BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2.1. Manajemen Operasional Menurut Heizer dan Render (2009:4) mengatakan bahwa manajemen operasi adalah serangkaian aktivitas yang menghasilkan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output. Kegiatan yang menghasilkan barang dan jasa, berlangsung disemua organisasi. Dalam perusahaan manufaktur, dapat terlihat dengan jelas aktivitas produksi yang menghasilkan barang, namun dalam organisasi yang tidak menghasilkan produk secara fisik, fungsi produksi mungkin tidak terlihat dengan jelas. Pendapat lain dikemukakan Richard L. Daft (2006:216), manajemen operasional merupakan bidang manajemen yang mengkhususkan pada produksi barang,serta menggunakan alat-alat dan teknik-teknik khusus untuk memecahkan masalah-masalah produksi. Robbins, dan Coulter (2005:283) mengatakan bahwa manajemen operasional adalah perancangan, operasi, dan pengendalian proses transformasi yang mengubah sumber daya menjadi barang jadi atau jasa. Sedangkan pengertian manajemen operasi menurut Deitiana, (2011:2) yaitu untuk mengetahui bagaimana cara memproduksi barang dan jasa. Berdasarkan pemahaman-pemahaman tersebut, ada tiga (3) poin penting dalam manajemen operasional : 1. Keputusan Definisi ini mengarah pada membuat keputusan sebagai elemen terpenting dari manajemen operasional. Saat manajer membuat keputusan, langsung terfokus pada pengambilan keputusan dari Operasional. 2. Fungsi atau kegunaan Operasional merupakan fungsi utama dari setiap organisasi yang berhubungan secara utuh dengan semua fungsi bisnis lainnya. Fungsi operasi bertanggung jawab untuk menyediakan atau memproduksi barang atau jasa untuk bisnis. 3. Proses Manajer operasional bertugas merencanakan, mengorganisasi, mengarahkan, serta mengontrol proses produksi beserta hasilnya. Tetapi lebih difokuskan 13

14 pada pendistribusian dan supply manajemen. Selain itu operasinal merupakan kegiatan mengubah input melalui proses yang menghasilkan output. Dapat disimpulkan dari pendapat-pendapat diatas bahwa Manajemen Operasional adalah suatu aktivitas dalam mentransformasikan input input menjadi output output yang dapat menambah nilai pada barang atau jasa. Manajemen Operasional adalah melakukan proses produksi dan mengatur barang produksinya dalam kualitas, jumlah, harga, dan waktu sesuai dengan kebutuhannya. 2.2 Peramalan (Forecasting) Menurut kamus besar Bahasa Indonesia, peramalan adalah suatu teori dimana dapat menduga keadaan yang akan terjadi. Menurut Render dan Heizer dalam bukunya manajemen operasi (2009:162) mengatakan bahwa peramalan adalah seni atau ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model sistematis. Atau bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer. Menurut Prasetya, Hery dan Fitri Lukiastuti dalam bukunya manajemen operasi (2009:43) peramalan merupakan suatu usaha untuk meramalkan keadaan dimasa yang akan datang melalui pengujian keadaan dimasa lalu. Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Menurut Heizer dan Render (2009:163) mengatakan bahwa peramalan biasanya diklarifikasikan berdasarkan horizon waktu masa depan yang dilingkupinya. Horizon waktu terbagi menjadi beberapa kategori: 1. Peramalan Jangka Pendek Peramalan ini meliputi jangka waktu hingga satu tahun, tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. 2. Peramalan Jangka Menengah Peramalan jangka menengah atau intermediate umumnya mencakup hitungan bulan hingga tiga tahun. Peramalan ini bermanfaat untuk

15 merencanakan penjualan, perencanaan dan anggaran produksi, anggaran kas, serta menganalisis bermacam-macam rencana operasi. 3. Peramalan Jangka Panjang Umumnya untuk perencanaan masa tiga tahun atau lebih. Peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang). Nasution, Ir. Arman Hakim (2003, 29) menjabarkan beberapa sifat hasil forecasting, yakni: 1. Forecasting pasti mengandung kesalahan, artinya, bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut. 2. Forecasting harus memberi informasi tentang berapa ukuran kesalahan, karena forecasting pasti mengandung kesalahan. Maka, adalah penting bagi pelaku forecasting untuk menginformasikan seberapa besar kesalahan yang mugnkin terjadi. 3. Forecasting jangka pendek lebih akurat dibandingkan dengan forecasting jangka panjang. Hal ini disebabkan faktor-faktor yang mempengaruhi forecasting relatif konstan, sedangkan semakin panjang periode forecasting, maka semakin besar pula kemungkinan terjadinya perubahan faktor yang mempengaruhi permintaan. Dalam mengukur akurasi hasil forecasting terdapat 3 tipe pengukuran menurut Heizer dan Render (2009:177), mengatakan 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 baik. Tiga dari perhitungan yang paling terkenal adalah: 1. Rata-rata Kuadrat Kesalahan (Mean Square Error atau MSE) MSE dihitung dengan menjumlah kuadrat semua kesalahan forecasting pada setiap periode dan membaginya dengan jumlah periode forecasting.

16 2. Rata-rata persentase Kesalahan Absolut (Mean Absolute Percentage Error atau MAPE) MAPE mengukur kesalahan relative dan biasanya lebih berarti dibandingkan dengan MAD, karena MAPE menyatakan persentase kesalahan hasil forecasting terhadap permintaan aktual selama periode tertentu. Informasi yang diberikan adalah persentase kesalahan yang terlalu tinggi atau terlalu rendah. 3. Rata rata Kesalahan Absolut (Mean Absolute Error atau MAE) MAE merupakan hasil nilai absolut dari selisih antara nilai output model dengan data sebenarnya. Berdasarkan Nachrowi dan Hardius (2004:239) menyatakan bahwa sebenarnya membandingkan kesalahan peramalan itu adalah cara sederhana, apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan sebagai indikator apakah suatu teknik peramalan cocok digunakan atau tidak dan teknik yang mempunyai jumlah MSE yang terkecil adalah metode peramalan terbaik. Sedangkan menurut Gaspers, Vincent (2004:80) dalam bukunya menyatakan akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD, MSE semakin kecil. Dalam penelitian ini, pengukuran akurasi data hasil peramalan hanya menggunakan MSE (Mean Square Error) nya saja. 2.3 Macam Macam Forecasting Ada berapa macam tipe forecasting yang digunakan. Adapun tipe-tipe dalam forecasting adalah sebagai berikut (Jay Heizer,2005): 1. Times Series Model, Metode time series adalah metode forecasting secara kuantitatif dengan menggunakan waktu sebagai dasar forecasting. 2. Causal Model Metode, forecasting yang menggunakan hubungan sebabakibat sebagai asumsi, yaitu bahwa apa yang terjadi di masa lalu akan terulang pada saat ini. 3. Judgemental Model, bila time series dan causal model bertumpu pada kuantitatif, pada judgemental mencakup untuk memasukkan faktor-faktor kuantitatif / subjektif ke dalam metode forecasting. Secara khusus berguna bilamana faktor-faktor subjektif yang diharapkan menjadi sangat penting bilamana data kuantitatif yang akurat sudah diperoleh.

17 2.4 Time Series Analysis Times Series merupakan catatan historikal dengan beberapa aktivitas, dengan pengukuran yang dilakukan pada interval dengan jarak yang sama (kecuali bulanan) dengan konsistensi dalam kegiatan dan metode pengukuran (Box Jenkins, 2008). Dalam peramalan terdapat juga peramalan deret waktu menurut menurut Heizer dan Render (2009 : 169) dimana membagi masa lalu menjadi komponen - komponen, kemudian memproyeksikannya ke masa depan. Deret waktu mempunyai empat komponen, antara lain: 1. Pola siklus (C) apabila permintaan akan produk atau jasa memiliki siklus yang berulang secara periodik. Biasanya lebih dari 1 tahun sehingga tidak dimasukkan dalam forecasting jangka pendek. 2. Pola trend (T) merupakan sifat dari permintaan di masa lalu terhadap waktu terjadinya, apakah permintaan tersebut cenderung naik atau turun. 3. Pola musiman (S) permintaan suatu produk atau jasa dapat naik turun di sekitar garis trend dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, libur panjang, hari raya, dll yang berulang secara periodik setiap tahun. 4. Variasi acak (R) membentuk pola yang bervariasi secara acak karena faktor-faktor yang tak terduga, seperti bencana alam, perusahaan pesaing bangkrut, dan kejadian-kejadian lain yang tidak memiliki pola tertentu. 2.5 Metode Peramalan Barry, Jay (2009) berpendapat bahwa bermacam-macam metode peramalan telah ditetapkan dengan tujuan mendapatkan hasil ramalan yang tepat guna, dimana metode peramalan tersebut kemudian akan menjadi bagian dari fungsi perencanaan dan merupakan sarana pengambilan keputusan. Ada dua metode atau teknik peramalan yang dapat digunakan, yaitu teknik peramalan kualitatif dan kuantitatif (Heizer dan Render, 2009: 167). Teknik peramalan kualitatif lebih menitikberatkan pada pendapat (judgment) dan intuisi manusia dalam proses peramalan, sehingga data historis yang ada menjadi tidak begitu penting. Teknik peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Teknik kuantitatif ini biasanya dikelompokkan menjadi dua, yaitu

18 teknik statistik dan teknik deterministik. Teknik statistik menitikberatkan pada pola, perubahan pola, dan faktor gangguan yang disebabkan pengaruh random. Termasuk dalam teknik ini adalah teknik smoothing, dekomposisi, dan tenik Bob- Jenkins. Teknik deterministik mencakup identifikasi dan penentuan hubungan antara variabel yang akan diperkirakan dengan variabel-variabel lain yang akan mempengaruhinya. Termasuk dalam teknik ini adalah tenik regresi sederhana, regresi berganda, autoregresi, dan model input output. Untuk meramalkan suatu keadaan dengan menggunakan data historis tanpa menghiraukan pengaruh atau hubungan dengan variabel lainnya, metode peramalan yang biasa digunakan adalah metode kuantitatif statistik. Metode peramalan kuantitatif statistik melihat pola perubahan data dari waktu-ke waktu, berikut ini beberapa metode peramalan yang termasuk dalam metode peramalan kuantitatif meliputi ( Heizer dan Render, 2009 :167): 2.5.1 Metode Moving Average Peramalan dengan metode moving averages (rata-rata bergerak) dilakukan dengan mengambil sekelompok nilai pengamatan, mencari rataratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagai ramalan. 2.5.2 Metode Exponential Smoothing Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih tetapi masih mudah digunakan. Exponential Smoothing adalah suatu tipe teknik peramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga data paling akhir mempunyai bobot atau timbangan lebih besar disbanding nilai observasi yang lebih lama. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit.

19 2.5.3 Metode Linear Regression Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variable - variabel itu berhubungan atau dapat diramalkan. Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variable - variabel. Hubungan fungsional antara satu variable prediktor dengan satu variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda. 2.5.4 Metode Neural Network Dalam buku manual Zaitun Time Series (2009:65) menjelaskan bahwa Artificial Neural Network atau sering disebut Neural Network saja merupakan metode komputasi yang saat ini mengalami kemajuan pesat. Neural Network telah terbukti kehandalannya dalam menangani berbagai masalah pada berbagai disiplin keilmuan. Kehandalan tersebut salah satunya disebabkan kemampuan yang dimiliki neural network yang sering disebut universal approximation, yaitu dapat mengaproksimasi semua fungsi kontinyu multivariate untuk semua tingkat akurasi termasuk untuk fungsi - fungsi nonlinear. Kemampuan neural network dalam universal approximation telah diteliti oleh berbagai peneliti untuk forecasting data time series pada berbagai jenis data. dari beberapa penelitian tersebut, Neural Network menunjukkan kinerja yang memuaskan dalam forecasting data time series. Mekanisme kerja neural network meniru cara kerja jaringan saraf biologis. Seperti jaringan saraf biologis, neural network tersusun atas sel-sel saraf (neuron) yang saling terhubung dan beroperasi secara paralel. Mekanisme pemrosesan informasi pada tiap neuron neural network mengadopsi mekanisme proses informasi neuron biologis. Pada penerapannya, neuron-neuron pada neural network dikelompokkan ke dalam beberapa lapisan (layer). Tiap layer bisa memiliki satu atau lebih neuron. Terdapat tiga jenis layer yang menyusun arsitektur neural network, yaitu input layer, output layer dan hidden layer.

20 Input Layer berfungsi sebagai tempat data dimasukkan, yang akan diproses pada tahap selanjutnya. Output layer berfungsi sebagai tempat keluaran hasil dari proses selama dalam jaringan. Hidden layer terletak diantara input layer dan output layer. Pada layer inilah data masukan diproses untuk dijadikan keluaran. Berikut ini gambar sebuah arsitektur neural network: Gambar 2.1 Arsitektur Neural Network Pemrosesan informasi pada setiap neuron dilakukan dengan menjumlahkan hasil perkalian bobot-bobot koneksi dengan data-data masukan. Hasil penjumlahan ini akan diteruskan ke neuron berikutnya melalui sebuah fungsi yang disebut fungsi aktivasi. Terdapat beberapa jenis fungsi aktivasi, diantaranya fungsi aktivasi linear, semi linear, sigmoid, sigmoid bipolar dan tangen hiperbolik. Pada forecasting data time series, data masukan untuk input layer bisa berupa data-data variabel periode sebelumnya (lagged variable) ataupun variabel lain yang digunakan untuk membantu forecasting, baik bertipe kuantitatif maupun kualitatif. Untuk forecasting satu variabel (univariate) saja, data masukan untuk input layer dan data keluaran pada output layer dapat dianalogikan dengan model autoregressive AR(p). Pada point tertentu t, peramalan data Yt+1 dihitung dari menggunakan p = n observasi Yt,Yt-1,...,Yt-n+1 dari n point

21 terdahulu t,t-1,t-2,...,t-n+1, dimana n menunjukkan jumlah input neuron pada neural network. Dalam penelitian ini, peramalan hanya menggunakan empat metode peramalan saja yaitu: moving average, exponential smoothing, linear regression dan neural network alasannya adalah keempat metode itu sering digunakan dan dalam kondisi default pada software yang menandakan bahwa model itu adalah model standar. 2.6 Pengertian Persediaan Persediaan adalah barang-barang yang disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang. Sedangkan menurut Pardede, Pontas M (2005:412) persediaan adalah sejumlah bahan baku atau barang yang tersedia untuk digunakan sewaktu-waktu dimasa yang akan dating. Persediaan terdiri dari persediaan barang baku, persediaan barang setengah jadi dan persediaan barang jadi. Persediaan barang jadi dan barang setengah jadi disimpan sebelum digunakan atau dimasikkan kedalam proses produksi, sedangkan persediaan jadi atau barang dagangan disimpan sebelum dijual atau dipasarkan dengan demikian perusahaan yang melakukan kegiatan usaha pada umumnya memiliki persediaan. Sedangkan perusahaan perdagangan minimal memiliki satu jenis persediaan, yaitu persediaan barang dagangan adanya berbagai macam persediaan ini menuntut pengusaha untuk melakukan tindakan yang berbeda untuk masing-masing persediaan, dan ini akan sangat terkait dengan permasalahan lain seperti masalah peramalan kebutuhan bahan baku serta peramalan penjualan atau permintaan konsumen. Bila melakukan kesalahan dalam menetapkan besarnya persediaan maka akan berdampak ke masalah lain, misalnya tidak terpenuhinya permintaan konsumen atau bahkan berlebihan persediaan sehingga tidak semuanya terjual, timbulnya biaya ekstra penyimpanan atau pesanan bahan dan sebagainya. Menurut pendapat Deitiana,(2011:185) persediaan itu merupakan asset termahal bagi perusahaan, yang berkisar sekitar 50% dari modal yang ditanamkan atau investasi. Jadi dapat disimpulkan bahwa persediaan itu merupakan harta bagi apakah dalam bentuk bahan baku, setengah jadi maupun yang sedang diproduksi.

22 Persediaan merupakan salah satu aspek penting bagi perusahaan yang menjual barang dagangan atau perusahaan pengolahan. Perusahaan yang dimiliki oleh perusahaan tidak boleh terlalu banyak namun juga tidak boleh terlalu sedikit. Persediaan dalam topik disini difokuskan pada persediaan bahan baku dan persediaan itu perlu diawasi sehingga diperlukan pengawasan persediaan yang guna nya untuk menentukan tingkat atau komposisi daripada persediaan, bahan baku dan barang / hasil produk. Tujuan pengawasan persediaan adalah untuk menjaga perusahaan agar tidak kehabisan persediaan. 2.6.1 Fungsi Persediaan Menurut Deitiana, (2011:186) persediaan berfungsi untuk melayani beberapa kepentingan dalam perusahaan agar operasi perusahaan dapat berjalan dengan fleksibel. Ada tiga fungsi utama dari manajemen persediaan ini, yaitu : 1. Penyelarasan antara produksi dan distribusi. 2. Antisipasi terhadap perubahan harga dan inflasi. 3. Pemanfaatan potongan harga karena kuantitas pembelian. Masalah pengendalian persediaan merupakan salah satu masalah penting yang dihadapi oleh perusahaan. Pendekatan-pendekatan kuantitatif akan sangat membantu dalam memecahkan masalah ini. Alasan utama yang menyebabkan perhatian terhadap masalah pengendalian persediaan demikian besar adalah karena pada kebanyakan perusahaan persediaan merupakan bagian atau porsi yang besar yang tercantum dalam neraca. Persediaan yang terlalu besar maupun terlalu kecil dapat menimbulkan masalah-masalah yang pelik. Kekurangan persediaan stok barang akan mengakibatkan adanya hambatan-hambatan dalam proses distribusi. Kekurangan persediaan barang dagangan akan menimbulkan kekecewaan pada langganan dan akan mengakibatkann perusahaan kehilangan mereka sementara kelebihan persediaan akan menyebabkan biaya ekstra. Persediaan mempunyai beberapa fungsi penting yang menambah fleksibilitas dari operasi suatu perusahaan, antara lain : 1. Untuk member stok agar dapat memenuhi permintaan yang diantisipasi akan terjadi. 2. Untuk menyeimbangkan produksi dengan distribusi.

23 3. Untuk memperoleh keuntungan dari potongan kuantitas karena membeli dalam jumlah banyak biasanya ada diskon. 4. Untuk hedging terhadap inflasi dan perubahan harga. 5. Untuk menghindari kekurangan stok yang dapat terjadi karena cuaca, kekurangan pasokan, mutu, ketidaktepatan pengiriman. 6. Untuk menjaga kelangsungan operasi dengan cara persediaan dalam proses. 2.6.2 Tipe-tipe Persediaan Menurut Deitiana,(2011:187) persediaan yang ada di perusahaan biasanya terdiri dari empat tipe yaitu : 1. Persediaan bahan mentah yang telah dibeli tapi belum diproses. Pendekatan yang lebih banyak diterapkan adalah dengan menghapus variabilitas pemasok dalam mutu, jumlah, atau waktu pengiriman sehingga tidak perlu pemisahan (raw materials). 2. Persediaan barang dalam proses yang telah mengalami beberapa perubahan tetapi belum selesai (barang setengah jadi). Persediaan ini ada karena untuk membuat produk diperlukan waktu yang disebut waktu siklus. Pengurangan waktu siklus menyebabkan persediaan ini berkurang. 3. Persediaan MRO (maintenance repair operating) merupakan persediaan yang dikhususkan untuk perlengkapan pemeliharaan, perbaikan, operasi. Persediaan ini ada karena kebutuhan akan adanya pemeliharaan dan perbaikan dari beberapa peralatan yang tidak diketahui, sehingga persediaan ini merupakan fungsi jadwal pemeliharaan dan perbaikan. 4. Persediaan barang jadi. Termasuk dalam persediaan karena permintaan konsumen untuk jangka waktu tertentu mungkin tidak diketahui. 2.6.3 Biaya-biaya Persediaan Menurut Nasution, Arman Hakim (2003:105) dalam bukunya perencanaan dan pengendalian produksi biaya dalam persediaan terdiri dari biaya pembelian, biaya pemesanan, biaya simpan dan biaya kekurangan persediaan. 1. Biaya pembelian (c) Biaya yang dikeluarkan untuk membeli barang. Besarnya biaya pembelian ini tergantung pada jumlah barang yang akan dibeli dan harga satuan barang.

24 2. Biaya pemesanan (ordering cost K) Semua pengeluaran yang timbul untuk mendatangkan barang dari luar. Biaya ini meliputi biaya untuk menentukan pemasok, pengetikan pemesanan, pengiriman pesanan, biaya pengangkutan, biaya penerimaan dan lain-lain. (biaya pembuatan K) 3. Biaya penyimpanan (holding cost/carrying cost H) Semua pengeluaran yang timbul akibat menyimpan barang, biaya ini meliputi biaya modal, biaya gudang, biaya kerusakan atau penyusutan, biaya kadaluwasra, biaya asuransi. 4. Biaya kekurangan persediaan (shortage cost P) Bila perusahaan kehabisan barang pada saat permintaan maka akan terjadi keadaan kekurangan persediaan. Keadaan ini akan menimbulkan kerugian karena proses produksi akan terganggu dan kehilangan kesempatan mendapat keuntungan atau kehilangan konsumen. 2.6.4 Model Economic Order Quantity (EOQ) Menurut Deitiana, (2011:191) inventory model yang paling sederhana mengandung ciri-ciri sebagai berikut : 1. Barang/bahan mentah yang dipesan dan disimpan hanya satu macam. 2. Kebutuhan/ permintaanya per periode diketahui. 3. Barang/bahan mentah yang dipesan segera dapat tersedia dan tidak ada back order. Menurut Heizer dan Render (2010 : 92), model EOQ adalah salah satu teknik kontrol persediaan yang tertua dan paling dikenal. Teknik ini relatif mudah digunakan, tetapi berdasarkan pada beberapa asumsi, yaitu: 1. Jumlah permintaan diketahui, konstan, dan independen. 2. Waktu tunggu, yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan 3. Penerimaan persediaan bersifat instan dan selesai seluruhnya. Dengan kata lain, persediaan dari sebuah pesanan datang dalam satu kelompok pada suatu waktu. 4. Tidak tersedia diskon kuantitas.

25 5. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan). Biaya-biaya ini dibahas pada bagian sebelumnya. 6. Kehabisan persediaan (kekurangan persediaan) dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat. Berikut beberapa istilah dalam perhitungan EOQ (Economic Order Quantity): Q = Jumlah unit per pesanan Q*= Jumlah optimum unit per pesanan (EOQ) D = Permintaan tahunan dalam unit untuk setiap pesanan S = Biaya penyetelan atau pemesanan untuk setiap pesanan. H = Biaya penyimpanan atau penyimpanan per unit per tahun. 2.7 Kerangka Pemikiran Dalam penelitian ini, untuk melaksanakan penelitian dibutuhkan kerangka pemikiran sebagai konsep pemikiran untuk memecahkan masalah. Hal utama yang dilakukan setelah mendapatkan objek penelitian adalah menidentifikasi masalah yang terjadi pada objek penelitian. Kemudian setelah data teridentifikasi, kumpulkan data data yang diperlukan. Setelah data data terkumpul, untuk peramalan hal yang dilakukan selanjutnya adalah menguji validitas data. Jika data sudah layak maka penelitian dilanjutkan dengan menggunakan metode metode peramalan yang telah ditentukan. Jika data masih belom layak maka lakukan dekomposisi data sampai data layak untuk diramal. Kemudian untuk optimasi persediaan bahan baku, setelah didapat hasil peramalan data dihitung menggunakan EOQ ( Economic Order Quantity). Setelah hasil didapat, tarik kesimpulan dan berikan saran.

26 Kerangka pemikiran diulas dan dapat dimodelkan dalam grafik berikut: Identifikasi Masalah pada Perusahaan (PT. Karya Adikita Galvanize) Pengujian Validitas Data Dekomposisi data Memenuhi Syarat ya tidak Moving Neural Exponential Linear Average Network Smoothing Regression Perhitungan MSE Perhitungan Optimal Persediaan Bahan Baku Perusahaan (EOQ) Output Kesimpulan dan Saran Gambar 2.2 : Kerangka Pemikiran