6

BAHAN AJAR MANAJEMEN OPERASIONAL

A. Manajemen Operasional

Ada beberapa pengertian dari manajemen operasional menurut para ahli, antara

lain:
 Menurut Jay Heizer dan Berry Rander (2009:4), manajemen operasional adalah

serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa

dengan mengubah input menjadi output.

 Menurut Eddy Herjanto (2007:2) , manajemen operasional adalah suatu kegiatan

yang berhubungan dengan pembuatan barang, jasa dan kombinasinya, melalui

proses transformasi dari sumber daya produksi menjadi keluaran yang

diinginkan.
 Menurut William J. Stevenson (2009:4), manajemen operasional adalah sistem

manajemen atau serangkaian proses dalam pembuatan produk atau penyediaan

jasa.
 Menurut Richard L. Daft (2006:216), manajemen operasional adalah bidang

manajemen yang mengkhususkan pada produksi barang, serta menggunakan alat

dan teknik khusus untuk memecahkan masalah produksi.

 Menurut James Evans dan David Collier (2007:5), manajemen operasional

adalah ilmu dan seni untuk memastikan bahwa barang dan jasa diciptakan dan

berhasil dikirim ke pelanggan.

Jadi, manajemen operasional adalah ilmu yang mempelajari serangkaian proses

pengubahan input menjadi output yang bernilai untuk memenuhi kebutuhan

konsumen.

1. Sepuluh Keputusan Strategis Manajemen Operasional

Menurut Jay Heizer dan Barry Render (2009:56-57), diferensiasi, biaya rendah

dan respons yang cepat dapat dicapai saat manajer membuat keputusan efektif dalam
 7

sepuluh wilayah manajemen operasional. Keputusan ini dikenal sebagai keputusan

operasi (operations decisions). Berikut sepuluh keputusan manajemen operasional

yang mendukung misi dan menerapkan strategi:

a. Perancangan barang dan jasa. Perancangan barang dan jasa menetapkan sebagian

besar proses transformasi yang akan dilakukan. Keputusan biaya, kualitas dan

sumber daya manusia bergantung pada keputusan perancangan.

b. Kualitas. Ekspektasi pelanggan terhadap kualitas harus ditetapkan, peraturan dan

prosedur dibakukan untuk mengidentifikasi serta mencapai standar kualitas

tersebut.
c. Perancangan proses dan kapasitas. Keputusan proses yang diambil membuat

manajemen mengambil komitmen dalam hal teknologi, kualitas, penggunaan

sumber daya manusia dan pemeliharaan yang spesifik. Komitmen pengeluaran

dan modal ini akan menentukan struktur biaya dasar suatu perusahaan.
d. Pemilihan lokasi. Keputusan lokasi organisasi manufaktur dan jasa menentukan

kesuksesan perusahaan.
e. Perancangan tata letak. Aliran bahan baku, kapasitas yang dibutuhkan, tingkat

karyawan, keputusan teknologi dan kebutuhan persediaan mempengaruhi tata

letak.
f. Sumber daya manusia dan rancangan pekerjaan. Manusia merupakan bagian

yang integral dan mahal dari keseluruhan rancang sistem. Karenanya, kualitas

lingkungan kerja diberikan, bakat dan keahlian yang dibutuhan, dan upah yang

harus ditentukan dengan jelas.

g. Manajemen rantai pasokan. Keputusan ini menjelaskan apa yang harus dibuat

dan apa yang harus dibeli.

h. Persediaan. Keputusan persediaan dapat dioptimalkan hanya jika kepuasan

pelanggan, pemasok, perencanaan produksi dan sumber daya manusia

dipertimbangkan.
i. Penjadwalan. Jadwal produksi yang dapat dikerjakan dan efisien harus

dikembangkan.
 8

j. Pemeliharaan. Keputusan harus dibuat pada tingkat kehandalan dan stabilitas

yang diinginkan.

2. Strategi Manajemen Operasional

Menurut Jay Heizer dan Barry Render (2009:51), perusahaan mencapai misi

mereka melalui tiga cara yakni:

a. Bersaing dalam diferensiasi.

Diferensiasi berhubungan dengan penyajian sesuatu keunikan. Diferensiasi harus

diartikan melampaui ciri fisik dan atribut jasa yang mencakup segala sesuatu

mengenai produk atau jasa yang mempengaruhi nilai dimana konsumen dapatkan

darinya.
b. Bersaing dalam biaya.
Kepemimpinan biaya rendah berarti mencapai nilai maksimum sebagaimana

yang diinginkan pelanggan. Hal ini membutuhkan pengujian sepuluh keputusan

manajemen operasi dengan usaha yang keras untuk menurunkan biaya dan tetap

memenuhi nilai harapan pelanggan. Strategi biaya rendah tidak berarti nilai atau

kualitas barang menjadi rendah.

c. Bersaing dalam respons.
Keseluruhan nilai yang terkait dengan pengembangan dan pengantaran barang

yang tepat waktu, penjadwalan yang dapat diandalkan dan kinerja yang fleksibel.

Respons yang fleksibel dapat dianggap sebagai kemampuan memenuhi

perubahan yang terjadi di pasar dimana terjadi pembaruan rancangan dan

fluktuasi volume.

Tiga strategi yang ada masing-masing memberikan peluang bagi para manajer

operasi untuk meraih keunggulan bersaing. Keunggulan bersaing berarti menciptakan

sistem yang mempunyai keunggulan unik atas pesaing lain. Idenya adalah

menciptakan nilai pelanggan (customer value) dengan cara efisien dan efektif.
 9

B. Peramalan (Forecasting)

Metode peramalan akan membantu dalam mengadakan pendekatan analisa

terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara

pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta

memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang

dibuat. Ada beberapa pengertian peramalan (forecasting) menurut para ahli, antara

lain:

 Menurut Jay Heizer dan Barry Render (2009:162), peramalan adalah seni atau

ilmu untuk memperkirakan kejadian di masa depan dan melibatkan pengambilan

data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk

model matematis.

 Menurut Singgih Santoso (2009:8), peramalan adalah kegiatan yang bersifat

teratur, berupaya memprediksi masa depan dengan menggunakan tidak hanya

metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif.

 Menurut Manahan P. Tampubolon (2004:40), peramalan adalah penggunaan data

untuk menguraikan kejadian yang akan datang di dalam menentukan sasaran

yang dikehendaki.

 Menurut Eddy Herjanto (2004:116), peramalan adalah proses suatu variabel

(kejadian) di masa datang dengan data variabel yang bersangkutan pada masa

sebelumnya.

 Menurut Arman Hakim Nasution (2006:235), peramalan adalah proses

memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam

 10

urusan kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka

memenuhi permintaan barang atau jasa.

Jadi, peramalan adalah teknik untuk meramalkan kejadian di masa depan yang

menggunakan model matematis dan melibatkan data masa lalu.

1. Meramalkan Horizon Waktu

Menurut Jay Heizer dan Barry Render (2009:163), peramalan biasanya

diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon

waktu terbagi menjadi beberapa kategori:

a. Peramalan jangka pendek

Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang

dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian,

penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi.
b. Peramalan jangka menengah
Peramalan jangka menengah atau intermediate, umumnya mencakup hitungan

bulanan hingga 3 tahun. Peramalan ini berguna untuk merencanakan penjualan,

perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-

macam rencana operasi.

c. Peramalan jangka panjang

Umumnya untuk perencanaan masa 3 tahun atau lebih. Peramalan jangka panjang

digunakan untuk merencanakan produk baru, pembelanjaan, modal, lokasi atau

pembangunan fasilitas, serta penelitian dan pengembangan (litbang).

2. Jenis-Jenis Peramalan

Menurut Jay Heizer dan Barry Render (2009:164), pada umumnya berbagai

organisasi menggunakan tiga jenis peramalan yang utama dalam perencanaan operasi

di masa depan:
 11

a. Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis dengan

memprediksikan tingkat inflasi, ketersediaan uang, dana yang dibutuhkan untuk

membangun perumahan, dan indikator perencanaan lainnya.

b. Peramalan teknologi (technological forecast) memperhatikan tingkat kemajuan

teknologi yang dapat meluncurkan produk baru yang menarik, yang

membutuhkan pabrik dan peralatan baru.

c. Peramalan permintaan (demand forecast) adalah proyeksi permintaan untuk

produk atau layanan suatu perusahaan. Peramalan ini disebut peramalan

penjualan yang mengendalikan produksi, kapasitas, serta sistem penjadwalan dan

menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia.

3. Metode-Metode Peramalan

Ada beberapa metode-metode peramalan menurut para ahli, diantaranya:

 Menurut Jay Heizer dan Barry Render (2009:167-197)

Gambar 2.1 Metode Peramalan Menurut Jay Heizer dan Barry Render
Sumber: Penulis
 12

Peramalan kualitatif (qualitative forecast) yang menggabungkan faktor seperti

intuisi, emosi, pengalaman pribadi, dan sistem nilai pengambil keputusan untuk

meramal sedangkan peramalan kuantitatif (quantitative forecast) yang menggunakan

model matematis yang beragam dengan data masa lalu dan variabel sebab akibat

untuk meramalkan permintaan. Ada empat teknik peramalan kualitatif yang berbeda

yakni:

1. Juri dari opini eksekutif. Dalam

metode ini, pendapat sekumpulan kecil manajer atau pakar tingkat tinggi

umumnya digabungkan dengan model statistik, dikumpulkan untuk mendapatkan

prediksi permintaan kelompok.

2. Metode Delphi. Ada tiga jenis

partisipan dalam metode Delphi: pengambil keputusan, karyawan, dan

responden. Pengambil keputusan biasanya terdiri atas 5 hingga 10 orang pakar

yang akan melakukan peramalan. Karyawan membantu pengambilan keputusan

dengan menyiapkan, menyebarkan, mengumpulkan, serta meringkas sejumlah

kuisioner dan hasil survei. Responden adalah sekelompok orang yang biasanya

ditempatkan di tempat yang berbeda dimana penilaian dilakukan. Kelompok ini

memberikan input pada pengambil keputusan sebelum peramalan dibuat.

3. Komposit tenaga penjualan.

Dalam pendekatan ini, setiap tenaga penjualan memperkirakan berapa penjualan

yang dapat ia capai dalam wilayahnya. Kemudian, peramalan ini dikaji untuk

memastikan apakah peramalan cukup realistis. Kemudian, peramalan tersebut

digabungkan pada tingkat wilayah dan nasional untuk mendapatkan peramalan

secara keseluruhan.
4. Survei pasar konsumen. Metode

ini meminta input dari konsumen mengenai rencana pembelian mereka di masa
 13

depan. Hal ini tidak hanya membantu dalam menyiapkan peramalan, tetapi juga

memperbaiki desain produk dan perencanaan produk baru.

Peramalan kuantitatif terbagi menjadi 2 model yakni model deret waktu (time series

model) dan model asosiatif/kausal/sebab-akibat dengan penjelasan masing-masing

sebagai berikut:

1. Dekomposisi deret waktu.

Menganalisis deret waktu berarti membagi data masa lalu menjadi komponen-

komponen, kemudian memproyeksikan ke masa depan. Gerakan atau variasi

data deret waktu terdiri dari empat komponen yaitu:

a. Gerakan tren jangka

panjang (long term movement), yaitu suatu gerakan yang menunjukkan arah

perkembangan secara umum (kecenderungan menaik atau menurun) dan

sangat berguna untuk membuat ramalan yang sangat diperlukan bagi

perencanaan.
b. Gerakan siklus (cyclical

movement), adalah gerakan atau variasi jangka panjang di sekitar garis tren

(berlaku untuk data tahunan). Gerakan siklus bisa terulang setelah jangka

waktu tertentu dan dalam jangka waktu yang tidak sama. Siklus bisnis adalah

suatu contoh gerakan siklus yang menunjukkan jangka waktu terjadinya

kemakmuran, kemunduran, depresi, dan pemulihan.

c. Gerakan musiman

(seasonal movement), adalah gerakan yang mempunyai pola tetap dari waktu

ke waktu, misalnya menaikkan harga pohon cemara menjelang Natal,

meningkatnya harga bahan makanan dan pakaian menjelang hari raya Idul

Fitri.
d. Gerakan atau variasi

yang tidak teratur (irregular movement), adalah gerakan atau variasi yang
 14

sifatnya sporadis, misalnya naik-turunnya produksi akibat banjir yang

datangnya tidak teratur.

2. Pendekatan Naive (Naive Approach).
Cara yang paling sederhana untuk meramal adalah berasumsi bahwa permintaan

di periode mendatang akan sama dengan permintaan pada periode terakhir.

Ft = Yt-1
3. Rata-rata bergerak (Moving Average).
Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu utnuk

menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat

mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa yang kita

ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi

permintaan periode mendatang) dinyatakan sebagai berikut:

dimana n adalah jumlah periode dalam rata-rata bergerak.

4. Rata-rata bergerak tertimbang (Weighted Moving

Average).
Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk

menempatkan penekanan yang lebih pada nilai terkini. Praktik ini membuat

teknik peramalan lebih tanggap terhadap perubahan karena periode yang lebih

dekat mendapatkan bobot yang lebih berat. Pemilihan bobot merupakan hal yang

tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu,

pemutusan bobot yang digunakan membutuhkan pengalaman. Rata-rata bergerak

dengan pembobotan atau rata-rata bergerak tertimbang dapat digambarkan secara

matematis sebagai berikut:

5. Penghalusan eksponensial (Exponential Smoothing).

 15

Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak

dengan pembobotan yang canggih tetapi masih mudah digunakan. Metode ini

menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan

eksponensial dasar dapat ditunjukkan sebagai berikut:

Ft = Ft-1 + α (At-1 – Ft-1)

Dimana:
Ft = peramalan baru
Ft-1 = peramalan sebelumnya
α = konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1)
At-1 = permintaan aktual periode lalu
Konstanta penghalusan untuk penerapan di bidang bisnis biasanya berkisar dari

0,05 hingga 0,5. Pendekatan penghalusan eksponensial mudah digunakan dan

telah berhasil diterapkan pada hampir setiap jenis bisnis. Walaupun demikian,

nilai yang tepat untuk konstanta penghalusan dapat membuat diferensiasi antara

peramalan yang akurat dan yang tidak akurat. Nilai α yang tinggi dipilih pada

saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata

cukup stabil. Tujuan pemilihan suatu nilai untuk konstanta penghalusan adalah

mendapatkan peramalan yang akurat.

6. Penghalusan eksponensial dengan tren (Exponential

Smoothing with Trend).

Penghalusan eksponensial yang sederhana gagal memberikan respons terhadap

tren yang terjadi. Inilah alasan penghalusan eksponensial harus diubah saat ada

tren. Untuk memperbaiki peramalan, maka digunakan model penghalusan

eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada.

Idenya adalah menghitung rata-rata data penghalusan eksponensial, kemudian

menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan

penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata, dan tren

 16

dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-

rata dan β untuk tren. Kemudian, dihitung rata-rata dan tren untuk setiap periode.

Ft = α (At-1) + (1 – α)(Ft-1 + Tt-1)

Tt = β (Ft – Ft-1) + (1 – β) Tt-1
Dimana:
Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada

periode t
Tt = tren dengan eksponensial yang dihaluskan pada periode t
At = permintaan aktual pada periode t
α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1)
β = konstanta penghalusan untuk tren (0 ≤ β ≤ 1)
Jadi, tiga langkah menghitung peramalan dengan yang disesuaikan dengan tren

adalah sebagai berikut:

a. Menghitung Ft, peramalan eksponensial yang dihaluskan untuk periode t,

menggunakan persamaan Ft.

b. Menghitung tren yang dihaluskan, Tt, menggunakan persamaan Tt.
c. Menghitung peramalan dengan tren, FITt, dengan rumus FITt = Ft + Tt.
7. Proyeksi tren (Trend Projection) atau analisis tren

(Trend Analysis).
Teknik ini mencocokan garis tren pada serangkaian data masa lalu, kemudian

memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau

jangka panjang.

ŷ = a + bX

Dimana:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait)
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang

terjadi di x)
X = variabel bebas

X = nilai variabel bebas yang diketahui

 17

Y = nilai variabel terkait yang diketahui

X= rata-rata nilai X
Y = rata-rata nilai Y
n = jumlah data atau pengamatan
8. Regresi linier (Linear Regression).
Model matematika garis lurus untuk menggambarkan hubungan fungsional

antara variabel-variabel yang bebas maupun variabel terikat. Persamaan garisnya

dapat dinyatakan sebagai:

ŷ = a + bX

Dimana:
ŷ = nilai terhitung dari variabel yang akan diprediksi (variabel terkait)
a = persilangan sumbu y
b = kemiringan garis regresi (tingkat perubahan pada y untuk perubahan yang

terjadi di x)
X = variabel bebas
X = nilai variabel bebas yang diketahui
Y = nilai variabel terkait yang diketahui
X= rata-rata nilai X
Y = rata-rata nilai Y

n = jumlah data atau pengamatan

 Menurut Eddy Herjanto (2004:117)

Gambar 2.2 Metode Peramalan Menurut Eddy Herjanto

 18

Sumber: Penulis
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif pada

masa lalu dan terbagi atas dua yaitu:

1. Deret berkala, merupakan metode yang didasarkan atas penggunaan analisa pola

hubungan antara variabel yang akan diperkirakan dengan variabel waktu.

Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel

dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola dalam deret

data historis dan mengekstrapolasikan pola tersebut ke masa depan. Ada 4 jenis

pola data peramalan time series yaitu:

 Pola horizontal (H): pola data ini terjadi apabila nilai data observasi

berfluktuasi di sekitar nilai rata-rata yang konstan.

Gambar 2.3 Pola Data Horizontal

Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
 Pola musiman (S): pola ini terjadi bilamana suatu deret dipengaruhi oleh

faktor musiman.

Gambar 2.4 Pola Data Musiman

Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
 Pola siklis (C): pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi

ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

 19

Gambar 2.5 Pola Data Siklis

Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
 Pola tren (T): pola ini terjadi bilamana terdapat kenaikan atau penurunan

sekuler jangka panjang dalam data.

Gambar 2.6 Pola Data Tren

Sumber: Buku “Manajemen Operasi” karangan Eddy Herjanto (2004:117)
2. Model kausal, merupakan metode peramalan yang didasarkan atas penggunaan

analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel

lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan

bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu

atau lebih variabel bebas. Tujuannya adalah untuk menemukan bentuk hubungan

tersebut dan menggunakannya untuk meramalkan nilai mendatang dari variabel

tak bebas.

Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif pada masa

lalu dan merupakan hasil dari pemikiran intuitif, pertimbangan dan pengetahuan

yang telah didapat. Metode ini dibagi menjadi 2 bagian yaitu:

 20

1. Metode eksploratis, dimulai dengan masa lalu dan masa kini sebagai titik

awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan

melihat semua kemungkinan yang ada.

2. Metode normatif, dimulai dengan menggabungkan sasaran dan tujuan yang akan

datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai

berdasarkan kendala, sumber daya dan teknologi yang tersedia.

 Menurut Bernard W. Taylor (2005:301)

Gambar 2.7 Metode Peramalan Menurut Bernard W. Taylor

Sumber: Penulis
Metode time series membuat peramalan dengan menggunakan asumsi bahwa masa

depan adalah fungsi dari masa lalu. Tujuannya untuk menentukan pola dalam deret

data historis dan menerjemahkan pola tersebut ke masa depan. Model ini memiliki 3

metode yaitu:

1. Rata-rata bergerak, metode ini digunakan dan bermanfaat apabila kita

menggunakan asumsi bahwa permintaan pasar lebih stabil sepanjang waktu.

Secara matematis ditunjukkan sebagai berikut:

 21

2. Exponential smoothing, merupakan metode yang mudah dan efisiensi

penggunaannya bila dilakukan dengan komputer. Secara matematis ditunjukkan

sebagai berikut:

Ft = Ft-1 + (At-1 – Ft-1)α

Dimana:
Ft = ramalan baru
Ft-1 = ramalan sebelumnya
At-1 = permintaan aktual periode sebelumnya
α = konstanta penghalusan
3. Trend projection, digunakan dengan cara mencocokan garis tren ke rangkaian

titik data historis dan kemudian memproyeksikan garis itu ke dalam ramalan

jangka panjang menengah hingga jangka panjang. Secar a matematis ditunjukkan

sebagai berikut:

ŷ = a + bX

Dimana:
ŷ = nilai variabel yang dihitung untuk diprediksi (variabel tidak bebas)
a = perpotongan sumbu Y
b = kelandaian garis regresi
X = variabel bebas / waktu
Ahli statistik mengembangkan persamaan yang bisa digunakan untuk

memperoleh nilai a dan b untuk garis regresi. Kelandaian b diperoleh dengan:

Dimana:
b = kelandaian garis regresi
x = nilai variabel bebas
y = nilai variabel tak bebas
X= rata-rata nilai X
Y = rata-rata nilai Y
n = jumlah titik data atau observasi

Metode kausal, regresi linier, bergabung menjadi model variabel atau hubungan yang

bisa mempengaruhi jumlah yang sedang diramal. Model ini mengasumsikan bahwa
 22

faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih

independent variabel. Tujuannya adalah untuk menemukan bentuk hubungan tersebut

dan menggunakannya untuk meramalkan nilai mendatang dari dependent variabel.

Secara matematis ditunjukkan sebagai berikut:

ŷ = a + bX
Dimana:
ŷ = nilai variabel tidak bebas yaitu penjualan
a = perpotongan sumbu Y
b = kelandaian garis regresi

X = variabel bebas

4. Metode Peramalan Additive Decomposition dan Multiplicative

Decomposition

Metode peramalan additive decomposition terbagi menjadi 2 yakni Additive

Decomposition – Average All dan Additive Decomposition – Centered Moving

Average. Metode peramalan multiplicative decomposition juga terbagi menjadi 2

yaitu Multiplicative Decomposition – Average All dan Multiplicative Decomposition

– Centered Moving Average.

 Additive Decomposition – Average All

Berikut langkah-langkah perhitungan dalam metode ini:
 Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
 Hitung rata-rata penjualan (CTD MA).
 Hitung difference dengan rumus: penjualan – CTD MA.

 Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap

kuartal yang sama memiliki nilai seasonal yang sama.

 Hitung nilai smoothed dengan rumus: penjualan – seasonal.
 Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk

menghitung a dan b adalah Y smoothed).

 Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal.
 Additive Decomposition – Centered Moving Average
Berikut langkah-langkah perhitungan dalam metode ini:
 Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
 23

 Hitung nilai CTD MA dengan rumus

 Hitung difference dengan rumus: penjualan – CTD MA.

 Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap

kuartal yang sama memiliki nilai seasonal yang sama.

 Hitung nilai smoothed dengan rumus: penjualan – seasonal.
 Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk

menghitung a dan b adalah Y smoothed).

 Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted + seasonal.
 Multiplicative Decomposition – Average All
Berikut langkah-langkah perhitungan dalam metode ini:
 Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).
 Hitung rata-rata penjualan (CTD MA).

 Hitung nilai rasio dengan rumus:

 Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap

kuartal yang sama memiliki nilai seasonal yang sama.

 Hitung nilai smoothed dengan rumus:

 Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk

menghitung a dan b adalah Y smoothed).

 Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal.
 Multiplicative Decomposition – Centered Moving Average
Berikut langkah-langkah perhitungan dalam metode ini:
 Tentukan berapa banyak seasons yang ingin dibagi (misalnya kuartal).

 Hitung nilai CTD MA dengan rumus

 Hitung nilai rasio dengan rumus:

 Hitung nilai seasonal tiap kuartal dengan rumus dan untuk tiap

kuartal yang sama memiliki nilai seasonal yang sama.

 Hitung nilai smoothed dengan rumus:

 24

 Kemudian hitung Yuandjusted = a + bX (nilai Y yang digunakan untuk

menghitung a dan b adalah Y smoothed).

 Dilanjutkan dengan mencari nilai Yadjusted = Yuandjusted * seasonal.

5. Menghitung Kesalahan Peramalan

Menurut Jay Heizer dan Barry Render (2009:177-180) ada beberapa perhitungan

yang biasa digunakan untuk menghitung kesalahan peramalan total. Perhitungan ini

dapat digunakan untuk membandingkan model peramalan yang berbeda, mengawasi

peramalan, dan untuk memastikan peramalan berjalan dengan baik. Perhitungan yang

paling terkenal adalah deviasi mutlak rerata (Mean Absolute Deviation - MAD) dan

kesalahan kuadrat rerata (Mean Squared Error - MSE).

a. Deviasi mutlak rerata (Mean Absolute

Deviation - MAD).
Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah

MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari tiap

kesalahan peramalan dibagi dengan jumlah periode data (n).

b. Kesalahan kuadrat rerata (Mean Square Error – MSE).

MSE merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan.

MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang

diamati.
 25

Menurut Vincent Gasperz (2004:80) dalam bukunya menyebutkan akurasi

peramalan akan semakin tinggi apabila nilai-nilai MAD dan MSE semakin kecil.

C. Pengertian Perencanaan

Efektivitas adalah faktor yang sangat penting bagi perusahaan untuk mencapai

kesuksesan dalam jangka panjang. Sukses perusahaan dapat diukur melalui

pencapaian sasaran-sasaran perusahaan, dalam upayanya mencapai sasaran-sasaran

tersebut perusahaan harus dapat menggunakan sumber daya (manusia, material dan

modal) secara efisien. Oleh karena itu, untuk menjaga keefesienan dalam

penggunaan sumber daya, maka dibutuhkan suatu perencanaan dan pengendalian

yang merupakan fungsi manajemen yang harus dilakukan oleh pihak manajemen

secara berkelanjutan.
Menurut Warman (2004:43), perencanaan adalah suatu proses memperkirakan

apa yang akan terjadi di masa mendatang dan mempersiapkan sesuatu untuk masa

mendatang itu.

1. Fungsi Dasar yang Harus Dipenuhi oleh Perencanaan

Menurut Tampubolon (2004), fungsi-fungsi dasar yang harus dipenuhi oleh

aktivitas perencanaan adalah:

1. Meramalkan permintaan produk yang dinyatakan dalam jumlah produk sebagai

fungsi dari waktu.

2. Menetapkan jumlah dan saat pemesanan bahan baku serta komponen secara

ekonomis dan terpadu.

3. Menetapkan kesinambungan antara tingkat kebutuhan produksi, teknik

pemenuhan pesanan, serta memonitor tingkat persediaan produk jadi setiap saat
 26

membandingkan dengan perencanaan persediaan dan melakukan revisi atas

rencana produksi pada saat yang ditentukan.

D. Persediaan

Berikut beberapa pengertian dari persediaan menurut para ahli:

 Menurut Pardede Pontas M. (2005:412), persediaan adalah sejumlah bahan baku

atau barang yang tersedia untuk digunakan sewaktu-waktu di masa yang akan

datang.
 Menurut Eddy Herjanto (2007), persediaan adalah bahan atau barang yang

disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk

digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau

untuk suku cadang dari peralatan atau mesin.

 Menurut Zulfikarijah (2005), persediaan adalah stok bahan baku yang digunakan

untuk memfasilitasi produksi atau memuaskan permintaan konsumen.

 Menurut Sofyan Assauri dalam buku Manullang dan Dearlisinaga (2005:50),

persediaan adalah sebagai suatu aktiva lancar yang meliputi barang-barang milik

perusahaan dengan maksud untuk dijual dalam suatu periode usaha normal atau

persediaan barang yang masih dalam pekerjaan proses produksi ataupun

persediaan bahan baku yang menunggu penggunaannya dalam suatu proses

produksi.
 Menurut Freddy Rangkuty (2004:1), persediaan adalah bahan-bahan, bagian yang

disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk

proses produksi, serta barang-barang jadi atau produk yang disediakan untuk

memenuhi permintaan dari konsumen atau pelanggan setiap waktu.

Jadi, persediaan adalah stok bahan baku yang juga merupakan aset perusahaan

dan yang akan digunakan untuk proses produksi atau dijual kepada konsumen.
Manajemen persediaan merupakan suatu cara untuk mengendalikan persediaan

agar dapat melakukan pemesanan yang tepat yaitu dengan biaya yang optimal. Oleh
 27

karena itu, konsep mengelola sangat penting diterapkan oleh perusahaan agar tujuan

efektivitas dan efisiensi tercapai. Karena semua organisasi mempunyai beberapa

jenis perencanaan dan pengendalian persediaan. Manajemen persediaan yang baik

merupakan hal yang sangat penting bagi suatu perusahaan, pada satu sisi,

pengurangan biaya persediaan dengan cara menurunkan tingkat persediaan dapat

dilakukan perusahaan, tetapi pada sisi lainnya, konsumen akan tidak puas apabila

suatu produk stoknya habis. Oleh karena itu, keseimbangan antara investasi

persediaan dan tingkat pelayanan kepada konsumen harus dapat dicapai.

Manajemen persediaan meruapakan hal yang mendasar dalam penetapan

keunggulan kompetitif jangka panjang. Mutu, rekayasa, produk, harga, lembur,

kapasitas berlebih, kemampuan merespon pelanggan akibat kinerja kurang baik,

waktu tenggang (lead time), dan profitabilitas keseluruhan adalah hal-hal yang

dipengaruhi oleh tingkat persediaan. Perusahaan dengan tingkat persediaan yang

lebih tinggi daripada pesaing cenderung berada dalam posisi kompetitif yang lemah.

Kebijaksanaan manajemen persediaan telah menjadi sebuah senjata untuk

memenangkan kompetitif.

1. Peranan Persediaan

Pada dasarnya persediaan mempermudah atau memperlancar jalannya operasi

perusahaan yang harus dilakukan secara berturut-turut untuk memproduksi barang-

barang serta menyampaikan kepada pelanggan. Persediaan bagi perusahaan berguna

untuk:

a. Menghilangkan risiko keterlambatan datangnya barang atau bahan-bahan yang

dibutuhkan perusahaan.
 28

b. Menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat

digunakan bila bahan ini tidak ada dalam pasaran.

c. Mempertahankan stabilitas atau kelancaran operasi perusahaan.
d. Mencapai pengguanaan mesin yang optimal.
e. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya.

f. Membuat produksi tidak perlu sesuai dengan penggunaan atau penjualannya.

Adanya persediaan dapat memungkinkan bagi perusahaan untuk melaksanakan

operasi produksi karena faktor waktu antara operasi itu dapat dihilangkan sama

sekali atau diminimalkan.

2. Fungsi Persediaan

Menurut Jay Heizer dan Barry Render (2009:82), persediaan dapat melayani 4

fungsi yang menambah fleksibilitas bagi operasi perusahaan:

a. Decouple atau memisahkan beberapa tahapan

dari proses produksi. Sebagai contoh, jika persediaan sebuah perusahaan

berfluktuasi, persediaan tambahan mungkin diperlukan untuk melakukan

decouple proses produksi dari pemasok.

b. Melakukan decouple perusahaan dari fluktuasi

permintaan dan menyediakan persediaan barang-barang yang akan memberikan

pilihan bagi pelanggan. Persediaan seperti ini digunakan secara umum pada

bisnis eceran.
c. Mengambil keuntungan dari diskon kuantitas

karena pembelian dalam jumlah besar dapat mengurangi biaya pengiriman

barang.

d. Melindungi terhadap inflasi dan kenaikan

harga.

3. Jenis-Jenis Persediaan
 29

Menurut Jay Heizer dan Barry Render (2009:82-83), ada 4 jenis persediaan yang

harus dipelihara perusahaan untuk mengakomodasi fungsi-fungsi persediaan:

a. Persediaan bahan mentah

(raw material inventory): bahan-bahan yang biasanya dibeli, tetapi belum

memasuki proses manufaktur dan digunakan untuk melakukan decouple

(memisahkan) pemasok dari proses produksi.

b. Persediaan barang

setengah jadi (WIP inventory): komponen atau bahan mentah yang telah melewati

beberapa proses perubahan, tetapi belum selesai. WIP ada karena waktu yang

diperlukan untuk menyelesaikan sebuah produk (disebut waktu siklus).

c. MRO (Maintenance,

Repair, Operating): persediaan yang disediakan untuk persediaan pemeliharaan,

perbaikan, operasi yang dibutuhkan untuk menjaga agar mesin-mesin dan proses-

proses tetap produktif.

d. Persediaan barang jadi:

produk yang telah selesai dan tinggal menunggu pengiriman tetapi masih

merupakan aset dalam pembukuan perusahaan.

4. Biaya-Biaya dalam Persediaan

Ada tiga jenis biaya dalam persediaan menurut Jay Heizer dan Barry Render

(2009:91-92) antara lain:

1. Biaya penyimpanan (holding cost) yaitu biaya yang terkait dengan menyimpan

atau “membawa” persediaan selama waktu tertentu.

2. Biaya pemesanan (ordering cost) mencakup biaya dari persediaan, formulir,

proses pesanan, pembelian, dukungan administrasi dan seterusnya. Ketika

 30

pesanan sedang diproduksi, biaya pesanan juga ada, tetapi mereka adalah bagian

dari biaya penyetelan.

3. Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah mesin

atau proses untuk membuat sebuah pesanan. Ini menyertakan waktu dan tenaga

kerja untuk membersihkan serta mengganti peralatan atau alat penahan. Manajer

operasi dapat menurunkan biaya pemesanan dengan mengurangi biaya

penyetelan serta menggunakan prosedur yang efisien seperti pemesanan dan

pembayaran elektronik.

5. Model Dasar Economic Order Quantity (EOQ)

Ada beberapa pendapat dari para ahli mengenai pengertian Economic Order

Quantity (EOQ) antara lain:

 Menurut Freddy Rangkuty (2004), EOQ adalah jumlah pembelian bahan mentah

pada setiap kali pesanan dengan biaya paling murah.

 Menurut Jay Heizer dan Barry Render (2009:92), EOQ adalah sebuah teknik

kontrol persediaan yang meminimalkan biaya total dari pemesanan dan

penyimpanan serta berdasar pada beberapa asumsi:

a. Jumlah permintaan diketahui, konstan, dan independen.
b. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan –

diketahui dan konstan.

c. Penerimaan persediaan bersifat instan dan selesai seluruhnya.
d. Tidak tersedia diskon kuantitas.
e. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan

(biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu

(biaya penyimpanan dan membawa).

f. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika jika

pemesanan dilakukan pada waktu yang tepat.

 31

 Menurut Eddy Herjanto (2007:245), EOQ adalah salah satu model klasik yang

diperkenalkan oleh FW Harris pada tahun 1914, tetapi paling banyak dikenal

dalam teknik pengendalian persediaan.

 Menurut Pardede, Pontas M. (2005:422), EOQ menunjukkan sejumlah barang

yang dipesan untuk tiap kali pemesanan agar biaya sediaan keseluruhan menjadi

sekecil mungkin.

Model kuantitas pesanan ekonomis (Economic Order Quantity – EOQ) ini adalah

salah satu teknik pengendalian persediaan yang paling tua dan paling dikenal secara

luas. Berikut rumus yang digunakan dalam perhitungan persediaan:

EOQ = Q* =

Annual setup cost =

Annual holding cost =

Total unit cost = Unit cost (D)

I = ½ Q*

Dimana:
Q* = jumlah optimum unit per pesanan (EOQ)
D = permintaan per periode
S = biaya pemesanan untuk setiap pesanan
H = biaya penyimpanan per unit per periode
Q = jumlah unit per pesanan
TC = biaya total
I = rata-rata tingkat persediaan (average inventory)
N = jumlah pemesanan yang diperkirakan per periode

2.D.5.1Lead Time

Menurut Zulfikarijah (2005:96), lead time adalah waktu yang dibutuhkan antara

pemesanan dengan barang sampai di perusahaan sehingga lead time berhubungan

dengan reorder point dan saat penerimaan barang.

 32

Lead time muncul karena setiap pesanan membutuhkan waktu dan tidak semua

pesanan bisa dipenuhi seketika, sehingga selalu ada jeda waktu. Lead time sangat

berguna bagi perusahaan yaitu pada saat persediaan mencapai nol, pesanan akan

segera tiba di perusahaan. Dalam EOQ, lead time diasumsikan konstan artinya dari

waktu ke waktu selalu tetap dan berulang dalam setiap periode. Akan tetapi dalam

prakteknya lead time banyak berubah-ubah, untuk mengantisipasinya perusahaan

sering menyediakan safety stock.

2.D.5.2Safety stock

Ada beberapa pendapat dari para ahli mengenai pengertian safety stock antara

lain:

 Menurut Freddy Rangkuty (2004:10), safety stock adalah persediaan tambahan

yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya

kekurangan bahan.
 Menurut Zulfikarijah (2005:96), safety stock adalah persediaan yang digunakan

dengan tujuan supaya tidak terjadi kehabisan stok.

 Menurut Sofyan Assauri (2004:186), safety stock adalah persediaan tambahan

yang diadakan untuk melindungi atau menjaga kemungkinan terjadi kekurangan

bahan (stock out).

Tujuan safety stock adalah untuk meminimalkan terjadinya stock out dan

mengurangi penambahan biaya penyimpanan dan biaya stock out total, biaya

penyimpanan disini bertambah seiring dengan adanya penambahan yang berasal dari

reorder point oleh karena adanya safety stock. Keuntungan adanya safety stock

adalah pada saat jumlah permintaan mengalami lonjakan, maka persediaan

pengaman dapat digunakan untuk menutup permintaan tersebut.

 33

Berdasarkan pendapat Assauri (2004:186-187), ada 2 faktor yang menentukan

besarnya persediaan pengaman yakni:

a. Penggunaan bahan baku rata-rata.

Salah satu dasar untuk memperkirakan penggunaan bahan baku selama periode

tertentu, khususnya selama periode pemesanan adalah rata-rata penggunaan

bahan baku pada masa sebelumnya. Hal ini perlu diperhatikan karena setelah kita

mengadakan pesanan, maka pemenuhan kebutuhan atau permintaan pelanggan

sebelum barang yang dipesan datang harus dapat dipenuhi dari persediaan yang

ada.
b. Faktor waktu atau lead time.
Lead time adalah lamanya waktu antara mulai dilakukannya pemesanan bahan

sampai dengan kedatangan bahan yang dipesan tersebut dan diterima di gudang

persediaan.

Dari kedua keadaan tersebut diatas, maka perusahaan perlu menetapkan adanya

proses persediaan pengaman untuk menjamin kelancaran proses produksi akibat

kemungkinan adanya kekurangan persediaan tersebut. Untuk menghitung besarnya

safety stock, dapat digunakan cara yang relatif lebih teliti yakni:

a. Metode perbedaan pemakaian maksimum dan rata-rata.

Metode ini dilakukan dengan menghitung selisih antara pemakaian maksimum

dengan pemakaian rata-rata dalam jangka waktu tertentu, kemudian selisih

tersebut dikalikan dengan lead time.

Safety stock = (Pemakaian maksimum – Pemakaian rata-rata) Lead time

b. Metode statistika yang berdistribusi normal.

Safety stock = Z
Dimana:
 34

Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%,

ini berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan

terhadap kemungkinan terjadinya stock out hanya 5%)

= standar deviasi

L = lead time

2.D.5.3Titik Pemesanan Ulang (Reorder Point)

Ada beberapa pendapat dari para ahli mengenai pengertian reorder point (ROP)

antara lain:

 Menurut Jay Heizer dan Barry Render (2009:99), ROP adalah titik pemesanan

ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk

mengisi kembali persediaan barang.

 Menurut Freddy Rangkuty (2004:83), ROP adalah titik pemesanan yang harus

dilakukan suatu perusahaan sehubungan dengan adanya lead time dan safety

stock.
 Menurut Gasperz (2004:291), tarik dari ROP menimbulkan cash loading input ke

setiap tingkat adalah output dari tingkat atau tahap sebelumnya sehingga

menyebabkan saling ketergantungan diantara tingkat-tingkat dalam sistem

distribusi.
 35

Gambar 2.8 Siklus Pemesanan Persediaan

Sumber: http://flylib.com/books/en/3.287.1.217/1/
Ada beberapa faktor yang mempengaruhi ROP antara lain:

a. Lead time.
b. Tingkat pemakaian bahan baku rata-rata per satuan waktu tertentu.
c. Safety stock.

Persamaan matematis untuk menghitung ROP mengasumsikan permintaan

selama waktu tunggu dan waktu tunggu itu sendiri adalah konstan. Ketika kasusnya

tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman

haruslah ditambah. Persamaannya menjadi:

ROP = (d x L) + SS

d=

Dimana:
ROP = reorder point
d = permintaan per hari
L = lead time
SS = safety stock

6. Fixed Order Interval System (EOI)

 36

Fixed Order Interval System juga disebut sistem persediaan secara periodik, yang

lebih berdasar kepada periode daripada sistem persediaan kontinu yang lebih kepada

posisi stok persediaan. Sistem persediaan yang berbasiskan waktu yang melakukan

pesanan berdasarkan jangka waktu tertentu. Jumlah pesanan bergantung kepada

pemakaian demand selama periode waktu tertentu.

Menggunakan tingkat persediaan maksimum (maximum inventory level) selama

waktu lead time dan interval pesanan. Setelah suatu periode tetap (T) telah terlewati,

jumlah persediaan dihitung. Sebuah pesanan dilakukan untuk memulihkan

persediaan, dan jumlah pesanannya tergantung berapa jumlah yang berkurang

(maximum inventory level). Jadi, jumlah pesanan didapat dari selisih maximum

inventory level dan sisa persediaan pada waktu melakukan perhitungan.

Sistemnya terdiri dari 2 parameter yang digunakan yaitu periode tetap

pemeriksaan (T) dan maximum inventory level (E).

Masalah dasar pada metode ini adalah bagaimana menentukan interval pesanan

(T) dan maximum inventory level (E) yang diinginkan. Economic order interval dapat

diperoleh untuk meminimumkan total biaya tahunan.

Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan

dalam perhitungannya seperti berikut:

E = SS + D (T*+ L)
I = SS + ½ (D T*)
Q* = E – I

TOR =

TC(T*) = + (SS + ½ D T*) Cc

Dimana:
T* = economic order interval
Co = biaya pemesanan untuk setiap pesanan
Cc = biaya penyimpanan per unit per periode
 37

D = permintaan per periode

SS = safety stock
Z = standar normal (diperoleh dari tabel distribusi normal. Misalnya, Z = 95%, ini

berarti tingkat pelayanan sebesar 95% dari permintaan atau penjagaan terhadap

kemungkinan terjadinya stock out hanya 5%)

= standar deviasi
L = lead time
E = maximum inventory level
I = average inventory control
Q* = order quantity
TOR = turn over ratio

TC(T*) = total cost

7. Minimum-Maximum System (Min-Max)

Cara kerja sistem ini yaitu apabila persediaan telah melewati batas minimum dan

mendekati batas safety stock maka reorder harus dilakukan. Jadi batas minimum

(minimum stock) merupakan batas tingkat reorder. Batas maksimum (maximum

stock) adalah batas kesediaan perusahaan untuk menginvestasikan uangnya dalam

bentuk persediaan bahan baku. Jadi dalam hal ini yang terpenting adalah batas

minimum dan maksimum untuk dapat menentukan order quantity.

Pada metode ini, terdapat perbedaan cara dalam menghitung safety stock yakni

metode ini tidak memerlukan standar deviasi dan tingkat pelayanan melainkan hanya

membutuhkan rata-rata permintaan per bulan.

Pada data yang bersifat stochastic, metode ini mempunyai beberapa persamaan

dalam perhitungannya seperti berikut:

SS =

Minimum stock = (DL) + SS

Maximum stock = 2(DL) + SS
Q* = Max stock – Min stock

Banyak pemesanan : N =

I = SS + (½ Q*)
 38

TOR =

TC(Min-Max) =

Dimana:
SS = safety stock
D = permintaan per periode
L = lead time
I = average inventory control
Q* = order quantity
TOR = turn over ratio
TC(Min-Max) = total cost

Dalam perhitungan EOQ, EOI dan Min-Max diperlukan data-data sebagai

berikut:
Tabel 2.1 Data-Data yang Diperlukan dalam Perhitungan EOQ, EOI dan Min-Max

Keterangan EOQ EOI Min-Max

Permintaan periode sebelumnya (penjualan aktual)   
Permintaan periode berikutnya (forecast)   
Biaya pemesanan (S)
 Telepon   
 Stationery   
 Listrik   
 Pengepakan   
 Pengiriman   
 Kurir   
 Bongkar muat   
Biaya penyimpanan (H)
 Sewa gudang   
 Listrik   
Lead time   
Unit cost 
Sumber: Hasil pengolahan penulis

E. Penelitian Terdahulu

Tabel 2.2 Penelitian Terdahulu

Nama pengarang Judul Jurnal Hasil penelitian

Fildes, R; The Journal of the Operational
Nikolopoulos, K; Research Society Volume 59,
Crone, S F; Syntetos, September 2008, ISSN 01605682,
AA “Forecasting and Operational
Research: A Review” tahun
2008p.1150-1172.
Catt, Peter M; Industrial Management + Data
Barbour, Robert H; Systems Volume 108, 2008, ISSN
Praktisi percaya bahwa akurasi peramalan penting bagi
organisasinya. Penelitian terhadap praktik peramalan telah
menunjukkan bahwa sistem pendukung yang
mengkombinasikan model statistik atau ekonometrik dengan
keputusan expert menawarkan jalan terbaik untuk meraih
perbaikan besar dalam akurasi.
Jurnal ini menunjukkan bahwa praktisi harus memilih model
peramalan berdasarkan karakteristik deret waktu historis,

Robb, David J 02635577, “Assessing Forecast
Model Performance in an ERP
Environment” tahun 2008p.677-697.
Haryadi Sarjono; Management Expose
Yulia Agustina; Arko Volume 8, No. 17, September 2008,
Pujadi ISSN 1410-8631, “Analisis
Peramalan Penjualan pada PT. Multi
Megah Mandiri” tahun 2008p.60-78.
Nunung Nurhasanah Jurnal Inasea Volume 10, No. 01,
April 2009, ISSN 1411-9129,
“Persediaan Bahan Baku Optimum
Dengan Metode Economic Order
Quantity Pada Es Chika Home
Industry” tahun 2009p.59-70
Syntetos, A A; The Journal of the Operational
Boylan, J E; Disney, S Research Society Volume 60, May
M 2009, ISSN 01605682, “Forecasting
for Inventory Planning: A 50-Year
Review” tahun 2009p.149-160.
39
seperti tingkat, tren, musiman dan sejarah penjualan yang
tersedia. Selain itu, juga ditunjukkan bahwa praktisi
sebaiknya menilai model persaingan berdasarkan CFE (Cost
of Forecast Error) dan pengukuran statistik kesalahan
peramalan serta praktisi harus memastikan tujuan komersial
peramalan tercapai.
Dengan menggunakan metode peramalan moving average,
metode double moving average, metode exponential
smoothing, metode exponential smoothing with trend
diperoleh hasil MAD dan MSE yang paling terkecil dan
yang paling akurat kebenaran peramalannya terdapat pada
metode exponential smoothing.
Berdasarkan hasil analisis dan pembahasan yang telah
dilakukan, maka dapat disimpulkan sebagai berikut.
Pertama, berdasarkan kondisi yang ada pada ES CHIKA
Home Industry, metode
pengendalian persediaan dengan metode EOQ merupakan
metode yang cocok karena tidak membuat perusahaan harus
menyediakan tempat lebih di gudang untuk menyimpan
persediaan, dimana memang pengelola memiliki
keterbatasan dalam hal tersebut. Kedua, hasil dari 10.000
kali simulasi permintaan harian didapat estimasi permintaan
rata-rata harian sebanyak 2045 batang es per hari.
Sedangkan hasil dari hasil perhitungan secara analitis,
didapat permintaan rata-rata harian sebanyak 2047 batang es
per hari. Hasil yang didapat dari simulasi mendekati hasil
yang didapat dari hasil perhitungan secara analitis. Hal ini
menunjukkan simulasi hasil simulasi mendekati kondisi
steady state (keadaan tetap). Ketiga, EOQ untuk santan kara
60 karton dengan 17,6 kali
pemesanan per tahun. Pemesanan dilakukan setiap 19 hari
setelah pemesanan sebelumnya dan perkiraan total cost yang
dikeluarkan untuk santan KARA per tahun adalah Rp.
13.280.000. Keempat, EOQ untuk susu kental manis 40
karton dengan 52.,75 pemesanan per tahun. Pemesanan
dilakukan setiap 6,25 hari setelah pemesanan sebelumnya
dan perkiraan total cost yang dikeluarkan
untuk susu kental manis per tahun adalah Rp. 9.169.000.
Kelima, EOQ untuk air mineral 59 gallon dengan 30,5
pemesanan per tahun. Pemesanan dilakukan setiap 11 hari
setelah pemesanan
sebelumnya dan perkiraan total cost yang dikeluarkan untuk
air mineral per tahun adalah Rp. 3.631.000..
Bidang perencanaan persediaan dan peramalan telah
mengalami
kemajuan luar biasa selama 50 tahun terakhir. Telah ada
perkembangan metodologi yang signifikan, antara lain
munculnya sistem dinamik, teori kontrol dan metode
peramalan statistik. Perkembangan ini telah dicerminkan
dari aplikasi perangkat lunak baru, yang mencerminkan
pentingnya perencanaan persediaan dan peramalan dalam
 40

situasi praktek.
Sumber: Hasil studi literatur

F. Kerangka Pemikiran

Gambar 2.9 Kerangka Pemikiran

Sumber: Penulis