PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN

UNTUK MENDUKUNG COLLABORATIVE

PLANNING AND FORECASTING
(Studi kasus: PT. Sinar Niaga Sejahtera Surakarta)

Skripsi
Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

ARDHA KURNIA SARI YUDHA PUTRI

I 0303015

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET
SURAKARTA
2010

IV-1
 LEMBAR PENGESAHAN

Judul Skripsi :

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN

UNTUK MENDUKUNG COLLABORATIVE
PLANNING AND FORECASTING
(Studi kasus: PT. Sinar Niaga Sejahtera Surakarta)

Ditulis oleh:
Ardha Kurnia Sari Yudha Putri
I 0303015

Mengetahui,

Dosen Pembimbing I Dosen Pembimbing II

Yuniaristanto, ST., MT. I Wayan Suletra, ST., MT

NIP. 19750617 200012 1 001 NIP. 19750308 200012 1 001

Pembantu Dekan I Ketua Jurusan

Fakultas Teknik Teknik Industri UNS

Ir. Noegroho Djarwanti, MT Ir. Lobes Herdiman, MT

NIP 19561112 198403 2 007 NIP 19641007 199702 1 001

IV-2
 LEMBAR VALIDASI

Judul Skripsi :

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN

UNTUK MENDUKUNG COLLABORATIVE
PLANNING AND FORECASTING
(Studi kasus: PT. Sinar Niaga Sejahtera Surakarta)

Ditulis oleh:
Ardha Kurnia Sari Yudha Putri
I 0303015

Telah disidangkan pada hari Rabu tanggal 19 Mei 2010

Di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta,
dengan

Dosen Penguji

1. Eko Liquiddanu, ST., MT.

NIP 19710128 199802 1 001

2. Yusuf Priyandari, ST., MT.

NIP 197912222 00312 1 001

Dosen Pembimbing

1. Yuniaristanto, ST., MT.

NIP 19750617 200012 1 001

2. I Wayan Suletra, ST., MT

NIP. 19750308 200012 1 001

IV-3
 SURAT PERNYATAAN
ORISINALITAS KARYA ILMIAH

Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini,
Nama : Ardha Kurnia Sari Yudha Putri
NIM : I 0303015
Judul tugas akhir : Perancangan Sistem Pendukung Keputusan Untuk
Mendukung Collaborative Planning And Forecasting
(Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)

Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun tidak
mencontoh atau melakukan plagiat dari karya tulis orang lain. Jika terbukti bahwa
Tugas Akhir yang saya susun mencontoh atau melakukan plagiat dapat dinyatakan
batal atau gelar Sarjana yang saya peroleh dengan sendirinya dibatalkan atau
dicabut.
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan apabila
dikemudian hari terbukti melakukan kebohongan maka saya sanggup
menanggung segala konsekuensinya.

Surakarta, Agustus 2010

Ardha Kurnia S.Y.P

I 0303015

IV-4
 SURAT PERNYATAAN
PUBLIKASI KARYA ILMIAH

Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini,
Nama : Ardha Kurnia Sari Yudha Putri
NIM : I 0303015
Judul tugas akhir : Perancangan Sistem Pendukung Keputusan Untuk
Mendukung Collaborative Planning And Forecasting
(Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)

Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun sebagai syarat
lulus Sarjana S1 disusun secara bersama-sama dengan Pembimbing 1 dan
Pembimbing 2. Bersamaan dengan syarat pernyataan ini bahwa hasil penelitian
dari Tugas Akhir (TA) atau Skripsi yang saya susun bersedia digunakan untuk
publikasi dari proceeding, jurnal, atau media penerbit lainnya baik di tingkat
nasional maupun internasional sebagaimana mestinya yang merupakan bagian
dari publikasi karya ilmiah
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.

Surakarta, Agustus 2010

Ardha Kurnia S.Y.P

I 0303015

IV-5
 KATA PENGANTAR

Salam sejahtera,
Puji syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa yang telah
memberikan hikmat dan anugerahnya-Nya sehingga penulis dapat menyelesaikan
skripsi ini. Pada kesempatan yang sangat baik ini, dengan segenap kerendahan
hati dan rasa yang setulus-tulusnya, penulis ingin mengucapkan terima kasih yang
sebesar-besarnya kepada :
1. Ir. Noegroho Djarwanti, M.T. selaku Pembantu Dekan I Fakultas Teknik
Universitas Sebelas Maret Surakarta.
2. Bapak Ir. Lobes Herdiman, MT. selaku Ketua Jurusan Teknik Industri
Universitas Sebelas Maret Surakarta.
3. Bapak Yuniaristanto, ST., MT. dan I Wayan Suletra, ST., MT. selaku dosen
pembimbing yang telah sabar dalam memberikan pengarahan dan bimbingan
sehingga penulis dapat menyelesaikan skripsi ini dengan lancar.
4. Bapak Eko Liquiddanu, ST., MT. selaku dosen penguji skripsi I dan Yusuf
Priyandari, ST, MT selaku dosen penguji skripsi II yang berkenan
memberikan saran dan perbaikan terhadap skripsi ini.
5. Bapak Ir. Lobes Herdiman, MT selaku pembimbing akademis. Terima kasih
atas bimbingan, nasehat dan motivasinya selama ini.
6. Dosen-dosen Teknik Industri yang memberikan ilmu dan pengetahuan yang
kelak pasti berguna.
7. Para staf dan karyawan Jurusan Teknik Industri (mba’ Yayuk, mba’ Rina, pak
Agus, mba’Tutik), atas segala kesabaran dan pengertiannya dalam
memberikan bantuan demi kelancaran penyelesaian skripsi ini.
8. Para staf dan karyawan PT. Sinar Niaga Sejahtera Surakarta yang telah
menerima saya dengan baik dan memberikan bantuan beserta fasilitas selama
melakukan penelitian.
9. Kedua orangtuaku, yang tak pernah lelah memberikan dukungan, motivasi dan
doanya. I Love you both.

IV-6
10. Kedua saudaraku tersayang, Mba’ Deni dan Ayu serta ”The little Princessa”
yang selalu memberiku semangat untuk terus berkarya dan berbuat yang lebih
baik.
11. R. Aditya Pradana yang selalu setia menemani dalam suka dan duka, sehat dan
sakit, kaya dan miskin .
12. Tante Ida, Om Yit, Adit dan Ajeng, Mba Shanti, Alin, Dimas, Anggita, Mas
Eri, Mba Iik, etc. What an amazing family.
13. Teman – temanku A5: Yudhy, Yahudha, Yudha, Titus, Suryo, Anita, Rini,
Endrew, Tony, bangga bisa kenal dengan kalian. I’m gonna miss you guys.
14. Seluruh teman Teknik Industri angkatan ’03 UNS yang bersama berjuang
dalam menyelesaikan studi Strata-1. Atas semua bantuannya saya
mengucapkan banyak terima kasih.
15. Seluruh pihak yang tidak dapat penulis sebutkan dalam kata pengantar ini.
Semoga skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa maupun
siapa saja yang membutuhkannya. Penulis menyadari bahwa laporan tugas akhir
ini masih jauh dari sempurna, dengan senang hati dan terbuka penulis menerima
segala saran dan kritik yang membangun.

Surakarta, Agustus 2010

Penulis

IV-7
 ABSTRAK
Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, PERANCANGAN
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG
COLLABORATIVE PLANNING AND FORECASTING (Studi Kasus di
PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta). Skripsi.
Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas
Maret, Juli 2010.
Rata–rata retur barang outlet di PT. Sinar Niaga Sejahtera Surakarta
periode Agustus 2008 – Juli 2009 adalah sebesar 1,82%, lebih besar 1,32% dari
target retur per bulan yaitu 0,5%. Kategori barang yang dapat diretur adalah
barang yang rusak dan barang yang mendekati tanggal kadaluarsa. Penyebab retur
terbesar adalah outlet yang memesan barang lebih banyak dari kebutuhannya
sebagai upaya antisipatif apabila ada lonjakan permintaan. Kerja sama antara PT.
Sinar Niaga Sejahtera dengan outlet dalam membuat rencana pengadaan barang
diharapkan dapat mengurangi resiko terjadinya retur. CPF (Collaborative
Planning and Forecasting) adalah sebuah rangkaian proses kerjasama antara
pihak outlet dengan distributor atau produsen untuk melakukan perencanaan
bisnis dan peramalan secara bersama. Penelitian ini akan membahas mengenai
bagaimana mengembangkan sistem pendukung keputusan untuk mendukung CPF
antara distributor dengan outlet.
Perancangan sistem pendukung keputusan dibagi dalam tiga langkah.
Langkah pertama adalah perancangan basis model. Perancangan basis model
mengacu pada langkah–langkah yang telah ditentukan dalam perancangan CPF.
Perhitungan peramalan menggunakan metode Holt Winter dan data penjualan
produk akan diagregasi dengan mengadaptasi metode Pyramid Forecasting.
Langkah kedua adalah perancangan basis data berdasarkan kebutuhan sistem
dengan pemodelan sistem menggunakan diagram arus data (DAD) serta
perancangan basis data dengan normalisasi, pembentukan kamus data,
pengkodean, dan pembuatan relasi antar tabel. Langkah ketiga adalah
perancangan basis dialog yaitu perancangan user interface yang terkait dengan
perancangan form input dan output dari sistem pendukung keputusan yang
dirancang.
Validasi dilakukan untuk menjelaskan bahwa sistem pendukung keputusan
yang dirancang telah sesuai dengan kebutuhan sistem. Validasi dilakukan
terhadap performansi sistem yang dibangun dan pengujian ketepatan output
sistem pendukung keputusan dengan perhitungan manual. Hasil pengujian
performansi yang berdasarkan dua kriteria yaitu kriteria ground truth dan
judgment menunjukkan bahwa sistem pendukung keputusan yang dirancang
mampu memberikan informasi secara cepat dan tepat. Hasil analisis perbandingan
hasil peramalan menunjukkan bahwa pengadaan barang menggunakan metode
usulan lebih valid daripada menggunakan metode rata–rata sederhana yang
selama ini digunakan oleh perusahaan.

Kata kunci: sistem pendukung keputusan, metode holt winter, collaborative

planning, and forecasting, pyramid forecasting, validasi
xvi + 90 halaman; 26 tabel; 55 gambar; 3 lampiran.
Daftar pustaka : 10 (1992 – 2008).

IV-8
 ABSTRACT
Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, DESIGN OF DECISION
SUPPORT SYSTEM FOR SUPPORTING COLLABORATIVE PLANNING
AND FORECASTING (Case Study at PT. Sinar Niaga Sejahtera, Marketing
Area: Surakarta). Thesis. Surakarta: Department of Industrial Engineering,
Faculty of Engineering, Sebelas MaretUniversity , July 2010.

Average returns of products from outlets at PT. Sinar Niaga Sejahtera on

August 2008 - July 2009 was 1.82%, which is larger than the normal monthly
returns as 0.5%. Product categories that can be returned are the defective and
expired products. The main causes of product returns are outlets which order
products more than they needed for anticipating the demand frisk. Collaboration
between PT. Sinar Niaga Sejahtera with outlets in products procurement plan is
expected to reduce the risk of a return. CPF (Collaborative Planning, and
Forecasting) is a series of cooperation process between the outlet and the
distributor or manufacturer to do business planning and forecasting mutually. This
research will discuss about how to develop a decision support system to support
the CPF for both the distributors and outlets.
Decision support system design is divided into three steps. The first step is
to design a model base which refers to the CPF steps. The sales forecasting uses
Holt Winter method and products sales data will be aggregated by adapting the
Pyramid Forecasting approach. The second step is to design database based on the
system requirements by using data flow diagrams, normalization, data dictionary,
coding, and creating entity relathionship diagram. The third step is to design
dialogue basis related to design the user interface including design of the input
and output forms in decision support systems.
Finally, validation is conducted to explain that decision support systems
designed is suitable with the system requirements. Validation is performed to test
the system performances and the accuracy of decision support system
calculation. Performance testing is based on two criterias: the ground truth and
judgments. The results show that decision support system designed be able to
provide information quickly and precisely. The comparative analysis of
forecasting results show that the proposed method is better than a moving average
method that is used by the company.

Keywords: decision support system, collaborative planning, and forecasting, Holt

Winter method, pyramid forecasting, validation

xvi + 90 pages; 26 tables; 55 pictures; 3 attachments.

Bibliography : 10 (1992 – 2008).

IV-9
 DAFTAR ISI

HALAMAN JUDUL i
LEMBAR PENGESAHAN ii
LEMBAR VALIDASI iii
SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH iv
SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH v
KATA PENGANTAR vi
ABSTRAK viii
ABSTRACT ix
DAFTAR ISI x
DAFTAR TABEL xiii
DAFTAR GAMBAR xiv
DAFTAR LAMPIRAN xvi
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah I–1
1.2 Perumusan Masalah I–4
1.3 Tujuan Penelitian I–4
1.4 Batasan Penelitian I–4
1.5 Asumsi Penelitian I–4
1.6 Manfaat Penelitian I–5
1.7 Sistematika Penulisan I–5
BAB II TINJAUAN PUSTAKA
2.1 Tinjauan Umum Perusahaan II – 1
2.1.1 Sejarah Perkembangan Perusahaan II – 1
2.1.2 Lokasi Perusahaan dan Struktur Organisasi II – 2
2.1.3 Sistem Order dan Wilayah Pemasaran II – 3
2.1.4 Jenis Produk II – 5
2.2 Landasan Teori II – 5
2.2.1 Konsep Dasar Manajemen Rantai Pasok II – 6
2.2.2 Bullwhip Effect II – 7
2.2.3 Peramalan II – 11

IV-10
 2.2.4 Sistem Pendukung Keputusan II – 20
2.2.5 Collaborative Planning, Forecasting,
and Replenishment II – 27
2.2.6 Referensi Lainnya II – 32
BAB III METODOLOGI PENELITIAN
3.1 Identifikasi Sistem Perusahaan III – 1
3.2 Analisis Kebutuhan Sistem III – 2
3.3 Perancangan Basis Model III – 2
3.4 Perancangan Basis Data III – 5
3.5 Perancangan Basis Dialog III – 6
3.6 Perancangan Aplikasi Collaborative Forecasting III – 6
3.7 Validasi Sistem Pendukung Keputusan III – 6
3.8 Analisis dan Interpretasi Hasil III – 7
3.9 Kesimpulan dan Saran III – 7
BAB IV PERANCANGAN SISTEM
4.1 Identifikasi Sistem Perusahaan IV – 1
4.1.1 Prosedur Pengadaan Barang IV – 1
4.1.2 Prosedur Penjualan IV – 2
4.1.3 Data Penjualan IV – 3
4.2 Analisis Kebutuhan Sistem IV – 4
4.3 Perancangan Basis Model IV – 5
4.3.1 Collaborative Planning IV – 6
4.3.2 Pyramid Forecasting IV – 7
4.3.3 Perhitungan Kebutuhan Barang IV – 11
4.4 Perancangan Basis Data IV – 12
4.4.1 Perancangan Sistem IV – 11
4.4.2 Pengkodean IV – 19
4.4.3 Tahap Perancangan Logika IV – 21
4.4.4 Entity Relationship Diagram (ERD) IV – 26
4.5 Perancangan Basis Dialog IV – 27
4.5.1 Kamus Data IV – 27
4.5.2 Perancangan User Interface Input IV – 30

IV-11
 4.5.3 Perancangan User Interface Output IV – 36
4.6 Perancangan Aplikasi CPFR IV – 37
4.7 Validasi Sistem Pendukung Keputusan IV – 42
4.7.1 Ground Truth (dasar kebenaran) IV – 42
4.7.2 Judgement (Penilaian) IV – 43
4.8 Pengujian Ketepatan Output SPK dengan perhitungan IV – 44
Manual
BAB V ANALISIS DAN INTERPRETASI DATA
5.1 Perbandingan Sistem Awal dan Sistem Usulan V–1
5.2 Analisis Collaborative Planning and Forecasting V–2
terhadap Bullwhip Effect
5.3 Implementasi Sistem Pendukung Keputusan V–3
Collaborative Planning and Forecasting
BAB VI KESIMPULAN DAN SARAN
5.1 Kesimpulan VI – 1
5.2 Saran VI – 2

DAFTAR PUSTAKA
LAMPIRAN

IV-12
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG MASALAH

PT Sinar Niaga Sejahtera merupakan perusahaan distributor makanan dan
minuman. PT Sinar Niaga Sejahtera mendistribusikan produknya melalui
beberapa echelon (multi echelon) sebelum akhirnya dapat dikonsumsi oleh
konsumen. Produk didistribusikan ke outlet-outlet yaitu grosir, semi-grosir,
retailer maupun modern market. Produk dapat didistribusikan lagi ke outlet yang
lebih kecil ataupun dapat langsung dikonsumsi oleh konsumen setelah dari grosir
maupun sub-distributor.
Rencana pengadaan barang dilakukan oleh kepala cabang dengan
menghitung rata – rata order dari outlet selama 5 bulan. Pertimbangan manajerial
akan ditambahkan apabila terjadi hal – hal di luar kebiasaan, yaitu misalnya
kegiatan promosi dari produsen dan hari raya Idul Fitri. Jadwal promosi dari
outlet biasanya tidak diketahui sehingga pada saat perencanaan pengadaan barang
tidak ditambahkan.
PT. Sinar Niaga Sejahtera memberikan toleransi terhadap retur barang dari
outlet untuk menjaga kualitas produk sehingga konsumen selalu mendapatkan
produk dengan kondisi dan kualitas yang baik. Toleransi retur yang diberikan
hanya sebesar 0,5% dari total omset outlet. Namun yang sering terjadi adalah
outlet yang melakukan retur produk lebih dari 0,5% per bulan. PT Sinar Niaga
Sejahtera distributor wilayah Surakarta mencatat sepanjang bulan Agustus 2008 –
Juli 2009 rata – rata retur produk dari outlet adalah sebesar 1,82% dari total
omsetnya. Kerugian yang diakibatkan retur barang dari outlet ditanggung oleh PT
Sinar Niaga Sejahtera. Terdapat penarikan produk yang mendekati kadaluarsa
pada bulan Mei dan Juni 2009 yang tercatat sebagai retur sehingga ± 30% dari
retur pada bulan itu adalah penarikan barang yang mendekati tanggal kadaluarsa.
Retur kadaluarsa dilakukan oleh kurang dari 10% outlet yang dilayani oleh PT.
Sinar Niaga Sejahtera distributor wilayah Surakarta. Hal ini sangat merugikan
pihak PT. Sinar Niaga Sejahtera karena harus menanggung kerugian retur yang
besar setiap bulannya.

IV-13
 PT Sinar Niaga Sejahtera memberikan kebebasan kepada outlet dalam
menentukan jumlah order produk. Outlet akan memesan produk dalam jumlah
yang besar sehingga kelebihan produk yang disimpan terlalu lama menjadi rusak
dan bahkan kadaluarsa sehingga harus dikembalikan (retur) kepada pihak PT
Sinar Niaga Sejahtera. Perencanaan pengadaan barang yang hanya berdasarkan
pada intuisi saja juga menyebabkan outlet memesan barang lebih banyak dari
kebutuhannya dalam seminggu sehingga kelebihan barang disimpan di gudang
dalam jangka waktu yang lama. Outlet memesan barang dalam jumlah yang
banyak untuk mengantisipasi apabila terjadi lonjakan permintaan dari konsumen.
Hal – hal yang menyebabkan retur barang dapat dilihat pada gambar 1.1 berikut:
Barang
Rusak

Perlakuan yang salah

terhadap barang
Disimpan terlalu lama
karena order terlalu banyak
Kondisi gudang kotor

Retur

Kelebihan order
Kesalahan manajemen

Barang
Kadaluarsa

Gambar 1.1 Fishbone diagram retur barang di PT. SNS Surakarta

Gambar 1.1 memaparkan apa saja yang menjadi penyebab retur produk
dari outlet ke PT. Sinar Niaga Sejahtera. Penyebab terbanyak adalah outlet yang
memesan barang lebih banyak daripada kebutuhannya sebagai upaya antisipatif
apabila ada lonjakan permintaan dari konsumen. Semestinya outlet tidak perlu
memesan barang dalam jumlah yang besar sekaligus karena outlet dapat memesan
barang seminggu sekali sesuai dengan jadwal kunjungan salesman. Selain itu
kurangnya komunikasi antara PT. Sinar Niaga Sejahtera dengan outlet juga
menjadi penyebab banyaknya persentase retur secara tidak langsung. Adanya
komunikasi antara outlet dengan PT. Sinar Niaga Sejahtera memungkinkan kedua
pihak untuk melakukan kerja sama dalam melakukan peramalan untuk membuat
perencanaan pengadaan barang sehingga persentase retur dapat dikurangi.
Kerjasama atau kolaborasi di semua pihak di dalam rantai pasok sangat
diperlukan untuk mencapai tujuan bersama. Kolaborasi yang dimaksud adalah

IV-14
kolaborasi dalam pembuatan rencana bisnis, peramalan, dan replenishment
barang. CPFR (Collaborative Planning, Forecasting, and Replenishment) adalah
sebuah rangkaian proses atau kegiatan kerjasama antara pihak outlet dengan
distributor atau pabrik untuk melakukan perencanaan bisnis, peramalan dan
replenishment secara bersama (Tenhiala, 2003). Collaborative planning adalah
perencanaan bisnis bersama antara produsen, distributor dan outlet. Perencanaan
yang dilakukan meliputi pembagian informasi aktivitas bisnis masing – masing.
Sedangkan Collaborative forecasting adalah peramalan yang dilakukan bersama –
sama dengan menggunakan data penjualan dari outlet atau diasumsikan sebagai
demand dari konsumen. Collaborative replenishment adalah eksekusi pengiriman
order untuk seluruh perusahaan yang bekerja sama. Pihak produsen wajib
mengkomunikasikan kembali realisasi pemenuhan order sehingga pihak
distributor bisa meneruskan pengiriman ke outlet. Collaborative replenishment
tidak dibahas dalam penelitian ini karena PT. Sinar Niaga Sejahtera sudah
mempunyai pertimbangan dan standar sendiri dalam menentukan jumlah order
serta pengiriman order untuk outlet.
Pembagian informasi sangat diperlukan untuk melakukan CPFR. Model
kolaborasi ini sangat bermanfaat untuk mensinkronkan ramalan di sepanjang
rantai pasok. Penerapan CPFR diharapkan dapat mencegah terjadinya bullwhip
effect karena peramalan dilakukan oleh satu pihak berdasarkan informasi
permintaan konsumen yang diperoleh dari outlet sehingga mengurangi resiko
terjadinya distorsi informasi. PT. Sinar Niaga Sejahtera diharapkan dapat
melakukan kontrol secara langsung terhadap jumlah pemesanan barang yang
dilakukan oleh outlet sehingga dapat mengurangi penumpukan jumlah barang
yang dilakukan outlet di gudangnya serta dapat mengetahui seberapa besar
permintaan konsumen yang sebenarnya.
Sebuah sistem pendukung keputusan akan memudahkan proses
pengambilan keputusan sehingga kebutuhan PT Sinar Niaga Sejahtera dapat
diakomodir dalam melakukan pengadaan barang sesuai dengan konsep CPFR
karena selama ini proses pengambilan keputusan pengadaan barang dilakukan
secara manual dengan menggunakan Microsoft Excel. Pembuatan suatu database
yang berisi jadwal promosi baik dari produsen maupun jadwal promo outlet akan

IV-15
sangat membantu dalam melakukan perencanaan pengadaan barang sehingga
dapat dijadikan pertimbangan tambahan dalam menentukan keputusan pengadaan
barang. Sistem pendukung keputusan yang dirancang diharapkan dapat
memberikan alternatif keputusan pengadaan barang yang lebih cepat, tepat dan
akurat.

1.2 PERUMUSAN MASALAH

Berdasarkan latar belakang masalah yang telah dipaparkan di atas maka
perumusan masalah yang diangkat yaitu bagaimana membangun sistem
pendukung keputusan untuk mendukung Collaborative Planning and Forecasting.

1.3 TUJUAN PENELITIAN

Adapun tujuan pelaksanaan penelitian di PT Sinar Niaga Sejahtera adalah
merancang sistem pendukung keputusan untuk mendukung Collaborative
Planning and Forecasting.

1.4 BATASAN PENELITIAN

Agar penyusunan skripsi ini lebih fokus pada permasalahan yang diangkat
dan tujuan yang ditetapkan tercapai maka perlu dilakukan pembatasan masalah
yaitu:
1. Rantai pasok yang diteliti adalah rantai distributor-outlet.
2. Implementasi sistem pendukung keputusan yang dirancang tidak dibahas.
3. Biaya pembuatan program aplikasi dan biaya perawatan inventaris tidak
dibahas.
4. Perancangan order forecast dalam CPFR tidak dibahas dalam penelitian ini.

1.5 ASUMSI PENELITIAN

Asumsi digunakan untuk menyederhanakan kompleksitas permasalahan
yang diteliti. Asumsi yang digunakan dalam penelitian ini adalah:
1. Pihak distributor dan outlet sepakat untuk melakukan CPF (Collaborative
Planning and Forecasting ).
2. Data penjualan dari outlet ke konsumennya dianggap mewakili permintaan
aktual konsumen akhir.

IV-16
3. Harga produk tidak mengalami perubahan.
4. Lead time untuk setiap produk ke outlet adalah sama, yaitu 1 hari.

1.6 MANFAAT MASALAH

Manfaat yang dapat diambil dari pelaksanaan penelitian di PT Sinar Niaga
Sejahtera antara lain:
1. Mengurangi Bullwhip effect di PT Sinar Niaga Sejahtera Distributor Wilayah
Surakarta.
2. Mengurangi retur barang di PT Sinar Niaga Sejahtera Distributor Wilayah
Surakarta.
3. Memudahkan proses pengambilan keputusan dalam pengadaan barang.

I.7 SISTEMATIKA PENULISAN

Sistematika penulisan yang digunakan dalam penyusunan skripsi ini
sebagai berikut:
BAB I PENDAHULUAN, memuat latar belakang masalah, perumusan
masalah, penetapan tujuan dan manfaat, batasan masalah, asumsi dan sistematika
penulisan.
BAB II TINJAUAN PUSTAKA, bab ini membahas tentang gambaran
umum PT Sinar Niaga Sejahtera distributor wilayah Surakarta yang merupakan
tempat dilaksanakannya penelitian skripsi. Serta berisi landasan teori yang
memuat teori-teori yang menunjang dalam pengolahan data.
BAB III METODOLOGI PENELITIAN, berisi langkah-langkah
penyelesaian masalah secara umum. Tahapan itu meliputi penetapan perumusan
masalah, pengumpulan data, pengolahan data, analisis dan interpretasi hasil, dan
kesimpulan dan saran.
BAB IV PERANCANGAN SISTEM, berisi tentang sistem perusahaan
saat ini beserta langkah – langkah perancangan sistem pendukung keputusan.
BAB V ANALISIS DAN INTERPRETASI HASIL, berisi uraian
analisis dan interpretasi dari hasil perancangan sistem yang telah dilakukan.
BAB VI KESIMPULAN DAN SARAN, berisi kesimpulan dari hasil
pengolahan data dan analisis serta saran-saran yang diperlukan dalam
mendapatkan hasil yang lebih baik.

IV-17
 BAB II
TINJAUAN PUSTAKA

Bab II merupakan tinjauan pustaka yang berisi tinjauan umum perusahaan

serta landasan teori yang mendukung pengolahan data dalam penyusunan skripsi
ini. Tinjauan umum perusahaan meliputi sejarah perkembangan perusahaan,
lokasi serta struktur organisasi perusahaan, sistem order dan wilayah pemasaran
serta jenis produk dan armada pengiriman. Landasan teori berisi tentang teori
Bullwhip Effect, CPFR, peramalan dan sistem pendukung keputusan.

2.1 TINJAUAN UMUM PERUSAHAAN

Sub bab ini berisi mengenai sejarah pekembangan perusahaan, lokasi serta
struktur organisasi perusahaan, sistem order dan wilayah pemasaran serta jenis
produk dan armada pengiriman.

2.1.1 Sejarah Perkembangan Perusahaan

PT Sinar Niaga Sejahtera (SNS) didirikan pada tahun 1994, peran SNS
sangat menentukan bagi perkembangan Garuda Food. Berbagai macam produk
Garudafood bisa diperoleh konsumen di wilayah-wilayah pelosok seluruh
Indonesia karena didistribusikan oleh PT. Sinar Niaga Sejahtera. SNS telah
memiliki 96 depo dan memiliki 5 kantor regional yang tersebar di seluruh kota
besar di Indonesia, yang melayani hampir 150.000 outlet pelanggan di seluruh
Indonesia. SNS juga bermitra dengan subdisributor besar yang tersebar dari Aceh
sampai Papua untuk memperluas jaringannya.
PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta merupakan salah
satu depo yang memiliki kantor regional di Yogyakarta. PT Sinar Niaga Sejahtera
Distributor Wilayah Surakarta bertujuan untuk kegiatan pendistribusian produk
Garudafood dari pabrik sampai ke outlet-outlet yang berada di wilayah Surakarta
dan sekitarnya yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo,
Karanganyar dan Boyolali.
Perusahaan ini berperan sebagai distributor wilayah yang menangani
pendistribusian produk di wilayah Surakarta dan sekitarnya. PT. Sinar Niaga

IV-18
Sejahtera tidak memproduksi produk namun hanya mendistribusikan produk
sedangkan supply produk diperoleh langsung dari pabrik. Saat ini jumlah outlet
yang dilayani oleh perusahaan meliputi 24 chainstore, 247 grosir, 546 semi grosir,
2 sub dis, 886 retailer dan 57 modern market.

2.1.2 Lokasi Perusahaan dan Struktur Organisasi

PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta berlokasi di Jalan
Raya Solo-Purwodadi km 5. Letak perusahaan yang strategis memudahkan dalam
pendistribusian serta memudahkan keluar masuknya truk dari pabrik serta mini
truk yang mendistribusikan produk ke retailer.
Adapun struktur organisasi di PT Sinar Niaga Sejahtera Distributor
Wilayah Surakarta dapat dilihat pada gambar 2.1 di bawah ini

Gambar 2.1 Struktur Organisasi PT SNS Distributor Wilayah Solo

(Sumber: PT Sinar Niaga Sejahtera distributor wilayah Surakarta, 2008)

Secara lebih jelas, struktur organisasi dapat dijelaskan sebagai berikut ini:
1. Kepala Cabang (BM)
Kepala cabang adalah kepala PT Sinar Niaga Sejahtera distributor wilayah
Solo. Kepala cabang bertanggung jawab atas segala hal yang berkaitan dengan
PT. Sinar Niaga Sejahtera distributor wilayah Solo.
2. Sales Area Koordinator (SAK)
SAK bertanggungjawab terhadap jadwal kunjungan salesman ke outlet.
SAK terdiri dari dua divisi, yaitu SAK untuk pasar tradisional dan SAK untuk
modern market.
3. Finance Account Manager (FAS)

IV-19
 Finance Account Manager bertanggungjawab untuk semua masalah
keuangan dan administrasi di PT Sinar Niaga Sejahtera distributor wilayah Solo.
Setiap akhir bulan, FAS harus membuat laporan keuangan PT Sinar Niaga
Sejahtera distributor wilayah Solo. Dalam tugasnya, FAS dibantu oleh beberapa
petugas administrasi.
4. Kepala Gudang
Kepala Gudang bertanggungjawab terhadap penyimpanan produk di dalam
gudang termasuk di dalamnya adalah pengecekan jumlah inventory, keadaan
produk dan proses dropping barang. Kepala gudang membawahi beberapa staff
gudang dan juga dropper. Dropper berasal dari pihak ke tiga atau pihak penyedia
jasa transportasi.

2.1.3 Sistem Order dan Wilayah Pemasaran

Sebagai distributor yang melayani pendistribusian produk-produk
Garudafood, PT. SNS Distributor Wilayah Surakarta memiliki sistem order
tertentu dalam mengatur penerimaan order serta pemenuhan order dari outlet.
Sistem order tersebut meliputi penerimaan order dari outlet sampai pengiriman
produk yang dipesan oleh outlet yang melibatkan beberapa bagian (divisi) dalam
perusahaan. Secara sistematis sistem order di PT. SNS Unit Distributor Wilayah
Surakarta dapat digambarkan dalam diagram alir gambar 2.1 berikut:

Gambar 2.2 Sistem order PT Sinar Niaga Sejahtera

IV-20
 Diagram alir sistem order PT. Sinar Niaga Sejahter Distributor Wilayah
Surakarta pada gambar 2.2 tersebut dapat dijelaskan sebagai berikut.

1. Order dari retailer.

Order dari retailer berupa sejumlah produk dan kuantitasnya. Dalam
mencari order dari outlet, PT Sinar Niaga Sejahtera mengandalkan salesman.
setiap hari salesman selalu membuat purchase order untuk setiap order yang
mereka dapatkan. Salesman mempunyai jadwal kunjungan tetap ke outlet-outlet
yang berada di wilayah surakarta dan sekitarnya. Selain itu salesman juga
bertugas mencari pelanggan baru yang akan bergabung dengan PT SNS. Order
dari retailer ke distributornya biasanya datang dengan periode harian.
2. Bagian pemasaran.
Bagian pemasaran bertugas menerima semua order yang datang dari retailer
untuk semua jenis produk. Bagian pemasaran merupakan bagian yang
berhubungan langsung dengan relasi, termasuk menangani pembayaran dari relasi
serta menanggapi keluhan dari relasi. Bagian pemasaran menetapkan lead time
satu hari terhitung mulai dari order diterima oleh bagian pemasaran sampai
produk diterima oleh relasi. Selanjutnya bagian pemasaran meneruskan informasi
tentang order relasi tersebut ke bagian sirkulasi.
3. Bagian inventori (gudang).
Bagian inventori (gudang) mengatur penyimpanan produk di gudang.
Pengaturan yang dilakukan oleh bagian inventori meliputi pengaturan letak dan
penempatan produk di gudang serta pengaturan penempatan produk yang baru
diterima oleh distributor dari pabrik dan pengaturan penempatan produk yang
akan didistribusikan ke sejumlah retailer. Bagian inventori (gudang) selalu
melakukan komunikasi dengan bagian inventori dengan saling memberikan
informasi yang dibutuhkan. Sistem order di perusahaan melibatkan bagian
sirkulasi untuk memberikan informasi rekap total order dari retailer kepada bagian
inventori (gudang). Selanjutnya, bagian inventori bertugas menyiapkan produk
yang akan dikirimkan ke retailer sesuai dengan rekap total order dari retailer.
Tahap inilah yang disebut tahap persiapan pengiriman.
4. Bagian transportasi (dropping)

IV-21
 Setelah tahap persiapan pengiriman selesai dilakukan, bagian transportasi
akan menyiapkan armada transportasi berupa minitruk. Produk yang akan dikirim
ke outlet diatur dan ditata secara optimal di dalam minitruk. Selanjutnya produk
tersebut akan dikirim ke semua outlet yang telah melakukan order.
Wilayah pemasaran PT. Sinar Niaga Sejahtera Distributor Wilayah
Surakarta yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo,
Karanganyar dan Boyolali. Pelanggan PT Sinar Niaga Sejahtera meliputi semua
retailer, grosir, semigrosir, modern market dan institusi yang berada di wilayah
Surakarta dan sekitarnya. Selain itu juga terdapat star outlet, yaitu outlet dengan
penjualan terbanyak dan mempunyai otoritas seperti grosir, tetapi juga dapat
melakukan penjualan langsung kepada end user. Dari outlet – outlet tersebut
barang dapat langsung dijual ke end user maupun ke outlet yang lebih kecil.
Berikut ini adalah sistem jangkauan outlet dan distributor di PT Sinar Niaga
Sejahtera:

Gambar 2.3 Sistem Jangkauan Outlet dan Distributor

(Sumber: www.snsgroup.com, 2009)

2.1.4 Jenis Produk

Produk-produk yang didistribusikan oleh PT Sinar Niaga Sejahtera
Distributor Wilayah Surakarta adalah produk-produk Garudafood dan beberapa
produk non-Garudafood. Adapun jenis produk yang didistribusikan oleh PT Sinar
Niaga Sejahtera Distributor Wilayah Surakarta dapat dilihat pada lampiran L-1.

2.2 LANDASAN TEORI

IV-22
 Sub bab ini berisi mengenai teori-teori pendukung dalam pengolahan data.
Teori pendukung ini antara lain adalah teori Bullwhip Effect, CPFR, peramalan
dan sistem pendukung keputusan.

2.2.1 Konsep Dasar Manajemen Rantai Pasok

Manajemen rantai pasok adalah suatu pendekatan yang digunakan untuk
mencapai pengintegrasian yang efisian dari supplier, manufakturer, distributor,
retailer, dan konsumen (Simchi Levi dkk, 2000). Sedangkan menurut Council of
Logistic Management, rantai pasok management adalah sistematis dan strategis
koordinasi fungsi bisnis tradisional dalam perusahaan dan dalam seluruh kegiatan
usaha dalam rantai pasokan untuk tujuan memperbaiki kinerja jangka panjang
perusahaan individual dan rantai suplai keseluruhan (Pudjawan, 2005).
Ada empat penggerak performansi rantai pasok yaitu:
1. Fasilitas
Meliputi lokasi dimana inventori disimpan, dirakit atau diproses serta lokasi
produksi dan penyimpanan (gudang). Ada beberapa komponen yang
mempengaruhi keputusan fasilitas antara lain:
a. Lokasi dimana perusahaan akan menempatkan fasilitasnya.
b. Kapasitas
c. Metode manufaktur
d. Metodologi pergudangan
2. Inventori
Menyangkut penyimpanan dan pengaturan bahan mentah, produk setengah
jadi serta produk jadi. Selain itu juga menyangkut kebijakan inventori yang
ditetapkan perusahaan. Ada beberapa komponen yang mempengaruhi keputusan
inventori antara lain:
a. Cycle inventory yaitu jumlah inventori rata-rata untuk memenuhi
permintaan antar pengiriman
b. Safety inventory yaitu inventori pengaman jika permintaan melebihi
perkiraan
c. Seasional inventory yaitu inventori untuk antisipasi variabilitas pemintaan
yang dapat diprediksi.

IV-23
 d. Overall trade off

3. Transportasi
Kegiatan transportasi yaitu memindahkan inventori dari satu titik ke titik
yang lain. Kegiatan transportasi menggunakan kombinasi moda dan rute
transportasi.
4. Informasi
Informasi yang dimaksud disini yaitu informasi yang berkaitan dengan
ketiga penggerak performansi manajemen rantai pasok yang lain berupa data dan
analisa inventori, transportasi dan fasilitas. Informasi merupakan penggerak utama
potensial dari performansi rantai pasok.
Ada beberapa komponen yang mempengaruhi keputusan informasi antara
lain:
a. Koordinasi dan pembagian informasi
b. Peramalan dan perencanaan agregat
c. Penetapan harga dan manajemen pendapatan
d. Teknologi pendukung aliran informasi yaitu EDI, internet, ERP, software
manajemen rantai pasok.

2.2.2 Bullwhip Effect

“Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur
rantai pasok yang mengarah ke hulu (upstream)” (Pudjawan, 2005). Bullwhip
effect merupakan indikasi bahwa semakin mendekati hulu, inventori dalam rantai
pasok akan makin membesar. Bullwhip effect merupakan akibat dari pengambilan
keputusan rasional dalam organisasi yang terlibat dalam rantai pasok. Perusahaan
akan cenderung menyimpan inventori tinggi pada keadaan tertentu lalu pada
keadaan lainnya akan mengurangi jumlah inventori. Kegagalan untuk membuat
estimasi yang akurat terhadap permintaan konsumen, permintaan pelanggan dan
keterbatasan pertukaran informasi antar anggota rantai pasok akan mengakibatkan
membengkaknya inventori di seluruh sistem. Kurangnya informasi
mengakibatkan pedagang menyimpan inventori secara berlebihan.

IV-24
Ketidakmampuan distributor dalam menduga permintaan pedagang akan
memaksa distributor menyimpan produk yang cenderung berlebihan yang pada
akhirnya akan muncul sebagai permintaan ke pabrik yang kelihatannya begitu
besar dan seolah-olah merefleksikan naiknya permintaan konsumen. Hal seperti
inilah yang disebut bullwhip effect.
Model ramalan yang digunakan oleh perusahaan dapat berpengaruh
terhadap bullwhip effect. Menurut studi yang dilakukan oleh Chen et al (1998),
menunjukkan bahwa “untuk permintaan yang bersifat acak dengan distribusi yang
identik (independent identically distributed atau i.i.d), bullwhip effect bisa lebih
besar kalau ritel menggunakan model peramalan exponential smoothing
dibandingkan dengan metode moving average” (Pudjawan, 2005). Mereka juga
mengemukakan bahwa ramalan yang lebih halus bisa mengurangi bullwhip effect.
Koefisien alpha yang lebih kecil bisa mengurangi bullwhip effect jika
menggunakan model peramalan exponential smoothing.
Distributor sering melakukan rationing jika terdapat suatu situasi dimana
permintaan lebih tinggi dari pesediaan. Distributor tidak memenuhi seratus persen
pesanan pelanggan, namun hanya sekian persen dari volume yang dipesan.
Pelanggan akan melakukan upaya antisipatif karena mengetahui bahwa
permintaan mereka sering tidak dipenuhi seluruhnya. Banyak pelanggan yang
berupaya membesarkan ukuran pesanan mereka dengan harapan kalau dilakukan
rationing, mereka masih mempunyai jumlah persediaan yang cukup untuk dijual.
Kejadian seperti ini biasanya terjadi menjelang hari raya, tahun baru, dan
sebagainya. Sayangnya kekurangan stok seperti ini tidak terjadi setiap saat dan
tidak mudah untuk diprediksi. Akibatnya, sering kali pada saat persediaan
sebenarnya cukup, pelanggan mengubah atau membatalkan pesanan mereka.
Cara rationing seperti ini merusak informasi pasar pada rantai pasok.
Pemain yang ada di bagian hulu tidak akan pernah mendapatkan informasi pasar
yang mendekati kenyataan akibat motif gaming dan spekulatif yang dilakukan
oleh pelanggan mereka. Pabrik dan pemain hulu lainnya tidak akan dengan mudah
membedakan antara kenaikan pesanan yang bermotif spekulatif dan peningkatan
pesanan yang murni merefleksikan peningkatan permintaan dari pelanggan akhir.

B. Cara Mengurangi Bullwhip Effect

IV-25
 Menurut Pudjawan (2005), pengurangan bullwhip effect bisa dilakukan
apabila penyebabnya dimengerti dengan baik oleh pihak-pihak pada rantai pasok.
Teknik atau pendekatan yang bisa digunakan untuk mengurangi bullwhip effect
tentunya harus berkorespondensi dengan penyebabnya. Beberapa pendekatan
yang diyakini bisa mengurangi bullwhip effect adalah:
1. Information sharing
Informasi yang tidak transparan mengakibatkan banyak pihak dalam rantai
pasok melakukan kegiatan atas dasar ramalan yang tidak akurat. Ritel seringkali
tidak membagi informasi penjualan dengan pusat distribusi dan pabrik. Pabrik
hanya mengetahui pola permintaan berdasarkan order yang diterima dari pusat
distributor dan distributor memahami permintaan berdasarkan pola order dari para
ritel. Sesungguhnya order dari ritel ke distributor biasanya tidak mencerminkan
permintaan yang sesungguhnya karena berbagai hal seperti misalnya order
batching dan forward buying. Salah satu cara untuk mereduksi bullwhip effect
adalah dengan membagi informasi permintaan ke seluruh anggota dalam rantai
pasok termasuk distributor, pabrik, maupun pemasok komponen atau bahan baku.
Teknologi yang saat ini ada memungkinkan untuk melakukan information sharing
tersebut. Barcoding, electronic data interchange (EDI) maupun teknologi sejenis
lainnya bisa mentransmisikan data penjualan (point of sales, POS) dari tempat
dimana produk tersebut dijual ke para anggota rantai pasok yang berada di sebelah
hulu. Studi simulasi yang dilakukan oleh Machura dan Barajas (2004)
menunjukkan bahwa EDI bisa mengurangi bullwhip effect maupun biaya-biaya
persediaan.
Kesalahan ramalan di seluruh lini rantai pasok bisa dikurangi dengan
pertukaran informasi yang lebih baik. Apabila data penjualan ritel diketahui oleh
semua pihak dalam rantai pasok maka ramalan permintaan bisa dibuat lebih
seragam. Permasalahan yang sering muncul dalam kaitannya dengan bullwhip
effect adalah bahwa ritel, distributor, pabrik maupun pemasok bahan baku
melakukan peramalan sendiri-sendiri dengan berpatokan pada data yang mereka
miliki serta dengan metode peramalan yang berbeda-beda juga. Model kolaborasi
CPFR (Collaborative Planning, Forecasting, and Replenishment) merupakan
solusi yang baik untuk mensinkronkan ramalan di sepanjang rantai pasok. Tentu

IV-26
saja kalau CPFR bisa dilaksanakan, semua pihak akan menggunakan data yang
sama untuk membuat ramalan permintaan. Menurut Simchi – Levi, dkk (2000)
semakin banyak faktor yang dihitung dalam peramaan semakin akurat pula hasil
peramalan itu.
2. Memperpendek atau Mengubah Struktur Rantai pasok
Semakin panjang dan kompleks struktur suatu rantai pasok, semakin besar
kemungkinannya terjadi distorsi informasi. Oleh karena itu cara yang baik untuk
mengurangi bullwhip effect adalah dengan mengubah struktur rantai pasok
sehingga menjadi lebih pendek atau memungkinkan terjadinya pertukaran
informasi dengan lebih lancar.
3. Pengurangan Ongkos-ongkos Tetap
Biaya-biaya tetap yang terlalu tinggi mengakibatkan kegiatan produksi
maupun pengiriman tidak bisa dilakukan dengan ukuran batch yang kecil. Ukuran
batch yang besar adalah salah satu sumber terjadinya bullwhip effect. Oleh karena
itu pengurangan bullwhip effect bisa dilakukan dengan mengupayakan
pengurangan ongkos-ongkos tetap sehingga produksi maupun pengiriman bisa
dilakukan dengan ukuran batch yang kecil
4. Menciptakan Stabilitas Harga
Pemberian potongan harga oleh distributor ke tokko-toko atau ritel bisa
mengakibatkan reaksi forward buying yang sebetulnya tidak berpengaruh pada
permintaan dari konsumen. Forward buying, frekuensi dan intensitas kegiatan
promosi parsial seperti ini harus dikurangi dan lebih diarahkan ke pengurangan
harga secara kontinu sehingga bisa menciptakan program seperti everyday low
price (EDLP). Jika kegiatan promosi atau penurunan harga dilakukan maka semua
pihak pada rantai pasok harus mengetahui program tersebut dengan baik sehingga
tidak keliru dalam menaksir permintaan yang sesungguhnya.
5. Pemendekan Lead Time
Berbagai analisis tentang bullwhip effect menunjukkan bahwa lead time
punya peranan yang besar dalam menciptakan amplifikasi permintaan. Lead time
bisa diperpendek dengan mengubah struktur/konfigurasi rantai pasok (misalnya
dengan pemasok lokal), mengubah mode transportasi (dari pengapalan ke
pengiriman udara), atau dengan cara-cara inovatif seperti croosdocking dan

IV-27
perbaikan manajemen penanganan order, penjadwalan produksi maupun
pengiriman yang lebih baik, dan sebagainya
2.2.3 Peramalan
A. Definisi Peramalan
Makridakis dan Whellwright (1992) mendefinisikan peramalan sebagai
suatu teknik pendugaan mengenai apa yang akan terjadi di masa yang akan
datang. Peramalan di sini bukanlah menduga sesuatu dengan tanpa dasar ataupun
melibatkan khayalan, akan tetapi peramalan yang didasarkan pada informasi-
informasi masa lalu dan saat ini yang akurat disertai dengan teori-teori yang kuat.
Adapun teknik peramalan digunakan untuk membantu dalam proses pengambilan
suatu keputusan
Metode Peramalan

Metode Kualitatif Metode Kuantitatif

Time Series Kausal

Gambar 2.3 Skema Teknik Peramalan (forecasting)

(Sumber: Makridakis and Wheelright, 1992)

Sesuatu yang terjadi di periode mendatang sangatlah penting diketahui

oleh pihak manajemen (pengusaha) untuk menentukan kebijakan-kebijakan yang
perlu diambil saat ini demi kelancaran operasional. Peramalan merupakan bagian
integral dari kegiatan pengambilan keputusan manajemen. Perusahaan atau
organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor
lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan
pencapaian sasaran dan tujuan tersebut. Kebutuhan akan peramalan meningkat
sejalan dengan usaha manajemen untuk mengurangi ketergantungannya pada hal-
hal yang belum pasti, apalagi seiring dengan meningkatnya kompleksitas,
persaingan dan tingkat perubahan lingkungan (Makridakis dan Whellwright,
1992).

B. Tujuan Peramalan

IV-28
 Menurut Makridakis dan Whellwright (1992) peramalan dilakukan untuk
memprediksi permintaan pada periode yang akan datang. Proses peramalan
dilakukan dengan asumsi dasar bahwa pola permintaan pada masa yang lalu terus
berlanjut pada masa yang akan datang selama periode peramalan.

C. Karakteristik Peramalan
Menurut Chopra dan Meindl (2004) karakteristik dari peramalan adalah
sebagai berikut:
1. Selalu terdapat kesalahan (error) dalam peramalan.
2. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka
panjang karena peramalan jangka panjang mempunyai standar desiasi erro
yang lebih besar daripada peramalan jangka pendek.
3. Peramalan agregat lebih akurat dibandingkat peramalan yang tidak diagragasi.
4. Secara umum, semakin tinggi rantai pasokan sebuah perusahaan (atau
sebagian jauh dari konsumen), semakin besar distorsi yang diterima.

D. Metode Peramalan
Menurut Makridakis dan Whellwright (1992), secara garis besar metode
peramalan dapat diklasifikasikan menjadi dua, yaitu :
1. Metode Kualitatif
Metode ini mempunyai karakteristik sebagai berikut :
a. Peramalan bersifat subyektif yaitu dengan menggunakan opini ahli
sehingga sangat bergantung pada persepsi masing-masing ahli.
b. Tidak memerlukan data yang lengkap sehingga dapat digunakan untuk
meramalkan permintaan produk baru atau ketika data historis tidak
lengkap.
c. Metode ini biasanya juga digunakan untuk meramalkan permintaan pada
jangka panjang.

2. Metode Kuantitatif
Metode ini mempunyai karakteristik sebagai berikut :
a. Peramalan bersifat obyektif yaitu dengan mengolah data historis dengan
menggunakan model statistik-matematik oleh karenanya memerlukan data

IV-29
 yang lengkap.
b. Metode digunakan dengan asumsi pola masa lalu terus berlanjut ke masa
yang akan datang.
c. Metode ini biasanya digunakan untuk meramalkan existing product dalam
jangka pendek dan menengah.

Metode kuantitatif dapat dibagi dalam dua macam :

a. Metode Time Series
Penjualan dan permintaan suatu produk dilihat polanya tanpa dicari apa
yang menyebabkan pola tersebut. Dalam metode ini permintaan dilihat
sebagai fungsi waktu.
b. Metode Kausal
Metode ini berusaha menyatakan permintaan sebagai fungsi perubahan
pada faktor-faktor yang mempengaruhi permintaan. Hasil peramalan
dengan metode ini lebih akurat jika dibandingkan dengan metode time
series namun metode ini memerlukan waktu pengembangan model yang
lama dan biaya yang tinggi.

E. Metode-Metode Peramalan Kuantitatif Time Series

Persamaan matematis yang digunakan dalam masing-masing metode
peramalan kuantitatif tersebut adalah sebagai berikut (Makridakis dkk, 1992):
1. Untuk Pola Data Stationer
a. Simple Moving Average (SMA)
SMA adalah metode peramalan yang digunakan dengan menghitung nilai
tangeh dari nilai observasi baru dan membuang nilai observasi yang lama. Metode
ini digunakan untuk pola data stasioner dan tidak dapat menanggulangi pola tren
dan musiman. SMA dipengaruhi oleh data aktual (At) dan jumlah periode
perhitungan SMA dan dirumuskan sebagai berikut:
n

A
t 1
(t)
F(t) = ................................................................................. (2.1)
n

IV-30
b. Weighted Moving Average (WMA)
WMA adalah pengembangan dari metode SMA dengan pembobotan yang
lebih besar pada periode akhir daripada periode perhitungan yang lebih awal.
WMA dipengaruhi oleh data aktual, pembobotan dan jumlah pembobotan pada
perhitungan peramalan. WMA dirumuskan sebagai berikut:

 W .A
i  t  m 1
t t
F(t+1) = t
........................................................................... (2.2)
W
i  t  m 1
t

c. Single Exponensial Smoothing (SES)

SES adalah metode peramalan untuk pola data stationer yang dipengaruhi
oleh nilai data aktual, peramalan sebelumnya dan konstanta alpha (α). Konstantaa
alpha mempunyai nilai mendekati 1 apabila pola data aktual sangat random dan
memiliki nilai mendekati 0 apabila pola data aktual mendekati garis lurus. SES
dirumuskan sebagai berikut:
F(0) = A(1) ............................................................................................................................ (2.3)
F(t) = α.A(t) + (1- α).F(t-1) ............................................................. (2.4)
f(t+τ) = F(t) ...................................................................................... (2.5)

d. Double Exponential Smoothing

DES adalah pengembangan dari metode SES dengan pemulusan
berganda. Hal ini dilakukan untuk menghilangkan kerandoman data. DES
dirumuskan sebagai berikut:
F(0) = F(10) = A(1) ........................................................................ (2.6)

F(t) = α.A(t) + (1- α).F(t-1) ............................................................. (2.7)

F(1t ) = α.F(t) + (1- α). F(1t 1) ........................................................... (2.8)

f(t+τ) = F(1t ) ..................................................................................... (2.9)

e. Adaptive Exponential Smoothing (AES)

Metode ini dimula dengan menetapkan nilai alpha (α), pada setiap
periode, pengecekan terhadap nilai α dengan tiga nilai, α-0,05; α; α + 0,05; akan
diperoleh nilai F(t) dengan error absolut terkecil. AES dirumuskan sebagai berikut:

IV-31
 F(0) = A(1)..................................................................................... (2.10)
F(t) = α.A(t) + (1- α).F(t-1) ............................................................. (2.11)

2. Untuk Pola Data Trend

a. Moving Average With Linear Trend (MAT)
Metode ini digunakan untuk meramalkan data time series yang mempunyai
kecenderungan linier. Metode ini dilakukan dengan menghitung rata-rata bergerak
pada rangkaian pada rangkaian dasar. Hasilnya disebut rangkaian data kedua,
kemudian dihitung rata-rata bergerak dari rangkaian data kedua ini. MAT
dirumuskan sebagai berikut:
t

A
i  t  m 1
(i )
F(t) = ........................................................................... (2.12)
m
( m 1) / 2
12  i.A
i   ( m 1) / 2
( t  ( m 1) m )

T(t) = ........................................................... (2.13)

(m 2  1)

f(t+τ) = F( t ) + T(t) (t+τ)....................................................................... (2.14)

b. Single Exponential Smoothing With Trends (SEST)

Metode ini disebut juga dengan metod Holt. Metode ini menggunakan dua
parameter yaitu α dan β. Teknik ini memerhalus trend dan slope secara langsung
dengan menggunakan konstanta-konstanta pemulusan tersebut. Nilai α digunakan
untuk menghilangkan pengaruh random, sedangkan β digunakan untuk
menghilangkan trend. SEST dirumuskan sebagai berikut:
F(t) = α.A(t) + (1- α).F(t-1) + T(t-1) ................................................. (2.15)
T(t) = β(F(t) – F(t-1)) + (1- β).T(t-1) ................................................ (2.16)
f(t+τ) = F(t) + τ.T(t) ......................................................................... (2.17)

3. Untuk Pola Data Musiman

a. Metode Winter
Winter memperkenalkan parameter tambahan untuk data musiman yaitu γ.
Jadi pada metode Winter terdapat 3 konstanta yang harus didefinisikan yaitu α
untuk konstanta penghilang variasi random, β untuk konstanta pemulusan estimasi

IV-32
trend dan γ untuk konstanta estimasi musiman. Metode Winter dirumuskan
sebagai berikut:
.A ( t )
F(t) = ............................................. (2.18)
I ( t  m )  (1  )(F( t 1)  T( t 1) )

Rumus di atas digunakan untuk perhitungan pengaruh unsur stationer.

Pada rumus tersebut terlihat bahwa unsur pertamanya dibagi dengan indeks
musiman (I(t-m)). Hal ini dilakukan untuk mengeliminasi faktor musiman.
Sedangkan pada unsur kedua ditambah dengan komponen trend (T(t-1)) untuk
menyesuaikan secara langsung terhadap trend berikutnya.

T(t) = β(F(t) – F(t-1)) + (t- β).T(t-1) ................................................. (2.19)

Persamaan di atas digunakan untuk perhitungan pengaruh unsur trend. Pada

persamaan tersebut nilai pemulusan trend (T(t)) secara langsung disesuaikan
dengan trend periode sebelumnya dengan menambahkan nilai pemuluan yang
terakhir (T(t-1)).
A ( t )
I(t) =  (1   ).I ( t  m ) ........................................................... (2.20)
F( t )

Persamaan di atas digunakan untuk perhitungan pengaruh unsur musiman.

Persamaan tersebut membagi antara rasio nilai sekarang dari deret data (A(t))
dengan nilai pemulusan tunggal sekarang (F(t)).

f(t+τ) = (F(t) + τ.T(t)). I(t+R-m) ........................................................... (2.21)

Persamaan di atas adalah rumus peramalan Winter yang digunakan setelah

faktor stationer, trend dan musiman diketahui.
Keterangan:
t : waktu / periode
τ : waktu dari t
m : periode moving average
α : parameter first smoothing
β : parameter trend smoothing

IV-33
 γ : parameter seasonal smoothing
A(t) : actual data dalam periode t
f(t) : peramalan untuk periode t
T(t) : trend untuk periode t
W(t) : bobot untuk periode t
I(t) : seasonal index untuk periode t
e(t) : keslahan dalam periode t, yang mana A(t) – f(t)
A : rata – rata data aktual
Metode peramalan yang digunakan haruslah metode yang paling sesuai
dengan pola data historis. Untuk melihat kesesuaian metode, kita dapat
menggunakan beberapa kriteria yaitu :

Presentase kesalahan :
 X  Ft 
PK t   t  *100% ................................................................. (2.22)
 X t 

Mean Absolute Error :

n

 PK t
MAE  i 1
............................................................................. (2.23)
n

Mean Square Error :

n

(X t  Ft ) 2
MSE  i 1
...................................................................... (2.24)
n

Standard Error of Estimate :

SEE  ( X t  Ft ) 2 /(n  f ) ............................................................. (2.25)

Mean Absolute Deviation:

n

X t  Ft
MAD  t 1
......................................................................... (2.26)
n

IV-34
Dengan : Ft = Hasil peramalan pada periode ke-t

Xt = Data historis pada periode ke-t

n = Jumlah data historis
f = Derajat kebebasan
PK t = Presentase kesalahan

F. Pyramid Forecasting
Peramalan dapat juga dilakukan berdasarkan lokasi geografis dan
kelompok produk yang dalam peramalan dikenal sebagai peramalan berdasarkan
dimensi agregasi dan disagregasi. Hal umum yang berlaku yang berkaitan dengan
agregasi ini adalah bahwa peramalan pada tingkat agregasi yang lebih tinggi akan
lebih akurat dibandingkan peramalan pada tingkat agregasi yang lebih rendah atau
pada tingkat disagregasi (Gaspersz, 2004). Pemilihan model peramalan akan
tergantung pada pola data dan horizon waktu peramalan. Berikut ini adalah
gambar piramida agregasi dalam peramalan:

Gambar 2.4 Agregasi Berdasarkan Kelompok Produk

(Sumber: Gaspersz, 1994)

IV-35
 Gambar 2.5 Agregasi Berdasarkan Lokasi Geografis
(Sumber: Gaspersz, 1994)

Teknik peramalan piramida sering juga disebut sebagai teknik Roll-Up,

Force-Down. Proses roll-up adalah proses pengagregasian dari tingkat agregasi
paling rendah ke tingkat agregasi tertinggi. Sedangkan proses force-down adalah
proses diagregasi dari tingkat tertinggi sampai tingkat terendah. Berikut ini adalah
gambar ilustrasi proses roll up dan force down:

Gambar 2.6 Proses Force-Down dan Roll-Up

(Sumber: Gaspersz, 1994)

IV-36
 Tahap force-down adalah tahap dimana hasil peramalan untuk satu
kelompok produk (agregat) didisagregasi sampai satuan produk terkecil.
Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat.
Xt = rasio produk x hasil peramalan ......................................... (2.27)
Dimana rasio produk adalah perbandingan antara jumlah produk dengan jumlah
total keseluruhan produk.

2.2.4 Sistem Pendukung Keputusan (SPK)

1. Pengertian Sistem Pendukung Keputusan (SPK)
Menurut Mcleod (2008). pembuatan keputusan adalah tindakan memilih di
antara berbagai alternatif solusi pemecahan masalah. Sedangkan keputusan
didefinisikan sebagai tindakan pilihan untuk mengambil keputusan dalam proses
pemecahan masalah.
Menurut Winarno (2004), SPK adalah sebuah sistem yang memandu
pembuat keputusan. Sistem ini akan mendasarkan proses pembuatan keputusan
kepada aturan yang ditetapkan oleh para perancang sistem dan basis data yang ada
dalam perusahaan. Dalam membangun sebuah SPK, manajemen perusahaan dan
perancang sistem harus dapat merumuskan berbagai masalah dan jalan keluarnya.
Rumusan ini membutuhkan sebuah model. Model adalah perwakilan atau
gambaran atas sesuatu. Model dapat mewakili objek atau aktivitas, yang disebut
entitas. Manfaat model adalah untuk mempermudah pemahaman. Apabila sebuah
model yang sederhana telah dipahami, para pembuat model dapat segera
memahami masalah yang lebih komplek. Manfaat model yang lain adalah
mempermudah komunikasi sehingga kemampuan komunikasi lebih cepat dan
lebih baik dengan tingkat kesalahan yang rendah. Manfaat terakhir adalah untuk
memprediksi masa depan. Pembuat keputusan dapat memperkirakan apa yang
akan terjadi di masa yang akan datang dengan menggunakan model.

2. Konsep Sistem Pendukung Keputusan

Sistem informasi yang diperlukan oleh masing-masing tingkatan
manajemen memiliki karakteristik yang berbeda. Semakin rendah tingkatan
manajemen, sistem informasinya akan semakin terstruktur, yaitu sistem

IV-37
pengolahan transaksi. Semakin tinggi tingkatan manajemen akan semakin dekat
dengan sistem pendukung keputusan (SPK).
Semakin tinggi tingkatan manajemen, keputusan yang diambil akan
semakin banyak mengandung ketidakpastian. Selain itu manajemen puncak juga
tetap terlibat dalam pembuatan keputusan terstruktur, meskipun keterlibatannya
akan semakin kecil bila dibanding dengan manajer level bawahnya. Hubungan
keputusan dengan masalah dan pembuat keputusannya dapat dilihat pada gamabr
yang dibuat oleh Gorry-Scott Morton Grid berikut ini
Tingkatan Manajemen
Operasional Pengendalian Strategi
Pengaturan transportasi
Piutang Dagang Analisis anggaran
barang
Terstruktur Forecasting jangka Penyimpanan barang di
Penerimaan Order
pendek gudang

Strukutur Pencatatan Persediaan

Masalah Penjadwalan Produksi Analisis Selisih Merger dan akuisisi
Semi -
Penyusunan
Terstruktur Manajemen Kas
Anggaran

Tidak Analisis PERT Proses produksi Perancangan produk baru

Terstruktur
Pemasaran Litbang (R & D)

Gambar 2.7 Gorry-Scott Moorton Grid

(Sumber:Winarno, 2004)
3. Komponen SPK
Sistem pendukung keputusan terdiri dari beberapa komponen. Menurut
Suryahadi dan Ramdhani (2000), suatu SPK terdiri dari tiga subsistem utama
yaitu basis data, basis model dan perangkat lunak penyelenggara dialog.
Komponen sistem pendukung keputusan adalah sebagai berikut:
a. Basis data
Basis data merupakan kumpulan dari data yang saling berhubungan dengan
yang lainnya, yang tersimpan di perangkat keras komputer dan digunakan
perangkat lunak untuk memanipulasinya. Basis data merupakan salah satu
komponen yang penting dalam sistem informasi, karena merupakan basis dalam
menyediakan informasi bagi para pemakai. Dalam Winarno, W. sumber basis data
dapat berasal dari dalam perusahaan (data internal) yang dicatat oleh perusahaan
sebagai transaksi yang selama ini terjadi dan data yang berasal dari luar
perusahaan (data eksternal) yang diambil perusahaan dari sumber di luar
perusahaan, seperti misalnya data industri, data statistik, dll.

IV-38
 Terdapat dua macam teknik dalam perancangan basis data yaitu:
 Teknik Normalisasi
Tujuan normalisasi adalah mengidentifikasikan hubungan antar atribut,
mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi
untuk membentuk database. Atribut adalah elemen data atau field. Relasi
didefinisikan sebagai kumpulan atribut. Sedangkan database didefinisikan sebagai
kumpulan relasi.
Teknik normalisasi dimulai dari dokumen dasar yang sudah ada pada sistem
atau sudah dipakai pada sistem sebelumnya. Data – data pada dokumen dasar
tersebut dipisahkan menjadi field – field yang pada tiap field pada file tersebut
bergantung penuh pada kunci utama yang biasanya dikenal dengan bentuk normal
ke tiga. Kemudian setiap file dalam database ditentukan hubungannya dengan file
–file yang lain dengan cara memasang field tamu pada file – file anak atau file
konektor. Normalisasi menghindari terjadinya anomali, yaitu kejanggalan yang
dapat terjadi bisa dilakukan penambahan baris (kolom), modofikasi isi atribut, dan
menghapus baris. Untuk menghindari anomali, umumnya dilakukan dekomposisi
dari kumpulan atribut, dipecah hingga menjadi beberapa tabel baru. Berikut ini
adalah bentuk-bentuk dari normalisasi:
1. 1NF (First Normal Form)
Sebuah relasi berada dalam 1NF jika relasi tersebut tidak berisi atribut yang
berulang – ulang.
2. 2NF (Second Normal Form)
Sebuah relasi berada dalam 2NF jika relasi tersebut dalam 1NF dan untuk
setiap non key atribut adalah tergantung fungsional penuh kepada primary key.
Sebuah relasi berada dalam 1NF dan 2NF jika salah satu syarat – syarat berikut
ini dapat terpenuhi:
 Primary key hanya terdiri atas 1 atribut
 Tidak terdapat atribut yang bukan primary key
 Setiap atribut yang non key tergantung penuh atas seluruh atribut di primary
key

IV-39
3. 3NF (Third Normal Form)
Sebuah relasi berada dalam 3NF bila relasi adalah 1NF dan 2NF dan tidak ada
non key atribut yang tergantung fungsional kepada non-key atribut yang
lainnya.

 Teknik Entity Relationship

Teknik ini dimulai dengan pembuatan diagram arus data yang menghasilkan
kamus data yang merupakan daftar semua elemen/field yang dibutuhkan dalam
sistem tersebut. Dari field – field tersebut dipilih field kunci yang bersifat unik
artinya keseluruhan record dapat dicari dari record tersebut, kemudian baru dibuat
file – file berdasar kunci record tersebut yang mana elemen / field dalam field
tersebut bergantung penuh dengan field kunci tersebut. Setelah membuat tabel
baru ditentukan relasi dari tiap tabel tersebut seperti halnya teknik normalisasi.
Terdapat epat relasi dasar, yaitu:
1. ONE TO ONE ( 1 – 1), relasi yang terjadi jika sebuah entry dalam sebuah
objek data store dihubungkan dengan hanya sebuah entry dalam sebuah object
data store yang lain.
2. ONE TO MANY (1 – M), relasi yang terjadi jika sebuah entry dalam sebuah
object data store dihubungkan dengan satu atau lebih entry dalam sebuah
object data store yang lain.
3. MANY TO ONE (M – 1), relasi yang terjadi jika satu atau lebih entry dalam
sebuah object data store dihubungkan dengan hanya satu entry dalam sebuah
object data store yang lain.
4. MANY TO MANY (M – M), relasi yang terjadi jika satu atau lebih entry
dalam sebuah object data store dihubungkan dengan satu atau lebih entry
dalam sebuah object data store yang lain.
Dalam semua defini relasi di atas, “1” menyatakan hanya satu, dan “M” atau
“∞” menyatakan satu atau lebih. Bila suatu saat dibutuhkan pernyataan relasi;
paling sedikit sebuah, dan juga lebih dari satu, maka relasi itu dapat dinyatakan
dengan “M*” (* = minimum of one).

IV-40
b. Model
Menurut Mcleod (2008) model adalah abstraksi dari sesuatu. Model
mewakili suato objek yang disebut entitas. Terdapat empat jenis dasar model
yaitu:
 Model fisik
Model fisik merupakan gambaran tiga dimensi entitasnya seperti misalnya
model skala pusat perbelanjaan dan protoipe mobil baru. Model fisik dibuat untuk
mencapai tujuan yang tidak dapat dipenuhi oleh benda sesuangguhnya.
 Model naratif
Model naratif adalah penggambaran entitas dengan kata – kata yang terucap
atau tertulis. Pendengar atau pembaca dapat memahami entitas tersebut dari
naratifnya. Semua komunikasi bisnis adalah model naratif.
 Model grafis
Model grafis menggambarkan entitasnya dengan abstraksi garis, simbol,
atau bentuk. Model grafis juga digunakan dalam desain sistem informasi sebagai
contohnya adalah diagran relasi entitas, diagram aliran data, dan lain – lain.
 Model matematis
Setiap rumus atau persamaan matematika adalah model matematis.

c. Perangkat analisis
Berbagai perangkat analisis yang digunakan untuk mencari jalan keluar
terbaik misalnya adalah sebagai berikut:
 What if Analysis
Analisis ini digunakan untuk mengetahui apa yang terjadi apabila satu atau
beberapa variabel berubah. Misalnya, berapa laba yang akan diperoleh perusahaan
bila harganya dinaikkan 10% sedang biaya variabel naik 8%?
 Sensitivity Analysis
Analisis ini digunakan untuk mengetahui pengaruh perubahan suatu variabel
terhadap variabel yang lain. Analisis ini akan melakukan perubahan secara
berkali-kali terhadap suatu variabel, sehingga dapat diketahui apakah
pengaruhnya konsisten atau tidak.

IV-41
 Goal-Seeking Analysis
Analisis ini digunakan untuk mencari solusi terbaik (misalnya laba tertinggi
atau biaya terendah) dari suatu masalah.
 Optimization Analysis
Analisis ini digunakan untuk mencari solusi yang paling menguntungkan
bagi perusahaan, dan mirip dengan goal-seeking analysis. Analisis ini biasanya
memanfaatkan perhitungan menggunakan linear programming.

d. Laporan
Terdapat tiga jenis laporan, yaitu:
 Laporan rutin (Periodic report)
Laporan ini diterbitkan dan disediakan secara berkala, memuat informasi
yang sudah standar, sehingga jarang diperlukan oleh manajemen puncak.
 Laporan pengecualian (Exception Report)
Laporan yang disediakan apabila terjadi kondisi yang menyimpang dari
kebiasaan.
 Laporan atas permintaan (on Demand Report)
Laporan ini disediakan apabila manajemen memintanya. Laporan ini
biasanya berisi informasi yang benar-benar diperlukan oleh manajemen, sehingga
bermanfaat cukup besar dalam pembuatan keputusan.

4. Tahap Pembuatan Keputusan

Menurut Hebert A. Simon dalam Winarno (2004), pembuatan keputusan
melibatkan 4 langkah yaitu:
a. Tahap Intelligence
Tahap intelligence adalah tahap pengakuan adanya masalah. Masalah dapat
merupakan persoalan maupun kesulitan yang muncul dalam kehidupan organisasi,
atau juga dapat merupakan persoalan yang ditimbulkan sendiri oleh pembuat
keputusan. Tahap ini adalah tahap yang paling penting dlam tahapan-tahapan
pembuatan keputusan.
b. Tahap Design
Tahap design adalah tahap perancangan berbagai alternatif yang akan
dipilih.

IV-42
c. Tahap Choice
Tahap choice adalah tahap memilih salah satu di antara berbagai alternatif
yang sudah disiapkan dalam tahap design. Dalam tahap ini, pembuat keputusan
akan menggunakan model pemilihan alternatif.
d. Tahap Implementation
Tahap yang terakhir adalah pelaksanaan dari keputusan yang telah diambil
pada tahapan choice.

5. Kesalahan dalam Pembuatan Keputusan

Terdapat beberapa kesalahan yang sering terjadi dalam penganbilan
keputusan, diantaranya adalah sebagai berikut:
a. Kesalahan analisis
Kesalahan ini mengenai identifikasi masalah yang terjadi, sehingga
keputusan yang dibuat juga akan salah.
b. Kesalahan melihat waktu
Misalnya pada bulan Juni-Juli penjualan alat tulis melonjak. Pimpinan
perusahaan memutuskan untuk meningkatkan kapasitas produksi. Ternyata, setiap
bulan Juni – Juli sebenarnya merupakan tahun ajaran baru, sehingga memang
terjadi kenaikan permintaan akan alat tulis. Bila bulan berikutnya kapasitas
produksi dinaikkan, tidak akan mempertahankan penjualan
c. Kesalahan sudut pandang yang tidak berubah
Perusahaan beranggapan bahwa pihak yang paling menentukan suksesnya
penjualan adalah pramuniaga (salesman), oleh karenanya manajemen memberikan
bonus yang menarik kepada semua pramuniaga. Padahal banyak pihak lain yang
ikut andil dalam kesuksesan penjualan. Bila manajemen hanya memberikan bonus
kepada pramuniaga saja, maka karyawan lain akan merasa iri dan akan
menurunkan kinerjanya.
d. Kesalahan terlalu percaya diri
Karena terlalu percaya diri akan menyebabkan manajemen kurang
mempertimbangkan hal – hal yang seharusnya dipertimbangkan.

IV-43
2.2.5 Collaborative Planning, Forecasting, and Replenishment (CPFR)
Menurut Tenhiala (2003) beberapa tahapan penting dalam CPFR adalah:
1. Collaborative Planning
Terdiri atas negosiasi kesepakatan yang mendefinisikan kewajiban
perusahaan dalam bentuk kerjasama (collaborative) dan membangun rencana
bisnis bersama yang memperlihatkan suatu cara bagaimana perusahaan akan
memenuhi permintaan pelanggannya. Menurut Simchi – Levi dkk (2000)
kerjasama antara retailer dengan suppliernya terdiri dari 2 bentuk kerjasama yaitu
information sharing , yang membantu produsen membuat perencanaan yang lebih
efisien, dan consignment scheme (dukungan penuh) dimana produsen mengatur
secara penuh dan memiliki inventori produk sampai retailer menjualnya.
2. Collaborative Forecasting
Termasuk pembuatan rencana penjualan untuk keseluruhan perusahaan
yang berkolaborasi, melakukan identiikasi atas pengecualian atau perbedaan yang
muncul antar perusahaan, menyelesaikan pengecualian untuk menyediakan
rencana penjualan umum.
3. Collaborative Replenishment
Pembuatan rencana pengiriman untuk seluruh perusahaan yang
berkolaborasi, menyelesaikan pengecualian dan melakukan generalisasi pesanan
aktual untuk memenuhi keinginan konsumen.

Ada tiga elemen penting dalam CPFR yaitu:

1. Kolaborasi demand planning
CPFR menekankan pentingnya berbagi data secara transparan antara
konsumen dengan rantai pasok, sejak tahap penyusunan marketing plan hingga
forecast per stock keeping unit (sku) dalam unti per satuan waktu dimana telah
harus dipertimbangkan pengaruh dari promosi yang mungkin direncanakan untuk
sku tertentu.
2. Joint capacity planning
Estimasi penjualan dari demand planning kemudian akan dikonversikan
sebagai rencana produksi, dimana pihak pabrik akan merencanakan kapasitas
berdasarkan estimasi penjualan.

IV-44
3. Sinkronisasi order fullfillment
Pihak pelanggan akan menempatkan ke sana sesuai dengan estimasi
penjualan. Seberapa dari pesanan ini bisa dipenuhi akan tergantung kemampuan
pabrik untuk memenuhi pesanan. Pihak pbrik memiliki kewajiban untuk
mengkomunikasikan kembali realisasi pemenuhan pesanan sehingga pihak
distributor bisa meneruskan ke pengecer.
Menurut bisnis CPFR ketiga sub sistem diatas beribteraksi secara 2 arah
sehingga setiap perubahan dapat langsug diketahui oleh setiap anggota rantai
pasok. Kolaborasi yang berdasarkan keterbukaan berbagi data semacam ini akan
meningkatkan kualitas peramalan permintaan di sepanjang rantai pasok dan
dengan demikin juga akurasi dalam order fullfillment. Menurut bisnis CPFR
proses dimulai dengan penetapan garis besar kesepakatan dengan antara seluruh
pihak yang terkait. Kemudian dilaknjukan dengan menyusun rencana bisnis.
Berdasarkan rencana dasar ini, dibuat perkiraan penjualan dan dikenali adanya
kemungkinan masalah dan hal-hal khusus dalam penjualan. Dari sini akan
diperoleh data yang lebih pasti mengenai ketersediaan produk yang selanjutnya
menjadi dasar membuat perkiraan pesanan. Bila ternyata tidak ada masalah dalam
pemenuhan pesanan, maka pesanan akan ditempatkan secara resmi.
CPFR terdiri dari 3 tahap yaitu tahap planning, forecasting, dan
replenishment. Pada tahap planning terdiri dari dua langkah yaitu
penyelenggaraan kerja sama (langkah 1) dan pembuatan rencana bisnis bersama
(langkah 2). Tahap forecasting juga terdiri dari 2 langkah yaitu sales forecast
(langkah 3-5) dan order forecast (langkah 6-8). Masing – masing forecast terdiri
dari 3 tahap yaitu menghitung ramalan, mengidentifikasi exception dalam
peramalan, dan memecahkan exception yang ada. Dan yang terakhir adalah tahap
replenishment. Pada tahap ini jumlah terdapat proses pengiriman barang hasil
perhitungan dari order forecast (langkah 9). Proses CPFR dari langkah 1 –
langkah 9 dapat dilihat pada gambar 2.8.

IV-45
 Gambar 2.8 Langkah – langkah CPFR
(Sumber: Tenhiala, 2003)
Gambar 2.8 adalah diagram alir yang menggambarkan langkah – langkah
dalam melakukan CPFR. Terdapat 9 langkah untuk melakukan CPFR. Berikut ini
akan diuraikan langkah – langkah dalam melakukan CPFR:
1. Penyelenggaraan kerja sama (develop collaboration arrangement)
Pada tahap ini akan diidentifikasi sponsor eksekutif, penetapan resolusi,
pembuatan scorecard untuk melihat metrics relative rantai pasok, dan penentuan

IV-46
bonus maupun penalti finansial. Hasilnya adalah Memorandum of Understanding
(MoU) yang berisi hal – hal di bawah ini:
 Confidentiality
 Goals & objectives
 Ukuran keberhasilan
 Persetujuan perihal kompetensi, sumber daya, dan sistem
 Orang – orang dan departemen yang bertanggung jawab
 Pembagian informasi
 Service & ordering commitments, dan
 Resolution of disagreements
2. Membuat rencana bisnis bersama
Rencana bisnis yang dibuat bersama berkenaan dengan hal – hal di bawah ini:
 Rencana bisnis untuk promosi, perubahan kebijakan inventori, jadwal buka /
tutup toko, perubahan produk untuk masing –masing kategori produk, dan lain
– lain.
 Pihak organisasi buyer (purchasing manager) dan organisasi seller (marketing
manager) bersama – sama mengembangkan:
a. Corporate strategies
b. Partnership strategies
c. Category roles and objectives
d. Exception criteria
e. Item management profile.
3. Membuat sales forecast
Organisasi buyer (forecast analyst) membuat sales forecast dan
mengkomunikasikan hasilnya kepada organisasi seller (sales analyst). Hasil
peramalan ini digunakan untuk menghitung order forecast.
4. Mengidentifikasi exception dalam sales forecast
Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi
penjualan namun tidak dapat dihitung dalam sales forecast.
5. Memecahkan / mengkolaborasikan exception
Pada gambar 2.5 akan dijelaskan bahwa informasi exception yang ada pada
produsen maupun distributor dibagi untuk kemudian dipecahkan bersama

IV-47
sehingga perubahan pada sales forecast diketahui kedua belah pihak. Berikut ini
adalah proses memecahkan atau mengkolaborasikan exception:

Gambar 2.9 Mengkolaborasikan exception

(Sumber: Tenhiala, 2003)
6. Membuat order forecast
Jika organisasi buyer adalah produsen/manufacturing, maka sales forecast
didefinisikan sebagai MPS (Master Production Scheduling) dan order forecast
dilaksanakan berdasarkan MPS, status inventori, struktur produk, manufacturing
lead time, dan strategi lot sizing.
Jika organisasi buyer adalah distributor / retailer, maka sales forecast
didefinisikan sebagai order forecast yang berdasarkan pada status inventori dan
strategi pada inventori.
7. Mengidentifikasi exception dalam order forecast
Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi
penjualan namun tidak dapat dihitung dalam sales forecast.
8. Memecahkan / mengkolaborasikan exception
Informasi exception yang ada pada produsen maupun distributor dibagi
untuk kemudian dipecahkan bersama sehingga perubahan pada sales forecast
diketahui kedua belah pihak. Untuk memecahkan exception dapat dilakukan
peramalan tambahan.
9. Generate order
Setelah hasil order forecast ditetapkan, maka jumlah order digenerate untuk
kemudian dilakukan proses pemesanan dan proses pengiriman (delivery
execution).

IV-48
2.2.5 Referensi Lainnya
Wibawa (2008) merancang sistem informasi yang termasuk di dalamnya
adalah pembuatan laporan keuangan, pembuatan database penjualan, serta
pembuatan program peramalan penjualan untuk membantu proses pengadaan
barang pada periode berikutnya. Metode peramalan yang digunakan adalah
metode Winter.
Referensi yang lainnya adalah sebuah paper yang ditulis oleh Kim dan
Mahoney (2006) yang berisi tentang bagaimana CPFR memungkinkan trading
partner untuk meningkatkan efisiensi operasional melalui proses pembagian dan
penggunaan informasi yang terstruktur. Di sini juga dijelaskan peranan teknologi
informasi dalam melakukan CPFR. Paper ini juga memberikan contoh studi kasus
di Wal-Mart dan P&G dalam melaksanakan CPFR.
Tenhiala (2003) dalam sebuah seminar memaparkan bagaimana
mengimplementasikan CPFR di Eropa. Studi kasus dilakukan pada 8 kasus yaitu
antara Eroski dan Henkel, Condis dan Henkel, Metro dan Procter & Gamble
(P&G), Ketjuetu dan Valio, Delhaize dan Vandemoortele, Sainsbury’s dan
Unilever, dan di dalam The Co-operative Group, dan dalam kelompok
perusahaan Veropoulos, Elgeka, P&G Hellas, serta Unilever. Pada jurnal ini juga
dipaparkan model proses CPFR.
Sancar (2003) mengadakan penelitian tentang penyebab bullwhip effect
serta bagaimana cara menghitung bullwhip effect. Kesimpulan yang ditarik dari
penelitiannya bahwa bullwhip effect dapat dikurangi namun tidak bisa dihilangkan
sama sekali.

IV-49
 BAB III
METODOLOGI PENELITIAN
Pada bab ini akan dibahas mengenai metodologi penelitian, yaitu tahapan-
tahapan yang dimulai dari perumusan masalah sampai dengan kesimpulan.
Metodologi penelitian yang digunakan dalam penyusunan skripsi ini dapat dilihat
pada gambar 3.1 berikut :

Identifikasi Sistem
Perusahaan

Analisis Kebutuhan
Sistem

Perancangan Perancangan Perancangan

Basis Model Basis Data Basis Dialog

Perancangan Aplikasi
Collaborative Forecasting

Validasi Sistem
Pendukung Keputusan

Analisis dan
Interpretasi Hasil

Kesimpulan dan
Saran

Gambar 3.1 Metodologi Penelitian

Gambar 3.1 adalah gambar flowchart metodologi penelitian yang

digunakan dalam penelitian ini. Berikut ini akan dijelaskan masing – masing
tahapan dalam gambar 3.1:
3.1 Identifikasi Sistem Perusahaan
Pengidentifikasian sistem perusahaan dilakukan melalui studi lapangan di PT.
Sinar Niaga Sejahtera. Studi lapangan dilakukan dengan cara melakukan

IV-50
observasi secara langsung di PT. Sinar Niaga Sejahtera Distributor Wilayah Solo.
Pada tahap ini, peneliti mengamati sistem, melakukan wawancara dan mengkaji
data primer maupun data sekunder perusahaan. Proses studi lapangan ini
kemudian menuju kepada suatu identifikasi awal permasalaan.

3.2 Analisis Kebutuhan Sistem

Kelemahan-kelemahan pada sistem yang ada di dalam perusahaan
sekarang ini dapat dijadikan sebagai materi untuk melakukan analisa kebutuhan
sistem yang bertujuan untuk mengidentifikasi apa saja yang masih kurang dari
sistem tersebut untuk kemudian dilakukan langkah-langkah perbaikan. Tahap ini
akan menentukan output apa saja yang akan dihasilkan oleh sistem pendukung
keputusan yang akan dibangun.

3.3 Perancangan Basis Model

Pada tahap ini akan dilakukan perancangan terhadap model yang
digunakan serta sistem di dalam sistem pendukung keputusan. Adapun
perancangan basis model terbagi menjadi 3 tahap yaitu Collaborative Planning,
Collaborative Forecasting, dan Collaborative Replenishment. Berikut ini adalah
rincian untuk masing-masing tahap proses perancangan basis model:

Mengadakan perjanjian
kerjasama dan sharing informasi

Meramalkan penjualan

Mengidentifikasi exception
dalam peramalan

Memecahkan masalah
exception dalam peramalan

Keputusan kebutuhan barang

Gambar 3.2 Tahapan Proses Collaborative Planning and Forecasting

IV-51
3.3.1 Mengadakan Perjanjian Kerjasama dan Sharing Informasi
Collaborative planning membahas informasi-informasi yang harus dibagi
antara distributor dengan outlet dan supplier untuk kemudian dijadikan acuan
dalam melakukan perencanaan bisnis dan peramalan.
Peramalan dalam CPFR menggunakan data penjualan dari outlet. Hal ini
dilakukan untuk mengurangi resiko terjadinya bullwhip effect. Sistem kolektif
data dilakukan dengan menggunakan suatu formulir yang dirancang sesuai dengan
kebutuhan sistem yang telah dianalisa sebelumnya. Perancangan beberapa usulan
formulir dan prosedur pengisian formulir serta informasi apa saja yang perlu
dihimpun dari outlet dan supplier akan dibahas pada bab ini.
3.3.2 Meramalkan Penjualan
Peramalan data penjualan yang telah dihimpun dari outlet akan dilakukan
pada tahap ini. Peramalan dilakukan dengan mengagregasi data historis ke dalam
beberapa tingkatan untuk kemudian diramalkan dengan metode peramalan
Winter. Metode pengagregasian yang digunakan adalah seperti pada pyramid
forecasting. Langkah-langkah dalam pyramid forecasting digambarkan seperti
dalam gambar 3.3 berikut:

Gambar 3.3 Tahapan Pyramid Forecasting

Langkah-langkah yang dilakukan dalam melakukan proses peramalan
adalah sebagai berikut:
1. Proses Roll-Up
Proses roll-up adalah proses pengagregasian produk ke dalam
kelompok-kelompok tertentu. Peramalan akan dilakukan untuk setiap
kelompok-kelompok produk untuk memperkecil error peramalan untuk tiap
unit produk. Pengelompokan dilakukan berdasarkan supplier, jenis produk,
rasa produk, dan ukuran kemasan.

IV-52
2. Peramalan
Proses peramalan terbagi menjadi beberapa tahap yaitu sebagai
berikut:

Gambar 3.4 Proses Peramalan

Peramalan dilakukan dengan menggunakan metode Winter karena
metode ini dapat digunakan untuk menghitung data yang cenderung berpola
trend ataupun musiman. Proses peramalan dilakukan dalam 4 tahap yaitu:
a. Perhitungan unsur stationer
b. Perhitungan unsur tren
c. Perhitungan unsur musiman
d. Perhitungan peramalan
Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan
adalah 0,1; 0,5; dan 0,9. Hasil peramalan yang diambil adalah data peramalan
dengan error terkecil karena hasil peramalan dikatakan konsisten atau valid
jika besar kesalahan peramalan relatif kecil. Terdapat beberapa indikator
dalam pengukuran akurasi peramalan sehingga dapat diketahui metode
peramalan yang terbaik. Indikator yang paling umum digunakan adalah MAD
(Mean Absolute Deviation). Perhitungan MAD menggunakan rumus 2.26.

3. Proses Force-Down
Pada tahap ini dilakukan disagregasi hasil peramalan terhadap
kelompok produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan
ini berdasarkan angka rasio penambahan atau pengurangan hasil peramalan
terhadap jumlah penjualan pada periode sebelumnya. Perhitungan rasio
penambahan ataupun pengurangan dilakukan dengan menggunakan rumus
2.27.

IV-53
3.3.3 Mengidentifikasi Exception dalam Peramalan
Exception adalah hal – hal yang mempengaruhi penjualan namun tidak
dapat dihitung oleh model peramalan yang telah ditentukan sebelumnya. Biasanya
exception bersifat kausal. Exception akan diinput ke dalam sistem pendukung
keputusan yang akan dibangun untuk dijadikan pertimbangan tambahan ke dalam
menentukan keputusan kebutuhan barang. Sebagai contoh exception dalam
peramalan adalah adanya libur hari raya nasional yang menyebabkan permintaan
produk cenderung meningkat atau adanya program undian berhadiah suatu produk
sehingga permintaan juga akan meningkat. Penetapan exception dilakukan secara
bersama pada saat melakukan perjanjian di awal. Kemudian exception yang telah
diinput ke dalam sistem pendukung keputusan akan memberikan peringatan satu
bulan sebelum due date sehingga kepala cabang dapat memberikan koreksi
kepada hasil peramalan.
3.3.4 Pemecahan Masalah karena Exception
Pemecahan masalah karena exception akan diselesaikan oleh kepala
cabang. Kepala cabang akan memberikan koreksi terhadap hasil peramalan
apabila terdapat exception. Pemberian koreksi dilakukan secara kualitatif atau
berdasarkan pertimbangan manajerial dari kepala cabang. Koreksi berupa
penambahan ataupun pengurangan sebanyak x persen dari hasil peramalan.
3.3.5 Keputusan Jumlah Kebutuhan Barang
Setelah hasil peramalan didapatkan untuk setiap jenis produk, manajer
harus melakukan penyesuaian dengan stok yang masih ada di gudang. Tahap ini
membantu menajer untuk melakukan penyesuaian untuk kemudian ditemukan
suatu jumlah barang yang harus dipesan oleh manajer.

3.4 Perancangan Basis Data

Perancangan basis data dibuat berdasarkan kebutuhan sistem yang telah
diidentifikasi sebelumnya. Terdapat 4 tahap dalam melakukan perancangan basis
data. Tahap pertama adalah perancangan sistem, dimana akan dilakukan proses
identifikasi pihak – pihak yang terlibat di dalam sistem serta bisnis prosesnya
untuk kemudian dituangkan dalam diagram alir data (DAD). Tahap kedua adalah
pengkodean, dimana akan dirancang kode – kode yang akan digunakan dalam
proses input data. Tahap ketiga adalah tahap perancangan logika. Tahap ini

IV-54
dilakukan dengan teknik normalisasi. Tahap yang terakhir adalah pembuatan
Entity Relationship Diagram (ERD). ERD digunakan untuk menggambarkan
hubungan antar tabel dalam database yang akan dipakai dalam program
komputer.

3.5 Perancangan Basis Dialog

Perancangan basis dialog adalah perancangan user interface yang user
friendly atau mudah dioperasikan oleh orang awam. Pada perancangan ini
meliputi perancangan ukuran tabel, perancangan user interface input data, dan
perancangan user interface laporan.

3.6 Perancangan Aplikasi Collaborative Forecasting

Pada tahap ini akan dilakukan pembangunan konstruksi aplikasi
Collaborative Planning and Forecasting dengan menggunakan software
pemrograman.

3.7 Validasi Sistem Pendukung Keputusan

Validasi sistem pendukung keputusan dilakukan terhadap performansi
sistem pendukung keputusan yang dibangun dan pengujian ketepatan perhitungan
output sistem pendukung keputusan. Pengujian performansi sistem pendukung
keputusan dilakukan berdasarkan 2 kriteria yaitu kriteria ground truth (dasar
kebenaran) dengan kriteria judgment. Pengujian performansi dengan kriteria
ground truth dilakukan terhadap kecepatan sistem pendukung keputusan dalam
mengambil dan mengolah data serta menampilkan laporan. Langkah selanjutnya
adalah menguji performansi dengan kriteria judgment yaitu berdasarkan pada
penilaian apakah sistem pendukung keputusan sudah sesuai dengan kebutuhan
pengguna. Pengujian ketepatan perhitungan dilakukan dengan membandingkan
hasil laporan peramalan sistem pendukung keputusan dengan perhitungan yang
dilakukan secara manual dengan menggunakan Microsoft Excel. Apabila semua
kriteria yang diujikan dalam validasi dapat terpenuhi maka sistem pendukung
keputusan dianyatakan valid.

IV-55
3.8 Analisis dan Interpretasi Hasil
Setelah tahap perancangan program selesai, maka dilakukan analisis dan
interpretasi hasil perancangan sistem pada tahap sebelumnya. Analisis yang
dilakukan meliputi analisis terhadap error hasil peramalan sistem usulan dan
sistem awal dibandingkan dengan data aktual pada periode yang diramalkan.
Selain itu akan dibahas kondisi – kondisi yang harus terpenuhi untuk
mengimplementasikan sistem pendukung keputusan.

3.9 Kesimpulan dan Saran

Tahap pembuatan kesimpulan dan saran ini membahas tentang kesimpulan
dari hasil pengolahan data dan validasi yang telah dilakukan. Kesimpulan yang
diambil harus sudah menjawab tujuan yang ditetapkan sebelumnya. Kesimpulan
yang telah dibuat kemudian dijadikan pertimbangan untuk menyampaikan saran-
saran yang dapat memberikan masukan untuk perbaikan bagi perusahaan maupun
sistem yang saat ini dibangun.

IV-56
 BAB IV
PERANCANGAN SISTEM

4.1 IDENTIFIKASI SISTEM PERUSAHAAN

Terdapat beberapa kegiatan yang berjalan dan berhubungan dengan proses
bisnis pemesanan dan pengadaan barang di PT Sinar Niaga Sejahtera. Kegiatan-
kegiatan tersebut adalah sebagai berikut:

4.1.1 Pengadaan barang

PT Sinar Niaga Sejahtera selalu melakukan pengadaan barang secara
periodik yaitu setiap 2 minggu sekali. Pengadaan barang melibatkan 2 sub unit di
dalam perusahaan yaitu kepala cabang dan petugas admininstrasi. Tahap-tahap
pengadaan barang adalah sebagai berikut:
a. Kepala cabang membuat rencana pengadaan barang. Rencana tersebut dibuat
berdasarkan hasil peramalan menggunakan metode moving average serta
dijumlah dengan hasil analisis tambahan manajer.
b. Setelah hasil peramalan diperoleh maka diadakan penyesuaian dengan kondisi
stock di dalam gudang. Hasilnya adalah kebutuhan barang bersih yang harus
dipesan ke supplier. Data ini kemudian diserahkan ke staff administrasi untuk
dilakukan proses pemesanan.
c. Petugas Administrasi melakukan order pemesanan ke supplier berdasarkan
hasil penyesuaian terhadap peramalan yang dibuat oleh kepala cabang.
Pemesanan dilakukan melalui fax, email, maupun telepon ke supplier.

Tahap-tahap pengadaan barang di PT Sinar Niaga Sejahtera Distributor

Wilayah Surakarta dapat dilihat pada gambar 4.1.

IV-57
 Gambar 4.1 Prosedur Pengadaan Barang

4.1.2 Penjualan
Penjualan di PT Sinar Niaga Sejahtera dilakukan oleh salesman. Berikut
ini adalah tahap-tahap penjualan di PT Sinar Niaga Sejahtera:
a. Konsumen (outlet) melakukan pemesanan barang melalui salesman sesuai
dengan jadwal kunjungan masing-masing outlet.
b. Salesman mencatat pesanan outlet di dalam formulir pemesanan barang.
c. Petugas administrasi bagian input data memasukkan jumlah pemesanan
barang dari outlet ke dalam komputer serta membuat faktur dan surat jalan
sebanyak 3 rangkap. Faktur pertama diserahkan ke bagian gudang, faktur ke-
dua diserahkan ke konsumen dan faktur ke-tiga disimpan untuk dijadikan
laporan ke manajer keuangan. Surat jalan diserahkan ke bagian dropping
barang.

IV-58
d. Bagian dropping mengantarkan barang pesanan ke outlet serta menyerahkan
faktur pemesanan barang kepada outlet sebanyak 2 rangkap. Rangkap pertama
untuk disimpan oleh outlet dan faktur kedua ditandatangani dan diserahkan
kepada financial manager untuk pembuatan laporan penjualan.
e. Manajer keuangan membuat data penjualan sebagai laporan penjualan.
f. Kepala cabang akan mengevaluasi laporan penjualan dan melunasi tagihan
kepada supplier berdasarkan laporan penjualan.

Gambar 4.2 Prosedur Penjualan

4.1.3 Data Penjualan
Data penjualan adalah seluruh data transaksi yang digunakan dalam
analisis data historis untuk proses pengadaan barang. Analisis data historis yang
ada menggunakan data penjualan yang tercatat oleh perusahaan. Data penjualan di

IV-59
sini adalah jumlah barang yang dipesan oleh outlet kepada PT Sinar Niaga
Sejahtera. Outlet melakukan perkiraan sendiri dalam melakukan pemesanan
barang kepada PT Sinar Niaga Sejahtera.
Pengumpulan data penjualan outlet atau dapat diasumsikan sebagai
permintaan final customer dapat digunakan sebagai dasar dalam melakukan
peramalan permintaan oleh PT Sinar Niaga Sejahtera. Hal ini dilakukan untuk
mengurangi resiko terjadinya bullwhip effect. Pemesanan yang dilakukan oleh
outlet cenderung fluktuatif dan mengakibatkan proses pengadaan barang oleh PT
Sinar Niaga Sejahtera menjadi fluktuatif pula. Data penjualan selama bulan
Agustus 2008 sampai dengan bulan Juli 2009 dapat dilihat pada lampiran L-1,
sedangkan grafik penjualannya adalah sebagai berikut:

Grafik Penjualan Agustus 2008 - Juli 2009

14.000.000
12.000.000
10.000.000
8.000.000
6.000.000
4.000.000
2.000.000
0
1 2 3 4 5 6 7 8 9 10 11 12

Gambar 4.3 Grafik Penjualan Agustus 2008 – Juli 2009

Grafik penjualan pada bulan Agustus 2008 – Juli 2009 seperti pada
gambar 4.3 cenderung berpola musiman. Hal ini dapat dilihat pada saat November
2008 (periode ke-4) dan Maret 2009 (periode ke 8) terjadi lonjakan permintaan.
Lonjakan ini terjadi karena pada bulan November 2008 terdapat Hari Raya Idul
Fitri sedangkan pada bulan Maret 2009 terdapat beberapa hari libur nasional yang
menyebabkan permintaan konsumen melonjak.

4.2 ANALISIS KEBUTUHAN SISTEM

Setelah melakukan identfikasi terhadap sistem pengadaan barang yang saat
ini dijalankan di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta terdapat
beberapa kelemahan dalam proses pengadaan barang. Kelemahan pertama adalah

IV-60
metode peramalan yang digunakan. Saat ini PT Sinar Niaga Sejahtera
menggunakan metode moving average sebagai metode peramalan, di mana
metode ini tidak dapat mengidentifikasi adanya faktor musiman ataupun tren
produk. Pola permintaan produk adalah musiman seperti terlihat pada gambar 4.3
dimana permintaan mengalami peningkatan mulai bulan Oktober 2008 (periode 3)
dan akhirnya mengalami lonjakan yang ekstrim pada bulan November (periode 4).
Selain itu pencatatan stock secara manual juga menyebabkan lamanya
pengambilan keputusan dan pemenuhan penjualan ke outlet karena informasinya
harus diolah secara manual. Kelemahan itu dapat diatasi dengan pembuatan
sistem pendukung keputusan peramalan dan pengadaan barang yang dapat
mengakomodir permasalahan yang saat ini dihadapi PT Sinar Niaga Sejahtera
Distributor Wilayah Surakarta.
Permasalahan yang lain adalah penggunaan data penjualan dalam proses
peramalan. Hal ini dapat menyebabkan terjadinya fenomena bullwhip effect di
echelon yang lebih tingi lagi. Oleh karena itu pengumpulan data penjualan outlet
yang nantiya digunakan untuk proses peramalan akan sangat membantu dalam
mengurangi fenomena bullwhip effect. Tentunya pengumpulan data ini dilakukan
secara tradisional dengan memanfaatkan sistem regulasi salesman yang saat ini
berjalan di PT Sinar Niaga Sejahtera karena kebanyakan outlet yang ditangani PT
Sinar Niaga Sejahtera adalah bersifat tradisional. Penanganan terhadap kondisi
tertentu yang mempengaruhi jumlah kebutuhan barang (exception) dapat
dilakukan secara kualitatif oleh kepala cabang PT Sinar Niaga Sejahtera.

4.3 PERANCANGAN BASIS MODEL

Perancangan basis model adalah perancangan model yang digunakan
dalam sistem informasi serta sistem pengadaan barang yang tidak dimasukkan
dalam sistem informasi. Adapun sistem yang akan digunakan adalah berdasarkan
kepada CPFR (Collaborative Planning, Forecasting, and Replenishment).
Perancangan basis model sistem pendukung keputusan dilakukan untuk
collaborative planning dan forecasting.

IV-61
4.3.1 Collaborative Planning
Collaborative planning melibatkan anggota-anggota yang terlibat di dalam
supply chain. PT Sinar Niaga Sejahtera sebagai distributor melakukan kerjasama
dengan beberapa supplier untuk memenuhi kebutuhan barang. PT Sinar Niaga
Sejahtera Distributor Wilayah Surakarta bekerja sama dengan outlet-outlet yang
tersebar di wilayah Surakarta, Boyolali, Klaten, Sukoharjo, Wonogiri, Sragen, dan
Karanganyar.
Berikut ini adalah hal-hal yang perlu dibahas dalam melakukan
perencanaan bisnis serta informasi-informasi yang harus dibagi antar anggota
rantai pasok.

Gambar 4.4 Aliran Informasi dalam Anggota Rantai Pasok

Pihak supllier dan outlet diasumsikan telah sepakat untuk mengadakan
kerja sama. Oleh karena itu informasi-informasi di atas dianggap sudah disetujui
untuk diketahui pihak-pihak yang mengadakan kerja sama.
PT Sinar Niaga Sejahtera perlu mengadakan suatu metode pengumpulan
data dengan memanfaatkan sistem yang saat ini sudah berjalan untuk
mengumpulkan data penjualan dari outlet. Salesman melakukan kunjungan ke
outlet secara periodik yaitu satu kali dalam satu minggu. Pengumpulan data
penjualan outlet akan dilakukan dengan menggunakan sistem ini, dimana
salesman akan mengisi formulir penjualan outlet pada saat melakukan kunjungan
ke outlet. Pengumpulan dilakukan dengan menggunakan formulir karena
kebanyakan outlet PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta masih
bersifat tradisional dan belum memiliki sistem informasi yang terkomputerisasi.
Data yang diisikan adalah data penjualan outlet dalam rentang waktu satu minggu.
Cara ini dapat diaplikasikan untuk outlet yang bersifat tradisional. Contoh
formulir ini dapat dilihat pada gambar 4.5. Outlet-outlet modern dimana sistem

IV-62
pencatatan penjualannya sudah terkomputerisasi, pengiriman data penjualannya
dapat dilakukan melalui email ataupun fax setiap minggunya.
PT Sinar Niaga Sejahtera Surakarta

Bulan / Tahun:
Nama Salesman : Kode :
Nama Toko : Kode Toko :

Penjualan Pemesanan
Kode Barang
Minggu 1 Minggu 2 Minggu 3 Minggu 4 Minggu 1 Minggu 2 Minggu 3 Minggu 4

Gambar 4.5 Formulir Kolektif Data Usulan

Kolom Bulan/tahun diisi menurut periode bulan atau tahun yang saat ini
sedang berjalan. Nama salesman dan kode salesman diisi untuk data di perusahaan
supaya memudahkan dalam memasukkan data ke dalam komputer. Nama toko
disertai dengan kode toko juga bertujuan sama, yaitu memudahkan dalam input
data di dalam komputer. Data barang cukup dituliskan kode barang untuk
memudahkan proses input data. Pada kolom penjualan, setiap minggunya terdapat
kolom untuk mengisi total penjualan outlet untuk minggu pertama, kedua, ketiga
ataupun ke-empat sesuai dengan minggu yang berjalan. Untuk membandingkan
sekaligus menghemat, ditambahkan kolom pemesanan barang di samping kolom
penjualan.

4.3.2 Pyramid Forecasting

Peramalan merupakan salah satu proses pengambilan keputusan dalam
pengadaan barang. Peramalan selalu berdasarkan dari analisis data histori.

IV-63
Pengambilan keputusan dilakukan melalui beberapa proses yaitu analisis data
historis, analisis tambahan (terkait keputusan manajerial) dan pengecekan
ketersediaan barang di gudang.
Peramalan yang saat ini berjalan di PT Sinar Niaga Sejahtera adalah
dengan menggunakan metode moving average dijumlah dengan pertimbangan
tambahan manager. Kelemahan dari model peramalan ini adalah bahwa model
tersebut tidak dapat membaca unsur pola data trend ataupun musiman. Peramalan
dilakukan dengan data historis berupa jumlah pemesanan barang yang dilakukan
oleh outlet.
Pyramid forecasting adalah peramalan terhadap produk yang
diagregasikan atau dikelompokkan menurut jenisnya. Hal ini dimaksudkan untuk
mengurangi kemungkinan terjadinya bullwhip effect karena error peramalan yang
besar. Proses peramalannya sendiri akan menggunakan metode Winter karena
dengan metode ini dapat dihitung faktor musiman, trend, maupun stationer.
Permintaan sendiri cenderung berpola musiman karena pada saat mendekati
lebaran permintaan selalu melonjak setiap tahunnya.
Validasi model peramalan Winter akan dilakukan dengan cara
membandingkan nilai MAD antara metode Winter dengan metode yang saat ini
digunakan oleh PT. Sinar Niaga Sejahtera yaitu metode moving average. Data
yang digunakan adalah data penjualan outlet pada periode Agustus 2008 – Juli
2009. Apabila nilai MAD peramalan pada sistem usulan lebih kecil daripada
sistem yang saat ini berjalan maka dapat dikatakan bahwa model usulan adalah
valid.
Hasil perhitungan peramalan total produk dengan Microsoft Excel untuk
periode Agustus 2009 dengan metode moving average yang saat ini digunakan
oleh PT. Sinar Niaga Sejahtera adalah sebesar 8.613.17 unit dan nilai MAD
adalah sebesar 1.034.933,89. Sedangkan dengan menggunakan metode yang
diusulkan yaitu metode Winter, hasil peramalan adalah 7.343.600 unit dengan
nilai MAD sebesar 740.759,88. Metode peramalan Winter lebih valid daripada
metode peramalan yang saat ini berjalan yaitu moving average karena nilai MAD
peramalan Winter lebih kecil daripada nilai MAD metode Moving Average

IV-64
 Pyramid forecasting terbagi menjadi beberapa tahap yaitu sebagai berikut:
1. Proses Roll-Up
Proses roll-up adalah proses pengagregasian produk ke dalam kelompok-
kelompok tertentu. Hal ini dilakukan karena terdapat 157 varian produk yang
didistribusikan oleh PT Sinar Niaga Sejahtera. Pengagregasian dilakukan secara
bertahap mulai dari kelompok dengan jumlah anggota terkecil sampai total
keseluruhan produk. Pengelompokan ini dilakukan berdasarkan kesamaan sifat
produk. Terdapat 3 level dalam hirarki produk ini. Level yang paling rendah
adalah item unit, di mana anggotanya adalah tiap unit produk (SKU). Level ke-2
adalah merk produk di mana setiap merk produk terdiri dari beberapa unit produk.
Level ke-3 adalah jenis produk. Jenis produk maksudnya adalah jenis makanan
ataupun minuman beberapa merk produk. Total keseluruhan produk berada di
level teratas hirarki produk. Berikut ini adalah gambaran umum hirarki dan
piramid produk.

Gambar 4.6 Piramida Kelompok Produk

Kelompok produk terkecil adalah kelompok item unit yaitu setiap unit
produk yang didistribusikan PT Sinar Niaga Sejahtera yaitu sebesar 157 produk.
Kemudian kelompok ini dikelompokkan lagi menjadi kelompok yang lebih kecil
yaitu kelompok merk produk yang berjumlah 43 kelompok merk. Untuk lebih
mempermudah analisa pola maupun tren produk serta mengurangi fenomena
bullwhip effect maka produk dikelompokkan lagi menjadi kelompok produk yang
lebih besar anggotanya yaitu kelompok jenis produk yang terdiri dari 8 jenis
produk yang kemudian diagregasi menjadi total keseluruhan produk. Kemudian
hasil agregasi ini digunakan sebagai input dalam melakukan peramalan Winter.

IV-65
Berikut ini adalah gambar yang menggambarkan macam-macam jenis produk
yang didistribusikan oleh PT Sinar Niaga Sejahtera:

Gambar 4.7 Klasifikasi Kelompok Jenis Produk

Selanjutnya untuk kelompok merk produk dan item unit akan digambarkan
di dalam lampiran L-2.

2. Proses Peramalan Winter

Peramalan akan dilakukan dengan menggunakan metode Winter. Dalam
melakukan peramalan sebagai sistem pendukung keputusan terdapat 3 langkah
yang harus dilakukan yaitu:
a. Melakukan Peramalan
Peramalan dilakukan dengan menggunakan metode Winter. Rumus yang
digunakan untuk melakukan peramalan mengacu pada persamaan 2.25 sampai
persamaan 2.28. Proses peramalan Winter dilakukan dalam 4 tahap yaitu:
 Perhitungan unsur stationer
Untuk melakukan perhitungan unsur stationer dipakai rumus sebagai berikut:
.A ( t )
F(t) =
I ( t  m )  (1  )(F( t 1)  T( t 1) )

 Perhitungan unsur tren

Perhitungan unsur tren dilakukan dengan menggunakan rumus sebagai
berikut:
T(t) = β(F(t) – F(t-1)) + (t- β).T(t-1)
 Perhitungan unsur musiman
Perhitungan unsur musiman dilakukan dengan menggunakan rumus sebagai
berikut:
A ( t )
I(t) =  (1   ).I ( t  m )
F( t )

IV-66
 Perhitungan peramalan
Setelah dilakukan perhitungan terhadap faktor stationer, tren, dan musiman
kemudian dillakukan perhitungan peramalan. Perhitungan peramalan dengan
metode Winter dilakukan dengan rumus sebagai berikut:
f(t+τ) = (F(t) + τ.T(t)). I(t+R-m)
Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan adalah 0,1;
0,5; dan 0,9. Variasi ini diambil dengan pertimbangan nilai alpha yang
terkecil (0,1) sampai nilai alpha yang terbesar (0,9) serta nilai alpha yang di
tengah (0,5). Variasi ini diharapkan mampu mewakili range alpha dari 0,1 –
0,9. Sedangkan nilai gamma dan beta adalah tetap, yaitu 0,5.
b. Memilih data peramalan dengan error terkecil.
Langkah terakhir dalam proses peramalan adalah pemilihan data dengan
error terkecil. Perhitungan peramalan yang dilakukan dengan variasi alpha 0,1;
0,5; dan 0,9 masing-masing akan dilakukan perhitungan error dengan
menggunakan MAD. Pemilihan data peramalan dilakukan dengan mengambil
data peramalan yang memiliki nilai MAD terkecil. Perhitungan MAD dilakukan
dengan menggunakan persamaan 2.26.

3. Proses Force-Down
Pada tahap ini dilakukan disagregasi hasil peramalan terhadap kelompok
produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan ini
berdasarkan angka rasio penambahan atau pengurangan hasil peramalan terhadap
jumlah penjualan pada periode sebelumnya.
a. Perhitungan rasio penambahan atau pengurangan
Hasil peramalan
ratio penambahan =
Jumlah sebelum peramalan

b. Perhitungan force-down
Tahap force-down adalah tahap dimana hasil peramalan untuk satu
kelompok produk (agregat) didisagregasi sampai satuan produk terkecil.
Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat.
Xt = rasio x jumlah sebelum peramalan

IV-67
4.3.3 Perhitungan Kebutuhan Barang
Pada tahap ini diadakan penyesuaian hasil peramalan dengan stok yang
masih ada di gudang distributor.
Yt = Xt – St + Pt
Dimana :
Yt = Kebutuhan bersih untuk periode t
Xt = Hasil peramalan untuk periode t
St = Stok barang di gudang distributor untuk periode t, dimana St > 0 > St
Pt = Penambahan jumlah barang jika terdapat agenda promosi untuk periode t

4.4 PERANCANGAN BASIS DATA

4.4.1 Perancangan Sistem
Pada tahap ini akan dilakukan perbaikan sistem dan model dari
langkah perbaikan yang telah dilakukan pada tahap sebelumnya:
A. Identifikasi Sistem
Identifikasi sistem dilakukan untuk mengetahui faktor-faktor yang akan
mempengaruhi kinerja sistem. Identifikasi sistem ini akan dijadikan masukan dan
pertimbangan dalam mendesain sistem. Identifikasi sistem ini terdiri dari berbagai
aspek, yaitu business users dan analisis jabatan, business process, business rules,
business problems and solutions, dan business tools.

1. Business Users dan Analisis Jabatan

Terdapat beberapa pihak atau personil yang terlibat dalam proses
pengambilan keputusan pengadaan barang. Personil-personil yang terlibat dalam
proses pengambilan keputusan pengadaan barang adalah:
a. Outlet
Yang dimaksud outlet di sini adalah retailer, grosir, semi grosir, modern
market serta sub-distributor yang dilayani oleh perusahaan. Outlet bertugas
untuk mencatat data penjualan produk mereka setiap minggunya melalui
formulir yang telah dirancang serta memberikan jadwal promosi kepada PT.
Sionar Niaga Sejahtera.
b. Supplier
Supplier adalah perusahaan produsen produk yang didistribusikan oleh PT.

IV-68
 Sinar Niaga Sejahtera. Peranan supplier adalah memberikan jadwal promosi
yang akan dijadikan pertimbangan tambahan oleh kepala cabang dalam
mengambil keputusan pengadaan barang.
c. Salesman
Salesman bertugas mengumpulkan formulir dari outlet yang berisi data
penjualan outlet setiap minggunya.
d. Kepala dan Staff Bagian Administrasi
Kepala dan staff bagian administrasi bertugas menginput data penjualan outlet
ke dalam komputer dan mengolahnya dalam sistem pendukung keputusan
serta melakukan pemesanan ke supplier.
e. Kepala Cabang
Kepala cabang bertugas mengevaluasi hasil peramalan berkenaan dengan
exception yang mungkin terjadi selama periode yang berjalan dan menentukan
jumlah barang yang harus dipesan oleh kepala staff bagian administrasi.
f. Sales Area Koordinator
Sales area koordinator bertugas memberikan penilaian ataupun masukan
kepada branch manajer perihal exception dan hasil peramalan untuk dijadikan
acuan dalam pengadaan barang.
g. Kepala Gudang
Kepala gudang bertugas mengecek ketersediaan barang di dalam gudang dan
menyortir barang yang sudah dikirim oleh supplier.
2. Bussiness Process
Terdapat beberapa tahapan dalam memutuskan jumlah kebutuhan barang
dalam satu bulan. Berikut ini adalah rangkaian proses dalam pengadaan barang
sampai didapatkan keputusan pengadaan barang adalah:
a. Melakukan perencanaan bersama dan bertukar informasi
Proses ini dilakukan ketika outlet dan perusahaan sepakat untuk mengadakan
pengadaan barang bersama dan memberikan informasi mengenai data historis
penjualan, jadwal promosi, jadwal hari libur dan hal-hal lainnya yang
sekiranya berpengaruh terhadap proses perhitungan jumlah pengadaan barang.
Selain itu supplier juga terlibat dalam proses pengadaan barang. Supplier

IV-69
 dapat membagikan informasi mengenai jadwal promosi produknya kepada PT.
Sinar Niaga Sejahtera.
b. Mengumpulkan data penjualan historis dari outlet
Pengambilan data historis penjualan oulet dilakukan oleh salesman yang
dilakukan setiap minggunya yang kemudian diserahkan kepada petugas
administrasi untuk diinput ke dalam database penjualan historis.
c. Melakukan peramalan
Peramalan dilakukan dengan menggunakan pyramid forecasting dan model
Winter. Keseluruhan proses ini dioperasikan oleh kepala administrasi yang
dibantu dengan sistem pendukung keputusan.
d. Melakukan order generation
Proses ini dimulai setelah didapat hasil peramalan dan kemudian disesuaikan
dengan kondisi inventaris di gudang oleh kepala gudang.
e. Melakukan penyesuaian
Penyesuaian dilakukan apabila terdapat exception atau pada kasus ini adalah
kegiatan promosi yang dilakukan oleh outlet maupun supplier. Koreksi yang
ditambahkan berdasarkan pertimbangan kepala cabang secara kualitatif.
f. Melakukan pemesanan
Proses ini dilakukan setelah didapat hasil bulat dari jumlah pengadaan barang
setelah disesuaikan dengan kondisi inventaris gudang dan penyesuaian. Proses
ini dilakukan oleh kepala cabang yang biasanya didelegasikan kepada
karyawan atau staff di bawahnya.

Diagram alir prosedur pengambilan keputusan pengadaan barang dapat dilihat

pada gambar 4.8.

IV-70
 Gambar 4.8 Prosedur Pengadaan Barang Usulan

3. Business Rules
Business rules merupakan batasan/ketentuan yang dapat menjaga
integritas data untuk menjamin sistem dapat berjalan seperti yang diharapkan.
Ketentuan dalam sistem yang dirancang adalah:
a. Penggunaan kode supplier dan produk dilakukan secara otomatis oleh sistem.
b. Penerapan business rules pada tipe data pada tabel database.
c. Penerapan business rules pada relasi antar tabel database.

4. Business Tools
Peralatan yang digunakan dalam sistem yang dirancang berupa komputer.
Sumber daya yang ada selama ini berupa komputer dapat digunakan sebagai
business tools.

IV-71
5. Entry Data
Entry data hanya dilakukan untuk data historis penjualan outlet yang
dikumpulkan melalui formulir-formulir yang dikumpulkan setiap minggu melalui
salesman. Entry data dilakukan oleh petugas administrasi.

B. Pemodelan Sistem
Sebelum memodelkan perbaikan sistem pengadaan barang, terlebih dahulu
mendefinisikan kesatuan-kesatuan luar yang terlibat dalam sistem. Kesatuan luar
yang terlibat dalam sistem pengadaan barang adalah branch manajer, kepala
gudang, outlet, dan petugas administrasi.
Proses pengambilan keputusan pengadaan barang terdiri dari tiga tahapan
yaitu tahap input data, pemrosesan data, dan yang terakhir adalah analisis output.
Data yang diinput dalam aplikasi ini adalah data penjualan outlet dan data mutasi
barang. Data penjualan outlet akan mengalami beberapa tahapan peramalan
seperti yang telah dibahas dalam perancangan basis model. Sedangkan data
mutasi barang adalah data barang yang keluar dan masuk ke dalam gudang
sehingga akan didapatkan data saldo barang yang ada di dalam gudang. Output
dari kedua proses tersebut kemudian dianalisa untuk mendapatkan keputusan
jumlah pengadaan barang. Terdapat faktor luar (exception) yang mempengaruhi
jumlah kebutuhan barang, proses analisis terhadap faktor ini tidak dilakukan oleh
sistem pendukung keputusan yang dirancang namun dilakukan secara manual oleh
kepala cabang berdasarkan keputusan manajerial yang dibuat. Keputusan
manajerial ini kemudian dijadikan data pendukung dalam memutuskan jumlah
kebutuhan barang PT. Sinar Niaga Sejahtera. Proses pengambilan keputusan
pengadaan barang akan dituangkan pada gambar 4.9.

IV-72
 Gambar 4.9 Proses Pengambilan Keputusan Pengadaan Barang
Berdasarkan proses pada gambar 4.9 kemudian akan dibuat diagram
context kemudian dijadikan dasar dalam perancangan aplikasi. Berikut ini adalah
diagram context sistem pengadaan barang.

Gambar 4.10 Diagram Context Sistem Pengadaan Barang

Pada gambar 4.10 digambarkan bahwa petugas administrasi melakukan
input data berupa data penjualan PT Sinar Niaga Sejahtera dan data penjualan
outlet. Kemudian Kepala gudang melakukan input data mutasi barang. Output dari
sistem informasi pengadaan barang ini adalah hasil peramalan dan laporan
penjualan untuk kepala cabang serta faktur penjualan untuk salesman dan kepala
gudang.

IV-73
 Gambar 4.11 Diagram Arus Data Level 0 Sistem Pengadaan Barang
Diagram arus data level 0 menggambarkan arus data pada sistem
pengadaan barang. Input data berupa data penjualan yang kemudian diolah oleh
SPK menjadi hasil peramalan dan setelah mengalami penyesuaian dengan stock
barang maka didapatkan hasil kebutuhan barang.

Gambar 4.12 Diagram Arus Data Level 1 Menentukan Stok Barang

Berdasarkan gambar 4.12, perhitungan stok barang di gudang berdasarkan
pada perhitungan jumlah barang yang masuk dan keluar gudang. Hasilnya adalah
saldo akhir stock di gudang.

IV-74
Gambar 4.13Diagram Arus Data Level 1 Menentukan Jumlah Kebutuhan Barang
Gambar 4.13 menjelaskan tentang arus data dan rangkaian prosedur
penentuan kebutuhan barang (net requirement). Kemudian perhitungan ini
digunakan dalam proses 4 yaitu menyesuaikan terhadap exception dalam
peramalan.

Gambar 4.14 Diagram Arus Data Level 2 Meramalkan Penjualan

Data historis penjualan outlet yang dikumpulkan dalam bentuk formulir
akan diinput ke dalam komputer dan ditampung dalam sebuah basis data yang
terintegrasi dengan program komputer. Basis data ini dibuat agar data dapat
terorganisir dan tersimpan dengan baik serta memudahkan dalam pencarian data.

4.4.2 Pengkodean
PT Sinar Niaga Sejahtera sudah menerapkan sistem pengkodean dalam
menginput data. Oleh karena itu dalam penelitian ini, pengkodean akan mengikuti
pengkodean yang saat ini dipakai oleh PT Sinar Niaga Sejahtera. Pengkodean
dilakukan untuk tabel nama produk, jenis produk, supplier, salesman, customer
dan harga. Berikut adalah kode yang telah digunakan di PT Sinar Niaga Sejahtera:

IV-75
1. Kode Nama Barang
Pembuatan kode supplier dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini
telah digunakan oleh PT Sinar Niaga Sejahtera.
2. Kode Jenis Produk
Pembuatan kode jenis produk dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah nama jenis itu sendiri,
misalnya ”Susu”, ”Minyak”, dll.
3. Kode Merk Produk
Pembuatan kode merk produk dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah nama merk itu sendiri,
misalnya ”Atom Ekspor”, ”Kacang Garing”, dll.
4. Kode Supplier
Pembuatan kode supplier dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini
telah digunakan oleh PT Sinar Niaga Sejahtera.
5. Kode Salesman
Pembuatan kode supplier dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini
telah digunakan oleh PT Sinar Niaga Sejahtera.
6. Kode Customer
Pembuatan kode supplier dilakukan dengan auto increment dimana kode
digenerate secara otomatis oleh sistem untuk menghindari kesalahan input
kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini
telah digunakan oleh PT Sinar Niaga Sejahtera.

IV-76
4.4.3 Tahap Perancangan Logika
Tahap perancangan logika program dilakukan dengan teknik normalisasi. Tujuan normalisasi adalah mengidentifikasikan hubungan
antar atribut, mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi untuk membentuk database. Berikut ini
adalah contoh tabel transaksi yang saat ini digunakan oleh PT. Sinar Niaga Sejahtera dan akan didesain ulang dengan menggunakan teknik
normalisasi:
Tabel 4.1 Tabel Transaksi PT. Sinar Niaga Sejahtera
No. Faktur Tgl Beli Kd Salesman Kd Customer Nama Customer Kd Harga Merk Kd Barang Nama Barang Isi Box Qty

(Sumber: PT Sinar Niaga Sejahtera distributor Wilayah Surakarta, 2009)

IV-77
1. Normalisasi Pertama (1NF/First Normal Form)
Syarat normalisasi pertama adalah bahwa setiap atribut hanya memiliki
satu dan hanya satu nilai. Tabel 4.1 dapat dikatakan telah memenuhi syarat
normalisasi pertama karena setiap atributnya hanya memiliki satu dan hanya satu
nilai.

2. Normalisasi Kedua (2NF/Second Normal Form)

Syarat normalisasi kedua adalah semua atribut harus tergantung penuh
pada primary key sehingga beberapa atribut yang sama dan dipakai dalam
beberapa tabel, dibuat tabel-tabel master dari atribut-atribut yang sama tersebut.
Berikut adalah tabel-tabel yang memerlukan normalisasi kedua:

 Master produk
Tabel 4.2 Tabel Master produk
Entitas Atribut
Kode Produk*
Nama Produk
Merk Produk
Produk
Jenis Produk
Kode Supplier
Isi Box
 Master supplier
Tabel 4.3 Tabel Master Supplier
Entitas Atribut
Kode Supplier*
Nama Supplier
Alamat
Supplier
No. Telp
Contact Person
Email

lxxviii
 Master salesman
Tabel 4.4 Tabel Master Salesman
Entitas Atribut
Kode Salesman*
Salesman Nama Salesman
No. HP

 Master outlet
Tabel 4.5 Tabel Master Outlet
Entitas Atribut
Kode Outlet*
Nama Outlet
Jenis Outlet
Outlet Alamat
Contact Person
No. Telp Outlet
Email

 Master harga
Tabel 4.6 Tabel Master Harga
Entitas Atribut
Nama Produk*
Harga
Harga

Sehingga dengan dibuatnya tabel-tabel master, tabel-tabel entitas akan

mengalami perubahan sebagai berikut:

lxxix
Tabel 4.7 Tabel Data Pembelian 2NF
Entitas Atribut
No. Faktur Pembelian*
Tanggal Pembelian
Kode Supplier**
Kode Produk**
Pembelian Nama Merk
Qty
Harga
Jumlah Tagihan
Keterangan

Tabel 4.8 Tabel Penjualan 2NF

Entitas Atribut
No. Faktur Penjualan*
Tanggal Penjualan
Kode Salesman**
Kode Outlet**
Penjualan Kode Produk**
Qty
Harga
Jumlah Tagihan
Keterangan

Tabel 4.9 Tabel Penjualan Outlet 2NF

Entitas Atribut
Tanggal Penjualan Outlet*
Kode Outlet**
Penjualan
Kode Produk**
Outlet
Nama Merk
Qty

lxxx
 Tabel 4.10 Tabel Pengeluaran Barang 2NF
Entitas Atribut
No. Nota Pengeluaran*
Tanggal
Pengeluaran Keterangan
Barang Kode Produk**
Merk
Qty

Tabel 4.11 Tabel Pemasukan Barang 2NF

Entitas Atribut
No. Nota Pengiriman*
Tanggal
Pemasukan Keterangan
Barang Kode Produk**
Merk
Qty

Karena akan ditambahkan fitur baru di dalam sistem pendukung keputusan

yaitu fitur event reminder maka akan ditambahkan satu tabel baru yaitu tabel
calendar event untuk menginput jadwal promosi ataupun event lain yang
diselenggarakan oleh outlet maupun pihak supplier. Berikut ini adalah tabel
calendar event yang dimaksud:

 Entitas : Calendar Event

Tabel 4.12 Tabel Calendar Event
Entitas Atribut
Tanggal Event*
Kode Penyelenggara**
Nama Penyelenggara
Calendar
Keterangan Event
Event
Kode Produk **
Nama Produk
Koreksi

lxxxi
3. Normalisasi Ketiga (3NF/Third Normal Form)
Syarat normalisasi ketiga adalah ketergantungan parsial harus dipisahkan.
Pada tahap ini dianalisa tabel-tabel hasil dari normalisasi kedua. Pada normalisasi
kedua tidak ada ketergantungan parsial antar tabel sehingga tabel – tabel pada
normalisasi ke-dua tidak mengalami perubahan.

4.4.4 Entity Relationship Diagram (ERD)

Entity Relationship Diagram menggambarkan hubungan antara tabel-tabel
dalam database yang akan dipakai dalam program komputer. Hubungan antara
table – table master dapat dilihat pada gambar 4.15

1
1 ∞
1

∞
1 1
1
∞
∞ 1

∞
∞
∞
1

∞
∞
∞ ∞

Gambar 4.15 Entity Relationship Diagram (ERD)

Gambar 4.15 memaparkan tentang hubungan antar table – table yang ada dalam
sistem pendukung keputusan yang dirancang. Digambarkan hubungan antar table
serta field – field masing – masing table dengan field pada table yang lain.
Sebagai contoh table pembelian terhubung dengan table supplier pada field “kode
supplier”, demikian seterusnya.

lxxxii
4.5 PERANCANGAN BASIS DIALOG
Pada bagian desain logika tabel yang sudah mengalami normalisasi akan
menghasilkan tabel-tabel baru. Dalam tahap ini akan diuraikan kamus data untuk
setiap tabel serta perancangan user interface input dan output.

4.5.1 Kamus Data

Tabel 4.13 Komponen Tabel Master Produk
Nama Field Tipe Data Ukuran
Kode Produk Character 5
Nama Produk Character 50
Merk Produk Character 20
Jenis Produk Character 15
Kode Supplier Character 5
Isi Box Numeric 3

Tabel 4.14 Komponen Tabel Master Supplier

Nama Field Tipe Data Ukuran
Kode Supplier Character 5
Nama Supplier Character 30
Alamat Character 50
No. Telp Numeric 10
Contact Person Numeric 10
Email Character 30

Tabel 4.15 Komponen Tabel Master Salesman

Nama Field Tipe Data Ukuran
Kode Salesman Character 5
Nama Salesman Character 20
No. HP Numeric 13

lxxxiii
 Tabel 4.16 Komponen Tabel Master Outlet
Nama Field Tipe Data Ukuran
Kode Outlet Character 5
Nama Outlet Character 30
Jenis Outlet Character 15
Alamat Character 30
Contact Person Numeric 13
No. Telp Outlet Numeric 13
Email Character 30

Tabel 4.17 Komponen Tabel Master Harga

Nama Field Tipe Data Ukuran
Nama Produk Character 30
Harga Numeric 6

Tabel 4.18 Komponen Tabel Pembelian

Nama Field Tipe Data Ukuran
No Faktur Pembelian Character 15
Tanggal Pembelian Date 8
Nama Supplier Character 30
Kode Produk Character 30
Nama Merk Character 20
Qty Numeric 10
Harga Numeric 6
Jumlah Tagihan Numeric 10
Keterangan Character 7

Tabel 4.19 Komponen Tabel Penjualan Outlet

Nama Field Tipe Data Ukuran
Tanggal Date 8
Kode Outlet Character 5
Kode Produk Character 5
Merk Character 20
Qty Numeric 10

lxxxiv
 Tabel 4.20 Komponen Tabel Penjualan
Nama Field Tipe Data Ukuran
No. Faktur Character 15
Tanggal Date 8
Kode Outlet Character 5
Nama Produk Character 50
Qty Numeric 10
Harga Numeric 6
Jumlah Tagihan Numeric 10
Keterangan Character 7

Tabel 4.21 Komponen Tabel Pengeluaran Barang

Nama Field Tipe Data Ukuran
No. Nota Pengeluaran Character 15
Tanggal Date 8
Nama Produk Character 50
Merk Character 20
Qty Numeric 10
Keterangan Character 7

Tabel 4.22 Komponen Tabel Pemasukan Barang

Nama Field Tipe Data Ukuran
No. Nota Pemasukan Character 15
Tanggal Date 8
Nama Produk Character 50
Merk Character 20
Qty Numeric 10
Keterangan Character 7

lxxxv
 Tabel 4.23 Komponen Tabel Pemasukan Barang
Nama Field Tipe Data Ukuran
Tangga Event Date 8
Kode Penyelenggara Character 30
Nama Penyelenggara Character 50
Keterangan Event Character 70
Kode Produk Character 30
Nama Produk Character 50
Koreksi Numeric 3

4.5.2 Perancangan User Interface Input

Perancangan user interface input meliputi perancangan form-form menu
utama, data supplier, data produk, data salesman, data outlet (customer), purchase
order, mutasi barang keluar, dan mutasi barang masuk.

Gambar 4.16 Form Menu Utama

Menu Utama terdiri dari 4 menu yaitu menu data induk, menu purchasing,
menu mutasi barang, dan menu laporan. Menu data induk berisi data-data master
yaitu master barang, master supplier, master salesman, master outlet, dan master
harga. Pada menu ini user dapat mengubah, menambahkan, maupun menghapus
data setiap tabel master. Menu purchasing digunakan untuk menambahkan atau
menghapus purchase order secara harian yang kemudian ditampilkan dalam
laporan secara harian dan bulanan. Menu mutasi barang mengacu pada stock
barang di gudang yaitu pencatatan jumlah barang yang keluar maupun yang
masuk ke gudang. Menu laporan digunakan untuk mengumpulkan tabel-tabel
perhitungan peramalan serta grafik data penjualan selama 1 tahun.

lxxxvi
 Gambar 4.17 Form Data Barang
Nama form : Data Barang
Fungsi : Memasukkan, mengubah, dan menghapus data barang
Data Environment : Tabel data barang
Tabel data supplier
Proses : - Mengisi data barang
- Mengisi data supplier yang terkait
- Menyimpan data

Gambar 4.18 Form Data Customer

Nama form : Data Customer

Fungsi : Memasukkan, mengubah, dan menghapus data customer
Data Environment : Tabel data customer
Proses : - Mengisi data customer
- Menyimpan data

lxxxvii
 Gambar 4.19 Form Data Salesman
Nama form : Data Salesman
Fungsi : Memasukkan, mengubah, dan menghapus data salesman
Data Environment : Tabel data salesman
Proses : - Mengisi data salesman
- Menyimpan data

Gambar 4.20 Form Data Supplier

Nama form : Data Supplier
Fungsi : Memasukkan, mengubah, dan menghapus data supplier
Data Environment : Tabel data supplier
Proses : - Mengisi data supplier
- Menyimpan data

lxxxviii
 Gambar 4.21 Form Data Harga
Nama form : Data Harga
Fungsi : Memasukkan, mengubah, dan menghapus data harga
produk
Data Environment : Tabel data harga
Proses : - Mengisi data nama produk
- Mengisi data harga

No. Faktur :
Tanggal :
Kode Supplier :
Keterangan :

Nama Produk Nama Merk Qty Harga Jumlah

Add Delete

New Save Close

Gambar 4.22 Input Pembelian

Nama form : Data Purchasing (Pembelian)
Fungsi : Memasukkan, mengubah, dan menghapus data purchasing
Data Environment : Tabel data barang
Tabel data supplier
Proses : - Mengisi data supplier
- Mengisi data barang yang dipesan
- Menyimpan data

lxxxix
 No. Faktur :
Tanggal :
Kode Outlet :
Keterangan :

Nama Produk Nama Merk Qty Harga Jumlah Keterangan

Add Delete

New Save Close

Gambar 4.23 Input Penjualan

Nama form : Data Penjualan
Fungsi : Memasukkan, mengubah, dan menghapus data penjualan
Data Environment : Tabel data barang
Tabel data outlet
Proses : - Mengisi data outlet
- Mengisi data barang yang dipesan
- Menyimpan data

Tanggal :
Kode Outlet :
Keterangan :

Nama Produk Nama Merk Qty Add Delete

Save New

Close

Gambar 4.24 Input Penjualan Outlet

Nama form : Data Penjualan
Fungsi : Memasukkan, mengubah, dan menghapus data penjualan
outlet
Data Environment : Tabel data barang
Tabel data outlet
Proses : - Mengisi data outlet
- Mengisi data penjualan barang
- Menyimpan data

xc
 Gambar 4.25 Form Mutasi Barang Masuk
Nama form : Data Mutasi Barang Masuk
Fungsi : Memasukkan dan menghapus data barang yang masuk ke
gudang
Data Environment : Tabel data barang
Proses : - Mengisi data supplier
- Menyimpan data

Gambar 4.26 Form Mutasi Barang Keluar

Nama form : Data Mutasi Barang Keluar
Fungsi : Memasukkan dan menghapus data barang yang keluar dari
gudang
Data Environment : Tabel data produk
Proses : - Mengisi data barang
- Menyimpan data

xci
 Gambar 4.27 Form Jadwal Promosi
Nama form : Data Promosi
Fungsi : Memasukkan dan menghapus data jadwal promosi outlet
dan supplier
Data Environment : Tabel data produk, tabel data outlet dan tabel data supplier
Proses : - Mengisi data promosi
- Menyimpan data

4.5.3 Perancangan User Interface Output

Perancangan user interface output meliputi laporan penjualan, report stock
gudang, perhitungan peramalan, dan hasil perhitungan kebutuhan bersih produk
(net requirement).
Laporan Penjualan Bulan :

Penjualan Penjualan
Nama Produk
(Unit) (Box)

Jumlah

Gambar 4.28 Form Laporan Penjualan

xcii
 Gambar 4.29 Form Report Stock

Kebutuhan Bulan :
Nama Hasil Saldo Net
Produk Peramalan Stock Requirement

Gambar 4.30 Form Report Kebutuhan Bersih Barang

4.6 PERANCANGAN APLIKASI CPFR

Pada tahap ini akan dilakukan perancangan konstruksi program. Basis
model, basis data, dan basis dialog yang telah dibuat pada tahap sebelumnya
kemudian dituangkan dalam bahasa pemrograman ke dalam software Microsoft
Visual Foxpro. Berikut ini adalah tampilan sistem pendukung keputusan yang
dirancang dengan software Microsoft Visual Foxpro:
1. Event alert
Event alert akan muncul pada saat pertama kali pengguna membuka
program. Berikut ini adalah tampilan event alert yang dirancang dalam sistem
pendukung keputusan:

Gambar 4.31 Event alert

xciii
2. Log in User
Pengguna sistem pendukung keputusan harus melakukan log in terlebih
dahulu sebelum masuk ke dalam program. Log in dibedakan menjadi 2 identitas
nama yaitu untuk staf input data saja dan untuk kepala cabang. Staf input data
hanya dapat membuka membuka menu input data saja sedangkan kepala cabang
dapat membuka semua menu yaitu menu input data, master data dan laporan.
Berikut adalah tampilan log in user sistem pendukung keputusan yang dirancang:

Gambar 4.32 Log in user

3. Input Data Purchasing

Tabel input data purchasing digunakan untuk melakukan pemesanan
barang ke supplier. Berikut adalah tampilan tabel input data purchasing sistem
pendukung keputusan yang dirancang:

Gambar 4.33 Tabel Input Data Purchasing

xciv
4. Input Data Penjualan Outlet
Berikut adalah tampilan tabel input data penjualan outlet sistem
pendukung keputusan yang dirancang:

Gambar 4.34 Tabel Input Data Penjualan Outlet

5. Input Data Penjualan

Berikut adalah tampilan tabel input data penjualan sistem pendukung
keputusan yang dirancang:

Gambar 4.35 Tabel Input Data Penjualan

xcv
6. Input Data Pemasukan Barang
Tabel ini digunakan untuk mencatat data semua barang yang masuk ke
gudang. Berikut adalah tampilan tabel input data pemasukan barang sistem
pendukung keputusan yang dirancang:

Gambar 4.36 Tabel Input Data Pemasukan Barang

7. Input Data Pengeluaran Barang

Tabel ini digunakan untuk mencatat data semua barang yang keluar dari
gudang kecuali data penjualan karena data penjualan sudah langsung mengurangi
posisi saldo stok pada gudang. Berikut adalah tampilan tabel input data
pengeluaran barang sistem pendukung keputusan yang dirancang:

Gambar 4.37 Tabel Input Data Pengeluaran Barang

xcvi
8. Input Data Event
Tabel ini digunakan untuk mencatat data semua event produk pada
supplier maupun outlet. Berikut adalah tampilan tabel input data event sistem
pendukung keputusan yang dirancang:

Gambar 4.38 Tabel Input Data Event

9. Pemrosesan Koreksi Peramalan

Tabel ini digunakan untuk melihat jenis event yang terjadi dan kemudian
menambahkan koreksi pada menu ”Proses Pembelian”. Berikut adalah tampilan
tabel proses koreksi sistem pendukung keputusan yang dirancang:

Gambar 4.39 Tabel Proses Koreksi Peramalan

xcvii
4.7 Validasi Sistem Pendukung Keputusan
Tahap pengujian validitas akan dilakukan terhadap performansi sistem
pendukung keputusan yang dibangun. Kriteria yang diukur dalah validasi program
ini adalah ground truth (dasar kebenaran) dan judgment (penilaian).
4.7.1 Ground Truth (dasar kebenaran)
Atribut yang dinilai di sini adalah kecepatan sistem dalam melakukan
pemrosesan data yang diinput atau jumlah waktu yang diperlukan user saat
bekerja dengan sistem yang dibangun.
Pengukuran kecepatan dilakukan untuk mengetahui seberapa cepat sistem
mengambil data dan melakukan pengolahan data hingga output dari pengolahan
data ditampilkan pada layar monitor. Pengujian kecepatan pemrosesan data
dilakukan pada perangkat keras komputer dengan spesifikasi sebagai berikut:
1. Processor AMD Athlon ™ XP 1700. 1,11 GHz
2. Memory RAM 256 Mb
3. Operating System Microsoft Windows XP Professional.
Pengukuran kecepatan dilakukan pada tiga jenis report, yaitu report hasil
peramalan penjualan, report saldo stok dan report perhitungan kebutuhan bersih
barang.
a. Report Hasil Peramalan Penjualan
Pengukuran kecepatan yang dimaksud adalah pengukuran kecepatan SPK
dalam mengambil data, mengolah dan menampilkan hasil pengolahan database
pada layar monitor. Banyaknya data yang diambil dan diolah adalah sebanyak 12
periode yaitu dari bulan Agustus 2008 – Juli 2009 dari total produk yang ada.
Kemudian jumlah ini akan dibreakdown untuk masing – masing jenis produk,
merk produk, dan item unit produk (SKU). Running time dihitung pada saat
penekanan tombol “preview” pada masing – masing report peramalan sampai
dimunculkannya report untuk masing – masing kelompok produk.
Hasil pengujian pengukuran kecepatan penyajian report peramalan total
produk, jenis produk, merk produk dan item unit mendapatkan running time untuk
masing – masing laporan yang cukup cepat yaitu 3 detik. Running time ini
termasuk running time proses pengambilan data, pengolahan data, dan
menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang

xcviii
diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data.

b. Report Saldo Stok

Pada pengukuran kecepatan menampilkan report saldo stok yang diukur
adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil
pengolahan database pada layar monitor. Data yang diambil adalah data mutasi
keluar dan masuknya 157 item produk ke dalam produk. Running time dihitung
pada saat penekanan tombol “preview” pada report saldo stok.
Hasil pengujian pengukuran kecepatan penyajian report saldo stok,
mendapatkan running time yang cukup cepat yaitu 3 detik. Running time ini
termasuk running time proses pengambilan data, pengolahan data, dan
menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang
diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data.

c. Report Perhitungan Kebutuhan Bersih Barang.

Pada pengukuran kecepatan menampilkan report saldo stok yang diukur
adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil
pengolahan database pada layar monitor. Data yang diambil adalah data hasil
peramalan dan data saldo stok. Running time dihitung pada saat penekanan tombol
“preview” pada report net requirement.
Dari hasil pengujian pengukuran kecepatan penyajian report net
requirement, didapatkan running time yang cukup cepat yaitu 3 detik. Running
time ini termasuk running time proses pengambilan data, pengolahan data, dan
menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang
diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data.

4.7.2 Judgment (Penilaian)

Atribut yang dinilai pada tahap ini meliputi pengujian program aplikasi
yang telah dibuat untuk mengetahui apakah SPK yang dirancang dapat memenuhi
kebutuhan pengguna. Kriteria validasi ini adalah sebagai berikut:
a. Apakah SPK ini mampu memberikan alternatif keputusan jumlah kebutuhan
barang?
Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan

xcix
 pengujian kecepatan, diperoleh kesimpulan bahwa SPK ini mampu
memberikan alternatif keputusan jumlah kebutuhan barang berdasarkan hasil
peramalan. Alternatif keputusan berupa hasil peramalan dengan menggunakan
metode peramalan Winter dengan mengagregasi produk menjadi 4 level yaitu
level SKU, level merk, level jenis produk, dan yang terakhir adalah jumlah
keseluruhan produk. Hasil peramalan selengkapnya dapat dilihat pada
lampiran 3.
b. Apakah SPK ini mampu memberikan peringatan akan adanya promo event di
outlet maupun supplier?
Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan
pengujian kecepatan, dismpulkan bahwa SPK ini mampu memberikan
peringatan kepada kepala cabang apabila pada periode berikutnya terdapat
kegiatan promosi dari outlet maupun supplier. Hal ini akan sangat membantu
kepala cabang dalam menentukan keputusan jumlah kebutuhan barang pada
periode berikutnya.

4.8 Pengujian Ketepatan Output SPK dengan Perhitungan Manual

Pengujian ketepatan perhitungan ini dilakukan pada ketepatan dalam
melakukan peramalan. Data yang digunakan adalah data sales outlet periode
Agustus 2008 – Juli 2009. Pengujian ini dilakukan dengan cara membandingkan
output hasil peramalan dari SPK dengan perhitungan yang dilakukan secara
manual dengan Microsoft Excel. Perbandingan output hasil perhitungan pushdown
peramalan dibandingkan dengan output perhitungan manual dengan menggunakan
Microsoft Excel. Berikut ini adalah hasil perhitungan manual dengan
menggunakan Microsoft Excel:

a. Hasil Peramalan Total Penjualan

Dari total penjualan bulan Agustus 2008 sampai dengan bulan Juli 2009
didapatkan hasil peramalan total penjualan untuk bulan Agustus 2009 berdasarkan
perhitungan SPK adalah 7.334.171 unit barang. Sedangkan hasil perhitungan
manual adalah sebesar 7.343.600 unit barang. Terdapat selisih sebanyak 9.429
unit barang. Hal ini disebabkan oleh berbedanya sistem pembulatan yang dipakai
dalam SPK dan perhitungan manual. Sistem pendukung keputusan yang dirancang

c
menggunakan sistem pemotongan sampai 2 digit di belakang koma sedangkan
pada Microsoft Excel angka tidak dipotong dan tidak dibulatkan.

b. Hasil Peramalan (Force- Down) untuk Jenis Produk

Perhitungan peramalan untuk jenis produk (proses force down) dilakukan
dengan membandingkan output peramalan SPK dengan perhitungan manual
menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan
dengan menggunakan SPK dan secara manual:
Tabel 4.24 Hasil Perbandingan Push-down untuk Jenis Produk
Jenis Hasil Peramalan
Satuan
Produk SPK Manual
AMDK Unit 466.328,49 466.328,49
Biskuit Unit 1.673.599,96 1.673.599,96
Jelly Unit 3.235.034,05 3.235.034,05
Kacang Unit 1.197.112,37 1.197.112,37
Minyak Unit 32.799,67 32.799,67
Obat Unit 6.648,13 6.648,13
Snack Unit 722.404,02 722.404,02
Susu Unit 244,70 244,70

Hasil perhitungan dengan menggunakan SPK dan secara manual adalah

sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk
jenis produk yang dilakukan oleh sistem SPK adalah baik.

c. Hasil Peramalan (Force Down) untuk Merk Produk

Perhitungan peramalan untuk jenis produk (proses force-down) dilakukan
dengan membandingkan output peramalan SPK dengan perhitungan manual
menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan
dengan menggunakan SPK dan secara manual:

ci
 Tabel 4.25 Hasil Perbandingan Force-down untuk Merk Produk
Hasil Perhitungan
Merk Barang
SPK Manual
AMDK cup 89.130,50 89.130,50
Atom Eksport 2.194,12 2.194,12
Atom Lokal 0,00 0,00
Atom Manis Eksport 5.058,62 5.058,62
Atom Pedas Ekport 2.922,07 2.922,07
Biskuit Cookies 553,15 553,15
Biskuit Premium 0,00 0,00
Garing Biga Eksport 544,93 544,93
Garing Eksport 226,19 226,19
Garing Garuda Metalize 197.459,11 197.459,11
Garing Rasa Eksport 2.952,92 2.952,92
Garing Rasa Lokal 13.711,75 13.711,75
Gerry Soes Eksport 5.936,68 5.936,68
Gerry Extrude Coklat 149.482,36 149.482,36
Jelly Eksport 52.025,69 52.025,69
Jelly Lokal 5.542.363,25 5.542.363,25
Kedele Eksport 643,63 643,63
Keffy Tamarind Cup 18.476,31 18.476,31
Kraker Beras Eksport 0,00 0,00
Leo Snack Eksport 4.955,80 4.955,80
Marie Salut Premium 2,05 2,05
Mountea Eksport 479.921,62 479.921,62
Obat Batuk Hitam 575,77 575,77
OBH Combi Ekport 4.565,10 4.565,10
Oven Garuda Bawang 24.398,61 24.398,61
Oven Garuda Pedas 23.002,34 23.002,34
Oven Garuda Premium 6.543,31 6.543,31
Oven Lokal 0,00 0,00
Pilus Eksport 3.728,16 3.728,16
Pilus Garuda Premium 423.347,28 423.347,28
Pilus Lokal 0,00 0,00
Pop Corn Butter 10.166,60 10.166,60
Pop Corn Jagung 32.399,87 32.399,87
Prestine Honey 98,70 98,70
Prestine Vanilla 90,47 90,47
Refill Energi Premium 0,00 0,00
Sari Murnia Eksport 3.345,68 3.345,68
Super Cup Lokal 740,28 740,28
Telur Eksport 10.298,20 10.298,20
Ting ting Garuda 0,00 0,00
Wafer Cream 17.900,54 17.900,54
Wafer Garuda Eksport 400,98 400,98
Wafer Stick 204.008,59 204.008,59

Hasil perhitungan dengan menggunakan SPK dan secara manual adalah

sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk
merk produk yang dilakukan oleh sistem SPK adalah baik.

cii
d. Hasil Peramalan (Force Down) untuk Item Unit (SKU) Produk
Perhitungan peramalan untuk level selanjutnya adalah perhitungan untuk
tiap SKU (stok keeping unit). Pada tahap ini dilakukan dengan membandingkan
output peramalan SPK dengan perhitungan manual menggunakan Microsoft
Excel. Perbandingan hasil perhitungan dengan menggunakan SPK dan secara
manual dapat dilihat pada lampiran 3.
Hasil perhitungan dengan menggunakan SPK dan secara manual adalah
sama. Dengan demikian dapat dikatakan bahwa perhitungan push-down untuk tiap
SKU yang dilakukan oleh sistem SPK adalah baik.

ciii
 BAB V
ANALISIS DAN INTERPRETASI HASIL

Pada bab analisis dan interpretasi hasil akan dilakukan analisis dan
interpretasi hasil perancangan sistem. Analisis dan interpretasi hasil dilakukan
terhadap perbandingan hasil peramalan sistem awal dan sistem usulan serta
implementasi sistem pendukung keputusan.

5.1 Perbandingan Sistem Awal dan Sistem Usulan

PT. Sinar Niaga Sejahtera merencanakan pengadaan barang dengan
menggunakan data historis permintaan dari outlet ke distributor sebagai data
historis untuk melakukan peramalan. Sedangkan pada penelitian ini diusulkan
untuk menggunakan data historis penjualan dari outlet ke konsumen yang
digunakan sebagai data historis dalam melakukan peramalan. PT Sinar Niaga
Sejahtera distributor wilayah Surakarta melakukan pemesanan barang sebanyak
8.026.500 unit barang kepada pihak produsen pada bulan Agustus 2009. Alternatif
keputusan pengadaan barang berdasarkan hasil perhitungan SPK adalah sebesar
7.334.171 unit barang. Penjualan outlet pada bulan Agustus 2009 yang
sesungguhnya adalah sebesar 7.561.238 unit barang. Berikut adalah hasil
perhitungan selisih kebutuhan barang antara sistem awal dengan sistem usulan:
Tabel 5.1 Perbandingan Selisih Kebutuhan Barang pada Sistem Awal dan
Sistem Usulan (dalam unit produk) dengan Kebutuhan Aktual
Sistem Pengadaan Barang Selisih
Sistem Awal 465.262
Sistem Usulan - 277.068

Berdasarkan hasil perhitungan selisih di atas dapat dilihat bahwa error

pada sistem usulan lebih kecil daripada error pada sistem awal. Hal ini
dikarenakan pada sistem awal pengadaan barang dilakukan berdasarkan data
historis permintaan outlet kepada PT. Sinar Niaga Sejahtera. Biasanya outlet
memesan lebih banyak daripada kebutuhannya dalam sebulan. Selisih barang
yang banyak ini tersimpan sebagai stok barang di gudang outlet maupun di

civ
gudang PT. Sinar Niaga Sejahtera distributor wilayah Surakarta. Sedangkan pada
sistem usulan selisihnya lebih kecil daripada sistem awal karena perencanaan
pengadaan barang dilakukan dengan menggunakan data aktual penjualan outlet
sebagai data historis. Tentu saja hal ini mengurangi variansi yang terjadi dalam
permintaan konsumen. Tanda negatif menunjukkan bahwa hasil perhitungan SPK
tidak dapat memenuhi kebutuhan barang untuk bulan Agustus 2009. Hasil
perhitungan SPK belum ditambah dengan pertimbangan manajerial mengingat
pada bulan Agustus biasanya permintaan bertambah karena terdapat perayaan
Hari Kemerdekaan RI dan masa liburan sekolah. Apabila pertimbangan
manajerial telah ditambahkan dalam tabel koreksi dalam SPK maka hasil
perhitungan SPK dapat lebih mendekati kebutuhan konsumen yang
sesungguhnya.
Berdasarkan uraian di atas SPK usulan dapat dikatakan valid karena dapat
mengakomodir kebutuhan dalam merencanakan pengadaan barang yaitu
menggunakan data penjualan outlet sebagai data historis penjualan, menggunakan
metode peramalan yang valid serta dapat memberikan peringatan satu bulan
sebelum terjadi event promo dan event reguler yang dijadikan sebagai
pertimbangan manajerial dalam menentukan keputusan pengadaan barang.

5.2 Analisis Collaborative Planning and Forecasting terhadap Bullwhip Effect

Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur
rantai pasok yang mengarah ke hulu. Terdapat 4 faktor yang menjadi penyebab
bullwhip effect yaitu pembaharuan peramalan, order batching, fluktuasi harga, dan
sikap spekulatif outlet (rationing and shortage gaming). Harga produk yang
didistribusikan oleh PT. Sinar Niaga Sejahtera relatif stabil. Pembaharuan
peramalan dan sikap spekulatif outlet menjadikan terjadinya selisih permintaan
outlet dengan kebutuhan produk PT. Sinar Niaga Sejahtera. Peramalan yang
dilakukan secara masing – masing dengan metode yang berbeda-beda membuat
variansi error menjadi besar. Penumpukan error karena pembaharuan peramalan
inilah yang menyebabkan terjadinya bullwhip effect di PT. Sinar Niaga Sejahtera.
Sikap spekulatif outlet juga menjadi salah satu penyebab terjadinya bullwhip
effect. Outlet selalu memesan barang lebih banyak daripada kebutuhannya dalam
satu minggu. Hal ini dilakukan untuk mengantisipasi apabila terjadi lonjakan

cv
permintaan konsumen ataupun jika distributor melakukan rationing atau
membatasi order dari outlet. Rationing dilakukan apabila terjadi gangguan dalam
proses distribusi produk dari supplier ke distributor sehingga persediaan barang di
gudang distributor menjadi terbatas jumlahnya. Rationing jarang dilakukan oleh
PT. Sinar Niaga Sejahtera karena persediaan di gudang selalu dapat memenuhi
order dari outlet. Kelebihan barang yang tersimpan di gudang outlet pada akhirnya
akan menjadi rusak atau kadaluarsa dan harus dikembalikan ke PT. Sinar Niaga
Sejahtera.
Terdapat lima cara untuk mengatasi bullwhip effect. Harga barang
diasumsikan stabil. Lead time untuk setiap produk adalah sama, yaitu 3 hari kerja
untuk pengiriman dari supplier ke PT. Sinar Niaga Sejahtera dan 1 hari kerja
untuk pengiriman dari PT. Sinar Niaga Sejahtera ke outlet. Banyaknya retur yang
terjadi di PT. Sinar Niaga Sejahtera dapat diatasi melalui pembagian informasi
penjualan dari outlet ke PT. Sinar Niaga Sejahtera serta informasi lainnya yang
mempengaruhi penjualan produk dari dan ke PT. Sinar Niaga Sejahtera.

5.3 Implementasi Sistem Pendukung Keputusan Collaborative Planning and

Forecasting
Sistem pendukung keputusan yang dirancang akan memberikan perbaikan
kepada perusahaan apabila diimplementasikan dengan baik. Terdapat beberapa hal
yang harus diperhatikan oleh perusahaan untuk mengimplementasikan sistem
pendukung keputusan CPF, yaitu sebagai berikut:
1. Dokumentasi data historis penjualan outlet sebagai input data dalam
melakukan peramalan permintaan konsumen selanjutnya. Semakin banyak
jumlah data historis yang dimiliki akan semakin meningkatkan akurasi
peramalan.
2. Teknologi informasi untuk mendukung sistem pendukung keputusan yang
dirancang. Informasi penjualan outlet yang real time akan didapatkan apabila
distem pendukung keputusan di perusahaan diintegrasikan dengan sistem
informasi outlet dengan bantuan teknologi informasi. Teknologi informasi
yang digunakan dapat berupa sistem barcode maupun EDI (Electronic Data
Interchange).

cvi
3. Perangkat keras sistem pendukung keputusan CPF. Sistem pendukung
keputusan CPF dapat bekerja secara maksimal apabila didukung dengan
perangkat keras komputer yang baik. Spesifikasi perangkat keras yang
dianjurkan adalah minimal prosesornya Pentium 4 ataupun merk prosesor lain
yang setara dengannya. Perangkat keras untuk server sebaiknya memiliki
kapasitas hard disk yang besar dan memory ram minimal 512 kb.
4. Pengoptimalan komunikasi dan aliran informasi antara PT. Sinar Niaga
Sejahtera dengan outlet.
5. Pelatihan tenaga kerja inptu data untuk mengoperasikan sistem pendukung
keputusan CPF.
6. Kepekaan kepala cabang dalam menanggapi perubahan permintaan dan
memberikan koreksi peramalan.

cvii
 BAB VI
KESIMPULAN DAN SARAN

Pada bab ini akan dilakukan penarikan kesimpulan dari penelitian yang
dilakukan dan dapat dilihat apakah kesimpulan tersebut sudah menjawab tujuan
penelitian atau belum serta saran-saran perbaikan.

6.1 Kesimpulan
Dari penelitian tentang perancangan sistem pendukung keputusan untuk
mendukung CPFR dapat diambil kesimpuan sebagai berikut:
1. Sistem pendukung keputusan yang dirancang mampu memberikan alternative
keputusan jumlah kebutuhan barang dalam sebulan serta memberikan alert
setiap kali terdapat promo satu bulan sebelum promo dimulai sehingga
memberikan pertimbangan tambahan dalam menentukan kebutuhan barang
sesuai dengan konsep Collaborative Planning and Forecasting.
2. Hasil validasi SPK berdasarkan kriteria kecepatan (ground truth)
menunjukkan bahwa SPK yang dirancang mampu menangani informasi secara
cepat dan tepat. Sedangkan hasil analisa dengan kriteria penilaian (judgment)
dapat disimpulkan bahwa SPK yang dirancang mampu mendukung
Collaborative Planning and Forecasting karena mampu memberikan
alternative keputusan jumlah kebutuhan barang melalui hasil ramalan serta
memberikan alert promo supplier maupun outlet yang digunakan sebagai
pertimbangan tambahan dalam menentukan keputusan kebutuhan barang.
3. Hasil perbandingan sistem awal dengan sistem usulan adalah bahwa sistem
usulan dapat mengurangi kelebihan stok barang sebanyak 40 % untuk semua
produk. Dari hasil pengujian – pengujian dan perbandingan – perbandingan
tersebut, dapat diambil kesimpulan bahwa Sistem Pendukung Keputusan yang
dirancang memenuhi semua kriteria validasi yang ditetapkan sehingga SPK ini
dapat direkomendasikan kepada PT. Sinar Niaga Sejahtera untuk
diimplementasikan.

cviii
6.2 Saran
Saran untuk penelitian selanjutnya dengan berdasarkan penelitian ini
adalah:
1. Sistem Pendukung Keputusan dapat dikembangkan kembali dengan
menambahkan kriteria collaborative replenishment.
2. Perlu dilakukan penelitian kembali terkait pengagregasian produk dengan
metode Pyramid Forecasting mengingat sistem pendukung keputusan yang
dirancang hanya mempertimbangkan keakuratan perhitungan secara total.
3. Diperlukan waktu penelitian yang lebih lama untuk melihat pengurangan
jumlah retur yang terjadi dengan mengimplementasikan sistem pendukung
keputusan CPFR.

cix
 DAFTAR PUSTAKA

Chopra, S. dan Meindl, P. 2004. Supply Chain Management. Strategy, Planning,

and Operation. New Jersey: Prentice Hall Inc.

Gasperz, V. 2004. Production Planning and Inventory Control Berdasarkan

Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21.
Jakarta: PT. Gramedia Pustaka Utama.

Makridakis, S. Whellright, S.C. dan Mcgree, V.E. 1992. Metode dan Aplikasi
Peramalan (Terjemahan), Edisi 2. Jilid 1. Jakarta: Erlangga

Mcleod, R. 2000. Sistem Informasi Manajemen (Terjemahan) Edisi 10. Jakarta:

Salemba Empat

Pujawan, I. N. 2005. Supply Chain Management, Edisi Pertama. Surabaya: Guna

Widya.

Simchi-Levi, D., Kaminsky, P. D dan Simchi-Levi, E. 2000. Designing and

Managing The Supply Chain: Concepts, Strategies, and Case Studies. McGraw-
Hill Companies Inc.

Suharyadi, K. dan Ramdhani, M.A. 2000. Sistem Pendukung Keputusan: Suatu

wacana Struktural Idealisasi dan Implementasi Konsep Pendukung Keputusan.
Bandung: PT. Remaja Rosdakarya.

Tenhiälä, A. 2003. Collaborative Planning, Forecasting, and Replenishment in

European Grocery Retail, Seminar in Industrial Management. Helsinki University
Of Technology Department of Industrial Engineering and Management.

Winarno, W. W. 2004. Sistem Informasi Manajemen. Yogyakarta: UPP AMP

YKPN

cx
Wibawa, Y. P. P. 2008. Perancangan Sistem Informasi Untuk Mendukung Proses
Bisnis di Moveable Distro and Clothing Surakarta. Tugas Akhir Program Sarjana,
Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret

Http://www.snsgroup.com

cxi