Skripsi
Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik
IV-1
LEMBAR PENGESAHAN
Judul Skripsi :
Ditulis oleh:
Ardha Kurnia Sari Yudha Putri
I 0303015
Mengetahui,
IV-2
LEMBAR VALIDASI
Judul Skripsi :
Ditulis oleh:
Ardha Kurnia Sari Yudha Putri
I 0303015
Dosen Penguji
Dosen Pembimbing
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.
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.
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.
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.
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.
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
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
Retur
Kelebihan order
Kesalahan manajemen
Barang
Kadaluarsa
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.
IV-16
3. Harga produk tidak mengalami perubahan.
4. Lead time untuk setiap produk ke outlet adalah sama, yaitu 1 hari.
IV-17
BAB II
TINJAUAN PUSTAKA
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.
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.
IV-20
Diagram alir sistem order PT. Sinar Niaga Sejahter Distributor Wilayah
Surakarta pada gambar 2.2 tersebut dapat dijelaskan sebagai berikut.
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:
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.
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.
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.
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
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.
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
IV-31
F(0) = A(1)..................................................................................... (2.10)
F(t) = α.A(t) + (1- α).F(t-1) ............................................................. (2.11)
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 )
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) )
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
PK t
MAE i 1
............................................................................. (2.23)
n
(X t Ft ) 2
MSE i 1
...................................................................... (2.24)
n
X t Ft
MAD t 1
......................................................................... (2.26)
n
IV-34
Dengan : Ft = Hasil peramalan pada periode ke-t
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:
IV-35
Gambar 2.5 Agregasi Berdasarkan Lokasi Geografis
(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.
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
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.
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.
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.
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.
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:
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 Aplikasi
Collaborative Forecasting
Validasi Sistem
Pendukung Keputusan
Analisis dan
Interpretasi Hasil
Kesimpulan dan
Saran
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.
Mengadakan perjanjian
kerjasama dan sharing informasi
Meramalkan penjualan
Mengidentifikasi exception
dalam peramalan
Memecahkan masalah
exception dalam peramalan
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:
IV-52
2. Peramalan
Proses peramalan terbagi menjadi beberapa tahap yaitu sebagai
berikut:
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.
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.
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.
IV-56
BAB IV
PERANCANGAN SISTEM
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.
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:
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
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.
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.
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
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.
IV-65
Berikut ini adalah gambar yang menggambarkan macam-macam jenis produk
yang didistribusikan oleh PT Sinar Niaga Sejahtera:
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
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.
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.
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.
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.
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
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.
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
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
lxxx
Tabel 4.10 Tabel Pengeluaran Barang 2NF
Entitas Atribut
No. Nota Pengeluaran*
Tanggal
Pengeluaran Keterangan
Barang Kode Produk**
Merk
Qty
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.
1
1 ∞
1
∞
1 1
1
∞
∞ 1
∞
∞
∞
1
∞
∞
∞ ∞
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.
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
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
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
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
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
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 :
Add Delete
lxxxix
No. Faktur :
Tanggal :
Kode Outlet :
Keterangan :
Add Delete
Tanggal :
Kode Outlet :
Keterangan :
Save New
Close
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
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
Penjualan Penjualan
Nama Produk
(Unit) (Box)
Jumlah
xcii
Gambar 4.29 Form Report Stock
Kebutuhan Bulan :
Nama Hasil Saldo Net
Produk Peramalan Stock Requirement
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:
xciv
4. Input Data Penjualan Outlet
Berikut adalah tampilan tabel input data penjualan outlet sistem
pendukung keputusan yang dirancang:
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:
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:
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.
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.
c
menggunakan sistem pemotongan sampai 2 digit di belakang koma sedangkan
pada Microsoft Excel angka tidak dipotong dan tidak dibulatkan.
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
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.
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.
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.
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
Makridakis, S. Whellright, S.C. dan Mcgree, V.E. 1992. Metode dan Aplikasi
Peramalan (Terjemahan), Edisi 2. Jilid 1. Jakarta: Erlangga
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