|
BAB 2
KAJIAN PUSTAKA,KERANGKA PEMIKIRAN,DAN HIPOTESIS
2.1 Kajian Pustaka
2.1.1Pengertian manajemen
Pengertian manajemen menurut Hasibuan dalam bukunya manajemen (2003 : 1)
“Manajemen adalah ilmu dan seni mengatur proses pemanfaatan sumber daya
manusia dan sumber-sumber lainnya secara efektif dan efisien untuk mencapai tujuan
tertentu.”
Sedangkan menurut Manullang dalam bukunya Dasar-Dasar Manajemen (2004
:
5)
manajemen didefinisikan sebagai berikut :
“Manajemen
adalah
seni
ilmu
perencanaan,
pengorganisasian,
penyusunan,
pengarahan dan pengawasan untuk mencapai tujuan yang sudah ditetapkan.”
Dari definisi-definisi tersebut, dapat disimpulkan bahwa manajemen merupakan suatu
proses dimana
suatu
organisasi
dalam
melakukan
suatu
usaha
harus mempunyai
|
|
prinsip-prinsip
manajemen
dengan
menggunakan sumber
daya
yang
dimiliki
oleh
perusahaan dalam mencapai tujuan perusahaan.
2.1.2 Pengertian Manajemen Operasi
Menurut
Jay
Heizer
dan
Barry
Render
(2005
:
4),
manajemen operasi
adalah
serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan
mengubah input menjadi output.
Sedangkan menurut Eddy Harjanto (2007 : 2) adalah :
“Manajemen
operasi
adalah
merupakan
suatu
kegiatan
yang
berhubungan dengan
pembuatan barang, jasa, dan kombinasinya, melalui proses transformasi dari sumber
daya produksi menjadi keluaran yang diinginkan.”
Jadi,
manajemen operasi
adalah
suatu
rangkaian
kegiatan
dalam
mengubah
atau
mentransformasikan semua masukan (input) perusahaan menjadi keluaran atau output
perusahaan.
2.1.3 Saluran Distribusi
Penentuan
saluran
distribusi
dalam
suatu
perusahaan merupakan salah
satu
keputusan yang sangat penting bagi perusahaan. Dimana perusahaan berusaha agar
|
|
dengan saluran distribusi yang dipilih,dapat membantu penyaluran produknya dengan
tepat.
Dengan
demikian
akan
memudahkan
konsumen
untuk
melakukan pembelian
produk yang mereka
butuhkan,dan
dapat bekerja
secara efektif dan efisien bagi
kedua belah pihak yaitu konsumen dan produsen.
Berikut
ini
beberapa
pengertian saluran
distribusi
menurut teori
dari
beberapa
sumber :
Saluran
distribusi menurut Kotler (2007 : 122), dalam bukunya
“Manajemen
Pemasaran” yaitu:
“Saluran
distribusi
merupakan
organisasi-organisasi yang
saling
tergantung
yang
tercakup dalam proses
yang
membuat
produksi
atau
jasa
menjadi
tersedia
untuk
digunakan atau dikonsumsi”.
Sedangkan menurut Saladin (2006 : 153), menyebutkan bahwa :
“Saluran distribusi adalah serangkaian organisasi yang saling tergantung yang terlibat
dalam
proses
untuk
menjadikan suatu produk
atau
jasa siap
untuk
digunakan atau
dikonsumsi”.
Menurut Yunarto (2006 : 42) menyatakan bahwa dalam saluran distribusi dikenal tiga
komponen utama
yaitu
Intermediary
(perantara), Agent
(agen),
&
facilitator
(fasilitator).
|
|
-
Intermediary (perantara) adalah pihak-pihak seperti wholeseller (grosir /
pedagang besar) dan retailer (pengecer) yang membeli barang,
memilikinya
dan
menjual kembali barang tersebut. Wholeseller dan retailer sering disebut
juga dengan istilah merchant (pedagang).
-
Agent
(agen/wakil)
adalah
pihak-pihak
seperti
broker
(pedagang
perantara
yang
biasanya dibayar
dengan
imbalan komisi)
dan
sales
agent
(agen
penjualan). Broker
dan
agent
akan
mencari
pembeli,
bertindak
di
pihak
penjual,
negosiasi dengan
pembeli,
tetapi
tidak
memiliki barang
yang
diperantarakan atau diperdagangkan itu.
-
Facilitator (fasilitator) adalah pihak-pihak
lain
yang
memfasilitasi atau
membantu
proses
distribusi
dalam
hal
pengiriman secara
fisik,
pengiriman
informasi, ataupun
proses
pembayaran.
Fasilitator
adalah
pihak ketiga
yang
tidak terlibat proses jual-beli barang dan
tidak memiliki barang
yang dikirim
atau
diperdagangkan tersebut.
Jadi
disini
tugas
fasilitator
hanyalah
untuk
membantu
dan
kemudian
dia
dibayar
atas
bantuan
yang
diberikannya ini.
Contoh
dari
fasilitator
adalah
perusahaan
transportasi/
ekspedisi, bank
,
provider
internet
(untuk
pertukaran informasi),
biro
iklan,
independent
warehouse (gudang milik perusahaan lain).
Dari definisi-definisi di
atas, dapat
disimpulkan
bahwa
pengertian
saluran
distribusi
mempunyai kegiatan
untuk
menyalurkan barang
atau
jasa
dari
produsen
kepada konsumen,sehingga segala kegiatan yang dilakukan oleh perusahaan terutama
|
|
yang
menyangkut dengan
distribusi
dapat
berjalan
sesuai
dengan
yang
telah
ditetapkan.
2.1.4 Fungsi Saluran Distribusi
Sebuah
saluran distribusi melaksanakan tugas memindahkan barang dari produsen
ke konsumen.
Menurut Saladin (2006 : 154) dalam buku “Manajemen Pemasaran”, fungsi-fungsi
dari saluran distribusi adalah sebagai berikut :
1. Informasi,
yaitu sebagai pengumpul dan penyebar
informasi riset pemasaran
tentang potensi
dan
kemampuan
pasar,
pesaing
dan
kekuatan-kekuatan
lain
dalam lingkungan pemasaran.
2. Promosi, yaitu sebagai pengembangan dan penyebaran komunikasi.
3. Negosiasi, yaitu usaha untuk mencapai persetujuan akhir mengenai harga dan
hal-hal lain yang berhubungan dengan perpindahan hak milik.
4. Pemesanan,
yaitu komunikasi
saluran ke belakang
mengenai
minat pembeli
oleh anggota saluran pemasaran ke produsen.
5.
Pembiayaan,
yaitu
permintaan dan
penyebaran dana
untuk
menutup
biaya
saluran distribusi tersebut.
6.
Pengambilan resiko,
yaitu
perkiraan
besar
resiko
berkaitan
dengan
pelaksanaan pekerjaan saluran tersebut.
|
|
7. Kepemilikan
fisik,
yaitu
milik
dari penyimpangan
dan pergerakan
barang
secara fisik dari bahan mentah sampai ke konsumen akhir.
8. Pembayaran, yaitu arus pembayaran atau uang kepada penjual atas jasa atau
produk yang telah diserahkan.
9. Kepemilikan,
yaitu arus kepemilikan dari
suatu lembaga pemasaran ke
lembaga pemasaran lainnya.
Dari definisi fungsi-fungsi saluran distribusi di atas dapat disimpulkan bahwa
saluran
distribusi
tersebut
dapat
membantu
perusahaan
mempercepat kegiatan
operasional
perusahaan
yang
lebih
efektif
dan
penyalurannya dapat
dilakukan
dengan tepat.
2.1.5. Model Distribusi
Menurut Yunarto (2006 : 49), Diantara producer dan customer bisa memiliki
intermediary
atau
tidak.
Berdasar
pada
ada
tidaknya
intermediary. Distribution
channel dapat dibagi menjadi dua, yaitu :
-
Direct channel terjadi ketika produser langsung berhubungan dengan pemakai
akhir dan tanpa melalui intermediary. Beberapa contoh sistem direct channel
|
|
adalah direct sales, direct marketing, on-line marketing, tele-marketing,
agent, dan lain-lain.
-
Indirect channel terjadi
jika ada intermediary diantara produser dan pemakai
akhir. Jumlah intermediary menentukan panjang pendeknya channel. Jika ada
satu
intermediary
maka
disebut
channel
1
level,
dua
intermediary disebut
channel 2 level, dan seterusnya.
Menurut Yunarto
(2006
:
50)
:
“
Model
dari distribution channel dapat
dikelompokkan berdasar tiga kelompok besar berdasarkan jenis produknya, yaitu
:
consumer products (produk konsumsi), industrial products (produk industri) dan
services (jasa).”
2.1.6 Tingkatan dalam Saluran Distribusi
Perusahaan sebagai
penyaji
produk
atau
jasa
dan
pelanggan
akhir
merupakan
bagian
dari
tiap
saluran.
Perusahaan
menggunakan jumlah
level
perantara
untuk
menentukan panjang suatu saluran.
Menurut Saladin (2006
:
155) dalam buku “Manajemen Pemasaran”, menyebutkan
bahwa tingkatan saluran distribusi terdiri dari :
|
|
1. Saluran Nol-Tingkat (A Zero Level)
Terdiri dari satu perusahaan yang menjual langsung produknya ke pelanggan
akhir, atau dari produsen ke konsumen. Dilakukan dengan 4 cara yaitu :
a. Dari rumah ke rumah
b. Arisan rumah
c. Lewat pos
d. Lewat toko-toko perusahaan
1. Saluran Satu Tingkat (A One-Level Channel)
Berisi satu perantara penjualan. Di dalam saluran distribusi barang konsumsi,
perantara
ini
merupakan pedagang
besar
atau
grosir,
sedangkan di
dalam
saluran barang industri ini mereka merupakan tenaga penjual representative.
2. Saluran Dua Tingkat (Two Level Channel)
Berisi
dua
perantara yang dalam pasar
barang konsumsi mereka
umumnya
adalah
pedagang
besar
dan
pengecer,
sedangkan dalam
saluran
distribusi
barang
industri
mereka
merupakan sebuah penyalur
tunggal dan distributor
industri.
3. Saluran Tiga-Tingkat (A Three Level Channel)
Berisi tiga perantara, yaitu pedagang besar, pemborong dan pengecer.
4. Saluran Aneka Tingkat (Higher Level Channel)
Saluran distribusi lebih dari tiga tingkat.
|
 Selain
saluran
distribusi barang
konsumsi juga
terdapat
saluran
distribusi barang
industri.
Menurut Yunarto (2006 : 51), Contoh barang konsumsi adalah seperti sabun,
mie, permen, rokok, minuman kaleng, pengharum baju, dan lain-lain.
Contoh barang industri adalah peralatan untuk industry seperti mata bor , nozzle (alat
penyemprot), valve (katub) , crane (derek), kompresor, switch (saklar), batu
gerinda,
cutting
tool
(alat
pemotong), hand
tool
(seperti
kunci
pas,
obeng,
tang,
dan
sebagainya),
industry
lubricant (pelumas
untuk
industri),
stamping
machine
(mesin
untuk membuat kode tertentu di logam), dan lain-lain.
0 Level
1 Level
2 Level 3 Level
Produsen
Produsen
Produsen
Produsen
Wholesaler
Wholesaler
Jobber
Retailer
Retailer
Retailer
|
 Konsumen
Konsumen
Konsumen
Konsumen
Gambar 2.1
A. Saluran Distribusi Konsumsi
Sumber : Kotler (2007 : 130)
Produsen
Produsen
Produsen
Produsen
Manufacturer’s
Representatif
Manufacturer’s
Representatif
Industrial
Distributor
|
 Konsumen
Industri
Konsumen
Industri
Konsumen
Industri
Konsumen
Industri
Gambar 2.2
A. Saluran Distribusi Industri
Sumber : Kotler (2007 : 130)
2.1.7 Faktor-Faktor dalam Pemilihan Saluran Distribusi
Keputusan-keputusan saluran
distribusi
merupakan
keputusan
yang
komplek
dan
penuh tantangan
yang
harus
dihadapi oleh perusahaan. Setiap sistem
saluran
distribusi
menciptakan
tingkat
penjualan
dan
biaya
yang
berbeda-beda dan apabila
saluran
distribusi sudah
dipilih,maka saluran
distribusi
yang sudah
dipilih
itu
akan
memberi
pengaruh
terhadap
penjualan.
Dalam
menentukan saluran
distribusi
perlu
memperhatikan faktor-faktor yang mempengaruhinya.
Saat memilih
saluran distribusi, terdapat berbagai
faktor yang mempengaruhinya,
penjelasan mengenai faktor-faktor yang mempengaruhi pemilihan dalam saluran
|
|
distribusi dikemukakan
oleh
Saladin
(2006
:
157)
dalam
buku
“Manajemen
Pemasaran” yaitu:
A. Ciri-ciri produk:
1. Cepat atau tidak rusaknya produk tersebut.
2. Produk yang tidak terstandarisasi.
3. Nilainya tinggi.
4. Memerlukan jasa-jasa instalasi atau pelayanan.
B. Ciri-ciri perantara :
1. Kekuatan dan kelemahan perantara.
2. Kemampuan
untuk
melaksanakan
fungsi-fungsi
seperti
promosi,negosiasi,penyimpanan dan lain-lain.
C. Ciri-ciri pesaing
Mengetahui bagaimana pesaing menggunakan jasa-jasa perantara.
D. Ciri-ciri perusahaan:
1. Keunggulan dan kelemahan finansial.
2. Ukuran perusahaan.
3. Kemampuan dan kejujuran perusahaan atau perantara.
E. Sifat lingkungan
1. Kondisi perekonomian
2. Peraturan
|
|
2.1.8 Output Jasa Saluran Distribusi
Perusahaan perlu menggunakan saluran distribusi yang berbeda. Dalam pasar yang
lebih
kecil,perusahaan langsung
menjual
ke
pengecer.
Di
pasar
yang
lebih
besar,
perusahaan mungkin menjual melalui distributor.
Menurut
Saladin
(2006
:
153)
dalam
buku
“Manajemen
Pemasaran”, dalam
merancang saluran
pemasaran, pemasar
harus
memahami
level
output
jasa
yang
diinginkan pelanggan sasaran. Saluran menghasilkan lima output jasa :
1. Ukuran jumlah (lot size) : ukuran lot adalah jumlah unit yang diperbolehkan
oleh
saluran
distribusi
untuk
dibeli
oleh
satu
pelanggan biasa
setiap
kali
pembelian.
2. Waktu
tunggu
(waiting
time):
waktu
tunggu
adalah
rata-rata
waktu
tunggu
dari
pelanggan saluran untuk menerima barang, pelanggan biasanya
menginginkan saluran pengiriman yang cepat.
3. Kenyamanan tempat (spatial convenience) : kenyamanan tempat menyatakan
tingkat kemudahan yang disediakan
saluan pemasaran bagi pelanggan untuk
membeli produk tersebut.
4.
Keragaman
produk
(product
variety)
:
variasi produk
menyatakan luasnya
keragaman yang
diberikan oleh
saluran
distribusi.
Biasanya
memilih
keragaman yang lebih banyak karena meningkatkan peluang pelanggan untuk
menemukan barang yang
dibutuhkan.
|
|
2.1.9 Pengertian biaya
Pengertian biaya menurut Mulyadi (2005 : 8) dijelaskan sebagai berikut :
“Dalam
arti
luas
biaya adalah pengorbanan sumber
ekonomi,
yang diukur dalam
satuan
uang,
yang
telah
terjadi
atau
yang
kemungkinan akan
terjadi
untuk tujuan
tertentu.”.
“Dalam arti sempit biaya dapat diartikan sebagai pengorbanan sumber ekonomi untuk
memperoleh aktiva.” Mulyadi (2005 : 9)
Menurut Heizer dan Render (2006,415): ”Biaya lokasi dapat dibagi menjadi
dua kategori sebagai berikut:
1.
Biaya
nyata
(tangible
costs)
adalah
biaya-biaya yang
langsung
dapat
dikenali dan
dapat
dihitung secara
tepat.
Biaya
nyata
meliputi biaya
layanan umum (seperti, listrik dan air), tenaga kerja, bahan mentah, pajak,
penyusutan, dan biaya lain yang dapat dikenali oleh departemen keuangan
dan pihak manajemen.”
2. Biaya
tidak
nyata (intangible costs)
lebih
sulit
untuk ditentukan. Biaya
tidak nyata meliputi kualitas pendidikan, fasilitas transportasi umum,
sikap masyarakat
terhadap industri dan perusahaan,
juga kualitas dan
sikap
calon
karyawan.
Biaya tidak nyata juga
meliputi
variabel standar
|
|
hidup, seperti
iklim dan
kelompok olahraga,
yang dapat
mempengaruhi
proses rekrutmen karyawan.
Berdasarkan
pengertian di atas, dapat disimpulkan bahwa biaya transportasi adalah
pengorbanan sumber ekonomi yang terjadi selama proses pemindahan barang dari
sumber ke tempat tujuan.
2.1.10 Pengertian Peramalan
Menurut Jay Heizer, Render Barry(2009 : 162) Peramalan (forecasting)
adalah seni atau ilmu untuk memperkirakan kejadian di masa depan.
Mulyono
(2000),
memberikan definisi
peramalan
sebagai
suatu
proses
memperkirakan secara
sistematis
tentang
apa
yang
paling
mungkin
terjadi
di
masa
depan berdasarkan informasi
masa
lalu dan
sekarang yang dimiliki, agar kesalahan
dapat
diperkecil. Peramalan juga
dapat
diartikan
sebagai
uasaha
memperkirakan
perubahan.
Agar
tidak
disalahpahami
bahwa
peramalan
tidak
memberikan
jawaban
yang
pasti
tentang
apa
yang
akan
terjadi,
melainkan akan
mencari
yang
sedekat
mungkin dengan yang akan terjadi.
Peramalan
adalah
proses
untuk
memperkirakan berapa
kebutuhan
di
masa
datang
yang
meliputi kebutuhan dalam
ukuran kuantitas, kualitas, waktu dan lokasi
yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Salah satu
jenis peramalan
adalah peramalan
permintaan.
Peramalan
permintaan
merupakan
|
|
tingkat permintaan produk –
produk
yang
diharapkan akan terealisasi
untuk
jangka
waktu tertentu pada masa yang akan datang (Nasution : 2005).
Peramalan atau forecasting adalah suatu proses
untuk memperkirakan berapa
kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas,
waktu
dan
lokasi
yang
dibutuhkan dalam
rangka
memenuhi
permintaan
barang
ataupun jasa. Forecasting yang akurat merupakan informasi yang sangat dibutuhkan
dalam pengambilan keputusan manajemen.
James Golden, John Milewicz and Paul Herbig pada Management Decision, Vol. 32
mengartikan :
“Forecasting is predicting, projecting, or estimating some future event or condition
which
is
outside
an
organization’s control
and
provides
a
basis
for
managerial
planning.”
Jadi
dapat
disimpulkan bahwa
peramalan
adalah
proses
memperkirakan
keadaan atau informasi yang akan terjadi di masa depan.
2.1.11 Jenis- jenis Peramalan
Menurut Jay Heizer, Render Barry (2009 : 164) :
Pada
umumnya, berbagai organisasi
menggunakan tiga jenis
peramalan yang
utama
dalam perencanaan operasi dimasa depan.
|
|
1. Peramalan ekonomi
menjelaskan
siklus
bisnis
dengan
memprediksikan
tingkat
inflasi,ketersediaan uang,
dana
yang
dibutuhkan
untuk
membangun
perumahan, dan indicator perencanaan lainnya.
2. Peramalan
teknologi
memperhatikan tingkat kemajuan
teknologi
yang
dapat
meluncurkan
produk
baru
yang
menarik
yang
membutuhkan pabrik
dan
peralatan baru.
3. Peramalan permintaan adalah proyeksi permintaan untuk produk atau layanan
suatu
perusahaan. Peramalan
ini
disebut
juga
peramalan penjualan
yang
mengendalikan produksi, kapasitas, serta sistem penjualan dan
menjadi input
bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.
2.1.12. Pendekatan dalam peramalan
Menurut John E. Hanke,Dean W. Wichern, International Edition (2006 : 78)
metode peramalan dapat dibagi 2 yaitu :
A. Metode peramalan kualitatif atau subyektif
“Qualitative forecasting techniques relied
on
human judgments
and
intuition
more
than
manipulation of
past
historical
data,”
atau
metode
yang
hanya
didasarkan
kepada penilaian dan intuisi, bukan kepada pengolahan data historis.
B.
Metode Peramalan Kuantitatif
|
|
Sedangkan peramalan kuantitatif diterangkan sebagai :
“Quantitative techniques
that
need
no
input
of
judgments;
they
are
mechanical
procedures that produce quantitative result and some quantitative procedures require
a
much
more
sophisticated
manipulation
of
data
than
do
other,
of
course”
atau
metode yang tidak memerlukan penilaian, melainkan data.
Menurut Jay Heizer, Render Barry (2009 : 167) :
“Terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara
mengatasi semua
model
keputusan. Pendekatan yang
satu adalah analisis kuantitatif
(quantitative forecast) dan pendekatan lain adala analisis kualitatif.
Peramalan
kuantitatif
(quantitative
forecast)
menggunakan model
matematis
yang
beragam dengan
data
masa
lalu
dan
variable
sebab-akibat
untuk
meramalkan
permintaan. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan
faktor,
seperti
intuisi,
emosi,
pengalaman pribadi,
dan
sistem
nilai
pengambil
keputusan untuk meramal.
2.1.13. Model – model peramalan
Menurut Jay Heizer,Rende Barry (2009
:
167) : Peramalan metode kualitatif
terdiri dari :
|
|
1. Juri dari opini eksekutif (jury of executive opinion). Dalam metode ini,
pendapat sekelompok kecil
manajer atau
pakar
tingkat
tinggi
umumnya
digabungkan
dengan
model
statistik, dikumpulkan
untuk mendapatkan
prediksi permintaan kelompok.
2. Metode
Delphi
(Delphi
Method).
Ada tiga
jenis
partisipan
dalam
metode
Delphi : pengambil keputusan, karyawan, dan reponden. Pengambil keputusan
biasanya
terdiri
atas
5
hingga 10
orang
pakar
yang
akan
melakukan
peramalan.
Karyawan
membantu
pengambil
keputusan dengan
menyiapkan,
menyebarkan,
mengumpulkan, serta
meringkas
sejumlah kuesioner dan
hasil
survei.
Responden adalah
sekelompok orang
yang
biasanya
ditempatkan di
tempat yang berbeda dimana penilaian dilakukan. Kelompok ini
memberikan
input pada pengambil keputusan sebelum peramalan dibuat.
3.
Komposit
tenaga penjualan
(sales
force
composite).
Dalam
pendekatan ini,
setiap tenaga penjualan memperkirakan berapa penjualan yang dapat
ia capai
dalam wilayahnya. Kemudian, peramalan ini dikaji untuk memastikan apakah
peramalan cukup
realistis.
Kemudian, peramalan tersebut
digabungkan pada
tingkat
wilayah dan
nasional
untuk
mendapatkan peramalan secara
keseluruhan.
4. Survei pasar konsumen (consumer market survey). 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.
Survei
konsumen
dan
gabungan
tenaga
|
|
penjualan bisa
jadi
tidak benar karena peramalan
yang berasal dari input
konsumen yang terlalu optimis.
Sedangkan peramalan metode kuantitatif terdiri dari :
1. 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. Model deret waktu terdiri dari :
-
Pendekatan naïf
Cara
paling
sederhana untuk
meramal
adalah
berasumsi
bahwa
permintaan
diperiode
mendatang
akan
sama
dengan
permintaan pada
periode
terakhir.
Pendekatan naïf
(naïve approach)
ini
merupakan
model
peramalan
objektif
yang paling efektif dan efisien dari segi
biaya. Paling tidak pendekatan naïf
memberikan
titik
awal
untuk
perbandingan dengan
model
ain
yang
lebih
canggih.
-
Rata- rata bergerak
|
 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
sedehana
(merupakan
prediksi
permintaan periode mendatang) dinyatakan sebagai berikut :
Rata-rata bergerak =
?
?
?
?
?
????
?
Dimana :
n = jumlah periode dalam rata-rata bergerak
-
Penghalusan eksponensial
Penghalusan eksponensial merupakan
metode
peramalan
rata-rata
bergerak
dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini
menggunakan pencatatan
masa
lalu
yang
sangat sedikit.
Rumus penghalusan
eksponensial dasar dapat ditunjukkan sebagai berikut.
Peramalan
baru
=
peramalan
periode
terakhir
+
a(permintaan sebenarnya
periode terakhir – peramalan periode terakhir)
Dimana :
|
|
a
=
sebuah
bobot
/
konstanta penghalus yang
dipilih
oleh
peramal
yang
mempunyai nilai antara 0 dan 1
Persamaan dapat ditulis secara matematis sebagai berikut :
Ft = Ft-1 + a(Tt-1 – Ft-1)
Dimana : Ft = peramalan baru
Ft-1 = peramalan sebelumnya
a= konstanta penghalus (pembobotan) (0 = a = 1)
Tt-1 = permintaan aktual periode lalu
-
Proyeksi tren
Metode
terakhir
yang
akan
dibahas
adlaah proyeksi
tren
(trend
projection).
Teknik ini mencocokan garis tren pada serangkaian data masa lalu, kemudian
memproyeksikan garis pada
masa datang
untuk peramalan
jangka
menengah
atau
jangka
panjang.
Beberapa
persamaan tren
matematis dapat
dikembangkan, namun di sini kita hanya melihat tren linier saja.
y = a + bx
Dimana :
y
=
nilai
terhitung
dari
variable
yang
akan
diprediksi
(disebut
variable
terikat)
a
=
persilangan sumbu y
|
 b
=
kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang
terjadi di x)
x = variable bebas (dalam kasus ini adalah waktu)
Para pakar statistik telah membuat persamaan yang dapat kita gunakan untuk
menemukan nilai a dan b untuk setiap garis regresi. Kemiringan b ditemukan
dengan :
b =
?
???
?
?
??
??²?
?
?²
dimana :
b = kemiringan garis regresi
S
=
tanda penjumlahan total
x = nilai variabel bebas yang diketahui
y = nilai variabel terikat yang diketahui
kita dapat menghitung titik potong sumbu y,a , sebagai berikut :
a
=
rata-rata y – b.rata-rata x
2. Model asosiatif
Model
asosiatif
atau
hubungan sebab
–
akibat,
seperti
regresi
linier,
menggabungkan banyak
variable
atau
factor
yang
mungkin
mempengaruhi
kuantitas
yang
sedang
diramalkan. Model
asosiatif
terdiri
dari
peramalan
regresi linier.
|
 Model peramalan
kualitatif
kuantitatif
jury of executive
opinion
Delphi Method
Model deret waktu
Pendekatan naif
Model
asosiatif
Regresi linier
Rata – rata bergerak
|
 sales force composite
consumer market survey
Penghalusan
eksponensial
Proyeksi tren
Gambar 2.3.
Model peramalan menurut Jay Heizer, Render Barry (2009 : 167)
Sumber : penulis
Menurut
Martiningtyas (2004
:
101)
:
Metode
Peramalan
Kuantitatif
(Statistical Method) Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan
atas dua bagian, yaitu :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu
atau “Time Series”.
|
 2. Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara
variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang
bukan waktu yang disebut metode korelasi atau sebab akibat (causal method).
Peramalan
kuantitatif
Time series
/
deret
Metode korelasi / sebab akibat
(causal method)
Gambar 2.4
Model peramalan kuantitatif menurut Martiningtyas (2004 : 101)
Sumber : penulis
Ada
3
tipe
peramalan
menurut
Barry
Render,
Ralph
M.
Stair,JR,
Michael
E.
Hanna , International Edition (2006 : 151) yaitu:
1. Time – Series Models
“Time
series models
attempt to predict the
future
by
using
historical data.
These
models
make
the
assumption
that
what
happens
in
the
future is
a
function of what has happened in the past. In other words, time series models
look at what has happened over a period of time and use a series of past data
to make a forecast. ”
|
|
“Memprediksi masa
depan
dengan
menggunakan historical
data.
Model
–
model
ini
membuat
asumsi
bahwa
apa
yang
terjadi
di
masa
depan
adalah
fungsi dari
apa
yang
telah terjadi
di
masa
lalu. Dengan
kata
lain,
model
ini
melihat apa yang terjadi pada periode waktu tertentu atau memakai data masa
lalu untuk meramal.”
2. Causal Models
“Causal models incorporate the variables or factors that might influence the
quantity being forecasted into the forecasting model. Causal models may also
include
past sales data as time-series
models do, but they include
other
factors as well.”
Model kausal
menggabungkan variabel –
variabel atau
faktor –
faktor yang
mungkin mempengaruhi kuantitas peramalan ke dalam model peramalan.
Model ini juga mungkin termasuk data masa lalu seperti model Time Series
,tetapi juga faktor – faktor yang lain.
3. Qualitative Models
“Whereas time-series and causal models rely on quantitative data, qualitative
models
attempt
to
incorporate
judgmental or
subjective factors
into
the
forecasting model.”
|
 Mengingat time – series
dan causal models
tergantung pada data kuantitatif,
maka
qualitative
models
menggabungkan penilaian
atau
faktor
–
faktor
subjektif ke dalam model peramalan.
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International
Edition (2006 : 151) model forecasting terdiri dari :
Forecasting
Techniques
Qualitative Models
Time Series
Causal Methods
Delphi Method
Jury of
Executive
Moving Average
Exponential
Smoothing
Regression
analysis
Multiple
Regression
Sales Force
Composite
Trend
Projection
Consumer Market
Survey
Decomposition
Gambar 2.6
|
|
Forecasting Models
Sumber : Barry Render, Ralph M. Stair,JR, Michael E. Hanna (2006 : 151)
2.1.14. Metode peramalan yang digunakan
Menurut Martiningtyas
(2004
:
101):
“Peramalan
yang
didasarkan atas data
kuantitatif pada
masa
lalu.
Hasil
peramalan yang
dibuat
sangat
tergantung pada
metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda
akan
diperoleh
hasil peramalan
yang
berbeda,
adapun
yang
perlu
diperhatikan
dari
penggunaan metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat
ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan
yang
terjadi.
Metode
yang
baik
adalah
metode
yang
memberikan nilai
–
nilai
perbedaan atau penyimpangan yang mungkin.”
Menurut
Jay
Heizer,
Render
Barry
(2009
:
169)
:
”Peramalan deret
waktu
didasarkan pada
urutan
titik-
titik
data
yang
berjarak
sama
dalam
waktu
(mingguan,bulanan,kuartalan, dan lain-lain).”
|
|
Dilihat
dari
teori-teori
yang
ada,serta
dari
data-data
permintaan
masa
lalu
yang
didapatkan
oleh
penulis
dari
perusahaan,
maka
penulis
menggunakan model
peramalan
Time-Series untuk
memprediksi masa
depan
dengan
menggunakan
historical data. Model – model ini membuat asumsi bahwa apa yang terjadi di masa
depan adalah fungsi dari apa yang telah terjadi di masa lalu. Dengan kata lain, model
ini melihat apa yang terjadi pada periode waktu tertentu atau memakai data masa lalu
untuk meramal.
Berdasarkan
dari
teori-teori
diatas,
maka
penulis
menggunakan salah
satu
metode peramalan kuantitatif yaitu Time series.
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International
Edition (2006 : 156), Time series methods terdiri dari :
1. Naïve method
“
The naïve forecast for the next period is the actual value observed in the
current period.”
2. Moving average
Moving average is useful if we can assume that market demands will stay
fairly steady over time.
3. Exponential smoothing
Exponential smoothing is
a
forecasting
method that
is
easy
to
use
and
handled efficiently by computers. Although it is a type of moving average
technique, it involves little record keeping of past data.
|
|
4. Trend projection
Another
method
for
forecasting time
series
with
trend
is
called
trend
projection. This technique fits a trend
line
to
a
series of historical data
points
and then
projects
the
line
into
the
future
for
medium
–
to
long
range forecast.
5. Decomposition of a time series
Analyzing
time
series
means
breaking
down
past
data
into
components
and then projecting them forward.
A
time series typically has four components : Trend, seasonality , cycles
and random variation.
1. Trend ( T ) is the gradual upward or downward movement of the data
over time.
2. Seasonality (S) is a pattern of the demand fluctuation above or below
the trend line that repeats at regular intervals.
3. Cycles (C) are patterns in annual data that occur every several years.
They are usually tied into the business cycle.
4. Random variation (R) are “blips” in the data caused by chance and
unusual situations; they follow no discernible pattern.
|
|
“There
are
two
general
forms
of
time
series
models
in
statistics. The
first
is
a
multiplicative model,
which
assumes
that
demand
is
the
product
of
the
four
components. It is stated as follow :
Demand = T x S x C x R
An
additive
model adds
the
components together to provide
an
estimate. Multiple
regression is often used to develop additive models. This additive relationshi is stated
ad follows :
Demand = T+S+C+R
There
are
other
models
that
may
be
a
combination
of these. For example,
one of
components
(such
as
trend)
might
be
additive while another
(such
as
seasonality)
could be multiplicative.
-
Seasonal variations
Time series forecasting involves looking at the trend of data over a series of
time
observations.
Sometimes,
however,
recurring
variation at
certain
seasons
of
the
year
make a
seasonal
adjustment in
the
trend
line
forecast
necessary.
Analyzing
data
in
monthly
or quarterly terms
usually
makes
it
easy
to
spot
seasonal
patterns.
A
seasonal
index
is
often
used
in
multiplicative time
forecasting
models
to make an
adjustment
in the
forecast
when
a
seasonal
components exits.
An
alternative
is
to
use
an
additive
models
such
as
a
regression model.
|
|
A seasonal index indicates how a particular season compares with an average
season.
When
no
trend is present, the
incex
can
be found
by
dividing the
average value for a particular season by the average of all the data. Thus, an
indes of 1 means the season is average.
-
Seasonal variations with trend
When both
trend
and seasonal components
are presents
in a time series, a
change from one month to the next could
be due to a trend,
to a seasonal
variation,
or simply
to
random fluctuations. To help
with
this
problem, the
seasonal indices should be computed using a centered moving average (CMA)
approach whenever trend is presents. Using this approach prevents a
variation due to trend from being incorrectly interpreted as a variation due to
the season. To derive an accurate index, we should use a CMA.”
Steps used to compute seasonal indices based on CMAs :
1. Compute a CMA for each observation (where possible)
2. Compute seasonal ratio = observation / CMA for each observation.
3. Average seasonal ratios to get seasonal indices.
4. If seasonal indices do not add to the number of season, multiply each index by
(number of seasons)/ (sum of the indices).
“The process of isolating linear trend and seasonal factors to develop more accurate
forecast is called decomposition.
|
|
The
first
step
is
to
compute seasonal indices for
each
season.
Then,
the
data
are
deseasonalized by
dividing each number by
its seasonal index.
A
trend
line
is then
found
using
the
deseasonalized
data.
The trens equation
is used to develop the
forecast based on trend, and the result is multiplied by the seasonal index to make a
seasonal adjustment.
Steps to develop a forecast using the Decomposition Method
1. Compute seasonal indices using CMAs.
2. Deseasonalize the data by dividing each number by its seasonal index
3. Find the equation of trend line using the deseasonlized data.
4. Forecast the future periods usinf the trend line.
5. Multiply the trend line forecast by the appropriate seasonal index.
Most foecasting software, including QM for windows, includes the decomposition
method as one of the available
techniques. This will automatically
compute
CMAs,
deseasonlize
data,
develop
the trend
line,
make the
forecast
using
the
trend equation, and adjust the final forecast for seasonality.”
2.1.15. Akurasi peramalan
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International
Edition (2006 : 154) :
|
 ”
To see how well
one model works, or to compare that
model with
other
models,
forecasted values are
compared
with
the
actual
or
observed values.
The
forecast error (deviation) is defined as follows ; ’’
“ Forecast error = actual value – forecast value”
Kriteria
yang
digunakan untuk
menguji
ketepatan
ramalan
menurut
Barry
Render,
Ralph M.
Stair,JR,
Michael
E.
Hanna
,
International
Edition
(2006
:
154)
antara lain adalah:
-
MAD (Mean Absolute Deviation)
Mean Absolute Deviation (MAD) is one of measures of accuracy. This
is computed by taking the sum of the absolute values of the individual forecast
errors and dividing by the number of errors (n) :
?
e
t
MAD =
t
n
“There
are
other
measures
of
the
accuracy of
historical error
in
forecasting that
are
sometimes
used
besides
the
MAD.
One
of
the
most
common is the Mean
Squared Error (MSE)
which
is the average of the
squared errors.”
|
 '
2
?
(
e
t
)
MSE =
t
n
“Besides the MAD and MSE, the mean absolute percent error (MAPE) is sometimes
used. The MAPE is
the average of the absolute values of
the errors
ecpressed as
percentages of the actual values. This is computed as follows :
MAPE =
?
|????
|
??
Menurut John E. Hanke,Dean W. Wichern, International Edition (2006 : 79) :
“
One method
for evaluating
a
forecasting technique
uses the
sum of the
absolute
errors.
The
mean
absolute
deviation (MAD)
measures
forecast
accuracy by
averaging the magnitudes of the forecast errors (absolute values of each error).
MAD is the most useful when the analyst wants to measure forecast error in the
same time units as the original series. MAD is computed.”
MAD =
?
|
?
? |
'
“The
mean
squared
error
(MSE)
is
another
method
for
evaluating a
forecasting
technique. Each error or residual is squared; these are then summed and divided by
|
 '
the
number
of
observations. This
approach
penalizes
large
forecasting
errors
because
the
errors
are
squared,
which
is
important; a
technique
that
produces
moderate
errors
may
well
be
preferable to one that
usually
has
small errors
but
occasionally yields extremely large ones. The MSE is given by Equation
MSE =
?
?
?
? ?²
'
“
Sometimes
it
is
more
useful
to
compute
the
forecasting errors
in
terms
of
percentages
rather
than
amounts.
The
mean
absolute
percentage
error
(MAPE)
is
computed by finding
the absolute error
in each
period, dividing this by
the actual
observed value for the period, and then averaging these absolute percentage errors.
This approach is useful when the size or magnitude of the forecast variable is
important in evaluating the accuracy of the forecast. MAPE provides an indication of
how
large
the forecast
errors are in comparison to
the
actual values
of the
series.
The technique is especially useful when the Yt value are large. MAPE can also be
used
to
compare the
accuracy of the
same
or different techniques
on two entirely
different series. MAPE is computed as follow:
MAPE = ?
?
?
|
?
Freddy
Rangkuti
(2005:70)
dalam
bukunya
mengatakan “suatu
keharusan
untuk membandingkan perhitungan yang
memiliki nilai MAD paling kecil,
karena semakin kecil
nilai MAD, berarti semakin kecil
pula
perbedaan antara
hasil forecasting dan nilai aktual.”
|
|
2.1.16. Tracking Signal
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International
Edition (2006 : 176) :
“One way to monitor forecasts to ensure that they are performing well is to employ a
tracking signal.
A
tracking signal
is
a
measurement
of
how
well
the
forecast is
predicting actual values.
The tracking signal is computed as the running sum of the forecast errors (RSFE)
divided by the mean absolute deviation (MAD) : ”
Tracking signal = RSFE / MAD
=
S forecast error| / MAD
|forecast error| / MAD
“Positive tracking signals indicate that demand is greater than the forecast. Negative
signals mean that demand is less than forecast. A good tracking signal – that is, one
with a low RSFE – has about as much positive error as it has negative error. In other
words,
small
deviations are
okay,
but
the
positive
and
negative
deviation
should
balance so that the tracking signal centers closely around zero.”
Untuk menentukan batas tracking signal, setiap perusahaan dapat memiliki batas yang
berbeda-beda.
|
|
Menurut Barry Render, Ralph M. Stair,JR, Michael E. Hanna , International Edition
(2006 : 176) :
“
George Plossl and
Oliver Weight, two inventory control experts, suggested using
maximums of ±4 MADs for high-volume stock items and ±8 MADs for lower volume
items.”
“
One MAD is equivalent to approximately 0.8 standart deviations, so that ±2 MADs
=
1.6 standart deviations, ±3 MADs = 2.4 standart deviations, and ±4 MADs = 3.2
standart deviations. This suggests that for a forecast to “be in control”, 89% of the
error are expected to fall within ±2 MADs, 98% within ±3MADs , or 99% within ±4
MADs whenever the errors are approximately normally distributed.”
2.1.14 Model dan Pengertian Transportasi
Salah satu metode optimasi untuk mencari jalur distribusi serta biaya adalah metode
transportasi, dikatakan demikian berdasarkan teori-teori.
Menurut Agustini
dan Rahmadi (2004
:
100-133). Pada
masalah
tranportasi,
biasanya jumlah barang yang disalurkan dari setiap lokasi permintaan bervariasi. Atas
dasar kenyataan bahwa rute pengiriman yang berbeda akan menghasilkan biaya kirim
yang
berbeda,
maka
tujuan
pemecahan
kasus
ini
adalah
menentukan berapa
unit
barang
yang
arus
dikirim
dari
setiap
sumber
ke setiap
tujuan
sehingga
permintaan
dari setiap tujuan terpenuhi dan total biaya kirim minimum.
|
|
Menurut
Siswanto
(2006,265)
”transportasi berkaitan
dengan
masalah
pendistribusian barang-barang
dari
pusat-pusat
pengiriman
atau
sumber
ke
pusat-
pusat penerimaan atau tujuaan.”
Menurut Mulyono, Sri
(2007,p.111)
”Transportasi diartikan sebagai distribusi suatu
produk tunggal dari beberapa sumber, dengan penawaran terbatas,
menuju beberapa
tujuaan,
dengan permintaan
tertentu, pada biaya transpor
minimum.
Karena
hanya
ada
satu
macam
barang,
suatu tempat
tujuaan
dapat
memenuhi permintaannya dari
satu atau lebih sumber."
Dari
pengertian
di
atas,
dapat
disimpulkan bahwa
transportasi adalah
kegiatan
memindahkan sesuatu dari suatu tempat ke tempat yang lain.
Menurut Jay Heizer dan Barry Render (2005
:
631), permodelan transportasi
adalah
suatu
prosedur
berulang
untuk
memecahkan masalah
serta
meminimalisasi
biaya pengiriman produk dari beberapa sumber ke beberapa tujuan. Jadi pengertian
transportasi adalah pemindahan barang
dan
jasa
dari
beberapa
sumber
ke beberapa
tempat
tujuan
dengan
memecahkan
permasalahan biaya
transportasi
agar
biaya
tersebut minimum.
Model
transportasi berkaitan
dengan
suatu
situasi
dimana
suatu
komoditas
akan
dikirim dari sejumlah sources (sumber) menuju ke sejumlah destination (tujuan).
Tujuan dari persoalan tersebut adalah menentukan jumlah komoditas yang harus
dikirim dari
tiap-tiap
source ke tiap-tiap destination sedemikian hingga biaya total
|
 pengiriman dapat diminimumkan, dan pada saat
yang sama pembatas
yang berupa
keterbatasan pasokan dan kebutuhan permintaan tidak dilanggar.
Model transportasi mengasumsikan bahwa biaya pengiriman komoditas pada rute
tertentu adalah proposional dengan banyaknya unit komoditas
yang dikirimkan pada
rute tersebut. Secara
umum,
model transportasi dapat diperluas pada bidang-bidang
pengendalian persediaan,
penjadwalan
tenaga
kerja,
dan
penugasan
personalia.
Setiawan (2006 : 125).
Secara umum, persoalan transportasi dapat digambarkan sebagai berikut :
Sources
Destination
A1
1
1
B1
A2
2
2
B2
Am
m
n
B3
Gambar 2.7. Model Dasar Transportasi
|
|
Sumber : Setiawan (2006 : 125)
2.1.15. Metode transportasi
Beberapa definisi metode transportasi, diantaranya:
Menurut Siswanto (2006
:
264):
”Metode transportasi berkaitan dengan
masalah
pendistribusian barang-barang
dari
pusat-pusat
pengiriman
atau
semuber
ke
pusat-
pusat
penerimaan atau
tujuaan.
Persoalan
yang
ingin
dipecahkan oleh
motode
transportasi
adalah
penentuaan
distribusi
barang
yang
akan
meminimumkan
biaya
total distribusi.”
Menurut Mulyono (2007 : 111) ”Metode Transportasi diartikan sebagai distribusi
suatu
produk
tunggal
dari
beberapa
sumber,
dengan
penawaran terbatas,
menuju
beberapa tujuaan, dengan permintaan tertentu, pada biaya transpor minimum. Karena
hanya ada satu macam barang, suatu tempat tujuaan dapat memenuhi permintaannya
dari satu atau lebih sumber."
Menurut Heizer dan Render (2006
:
631)
”Metode transportasi merupakan suatu
teknik/metode
yang
digunakan
untuk
mencari
cara
yang
termurah
utnuk
mengirim
barang dari beberapa sumber ke beberapa tujuaan. Titik asal (sumber) dapat berupa
pabrik, gudang, agen penyewaan mobil seperti Avis, atau titik lain dari barang-barang
|
|
dikirimkan.
Tujuan adalah titik-titik
yang mnerima barang. Untuk menggunakan
model transportasi, kita harus mengetahui hal-hal berikut:
1. Titik asal dan kapasitas atau pasokan pada setiap periode.
2. Titik tujuan dan permintaan pada setiap periode.
3. Biaya pengiriman satu unit dari setiap titik asal ke setiap titik tujuaan
Berdasarkan
definisi-definisi metode
transportasi
diatas,
maka
dapat
disimpulkan bahwa
metode
transportasi merupakan
suatu
cara
yang digunakan
untuk
menentukan
pendistribusian atau
pengalokasian
produk
secara
optimal.
Pendistribusian atau pengalokasian yang
tidak
optimal akan
menimbulkan biaya
besar,sehingga pendapatan
tidak
maksimum.
Dengan
menggunakan
metode
transportasi akan diperoleh alokasi dengan biaya transportasi yang minimum.
2.1.16. Tujuan transportasi
Metode
transportasi yang
digunakan
perusahaan dalam
pengalokasian
produknya akan menentukan biaya pengiriman produk.
Menurut Heizer
dan
Render
(2006
:
424):
”Tujuan metode
transportasi
(transportation model) adalah menetapkan pola pengiriman terbaik dari beberapa titik
pemasok (sumber) ke beberapa titik permintaan (tujuan)
sedemikian rupa
sehingga
|
|
meminimalkan biaya produksi dan transportasi total. Setiap perusahaan dengan suatu
jaringan titik pasokan dan permintaan menghadapi permasalahan yang sama.”
2.1.17. Masalah-Masalah Transportasi tidak Seimbang
Masalah
transportasi tidak
selalu
mudah
diatasi,
terkadang ada
ketidakseimbangan antara
penawaran
dan
permintaan.
Pertidaksamaan
kendala
permintaan menunjukan bahwa semua unit yang tersedia akan dikirimkan, namun
satu
atau
lebih kendala
permintaan
tidak
akan
terpenuhi.
Untuk
mencerminkan
keadaan ini, dalam tabel transportasi ditambahkan satu baris dummy.
Menurut
Siswanto
(2006
:
267):
”Di
dalam
model
transportasi, kemampuaan
sumber-sumber untuk
melayani belum tentu sama dengan tingkat permintaan tujuan-
tujuan untuk dilayani sehingga ada tiga kemungkinan
akan terjadi ketidak
seimbangan, yaitu:
1.
Kemungkinan
pertama
akan
terjadi
bila
seluruh
kemampuaan sumber-
sumber
untuk
mengirim barang
melampaui tingkat permintaan yang ada.
Dalam kasus
ini, satu
atau
lebih
sumber
mungkin
hanya
akan
mengirim
barang sebagian atau tidak mengirim sama sekali.
2. Kemungkinan kedua akan terjadi bila seluruh kapasitas permintaan tidak
mugnkin dipenuhi oleh seluruh sumber-sumber yang tersedia. Dalam
kasus
ini jelas akan ada permintaan dari satu atau lebih tujuan yang akan
dipenuhi sebagian atau tidak dipenuhi sama sekali.
|
|
3. Kemungkinan ketiga akan terjadi bila seluruh kapasitas permintaan untuk
mengirim barang sama persis
dengan
seluruh
permintaan
tujuan.
Dalam
kasus
ini seluruh kemampuan sumber-sumber untuk melayani permintaan
tepat
digunakan
seluruhnya
dan
seluruh
permintaan
tujuan-tujuan tepat
dipenuhi.”
Menurut Mulyono (2007
:
113):
”Sejauh
ini
hanya dibahas
masalah
transportasi
seimbang,
dimana
penawaran
sama
dengan
permintaan.
Kenyataannya, kasus
seimbang
adalah
kekecualian. Pada
umumnya,
kebanyakan
masalah
adalah
tak
seimbang dimana penawaran lebih besar daripada permintaan atau sebaliknya. Dalam
kasus
masalah
tak
seimbang,
metode
solusi
transportasi
membutuhkan sedikit
modifikasi.”
2.1.18. Langkah –langkah metode Transpotasi
-
Metode NWC
Menurut
Siswanto (2006
:
74):
“Metode
Sudut
Barat
Laut
(North
West
Corner
Mehod) adalah
sebuah metode untuk
menyusun
table
awal
dengan cara
mengalokasikan distribusi
mulai
dari
sel
yang
terletak
pada
sudut
kiri
atas.
Itulah
sebabnya dinamakan metode Barat Laut.”
|
|
Menurut
Mulyono
(2007
:
117):
“Metode
North
West
Corner
adalah
metode
paling
sederhana
diantara
keempat
metode
yang telah disebutkan
untuk
mencari
solusi awal. Langkah-langkahnya dapat diringkas sebagai berikut:
1. Mulai
pada pojok
barat
laut
tabel
dan
dialokasikan
sebanyak
mungkin
pada
tabel
bagian
sudut
kiri
atas
tanpa
menyimpang dari
kendala
penawaran
atau permintaan (artinya
X11 ditetapkan
sama dengan
yang
terkecil di antara nilai S1 dan D1)
2. Ini akan
menghabiskan
penawaran
pada sumber
1
dan
atau
permintaan
pada tujuan 1. Akibatnya, tak ada lagi barang yang dapat dialokasikan ke
kolom atau baris yang
telah dihabiskan dan kemudiaan baris atau
kolom
itu
dihilangkan. Kemudiaan
alokasikan
sebanyak
mungkin
ke
kotak
di
dekatnya pada baris atau kolom yang tak dihilangkan. Jika kolom maupun
baris telah dihabiskan, pindahlah secara diagonal ke kotak berikutnya.
3. Lanjutkan dengan cara
yang
sama
sampai
semua
penawaran telah
dihabiskan dan keperluaan permintaan telah dipenuhi.
Menurut Render
dan
Heizer
(2006
:
633):
”Aturan
North
West
Corner
mengharuskan perhitungan dimulai pada bagian kiri atas (northwest-corner) table dan
mengalokasikan unit pada rute pengiriman sebagai berikut:
1. Habiskan pasokan (kapasitas pabrik) pada setiap baris
2. Habiskan kebutuhan (permintaan gudang) dari setiap kolom
3. Pastikan bahwa semua permintaan dan pasokan telah dipenenuhi
|
|
-
Metode Least Cost
Menurut Render dan
Heizer (2006
:
634):
”Metode Least cost adalah metode
yang
membuat
alokasi
berdasarkan kepada
biaya
yang
terendah.
Metode
ini
merupakan sebuah pendekatan
yang sederhana,
yang
menggunakan langkah-langkah
berikut:
1. Identifikasi
sel dengan
biaya
yang
paling
rendah.
Pilih salh satu jika
terdapat biaya yang sama.
2.
Alokasikan unit
sebanyak
mungkin
untuk
sel
tersebut
tanpa
melebihi
pasokan
atau
permintaan. Kemudiaan
coret
kolom
atau
baris
itu
(atau
keduanya) yang sudah penuh terisi.
3. Dapatkan sel dengan biaya yang paling rendah dari sisa sel (yang belum
dicoret).
4. Ulangi langkah ke 2 dan 3 sampai semua unit habis dialokasikan.
Menurut Mulyono,Sri
(2007 : 118):
”Metode Least
cost
berusaha
mencapai
tujuaan minimisasi biaya dengan alokasi sisitematik kepada kotak-kotak sesuai
dengan besarnya biaya transpor per unit. Prosedur metode ini adalah:
1. Pilih
variable Xij
(kotak) dengan
biaya
transpor (cij)
terkecil dan
alokasikan
sebanyak mungkin. Untuk Cij terkecil
Xij=minimum (Si, Dj).
Ini akan menghabiskan baris i atau kolom j.
2.
Dari kotak-kotak sisanya
yang
layak (yaitu
yang
tidak terisi atau
tidak
dihilangkan), pilih nilai Cij terkecil dan alokasikan sebanyak mungkin.
|
|
3. Lanjutkan proses ini sampai semua penawaran dan permintaan terpenuhi.
Menurut Siswanto
(2006 : 271):
”Metode biaya
terkecil (Least cost Method)
adalah
sebuah
metode
untuk
menyusun
table
awal
dengan cara
pengalokasian
distribusi barang dari sumber ke tujuan mulai dari sel yang memiliki biaya distribusi
terkecil.
-
Metode Vogel’s Apporoximation (VAM)
•
Menurut Siswanto (2006
: 279): ”Langkah-langkah metode VAM dapat
diringkas sebagai berikut :
1. Buatlah
matrik yang
menunjukan kebutuhan
masing-masing sumber
dan
biaya transportasi per unit.
2. Carilah selisih antara dua biaya terkecil di masing-masing kolom baris.
3. Pilh selisih terbesar di antara selisih-selisih
yang telah dihitung pada
langkah pertama.
4. Sesuaikan
penawaran
dan permintaan
untuk
menunjukan
alokasi
yang
sudah
dilakukan.Hilangkan
semua
baris
dan
kolom
di
mana
penawaran
dan permintaan telah dihabiskan.
5. Jika
semua
penawaran
dan
permintaan
belum dipenuhi,kembali ke
langkah 1,jika semua penawaran dan permintaan solusi awal terperoleh.
|
|
Tujuaan dari
jalur
ini adalah
untuk
mempertahankan kendala penawaran dan
permintaan sambil
dilakukan alokasi
ulang
barang
ke
suatu kotak
kosong.
Semua
variable
non
basis
(kotak
kosong)
dievaluasi dengan
cara
yang
sama
untuk
menentukan apakah
mereka
akan
menurukan
biaya
dan
karena
itu
menjadi
calon
entering variable. Jika semua kotak kosong memiliki perubahan biaya positif, berarti
solusi telah optimum.
Dalam penyelesaian persoalan dengan metode transportasi, menurut Barry Render
(2006 : 395) dapat
dilakukan langkah-langkah sebagai berikut :
a. Tentukan solusi awal
b. Tentukan
entering
variable. Bila
semua
variabel
sudah
memenuhi
kondisi
optimum, STOP. Bila belum, lanjutkan langkah c.
c. Tentukan leaving variable diantara variabel-variabel basis yang ada,kemudian
hitung solusi baru. Kembali ke langkah b.
Menurut Barry Render , ada beberapa metode yang digunakan untuk menentukan
solusi awal yaitu :
1. Northwest Corner (NWC)
Dalam
metode
ini, suatu
alokasi
awal ditempatkan
pada
sel
pojok
kiri
atas
tabel
(yaitu “Northwest
Corner”).
Jumlah
yang
dialokasikan
adalah
jumlah
yang paling memungkinkan terbatas pada batasan penawaran dan permintaan
untuk sel tersebut.
|
|
Langkah-langkah penyelesaian pada metode NWC ;
a. Alokasi sebanyak mungkin ke sel pojok kiri atas,disesuaikan
dengan
batasan.
b. Kemudian alokasi sebanyak mungkin ke sel fisibel berikutnya.
c. Ulangi langkah b sampai semua kebutuhan demand dan supply terpenuhi.
2. Least Cost (minimum cost)
Dasar pemikirannya adalah mengalokasikan ke sel-sel dengan biaya terendah.
Langkah-langkah penyelesaian pada metode least cost :
a. Alokasi sebanyak mungkin ke
sel
fisibel dengan biaya
transportasi
minimum, dan sesuaikan dengan kebutuhan permintaan dan penawaran.
b. Ulangi langkah a sampai kebutuhan demand dan supply terpenuhi.
3. Vogel Approximations Method
Metode
ini
berdasarkan pada
konsep
biaya
penalti
(penalty
cost).
Jika
pengambil keputusan salah memilih tindakan dari beberapa alternatif tindakan
yang ada,maka pengambil keputusan akan menyesali keputusan yang diambil.
Dalam
suatu
permasalahan transportasi,
yang
dianggap
sebagai
rangkaian
tindakan
adalah
alternative rute
dan
suatu
keputusan dianggap
salah
jika
mengalokasikan ke sel yang tidak terisi biaya rendah.
|
|
Langkah-langkah penyelesaian metode VAM :
a.
Tentukan biaya
penalti
untuk
tiap
baris
dan
kolom
dengan
cara
mengurungkan biaya
sel terendah
pada baris
atau
kolom
terhadap
biaya
sel terendah berikutnya pada baris atau kolom yang sama.
b. Pilih baris atau kolom dengan biaya tertinggi.
c. Alokasi sebanyak
mungkin ke sel fisibel dengan biaya
transportasi
terendah pada baris atau kolom dengan biaya penalti tertinggi.
d. Ulangi
langkah
a,b,c sampai semua kebutuhan demand dan supply telah
terpenuhi.
4. Stepping stone
Metode
stepping
stone
merupakan langkah
lanjutan
dari
salah
satu
metode
dasar
yang
telah
dijelaskan
sebelumnya
untuk
mendapatkan
solusi
minimal
yaitu total biaya minimum.
Langkah-langkah penyelesaian metode stepping stone :
a. Tentukan
lintasan
stepping
stone
dan
perubahan
biaya
untuk
setiap sel
yang kosong dalam tabel.
b. Alokasikan sebanyak mungkin ke sel kosong yang menghasilkan
penurunan biaya terbesar.
c. Ulangi
langkah
a
dan b
sampai
semua
sel kosong
memiliki perubahan
biaya positif yang mengindikasi tercapainya solusi optimal.
|
|
5. Modification Distribution (MODI)
Metode
MODI pada
dasarnya
adalah suatu
modifikasi
dari
metode
stepping
stone.
Namun,
dalam
MODI
perubahan biaya
pada
sel
ditentukan
secara
sistematis tanpa
mengidentifikasi lintasan sel-sel kosong
seperti pada metode
stepping stone.
Langkah-langkah penyelesaian MODI :
a. Tentukan solusi awal menggunakan satu dari ketiga metode yang tersedia.
b. Hitung nilai-nilai ui dan vj untuk tiap baris dan kolom dengan menerapkan
formula ui + vj = Cij pada setiap sel yang telah memiliki alokasi.
c. Hitung perubahan biaya, kij,
untuk setiap sel kosong menggunakan
formula Cij _ ui vj = kij.
d. Alokasikan sebanyak mungkin ke sel kosong yang menghasilkan
penurunan biaya
bersih
terbesar
(kij
yang
paling
negatif).
Alokasikan
sesuai dengan lintasan stepping stone untuk sel yang terpilih.
e. Ulangi langkah b sampai d sampai semua nilai kij positif atau nol.
2.1.19. Penelitian relevan
Penelitiaan mengenai metode transportasi ini pernah dilakukan sebelumnya oleh
beberapa peneliti dengan hasil penelitiaan sebagai berikut:
|
|
Penelitian yang dilakukan Ayudina Puji E. dan Junaedi Iskandar (2001)
meneliti
mengenai upaya meningkatkan profit dengan menggunakan metode transportasi
untuk
perencanaan
dan
penjadwalan, perusahaan
dapat
menurunkan
biaya
pengiriminan
ke
daerah
pelanggan
dan
pendistribusian untuk
pengiriman
barang
sebesar Rp.31.765.280 atau 7,72% dari total biaya.
Adapun penelitian yang dilakukan oleh Indra Haryono dan Irvan Conroles (2009)
dimana dari
hasil penelitian ini mendapatkan biaya pengiriman yang optimal dengan
pendekatan metode transportasi.
Dengan
menggunakan metode
transportasi
tersebut
maka hasil
yang didapat adalah
metode NWC,Least Cost dan VAM (dengan supply
berubah)
membuat
perusahaan lebh
efisien
di
dalam pengiriman barang
kepada
pelanggan
dengan
perbandingan :
Metode
berjalan
adalah
3.318.000
sedangkan
metode transportasi (NWC,Least Cost, VAM) adalah 3.277.250.
|
 Studi Pustaka
2.2. Kerangka Pemikiran
Mulai
Survey Awal
Perumusan masalah
Pengumpulan data
Jumlah gudang
PT.Panca Budi
Kapasitas
setiap gudang
Berapa permintaan
konsumen masa lalu
Pengolahan data
Melakukan
forecasting dari data
yang telah ada
|
 Membandingkan tingkat
kesalahan MAD dan MSE dan
dipilih yang paling kecil
Menguji tingkat akurasi
dengan tracking signal
Menghitung biaya distribusi
dengan metode transportasi dari
hasil forecasting
Menentukan solusi awal
dengan metode
NWC,Least Cost, VAM
Menentukan uji optimalisasi
dengan metode stepping stone
atau MODI
optimal
Membandingkan biaya distribusi
perusahaan dengan metode
transportasi
solusi
Gambar 2.5 Kerangka Pemikiran
Sumber : penulis
|
 2.2 Hipotesis
Analisis data
YA
Biaya distribusi
optimal
TIDAK
Meramal data dengan forecasting
Tidak optimal
Optimal
Olah data dengan metode transportasi
Alternatif Solusi
Kesimpulan dan Saran
Selesai
Gambar 2.6
Kerangka hipotesis
|