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

.

-