BAB II TINJAUAN PUSTAKA

Transkripsi

1 BAB II TINJAUAN PUSTAKA 2.1 Kerangka Pemikiran Teoritis Pengertian Manajemen Dalam kegiatan produksi perusahaan tentunya harus dikelola dan dikoordinasikan dengan baik. Berpegang pada acuan menurut pendapat Dyck dan Neubert (2009:7), manajemen adalah proses perencanaan, pengorganisasian, memimpin, mengendalikan sumber daya manusia dan sumber daya organisasi lainnya agar dapat secara efektif mencapai tujuan organisasi. Terdapat 4 fungsi manajemen, yaitu : 1. Planning (Perencanaan) Perencanaan berarti mengidentifikasi tujuan organisasi dan strategi dan mengalokasikan sumber daya organisasi yang tepat yang diperlukan untuk mencapainya. 2. Organizing (Mengorganisasi) Pengorganisasian berarti memastikan bahwa tugas - tugas telah ditetapkan dan struktur hubungan organisasi diciptakan untuk memfasilitasi pertemuan dari tujuan-tujuan organisasi. 3. Leading (Memimpin) Memimpin berarti berhubungan dengan orang lain sehingga pekerjaan mereka menghasilkan upaya pencapaian tujuan organisasi. 4. Controlling (Mengendalikan) Mengendalikan adalah melibatkan memastikan bahwa tindakan - tindakan anggota organisasi konsisten dengan nilai-nilai organisasi dan standar. 7

2 Pengertian Manajemen Operasi Menurut Heizer dan Render (2005:4), manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dan bentuk barang dan jasa dengan mengubah input menjadi output. Sedangkan menurut Chase (2004:6), Operations management is defined as the design, operation, and improvement of the system that create and deliver the firm s primary product and services. Dalam terjemahannya dapat diartikan Manajemen operasi didefinisikan sebagai gambaran, operasi dan perbaikan atau pengawasan dari sistem yang menghasilkan produk utama dan jasa suatu perusahaan. Berdasarkan dari teori para ahli, dapat diambil kesimpulan bahwa manajemen operasi adalah suatu proses pengawasan suatu produk dari mulai bahan baku (raw material), proses, sampai menjadi suatu produk yang dihasilkan (output) dalam bentuk barang ataupun jasa yang memiliki suatu nilai jual pada konsumen. Menurut Heizer, dan Render (2009:4), untuk menghasilkan barang dan jasa, semua jenis organisasi menjalankan tiga fungsi. Fungsi-fungsi ini merupakan hal penting, bukan hanya untuk proses produksi, tetapi juga demi kelangsungan hidup sebuah organisasi. Fungsi-fungsi ini adalah sebagai berikut. 1. Pemasaran yang menghasilkan permintaan, paling tidak, menerima pemesanan untuk sebuah barang atau jasa (tidak aka nada aktivitas jika tidak ada penjualan). 2. Produksi / operasi yang menghasilkan produk. 3. Keuangan / akuntansi yang mengawasi sehat tidaknya sebuah organisasi, membayar tagihan dan mengumpulkan keuangan Keputusan Kritis Dalam Manajemen Operasi Menurut Heizer dan Render yang diterjemahkan oleh Sungkono, C. (2009:9) mengemukakan 10 bidang keputusan kritis dari manajemen operasi : 1. Perancangan produk dan jasa

3 9 2. Pengelolaan kualitas 3. Perancangan proses dan kapasitas 4. Strategi lokasi 5. Strategi tata letak 6. Sumber daya manusia dan perancangan pekerjaan 7. Manajemen rantai pasokan 8. Persediaan, perencanaan kebutuhan bahan baku, dan JIT (Just In Time) 9. Penjadwalan jangka menengah dan jangka pendek 10. Perawatan Peramalan (Forecasting) Dalam teori yang dijelaskan oleh Prasetya dan Lukiastuti (2009:43), peramalan merupakan suatu upaya dalam meramalkan keadaan pada masa yang akan datang melalui pengujian keadaan di masa lalu. Menurut Hasibuan (2011), metode peramalan adalah suatu cara memperkirakan atau mengestimasi secara kuantitatif maupun kualitatif apa yang terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Menurut Nakano, Mikihisa, Oji & Nobunori (2012) dalam jurnalnya yang berjudul International Journal of Operations & Production Management bahwa dijelaskan the ability to accurately forecast future demand has been an important organizational capability for integrating the internal and external supply chain. Maka dari teori para ahli yang telah dijelaskan oleh para ahli, dapat disimpulkan bahwa peramalan (forecasting) adalah suatu proses estimasi pada masa yang akan datang dan hasil peramalan tersebut didapat dari data-data pada masa sebelumnya yang nantinya diolah untuk dapat melakukan suatu peramalan Pentingnya Peramalan Menurut Siagian (2005: ) ramalan y ang baik sangat penting bagi perusahaan diseluruh aspek bisnis. Ramalan permintaan mengarahk an

4 10 perusahaan dalam mengambil keputusan-keputusan. Ramalan produk sangat mempengaruhi terhadap beberapa fungsi, seperti : 1. Sumber Day a Manusia. Tenaga kerja sebagai salah satu faktor yang berhubungan langsung dengan pemrosesan produk perlu dilatih, dipekerjakan, dan diberhentikan tergantung pada permintaan produk mendadak naik atau menurun maka departemen sumber daya manusia yang harus mengupayakan, menambah atau mengurangi pekerja dengan cepat tentunya dengan segala konsekuensinya. Jika menambah karyawan berarti harus melakukan pelatihan, sedangkan jika harus mengurangi jumlah karyawan, kebijakan pemutusan hubungan kerja juga harus dipersiapkan seperti penyiapan pesangon. Selain itu, mutu produk sangat bergantung pada mutu angkatan kerja, banyak kerugian yang ditanggung perusahaan akibat terjadinya kesalahan atau kecelakaan kerja. 2. Penentuan Kapasitas. Penentuan kebutuhan kapasitas di masa mendatang bisa merupakan prosedur yang rumit, mengingat sebagian besar berdasarkan permintaan di masa mendatang. Bila permintaan barang atau jasa dapat diramalkan dengan ketepatan yang masuk akal atau perusahaan dapat mengelola permintaannya pada tingkat kapasitas tertentu maka perusahaan mengoptimalkan seluruh fasilitas produknya dengan efisien. Selanjutnya, hasil peramalan digunakan untuk membantu mengevaluasi kebutuhan kapasitas. Bila kapasitas tidak tepat akan muncul masalah-masalah seperti pengiriman tidak terjamin, kehilangan pelanggan, kehilangan pangsa pasar, dan yang paling fatal adalah hilangnya kepercayaan pelanggan terhadap perusahaan. 3. Supply Chain Management. Perusahaan tidak dapat memenuhi kebutuhannya sendiri, tingkat ketergantungan perusahaan pada perusahaan lain baik sebagai pemasok atau partner kerja sangat tinggi. Ketepatan kebutuhan yang diramalkan akan mempermudah kerja sama antar perusahaan. kebutuhan akan pasokan bahan baku dan penggunaan transportasi sangat menentukan kerja sama yang baik. Hubungan dengan pemasok yang baik dan keunggulan kerja yang terjamin untuk bahan baku dan suku cadang tergantung pada ramalan yang akurat.

5 Meramalkan Horizon Waktu Menurut Heizer dan Render (2010:163) peramalan biasanya diklasifikasikan menurut horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori: 1. Peramalan jangka pendek. Pada peramalan ini memiliki cakupan jangka waktu hingga satu tahun. Namun pada umumnya peramalan tersebut kurang dari 3 bulan. Pada peramalan jangka pendek ini biasa digunakan untuk merencanakan pembelian, jadwal kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. 2. Peramalan jangka menengah. Dalam peramalan jangka menengah atau intermediate, pada umumnya dalam cakupan hitungan bulanan hingga 3 tahun. Peramalan ini berguna dalam merencanakan kegiatan penjualan, kegiatan produksi, dan segala sesuatu yang berhubungan dengan kegiatan operasional. 3. Peramalan jangka panjang. Umumnya untuk perencanaan 3 tahun atau lebih. Perencanaan jangka panjang digunakan untuk merencanakan suatu inovasi dalam mengembangkan suatu produk, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang) dalam kegiatan perusahaan Jenis-jenis peramalan Didalam suatu perusahaan atau organisasi pada umumnya menggunakan tiga tipe dalam melakukan suatu peramalan dalam merencanakan suatu kegiatan operasi pada masa yang akan datang yang dipaparkan oleh Prasetya dan Lukiastuti (2009:44), yaitu : a. Peramalan Ekonomi Peramalan ekonomi adalah peramalan yang menjelaskan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang

6 12 dibutuhkan untuk membangun perumahan dan indikator perencanaan lainnya. Peramalan ini merencanakan indikator yang berguna membantu organisasi untuk menyiapkan peramalan jangka menengah hingga jangka panjang. b. Peramalan Teknologi Peramalan teknologi adalah peramalan yang memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. Peramalan ini biasanya memerlukan jangka waktu yang panjang dengan memperhatikan tingkat kemajuan teknologi. c. Peramalan Permintaan Peramalan permintaan adalah proyeksi permintaan untuk produk atau layanan suatu perusahaan yang mengendalikan produksi, kapasitas serta sistem penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran, dan sumber daya manusia. Peramalan ini meramalkan penjualan suatu perusahaan pada setiap periode dalam horizon waktu Berbagai Pendekatan dalam Peramalan Menurut Heizer dan Render dalam bukunya Manajemen Operasi (2009:167) menyatakan bahwa terdapat dua pendekatan umum untuk peramalan sebagaimana ada dua cara mengatasi semua model keputusan seperti yang akan dibahas secara etail dibawah ini: 1. Peramalan Kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variabel sebab-akibat untuk meramalkan permintaan. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgment atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya 2. Peramalan Subjektif atau Kualitatif (qualitative forecast) menggabungkan faktor, seperti intuisi, emosi, pengalaman pribadi dan sistem nilai pengambil

7 13 keputusan untuk meramal Metode Peramalan Kuantitatif Dalam buku Manajemen Operasi karangan Heizer dan Render (2010: ), metode - metode peramalan kuantitatif, terdiri dari : 1. Pendekatan Naif (Naive Method) Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk beberapa jenis produk, pendekatan naif (naive method) merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak, pendekatan naif memberikan titik awal untuk perbandingan dengan model lain yang lebih canggih. 2. Rata-Rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut : Permintaan dalam periode n sebelumnya Rata - rata bergerak = n dimana n adalah jumlah periode dalam rata-rata bergerak. 3. Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang terlalu cepat yang tidak biasa pada permintaan atau pola penjualan. Rata-rata bergerak dengan pembobotan akan digambarkan secara sistematis sebagai berikut.

8 14 Pembobotan rata - rata bergerak = (Bobot periode n)(permint aan dalam periode Bobot n) 4. Penghalusan Eksponential (Exponential Smoothing) Penghalusan Eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut : Peramalan Peramalan α (Permintaan sebenarnya periode = periode + baru terakhir peramalan periode terakhir) terakhir dimana α adalah sebuah bobot atau konstanta penghalusan yang dapat dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan rumus diatas juga dapat ditulis secara sistematis sebagai berikut. F t = F t-1 + α (A t-1 F t-1 ) dimana : F t = Peramalan baru F t-1 = Peramalan sebelumnya α = Konstanta penghalusan (pembobotan) (0 α 1) A t-1 = Permintaan aktual periode lalu 5. Penghalusan Eksponential dengan Penyesuaian Trend (Exponential Smoothing with Trend) Model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren ratarata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-rata dan β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponential dengan Penyesuaian Trend adalah sebagai berikut.

9 15 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 = konstanta penghalusan untuk rata-rata (0 α 1) β = konstanta penghalusan untuk rata-rata (0 β 1) 6. Proyeksi Trend (Linear Regression) Proyeksi Tren merupakan suatu metode peramalan yang mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa mendatang untuk peramalan jangka menengah atau jangka panjang. 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 = variable 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 a = - bx

10 16 dimana : = rata-rata nilai y x = rata-rata nilai x Metode Peramalan Kualitatif Metode peramalan kuantitatif merupakan metode yang didasarkan pada intuisi dan pandangan individu individu, penilaian orang yang melakukan dan tidak tergantung pada data data yang akurat (pengolahan data dan analisis data historis yang tersedia), metode ini digunakan untuk peramalan produk baru dimana tidak ada data historis. Teknik pada metode ini yang digunakan adalah teknik Delphi, Kurva Pertumbuhan, dll. Menurut Rangkuti (2005:63), secara umum pendekatan yang biasa dipakai di dalam metode peramalan kualitatif, yaitu : - Pendapat dari para eksekutif (jury of executive opinion). Metode ini menggunakan pendapat kelompok kecil para eksekutif untuk mengestimasikan besarnya permintaan. - Gabungan beberapa tenaga penjual (sales force composite). Metode ini merupakan gabungan pendapat beberapa orang tenaga penjual (sales person) dalam menentukan besarnya permintaan di wilayah meraka masing masing, kemudian hasilnya digabung untuk menentukan jumlah peramalan secara keseluruhan. - Metode Delphi. Metode ini menggunakan proses interaktif dengan melibatkan para eksekutif yang ditempatkan di beberapa tempat yang berbeda untuk membuat peramalan (forecasting). Ada tiga partisipan yang berbeda dalam proses ini, yaitu : para pengambil keputusan, staf pembantu, dan responden. Para pengambil keputusan umumnya terdiri dari lima sampai dengan sepuluh orang tenaga ahli. Tugas mereka adalah membuat actual forecast. Sedangkan staf pembantu bertugas membantu para pengambil keputusan dalam menyiapkan, mendistribusikan,

11 17 mengumpulkan, dan membuat kuisioner dan survei. Responden adalah sekelompok orang yang akan dimintai pendapatnya. Kelompok responden ini memberikan masukan dalam bentuk wawancara maupun pengisian kuisioner dalam rangka pengambilan keputusan pembuatan peramalan (forecasting). - Riset pasar (customer market survey). Metode ini banyak menggunakan masukan yang diperoleh dari pelanggan atau pelanggan yang potensial, sesuai dengan rencana pembelian pelanggan di masa yang akan datang. Semua informasi yang diperoleh dari pelanggan ini sangat bermanfaat, tidak hanya untuk membuat perkiraan besarnya permintaan, tetapi juga untuk memperbaiki desain produk serta perencanaan pengembangan produk baru Menghitung Kesalahan Peramalan Akurasi keseluruhan dari setiap model peramalan rata-rata bergerak, penghalusan eksponensial, atau lainnya dapat dijelaskan dengan membandingkan nilai yang diramal dengan nilai aktual atau nilai yang sedang diamati. Jika F t melambangkan peramalan pada periode t, dan At melambangkan permintaan aktual pada periode t, maka kesalahan peramalannya (deviasinya) adalah sebagai berikut. Kesalahan peramalan = Permintaan aktual Nilai peramalan = At - Ft Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan total. Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan berjalan dengan baik. Tiga dari perhitungan yang paling terkenal adalah deviasi mutlak rerata (Mean absolute Aviation MAD), kesalahan kuadrat rerata (Mean Square errror MSE), dan kesalahan persen mutlak rerata (Mean absolute percent error MAPE).

12 18 Mean Absolute Deviation Ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model adalah MAD. Nilai ini dihitung dengan mengambil jumlah nilai absolut dari setiap kesalahan peramalan dibagi dengan jumlah periode data (n). MAD = Aktual Peramalan n Mean Squared Error merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan diamati. Berikut rumusnya : MSE= (Kesalahan peramalan ) 2 n Mean Absolute Percent Error Masalah yang terjadi dengan MAD dan MSE adalah nilai mereka tergantung pada besarnya hal yang diramalkan. Jika unsur tersebut dihitung dalam satuan ribuan, maka nilai MAD dan MSE dapat menjadi sangat besar. Untuk menghindari masalah ini, kita dapat menggunakan mean absolute percent error (MAPE). MAPE dihitung sebagai rata-rata diferensiasi absolut antara nilai yang diramalkan dan aktual, dinyatakan sebagai persentase nilai aktual. Jika kita memiliki nilai yang diramal dan aktual n periode, MAPE dihitung sebagai berikut : MAPE = Kesalahan persen absolut n Pengertian Persediaan Menurut teori dari dari beberapa para ahli, persediaan memiliki beberapa arti. Berikut adalah pengertian persediaan dari para ahli : Menurut Pardede Pontas M. (2005:412), persediaan adalah sejumlah bahan baku atau barang yang tersedia untuk digunakan sewaktu-waktu di masa yang akan datang.

13 19 Menurut Rangkuty (2004:1), persediaan adalah bahan-bahan, bagian yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi permintaan dari konsumen atau pelanggan setiap waktu. Menurut Herjanto (2007), persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau untuk suku cadang dari peralatan atau mesin. Dari pengertian beberapa para ahli tentang persediaan, maka dapat ditarik kesimpulan bahwa persediaan adalah sejumlah sumber daya yang diperlukan oleh perusahaan baik barang mentah, barang setengah jadi, maupun barang jadi yang siap digunakan oleh perusahaan dalam memenuhi kebutuhan pasar yang disimpan dan dirawat oleh perusahaan sebelum barang sampai kepada konsumen Fungsi Persediaan Menurut Heizer dan Render (2009:82), persediaan memiliki 4 fungsi yang berguna bagi kelangsungan operasional dalam perusahaan: a. Decouple atau memisahkan beberapa tahapan dari proses produksi. Sebagai contoh, jika perusahaan berfluktuasi, persediaan tambahan mungkin perlu melakukan decouple proses produksi dari pemasok. b. Melakukan decouple perusahaan dari fluktuasi permintaan dan menyediakan persediaan barang-barang yang akan memberikan pilihan bagi pelanggan. Persediaan seperti ini digunakan secara umum pada bisnis eceran. c. Mengambil keuntungan dari diskon kuantitas karena pembelian dalam jumlah besar dapat mengurangi biaya pengiriman barang. d. Melindungi terhadap inflasi dan kenaikan harga.

14 Jenis Persediaan Di dalam persediaan terdapat berbagai macam jenis-jenis persediaan. Persediaan jenisnya dapat dibedakan menurut Assauri (2004:171) sebagai berikut : 1. Persediaan bahan baku (Raw Material Stock) Persediaan dari barang-barang berwujud yang digunakan dalam proses produksi, barang mana dapat diperoleh dari sumber-sumber alam ataupun dibeli dari suplier atau perusahaan yang menghasilkan bahan baku bagi perusahaan pabrik yang menggunakan nya. 2. Persediaan bagian produk (Purchased part) Persediaan barang-barang yang terdiri dari part atau bagian yang diterima dari perusahaan lain, yang dapat secara langsung diassembling dengan part lain, tanpa melalui proses produksi sebelumnya. 3. Persediaan bahan-bahan pembantu atau barang-barang perlengkapan (Supplies stock) Persediaan barang-barang atau bahan-bahan yang diperlihatkan dalam proses produksi untuk membantu berhasilnya produksi atau yang dipergunakan dalam bekerjanya suatu perusahaan, tetapi tidak merupakan bagian atau komponen dari barang jadi. 4. Persediaan barang setengah jadi atau barang dalam proses (Work in process / progress stock) Persediaan barang-barang yang keluar dari tiap-tiap bagian dalam satu pabrik atau bahan-bahan yang telah diolah menjadi suatu bentuk, tetapi lebih perlu diproses kembali untuk kemudian menjadi barang jadi. 5. Persediaan barang jadi (Finished goods stock) Barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap untuk dijual kepada pelanggan atau perusahaan lain.

15 Biaya-Biaya Persediaan Biaya-biaya persediaan yang harus dipertimbangkan menurut Rangkuty (2004:16) adalah sebagai berikut: 1. Biaya Penyimpanan (Holding Cost/Carring cost) yaitu terdiri dari biaya-biaya yang bervariasi secara langsung dengan kuantitas persediaan, biaya penyimpanan per periode akan semakin besar apabila kuantitas bahan yang dipesan semangkin banyak atau rata-rata persediaan semangkin tinggi. Biaya-biaya yang termasuk sebagai biaya penyimpanan antara lain : a. Biaya fasilitas-fasilitas penyimpanan (termasuk penerangan, pendingin ruangan, dan sebagainya) b. Biaya modal (Opportunity cost of capital), yaitu alternatif pendapatan atas dana yang di investasikan dalam persediaan. c. Biaya keusangan. d. Biaya perhitungan fisik e. Biaya asuransi persediaan f. Biaya pajak persediaan g. Biaya pencuriaan, pengerusakan atau perampokan h. Biaya penanganan persediaan dan sebagainya. 2. Biaya pemesanan atau pembeliaan(ordering cost atau procrunement cost). Biaya biaya yang dimaksud ini meliputi: a. Pemroresan pesanan dan biaya ekspedisi b. Upah c. Biaya telepon d. Pengeluaran surat-menyurat e. Biaya pengepakan dan penimbangan f. Biaya pemeriksaan (inspeksi) penerimaan g. Biaya pengiriman ke gudang

16 22 h. Biaya utang lancar dan sebagainya. 3. Biaya penyiapan (manufacturing) atau set up cost.hal ini terjadi apabila bahan-bahan tidak dibeli, tetapi diproduksi sendiri dalam pabrik perusahaan, perusahaan menghadapi biaya penyiapan(set up cost) untuk memproduksi komponen tertentu. Biaya-biaya ini terdiri dari : a. Biaya-biaya mesin-mesin menganggur b. Biaya persiapan tenaga kerja langsung c. Biaya penjadwalan d. Biaya ekspedisi dan sebagainya 4. Biaya kehabisan atau kekurangan bahan (shortage cost) adalah biaya yang timbul apabila persediaan tidak mencukupi adanya permintaan bahan. Biaya-biaya yang termasuk biaya yang kekurangan bahan adalah sebagai berikut: a. Kehilangan penjualan b. Kehilangan pelanggan c. Biaya pemesanan khusus d. Biaya ekspedisi e. Selisih harga f. Terganggunya operasi g. Tambahan pengeluaran kegiatan manajerial dan sebagainya Analisis Persediaan ABC Analisis ABC adalah metode dalam manajemen persediaan (inventory management) untuk mengendalikan sejumlah kecil barang, tetapi mempunyai nilai investasi yang tinggi. Analisis ABC didasarkan pada sebuah konsep yang dikenal dengan nama Hukum Pareto (Ley de Pareto), dari nama ekonom dan sosiolog Italia, Vilfredo Pareto ( ). Hukum Pareto menyatakan bahwa sebuah grup selalu memiliki persentase terkecil (20%) yang bernilai atau memiliki dampak terbesar (80%). Pada tahun 1940-an, Ford Dickie dari General Electric mengembangkan

17 23 konsep Pareto ini untuk menciptakan konsep ABC dalam klasifikasi barang persediaan. Berdasarkan hukum Pareto, analisis ABC dapat menggolongkan barang berdasarkan peringkat nilai dari nilai tertinggi hingga terendah, dan kemudian dibagi menjadi kelas-kelas besar terprioritas; biasanya kelas dinamai A, B, C, dan seterusnya secara berurutan dari peringkat nilai tertinggi hingga terendah, oleh karena itu analisis ini dinamakan Analisis ABC. Umumnya kelas A memiliki jumlah jenis barang yang sedikit, namun memiliki nilai yang sangat tinggi. Seperti yang dipaparkan oleh Sutarman (2003: ) dalam melakukan pembagian menggunakan tiga kelas, yaitu: A, B, dan C, di mana besaran masingmasing kelas ditentukan sebagai berikut: 1. Kelas A, merupakan barang-barang dalam jumlah unit berkisar 15-20% dari total seluruh barang, tetapi merepresentasikan 75-80% dari total nilai uang. 2. Kelas B, merupakan barang-barang dalam jumlah unit berkisar 20-25% dari total seluruh barang, tetapi merepresentasikan 10-15% dari total nilai uang. 3. Kelas C, merupakan barang-barang dalam jumlah unit berkisar 60-65% dari total seluruh barang, tetapi merepresentasikan 5-10% dari total nilai uang. Pengelompokkan dengan menggunakan prinsip ini akan membantu seseorang untuk bekerja lebih fokus pada item-item yang bernilai tinggi (grup A) dan memberikan kontrol yg secukupnya untuk item-item yang bernilai rendah (grup C). Prinsip ABC ini bisa digunakan dalam pengelolaan pembelian, stok barang, penjualan, dsb. Prinsip pengelompokan ABC adalah : Menurut Gaspersz (2012: ) analisis ABC sering dikenal dengan prinsip 80-20, atau hukum pareto di mana sekitar 80% dari nilai total inventory diwakilkan oleh 20% item inventory. Penggunaan analisis ABC adalah untuk menetapkan:

18 24 1. Frekuensi cycle counting, dimana setiap item kelas A harus diuji lebih sering dalam hal akurasi catatan inventory dibandingkan dengan item kelas B dan C. 2. Prioritas engineering, dimana item-item kelas A dan B memberikan petunjuk pada bagian engiineering dalam meningkatkan program redukasi biaya ketika mencari item-item tertentu yang perlu difokuskan. 3. Prioritas pembelian (perolehan), dimana setiap aktivitas pembelian seharusnya difokuskan pada bahan-bahan baku bernilai tinggi dan penggunaan dalam jumlah tinggi fokus pada item kelas A untuk sourching dan negoisasi. 4. Keamanan, meskipun nilai biaya per unit merupakan indikator yang lebih baik dibandingkan nilai penggunaan, namun analisis ABC boleh digunakan sebagai indikator dari item-item mana (kelas A dan B) yang harusnya lebih aman disimpan dalam ruangan terkunci untuk mencegah kehilangan, kerusakan, dan pencurian. 5. Sistem pengisian kembali (replenishment system), di mana klasifikasi ABC akan membantu mengidentifikasi metode pengendalian yang digunakan. Akan ekonomis apabila mengendalikan item-item kelas C dengan simple two-bin system of replenishment dan metode-metode yang lebih canggih untuk item kelas A dan B. 6. Keputusan investasi, karena item-item kelas A menggambarkan investasi yang lebih besar dalam inventory, maka perlu lebih berhati-hati dalam mengambil keputusan tentang kuantitas pesanan dan stok pengaman untuk item-item kelas A dibandingkan terhadap item-item kelas B dan C. Besaran masing-masing kelas di atas akan membentuk suatu kurva sebagaimana terlihat pada Gambar 1 di bawah ini.

19 25 Sumber: Kusnadi, 2009, p. 9 Gambar 2.1. Kurva Analisis ABC Adapun langkah-langkah atau prosedur klasifikasi barang dalam analisis ABC adalah sebagai berikut: 1. Menentukan jumlah unit untuk setiap tipe barang. 2. Menentukan harga per unit untuk setiap tipe barang. 3. Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai uang dari masing-masing tipe barang. 4. Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan urutan pertama tipe barang dengan total nilai uang paling besar. 5. Menghitung persentase kumulatif barang dari banyaknya tipe barang. 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 analisis ABC (bagan Pareto) atau menunjuk tingkat kepentingan masalah. Dengan analisis ABC, kita dapat melihat tingkat kepentingan masalah dari suatu barang. Dengan begitu, kita dapat melihat barang mana saja yang perlu diberikan perhatian terlebih dahulu.

20 Model Economic Order Quantity (EOQ) Ada beberapa teori para ahli yang memaparkan pengertian mengenai Economic Order Quantity (EOQ), antara lain: Menurut Heizer dan Render (2009:92), EOQ adalah sebuah teknik kontrol persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasarkan pada beberapa asumsi: a. Jumlah permintaan diketahui, konstan, dan independen. b. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. c. Penerimaan persediaan bersifat instan dan selesai seluruhnya. d. Tidak tersedia diskon kuantitas. e. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan dan membawa) f. Kehabisan atau kekurangan persediaan dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat. Seperti yang telah dipaparkan oleh Pardede, Pontas M (2005:422), ia menyatakan bahwa Economic Order Quantity (EOQ) menunjukkan sejumlah barang yang harus dipesan untuk tiap kali pemesanan agar biaya sediaan keseluruhan menjadi sekecil mungkin. Model Economic Order Quantity (EOQ) ini adalah salah satu teknik pengendalian persediaan yang paling tua dan paling dikenal secara luas (Heizer & Render, 2006:68). Teknik ini relatif mudah untuk digunakan tetapi didasarkan pada beberapa asumsi, seperti : a. Hanya satu item barang (produk) yang diperhitungkan b. Permintaan yang bersifat diketahui, tetap, dan bebas c. Lead time yaitu, waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. d. Penerimaan persediaan bersifat seketika dan lengkap. Dengan kata lain, persediaan dari sebuah pesanan tiba dalam satu batch sekaligus. e. Diskon (potongan harga) karena kuantitas tidak memungkinkan f. Biaya variabel yang ada hanyalah biaya pengaturan atau

21 27 pemesanan (biaya setup) dan biaya penyimpanan atau penggudangan persediaan. g. Kosongnya persediaan (kekurangan) dapat dihindari sepenuhnya jika pemesanan dilakukan pada waktu yang tepat EOQ akan terjadi apabila biaya pemesanan = biaya penyimpanan. Berikut adalah rumus untuk menghitung EOQ : Keterangan : D = Jumlah Kebutuhan Barang (unit / tahun) S = Biaya Pemesanan atau Biaya Setup (rupiah / pesanan) H = Biaya Penyimpanan (rupiah / unit / tahun) Q* = Jumlah Pemesanan (unit / pesanan) Titik Pemesanan Ulang (Reorder Point) Ada beberapa pendapat dari para ahli mengenai pengertian reorder point (ROP) antara lain: Menurut Heizer dan Render (2009:99), ROP adalah titik pemesanan ulang adalah tingkat atau titik persediaan dimana tindakan harus diambil untuk mengisi kembali persediaan barang. Menurut Rangkuty (2004:83), ROP adalah titik pemesanan yang harus dilakukan suatu perusahaan sehubungan dengan adanya lead time dan safety stock. Menurut Gasperz (2004:291), tarik dari ROP menimbulkan cash loading input ke setiap tingkat adalah output dari tingkat atau tahap sebelumnya

22 28 sehingga menyebabkan saling ketergantungan diantara tingkat-tingkat dalam sistem distribusi. Gambar 2.2 Siklus Pemesanan Persediaan Ada beberapa faktor yang mempengaruhi ROP antara lain: a. Lead time. b. Tingkat pemakaian bahan baku rata-rata per satuan waktu tertentu. c. Safety stock. Persamaan matematis untuk menghitung ROP mengasumsikan permintaan selama waktu tunggu dan waktu tunggu itu sendiri adalah konstan. Ketika kasusnya tidak seperti ini, persediaan tambahan yang sering disebut persediaan pengaman haruslah ditambah. Persamaannya menjadi: d = ROP = (d x L) + SS

23 29 Dimana: ROP = reorder point d = permintaan per hari L = lead time SS = safety stock

24 Kerangka Pemikiran PT. Central Karya Sentosa Peramalan Penjualan (Forecasting) Pengendalian Persediaan (Inventory) Naive Method Exponential Smoothing Exponential Smoothing With Trend Moving Averages Weighted Moving Averages Linear Regression Analisis ABC (Activity Based Costing Analysis) Volume Persediaan yang Akurat MAD dan MSE Economic Order Quantity (EOQ) Metode Peramalan yang dipilih Implikasi Hasil Keputusan

25 Literatur Review Metode Judul Jurnal Hasil Forecasting The transition from a judgmental to an integrative method in demand forecasting Departemen peramalan melibatkan departemen fungsional dalam prosedur pembuatan model peramalan melalui menggunakan metode prototyping. Persediaan (inventory) ABC Classification: Service Levels and Inventory Costs Kriteria biaya dapat diterapkan dengan menggunakan langkah-langkah sederhana berikut ini. Bagilah stockkeeping units ke dalam kelas A, B, dan seterusnya. Hasil penelitian kami menunjukkan bahwa penggunaan meningkatkan ukuran kelas dari 20%, 30% dan 50% untuk tiga kelas dan 4%, 7%, 10%, 16%, 25% dan 38% selama enam kelas bekerja dengan baik. Memperbaiki tingkat layanan siklus untuk setiap kelas, di mana A harus memiliki tingkat pelayanan tertinggi, diikuti oleh B, dan seterusnya. Persediaan (EOQ) On The Optimality of The Multi-Porduct EOQ Model with Pricing Consideration Secara khusus, jika permintaan relatif inelastis harga atau volume permintaan relatif kecil, solusi optimal yang unik tidak ada. ketika optimalitas umum tidak berkelanjutan, menambahkan kendala mungkin tidak berkontribusi untuk menemukan solusi optimal. Persediaan Aplikasi Analisis Analisis ABC berdasarkan investasi

26 32 (inventory) Analisis ABC Peramalan (Forecasting) Pareto Dalam Pengendalian Inventori Bahan Baku Pada Bisnis Restoran Peramalan Produksi Roti Menggunakan Metode Trend Musiman (Studi Kasus Pabrik Roti Mr.Bread Bantargebang, Bekasi) mengelompokan persediaan menjadi tiga klasifikasi pada basis volume keuangan tahunan. Dengan analisis ABC berdasarkan investasi dapat diketahui bahan baku mana saja yang memiliki nilai investasi yang tinggi, sedang, atau rendah. Kelompok A adalah kelompok bahan baku tersebut mungkin hanya 15% dari jumlah barang persediaan bahan baku tetapi mencakup 70% sampai dengan 80% dari total nilai keuangan tahunan. Kelompok B adalah kelompok bahan ini 30% dari jumlah barang persediaan bahan baku dan mencakup 15% sampai dengan 25% dari total nilai keuangan tahunan. Kelompok barang C, yaitu kelompok bahan baku yang memiliki hanya sekitar 5% saja dari total nilai keuangan tahunan, tetapi meliputi sekitar 55% dari total persediaan bahan baku. Untuk memproduksi banyak barang dari bahan yang hampir sama, pabrik harus mengetahui prediksi penjualan yang akan datang agar tidak ada barang yang tidak terjual sehingga keuntungannya bisa optimal.

27 33