BAB II LANDASAN TEORI - e-journal.uajy.ac.ide-journal.uajy.ac.id/8231/3/EM218463.pdf · sesuai...
Transcript of BAB II LANDASAN TEORI - e-journal.uajy.ac.ide-journal.uajy.ac.id/8231/3/EM218463.pdf · sesuai...
8
BAB II LANDASAN TEORI
2.1. Beberapa teori tentang persediaan (inventory) :
Persediaan merupakan stok bahan/barang yang digunakan untuk memudahkan
produksi atau untuk memuaskan permintaan pelanggan.
Stok bahan/barang :
a. Bahan baku
b. Bahan penolong
c. Barang dalam proses
d. Barang jadi
Fungsi Persediaan :
- Menghubungkan antara operasi yang berurutan
- Mengantisipasi keterlambatan datangnya barang
- Menumpuk bahan yang dihasilkan secara musiman
- Mencapai penggunaan mesin yang optimal
Jenis- jenis persediaan :
- Berdasarkan jenis dan posisi barang :
1. Bahan baku
2. Bagian produk
3. Bahan pembantu
4. Barang setengah jadi
5. Barang jadi
- Berdasarkan sumbernya :
9
1. Diproduksi sendiri
2. Dibeli dari luar
- Berdasarkan keterkaitan permintaan :
1. Permintaan bebas
2. Permintaan tidak bebas
- Biaya – biaya persediaan :
1. Biaya satuan produk
2. Biaya pemesanan/persiapan
- Biaya pengadaan/penyimpanan
1. Biaya modal
2. Biaya gudang
3. Biaya penyusutan, kerusakan
4. Biaya keusangan dan kehilangan
5. Biaya kehabisan stok
- Keuntungan persediaan banyak :
1. Dapat menjamin kelancaran produksi dan pelayanan terhadap
konsumen.
2. Menumbuhkan kepercayaan terhadap konsumen.
3. Harga per unit barang bisa lebih rendah.
4. Kenaikan harga dikemudian hari dapat dihindari.
5. Pengangkutan lebih ekonomis.
6. Total biaya pemesanan per periode bisa lebih rendah.
- Keuntungan persediaan kecil :
10
1. Ruang penyimpanan yang digunakan lebih sedikit.
2. Uang yang terikat pada persediaan lebih sedikit.
3. Biaya asuransi lebih rendah.
4. Persediaan selalu baru.
5. Persediaan yang lama nampaknya akan menjadi kecil.
- Faktor-faktor yang perlu dipertimbangkan yang berkaitan dengan persediaan :
1. Tingkat permintaan/kebutuhan.
2. Tenggang waktu pengadaan.
3. Fasilitas penyimpanan yang ada.
4. Sifat bahan/barang yang akan disimpan.
5. Tingkat pelayanan yang diharapkan.
6. Biaya-biaya persediaan.
7. Jumlah persediaan yang masih ada
Pada prinsipnya maksud persediaan adalah untuk memudahkan dan
melancarkan proses produksi suatu perusahaan dalam memenuhi kebutuhan para
konsumennya. Adapun maksud dari adanya persediaan menurut Freddy Rangkuti
(2002:2) adalah sebagai berikut:
1. Karena dibutuhkannya waktu menyelesaikan operasi dan untuk memindahkan
produk dari suatu tingkat proses lainnya yang disebut persediaan dalam
proses dan pemindahan.
2. Untuk memungkinkan suatu unit atau bagian membuat jadwal operasinya
secara bebas, tidak tergantung dari yang lainnya.
Sedangkan tujuan persediaan menurut Freddy Rangkuti (2000:2), yaitu:
11
1. Menghilangkan resiko keterlambatan datangnya barang/bahan yang
dibutuhkan perusahaan.
2. Menghilangkan resiko dari materi yang dipesan berkualitas tidak baik
sehingga harus dikembalikan.
3. Untuk mengantisipasi bahan yang dihasilkan secara musiman sehingga dapat
digunakan bila bahan itu tidak ada dalam pasaran.
4. Mempertahankan stabilitas operasi perusahaan atau menjamin kelancaran
arus produksi
5. Mencapai penggunaan mesin yang optimal.
6. Memberikan pelayanan kepada langganan dengan sebaik-baiknya, dengan
memberikan jaminan tersedianya barang jadi.
7. Membuat pengadaan atau produksi tidak perlu sesuai dengan penggunaan
atau penjualannya.
Dengan tujuan di atas dapat disimpulkan bahwa persediaan diharapkan
tersedia dalam jumlah yang optimal, sehingga memperkecil biaya persediaan yang
ditimbulkan akibat kelebihan atau kekurangan stok.
Fungsi persediaan menurut Dr. Zulian Yamit, Msi (2003:6), ada empat faktor yang
dijadikan fungsi dari persediaan, yaitu:
1. Faktor waktu, menyangkut lamanya proses produksi dan distribusi sebelum
barang jadi sampai kepada konsumen.
2. Faktor ketidakpastian waktu datang dari pemasok (supplier), menyebabkan
perusahaan memerlukan persediaan agar tidak menghambat proses produksi
maupun keterlambatan pengiriman kepada konsumen.
12
3. Faktor ketidakpastian penggunaan dari dalam perusahaan, disebabkan oleh
kesalahan dalam peramalan permintaan, kerusakan mesin, keterlambatan
operasi, bahan cacat dan berbagai aspek lainnya.
4. Faktor ekonomis, adalah adanya keinginan perusahaan untuk mendapatkan
alternatif biaya rendah dalam memproduksi atau membeli item dengan
menentukan jumlah yang paling ekonomis.
Sedangkan Freddy Rangkuti (2004:15), menyebutkan bahwa fungsi-fungsi
persediaan adalah sebagai berikut:
1. Fungsi Decoupling adalah persediaan yang memungkinkan perusahaan dapat
memenuhi permintaan pelanggan tanpa tergantung pada pemasok (supplier).
Persediaan bahan mentah diadakan agar perusahaan tidak sepenuhnya
tergantung pada pengadaannya dalam kuantitas dan waktu pengiriman.
2. Fungsi Economic Lot Sizing. Persediaan lot size ini perlu mempertimbangkan
penghematan atau potongan pembelian, biaya pengangkutan per unit menjadi
lebih murah, dan lain sebagainya. Hal ini disebabkan perusahaan melakukan
pembelian dalam kuantitas yang lebih besar dibandingkan biaya yang timbul
karena besarnya persediaan (biaya sewa gudang, investasi, resiko, dan lain
sebagainya).
3. Fungsi Antisipasi. Apabila perusahaan menghadapi fluktuasi permintaan yang
dapat diperkirakan dan diramalkan berdasarkan pengalaman atau data-data
masa lalu, yaitu permintaan musiman. Dalam hal ini perusahaan dapat
mengadakan persediaan musiman (seasonal inventories). Di samping itu,
perusahaan juga sering menghadapi ketidakpastian jika waktu pengiriman dan
13
permintaan barang-barang selama periode tertentu. Dalam hal ini perusahaan
memerlukan persediaan ekstra yang disebut persediaan pengaman (safety
stock).
Setiap jenis persediaan memiliki karakteristik tersendiri dan cara pengelolan
yang berbeda, sehingga dapat dilihat dari jenis dan posisi barang. Persediaan menurut
jenis dan posisi barang dapat dibedakan menjadi beberapa jenis:
1. Persediaan bahan mentah (raw material) yaitu persediaan barang-barang
berwujud, seperti besi, kayu, serta komponen-komponen lain yang dugunakan
dalam proses produksi.
2. Persediaan bagian produk atau komponen-komponen rakitan (purchased
parts/components), yaitu persediaan barang-barang yang terdiri dari
komponen-komponen yang diperoleh dari perusahan lain yang secara
langsung dapat dirakit menjadi suatu produk.
3. Persediaan bahan pembantu atau penolong (supplies), yaitu persediaan
barang-barang yang diperlukan dalam proses produksi, tetapi bukan
merupakan bagian atau komponen barang jadi.
4. Persediaan barang dalam proses (work in process), yaitu persediaan barang-
barang yang merupakan keluaran dari tiap-tiap bagian dalam proses produksi
atau yang telah diolah menjadi suatu bentuk, tetapi masih perlu diproses lebih
lanjut menjadi barang jadi.
5. Persediaan barang jadi (finished goods), yaitu persediaan barang-barang yang
telah selesai diproses atau diolah dalam pabrik dan siap dijual atau dikirim
kepada pelanggan.
14
Dalam Manajemen persediaan, barang-barang dapat dibagi menurut beberapa sudut
pandang/pendekatan, yang antara lain dapat disampaikan sebagai berikut:
1. Menurut jenis :
- Barang umum (general materials), barang jenis ini biasanya cukup
banyak, pemakainnya tidak tergantung dari peralatan, harganya relatif
lebih kecil. Dan penentuan kebutuhannya relatif gampang.
- Suku cadang (spare parts), barang jenis ini macamnya sangat banyak,
harganya biasanya lebih mahal, pemakaiannya tergantung dari peralatan,
dan penentuan kebutuhannya lebih sulit.
2. Menurut harga :
- Barang berharga tinggi (high value items), barang ini biasanya berjumlah
sekitar hanya 10% dari jumlah item persediaan, namun jumlah nilainya
mewakili sekitar 70% dari seluruh nilai persediaan, dan oleh sebab itu
memerlukan tingkat pengawasan yang tinggi.
- Barang berharga menengah (medium value items), barang ini biasanya
berjumlah kira-kira 20% dari jumlah item persediaan, dan jumlah nilainya
juga sekitar 20% dari jumlah nilai persediaan, sehingga memerlukan
tingkat pengawasan cukup saja.
- Barang berharga rendah (low value items), berlawanan dengan barang
berharga tinggi, jenis barang ini biasanya berjumlah kira-kira 70% dari
seluruh pos persediaan, namun nilai harganya hanya mewakili 10% saja
dari seluruh nilai barang persediaan, sehingga hanya menerlukan tingkat
pengawasan rendah.
15
3. Menurut frekuensi penggunaan :
- Barang yang cepat pemakaiannya atau pergerakannya (fast moving items),
barang ini frekuensi penggunaannya dalam 1 tahun lebih dari sekian bulan
tertentu, misalnya lebih dari 4 bulan, sehingga barang jenis ini
memerlukan frekuensi perhitungan pemesanan kembali yang lebih sering.
- Barang lambat pemakaian atau pergerakannya (slow moving items), barang
yang frekuensi penggunaannya dalam 1 tahun kurang dari sekian bulan
tertentu, misalnya dibawah 4 bulan, sehingga barang jenis ini memerlukan
frekuensi perhitungan pemesanan kembali yang tidak sering.
4. Menurut tujuan penggunaan :
- Barang pemeliharaan, perbaikan, dan operasi (MRO materials), barang ini
sifatnya habis pakai, digunakan untuk keperluan pemeliharaan, perbaikan,
atau reparasi dan operasi dan kalau pada suatu saat persediaan habis,
operasi masih dapat berjalan sementara.
- Barang program (program materials), barang yang sifatnya juga habis
pakai, jumlah kebutuhannya sesuai dengan tingkat produksi/kegiatan
perusahaan yang bersangkutan. Dan kalau pada suatu saat persediaan
habis, kegiatan peusahaan akan langsung berhenti.
5. Menurut jenis anggaran :
- Barang Operasi (operating materials), barang yang digunakan untuk
keperluan operasi biasa, yang dianggarkan dalam anggaran operasi, dan
apabila digunakan sebagai biaya, dan proses persetujuan anggarannya
biasanya lebih cepat dan sederhana.
16
- Barang investasi (capital materials), barang yang biasanya berbentuk
peralatan dan digunakan untuk penambahan, perluasan, dan pembangunan
proyek, atau sebagai asset perusahaan, dianggarkan dalam anggaran
investasi, bukan dalam anggaran operasi, dan dibukukan dalam akun aset
perusahaan, sedangkan biayanya dihitung dengan metode penyusutan
sesuai dengan metode perhitungan yang telah ditentukan, dan proses
persetujuan anggarannya biasanya lebih sulit dan lama.
6. Menurut cara pembukuan perusahaan :
- Barang persediaan (stock items), jenis barang yang setibanya barang
tersebut dari proses pembelian, dibukukan dalam akun “persediaan barang
perusahaan” dan barangnya sendiri disimpan digudang persediaan. Setelah
barang tersebut digunakan oleh suatu bagian, baru dibebankan pada akun
bagian yang bersangkutan. Penggunaan barang ini berulang-ulang,
sehingga memang perlu disediakan digudang.
- Barang dibebankan langsung (direct charged materials), jenis barang yang
setelah dibeli langsung dikirimkan dan dibebankan kebagian yang akan
menggunakan. Barang jenis ini memang biasanya tidak disediakan dalam
persediaan, karena jarang sekali digunakan.
7. Menurut hubungannya dengan produksi :
- Barang Langsung (direct materials), jenis barang yang langsung
digunakan dalam produksi, yang akan menjadi bagian dari produk akhir.
Jadi bahan mentah, bahan penolong, barang setengah jadi, dan barang
komoditas barang jadi termasuk dalam kategori ini.
17
- Barang tidak langsung (indirect materials), jenis barang yang tidak ada
huungannya dengan proses produksi, namun diperlukan untuk memelihara
mesin dan fasilitas yang digunakan dalam proses produksi. Yang termasuk
dalam kategori ini adalah barang suku cadang, barang umum dan barang
proyek.
Untuk dapat mengetahui besarnya persediaan, ada beberapa hal yang perlu
diperhatikan :
1. Besarnya persediaan pengaman (safety stock)
Menurut Freddy Rangkuti “persediaan pengaman adalah persediaan tambahan
yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya
kekurangan bahan/barang (stock out)”.
Ada beberapa faktor yang menentukan besarnya persediaan pengaman, yaitu :
- Penggunaan bahan baku rata-rata. Hal ini perlu diperhatikan karena ketika
kita mengadakan pemesanan pengganti maka pemenuhan permintaan dari
langganan sebelum barang yang dipesan datang harus dapat dipenuhi dari
stock yang ada atau yang disimpan.
- Faktor waktu. Lamanya waktu antara mulai dilakukannya pemesanan
bahan-bahan yang dipesan sampai pada bahan diterima digudang
pesediaan.
- biaya-biaya yang digunakan
2. Economic Order Quantity (EOQ)
Jumlah pembelian bahan mentah pada setiap kali pesan dengan biaya yang
paling rendah. Menurut Bambang Riyanto “ EOQ adalah jumlah kuantitas
18
barang yang dapat diperoleh dengan biaya yang minimal, atau sering
dikatakan sebagai jumlah pembelian yang optimal ”.
Dalam menentukan besarnya jumlah pembelian yang optimal ini kita hanya
memperhatikan biaya variabel dari penyediaan persediaan tersebut.
3. Reorder Point
Suatu titik dari jumlah persediaan yang ada pada suatu saat dimana
pemesanan harus dilakukan kembali, sehubungan dengan adanya leadtime
dan stok pengaman (safety stock).
2.2. Beberapa teori tentang peramalan (forecasting) :
Menurut Jay Heizer dan Barry Render (2009:162), peramalan (forecasting)
adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Peramalan dapat
dilakukan dengan melibatkan data historis dan memproyeksikannya ke masa
mendatang dengan menggunakan suatu bentuk model matematis. Menurut peneliti
peramalan merupakan suatu alat bantu dalam perencanaan yang sangat efektif dan
efisien.
2.2.1 Klasifikasi peramalan berdasarkan waktu :
Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa depan
yang dilingkupinya. Heizer dan Render (2009:163) membagi horizon waktu
peramalan menjadi beberapa kategori:
2.2.1.1 Peramalan jangka pendek. Peramalan ini meliputi jangka waktu
hingga satu tahun, tetapi umumnya kurang dari 3 bulan. Peramalan ini
19
digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah
tenaga kerja, penugasan kerja, dan tingkat produksi.
2.2.1.2 Peramalan jangka menengah. Peramalan jangka menengah atau
intermediate, umumnya mencakup hitungan bulanan hingga 3 tahun.
Peramalan ini berguna untuk merencanakan penjualan, perencanaan
dan anggaran produksi, anggaran kas, serta menganalisis bermacam-
macam rencana operasi.
2.2.1.3 Peramalan jangka panjang. Umumnya untuk perencanaan masa 3
tahun atau lebih. Peramalan jangka panjang digunakan untuk
merencanakan produk baru, pembelanjaan, modal, lokasi atau
pembangunan fasilitas, serta penelitian dan pengembangan (litbang).
2.2.2 Jenis-Jenis Peramalan :
Menurut Heizer dan Render (2009:164), organisasi pada umumnya
menggunakan tiga tipe peramalan yang utama dalam perencanaan operasi.
2.2.2.1 Peramalan ekonomi (economic forecast) menjelaskan siklus bisnis
dengan memprediksikan tingkat inflasi, ketersediaan uang, dana yang
dibutuhkan untuk membangun perumahan, dan indikator perencanaan
lainnya.
2.2.2.2 Peramalan teknologi (technological forecast) memperhatikan tingkat
kemajuan teknologi yang dapat meluncurkan produk baru yang
menarik, yang membutuhkan pabrik dan peralatan baru.
20
2.2.2.3 Peramalan permintaan (demand forecast) adalah proyeksi permintaan
untuk produk atau layanan suatu perusahaan. Peramalan ini disebut
peramalan penjualan yang mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi perencanaan keuangan,
pemasaran, dan sumber daya manusia.
2.2.3 Langkah-Langkah Sistem Peramalan :
Peramalan terdiri atas tujuh langkah dasar (Heizer dan Render, 2009:165).
Tujuh langkah peramalan tersebut, yaitu:
2.2.3.1 Menetapkan tujuan peramalan.
2.2.3.2 Memilih unsur yang akan diramalkan.
2.2.3.3 Menentukan horizon waktu peramalan.
2.2.3.4 Memilih jenis model peramalan.
2.2.3.5 Mengumpulkan data yang diperlukan untuk melakukan peramalan.
2.2.3.6 Membuat peramalan.
2.2.3.7 Memvalidasi dan menerapkan hasil peramalan.
2.2.4 Peramalan berdasarkan metode terbagi menjadi 2, yaitu :
2.2.4.1 Metode Kuantitatif
Metode Peramalan Kuantitatif dapat dikelompokkan menjadi dua jenis, yaitu :
2.2.4.1.1 Model seri waktu / metode deret berkala (time series) metode
yang dipergunakan untuk menganalisis serangkaian data yang
merupakan fungsi dari waktu.
21
2.2.4.1.2 Model / metode kausal (causal/explanatory model),
mengasumsikan variabel yang diramalkan menunjukkan adanya
hubungan sebab akibat dengan satu atau beberapa variabel bebas
(independent variable).
2.2.4.1.1 Model Seri Waktu / Metode deret berkala, terbagi menjadi :
2.2.4.1.1.1 Rata-rata bergerak (moving averages)
- Rata-Rata Bergerak Sederhana (simple moving averages) : bermanfaat
jika diasumsikan bahwa permintaan pasar tetap stabil.
- Rata-Rata Bergerak Tertimbang (weighted moving averages) : apabila
ada pola atau trend yang dapat dideteksi, bisa digunakan apabila untuk
menempatkan lebih banyak bobot pada nilai tertentu.
2.2.4.1.1.2 Penghalusan eksponensial (exponential smoothing),
Penghalusan Eksponensial : metode peramalan dengan menambahkan
parameter alpha dalam modelnya untuk mengurangi faktor kerandoman.
Istilah eksponensial dalam metode ini berasal dari
pembobotan/timbangan (faktor penghalusan dari periode-periode
sebelumnya yang berbentuk eksponensial).
2.2.4.1.1.3 Proyeksi trend (trend projection)
Metode proyeksi trend dengan regresi, merupakan metode yang dignakan
baik untuk jangka pendek maupun jangka panjang. Metode ini
merupakan garis trend untuk persamaan matematis.
22
2.2.4.1.2 Model / metode kausal (causal/explanatory model) :
Merupakan metode peramalan yang didasarkan kepada hubungan antara
variabel yang diperkirakan dengan variabel alin yang mempengaruhinya
tetapi bukan waktu. Dalam prakteknya jenis metode peramalan ini terdiri
dari :
2.2.4.1.2.1 Metode regresi dan korelasi, merupakan metode yang
digunakan baik untuk jangka panjang maupun jangka pendek
dan didasarkan kepada persamaan dengan teknik least squares
yang dianalisis secara statis.
2.2.4.1.2.2 Model Input Output, merupakan metode yang digunakan untuk
peramalan jangka panjang yang biasa digunakan untuk
menyusun trend ekonomi jangka panjang.
2.2.4.1.2.3 Model ekonometri, merupakan peramalan yang digunakan
untuk jangka panjang dan jangka pendek.
2.2.4.2 Metode Kualitatif
Metode kualitatif umumnya bersifat subjektif, dipengaruhi oleh intuisi, emosi,
pendidikan dan pengalaman seseorang. Oleh karena itu hasil peramalan dari satu
orang dengan orang lain dapat berbeda. Meskipun demikian, peramalan kualitatif
dapat menggunakan teknik/metode peramalan, yaitu :
2.2.4.2.1 Juri dari Opini Eksekutif : metode ini mengambil opini atau
pendapat dari sekelompok kecil manajer puncak/top manager
23
(pemasaran, produksi, teknik, keuangan dan logistik), yang
seringkali dikombinasikan dengan model-model statistik.
2.2.4.2.2 Gabungan Tenaga Penjualan : setiap tenaga penjual meramalkan
tingkat penjualan di daerahnya, yang kemudian digabung pada
tingkat provinsi dan nasional untuk mencapai ramalan secara
menyeluruh.
2.2.4.2.3 Metode Delphi : dalam metode ini serangkaian kuesioner
disebarkan kepada responden, jawabannya kemudian diringkas
dan diberikan kepada para ahli untuk dibuat peramalannya.
Metode memakan waktu dan melibatkan banyak pihak, yaitu para
staf, yang membuat kuesioner, mengirim, merangkum hasilnya
untuk dipakai para ahli dalam menganalisisnya. Keuntungan
metode ini hasilnya lebih akurat dan lebih profesional sehingga
hasil peramalan diharapkan mendekati aktualnya.
2.2.4.2.4 Survei Pasar (market survey) : Masukan diperoleh dari konsumen
atau konsumen potensial terhadap rencana pembelian pada
periode yang diamati. Survai dapat dilakukan dengan kuesioner,
telepon, atau wawancara langsung.
2.2.5 Beberapa Pola Data
2.2.5.1 Musiman (Seasonal) : Pola musiman terjadi bila nilai data
dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan
atau hari-hari pada minggu tertentu). Struktur datanya dapat digambarkan
sebagai berikut ini :
24
Gambar 2.1 Grafik Pola Data Musiman (Seasonal)
2.2.5.2 Horizontal (Stationary) : Pola ini terjadi bila data berfluktuasi di
sekitar rata-ratanya. Produk yang penjualannya tidak meningkat atau menurun
selama waktu tertentu termasuk jenis ini. Struktur datanya dapat digambarkan
sebagai berikut ini :
Gambar 2.2 Grafik Pola Data Horizontal (Stationary)
25
2.2.5.3 Siklus (Cylical) : Pola ini terjadi bila data dipengaruhi oleh fluktuasi
ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.
Struktur datanya dapat digambarkan sebagai berikut.
Gambar 2.3 Grafik Pola Data Siklus (Cylical)
2.2.5.4 Tren : Pola Tren terjadi bila ada kenaikan atau penurunan sekuler
jangka panjang dalam data. Struktur datanya dapat digambarkan sebagai
berikut :
Gambar 2.4 Grafik Pola Data Tren
26
2.3 Biaya-Biaya Persediaan
Ada tiga jenis biaya dalam persediaan menurut Heizer dan Render (2009:91-92)
antara lain :
2.3.1.Biaya penyimpanan (holding cost) yaitu biaya yang terkait dengan
menyimpan atau “membawa” persediaan selama waktu tertentu.
2.3.2.Biaya pemesanan (ordering cost) mencakup biaya dari persediaan,
formulir, proses pesanan, pembelian, dukungan administrasi dan
seterusnya. Ketika pesanan sedang diproduksi, biaya pesanan juga ada,
tetapi mereka adalah bagian dari biaya penyetelan.
2.3.3.Biaya penyetelan (setup cost) adalah biaya untuk mempersiapkan sebuah
mesin atau proses untuk membuat sebuah pesanan. Ini menyertakan waktu
dan tenaga kerja untuk membersihkan serta mengganti peralatan. Manajer
operasi dapat menurunkan biaya pemesanan dengan mengurangi biaya
penyetelan serta menggunakan prosedur-prosedur yang efisien seperti
pemesanan dan pembayaran elektronik.
2.4 Studi Penelitian Terdahulu
Beberapa penelitian terdahulu tentang peramalan (forecasting) yang bisa
menjadi acuan dalam penelitian ini yakni : Penelitian yang dilakukan oleh
Xingyu Zhang, Yuanyuan Liu, Min Yang, Tao Zhang, Alistair A. Young, dan
Xiaosong Li dengan judul “Comparative Study of Four Time Series Methods in
Forecasting Typhoid Fever Incidence in China” penelitian ini menggunakan 4
metode dalam peramalan yakni : seasonal autoregressive integrated moving
average (SARIMA), back propagation neural networks (BPNN), radial basis
27
function neural networks (RBFNN), dan Elman recurrent neural networks
(ERNN) dan datanya dikumpulkan dari insiden penyakit flu dari lembaga
pencegahan dan pengendalian penyakit di china (CDC) dengan populasi lebih
dari 45 juta penduduk pada tahun 2010 dan dengan area 236,700 km2. Hasil
penelitian menunjukkan metode yang menunjukkan hasil terbaik adalah metode
RBFNN namun pada penelitian mendatang dapat diharapkan hasilnya bisa lebih
akurat dan lebih banyak lagi metode dan teknik peramalan yang dapat
digunakan. Penelitian oleh Chin J. dan Mann J. yang berjudul “Global
surveillance and forecasting of AIDS” penelitian ini merupakan penelitian
peramalan jangka pendek dengan metode peramalan yang berbasis
epidemiological untuk mengestimasi jumlah dan penyebaran kasus AIDS di
populasi yang ditentukan. Dari hasil penelitian ini dapat diketahui bahwa pada
dasarnya jumlah penyebaran kasus AIDS bergantung pada 2 faktor utama yakni :
jumlah orang yang terinfeksi HIV dan bagaimana proporsi mereka dalam
penyebaran AIDS. Penelitian oleh Marylin Maggio Zitzke yang berjudul
“Cardiac Surgical services : forecasting resources and budgets”, penelitian
dengan melakukan peramalan pendapatan di bidang kardiovaskular yang
bermanfaat untuk meminimalisir biaya operasional peralatan kesehatan di
bidang kardiovaskular yang tinggi.
Penelitian oleh Saphiro Douglas T dengan judul “Modelling Supply and
Demand for Arts and Sciences Faculty” merupakan penelitian dengan
menggunakan metode model Bowen dan Sosa yang mengambil data selama 10
tahun untuk melakukan peramalan permintaan dari fakultas seni dan sains untuk
28
periode mendatang sehingga bisa tercapai titik dimana permintaan bertemu
dengan penawaran. Penelitian oleh Deborah J Schofield dan Arul Earnest
dengan judul “Demographic Change and the Future Demand for public Hospital
Care in Australia, 2005 to 2050” data dari institut kesehatan di Australia dan
data dari masyarakat yang di rawat di rumah sakit dari 1993-94 sampai 2003-04
digunakan untuk mengembangkan model untuk permintaan di masa mendatang
dan dengan meningkatnya populasi akan menambah permintaan dari jasa
kesehatan, hal ini menyebabkan lebih sulitnya untuk merekrut pekerja kesehatan
yang profesional, sehingga kita membutuhkan perencanaan karena
meningkatnya populasi di masa mendatang.
Penelitian oleh Chandrajit Chatterjee dan Ram Rup Sarkar yang berjudul
“Multi-Step Polynomial Regression Method to Model and Forecast Malaria
Incidence” pada penelitian ini menggunakan metode multistep untuk
memperkenalkan variable di analisis regresi non linear dengan model Gauss-
Markov dan ANOVA. Model pada peramalan ini mudah dibaca dan sangat
bagus serta dapat memprediksi insiden penyakit dengan horizon waktu
peramalan yang panjang. Dengan metode pada penelitian ini bisa dilakukan
peramalan sebagai tindakan peringatan awal yang sangat berguna dan dapat
dikembangkan dalam skala nasional dan regional untuk tindakan pencegahan
dan pengendalian.
Penelitian oleh Madhu Agrawal dan Roger J Calantone yang berjudul
“Examining the Applicability of Market Forecasting Models to New
Pharmaceutical Products" p”nelitian ini melakukan peramalan untuk
29
menentukan produk baru dengan menggunakan market model : Awareness
Model, Pretest Model, dan Test Market Model. Beberapa model peramalan
dikembangkan untuk mengetahui pengaruh variabel pemasaran campuran, reaksi
competitor, dan kondisi lingkungan dari estimasi penjualan produk baru dan
mengevaluasi efek dari pengenalan dan penjualan produk baru terhadap
keuntungan perusahaan.
Penelitian oleh Barry B Hughes, Randall Kuhn, Cecilia M Peterson, Dale
S Rothman, Jose R Solorzano, Colin D Mathers dan Janet R Dickson dengan
judul “Projections of Global Health outcomes from 2005 to 2060 using the
International Futures integrated forecasting model” penelitian dengan
menggunakan model internasional dengan menambahkan formula structural
alternative yang tidak tersaji dengan baik dari model regresi dan perubahan
factor resiko kesehatan. Peramalan dibuat sampai tahun 2100 tetapi hanya
dilaporkan sampai tahun 2060. Peramalan kesehatan jangka panjang yang
terintegrasi dengan baik membantu untuk memahami hubungan antara kesehatan
dengan penanda proses kehidupan manusia lainnya dan menawarkan wawasan
yang kuat kepada poin utama yang menjadi pengaruh untuk perbaikan di masa
mendatang.
Penelitian oleh Lijing Yu, Lingling Zhou, Li Tan, Hongbo Jiang, Ying
Wang, Sheng Wei, Shaofa Nie yang berjudul “Application of a New Hybrid
Model with Seasonal Auto Regressive Integrated Moving Average (ARIMA) and
Nonlinear Auto-Regressive Neural Network (NARNN) in Forecasting Incidence
Cases of HFMD in Shenzhen, China” penelitian ini menggunakan model
30
gabungan kombinasi musiman auto-regressive integrated moving average
(ARIMA) dan Nonlinear auto-regressive neural network (NARNN) digunakan
untuk memprediksi indiden yang terjadi sejak Desember 2012 sampai Mei 2013
menggunakan observasi retrospektif dari Sistem Informasi untuk pengendalian
dan pencegahan penyakit di China dari Januari 2008 sampai November 2012,
dengan hasil bahwa model hybrid yang terbaik untuk digunakan dengan
musiman adalah ARIMA ((2,3)1,0)12 dan NARNN dengan 15 hidden units dan 5
delays. Model hybrid membuat peramalan dengan baik untuk mengestimasi
kasus penyakit dari Desember 2012 sampai Mei 2013.
Penelitian oleh Bradford D Allen dan Rocco J Perla dengan judul “A Long-
Term Forecast of MRSA Daily Burden Using Logistic Modelling” penelitian ini
menggunakan angka rata-rata dari data MRSA yang dikumpulkan setiap kuartal
dari kuartal pertama tahun 1996 sampai kuartal pertama tahun 2008. Model
logistic dikembangkan untuk disesuaikan dengan data dan kemudian di
ekstrapolasi untuk mendapatkan peramalan jangka panjang. Model logistik dari
data empiris menggunakan model dengan asumsi matematika adalah salah satu
cara yang efektif untuk mengetahui, memvisualisasi, dan meramalkan frekuensi
harian MRSA setiap waktu. Terlebih lagi apabila data tambahan bisa diperoleh,
dapat dilakukan peramalan yang lebih baik lagi. Pada dasarnya beberapa
penelitian terdahulu melakukan peramalan dengan obyek dan metode yang
berbeda-beda disesuaikan dengan data yang digunakan, namun sama halnya
dengan peneliti, peramalan dilakukan pada tahap perencanaan agar perencanaaan
dan persiapan bisa dilakukan dengan lebih baik lagi.
No
Pene
liti
Judu
lM
etod
eV
aria
bel
Dep
ende
ntV
aria
bel
Inde
pend
ent
Kes
impu
lan
Futu
re
Res
earc
h1
Xin
gyu
Zhan
g,
Yua
nyua
n Li
u,
Min
Yan
g, T
ao
Zhan
g, A
lista
ir A
. You
ng,
Xia
oson
g Li
Com
para
tive
Stud
y of
Fou
r Ti
me
Seri
es
Met
hods
inFo
reca
stin
g Ty
phoi
d Fe
ver
Inci
denc
e in
C
hina
Mem
band
ingk
an 4
met
ode
yakn
i :
seas
onal
aut
oreg
ress
ive
inte
grat
ed
mov
ing
aver
age
(SA
RIM
A) m
odel
,ba
ck p
ropa
gatio
n ne
ural
net
wor
ks
(BPN
N),
radi
al b
asis
func
tion
neur
alne
twor
ks (R
BFN
N),
dan
Elm
an
recu
rren
t neu
ral n
etw
orks
(ER
NN
)da
n da
ta n
ya d
ikum
pulk
an d
ari
insi
den
peny
akit
flu d
ari l
emba
ga
penc
egah
an d
an p
enge
ndal
ian
peny
akit
chin
a (C
DC
) den
gan
popu
lasi
lebi
h da
ri 45
juta
pe
ndud
uk d
i 201
0 da
n ar
eany
a 23
6,70
0 km
2 .
-Pe
nyak
it flu
(d
isea
se fe
ver)
.M
etod
e ya
ng m
enun
jukk
an
kine
rja te
rbai
k da
n te
raku
rat d
ari
met
ode -
met
ode
yang
dig
unak
an
adal
ah m
etod
e R
BFN
N.
Dih
arap
kan
pene
litia
n le
bih
lanj
ut
bisa
lebi
h ak
urat
, dan
le
bih
bany
ak
lagi
tekn
ik
pera
mal
an
yang
bis
a di
guna
kan.
2C
hin,
J, M
ann,
JG
loba
lsu
rvei
llanc
e an
d fo
reca
stin
g of
AI
DS
Pera
mal
an ja
ngka
pen
dek
(sho
rt te
rm fo
reca
stin
g) d
enga
n m
etod
e pe
ram
alan
yan
g b
erba
sis
epid
emio
logi
cal u
ntuk
m
enge
stim
asi j
umla
h da
n pe
nyeb
aran
kas
us A
IDS
di
popu
lasi
yan
g di
tent
ukan
.
-H
IV A
IDS.
Pada
das
arny
a pe
nyeb
aran
kas
us
AID
S be
rgan
tung
pad
a 2
fakt
or
utam
a : j
umla
h or
ang
yang
te
rinfe
ksi H
IV d
an b
agai
man
a pr
opor
si m
erek
a un
tuk
men
yeba
rkan
AID
S.
-
3M
aggi
o-Zi
tzke
, M
arily
nC
ardi
ac su
rgic
al
serv
ices
: Fo
reca
stin
g re
sour
ces a
nd
budg
ets
Mel
akuk
an p
eram
alan
unt
uk
mem
inim
alis
ir bi
aya
dan
mel
akuk
an p
eram
alan
pen
dapa
tan
teru
tam
a da
ri se
ktor
ka
rdio
vask
ular
, kar
ena
alat
-ala
t di
bida
ng k
ardi
ovas
kula
r mem
iliki
bi
aya
oper
asio
nal y
ang
cuku
p tin
ggi.
-B
iaya
dan
pe
ndap
atan
da
ri pa
sien
ya
ng
mel
akuk
an
pera
wat
an d
i bi
dang
ka
rdio
vask
ular
Pere
ncan
aan
mer
upak
an se
buah
ku
nci y
ang
sang
at m
enen
tuka
nba
gi o
rgan
isas
i. D
enga
n m
elak
ukan
kol
abor
asi d
enga
n tim
pem
beda
h m
erup
akan
sala
h sa
tu k
unci
unt
uk m
enen
tuka
n re
ncan
a ya
ng k
ompr
ehen
sif
sehi
ngga
bis
a m
emin
imal
isir
-
.bi
aya
oper
asio
nal.
4Sh
apiro
, Dou
glas
T
Mod
ellin
g Su
pply
and
D
eman
d fo
r Art
s an
d Sc
i enc
es
Facu
lty
Men
ggun
akan
met
ode
Bow
en a
nd
Sosa
mod
el d
enga
n da
ta se
lam
a 10
ta
hun.
-Pe
rmin
taan
da
n pe
naw
aran
da
ri fa
kulta
s Se
ni d
an S
ains
.
Kea
kura
tan
met
ode
Bow
en a
nd
sosa
mod
el d
apat
dija
dika
n le
bih
akur
at d
enga
n be
bera
pa
inst
rum
en.
-
5Sc
hofie
ld,
Deb
orah
J;
Earn
est,
Aru
l
Dem
ogra
phic
ch
ange
and
the
futu
re d
eman
d fo
r pub
lic
hosp
ital c
are
in
Aust
ralia
, 200
5 to
205
0
Dat
a da
ri in
stitu
t kes
ehat
an
Aus
tralia
dan
dat
a pu
blik
yan
g di
ra
wat
di r
umah
saki
t dar
i 199
3 -94
sam
pai 2
003-
04 d
igun
akan
unt
uk
men
gem
bang
kan
mod
el d
ari
perm
inta
an d
i mas
a m
enda
tang
dan
m
enen
tuka
n se
nsiti
fitas
dar
i has
il ya
ng d
ihas
ilkan
dar
i mod
el y
ang
digu
naka
n.
-D
ata
perm
inta
an
rum
ah sa
kit
publ
ik.
Den
gan
men
ingk
atny
a po
pula
si
akan
men
amba
h pe
rmin
taan
dar
i ja
sa k
eseh
atan
, hal
ini a
kan
men
yeba
bka n
lebi
h su
litny
a un
tuk
mer
ekru
t pek
erja
ke
seha
tan
yang
pro
fesi
onal
, se
hing
ga k
ita m
embu
tuhk
an
pere
ncan
aan
kare
na
men
ingk
atny
a po
pula
si d
i mas
a m
enda
tang
.
-
6C
hatte
rjee,
C
hand
rajit
; Sa
rkar
, Ram
Rup
Mul
ti-St
epPo
lyno
mia
l Re
gres
sion
M
etho
d to
Mod
el
and
Fore
cast
M
alar
ia
Inci
denc
e
Men
ggun
akan
met
ode
mul
tiste
p un
tuk
mem
perk
enal
kan
varia
bel d
i an
alis
is re
gres
i non
line
ar d
enga
n G
auss
-Mar
kov
mod
el d
an A
NO
VA
un
tuk
men
guji
pred
iksi
.
-Pe
nyak
it M
alar
ia.
Pene
litia
n in
i dap
at
men
dem
onst
rasi
kan
mod
el y
ang
sang
at b
agus
deng
an p
eram
alan
ya
ng b
isa
diba
ca, s
alah
satu
yan
g da
pat
mem
pred
iksi
insi
den
peny
akit
deng
an h
oriz
on w
aktu
pe
ram
alan
yan
g pa
njan
g.
Den
gan
met
ode
yang
di
guna
kan
bisa
dila
kuka
n sa
lah
satu
pe
ringa
tan
awal
yan
g sa
ngat
be
rgun
a bi
sa
dike
mba
ngka
n un
tuk
nega
ra d
an
regi
onal
un
tuk
tinda
kan
penc
egah
an
dan
peng
enda
lian.
7A
graw
al,
Mad
hu;C
alan
ton
e, R
oger
J
Exam
inin
g th
e Ap
plic
abili
ty o
f M
arke
t Fo
reca
stin
g M
odel
s to
New
Ph
arm
aceu
tical
P r
oduc
ts
Mel
akuk
an p
eram
alan
unt
uk
men
entu
kan
prod
uk b
aru
deng
an
men
ggun
akan
mar
ket m
odel
: A
war
enes
s Mod
el, P
rete
st M
odel
, da
n Te
st M
arke
t Mod
el.
-Pe
rmin
taan
pr
oduk
bar
u di
bi
dang
fa
rmas
i.
Beb
erap
a m
odel
per
amal
an te
lah
dike
mba
ngka
n un
tuk
men
geta
hui p
enga
ruh
dari
varia
bel p
emas
aran
cam
pura
n,
reak
si c
ompe
titor
dan
kon
disi
lin
gkun
gan
dari
estim
asti
penj
uala
n pr
oduk
bar
u, d
an
men
geva
luas
i efe
k da
ri pe
ngen
alan
dan
pen
jual
an
prod
uk b
aru
terh
adap
ke
untu
ngan
per
usah
aan.
-
8B
arry
B
Hug
hes,R
anda
ll K
uhn,
Cec
ilia
M
Pete
rson
, Dal
e S
Rot
hman
, Jos
é R
So
lórz
ano,
Col
in
D M
athe
rs &
Jane
t R D
icks
on
Proj
ectio
ns o
f gl
obal
hea
lth
outc
omes
from
20
05 to
206
0 us
ing
the
Inte
rnat
iona
l Fu
ture
sin
tegr
ated
fo
reca
stin
g m
odel
Mod
el in
tern
asio
nal d
enga
n m
enam
bahk
an fo
rmul
a st
rukt
ural
al
tern
atif
yang
dis
ebab
kan
tidak
te
rsaj
i den
gan
baik
dar
i mod
el
regr
esi d
an p
erub
ahan
fakt
or re
siko
ke
seha
tan.
Pera
mal
an d
ibua
t sam
pai t
ahun
21
00 t e
tapi
hany
a di
lapo
rkan
sa
mpa
i tah
un 2
060.
-M
odel
pera
mal
an
untu
kke
seha
tan.
Pera
mal
an k
eseh
atan
jang
ka
panj
ang
yang
terin
tegr
asi d
enga
n ba
ik m
emba
ntu
untu
k m
emah
ami h
ubun
gan
anta
ra
kese
hata
n de
ngan
pen
anda
pr
oses
keh
idup
an m
anus
ia
lain
nya
dan
men
awar
kan
waw
asan
yan
g ku
at k
epad
a po
in
peng
aruh
uta
ma
untu
k pe
rbai
kan
di m
asa
men
data
ng.
-
9Y
u, L
ijing
; Zh
ou, L
ingl
ing;
Ta
n, L
i; Ji
ang,
H
ongb
o;W
ang,
Y
ing;
Wei
,
Appl
icat
ion
of a
N
ewH
ybri
d M
odel
with
Se
ason
al A
uto-
Regr
essi
ve
Mod
el g
abun
gan
kom
bina
si
mus
iman
aut
o -re
gres
sive
inte
grat
ed
mov
ing
aver
age
(AR
IMA
) dan
nonl
inea
r aut
o-re
gres
sive
neu
ral
netw
ork
(NA
RN
N) d
igun
akan
-K
asus
insi
den
peny
akit
Mod
el h
ibrid
yan
g te
rbai
k un
tuk
digu
naka
n de
ngan
mus
iman
ad
alah
AR
IMA
((2,
3)1,
0)12
dan
NA
RN
N d
enga
n 15
hid
den
units
dan
5 de
lays
. mod
el h
ibrid
-
Shen
g; N
ie,
Shao
faIn
tegr
ated
M
ovin
g Av
erag
e (A
RIM
A) a
ndN
onlin
ear A
uto-
Regr
essi
ve
Neu
ral N
etw
ork
(NAR
NN
) in
Fore
cast
ing
Inci
denc
e C
ases
of
HFM
D in
Sh
enzh
en, C
hina
untu
k m
empr
edik
si in
side
n ya
ng
seja
k D
esem
ber 2
012
sam
pai M
ei
2013
men
ggun
akan
obs
erva
si
retro
spek
tif d
ari S
iste
m In
form
asi
untu
k pe
ngen
dalia
n da
n pe
nceg
ahan
pen
yaki
t Chi
na d
ari
Janu
ari 2
008
sam
pai N
ovem
ber
2012
.
mem
buat
per
amal
an d
enga
n ba
ik
untu
k m
enge
stim
asi k
asus
in
side
n pe
nyak
it da
ri de
sem
ber
2012
sam
pai m
ei 2
013.
10A
llen,
Bra
dfor
d D
; Per
la, R
occo
JA
Long
-term
Fo
reca
st o
fM
RSA
Dai
ly
Burd
en U
sing
Lo
gist
ic
Mod
elin
g
Men
ggun
akan
ang
ka ra
ta-r
ata
dari
data
MR
SA y
ang
diku
mpu
lkan
se
tiap
kuar
tal d
ari k
uarta
l per
tam
a ta
hun
1996
sam
pai k
uarta
l per
tam
a ta
hun
2008
. Mod
el lo
gist
ic
dike
mba
ngak
an u
ntuk
dis
esua
ikan
de
ngan
dat
a da
n ke
mud
ian
di
ekst
rapo
lasi
unt
uk m
enda
patk
an
pera
mal
an ja
ngka
pan
jang
.
-M
odel
logi
stic
da
ri M
RSA
(M
ethi
cilli
n-R
esis
tant
St
aphy
loco
ccu
s Aur
eus)
Mod
el lo
gist
ik d
ari d
ata
empi
ris
men
ggun
akan
mod
el d
enga
n as
umsi
mat
emat
ika
adal
ah sa
lah
satu
car
a ya
ng e
fekt
if un
tuk
men
geta
hui,
mem
visu
alis
asi,
dan
mer
amal
kan
frek
uens
i har
ian
MR
SA se
tiap
wak
tu.T
erle
bih
lagi
apa
bila
dat
a ta
mba
han
bisa
di
pero
leh
dapa
t dila
kuka
n pe
ram
alan
yan
g le
bih
baik
lagi
.
-