9

BAB 2

LANDASAN TEORI

2.1 Pengertian Sistem

Sistem sebagai objek didekati dengan berpikir sistemik. Di sini akan

dijelaskan pengertian sistem, yang secara mudah akan dapat dipahami dengan

mengambil tiga contoh yang berbeda yaitu sistem hidup (manusia), sistem

fisik (dinding bata), dan sistem non-fisik (organisasi). Selanjutnya akan

dijelaskan langkah-langkah dasar berpikir sistemik, yang juga dilengkapi

dengan contoh yang sederhana, sehingga secara konsisten akan lebih mudah

ditelusuri kaitannya secara keseluruhan.

Sistem adalah keseluruhan interaksi antar unsur dari sebuah obyek

dalam batas lingkungan tertentu yang bekerja mencapai tujuan. Pengertian

dari keseluruhan adalah lebih dari sekedar penjumlahan atau susunan

(aggregate), yaitu terletak pada kekuatan (power) yang dihasilkan oleh

keseluruhan itu jauh lebih besar dari suatu penjumlahan atau susunan.

Pengertian interaksi adalah pengikat atau penghubung antar unsur,

yang memberikan bentuk/struktur kepada obyek, membedakan dengan obyek

lain, dan mempengaruhi perilaku dari obyek.

10

Pengertian unsur adalah benda baik konkrit maupun abstrak, yang

menyusun obyek sistem. Unjuk kerja dari sistem ditentukan oleh fungsi unsur.

Gangguan salah satu fungsi unsur mempengaruhi unsur lain sehingga

mempengaruhi unjuk kerja sistem sebagai keseluruhan. Unsur yang menyusun

sistem ini disebut juga bagian sistem atau sub-sistem.

Pengertian obyek adalah sistem yang menjadi perhatian dalam suatu

batas tertentu sehingga dapat dibedakan antara sistem dengan lingkungan

sistem. Artinya semua yang ada di luar batas sistem adalah lingkungan sistem.

Pada umumnya, semakin luas bidang perhatian semakin kabur batas sistem.

Demikian juga sebaliknya, semakin spesifik/konkrit obyek semakin jelas

batas sistem. Dengan demikian, jelas bahwa batas obyek dengan lingkungan

cenderung bersifat mental atau konseptual, terutama terhadap obyek-obyek

non-fisik.

Pengertian batas antar sistem dengan lingkungan tersbut memberikan

dua jenis sistem, yaitu sistem tertutup dan sistem terbuka. Sistem tertutup

adalah sistem dengan batas yang dianggap kedap (tidak tembus) terhadap

pengaruh lingkungan. Sistem tertutup itu hanya ada dalam anggapan (untuk

analisis), karena pada kenyataan sistem selalu berinteraksi dengan lingkungan,

atau sebagai sebuah sistem terbuka.

11

Pengertian tujuan adalah unjuk kerja sistem yang teramati atau

diinginkan. Unjuk kerja yang teramati merupakan hasil yang telah dicapai

oleh kerja sistem, yaitu keleuruhan interaksi antar unsusr dalam batas

lingkungan tertenu. Di lain pihak, unjuk kerja yang diinginkan merupakan

hasil yang akan diwujudkan oleh sistem melalui keseluruhan interaksi antar

unsur dalam batas lingkungan tertentu. Perumusan tujuan dari sistem ini akan

membantu memudahkan menarik garis batas dari sistem yang menjadi

perhatian. Artinya benda, baik konkrit maupun abstrak, yang jelas

menyebabkan dan/atau menyumbang langsung kepada pencapaian tujuan

sistem dikategorikan sebagai unsur. Sebaliknya, benda yang mempengaruhi

dan/atau menyumbang tidak langsung dapat dikategorikan sebagai

lingkungan.

2,2 Model Sistemik

Syarat awal berpikir sistemik adalah adanya kesadaran untuk

mengapresiasi dan memikirkan suatu kejadian sebagai sebuah sistem

(systemic approach). Kejadian apapun baik fisik maupun non-fisik, dipikirkan

sebagai unjuk kerja dari keseluruhan interaksi antar unsur sistem dalam batas

lingkungan tertentu.

12

Berdasarkan adanya pemahaman tentang kejadian sistemik tersebut,

berikut ini ada lima langkah yang dapat ditempuh untuk menghasilkan

bangunan pemikiran (model) yang bersifat sistemik, yaitu:

1) Identifikasi proses menghasilkan kejadian nyata

2) Identifikasi kejadian yang diinginkan

3) Indentifikasi kesenjangan antara kenyataan dengan keinginan

4) Identifikasi dinamika menutup kesenjangan

5) Analisis kebijakan

2.2.1 Identifikasi proses menghasilkan kejadian nyata

Identifikasi proses yaitu mengungkapkan pemikiran tentang

proses nyata (actual transformation) yang menimbulkan kejadian

nyata (actual state) Proses nyata itu merujuk kepada objektivitas dan

bukan proses yang dirasakan atau subyektivitas.

2.2.2 Identifikasi kejadian yang diinginkan

Langkah kedua adalah memikirkan kejadian yang seharusnya,

yang diinginkan, yang dituju, yang ditargetkan ataupun yang

direncanakan (desired state). Oleh karena keharusan, keinginan,

target dan rencana itu merujuk kepada waktu mendatang, disebut juga

13

pandangan ke depan atau visi. Agar tidak dianggap mimpi, maka visi

yang baik perlu dirumuskan dengan kriteria yang layak (feasible) dan

dapat diterima (acceptable). Layak artinya dapat diantisipasi akan

menjadi kenyataan, sedangkan dapat diterima artinya dapat

diantisipasi tidak akan menimbulkan pertentangan. Dengan kedua

kriteria ini berarti memikirkan limit kejadian yang akan direncanakan

dimana unjuk kerja sistem akan bersifat mantap (stable) dalam

perubahan cepat (dynamic) masa lampau dan mendatang.

2.2.3 Identifikasi kesenjangan antara kenyataan dengan keinginan

Langkah ketiga adalah memikirkan tingkat kesenjangan antara

kejadian actual dan seharusnya atau yang diinginkan. Kesenjangan

tersebut adalah masalah yang harus dipecahkan atau dalam bahasa

manajemen merupakan tugas yang harus diselesaikan. Perumusan

masalah ini secara konkrit, artinya bias dinyatakan dalam ukuran

kuantitatif atau kualitatif.

2.2.4 Identifkasi mekanisme menutup kesenjangan

Langkah keempat adalah identifkasi mekanisme tentang

dinamika variabel-variabel untuk mengisi kesenjangan antara kejadian

nyata dengan kejadian yang diinginkan. Dinamika tersebut adalah

aliran informasi tentang keputusan-keputusan yang telah bekerja

14

dalam sistem, Keputusan-keputusan tersebut pada dasarnya adalah

pemikiran yang dihasilkan melalui proses pembelajaran, yang dapat

bersifat reaktif ataupun kreatif. Pemikiran reaktif ditunjukan oleh aksi

yang bentuk atau polanya sama dengan tindakan masa lampau dan

kurang antisipatif terhadap kemungkinan kejadian di masa mendatang.

Sedangkan pemikiran kreatif ditunjukan oleh aksi yang bentuk atau

polanya berbeda dengan tindakan masa lampau, yang dapat bersifat

penyesuaian tindakan masa lampau ataupun berorientasi ke masa

dating dengan tindakan yang bersifat baru atau terobosan.

2.2.5 Analisis Kebijakan

Langkah kelima adalah analisis kebijakan, yaitu menyusun

alternatif tindakan atau keputusan yang akan diambil untuk

mempengaruhi proses nyata (actual transformation) sebuah sistem

dalam menciptakan kejadian nyata. Keputusan tersebut dimaksudkan

untuk mencapai kejadian yang diinginkan. Alternatif tersebut dapat

merupakan kombinasi bentuk-bentuk intervensi, baik yang bersifat

struktural maupun fungsional. Intervensi struktural artinya

mempengaruhi mekanisme interaksi pada sistem, sedangkan intervensi

fungsional artinya mempengaruhi unsur dari dalam sistem.

Pengembangan dan penetapan alternatif intervensi tersebut, biasanya

dipilih setelah melakukan pengujian (dapat dengan menggunakan

15

simulasi computer ataupun simulasi pendapat) berdasarkan dua

kriteria, yaitu aman dan manjur. Aman artinya jalan tersebut tidak

mengakibatkan sistem secara keseluruhan labil atau kollaps. Manjur

artinya berfungsi untuk mencapai kejadian yang diinginkan.

2.3 Struktur dan Perilaku Sistem

Setiap gejala apapun, baik fisik maupun non fisik, bagaimanapun

kerumitannya, dapat disederhanakan menjadi struktur dasar yaitu mekanisme

dari masukan, proses, keluaran, dan umpan balik. Mekanisme kerja

berkelanjutan yang menunjukan adanya perubahan menurut atau bersifat

dinamis. Perubahan tersebut menghasilkan unjuk kerja sistem yang dapat

diamati perilakunya.

Mekanisme berkelanjutan dari masukan, proses, keluaran, dan umpan

balik tersebut dalam dunia nyata tidak bebas atau tidak tumbuh tanpa batas,

tetapi tumbuh dengan pengendalian. Kendali yang membatasi tersebut dapat

bersumber dari dalam maupun dari luar sistem. Kendali dari dalam sistem

menyangkut umur atau kerusakan sistem, sedangkan kendali dari luar sistem

menyangkut intervensi dan hambatan lingkungan.

16

Gambar 2.1 Struktur dan Perilaku Pertumbuhan

Penyederhanaan mekanisme sistem tersebut adalah pada gambar 2.2.

berdasarkan pennyederhanaan kerumitan interaksi sistem nyata ke dalam

dunia model (masukan-proses-keluaran-umpan balik-kendali), selanjutnya,

apabila struktur dasar dari sistem dinamis tersebut dihubungakan dengan

berpikir sistemik seperti telah diuraikan sebelumnya, maka persoalan struktur

dalam sistem dinamis yang penting adalah menemukan mekanisme

pemecahan persoalan. Pertanyaanya adalah bagaimana mekanisme (strategi

dan kebijakan/tindakan) agar sistem tetap berfungsi dengan keinginan atau

tujuan.

17

Gambar 2.2 Struktur dan Perilaku Batas Pertumbuhan

Penyederhanaan mekanisme sistem tersebut adalah pada Gambar 2.3.

Gambar di atas menjelaskan bahwa struktur sistem dinamis adalah sebuah

sistem tertutup. Pengaruh faktor lingkungan terhadap sistem dimungkinkan

terjadi, dan perubahan eksternal itu dianggap sebagai variabel eksogen. Untuk

memudahkan pekerjaan berfikir sistemik ini, struktur sistem dinamis

disederhanakan ke dalam diagram simpal kausal.

18

2.4 Simulasi dan Perilaku Model

Seperti telah dijelaskan sebelumnya, bahwa perilaku dinamis

bersumber dari keunikan struktur model. Perilaku dinamis tersebut dikenali

dari hasil simulasi model. Dengan demikian adalah sangat penting bagaimana

memahami perilaku model hasil simulasi berdasarkan penelusuran terhadap

struktur model. Sebelum menguraikan hal ini terlebih dahulu akan

dikemukakan beberapa segi tentang simulasi model.

Simulasi adalah peniruan perilaku suatu gejala atau proses. Simulasi

bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan

peramalan perilaku gejala atau proses tersebut di masa depan.

Simulasi dilakukan melalui tahap-tahap seperti berikut :

1. Penyusunan konsep

2. Pembuatan model

3. Simulasi

4. Validasi hasil simulasi

Tahap pertama simulasi adalah penyusunan konsep. Gejala atau proses

yang akan ditirukan perlu dipahami, antara lain dengan jalan menentukan

unsur-unsur yang berperan dalam gejala atau prosesTer tersebut. Unsur-unsur

tersebut saling berinteraksi, saling berhubungan, dan saling ketergantungan.

19

Dari unsur-unsur dan keterkaitannya, dapat disusun gagasan atau konsep

mengenai gejala atau proses yang akan disimulasikan.

Gagasan tersebut selanjutnya dirumuskan sebagai model yang

berbentuk uraian, Gambar atau rumus. Model adalah suatu bentuk yang dibuat

untuk menirukan suatu gejala atau proses. Model dapat dikelompokan

menjadi model kuantitatif, kualitatif, dan model ikonik. Model kuantitatif

adalah model yang berbentuk rumus-rumus matematik, statistik, atau

komputer. Model kualitatif adalah model yang berbentuk gambar, diagram,

atau matriks, yang menyatakan hubungan antar unsur. Dalam model kualitatif

tidak digunakan rumus-rumus matematik, statistik, atau komputer. Model

ikonik adalah model yang mempunyai bentuk fisik sama dengan barang yang

diturukan, meskipun skalanya dapat diperbesar atau diperkecil. Dengan model

ikonik tersebut dapat diadakan percobaan untuk mengetahui perilaku gejala

atau proses yang ditirukan.

Selanjutnya, simulasi dapat dilakukan dengan menggunakan model

yang telah dibuat. Dalam model kuantitatif, simulasi dilakukan dengan

memasukan data ke dalam model, dimana perhitungan dilakukan untuk

mengetahui perilaku gejala atau proses. Dalam model kualitatif, simulasi

dilakukan dengan menelusuri dan mengadakan analisis hubungan sebab akibat

antar unsur dengan memasukan data atau informasi yang dikumpulkan untuk

mengetahui perilaku gejala atau proses. Dalam model ikonik, simulasi

20

dilakukan dengan mengadakan percobaan secara fisik dengan menggunakan

model tersebut untuk mengetahui perilaku model dalam kondisi yang berbeda.

Perilaku model itu dianggap menirukan gejala dan proses yang diamati.

Akhirnya, dilakukan validasi untuk mengetahui kesesuaian antara hasil

simulasi dengan gejala atau proses yang ditirukan. Model dapat dinyatakan

balik apabila kesalahan atau simpangan hasil simulasi terhadap gejala atau

proses yang ditirukan kecil.

Hasil simulasi tersebut selanjutnya digunakan untuk memahami

perilaku gejala atau proses serta mengetahui kecenderungannya di masa

mendatang. Struktur internal masalah dapat dipahami secara lebih rinci

dengan memahami perilaku dan kecenderungannya. Pemahaman ini berguna

untuk memperoleh solusi yang terbaik mengenai masalah yang dihadapi

dalam manajemen dan memperkirakan kecenderungan tersebut di masa

mendatang.

Tahap-tahap simulasi tersebut di atas, secara sederhana dapat dilihat

dalam gambar 2.3

21

Gambar 2.3 Tahap-tahap Simulasi Model

2.4.1 Validitas Model

Pengetahuan ilmiah yang bersifat objektif harus taat fakta.

Validitas atau keabsahan adalah salah satu kriteria penilaian

keobyektivan dari suatu pekerjaan ilmiah. Dalam pekerjaan

permodelan, obyektif itu ditunjukan dengan sejauh mana model dapat

menirukan fakta. Istilah menirukan bukan berarti sama, tetapi adalah

serupa. Kalau model sama dengan fakta, berarti tidak ada proses

berpikir dalam membangun model, yaitu menyederhanakan fakta dan

rangkaiannya sehingga dapat dipahami dengan mudah dan cepat.

Dalam dunia nyata, fakta adalah kejadian yang teramati.

Rangkaian hasil pengamatan tersebut dapat terukur yang disusun

menjadi data kuantitatif atau statistik dan bersifat tak terukur yang

22

disusun menjadi data kualitatif atau informasi aktual. Di lain pihak,

dalam dunia model, hasil simulasi adalah perilaku variabel yang

diinteraksikan dengan bantuan komputer. Tampilan perilaku variabel

tersebut dapat bersifat terukur yang disusun menjadi data simulasi dan

bersifat tidak terukur yang disusun menjadi pola simulasi.

Keserupaan (tidak berarti harus sama) dunia model dengan

dunia nyata ditunjukan sejauh mana data simulasi dan pola simulasi

dapat menirukan data statistik dan informasi aktual. Proses melihat

keserupaan seperti ini disebut validasi output atau kinerja model. Hal

ini adalah umum dalam dunia akademis. Keserupaan berdasarkan

output ini merupakan tradisi ilmiah. Namun harus diingat bahwa,

model yang berbeda, dapat menghasilkan validitas output yang sama,

persoalannya adalah model mana yang lebih valid? Ini berarti validitas

model yang semata berdasarkan validitas output, itu belum tentu betul.

Dalam metode berpikir sistem, teknik validasi seperti di atas

bersifat pelengkap, bukan yang utama. Disebut pelengkap, hal itu

berkaitan dengan sejarah metode berpikir sistem ini, yang pada

awalnya kelahirannya tahun 1960-an dikritik habis-habisan oleh para

ekonom sebagai model konyol, karena belum dilengkapi dengan

teknik validasi output sebagai satu-satunya tradisi ilmiah yang

23

diterima saat itu kemudian, teknik validasi output ini dikembangkan

oleh pengikut metode sistem dinamis yang akan diuraikan kemudian.

Teknik validitas yang utama dalam metode berpikir sistem

adalah validitas struktur model, yaitu sejauhmana keserupaan struktur

model mendekati struktur nyata. Sebagai model struktural yang

berorientasi proses, keserupaan struktur model dengan struktur nyata

ditunjukan dengan sejauhmana interaksi variabel model dapat

menirukan interaksi kejadian nyata. Hal ini adalah khas dan sulit

dalam metode berpikir sistem. Persoalannya adalah dengan obyek

yang sama, dapat menghasilkan struktur model yang berbeda,

pertanyaannya adalah struktur model mana yang lebih valid?

Ilustrasi persoalan penstrukturan berpikir tersebut adalah pada

contoh berikut : obyeknya sama yaitu penjara, distrukturkan oleh ahli

hukum sebagai tempat memberi ganjaran bagi pelanggar hukum demi

keadilan, sebaiknya distrukturkan oleh ahli pendidikan sebagai tempat

penyadaran bagi yang bersalah demi pendidikan kemasyarakatan.

Struktur model mana yang betul? Keduanya adalah betul secara

parsial, sesuai sudut pandang atau perspektif permodel.

Metode berpikir sistem, pada dasarnya tidak menganjurkan

penstrukturan atas dasar disiplin yang bersifat parsial, yang

24

menciptakan pertanyaan validitas struktur itu. Sebaliknya, metode

berpikir sistem menganjurkan penstrukturan atas dasar interdisiplin

yang bersifat sistemik dengan ciri menyeluruh (holistic) dan terpadu

(Integrated). Tantangannya bagi pemodel ada dua hal, pertama,

kemauan pemodel untuk tidak terpaku dengan

disiplin/keahlian/perspektif sendiri yang selalu terbatas. Kedua,

kesediaan pemodel untuk berbagi dan menerima disiplin/keahlian dan

perspektif lain. Dengan demikian, struktur model yang ideal serupa

dengan struktur nyata itu, mestinya dibangun dengan cara lintas

dimensi, lintas perspektif dan lintas disiplin, yang diikat dalam satu

bahasa yang sama-sama mudah dipahami berbagai pihak, yaitu bahasa

sistem (system language).

Banyak bahasa sistem, tetapi bahasa sistem yang memiliki azas

logika (logical principal) yang telah teruji secara empiris baik

terhadap sistem fisik, biologi dan sosial adalah bahasa sistem dinamis

(Jay, W.Forrester, principle of system, MIT, 1968). Dengan bahasa ini

perbedaan antar-disiplin akan dapat diikat untuk berkomunikasi dalam

bahasa yang sama, yaitu “stock” dan “flow” dengan segala hukum-

hukum logikanya yang berlaku umum dalam membangun struktur

model. Selanjutnya, oleh karena struktur model ideal (sama dengan

dunia nyata) itu tidak mungkin ada, yang ada, adalah struktur model

25

yang baik, yaitu struktur model yang telah melewati dan lulus uji

validitas struktur. Secara ringkas tahap pengujian validitas struktur

disederhanakan seperti dalam Gambar 2.4.

Gambar 2.4 Proses Validasi Model

2.4.1.1 Uji Validitas Struktur

Ada dua jenis validitas struktur, yaitu validitas

konstruksi dan kestablian struktur. Validitas konstruksi yaitu

keyakinan terhadap konstruksi model valid secara ilmiah atau

didukung/diterima secara akademis. Kestabilan struktur yaitu

26

keberlakuan atau kekuatan struktur dalam dimensi waktu.

Pengujian terhadap dua jenis validitas struktur ini bertujuan

untuk memperoleh keyakinan sejauh mana keserupaan struktur

model mendekati struktur nyata.

Selanjutnya ada dua teknik validasi konstruksi, yaitu

validasi konstruksi melalui “teori” dan konstruksi melalui

“kritik teori”. Validasi konstruksi dengan teori – dimana teori

adalah generalisasi struktur nyata – ditunjukan dengan sejauh

mana struktur model yang diciptakan sesuai dengan aturan

berpikir logis dalam “masing-masing” teori keilmuan dari

obyek yang diteliti. Artinya, setiap hubungan sebab-akibat,

baik secara umum atau rinci di dalam model harus didukung

dengan argumentasi teori ilmiah. Salah satu kelemahan

pemodel adalah akal sehat, tanpa dukungan teori yang kuat

sehingga memancing perdebatan yang tidak berguna atau tidak

ilmiah. Teori sekecil dan sesederhana apapun adalah

generalisasi fakta empirik yang belum terbantah.

Di lain pihak, meskipun struktur model teoritis sudah

diturunkan dan didukung oleh teori dan konsep yang relevan,

tidak dengan sendirinya struktur model menjadi valid menurut

aturan berpikir dalam kritik teori. Dalam aturan berpikir ini,

27

teori itu berubah dan berkembang sesuai dengan dinamika

sistem nyata pada waktu dan tempat tertentu, sehingga ada

kemungkinan teori yang dipakai kurang relevan. Kejadian ini

mungkin terjadi karena dua hal. Pertama, pemodel kurang

mengikuti perkembangan teori-teori baru sebagai

penyempurnaan dari teori yang usang. Kedua, pemodel

memaksakan diri menerapkan teori-teori yang dikembangkan

dan cocok untuk menjelaskan obyek tertentu di tempat lain

(misalnya di Barat) dipakai tanpa syarat menjelaskan keadaan

di sini (di Indonesia). Oleh karena itu, metode berpikir sistem

sangat menganjurkan kreativitas dalam membangun struktur

model teoritis yang baik.

Untuk memperoleh keyakinan sejauhmana struktur

model teoritis, yang diciptakan dengan kreatif dapat

menjelaskan struktur sistem nyata yang berlaku, maka

saringannya adalah, harus lulus uji kestabilan struktur model.

Uji kestabilan struktur, yaitu melihat keberlakuan atau

kekuatan model dalam dimensi waktu. Caranya dalah dengan

menguji struktur model terhadap perlakuan kejutan agregasi

unsur dan disagregasi sistem.

28

Mengapa melalui proses agregasi dan/atau disagregasi?

Penjelasannya adalah sebagai berikur: keduanya, baik struktur

model agregat yang umum maupun disagregat rinci, apabila

disimulasikan pola perilakunya mesti serupa. Misalnya, bentuk

umum model agregat “batas keberhasilan”, yaitu interaksi antar

level, rate, penundaan waktu, diskrepansi, dan faktor pembatas

menghasilkan pola perilaku yang serupa. Meskipun, rincian

model itu merupakan interaksi beberapa bentuk tertentu,

namun struktur model agregat yang menjadi dasar/wadah tetap

ada, yang menunjukan ciri/topik bangunan model tersebut.

Jika hasil simulasi terhadap proses agregasi dan/atau

disagregasi ini menghasilkan kollapsnya perilaku.kinerja

sistem atau tidak logis, maka berarti ada kesalahan/kekurangan

di dalam struktur model. Selanjutnya, struktur model harus

diperbaiki, disempurnakan dan bahkan dapat diubah sama

sekaliatau kembali dari awal. Di lain pihak, agar pemodel tidak

kehilangan arah dalam memvalidasi struktur model yang rinci

ini, sejauhmana kerincian tersebut diciptakan ditentukan oleh

“apakah pemodel sudah menemukan jawaban terhadap

persoalan struktural berdasarkan model itu?”

29

Jawaban dalam persoalan struktural dalam metode

berpikir sistem, yaitu suatu pemikiran solusi jitu , yang tidak

dapat dihasilkan dengan teknik berpikir konvensional. Jika

pemodel tidak berhasil menemukan jawaban tersebut, maka

pekerjaan pemodel yang telah menantang kerumitan akan

menjadi sia-sia, karena tidak sesuai antara usaha dengan hasil.

Ilustrasinya adalah, jika dokter mendiagnosis pasien bergejala

borok, pemecahan konvensional yang cepat adalah dengan

terapi salep penisilin, meskipun demikian pasien tersebut

datang lagi, karena borok itu tidak kunjung sembuh. Dokter

yang teliti menantang kerumitan akan menstrukturkan gejala

borok tersebut dengan berbagai kemungkinan. Akhirnya,

dokter menghipotesiskan (berdasarkan teori dan pengalaman),

pasien itu mungkin menderita kencing manis, yang secara

sistemik memerlukan pemikiran rinci tentang fungsi unsur-

unsur sistem kelenjar hipofisa. Rincian struktur berpikir dokter

berhenti sampai di sini, dan tidak perlu dokter berpikir tentang

fungsi syaraf, emosi, dan sebagainya, yang jika dikait-kaitkan

dengan akal sehat, memang ada kaitan, tetapi membuat

kerumitan itu dapat membawa salah arah.

30

Pekerjaan validasi struktur yang melelahkan tersebut

memerlukan kesabaran dan ketekunan karena harus melakukan

pengulangan berpikir, sampai akhirnya diperoleh struktur

model yang logis dan obyektif. Model kurang logis umumnya

disebabkan oleh konstruksi yang lemah secara teoritis, akibat

terlalu menggunakan akal sehat parsial. Model juga menjadi

kurang obyektif umumnya disebabkan konstruksi lemah secara

kontekstual, akibat kurang kritis dan terlalu menggantungkan

oada teori yang kurang relevan. Setelah diperoleh struktur

model yang stabil, yaitu logis dan obyektif, tahap validasi

selanjutnya adalah uji validitas kinerja/output model.

2.4.1.2 Uji Validitas Kinerja/Output Model

Validasi kinerja adalah aspek pelengkap dalam metode

berpikir sistem. Tujuannya untuk memperoleh keyakinan

sejauh mana “kinerja” model sesuai (compatible) dengan

“kinerja” system nyata. Sehingga memenuhi syarat sebagai

model ilmiah yang taat fakta. Caranya adalah memvalidasi

kinerja model dengan data empiris, untuk melihat sejauh mana

perilaku “output”: model sesuai dengan perilaku data empirik.

31

Tabel 2.1 Uji Statistik terhadap Hasil Simulasi

No UJI STATISTIK KETERANGAN

1 Penyimpangan means absolute (AME).

AME = (Si–Ai) x Ai

Si = Si x N

Ai = Ai x N

A = Nilai Aktual

S = Nilai Simulasi

N = Interval Waktu Pengamatan

2 Penyimpangan Variasi Absolute (AVE)

AVE = (Ss – Sa) x S

Ss = ((Si–Si)2 x N)

Sa = ((Ai–Ai)2 x N)

Sa = Deviasi Nilai Aktual

Ss = Deviasi Nilai Simulasi

3 Saringan Kalman (KF)

KF = Vs/(Vs+Va)

Vs = (Si–Si)2 x (N–1)

Va = (Ai – Ai)2 x (N–1)

Va = Varian Nilai Aktual

Vs = Varian Nilai Simulasi

4 Koefisien Diskrepansi (U)

U = Se x (Ss+Sa)

Se = ({(S-Si) – (A–Ai)}2 x N)

Se = Deviasi Nilai Simulasi

terhadap nilai aktual

5 Durbin Watson (DW)

DW = {(Ai–Si)t – (Ai–Si)t-1}2 / {(Ai – Si)t }2

t = waktu sekarang

t -1 = waktu lampau

32

Untuk memudahkan proses validasi model yang mengalami

iterasi penyempurnaan demi penyempurnaan sampai ditetapkan output

final, maka persamaan statistik tersebut perlu dipadukan dengan model

simulasi komputer. Konversi rumus perhitungan AME, AVE,

U-Theal, DW, dan Kalman Filter (KF) ke dalam persamaan model

simulasi komputer seperti diperlihatkan dalam tabel 2.2.

Tabel 2.2 Konversi Rumus Staistik ke Persamaan PowerSim

No UJI STATISTIK KETERANGAN

1 Penyimpangan means absolute (AME).

AME = (Si–Ai) x Ai

Si = Si x N

Ai = Ai x N

El = abs(Sr-Ar)/Ar

Sr = Integrate(S)/(t(n)-t(0))

Ar = Integrate(A)/(t(n)-t(0))

2 Penyimpangan Variasi Absolute

(AVE)

AVE = (Ss – Sa) x S

Ss = ((Si–Si)2 x N)

Sa = ((Ai–Ai)2 x N)

E2 = abs(SS-Sa) x Sa

Ss = Sqrt(Integrate((S-Sr^2) x (t(n)-t(0)))

Sa = Sqrt(Integrate((A-Ar)^2) x (t(n)-t(0)))

3 Saringan Kalman (KF)

KF = Vs/(Vs+Va)

E3 = Vs x (Vs+Va)

Vs = Integrate((S-Sr)^2 x (t(n) – t(0+1))

33

Vs = (Si–Si)2 x (N–1)

Va = (Ai – Ai)2 x (N–1)

Va = integrate ((A-Ar)^2 x (t(n) - t(0+1))

4 Koefisien Diskrepansi (U)

U = Se x (Ss+Sa)

Se = ({(S-Si) – (A–Ai)}2 x N)

U = Se x (Ss+Sa)

Se = Sqrt(integrate(((S-Sr) – (A-Ar))^2 x

(t(n)-t(0))

5 Durbin Watson (DW)

DW = {(Ai–Si)t – (Ai–Si)t-1}2 /

{(Ai – Si)t }2

DW = d1/d2

d1 = integrate((d-delayinf(d,1,1,0))^2)

d2 = integrate((d)^2)

d = (A-S)

Pengujian statistik bersifat “auto-progressive” selama unit

waktu simulasi (N), terhadap unsur yang bersifat interaktif dalam

sebuah sistem. Angka hasil uji yang ditampilkan mencakup periode

simulasi dari t(0) -> t(n). Untuk keperluan analisis pemodel cukup

melihat angka waktu terakhir t(n).

34

2.4.2 Model Analisis Simulasi

Dalam menghadapi masalah nyata yang rumit seringkali

modelnya tak mungkin dibentuk atau metode dan rumusan yang

tersedia tak dapat dipakai. Jika ini kasusnya, simulasi menawarkan

cara alternatif mencari solusi, karena alasan ini simulasi menjadi

populer.

Ada dua jenis simulasi. Pertama, simulasi analog artinya

mengganti lingkungan fisik yang asli dengan lingkungan fisik tiruan

yang lebih mudah untuk memanipulasi, contohnya ruang tanpa bobot

disimulasi dengan ruangan yang penuh air. Kedua, simulasi matematik

artinya meniru sistem dengan model matematik untuk mendapatkan

operating characteristic sistem melalui suatu eksperimen. Jika

eksperimen itu berulang-ulang, untuk mempermudah dan

mempercepat hitungan diperlukan bantuan komputer.

2.4.2.1 Simulasi Monte Carlo

Kesulitan menyelesaikan masalah secara analitik

sebuah model biasanya disebabkan adanya komponen yang

verupa variabel random. Dalam simulasi, variabel random

dinyatakan dalam distribusi probabilitas, sehingga sebagian

besar model simulasi adalah model probabilistik.

35

Arti dari istilah Monte Carlo sering dianggap sama

dengan simulasi probabilistik. Namun Monte Carlo secara

lebih tegas berarti teknik memilih angka secara random dari

distribusi probabilitas untuk menjalankan simulasi.

Langkah-langkah simulasi Monte Carlo :

1. Ditentukan distribusi probabilitas untuk variabel

penting (berdasarkan frekuensi kejadian tersebut).

2. Dibuatkan distribusi probabilitas kumulatif untuk setiap

variabel yang sudah dihitung probabilitasnya

sebelumnya.

3. Ditentukan Interval bilangan acak untuk setiap variabel.

4. Dilakukan proses simulasi dengan menentukan

bilangan random untuk menentukan nilai dari variabel

yang akan disimulasikan.

2.4.2.2 Simulasi Sistem Tak Terstruktur

Karena beberapa alasan, seperti kerumitan antara

hubungan probabilistik, suatu masalah nyata mungkin tak

dapat disederhanakan dalam model matematik, atau dapat

dibuatkan modelnya tetapi tidak tersedia teknik solusinya atau

36

rumusannya. Solusi masalah tak terstruktur ini akan cocok jika

dicari melalui simulasi sistem tak terstruktur.

Langkah-langkah yang ditempuh dalam metode ini

hampir sama dengan metode simulasi monte carlo, namun

pada metode ini dapat terlihat adanya ketergantungan antara

satu variabel dengan variabel lainnya dalam mengambil

keputusan, jadi variabel yang lain akan menunggu nilai dari

variabel sebelumnya untuk menentukan nilai variabel itu

sendiri. Biasanya metode ini banyak digunakan untuk analisis

pada antrian.

2.4.2.3 Simulasi Persediaan

Asumsi-asumsi yang dipakai pada Basic Economic

Order Quantity (EOQ) Model sangat membatasi penerapannya.

Dalam praktik permintaan dan lead time biasanya tidak

diketahui secara pasti atau kedua variabel itu memiliki suatu

probabilitas distribusi, karena itu analisisnya dengan teknik

yang ada menjadi sulit.

Langkah-langkah yang ditempuh hampir sama dengan

metode sebelumnya, dengan melakukan pendekatan angka

random untuk variabel-variabel yang bersifat tidak diketahui

37

secara pasti tersebut, maka variabel seperti lead time dan

demand dapat ditentukan tingkat keacakannya. Hal ini

dilakukan sedapat mungkin dengan tujuan mendapatkan

karakteristik dari sistem persediaan yang sedang berjalan.

Sehingga dapat memberikan suatu solusi dan kebijakan yang

lebih baik.

2.4.2.4 Simulasi dengan Menggunakan Software

Untuk melakukan simulasi dari sebuah model,

diperlukan perangkat lunak (software) yang secara cepat dapat

melihat perilaku dari model yang telah dibuat. Ada berbagai

macam perangkat lunak yang dapat digunakan untuk keperluan

ini, tapi yang akan dikemukakan pada bagian ini adalah

perangkat lunak berupa program yang dinamakan Powersim.

Powersim adalah salah satu software untuk simulasi

model system dynamics. Jadi Powersim hanyalah merupakan

alat (tool) untuk mempermudah simulasi model system

dynamics. Perlu ditegaskan di sini bahwa menggunakan

software Powersim tidak berarti dengan sendirinya

menggunakan metodologi system dynamics. System dynamics

dapat disimulasikan dengan berbagai jenis software, termasuk

dengan software spreadsheet, misalnya Excel. Software-

38

software yang didisain untuk membuat simulasi model system

dynamics, sampai saat ini tersedia di pasar adalah : Dynamo,

Vensim, Stella, I-think, Powersim.

Berikut adalah user interface dari powersim ver 2.5 :

Gambar 2.5 User Interface PowerSim ver 2.5

Dan berikut adalah tools yang digunakan pada saat

membuat sebuah model :

39

Gambar 2.6 Tools atau Icon yang digunakan pada

PowerSim ver 2.5

Pada waktu mensimulasikan model, variabel-variabel

akan saling dihubungkan membentuk suatu sistem yang dapat

menirukan kondisi sebenarnya. Pada perangkat lunak

Powersim, suatu sistem yang menghubungkan variabel-

variabel tersebut dinamakan diagram alir (flow diagram).

Variabel-variabel tersebut akan digambarkan dengan beberapa

simbol, yang utama adalah symbol aliran (flow symbol) yang

selalu dihubungkan dengan simbol level (level symbol) melalui

simbol panah tebal untuk proses aliran. Aliran benda yang

dapat mengalir disini adalah barang, uang, orang, dan lain-lain,

yang dapat diamati dan diukur penambahan dan

pengurangannya dalam level Dalam pemodelan, level menjadi

40

symbol yang mewakili pokok permasalahan yang menjadi

perhatian, sebagai contoh dapat terlihat pada gambar di bawah

ini, populasi dijadikan sebuah level, dimana populasi dapat

dipengaruhi oleh faktor-faktor seperti kelahiran dan kematian,

begitu juga ada faktor konstan yang memperngaruhi tingkat

kelahiran dan kematian seperti fertilitas dan umur.

Gambar 2.7 Diagram Alir Populasi

Panah halus (information link) yang menghubungkan

antara level dengan aliran adalah proses informasi umpan

balik. Diagram alir menggambarkan struktur dari model,

sedangkan hasil simulasi berupa gambar atau grafik yang

menggambarkan perilaku dari sistem. Contohnya sebagai

berikut :

41

Gambar 2.8 Hasil Simulasi Model

Model yang dibangun dengan perangkat lunak

Powersim berbentuk simbol-simbol dan simulasinya mengikuti

suatu metode yang dinamakan dinamika sistem (system

dynamics).

2.5 Analisis Persediaan

Persediaan (Inventory) adalah sumber daya yang disimpan untuk

memenuhi permintaan saat ini dan mendatang. Setiap perusahaan biasanya

mempunyai persediaan, pengecer selalu menyediakan dagangannya, rumah

sakit menyimpan darah dan obat, bank menyiapkan uang kas, bahkan ibu

.rumah tangga punya aneka persediaan. Menurut suatu penelitian persediaan

42

merupakan bagian yang besar (sekitar 40 persen) dari modal yang ditanamkan

dan biaya menyimpan persediaan (termasuk diantaranya asuransi, penyusutan,

bunga, sewa) dapat mencapai 30 persen dari nilai persediaan. Karena itu

banyak perusahaan sangat peduli terhadap perencanaan dan pengendalian

persediaan untuk memperoleh penghematan berarti.

Analisis persediaan pada bab ini akan diawali dengan menyebutkan

jenis manfaat persediaan, menerangkan sifat permintaan, klasifikasi unsur

biaya persediaan, dan memperkenalkan model persediaan yang sederhana.

2.5.1 Jenis dan Manfaat Persediaan

Ada banyak persediaan diantaranya bahan mentah, bahan

dalam proses, perlengkapan operasi dan perawatan.serta barang jadi.

Bahan baku adalah barang yang sudah dibeli dan menunggu untuk

diproses. Bahan dalam proses adalah bahan yang sedang diproses,

dengan demikian telah berubah, namun belum selesai. Perlengkapan

diperlukan untuk kelancaran operasi dan pemeliharaan peralatan yang

dapat terganggu secara tak terduga. Sementara barang jadi adalah

produk yang telah dirampungkan dan menunggu untuk dikirim.

Ada banyak alasan mengapa perusahaan punya persediaan.

Pertama, untuk memenuhi permintaan konsumen yang telah

diramalkan. Karena permintaan tak diketahui dengan pasti, dapat

43

memiliki persediaan tambahan yang dinamakan safetyor buffer stocks

untuk emmenuhi lonjakan permintaan yang diramalkan. Faktor musim

seperti lebaran, natal dan tahun ajaran baru sangat berpengaruh

terhadap gejolak permintaan. Dengan demikian safetystock dapat

menghindari stock out atau shortage. Kedua, untuk mendapat

potongan harga jika membeli dalam jumlah banyak. Ketiga, untuk

menghindari resiko akibat kenaikan harga. Keempat, persediaan bahan

mentah dapat menjaga kelancaran produksi karena dapat menghindari

stock out jika terjadi kelambatan pengiriman, kerusuhan massa atau

bencana alam. Secara garis besar menurut buku Manajemen

Persediaan oleh Freddy Rangkuti (2007), Jenis persediaan/stock dibagi

menurut jenis dan fungsinya seperti berikut :

Berdasarkan Jenisnya :

1. Persediaan Bahan Baku

2. Persediaan komponen yang sudah dibeli

3. Persediaan bahan-bahan pembantu

4. Persediaan barang-barang setengah jadi/barang dalam

proses

5. Persediaan barang jadi

44

Berdasarkan fungsinya :

1. Batch Stock/Lot Size Inventory

Persediaan yang diadakan karena kita membeli atau

membuat bahan-bahan atau barang-barang dalam jumlah

yang lebih besar daripada jumlah yang dibutuhkan saat itu.

2. Fluctuation Stock/safetystock

Persediaan untuk menghadapi untuk menghadapi

fluktuasi permintaan konsumen yang tidak dapat

diramalkan.

3. Anticipation Stock

Persediaan yang diadakan untuk menghadapi fluktuasi

permintaan yang dapat diramalkan, berdasarkan pola

musiman yang terdapat dalam satu tahun untuk

menghadapi penggunaan, penjualan, atau permintaan yang

meningkat.

45

2.5.2 Sifat Permintaan

Persediaan diadakan untuk memenuhi permintaan yang

diramalkan. Permintaan dapat dibedakan menjadi dependent dan

independent. Permintaan dependent terjadi pada bahan mentah atau

bahan dalam proses, permintaan ini berasal dari dalam perusahaan

untuk menghasilkan barang jadi. Contohnya, yaitu PT.Astra

International ingin menghasilkan 100 mobil baru, maka diperlukan

500 velg. Dalam hal ini permintaan terhadap velg adalah dependent

terhadap produksi mobil. DIkatakan dengan cara lain permintaan

terhadap suatu varang dipengaruhi oleh barang lain.

Permintaan Independent biasanya barang jadi, berasal dari

luara perusahaan, jadi tidak tergantung kegiatan internal perusahaan

dan di luar control perusahaan. Permintaan mobil baru pada PT.Astra

adalah contohnya.

Disamping perbedaan seperti di atas, permintaan mendatang

dapat diketahui secara pasti dan tidak pasti atau mengikuti distribusi

probabilitas tertentu.

46

2.5.3 Pengawasan Persediaan

Adapun tujuan dari proses pengawasan terhadap persediaan

adalah sebagai berikut :

1. Menjaga jangan sampai kehabisan persediaan

2. Supaya pembentukan persediaan stabil

3. Menghindari pembelian kecil-kecilan

4. Pemesanan yang ekonomis

Jumlah pesanan yang hendaknya dilakukan sebisa mungkin

menghasilkan biaya yang minimal dalam persediaan, untuk itu

perlunya usaha-usaha untuk memperkecil biaya-biaya pemesanan

(ordering cost), biaya-biaya penyimpanan (carrying cost) dan biaya-

biaya loss deal (stock out cost).

2.5.4 Biaya Persediaan

Biaya yang terkait dengan persediaan dikelompokan menjadi

tiga, yaitu carrying cost, ordering cost dan shortage/ stock out cost.

Gabungan unsur-unsur biaya itu berhubungan secara non-linear

dengan jumlah persediaan, sehingga menjadi menarik menemukan

jumlahnya persediaan yang menghasilkan biaya persediaan terendah.

47

Carrying cost adalah biaya untuk memiliki dan menyimpan

persediaan selama periode tertentu. Biaya ini berhubungan positif

dengan jumlah persediaan dan terkadang dengan waktu penyimpanan.

Termasuk dalam kelompok ini adalah bunga atau dana yang

ditanamkan dalam persediaan, sewa gedung, penyusutan dan lain-lain.

Carrying cost dapat dinyatakan dalam dua cara. Pertama, yang paling

sering, adalah menyatakannya dalam rupiah per unit persediaan per

periode waktu. Kedua, dinyatakan sebagai persentase tertentu dari

nilai persediaan, biasanya antara 10-40 persen.

Ordering cost adalah biaya yang berhubungan dengan

penambahan persediaan yang dimiliki. Biaya ini biasanya dinyatakan

dalam rupiah per pesanan dan tidak terkait dengan volume pesanan.

Jadi Ordering cost berhubungan positif dengan frekuensi persediaan.

Termasuk kelompok ini adalah biaya pengiriman, pesanan beli,

inspeksi, penerimaan dan pencatatan. Ordering cost biasanya

berhubungan terbalik dengan carrying cost. Jika volume pesanan

bertambah, frekuensi pesanan berkurang sehingga mengurangi

ordering costs. Sementara itu, bertambahnya volume pesanan

menyebabkan bertambahnya baik persediaan maupun carrying cost.

Ringkasnya, jika volume pesanan bertambah, ordering cost berkurang

tapi carrying cost bertambah.

48

Shortage atau stock out costs tercipta jika permintaan tak dapat

dipenuhi karena kekosongan persediaan. Termasuk dalam kelompok

ini adalah ketidakpuasan konsumen dan potensi keuntungan yang tak

terealisasi. Sangat sulit memperkirakan shortage costs, sebagai

gantinya dilakukan perkiraan subjektif. Shortage costs berhubungan

terbalik dengan carrying cost. Jika persediaan bertambah, carrying

cost bertambah sementara shortage cost berkurang.

2.6 Manajemen Persediaan

2.6.1 Model Persediaan Economic Order Quantity (EOQ)

Melalui inventory model penyederhanaan masalah persediaan

dalam realitas yang rumit akan dijawab dua hal penting, yaitu berapa

banyak harus dipesan dan kapan (berapa kali) memesan sehingga

biaya persediaan dapat diminimumkan.

Model Economic Order Quantity (EOQ) merupakan model

yang tertua dan paling sederhana, pertama kali diperkenalkan oleh

Ford W.Harris pada 1915. Model ini diturunkan dengan

menggunakan beberapa asumsi, yaitu :

a. Permintaan diketahui secara pasti dan konstan

b. Tidak ada shortage

49

c. Lead time (waktu antara penempatan pesanan dan

penerimaannya) diketahui dan konstan.

d. Sekali pesan sekali terima

e. Tidak ada potongan harga karena membeli dalam jumlah

banyak.

Gambar 2.9 menjelaskan siklus pengendalian persediaan

sesuai dengan asumsi model ini. Suatu pesanan (Q), diterima dan

digunakan pada tingkat yang konstan. Jika persediaan berkurang

sampai reorder point (R), pesanan berikutnya segera ditempatkan, jadi

tidak perlu menunggu persediaan habis karena penyerahan barang

butuh waktu yang dikenal dengan lead time. Setiap pesan diterima

seluruhnya sekali pada saat persediaan habis, sehingga tidak ada

stockout. Siklus ini berulang dengan volume pesanan lead time, dan

reorder point yang sama.

50

Gambar 2.9 Siklus Model EOQ

2.6.2 Safety Stock

Persediaan pengaman apabila penggunaan persediaan melebihi

perkiraan. Tujuannya untuk menentukan berapa besar stock yang

dibutuhkan selama masa tenggang untuk memenuhi besarnya

permintaan.

Service level. Sebagaimana kita ketahui, pengalokasian safety

stock dalam jumlah yang cukup besar akan membutuhkan biaya yang

cukup besar juga. Seorang manajer harus berhati-hati apakah biaya

yang dikeluarkan untuk biaya penyimpanan sebanding dengan resiko

kehilangan akibat kehabisan persediaan.

51

Siklus pemesanan dari tingkat pelayanan dapat dihitung

sebagai probabilitas sebagai permintaan yang tidak melebihi supply

selama masa tenggang (misalnya jumlah persediaan haru mencukupi

untuk memenuhi besarnya permintaan).

Karena itu, tingkat pelayanan disebut 95 persen, artinya bahwa

probabilitas 95 persen dari permintaan tersebut tidak akan melebihi

dari permintaan selama periode masa tenggang. Dengan kata laiin

permintaan akan terpenuhi dalam 95 persen.

Resiko kehilangan biaya berkaitan erat dengan tingkat

pelayanan. Tingkat pelayanan pelanggan sebesar 95 persen

menunjukan bahwa resiko kehabisan persediaan sebesar 5 persen.

Secara umum :

Tingkat pelayanan = 100% - risiko kehabisan stock

Secara lebih jauh dapat dilihat bagaimana siklus pemesanan

pada tingkat pelayanan berkaitan dengan tingkat pelayanan tahunan.

Jumlah safety stock yang sesuai dengan kondisi tertentu sangat

tergantung pada faktor-faktor berikut :

1. Rata-rata tingkat permintaan dan rata-rata masa tenggang;

2. Variabilitas permintaan dan masa tenggang;

52

3. Keinginan tingkat pelayanan yang diinginkan.

Untuk tingkat pelayanan dari siklus pemesanan, besarnya

tingkat permintaan atau masa tenggang menyebabkan jumlah safety

stock yang harus lebih banyak, sehingga dapat memenuhi tingkat

pelayanan yang diinginkan. Dengan kata lain, dengan berbagai variasi

terhadap tingkat permintaan dan masa tenggang, dapat dicapai

peningkatan tingkat pelayanan sehingga dapat merefleksikan biaya

kehilangan penjualan (misalnya kehilangan penjualan, ketidaksesuaian

dengan keinginan konsumen), atau dapat juga diakibatkan oleh adanya

kebijakan, misalnya keinginan manajer untuk memberikan tingkat

pelayanan tertentu untuk barang tertentu.

Berikut adalah kondisi-kondisi dimana keberadaan safety stock

diperlukan :

Gambar 2.10 Lead Time Tidak Konstan Demand Konstan

FDLT = tidak konstanDMD = konstan

3

2

1

SS

1 2 3 4 5 6 7 8

53

Gambar 2.11 Lead Time Konstan Demand Tidak Konstan

Gambar 2.12 Lead Time dan Demand Tidak Konstan

Perhitungan safety stock dapat menggunakan metode

perhitungan Mean Absolute Deviation (MAD) sebagai berikut :

FDLT = konstanDMD = tidak konstan

3

2

1

SS

1 2 3 4 5 6 7 8

FDLT = tidak konstanDMD = tidak konstan over stock

3

2

1

SS

1 2 3 4 5 6 7 8

stock out

54

Setelah nilai deviasi standar (d) dan MAD dihitung, berikut

tabel konversi nilai safety factor (Faktor Pengaman) yang disarankan :

Tabel 2.3 Konversi Nilai faktor Pengaman

Tingkat

Layanan

Faktor

Pengaman

untuk nilai

MAD

Tingkat

Layanan

Faktor

Pengaman

untuk nilai

MAD

Tingkat

Layanan

Faktor

Pengaman

untuk nilai

MAD

50,00 % 0,00 95,00 % 2,06 99,60 % 3,31

70,00 % 0,84 96,00 % 2,19 99,70 % 3,44

80,00 % 1,05 97,00 % 2,35 99,80 % 3,60

84,13 % 1,25 97,72 % 2,50 99,86 % 3,75

85,00 % 1,30 98,00 % 2,56 99,90 % 3,85

89,44 % 1,56 98,61 % 2,75 99,93 % 4,00

90,00 % 1,60 99,00 % 2,91 99,99 % 5,00

93,32 % 1,88 99,18 % 3,00

94,00 % 1,95 99,38 % 3,13

94,52 % 2,00 99,50 % 3,20

55

2.6.3 Reorder Point (ROP)

Strategi operasi persediaan adalah titik pemesanan yang harus

dilakukan suatu perusahaan sehubungan dengan adanya lead time dan

safety stock. ROP model terjadi apabila jumlah persediaan yang

terdapat di dalam stock berkurang terus. Dengan demikian kita harus

menentukan berapa banyak batas minimal tingkat persediaan yang

harus dipertimbangkan sehingga tidak terjadi kekurangan persediaan.

Jumlah yang diharapkan tersebut dihitung selama masa tenggang.

Mungkin dapat juga ditambahkan dengan safety stock yang biasanya

mengacu pada probabilitas atau kemungkinan terjadinya kekurangan

stock selama masa tenggang.

ROP atau biasa disebut juga dengan batas/titik jumlah

pemesanan kembali termasuk permintaan yang diinginkan atau

dibutuhkan selama masa tenggang, misalnya suatu tambahan/ekstra

persediaan.

56

2.6.3.1 Model-model Reorder Point

Beberapa model perhitungan dari metode reorder point

terbagi menjadi 4 kondisi yang diperngaruhi oleh demand dan

lead time-nya sebagai berikut

1. Jumlah permintaan maupun masa tenggang konstan

2. Jumlah permintaan adalah variabel, sedangkan masa

tenggang-nya konstan.

3. Jumlah permintaan adalah konstan, sedangkan masa

tenggang-nya variabel.

4. Jumlah permintaan maupun masa tenggang variabel

Notasi yang dipakai :

d = Tingkat persediaan konstan

d bar = Rata-rata tingkat permintaan

σd = Standar deviasi dari tingkat permintaan

LT = Masa tenggang konstan (Constant Lead time)

LT bar = rata-rata masa tenggang

σLT = Standar deviasi dari lead time

57

Rumus-rumus :

Model 1 (Constant Demand Rate, Constant Lead Time)

ROP = d x LT

Model 2 (Variable Demand Rate, Constant Lead Time)

ROP = (dbar x LT) + (Z x √LT x σd)

Model 3 (Constant Demand Rate, Variable Lead Time)

ROP = (d bar x LT bar) + (Z x d x σLT)

Model 4 (Variable Demand Rate, Variable Lead Time)

ROP = (d bar . LT bar) + Z √(LT bar . σd2 + d bar2 . σLT2)

2.7 Metode Pemilahan Material

Tujuan utama dalam pembelian material adalah dan komponen adalah

sebagai berikut:

1. Mempertahankan kontinuitas dari pemasok agar sesuai dengan jadwal

2. Memberikan material yang dan komponen yang memenuhi atau

melebihi tingkat kualitas yang ditetapkan kepada bagian

58

manufakturing untuk diproses menjadi produk akhir yang memenuhi

permintaan dari pelanggan.

3. Memperoleh item-item yang dibutuhkan pada ongkos yang serendah

mungkintetapi masih tetap konsisten dengan kebutuhan kualitas,

waktu penyerahan dan performansi lainnya.

Salah satu metode yang digunakan dalam pemilahan material adalah

menggunakan analisis klasifikasi ABC.

2.7.1 Identifikasi material dengan menggunakan analisis ABC

Klasifikasi ABC atau sering juga disebut analisis ABC

merupakan klasifikasi kelomok dari suatu kelompok material dalam

susunan menurun berdasarkan biaya penggunaan material itu per

periode waktu (Harga per unit material dikalikan volume penggunaan

dari material selama periode tertentu). Periode yang umum digunakan

adalah satu tahun. Analisis ABC dapat juga digunakan menggunakan

kriteria lain, bukan semata-mata berdasarkan kriteria biaya, tergantung

pada faktor-faktor penting apa yang menentukan material itu.

Klasifikasi ABC umum digunakan dalam pengendalian inventori.

Beberapa ocntoh penerapan seperti: pengendalian inventori material

pada pabrik, inventori produk akhir pada gudang barang jadi,

inventory obat-obatan pada apotik, incventori suku cadang pada

59

bengkel atau toko,inventori produk pada supermarket atau toko serba

ada, dan lain-lain.

Pada dasarnya terdapat sejumlah faktor yang menentukan

kepentingan suatu material yaitu:

1. Nilai total uang dari material

2. Biaya per unit dari material

3. Kelangkaan atau kesulitan mendapatkan material

4. Ketersediaan sumber daya, tenaga kerja, dan fasilitas yang

dibutuhkan untuk membuat material itu.

5. Panjang dan waktu tunggu (lead time) dari material,sejak

pemesanan material itu pertama kali sampai kedatangannya.

6. Ruang yang dibutuhkan untuk menyimpan material itu.

7. Resiko penyerobotan atau pencurian material itu.

8. Biaya kehabisan stok atau persediaan (stock out cost) dari material

itu

Klasifikasi ABC mengikuti prinsip 80-20, atau hukum pareto

dimana sekitar 80% dari nilai total inventori material dipresentasikan

60

(diwakili) oleh 20% material inventori. Penggunaan analisa ABC

adalah menetapkan :

1. Frekuensi perhitungan inventori (cycle counting), dimana material-

material kelas A harus diuji kebih sering dalam hal akurasi catatan

inventori dibandingkan material material kelas B atau C.

2. Prioritas rekayasa (engineering) dimana material-material kelas A

dan B memberikan petunjuk pada bagian rekayasa dalam

peningkatan program reduksi biaya ketika mencari material-

material tertentu yang difokuskan.

3. Prioritas pembelian (perolehan), dimana aktivitas pembelian

seharusnya difokuskan pada bahan-bahan baku bernilai ringgi

(high cost) dan penggunaan berjumlah tinggi (high usage). Fokus

pada material-material kelas A untuk pemasokan (sourcing) dan

negosiasi.

4. Keamanan : meskipun biaya per unit merupakan indikator yang

lebih baik dibandingkan nilai penggunaan (usage value) namun

analisis ABC boleh digunakan seabgai indikator dari material-

material mana (kelas AA dan B) yang seharusnya lebih aman

disiapkan dalam ruangan terkunci untuk mencegah kehilangan

kerusakan atau pencurian.

61

5. Sistem pengisian kembali (replenishment system), dimana

klasifikasi ABC akan membantu mengidentifikasi metode

pengendalian yang digunakan. Akan lebih ekonomis apabila

mengendalikan material-material kelas C dengan simple two-bin

sistem of replenishment (bin receive sistem or visual review

iystem) dan metode-metode yang lebih canggih untuk material

kelas A dan B.

6. Keputusan investasi : karena material-material kelas A

menggambarkan investasi yang lebih besar dalam inentori, maka

perlu lebih berhati-hati dalam membuat keputusan tentang kualitas

pesanan dan stok pengaman terhadap material-material kelas A,

dibandingkan dengan material-material kelas B dan C. seyogyanya

implementasi sistem JIT pada bagian pembelian diterapkan

pertama kali dalam pembelian-pembelian material kelas A,

kemudian kelas B, dan pada akhirnya kelas material kelas C.

Terdapat sejumlah prosedur pengelompokan material-material

inventori kedalam kelas A, B dan C antara lain:

1. Tentukan volume penggunaan per periode waktu (biasanya per

tahun) dari material-material inventori yang ingin diklasifikasikan.

62

2. Gandakan (kalikan) volume penggunaan periode waktu (per tahun)

dari setiap material inventori dalam biaya per unit-nya guna

memperoleh nilai total penggunaan biaya per periode waktu (per

tahun) untuk setiap material inventori itu.

3. Jumlahkan nilai total penggunaan biaya dari semua material

inventori itu untuk memperoleh nilai total penggunaan biaya

aggregat (keseluruhan).

4. Bagi nilai total penggunaan biaya dari setiap material inventori itu

dengan nilai total penggunaan biaya aggregat, untuk menentukan

presentase nilai total penggunaan biaya dari setiap material

inventori itu.

5. Daftarkan material-material itu dalam bentuk rank presentase nilai

total penggunaan biaya dengan urutan menurun dari terbesar

sampai terkecil.

6. Klasifikasikan material inventori itu dalam kelas A, B dan C

dengan kriteria 20% dari jenis material diklasifikasikan dalam

kelas A, 30% dari jenis material dilasifikasikan kedalam kelas B,

dan 50% dari jenis material diklasifikasikan kedalam kelas C.

63

2.8 Proses Perhitungan Forecast Demand

2.8.1 Forecast Demand Policy Perusahaan

Setiap perusahaan berusaha mendapatkan metode peramalan

yang mempunyai deviasi sekecil mungkin dengan aktualnya. Jadi

metode yang digunakan bisa berbeda-beda tergantung dari pola data

permintaanya.

Sesuai dengan kebijaksanaan Inventory Management

Department, sistem peramalan yang dipakai di PT.UT adalah sebagai

berikut:

Gambar 2.13 Flow Process Final Forecast Demand PT.UT

64

Proses perhitungan Forecast Demand adalah sebagai berikut:

1. Collect Data

Data yang dibutuhkan adalah data demand 12 bulan

mundur, yang didapatkan dari consolidated demand.

2. Periodically Check Data Pattern

Untuk mendapatkan keakuratan data demand yang akan

dipakai dalam forecasting maka perlu adanya checking data

demand, sehingga apabila ada lonjakan data demand yang

cukup tinggi dapat terdeteksi, dan dapat segera di update.

3. Choose Forecasting Patterns

Setelah diketahui pattern datanya serta dikelompokkan

pada pattern yang ada, maka langkah selanjutnya adalah

menghitung forecast demand sesuai pattern demand-nya.

Metode forecasting yang digunakan adalah A-B-C pattern.

Dimana A adalah akumulasi demand 4 bulan terakhir yang

termuda (mis: Sept ,Oct, Nov, Dec), sedangkan B adalah

akumulasi demand 4 bulan kedua yang termuda (Mei, Juni,

Juli, Agustus), serta C adalah akumulasi demand 4 bulan awal

tahun (Jan, Feb, Mar, April).

65

Jika data mempunyai trend naik (up trend), A > B > C > 0,

C B A

Maka menggunakan rumus : FD = A /4

Dan sebaliknya, jika data mempunyai trend turun

(down trend), C > B , B > A, A > 0,

C B A

Maka menggunakan rumus : FD = (A+B) / 8

Jika Trend tidak memenuhi kedua pola di atas, maka

menggunakan metode Simple Moving Average.

Dimana:

FDt+1 = Forecast Demand bulan berikutnya

66

Dt = Demand Aktual bulan ini

n = Jumlah bulan (12)

2.8.2 Perhitungan Safety Stock

Hampir semua permintaan atas produk suatu perusahaan tidak

pernah tepat sesuai yang telah diramalkan. Begitu juga atas waktu

datangya barang pesanan acapkali tidak tepat sesuai dengan yang

terlah direncanakan. Agar permintaan dari konsumen dapat

diantisipasi, maka diperlukan suatu stock pengaman.

Jadi suatu perusahaan memerlukan suatu stok pengaman

apabila,

1. Jumlah permintaan selalu berubah-ubah, sehingga tidak dapat

diramalkan dengan tepat (fluktuasi demand)

2. Waktu datangnya barang (lead time) tidak tentu, sering berubah

karena pengaruh beberapa hal dan faktor (variasi lead time).

Safety stock adalah stok yang harus di back up untuk

mengatasi adanya lonjakan permintaan atau variasi waktu tenggang,

atau bisa juga disebabkan keduanya.

67

Pertanyaanya adalah, perlukah cadangan persediaan untuk

setiap perusahaan? Jawabnya belum tentu, bila permintaan atas barang

sesuai dengan yang diramalkan dan datangnya barang pesanan selalu

tepat waktu sehingga tidak mungkin kehabisan bahan sediaan, maka

perusahaan tidak perlu menyediakan safety stock.

Rumusan umum dari safety stock adalah :

Dimana,

s = safety stock

z = faktor pengaman (dari tabel distribusi normal)

α = penyimpangan standar dari permintaan melebihi

tenggat waktu (standar deviasi)

Pada perusahaan, perhitungannya menggunakan rumus sebagai

berikut,

dan,

68

Dimana,

SSarea = Safety stock di depot/pusat

Z = tingkat kepercayaan/ safety factor

∂DA = Standar deviasi dari demand depot/pusat

∂DB = Standar deviasi dari demand cabang

LT = Lead time dari supplier ke depot/pusat

lt = Lead time dari depot/pusat ke cabang

COA = Cycle order depot/pusat

COB = Cycle order cabang

Perhitungan safety stock dibagi menjadi dua rumusan, karena

proses ordering harus melalui pusat atau head office.