
ditemukan
pada
saat
biaya
pemasangan
tahunan dengan biaya penyimpanan tahunan yakni :
4. Untuk
mendapatkan
nilai
Q*,
lakukan
perkalian
silang
dan
pisahkan
Q
disebelah kiri tanda sama dengan.
2 DS = Q²H
Q² = 2 DS
H
Q* = v 2 DS
H
Biaya
persediaan
tahunan
merupakan
penjumlahan
biaya
pemesanan
dan biaya penyimpanan :
Biaya Tahunan Total = biaya pemesanan + biaya penyimpanan
Dalam
konteks
variabel-variabel
yang ada
dimodel
EOQ, kita
akan dapat
menuangkan biaya total sebagai :
|
 TC = D S + Q H
Q
2
Titik Pemesanan Ulang (Reorder point)
Setelah
kita menentukan
berapa
yang
akan
dipesan,
kita
akan
melihat
kepada
pertanyaan
persediaan
yang kedua,
kapan
pesanan
akan
dilakukan. Model
persediaan
sederhana mengamsumsikan
bahwa suatu
perusahaan akan
menunggu
sampai tingkat
persediaannya
mencapai nol
sebelum perusahaan memesan lagi dan dengan seketika kiriman yang
akan
dipesan akan
diterima.
Akan
tetapi,
waktu antara
dilakukannya
pemesanan,
disebut
lead time
atau
waktu
pengiriman,
bisa
cepat,
beberapa jam
atau lambat, beberapa bulan. Maka keputusan kapan akan
memesan
biasanya
diungkapkan
dalam kontek
titik
pemesanan
ulang,
tingkat persediaan dimana harus dilakukan pemesanan.
ROP
=
(permintaan
per
hari)
(lead
time
untuk
pemesanan
baru
dalam hari)
= d x L
Permintaan
per
hari, dicari
dengan
membagi
permintaan tahunan,
D,
dengan jumlah hari kerja per tahun :
D = D
Jumlah hari kerja per tahun
|
 2.14
Literature Review
Keterangan
Judul
Pengarang
Hasil
Ukuran Akurasi
Hasil Penelitian
MAD dan
MSE
Management Expose
Volume 8,No. 17,
September 2008
ISSN 1410-8631
Analisi Analisis
Peramalan Penjualan
pada PT Multi Megah
Mandiri Tahun
2009p.60 -
78
Haryadi Sarjono
Dengan menggunakan
metode peramalan
moving average, metode
double moving average,
metode eksponential
smoothing, metode
eksponensial smoothing
with trend diperoleh hasil
MAD dan
MSE nya dan
untuk hasil MAD dan MSE
yang paling terkecil dan
yang paling akurat
kebenaran peramalannya
terdapat pada metode
eksponential
smoothing
Menerapkan sistem
peramalan dan
inventory
Business strategy,
p.85 2006
Hendi; dkk
Dengan menerapkan
sistem inventory dan
peramalan dapat
meningkatkan kinerja
perusahaan.
Dan dapat
juga mengendalikan
internal dan eksternal
perusahaan.
Dapat
mengetahui EOQ dan
ROP.
|
 2.2
Kerangka Pemikiran
STUDI PENDAHULUAN
Kaji Pustaka
IDENTIFIKASI MASALAH
1.
Latar Belakang Masalah
2. Pembatasan Masalah
3. Perumusan Masalah
•
Bagaimanakah
pengelolaan
persediaan
produk
pada
PT.
Megatama
Multiteknika Abadi saat ini?
•
Apa
saja
langkah
yang
perlu
dilakukan
PT.
Megatama
Multiteknika
Abadi agar dapat meminimumkan biaya pengadaan persediaan?
TUJUAN PENELITIAN Menjawab Ke
dua perumusan masalah diatas
LANDASAN TEORI
•
Manajemen dan Perencanaan
Operasional
•
Peramalan
•
Persediaan
PENGUMPULAN DATA
WAWANCARA
PERENCANAAN PENGELOLAAN PERSEDIAAN
DI PT. MEGATAMA MULTITEKNIKA ABADI
|
 Latar belakang menggunakan pendekatan Forecasting dan Iventory dalam membuat
PERENCANAAN PENGELOLAAN PERSEDIAAN DI PT. MEGATAMA MULTITEKNIKA ABADI
PENGOLAHAN DATA
Analisis Forecasting
Analisis Inventory
Analisis Forecasting
di bagi menjadi
empat Metode
Dalam Inventory
terdapat tiga macam
biaya
MAD
MSE
MFE
MAPE
EOQ,Average Inventory,Order per
period, Annual Setup cost, Annual
Holding Cost, Total unit cost & ROP
Analisis Forecasting
menggunakan
perhitungan manual
dan program QM
Analisis Inventory
menggunakan
perhitungan manual
dan program QM
OUTPUT
SIMPULAN DAN SARAN
Gambar 2.2:
Kerangka Pemikiran
|