BAB V HASIL PENELITIAN DAN PEMBAHASAN Implementasi Supply Requirement Planning (SR Planning) dan Logistic

Transkripsi

1 78 BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1. Implementasi Supply Requirement Planning (SR Planning) dan Logistic Support Performance pada Logistic DC divisi Domestic Market-CP Prima Implementasi Supply Requirement Planning (SR Planning) pada Logistic CP Prima. Proses implementasi perencanaan Supply Requirement Planning (SR Planning) pada perusahaan berorientasi pada penentuan tingkat jumlah stok Product jadi (finished goods Product) yang akan dikirim atau disuplai (Stock to be Deliver point) dengan mengacu pada kebutuhan nasional (National order booking) yaitu Kebutuhan ini berdasarkan kebutuhan seluruh cabang untuk memenuhi estimasi Monthly sales target yang disesuaikan dengan memperhitungkan tingkat inventory (Opening Stock dan Stock policy) dari masing-masing cabang dan National-DC Warehouse. SR Planning berdasarkan formulasi matematis tersebut menjelaskan bahwa elemen-elemen pada pembentukan SR Planning terdiri dari faktor-faktor sebagai berikut: a. National Sales Forecast (Ramalan Penjualan Nasional). b. National order booking (Estimasi kebutuhan permintaan Nasional). c. Buffer Stock Estimate (Estimasi kebutuhan Buffer Stock). d. Inventory average of Processing Plant (rata-rata persediaan plant proses/produksi).

2 79 e. Inventory average of DC Plant (rata-rata persediaan plant Logistik). f. Realisatios of Supply (tingkat realisasi suplai). a) National order booking Selama periode sampel penelitian didapatkan rata-rata jumlah National order booking berada pada point 299, Kg (2.99 MT) atau 102% dari nilai National Sales Forecast, dimana nilai prosentase tertinggi National order booking pada periode tersebut terjadi di periode Juli 2014 yaitu 128% dari nilai Sales Forecast (point of Demand Planning), nilai National order booking yang lebih besar dari jumlah Sales Forecast umumnya disebabkan oleh adanya kebijakan Buffer Stock yang cukup besar dari cabang sehingga kebutuhan stok yang direncanakan akan diorder melebihi nilai estimasi Sales Forecast awal. Nilai terendah National order booking pada periode tersebut terjadi di periode Februari 2016 yaitu 69% dari nilai Sales Forecast (point of Demand Planning), adapun nilai National order booking yang lebih kecil dari jumlah Sales Forecast umumnya disebabkan oleh adanya jumlah stok/persediaan awal di cabang yang masih cukup besar, sehingga stok awal tersebut akan mengurangi kebutuhan dari stok yang direncanakan akan diorder dengan estimasi Sales Forecast awal. Adapun terkait realisasi daripada pencapaian atau aktual dari National Order Booking selama periode sampel penelitian (Januari 2014 s/d Juni 2016) dapat ditunjukan dengan data pada tabel berikut ini :

3 80 Tabel 5.1.National order booking Estimate Vs Actual Order Booking Periode National Order Booking Estimate Actual National Order Booking error Jan ,202 75,816 (37,386) 37,386 33% 67% Feb ,202 88,295 (24,907) 24,907 22% 78% Mar ,075 94,266 (35,810) 35,810 28% 72% Apr , ,133 (7,134) 7,134 5% 95% May , ,859 (59,330) 59,330 34% 66% Jun , ,716 (48,233) 48,233 26% 74% Jul , ,012 (280,707) 280,707 66% 34% Aug , ,480 (280,239) 280,239 66% 34% Sep , ,074 (79,256) 79,256 36% 64% Oct , ,878 (136,554) 136,554 46% 54% Nov , ,300 (119,059) 119,059 40% 60% Dec , ,547 (93,392) 93,392 31% 69% Jan , ,289 (127,480) 127,480 39% 61% Feb , ,258 (60,761) 60,761 25% 75% Mar , ,414 (216,913) 216,913 51% 49% Apr , ,215 (209,112) 209,112 49% 51% May , ,099 (13,065) 13,065 5% 95% Jun , ,321 (2,553) 2,553 1% 99% Jul , ,560 28,641 28,641 13% 113% Aug , ,601 (12,959) 12,959 4% 96% Sep , ,665 (104,660) 104,660 26% 74% Oct , ,294 (136,031) 136,031 33% 67% Nov , ,217 (42,860) 42,860 12% 88% Dec , ,475 53,917 53,917 16% 116% Jan , ,450 (111,971) 111,971 27% 73% Feb , ,390 27,713 27,713 10% 110% Mar , ,130 (59,881) 59,881 16% 84% Apr , ,279 (2,429) 2,429 1% 99% May , ,150 49,500 (49,500) -14% 114% Jun , , , ,841 40% 140% Mean 299, ,789 (66,702) 83,510 26% 79% Sumber :SR PlanningDatabase yang diolah (2016) Absolute Error % Absolute Error Estimate Accuracy (%) Tabel 5.1. memberikan informasi bahwa selama periode Januari 2014 s/d Juni 2016 rata-rata ketepatan dalam perkiraan permintaan barang ke Dc sebesar 79% dengan rata-rata persentase kesalahan estimasi mutlak sebesar 26%. Natioal Order Booking Estimate tidaklah hanya diukur dari sejauh mana permintaan aktual mencapai target penjualan yang diinginkan, tetapi selain dari pada itu,

4 81 keberhasilan dari pada National order booking Estimate juga diukur dari seberapa tepat perhitungann Estimasi tersebut memprediksi secara cermat dan tepat terhadap aktual permintaan yang terjadi dalam periode tersebut. Perhitungan estimasi yang akurat akan memberikan informasi yang tepat dalam proses dan strategi perencanaan suplai (Supply Planning) yang di hitung dalam Model SR Planning. b) National Sales Forecast (Ramalan Penjualan Nasional). SR Planning pada implementasinya di rancang dan disusun untuk memperhitungkan tingkat stok baik pada proses produksi, suplai, maupun pencadangannya sehingga ketersediaan stok yang ada akan mampu mendukung proses dan pencapaian penjualan yang terjadi dengan acuan awal adalah tingkat peramalan penjualan nasional (National Sales Forecast). Indikator keberhasilan dari peramalan penjualan tidaklah hanya diukur dari sejauh mana penjualan aktual mencapai target penjualan yang diinginkan, tetapi selain daripada itu, keberhasilan dari pada peramalan penjualan juga diukur dari seberapa tepat peramalan tersebut memprediksi secara cermat dan tepat terhadap penjualan yang terjadi dalam periode tersebut. Peramalan yang akurat akan memberikan informasi yang tepat dalam proses dan strategi perencanaan suplai (Supply Planning) dan perencanaan produksi (Productions Planning) yang di hitung dalam Model SR Planning. Prinsipnya nilai daripada ramalan penjualan (Sales Forecast) adalah merupakan nilai acuan sebagai rencana permintaan (Demand Planning), dan SR Planning adalah bentuk rencana tanggapan sebagai rencana suplai guna memenuhi rencana dan estiamasi permintaan tersebut.

5 82 Sehingga keduanya merupakan dua point yang saling berkaitan sebagai fungsi perencanaan (Planning Fungtions). Berikut adalah data National Sales Forecast (Peramalan Penjualan Nasional) dibandingkan dengan data aktual penjualan selama periode sampel yang dipakai dalam penelitian (Januari 2014 s/d Juni 2016), pada Tabel berikut juga di jelaskan tingkat error dari proses peramalan penjualan (Sales Forecast) dan tingkat keakuratanya (Sales Forecast Accuracy) terhadap aktual penjualan yang terjadi pada periode tersebut. Tabel 5.2. National Sales Forecast Vs Actual Sales Forecast Periode National_Sales Forecast (Demand Planing) Actual Sales_National( Actual Demand) error Absolute Error %Absolute Error Forecast Accuracy (%) Jan ,735 49,335 (56,400) 56,400 53% 47% Feb ,735 70,843 (34,893) 34,893 33% 67% Mar ,065 68,553 (53,512) 53,512 44% 56% Apr ,121 88,402 (32,719) 32,719 27% 73% May ,461 92,594 (70,866) 70,866 43% 57% Jun , ,189 (66,332) 66,332 39% 61% Jul , ,356 (232,315) 232,315 69% 31% Aug , ,552 (227,119) 227,119 68% 32% Sep , ,541 (100,020) 100,020 49% 51% Oct , ,025 (149,088) 149,088 56% 44% Nov , ,061 (148,402) 148,402 55% 45% Dec , ,281 (121,343) 121,343 45% 55% Jan , ,382 (140,432) 140,432 48% 52% Feb , ,515 (90,257) 90,257 40% 60% Mar , ,451 (184,138) 184,138 53% 47% Apr , ,586 (215,586) 215,586 57% 43% May , ,671 (130,008) 130,008 40% 60% Jun , ,238 (102,829) 102,829 32% 68% Jul , ,992 (58,087) 58,087 25% 75% Aug , ,615 (135,429) 135,429 39% 61% Sep , ,714 (198,208) 198,208 48% 52% Oct , ,721 (219,201) 219,201 53% 47% Nov , ,101 (161,642) 161,642 43% 57% Dec , ,256 (68,421) 68,421 20% 80% Jan , ,285 (221,388) 221,388 52% 48% Feb , ,173 (182,806) 182,806 46% 54% Mar , ,327 (134,165) 134,165 35% 65% Apr , ,370 (161,885) 161,885 42% 58% May , ,997 (142,997) 142,997 33% 67% Jun , ,460 (108,533) 108,533 25% 75% Mean 298, ,586 (131,634) 131,634 44% 56% Sumber :SR PlanningDatabase yang diolah (2016)

6 83 Data pada Tabel 5.2. berikut ini memberikan informasi bahwa selama periode Januari 2014 s/d Juni 2016 rata-rata keakuratan peramalan penjualan (Sales Forecast Accuracy) berada pada prosetase 56% dengan rata-rata prosentase kesalahan mutlak (Mean Absolute Error Percente) sebesar 44%. Dengan rata-rata ketidaktercapaian ramalan penjualan dari yang direncanakan adalah sebesar 131 MT ( Kg). Rata-rata Forecast Accuracy selama periode Januari 2014 s/d Juni 2016 Forecast Accuracy hanya berada pada prosentase 56% hal tersebut tidak hanya menggambarkan adanya kekurang akuratan dalam perhitungan peramalan penjualan (Sales Forecast) tetapi juga menunjukan pencapaian penjualan (Sales Achievement) belum ada yang mencapai target sesuai nilai yang diramalkan sehingga terjadi gap antara nilai peramalan penjualan dengan nilai aktual penjualan pada periode tersebut, maka dari informasi ini manajemen selain melakukan evaluasi terhadap metode peramalan juga harus melakukan evaluasi dan perbaikan strategi pada proses penjualan, terkait hal tersebut maka sesuai batasan penelitian maka permaslahan terkait strategi proses penjualan dan evaluasi peramalan penjualan tidak akan dianalisis lebih jauh pada penelitian ini. c) Buffer Stock Estimate (Estimasi kebutuhan Buffer Stock) Implementasi dari proses penentuan nilai Buffer Stock Estimate pada SR Planning Model CP Prima umumnya ditentukan sebagai prosentase estimasi stok pengaman dari Sales Forecast volume. Adapun rata-rata pada periode implementasi SR Planning yang dijadikan sample pada penelitian ini menunjukan rata-rata prosentase volume dari Buffer

7 84 Stock Estimate berada pada prosentase 46 % dari volume Sales Forecast. dimana nilai prosentase tertinggi Buffer Stock Estimate pada periode tersebut terjadi di periode April 2016 yaitu 118% dari nilai Sales Forecast (point of Demand Planning), nilai Buffer Stock Estimate yang lebih besar dari jumlah Sales Forecast umumnya disebabkan oleh adanya penyesuaiaan strategi kebijakan stok yang di sesuaikan dengan kondisi performance atau estimasi penjualan yang cukup besar (optimism sales performance) sehingga kebutuhan stok yang direncanakan akan diorder melebihi nilai estimasi Sales Forecast awal. Nilai terendah Buffer Stock pada periode tersebut terjadi di periode May 2014 yaitu 19% dari nilai Sales Forecast (point of Demand Planning), adapun nilai Buffer Stock Estimate yang lebih kecil dari jumlah Sales Forecast umumnya disebabkan juga oleh adanya penyesuaiaan strategi kebijakan stok yang di sesuaikan dengan kondisi performance atau estimasi penjualan yang cukup rendah (pesimism sales performance) sehingga kebutuhan stok yang direncanakan akan di Buffer nilainya tidak signifikan dari estimasi Sales Forecast awal. Gambar 5.1.Buffer Stock Vs National Sales Forecast Sumber :SR PlanningDatabase yang diolah

8 85 Gambar 5.1. merupakan gambaran daripada proporsi antara Buffer Stock dengan tingkat peramalan penjualan (Sales Forecast), dimana berdasarkan data SR Planning periode Januari 2014 s/d Juni 2016 menunjukan bahwa rata-rata proporsi Buffer Stock yang berfungsi sebagai stok cadangan atau pengaman terhadap adanya fluktuasi tingkat permintaan aktual sebesar 46% yang berarti stok cadangan/pegaman disiapkan sebesar 0,46 kali dari rencana penjualan. d) Inventory average of Processing Plant (rata-rata persediaan plant proses/produksi). Tabel 5.3. Average Inventory of Processing Plant Periode National Sales Forecast (Demand Planing) Opening Stock in Processing Plant Ending Stock in Processing Plant Average Inventory (%) Average Inventory in Processing Plant of Demand Planing Jan ,735 44,632 44,632 44,632 42% Feb ,735 44, ,290 81,961 78% Mar , , , , % Apr , , , ,722 98% May , ,679 95, ,519 61% Jun ,521 95, , ,880 61% Jul , , , ,400 34% Aug , ,400 96, ,661 31% Sep ,562 96, , ,550 60% Oct , , , ,104 60% Nov , , , ,290 73% Dec , , , ,546 63% Jan , , , ,162 48% Feb , , , ,343 66% Mar , , , ,794 38% Apr , ,682 63,969 90,325 24% May ,680 63,969 84,081 74,025 23% Jun ,067 84,081 53,214 68,647 22% Jul ,079 53,214 56,374 54,794 24% Aug ,044 56,374 60,673 58,524 17% Sep ,922 60,673 60,673 60,673 15% Oct ,922 60,673 43,788 52,231 13% Nov ,743 43,788 85,839 64,814 17% Dec ,677 85,839 43,402 64,621 19% Jan ,673 43,402 93,037 68,220 16% Feb ,979 93, , ,323 30% Mar , , , ,200 42% Apr , , , ,265 50% May , , , ,738 47% Jun , , , ,673 40% Max 436, , , , % Min 105,735 43,402 43,402 44,632 13% Average 298, , , ,139 44% Stdev 105,416 51,124 49,907 47,129 24% Sumber : data SR Planing yang diolah (2016)

9 86 Opening Stock Processing Plant rata rata Opening Stock Processing Plant (stok awal Plant proses) pada periode penelitian adalah sebesar 42% dari volume Sales Forecast. Adapun rata-rata persedian pada plant produksi adalah rata-rata tingkat persedian awal (Opening Stock) dan stok akhir (Ending Stock) plant produksi. Rata-rata persediaan ini juga merupakan bagian yang dipertimbangkan atau diperhitungkan dalam perancangan dan penyusunan SRPlanning. Data pada Tabel 5.3. menunjukan rata-rata persediaan di plant produksi (Inventory Average of Processing Plant) selama periode sample penelitian berada pada point 112,13 MT atau rata-rata 44% dari nilai peramalan penjualan nasional (National Sales Forecast). e) Inventory average of DC (rata-rata persediaan Plant Logistik-DC CWH) Opening Stock DC rata-rata yang terjadi pada periode penelitian adalah sebesar 58 % dari nilai prosentase volume Sales Forecast. Semakin besar volume dari stok awal DC-CWH maka semakin kecil kebutuhan akan stok yang akan disuplai dari Plant proses ke Plant Logistik DC-CWH (point of Supply Planning), demikian sebaliknya. Adapun rata-rata persedian pada plant logistik (Logistic DC-CWH) adalah rata-rata tingkat persedian awal (Opening Stock) dan stok akhir (Ending Stock) plant logistik (Logistic DC-CWH). Sama halnya dengan rata-rata persedian pada plant produksi maka rata-rata persediaan pada plant logistik juga merupakan bagian yang dipertimbangkan atau diperhitungkan dalam perancangan dan penyusunan SR Planning, dimana stok awal pada plant logistik merupakan faktor pengurang pada tingkat suplai yang akan direncanakan (Supply Planning).

10 87 Tabel 5.4.Inventory Average of DC Plant Periode National Sales Forecast (Demand Planing) Opening Stock DC- CWH Ending Stock in DC-CWH Inventory Average of DC % Inventory Average in DC of Demand Planing Jan ,735 49,713 49,713 49,713 47% Feb ,735 49,713 66,989 58,351 55% Mar ,065 66,989 71,349 69,169 57% Apr ,121 71,349 70,765 71,057 59% May ,461 70,765 72,564 71,664 44% Jun ,521 72,564 67,514 70,039 41% Jul ,671 67,514 67,514 67,514 20% Aug ,671 67, , ,353 34% Sep , , , ,908 76% Oct , , , ,072 51% Nov , , , ,638 52% Dec , , , ,556 61% Jan , , , ,181 60% Feb , , , ,639 75% Mar , , , ,309 53% Apr , , , ,979 48% May , ,610 97, ,475 39% Jun ,067 97, , ,395 60% Jul , , , , % Aug , , , ,202 47% Sep , , , ,647 38% Oct , , , ,845 45% Nov , , , ,439 59% Dec , , , ,597 71% Jan , , , ,220 64% Feb , , , ,830 75% Mar , , , ,790 84% Apr , , , ,601 92% May , , , ,203 83% Jun , , , ,210 76% Max 436, , , , % Min 105,735 49,713 49,713 49,713 20% Average 298, , , ,073 59% Stdev 105,416 95,285 95,003 91,561 18% Sumber : SR Planning Database yang diolah (2016) f) Requirement Planning (Rencana Kebutuhan Stok) Rata-rata nilai dari Supply Planning pada periode penelitian ini adalah sebesar 90% dari volume Sales Forecast, rata-rata nilai dari Production Planning base SR Planning sebesar 50% dari Sales Forecast dengan rata-rata penyesuaian kapasitas produksi sebesar 12% dan menjadikan rata-rata Production Planning Final adalah sebesar 64%.

11 Demand Planning Vs Supply Planning Vs Production Planning Jan Jun National Sales Forecast (Demand Planing) Stock to Be Deliver (Supply Planing) Stock to Be Produce (Production Planing) -Final Gambar 5.2.Demand Planning Vs Supply Planning Vs Production PlanningVolume Sumber :SR Planning (2016) Gambar 5.2 menunjukan gambaran perbandingan antara besarnya volume rencana permintaan (Demand Planning) terhadap rencana suplai (Supply Planning) dan rencana produksi (Productions Planning). Beberapa periode menunjukan adanya kondisi dimana rencana suplai (Supply Planning) dan juga rencana produksi (Productions Planning) volume nya lebih besar dari rencana permintaan (Demand Planning), kondisi tersebut dapat terjadi apabila rencana stok yang dibutuhakan atau akan di order secara nasional (National order booking Volume ) lebih besar dari rencana penjualan (Sales Forecast) sebagai rencana permintaan (Demand Planning), dimana hal tersebut dapat terjadi apabila estimasi Buffer stok keseluruhan cabang yang cukup tinggi dengan kondisi stok awal cabang (Opening Stock Branch) cukup kecil, demikian sebaliknya ketika terjadi kondisi dimana pada beberapa periode menunjukan adanya kondisi dimana rencana suplai (Supply Planning) dan juga rencana produksi (Productions Planning) volume nya lebih rendah dari rencana permintaan (Demand Planning).

12 89 Realisasi dari pada rencana suplai (Supply Planning) selama periode yang dijadikan sample penelitian (periode Januari 2014 s/d Juni 2016) adalah seperti pada Tabel berikut ini: Tabel 5.5. Realsasi Suplai (Supply Realisations) periode Januari 2014 s/d Juni 2016 Periode Requirement Planning Stock to be Deliver (Supply Planning) Actual Realisation Actual Realisation of Supply Sumber : data SR Planning yang diolah (2016) Balancement of Unfullfill to realese Gap Acv(%) % Realisation of Supply a b c=b-a d=(b/a*100%) Jan (15.250) 84% Feb (3.003) 97% Mar (16.021) 84% Apr (6.609) 93% May (42.489) 73% Jun (17.493) 90% Jul ( ) 37% Aug ( ) 32% Sep % Oct (49.433) 78% Nov ( ) 48% Dec (20.118) 91% Jan (69.459) 71% Feb % Mar (39.783) 88% Apr ( ) 55% May (4.132) 98% Jun % Jul % Aug (56.767) 81% Sep (50.224) 86% Oct ( ) 62% Nov ( ) 63% Dec % Jan ( ) 51% Feb ( ) 58% Mar ( ) 42% Apr ( ) 53% May ( ) 68% Jun % Average (80.505) 77% Max % Min ( ) 32% Stdev %

13 90 Data realisasi suplai (Supply Realisations) pada periode penelitian seperti pada Tabel 5.5. menunjukan bahwa rata-rata suplai tercapai pada prosentase pencapaian 77% dari rencana suplai, adapun untuk pencapaian realisasi suplai tertinggi terjadi dengan prosentase 118% dari rencana suplai, hal tersebut dapat terjadi apabila stok awal pada Plant proses (processesing Plant) volume nya cukup besar yang diimbangi dengan reaisasi produksi (Production Realese) yang juga cukup besar dengan didukung proses suplai yang cukup lancar dari Plant proses (Processesing Plant) ke Plant logistik (DC-CWH), demikian sebaliknya ketika kondisi realisasi suplai rendah dimana pada periode tersebut kondisi terendah terjadi pada realisasi supai 32% dari rencana suplai. Perbedaan jumlah stok yang direncanakan untuk dikirim dengan yang terealisasi dapat ditunjukan pada gambar 5.3 dimana ditemukan selalu adanya gap antara rencana suplai (supply Planning) dengan realisasi suplai (Realisations of Supply) Supply Planning Vs Actual Realisation Supply Requirement Planning Stock to be Deliver (Supply Planning) Actual Realisation Actual Realisation of Supply Gambar 5.3.Supply Planning Vs Realisation Sumber :Logistic DC-CWH database yang di olah (2016)

14 Implementasi Logistic Support Performance pada Logistic CP Prima Pencapaian kinerja dukungan layanan Logistic (Logistic Support Performance) merupakan beberapa ukuran-ukuran kinerja yang tersusun sebagai kunci pencapaian kinerja department logistik (Logistic Keys Performance Indicator). Ukuran-ukuran tersebut secara umum merupakan gambaran sejauh mana operasional logistik dapat mendukung dan memberikan layanan terhadap proses dan pencapaian penjualan produk dari perusahaan hingga ke pelanggan (Customer) Logistic Service Level Logistic Service Level merupakan ukuran keberhasilan selain bersifat kuantitatif yaitu ketidaktersediaan stok, juga ditentukan oleh faktor-faktor kualitatif, karena proses perhitungannya diukur dari faktor-faktor yang bersifat kualitatif seperti adanya proses pemenuhan pengiriman pesanan (Delivery Order Fullfill) ditetukan oleh faktor-fakor seperti kesalahan pengiriman (Miss Delivery & Loading Prosses), kesalahan administrasi (miss on administration prosses), keterlambatan pengiriman (Delivery Late), isu armada (Truck Issue), masalah kualitas produk saat atau sebelum sampai ke pelanggan (Quality Issue). Berikut adalah data performance level layanan logistik (Logistic Service Level) pada periode yang dijadikan sample dalam penelitian (periode Januari 2014 s/d Juni 2016). Data tersebut merupakan data historikal level layanan (Service Level) baik untuk pengiriman atas adanya orderan pelanggan (DC-Market chanel), maupun pengiriman atas adanya permintaan operasional cabang (Branch Operational Warehouse), seperti pada Tabel berikut ini.

15 92 Tabel 5.6. Logistic Service Level Performance Periode Actual Order SO (In Kg) STR (In Kg) Actual fullfill Realese DO (In Kg) STO (In Kg) Service Level (%) Jan-14 43,992 35,066 40,798 35,018 96% Feb-14 61,679 29,176 59,205 29,090 97% Mar-14 56,766 39,578 54,687 39,578 98% Apr-14 79,822 48,456 76,856 48,277 98% May-14 84,125 39,431 77,590 39,269 95% Jun-14 82,947 59,245 81,206 58,510 98% Jul-14 93,727 61,455 86,000 61,012 95% Aug-14 87,329 65,733 81,779 65,701 96% Sep-14 84,500 62,792 77,282 62,792 95% Oct ,702 70,774 92,798 70,080 94% Nov ,360 82,691 97,609 82,691 95% Dec ,059 86, ,573 85,974 92% Jan ,394 71, ,028 71,261 93% Feb ,942 68, ,082 68,176 99% Mar ,130 87, ,182 87,233 97% Apr ,260 95, ,087 95,128 95% May , , , ,110 98% Jun , , , ,552 97% Jul , , , ,506 91% Aug , , , ,686 98% Sep , , , ,647 94% Oct , , , ,051 93% Nov , , , ,288 96% Dec , , , ,860 98% Jan , , , ,349 96% Feb , , , , % Mar , , , ,989 76% Apr , , , ,320 73% May , , , ,272 79% Jun , , , ,615 80% Average 152, , , ,125 93% Max 396, , , , % Min 43,992 29,176 40,798 29,090 73% Stdev 85,662 50,325 55,674 50,348 7% Sumber : Data Logistic Service Level yang diolah. (2016) Tabel 5.6. memberikan informasi bahwa rata-rata pencapaian level layanan logistik (Logistic Service Level) pada periode penelitian sebesar 93% artinya sebanyakrata-rata 7% volume penjualan tidak terlayani atau terpenuhi disebabkan oleh faktor ketidaktersedian stok dan atau faktor-faktor lainnya, sementara itu

16 93 pencapaian terbesar pernah dicapai sebesar 100% atau (99.9%) pada periode Februari 2016, dan pencapaian terendah dicapai pada prosentase 73% atau sebesar 27% volume penjualan tidak terlayani atau terpenuhi disebabkan oleh faktor ketidaktersedian stok dan atau faktor-faktor lainnya. Adapun pada pencapaian level layanan logistik (Logistic Service Level) pada periode penelitian secara keseluruhan sebesar 63.54% pesanan (Delivery Order) dapat terkirim tepat waktu (On Time Delivery) dengan 9.9% pesanan (Delivery Order) terkirim melebihi waktu yang di minta (Late Delivery) Biaya Logistik (Logistic Cost) Biaya Logistik (Logistic Cost) secara operasional perusahaan merupakan keseluruhan biaya yang timbul diakbitkan adanya proses dan operasional logistik. Adapun operasional logistik terdiri dari tiga elemen aktivitas operasional yaitu meliputi; a) Proses dan aktivitas operasional pengadaan produk atau suplai dari plant proses (Processing Plant) ke plant Logistik (DC-CWH) yaitu proses Supply In/Inbond Delivery. Adapun biaya yang terjadi dalam proses ini dikenal dengan biaya pengadaan (Freight In Cost). b) Proses dan aktivitas operasional penanganan produk (meliputi proses storeging, carring, dan picking). Biaya pada proses ini meliputi biaya penanganan (Handling Cost), dan biaya simpan berupa biaya sewa gudang (Warehouse & Inventory Cost). c) Proses dan aktivitas operasional pengiriman barang baik ke pelanggan (DC- Market Chanel) maupun kepada Cabang-cabang operasional (Branch

17 94 Operation WH). Biaya yang terjadi dalam proses ini disebut biaya pengiriman (Delivery Cost) yang masuk kedalam kategori Freight Out Cost. Berikut adalah data historikal aktual biaya logistik dan analisa rasio biaya logistik terhadap pencapaian penjualan, sebagai berikut : Tabel 5.7.Sum of Logistic Cost Ratios Periode Supply In Cost Cost Rate (Rp/Kg) Distributions Out Cost Cost Rate (Rp/Kg) Handling & WH-Cost Cost Rate (Rp/Kg) Logistic Cost Rate (Rp/Kg) Logistic Cost Ratio (% of Sales) Jan-14 Rp 1,209 Rp 825 Rp 2,227 Rp 4,261 15% Feb-14 Rp 1,046 Rp 599 Rp 1,923 Rp 3,568 9% Mar-14 Rp 1,339 Rp 599 Rp 1,912 Rp 3,849 14% Apr-14 Rp 1,123 Rp 255 Rp 1,613 Rp 2,990 11% May-14 Rp 828 Rp 535 Rp 1,493 Rp 2,856 11% Jun-14 Rp 900 Rp 649 Rp 1,198 Rp 2,747 11% Jul-14 Rp 823 Rp 482 Rp 1,077 Rp 2,381 12% Aug-14 Rp 818 Rp 616 Rp 1,157 Rp 2,591 11% Sep-14 Rp 850 Rp 537 Rp 1,260 Rp 2,648 10% Oct-14 Rp 1,219 Rp 874 Rp 1,027 Rp 3,120 13% Nov-14 Rp 1,759 Rp 922 Rp 1,138 Rp 3,819 13% Dec-14 Rp 809 Rp 276 Rp 827 Rp 1,912 7% Jan-15 Rp 1,425 Rp 860 Rp 938 Rp 3,223 14% Feb-15 Rp 1,014 Rp 644 Rp 983 Rp 2,641 11% Mar-15 Rp 808 Rp 661 Rp 707 Rp 2,176 12% Apr-15 Rp 1,258 Rp 606 Rp 999 Rp 2,863 10% May-15 Rp 1,212 Rp 577 Rp 841 Rp 2,630 10% Jun-15 Rp 1,093 Rp 641 Rp 645 Rp 2,379 10% Jul-15 Rp 1,116 Rp 714 Rp 1,092 Rp 2,923 12% Aug-15 Rp 1,251 Rp 523 Rp 802 Rp 2,576 11% Sep-15 Rp 1,215 Rp 687 Rp 776 Rp 2,678 10% Oct-15 Rp 1,425 Rp 1,165 Rp 952 Rp 3,542 13% Nov-15 Rp 1,168 Rp 574 Rp 818 Rp 2,561 10% Dec-15 Rp 1,032 Rp 512 Rp 689 Rp 2,233 9% Jan-16 Rp 1,054 Rp 599 Rp 885 Rp 2,539 10% Feb-16 Rp 1,313 Rp 514 Rp 879 Rp 2,707 10% Mar-16 Rp 1,075 Rp 518 Rp 922 Rp 2,514 7% Apr-16 Rp 1,047 Rp 430 Rp 887 Rp 2,364 9% May-16 Rp 1,069 Rp 215 Rp 749 Rp 2,033 7% Jun-16 Rp 813 Rp 329 Rp 575 Rp 1,717 7% Max Rp 1,125 Rp 1,165 Rp 2,227 Rp 4,261 15% Min Rp 1,209 Rp 215 Rp 575 Rp 1,717 7% Average Rp 1,091 Rp 598 Rp 1,066 Rp 2,768 11% Sumber : Logistic Cost (2016) Tabel 5.7 memberikan informasi bahwa rata-rata rasio biaya logistik terhadap total penujualan adalah 11%, nilai tersebut masihlah sangat tinggi dengan target

18 95 perusahaan yang bergerak di industry & distribusi makanan olahan yaitu 6%, besarnya rasio biaya logistik menunjukan bahwa adanya aktifias operasional logistik yang belum efisien dalam perusahaan yang perlu untuk dilakukan perbaikan Faktor-Faktor yang menyebabkan terjadinya gap antara SR Planing dengan realisai suplai. Tabel 5.8. % Realisation of Supply Vs % Realisations of Produce Periode Stock to Be Deliver (Supply Planing) Stock to Be Produce (Production Planing)- Final Opening Stock in Processing Plant Ending Stock in Processing Plant Actual Realisation of Supply Actual Realisation of Produce n Kg Kg Kg Kg Kg % Kg % Jan-14 93,851 67,807 44,632 44,632 78,602 84% 78, % Feb-14 93,851 67,807 44, ,290 90,848 97% 165, % Mar ,930 73, , ,765 85,909 84% 98, % Apr-14 95,644 36, , ,679 89,035 93% 62, % May ,241 94, ,679 95, ,752 73% 104, % Jun , ,380 95, , ,070 90% 167, % Jul , , , , ,262 37% 176,262 46% Aug , , ,400 96, ,765 32% 137,288 36% Sep ,766 74,071 96, , , % 184, % Oct , , , , ,338 78% 206, % Nov , , , , ,092 48% 161, % Dec ,431 61, , , ,314 91% 132, % Jan , , , , ,975 71% 193, % Feb ,159 89, , , , % 171, % Mar , , , , ,892 88% 258, % Apr , , ,682 63, ,941 55% 122,227 58% May , ,982 63,969 84, ,756 98% 209, % Jun , ,066 84,081 53, , % 284, % Jul , ,516 53,214 56, , % 182, % Aug , ,698 56,374 60, ,857 81% 252,155 93% Sep , ,222 60,673 60, ,372 86% 296, % Oct , ,222 60,673 43, ,981 62% 197,096 66% Nov , ,744 43,788 85, ,013 63% 286,064 82% Dec , ,828 85,839 43, , % 253, % Jan , ,606 43,402 93, ,620 51% 277,255 69% Feb , ,638 93, , ,447 58% 279,018 86% Mar , , , , ,809 42% 209,993 69% Apr , , , , ,700 53% 246,645 79% May , , , , ,146 68% 215, % Jun , , , , , % 259, % Average 272, , , , ,383 77% 195, % Maksimum 476, , , , , % 296, % Minimum 93,851 36,876 43,402 43,402 78,602 32% 62,950 36% St.Dev 118, ,273 51,124 49,907 68,905 23% 65,384 59% Sumber : data SR Planning database yang diolah (2016)

19 96 Data pada Tabel 5.8 memberikan informasi bahwa rata-rata realisasi suplai (Realisations of Supply) berada pada prosentase pencapaian rata-rata 77 % dari nilai rencana suplai (Supply Planning) yang berarti bahwa pada periode tersebut rata-rata ketidakterpenuhainya sulai (unrealese of supply) sebesar 23% dari rencana suplai (Supply Planning), dengan prosentase maksimum realisasi yang pernah tercapai sebesar 118% dan prosentase minimum realisasi yang pernah dicapai adalah sebesar 32% dengan deviasi sebesar 23%. Realisasi yang melebihi point pencapaian 100% dimungkinkan dapat terjadi apabila terjadinya kenaikan volume aktual permintaan (Actual Demand/actual of National order Boooking) dari nilai ramalan awal (National order booking Estimate) yang dapat diimbangi dengan adanya penambahan kemampuan produksi atau pencapaian produksi pada waktu yang tepat.seperti pada beberapa beriode berikut ini; Tabel 5.9. Periode dengan Realisasi Suplai (> 100%) Periode Actual Realisation of Supply Actual Realisation of Produce National Order Booking_ Estimate Actual National Order Booking n Kg % Kg % Kg Kg % Sep , % 184, % 219, ,074 64% Feb , % 171, % 243, ,258 75% Jun , % 284, % 299, ,321 99% Jul , % 182, % 213, , % Dec , % 253, % 328, , % Jun , % 259, % 356, , % Average 236, % 222, % 276, , % Sumber :data SR Planning database yang diolah (2016)

20 97 Data Tabel 5.9. dapat di interpretasikan bahwa untuk realisasi suplai yang melebihi nilai pencapaian 100% dapat dimungkinkan terjadi apabila adanya kenaikan pada aktual permintaan (Actual National Order Booking) yang melebihi estimasi awal dan kemudian diimbangi dengan kemampuan produksi untuk memproduksi melebihi daripada rencana produksi awal (Production Planning). Seperti pada data Tabel 5.11 menunjukan bahwa dengan rata rata pada periode penelitian pencapaian realisasi yang mencapai lebih dari nilai prosentase 100% dengan rata-rata pencapaian 106% disebabkan oleh adanya kenaikan pada aktual permintaan (actual order booking) sebesar 101% yang didukung dengan adanya kenaikan volume produksi dari rencana produksi awal dengan rata-rata 177%. Realisasi suplai (Supply Realisations) tidak tercapai secara penuh yaitu prosentase pencapaian berada pada nilai prosentase dibawah 100% dapat terjadi disebabkan oleh beberapa fakor. Hasil observasi data menunjukan faktor-faktor tersebut adalah sebagai berikut; a) Realisasi Suplai (Supply Realisations) tidak tercapai secara penuh dalam satu periode karena tidak tercapainya Realisasi Produksi dalam periode tersebut. Realisasi suplai merupakan kelanjutan daripada tahapan proses sebelumnya, yaitu proses di hulu logistik, atau pada proses produksi. Realisasi suplai yang besar tidak bisa secara langsung dijadikan sebagai ukuran realisasi produksi yang besar, karena pada prosesnya, stok awal pada plant produksi juga merupakan prioritas awal sebagai stok produk yang pertama harus disuplai sebelum hasil produksi baru disuplai, untuk mengetahui realisasi suplai maka besar nilai suplai dikurangi

21 98 dengan stok awal, maka hasil selisih (+) dari perhitugan tersebut adalah realisasi produksi. Tabel % Factor of Unrelese Supply of Unrealese Produce Periode Stock to Be Deliver (Supply Planing) Stock to Be Produce (Production Planing)- Final Actual Realisation of Supply Actual Realisation of Produce Balancement of Supply Realisations Balancement of Produce Realisastion %Factor Unrealese Supply of Unrealese Produce n Kg Kg Kg % Kg % Kg Kg % Jul , , ,262 37% 176,262 46% (300,615) (210,135) 70% Aug , , ,765 32% 137,288 36% (324,112) (249,109) 77% Apr , , ,941 55% 122,227 58% (143,698) (89,668) 62% Aug , , ,857 81% 252,155 93% (56,767) (18,543) 33% Sep , , ,372 86% 296, % (50,224) (851) 2% Oct , , ,981 62% 197,096 66% (132,614) (100,126) 76% Nov , , ,013 63% 286,064 82% (146,347) (64,680) 44% Jan , , ,620 51% 277,255 69% (214,772) (127,351) 59% Feb , , ,447 58% 279,018 86% (168,427) (43,620) 26% Mar , , ,809 42% 209,993 69% (248,876) (96,292) 39% Apr , , ,700 53% 246,645 79% (197,430) (63,673) 32% Total 4,342,649 3,544,424 2,358,766 74% 2,480,377 97% (1,983,883) (1,064,047) 27% Average 394, , ,433 56% 225,489 71% (180,353) (96,732) 47% Sumber : Lost Realisations analyze (2016) Data pada periode berikut ini menunjukan bahwa ralisasi suplai tidak tercapai secara penuh dalam satu periode (realisasi < 100%) salah satunya dapat terjadi disebabkan oleh faktor tidak tercapainya realisasi pada proses hulu yaitu proses produksi. Data selama periode sample penelitian menunjukan bahwa total ketidakterpenuhinya suplai yang disebabkan oleh adanya ketidak tercapaian produksi adalah sebesar 1063 MT atau sebesar 55% dari jumlah ketidak tercapaian suplai selama periode tersebut. Adapun ketidaktercapaian produksi disebabkan faktor-faktor terkait proses produksi yang dipenelitian ini tidak dibahas dan dianalisis lebih jauh.

22 99 b) Realisasi Suplai (Supply Realisations) tidak tercapai secara penuh dalam satu periode karena adanya proses yang kurang maksimal dalam penggunaan kapasitas muat dari Truck pengiriman dari plant proses (Processing Plant) ke plant Logistic (LogisticDC-CWH). Tabel5.11. % Factor Unrealese Supply of Less Capacity Vehicle Utilizations Periode Stock to Be Deliver (Supply Planing) Actual Realisation of Supply Delivery Count Capacity Maximum Per Truck Load Maximum Utilization of Vehicle Estimate on Periode Average Capacity Used Average Capacity Vehicle Utilizations Remark of Utilizations Unfullfill Utilization of Vehicle on Periode Absolute of Balanceme nt of Supply Realisations Absolute of Balancemen t of Supply Realisations after Factor Unrealese Supply of Unfulfill Utilizations of Vehicle on Periode Jan-14 93,851 78,602 84% ,137 57% Less 58,198 15,250 15,250 15,250 Feb-14 93,851 90,848 97% ,781 66% Less 45,952 3,003 3,003 3,003 Mar ,930 85,909 84% ,735 52% Less 79,691 16,021 16,021 16,021 Apr-14 95,644 89,035 93% ,452 62% Less 54,965 6,609 6,609 6,609 Jun , ,070 90% ,558 77% Less 44,330 17,493 17,493 17,493 Oct , ,338 78% ,101 57% Less 133,262 49,433 49,433 49,433 Nov , ,092 48% ,843 39% Less 191, , , ,838 Jan , ,975 71% ,510 49% Less 180,825 69,459 69,459 69,459 Feb , , % ,933 69% Less 135, Apr , ,941 55% ,976 55% Less 141, ,698 54,030 54,030 May , ,756 98% ,125 57% Less 141,444 4,132 4,132 4,132 Jun , , % ,575 64% Less 111, Jul , , % ,478 62% Less 219, Aug , ,857 81% ,998 56% Less 198,543 56,767 38,224 38,224 Sep , ,372 86% ,116 57% Less 222,028 50,224 50,224 50,224 Oct , ,981 62% ,508 49% Less 225, ,614 32,488 32,488 Nov , ,013 63% ,281 59% Less 166, ,347 81,667 81,667 Dec , , % ,844 67% Less 26, Jan , ,620 51% ,742 66% Less 117, ,772 87,421 87,421 Feb , ,447 58% ,807 53% Less 203, , , ,807 Mar , ,809 42% ,653 65% Less 96, , ,584 96,791 Apr , ,700 53% ,776 66% Less 111, , , ,500 May , ,146 68% ,677 65% Less 116, , , ,081 Average 271, ,987 76% 42 7, ,648 4,658 65% 104,255 86,365 49,703 37,775 Sumber : Lost Realisations analyze (2016)

23 100 Proses Suplai pada prosesnya dilakukan dengan menggunakan truk pengiriman, adapun truk armada pengiriman yang dipakai merupakan Cold Diesel Truck-Tronton (CDT-T) dengan kapasitas maksimal adalah 8 Ton dengan space ruang udara yang di gunakan untuk sirkulasi udara produk sebesar 10% dari kapasitas ruang (10% of Kapasitas Maksimum), sehingga kapasitas optimal adalah 7,2 Ton. Data pada Tabel 5.11 menunjukan bahwa faktor kurang maksimalnya penggunaan kapasitas optimal dari truk armada pengiriman berpotensi terhadap terjadinya tidak ter-realisasinya volume suplai dari rencana suplai (Supply Planning), dimana, hasil uji analsis data menunjukan selama periode sample yang dipakai dalam penelitian (Periode Januari 2014 s/d Juni 2016) didapatkan informasi rata-rata penggunaan kapasitas armada berada pada rata-rata penggunaan sebesar 65% dengan total keseluruhan tidak terpenuhinya suplai karena faktor kurang maksimalnya penggunaan kapasitas truk armada selama periode tersebut sebesar 1095 MT atau 44% dari keseluruhan ketidakterpenuhan suplai atau rata-rata 37.7 MT per periode bulan atau (52% of unfullfill Supply). Dari hasil analisis data selama periode Januari 2014 s/d Juni 2016 menunjukan bahwa proses suplai dalam realisasinya ditentukan oleh dua faktor yaitu; a) Tingkat Realisasi produksi (Realisations of Produce Point) dan b) Tingkat maksimalisasi penggunaan kapasitas truk armada yang dipakai dalam proses suplai, dan faktor-faktor lainnya yang berpotensi terhadap realisasi suplai. Berikut adalah prosentase dari faktor-faktor tersebut terhadap realisasi suplai.

24 101 Gambar 5.4. Lost Realisations of Supply Analys Sumber : Lost Realisations analyze (2016) Gambar 5.4. menunjukan bahwa selama periode yang digunakan sebagai sampel dalam penelitian ini realisasi suplai tidak tercapai secara penuh disebabkan oleh beberapa faktor yaitu faktor tidak terealisasinya rencana produksi (Unrelese of Productions Planning) yang memiliki bobot 42% dari keseluruhan jumlah suplai yang tidak terealisasi, 44% disebabkan oleh kurang maksimalnya dalam proses penggunaan kapasitas truk armada pengiriman pada proses suplai (Unmaxsimize of Vehicle Utilizations) dan 14 % disebabkan oleh faktor-faktor lain yang tidak diananlisis lebih dalam pada penelitian ini Perancangan formulasi prediksi (persamaan matematis) pada model SR Planning untuk menentukan tingkat realisasi suplai optimum (Optimum Realisations of Supply) sehingga dapat meningkatkan Logistic Support Performace menjadi lebih efektif dan efisien. Proses perhitungan Supply Requirement Planning seperti diterangkan sebelumnya, merupakan perancangan dengan memperhitungkan elemen-elemen

25 102 atau faktor-faktor yang digunakan dalam menentukan nilai jumlah yang direncanakan akan di suplai (Stock to be Deliver-Supply Planning Point), sehingga untuk menentukan perancangan model formulasi dan prediksi pada Model dan Realisasi Supply Requirement Planning maka faktor-faktor yang menjadi elemen-elemen dalam perhitungan model SR Planning harus dijadikan sebagai indikator model. Tujuan utamaa daripada perancangan formulasi dan prediksi pada model & realisasi SR Planning adalah guna mengetahui saling keterkaitan antara setiap elemen-elemen perancangan sehingga didapatkan formulasi strategi untuk menentukan nilai realisasi suplai yang optimum (Optimum Realisations of Supply) sehingga dapat menigkatkan Logistic Support Performance yaitu Service Level berada pada pencapaian yang efektif dan Logistic Cost yang berada pada level efisien Uji Asumsi Klasik Tahapan selanjutnya elemen-elemen atau faktor-faktor tersebut di jadikan sebagai indikator dalam variabel variabel penelitian, yaitu: National Sales Forecast ( ଵ) sebagai dasar daripada data Demand Planning maka dijadikan sebagai variabel Moderator, adapun National order booking Accuracy ( ଶ), Buffer Stock Estimate Portions ( ଷ), Processing Plant Inventory Level/average ( ସ), DC Inventory Level/average ( ହ), realisasi suplai (Realisation of Supply ( ) adalah variabel bebas (Indevendent Variable) pada penelitian ini. Formulasi prediksi pada model & realisasi SR Planning bertujuan untuk menemukan formulasi prediksi yang mendukung tercapainya Logistic Support Performance yang efektif

26 103 (Service Level) dan efisien (Logistic Cost), maka dua indikator daripada Logistic Support Performance ini dijadikan sebagai Variabel terikat (Dependent Variable) pada penelitian ini, yaitu Logistic Service Level ( ଵ) dan Logistic Cost ( ଶ). Proses perancangan formulasi prediksi pada model & realisasi SR Planning dilakukan dengan menggunakan pendekatan regresi secara simultan, dengan menentukan persamaan prediksi berdasarkan hubungan keterkaitan antar variabel. Adapun sebelum dilakukan proses regresi linier yang merupakan tahapan pada analisis dengan pendekatan metode statistik parametrik, maka data harus melalui proses uji analisis asumsi klasik yang meliputi : a) Uji Normalitas, b) Uji Heterokedastisitas, c) Uji Autokorelasi, d) Uji Multikolinieritas. a) Uji Normalitas Uji Normalitas digunakan untuk mengetahui apakah data diambil dari populasi yang berdistribusi normal atau tidak. Pentingnya mengetahui data berdistribusi normal atau tidak, karena data yang berdistribusi normal merupakan salah satu syarat untuk dilakukannya parametric-test (tes statistik parametrik), sementara untuk data yang tidak berdistribusi normal maka digunakan non-parametric test. Untuk mendeteksi normalitas data, maka pada penelitian ini digunakan pendekatan kurva Normal P-P Plot, dimana data pada variabel yang digunakan (variabel bebas/independent variable) dinyatakan normal atau mendekati normal jika gambar disribusi dengan titik-titik data menyebar disekitar garis diagonal dan penyebaran titik-titik data searah mengikuti garis diagonal (medekati kemiringan 45º).

27 104 Gambar 5.5.Output Kurva Normal P-P Plot Dependent Variable Logistic Service Level & Logistic Cost Hasil Output uji Normalitas dengan menggunakan pendekatan kurva normal P-P Plot untuk data pencapaian Logistic Service Level secara residual, dapat dilihat bahwa sebaran titik-titik data pada kurva normal P-P Plot menyebar disekitar garis diagonal (kemiringan 45º). Hasil tersebut menunjukan data dari 2 variabel tersebut diambil dari data berdistribusi normal, sehingga data tersebut layak untuk di uji dengan analisis regresi sehingga variabel independent dapat digunakan untuk memprediksi variabel dependent. b) Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error tidak konstan untuk beberapa nilai x. Pendekatan konstan tidaknya varian error dapat dilakukan dengan menggambar grafik antara Y dengan residu, apabila garis yang membatasi sebaran titik-titik relatif pararel maka varian error dikatakkan konstan.

28 105 Gambar 5.6.Scatterplot Hasil output uji heterokedastisitas diatas menunjukan grafik Scatterplot tampak bahwa titik-titik menyebar dan tidak membentuk pola tertentu. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heterokedastisitas.artinya data tersebut layak untuk diuji dengan analisis regresi sehingga semua variabel independent dapat digunakan untuk memprediksi variabel dependen. c) Uji Autokorelasi Autokorelasi adalah korelasi yang terjadi diantara anggota observasi yang terletak berderetan. Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independen. Untuk mendeteksi adanya autokorelasi dapat dilakukan dengan uji Durbin-Watson dengan ketentuan autokorelasi tidak terjadi bila nilai durbinwatson mendekati 2, dan autokorelasi positife terjadi apabila mendekati 0, sedangkan autokorelasi negatife terjadi apabila nilai durbin watson mendekati 4.

29 106 Tabel 5.12.uji Durbin Watson Independent Variable terhadap Dependent Variable Logistic Service Level&Logistic Cost Ratio Dependent Variable Durbin-Watson Logistic_CostRatio 2,648 Logistic_ServiceLevel 1,314 a. Predictor : (Constant), Realisations_ofSupply,Inv.Avg_ofDCPlant, Inv.Avg_ofPPlant,BufferStock_Estimate,NationalSalesForecast_Accuracy, NationalOrderBooking_Accuracy Sumber :Uji SPSS Hasil output didapatka nilai statistik uji Durbin Watson sebesar : 1,314& 2,648 Nilai tersebut berada pada kisaran point mendekati 2, maka sesuai ketetuan dapat disimpulkan bahwa tidaak terdapat autokorelasi antara variabel bebas dengan variabel terikat. Hasil tersebut menunjukan bahwa data layak untuk dilakukan uji regresi. d) Uji Multikolinieritas Multikolinieritas timbul sebagai akibat adanya hubungan kausal antara dua variabel bebas atau lebih.uji Multikolinieritas dapat dideteksi dengan menghitung koefisien ganda dan embandingkannya dengan koefisien korelasi antar variabel bebas.uji Multikolinieritas melalui SPSS dapat dilihat dari Output Collinierity Diagnostics pada uji Regresi, dengan nilai VIF (Variance Inflation Factor) dan koefisien korelasi variabel bebas. Adapun kriteria yang digunakan adalah sebagai berikut : a) Jika nilai VIF disekitar angka 1 atau memiliki toleransi mendekati 1, maka dapat dikatakan tidak terdapat masalah multikolinieritas.

30 107 b) Jika koefisien korelasi antar variabel bebas kurang dari 0.5, maka tidak terdapat masalah multikolinieritas. c) Jika nilai VIF lebih kecil dari 10 maka variabel bebas dari asumsi klasik multikoliieritas. Tabel Collinearity Statistics-VIF Value Independent Variable of Model VIF (Constant) NationalSalesForecast_Accuracy 6,447 NationalOrderBooking_Accuracy 7,695 BufferStock_Estimate 3,298 Inv.Avg_ofPPlant 1,246 Inv.Avg_ofDCPlant 3,362 Realisations_ofSupply 3,184 a. Dependent Variable : Logistic_CostRatio & Logistic_ServiceLevel Sumber : Uji SPSS Hasil analisis pada Tabel 5.13 menunjukan untuk semua variabel nilai VIF berada pada nilai lebih kecil dari 10, maka variabel bebas terbebas dari asumsi klasik multikolinieritas. Setelah dilakukannya Uji Analisis Klasik, dapat disimpulkan bahwa data dari variabel-variabel penelitian tersebut telah memenuhi asumsi normalitas data dan terbebas dari asumsi asumsi klasik lainnya, maka atas dasar hal tersebut maka analisis data yang dapat dilakukan untuk tujuan perancangan persamaan matematis guna formulasi & prediksi pada model & realisasi SR Planningadalah tes analisis statistik parametrik yang pada penelitian ini digunakan meliputi : Uji Koefisien determinan Simultan, dan Uji regresi linier berganda.