BAB III LANGKAH PEMECAHAN MASALAH. Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi

Transkripsi

1 BAB III LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Kriteria optimasi yang digunakan dalam menganalisis kebutuhan produksi pada PT. Sebastian Citra Indonesia terkait dengan jumlah penjualan terhadap Roti O, adalah sebagai berikut : Analisis Peramalan (Forecasting Analysis) Kriteria Optimasi : Variabel utama dalam penelitian ini adalah peramalan penjualan terhadap Roti O dari PT. Sebastian Citra Indonesia, dimana penjualan Roti O sebagai salah satu variabel yang akan digunakan dalam menganalisis peramalan penjualan pada outlet Stasiun Kota Jakarta yang menggunakan data dari Mei 2012 sampai Oktober 2012, sedangkan outlet Stasiun Bandung dan outlet Bandara Husein Sastranegara Bandung menggunakan data penjualan dari Juni 2012 sampai Oktober Inventory Control Kriteria Optimasi : Variabel yang digunakan dalam penelitian ini adalah pemesanan bahan baku, untuk mengetahui apakah pemesanan jumlah persediaan bahan baku utama yang terdiri dari tepung terigu, gula pasir, dan mentega sudah optimal sesuai dengan kebutuhan produksi di PT. Sebastian Citra Indonesia. 39

2 40 Pengambilan Keputusan untuk meningkatkan Penjualan (Decision Tree) Kriteria Optimasi Variabel ini merupakan variabel pendukung dimana PT. Sebastian Citra Indonesia akan mengambil sebuah keputusan untuk mengadakan pemasokan bahan baku dari supplier dengan menggunakan pengiriman dari beberapa ekspedisi yang telah dipilih oleh perusahaan untuk melakukan pengiriman bahan baku ke perusahaan. 3.2 Pengembangan Alternatif Solusi Metode baru yang diusulkan pada PT. Sebastian Citra Indonesia adalah dengan menggunakan metode : Peramalan (Forecasting) dianalisis menggunakan software QM for Windows dengan pendekatan Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend, dan Naive Method dengan menggunakan data penjualan yang didapatkan dari perusahaan untuk melakukan peramalan pada November 2012 dan memilih metode yang paling tepat yang akan diusulkan kepada PT. Sebastian Citra Indonesia. Persediaan (Inventory) dianalisis menggunakan software QM for Windows berdasarkan hasil peramalan penjualan Roti O untuk bulan November 2012 pada outlet Stasiun Kota Jakarta, stasiun Bandung, Bandara Husein Sastranegara bandung dengan menghitung EOQ, Average Inventory, Orders per period (periode bulanan), Annual Setup Cost, Annual Holding

3 41 Cost, dan Total Cost (TC) untuk menentukan persediaan pada tepung terigu, gula pasir, dan mentega di PT. Sebastian Citra Indonesia. Pengambilan keputusan untuk menentukan ekspedisi manakah yang sebaiknya dipilih dengan melakukan perhitungan metode Pohon Keputusan (Decision Tree) menggunakan Software QM for Windows pada PT. Sebastian Citra Indonesia. 3.3 Pengembangan Model Optimasi Jenis dan Metode Penelitian Dalam penelitian ini, jenis penelitian yang digunakan adalah penelitian deskriptif. Menurut Sugiyono (2007 : 11), penelitian deskriptif adalah penelitian yang dilakukan untuk mengetahui nilai variable mandiri, baik satu variabel atau lebih tanpa membuat perbandingan, atau menghubungkan dengan variabel yang lain. Metode penelitian yang digunakan adalah metode survey dengan unit analisis berupa organisasi yaitu PT. Sebastian Citra Indonesia itu sendiri. Horizon waktu / time horizon yang digunakan pada penelitian ini adalah cross sectional, dimana menurut Umar (2005 : 131), merupakan sekumpulan data untuk meneliti fenomena tertentu dalam satu kurun waktu saja. Penetapan jenis penelitian, metode penelitian, unit analisis, dan time horizon yang digunakan oleh peneliti untuk masing masing tujuan penelitian akan dijelaskan secara ringkas pada tabel desain penelitian sebagai berikut:

4 42 Tabel 3.1 Desain Penelitian Tujuan Penelitian Jenis penelitian Desain Penelitian Metode Unit penelitian Analisis Time Horizon T-1 Deskriptif Survey Organisasi Cross-Sectional T-2 Deskriptif Survey Organisasi Cross-Sectional T-3 Deskriptif Survey Organisasi Cross-Sectional Sumber : Hasil Pengolahan Data (2012) Keterangan : T-1 = Untuk memilih metode yang tepat diantara Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend, dan Naive Method dalam meramalkan penjualan pada periode berikutnya di PT. Sebastian Citra Indonesia kemudian menentukan nilai terkecil dari kesalahan peramalan dengan perhitungan MAD dan MSE. T-2 = Untuk mengetahui apakah jumlah persediaan bahan baku sudah optimal sesuai dengan kebutuhan produksi dengan menggunakan metode EOQ (Economic Order Quantity) pada PT. Sebastian Citra Indonesia. T-3 = Untuk memilih alternatif pengiriman dengan menggunakan ekspedisi manakah dari metode Pohon Keputusan (Decision Tree) yang sebaiknya dipilih oleh PT. SEBASTIAN CITRA INDONESIA untuk meminimalisir biaya pengiriman.

5 Teknik Pengumpulan Data Teknik pengumpulan data yang dilakukan dalam penelitian ini yaitu mengumpulkan informasi-informasi terkait objek penelitian berupa : 1. Studi pustaka Peneliti melakukan studi pustaka dengan mempelajari teori-teori pendukung, variabel, dan indikator mengenai peramalan penjualan dan persediaan bahan baku serta pohon keputusan dari buku referensi, jurnal, artikel, dan literature lainnya, guna menunjang penelitian ini. 2. Wawancara Peneliti melakukan tanya jawab secara langsung kepada pihak yang berkepentingan di dalam perusahaan untuk mendapatkan informasi yang diperlukan di dalam penelitian ini. 3. Observasi Peneliti melakukan pengamatan / melihat secara langsung kegiatan dalam proses produksi PT. Sebastian Citra Indonesia, dari pengadaan bahan baku sampai proses pembuatan Roti O Teknik Analisis Data Untuk menganalisis permasalahan yang terjadi pada PT. Sebastian Citra Indonesia dengan menggunakan metode, antara lain :

6 44 1. Peramalan (Forecasting) Pendekatan yang digunakan dalam melakukan perhitungan peramalan penjualan terhadap Roti O pada PT. Sebastian Citra Indonesia adalah sebagai berikut : a. Linear Regression Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut. y = a + bx dimana : y = nilai terhitung dari variabel yang akan diprediksi a = persilangan sumbu y b = kemiringan garis regresi (atau tingkat perubahan pada y untuk perubahan yang terjadi di x) x = variabel bebas (dalam kasus ini adalah waktu). Untuk menentukan nilai a dan b, akan di jelaskan pada rumus dibawah ini. dimana : b = kemiringan garis regresi = tanda penjumlahan total x = nilai variabel bebas yang diketahui y = nilai variabel terkait yang diketahui

7 45 a = - bx dimana : = rata-rata nilai y x = rata-rata nilai x. b. Moving Average Rumus untuk menentukan perhitungan Moving Average adalah sebagai berikut. Rata-Rata bergerak = Permintaandalamperioden sebelumnya n dimana n adalah jumlah periode dalam rata-rata bergerak. c. Weighted Moving Average Rumus untuk menentukan perhitungan Weighted Moving Average adalah sebagai berikut. Pembobotan rata-rata bergerak = (Bobot periode n)(permintaan dalam periode n) Bobot d. Exponential Smoothing Rumus untuk menentukan perhitungan Exponential Smoothing adalah sebagai berikut : F t = F t-1 + α (A t-1 F t-1 )

8 46 dimana : F t = Peramalan baru F t-1 = Peramalan sebelumnya α = Konstanta penghalusan (pembobotan) (0 α 1) A t-1 = Permintaan aktual periode lalu e. Exponential Smoothing with Trend Rumus Penghalusan Eksponensial dengan Penyesuaian Trend adalah sebagai berikut. Ft = α (A t-1 ) + (1-α) (F t-1 + T t-1 ), T t = β (F t -F t-1 ) + (1-β) T t-1 dimana : F t = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t T t = tren dengan eksponensial yang dihaluskan pada periode t A t = permintaan aktual periode t α = konstantan penghalusan untuk rata-rata (0 α 1) β = konstantan penghalusan untuk rata-rata (0 β 1) f. Naive Method Dalam perhitungan Naive Method, perhitungan dilakukan dengan cara berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Hasil

9 47 peramalan didapatkan dengan hasil penjualan aktual dikurangi peramalan pada setiap periode. Setelah mendapatkan hasil peramalan, selanjutnya dilakukan perhitungan untuk mencari nilai terkecil dari kesalahan peramalan dengan perhitungan MAD dan MSE. Rumus untuk menghitung MAD adalah sebagai berikut : MAD = aktual - peramalan n Rumus untuk Menghitung MSE adalah sebagai berikut : MSE = kesalahan peramalan n 2 2. Persediaan Untuk menghasilkan persediaan bahan baku yang ekonomis, akan dilakukan perhitungan menggunakan rumus, sebagai berikut. a. EOQ = 2.D.S H Keretangan : EOQ = Jumlah optimal barang per pemesanan (Q*) D S H = Permintaan tahunan barang persediaan dalam unit = Biaya pemasangan atau pemesanan setiap pesanan = Biaya penahan atau penyimpanan per unit per tahun

10 48 b. Q * Average Inventory = 2 c. Orders per period = D Q * D d. Annual Setup Cost =.S Q* e. Annual Holding Cost = Q*. H 2 f. Total Cost per Unit = Unit Cost x D g. Total Cost = Total Cost per Unit + Annual Setup Cost + Annual h. Daily Demand = i. ROP = d x L Keterangan : Holding Cost. D Jumlah hari kerja per tahun d L = Jumlah permintaan per hari = Waktu tunggu pemesanan (Lead Time) 3. Penggunaan metode Pohon Keputusan untuk memilih alternatif terbaik. Kriteria yang digunakan dalam metode Pohon Keputusan adalah EMV (Expected Monetery Value). EMV adalah nilai harapan moneter yang diharapkan dari sebuah variabel yang memiliki kemungkinan kondisi alamiah yang berbeda dengan masing-masing peluang tersendiri.

11 Rancangan Implikasi Solusi Terpilih Untuk mengatasi permasalahan terhadap peramalan penjualan Roti O, maka digunakan perhitungan peramalan dan menentukan metode yang tepat untuk diterapkan di perusahaan dengan memilih nilai terkecil dari kesalahan peramalan dengan perhitungan MAD dan MSE di PT. Sebastian Citra Indonesia pada periode berikutnya. Untuk mengatasi masalah persediaan bahan baku yang terjadi di PT. Sebastian Citra Indonesia, maka digunakan analisis EOQ yang akan menghasilkan perhitungan jumlah bahan baku yang optimal sesuai dengan kebutuhan produksi di PT. Sebastian Citra Indonesia. Untuk mengetahui alternatif pengiriman menggunakan ekspedisi manakah dari hasil perhitungan dengan menggunakan Pohon Keputusan (Decision Tree) pada PT. Sebastian Citra Indonesia.