TUGAS

Resume tentang strategi Proses dan peramalan

Diajukan untuk memenuhi tugas

Mata kuliah Manajemen Operasional

Kuncorosidi, SE, M. Si

Disusun oleh:

Nama : Maryam

Nim : 02111220061

PROGRAM STUDI MANAJEMEN

STIE SUTAATMADJA

SUBANG

2023
 BAB IV

PERAMALAN

Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu
produk atau beberapa produk dalam periode tertentu di masa yang akan datang. Peramalan
yang baik merupakan bagian yang penting bagi jasa yang efisien dan operasional
manufakturing Peramalan (forecasting) adalah suatu seni dan ilmu pengetahuan dalam
memprediksi peristiwa pada masa mendatang.

Menurut Heizer dan Render (2009 : 162), peramalan (forecasting) adalah seni dan ilmu
untuk memperkirakan kejadian di yang akan datang. Hal ini dapat dilakukan dengan
melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang
dengan suatu bentuk model matematis. Hal tersebut juga merupakan prediksi intuisi yang
bersifat subjektif. Atau dapat pula menggunakan kombinasi model matematis yang disesuaikan
dengan pertimbangan yang baik dari seorang manager.

Peramalan Horizon Waktu

Peramalan biasanya diklasifikasikan dengan horizon waktu pada masa mendatang yang
melingkupinya. Horizon waktu dibagi dalam 3 kategori sebagai berikut:
1. Peramalan jangka pendek: Perawalan ini memiliki rentang waktu sampal dengan 1
tahun, tetapi umunuya kurang dari 3 bulan. Digunakan untuk perencanaan pembelian,
penjadwalan pekerjaan, level angkatan kerja, penugasan pekerjaan, dan level produksi.
2. Peramalan jangka menengah: Kisaran menengah, atau intermediate, peramalan
umumnya rentang waktu dari 3 bulan hingga 3 tahun. Berguna dalam perencanaan
penjualan, perencanaan produksi dan penganggaran, penganggaran uang kas, dan
analisis variasi rencana operasional.
3. Peramalan kisaran panjang: Umumnya 3 tahun atau lebih dalam rentang waktunya,
peramalan jangka panjang digunakan dalam perencanaan untuk produk baru,
pengenluaran modal, lokasi tempat fasilitas atau perluasan, dan penelitian serta
pengembangan.
 Peramalan dalam jangka menengah dan panjang ditentukan dari peramalan jangka
pendek dengan 3 fitur berikut:
1. Pertama, peramalan jangka menengah dan panjang yang berhubungan dengan
permasalahan yang lebih komprehensif yang mendukung keputusan
manajemen mengenai perencanaan produk, pabrik, dan proses.
2. Kedua, peramalan dalam jangka pendek biasanya menjalankan metodologi
yang berbeda dari pada peramalan jangka panjang. Teknik matematika,
misalnya pergerakan rata-rata. penghalusan rata-rata, dan perhitungan
kecenderungan (semuanya yang akan kita teliti sebentar lagi), umumnya untuk
proyeksi dalam jangka pendek.
3. Terakhir, seperti yang Anda harapkan, peramalan dalam jangka pendek
cenderung lebih akurat daripada peramalan dalam jangka yang lebih panjang.
Faktor-faktor memengaruhi permintaan dapat berubah setiap harinya.
Tipe Peramalan
Organisasi menggunakan 3 tipe peramalan utama dalam merencanakan operasional untuk masa
mendatang.
1. Peramalan ekonomi (economic forecasts) menangani siklus bisnis dengan
memprediksikan tingkat inflasi, uang yang beredar, mulai pembangunan perumahan,
dan indikator perencanaan lainnya.
2. Peramalan teknologi (technological forecast) berkaitan dengan tingkat perkembangan
teknologi, di mana dapat menghasilkan terciptanya produk baru yang lebih menarik,
yang memerlukan pabrik dan perlengkapan yang baru.
3. Peramalan permintaan (demand forecasts) adalah proyeksi atas permintaan untuk
produk atau jasa dari perusahaan. Peramalan mendorong keputusan sehingga para
manajer memerlukan informasi dengan segera dan akurat mengenai permintaan yang
sesungguhnya. Mereka memerlukan peramalan yang didorong oleh permintaan, di
mana fokus perhatian pada pengidentifikasi dan pelacakan keinginan konsumen dengan
sangat cepat.

Pentingnya Strategi terhadap Peramalan

Peramalan yang baik adalah sangat penting dalam seluruh aspek bisnis. Peramalan hanya
merupakan estimasi atas permintaan hingga permintaan aktual menjadi diketahui. Mari kita
melihat dampak dari peramalan permintaan produk pada 3 aktivitas yaitu: (1) manajemen rantai
pasokan, (2) sumber daya muusta, (3) kapasitas.
 1. Manajemen Rantai Pasakan
Hubungan yang baik dengan pemasok dan menjamin keunggulan dalam inovasi
produk biaya, dan kecepatan pada pangsa pasar bergantung pada peramalan yang
akurat.
2. Sumber Daya Manusia
Perekrutan, pelatihan, dan penempatan para pekerja semuanya bergantung pada
permintaan yang diantisipasi. Jika departemen sumber daya manusia harus merekrut
pekerja tambahan tanpa pemberitahuan, jumlah pelatihan akan menurun dan kualitas
para pekerja akan menurun pula.
3. Kapasitas
Ketika kapasitas tidak memadai, menghasilkan kekurangan yang dapat mengarahkan
pada kehilangan para konsumen dan pangsa pasar. Hal ini yang benear-benar terjadi
pada Nabisco ketika dia mengabaikan permintaan yang sangat besar untuk Snack Devil
Food Cookies baru miliknya.

Tujuh langkah dalam sistem peramalan:

1. Menentukan penggunaan dari peramalan
2. Memilih barang yang akan diramalkan
3. Menentukan horizon waktu dari peramalan
4. Memilih model peramalan
5. Mengumpulkan data yang diperlukan untuk membuat peramalan
6. Membuat peramalan
7. Memvalidasi dan mengimplementasikan hasilnya

Tujuh langkah ini menyajikan cara yang sistematis untuk memulai, merancang, dan
mengimplementasikan sistem peramalan. Ketika sistem digunakan untuk menghasilkan
peramalan secara teratur atas waktu, data harus dikumpulkan secara rutin. Kemudian.
Penghitungan aktual biasanya dibuat dengan komputer. tiap perusahaan menghadapi beberapa
kenyataan sebagai berikut:

❖ Faktor di luar yang tidak dapat kita prediksikan atau kendalikan sering kali memengaruhi
peramalan.
❖ Sebagian besar teknik peramalan mengasumsikan bahwa terdapat beberapa stabilitas yang
mendasar di dalam sistem. Konsekuensinya, beberapa perusahaan mengotomatisasi
 prediksi mereka dengan menggunakan perangkat lunak peramalan yang terkomputerisasi,
kemudian memonitor hanya produk barang yang memiliki permintaan tidak menentu.
❖ Baik produk keluarga maupun peramalan yang menyeluruh lebih akurat daripada
peramalan produk individual. Disney, sebagai contoh, mengumpulkan peramalan
kehadiran harian di wahana. Pendekatan ini membantu menyeimbangkan prediksi yang
berlebihan dan kekurangan untuk tiap-tiap 6 atraksi pertunjukan.

Pendekatan Peramalan
Terdapat 2 pendekatan umum untuk peramalan, hanya terdapat 2 cara untuk mengatasi
seluruh permodelan keputusan. Salah satu adalah analisis kuantitatif, yang satunya lagi adalah
pendekatan kualitatif. Namun, dalam bagian ini hanya satu pendekatan yang akan diperinci
secara detail, yaitu peramalan kualitatif. Peramalan kuantitatif (quantitative forecasts)
menggunakan bermacam-macam model matematika yang bergantung pada data historis dan/
atau variabel asosiatif untuk meramalkan permintaan. Subjektif atau peramalan kualitatif
(qualitative forecast) menggabungkan faktor-faktor, misalnya intuisi dari si pengambil
keputusan, emosi, pengalaman pribadi, dan sistem nilai dalam mencapai peramalan. Beberapa
perusahaan menggunakan salah satu pendekatan dan beberapa menggunakan yang lainnya
dalam praktiknya, kombinasi dari keduanya biasanya yang paling efektif.

Ikhtisar Metode Kualititatif

Dalam bagian ini, kami mempertimbangkan 4 teknik peramalan kualitatif yang berbeda:
1. Opini dari dewan eksekutif (jury of executive opinion): Berdasarkan pada metode ini,
opini dari sekelompok dari para ahli yang mumpuni atau manajer, sering kali
dikombinasikan dengan model statistik, dikumpulkan untuk memperoleh sekumpulan
estimasi permintaan.
2. Metode Delphi (Delphi method): Terdapat 3 jenis partisipan yang berbeda dalam
metode Delphi si pengambil keputusan, staf personalia, dan para responden. Pengambil
keputusan biasanya terdiri atas satu grup berisi 5 hingga 10 orang ahli yang akan
membuat peramalan yang aktual. Staf personalia membantu pengambil keputusan
dengan mempersiapkan, mendistribusikan, mengumpulkan, dan membuat ringkasan
dari serangkaian kuesioner dan hasil survei. Para responden adalah sekelompok orang.
sering kali bertempat tinggal dalam tempat yang berbeda-beda, di mana pertimbangan
mereka akan dinilai. Kelompok ini memberikan input bagi pengambil keputusan
sebelum peramalan dibuat.
 3. Gabungan karyawan bagian penjualan (sales force composite): Dalam pendekatan
ini, masing-masing karyawan bagian penjualan mengestimasi penjualan apa yang di
dalam kawasan mereka. Peramalan ini kemudian ditinjau ulang untuk memastikan ada
bahwa mereka adalah realistis. Kemudian, mereka dikombinasikan pada tingkat distrik
dan nasional untuk mencapai keseluruhan peramalan.
4. Survei pasar (market survey). Metode ini mengumpulkan input dari para konsumen
atau konsumen yang potensial mengenai rencana pembelian pada masa mendatang. Hal
ini dapat membantu bukan hanya dalam mempersiapkan peramalan, tetapi juga dalam
meningkatkan desain produk dan perencanaan untuk produk baru. Konsumen survei
pasar dan metode gabungan karyawan bagian penjualan dapat menderita dari peramalan
yang terlalu optimistis yang timbul dari input konsumen.

Peramalan Runtun Waktu

Runtun waktu didasarkan pada urutan poin data yang ditempatkan secara merata
(mingguan, bulanan, kuartalan, dan lainnya). Contohnya, meliputi penjualan mingguan dari
Nike Air Jordans, laporan pendapatan kuartalan dari saham Microsoft, pengiriman harian dari
bir Coors, dan indeks harga konsumen tahunan. Data peramalan runtun waktu
mengimplementasikan bahwa nilai masa mendatang diprediksikan hanya dari nilai masa yang
lalu dana wariabel lainnya, tidak perduli seberapa bernilainya secara potensial,akan diabaikan.

Penguraian dari Runtun Waktu

Menganalisis runtun waktu berarti menguraikan data tahun-tahun yang lalu ke dalam
komponen dan kemudian memproyeksikan mereka ke depan. Runtun waktu memiliki 4
komponen sebagai berikut:
1. Kecenderungan adalah pergerakan data secara bertahap ke atas atau ke bawah selama
bertahun-tahun. Perubahan dalam pendapatan, distribusi umur, atau pandangan budaya
yang mempertanggungjawabkan pergerakan dalam kecenderungan.
2. Musiman adalah pola data yang mengulang dengan sendirinya setelah satu periode hari,
minggu, bulan, atau kuartalan.
3. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. Mereka biasanya
diikat ke dalam siklus bisnis dan sangat penting dalam analisis bisnis dalam jangka
pendek dan perencanaan. Memprediksi siklus bisnis sangat sulit karena mereka
dipengaruhi oleh peristiwa politik atau oleh perusuhan internasional.
 4. Variasi secara acak adalah "blip" di dalam data yang disebabkan oleh adanya peluang
dan situasi yang tidak seperti biasanya. Mereka mengikuti pola yang tidak dapat dilihat,
sehingga mereka tidak dapat diprediksikan.

Pendekatan Awam
Cara paling sederhana untuk mengasumsikan bahwa permintaan dalam periode
selanjutnya akan setara dengan permintaan dalam periode yang paling baru.
Jika ditemukan bahwa untuk beberapa lini produk, pendekatan awam (naive
approach) ini adalah model peramalan yang paling efektif dalam biaya dan tujuan yang efisien.
Sedikitnya dia menyediakan poin permulaan di mana merupakan model yang lebih canggih
yang kemudian dapat dibandingkan.

Pergerakan Rata-Rata
Peramalan pergerakan rata-rata (moving-average) menggunakan sejumlah nilai data
aktual historis untuk menghasilkan peramalan. Pergerakan rata-rata bermanfaat jika kita dapat
mengasumsikan bahwa permintaan pasar akan tetap kokoh secara wajar selama bertahun-
tahun. Pergerakan rata-rata 4 bulanan ditemukan dengan menjumlahkan permintaan selama 4
bulan bulan yang lalu dan membaginya dengan 4. Dengan tiap-tiap bulan yang terlewati, data
yang paling baru akan ditambahkan pada jumlah data 3 bulan sebelumnya, dan bulan yang
paling awal diturunkan. Praktik ini cenderung untuk melancarkan penyimpangan dalam
serangkaian data.
Secara sistematis pergerakan rata-rata yang sederahana (yang berfungsi sebagai estimasi
permintaan periode berikutnya) dicerminkan dalam hal berikut:

£ permintaan dalam periode n sebelumnya

Pergerakan rata-rata = n

Dimana n adalah jumlah periode dalampergerakan rata-rata sebagai contoh, 4,5, atau 6 bulan,
masing-masing, untuk 4-, 5-, atau 6- periode pergerakan rata-rata.
Ketika kecenderungan atau pola yang dapat dideteksi terjadi, bobot (weights) dapat
digunakan untuk menempatkan lebih penekanan pada nilai saat ini. Praktik ini membuat teknik
peramalan menjadi lebih responsif pada perubahan karena periode yang lebih baru akan lebih
banyak tertimbang. Pilihan bobot agak sewenang-wenang karena tidak terdapat formula untuk
menentukan mereka. Oleh karena itu, memutuskan berat mana yang akan digunakan
memerlukan beberapa pengalaman. Misalnya, jika bulan atau periode terakhir bobotnya terlalu
berlebih, peramalan akan mencerminkan perubahan tidak biasa yang besar dalam permintaan
atau pola penjualan yang terlalu cepat.
Pergerakan rata-rata bobot dapat dicerminkan secara matematis sebagai:

£ ((Bobot untuk periode 𝑛) Permintaan dalan periode 𝑛))

Pergerakan = £ Bobot

Rata-rata bobot

Penghalusan Eksponensial
Penghalusan eksponensial (exponential smoothing) adalah metode peramalan
pergerakan rata-rata bobot lainnya. Ini melibatkan sangat sedikit catatan yang mempertahankan
data masa sebelumnya dan mudah untuk digunakan secara wajar. Formula penghalusan
eksponensial dasar dapat diperlihatkan sebagai berikut:

Peramalan baru = Peramalan periode sebelumnya+ a (Permintaan aktual periode

sebelumnya - Peramalan periode sebelumnya)

di mana a adalah bobot, atau penghalusan konstan (smoothing constant), dipilih oleh peramal.
yang memiliki nilai lebih tinggi daripada atau setara dengan 0 dan kurang dari atau setara
dengan 1. Persamaan di atas dapat juga di tulis secara matematis sebagai berikut:

𝐹𝑡 = 𝐹𝑡−1 + 𝛼 (𝐴𝑡−1 − 𝐹𝑡−1 )

Dimana : 𝐹𝑡 = peramalan yang baru

𝐹𝑡−1 = peramalan periode sebelumnya
α = penghalusan (atau bobot) konstan (0 ≤ = α < = 1)
𝐴𝑡−1 = permintaan actual periode sebelumnya

Mengukur Kesalahan Peramalan

Keseluruhan keakuratan beberapa model peramalan-pergerakan rata-rata, penghalusan
eksponensial, atau yang lainnya dapat ditentukan dengan membandingkan nilai yang
diramalkan dengan nilai yang aktual atau yang diamati. Jika F, menunjukkan peramalan dalam
periode 1, dan A, menandakan permintaan aktual dalam periode 1, kesalahan peramalan (at
deviasi) didefinisikan sebagai berikut.

Kesalahan peramalan = Permintaan actual – Nilai permintaan

= 𝐴𝑡 − 𝐹𝑡

Beberapa ukuran yang digunakan dalam praktiknya untuk menghitung keseluruhan dalam
kesalahan peramalan. Ukuran ukuran ini dapat digunakan untuk membandingkan model
peramalan yang berbeda, sejalan dengan untuk memonitor peramalan untuk memastikan
bahwa mereka berfungsi dengan baik. Tiga ukuran yang paling terkenal adalah devis rate rata
yang absolut (mean absolute deviation-MAD), kesalahan rata-rata yang dikuadratkan (mean
squared error-MSE), dan kesalahan persentase rata-rata yang absolut (mean absolut percent
error-MAPE).
• Devisiasi rata-rata yang absolut (MAD), Ukuran pertama atas keseluruhan
dalam kesalahan peramalan untuk model adalah deviasi rata-rata yang absolut
(mean absolute deviation-MAD). Nilai ini dihitung dengan mengambil jumlah
nilai absolut kesalahan peramalan individual (deviasi) dan membaginya dengan
jumlah periode data (n):
  𝐴𝑘𝑡𝑢𝑎𝑙−𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛
MAD =
𝑛

• Kesalahan rata-rata yang dikuadratkan (mean squared error-MSE), adalah

cara kedua untuk mengukur keseluruhan peramalan. MSE adalah rata-rata
perbedaan yang dikuadratkan di antara nilai yang diramalkan dengan yang
diamati. Rumusnya adalah sebagai berikut.

  𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛 2
MSE =
𝑛

• Kesalahan persentase rata-rata yang absolut (mean absolute percent error -

MAPE), Persentase Kesalahan Rata-Rata yang Absolut Permasalahan dengan,
baik MAD maupun MSE adalah bahwa nilai mereka bergantung pada besarnya
barang yang diramalkan. Jika peramalan barang diukur dalam ribuan, nilai
MAD dan MSE dapat menjadi sangat besar. Untuk mengatasi permasalahan ini,
kita dapat menggunakan kesalahan persentase rata-rata yang absolut. Ini
dihitung sebagai perbedaan rata-rata yang absolut antara nilai yang diramalkan
 dengan aktualnya, dicerminkan sebagai persentase nilai aktual. Hal ini, jika kita
memiliki nilai yang diramalkan dan aktual untuk perioden, MAPE dihitung
dengan:
∑𝑛
𝑖−𝐼 100 𝐴𝑘𝑡𝑢𝑎𝑙𝑖 −𝐴𝑘𝑡𝑢𝑎𝑙𝑖  /𝐴𝑘𝑡𝑢𝑎𝑙𝑖
MAPE = 𝑛

Proyeksi Kecenderungan
Metode peramalan runtun waktu sebelumnya (time series forecasting method) yang
akan kita bahas adalah proyeksi kecenderungan (trend projection). Teknik ini mennyesuaikan
garis kecenderungan dengan rangkaian poin data historis dan kemudian, memproyeksikan
kemiringan garis ke dalam peramalan masa mendatang atau dalam jangka menengah hingga
jangka panjang.

Variasi Musiman dalam Data

Variasi musiman (seasonal variation) dalam data adalah pergerakan secara teratur
dalam rangkaian data (data series) yang terkait dengan kejadian yang berulang, misalnya cuaca
atau hari libur. Permintaan atas batu bara dan bahan bakar minyak, misalnya, mencapai
puncaknya selama bulan musim dingin. Permintaan atas klub golf atau tabir surya menjadi
sangat tinggi dalam musim panas.

Variasi Siklus pada Data

Siklus (cycles) seperti variasi musiman pada data, tetapi terjadi setiap beberapa tahun,
bukan minggu, bulan, atau kuartal. Peramalan variasi siklus dalam runtun waktu sulit
dilakukan. Hal ini disebabkan oleh siklus meliputi bermacam-macam faktor yang
menyebabkan ekonomi bergerak dari resesi menuju perluasan menuju ke resesi selama
bertahun-tahun.

Metode Peramalan Asosiatif: Analisis Regresi dan Korelasi

Tidak seperti peramalan runtun waktu, model peramalan asosiatif biasanya
mempertimbangkan beberapa variabel yang terkait dengan kuantitas yang akan diprediksikan.
Ketika variabel yang terkait ini telah diketahui, model statistika akan dibuat dan digunakan
untuk meramalkan barang menarik. Pendekatan ini lebih kuat daripada metode runtun waktu
yang hanya menggunakan nilai historis untuk peramalan variabel.
Penggunaan Analisis Regresi untuk Peramalan
Kita dapat menggunakan model matematika yang sama yang kita terapkan dalam
metode kuadarat kecil atas proyeksi kecenderungan untuk membuat analisis regresi linear.
Variabel yang dependen yang akan kita ramalkan tetap adalah y. Akan tetapi, sekarang variabel
independen, x, tidak lagi waktu.kita menggunakan persamaan:
𝑦 = 𝑎 + 𝑏𝑥
Di mana:
y = nilai dari variabel dependen (dalam contoh kita, penjualan)
a = perpotongan sumbu y
b = kemiringan garis regresi
x = variabel independen

Pengawasan dan Pengendalian Peramalan

Ketika peramalan telah diselesaikan, tidak akan dilupakan. Tidak ada manajer yang
ingin diingatkan bahwa peramalannya sangat tidak akurat, tetapi perusahaan ingin menentukan
mengapa permintaan aktual (atau variabel apa pun yang sedang diteliti) berbeda secara
signifikan dari yang diproyeksikan. Jika peramal akurat, bahwa individu biasanya memastikan
bahwa semua orang waspada terhadap keahliannya.
Salah satu cara untuk memonitor peramalan untuk memastikan bahwa mereka berjalan
dengan baik adalah dengan menggunakan sinyal penelusuran. Sinyal penelusuran (tracking
signal) adalah pengukuran mengenal seberapa baiknya peramalan dalam memprediksikan nilai
aktualnya. Sebagaimana peramalan diperbarui setiap minggu, bulan, atau kuartal, data
permintaan terbaru yang tersedia akan dibandingkan dengan nilai peramalan.
Sinyal penelusuran akan dihitung sebagai kumulatif kesalahan dibagi dengan rata-rata
deviasi yang absolut (MAD), yaitu:

Kesalahan kumulatif
Sinyal Penelusuran = MAD

£(Permintaan aktual dalam periode 𝑖−Peramalan dalam periode 𝑖)

= 𝑀𝐴𝐷

Dimana:
£[Aktual−Peramalan]
MAD = 𝑛
Penghalusan Adaptif
Peramalan adaptif mengacu pada komputer yang memonitor sinyal penelusuran dan
menyesuaikan sendiri jika sinyal melewati limit yang telah ditetapkan. Misalnya, ketika
diterapkan pada penghalusan eksponensial, koefisien a dan ẞ yang pertama dipilih pada nilai
basis yang meminimalkan kesalahan peramalan dan kemudian disesuaikan menurut kapan pun
komputer mencatat sinyal penelusuran yang menyimpang. Prose ini disebut penghalusan
adaptif (adaptive smoothing).

Peramalan Fokus
Daripada mengadaptasi dengan memilih penghalusan konstan, komputer akan
memungkinkan kita untuk mencoba model peramalan yang bermacam-macam. Pendekatan
seperti ini dinamakan peramalan fokus. Peramalan fokus (focus forecasting) didasarkan pada
2 prinsip berikut:
1. Model peramalan yang canggih yang tidak selalu lebih baik daripada yang sederhana.
2. Tidak terdapat teknik tunggal yang akan digunakan untuk seluruh produk atau jasa.

Peramalan dalam Sektor Jasa

Peramalan dalam sektor jasa menyajikan beberapa tantangan yang tidak biasa. Teknik
utama dalam sektor ritel adalah menelusuri permintaan dengan mempertahankan laporan
catatan dalam jangka pendek yang baik. Misalnya, ahli potong rambut menawarkan katering
kepada para pria dan mengharapkan lonjakan akan mengalir pada Jumat dan Sabtu. Tentu saja,
sebagian besar ahli potong rambut akan tutup pada Minggu dan Senin serta banyak panggilan
untuk meminta bantuan pada Jumat dan Sabtu. Restoran di pusat kota, di sisi lainnya,
membutuhkan untuk menelusuri konvensi penting dan hari libur untuk peramalan dalam jangka
pendek yang efektif.
 BAB VII

STRATEGI PROSES

Sebuah strategi proses (proses strategy) merupakan sebuah pendekatan dari organisasi
untuk mengubah sumber daya menjadi barang dan jasa. Tujuannya adalah untuk menciptakan
sebuah proses yang bisa menghasilkan produk yang memenuhi keinginan pelanggan yang
sesuai dengan biaya dan batasan manajerial lainnya. Proses yang dipilih akan memiliki efek
jangka panjang pada efisiensi dan fleksibilitas dari produksi selain juga biaya dan mutu dari
barang yang di hasilkan.
Hampir setiap barang dan jasa dibuat dengan beberapa variasi dari satu di antara empat strategi
proses:
1. Fokus proses
2. Fokus yang repetitif
3. Fokus pada produk
4. Kustomisasi masal

1. Fokus proses
Mayoritas produk global ditunjukan untuk membuat produk dengan volume
kecil, tinggi, keragamannya dalam tempat yang disebut “job shops (toko kerja)”.
Fasilitas tersebut diorganisasi di sekitar aktivitas-aktivitas atau proses-proses tertentu.
Fasilitas-fasilitas tersebut merupakan fokus proses (process focused) dalam hal tata
ruang perlengkapan, dan pengawasan.
2. Fokus yang Repetitif
Proses repetitif (repetitive process) merupakan lini perakitan klasik.
Digunakan secara luas di hampir seluruh perakitan mobil dan peralatan rumah tangga,
memiliki lebih banyak struktur dan pada akhirnya kurangnya fleksibilitas dibandingkan
dengan fasilitas berfokus pada proses.
Perusahaan cepat saji merupakan contoh lain dari sebuah proses repetitif
menggunakan modul. Jenis produksi seperti ini memungkinkan lebih banyak
kustomisasi dibandingkan sebuah fasilitas berfokus pada produk; modul (misalkan,
daging, keju, saus, tomat, bawang) dirakit untuk mendapatkan sebuah produk quasi-
custom, sebuah burger keju. Pada manufaktur seperti ini, perusahaan memperoleh
keuntungan ekonomi dari model yang berfokus pada produk (di mana banyak dari
 modul yang disiapkan) dan keuntungan kustom dari model dengan volume yang
rendah, variasi yang tinggi.
3. Fokus Produk
Proses dengan volume yang tinggi dan variasi yang rendah adalah proses fokus produk
(product focused). Fasilitas diatur di sekitar produk. Mereka juga disebut dengan proses
yang berkelanjutan karena mereka memiliki pengerjaan produksi yang sangat panjang
dan berkelanjutan.
4. Fokus kustomisasi Massal
Para manajer menggunakan Kustomisasi massal untuk menghasilkan
banyaknya barang dan jasa. Kustomisasi massal (mass customization) merupakan
produk barang dan jasa yang cepat dan berbiaya yang rendah (low-cost) yang
memenuhi keinginan pelanggan yang semakin berbeda. Akan tetapi, kustomisasi
massal bukan hanya tentang keragaman, tetapi juga mengenai membuat secara tepat
apa yang diinginkan pelanggan ketika pelanggan menginginkannya secara ekonomi.
Membuat Kustomisasi Massal Berhasil Kustomisasi massal memerlukan
sebuah sistem dengan volume yang tinggi di mana produk dibuat berdasarkan pesanan
(built-to-order). Dibuat berdasarkan pesanan (build to-onder-BTO) berarti
memproduksi sesuai dengan permintaan pelanggan, bukan berdasarkan ramalan. Akan
tetapi, built to order dengan volume yang tinggi adalah hal yang sulit. Beberapa
tantangan besarnya adalah:
• Desain produk harus imajinatif, Keberhasilan dari desain build-to-order
termasuk sebuah lini produk yang terbatas dan modul.
• Desain proses harus lieksibel dan mampu untuk mengakomodasi perubahan
dalam desain dan teknologi.
• Manajemen persediaan memerlukan kendali yang ketat. Untuk bisa berhasil
dengan build-to-order, sebab perusahaan harus menghindari keadaan terjebak
dengan komponen yang tidak popular dan rusak.
• Jadwal yang ketat yang melacak pesanan dan bahan material dari desain hingga
pengiriman merupakan persyaratan lainnya dari kustomisasi massal.
• Rekan yang responsif dalam rantai pasokan bisa menghasilkan kolaborasi yang
efektif.
Kustomisasi massal/build-to-order merupakan hal baru yang mendesak bagi
kegiatan operasi. Terdapat keuntungan-keuntungan bagi kustomisasi massal dan
 build-to-order: pertama, dengan memenuhi permintaan pasar, perusahaan
mendapatkan pesanan dan bisa tetap berada dalam bisnis, selain itu, mereka
memotong biaya (dari personel hingga persediaan hingga ke fasilitas) yang ada
karena ketidakakuratan perumalan penjualan.

Perbandingan Proses
Grafik Crossover (Crossover charts) perbandingan dari proses bisa lebih diperluas
dengan melihat pada titik di mana biaya total dari proses berubah. Proses yang terfokus dalam
sebuah usaha untuk mencapai efisiensi, masyarakat industri terus berusaha menuju spesialisasi.
Fokus yang datang bersamaan dengan spesialisasi memiliki kontribusi terhadap efisiensi.
Manajer yang berfokus pada sebuah jumlah aktivitas dan teknologi yang terbatas dapat
melakukan yang lebih baik. Ketika variasi dari produk dalam sebuah fasilitas meningkat, biaya
overhead meningkat lebih cepat lagi. Fokus, yang didefinisikan sebagai spesialisasi,
simplifikasi, dan konsentrasi, menghasilkan efisiensi. Fokus juga berkontribusi pada
pembentukan sebuah kompetensi utama yang mendorong keberhasilan pasar dan finansial.
Fokus tersebut bisa berupa:
▪ Pelanggan (seperti Winterhalter Gastronom, sebuah perusahaan Jerman yang berfokus
pada mesin cuci piring untuk hotel dan restoran, di mana gelas dan piring tanpa noda
merupakan hal yang sangat penting.
▪ Produk dengan atribut yang serupa (seperti Crawford dari Nucor Steel, pabrik di Ohio
yang memproses hanya lembar baja berkualitas tinggi, dan Gallagher, sebuah
perusahaan dari New Zealand, yang memiliki 45% dari pasar dunia untuk pagar listrik).
▪ Jasa (seperti Arnold Palmer Hospital di Orlando, dengan fokus pada anak dan wanita;
atau Shouldice Hospital di Kanada dengan fokus pada pengobatan hernia).
▪ Teknologi (seperti Texas Instrument, dengan fokus hanya pada semikonduktor khusus,
dan SAP terlepas dari memiliki kesempatan di seluruh dunia tetap fokus pada perangkat
lunak).
Kunci untuk manajer operasi dalam untuk berpindah secara kontinu menuju spesialisasi,
berfokus pada kompetensi utama yang diperlukan untuk menuju pada spesialisasi tersebut.

Pemilihan Perlengkapan
Pada akhirnya, pemilihan dari strategi proses tertentu memerlukan keputusan mengenai
perlengkapan dan teknologi. Keputusan-keputusan ini bisa menjadi rumit karena adanya
metode alternatif produksi di hampir semua fungsi operasi, dari rumah sakit, restoran, hingga
fasilitas manufaktur. Memilih perlengkapan yang terbaik memerlukan pemahaman industri
khusus dan ketersediaan proses dan teknologi.
Dalam era di mana teknologi berubah dengan cepat dan siklus hidup produk yang
pendek, menambahkan suatu fleksibilitas pada proses produksi bisa menjadi sebuah
keuntungan kompetitif. Fleksibilitas (flexibility) merupakan kemampuan untuk merespons
dengan penalti yang kecil dalam waktu, biaya, atau nilai pelanggan. Hal ini berarti
perlengkapan yang dikendalikan secara digital, modular, atau dapat dipindahkan. Membangun
fleksibilitas dalam sebuah proses produksi bisa menjadi sangat sulit dan mahal, tetapi jika hal
tersebut tidak ada, perubahan dapat berarti mulai lagi dari awal. Pertimbangkan apa yang akan
diperlukan untuk sebuah perubahan yang sederhana. Mengubah proses atau perlengkapan bisa
menjadi sangat rumit dan mahal. Penting untuk membuat keutusan penting ini pada saat
pertama kali.

Analisis dan Desain Proses

Sejumlah peralatan membantu kita memahami kerumitan dari proses desain dan
pendesainan ulang. Mereka hanyalah cara-cara untuk membuat masuk akal mengenai apa yang
terjadi dan apa yang akan terjadi dalam sebuah proses. Mari kita lihat lima di antaranya:
diagram alur, pemetaan fungsi waktu, pemetaan arus nilai, grafik proses, dan pembuatan
blueprint jasa.

Diagram Alur
Alat pertama adalah diagram alur (flowchart) yang merupakan sebuah skema atau gambar
dari pemindahan bahan materi, produk, atau orang. Misalkan, diagram alur dalam Profil
Perusahaan Global untuk bab ini menunjukkan proses perakitan untuk Harley-Davidson.
Grafik tersebut bisa membantu pemahaman, analisis, dan komunikasi dari sebuah proses.

Pemetaan Fungsi Waktu

Alat kedua untuk analisis dan desain proses adalah sebuah diagram alur, tetapi dengan
penambahan waktu pada sumbu horizontalnya. Grafik seperti itu terkadang disebut dengan
pemetaan fungsi waktu (time-function mapping) atau pemetaan proses (process mapping)
Dengan pemetaan fungsi waktu, simpul mengindikasikan aktivitas dan tanda panah
mengindikasikan arah, dengan waktu pada sumbu horizontal. Jenis analisis ini memungkinkan
pengguna untuk mengidentifikasi dan mengeliminasi hal-hal yang tidak diperlukan, seperti
langkah tambahan, duplikasi, dan penundaan.
Pemetaan Arus Nilai
Sebuah variasi dari pemetaan fungsi waktu adalah pemetaan arus nilai (value stream
mapping-VSM); namun, pemetaan arus nilai perlu untuk melihat secara luas di mana nilai
ditambahkan (dan tidak ditambahkan) dalam keseluruhan proses produksi, termasuk rantai
pasokan. Seperti halnya pemetaan fungsi waktu, idenya adalah untuk memulai dengan
pelanggan dan memahami proses produksi, tetapi pemetaan fungsi waktu memperluas analisis
kembali ke pemasok.

Grafik Proses
Alat keempat merupakan grafik proses. Grafik proses (process charts) menggunakan
simbol, waktu, dan jarak untuk memberikan sebuah cara yang objektif dan terstruktur untuk
menganalisis dan mencatat aktivitas yang membentuk sebuah proses. Mereka memungkinkan
kita untuk fokus pada aktivitas penambahan nilai.

Perencanaan Layanan
Produk dengan sebuah konten jasa yang tinggi mungkin memerlukan penggunaan teknik
proses yang kelima. Perencanaan layanan (blueprinting service) merupakan sebuah teknik
analisis proses yang menitikberatkan pada pelanggan dan hubungan yang terjadi dengan
pelanggan.

Pertimbangan Khusus untuk Desain Proses Layanan

Interaksi dengan konsumen sering kali memengaruhi kinerja proses yang merugikan.
Akan tetapi, suatu layanan dengan keadaan yang sangat alamiah, menekankan bahwa beberapa
interaksi dan kustomisasi diperlukan. Mengakui bahwa keinginan unik dari konsumen
cenderung berperan mengacaukan proses ini, semakin manajer merancang proses untuk
mengakomodasi persyaratan yang khusus ini, semakin efektif dan efisien proses tersebut.
Triknya adalah untuk menemukan kombinasi yang tepat.

Teknologi Produksi
Kemajuan dalam teknologi yang mendorong produksi dan produktivitas memiliki
penerapan yang telah menyebar secara luas, baik dalam bidang manufaktur maupun jasa.
Dalam bagian ini, kami akan perkenalkan 7 area teknologi: (1) teknologi mesin, (2) sistem
identifikasi otomatis (AIS), (3) pengendalian proses, (4) sistem visi, (5) robot, (6) sistem
penyimpanan dan perbaikan otomatis (ASRSS), (7) kendaraan yang dipandu secara otomatis
(AGV), (8) sistem manufaktur yang fleksibel (FMS), dan (9) manufakturing yang terintegrasi
komputer (CIM).

Teknologi Mesin
Sebagian besar mesin di dunia yang melaksanakan kegiatan operasional, misalnya
pemotongan, pengeboran, pemboran, dan penggiligan mengalami perkembangan yang luar
biasa baik dalam presisi ataupun pengendalian.
Intelegensia sekarang yang tersedia untuk mengendalikan mesin-mesin yang baru
melalui komputer memungkinan barang-barang yang lebih kompleks dan persis tetap dapat
dibuat dengan lebih cepat. Pengendalian secara elektronik meningkatkan kecepatan dengan
mengurangi waktu peralihan, mengurangi limbah (karena kesalahan menjadi lebih sedikit), dan
mendorong fleksibilitas. Mesin-mesin yang memiliki komputer dan memorinya sendiri disebut
dengan mesin kendali numerik komputer ( computer numerical control-CNC).

Sistem Identifikasi Otomatis (AISS) dan RFID

Perlengkapan baru, dari mesin manufaktur yang dikendalikan dengan numerik hingga
mesin ATM, dikendalikan oleh sinyal elektronik digital. Elektron-elektron merupakan suatu
sarana yang hebat untuk mentransmisikan informasi, tetapi mereka memiliki keterbatasan
utama --sebagian besar data OM tidak dimulai dalam bit dan byte. Oleh karena itu, para
manajer operasional harus menempatkan data ke dalam bentuk elektronik. Membuat dara
digital dilakukan dengan menggunakan papan kekunci (keyboard) komputer, bar kode,
frekuensi radio, karakter optikal, dan lain sebagainya. Sistem identifikasi otomatis (automatic
identification systems-AISS) membantu kita memindahkan data ke dalam bentuk elektronik, di
mana data ini dapat lebih mudah dimanipulasi.
Karena dapat menurunkan biaya dan meningkatkan kegunaannya, identifikasi
frekuensi radio (radio frequency identification RFID) menjamin catatan khusus. RFID adalah
sirkuit yang terintegrasi dengan antenanya yang kecil yang menggunakan gelombang radio
untuk mengirimkan sinyal dalam suatu kisaran yang terbatas-biasanya beberapa yard. Penanda
RFID ini memberikan identifikasi yang unik yang memungkinkan penelusuran dan
pengawasan suku cadang, palet, orang-orang, dan binatang peliharaan-segala sesuatu yang
bergerak. RFID tidak memerlukan garis pandang di antara tag dengan pembaca.
Kendali Proses
Kendali proses (process control) adalah penggunaan dari teknologi informasi untuk
memonitor dan mengendalikan proses fisik. Sebagai contoh, kendali proses digunakan untuk
menghitung konten kelembaban dan ketebalan kertas yang berjalan di atas mesin kertas pada
ribuan kaki per menit. Kendali proses juga digunakan untuk menentukan dan mengendalikan
temperatur, tekanan, dan kuantitas pada kilang minyak bumi, proses petrokimia, pabrik semen,
pengolahan biji besi, reaktor nuklir, dan fasilitas yang menitikberatkan pada produk lainnya.

Sistem Penglihatan
Sistem penglihatan (vision system) sistem yang menggunakan video kamera dan teknolog
dan sering kali digunakan dalam peranan inspeksi. Inspeksi visual adalah suatu tugas yang
penting dalam sebagian besar organisasi pemrosesan bahan makanan dan manufaktur.

Robot
Ketika suatu mesin fleksibel dan memiliki kemampuan untuk memegang, memindahkan,
dan mungkin "menggapai” barang-barang, kita cenderung untuk menggunakan kata robot.
Robot (robots) adalah perangkat mekanik yang menggunakan impuls elektronik untuk
mengaktifkan motor dan saklar. Robot dapat digunakan secara efektif untuk melaksanakan
tugas, terutama yang monoton atau berbahaya atau yang dapat ditingkatkan dengan mengganti
mekanika menjadi tenaga manusia. Kasus seperti ini ketika konsistensi, keakuratan, kecepatan,
kekuatan, atau daya dapat ditingkatkan oleh penggantian mesin menjadi orang.

Sistem Penyimpanan dan Perbaikan Otomatis (ASRSS)

Karena keterlibatan tenaga kerja yang sangat besar dalam kerentanan terhadap kesalahan,
pergudangan, gudang yang dikendalikan oleh komputer telah dikembangkan. Sistem sistem
ini, dikenal sebagai sistem penyimpanan dan perbaikan otomatis (automated storage and
retrieval systems-ASRS) yang memberikan penggantian secara otomatis dan penarikan suku
cadang serta produk ke dalam dan dari tempat yang ditunjuk di dalam gudang. Sistem-sistem
seperti ini umumnya digunakan dalam fasilitas distribusi dari peritel, misalnya Walmart,
Tupperware , dan Benetton. Sistem-sistem ini juga ditemukan dalam persediaan dan area tes
perusahaan manufaktur.
Kendaraan yang Dipandu secara Otomatis (AGVS)
Penanganan bahan material secara otomatis dapat mengambil bentuk berupa monorel, alat
pembawa barang-barang, robot, atau kendaraan yang dipandu secara otomatis. Kendaraan yang
dipandu secara otomatis (automated guided vehicles-AGVS) secara elektronik memandu dan
mengendalikan troli yang digunakan dalam manufaktur dan gudang untuk memindahkan suku
cadang dan perlengkapan. Mereka juga digunakan dalam kantor untuk memindahkan surat dan
dalam rumah sakit serta penjara untuk mengantarkan pasokan dan sarapan.

Sistem Manufaktur yang Fleksibel (FMSs)

Ketika komputer sentral memberikan instruksi kepada masing-masing kantor kerja dan
kepada perlengkapan penanganan bahan material, misalnya robot, ASR dan AGV (seperti yang
dinyatakan di atas), sistem yang dikenal sebagai sel kerja otomatis atau, secara lebih umum,
sistem manufakturing yang fleksibel (flexible manufacturing systems-FMS).

Manufakturing Terintegrasi Komputer (CIM)

Sistem manufakturing yang fleksibel dapat diperluas ke belakang secara elektronik ke
dalam departemen rekayasa teknik dan departemen pengendalian persediaan dan ke depan ke
departemen pergudangan dan departemen pengiriman. Dalam cara ini, desain berbantu
komputer (CAD) menghasilkan instruksi elektronik yang diperlukan untuk menjalankan mesin
yang dikendalikan secara numerik. sebagai bagian dari sistem manufakturing yang fleksibel,
keseluruhan sistem ini dinamakan manufakturing terintegrasi komputer (computer-integrated
manufacturing-CIM).

Teknologi dalam Jasa

Baru saja kita telah mengamati kemajuan teknologi yang pesat dalam sektor
manufakturing, jadi kita juga dapat menemukan perubahan yang dramatis dalam sektor jasa.
Ini berkisar dari perlengkapan diagnostik secara elektronik pada bengkel perbaikan mobil,
untuk perlengkapan pengujian urine di rumah sakit, untuk alat pemindaian pengamanan retinal
di bandara. Industri perhotelan juga memberikan contoh-contoh lainnya.

Perancangan Ulang Proses

Perancangan ulang proses yang efektif bergantung pada mengevaluasi kembali tujuan dari
proses dan mempertanyakan, baik tujuan maupun asumsi yang mendasarinya. hanya bekerja
jika proses dasar dan tujuannya diteliti kembali. Para manajer operasional yang efektif
memahami bagaimana menggunakan strategi proses sebagaisenjata yang kompetitif. Mereka
memilih proses produksi dengan kualitas yang diperlukan, fleksibilitas, dan struktur biaya
untuk memenuhi persyaratan produk dan volume.

Keputusan Strategi Proses

1. Keterlibatan Pelanggan
Keterlibatan pelanggan mencerminkan cara pelanggan menjadi bagian dari proses dan
sejauh mana partisipasi mereka. Hal ini sangat penting bagi banyak proses layanan,
terutama jika kontak pelanggan (atau seharusnya) tinggi.
2. Fleksibilitas Sumber Daya
Sama seperti manajer harus memperhitungkan kontak pelanggan ketika membuat
keputusan keterlibatan pelanggan, mereka juga harus memperhitungkan perbedaan
proses dan aliran proses yang beragam ketika membuat keputusan fleksibilitas sumber
daya.
3. Intensitas modal
Intensitas modal adalah perpaduan antara peralatan dan keterampilan manusia dalam
proses; semakin besar biaya peralatan relatif terhadap biaya tenaga kerja, semakin besar
intensitas modalnya. Ketika kemampuan teknologi meningkat dan biayanya menurun,
para manajer menghadapi pilihan yang semakin beragam, mulai dari operasi yang
hanya menggunakan sedikit otomatisasi hingga operasi yang memerlukan peralatan
khusus untuk tugas tertentu dan sedikit campur tangan manusia

Pola Keputusan untuk Proses Pelayanan

Proses tersebut harus mencerminkan prioritas kompetitif yang diinginkan. Kantor depan
umumnya menekankan kualitas terbaik dan penyesuaian, sedangkan kantor belakang lebih
cenderung menekankan pengoperasian berbiaya rendah, kualitas konsisten, dan pengiriman
tepat waktu. Struktur proses yang dipilih kemudian menunjukkan jalan menuju pilihan yang
tepat mengenai keterlibatan pelanggan, fleksibilitas sumber daya, dan intensitas modal. Kontak
pelanggan yang tinggi pada proses layanan kantor depan berarti:
1. Struktur Proses.Pelanggan (internal atau eksternal) hadir, terlibat secara aktif, dan
menerima perhatian pribadi. Kondisi ini menciptakan proses dengan divergensi tinggi
dan alur proses yang fleksibel.
2. Keterlibatan Pelanggan.Ketika kontak pelanggan tinggi, pelanggan cenderung menjadi
bagian dari proses. Layanan yang diciptakan untuk setiap pelanggan adalah unik.
 3. Fleksibilitas Sumber Daya.Divergensi proses yang tinggi dan aliran proses yang
fleksibel sejalan dengan fleksibilitas yang lebih besar dari sumber daya proses—tenaga
kerja, fasilitas, dan peralatannya.
4. Intensitas modal.Ketika volume lebih tinggi, otomatisasi dan intensitas modal lebih
mungkin terjadi. Meskipun volume yang lebih tinggi biasanya diasumsikan terjadi di
back office, kemungkinan besar volume tersebut juga terjadi di front office untuk jasa
keuangan. Teknologi informasi adalah jenis otomasi utama di banyak proses layanan,
yang menyatukan fleksibilitas sumber daya dan otomasi.

Pola Keputusan untuk Proses Manufaktur

proses manufaktur juga dapat dipindahkan dalam matriks proses produk. Perubahan
dapat dilakukan baik dalam arah horizontal seperti Gambar 2.3 dengan mengubah tingkat
penyesuaian dan volume, atau dapat dilakukan dalam arah vertikal dengan mengubah
divergensi proses. Prioritas kompetitif harus dipertimbangkan ketika menerjemahkan strategi
ke dalam spesifikasi. Volume tinggi per jenis komponen pada proses manufaktur biasanya
berarti:
1. Struktur Proses.Volume tinggi, dikombinasikan dengan produk standar, memungkinkan
aliran garis. Hal ini justru sebaliknya ketika proses pekerjaan menghasilkan pesanan
pelanggan tertentu.
2. Keterlibatan Pelanggan.Keterlibatan pelanggan bukan merupakan faktor dalam
sebagian besar proses manufaktur, kecuali pilihan yang dibuat mengenai variasi produk
dan penyesuaian. Kebijaksanaan yang lebih sedikit diperbolehkan dengan garis atau
kontinuproses rendah untuk menghindari permintaan tak terduga yang dibutuhkan oleh
pesanan khusus.
3. Fleksibilitas Sumber Daya.Ketika volume tinggi dan divergensi proses rendah,
fleksibilitas tidak diperlukan untuk memanfaatkan sumber daya secara efektif, dan
spesialisasi dapat menghasilkan proses yang lebih efisien.
4. Intensitas modal.Volume yang tinggi membenarkan besarnya biaya tetap untuk operasi
yang efisien.