Peramalan atau Forecasting merupakan bagian terpenting bagi setiap perusahaan ataupun organisasi bisnis dalam
setiap pengambilan keputusan manajemen. Peramalan itu sendiri bisa menjadi dasar bagi perencanaan jangka pendek,
menengah maupun jangka panjang suatu perusahaan. Di dalam sebuah peramalan (forecasting) dibutuhkan sedikit
mungkin kesalahan (error) di dalamnya. Agar dapat meminimalisir tingkat kesalahan tersebut, maka akan lebih baik jika
peramalan tersebut dilakukan dalam satuan angka atau kuantitatif.
Fungsi peramalan atau forecasting terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan
yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Apabila kurang tepat
ramalan yang kita susun, maka masalah peramalan juga merupakan masalah yang selalu kita hadapi (Ginting, 2007).
Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan
pendekatan
kuantitatif.
Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif
adalah metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi ini
dapat memprediksi kejadian-kejadian di masa yang akan datang dan Keakuratan dari metode ini
sangat subjektif.
Dimana :
Ft = Prakiraan Permintaan sekarang
Ft-1 = Prakiraan Permintaan yang lalu
α = Konstanta Eksponensial
Dt-1 = Permintaan Nyata
Contoh kasus
Jawaban
Penyelesaian
Diketahui : Ft = Ft – 1 + α (Dt-1 – Ft-1)
α = 0,1 Ft = 10.000 + 0,1 (9.000 – 10.000)
Ft – 1 = 10.000 unit Ft = 10.000 + 0,1 (-1.000)
Dt – 1 = 9.000 unit Ft = 10.000 + (-100)
Ft = ? Ft = 9.900
Jadi prakiraan permintaan untuk bulan Februari
adalah 9.900 units.
Untuk prakiraan pada bulan-bulan selanjutnya kita dapat hitung dengan cara yang
sama, yaitu:
Bulan Aktual Perkiraan
Januari 9000 10000
Februari 11000 9900
Mare 11500 10010
April 10000 10159
Mei 9500 10143,1
Juni 8900 10078,79
Juli 10000 9960,911
Agustus 11500 9964,82
Metode trend linear
Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu
estimasi atau peramalam pada masa yang akan datang. Untuk melakukan peramalam
dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan
diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut
dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang
mempengaruhi terhadap perubahan tersebut. Secara teoritis, dalam analisis time series yang
paling menentukan adalah kualitas atau keakuratan dari informasi atau data-data yang
diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan.
Trend adalah pergerakan jangka panjangdalam suatu kurun waktu yang kadang-kadang
dapat digambarkan dengan garis lurus atau kurva mulus. Deret waktu untuk bisnis dan
ekonomi, yang terbaik adalah untuk menilat trend (atau trend-siklus) sebagai perubahan
dengan halus dari waktu ke waktu.
Untuk persamaan a dan b Contoh kasus metode tren linear
Ada beberapa teknik statistik yang Hubungan kedua variable cukup kuat
dapat digunakan dalam menganalisis
hubungan antar variabel, yaitu: Hubungan kedua variable kuat
koefisien korelasi, koefisien penentu,
dan analisis regresi. Hubungan kedua variable sangat kuat
Karakteristik analisis korelasi
Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan 1. Korelasi dapat
positif dan dapat pula negatif.
Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti tidak ada hubungan
antara dua variabel.
Korelasi Sama Dengan Satu: Korelasi sama dengan + 1 artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) positif. Korelasi sempurna seperti ini
mempunyai makna jika nilai X naik, maka Y juga naik .
Korelasi sama dengan minus satu: artinya kedua variabel mempunyai hubungan linier sempurna
(membentuk garis lurus) negatif. Korelasi sempurna seperti ini mempunyai makna jika nilai X
naik, maka Y turun dan berlaku sebaliknya.
Jenis-jenis korelasi
1. Korelasi sederhana adalah salah satu teknik statistik yang digunakan untuk mengukur kekuatan hubungan
antara dua variabel dan mencari tahu bentuk hubungan antara keduanya yang bersifat kuantitatif.
2. Korelasi parsial merupakan suatu metode yang digunakan untuk mengukur keeratan hubungan antara dua
variabel bebas dan variabel tak bebas. Caranya, mengontrol salah satu variabel bebas untuk melihat korelasi
natural antara variabel yang tidak terkontrol.
3. Korelasi ganda adalah bentuk korelasi yang biasanya digunakan untuk melihat hubungan antara 3 atau lebih
variabel (dua atau lebih variabel independen dan satu variabel dependen). Korelasi ganda ini berkaitan dengan
interkorelasi variabel independen, seperti korelasinya dengan variabel dependen.
Teknik dan aplikasi perhitungan
analisis korelasi Besaran nilai koefisien
korelasi berkisar antara -1
hingga 1
• 00-0.19= Korelasi
Misalnya kita ingin mencari tahu “ Hubungan antara kecerdasan dan
prestasi belajar” antara variabel sangat
lemah
Rumuskan hipotesis:
• 0,20-0,39= Korelasi
Ho: Tidak ada hubungan secara signifikan antara kecerdasan dan
prestasi belajar antar variabel lemah
• 0,40-0,59= korelasi
Ha: Ada hubungan secara signifikan antara kecerdasan dan hasil
antar variabel cukup
belajar
Tentukan taraf signifikansi kuat
• 0,60-0,79= korelasi
5%
Menghitung nilai koefisien korelassi (r xy) variabel kuat
• 0,80-1,00= korelasi
antara variabel sangat
rxy= kuat
Dimana:
r= pearson r correlation coefficient
n= jumlah sampel
Contoh kasus
Bandingkan dengan r tabel
Pengambilan keputusan:
-Jika r hitung lebih besar dari r tabel, maka dapat dikatakan terdapat hubungan
- jika r hitung lebih kecil dari r tabel, maka disimpulkan tidak ada hubungan
X Y
50 79
55 77
60 76
70 71
60 79
60 70 Dimana X= Kecerdasan
70 79 dan Y = Prestasi pelajar
70 87
80 91
90 82
60 91
65 91
70 95
70 82
75 91
Penyelesaian ∑X2= 68.775
(∑X)2= 10.100.255
∑Y2=103.535
No. X Y XY X^2 Y^2 (Y)2=1.540.081
1 50 79 3950 2500 6241 ∑X∑Y=1.247.205
∑XY= 83.525
2 55 77 4235 3025 5929
3 60 76 4560 3600 5776
4 70 71 4970 4900 5041
5 60 79 4740 3600 6241
6 60 70 4200 3600 4900
r xy =
7 70 79 5530 4900 6241
8 70 87 6090 4900 7569 rxy=
9 80 91 7280 6400 8281 rxy=
10 90 82 7380 8100 6724 rxy=
11 60 91 5460 3600 8281
12 65 91 5915 4225 8281 rxy= 0,33
13 70 95 6650 4900 9025
14 70 82 5740 4900 6724
15 75 91 6825 5625 8281
Rtabel = 0,514
∑ 1005 1241 83525 68775 103535
2.1 Pengertian Analisis Cost Volume
Profit
analisis cost volume profit adalah analisis yang digunakan Dalam melihat hubungan diantara kelima elemen tersebut terdapat
beberapa asumsi yang harus digunakan didalam hubungan diantara
untuk menentukan bagaimana perubahan dalam biaya dan Besarnya biaya dan volume serta laba yang akan diperoleh, yaitu :
volume dapat mempengaruhi pendapatan operasional
• Harga jual produk yang konstan dalam cakupan yang relevan. Hal ini
(operating income) perusahaan dan pendapatan bersih (net berarti harga jual setiap unit produk tidak berubah walaupun terjadi
income). perubahan volume penjualan.
• Biaya bersifat linear dalam rentang cakupan yang relevan dan dapat
dibagi secara akurat ke dalam elemen biaya tetap dan biaya variabel.
Jumlah biaya variabel per unit konstan dan jumlah biaya tetap total
Dalam mengambil keputusan, manajemen juga juga harus konstan.
melihat lima elemen penting terkait analisis cost • Dalam perusahaan mulitiproduk, bauran penjualannya tidak berubah.
volume profit, yaitu:Harga produk, Volume atau • Jumlah unit yang diproduksi sama dengan jumlah unit yang dijual.
tingkat aktivitas, Biaya variabel per unit, Total biaya Berarti, jumlah persediaan tidak berubah
tetap, Bauran volume produk yang dijual
Kelompok 4 (CVP)
● Analisis biaya-volume-biaya Dasar Analisis Biaya-Volume Dan Laba
tergantung pada sejumlah
asumsi yang membatasi. Biaya-volume-laba atau analisis titik impas (cost-volume-profit or breakeven
Asumsi-asumsi tersebut analysis) membahas hubungan antara penerimaan total, biaya total, dan laba
diantaranya : total perusahaan pada berbagai tingkat output.
Biaya-volume-laba atau analisis titik impas sering digunakan para eksekutif
1. Semua biaya diklasifikasikan bisnis untuk menentukan volume penjualan yang diperlukan bagi perusahaan
sebagai biaya variable ataupun untuk mencapai titik impas, laba total dan kerugian pada tingkat penjualan
biaya tetap. lainnya.
2. Fungsi jumlah biaya adalah Pengetahuan dasar yang sangat menentukan dalam analisis biaya volume dan
linier dalam kisaran relavan laba adalah pemahaman tentang penyusunan laporan laba rugi dengan
3. Fungsi jumlah kegiatan menggunakan pendekatan variable costing. Pendekatan ini menghasilkan
pendapatan adalah linier dalam suatu model laporan laba rugi dimana biaya diklasifikasikan menurut
kisaran relavan. perilakunya.
4. Analisisnya untuk sebuah
produk atau bauran penjualan
dari bermacam-macam produk
adalah konstan dalam kisaran
relavan .
5. Hanya terdapat satu pemicu
biaya : volume unit produk atau
rupiah penjualan
6. Dalam perusahaan pabrikasi,
tingkat persediaan pada awal
dan akhir periode adalah sama.
Misalnya pada bulan Juni 2013 PT Jakasain menjual 150 unit produknya dengan harga Rp. 3.500 per
unit. Biaya variabel per unit Rp. 2.625. biaya tetap Rp. 75.000. Berdasarkan data ini maka terlebih
dahulu dapat dibuat laporan laba rugi berdasarkan pendekatan kontribusi, seperti pada ikhtisar berikut
ini.
Dengan menggunakan Formula:
Marjin kontribusi Rp 875 dibagi dengan penjualan Rp 3.500
dari laporan laba rugi diatas dapat dihitung:
● Analisis multi produk memerlukan adanya asumsi Analisis sensitivitas merupakan analisis yang dilakukan untuk mengetahui akibat
terkait dengan bauran penjualan (sales mix), yaitu dari perubahan parameter-parameter produksi terhadap perubahan kinerja sistem
kombinasi berbagai produk yang dihasilkan/dijual
perusahaan. Dengan menentukan suatu bauran produksi dalam menghasilkan keuntungan. Dengan melakukan analisis
penjualan tertentu, analisis multi produk dapat diubah sensitivitas maka akibat yang mungkin terjadi dari perubahan-perubahan tersebut
ke dalam analisis produk tunggal.
● Namun untuk analisis CVP kita harus menggunakan dapat diketahui dan diantisipasi sebelumnya.
bauran penjualan dalam unit. Perusahaan dapat
menyelesaikan masalah multi produk dengan
mengkonversinya menjadi produk tunggal, yaitu Contoh: Perubahan biaya produksi dapat mempengaruhi tingkat kelayakan
menetapkan produk-produk tersebut sebagai suatu
paket. ● Alasan dilakukannya analisis sensitivitas adalah untuk
mengantisipasi adanya perubahanperubahan berikut:
Misalnya suatu paket terdiri dari 3 produk A dan 2 produk B.
Berdasar titik impas sebesar 82 paket ini.
maka titik impas akan terjadi pada penjualan 1. Adanya cost over run, yaitu kenaikan biaya-biaya, seperti biaya
konstruksi, biaya bahan-baku, produksi, dsb.
produk A sebanyak 246 paket (3 x 82) dan
2. Penurunan produktivitas.
produk B sebanyak 164 paket (2 x 82). 3. Mundurnya jadwal pelaksanaan proyek. Setelah melakukan analisis
dapat diketahui seberapa jauh dampak perubahan tersebut terhadap
kelayakan proyek: pada tingkat mana proyek masih layak
dilaksanakan
1. Analisis Titik Impas (Break-Even Point Analysis)
● Titik impas merupakan tingkat aktivitas dimana suatu organisasi tidak mendapatkan laba dan
juga tidak mendapatkan rugi. Titik impas juga dapat didefinisikan sebagai titik dimana total
pendapatan sama dengan total biaya atau sebagai titik dimana total marjin kontribusi sama
dengan total biaya tetap.
Tujuan analisis titik impas adalah untuk mencari tingkat aktivitas dimana pendapatan dan
hasil penjualan sama dengan jumlah semua biaya variabel dan biaya tetapnya.
Titik impas ini selanjutnya dapat dihitung dengan menggunakan metode persamaan,
metode marjin kontribusi, dan metode grafik, baik dalam hitungan unit penjualan maupun
penjualan dalam satuan mata uang tertentu yang digunakan dalam transaksi bisnis.
1. Metode Persamaan
Titik impas dengan metode ini dapat dihitung dengan menggunakan rumus: Dari kasus diatas
misalkan:
x = jumlah speaker terjual
3.500= harga jual per unit
2.625= biaya variabel per unit
75.000 = total biaya tetap
Karena laba pada titik impas sama dengan nol maka faktor laba dalam persamaan tersebut dapat diabaikan. Dengan demikian titik impas dalam unit dapat dihitung sebagai
berikut:
Dengan cara sederhana titik impas dalam rupiah selanjutnya dapat dihitung dengan mengalikan 85,71 unit (impas dalam unit) dengan Rp. 3.500 (harga jual per unit
produk) = Rp. 300.000.
Namun apabila data tidak tersedia untuk menggunakan cara tersebut maka dengan menggunakan data dari kasus di atas titik impas dalam rupiah dapat dihitung
dengan prosedur sebagai berikut:
= 85,71 unit
= Rp. 300.000
Contoh
Dapat dilihat bahwa pada volume penjualan 1 unit @Rp 3.500 dan biaya variabel per unit Rp 2.625, marjin kontribusinya
= Rp 875 per unit.
Dari marjin kontribusi tersebut rasionya menjadi (875/3.500)% = 25%.
Tingkat rasio marjin kontribusi yang sama akan diperoleh pada saat volume penjualan berubah menjadi 150 unit
dimana total penjualan menjadi Rp 525.000.
kenaikan nilai penjualan ini akan diikuti kenaikan biaya variabel dalam presentasi yang sama menjadi Rp 393.750
sehingga marjin kontribusi untuk 150 unit penjualan akan menjadi (131.250/525.000)% atau sama juga dengan
25% seperti marjin kontribusi untuk penjualan 1 unit.
Metode grafik
Grafik tersebut dapat dibuat dengan langkah-langkah sebagai berikut:
a. Buat garis horizontal (x) untuk menunjukan jumlah unit produk dan sebuah garis vertikal (y) untuk menunjukan nilai penjualan dan biaya.
b. Tarik sebuah garis lurus ke kanan atas dengan kemiringan 45 yang ditarik dari titik 0 perpotongan garis x dan garis y sebagai garis penjualan.
c. Buat garis horizontal untuk menujukan jumlah biaya tetap pada berbagai level unit penjualan.
d. Buat garis untuk menunjukan jumlah biaya pada berbagai level unit penjualan yang ditarik dari perpotongan garis y dengan garis biaya tetap.
e. Buat titik impas pada perpotongan garis penjualan dan garis total biaya.
f. Arsir tiga disebelah kanan grafik sebagai daerah laba dan sebaliknya arsir daerah segitiga di sebelah kiri bawah titik impas sebagai daerah rugi.
Analisis regresi merupakan metode statistika yang amat banyak digunakan dalam peneltian. Istilah regresi
pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya hubungan
bahwa orang tua yang memeliki tubuh tinggi memiliki anak-anak yang tinggi pula, orang tua yang pendek
memiliki anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya kecenderungan tinggi
anak,cenderung bergerak menuju rata-rata tinggi populasi secara menyeluruh. Dengan kata lain,ketinggian anak
yang amat tinggi atau orang tua yang amat pendek cenderung bergerak kearah tinggi populasi. KELOMPOK
5
ANALISIS
Tujuan Analisis Regresi sebagai berikut
REGRESI
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari
pada nilaivariabel bebas
26
Fungsi Analisis Regresi Karakteristik Analisis Regresi :
Memperkirakan Masa Depan
1. Analisis Regresi menggambarkan bagaimana variabel independen
Fungsi kedua dari regresi, yaitu bisa memperkirakan masa depan yang secara numerik terkait dengan variabel dependen.
berhubungan dengan peluang. Rumus ini juga sering digunakan untuk
mencoba apakah peluang yang ada tepat diambil atau tidak.Salah satu 2. Pemakaiannya agar sesuai dengan garis terbaik dan
contohnya adalah perusahaan asuransi yang menghitung dana klaim yang memperkirakan satu variabel berdasarkan variabel lain.
dilakukan oleh pasien melihat dari kasusnya.
3. Variabel dependen dan independen keduanya berbeda.
Meningkatkan Efesiensi
4. Analisis regresi menunjukkan dampak perubahan unit dalam
Rumus regresi juga dapat digunakan supaya operasional bisnis lebih variabel yang diketahui (x) pada variabel yang diperkirakan (y).5.
efisien dan menghasilkan output yang diinginkan Objektifit analisis regresi untuk memperkirakan nilai-nilai variabel
acak berdasarkan nilai-nilai variabel tetap.
Memberikan insight baru
Analisis Regresi menggambarkan bagaimana variabel independen
secara numerik terkait dengan variabel dependen.
Fungsi selanjutnya dari regresi, yaitu dapat memberikan
pengetahuan terbaru untuk Anda. Misalnya, Anda ingin Pemakaiannya agar sesuai dengan garis terbaik dan memperkirakan
mengetahui stok produk yang harus disediakan ketika sedang satu variabel berdasarkan variabel lain.
masuk musim ramai pembeli yang belanja di waktu tertentu.
Variabel dependen dan independen keduanya berbeda.
Analisis regresi berganda hampir sama dengan analisis regresi linier sederhana, secara umum, model regresi berganda untuk populasi
dimana untuk memprediksi nilai dependen atau yang lebih dikenal dengan adalah sebagai berikut :
variabel Y memerlukan variabel independen atau yang lebih dikenal dengan
variabel X. Hal yang membedakan antara regresi ini dengan regresi linier Y= a+b1X1 + b2X2+…….+bnXn+et
sederhana adalah jumlah variabel yang digunakannya. Di regresi linear berganda,
kita bisa menggunakan mulai dari dua bahkan lebih variabel independen. Namun
bisa jadi tidak semua variabel mempengaruhi variabel Y. Untuk mendapatkan
Dimana :
model terbaik, kita hanya perlu memilih variabel yang berpengaruh ke variabel Y Y = Variabel dependen
saja. a = Nilai konstanta/parameter intercept
X1…Xn = Variabel independen ke-I
b1…bn = Nilai koefisien regresi/parameter koefisien
regresi variabel independen.
28
Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas
hubungan antara dua variabel atau lebih dan membuat perkiraan nilai Y atas X.
data yang digunakan untuk variabel independen X dapat berupa data
pengamatan yang tidak ditetapkan sebelumnya oleh peneliti atau disebut data
primer maupun data yang telah ditetapkan sebelumnya oleh peneliti atau disebut
data sekunder. Hasil perhitungan dalam regresi linear berganda akan
menghasilkan jawaban atas pernyataan hipotesis dan melihat besarnya nilai
pengaruh seluruh variabel bebas terhadap variabel terikat.
CONTOH PENGHITUNGAN
1. ANALISIS REGRESI SEDERHANA
Sebuah penelitian terhadap pohon Mahoni, dimana akan diteliti apakah ada
hubungan antara tinggi pohon dengan diameter batang pohon, dengan artian
apakah ada pengaruh diameter batang pohon terhadap tinggi pohon
tersebut.Diambil sampel secara acak sejumlah delapan pohon mahoni.
Dapat dilihat dari Tabel 1 pada kolom X dan Y.Hal pertama yang akan kita
lakukan adalah membentuk persamaan regresi, yaitu :
Y' = a + bX
Selanjutnya adalah menentukan konstanta a dan koefisien b, kita ikuti langkah
sebagai berikut :
29
Maka di peroleh : 2. Regresi Linier Berganda
Dalam suatu penelitian yang dilakukan terhadap 10 rumah tangga yang diilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu (Y), pendapatan per minggu (X1), dan jumlah
anggota rumah tangga (X2) sebagai berikut:
30
Penyelesaian…
Langkah pertama adalah mengolah data di atas menjadi sebagai berikut :
Dari model diatas dapat disimpulkan bahwa setiap kenaikan pendapatan per minggu sebesar Rp1000
maka akan menaikkan pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar
Rp322,1 dengan asumsi jumlah anggota rumah tangga konstan/tetap.
Demikian juga, jika jumlah anggota rumah tangga bertambah 1 orang maka akan menaikkan
pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar Rp45,1 dengan asumsi
pendapatan per minggu konstan/tetap.
DEFINISI MANEJEMEN PERSEDIAAN ( KELOMPOK 6)
Manajemen persediaan (inventory management) merupakan salah satu bagian dalam manajemen operasianal dan
manajemen produksi,yaitu pengelolaan keseluruhan proses produksi yang dinamis terutama pada pergerakan barang agar
tidak menganggu proses produksi.
Rumus ROP :
B = a x Sdt ROP = ( U x L ) + Safety Stock
Keterangan : Keterangan :
ROP = Reorder Order
B = safety stock U = Tingkat Kebutuhan Per Periode
L = Lead Time Persediaan Cukup Untuk
A = frequency level of service Memenuhi Kebutuhan Selama Lenggang Waktu
Sdt = standar deviasi lead time Jumlah yang harus dipesan harus sesuai atau
berdasarkan EOQ.
Selanjutnya, manajemen persediaan juga memerlukan adanya
pemahaman terkait reorder point (rop), yaitu saat titik dimana Selanjutnya, maximum stock adalah, keadaan
pemesanan kembali harus dadakan sehingga kedatangan atau dimana persediaan mencapai posisi yang
penerimaan bahan tetap pada waktunya dimana jumlah persediaan maksimal yang dirumuskan sebagai berikut :
serta perusahaan sama dengan safety stock. Maximum stock = safety stock + EOQ
ANALISIS PERSEDIAAN ABC Penggunaan tiga kelas dalam analisis ABC untuk menentukan
besaran masing-masing kelas dengan cara sebagai berikut :
1. Kelas A merupakan barang-barang dalam jumlah unit berikisar
15-20% dari total seluruh barang tetapi merepresentasikan 75-
80% dari total nilai uang.
2. Kelas B merupakan barang-barang dalam jumlah unit berkisar
METODE ANALISIS PERSEDIAAN ABC 20-25% dari total seluruh barang tetapi merepresentasikan 10-
MERUPAKAN SUATU SISTEM ATAU PROSEDUR 15% dari total nilai uang.
SEDERHANA YANG DAPAT DIPERGUNAKAN UNTUK 3. Kelas C merupakan barang-barang dalam jumlah unit berkisar
MENGISOLASI BARANG BARANG YANG MEMERLUKAN 60-65% dari total seluruh barang tetapi merepresentasikan 60-
PERHATIAN KHUSUS DALAM PENGENDALIAN 65% dari total seluruh barang tetapi merepresentasikan 5-10%
PERSEDIAAN. PROSEDUR ANALISIS ABC dari total nilai uang.
MENGHARUSKAN PEMBUATAN DIAGRAM
PERSENTASE BARANG BARANG PERSEDIAAN
Langkah-langkah atau prosedur klasifikasi barang dalam
BERDASARKAN PRESENTASE NILAI TOTAL UNTUK Analisis ABC
SATU PRIODE TERTENTU. 1. Menentukan jumlah unit untuk setiap tipe barang.
2. Menentukan harga per unit untuk setiap tipe barang.
PERUSAHAAN MENGANALISIS SETIAP 3. Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai
BARANG PERSEDIAAN BERDASARKAN BIAYA, uang dari masing-masing tipe barang.
FREKUENSI PENGGUNAAN, MASALAH YANG 4. Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan
urutan pertama tipe barang dengan total nilai uang paling besar.
DIAKIBATKLAN OLEH HABISNYA PERSEDIAAN, WAKTU
5. Menghitung persentase kumulatif barang dari banyaknya tipe barang.
NUNGGU PESANAN DAN KRITERIA LAINNYA .
6. Menghitung persentase kumulatif nilai uang barang dari total nilai uang.
7. Membentuk kelas-kelas berdasarkan persentase barang dan persentase nilai
uang barang
8. Menggambarkan kurva analisi ABC (bagan pareto) atau tingkat kepentingan
masalah.