31  

 

BAB 2

LANDASAN TEORI

2.1 Supply Chain Management (Manajemen Rantai Pasok)

Rantai pasok adalah jaringan perusahaan-perusahaan yang secara

bersama-sama bekerja untuk menciptakan dan menghantarkan suatu produk

ke tangan pemakai akhir. Perusahaan-perusahaan tersebut biasanya termasuk

supplier, pabrik, distributor, toko, atau ritel, serta perusahaan-perusahaan

pendukung seperti perusahaan jasa logistik (Pujawan, 2005).

Pada suatu rantai pasok biasanya ada 3 macam aliran yang harus

dikelola. Pertama adalah aliran barang yang mengalir dari hulu (upstream) ke

hilir (downstream). Contohnya adalah bahan baku yang dikirim dari supplier

ke pabrik. Setelah produk selesai diproduksi, mereka dikirim ke distributor,

lalu ke pengecer atau ritel, kemudian ke pemakai akhir. Yang kedua adalah

aliran uang dan sejenisnya yang mengalir dari hilir ke hulu. Yang ketiga

adalah aliran informasi yang bisa terjadi dari hulu ke hilir ataupun sebaliknya.

Istilah Supply Chain Management (SCM) pertama kali dikemukakan

oleh Oliver & Weber pada tahun 1982. Apabila rantai pasok adalah jaringan

fisiknya, yakni perusahaan-perusahaan yang terlibat dalam memasok bahan

baku, memproduksi barang, maupun mengirimkan ke pemakai akhir, SCM

adalah metode, alat, atau pendekatan pengelolaannya. Namun perlu

32  

 

ditekankan bahwa SCM menghendaki pendekatan atau metode yang

terintegrasi dengan kolaborasi. Manajemen rantai pasok tidak hanya

berorientasi pada urusan internal sebuah perusahaan, tetapi juga urusan

eksternal yang menyangkut hubungan dengan perusahaan-perusahaan partner.

SCM pada hakekatnya mencakup lingkup pekerjaan dan tanggung

jawab yang luas. Baik akademis maupun praktisi menggolongkan mereka

yang ada pada kegiatan pengelolaan material, aliran material, dan informasi

adalah kegiatan-kegiatan inti SCM. Apabila kita mengacu pada sebuah

perusahaan manufaktur, kegiatan-kegiatan utama yang masuk dalam

klasifikasi SCM adalah:

1. Kegiatan merancang produk baru (product development), meliputi riset

pasar, merancang produk baru, dan melibatkan supplier dalam

perancangan produk baru.

2. Kegiatan mendapatkan bahan baku (procurement) yang meliputi memilih

supplier, mengevaluasi kinerja supplier, melakukan pembelian bahan

baku dan komponen, memonitor supply risk, membina dan memelihara

hubungan dengan supplier.

3. Kegiatan merencanakan produksi dan persediaan (planning & control)

meliputi demand planning, peramalan permintaan, perencanaan kapasitas,

dan perencanaan produksi dan persediaan.

4. Kegiatan melakukan produksi (production), meliputi eksekusi produksi

dan pengendalian kualitas.

33  

 

5. Kegiatan melakukan pengiriman/distribusi (distribution) meliputi

perencanaan jaringan distribusi, penjadwalan pengiriman, mencari dan

memelihara hubungan dengan perusahaan jasa pengiriman, memonitor

service level di tiap pusat distribusi.

Kelima klasifikasi tersebut biasanya tercermin dalam bentuk

pembagian departemen atau divisi pada perusahaan manufaktur. Pembagian

tersebut sering dinamakan functional division karena mereka dikelompokkan

sesuai dengan fungsinya. Umumnya sebuah perusahaan manufaktur akan

memiliki bagian pengembangan produk, bagian pembelian atau bagian

pengadaan, bagian produksi, bagian perencanaan produksi, dan bagian

distribusi atau pengiriman barang jadi. Marshal Fisher, seorang professor di

Wharton School, the University of Pennsylvania, membuat klarifikasi kegiatan

pada rantai pasok menjadi 2 yaitu :

1. Kegiatan mediasi pasar, bertujuan untuk mencari titik temu antara apa

yang diinginkan oleh konsumen atau pelanggan dengan apa yang dibuat

dan dikirim oleh rantai pasok.

2. Kegiatan fisik, yaitu kegiatan-kegiatan mendapatkan bahan baku,

mengkonversi bahan baku dan komponen-komponen menjadi produk jadi,

penyimpanan serta mengirimkan sampai ke tangan pelanggan.

34  

 

Tabel 2.1 Dua Jenis Aktivitas pada SCM

Aktivitas fisik Aktivitas mediasi pasar

• Sourcing (mencari bahan

baku)

• Produksi

• Penyimpanan material /

produk

• Distribusi / transportasi

• Pengembalian produk

(return)

• Riset pasar

• Pengembangan produk

• Penetapan harga diskon

• Pelayanan purna jual

Sumber : Supply Chain Management (I Nyoman Pujawan)

2.1.1 Tantangan dalam Mengelola Rantai Pasok

Mengelola rantai pasok bukanlah hal mudah. Dari gambaran

tantang SCM, dapat dipahami bahwa rantai pasok melibatkan banyak

pihak di dalam maupun di luar sebuah perusahaan serta menangani

cakupan kegiatan yang sangat luas.

1. Kompleksitas struktur rantai pasok

Rantai pasok biasanya sangat kompleks, melibatkan

banyak pihak di dalam maupun di luar perusahaan. Pihak-pihak

tersebut sering kali memiliki kepentingan yang berbeda-beda,

bahkan tidak jarang bertentangan antara yang satu dengan yang

35  

 

lainnya. Kompleksitas rantai pasok juga dipengaruhi oleh

perbedaan bahasa, zona waktu, dan budaya antara suatu

perusahaan dengan perusahaan lain.

2. Ketidakpastian

Ketidakpastian merupakan sumber kesulitan pengelolaan

suatu rantai pasok, ketidakpastian menimbulkan ketidakpercaya

dirian terhadap rencana yang sudah dibuat. Sebagai akibatnya,

perusahaan sering menciptakan persediaan pengaman di sepanjang

rantai pasok. Pengaman ini bisa berupa safety stock, safety time,

ataupun kapasitas produksi maupun transportasi.

Berdasarkan sumbernya, ada 3 klasifikasi utama

ketidakpastian pada rantai pasok. Pertama adalah ketidakpastian

permintaan, kedua, ketidakpastian dari supplier yang bisa berupa

ketidakpastian pada lead time pengiriman, harga bahan baku, atau

komponen ketidakpastian kualitas, serta kuantitas material yang

dikirim. Ketiga adalah ketidakpastian internal yang bisa

diakibatkan oleh kerusakan mesin, kinerja mesin yang tidak

sempurna, ketidakhadiran tenaga kerja, serta ketidakpastian waktu

maupun kualitas produksi.

36  

 

2.2 Efek Bullwhip dalam Rantai Pasok

Information sharing merupakan masalah penting dalam pengelolaan

rantai pasok (Pramkumar, 2000). Peramalan permintaan secara tradisional

kurang tepat untuk pola permintaan dengan tingkat volatilitasinya yang tinggi

dan permintaan yang tidak dapat diprediksi, sehingga perusahaan

membutuhkan aliran informasi permintaan yang berasal dari hilir (enduser),

yaitu akses pola perubahan permintaan yang semakin berfluktuasi karena

tidak adanya data penjualan yang pasti dan lengkap.

Aliran informasi yang tidak lengkap dapat menimbulkan banyak

masalah yang berdampak pada total biaya produksi, misalnya kemungkinan

stock-out yang dapat menyebabkan rush-order, terjadinya kelebihan stock

yang menyebabkan phantom-order. Masalah lain yang mungkin muncul

akibat aliran informasi yang tidak akurat adalah biaya promosi penjualan dan

biaya discount. Biaya ini muncul karena pada saat proses penyampaian barang

ke konsumen akhir tidak tepat waktu, yang memungkinkan pelanggan tidak

jadi membeli sehingga perusahaan harus menanggung lost sales.

Kondisi yang dijabarkan sebelumnya disebut sebagai bullwhip effect,

yaitu peramalan jumlah permintaan yang terjadi akan semakin berfluktuasi

jika sistem informasi dalam SCM yang buruk, artinya jika kondisi,

manufaktur semakin ke hulu sehingga perusahaan tidak dapat men-supply

kuantitas permintaan yang ada, Bullwhip effect identik dengan terjadinya

distorsi informasi permintaan dari rantai bawah/ hilir/ enduser ke rantai di

37  

 

atasnya, sehingga kuantitas permintaan sering tidak dapat terpenuhi secara

maksimal (artinya tidak tepat kuantitasnya dan waktunya).

Sumber : google.com

Gambar 2.1 Ilustrasi Mengenai Bullwhip Effect

2.2.1 Faktor-Faktor Penyebab Timbulnya Bullwhip Effect

Terdapat empat faktor penyebab timbulnya Bullwhip effect,

meliputi: (Schroeder, 2000) :

1. Peramalan permintaan yang kurang tepat, karena proses

Information sharing tidak tepat. Solusi peramalan dapat dilakukan

dengan menggunakan smoothing method dari data histori

keseluruhan penjualan yang ada.

2. Order batching, dapat terjadi jika ada penumpukan order.

38  

 

3. Fluktuasi harga, dapat memicu timbulnya Bullwhip effect karena

jika ada discount rush demand dan akan menyebabkan rush order

material, artinya menyelesaikan pemenuhan permintaan yang

meningkat menimbulkan masalah pada rantai lain karena rush

order material menjadi meningkat, kemungkinan biaya pesan

menjadi tinggi, begitu pula sebaliknya.

4. Rationing, artinya jika permintaan melebihi supply yang ada maka

permintaan tersebut akan dijatah dengan menggunakan

perbandingan yang sama atas ordernya.

Menurut Simchi – Levi (2004) penyebab utama terjadinya

Bullwhip effect ada lima, yaitu :

1. Demand Forecasting

Tambahan pemesanan mengakibatkan peramalan permintaan lebih

tinggi. Solusi yang mungkin adalah dengan menyediakan data

tentang permintaan konsumen secara langsung untuk perusahaan

up stream yang lebih jauh pada rantai pasok.

2. Lead Time.

Lead Time didefinisikan sebagai lamanya waktu tiba pesanan

yang diterima oleh retailer. Lead Time dapat menambah Bullwhip

effect dengan menambah peningkatan variabilitas pada peramalan

39  

 

permintaan, meliputi : panjang lead time , besarnya kebutuhan dan

tingkat persediaan.

3. Batch Ordering

Merupakan saat manufaktur mengamati besarnya pesanan, diikuti

beberapa periode tanpa pesanan, diikuti pesanan lain dan

seterusnya, kemudian manufaktur melihat penyimpangan dan

variabel tertinggi dari pesanan.

4. Supply Shortages.

Jika permintaan melebihi supply yang ada, maka permintaan

tersebut akan di jatah dengan perbandingan yang sama dengan

jumlah produk yang mereka pesan. Untuk mengatasi ini maka

konsumen akan melebihkan permintaan yang mereka pesan. Jika

permintaan berkurang maka terjadilah pembatalan pesanan yang

sring disebut dengan istilah phantom order.

5. Price Variation

Merupakan penyebab terakhir adalah frekuensi variasi biaya

keseluruhan pada rantai pasok. Contoh: banyak retailer

mengeluarkan biaya tinggi untuk promosi.

Dihadapkan pada permasalahan Bullwhip effect yang tidak

mungkin dapat dihindari oleh perusahaan, perusahaan yang tergabung

dalam suatu rantai pasok dapat saling berbagi informasi tentang data

40  

 

penjualan yang nyata, data pemesanan, dan data penggunaan kapasitas

pabrik dan jadwal pengiriman. Melalui kolaborasi dan proses saling

berbagi informasi antara peramalan pabrik dengan pemasok akan

menghasilkan peramalan yang lebih tepat untuk kuantitas yang

diminta konsumen.

Dalam mendesain suatu rantai pasok, langkah awal yang harus

dilakukan adalah mengidentifikasi produk yang diproduksi, apakah

perusahan akan memfokuskan pada menghasilkan produk-produk

fungsional atau produk inovatif. Karakteristik kedua produk tersebut

berbeda, sehingga memerlukan SCM yang berfokus pada efisiensi atau

fokus pada responsifitas. Produk fungsional merupakan produk yang

pada dasarnya untuk memenuhi kebutuhan sehingga produk tersebut

tidak perlu banyak variasi, permintaan relatif stabil dan dapat

diprediksi serta siklus hidup produk relatif lebih panjang. Sebaliknya

produk inovatif merupakan produk yang didesain selalu berkembang

dan menyesuaikan perubahan permintaan atau selera konsumen.

Dalam mendesain SCM untuk produk inovatif harus

mempertimbangkan respon atau kecepatan untuk merespon karena

produk inovatif mempunyai siklus hidup yang lebih pendek, variasi

produk yang tinggi, permintaan produk yang tidak pasti tetapi

kontribusi pada laba lebih tinggi dan desain produk yang cocok untuk

produk inovatif adalah produk modul.

41  

 

Produk-produk fungsional cenderung memiliki tingkat

kompetisi yang lebih tajam sehingga profit margin menjadi rendah

dengan jumlah variasi produk yang lebih sedikit, lead time lebih tinggi

dan pengiriman tidak terlalu cepat. Untuk produk fungsional,

penekanan dalam mendesain lantai pasokan harus menekankan pada

efisiensi, proses yang efisien dengan menggunakan persediaan yang

lebih tinggi serta biaya rantai pasok yang lebih murah.

Industri untuk jenis produk inovatif yang mempunyai siklus

hidup produk yang cukup pendek perlu mengadopsi desain produk

modul. Dalam proses produksi produk modul dibuat terlebih dahulu,

dan produk tersebut dapat menjadi komponen produk lain, dapat

dipakai pada sekelompok produk ataupun produk lain yang tidak

sekelompok. Sehingga standarisasi komponen untuk dapat

dipertukarkan sangat diperlukan. Produk modul melibatkan lintas

fungsi dan merupakan proses antar organisasi dimana pemesanan dan

produksi modul dapat dikoordinasi untuk menyesuaikan dengan

permintaan konsumen.

2.2.2 Mengurangi Bullwhip Effect

Pengurangan bullwhip effect bisa dilakukan apabila

penyebabnya dimengerti dengan baik oleh pihak-pihak pada rantai

42  

 

pasok. Beberapa pendekatan yang diyakini bisa mengurangi bullwhip

effect adalah:

1. Information sharing; informasi yang tidak transparan

mengakibatkan banyak pihak pada rantai pasok melakukan

kegiatan atas dasar ramalan atau tebakan yang tidak akurat. Ritel

atau toko sering kali tidak membagi informasi penjualan dengan

pusat distribusi dan pabrik. Akibatnya pabrik hanya mengetahui

pola permintaan berdasarkan order yang diterima dari pusat

distribusi dan pusat distribusi.

2. Memperpendek atau mengubah struktur rantai pasok; semakin

panjang dan kompleks struktur suatu rantai pasok, semakin besar

kemungkinan terjadi distorsi informasi, oleh karena itu cara yang

baik untuk mengurangi bullwhip effect adalah dengan mengubah

struktur rantai pasok sehingga menjadi lebih pendek atau

memungkinkan terjadinya pertukaran informasi dengan lebih

lancar.

3. Pengurangan ongkos-ongkos tetap: ada banyak hal yang bisa

dilakukan untuk memungkinkan kegiatan produksi maupun

kegiatan pengiriman dilakukan dengan ukuran batch yang lebih

kecil. Pertama adalah dengan mengurangi waktu setup produksi.

Untuk kegiatan pengadaan, ukuran lot pemesanan dikurangi

dengan mengeliminasi kegiatan-kegiatan administrasi yang

43  

 

berlebihan dan memakan waktu. Inovasi pada manajemen

transportasi dan distribusi banyak membantu pengurangan

bullwhip effect.

4. Menciptakan stabilitas harga dengan cara pemberian potongan

harga oleh penyalur-penyalur ke toko-toko atau ritel bisa

mengakibatkan reaksi forward buying yang sebetulnya tidak

berpengaruh pada permintaan dari pelanggan akhir. Untuk

menghindari reaksi forward buying, frekuensi dan intensitas

kegiatan promosi parsial seperti ini harus dikurangi dan lebih

diarahkan ke pengurangan harga secara kontinu, sehingga bisa

menciptakan every day low price (EDLP).

5. Pemendekan lead time; lead time bisa diperpendek dengan

mengubah struktur / konfigurasi rantai pasok (misalnya dengan

menggunakan pemasok lokal), mengubah mode transportasi, atau

dengan cara-cara inovatif seperti cross-docking dan perbaikan

manajemen order.

2.3 Fill Rate

Fill rate adalah persentase jumlah item yang tersedia ketika diminta

oleh pelanggan. Jadi fill rate 97% berarti ada kemungkinan 3% dari item yang

diminta oleh pelanggan tidak tersedia. Akibatnya pelanggan harus menunggu

44  

 

beberapa lama atau pindah ke tempat lain untuk mendapatkannya (Pujawan,

2005).

2.4 Peramalan

Peramalan (Handoko,2000) adalah suatu usaha untuk meramalkan

keadaan di masa mendatang melalui pengujian keadaan di masa lalu.

Pengertian lainnya adalah proses untuk memperkirakan berapa kebutuhan di masa

yang akan datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu

dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun

jasa. Salah satu jenis peramalan adalah peramalan permintaan. Peramalan permintaan

merupakan tingkat permintaan produk–produk yang diharapkan akan terealisasi

untuk jangka waktu tertentu pada masa yang akan datang (Nasution, 2005). Esensi

dari peramalan adalah perkiraan peristiwa-peristiwa diwaktu yang akan datang atas

dasar pola-pola di waktu yang lalu dan penggunaan kebijakan terhadap proyeksi-

proyeksi dengan pola-pola di waktu yang lalu.

Dalam fungsi peramalan tidak hanya termasuk di dalamnya teknik

khusus dan model, tetapi juga termasuk input dan output dari subyek

peramalan. Pengembangan fungsi peramalan dibutuhkan untuk

mengidentifikasi output, karena spesifikasi output dapat menyederhanakan

pemilihan model peramalan, tetapi fungsi peramalan tidak lengkap tanpa

mempertimbangkan input (Yamit, 2005).

45  

 

2.4.1 Karakteristik Peramalan yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang

penting, antara lain akurasi, biaya, dan kemudahan. Penjelasan dari

kriteria–kriteria tersebut adalah sebagai berikut:

• Akurasi

Akurasi dari suatu hasil peramalan diukur dengan kebiasan

dan kekonsistensian peramalan. Hasil peramalan dikatakan bias

bila peramalan tersebut terlalu tinggi atau terlalu rendah

dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil

peramalan dikatakan konsisten bila besarnya kesalahan peramalan

relatif kecil.

Buffa menjelaskan bahwa metode yang lebih canggih tidak

menjamin dihasilkannya hasil yang lebih akurat ketimbang metode

yang lebih sederhana, lebih mudah diterapkan, dan lebih murah.

Berikut ini merupakan temuan – temuan yang berhubungan dengan

pemilihan metode peramalan dan akurasi hasil peramalan :

Akurasi peramalan meningkat jika ramalan dari lebih banyak

metode dikombinasikan untuk menghasilkan ramalan akhir;

tetapi dampak marjinal dari penambahan satu metode

berkurang dengan semakin banyaknya jumlah metode yang

digunakan.

46  

 

Resiko kesalahan yang lebih besar dalam peramalan yang

mungkin disebabkan oleh pemilihan metode yang keliru, resiko

kesalahan akan berkurang jika hasil dari dua atau lebih metode

dikombinasikan.

Variabilitas dalam akurasi ramalan diantara berbagai

kombinasi metode peramalan berkurang dengan makin

banyaknya metode yang digunakan (Buffa, 2000).

• Biaya

Biaya yang diperlukan untuk pembuatan suatu peramalan

tergantung dari jumlah item yang diramalkan, lamanya periode

peramalan, dan metode peramalan yang dipakai.

• Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan

mudah diaplikasikan akan memberikan keuntungan bagi

perusahaan.

Dalam membuat peramalan atau menerapkan hasil peramalan,

ada beberapa hal yang harus dipertimbangkan, yaitu :

• Peramalan pasti mengandung kesalahan, artinya peramal hanya

bisa mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat

menghilangkan ketidakpastian tersebut.

47  

 

• Peramalan seharusnya memberikan informasi mengenai berapa

ukuran kesalahan.

• Peramalan jangka pendek lebih akurat dibandingkan dengan

peramalan jangka panjang.

Terdapat beberapa peraturan yang harus diperhatikan sebelum

melakukan peramalan, yaitu (Gazpers, 2000) :

• Tidak boleh meramalkan produk–produk yang tergolong ke dalam

dependent demand.

Produk–produk yang tergolong dalam dependent demand harus

direncanakan atau dihitung. Peramalan hanya boleh dilakukan

pada produk–produk yang tergolong kedalam independent

demand.

• Penentuan horizon peramalan berdasarkan kondisi aktual sistem

manufaktur dan tujuan dari peramalan.

Semakin jauh periode dimasa mendatang yang diramalkan dengan

asumsi faktor–faktor lain, hasil ramalan akan semakin kurang

akurat.

• Disamping berdasarkan waktu, peramalan juga dapat dilakukan

berdasarkan lokasi geografis, kelompok produk, yang dikenal

sebagai peramalan berdasarkan dimensi agregasi dan disagregasi.

48  

 

Peramalan pada tingkat agregasi yang lebih tinggi akan lebih

akurat dibandingkan peramalan pada tingkat agregasi yang lebih

rendah atau pada tingkat disagregasi.

2.4.2 Metode Peramalan

Salah satu cara untuk mengklasifikasikan permasalahan pada

peramalan adalah mempertimbangkan skala waktu peramalannya yaitu

seberapa jauh rentang waktu data yang ada untuk diramalkan.

Berdasarkan horison dari waktu peramalan, peramalan

dikelompokkan menjadi :

1. Peramalan jangka pendek

Jangka waktunya mencapai satu tahun tetapi umumnya kurang dari

tiga bulan. Digunakan untuk merencanakan pembelian,

penjadwalan kerja, jumlah tenaga kerja, penugasan, dan tingkat

produksi.

2. Peramalan jangka menengah

Peramalan jangka menengah biasanya berjangka tiga bulan hingga

tiga tahun. Peramalan ini sangat bermanfaat dalam perencanaan

penjualan, perencanaan dan penganggaran produksi, penganggaran

kas, dan menganalisis berbagai rencana operasi.

49  

 

3. Peramalan jangka panjang

Jangka waktunya biasanya tiga tahun atau lebih; digunakan dalam

merencanakan produk baru, pengeluaran modal, lokasi fasilitas,

atau ekspansi, dan penelitian serta pengembangan.

Tabel berikut ini menunjukkan tipe-tipe keputusan berdasarkan

jangka waktu peramalannya.

Tabel 2.2 Rentang Waktu dalam Peramalan

Rentang Waktu Tipe Keputusan Contoh

Jangka Pendek

( 3 – 6 bulan) Operasional Perencanaan produksi, distribusi

Jangka Menengah

( 2 tahun) Taktis Penyewaan lokasi dan peralatan

Jangka Panjang

(Lebih dari 2 tahun) Strategis

Penelitian dan pengembangan untuk akuisisi

dan merger, pembuatan produk baru

Sumber : Manajemen Persediaan (Zulian Yamit)

50  

 

Selain itu, didasarkan dari karakteristik dalam menentukan

suatu peramalan, peramalan terbagi atas :

• Metode Kualitatif

Pada metode ini tidak ada model matematik, biasanya

karena data yang ada tidak cukup representatif untuk meramalkan

masa yang akan datang (long term forecasting). Peramalan

kualitatif menggunakan pertimbangan pendapat-pendapat para

pakar yang ahli atau expert di bidangnya. Adapun kelebihan dari

metode ini adalah biaya yang dikeluarkan sangat murah (tanpa

data) dan cepat diperoleh. Sementara kekurangannya yaitu bersifat

subyektif sehingga seringkali dikatakan kurang ilmiah.

Salah satu pendekatan peramalan dalam metode ini adalah

teknik Delphi, dimana menggabungkan dan merata-ratakan

pendapat para pakar dalam suatu forum yang dibentuk untuk

memberikan estimasi suatu hasil permasalahan di masa yang akan

datang. Misalnya: berapa estimasi pelanggan yang dapat diperoleh

dengan realisasi teknologi 3G.

• Metode Kuantitatif

Prosedur peramalan yang mengikuti aturan matematis dan

statistik dalam menunjukan hubungan antara permintaan dengan

51  

 

satu atau lebih variabel yang mempengaruhinya. Ada 2 metode

yaitu metode analisa time series dan metode asosiatif (regresi).

Model Time Series Analysis (Deret Waktu)

Memasang suatu garis trend yang representatif dengan data-

data masa lalu (historis) berdasarkan kecenderungan datanya

dan memproyeksikan data tersebut ke masa yang akan datang.

Untuk peramalan dengan metode analisa time series terdapat

empat pola data, antara lain :

1. Pola trend

Mengalami pergerakan sedikit demi sedikit dan memiliki

kecenderungan untuk terus meningkat ataupun

sebaliknya,yaitu menurun.

Sumber : google.com

Gambar 2.2 Pola Trend

2. Pola siklus / cycle

52  

 

Pola permintaan akan suatu produk yang mengalami

perulangan dalam kurun waktu tertentu, bisa dalam hari,

minggu, bulan, ataupun tahunan.

Sumber : google.com

Gambar 2.3 Pola Siklus

3. Pola musiman / season (S)

Pola dalam data yang umumnya terjadi setiap beberapa

periode (tahun). Pola ini biasanya disebabkan oleh faktor

cuaca, musim libur, hari raya keagamaan yang berulang

tiap tahunnya.

Sumber : google.com

Gambar 2.4 Pola Musiman

4. Pola variasi acak / random (R)

53  

 

Merupakan pola khusus dalam data yang disebebkan oleh

peluang dan situasi yang tidak biasa. Variasi acak ini tidak

memiliki pola kecenderungan yang khusus dan sangat sulit

untuk diprediksi.

Sumber : google.com

Gambar 2.5 Pola Variasi Acak

Terdapat beberapa metode peramalan yang umum digunakan

dalam peramalan kuantitatif dengan metode analisa time series dan

metode asosiatif. Metode-metode tersebut anatara lain :

1. Double Exponential Smoothing – 1 dan 2 parameter Brown

Dasar pemikiran dari pemulusan eksponensial linier dari

Brown adalah serupa dengan rata–rata bergerak linier. Metode

penghalusan eksponensial merupakan teknik peramalan rata-rata

bergerak dengan pembobotan dimana data diberi bobot oleh

sebuah fungsi eksponensial.

Konstanta penghalusan (α ) merupakan fungsi eksponensial

yang menjadi faktor pembobotan yang digunakan dalam

54  

 

peramalan ini. Pemberian nilai α dipilih berdasarkan keadaan dari

permintaan. Saat permintaan rata-rata cenderung berubah, nilai α

yang tinggi dapat dipilih dan saat pemintaan cenderung stabil,

maka nilai α yang dipilih adalan nilai yang rendah. Besar nilai

yang digunakan untuk α berkisar dari 0 sampai dengan 1. Metode

ini pun juga memiliki kelemahan yang sama dengan metode rata-

rata bergerak, yaitu teknik ini tidak dapat memberikan respons

yang baik terhadap adanya trend.

( )

mbaF

)S(S1

b

SS2a)S(1SS

)S(1XS

ttmt

t"'

t

"'t

)1(''"

1-tt'

⋅+=

−α−

α=

−⋅=

α−+⋅α=

α−+⋅α=

+

−

t

tt

ttt

t

dengan inisialisasi awal : 1"' XSS == tt

2. Metode Asosiatif (Regresi)

Merupakan model matematis garis lurus yang menjelaskan

hubungan fungsional antara variabel bebas dan variabel dependen

yang memungkinkan kita meramalkan nilai–nilai variabel tak

bebas dari nilai–nilai peubah bebas.

Pendekatan peramalan ini lebih berdaya guna dibandingkan

dengan metode time series yang telah dibahas sebelumnya karena

55  

 

pada regresi, pertimbangan dapat dilakukan pada beberapa variabel

yang memiliki hubungan dengan dengan nilai yang diramalkan.

Metode ini cocok digunakan untuk peramalan terhadap permintaan

yang memiliki pola trend.

( )∑ ∑∑ ∑ ∑

−

−= 22 ttn

yttynb

tbya −=

dimana : y = nilai peramalan

a = konstanta y

b = nilai kemiringan

n = jumlah data

t = indeks penunjuk waktu (dimulai dari 1 dan terus

berlanjut untuk periode yang diramalkan)

3. Metode Holt- Winters

Metode Holt-Winters digunakan untuk memodelkan data

dengan pola musiman, baik mengandung trend maupun tidak.

Metode Holt- Winters memberikan tiga pembobotan dalam

prediksinya, yaitu α, β,dan γ yang bernilai antara 0 dan 1.

Pembobotan α memberikan pembobotan pada nilai ramalan, β

memberikan pembobotan pada slope, dan γ memberikan

56  

 

pembobotan pada efek musiman. Metode Holt- Winters

mempunyai dua bentuk model. Bila besarnya efek musiman

konstan dari waktu ke waktu, maka bentuk model yang dipakai

adalah Additive Seasonality. Sedangkan bila besarnya efek

musiman berubah dari waktu ke waktu, maka bentuk model yang

dipakai adalah Multiplicative Seasonality.

Dalam metode peramalan, kekuatan dari setiap model

peramalan dan ketepatan dari peramalan tersebut dapat diukur dengan

menggunakan beberapa metode, antara lain :

1. Mean Absolute Error atau Mean Absolute Deviation (MAE /

MAD)

Merupakan ukuran kesalahan peramalan keseluruhan untuk sebuah

model peramalan. Nilai ini dihitung dengan mengambil jumlah

nilai absolut dari tiap kesalahan dan dibagi dengan jumlah periode

data.

2. Mean Square Error (MSE)

Merupakan rata-rata dari selisih kuadrat dari nilai yang diramalkan

dengan yang diamati.

3. Mean Absolute Percentage Error (MAPE)

57  

 

MAPE dihitung berdasarkan rata-rata diferensiasi absolut antara

nilai yang diramal dan aktual dan dinyatakan sebagai persentase

dari nilai aktual. MAPE digunakan untuk menghindari munculnya

nilai kesalahan yang terlalu besar seperti yang dapat terjadi pada

penggunaan MSE atau MAD yang besarnya tergantung kepada

besarnya unsur yang diramal. Biasanya dalam perhitungan

peramalan, perhitungan MAPE lebih ditekankan dan lebih

diprioritaskan untuk mengetahui hasil akhirnya.

2.5 Persediaan

Persediaan adalah istilah umum yang menunjukkan segala sesuatu atau

sumber daya organisasi yang disimpan dalam antisipasinya terhadap

pemenuhan permintaan (Handoko, 2000). Pengendalian persediaan

merupakan fungsi manajerial yang sangat penting karena banyak perusahaan

melibatkan investasi terbesar pada persediaan.

Sistem persediaan adalah serangkaian kebijaksanaan dan pengendalian

yang memonitor tingkat persediaan dan menentukan tingkat persediaan yang

harus dijaga, kapan persediaan harus diisi, dan berapa besar pesanan yang

harus dilakukan. Sistem ini bertujuan menetapkan dan menjamin tersedianya

sumber daya yang tepat, dalam kuantitas yang tepat pada waktu yang tepat,

Berdasarkan jenisnya, persediaan dapat dibedakan atas:

58  

 

• Persediaan bahan mentah (raw materials) adalah persediaan barang-

barang berwujud seperti baja, kayu, dan komponen lainnya yang

digunakan dalam proses produksi. Bahan mentah diperoleh dari sumber-

sumber alam atau dibeli dari para supplier dan atau dibuat sendiri oleh

perusahaan untuk digunakan dalam proses produksi.

• Persediaan komponen-komponen rakitan (purchased parts / components)

adalah persediaan barang-barang yang terdiri dari komponenn yang

diperoleh dari perusahaan lain, dimana secara langsung dapat dirakit

menjadi suatu produk.

• Persediaan bahan pembantu atau penolong (supplies) adalah persediaan

barang yang diperlukan dalam proses produksi, tetapi tidak merupakan

bagian dari komponen barang jadi.

• Persediaan barang dalam proses (work-in-process) adalah persediaan

barang-barang yang memerlukan keluaran dari tiap-tiap bagian dalam

proses produksi atau yang telah diolah menjadi suatu bentuk, tetapi masih

diproses lebih lanjut menjadi barang jadi.

• Persediaan barang jadi (finished goods) adalah persediaan barang yang

telah selesai diproses atau diolah dalam pabrik dan siap untuk dijual atau

dikirim kepada pelanggan.

Berdasarkan fungsinya, persediaan bisa dibedakan menjadi (Pujawan, 2005):

59  

 

• Pipeline / transit inventory, persediaan ini muncul karena lead time

pengiriman dari satu tempat ke tempat lain. Barang yang tersimpan di

truk sewaktu proses pengiriman adalah salah satu contohnya. Persediaan

ini akan banyak kalau jarak dan waktu pengiriman panjang. Jadi

persediaan ini bisa dikurangi dengan mempercepat pengiriman misalnya

dengan mengubah alat atau mode transportasi atau dengan mencari

pemasok yang lokasinya lebih dekat.

• Cycle stock, adalah persediaan akibat motif memenuhi skala ekonomi

seperti yang didiskusikan di atas. Persediaan ini punya siklus tertentu.

Pada saat pengiriman jumlahnya banyak, kemudian sedikit demi sedikit

berkurang akibat dipakai atau dijual sampai akhirnya habis, kemudian

mulai dengan siklus baru lagi.

• Safety stock, adalah sebagai perlindungan terhadap ketidakpastian

permintaan maupun pasokan. Perusahaan biasanya menyimpan lebih

banyak dari yang dibutuhkan selama satu periode tertentu supaya

kebutuhan yang lebih banyak bisa dipenuhi tanpa harus menunggu.

• Anticipation stock, adalah persediaan yang dibutuhkan untuk

mengantisipasi kenaikan permintaan akibat sifat musiman dari

permintaan terhadap suatu produk

60  

 

2.5.1 Model Persediaan untuk Permintaan Musiman

Untuk item-item dengan permintaan musiman, isu yang

mendasar adalah mencari keseimbangan antara ongkos kelebihan

dengan ongkos kekurangan produk selama suatu musim penjualan.

Produk-produk yang permintaannya bersifat musiman akan beresiko

tinggi bila tidak habis pada musim jualnya. Resiko ini bisa berupa

tidak terjual sama sekali karena melewati masa kadaluarsa (seperti

makanan, minuman, sayur segar, daging, surat kabar, dan majalah)

atau harus didiskon sampai di bawah harga pabrik pada akhir musim

jualnya (seperti garmen dan kamera digital).

Keputusan persediaan yang harus diambil pada jenis barang

seperti ini adalah banyaknya barang yang harus dipesan untuk

memenuhi permintaan suatu musim jual. Musim jual untuk tiap

komoditi atau barang tentu berbeda-beda.

Co = ongkos kelebihan satu unit

Cu = ongkos kekurangan satu unit

c = harga beli dari pabrik (supplier)

p = harga jual normal

s = harga jual diskon

Co = c + s

Cu = p – c.

61  

 

Perusahaan punya tujuan untuk memaksimumkan keuntungan.

Keuntungan perusahaan besarnya (p-c)Q kalau Q < D dimana Q

adalah ukuran pesanan dan D adalah permintaan selama musim jual.

Kalau Q > D maka besarnya keuntungan adalah (p-s)D + (s-c)Q.

Secara umum keuntungan perusahaan bisa dirumuskan sebagai berikut

:

P(b) = Co Min (Q,D) = max (0, [Q-D]Cu)

Apabila permintaan selama musim jual diketahui berdistibusi

normal dengan rata-rata d dan standar deviasi Sd maka besarnya

permintaan yang optimal adalah :

Q = d + Z(SL*) x Sd

,dimana SL* adalah service level yang optimal. Jadi Z(SL*) adalah

niai invers distribusi normal standar yang berkorelasi dengan

probabilitas SL*. Besarnya SL* inilah yang pertama harus ditentukan

agar Q yang optimal bisa dihitung. Nilai SL* merupakan trade off

antara ongkos kelebihan (Co) dengan ongkos kekurangan (Cu).

Apabila Co sama dengan Cu maka keputusan yang terbaik adalah

memesan pada nilai rata-rata (d) yang berarti berkorespondensi dengan

service level 50%. Apabila Cu lebih besar dari Co maka ekspektasi

keuntungan akan lebih besar kalau perusahaan memesan lebih dari

nilai rata-rata. Ini berarti bahwa SL* akan semakin besar kalau Cu/Co

62  

 

semakin besar nilainya. Dengan manipulasi matematis, nilai SL* bisa

dihitung sebagai berikut :

SL* : Cu/(Cu+Co)

Model untuk menentukan ukuran pesanan yang dijabarkan di

atas hanya berdasarkan informasi yang dimiliki oleh ritel. Pabrik tidak

dilibatkan dalam menentukan ukuran pesanan, melainkan hanya pasif

merespon pesanan dari ritel.

Pada model yang ada, ongkos kekurangan maupun kelebihan

persediaan hanya dilihat dari sudut pandang ritel. Seandainya kedua

belah pihak membagi informasi secara transparan tentang struktur

ongkos mereka maka ongkos kekurangan dan ongkos kelebihan

persediaan bisa ditentukan dari sudut pandang sistem. Misalkan pabrik

mengeluarkan ongkos sebesar v untuk memproduksi dan memasok

satu unit celana seperti diperlihatkan pada gambar .

Sumber : Supply Chain Management (I Nyoman Pujawan)

Gambar 2.6 Struktur Ongkos Pabrik dan Retail

PABRIK RETAILV

S

p

c

63  

 

Dari sudut rantai pasok (pabrik dan retail), kelebihan satu unit

celana akan mengakibatkan kerugian sebesar v – s. Sedangkan untuk

setiap satu unit yang terjual dengan harga normal, rantai pasok akan

mendapatkan keuntungan sebesar p – v. Dengan demikian maka Co =

v-s dan Cu = p-v. Dengan informasi yang baru ini mereka bisa

menentukan service level yang optimal dengan menggunakan formula

SL* di atas, yaitu SL* : Cu/(Cu+Co). Penentuan ukuran pesanan yang

optimal bagi kedua belah pihak juga mengikuti prosedur yang sama

seperti diatas.

Tentunya harus ada pembagian keuntungan yang adil diantara

kedua belah pihak. Pabrik mungkin bisa menurunkan harga jual per

unit atau bersedia berbagi keuntungan maupun kerugian secara

bersama. Ini adalah konsep yang sangat mendasar dalam manajemen

rantai pasok. Berbagai mekanisme pembagian keuntungan bisa

diterapkan diantara pabrik dan retail.

Berdasarkan contoh di atas, dapat ditarik kesimpulan bahwa

semakin luas kita melihat sistem, semakin optimal keputusan bisa

dibuat. Manajemen rantai pasok menganjurkan pihak-pihak pada suatu

rantai pasok untuk membagi informasi dan mengambil keputusan

secara kolaboratif. Contoh sederhana di atas membuktikan bahwa

secara matematis dua hal tersebut menguntungkan bagi sistem secara

64  

 

keseluruhan. Namun tentu saja dalam prakteknya banyak hal-hal yang

bisa membatasi terjadinya praktek kolaborasi pada rantai pasok.