Bab 2 Tinjauan Pustaka

2.1. Manajemen Persediaan Dalam sistem manufaktur maupun non manufaktur, adanya persediaan merupakan faktor yang memicu peningkatan biaya. Meskipun demikian persediaan tetap diperlukan karena kondisi nyata dari kebutuhan (permintaan) dapat bersifat tidak pasti. Menetapkan jumlah persediaan yang terlalu banyak akan mengakibatkan pemborosan biaya penyimpanan, sedangkan menetapkan jumlah persediaan yang terlalu sedikit juga berakibat hilangnya kesempatan untuk mendapatkan keuntungan apabila permintaan nyata melebihi permintaan yang diperkirakan. Tujuan manajemen persediaan adalah untuk menentukan tingkat persediaan yang dapat meminimumkan biaya atau paling ekonomis. 2.1.1. Pengertian Persediaan Bahan Baku
Defunisi Bahan baku merupakan komponen atau material yang pokok dalam proses produksi untuk digunakan atau diolah menjadi produk jadi. Persediaan bahan baku

didalam perusahaan adalah merupakan hal yang sangat wajar untuk dikendalikan dengan baik. Setiap perusahaan yang menghasilkan produk akan memerlukan persediaan bahan baku, baik disengaja maupun tidak disengaja perusahaan yang bersangkutan ini akan menyelenggarakan persediaan bahan baku yang menunjang jalannya proses produksi dalam perusahaan yang bersangkutan. Didalam hal ini tidak akan terkecuali, baik perusahaan tersebut merupakan suatu perusahaan kecil, perusahaan menengah maupun perusahaan besar. Namun demikian cara penyelenggaraan persediaan bahan baku ini akan berbeda-beda untuk setiap perusahaan tersebut, baik dalam hal jumlah unit dari persediaan bahan baku yang ada didalam perusahaan mupun manajemen ataupun pengelolaan dari persediaan bahn baku didalam perusahaan yang bersangkutan tersebut Pelaksanaan persediaan bahan baku merupakan fungsi atau tugas terakhir dari seorang pimpinan, banyak usaha yang gagal atau tujuan yang tidak tercapai

5

6

disebabkan sistem pengendalian persediaan bahan baku yang buruk dan lemah. Pelaksanaan persediaan bahan baku yang diterapkan secara tepat, memungkinkan manajemen dapat mengetahui bahan bahan yang dibutuhkan pada saat proses produksi. Oleh karena itu, perlu berbagai usaha untuk menanggulanginya. Sehingga kemungkinan terjadinya penyimpangan dan kecurangan dapat dihindari. Salah satu penanggulangan atas kemungkinan penyimpangan kecurangan tersebut adalah manajemen harus menerapkan sistem pengendalian persediaan bahan baku dengan baik dan terencana. Bahan yang dibutuhkan dalam proses produksi terdiri dari : 1. Bahan langsung (direct materials) adalah bahan yang menjadi pengeluaran terbesar dalam memproduksi sesuatu. 2. Bahan tidak langsung (indirect materials) merupakan bagian dari produk jadi tetapi hanya digunakan dalam jumlah sedikit sehingga biaya yang dikeluarkan tidak lebih besar jika dibandingkan dengan biaya langsung. 3. Perlengkapan (supplies) merupakan bahan yang digunakan dalam proses produksi tetapi tidak mengambil bagian dalam barang jadi. Adapun definisi sistem persediaan yang dikemukakan oleh para ahli, antara lain : 1. Arman Hakim Nasution dan Yudha Prasetyawan (2008) Sistem persediaan adalah sumberdaya mengangur (idle resources) yang menunggu proses lebih lanjut. Yang dimaksud dengan proses lebih lanjut adalah berupa kegiatan produksi pada sistem manufaktur, kegiatan pemasaran pada sistem distribusi ataupun kegiatan konsumsi pangan pada sistem rumah tangga. 2. Hendra Kusuma (2001) Persediaan didefinisikan sebagai barang yang disimpan untuk digunakan atau dijual pada periode mendatang, persediaan dapat berbentuk bahan baku yang disimpan untuk diproses, dan barang jadi yang disimpan untuk dijual. Persediaan memegang peran penting agar perusahaan dapat berjalan dengan baik.

7

3. Freddy Rangkuti (2004) Pengertian persediaan merupakan suatu aktiva yang meliputi barang – barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu atau persediaan barang – barang yang masih dalam pengerjaan (proses produksi), atau persediaan bahan baku yang menunggu penggunaannya dalam suatu proses produksi. Menurut Freddy Rangkuti (2004), persediaan yang diadakan mulai dari bentuk bahan mentah sampai barang jadi, antara lain berguna untuk : 1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-bahan yang dibutuhkan perusahaan. 2. Menghilangkan resiko dari material yang dipesan tidak baik sehingga harus dikembalikan. 3. Untuk menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat digunakan bila bahan itu tidak ada dalam pasar. 4. Mempertahankan stabilitas dalam operasi perusahaan atau menjamin kelancaran arus produksi. 5. Mencapai penggunaan mesin yang optimal. 6. Memberi pelayanan (service) kepada pelanggan dengan sebaik-baiknya dimana keinginan pelanggan pada suatu waktu dapat dipenuhi atau memberikan jaminan tetap tersedianya barang jadi tersebut. 7. Membuat pengadaan atau produksi tidak perlu sesuai dengan penggunaan atau penjualannya. Setiap jenis persediaan memiliki karakteristik tersediri dan cara pengelolaan yang berbeda. Persediaan dapat dibedakan menjadi beberapa jenis persediaan secara fisik, yaitu : 1. Persediaan bahan mentah (raw materials), yaitu persediaan barang-barang berwujud seperti besi, kayu, serta komponen – komponen lain yang digunakan dalam proses produksi.

barang dalam jumlah yang lebih besar dari jumlah yang diperlukan. 3. yaitu persediaan barang-barang keluaran dari tiap – tiap bagian dalam proses produksi atau yang telah diolah menjadi suatu bentuk.  Memperoleh effisiensi produksi (manufacturing economies). tetapi masih perlu proses lebih lanjut menjadi barang jadi. Persediaan barang setengah jadi (work in process). Persediaan barang jadi (finished good). Proses Transformasi Produksi Menurut Freddy Rangkuti (2004). bentuk persediaan yang terdapat perusahaan dapat dibedakan menurut cara dan yakni sebagai berikut : 1) Batch stock / Lot Size Inventory dalam maksud pembeliannya Batch Stock / Lot Size Inventory adalah persediaan yang diadakan karena kita membeli atau membuatbahan – bahan atau barang .8 2. Keuntungan yang diperoleh dengan batch stock/lot size inventory antara lain sebagai berikut :  Memperoleh potongan harga (discount).1. . yaitu persediaan barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap untuk didistribusikan ke konsumen. tetapi bukan merupakan bagian atau komponen barang jadi. 5. Persediaan komponen (parts).  Biaya angkut per unit lebih murah. yaitu persediaan barang-barang yang diperlukan dalam proses produksi. yaitu persediaan barang-barang yang terdiri dari komponen – komponen yang diperoleh dari perusahaan lain yang secara langsung dapat dirakit menjadi suatu produk. Persediaan bahan pembantu (supplies). 4. Proses Barang Setengah Jadi Bahan Baku Barang Jadi Produksi Gambar 2.

dilihat dari fungsinya persediaan dapat dibedakan atas : 1. Keinginan untuk melakukan spekulasi dengan tujuan mendapatkan keuntungan dari kenaikan harga dimasa yang akan datang. Persediaan yang diadakan untuk . maka adanya persediaan merupakan hal yang sulit dihindarkan.2. Permintaan terhadap suatu barang tidak dapat dipenuhi seketika bila barang tersebut tidak tersedia sebelumnya. Ketidakpastian ini dapat diredam dengan mengadakan persediaan. Keinginan untuk meredam ketidakpastian. Ketidakpastian terjadi akibat permintaan yang bervariasi dan tidak pasti dalam jumlah maupun waktu kedatangan. penjualan atau permintaan yang meningkat. Penyebab timbulnya persediaan adalah sebagai berikut: 1. 3. 2. waktu pembuatan yang cenderung tidak konstan antara satu produk dengan produk berikutnya. berdasarkan pola musiman yang terdapat dalam satu tahun dan untuk menghadapi penggunaan. 3) Anticipation Stock Anticipation Stock adalah persediaan yang diadakan untuk menghadapi fluktuasi permintaan yang dapat diramalkan. waktu tenggang (lead time) yang cenderung tidak pasti karena banyak faktor yang tak dapat dikendalikan. 2. Penyebab dan Fungsi Persediaan Persediaan merupakan suatu hal yang tak terhindarkan. Mekanisme pemenuhan atas permintaan. Menurut Freddy Rangkuti (2004).9 2) Fluctuation Stock Fluctuation Stock adalah persediaan yang diadakan untuk mengahadapi fluktuasi permintaan yang tidak dapat diramalkan. Fungsi decoupling Persediaan ini memungkinkan perusahaan dapat memenuhi permintaan langganan tanpa tergantung pada supplier.1. Untuk menyiapkan barang ini diperlukan waktu untuk pembuatan dan pengiriman.

Persediaan sebagai penyangga. Persediaan dapat melindungi perusahaan dari ketidakpatian. Persediaan merupakan penyeimbang antara permintaan dan penawaran. 3. baik ketidakpastian penawaran maupun ketidakpatian penawaran 4. antara lain : 1. Fungsi economic lot sizing Persediaan ini mempertimbangkan penghematan-penghematan (potongan pembelian.1. Disamping itu perusahaan juga sering menghadapi ketidakpastian jangka waktu pengiriman dan permintaan akan barang-barang selama periode pesanan kembali sehingga memerlukan persediaan pengaman (safety stock / inventory). 3.10 menghadapi fluktuasi permintaan konsumen yang tidak dapat diramalkan (fluctuation stock) 2. sehingga kontinuitas produksi tetap terjaga walaupun intensitas permintaan dan penawaran reatif berfluktuasi. biaya pengangkutan per unit lebih murah dan sebagainya) karena perusahaan melakukan pembelian dalam kuantitas yang lebih besar. Tujuan Persediaan Tujuan utama dari persediaan adalah sebagai penyangga (buffer function) antara permintaan dan penawaran.3. dibanding biaya-biaya yang timbul karena besarnya persediaan. Fungsi antisipasi Anticipation stock berguna untuk menghadapi fluktuasi permintaan yang dapat diperkirakan atau diramalkan berdasar pengalaman atau data-data masa lalu (permintaan musiman). . 2. Persediaan memungkinkan perusahaan mencapai skala ekonomis (economic of scale) 2. Fungsi persediaan bahan baku bertujuan untuk mengurangi ketidakpastian produksi sebagai akibat fluktuasi pasokan bahan baku. Ada beberapa alasan mengapa perusahaan menyimpan persediaan. Dalam hal ini perusahaan mengadakan persediaan musiman (seasonal inventories) jika perusahaan menghadapi ketidakpastian dan diramalkan berdasarkan pengalaman atau datadata masa lalu.

Sistem Persediaan Sistem persediaan adalah suatu mekanisme mengenai bagaimana mengelola masukan-masukan yang berhubungan dengan persediaan menjadi output. Berapa jumlah barang yang sedang dipesan. masalah persediaan berkaitan dengan sistem pengoperasian persediaan yang akan menjamin kelancaran pengelolaan persediaan adalah sebagai berikut: 1. Dimana barang tersebut berada. dan berapa besar pesanan harus dilakukan. 3. Mekanisme sistem ini adalah pembuatan serangkaian kebijakan yang memonitor tingkat persediaan. variabel keputusan pada pengendalian sistem persediaan adalah sebagai berikut: 1. dimana untuk itu diperlukan umpan balik agar output memenuhi standar tertentu. komponen. Secara kuantitatif. 2.2. Berapa banyak jumlah barang yang akan dipesan atau dibuat. Sistem ini bertujuan menetapkan dan menjamin tersedianya produk jadi. bahan baku secara optimal. Kapan pemesanan atau pembuatan harus dilakukan. kapan persediaan harus diisi. 4. Siapa saja yang menjadi pemasok masing-masing item. Bagaimana mengendalikan persediaan. yaitu biaya penyimpanan. 3. dalam kuantitas yang optimal dan pada waktu yang optimal. Berapa jumlah persediaan pengaman.11 2. Jenis barang apa yang dimiliki. barang dalam proses. . biaya pemesanan dan biaya kekurangan persediaan. Kriteria optimal adalah minimasi biaya total yang terkait dengan persediaan. Secara kualitatif. Variabel keputusan dalam pengendalian tradisional dapat diklasifikasikan ke dalam variabel kuantitatif dan variabel kualitatif. 4. menentukan persediaan yang harus dijaga. 2.

Adapun jenis biaya persediaan adalah biaya pemesanan (biaya order) dan biaya penyimpanan bahan gudang. Perencanaan pemakaian bahan baku pada suatu periode yang lalu (actual usage) dapat digunakan untuk memperkirakan kebutuhan bahan. 3. Karena perusahaan memiliki banyak subsistem lain selain persediaan. Faktor-faktor dominan yang dimaksud adalah sebagai berikut : 1. Beberapa faktor yang menentukan besarnya persediaan yang harus diadakan. Dikaitkan dengan tujuan umum perusahaan. Perkiraan pemakaian bahan Penentuan besarnya persediaan bahan yang diperlukan harus sesuai dengan kebutuhan pemakaian bahan tersebut dalam suatu periode produksi tertentu. Biaya persediaan Terdapat beberapa jenis biaya untuk menyelenggarakan persediaan bahan. Alasannya adalah pemakaian bahan periode lalu merupakan indicator tentang penyerapan bahan oleh proses produksi. maka ukuran optimalitas pengendalian persediaan seringkali diukur dengan keuntungan maksimum yang dicapai. bila kondisinya sama berarti pada periode yang akan datang dapat ditentukan besarnya persediaan bahan baku bersangkutan. maka mengukur kontribusi pengendalian persediaan dalam mencapai total keuntungan bukan hal mudah. Optimalisasi pengendalian persediaan biasanya diukur dengan total biaya minimal pada suatu periode tertentu. 2. di mana faktor-faktor tersebut saling bertautan satu sama lain. Dengan demikian. Waktu menunggu pesanan (lead time) . Harga bahan ini bila dikalikan dengan jumlah bahan yang diperlukan merupakan kebutuhan modal yang harus disediakan untuk membeli persediaan tersebut. Harga Bahan Harga bahan yang diperlukan merupakan faktor lainnya yang dapat mempengaruhi besarnya persediaan yang harus diadakan. 4.12 Secara luas tujuan sistem persediaan adalah menemukan solusi optimal terhadap seluruh masalah yang terkait dengan persediaan.

Biaya penyimpanan (carrying cost) adalah semua pengeluaran yang timbul akibat memiliki persediaan selama satu kurun waktu. Biaya ini meliputi biaya untuk menentukan pemasok (supplier). yaitu semua pengeluaran yang timbul untuk mendatangkan barang dari luar. Biaya modal. Biaya pengadaan (procurement cost). menyetel mesin. 2.biaya sistem persediaan adalah sebagai berikut berikut : 1. Biaya . Artinya jangan sampai terjadi kehabisan bahan di gudang. biaya tidak dimasukan sebagai dasar untuk membuat keputusan.2. pengangkutan. 3. Waktu tenggang ini merupakan salah satu faktoryang perlu diperhatikan agar bahan/barang yang dipesan datang tepat pada waktunya. biaya ini timbul karena sejumlah uang yang tertanam . yaitu semua pengeluaran yang timbul dalam mempersiapkan produksi suatu barang. besarnya biaya pembelian ini tergantung pada jumlah barang yang dibeli dan harga satuan barang.  Biaya pembuatan (setup cost= k). Biaya pembelian (purchaising cost = c) adalah untuk membeli biaya yang dikeluarkan barang.1. 2. pengetikan pemesanan. mempersiapkan gambaran kerja dan seterusnya. Biaya ini diasumsikan konstan untuk setiap kali pemesanan. Pada beberapa model pengendalian sistem persediaan. Biaya pengadaan ini dibedakan atas 2 jenis yaitu:  Biaya pemesanan (ordering cost = k). Biaya – Biaya Dalam Sistem Persediaan Secara umum dapat dikatakan bahwa biaya sistem persediaan adalah semua pengeluaran dan kerugiaan yang timbul sebagai akibat adanya persediaan.13 Waktu menunggu pesanan (lead time) adalah waktu antara atau tenggat waktu sejak pesanan dilakukan sampai dengan saat pesanan tersebut masuk ke gudang. pengiriman pesanan. penerimaan dan sbagainya. Biaya penyimpanan meliputi : a. Biaya ini timbul di dalam pabrik yait meliputi biaya penyusunan produksi.

biaya mempersiapkan tenaga kerja langsung. Jika gudangnya milik sendiri. yaitu biaya yang dikenakan pada barang dalam persediaan sebagai pajak. dan biayabiaya lain yang besarnya tidak tergantung pada jumlah item yang diproduksi. Biaya ini sulit diukur karena berhubungan dengan good will perusahaan. biaya mempersiapkan / menyetel (set-up) mesin. penurunan kualitas barang. e. Biaya penyiapan adalah semua pengeluaran Biaya yang ini timbul meliputi dalam biaya dari pinjaman bank. yaitu biaya . Sebagai pedoman.biaya yang terjadi karena barang mengalami kerusakan. maka biaya sewa gudang menjadi biaya pemeliharaan dan penyusutan gudang. Pajak. biaya stock out dapat dihitung dari hal-hal . persiapan peralatan produksi. b. Biaya kekurangan persediaan adalah bila perusahaan kehabisan barang saat ada permintaan. Biaya ini terjadi bila item sediaan diproduksi sendiri dan tidak membeli dari pemasok. yaitu biaya sewa gudang tempat penyimpanan persediaan.14 dalam persediaan yang merupakan bunga jika pihak perusahaan mendapatkan modal yang tertanam dalam persediaan keperluan mendesak lainya. dan biaya administrasi lainya. Biaya kemerosotan harga. Biaya asuransi. c. 5. Biaya ini juga dapat dilihat dari kehilangan kesempatan bagi mempersiapkan produksi. bila barang yang disimpan diasuransikan. 4. ketinggalan jaman. d. biaya perencanaan dan penjadwalan produksi. Biaya gudang (storage cost). Stock out menimbulkan kerugiaan berupa keuntungan biaya akibat kehilangan kesempatan mendapatkan atau kehilangan pelanggan yang kecewa (yang pindah ke produk saingan). maupun kehilangan barang. biaya mempersiapkan gambar kerja. maka akan terjadi stock out. maka biaya asuransi adalah biaya yang harus dibayar menurutjumlah persediaan yang diasuransikan. biaya angkut.

maka dapat dilakukan pengadaan darurat yang biasanya menimbulkan biaya lebih besar ketimbang biaya pengadaan normal. yaitu panjang waktu antara 2 pemesanan yang berurutan biasa tetap atau berubah-ubah. Biaya ini diistilahkan sebagai biaya pinalti atau hukuman kerugiaan bagi perusahaan  Waktu pemenuhan. yaitu tenggang waktu antara barang yang dipesan sampai barang tersebut datang. 2. Lead Time. Lead time hanya berpengaruh terhadap sistem . 2. dalam menentukan cara penambahan persediaan harus diidentifikasikan elemen-elemen sebagai berikut: Jumlah penambahan. Penambahan persediaan.15 berikut :  Kuantitas yang tak dapat dipenuhi. Periode penjadwalan. misalnya:  Bagaimana pola datanya. Berapa harga rata-rata dan range kebutuhannya. Perkiraaan kebutuhan besar artinya untuk menentukan solusi dari sistem. akan tetapi harus diketahui bagaimana karakteristik kebutuhan. biasanya diukur dari keuntunngan yang hilang karena tidak dapat pemenuhan permintaan.2. tetap atau berubah-ubah. yaitu jumlah pemesanan untuk setiap periode penjadwalan.2. dan kapan dibutuhkannya. Lamanya gudang atau kosong berarti lamanya tidak proses produksi terhenti lamanya perusahaan mendapatkan keuntungan. yaitu: 1. Sebenarnya kebutuhan sulit untuk dikontrol karena ia dibentuk oleh orang diluar organisasi perusahaan. sehingga waktu menganggur tersebut dapat diartikan sebagi uang yang hilang  Biaya pengadaan darurat. berapa besarnya. Agar konsumen tidak kecewa. Karakteristik Sistem Persediaan Adapun unsur-unsur yang membentuk sistem persediaan yang harus diperhitungkan dengan sebaik-baiknya oleh suatu perusahaan. Kebutuhan atau demand. adalah sesuatu yang dibutuhkan oleh pemakai yang perlu dikeluarkan dari sistem persediaan.

komponen – komponen. B. Ketergantungan terhadap kebutuhan sebelumnya. Harga bervariasi tergantung jumlah pemesanan. dimana 2 diantaranya atau seluruhnya harus dikontrol. dan C. yaitu A. sedangkan pada sistem deterministik tidak banyak pengaruhnya karena kebutuhannya konstan. Kriteria dalam Klasifikasi tersebut merefleksikan kesulitan dalam pengontorlan masing – masing merupakan pembatas bagi sistem persediaan. sehingga perlu dilakukan pengendalian persediaan berdasarkan skala prioritas. barang – barang pembantu poduksi dan barang – barang administrasi. 3. 4. Vilfredo Pareto membagi barang – barang yang disimpan oleh sistem persediaan suatu perusahaan menjadi 3 klasifikasi. Biaya kekurangan persediaan (shortage cost). Keterbatasan gudang.16 probabilistik. Ketiga macam biaya itu adalah: Biaya memiliki persediaan (carrying cost). Biaya penambahan persediaan (replenishing cost). Fungsi dari metode Analisis Persediaan ABC adalah untuk menetahui jenis – jenis barang yang perlu mendapatkan prioritas.3. Naddor berpendapat bahwa pada sistem persediaan hanya terdapat 3 macam biaya penting. Elemen biaya persediaan. seperti: . barang – barang tersebut mungkin berupa produk jadi. berlaku jika ada aturan-aturan khusus yang Barang boleh ditukar. sehingga pernyataannya dikenal sebagai analisis persediaan ABC. Pembatas (constrain). 2. Metode Analisis Persediaan ABC Suatu perusahaan yang besar mungkin akan menyimpan lebih dari ribuan barang dengan jenis yang berbeda. Biaya investasi dan biaya penyimpanan barang – barang tersebut tentunya membutuhkan dana yang sangat besar.

dan menyerap modal sebesar 80% dari seluruh modal yang tertanam dalam persediaan. Kelompok C Kelompok barang-barang yang menyerap modal sebesar 5%-10% dari jumlah modal keseluruhan. Jenis barang dalam kelompok ini berjumlah 15 . 2. 3. Analisis persediaan ABC biasanya dibuat berdasarkan besar kecilnya nilai uang barang terhadap investasi total tahunan barang yang disimpan. Kelompok B Kelompok barang-barang yang menyerap modal sebesar 10%-15% dari jumlah modal keseluruhan dan jumlah barangnya sendiri adalah 30%-40% dari jumlah barang yang ada. 10 0 9 0 8 0 7 0 6 0 5 0 4 0 3 0 2 0 biaya pengawasan yang lebih besar dibandingkan nilai . karena hal tersebut akan memerlukan persediaannya. Kelompok A Kelompok ini adalah barang-barang yang menyerap modal dalam prosentase yang besar. Barang yang nilai uangnya kecil dibanding nilai total persediaan meskipun jumlah unitnya besar tidak akan memerlukan pengawasan yang sangat ketat.17 item dan pengaruh daripada item tersebut dalam pembiyaan dan profitabilitas perusahaan. dan jumlah barangnya meliputi 40% dari seluruh barang yang ada. Pareto mengklasifikasikan barang – barang dalam analisi persediaan ABC dengan kriteria – kriteria umum sebagai berikut : 1.25% dari seluruh jenis barang yang ada.

dan Manufacturing Resource Planning. Analisa kebutuhan yang akan datang disering disebut juga “ Peramalan (Forecasting) “. Suatu kebijakan usaha memang tidak lepas akan terlepas dari usaha untuk meningkatakan performasi dan keberhasilan perusaaan.18 1 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 10 0 Gambar 2. dievaluasi dan dicek kembali karena jenis barang dalam kelompok A merupakan jenis barang yang sangat tinggi nilai penjualannya. dimana objek yang diramalkan adalah kebutuhan. sedangkan pada industri yang menganut Make to Order peramalan hanya merupakan bahan pertimbangan dalam menentukan kebutuhan mesin yang akan digunakan.4. jenis barang A harus menerima analisis yang maksimal. Pada industri yang menganut sistem Make to Stock peramalan merupakan input utama. Pengertian Analisa Kebutuhan (Forecasting) Forecasting adalah upaya untuk memperkirakan apa yang terjadi dimasa yang akan datang dan objek yang diramalkan dapat meliputi apa saja. . Dengan demikiaan secara keseluruhan jenis barang yang termasuk dalam kelompok A harus menjadi fokus perhatian utama. agar tujuan-tujuan tesebut dapat tercapai maka segala sesuatu yang akan terjadi dimasa yang akan datang harus diantisipasi sedini mungkin agar segala sesuatunya dapat berjalan lancar. 2. Jenis barang kelompok B merupakan perhatian nomor dua dibawahnya. Manufacturing and Planning Control.2. Persentase Masing-masing Jenis Barang dalam Persediaan (ranking) Untuk tujuan manajemen. Dalam suatu manufakturing peramalan merupakan langkah awal dalam penyusunan Production Inventory Management. Usaha-usaha untuk mengantisipasi apa yang akan terjadi dimasa yang akan datang tidak akan terlepas dari kegiata peramalan (Forecasting). Analisa kebutuhan bertujuan untuk melihat atau memperkirakan prospek ekonomi atau kegiatan usaha serta pengaruh lingkungan terhadap prospek tersebut. Sedangkan jenis barang kelompok C harus dianlisis secara kasual dengan memperhatikan satu demi satu kecenderungannya.

.4. Jika kesulitan terjadi pada metode sederhana. diagnosa dilakukan lebih mudah. Peramalan hanya mengurangi ketidakpastian tetapi tidak menghilangkannya.19 2. Peramalan melibatkan kesalahan (error). perusahaan kehilangan pelanggan dan profit. Prinsip-prinsip Peramalan Plossi mengemukakan lima prinsip peramalan yang perlu dipertimbangkan: 1.  Simple Keuntungan utama menggunakan peramalan yang sederhana yaitu kemudahan untuk melakukan peramalan. karena apabila terlalu besar akan menyebabkan inventory yang berlebihan dan biaya operasi tambahan sedangkan kalau terlalu kecil akan menyebabkan kekurangan inventory.2.1. Karakteristik Peramalan Karakteristik dari peramalan yang baik harus memenuhi beberapa kriteria yaitu dari hal-hal sebagai berikut:  Ketelitian Ramalan harus memiliki tingkat ketelitian yang cukup. Secara umum. Mengusahakan melakukan peramalan jangan sampai menimbulkan ongkos yang terlalu besar ataupun terlalu kecil. 2. ini memungkinkan adanya kesalahan peramalan.  Biaya Biaya untuk mengembangkan model peramalan dan melakukan peramalan akan menjadi signifikan jika jumlah produk dan data lainnya semakin besar. back order.  Response Ramalan yang dilakukan harus stabil dan tidak terpengaruhi oleh fluktuasi demand. lebih baik menggunakan metode paling sederhana yang sesuai dengan kebutuhan peramalan.4.

linear. 2. Dari sifat penyusunannya  Peramalan yang subyektif yaitu peramalan yang didasarkan instuisi Peramalan yang obyektif yaitu peramalan yang didasarkan pada dari orang yang menyusunnya. Dalam waktu jangka pendek. Peramalan family produk lebih akurat dari pada peramalan produk individu (item). 5. persentase kesalahan cenderung lebih kecil dari pada persentase kesalahan peramalan produk-produk individu penyusunan family.3. Ada banyak kemungkinan antara peramalan yang satu dengan peramalan yang lainnya mengalami perbedaan. Jika dimungkinkan.20 2. Pada saat jadwal dapat dihitung dan peramalan tidak perlu dilakukan. kebutuhan komponen dan bahan baku untuk mendukung jadwal produksi . faktor penentu outcome. siklik dan lain-lain). jumlah permintaan belum diketahui sehingga jadwal produksi harus dapat dibuat berdasarkan peramalan. produksi telah disusun. 4. Peramalan jangka pendek lebih akurat dari pada peramalan jangka panjang. sehingga peramalan jangka pendek cenderung lebih akurat. hitung permintaan dari pada meramal permintaan. besar kesalahan dapat dinyatakan dalam satuan unit atau persentase permintaan aktual akan jatuh dalam interval peramalan. Pola data (konstan. Teknik peramalan Teknik peramalan harus sederhana untuk menghindari salah interpretasi. kondisi yang mempengaruhi permintaan cenderung tetap atau berubah lambat. Peramalan sebaiknya memakai tolak ukur kesalahan peramalan.  data masa lalu. Hal ini disebabkan karena Time Horison (rentang waktu). jika satu family produk tertentu diramal sebagai satu kesatuan. Pada umumnya peramalan dapat dibagi kedalam beberapa segi tergantung dari beberapa kriteria berikut ini: 1. dengan menggunakan teknik-teknik tertentu dalam menganalisanya. Untuk produk yang bersifat memproduksi untuk disimpan (make to stock). 3.4.

Dalam peramalan terdapat beberapa jenis pola data diantaranya yaitu : 1. biasanya lebih dari satu setengah tahun sampai tiga semester. .  Peramalan jangka pendek adalah peramalan yang dilakukan untuk penyusunan hasil-hasil ramalan yang jangka waktunya kurang dari setahun atau tiga semester. Dari sifat ramalan yang telah disusun  Peramalan kuantitatif yaitu peramalan yang didasarkan atas data Peramalan kualitatif yaitu peramalan yang didasarkan atas kuantitatif masa lalu. Kebutuhan sumber daya tambahan dimasa yang akan datang 3. Pola Horizontal (H) Pola ini terjadi bilamana nilai data berfluktuasi disekitar nilai rata-rata yang konstan. Nilai data berfluktuasi disekitar nilai rata-rata yang konstan (Stasioner terhadap nilai rata-ratanya). 2. buruh atau pelayanan adalah input untuk menjadwalkan produksi. Penentuan sumber daya yang diinginkan. Penjadwalan sumber-sumber tersedia.  kualitatif masa lalu. Dari rentang waktu  Peramalan jangka panjang yaitu peramalan yang dilakukan untuk meramalkan kebutuhan dalam jangka waktu yang lama. misalnya: peramalan tingkat permintaan produk. Hasil-hasil peramalan sangat diperlukan untuk menentukan keputusan yang akan diambil oleh organisasi antara lain: 1. peramalan faktor lingkungan masa datang. 3. material.21 2. Deret seperti ini stasioner terhadap nilai rata-ratanya. transportasi. keuangan. keuangan dan personil.

Pola Musiman (S) Pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman. Pola Data Horizontal 2. 1 2 3 4 5 6 7 8 9 10 Gambar 2. Pola Data Siklus 4. .5. Pola Data Musiman 3. seperti yang berhubungan siklus bisnis. dan harian pada minggu terentu atau waktu-waktu tertentu 1 2 3 4 5 6 7 8 9 10 Gambar 2. misalnya: bulanan. Pola Siklik (C) Pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang. kuartal tahun tertentu.3. Pola Trend (T) Pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.4.22 1 2 3 4 5 6 7 8 9 10 11 12 Gambar 2.

Pola Data Trend Pada umumnya peramalan dapat dibagi kedalam beberapa segi tergantung dari beberapa kriteria berikut ini: 1. Peramalan yang obyektif yaitu peramalan yang didasarkan pada data masa lalu. Peramalan yang subyektif yaitu peramalan yang didasarkan pada intuisi dari orang yang menyusunnya. Peramalan jangka pendek Adalah peramalan yang dilakukan untuk penyusunan hasil-hasil ramalan yang jangka waktunya kurang dari setahun atau tiga semester. Peramalan jangka panjang Yaitu peramalan yang dilakukan untuk meramalkan kebutuhan dalam jangka waktu yang lama. b. biasanya lebih dari satu setengah tahun sampai tiga semester. perencanaan kapasitas. peramalan secara teknis di kualifikasikan dalam 2 cara yaitu: a. c. Peramalan jangak menengah Peramalan ini digunakan untuk meramalkan kondisi dalam jangka waktu 1 (satu) sampai dengan 5 (lima) tahun ke depan. Hasil peramalan ini biasanya digunakan untuk bahan dalam pengambilan keputusan yang berkaitan dengan perencanaan pasar. studi kelayakan. Ditinjau dari segi proyeksi (sifat penyusunannya). yaitu: a.6. . dengan menggunakan teknik-teknik tertentu dalam menganalisanya. b. 2.23 1 2 3 4 5 6 7 8 9 10 Gambar 2. dan lain-lain. Dalam hal ini ketajaman pemikiran orang yang menyusun sangat menentukan baik tidaknya hasil ramalan. Dilihat dari jangka (rentang) waktu peramalan yang disusun dapat dibedakan atas 3 macam.

b. Teknik-teknik kualitatif didasasri atas dasar pendekatan akal sehat (Common Sense) dalam menyaring informasi kedalam bentuk yang bermanfaat.4.24 3. secara matematis dapat ditulis sebagai berikut (forecasting by makridakis hal 69-79). Secara garis besar. Teknik Peramalan Secara Kuantitatif Dalam teknik ini. Dilihat dari sifat ramalan yang telah disusun. maka peramalan dapat dibedakan menjadi: a. Teknik Peramalan Secara Kualitatif Teknik ini digunakan apabila data masa lalu tidak tersedia/jika tersedia pun jumlahnya tidak mencukupi. Metode Peramalan Kuantitatif • Metode Time Series Metode time series didasarkan pada deret yang menggambarkan pola-pola yang bervariasi sepanjang waktu. metode time series dapat dikelompokan menjadi:  Metode Average Peramalan dengan moving average adalah untuk mendapatkan rata-rata sejumlah data paling baru yang berurutan. yaitu: analisis deret waktu (time series analyisis) dan model structural (structural model) atau model kausal. 2. Teknik kualitatif mengkimbinasikan informasi dengan peramalan. penilaian dan intuisi untuk menghasilkan pola-pola dan hubungan yang mungkin dapat diterapkan untuk membuat prediksi-prediksi tentang masa yang akan datang. yang dimodelkan untuk menentukan bagaimana pola yang akan terjadi dimasa yang akan datang dimana kondisi ini tidak dapat menjelaskan faktor apa yang akan menyebabkan terjadinya event yang diramalkan (Back bok). . Adapun metode-metode yang termasuk didalamnya antara lain : 1. Terdapat dua teknik kantitatif yang utama. Teknik peramalan daengan moving average ini diantaranya adalah single moving average dan double moving average.4. pola historis data digunakan untuk mengekstrapolasi (meramalkan) masa datang. Metode Single Moving Average Teknik peramalan dengan single moving average.

Metode ini kurang cepat menanggapi data yang bersifat siklis. b. Metode ini dipengaruhi oleh periode yang dipertimbangkan (N) dalam melakukan peramalan. 1 xt = data pada periode ke t. Dengan mengambil beberapa nilai N. Hasil dari metode tersebut digunakan untuk mendapatkan average kedua. jika data pola yang stabil. maka diambil N yang lebih besar. s t + = peramalan periode ke t. dikembangakan suatu double moving average yang dapat menangkap bentuk linier tersebut. kemudian akan diperoleh suatu harga N yang akan memberikan simpangan terkecil. digunakan hasil dari single moving average.25 s t +1 = x t + x t −1 + . Untuk data pola linier. maka dalam penetapan banyak data yang dikembangkan dipilih lebih kecil. metode ini memberikan nilai yang lebih besar. Metode ini selalu terlambat dalam menanggapi suatu perubahan data untuk data dengan kecenderungan menarik. hasil peramalannya memberikan nilai yang lebih kecil sedangkan untuk data dengan kecenderungan menurun. N Dari persamaan diatas bahwa pola hasil peramalan sangat ditentukan oleh jumlah data yang diperhitungkan (N) dalam peramalan. selanjutnya metode single moving average ini mempunyai beberapa karakteristik yang lain: a. Metode Double Moving Average Seperti telah disebutkan bahwa peramalan dengan single moving average akan tertinggal dibelakang data sebenarnya bila terdapat kecenderungan dalam pola data... = jumlah data yang diperhitungkan. 2. Demikian juga sebaliknya. Untuk dapat melakukan perhitungan dengan double moving average. . Jika dari pengamatan terlihat bahwa perubahan nilai data cukup besar satiap periodenya. + x t −n +1 N Dimana.

Adapun metode-metode yang termasuk didalamnya antara lain : 1.m Dimana : s' t = nilai peramalan dengan single moving average. Metode Expnontial Smoothing Metode exponential smoothing merupakan metode peramalan yang cukup baik untuk peramalan jangka panjang dan jangka menengah. s" t f t+ m = hasil peramalan dengan double moving average pada periode = periode kedepan yang diramalkan. terutama pada tingkat operasional suatu perusahaan. m  Metode Smoothing Metode smoothing dipakai pada kondisi dimana bobot data pada periode yang satu berbeda dengan data periode sebelumnya membentuk fungsi eksponensial yang biasa disebut eksponential smoothing. kedepan. = nilai moving average kedua. Vincent G. hal 72-123) sebagai berikut: s' t = s't = x 1 + x t −1 + x 1−N +1 N s' t +s t −1 + s1−N +1 N a 1 =s' t + s' t − " t ) ( s = s' t − t 2 s" 2 b = (s'1 −" t ) s N− 1 f t +m = a + b t .26 Bentuk perhitungan yang dilakukan dapat dijelaskan dengan persamaan (Analisis kuantitatif untuk perencanaan. hal 79-115) dapat dilihat bahwa konsep . dalam perkembangan dasar matematis dari metode smoothing (forcasting by Makridakis.

Apabila pola historis dari data akual permintaan tidak berfluktuasi atau relati stabil dari waktu ke waktu maka kita memilih nilai α yang mendekati nol.2. maka model yang baik untuk digunakan adalah exponential smoothing linier dari brown atau model exponential smoothing linier dari holt.27 exponential telah berkembang dan menjadi metode praktis dengan penggunaan yang cukup luas. 2. kita memilih nilai α mendekati 1. semakin stabil nilai α yang dipilih harus semakin kecil menuju ke nilai nol 2. Menurut Makridakis. ada sedikit keraguan apakah ketepatan yang lebih baik selalu dapat dicapai dengan menggunakan (QS) Quantitatif sistem ataukah metode dekomposisi yang secara intuitif menarik.Biasanya di pilih nilai α = 0. Wheelwright & Mcgee dalam bukunya “forcasting” (hal 104).99 tergantung sejauh mana gejolak dari data itu. Adapun panduan untuk memperkirkan nilai α yaitu antara lain: 1. 0. katakanlah. α = 0. Menyatakan bahwa apabila data yang dianalisa bersifat stationer.8. maka penggunaan metode rata-rata bergerak (moving average) atau single exponential smoothing cukup tepat akan tetapi apabila datanya menunjukan suatu trend linier.01 tergantung sejauh mana kestabilan data itu. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu.9. Kelebihan utama dari metode exponential smoothing adalah dilihat dari kemudahan dalam operasi yang relatif rendah. terutama dalam peramalan bagi persedian.05. Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan yang diperkirakan tepat. namun dalam hal ini jika diperlukan peramalan untuk ratusan item. 0. namun pembaca dapat mencoba nilai α yang lain yang mendekati 1 seperti 0. 0. Metode Single Exponential Smoothing .

s t −2 .... persamaan adalah : s' t = x t + x t −2 + .... + x t −N +1 N Peramalan untuk periode t. ) Demikian seterusnya untuk s t − . Peramalan dengan exponential smoothing juga dapat digunakan untuk meramalkan beberapa periode kedepan untuk pola data dengan kecenderungan linier.. Harga α ditetapkan oleh 0 ≤ X ≤ 1 dan harga α yang terpilih yang memberikan simpangan terkecil dari perhitungan yang ada.... teknik yang digunakan dikenal dengan nama Brown Parameter Exponential Smoothing langkah-langkah perhitungan untuk mendapatkan peramalan dengan metode ini adalah: s' t = αx t + (1 − α)s' t −1 ... s' t = Atau s' t −1 = Sedangkan persamaan matematis untuk single moving exponential smoothing sebagai berikut : s' t = = x t st − + s' t N N 1 1 −1 x ' t +s' t ( ) N N = α x t −1 + (1 − α s t −1 .... Untuk melihat persamaan metode ini dengan metode single moving average.. 1 ....... maka lihat kembali persamaan matematis yang digunakan pada peramalan single moving average. s t +1 = x t + x t −1 + .28 Metode ini juga digunakan untuk meramalkan suatu periode ke depan. seperti pada metode single moving average. s 1−n Jadi terlihat bahwa metode single moving average merupakan sejumlah data semua yang ditekankan pada baru.... ...... + x 1−N +1 + x 1−N N x ' t −x ' t −n +st N x t x t −N − +st N N Maka.

= nilai moving average kedua. Metode Double Expnontial Smoothing Satu Parameter Brown Dasar pemikiran dari pemulusan eksponensial linier dari Brown adalah serupa dengan rata-rata bergerak linier. 1. Persamaan yang dipakai dalam implementasi pemulusan linier satu parameter Brown ditunjukan dibawah ini: . Untuk itu Brown’s memanfaatkan nilai peramalan dari hasil single Eksponential Smothing dan Double Exponential smoothing.29 s' t = α t + (1 − α)s" t s a t =s t +(s' t − " t ) s = s' t − t 2 s" α bt = (s ' t −" t ) s 1− α s t +m = a + b t . Perbedaan antara kedua ditambahkan pada harga dari SES dengan demikian harga peramalan telah disesuaikan terhadap trend pada plot datanya. karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend. perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan dan disesuaikan untuk trend.m Dimana : s' t = nilai peramalan dengan single moving average. = periode kedepan yang diramalkan. s" t f t+ m = hasil peramalan dengan double moving average pada periode kedepan. m  Metode Double Exponential Smoothing Metode ini dikembangkan oleh Brown’s untuk mengatasi adanya perbedaan yang muncul antara data aktual dan nilai peramalan apabila ada trend pada plot datanya.

Metode Double Exponential Smoothing Dua Parameter Holt Metode pemulusan eksponensial linier dari Holt dalam prinsipnya serupa dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. jika α mendekati nol. Sebagai gantinya Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. = ramalan m periode ke muka S” t = adalah nilai pemulusan eksponensial ganda.30 S't = α. Tetapi. pengaruh dari proses inisialisasi ini dengan cepat menjadi kurang berarti dengan berlalunya waktu. Ft + m Agar dapat menggunakan persamaan diatas.mt Dimana : S’t m = nilai pemulusan eksponensial tunggal = jumlah periode ke muka yang diramalkan.x t S"t = + (1 − α)S' t − 1 α. proses inisialisasi tersebut dapat memainkan peran yang nyata selama periode waktu ke muka yang panjang. Tetapi pada saat t = 1. Jika parameter pemulusan α tidak mendekati nol. 2. Ramalan dari . harus tersedia. nilai S”t-1 dan S”t-1. Hal ini dapat dilakukan dengan hanya menetapkan S’t dan S”t sama dengan Xt atau dengan menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal.S' t +(1 − α)S" t − 1 1 1−α (S' t − S" t) at = S't + ( S't – S”t ) = 2 S't – S”t bt Ft = = at + bt. nilai-nilai ini harus ditentukan pada awal periode. nilai-nilai tersebut tidak tersedia. Jadi. Jenis masalah inisialisasi ini muncul dalam setiap metode pemulusan (smoothing) eksponensial.

bt. Akhirnya persamaan (3) digunakan untuk peramalan ke muka. Karena mungkin masih terdapat sedikit kerandoman. yaitu St-1. 4. Metode winter didasarkan atas tiga persamaan pemulusan yaitu satu untuk . nilai yang baru akan lebih tinggi atau lebih rendah dari pada nilai yang sebelumnya. maka hal ini dihilangkan oleh pemulusan γ (gamma) trend pada periode akhir (St – St-1). Dimana: St bt = data pemulusan pada periode t = trend pemulusan pada periode t = peramalan pada periode t Ft + m Persamaan diatas (1) menyesuaikan St secara langsung untuk trend periode sebelumnya yaitu bt-1 dengan menambahkan nilai pemulusan yang terakhir. dikalikan dengan jumlah periode kedepan yang diramalkan. Trend.X t bt = γ (S t + (1 − α ) S t −1 + b t −1 ( ) − S t −1 + (1 − γ ) b t −1 ) Ft + m = St + btm. Kemudian persamaan meremajakan trend (2). dan menambahkannya dengan taksiran trend sebelumnya dikalikan (1. Metode ini adalah metode yang digunakan dalam pemulusan trend dan musiman. hal ini membantu untuk menghilangkan kelambatan dan menempatkan St ke dasar perkiraan nilai data saat ini.31 pemulusan eksponensial linier Holt didapat dengan menggunakan dua konstan pemulusan (dengan nialai antara 0 sampai 1) dan tiga persamaan: St = α. m dan ditambahkan pada nilai dasar St. yang ditunjukan sebagai perbedaan antara dua nilai pemulusan yang terakhir. Jadi persamaan diatas dipakai untuk meremajakan trend. Metode Triple Exponential Smoothing Metode ini dapat digunakan untuk data yang bersifat atau mengandung musiman.γ ). Hal ini tepat karena jika terdapat kecenderungan di dalam data.

Hal ini serupa dengan metode holt dengan satu persamaan tambahan untuk mengatasi musiman. Di bawah ini akan dijelaskan secara singkat metode regresi sederhana yang melibatkan suatu variabel bebas dan variabel tidak bebas. Metode Simple Regresi Pada dasarnya metode ini berusaha mencari fungsi hubungan antara sebab akibat (causal) dalam hal waktu. metode ini dapat dipakai untuk jangka panjang.dan musiman.32 stationer. . = Komponen trend = Faktor penyesuaian musiman = Ramalan untuk n periode ke depan. Persamaan dasar untuk metode winter adalah sebagai berikut : b t = γ(S t − S t −1 ) + (1 − γ) b t −1 ( trend ) It =β xt + (1 − β) I t −L (musiman) S Ft +m = (S t + b t m) I t −L +m (ramalan) St = α xt + (1 − α)(S t −1 = b t −1 ) (keseluruhan) I t −L Dimana : L B I = Panjang musiman. artinya hubungan antara variabel waktu dan permintaan berbentuk garis linier. Regresi linier digunakan untuk peramalan apabila set data data yang ada linier. maka tujuan yang ingin tercapai untuk mendapatkan persamaan garis lurus. sebagai variabel bebas. jika kita gunakan y sebagai variabel tidak bebas dan x = t. trend. factor intercept dan slope pada peramalan dihitung dari masa lalu dan digunakan untuk melakukan peramalan dengan variabel waktu yang berubah. Metode regresi linier didasarkan atas perhitungan least square error yaitu dengan memperhitungakan jarak terkecil kesuatu titik pada data untuk ditarik garis. Ft + m 5. dengan metode ini dapat diperolah suatu ramalan dengan didasarkan atas persamaan yang dihasilkan.

= variabel bebas. yt e Jika dijumlahkan akan menghasilkan nilai minimum. selanjutnya kita dapat menentukan titik taksiran y (sebagai nilai tunggal berdasarkan suatu titik nilai x tertentu. Model peramalan dengan pendekatan regresi juga merupakan peramalan yang menggunakan pendekatan statistik dan dilihat dari bentuk peramalan dapat dibagi kedalam beberapa pola: a. Sedemikian rupa sehingga untuk setiap nilai waktu t tertentu. c. kesalahan kuadrat (square error):  z ( y) − y t = e t Dimana :  y = hasil peramalan. = nilai kesalahan.4.33  y = a + b( t ) Dimana : a b = Intercep. Ini merupakan prosedur LS (last square) dan kesalahan dinyatakan sebagai panjang garis vertikal dari titik tertentu ke garis (a+b). Pola Quadratik. b. Setelah persamaan regresi ditemukan dan diuji. Pola Logaritma. 2. Metode Pemilihan Peramalan .  y 0 = a + bx 0  y ) Sebagai nilai harapan y yang diberikan oleh x0 . Pola Linier. model regresi ini menghasilkan. = Slope (kemiringan).5.

( A t − Ft ) 2 MSE = ∑ n 3. Rata. Rata.rata Persentase Kesalahan Absolute (Mean Absolute Percentage Error = MAPE ) Ft  100  MAPE =  ∑A t − At  n  . tetapi memperkecil angka kesalahan peramalan yang lebih kecil dari satu unit. Untuk mendapatkan nilai yang tepat. Rata-rata kuadrat kesalahan (Mean Square Error = MSE).34 Suatu permalan sempurna jika nilai variable yang diramalkan sama dengan nilai sebenarnya. Kesalahan peramalan tidak semata-mata dsebabakan kesalahan dalam pemilihan metode. MSE memperkuat pengaruh angka–angka kesalahan besar. yang dirumuskan sebagai berikut . Ukuran kesalahan (Error) adalah besarnya penyimpangan antara actual demand dengan hasil ramalan (et). e(t) = X(t) – F(t) Berikut ini beberapa ukuran akurasi dari peramalan yang dipakai : 1.rata devisi mutlak ( Mean Absolute Deviation = MAD). penyimpangan absolute merupakan penjumlahan kesalahan Rata-rata peramalan tanpa menghiraukan tanda aljabarnya dibagi dengan banyaknya data yang diamati. M AD = ∑ A t −f t n 2. maka diharapkan peramalan tersebut dapat dilakukan dengan nilai kesalahan sekecil mungkin. tetapi dapat juga disebabkan jumlah data yang diamati terlalu sedikit sehingga tidak menggambarkan perilaku atau pola yang sebenarnya dari variable yang bersangkutan.

4. namun yang paling umum dipergunakan adalah: MAD (Mean Absolute Deviation = Rata-rata Penyimpangan Absolut). yang dirumuskan sebagai berikut : AE = A t − Ft n Dimana : A = permintaan Aktual pada periode-t F = peramalan permintaan pada periode-t n = jumlah periode peramalan yang terlibat 2. Akurasi atau Validasi Peramalan Terdapat beberapa sejumlah indikator dalam pengukuran akurasi peramalan. Rata-rata kesalahan (AE. MAPE. dan MSE semakin kecil.6. MAPE (Mean Absolute Percentage Error = Rata-rata Persentase Kesalahan Absolut). dan MSE (Mean Square Error = Ratarata Kuadrat Kesalahan). Suatu ramalan diperbaharui setiap minggu. kita dapat menggunakan Tracking Signal. Akurasi peramalan akan semakin tinggi apabila nilainilai: MAD. sebagai berikut: . sehingga data permintaan yang baru dibandingkan terhadap nilai-nilai ramalan. Merupakan rata-rata perbedaan antara nilai sebenarnya dan nilai peramalan. Apabila suatu data aktual dinyatakan sebagai At nila i ramalan dinyatakan sebagai Ft. average error atau bias ). Berkaitan dengan validasi model peramalan. atau triwulan.35 4. Rata–rata Kesalahan peramalan ( Mean Forecast Error = MFE ) ( A t − Ft ) n MFE = ∑ 5. bulan. Tracking Signal adalah suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nilai-nilai aktual. Error = Data Aktual – Forecast. maka galat peramalan (Forecast Error) dinyatakan sebagai et = At – Ft jadi. Tracking Signal dihitung sebagai Running Sum Of The Forecast Errors (RSFE) dibagi dengan Mean Absolut Deviation (MAD).

Suatu tracking signal disebut “baik” apabila memiliki RSFE yang rendah.36 Tracking Signal = RSFE MAD = Σ(actual demand in period i − forecast demand in period i) M AD di mana MAD = Σ(absolut dari forecast error ) n n = banyaknya periode data Tracking Signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar daripada ramalan. persediaan akan habis dalam waktu tertentu dan ketika persediaan hanya tinggal sebanyak kebutuhan selama tenggat waktu pemesanan kembali harus dilakukan. 2. kita dapat membangun peta kontrol tracking signal sebagaimana halnya dengan peta-peta kontrol dalam pengendalian proses statistikal (statistical process control = SPC). Dengan tingkat penggunaan tetap. sedangkan tracking signal yang negatif berarti nilai aktual permintaan lebih kecil daripada ramalan. yang memiliki batas kontrol atas (upper control limit) dan batas kontrol bawah (lower control limit). Metode Persediaan Tradisional Pada dasarnya model persediaan terbagi menjadi dua buah model yaitu model pengendalian persediaan Q dan model pengendalian persediaan P yaitu: 2. dan mempunyai positif error yang sama banyak atau seimbang dengan negatif error. sehingga pusat dari tracking signal mendekati nol. sebagai batas-batas pengendalian untuk tracking signal.5. Metode Q Dikatakan model Q karena variabel keputusan dalam metode ini adalah Q (yang menotasikan kuantitas) pesanan. Kriteria optimal adalah total biaya persediaan yang minimal.5. . a) Pengendalian Persediaan Model Q Model Q adalah suatu model dimana pesanan-pesanan dilakukan berdasarkan jumlah pemesanan optimal dan waktu pemesanan kembali. Untuk menggunakan nilai Tracking Signal maksimum ± 4. Apabila tracking signal telah dihitung.1.

biaya Dalam model ini. 2 minggu atau bulan) tingkat persediaan ditinjau kembali dan pemesanan dilakukan untuk mengisi persediaan sebesar jumlah pemesanan optimal. Dalam model P interval pemesananya tetap sedangkan kuantitas pemesananya berubah-ubah 1. Kuantitas order dapat bervariasi.37 Tujuan dari model ini adalah untuk menentukan jumlah pemesanan optimal dan lain waktu pemesanan dan kembali. tetapi setiap periode (misal. 2. dengan kata jumlah permintaan persediaan halnya ditentukan secara pasti. Model P berfungsi dengan cara yang sangat berbeda dibandingkan dengan model Q karena hal-hal berikut : 1. Demikian pula tenggang waktu pemesanan diasumsikan konstan. pemesanan 3. Perusahaan-perusahaan sering menggunakan model P karena mereka membeli dan menjadwalkan dengan periode tetap (mingguan atau bulanan). Model P tidak mempunyai nilai EOQ karena jumlah akan bervariasi tergantung permintaan yang sesuai dengan dikembangkan atas fakta adanya biaya variabel dan biaya tetap dari proses produksi atau pemesanan barang. Metode P Model P adalah suatu model dimana pesanan .5. diasumsikan terhadap semua dapat parameter tersebut dapat diperhitungkan secara tepat (pasti). 2. Model P tidak mempunyai titik pemesanan kembali. Tujuan dari model ini adalah untuk menentukan periode peninjauan kembali. tetapi lebih menekankan pada target persediaan. Metode Economi Order Quantity (EOQ) Metode ini merupakan insfirasi bagi para pakar persediaan Metode untuk ini mengembangkan metode-metode persediaan lainnya.pesanan dilakukan setiap periode. .2. target persediaan.

Hasil keputusan dari Metode POQ adalah periode pemesanan yang optimal dan tingkat pemesanan yang optimal. Permintaan diketahui dengan pasti dan konstan selama periode persediaan Semua item yang dipesan diterima seketika. Metode Period Order Quantity (POQ) Merupakan metode pengendalian persediaan dengan menggunakan sistem periode pemesanan tetap. tidak bertahap Jarak waktu sejak pesan sampai pesanan datang (Lead Time) pasti Semua biaya diketahui dan bersipat pasti Kekurangan persediaan (stock Out) tidak diizinkan Tidak ada diskon dalam tingkat kuantitas pesanan. Sehingga pemesanan bahan baku dilakukan pada periode yang tetap. Tetapi jumlah pemesanan dapat berbeda – beda tergantung pada persediaan yang dimilki saat ini. Jumlah lot pesanan berdasarkan jumlah lot jumlah yang dapat memenuhi JPP : JPP = T Keterangan : JPP = Jumlah pemesanan periode EOQ D .λ h yang memiliki nilai ekonomis dimana : EOQ = Keterangan: A = ongkos pesan = Rata-rata deman per periode = Ongkos simpan per unit λ H Metode ini dapat diterapkan dengan asumsi-asumsi sebagai berikut :       2.38 EOQ merupakan salah satu model pendekatan metode manajemen persediaan dalam perusahaan yang digunakan untuk menentukan kuantitas pesanan persediaan yang meminimumkan biaya pemesanan dan biaya investasi pada persediaan. Lot pesan ditentukan berdasarkan jumlah pemesanan optimum 2. A.

Metode Part Period Balancing (PBB) merupakan suatu pendekatan jumlah lot untuk menentukan jumlah pemesanan berdasarkan keseimbangan antara biaya pesan dan biaya simpan. sendirinya ada beberapa periode yang bernilai nol maka penentuan interval periode dilewati untuk yang bernilai nol. Teknik ini selalu melakukan perhitungan kembali (bersifat dinamis) terutama apabila terjadi perubahan pada kebutuhan bersih. 3. Metode Fixed Order Quantity (FOQ) teknik fixed order quantity (FOQ) ini menggunakan kuantitas pemesanan yang tetap untuk suatu persediaan item tertentu dapat ditentukan secara sembarang atau berdasarkan pada faktor – faktor intuitif. sehingga dengan teknik ini ongkos simpan menjadi nol. 5. Metode Least Total Cost (LTC) metode ini didasarkan pada pemikiran bahwa jumlah ongkos pengadaan dan ongkos simpan (total ongkos) setiap ukuran kuantitas pemesanan yang ada pada suatu horizon perencanaan dapat diminimasi jika besar ongkos – ongkos tersebut sama atau hampir sama. Pengguna teknik ini bertujuan untuk meminimumkan ongkos simpan.. . 7. 4.39 EOQ = Jumlah pemesanan ekonomis D T = Total kebutuhan (demand) = Banyaknya periode Dalam hal penentuan interval periode. Metode Fixer Period Requirement (FPR) fixer period requirementmerupakan teknik pemesanan bahan baku ini didasari pada intuisi perusahaan dalam melakukan pemesanan bahan baku 6. Metode Lot For Lot (LFL) Lot for lot (LFL) merupakan lot sizing yang mudah dan paling sederhana.

pada dasarnya teknik ini menguji semua cara pemesanan yang mungkin dala memenuhi kebutuhan bersih setiap periode yang ada pada horizon perencanaan sehingga senantiasa memberikan hasil yang optimal . Metode Silver Meal Algorithm (SMA) metode silver meal atau sering pula disebut metode SM yang dikembangkan oleh edwar silver dan harian meal berdasarkan pada periode biaya. Metode Algorithm Wagner Whittin (AWW) Untuk mendapatkan strategi pemesanan yang optimum untuk seluruh jadwal kebutuhan bersih dengan jalan meminimasi total ongkos pengadaan dan ongkos simpan.40 8. Penentuan rata – rata biaya perperiode adalah jumlah periode dalam penambahan pesanan yang meningkat. 9.

Sign up to vote on this title
UsefulNot useful