PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN …... · iv-2 lembar pengesahan judul skripsi : perancangan...

IV-1

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE

PLANNING AND FORECASTING(Studi kasus: PT. Sinar Niaga Sejahtera Surakarta)

SkripsiSebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

ARDHA KURNIA SARI YUDHA PUTRII 0303015

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIKUNIVERSITAS SEBELAS MARET

SURAKARTA2010

IV-2

LEMBAR PENGESAHAN

Judul Skripsi :



Ditulis oleh:

Ardha Kurnia Sari Yudha PutriI 0303015

Mengetahui,

Dosen Pembimbing I Dosen Pembimbing II

Yuniaristanto, ST., MT. I Wayan Suletra, ST., MT NIP. 19750617 200012 1 001 NIP. 19750308 200012 1 001

Pembantu Dekan I Ketua Jurusan Fakultas Teknik Teknik Industri UNS

Ir. Noegroho Djarwanti, MT Ir. Lobes Herdiman, MT NIP 19561112 198403 2 007 NIP 19641007 199702 1 001

IV-3

LEMBAR VALIDASI

Judul Skripsi :



Ditulis oleh:

Ardha Kurnia Sari Yudha PutriI 0303015

Telah disidangkan pada hari Rabu tanggal 19 Mei 2010

Di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta,

dengan

Dosen Penguji

1. Eko Liquiddanu, ST., MT.NIP 19710128 199802 1 001

2. Yusuf Priyandari, ST., MT.NIP 197912222 00312 1 001

Dosen Pembimbing

1. Yuniaristanto, ST., MT.NIP 19750617 200012 1 001

2. I Wayan Suletra, ST., MTNIP. 19750308 200012 1 001

IV-4

SURAT PERNYATAAN

ORISINALITAS KARYA ILMIAH

Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini,

Nama : Ardha Kurnia Sari Yudha Putri

NIM : I 0303015

Judul tugas akhir : Perancangan Sistem Pendukung Keputusan UntukMendukung Collaborative Planning And Forecasting

(Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)

Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun tidak

mencontoh atau melakukan plagiat dari karya tulis orang lain. Jika terbukti bahwa

Tugas Akhir yang saya susun mencontoh atau melakukan plagiat dapat dinyatakan

batal atau gelar Sarjana yang saya peroleh dengan sendirinya dibatalkan atau

dicabut.

Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan apabila

dikemudian hari terbukti melakukan kebohongan maka saya sanggup

menanggung segala konsekuensinya.

Surakarta, Agustus 2010

Ardha Kurnia S.Y.PI 0303015

IV-5

SURAT PERNYATAAN

PUBLIKASI KARYA ILMIAH

Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini,

Nama : Ardha Kurnia Sari Yudha Putri

NIM : I 0303015

Judul tugas akhir : Perancangan Sistem Pendukung Keputusan Untuk Mendukung Collaborative Planning And Forecasting

(Studi Kasus: PT. Sinar Niaga Sejahtera Surakarta)

Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun sebagai syarat

lulus Sarjana S1 disusun secara bersama-sama dengan Pembimbing 1 dan

Pembimbing 2. Bersamaan dengan syarat pernyataan ini bahwa hasil penelitian

dari Tugas Akhir (TA) atau Skripsi yang saya susun bersedia digunakan untuk

publikasi dari proceeding, jurnal, atau media penerbit lainnya baik di tingkat

nasional maupun internasional sebagaimana mestinya yang merupakan bagian

dari publikasi karya ilmiah

Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.


Ardha Kurnia S.Y.PI 0303015

IV-6

KATA PENGANTAR

Salam sejahtera,

Puji syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa yang telah

memberikan hikmat dan anugerahnya-Nya sehingga penulis dapat menyelesaikan

skripsi ini. Pada kesempatan yang sangat baik ini, dengan segenap kerendahan

hati dan rasa yang setulus-tulusnya, penulis ingin mengucapkan terima kasih yang

sebesar-besarnya kepada :

1. Ir. Noegroho Djarwanti, M.T. selaku Pembantu Dekan I Fakultas Teknik

Universitas Sebelas Maret Surakarta.

2. Bapak Ir. Lobes Herdiman, MT. selaku Ketua Jurusan Teknik Industri

Universitas Sebelas Maret Surakarta.

3. Bapak Yuniaristanto, ST., MT. dan I Wayan Suletra, ST., MT. selaku dosen

pembimbing yang telah sabar dalam memberikan pengarahan dan bimbingan

sehingga penulis dapat menyelesaikan skripsi ini dengan lancar.

4. Bapak Eko Liquiddanu, ST., MT. selaku dosen penguji skripsi I dan Yusuf

Priyandari, ST, MT selaku dosen penguji skripsi II yang berkenan

memberikan saran dan perbaikan terhadap skripsi ini.

5. Bapak Ir. Lobes Herdiman, MT selaku pembimbing akademis. Terima kasih

atas bimbingan, nasehat dan motivasinya selama ini.

6. Dosen-dosen Teknik Industri yang memberikan ilmu dan pengetahuan yang

kelak pasti berguna.

7. Para staf dan karyawan Jurusan Teknik Industri (mba’ Yayuk, mba’ Rina, pak

Agus, mba’Tutik), atas segala kesabaran dan pengertiannya dalam

memberikan bantuan demi kelancaran penyelesaian skripsi ini.

8. Para staf dan karyawan PT. Sinar Niaga Sejahtera Surakarta yang telah

menerima saya dengan baik dan memberikan bantuan beserta fasilitas selama

melakukan penelitian.

9. Kedua orangtuaku, yang tak pernah lelah memberikan dukungan, motivasi dan

doanya. I Love you both.

IV-7

10. Kedua saudaraku tersayang, Mba’ Deni dan Ayu serta ”The little Princessa”

yang selalu memberiku semangat untuk terus berkarya dan berbuat yang lebih

baik.

11. R. Aditya Pradana yang selalu setia menemani dalam suka dan duka, sehat dan

sakit, kaya dan miskin .

12. Tante Ida, Om Yit, Adit dan Ajeng, Mba Shanti, Alin, Dimas, Anggita, Mas

Eri, Mba Iik, etc. What an amazing family.

13. Teman – temanku A5: Yudhy, Yahudha, Yudha, Titus, Suryo, Anita, Rini,

Endrew, Tony, bangga bisa kenal dengan kalian. I’m gonna miss you guys.

14. Seluruh teman Teknik Industri angkatan ’03 UNS yang bersama berjuang

dalam menyelesaikan studi Strata-1. Atas semua bantuannya saya

mengucapkan banyak terima kasih.

15. Seluruh pihak yang tidak dapat penulis sebutkan dalam kata pengantar ini.

Semoga skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa maupun

siapa saja yang membutuhkannya. Penulis menyadari bahwa laporan tugas akhir

ini masih jauh dari sempurna, dengan senang hati dan terbuka penulis menerima

segala saran dan kritik yang membangun.


Penulis

IV-8

ABSTRAK

Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDUKUNG COLLABORATIVE PLANNING AND FORECASTING (Studi Kasus di PT. Sinar Niaga Sejahtera Distributor Wilayah Surakarta). Skripsi. Surakarta: Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, Juli 2010.

Rata–rata retur barang outlet di PT. Sinar Niaga Sejahtera Surakarta periode Agustus 2008 – Juli 2009 adalah sebesar 1,82%, lebih besar 1,32% dari target retur per bulan yaitu 0,5%. Kategori barang yang dapat diretur adalah barang yang rusak dan barang yang mendekati tanggal kadaluarsa. Penyebab retur terbesar adalah outlet yang memesan barang lebih banyak dari kebutuhannya sebagai upaya antisipatif apabila ada lonjakan permintaan. Kerja sama antara PT. Sinar Niaga Sejahtera dengan outlet dalam membuat rencana pengadaan barang diharapkan dapat mengurangi resiko terjadinya retur. CPF (Collaborative Planning and Forecasting) adalah sebuah rangkaian proses kerjasama antara pihak outlet dengan distributor atau produsen untuk melakukan perencanaan bisnis dan peramalan secara bersama. Penelitian ini akan membahas mengenai bagaimana mengembangkan sistem pendukung keputusan untuk mendukung CPF antara distributor dengan outlet.

Perancangan sistem pendukung keputusan dibagi dalam tiga langkah. Langkah pertama adalah perancangan basis model. Perancangan basis model mengacu pada langkah–langkah yang telah ditentukan dalam perancangan CPF. Perhitungan peramalan menggunakan metode Holt Winter dan data penjualan produk akan diagregasi dengan mengadaptasi metode Pyramid Forecasting. Langkah kedua adalah perancangan basis data berdasarkan kebutuhan sistem dengan pemodelan sistem menggunakan diagram arus data (DAD) serta perancangan basis data dengan normalisasi, pembentukan kamus data, pengkodean, dan pembuatan relasi antar tabel. Langkah ketiga adalah perancangan basis dialog yaitu perancangan user interface yang terkait dengan perancangan form input dan output dari sistem pendukung keputusan yang dirancang.

Validasi dilakukan untuk menjelaskan bahwa sistem pendukung keputusan yang dirancang telah sesuai dengan kebutuhan sistem. Validasi dilakukan terhadap performansi sistem yang dibangun dan pengujian ketepatan output sistem pendukung keputusan dengan perhitungan manual. Hasil pengujian performansi yang berdasarkan dua kriteria yaitu kriteria ground truth dan judgment menunjukkan bahwa sistem pendukung keputusan yang dirancang mampu memberikan informasi secara cepat dan tepat. Hasil analisis perbandingan hasil peramalan menunjukkan bahwa pengadaan barang menggunakan metode usulan lebih valid daripada menggunakan metode rata–rata sederhana yang selama ini digunakan oleh perusahaan.

Kata kunci: sistem pendukung keputusan, metode holt winter, collaborativeplanning, and forecasting, pyramid forecasting, validasi

xvi + 90 halaman; 26 tabel; 55 gambar; 3 lampiran.Daftar pustaka : 10 (1992 – 2008).

IV-9

ABSTRACT

Ardha Kurnia Sari Yudha Putri, NIM: I 0303015, DESIGN OF DECISION SUPPORT SYSTEM FOR SUPPORTING COLLABORATIVE PLANNING AND FORECASTING (Case Study at PT. Sinar Niaga Sejahtera, Marketing Area: Surakarta). Thesis. Surakarta: Department of Industrial Engineering, Faculty of Engineering, Sebelas MaretUniversity , July 2010.

Average returns of products from outlets at PT. Sinar Niaga Sejahtera on August 2008 - July 2009 was 1.82%, which is larger than the normal monthly returns as 0.5%. Product categories that can be returned are the defective and expired products. The main causes of product returns are outlets which order products more than they needed for anticipating the demand frisk. Collaboration between PT. Sinar Niaga Sejahtera with outlets in products procurement plan is expected to reduce the risk of a return. CPF (Collaborative Planning, and Forecasting) is a series of cooperation process between the outlet and the distributor or manufacturer to do business planning and forecasting mutually. This research will discuss about how to develop a decision support system to support the CPF for both the distributors and outlets.

Decision support system design is divided into three steps. The first step is to design a model base which refers to the CPF steps. The sales forecasting usesHolt Winter method and products sales data will be aggregated by adapting the Pyramid Forecasting approach. The second step is to design database based on the system requirements by using data flow diagrams, normalization, data dictionary, coding, and creating entity relathionship diagram. The third step is to design dialogue basis related to design the user interface including design of the input and output forms in decision support systems.

Finally, validation is conducted to explain that decision support systems designed is suitable with the system requirements. Validation is performed to test the system performances and the accuracy of decision support system calculation. Performance testing is based on two criterias: the ground truth and judgments. The results show that decision support system designed be able toprovide information quickly and precisely. The comparative analysis of forecasting results show that the proposed method is better than a moving average method that is used by the company.

Keywords: decision support system, collaborative planning, and forecasting, Holt Winter method, pyramid forecasting, validation

xvi + 90 pages; 26 tables; 55 pictures; 3 attachments.Bibliography : 10 (1992 – 2008).

IV-10

DAFTAR ISI

HALAMAN JUDUL i

LEMBAR PENGESAHAN ii

LEMBAR VALIDASI iii

SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH iv

SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH v

KATA PENGANTAR vi

ABSTRAK viii

ABSTRACT ix

DAFTAR ISI x

DAFTAR TABEL xiii

DAFTAR GAMBAR xiv

DAFTAR LAMPIRAN xvi

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah I – 1

1.2 Perumusan Masalah I – 4

1.3 Tujuan Penelitian I – 4

1.4 Batasan Penelitian I – 4

1.5 Asumsi Penelitian I – 4

1.6 Manfaat Penelitian I – 5

1.7 Sistematika Penulisan I – 5

BAB II TINJAUAN PUSTAKA

2.1 Tinjauan Umum Perusahaan II – 1

2.1.1 Sejarah Perkembangan Perusahaan II – 1

2.1.2 Lokasi Perusahaan dan Struktur Organisasi II – 2

2.1.3 Sistem Order dan Wilayah Pemasaran II – 3

2.1.4 Jenis Produk II – 5

2.2 Landasan Teori II – 5

2.2.1 Konsep Dasar Manajemen Rantai Pasok II – 6

2.2.2 Bullwhip Effect II – 7

2.2.3 Peramalan II – 11

IV-11

2.2.4 Sistem Pendukung Keputusan II – 20

2.2.5 Collaborative Planning, Forecasting,

and Replenishment II – 27

2.2.6 Referensi Lainnya II – 32

BAB III METODOLOGI PENELITIAN

3.1 Identifikasi Sistem Perusahaan III – 1

3.2 Analisis Kebutuhan Sistem III – 2

3.3 Perancangan Basis Model III – 2

3.4 Perancangan Basis Data III – 5

3.5 Perancangan Basis Dialog III – 6

3.6 Perancangan Aplikasi Collaborative Forecasting III – 6

3.7 Validasi Sistem Pendukung Keputusan III – 6

3.8 Analisis dan Interpretasi Hasil III – 7

3.9 Kesimpulan dan Saran III – 7

BAB IV PERANCANGAN SISTEM

4.1 Identifikasi Sistem Perusahaan IV – 1

4.1.1 Prosedur Pengadaan Barang IV – 1

4.1.2 Prosedur Penjualan IV – 2

4.1.3 Data Penjualan IV – 3

4.2 Analisis Kebutuhan Sistem IV – 4

4.3 Perancangan Basis Model IV – 5

4.3.1 Collaborative Planning IV – 6

4.3.2 Pyramid Forecasting IV – 7

4.3.3 Perhitungan Kebutuhan Barang IV – 11

4.4 Perancangan Basis Data IV – 12

4.4.1 Perancangan Sistem IV – 11

4.4.2 Pengkodean IV – 19

4.4.3 Tahap Perancangan Logika IV – 21

4.4.4 Entity Relationship Diagram (ERD) IV – 26

4.5 Perancangan Basis Dialog IV – 27

4.5.1 Kamus Data IV – 27

4.5.2 Perancangan User Interface Input IV – 30

IV-12

4.5.3 Perancangan User Interface Output IV – 36

4.6 Perancangan Aplikasi CPFR IV – 37

4.7 Validasi Sistem Pendukung Keputusan IV – 42

4.7.1 Ground Truth (dasar kebenaran) IV – 42

4.7.2 Judgement (Penilaian) IV – 43

4.8 Pengujian Ketepatan Output SPK dengan perhitungan IV – 44

Manual

BAB V ANALISIS DAN INTERPRETASI DATA

5.1 Perbandingan Sistem Awal dan Sistem Usulan V – 1

5.2 Analisis Collaborative Planning and Forecasting V – 2

terhadap Bullwhip Effect

5.3 Implementasi Sistem Pendukung Keputusan V – 3

Collaborative Planning and Forecasting

BAB VI KESIMPULAN DAN SARAN

5.1 Kesimpulan VI – 1

5.2 Saran VI – 2

DAFTAR PUSTAKA

LAMPIRAN

IV-13

BAB IPENDAHULUAN

1.1 LATAR BELAKANG MASALAH

PT Sinar Niaga Sejahtera merupakan perusahaan distributor makanan dan

minuman. PT Sinar Niaga Sejahtera mendistribusikan produknya melalui

beberapa echelon (multi echelon) sebelum akhirnya dapat dikonsumsi oleh

konsumen. Produk didistribusikan ke outlet-outlet yaitu grosir, semi-grosir,

retailer maupun modern market. Produk dapat didistribusikan lagi ke outlet yang

lebih kecil ataupun dapat langsung dikonsumsi oleh konsumen setelah dari grosir

maupun sub-distributor.

Rencana pengadaan barang dilakukan oleh kepala cabang dengan

menghitung rata – rata order dari outlet selama 5 bulan. Pertimbangan manajerial

akan ditambahkan apabila terjadi hal – hal di luar kebiasaan, yaitu misalnya

kegiatan promosi dari produsen dan hari raya Idul Fitri. Jadwal promosi dari

outlet biasanya tidak diketahui sehingga pada saat perencanaan pengadaan barang

tidak ditambahkan.

PT. Sinar Niaga Sejahtera memberikan toleransi terhadap retur barang dari

outlet untuk menjaga kualitas produk sehingga konsumen selalu mendapatkan

produk dengan kondisi dan kualitas yang baik. Toleransi retur yang diberikan

hanya sebesar 0,5% dari total omset outlet. Namun yang sering terjadi adalah

outlet yang melakukan retur produk lebih dari 0,5% per bulan. PT Sinar Niaga

Sejahtera distributor wilayah Surakarta mencatat sepanjang bulan Agustus 2008 –

Juli 2009 rata – rata retur produk dari outlet adalah sebesar 1,82% dari total

omsetnya. Kerugian yang diakibatkan retur barang dari outlet ditanggung oleh PT

Sinar Niaga Sejahtera. Terdapat penarikan produk yang mendekati kadaluarsa

pada bulan Mei dan Juni 2009 yang tercatat sebagai retur sehingga ± 30% dari

retur pada bulan itu adalah penarikan barang yang mendekati tanggal kadaluarsa.

Retur kadaluarsa dilakukan oleh kurang dari 10% outlet yang dilayani oleh PT.

Sinar Niaga Sejahtera distributor wilayah Surakarta. Hal ini sangat merugikan

pihak PT. Sinar Niaga Sejahtera karena harus menanggung kerugian retur yang

besar setiap bulannya.

IV-14

PT Sinar Niaga Sejahtera memberikan kebebasan kepada outlet dalam

menentukan jumlah order produk. Outlet akan memesan produk dalam jumlah

yang besar sehingga kelebihan produk yang disimpan terlalu lama menjadi rusak

dan bahkan kadaluarsa sehingga harus dikembalikan (retur) kepada pihak PT

Sinar Niaga Sejahtera. Perencanaan pengadaan barang yang hanya berdasarkan

pada intuisi saja juga menyebabkan outlet memesan barang lebih banyak dari

kebutuhannya dalam seminggu sehingga kelebihan barang disimpan di gudang

dalam jangka waktu yang lama. Outlet memesan barang dalam jumlah yang

banyak untuk mengantisipasi apabila terjadi lonjakan permintaan dari konsumen.

Hal – hal yang menyebabkan retur barang dapat dilihat pada gambar 1.1 berikut:

Retur

Barang Rusak

Perlakuan yang salah terhadap barang

Kondisi gudang kotor

Disimpan terlalu lama karena order terlalu banyak

Barang Kadaluarsa

Kelebihan order

Kesalahan manajemen

Gambar 1.1 Fishbone diagram retur barang di PT. SNS Surakarta

Gambar 1.1 memaparkan apa saja yang menjadi penyebab retur produk

dari outlet ke PT. Sinar Niaga Sejahtera. Penyebab terbanyak adalah outlet yang

memesan barang lebih banyak daripada kebutuhannya sebagai upaya antisipatif

apabila ada lonjakan permintaan dari konsumen. Semestinya outlet tidak perlu

memesan barang dalam jumlah yang besar sekaligus karena outlet dapat memesan

barang seminggu sekali sesuai dengan jadwal kunjungan salesman. Selain itu

kurangnya komunikasi antara PT. Sinar Niaga Sejahtera dengan outlet juga

menjadi penyebab banyaknya persentase retur secara tidak langsung. Adanya

komunikasi antara outlet dengan PT. Sinar Niaga Sejahtera memungkinkan kedua

pihak untuk melakukan kerja sama dalam melakukan peramalan untuk membuat

perencanaan pengadaan barang sehingga persentase retur dapat dikurangi.

Kerjasama atau kolaborasi di semua pihak di dalam rantai pasok sangat

diperlukan untuk mencapai tujuan bersama. Kolaborasi yang dimaksud adalah

IV-15

kolaborasi dalam pembuatan rencana bisnis, peramalan, dan replenishment

barang. CPFR (Collaborative Planning, Forecasting, and Replenishment) adalah

sebuah rangkaian proses atau kegiatan kerjasama antara pihak outlet dengan

distributor atau pabrik untuk melakukan perencanaan bisnis, peramalan dan

replenishment secara bersama (Tenhiala, 2003). Collaborative planning adalah

perencanaan bisnis bersama antara produsen, distributor dan outlet. Perencanaan

yang dilakukan meliputi pembagian informasi aktivitas bisnis masing – masing.

Sedangkan Collaborative forecasting adalah peramalan yang dilakukan bersama –

sama dengan menggunakan data penjualan dari outlet atau diasumsikan sebagai

demand dari konsumen. Collaborative replenishment adalah eksekusi pengiriman

order untuk seluruh perusahaan yang bekerja sama. Pihak produsen wajib

mengkomunikasikan kembali realisasi pemenuhan order sehingga pihak

distributor bisa meneruskan pengiriman ke outlet. Collaborative replenishment

tidak dibahas dalam penelitian ini karena PT. Sinar Niaga Sejahtera sudah

mempunyai pertimbangan dan standar sendiri dalam menentukan jumlah order

serta pengiriman order untuk outlet.

Pembagian informasi sangat diperlukan untuk melakukan CPFR. Model

kolaborasi ini sangat bermanfaat untuk mensinkronkan ramalan di sepanjang

rantai pasok. Penerapan CPFR diharapkan dapat mencegah terjadinya bullwhip

effect karena peramalan dilakukan oleh satu pihak berdasarkan informasi

permintaan konsumen yang diperoleh dari outlet sehingga mengurangi resiko

terjadinya distorsi informasi. PT. Sinar Niaga Sejahtera diharapkan dapat

melakukan kontrol secara langsung terhadap jumlah pemesanan barang yang

dilakukan oleh outlet sehingga dapat mengurangi penumpukan jumlah barang

yang dilakukan outlet di gudangnya serta dapat mengetahui seberapa besar

permintaan konsumen yang sebenarnya.

Sebuah sistem pendukung keputusan akan memudahkan proses

pengambilan keputusan sehingga kebutuhan PT Sinar Niaga Sejahtera dapat

diakomodir dalam melakukan pengadaan barang sesuai dengan konsep CPFR

karena selama ini proses pengambilan keputusan pengadaan barang dilakukan

secara manual dengan menggunakan Microsoft Excel. Pembuatan suatu database

yang berisi jadwal promosi baik dari produsen maupun jadwal promo outlet akan

IV-16

sangat membantu dalam melakukan perencanaan pengadaan barang sehingga

dapat dijadikan pertimbangan tambahan dalam menentukan keputusan pengadaan

barang. Sistem pendukung keputusan yang dirancang diharapkan dapat

memberikan alternatif keputusan pengadaan barang yang lebih cepat, tepat dan

akurat.

1.2 PERUMUSAN MASALAH

Berdasarkan latar belakang masalah yang telah dipaparkan di atas maka

perumusan masalah yang diangkat yaitu bagaimana membangun sistem

pendukung keputusan untuk mendukung Collaborative Planning and Forecasting.

1.3 TUJUAN PENELITIAN

Adapun tujuan pelaksanaan penelitian di PT Sinar Niaga Sejahtera adalah

merancang sistem pendukung keputusan untuk mendukung Collaborative

Planning and Forecasting.

1.4 BATASAN PENELITIAN

Agar penyusunan skripsi ini lebih fokus pada permasalahan yang diangkat

dan tujuan yang ditetapkan tercapai maka perlu dilakukan pembatasan masalah

yaitu:

1. Rantai pasok yang diteliti adalah rantai distributor-outlet.

2. Implementasi sistem pendukung keputusan yang dirancang tidak dibahas.

3. Biaya pembuatan program aplikasi dan biaya perawatan inventaris tidak

dibahas.

4. Perancangan order forecast dalam CPFR tidak dibahas dalam penelitian ini.

1.5 ASUMSI PENELITIAN

Asumsi digunakan untuk menyederhanakan kompleksitas permasalahan

yang diteliti. Asumsi yang digunakan dalam penelitian ini adalah:

1. Pihak distributor dan outlet sepakat untuk melakukan CPF (Collaborative

Planning and Forecasting ).

2. Data penjualan dari outlet ke konsumennya dianggap mewakili permintaan

aktual konsumen akhir.

IV-17

3. Harga produk tidak mengalami perubahan.

4. Lead time untuk setiap produk ke outlet adalah sama, yaitu 1 hari.

1.6 MANFAAT MASALAH

Manfaat yang dapat diambil dari pelaksanaan penelitian di PT Sinar Niaga

Sejahtera antara lain:

1. Mengurangi Bullwhip effect di PT Sinar Niaga Sejahtera Distributor Wilayah

Surakarta.

2. Mengurangi retur barang di PT Sinar Niaga Sejahtera Distributor Wilayah

Surakarta.

3. Memudahkan proses pengambilan keputusan dalam pengadaan barang.

I.7 SISTEMATIKA PENULISAN

Sistematika penulisan yang digunakan dalam penyusunan skripsi ini

sebagai berikut:

BAB I PENDAHULUAN, memuat latar belakang masalah, perumusan

masalah, penetapan tujuan dan manfaat, batasan masalah, asumsi dan sistematika

penulisan.

BAB II TINJAUAN PUSTAKA, bab ini membahas tentang gambaran

umum PT Sinar Niaga Sejahtera distributor wilayah Surakarta yang merupakan

tempat dilaksanakannya penelitian skripsi. Serta berisi landasan teori yang

memuat teori-teori yang menunjang dalam pengolahan data.

BAB III METODOLOGI PENELITIAN, berisi langkah-langkah

penyelesaian masalah secara umum. Tahapan itu meliputi penetapan perumusan

masalah, pengumpulan data, pengolahan data, analisis dan interpretasi hasil, dan

kesimpulan dan saran.

BAB IV PERANCANGAN SISTEM, berisi tentang sistem perusahaan

saat ini beserta langkah – langkah perancangan sistem pendukung keputusan.

BAB V ANALISIS DAN INTERPRETASI HASIL, berisi uraian

analisis dan interpretasi dari hasil perancangan sistem yang telah dilakukan.

BAB VI KESIMPULAN DAN SARAN, berisi kesimpulan dari hasil

pengolahan data dan analisis serta saran-saran yang diperlukan dalam

mendapatkan hasil yang lebih baik.

IV-18

BAB IITINJAUAN PUSTAKA

Bab II merupakan tinjauan pustaka yang berisi tinjauan umum perusahaan

serta landasan teori yang mendukung pengolahan data dalam penyusunan skripsi

ini. Tinjauan umum perusahaan meliputi sejarah perkembangan perusahaan,

lokasi serta struktur organisasi perusahaan, sistem order dan wilayah pemasaran

serta jenis produk dan armada pengiriman. Landasan teori berisi tentang teori

Bullwhip Effect, CPFR, peramalan dan sistem pendukung keputusan.

2.1 TINJAUAN UMUM PERUSAHAAN

Sub bab ini berisi mengenai sejarah pekembangan perusahaan, lokasi serta

struktur organisasi perusahaan, sistem order dan wilayah pemasaran serta jenis

produk dan armada pengiriman.

2.1.1 Sejarah Perkembangan Perusahaan

PT Sinar Niaga Sejahtera (SNS) didirikan pada tahun 1994, peran SNS

sangat menentukan bagi perkembangan Garuda Food. Berbagai macam produk

Garudafood bisa diperoleh konsumen di wilayah-wilayah pelosok seluruh

Indonesia karena didistribusikan oleh PT. Sinar Niaga Sejahtera. SNS telah

memiliki 96 depo dan memiliki 5 kantor regional yang tersebar di seluruh kota

besar di Indonesia, yang melayani hampir 150.000 outlet pelanggan di seluruh

Indonesia. SNS juga bermitra dengan subdisributor besar yang tersebar dari Aceh

sampai Papua untuk memperluas jaringannya.

PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta merupakan salah

satu depo yang memiliki kantor regional di Yogyakarta. PT Sinar Niaga Sejahtera

Distributor Wilayah Surakarta bertujuan untuk kegiatan pendistribusian produk

Garudafood dari pabrik sampai ke outlet-outlet yang berada di wilayah Surakarta

dan sekitarnya yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo,

Karanganyar dan Boyolali.

Perusahaan ini berperan sebagai distributor wilayah yang menangani

pendistribusian produk di wilayah Surakarta dan sekitarnya. PT. Sinar Niaga

IV-19

Sejahtera tidak memproduksi produk namun hanya mendistribusikan produk

sedangkan supply produk diperoleh langsung dari pabrik. Saat ini jumlah outlet

yang dilayani oleh perusahaan meliputi 24 chainstore, 247 grosir, 546 semi grosir,

2 sub dis, 886 retailer dan 57 modern market.

2.1.2 Lokasi Perusahaan dan Struktur Organisasi

PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta berlokasi di Jalan

Raya Solo-Purwodadi km 5. Letak perusahaan yang strategis memudahkan dalam

pendistribusian serta memudahkan keluar masuknya truk dari pabrik serta mini

truk yang mendistribusikan produk ke retailer.

Adapun struktur organisasi di PT Sinar Niaga Sejahtera Distributor

Wilayah Surakarta dapat dilihat pada gambar 2.1 di bawah ini

Gambar 2.1 Struktur Organisasi PT SNS Distributor Wilayah Solo

(Sumber: PT Sinar Niaga Sejahtera distributor wilayah Surakarta, 2008)

Secara lebih jelas, struktur organisasi dapat dijelaskan sebagai berikut ini:

1. Kepala Cabang (BM)

Kepala cabang adalah kepala PT Sinar Niaga Sejahtera distributor wilayah

Solo. Kepala cabang bertanggung jawab atas segala hal yang berkaitan dengan

PT. Sinar Niaga Sejahtera distributor wilayah Solo.

2. Sales Area Koordinator (SAK)

SAK bertanggungjawab terhadap jadwal kunjungan salesman ke outlet.

SAK terdiri dari dua divisi, yaitu SAK untuk pasar tradisional dan SAK untuk

modern market.

3. Finance Account Manager (FAS)

IV-20

Finance Account Manager bertanggungjawab untuk semua masalah

keuangan dan administrasi di PT Sinar Niaga Sejahtera distributor wilayah Solo.

Setiap akhir bulan, FAS harus membuat laporan keuangan PT Sinar Niaga

Sejahtera distributor wilayah Solo. Dalam tugasnya, FAS dibantu oleh beberapa

petugas administrasi.

4. Kepala Gudang

Kepala Gudang bertanggungjawab terhadap penyimpanan produk di dalam

gudang termasuk di dalamnya adalah pengecekan jumlah inventory, keadaan

produk dan proses dropping barang. Kepala gudang membawahi beberapa staff

gudang dan juga dropper. Dropper berasal dari pihak ke tiga atau pihak penyedia

jasa transportasi.

2.1.3 Sistem Order dan Wilayah Pemasaran

Sebagai distributor yang melayani pendistribusian produk-produk

Garudafood, PT. SNS Distributor Wilayah Surakarta memiliki sistem order

tertentu dalam mengatur penerimaan order serta pemenuhan order dari outlet.

Sistem order tersebut meliputi penerimaan order dari outlet sampai pengiriman

produk yang dipesan oleh outlet yang melibatkan beberapa bagian (divisi) dalam

perusahaan. Secara sistematis sistem order di PT. SNS Unit Distributor Wilayah

Surakarta dapat digambarkan dalam diagram alir gambar 2.1 berikut:

Gambar 2.2 Sistem order PT Sinar Niaga Sejahtera

IV-21

Diagram alir sistem order PT. Sinar Niaga Sejahter Distributor Wilayah

Surakarta pada gambar 2.2 tersebut dapat dijelaskan sebagai berikut.

1. Order dari retailer.

Order dari retailer berupa sejumlah produk dan kuantitasnya. Dalam

mencari order dari outlet, PT Sinar Niaga Sejahtera mengandalkan salesman.

setiap hari salesman selalu membuat purchase order untuk setiap order yang

mereka dapatkan. Salesman mempunyai jadwal kunjungan tetap ke outlet-outlet

yang berada di wilayah surakarta dan sekitarnya. Selain itu salesman juga

bertugas mencari pelanggan baru yang akan bergabung dengan PT SNS. Order

dari retailer ke distributornya biasanya datang dengan periode harian.

2. Bagian pemasaran.

Bagian pemasaran bertugas menerima semua order yang datang dari retailer

untuk semua jenis produk. Bagian pemasaran merupakan bagian yang

berhubungan langsung dengan relasi, termasuk menangani pembayaran dari relasi

serta menanggapi keluhan dari relasi. Bagian pemasaran menetapkan lead time

satu hari terhitung mulai dari order diterima oleh bagian pemasaran sampai

produk diterima oleh relasi. Selanjutnya bagian pemasaran meneruskan informasi

tentang order relasi tersebut ke bagian sirkulasi.

3. Bagian inventori (gudang).

Bagian inventori (gudang) mengatur penyimpanan produk di gudang.

Pengaturan yang dilakukan oleh bagian inventori meliputi pengaturan letak dan

penempatan produk di gudang serta pengaturan penempatan produk yang baru

diterima oleh distributor dari pabrik dan pengaturan penempatan produk yang

akan didistribusikan ke sejumlah retailer. Bagian inventori (gudang) selalu

melakukan komunikasi dengan bagian inventori dengan saling memberikan

informasi yang dibutuhkan. Sistem order di perusahaan melibatkan bagian

sirkulasi untuk memberikan informasi rekap total order dari retailer kepada bagian

inventori (gudang). Selanjutnya, bagian inventori bertugas menyiapkan produk

yang akan dikirimkan ke retailer sesuai dengan rekap total order dari retailer.

Tahap inilah yang disebut tahap persiapan pengiriman.

4. Bagian transportasi (dropping)

IV-22

Setelah tahap persiapan pengiriman selesai dilakukan, bagian transportasi

akan menyiapkan armada transportasi berupa minitruk. Produk yang akan dikirim

ke outlet diatur dan ditata secara optimal di dalam minitruk. Selanjutnya produk

tersebut akan dikirim ke semua outlet yang telah melakukan order.

Wilayah pemasaran PT. Sinar Niaga Sejahtera Distributor Wilayah

Surakarta yaitu Kota Solo, serta kabupaten Sragen, Wonogiri, Sukoharjo,

Karanganyar dan Boyolali. Pelanggan PT Sinar Niaga Sejahtera meliputi semua

retailer, grosir, semigrosir, modern market dan institusi yang berada di wilayah

Surakarta dan sekitarnya. Selain itu juga terdapat star outlet, yaitu outlet dengan

penjualan terbanyak dan mempunyai otoritas seperti grosir, tetapi juga dapat

melakukan penjualan langsung kepada end user. Dari outlet – outlet tersebut

barang dapat langsung dijual ke end user maupun ke outlet yang lebih kecil.

Berikut ini adalah sistem jangkauan outlet dan distributor di PT Sinar Niaga

Sejahtera:

Gambar 2.3 Sistem Jangkauan Outlet dan Distributor

(Sumber: www.snsgroup.com, 2009)

2.1.4 Jenis Produk

Produk-produk yang didistribusikan oleh PT Sinar Niaga Sejahtera

Distributor Wilayah Surakarta adalah produk-produk Garudafood dan beberapa

produk non-Garudafood. Adapun jenis produk yang didistribusikan oleh PT Sinar

Niaga Sejahtera Distributor Wilayah Surakarta dapat dilihat pada lampiran L-1.

2.2 LANDASAN TEORI

IV-23

Sub bab ini berisi mengenai teori-teori pendukung dalam pengolahan data.

Teori pendukung ini antara lain adalah teori Bullwhip Effect, CPFR, peramalan

dan sistem pendukung keputusan.

2.2.1 Konsep Dasar Manajemen Rantai Pasok

Manajemen rantai pasok adalah suatu pendekatan yang digunakan untuk

mencapai pengintegrasian yang efisian dari supplier, manufakturer, distributor,

retailer, dan konsumen (Simchi Levi dkk, 2000). Sedangkan menurut Council of

Logistic Management, rantai pasok management adalah sistematis dan strategis

koordinasi fungsi bisnis tradisional dalam perusahaan dan dalam seluruh kegiatan

usaha dalam rantai pasokan untuk tujuan memperbaiki kinerja jangka panjang

perusahaan individual dan rantai suplai keseluruhan (Pudjawan, 2005).

Ada empat penggerak performansi rantai pasok yaitu:

1. Fasilitas

Meliputi lokasi dimana inventori disimpan, dirakit atau diproses serta lokasi

produksi dan penyimpanan (gudang). Ada beberapa komponen yang

mempengaruhi keputusan fasilitas antara lain:

a. Lokasi dimana perusahaan akan menempatkan fasilitasnya.

b. Kapasitas

c. Metode manufaktur

d. Metodologi pergudangan

2. Inventori

Menyangkut penyimpanan dan pengaturan bahan mentah, produk setengah

jadi serta produk jadi. Selain itu juga menyangkut kebijakan inventori yang

ditetapkan perusahaan. Ada beberapa komponen yang mempengaruhi keputusan

inventori antara lain:

a. Cycle inventory yaitu jumlah inventori rata-rata untuk memenuhi

permintaan antar pengiriman

b. Safety inventory yaitu inventori pengaman jika permintaan melebihi

perkiraan

c. Seasional inventory yaitu inventori untuk antisipasi variabilitas pemintaan

yang dapat diprediksi.

IV-24

d. Overall trade off

3. Transportasi

Kegiatan transportasi yaitu memindahkan inventori dari satu titik ke titik

yang lain. Kegiatan transportasi menggunakan kombinasi moda dan rute

transportasi.

4. Informasi

Informasi yang dimaksud disini yaitu informasi yang berkaitan dengan

ketiga penggerak performansi manajemen rantai pasok yang lain berupa data dan

analisa inventori, transportasi dan fasilitas. Informasi merupakan penggerak utama

potensial dari performansi rantai pasok.

Ada beberapa komponen yang mempengaruhi keputusan informasi antara

lain:

a. Koordinasi dan pembagian informasi

b. Peramalan dan perencanaan agregat

c. Penetapan harga dan manajemen pendapatan

d. Teknologi pendukung aliran informasi yaitu EDI, internet, ERP, software

manajemen rantai pasok.

2.2.2 Bullwhip Effect

“Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur

rantai pasok yang mengarah ke hulu (upstream)” (Pudjawan, 2005). Bullwhip

effect merupakan indikasi bahwa semakin mendekati hulu, inventori dalam rantai

pasok akan makin membesar. Bullwhip effect merupakan akibat dari pengambilan

keputusan rasional dalam organisasi yang terlibat dalam rantai pasok. Perusahaan

akan cenderung menyimpan inventori tinggi pada keadaan tertentu lalu pada

keadaan lainnya akan mengurangi jumlah inventori. Kegagalan untuk membuat

estimasi yang akurat terhadap permintaan konsumen, permintaan pelanggan dan

keterbatasan pertukaran informasi antar anggota rantai pasok akan mengakibatkan

membengkaknya inventori di seluruh sistem. Kurangnya informasi

mengakibatkan pedagang menyimpan inventori secara berlebihan.

IV-25

Ketidakmampuan distributor dalam menduga permintaan pedagang akan

memaksa distributor menyimpan produk yang cenderung berlebihan yang pada

akhirnya akan muncul sebagai permintaan ke pabrik yang kelihatannya begitu

besar dan seolah-olah merefleksikan naiknya permintaan konsumen. Hal seperti

inilah yang disebut bullwhip effect.

Model ramalan yang digunakan oleh perusahaan dapat berpengaruh

terhadap bullwhip effect. Menurut studi yang dilakukan oleh Chen et al (1998),

menunjukkan bahwa “untuk permintaan yang bersifat acak dengan distribusi yang

identik (independent identically distributed atau i.i.d), bullwhip effect bisa lebih

besar kalau ritel menggunakan model peramalan exponential smoothing

dibandingkan dengan metode moving average” (Pudjawan, 2005). Mereka juga

mengemukakan bahwa ramalan yang lebih halus bisa mengurangi bullwhip effect.

Koefisien alpha yang lebih kecil bisa mengurangi bullwhip effect jika

menggunakan model peramalan exponential smoothing.

Distributor sering melakukan rationing jika terdapat suatu situasi dimana

permintaan lebih tinggi dari pesediaan. Distributor tidak memenuhi seratus persen

pesanan pelanggan, namun hanya sekian persen dari volume yang dipesan.

Pelanggan akan melakukan upaya antisipatif karena mengetahui bahwa

permintaan mereka sering tidak dipenuhi seluruhnya. Banyak pelanggan yang

berupaya membesarkan ukuran pesanan mereka dengan harapan kalau dilakukan

rationing, mereka masih mempunyai jumlah persediaan yang cukup untuk dijual.

Kejadian seperti ini biasanya terjadi menjelang hari raya, tahun baru, dan

sebagainya. Sayangnya kekurangan stok seperti ini tidak terjadi setiap saat dan

tidak mudah untuk diprediksi. Akibatnya, sering kali pada saat persediaan

sebenarnya cukup, pelanggan mengubah atau membatalkan pesanan mereka.

Cara rationing seperti ini merusak informasi pasar pada rantai pasok.

Pemain yang ada di bagian hulu tidak akan pernah mendapatkan informasi pasar

yang mendekati kenyataan akibat motif gaming dan spekulatif yang dilakukan

oleh pelanggan mereka. Pabrik dan pemain hulu lainnya tidak akan dengan mudah

membedakan antara kenaikan pesanan yang bermotif spekulatif dan peningkatan

pesanan yang murni merefleksikan peningkatan permintaan dari pelanggan akhir.

B. Cara Mengurangi Bullwhip Effect

IV-26

Menurut Pudjawan (2005), pengurangan bullwhip effect bisa dilakukan

apabila penyebabnya dimengerti dengan baik oleh pihak-pihak pada rantai pasok.

Teknik atau pendekatan yang bisa digunakan untuk mengurangi bullwhip effect

tentunya harus berkorespondensi dengan penyebabnya. Beberapa pendekatan

yang diyakini bisa mengurangi bullwhip effect adalah:

1. Information sharing

Informasi yang tidak transparan mengakibatkan banyak pihak dalam rantai

pasok melakukan kegiatan atas dasar ramalan yang tidak akurat. Ritel seringkali

tidak membagi informasi penjualan dengan pusat distribusi dan pabrik. Pabrik

hanya mengetahui pola permintaan berdasarkan order yang diterima dari pusat

distributor dan distributor memahami permintaan berdasarkan pola order dari para

ritel. Sesungguhnya order dari ritel ke distributor biasanya tidak mencerminkan

permintaan yang sesungguhnya karena berbagai hal seperti misalnya order

batching dan forward buying. Salah satu cara untuk mereduksi bullwhip effect

adalah dengan membagi informasi permintaan ke seluruh anggota dalam rantai

pasok termasuk distributor, pabrik, maupun pemasok komponen atau bahan baku.

Teknologi yang saat ini ada memungkinkan untuk melakukan information sharing

tersebut. Barcoding, electronic data interchange (EDI) maupun teknologi sejenis

lainnya bisa mentransmisikan data penjualan (point of sales, POS) dari tempat

dimana produk tersebut dijual ke para anggota rantai pasok yang berada di sebelah

hulu. Studi simulasi yang dilakukan oleh Machura dan Barajas (2004)

menunjukkan bahwa EDI bisa mengurangi bullwhip effect maupun biaya-biaya

persediaan.

Kesalahan ramalan di seluruh lini rantai pasok bisa dikurangi dengan

pertukaran informasi yang lebih baik. Apabila data penjualan ritel diketahui oleh

semua pihak dalam rantai pasok maka ramalan permintaan bisa dibuat lebih

seragam. Permasalahan yang sering muncul dalam kaitannya dengan bullwhip

effect adalah bahwa ritel, distributor, pabrik maupun pemasok bahan baku

melakukan peramalan sendiri-sendiri dengan berpatokan pada data yang mereka

miliki serta dengan metode peramalan yang berbeda-beda juga. Model kolaborasi

CPFR (Collaborative Planning, Forecasting, and Replenishment) merupakan

solusi yang baik untuk mensinkronkan ramalan di sepanjang rantai pasok. Tentu

IV-27

saja kalau CPFR bisa dilaksanakan, semua pihak akan menggunakan data yang

sama untuk membuat ramalan permintaan. Menurut Simchi – Levi, dkk (2000)

semakin banyak faktor yang dihitung dalam peramaan semakin akurat pula hasil

peramalan itu.

2. Memperpendek atau Mengubah Struktur Rantai pasok

Semakin panjang dan kompleks struktur suatu rantai pasok, semakin besar

kemungkinannya 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

Biaya-biaya tetap yang terlalu tinggi mengakibatkan kegiatan produksi

maupun pengiriman tidak bisa dilakukan dengan ukuran batch yang kecil. Ukuran

batch yang besar adalah salah satu sumber terjadinya bullwhip effect. Oleh karena

itu pengurangan bullwhip effect bisa dilakukan dengan mengupayakan

pengurangan ongkos-ongkos tetap sehingga produksi maupun pengiriman bisa

dilakukan dengan ukuran batch yang kecil

4. Menciptakan Stabilitas Harga

Pemberian potongan harga oleh distributor ke tokko-toko atau ritel bisa

mengakibatkan reaksi forward buying yang sebetulnya tidak berpengaruh pada

permintaan dari konsumen. Forward buying, frekuensi dan intensitas kegiatan

promosi parsial seperti ini harus dikurangi dan lebih diarahkan ke pengurangan

harga secara kontinu sehingga bisa menciptakan program seperti everyday low

price (EDLP). Jika kegiatan promosi atau penurunan harga dilakukan maka semua

pihak pada rantai pasok harus mengetahui program tersebut dengan baik sehingga

tidak keliru dalam menaksir permintaan yang sesungguhnya.

5. Pemendekan Lead Time

Berbagai analisis tentang bullwhip effect menunjukkan bahwa lead time

punya peranan yang besar dalam menciptakan amplifikasi permintaan. Lead time

bisa diperpendek dengan mengubah struktur/konfigurasi rantai pasok (misalnya

dengan pemasok lokal), mengubah mode transportasi (dari pengapalan ke

pengiriman udara), atau dengan cara-cara inovatif seperti croosdocking dan

IV-28

perbaikan manajemen penanganan order, penjadwalan produksi maupun

pengiriman yang lebih baik, dan sebagainya

2.2.3 Peramalan

A. Definisi Peramalan

Makridakis dan Whellwright (1992) mendefinisikan peramalan sebagai

suatu teknik pendugaan mengenai apa yang akan terjadi di masa yang akan

datang. Peramalan di sini bukanlah menduga sesuatu dengan tanpa dasar ataupun

melibatkan khayalan, akan tetapi peramalan yang didasarkan pada informasi-

informasi masa lalu dan saat ini yang akurat disertai dengan teori-teori yang kuat.

Adapun teknik peramalan digunakan untuk membantu dalam proses pengambilan

suatu keputusan

Gambar 2.3 Skema Teknik Peramalan (forecasting)(Sumber: Makridakis and Wheelright, 1992)

Sesuatu yang terjadi di periode mendatang sangatlah penting diketahui

oleh pihak manajemen (pengusaha) untuk menentukan kebijakan-kebijakan yang

perlu diambil saat ini demi kelancaran operasional. Peramalan merupakan bagian

integral dari kegiatan pengambilan keputusan manajemen. Perusahaan atau

organisasi selalu menentukan sasaran dan tujuan, berusaha menduga faktor-faktor

lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan

pencapaian sasaran dan tujuan tersebut. Kebutuhan akan peramalan meningkat

sejalan dengan usaha manajemen untuk mengurangi ketergantungannya pada hal-

hal yang belum pasti, apalagi seiring dengan meningkatnya kompleksitas,

persaingan dan tingkat perubahan lingkungan (Makridakis dan Whellwright,

1992).

B. Tujuan Peramalan

Metode Peramalan

Metode Kualitatif Metode Kuantitatif

Time Series Kausal

IV-29

Menurut Makridakis dan Whellwright (1992) peramalan dilakukan untuk

memprediksi permintaan pada periode yang akan datang. Proses peramalan

dilakukan dengan asumsi dasar bahwa pola permintaan pada masa yang lalu terus

berlanjut pada masa yang akan datang selama periode peramalan.

C. Karakteristik Peramalan

Menurut Chopra dan Meindl (2004) karakteristik dari peramalan adalah

sebagai berikut:

1. Selalu terdapat kesalahan (error) dalam peramalan.

2. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka

panjang karena peramalan jangka panjang mempunyai standar desiasi erro

yang lebih besar daripada peramalan jangka pendek.

3. Peramalan agregat lebih akurat dibandingkat peramalan yang tidak diagragasi.

4. Secara umum, semakin tinggi rantai pasokan sebuah perusahaan (atau

sebagian jauh dari konsumen), semakin besar distorsi yang diterima.

D. Metode Peramalan

Menurut Makridakis dan Whellwright (1992), secara garis besar metode

peramalan dapat diklasifikasikan menjadi dua, yaitu :

1. Metode Kualitatif

Metode ini mempunyai karakteristik sebagai berikut :

a. Peramalan bersifat subyektif yaitu dengan menggunakan opini ahli

sehingga sangat bergantung pada persepsi masing-masing ahli.

b. Tidak memerlukan data yang lengkap sehingga dapat digunakan untuk

meramalkan permintaan produk baru atau ketika data historis tidak

lengkap.

c. Metode ini biasanya juga digunakan untuk meramalkan permintaan pada

jangka panjang.

2. Metode Kuantitatif

Metode ini mempunyai karakteristik sebagai berikut :

a. Peramalan bersifat obyektif yaitu dengan mengolah data historis dengan

menggunakan model statistik-matematik oleh karenanya memerlukan data

IV-30

yang lengkap.

b. Metode digunakan dengan asumsi pola masa lalu terus berlanjut ke masa

yang akan datang.

c. Metode ini biasanya digunakan untuk meramalkan existing product dalam

jangka pendek dan menengah.

Metode kuantitatif dapat dibagi dalam dua macam :

a. Metode Time Series

Penjualan dan permintaan suatu produk dilihat polanya tanpa dicari apa

yang menyebabkan pola tersebut. Dalam metode ini permintaan dilihat

sebagai fungsi waktu.

b. Metode Kausal

Metode ini berusaha menyatakan permintaan sebagai fungsi perubahan

pada faktor-faktor yang mempengaruhi permintaan. Hasil peramalan

dengan metode ini lebih akurat jika dibandingkan dengan metode time

series namun metode ini memerlukan waktu pengembangan model yang

lama dan biaya yang tinggi.

E. Metode-Metode Peramalan Kuantitatif Time Series

Persamaan matematis yang digunakan dalam masing-masing metode

peramalan kuantitatif tersebut adalah sebagai berikut (Makridakis dkk, 1992):

1. Untuk Pola Data Stationer

a. Simple Moving Average (SMA)

SMA adalah metode peramalan yang digunakan dengan menghitung nilai

tangeh dari nilai observasi baru dan membuang nilai observasi yang lama. Metode

ini digunakan untuk pola data stasioner dan tidak dapat menanggulangi pola tren

dan musiman. SMA dipengaruhi oleh data aktual (At) dan jumlah periode

perhitungan SMA dan dirumuskan sebagai berikut:

F(t) = n

An

1t)t(

................................................................................. (2.1)

IV-31

b. Weighted Moving Average (WMA)

WMA adalah pengembangan dari metode SMA dengan pembobotan yang

lebih besar pada periode akhir daripada periode perhitungan yang lebih awal.

WMA dipengaruhi oleh data aktual, pembobotan dan jumlah pembobotan pada

perhitungan peramalan. WMA dirumuskan sebagai berikut:

F(t+1) =

t

1mtit

1mtitt

W

A.W

........................................................................... (2.2)

c. Single Exponensial Smoothing (SES)

SES adalah metode peramalan untuk pola data stationer yang dipengaruhi

oleh nilai data aktual, peramalan sebelumnya dan konstanta alpha (α). Konstantaa

alpha mempunyai nilai mendekati 1 apabila pola data aktual sangat random dan

memiliki nilai mendekati 0 apabila pola data aktual mendekati garis lurus. SES

dirumuskan sebagai berikut:

F(0) = A(1) ............................................................................................................................ (2.3)

F(t) = α.A(t) + (1- α).F(t-1)............................................................. (2.4)

f(t+τ) = F(t) ...................................................................................... (2.5)

d. Double Exponential Smoothing

DES adalah pengembangan dari metode SES dengan pemulusan

berganda. Hal ini dilakukan untuk menghilangkan kerandoman data. DES


F(0) = 1)0(F = A(1) ........................................................................ (2.6)

F(t) = α.A(t) + (1- α).F(t-1)............................................................. (2.7)

1)t(F = α.F(t) + (1- α). 1

)1t(F ........................................................... (2.8)

f(t+τ) = 1)t(F ..................................................................................... (2.9)

e. Adaptive Exponential Smoothing (AES)

Metode ini dimula dengan menetapkan nilai alpha (α), pada setiap

periode, pengecekan terhadap nilai α dengan tiga nilai, α-0,05; α; α + 0,05; akan

diperoleh nilai F(t) dengan error absolut terkecil. AES dirumuskan sebagai berikut:

IV-32

F(0) = A(1)..................................................................................... (2.10)

F(t) = α.A(t) + (1- α).F(t-1)............................................................. (2.11)

2. Untuk Pola Data Trend

a. Moving Average With Linear Trend (MAT)

Metode ini digunakan untuk meramalkan data time series yang mempunyai

kecenderungan linier. Metode ini dilakukan dengan menghitung rata-rata bergerak

pada rangkaian pada rangkaian dasar. Hasilnya disebut rangkaian data kedua,

kemudian dihitung rata-rata bergerak dari rangkaian data kedua ini. MAT


F(t) = m

At

1mti)i(

........................................................................... (2.12)

T(t) = )1m(

A.i12

2

2/)1m(

2/)1m(i)m)1m(t(

........................................................... (2.13)

f(t+τ) = )t(F + T(t) (t+τ)....................................................................... (2.14)

b. Single Exponential Smoothing With Trends (SEST)

Metode ini disebut juga dengan metod Holt. Metode ini menggunakan dua

parameter yaitu α dan β. Teknik ini memerhalus trend dan slope secara langsung

dengan menggunakan konstanta-konstanta pemulusan tersebut. Nilai α digunakan

untuk menghilangkan pengaruh random, sedangkan β digunakan untuk

menghilangkan trend. SEST dirumuskan sebagai berikut:

F(t) = α.A(t) + (1- α).F(t-1) + T(t-1) ................................................. (2.15)

T(t) = β(F(t) – F(t-1)) + (1- β).T(t-1) ................................................ (2.16)

f(t+τ) = F(t) + τ.T(t) ......................................................................... (2.17)

3. Untuk Pola Data Musiman

a. Metode Winter

Winter memperkenalkan parameter tambahan untuk data musiman yaitu γ.

Jadi pada metode Winter terdapat 3 konstanta yang harus didefinisikan yaitu α

untuk konstanta penghilang variasi random, β untuk konstanta pemulusan estimasi

IV-33

trend dan γ untuk konstanta estimasi musiman. Metode Winter dirumuskan

sebagai berikut:

F(t) = )TF)(1(I

A.

)1t()1t()mt(

)t(

............................................. (2.18)

Rumus di atas digunakan untuk perhitungan pengaruh unsur stationer.

Pada rumus tersebut terlihat bahwa unsur pertamanya dibagi dengan indeks

musiman (I(t-m)). Hal ini dilakukan untuk mengeliminasi faktor musiman.

Sedangkan pada unsur kedua ditambah dengan komponen trend (T(t-1)) untuk

menyesuaikan secara langsung terhadap trend berikutnya.

T(t) = β(F(t) – F(t-1)) + (t- β).T(t-1) ................................................. (2.19)

Persamaan di atas digunakan untuk perhitungan pengaruh unsur trend. Pada

persamaan tersebut nilai pemulusan trend (T(t)) secara langsung disesuaikan

dengan trend periode sebelumnya dengan menambahkan nilai pemuluan yang

terakhir (T(t-1)).

I(t) = )mt()t(

)t( I).1(F

A

........................................................... (2.20)

Persamaan di atas digunakan untuk perhitungan pengaruh unsur musiman.

Persamaan tersebut membagi antara rasio nilai sekarang dari deret data (A(t))

dengan nilai pemulusan tunggal sekarang (F(t)).

f(t+τ) = (F(t) + τ.T(t)). I(t+R-m) ........................................................... (2.21)

Persamaan di atas adalah rumus peramalan Winter yang digunakan setelah

faktor stationer, trend dan musiman diketahui.

Keterangan:

t : waktu / periode

τ : waktu dari t

m : periode moving average

α : parameter first smoothing

β : parameter trend smoothing

IV-34

γ : parameter seasonal smoothing

A(t) : actual data dalam periode t

f(t) : peramalan untuk periode t

T(t) : trend untuk periode t

W(t) : bobot untuk periode t

I(t) : seasonal index untuk periode t

e(t) : keslahan dalam periode t, yang mana A(t) – f(t)

A : rata – rata data aktual

Metode peramalan yang digunakan haruslah metode yang paling sesuai

dengan pola data historis. Untuk melihat kesesuaian metode, kita dapat

menggunakan beberapa kriteria yaitu :

Presentase kesalahan :

%100*

t

ttt X

FXPK ................................................................. (2.22)

Mean Absolute Error :

n

PKMAE

n

it

1 ............................................................................. (2.23)

Mean Square Error :

n

FXMSE

n

itt

1

2)(...................................................................... (2.24)

Standard Error of Estimate :

)/()( 2 fnFXSEE tt ............................................................. (2.25)

Mean Absolute Deviation:

n

FXMAD

n

ttt

1 ......................................................................... (2.26)

IV-35

Dengan : tF = Hasil peramalan pada periode ke-t

tX = Data historis pada periode ke-t

n = Jumlah data historis

f = Derajat kebebasan

tPK = Presentase kesalahan

F. Pyramid Forecasting

Peramalan dapat juga dilakukan berdasarkan lokasi geografis dan

kelompok produk yang dalam peramalan dikenal sebagai peramalan berdasarkan

dimensi agregasi dan disagregasi. Hal umum yang berlaku yang berkaitan dengan

agregasi ini adalah bahwa peramalan pada tingkat agregasi yang lebih tinggi akan

lebih akurat dibandingkan peramalan pada tingkat agregasi yang lebih rendah atau

pada tingkat disagregasi (Gaspersz, 2004). Pemilihan model peramalan akan

tergantung pada pola data dan horizon waktu peramalan. Berikut ini adalah

gambar piramida agregasi dalam peramalan:

Gambar 2.4 Agregasi Berdasarkan Kelompok Produk

(Sumber: Gaspersz, 1994)

IV-36

Gambar 2.5 Agregasi Berdasarkan Lokasi Geografis


Teknik peramalan piramida sering juga disebut sebagai teknik Roll-Up,

Force-Down. Proses roll-up adalah proses pengagregasian dari tingkat agregasi

paling rendah ke tingkat agregasi tertinggi. Sedangkan proses force-down adalah

proses diagregasi dari tingkat tertinggi sampai tingkat terendah. Berikut ini adalah

gambar ilustrasi proses roll up dan force down:

Gambar 2.6 Proses Force-Down dan Roll-Up


IV-37

Tahap force-down adalah tahap dimana hasil peramalan untuk satu

kelompok produk (agregat) didisagregasi sampai satuan produk terkecil.

Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat.

Xt = rasio produk x hasil peramalan ......................................... (2.27)

Dimana rasio produk adalah perbandingan antara jumlah produk dengan jumlah

total keseluruhan produk.

2.2.4 Sistem Pendukung Keputusan (SPK)

1. Pengertian Sistem Pendukung Keputusan (SPK)

Menurut Mcleod (2008). pembuatan keputusan adalah tindakan memilih di

antara berbagai alternatif solusi pemecahan masalah. Sedangkan keputusan

didefinisikan sebagai tindakan pilihan untuk mengambil keputusan dalam proses

pemecahan masalah.

Menurut Winarno (2004), SPK adalah sebuah sistem yang memandu

pembuat keputusan. Sistem ini akan mendasarkan proses pembuatan keputusan

kepada aturan yang ditetapkan oleh para perancang sistem dan basis data yang ada

dalam perusahaan. Dalam membangun sebuah SPK, manajemen perusahaan dan

perancang sistem harus dapat merumuskan berbagai masalah dan jalan keluarnya.

Rumusan ini membutuhkan sebuah model. Model adalah perwakilan atau

gambaran atas sesuatu. Model dapat mewakili objek atau aktivitas, yang disebut

entitas. Manfaat model adalah untuk mempermudah pemahaman. Apabila sebuah

model yang sederhana telah dipahami, para pembuat model dapat segera

memahami masalah yang lebih komplek. Manfaat model yang lain adalah

mempermudah komunikasi sehingga kemampuan komunikasi lebih cepat dan

lebih baik dengan tingkat kesalahan yang rendah. Manfaat terakhir adalah untuk

memprediksi masa depan. Pembuat keputusan dapat memperkirakan apa yang

akan terjadi di masa yang akan datang dengan menggunakan model.

2. Konsep Sistem Pendukung Keputusan

Sistem informasi yang diperlukan oleh masing-masing tingkatan

manajemen memiliki karakteristik yang berbeda. Semakin rendah tingkatan

manajemen, sistem informasinya akan semakin terstruktur, yaitu sistem

IV-38

pengolahan transaksi. Semakin tinggi tingkatan manajemen akan semakin dekat

dengan sistem pendukung keputusan (SPK).

Semakin tinggi tingkatan manajemen, keputusan yang diambil akan

semakin banyak mengandung ketidakpastian. Selain itu manajemen puncak juga

tetap terlibat dalam pembuatan keputusan terstruktur, meskipun keterlibatannya

akan semakin kecil bila dibanding dengan manajer level bawahnya. Hubungan

keputusan dengan masalah dan pembuat keputusannya dapat dilihat pada gamabr

yang dibuat oleh Gorry-Scott Morton Grid berikut ini

Operasional Pengendalian Strategi

Piutang Dagang Analisis anggaranPengaturan transportasi barang

Penerimaan OrderForecasting jangka pendek

Penyimpanan barang di gudang

Pencatatan Persediaan

Penjadwalan Produksi Analisis Selisih Merger dan akuisisi

Manajemen KasPenyusunan Anggaran

Analisis PERT Proses produksi Perancangan produk baru

Pemasaran Litbang (R & D)

Tingkatan Manajemen

Strukutur Masalah

Terstruktur

Semi - Terstruktur

Tidak Terstruktur

Gambar 2.7 Gorry-Scott Moorton Grid(Sumber:Winarno, 2004)

3. Komponen SPK

Sistem pendukung keputusan terdiri dari beberapa komponen. Menurut

Suryahadi dan Ramdhani (2000), suatu SPK terdiri dari tiga subsistem utama

yaitu basis data, basis model dan perangkat lunak penyelenggara dialog.

Komponen sistem pendukung keputusan adalah sebagai berikut:

a. Basis data

Basis data merupakan kumpulan dari data yang saling berhubungan dengan

yang lainnya, yang tersimpan di perangkat keras komputer dan digunakan

perangkat lunak untuk memanipulasinya. Basis data merupakan salah satu

komponen yang penting dalam sistem informasi, karena merupakan basis dalam

menyediakan informasi bagi para pemakai. Dalam Winarno, W. sumber basis data

dapat berasal dari dalam perusahaan (data internal) yang dicatat oleh perusahaan

sebagai transaksi yang selama ini terjadi dan data yang berasal dari luar

perusahaan (data eksternal) yang diambil perusahaan dari sumber di luar

perusahaan, seperti misalnya data industri, data statistik, dll.

IV-39

Terdapat dua macam teknik dalam perancangan basis data yaitu:

Teknik Normalisasi

Tujuan normalisasi adalah mengidentifikasikan hubungan antar atribut,

mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi

untuk membentuk database. Atribut adalah elemen data atau field. Relasi

didefinisikan sebagai kumpulan atribut. Sedangkan database didefinisikan sebagai

kumpulan relasi.

Teknik normalisasi dimulai dari dokumen dasar yang sudah ada pada sistem

atau sudah dipakai pada sistem sebelumnya. Data – data pada dokumen dasar

tersebut dipisahkan menjadi field – field yang pada tiap field pada file tersebut

bergantung penuh pada kunci utama yang biasanya dikenal dengan bentuk normal

ke tiga. Kemudian setiap file dalam database ditentukan hubungannya dengan file

–file yang lain dengan cara memasang field tamu pada file – file anak atau file

konektor. Normalisasi menghindari terjadinya anomali, yaitu kejanggalan yang

dapat terjadi bisa dilakukan penambahan baris (kolom), modofikasi isi atribut, dan

menghapus baris. Untuk menghindari anomali, umumnya dilakukan dekomposisi

dari kumpulan atribut, dipecah hingga menjadi beberapa tabel baru. Berikut ini

adalah bentuk-bentuk dari normalisasi:

1. 1NF (First Normal Form)

Sebuah relasi berada dalam 1NF jika relasi tersebut tidak berisi atribut yang

berulang – ulang.

2. 2NF (Second Normal Form)

Sebuah relasi berada dalam 2NF jika relasi tersebut dalam 1NF dan untuk

setiap non key atribut adalah tergantung fungsional penuh kepada primary key.

Sebuah relasi berada dalam 1NF dan 2NF jika salah satu syarat – syarat berikut

ini dapat terpenuhi:

Primary key hanya terdiri atas 1 atribut

Tidak terdapat atribut yang bukan primary key

Setiap atribut yang non key tergantung penuh atas seluruh atribut di primary

key

IV-40

3. 3NF (Third Normal Form)

Sebuah relasi berada dalam 3NF bila relasi adalah 1NF dan 2NF dan tidak ada

non key atribut yang tergantung fungsional kepada non-key atribut yang

lainnya.

Teknik Entity Relationship

Teknik ini dimulai dengan pembuatan diagram arus data yang menghasilkan

kamus data yang merupakan daftar semua elemen/field yang dibutuhkan dalam

sistem tersebut. Dari field – field tersebut dipilih field kunci yang bersifat unik

artinya keseluruhan record dapat dicari dari record tersebut, kemudian baru dibuat

file – file berdasar kunci record tersebut yang mana elemen / field dalam field

tersebut bergantung penuh dengan field kunci tersebut. Setelah membuat tabel

baru ditentukan relasi dari tiap tabel tersebut seperti halnya teknik normalisasi.

Terdapat epat relasi dasar, yaitu:

1. ONE TO ONE ( 1 – 1), relasi yang terjadi jika sebuah entry dalam sebuah

objek data store dihubungkan dengan hanya sebuah entry dalam sebuah object

data store yang lain.

2. ONE TO MANY (1 – M), relasi yang terjadi jika sebuah entry dalam sebuah

object data store dihubungkan dengan satu atau lebih entry dalam sebuah

object data store yang lain.

3. MANY TO ONE (M – 1), relasi yang terjadi jika satu atau lebih entry dalam

sebuah object data store dihubungkan dengan hanya satu entry dalam sebuah

object data store yang lain.

4. MANY TO MANY (M – M), relasi yang terjadi jika satu atau lebih entry

dalam sebuah object data store dihubungkan dengan satu atau lebih entry

dalam sebuah object data store yang lain.

Dalam semua defini relasi di atas, “1” menyatakan hanya satu, dan “M” atau

“∞” menyatakan satu atau lebih. Bila suatu saat dibutuhkan pernyataan relasi;

paling sedikit sebuah, dan juga lebih dari satu, maka relasi itu dapat dinyatakan

dengan “M*” (* = minimum of one).

IV-41

b. Model

Menurut Mcleod (2008) model adalah abstraksi dari sesuatu. Model

mewakili suato objek yang disebut entitas. Terdapat empat jenis dasar model

yaitu:

Model fisik

Model fisik merupakan gambaran tiga dimensi entitasnya seperti misalnya

model skala pusat perbelanjaan dan protoipe mobil baru. Model fisik dibuat untuk

mencapai tujuan yang tidak dapat dipenuhi oleh benda sesuangguhnya.

Model naratif

Model naratif adalah penggambaran entitas dengan kata – kata yang terucap

atau tertulis. Pendengar atau pembaca dapat memahami entitas tersebut dari

naratifnya. Semua komunikasi bisnis adalah model naratif.

Model grafis

Model grafis menggambarkan entitasnya dengan abstraksi garis, simbol,

atau bentuk. Model grafis juga digunakan dalam desain sistem informasi sebagai

contohnya adalah diagran relasi entitas, diagram aliran data, dan lain – lain.

Model matematis

Setiap rumus atau persamaan matematika adalah model matematis.

c. Perangkat analisis

Berbagai perangkat analisis yang digunakan untuk mencari jalan keluar

terbaik misalnya adalah sebagai berikut:

What if Analysis

Analisis ini digunakan untuk mengetahui apa yang terjadi apabila satu atau

beberapa variabel berubah. Misalnya, berapa laba yang akan diperoleh perusahaan

bila harganya dinaikkan 10% sedang biaya variabel naik 8%?

Sensitivity Analysis

Analisis ini digunakan untuk mengetahui pengaruh perubahan suatu variabel

terhadap variabel yang lain. Analisis ini akan melakukan perubahan secara

berkali-kali terhadap suatu variabel, sehingga dapat diketahui apakah

pengaruhnya konsisten atau tidak.

IV-42

Goal-Seeking Analysis

Analisis ini digunakan untuk mencari solusi terbaik (misalnya laba tertinggi

atau biaya terendah) dari suatu masalah.

Optimization Analysis

Analisis ini digunakan untuk mencari solusi yang paling menguntungkan

bagi perusahaan, dan mirip dengan goal-seeking analysis. Analisis ini biasanya

memanfaatkan perhitungan menggunakan linear programming.

d. Laporan

Terdapat tiga jenis laporan, yaitu:

Laporan rutin (Periodic report)

Laporan ini diterbitkan dan disediakan secara berkala, memuat informasi

yang sudah standar, sehingga jarang diperlukan oleh manajemen puncak.

Laporan pengecualian (Exception Report)

Laporan yang disediakan apabila terjadi kondisi yang menyimpang dari

kebiasaan.

Laporan atas permintaan (on Demand Report)

Laporan ini disediakan apabila manajemen memintanya. Laporan ini

biasanya berisi informasi yang benar-benar diperlukan oleh manajemen, sehingga

bermanfaat cukup besar dalam pembuatan keputusan.

4. Tahap Pembuatan Keputusan

Menurut Hebert A. Simon dalam Winarno (2004), pembuatan keputusan

melibatkan 4 langkah yaitu:

a. Tahap Intelligence

Tahap intelligence adalah tahap pengakuan adanya masalah. Masalah dapat

merupakan persoalan maupun kesulitan yang muncul dalam kehidupan organisasi,

atau juga dapat merupakan persoalan yang ditimbulkan sendiri oleh pembuat

keputusan. Tahap ini adalah tahap yang paling penting dlam tahapan-tahapan

pembuatan keputusan.

b. Tahap Design

Tahap design adalah tahap perancangan berbagai alternatif yang akan

dipilih.

IV-43

c. Tahap Choice

Tahap choice adalah tahap memilih salah satu di antara berbagai alternatif

yang sudah disiapkan dalam tahap design. Dalam tahap ini, pembuat keputusan

akan menggunakan model pemilihan alternatif.

d. Tahap Implementation

Tahap yang terakhir adalah pelaksanaan dari keputusan yang telah diambil

pada tahapan choice.

5. Kesalahan dalam Pembuatan Keputusan

Terdapat beberapa kesalahan yang sering terjadi dalam penganbilan

keputusan, diantaranya adalah sebagai berikut:

a. Kesalahan analisis

Kesalahan ini mengenai identifikasi masalah yang terjadi, sehingga

keputusan yang dibuat juga akan salah.

b. Kesalahan melihat waktu

Misalnya pada bulan Juni-Juli penjualan alat tulis melonjak. Pimpinan

perusahaan memutuskan untuk meningkatkan kapasitas produksi. Ternyata, setiap

bulan Juni – Juli sebenarnya merupakan tahun ajaran baru, sehingga memang

terjadi kenaikan permintaan akan alat tulis. Bila bulan berikutnya kapasitas

produksi dinaikkan, tidak akan mempertahankan penjualan

c. Kesalahan sudut pandang yang tidak berubah

Perusahaan beranggapan bahwa pihak yang paling menentukan suksesnya

penjualan adalah pramuniaga (salesman), oleh karenanya manajemen memberikan

bonus yang menarik kepada semua pramuniaga. Padahal banyak pihak lain yang

ikut andil dalam kesuksesan penjualan. Bila manajemen hanya memberikan bonus

kepada pramuniaga saja, maka karyawan lain akan merasa iri dan akan

menurunkan kinerjanya.

d. Kesalahan terlalu percaya diri

Karena terlalu percaya diri akan menyebabkan manajemen kurang

mempertimbangkan hal – hal yang seharusnya dipertimbangkan.

IV-44

2.2.5 Collaborative Planning, Forecasting, and Replenishment (CPFR)

Menurut Tenhiala (2003) beberapa tahapan penting dalam CPFR adalah:

1. Collaborative Planning

Terdiri atas negosiasi kesepakatan yang mendefinisikan kewajiban

perusahaan dalam bentuk kerjasama (collaborative) dan membangun rencana

bisnis bersama yang memperlihatkan suatu cara bagaimana perusahaan akan

memenuhi permintaan pelanggannya. Menurut Simchi – Levi dkk (2000)

kerjasama antara retailer dengan suppliernya terdiri dari 2 bentuk kerjasama yaitu

information sharing , yang membantu produsen membuat perencanaan yang lebih

efisien, dan consignment scheme (dukungan penuh) dimana produsen mengatur

secara penuh dan memiliki inventori produk sampai retailer menjualnya.

2. Collaborative Forecasting

Termasuk pembuatan rencana penjualan untuk keseluruhan perusahaan

yang berkolaborasi, melakukan identiikasi atas pengecualian atau perbedaan yang

muncul antar perusahaan, menyelesaikan pengecualian untuk menyediakan

rencana penjualan umum.

3. Collaborative Replenishment

Pembuatan rencana pengiriman untuk seluruh perusahaan yang

berkolaborasi, menyelesaikan pengecualian dan melakukan generalisasi pesanan

aktual untuk memenuhi keinginan konsumen.

Ada tiga elemen penting dalam CPFR yaitu:

1. Kolaborasi demand planning

CPFR menekankan pentingnya berbagi data secara transparan antara

konsumen dengan rantai pasok, sejak tahap penyusunan marketing plan hingga

forecast per stock keeping unit (sku) dalam unti per satuan waktu dimana telah

harus dipertimbangkan pengaruh dari promosi yang mungkin direncanakan untuk

sku tertentu.

2. Joint capacity planning

Estimasi penjualan dari demand planning kemudian akan dikonversikan

sebagai rencana produksi, dimana pihak pabrik akan merencanakan kapasitas

berdasarkan estimasi penjualan.

IV-45

3. Sinkronisasi order fullfillment

Pihak pelanggan akan menempatkan ke sana sesuai dengan estimasi

penjualan. Seberapa dari pesanan ini bisa dipenuhi akan tergantung kemampuan

pabrik untuk memenuhi pesanan. Pihak pbrik memiliki kewajiban untuk

mengkomunikasikan kembali realisasi pemenuhan pesanan sehingga pihak

distributor bisa meneruskan ke pengecer.

Menurut bisnis CPFR ketiga sub sistem diatas beribteraksi secara 2 arah

sehingga setiap perubahan dapat langsug diketahui oleh setiap anggota rantai

pasok. Kolaborasi yang berdasarkan keterbukaan berbagi data semacam ini akan

meningkatkan kualitas peramalan permintaan di sepanjang rantai pasok dan

dengan demikin juga akurasi dalam order fullfillment. Menurut bisnis CPFR

proses dimulai dengan penetapan garis besar kesepakatan dengan antara seluruh

pihak yang terkait. Kemudian dilaknjukan dengan menyusun rencana bisnis.

Berdasarkan rencana dasar ini, dibuat perkiraan penjualan dan dikenali adanya

kemungkinan masalah dan hal-hal khusus dalam penjualan. Dari sini akan

diperoleh data yang lebih pasti mengenai ketersediaan produk yang selanjutnya

menjadi dasar membuat perkiraan pesanan. Bila ternyata tidak ada masalah dalam

pemenuhan pesanan, maka pesanan akan ditempatkan secara resmi.

CPFR terdiri dari 3 tahap yaitu tahap planning, forecasting, dan

replenishment. Pada tahap planning terdiri dari dua langkah yaitu

penyelenggaraan kerja sama (langkah 1) dan pembuatan rencana bisnis bersama

(langkah 2). Tahap forecasting juga terdiri dari 2 langkah yaitu sales forecast

(langkah 3-5) dan order forecast (langkah 6-8). Masing – masing forecast terdiri

dari 3 tahap yaitu menghitung ramalan, mengidentifikasi exception dalam

peramalan, dan memecahkan exception yang ada. Dan yang terakhir adalah tahap

replenishment. Pada tahap ini jumlah terdapat proses pengiriman barang hasil

perhitungan dari order forecast (langkah 9). Proses CPFR dari langkah 1 –

langkah 9 dapat dilihat pada gambar 2.8.

IV-46

Gambar 2.8 Langkah – langkah CPFR

(Sumber: Tenhiala, 2003)

Gambar 2.8 adalah diagram alir yang menggambarkan langkah – langkah

dalam melakukan CPFR. Terdapat 9 langkah untuk melakukan CPFR. Berikut ini

akan diuraikan langkah – langkah dalam melakukan CPFR:

1. Penyelenggaraan kerja sama (develop collaboration arrangement)

Pada tahap ini akan diidentifikasi sponsor eksekutif, penetapan resolusi,

pembuatan scorecard untuk melihat metrics relative rantai pasok, dan penentuan

IV-47

bonus maupun penalti finansial. Hasilnya adalah Memorandum of Understanding

(MoU) yang berisi hal – hal di bawah ini:

Confidentiality

Goals & objectives

Ukuran keberhasilan

Persetujuan perihal kompetensi, sumber daya, dan sistem

Orang – orang dan departemen yang bertanggung jawab

Pembagian informasi

Service & ordering commitments, dan

Resolution of disagreements

2. Membuat rencana bisnis bersama

Rencana bisnis yang dibuat bersama berkenaan dengan hal – hal di bawah ini:

Rencana bisnis untuk promosi, perubahan kebijakan inventori, jadwal buka /

tutup toko, perubahan produk untuk masing –masing kategori produk, dan lain

– lain.

Pihak organisasi buyer (purchasing manager) dan organisasi seller (marketing

manager) bersama – sama mengembangkan:

a. Corporate strategies

b. Partnership strategies

c. Category roles and objectives

d. Exception criteria

e. Item management profile.

3. Membuat sales forecast

Organisasi buyer (forecast analyst) membuat sales forecast dan

mengkomunikasikan hasilnya kepada organisasi seller (sales analyst). Hasil

peramalan ini digunakan untuk menghitung order forecast.

4. Mengidentifikasi exception dalam sales forecast

Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi

penjualan namun tidak dapat dihitung dalam sales forecast.

5. Memecahkan / mengkolaborasikan exception

Pada gambar 2.5 akan dijelaskan bahwa informasi exception yang ada pada

produsen maupun distributor dibagi untuk kemudian dipecahkan bersama

IV-48

sehingga perubahan pada sales forecast diketahui kedua belah pihak. Berikut ini

adalah proses memecahkan atau mengkolaborasikan exception:

Gambar 2.9 Mengkolaborasikan exception

(Sumber: Tenhiala, 2003)

6. Membuat order forecast

Jika organisasi buyer adalah produsen/manufacturing, maka sales forecast

didefinisikan sebagai MPS (Master Production Scheduling) dan order forecast

dilaksanakan berdasarkan MPS, status inventori, struktur produk, manufacturing

lead time, dan strategi lot sizing.

Jika organisasi buyer adalah distributor / retailer, maka sales forecast

didefinisikan sebagai order forecast yang berdasarkan pada status inventori dan

strategi pada inventori.

7. Mengidentifikasi exception dalam order forecast

Pada tahap ini dilakukan identifikasi terhadap hal – hal yang mempengaruhi

penjualan namun tidak dapat dihitung dalam sales forecast.

8. Memecahkan / mengkolaborasikan exception

Informasi exception yang ada pada produsen maupun distributor dibagi

untuk kemudian dipecahkan bersama sehingga perubahan pada sales forecast

diketahui kedua belah pihak. Untuk memecahkan exception dapat dilakukan

peramalan tambahan.

9. Generate order

Setelah hasil order forecast ditetapkan, maka jumlah order digenerate untuk

kemudian dilakukan proses pemesanan dan proses pengiriman (delivery

execution).

IV-49

2.2.5 Referensi Lainnya

Wibawa (2008) merancang sistem informasi yang termasuk di dalamnya

adalah pembuatan laporan keuangan, pembuatan database penjualan, serta

pembuatan program peramalan penjualan untuk membantu proses pengadaan

barang pada periode berikutnya. Metode peramalan yang digunakan adalah

metode Winter.

Referensi yang lainnya adalah sebuah paper yang ditulis oleh Kim dan

Mahoney (2006) yang berisi tentang bagaimana CPFR memungkinkan trading

partner untuk meningkatkan efisiensi operasional melalui proses pembagian dan

penggunaan informasi yang terstruktur. Di sini juga dijelaskan peranan teknologi

informasi dalam melakukan CPFR. Paper ini juga memberikan contoh studi kasus

di Wal-Mart dan P&G dalam melaksanakan CPFR.

Tenhiala (2003) dalam sebuah seminar memaparkan bagaimana

mengimplementasikan CPFR di Eropa. Studi kasus dilakukan pada 8 kasus yaitu

antara Eroski dan Henkel, Condis dan Henkel, Metro dan Procter & Gamble

(P&G), Ketjuetu dan Valio, Delhaize dan Vandemoortele, Sainsbury’s dan

Unilever, dan di dalam The Co-operative Group, dan dalam kelompok

perusahaan Veropoulos, Elgeka, P&G Hellas, serta Unilever. Pada jurnal ini juga

dipaparkan model proses CPFR.

Sancar (2003) mengadakan penelitian tentang penyebab bullwhip effect

serta bagaimana cara menghitung bullwhip effect. Kesimpulan yang ditarik dari

penelitiannya bahwa bullwhip effect dapat dikurangi namun tidak bisa dihilangkan

sama sekali.

IV-50

BAB IIIMETODOLOGI PENELITIAN

Pada bab ini akan dibahas mengenai metodologi penelitian, yaitu tahapan-

tahapan yang dimulai dari perumusan masalah sampai dengan kesimpulan.

Metodologi penelitian yang digunakan dalam penyusunan skripsi ini dapat dilihat

pada gambar 3.1 berikut :

Identifikasi Sistem Perusahaan

Analisis Kebutuhan Sistem

Perancangan Basis Model

Perancangan Basis Data

Perancangan Basis Dialog

Perancangan Aplikasi Collaborative Forecasting

Analisis dan Interpretasi Hasil

Kesimpulan dan Saran

Validasi Sistem Pendukung Keputusan

Gambar 3.1 Metodologi Penelitian

Gambar 3.1 adalah gambar flowchart metodologi penelitian yang

digunakan dalam penelitian ini. Berikut ini akan dijelaskan masing – masing

tahapan dalam gambar 3.1:

3.1 Identifikasi Sistem Perusahaan

Pengidentifikasian sistem perusahaan dilakukan melalui studi lapangan di PT.

Sinar Niaga Sejahtera. Studi lapangan dilakukan dengan cara melakukan

IV-51

observasi secara langsung di PT. Sinar Niaga Sejahtera Distributor Wilayah Solo.

Pada tahap ini, peneliti mengamati sistem, melakukan wawancara dan mengkaji

data primer maupun data sekunder perusahaan. Proses studi lapangan ini

kemudian menuju kepada suatu identifikasi awal permasalaan.

3.2 Analisis Kebutuhan Sistem

Kelemahan-kelemahan pada sistem yang ada di dalam perusahaan

sekarang ini dapat dijadikan sebagai materi untuk melakukan analisa kebutuhan

sistem yang bertujuan untuk mengidentifikasi apa saja yang masih kurang dari

sistem tersebut untuk kemudian dilakukan langkah-langkah perbaikan. Tahap ini

akan menentukan output apa saja yang akan dihasilkan oleh sistem pendukung

keputusan yang akan dibangun.

3.3 Perancangan Basis Model

Pada tahap ini akan dilakukan perancangan terhadap model yang

digunakan serta sistem di dalam sistem pendukung keputusan. Adapun

perancangan basis model terbagi menjadi 3 tahap yaitu Collaborative Planning,

Collaborative Forecasting, dan Collaborative Replenishment. Berikut ini adalah

rincian untuk masing-masing tahap proses perancangan basis model:

Meramalkan penjualan

Mengidentifikasi exceptiondalam peramalan

Memecahkan masalah exception dalam peramalan

Keputusan kebutuhan barang

Mengadakan perjanjian kerjasama dan sharing informasi

Gambar 3.2 Tahapan Proses Collaborative Planning and Forecasting

IV-52

3.3.1 Mengadakan Perjanjian Kerjasama dan Sharing Informasi

Collaborative planning membahas informasi-informasi yang harus dibagi

antara distributor dengan outlet dan supplier untuk kemudian dijadikan acuan

dalam melakukan perencanaan bisnis dan peramalan.

Peramalan dalam CPFR menggunakan data penjualan dari outlet. Hal ini

dilakukan untuk mengurangi resiko terjadinya bullwhip effect. Sistem kolektif

data dilakukan dengan menggunakan suatu formulir yang dirancang sesuai dengan

kebutuhan sistem yang telah dianalisa sebelumnya. Perancangan beberapa usulan

formulir dan prosedur pengisian formulir serta informasi apa saja yang perlu

dihimpun dari outlet dan supplier akan dibahas pada bab ini.

3.3.2 Meramalkan Penjualan

Peramalan data penjualan yang telah dihimpun dari outlet akan dilakukan

pada tahap ini. Peramalan dilakukan dengan mengagregasi data historis ke dalam

beberapa tingkatan untuk kemudian diramalkan dengan metode peramalan

Winter. Metode pengagregasian yang digunakan adalah seperti pada pyramid

forecasting. Langkah-langkah dalam pyramid forecasting digambarkan seperti

dalam gambar 3.3 berikut:

Gambar 3.3 Tahapan Pyramid Forecasting

Langkah-langkah yang dilakukan dalam melakukan proses peramalan

adalah sebagai berikut:

1. Proses Roll-Up

Proses roll-up adalah proses pengagregasian produk ke dalam

kelompok-kelompok tertentu. Peramalan akan dilakukan untuk setiap

kelompok-kelompok produk untuk memperkecil error peramalan untuk tiap

unit produk. Pengelompokan dilakukan berdasarkan supplier, jenis produk,

rasa produk, dan ukuran kemasan.

IV-53

2. Peramalan

Proses peramalan terbagi menjadi beberapa tahap yaitu sebagai

berikut:

Gambar 3.4 Proses Peramalan

Peramalan dilakukan dengan menggunakan metode Winter karena

metode ini dapat digunakan untuk menghitung data yang cenderung berpola

trend ataupun musiman. Proses peramalan dilakukan dalam 4 tahap yaitu:

a. Perhitungan unsur stationer

b. Perhitungan unsur tren

c. Perhitungan unsur musiman

d. Perhitungan peramalan

Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan

adalah 0,1; 0,5; dan 0,9. Hasil peramalan yang diambil adalah data peramalan

dengan error terkecil karena hasil peramalan dikatakan konsisten atau valid

jika besar kesalahan peramalan relatif kecil. Terdapat beberapa indikator

dalam pengukuran akurasi peramalan sehingga dapat diketahui metode

peramalan yang terbaik. Indikator yang paling umum digunakan adalah MAD

(Mean Absolute Deviation). Perhitungan MAD menggunakan rumus 2.26.

3. Proses Force-Down

Pada tahap ini dilakukan disagregasi hasil peramalan terhadap

kelompok produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan

ini berdasarkan angka rasio penambahan atau pengurangan hasil peramalan

terhadap jumlah penjualan pada periode sebelumnya. Perhitungan rasio

penambahan ataupun pengurangan dilakukan dengan menggunakan rumus

2.27.

IV-54

3.3.3 Mengidentifikasi Exception dalam Peramalan

Exception adalah hal – hal yang mempengaruhi penjualan namun tidak

dapat dihitung oleh model peramalan yang telah ditentukan sebelumnya. Biasanya

exception bersifat kausal. Exception akan diinput ke dalam sistem pendukung

keputusan yang akan dibangun untuk dijadikan pertimbangan tambahan ke dalam

menentukan keputusan kebutuhan barang. Sebagai contoh exception dalam

peramalan adalah adanya libur hari raya nasional yang menyebabkan permintaan

produk cenderung meningkat atau adanya program undian berhadiah suatu produk

sehingga permintaan juga akan meningkat. Penetapan exception dilakukan secara

bersama pada saat melakukan perjanjian di awal. Kemudian exception yang telah

diinput ke dalam sistem pendukung keputusan akan memberikan peringatan satu

bulan sebelum due date sehingga kepala cabang dapat memberikan koreksi

kepada hasil peramalan.

3.3.4 Pemecahan Masalah karena Exception

Pemecahan masalah karena exception akan diselesaikan oleh kepala

cabang. Kepala cabang akan memberikan koreksi terhadap hasil peramalan

apabila terdapat exception. Pemberian koreksi dilakukan secara kualitatif atau

berdasarkan pertimbangan manajerial dari kepala cabang. Koreksi berupa

penambahan ataupun pengurangan sebanyak x persen dari hasil peramalan.

3.3.5 Keputusan Jumlah Kebutuhan Barang

Setelah hasil peramalan didapatkan untuk setiap jenis produk, manajer

harus melakukan penyesuaian dengan stok yang masih ada di gudang. Tahap ini

membantu menajer untuk melakukan penyesuaian untuk kemudian ditemukan

suatu jumlah barang yang harus dipesan oleh manajer.

3.4 Perancangan Basis Data

Perancangan basis data dibuat berdasarkan kebutuhan sistem yang telah

diidentifikasi sebelumnya. Terdapat 4 tahap dalam melakukan perancangan basis

data. Tahap pertama adalah perancangan sistem, dimana akan dilakukan proses

identifikasi pihak – pihak yang terlibat di dalam sistem serta bisnis prosesnya

untuk kemudian dituangkan dalam diagram alir data (DAD). Tahap kedua adalah

pengkodean, dimana akan dirancang kode – kode yang akan digunakan dalam

proses input data. Tahap ketiga adalah tahap perancangan logika. Tahap ini

IV-55

dilakukan dengan teknik normalisasi. Tahap yang terakhir adalah pembuatan

Entity Relationship Diagram (ERD). ERD digunakan untuk menggambarkan

hubungan antar tabel dalam database yang akan dipakai dalam program

komputer.

3.5 Perancangan Basis Dialog

Perancangan basis dialog adalah perancangan user interface yang user

friendly atau mudah dioperasikan oleh orang awam. Pada perancangan ini

meliputi perancangan ukuran tabel, perancangan user interface input data, dan

perancangan user interface laporan.

3.6 Perancangan Aplikasi Collaborative Forecasting

Pada tahap ini akan dilakukan pembangunan konstruksi aplikasi

Collaborative Planning and Forecasting dengan menggunakan software

pemrograman.

3.7 Validasi Sistem Pendukung Keputusan

Validasi sistem pendukung keputusan dilakukan terhadap performansi

sistem pendukung keputusan yang dibangun dan pengujian ketepatan perhitungan

output sistem pendukung keputusan. Pengujian performansi sistem pendukung

keputusan dilakukan berdasarkan 2 kriteria yaitu kriteria ground truth (dasar

kebenaran) dengan kriteria judgment. Pengujian performansi dengan kriteria

ground truth dilakukan terhadap kecepatan sistem pendukung keputusan dalam

mengambil dan mengolah data serta menampilkan laporan. Langkah selanjutnya

adalah menguji performansi dengan kriteria judgment yaitu berdasarkan pada

penilaian apakah sistem pendukung keputusan sudah sesuai dengan kebutuhan

pengguna. Pengujian ketepatan perhitungan dilakukan dengan membandingkan

hasil laporan peramalan sistem pendukung keputusan dengan perhitungan yang

dilakukan secara manual dengan menggunakan Microsoft Excel. Apabila semua

kriteria yang diujikan dalam validasi dapat terpenuhi maka sistem pendukung

keputusan dianyatakan valid.

IV-56

3.8 Analisis dan Interpretasi Hasil

Setelah tahap perancangan program selesai, maka dilakukan analisis dan

interpretasi hasil perancangan sistem pada tahap sebelumnya. Analisis yang

dilakukan meliputi analisis terhadap error hasil peramalan sistem usulan dan

sistem awal dibandingkan dengan data aktual pada periode yang diramalkan.

Selain itu akan dibahas kondisi – kondisi yang harus terpenuhi untuk

mengimplementasikan sistem pendukung keputusan.

3.9 Kesimpulan dan Saran

Tahap pembuatan kesimpulan dan saran ini membahas tentang kesimpulan

dari hasil pengolahan data dan validasi yang telah dilakukan. Kesimpulan yang

diambil harus sudah menjawab tujuan yang ditetapkan sebelumnya. Kesimpulan

yang telah dibuat kemudian dijadikan pertimbangan untuk menyampaikan saran-

saran yang dapat memberikan masukan untuk perbaikan bagi perusahaan maupun

sistem yang saat ini dibangun.

IV-57

BAB IVPERANCANGAN SISTEM

4.1 IDENTIFIKASI SISTEM PERUSAHAAN

Terdapat beberapa kegiatan yang berjalan dan berhubungan dengan proses

bisnis pemesanan dan pengadaan barang di PT Sinar Niaga Sejahtera. Kegiatan-

kegiatan tersebut adalah sebagai berikut:

4.1.1 Pengadaan barang

PT Sinar Niaga Sejahtera selalu melakukan pengadaan barang secara

periodik yaitu setiap 2 minggu sekali. Pengadaan barang melibatkan 2 sub unit di

dalam perusahaan yaitu kepala cabang dan petugas admininstrasi. Tahap-tahap

pengadaan barang adalah sebagai berikut:

a. Kepala cabang membuat rencana pengadaan barang. Rencana tersebut dibuat

berdasarkan hasil peramalan menggunakan metode moving average serta

dijumlah dengan hasil analisis tambahan manajer.

b. Setelah hasil peramalan diperoleh maka diadakan penyesuaian dengan kondisi

stock di dalam gudang. Hasilnya adalah kebutuhan barang bersih yang harus

dipesan ke supplier. Data ini kemudian diserahkan ke staff administrasi untuk

dilakukan proses pemesanan.

c. Petugas Administrasi melakukan order pemesanan ke supplier berdasarkan

hasil penyesuaian terhadap peramalan yang dibuat oleh kepala cabang.

Pemesanan dilakukan melalui fax, email, maupun telepon ke supplier.

Tahap-tahap pengadaan barang di PT Sinar Niaga Sejahtera Distributor

Wilayah Surakarta dapat dilihat pada gambar 4.1.

IV-58

Gambar 4.1 Prosedur Pengadaan Barang

4.1.2 Penjualan

Penjualan di PT Sinar Niaga Sejahtera dilakukan oleh salesman. Berikut

ini adalah tahap-tahap penjualan di PT Sinar Niaga Sejahtera:

a. Konsumen (outlet) melakukan pemesanan barang melalui salesman sesuai

dengan jadwal kunjungan masing-masing outlet.

b. Salesman mencatat pesanan outlet di dalam formulir pemesanan barang.

c. Petugas administrasi bagian input data memasukkan jumlah pemesanan

barang dari outlet ke dalam komputer serta membuat faktur dan surat jalan

sebanyak 3 rangkap. Faktur pertama diserahkan ke bagian gudang, faktur ke-

dua diserahkan ke konsumen dan faktur ke-tiga disimpan untuk dijadikan

laporan ke manajer keuangan. Surat jalan diserahkan ke bagian dropping

barang.

IV-59

d. Bagian dropping mengantarkan barang pesanan ke outlet serta menyerahkan

faktur pemesanan barang kepada outlet sebanyak 2 rangkap. Rangkap pertama

untuk disimpan oleh outlet dan faktur kedua ditandatangani dan diserahkan

kepada financial manager untuk pembuatan laporan penjualan.

e. Manajer keuangan membuat data penjualan sebagai laporan penjualan.

f. Kepala cabang akan mengevaluasi laporan penjualan dan melunasi tagihan

kepada supplier berdasarkan laporan penjualan.

Gambar 4.2 Prosedur Penjualan

4.1.3 Data Penjualan

Data penjualan adalah seluruh data transaksi yang digunakan dalam

analisis data historis untuk proses pengadaan barang. Analisis data historis yang

ada menggunakan data penjualan yang tercatat oleh perusahaan. Data penjualan di

IV-60

sini adalah jumlah barang yang dipesan oleh outlet kepada PT Sinar Niaga

Sejahtera. Outlet melakukan perkiraan sendiri dalam melakukan pemesanan

barang kepada PT Sinar Niaga Sejahtera.

Pengumpulan data penjualan outlet atau dapat diasumsikan sebagai

permintaan final customer dapat digunakan sebagai dasar dalam melakukan

peramalan permintaan oleh PT Sinar Niaga Sejahtera. Hal ini dilakukan untuk

mengurangi resiko terjadinya bullwhip effect. Pemesanan yang dilakukan oleh

outlet cenderung fluktuatif dan mengakibatkan proses pengadaan barang oleh PT

Sinar Niaga Sejahtera menjadi fluktuatif pula. Data penjualan selama bulan

Agustus 2008 sampai dengan bulan Juli 2009 dapat dilihat pada lampiran L-1,

sedangkan grafik penjualannya adalah sebagai berikut:

Grafik Penjualan Agustus 2008 - Juli 2009

0

2.000.000

4.000.000

6.000.000

8.000.000

10.000.000

12.000.000

14.000.000

1 2 3 4 5 6 7 8 9 10 11 12

Gambar 4.3 Grafik Penjualan Agustus 2008 – Juli 2009

Grafik penjualan pada bulan Agustus 2008 – Juli 2009 seperti pada

gambar 4.3 cenderung berpola musiman. Hal ini dapat dilihat pada saat November

2008 (periode ke-4) dan Maret 2009 (periode ke 8) terjadi lonjakan permintaan.

Lonjakan ini terjadi karena pada bulan November 2008 terdapat Hari Raya Idul

Fitri sedangkan pada bulan Maret 2009 terdapat beberapa hari libur nasional yang

menyebabkan permintaan konsumen melonjak.

4.2 ANALISIS KEBUTUHAN SISTEM

Setelah melakukan identfikasi terhadap sistem pengadaan barang yang saat

ini dijalankan di PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta terdapat

beberapa kelemahan dalam proses pengadaan barang. Kelemahan pertama adalah

IV-61

metode peramalan yang digunakan. Saat ini PT Sinar Niaga Sejahtera

menggunakan metode moving average sebagai metode peramalan, di mana

metode ini tidak dapat mengidentifikasi adanya faktor musiman ataupun tren

produk. Pola permintaan produk adalah musiman seperti terlihat pada gambar 4.3

dimana permintaan mengalami peningkatan mulai bulan Oktober 2008 (periode 3)

dan akhirnya mengalami lonjakan yang ekstrim pada bulan November (periode 4).

Selain itu pencatatan stock secara manual juga menyebabkan lamanya

pengambilan keputusan dan pemenuhan penjualan ke outlet karena informasinya

harus diolah secara manual. Kelemahan itu dapat diatasi dengan pembuatan

sistem pendukung keputusan peramalan dan pengadaan barang yang dapat

mengakomodir permasalahan yang saat ini dihadapi PT Sinar Niaga Sejahtera

Distributor Wilayah Surakarta.

Permasalahan yang lain adalah penggunaan data penjualan dalam proses

peramalan. Hal ini dapat menyebabkan terjadinya fenomena bullwhip effect di

echelon yang lebih tingi lagi. Oleh karena itu pengumpulan data penjualan outlet

yang nantiya digunakan untuk proses peramalan akan sangat membantu dalam

mengurangi fenomena bullwhip effect. Tentunya pengumpulan data ini dilakukan

secara tradisional dengan memanfaatkan sistem regulasi salesman yang saat ini

berjalan di PT Sinar Niaga Sejahtera karena kebanyakan outlet yang ditangani PT

Sinar Niaga Sejahtera adalah bersifat tradisional. Penanganan terhadap kondisi

tertentu yang mempengaruhi jumlah kebutuhan barang (exception) dapat

dilakukan secara kualitatif oleh kepala cabang PT Sinar Niaga Sejahtera.

4.3 PERANCANGAN BASIS MODEL

Perancangan basis model adalah perancangan model yang digunakan

dalam sistem informasi serta sistem pengadaan barang yang tidak dimasukkan

dalam sistem informasi. Adapun sistem yang akan digunakan adalah berdasarkan

kepada CPFR (Collaborative Planning, Forecasting, and Replenishment).

Perancangan basis model sistem pendukung keputusan dilakukan untuk

collaborative planning dan forecasting.

IV-62

4.3.1 Collaborative Planning

Collaborative planning melibatkan anggota-anggota yang terlibat di dalam

supply chain. PT Sinar Niaga Sejahtera sebagai distributor melakukan kerjasama

dengan beberapa supplier untuk memenuhi kebutuhan barang. PT Sinar Niaga

Sejahtera Distributor Wilayah Surakarta bekerja sama dengan outlet-outlet yang

tersebar di wilayah Surakarta, Boyolali, Klaten, Sukoharjo, Wonogiri, Sragen, dan

Karanganyar.

Berikut ini adalah hal-hal yang perlu dibahas dalam melakukan

perencanaan bisnis serta informasi-informasi yang harus dibagi antar anggota

rantai pasok.

Gambar 4.4 Aliran Informasi dalam Anggota Rantai Pasok

Pihak supllier dan outlet diasumsikan telah sepakat untuk mengadakan

kerja sama. Oleh karena itu informasi-informasi di atas dianggap sudah disetujui

untuk diketahui pihak-pihak yang mengadakan kerja sama.

PT Sinar Niaga Sejahtera perlu mengadakan suatu metode pengumpulan

data dengan memanfaatkan sistem yang saat ini sudah berjalan untuk

mengumpulkan data penjualan dari outlet. Salesman melakukan kunjungan ke

outlet secara periodik yaitu satu kali dalam satu minggu. Pengumpulan data

penjualan outlet akan dilakukan dengan menggunakan sistem ini, dimana

salesman akan mengisi formulir penjualan outlet pada saat melakukan kunjungan

ke outlet. Pengumpulan dilakukan dengan menggunakan formulir karena

kebanyakan outlet PT Sinar Niaga Sejahtera Distributor Wilayah Surakarta masih

bersifat tradisional dan belum memiliki sistem informasi yang terkomputerisasi.

Data yang diisikan adalah data penjualan outlet dalam rentang waktu satu minggu.

Cara ini dapat diaplikasikan untuk outlet yang bersifat tradisional. Contoh

formulir ini dapat dilihat pada gambar 4.5. Outlet-outlet modern dimana sistem

IV-63

pencatatan penjualannya sudah terkomputerisasi, pengiriman data penjualannya

dapat dilakukan melalui email ataupun fax setiap minggunya.

PT Sinar Niaga Sejahtera Surakarta

Bulan / Tahun:Nama Salesman : Kode :Nama Toko : Kode Toko :

Minggu 1 Minggu 2 Minggu 3 Minggu 4 Minggu 1 Minggu 2 Minggu 3 Minggu 4Kode Barang

Penjualan Pemesanan

Gambar 4.5 Formulir Kolektif Data Usulan

Kolom Bulan/tahun diisi menurut periode bulan atau tahun yang saat ini

sedang berjalan. Nama salesman dan kode salesman diisi untuk data di perusahaan

supaya memudahkan dalam memasukkan data ke dalam komputer. Nama toko

disertai dengan kode toko juga bertujuan sama, yaitu memudahkan dalam input

data di dalam komputer. Data barang cukup dituliskan kode barang untuk

memudahkan proses input data. Pada kolom penjualan, setiap minggunya terdapat

kolom untuk mengisi total penjualan outlet untuk minggu pertama, kedua, ketiga

ataupun ke-empat sesuai dengan minggu yang berjalan. Untuk membandingkan

sekaligus menghemat, ditambahkan kolom pemesanan barang di samping kolom

penjualan.

4.3.2 Pyramid Forecasting

Peramalan merupakan salah satu proses pengambilan keputusan dalam

pengadaan barang. Peramalan selalu berdasarkan dari analisis data histori.

IV-64

Pengambilan keputusan dilakukan melalui beberapa proses yaitu analisis data

historis, analisis tambahan (terkait keputusan manajerial) dan pengecekan

ketersediaan barang di gudang.

Peramalan yang saat ini berjalan di PT Sinar Niaga Sejahtera adalah

dengan menggunakan metode moving average dijumlah dengan pertimbangan

tambahan manager. Kelemahan dari model peramalan ini adalah bahwa model

tersebut tidak dapat membaca unsur pola data trend ataupun musiman. Peramalan

dilakukan dengan data historis berupa jumlah pemesanan barang yang dilakukan

oleh outlet.

Pyramid forecasting adalah peramalan terhadap produk yang

diagregasikan atau dikelompokkan menurut jenisnya. Hal ini dimaksudkan untuk

mengurangi kemungkinan terjadinya bullwhip effect karena error peramalan yang

besar. Proses peramalannya sendiri akan menggunakan metode Winter karena

dengan metode ini dapat dihitung faktor musiman, trend, maupun stationer.

Permintaan sendiri cenderung berpola musiman karena pada saat mendekati

lebaran permintaan selalu melonjak setiap tahunnya.

Validasi model peramalan Winter akan dilakukan dengan cara

membandingkan nilai MAD antara metode Winter dengan metode yang saat ini

digunakan oleh PT. Sinar Niaga Sejahtera yaitu metode moving average. Data

yang digunakan adalah data penjualan outlet pada periode Agustus 2008 – Juli

2009. Apabila nilai MAD peramalan pada sistem usulan lebih kecil daripada

sistem yang saat ini berjalan maka dapat dikatakan bahwa model usulan adalah

valid.

Hasil perhitungan peramalan total produk dengan Microsoft Excel untuk

periode Agustus 2009 dengan metode moving average yang saat ini digunakan

oleh PT. Sinar Niaga Sejahtera adalah sebesar 8.613.17 unit dan nilai MAD

adalah sebesar 1.034.933,89. Sedangkan dengan menggunakan metode yang

diusulkan yaitu metode Winter, hasil peramalan adalah 7.343.600 unit dengan

nilai MAD sebesar 740.759,88. Metode peramalan Winter lebih valid daripada

metode peramalan yang saat ini berjalan yaitu moving average karena nilai MAD

peramalan Winter lebih kecil daripada nilai MAD metode Moving Average

IV-65

Pyramid forecasting terbagi menjadi beberapa tahap yaitu sebagai berikut:

1. Proses Roll-Up

Proses roll-up adalah proses pengagregasian produk ke dalam kelompok-

kelompok tertentu. Hal ini dilakukan karena terdapat 157 varian produk yang

didistribusikan oleh PT Sinar Niaga Sejahtera. Pengagregasian dilakukan secara

bertahap mulai dari kelompok dengan jumlah anggota terkecil sampai total

keseluruhan produk. Pengelompokan ini dilakukan berdasarkan kesamaan sifat

produk. Terdapat 3 level dalam hirarki produk ini. Level yang paling rendah

adalah item unit, di mana anggotanya adalah tiap unit produk (SKU). Level ke-2

adalah merk produk di mana setiap merk produk terdiri dari beberapa unit produk.

Level ke-3 adalah jenis produk. Jenis produk maksudnya adalah jenis makanan

ataupun minuman beberapa merk produk. Total keseluruhan produk berada di

level teratas hirarki produk. Berikut ini adalah gambaran umum hirarki dan

piramid produk.

Gambar 4.6 Piramida Kelompok Produk

Kelompok produk terkecil adalah kelompok item unit yaitu setiap unit

produk yang didistribusikan PT Sinar Niaga Sejahtera yaitu sebesar 157 produk.

Kemudian kelompok ini dikelompokkan lagi menjadi kelompok yang lebih kecil

yaitu kelompok merk produk yang berjumlah 43 kelompok merk. Untuk lebih

mempermudah analisa pola maupun tren produk serta mengurangi fenomena

bullwhip effect maka produk dikelompokkan lagi menjadi kelompok produk yang

lebih besar anggotanya yaitu kelompok jenis produk yang terdiri dari 8 jenis

produk yang kemudian diagregasi menjadi total keseluruhan produk. Kemudian

hasil agregasi ini digunakan sebagai input dalam melakukan peramalan Winter.

IV-66

Berikut ini adalah gambar yang menggambarkan macam-macam jenis produk

yang didistribusikan oleh PT Sinar Niaga Sejahtera:

Gambar 4.7 Klasifikasi Kelompok Jenis Produk

Selanjutnya untuk kelompok merk produk dan item unit akan digambarkan

di dalam lampiran L-2.

2. Proses Peramalan Winter

Peramalan akan dilakukan dengan menggunakan metode Winter. Dalam

melakukan peramalan sebagai sistem pendukung keputusan terdapat 3 langkah

yang harus dilakukan yaitu:

a. Melakukan Peramalan

Peramalan dilakukan dengan menggunakan metode Winter. Rumus yang

digunakan untuk melakukan peramalan mengacu pada persamaan 2.25 sampai

persamaan 2.28. Proses peramalan Winter dilakukan dalam 4 tahap yaitu:

Perhitungan unsur stationer

Untuk melakukan perhitungan unsur stationer dipakai rumus sebagai berikut:

F(t) = )TF)(1(I

A.

)1t()1t()mt(

)t(

Perhitungan unsur tren

Perhitungan unsur tren dilakukan dengan menggunakan rumus sebagai

berikut:

T(t) = β(F(t) – F(t-1)) + (t- β).T(t-1)

Perhitungan unsur musiman

Perhitungan unsur musiman dilakukan dengan menggunakan rumus sebagai

berikut:

I(t) = )mt()t(

)t( I).1(F

A

IV-67

Perhitungan peramalan

Setelah dilakukan perhitungan terhadap faktor stationer, tren, dan musiman

kemudian dillakukan perhitungan peramalan. Perhitungan peramalan dengan

metode Winter dilakukan dengan rumus sebagai berikut:

f(t+τ) = (F(t) + τ.T(t)). I(t+R-m)

Peramalan dilakukan dengan variasi alpha. Alpha yang digunakan adalah 0,1;

0,5; dan 0,9. Variasi ini diambil dengan pertimbangan nilai alpha yang

terkecil (0,1) sampai nilai alpha yang terbesar (0,9) serta nilai alpha yang di

tengah (0,5). Variasi ini diharapkan mampu mewakili range alpha dari 0,1 –

0,9. Sedangkan nilai gamma dan beta adalah tetap, yaitu 0,5.

b. Memilih data peramalan dengan error terkecil.

Langkah terakhir dalam proses peramalan adalah pemilihan data dengan

error terkecil. Perhitungan peramalan yang dilakukan dengan variasi alpha 0,1;

0,5; dan 0,9 masing-masing akan dilakukan perhitungan error dengan

menggunakan MAD. Pemilihan data peramalan dilakukan dengan mengambil

data peramalan yang memiliki nilai MAD terkecil. Perhitungan MAD dilakukan

dengan menggunakan persamaan 2.26.

3. Proses Force-Down

Pada tahap ini dilakukan disagregasi hasil peramalan terhadap kelompok

produk menjadi hasil peramalan ke satuan unit terkecil. Perhitungan ini

berdasarkan angka rasio penambahan atau pengurangan hasil peramalan terhadap

jumlah penjualan pada periode sebelumnya.

a. Perhitungan rasio penambahan atau pengurangan

ratio penambahan = peramalansebelumJumlah

peramalanHasil

b. Perhitungan force-down

Tahap force-down adalah tahap dimana hasil peramalan untuk satu

kelompok produk (agregat) didisagregasi sampai satuan produk terkecil.

Pendisagregasian ini berdasarkan jumlah rasio penambahan yang telah didapat.

Xt = rasio x jumlah sebelum peramalan

IV-68

4.3.3 Perhitungan Kebutuhan Barang

Pada tahap ini diadakan penyesuaian hasil peramalan dengan stok yang

masih ada di gudang distributor.

Yt = Xt – St + Pt

Dimana :

Yt = Kebutuhan bersih untuk periode t

Xt = Hasil peramalan untuk periode t

St = Stok barang di gudang distributor untuk periode t, dimana St > 0 > St

Pt = Penambahan jumlah barang jika terdapat agenda promosi untuk periode t

4.4 PERANCANGAN BASIS DATA

4.4.1 Perancangan Sistem

Pada tahap ini akan dilakukan perbaikan sistem dan model dari

langkah perbaikan yang telah dilakukan pada tahap sebelumnya:

A. Identifikasi Sistem

Identifikasi sistem dilakukan untuk mengetahui faktor-faktor yang akan

mempengaruhi kinerja sistem. Identifikasi sistem ini akan dijadikan masukan dan

pertimbangan dalam mendesain sistem. Identifikasi sistem ini terdiri dari berbagai

aspek, yaitu business users dan analisis jabatan, business process, business rules,

business problems and solutions, dan business tools.

1. Business Users dan Analisis Jabatan

Terdapat beberapa pihak atau personil yang terlibat dalam proses

pengambilan keputusan pengadaan barang. Personil-personil yang terlibat dalam

proses pengambilan keputusan pengadaan barang adalah:

a. Outlet

Yang dimaksud outlet di sini adalah retailer, grosir, semi grosir, modern

market serta sub-distributor yang dilayani oleh perusahaan. Outlet bertugas

untuk mencatat data penjualan produk mereka setiap minggunya melalui

formulir yang telah dirancang serta memberikan jadwal promosi kepada PT.

Sionar Niaga Sejahtera.

b. Supplier

Supplier adalah perusahaan produsen produk yang didistribusikan oleh PT.

IV-69

Sinar Niaga Sejahtera. Peranan supplier adalah memberikan jadwal promosi

yang akan dijadikan pertimbangan tambahan oleh kepala cabang dalam

mengambil keputusan pengadaan barang.

c. Salesman

Salesman bertugas mengumpulkan formulir dari outlet yang berisi data

penjualan outlet setiap minggunya.

d. Kepala dan Staff Bagian Administrasi

Kepala dan staff bagian administrasi bertugas menginput data penjualan outlet

ke dalam komputer dan mengolahnya dalam sistem pendukung keputusan

serta melakukan pemesanan ke supplier.

e. Kepala Cabang

Kepala cabang bertugas mengevaluasi hasil peramalan berkenaan dengan

exception yang mungkin terjadi selama periode yang berjalan dan menentukan

jumlah barang yang harus dipesan oleh kepala staff bagian administrasi.

f. Sales Area Koordinator

Sales area koordinator bertugas memberikan penilaian ataupun masukan

kepada branch manajer perihal exception dan hasil peramalan untuk dijadikan

acuan dalam pengadaan barang.

g. Kepala Gudang

Kepala gudang bertugas mengecek ketersediaan barang di dalam gudang dan

menyortir barang yang sudah dikirim oleh supplier.

2. Bussiness Process

Terdapat beberapa tahapan dalam memutuskan jumlah kebutuhan barang

dalam satu bulan. Berikut ini adalah rangkaian proses dalam pengadaan barang

sampai didapatkan keputusan pengadaan barang adalah:

a. Melakukan perencanaan bersama dan bertukar informasi

Proses ini dilakukan ketika outlet dan perusahaan sepakat untuk mengadakan

pengadaan barang bersama dan memberikan informasi mengenai data historis

penjualan, jadwal promosi, jadwal hari libur dan hal-hal lainnya yang

sekiranya berpengaruh terhadap proses perhitungan jumlah pengadaan barang.

Selain itu supplier juga terlibat dalam proses pengadaan barang. Supplier

IV-70

dapat membagikan informasi mengenai jadwal promosi produknya kepada PT.

Sinar Niaga Sejahtera.

b. Mengumpulkan data penjualan historis dari outlet

Pengambilan data historis penjualan oulet dilakukan oleh salesman yang

dilakukan setiap minggunya yang kemudian diserahkan kepada petugas

administrasi untuk diinput ke dalam database penjualan historis.

c. Melakukan peramalan

Peramalan dilakukan dengan menggunakan pyramid forecasting dan model

Winter. Keseluruhan proses ini dioperasikan oleh kepala administrasi yang

dibantu dengan sistem pendukung keputusan.

d. Melakukan order generation

Proses ini dimulai setelah didapat hasil peramalan dan kemudian disesuaikan

dengan kondisi inventaris di gudang oleh kepala gudang.

e. Melakukan penyesuaian

Penyesuaian dilakukan apabila terdapat exception atau pada kasus ini adalah

kegiatan promosi yang dilakukan oleh outlet maupun supplier. Koreksi yang

ditambahkan berdasarkan pertimbangan kepala cabang secara kualitatif.

f. Melakukan pemesanan

Proses ini dilakukan setelah didapat hasil bulat dari jumlah pengadaan barang

setelah disesuaikan dengan kondisi inventaris gudang dan penyesuaian. Proses

ini dilakukan oleh kepala cabang yang biasanya didelegasikan kepada

karyawan atau staff di bawahnya.

Diagram alir prosedur pengambilan keputusan pengadaan barang dapat dilihat

pada gambar 4.8.

IV-71

Gambar 4.8 Prosedur Pengadaan Barang Usulan

3. Business Rules

Business rules merupakan batasan/ketentuan yang dapat menjaga

integritas data untuk menjamin sistem dapat berjalan seperti yang diharapkan.

Ketentuan dalam sistem yang dirancang adalah:

a. Penggunaan kode supplier dan produk dilakukan secara otomatis oleh sistem.

b. Penerapan business rules pada tipe data pada tabel database.

c. Penerapan business rules pada relasi antar tabel database.

4. Business Tools

Peralatan yang digunakan dalam sistem yang dirancang berupa komputer.

Sumber daya yang ada selama ini berupa komputer dapat digunakan sebagai

business tools.

IV-72

5. Entry Data

Entry data hanya dilakukan untuk data historis penjualan outlet yang

dikumpulkan melalui formulir-formulir yang dikumpulkan setiap minggu melalui

salesman. Entry data dilakukan oleh petugas administrasi.

B. Pemodelan Sistem

Sebelum memodelkan perbaikan sistem pengadaan barang, terlebih dahulu

mendefinisikan kesatuan-kesatuan luar yang terlibat dalam sistem. Kesatuan luar

yang terlibat dalam sistem pengadaan barang adalah branch manajer, kepala

gudang, outlet, dan petugas administrasi.

Proses pengambilan keputusan pengadaan barang terdiri dari tiga tahapan

yaitu tahap input data, pemrosesan data, dan yang terakhir adalah analisis output.

Data yang diinput dalam aplikasi ini adalah data penjualan outlet dan data mutasi

barang. Data penjualan outlet akan mengalami beberapa tahapan peramalan

seperti yang telah dibahas dalam perancangan basis model. Sedangkan data

mutasi barang adalah data barang yang keluar dan masuk ke dalam gudang

sehingga akan didapatkan data saldo barang yang ada di dalam gudang. Output

dari kedua proses tersebut kemudian dianalisa untuk mendapatkan keputusan

jumlah pengadaan barang. Terdapat faktor luar (exception) yang mempengaruhi

jumlah kebutuhan barang, proses analisis terhadap faktor ini tidak dilakukan oleh

sistem pendukung keputusan yang dirancang namun dilakukan secara manual oleh

kepala cabang berdasarkan keputusan manajerial yang dibuat. Keputusan

manajerial ini kemudian dijadikan data pendukung dalam memutuskan jumlah

kebutuhan barang PT. Sinar Niaga Sejahtera. Proses pengambilan keputusan

pengadaan barang akan dituangkan pada gambar 4.9.

IV-73

Gambar 4.9 Proses Pengambilan Keputusan Pengadaan Barang

Berdasarkan proses pada gambar 4.9 kemudian akan dibuat diagram

context kemudian dijadikan dasar dalam perancangan aplikasi. Berikut ini adalah

diagram context sistem pengadaan barang.

Gambar 4.10 Diagram Context Sistem Pengadaan Barang

Pada gambar 4.10 digambarkan bahwa petugas administrasi melakukan

input data berupa data penjualan PT Sinar Niaga Sejahtera dan data penjualan

outlet. Kemudian Kepala gudang melakukan input data mutasi barang. Output dari

sistem informasi pengadaan barang ini adalah hasil peramalan dan laporan

penjualan untuk kepala cabang serta faktur penjualan untuk salesman dan kepala

gudang.

IV-74

Gambar 4.11 Diagram Arus Data Level 0 Sistem Pengadaan Barang

Diagram arus data level 0 menggambarkan arus data pada sistem

pengadaan barang. Input data berupa data penjualan yang kemudian diolah oleh

SPK menjadi hasil peramalan dan setelah mengalami penyesuaian dengan stock

barang maka didapatkan hasil kebutuhan barang.

Gambar 4.12 Diagram Arus Data Level 1 Menentukan Stok Barang

Berdasarkan gambar 4.12, perhitungan stok barang di gudang berdasarkan

pada perhitungan jumlah barang yang masuk dan keluar gudang. Hasilnya adalah

saldo akhir stock di gudang.

IV-75

Gambar 4.13Diagram Arus Data Level 1 Menentukan Jumlah Kebutuhan Barang

Gambar 4.13 menjelaskan tentang arus data dan rangkaian prosedur

penentuan kebutuhan barang (net requirement). Kemudian perhitungan ini

digunakan dalam proses 4 yaitu menyesuaikan terhadap exception dalam

peramalan.

Gambar 4.14 Diagram Arus Data Level 2 Meramalkan Penjualan

Data historis penjualan outlet yang dikumpulkan dalam bentuk formulir

akan diinput ke dalam komputer dan ditampung dalam sebuah basis data yang

terintegrasi dengan program komputer. Basis data ini dibuat agar data dapat

terorganisir dan tersimpan dengan baik serta memudahkan dalam pencarian data.

4.4.2 Pengkodean

PT Sinar Niaga Sejahtera sudah menerapkan sistem pengkodean dalam

menginput data. Oleh karena itu dalam penelitian ini, pengkodean akan mengikuti

pengkodean yang saat ini dipakai oleh PT Sinar Niaga Sejahtera. Pengkodean

dilakukan untuk tabel nama produk, jenis produk, supplier, salesman, customer

dan harga. Berikut adalah kode yang telah digunakan di PT Sinar Niaga Sejahtera:

IV-76

1. Kode Nama Barang

Pembuatan kode supplier dilakukan dengan auto increment dimana kode

digenerate secara otomatis oleh sistem untuk menghindari kesalahan input

kode oleh operator. Kode yang digunakan adalah sama dengan yang saat ini

telah digunakan oleh PT Sinar Niaga Sejahtera.

2. Kode Jenis Produk

Pembuatan kode jenis produk dilakukan dengan auto increment dimana kode


kode oleh operator. Kode yang digunakan adalah nama jenis itu sendiri,

misalnya ”Susu”, ”Minyak”, dll.

3. Kode Merk Produk

Pembuatan kode merk produk dilakukan dengan auto increment dimana kode


kode oleh operator. Kode yang digunakan adalah nama merk itu sendiri,

misalnya ”Atom Ekspor”, ”Kacang Garing”, dll.

4. Kode Supplier





5. Kode Salesman





6. Kode Customer





IV-77

4.4.3 Tahap Perancangan Logika

Tahap perancangan logika program dilakukan dengan teknik normalisasi. Tujuan normalisasi adalah mengidentifikasikan hubungan

antar atribut, mengkombinasikan atribut untuk membentuk relasi, dan mengkombinasikan relasi untuk membentuk database. Berikut ini

adalah contoh tabel transaksi yang saat ini digunakan oleh PT. Sinar Niaga Sejahtera dan akan didesain ulang dengan menggunakan teknik

normalisasi:

Tabel 4.1 Tabel Transaksi PT. Sinar Niaga Sejahtera

No. Faktur Tgl Beli Kd Salesman Kd Customer Nama Customer Kd Harga Merk Kd Barang Nama Barang Isi Box Qty

(Sumber: PT Sinar Niaga Sejahtera distributor Wilayah Surakarta, 2009)

lxxviii

1. Normalisasi Pertama (1NF/First Normal Form)

Syarat normalisasi pertama adalah bahwa setiap atribut hanya memiliki

satu dan hanya satu nilai. Tabel 4.1 dapat dikatakan telah memenuhi syarat

normalisasi pertama karena setiap atributnya hanya memiliki satu dan hanya satu

nilai.

2. Normalisasi Kedua (2NF/Second Normal Form)

Syarat normalisasi kedua adalah semua atribut harus tergantung penuh

pada primary key sehingga beberapa atribut yang sama dan dipakai dalam

beberapa tabel, dibuat tabel-tabel master dari atribut-atribut yang sama tersebut.

Berikut adalah tabel-tabel yang memerlukan normalisasi kedua:

Master produk

Tabel 4.2 Tabel Master produk

Entitas Atribut

Produk

Kode Produk*

Nama Produk

Merk Produk

Jenis Produk

Kode Supplier

Isi Box

Master supplier

Tabel 4.3 Tabel Master Supplier

Entitas Atribut

Supplier

Kode Supplier*

Nama Supplier

Alamat

No. Telp

Contact Person

Email

lxxix

Master salesman

Tabel 4.4 Tabel Master Salesman

Entitas Atribut

Salesman

Kode Salesman*

Nama Salesman

No. HP

Master outlet

Tabel 4.5 Tabel Master Outlet

Entitas Atribut

Outlet

Kode Outlet*

Nama Outlet

Jenis Outlet

Alamat

Contact Person

No. Telp Outlet

Email

Master harga

Tabel 4.6 Tabel Master Harga

Entitas Atribut

HargaNama Produk*

Harga

Sehingga dengan dibuatnya tabel-tabel master, tabel-tabel entitas akan

mengalami perubahan sebagai berikut:

lxxx

Tabel 4.7 Tabel Data Pembelian 2NF

Entitas Atribut

Pembelian

No. Faktur Pembelian*

Tanggal Pembelian

Kode Supplier**

Kode Produk**

Nama Merk

Qty

Harga

Jumlah Tagihan

Keterangan

Tabel 4.8 Tabel Penjualan 2NF

Entitas Atribut

Penjualan

No. Faktur Penjualan*

Tanggal Penjualan

Kode Salesman**

Kode Outlet**

Kode Produk**

Qty

Harga

Jumlah Tagihan

Keterangan

Tabel 4.9 Tabel Penjualan Outlet 2NF

Entitas Atribut

Penjualan

Outlet

Tanggal Penjualan Outlet*

Kode Outlet**

Kode Produk**

Nama Merk

Qty

lxxxi

Tabel 4.10 Tabel Pengeluaran Barang 2NF

Entitas Atribut

Pengeluaran

Barang

No. Nota Pengeluaran*

Tanggal

Keterangan

Kode Produk**

Merk

Qty

Tabel 4.11 Tabel Pemasukan Barang 2NF

Entitas Atribut

Pemasukan Barang

No. Nota Pengiriman*

Tanggal

Keterangan

Kode Produk**

Merk

Qty

Karena akan ditambahkan fitur baru di dalam sistem pendukung keputusan

yaitu fitur event reminder maka akan ditambahkan satu tabel baru yaitu tabel

calendar event untuk menginput jadwal promosi ataupun event lain yang

diselenggarakan oleh outlet maupun pihak supplier. Berikut ini adalah tabel

calendar event yang dimaksud:

Entitas : Calendar Event

Tabel 4.12 Tabel Calendar Event

Entitas Atribut

Calendar Event

Tanggal Event*

Kode Penyelenggara**

Nama Penyelenggara

Keterangan Event

Kode Produk **

Nama Produk

Koreksi

lxxxii

3. Normalisasi Ketiga (3NF/Third Normal Form)

Syarat normalisasi ketiga adalah ketergantungan parsial harus dipisahkan.

Pada tahap ini dianalisa tabel-tabel hasil dari normalisasi kedua. Pada normalisasi

kedua tidak ada ketergantungan parsial antar tabel sehingga tabel – tabel pada

normalisasi ke-dua tidak mengalami perubahan.

4.4.4 Entity Relationship Diagram (ERD)

Entity Relationship Diagram menggambarkan hubungan antara tabel-tabel

dalam database yang akan dipakai dalam program komputer. Hubungan antara

table – table master dapat dilihat pada gambar 4.15

Gambar 4.15 Entity Relationship Diagram (ERD)

Gambar 4.15 memaparkan tentang hubungan antar table – table yang ada dalam

sistem pendukung keputusan yang dirancang. Digambarkan hubungan antar table

serta field – field masing – masing table dengan field pada table yang lain.

Sebagai contoh table pembelian terhubung dengan table supplier pada field “kode

supplier”, demikian seterusnya.

1

∞1

∞

∞

∞

∞

∞

1

∞1

1

∞

∞∞∞

1

1

1

lxxxiii

4.5 PERANCANGAN BASIS DIALOG

Pada bagian desain logika tabel yang sudah mengalami normalisasi akan

menghasilkan tabel-tabel baru. Dalam tahap ini akan diuraikan kamus data untuk

setiap tabel serta perancangan user interface input dan output.

4.5.1 Kamus Data

Tabel 4.13 Komponen Tabel Master Produk

Nama Field Tipe Data Ukuran

Kode Produk Character 5

Nama Produk Character 50

Merk Produk Character 20

Jenis Produk Character 15

Kode Supplier Character 5

Isi Box Numeric 3

Tabel 4.14 Komponen Tabel Master Supplier


Kode Supplier Character 5

Nama Supplier Character 30

Alamat Character 50

No. Telp Numeric 10

Contact Person Numeric 10

Email Character 30

Tabel 4.15 Komponen Tabel Master Salesman


Kode Salesman Character 5

Nama Salesman Character 20

No. HP Numeric 13

lxxxiv

Tabel 4.16 Komponen Tabel Master Outlet

Nama Field Tipe Data UkuranKode Outlet Character 5

Nama Outlet Character 30

Jenis Outlet Character 15

Alamat Character 30

Contact Person Numeric 13

No. Telp Outlet Numeric 13

Email Character 30

Tabel 4.17 Komponen Tabel Master Harga



Harga Numeric 6

Tabel 4.18 Komponen Tabel Pembelian


No Faktur Pembelian Character 15

Tanggal Pembelian Date 8

Nama Supplier Character 30


Nama Merk Character 20

Qty Numeric 10

Harga Numeric 6

Jumlah Tagihan Numeric 10

Keterangan Character 7

Tabel 4.19 Komponen Tabel Penjualan Outlet


Tanggal Date 8

Kode Outlet Character 5


Merk Character 20

Qty Numeric 10

lxxxv

Tabel 4.20 Komponen Tabel Penjualan


No. Faktur Character 15

Tanggal Date 8

Kode Outlet Character 5


Qty Numeric 10

Harga Numeric 6

Jumlah Tagihan Numeric 10


Tabel 4.21 Komponen Tabel Pengeluaran Barang


No. Nota Pengeluaran Character 15

Tanggal Date 8


Merk Character 20

Qty Numeric 10


Tabel 4.22 Komponen Tabel Pemasukan Barang


No. Nota Pemasukan Character 15

Tanggal Date 8


Merk Character 20

Qty Numeric 10


lxxxvi

Tabel 4.23 Komponen Tabel Pemasukan Barang


Tangga Event Date 8

Kode Penyelenggara Character 30

Nama Penyelenggara Character 50

Keterangan Event Character 70



Koreksi Numeric 3

4.5.2 Perancangan User Interface Input

Perancangan user interface input meliputi perancangan form-form menu

utama, data supplier, data produk, data salesman, data outlet (customer), purchase

order, mutasi barang keluar, dan mutasi barang masuk.

Gambar 4.16 Form Menu Utama

Menu Utama terdiri dari 4 menu yaitu menu data induk, menu purchasing,

menu mutasi barang, dan menu laporan. Menu data induk berisi data-data master

yaitu master barang, master supplier, master salesman, master outlet, dan master

harga. Pada menu ini user dapat mengubah, menambahkan, maupun menghapus

data setiap tabel master. Menu purchasing digunakan untuk menambahkan atau

menghapus purchase order secara harian yang kemudian ditampilkan dalam

laporan secara harian dan bulanan. Menu mutasi barang mengacu pada stock

barang di gudang yaitu pencatatan jumlah barang yang keluar maupun yang

masuk ke gudang. Menu laporan digunakan untuk mengumpulkan tabel-tabel

perhitungan peramalan serta grafik data penjualan selama 1 tahun.

lxxxvii

Gambar 4.17 Form Data Barang

Nama form : Data Barang

Fungsi : Memasukkan, mengubah, dan menghapus data barang

Data Environment : Tabel data barang

Tabel data supplier

Proses : - Mengisi data barang

- Mengisi data supplier yang terkait

- Menyimpan data

Gambar 4.18 Form Data Customer

Nama form : Data Customer

Fungsi : Memasukkan, mengubah, dan menghapus data customer

Data Environment : Tabel data customer

Proses : - Mengisi data customer

- Menyimpan data

lxxxviii

Gambar 4.19 Form Data Salesman

Nama form : Data Salesman

Fungsi : Memasukkan, mengubah, dan menghapus data salesman

Data Environment : Tabel data salesman

Proses : - Mengisi data salesman

- Menyimpan data

Gambar 4.20 Form Data Supplier

Nama form : Data Supplier

Fungsi : Memasukkan, mengubah, dan menghapus data supplier

Data Environment : Tabel data supplier

Proses : - Mengisi data supplier

- Menyimpan data

lxxxix

Gambar 4.21 Form Data Harga

Nama form : Data Harga

Fungsi : Memasukkan, mengubah, dan menghapus data harga

produk

Data Environment : Tabel data harga

Proses : - Mengisi data nama produk

- Mengisi data harga

No. Faktur :Tanggal :Kode Supplier :Keterangan :

Nama Merk Qty Harga Jumlah

Add Delete

New Save Close

Nama Produk

Gambar 4.22 Input Pembelian

Nama form : Data Purchasing (Pembelian)

Fungsi : Memasukkan, mengubah, dan menghapus data purchasing


Tabel data supplier


- Mengisi data barang yang dipesan

- Menyimpan data

xc

No. Faktur :Tanggal :Kode Outlet :Keterangan :

Nama Merk Qty Harga Jumlah Keterangan

Add Delete

New Save Close

Nama Produk

Gambar 4.23 Input Penjualan

Nama form : Data Penjualan

Fungsi : Memasukkan, mengubah, dan menghapus data penjualan


Tabel data outlet

Proses : - Mengisi data outlet

- Mengisi data barang yang dipesan

- Menyimpan data

Tanggal :Kode Outlet :Keterangan :

Nama Produk Nama Merk Qty Add Delete

Save New

Close

Gambar 4.24 Input Penjualan Outlet

Nama form : Data Penjualan

Fungsi : Memasukkan, mengubah, dan menghapus data penjualan

outlet


Tabel data outlet

Proses : - Mengisi data outlet

- Mengisi data penjualan barang

- Menyimpan data

xci

Gambar 4.25 Form Mutasi Barang Masuk

Nama form : Data Mutasi Barang Masuk

Fungsi : Memasukkan dan menghapus data barang yang masuk ke

gudang



- Menyimpan data

Gambar 4.26 Form Mutasi Barang Keluar

Nama form : Data Mutasi Barang Keluar

Fungsi : Memasukkan dan menghapus data barang yang keluar dari

gudang

Data Environment : Tabel data produk

Proses : - Mengisi data barang

- Menyimpan data

xcii

Gambar 4.27 Form Jadwal Promosi

Nama form : Data Promosi

Fungsi : Memasukkan dan menghapus data jadwal promosi outlet

dan supplier

Data Environment : Tabel data produk, tabel data outlet dan tabel data supplier

Proses : - Mengisi data promosi

- Menyimpan data

4.5.3 Perancangan User Interface Output

Perancangan user interface output meliputi laporan penjualan, report stock

gudang, perhitungan peramalan, dan hasil perhitungan kebutuhan bersih produk

(net requirement).

Nama ProdukPenjualan

(Unit)Penjualan

(Box)

Laporan Penjualan Bulan :

Jumlah

Gambar 4.28 Form Laporan Penjualan

xciii

Gambar 4.29 Form Report Stock

Nama Produk

Hasil Peramalan

Saldo Stock

Net Requirement

Kebutuhan Bulan :

Gambar 4.30 Form Report Kebutuhan Bersih Barang

4.6 PERANCANGAN APLIKASI CPFR

Pada tahap ini akan dilakukan perancangan konstruksi program. Basis

model, basis data, dan basis dialog yang telah dibuat pada tahap sebelumnya

kemudian dituangkan dalam bahasa pemrograman ke dalam software Microsoft

Visual Foxpro. Berikut ini adalah tampilan sistem pendukung keputusan yang

dirancang dengan software Microsoft Visual Foxpro:

1. Event alert

Event alert akan muncul pada saat pertama kali pengguna membuka

program. Berikut ini adalah tampilan event alert yang dirancang dalam sistem

pendukung keputusan:

Gambar 4.31 Event alert

xciv

2. Log in User

Pengguna sistem pendukung keputusan harus melakukan log in terlebih

dahulu sebelum masuk ke dalam program. Log in dibedakan menjadi 2 identitas

nama yaitu untuk staf input data saja dan untuk kepala cabang. Staf input data

hanya dapat membuka membuka menu input data saja sedangkan kepala cabang

dapat membuka semua menu yaitu menu input data, master data dan laporan.

Berikut adalah tampilan log in user sistem pendukung keputusan yang dirancang:

Gambar 4.32 Log in user

3. Input Data Purchasing

Tabel input data purchasing digunakan untuk melakukan pemesanan

barang ke supplier. Berikut adalah tampilan tabel input data purchasing sistem

pendukung keputusan yang dirancang:

Gambar 4.33 Tabel Input Data Purchasing

xcv

4. Input Data Penjualan Outlet

Berikut adalah tampilan tabel input data penjualan outlet sistem


Gambar 4.34 Tabel Input Data Penjualan Outlet

5. Input Data Penjualan

Berikut adalah tampilan tabel input data penjualan sistem pendukung

keputusan yang dirancang:

Gambar 4.35 Tabel Input Data Penjualan

xcvi

6. Input Data Pemasukan Barang

Tabel ini digunakan untuk mencatat data semua barang yang masuk ke

gudang. Berikut adalah tampilan tabel input data pemasukan barang sistem


Gambar 4.36 Tabel Input Data Pemasukan Barang

7. Input Data Pengeluaran Barang

Tabel ini digunakan untuk mencatat data semua barang yang keluar dari

gudang kecuali data penjualan karena data penjualan sudah langsung mengurangi

posisi saldo stok pada gudang. Berikut adalah tampilan tabel input data

pengeluaran barang sistem pendukung keputusan yang dirancang:

Gambar 4.37 Tabel Input Data Pengeluaran Barang

xcvii

8. Input Data Event

Tabel ini digunakan untuk mencatat data semua event produk pada

supplier maupun outlet. Berikut adalah tampilan tabel input data event sistem


Gambar 4.38 Tabel Input Data Event

9. Pemrosesan Koreksi Peramalan

Tabel ini digunakan untuk melihat jenis event yang terjadi dan kemudian

menambahkan koreksi pada menu ”Proses Pembelian”. Berikut adalah tampilan

tabel proses koreksi sistem pendukung keputusan yang dirancang:

Gambar 4.39 Tabel Proses Koreksi Peramalan

xcviii

4.7 Validasi Sistem Pendukung Keputusan

Tahap pengujian validitas akan dilakukan terhadap performansi sistem

pendukung keputusan yang dibangun. Kriteria yang diukur dalah validasi program

ini adalah ground truth (dasar kebenaran) dan judgment (penilaian).

4.7.1 Ground Truth (dasar kebenaran)

Atribut yang dinilai di sini adalah kecepatan sistem dalam melakukan

pemrosesan data yang diinput atau jumlah waktu yang diperlukan user saat

bekerja dengan sistem yang dibangun.

Pengukuran kecepatan dilakukan untuk mengetahui seberapa cepat sistem

mengambil data dan melakukan pengolahan data hingga output dari pengolahan

data ditampilkan pada layar monitor. Pengujian kecepatan pemrosesan data

dilakukan pada perangkat keras komputer dengan spesifikasi sebagai berikut:

1. Processor AMD Athlon ™ XP 1700. 1,11 GHz

2. Memory RAM 256 Mb

3. Operating System Microsoft Windows XP Professional.

Pengukuran kecepatan dilakukan pada tiga jenis report, yaitu report hasil

peramalan penjualan, report saldo stok dan report perhitungan kebutuhan bersih

barang.

a. Report Hasil Peramalan Penjualan

Pengukuran kecepatan yang dimaksud adalah pengukuran kecepatan SPK

dalam mengambil data, mengolah dan menampilkan hasil pengolahan database

pada layar monitor. Banyaknya data yang diambil dan diolah adalah sebanyak 12

periode yaitu dari bulan Agustus 2008 – Juli 2009 dari total produk yang ada.

Kemudian jumlah ini akan dibreakdown untuk masing – masing jenis produk,

merk produk, dan item unit produk (SKU). Running time dihitung pada saat

penekanan tombol “preview” pada masing – masing report peramalan sampai

dimunculkannya report untuk masing – masing kelompok produk.

Hasil pengujian pengukuran kecepatan penyajian report peramalan total

produk, jenis produk, merk produk dan item unit mendapatkan running time untuk

masing – masing laporan yang cukup cepat yaitu 3 detik. Running time ini

termasuk running time proses pengambilan data, pengolahan data, dan

menampilkan data pada layar monitor. Terlihat bahwa banyaknya data yang

xcix

diolah tidak mempengaruhi kinerja SPK dalam melakukan pengolahan data.

b. Report Saldo Stok

Pada pengukuran kecepatan menampilkan report saldo stok yang diukur

adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil

pengolahan database pada layar monitor. Data yang diambil adalah data mutasi

keluar dan masuknya 157 item produk ke dalam produk. Running time dihitung

pada saat penekanan tombol “preview” pada report saldo stok.

Hasil pengujian pengukuran kecepatan penyajian report saldo stok,

mendapatkan running time yang cukup cepat yaitu 3 detik. Running time ini

termasuk running time proses pengambilan data, pengolahan data, dan



c. Report Perhitungan Kebutuhan Bersih Barang.

Pada pengukuran kecepatan menampilkan report saldo stok yang diukur

adalah kecepatan SPK dalam mengambil data, mengolah dan menampilkan hasil

pengolahan database pada layar monitor. Data yang diambil adalah data hasil

peramalan dan data saldo stok. Running time dihitung pada saat penekanan tombol

“preview” pada report net requirement.

Dari hasil pengujian pengukuran kecepatan penyajian report net

requirement, didapatkan running time yang cukup cepat yaitu 3 detik. Running

time ini termasuk running time proses pengambilan data, pengolahan data, dan



4.7.2 Judgment (Penilaian)

Atribut yang dinilai pada tahap ini meliputi pengujian program aplikasi

yang telah dibuat untuk mengetahui apakah SPK yang dirancang dapat memenuhi

kebutuhan pengguna. Kriteria validasi ini adalah sebagai berikut:

a. Apakah SPK ini mampu memberikan alternatif keputusan jumlah kebutuhan

barang?

Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan

c

pengujian kecepatan, diperoleh kesimpulan bahwa SPK ini mampu

memberikan alternatif keputusan jumlah kebutuhan barang berdasarkan hasil

peramalan. Alternatif keputusan berupa hasil peramalan dengan menggunakan

metode peramalan Winter dengan mengagregasi produk menjadi 4 level yaitu

level SKU, level merk, level jenis produk, dan yang terakhir adalah jumlah

keseluruhan produk. Hasil peramalan selengkapnya dapat dilihat pada

lampiran 3.

b. Apakah SPK ini mampu memberikan peringatan akan adanya promo event di

outlet maupun supplier?

Hasil pengujian yang dilakukan pada hari dan tempat yang sama dengan

pengujian kecepatan, dismpulkan bahwa SPK ini mampu memberikan

peringatan kepada kepala cabang apabila pada periode berikutnya terdapat

kegiatan promosi dari outlet maupun supplier. Hal ini akan sangat membantu

kepala cabang dalam menentukan keputusan jumlah kebutuhan barang pada

periode berikutnya.

4.8 Pengujian Ketepatan Output SPK dengan Perhitungan Manual

Pengujian ketepatan perhitungan ini dilakukan pada ketepatan dalam

melakukan peramalan. Data yang digunakan adalah data sales outlet periode

Agustus 2008 – Juli 2009. Pengujian ini dilakukan dengan cara membandingkan

output hasil peramalan dari SPK dengan perhitungan yang dilakukan secara

manual dengan Microsoft Excel. Perbandingan output hasil perhitungan pushdown

peramalan dibandingkan dengan output perhitungan manual dengan menggunakan

Microsoft Excel. Berikut ini adalah hasil perhitungan manual dengan

menggunakan Microsoft Excel:

a. Hasil Peramalan Total Penjualan

Dari total penjualan bulan Agustus 2008 sampai dengan bulan Juli 2009

didapatkan hasil peramalan total penjualan untuk bulan Agustus 2009 berdasarkan

perhitungan SPK adalah 7.334.171 unit barang. Sedangkan hasil perhitungan

manual adalah sebesar 7.343.600 unit barang. Terdapat selisih sebanyak 9.429

unit barang. Hal ini disebabkan oleh berbedanya sistem pembulatan yang dipakai

dalam SPK dan perhitungan manual. Sistem pendukung keputusan yang dirancang

ci

menggunakan sistem pemotongan sampai 2 digit di belakang koma sedangkan

pada Microsoft Excel angka tidak dipotong dan tidak dibulatkan.

b. Hasil Peramalan (Force- Down) untuk Jenis Produk

Perhitungan peramalan untuk jenis produk (proses force down) dilakukan

dengan membandingkan output peramalan SPK dengan perhitungan manual

menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan

dengan menggunakan SPK dan secara manual:

Tabel 4.24 Hasil Perbandingan Push-down untuk Jenis Produk

Jenis Produk

SatuanHasil Peramalan

SPK ManualAMDK Unit 466.328,49 466.328,49Biskuit Unit 1.673.599,96 1.673.599,96Jelly Unit 3.235.034,05 3.235.034,05

Kacang Unit 1.197.112,37 1.197.112,37Minyak Unit 32.799,67 32.799,67

Obat Unit 6.648,13 6.648,13Snack Unit 722.404,02 722.404,02Susu Unit 244,70 244,70

Hasil perhitungan dengan menggunakan SPK dan secara manual adalah

sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk

jenis produk yang dilakukan oleh sistem SPK adalah baik.

c. Hasil Peramalan (Force Down) untuk Merk Produk

Perhitungan peramalan untuk jenis produk (proses force-down) dilakukan

dengan membandingkan output peramalan SPK dengan perhitungan manual

menggunakan Microsoft Excel. Berikut adalah perbandingan hasil perhitungan

dengan menggunakan SPK dan secara manual:

cii

Tabel 4.25 Hasil Perbandingan Force-down untuk Merk Produk

SPK ManualAMDK cup 89.130,50 89.130,50Atom Eksport 2.194,12 2.194,12Atom Lokal 0,00 0,00Atom Manis Eksport 5.058,62 5.058,62Atom Pedas Ekport 2.922,07 2.922,07Biskuit Cookies 553,15 553,15Biskuit Premium 0,00 0,00Garing Biga Eksport 544,93 544,93Garing Eksport 226,19 226,19Garing Garuda Metalize 197.459,11 197.459,11Garing Rasa Eksport 2.952,92 2.952,92Garing Rasa Lokal 13.711,75 13.711,75Gerry Soes Eksport 5.936,68 5.936,68Gerry Extrude Coklat 149.482,36 149.482,36Jelly Eksport 52.025,69 52.025,69Jelly Lokal 5.542.363,25 5.542.363,25Kedele Eksport 643,63 643,63Keffy Tamarind Cup 18.476,31 18.476,31Kraker Beras Eksport 0,00 0,00Leo Snack Eksport 4.955,80 4.955,80Marie Salut Premium 2,05 2,05Mountea Eksport 479.921,62 479.921,62Obat Batuk Hitam 575,77 575,77OBH Combi Ekport 4.565,10 4.565,10Oven Garuda Bawang 24.398,61 24.398,61Oven Garuda Pedas 23.002,34 23.002,34Oven Garuda Premium 6.543,31 6.543,31Oven Lokal 0,00 0,00Pilus Eksport 3.728,16 3.728,16Pilus Garuda Premium 423.347,28 423.347,28Pilus Lokal 0,00 0,00Pop Corn Butter 10.166,60 10.166,60Pop Corn Jagung 32.399,87 32.399,87Prestine Honey 98,70 98,70Prestine Vanilla 90,47 90,47Refill Energi Premium 0,00 0,00Sari Murnia Eksport 3.345,68 3.345,68Super Cup Lokal 740,28 740,28Telur Eksport 10.298,20 10.298,20Ting ting Garuda 0,00 0,00Wafer Cream 17.900,54 17.900,54Wafer Garuda Eksport 400,98 400,98Wafer Stick 204.008,59 204.008,59

Merk BarangHasil Perhitungan


sama. Dengan demikian dapat dikatakan bahwa perhitungan force-down untuk

merk produk yang dilakukan oleh sistem SPK adalah baik.

ciii

d. Hasil Peramalan (Force Down) untuk Item Unit (SKU) Produk

Perhitungan peramalan untuk level selanjutnya adalah perhitungan untuk

tiap SKU (stok keeping unit). Pada tahap ini dilakukan dengan membandingkan

output peramalan SPK dengan perhitungan manual menggunakan Microsoft

Excel. Perbandingan hasil perhitungan dengan menggunakan SPK dan secara

manual dapat dilihat pada lampiran 3.


sama. Dengan demikian dapat dikatakan bahwa perhitungan push-down untuk tiap

SKU yang dilakukan oleh sistem SPK adalah baik.

civ

BAB VANALISIS DAN INTERPRETASI HASIL

Pada bab analisis dan interpretasi hasil akan dilakukan analisis dan

interpretasi hasil perancangan sistem. Analisis dan interpretasi hasil dilakukan

terhadap perbandingan hasil peramalan sistem awal dan sistem usulan serta

implementasi sistem pendukung keputusan.

5.1 Perbandingan Sistem Awal dan Sistem Usulan

PT. Sinar Niaga Sejahtera merencanakan pengadaan barang dengan

menggunakan data historis permintaan dari outlet ke distributor sebagai data

historis untuk melakukan peramalan. Sedangkan pada penelitian ini diusulkan

untuk menggunakan data historis penjualan dari outlet ke konsumen yang

digunakan sebagai data historis dalam melakukan peramalan. PT Sinar Niaga

Sejahtera distributor wilayah Surakarta melakukan pemesanan barang sebanyak

8.026.500 unit barang kepada pihak produsen pada bulan Agustus 2009. Alternatif

keputusan pengadaan barang berdasarkan hasil perhitungan SPK adalah sebesar

7.334.171 unit barang. Penjualan outlet pada bulan Agustus 2009 yang

sesungguhnya adalah sebesar 7.561.238 unit barang. Berikut adalah hasil

perhitungan selisih kebutuhan barang antara sistem awal dengan sistem usulan:

Tabel 5.1 Perbandingan Selisih Kebutuhan Barang pada Sistem Awal dan

Sistem Usulan (dalam unit produk) dengan Kebutuhan Aktual

Sistem Pengadaan Barang Selisih

Sistem Awal 465.262

Sistem Usulan - 277.068

Berdasarkan hasil perhitungan selisih di atas dapat dilihat bahwa error

pada sistem usulan lebih kecil daripada error pada sistem awal. Hal ini

dikarenakan pada sistem awal pengadaan barang dilakukan berdasarkan data

historis permintaan outlet kepada PT. Sinar Niaga Sejahtera. Biasanya outlet

memesan lebih banyak daripada kebutuhannya dalam sebulan. Selisih barang

yang banyak ini tersimpan sebagai stok barang di gudang outlet maupun di

cv

gudang PT. Sinar Niaga Sejahtera distributor wilayah Surakarta. Sedangkan pada

sistem usulan selisihnya lebih kecil daripada sistem awal karena perencanaan

pengadaan barang dilakukan dengan menggunakan data aktual penjualan outlet

sebagai data historis. Tentu saja hal ini mengurangi variansi yang terjadi dalam

permintaan konsumen. Tanda negatif menunjukkan bahwa hasil perhitungan SPK

tidak dapat memenuhi kebutuhan barang untuk bulan Agustus 2009. Hasil

perhitungan SPK belum ditambah dengan pertimbangan manajerial mengingat

pada bulan Agustus biasanya permintaan bertambah karena terdapat perayaan

Hari Kemerdekaan RI dan masa liburan sekolah. Apabila pertimbangan

manajerial telah ditambahkan dalam tabel koreksi dalam SPK maka hasil

perhitungan SPK dapat lebih mendekati kebutuhan konsumen yang

sesungguhnya.

Berdasarkan uraian di atas SPK usulan dapat dikatakan valid karena dapat

mengakomodir kebutuhan dalam merencanakan pengadaan barang yaitu

menggunakan data penjualan outlet sebagai data historis penjualan, menggunakan

metode peramalan yang valid serta dapat memberikan peringatan satu bulan

sebelum terjadi event promo dan event reguler yang dijadikan sebagai

pertimbangan manajerial dalam menentukan keputusan pengadaan barang.

5.2 Analisis Collaborative Planning and Forecasting terhadap Bullwhip Effect

Bullwhip effect adalah meningkatnya variabilitas permintaan pada jalur

rantai pasok yang mengarah ke hulu. Terdapat 4 faktor yang menjadi penyebab

bullwhip effect yaitu pembaharuan peramalan, order batching, fluktuasi harga, dan

sikap spekulatif outlet (rationing and shortage gaming). Harga produk yang

didistribusikan oleh PT. Sinar Niaga Sejahtera relatif stabil. Pembaharuan

peramalan dan sikap spekulatif outlet menjadikan terjadinya selisih permintaan

outlet dengan kebutuhan produk PT. Sinar Niaga Sejahtera. Peramalan yang

dilakukan secara masing – masing dengan metode yang berbeda-beda membuat

variansi error menjadi besar. Penumpukan error karena pembaharuan peramalan

inilah yang menyebabkan terjadinya bullwhip effect di PT. Sinar Niaga Sejahtera.

Sikap spekulatif outlet juga menjadi salah satu penyebab terjadinya bullwhip

effect. Outlet selalu memesan barang lebih banyak daripada kebutuhannya dalam

satu minggu. Hal ini dilakukan untuk mengantisipasi apabila terjadi lonjakan

cvi

permintaan konsumen ataupun jika distributor melakukan rationing atau

membatasi order dari outlet. Rationing dilakukan apabila terjadi gangguan dalam

proses distribusi produk dari supplier ke distributor sehingga persediaan barang di

gudang distributor menjadi terbatas jumlahnya. Rationing jarang dilakukan oleh

PT. Sinar Niaga Sejahtera karena persediaan di gudang selalu dapat memenuhi

order dari outlet. Kelebihan barang yang tersimpan di gudang outlet pada akhirnya

akan menjadi rusak atau kadaluarsa dan harus dikembalikan ke PT. Sinar Niaga

Sejahtera.

Terdapat lima cara untuk mengatasi bullwhip effect. Harga barang

diasumsikan stabil. Lead time untuk setiap produk adalah sama, yaitu 3 hari kerja

untuk pengiriman dari supplier ke PT. Sinar Niaga Sejahtera dan 1 hari kerja

untuk pengiriman dari PT. Sinar Niaga Sejahtera ke outlet. Banyaknya retur yang

terjadi di PT. Sinar Niaga Sejahtera dapat diatasi melalui pembagian informasi

penjualan dari outlet ke PT. Sinar Niaga Sejahtera serta informasi lainnya yang

mempengaruhi penjualan produk dari dan ke PT. Sinar Niaga Sejahtera.

5.3 Implementasi Sistem Pendukung Keputusan Collaborative Planning and

Forecasting

Sistem pendukung keputusan yang dirancang akan memberikan perbaikan

kepada perusahaan apabila diimplementasikan dengan baik. Terdapat beberapa hal

yang harus diperhatikan oleh perusahaan untuk mengimplementasikan sistem

pendukung keputusan CPF, yaitu sebagai berikut:

1. Dokumentasi data historis penjualan outlet sebagai input data dalam

melakukan peramalan permintaan konsumen selanjutnya. Semakin banyak

jumlah data historis yang dimiliki akan semakin meningkatkan akurasi

peramalan.

2. Teknologi informasi untuk mendukung sistem pendukung keputusan yang

dirancang. Informasi penjualan outlet yang real time akan didapatkan apabila

distem pendukung keputusan di perusahaan diintegrasikan dengan sistem

informasi outlet dengan bantuan teknologi informasi. Teknologi informasi

yang digunakan dapat berupa sistem barcode maupun EDI (Electronic Data

Interchange).

cvii

3. Perangkat keras sistem pendukung keputusan CPF. Sistem pendukung

keputusan CPF dapat bekerja secara maksimal apabila didukung dengan

perangkat keras komputer yang baik. Spesifikasi perangkat keras yang

dianjurkan adalah minimal prosesornya Pentium 4 ataupun merk prosesor lain

yang setara dengannya. Perangkat keras untuk server sebaiknya memiliki

kapasitas hard disk yang besar dan memory ram minimal 512 kb.

4. Pengoptimalan komunikasi dan aliran informasi antara PT. Sinar Niaga

Sejahtera dengan outlet.

5. Pelatihan tenaga kerja inptu data untuk mengoperasikan sistem pendukung

keputusan CPF.

6. Kepekaan kepala cabang dalam menanggapi perubahan permintaan dan

memberikan koreksi peramalan.

cviii

BAB VIKESIMPULAN DAN SARAN

Pada bab ini akan dilakukan penarikan kesimpulan dari penelitian yang

dilakukan dan dapat dilihat apakah kesimpulan tersebut sudah menjawab tujuan

penelitian atau belum serta saran-saran perbaikan.

6.1 Kesimpulan

Dari penelitian tentang perancangan sistem pendukung keputusan untuk

mendukung CPFR dapat diambil kesimpuan sebagai berikut:

1. Sistem pendukung keputusan yang dirancang mampu memberikan alternative

keputusan jumlah kebutuhan barang dalam sebulan serta memberikan alert

setiap kali terdapat promo satu bulan sebelum promo dimulai sehingga

memberikan pertimbangan tambahan dalam menentukan kebutuhan barang

sesuai dengan konsep Collaborative Planning and Forecasting.

2. Hasil validasi SPK berdasarkan kriteria kecepatan (ground truth)

menunjukkan bahwa SPK yang dirancang mampu menangani informasi secara

cepat dan tepat. Sedangkan hasil analisa dengan kriteria penilaian (judgment)

dapat disimpulkan bahwa SPK yang dirancang mampu mendukung

Collaborative Planning and Forecasting karena mampu memberikan

alternative keputusan jumlah kebutuhan barang melalui hasil ramalan serta

memberikan alert promo supplier maupun outlet yang digunakan sebagai

pertimbangan tambahan dalam menentukan keputusan kebutuhan barang.

3. Hasil perbandingan sistem awal dengan sistem usulan adalah bahwa sistem

usulan dapat mengurangi kelebihan stok barang sebanyak 40 % untuk semua

produk. Dari hasil pengujian – pengujian dan perbandingan – perbandingan

tersebut, dapat diambil kesimpulan bahwa Sistem Pendukung Keputusan yang

dirancang memenuhi semua kriteria validasi yang ditetapkan sehingga SPK ini

dapat direkomendasikan kepada PT. Sinar Niaga Sejahtera untuk

diimplementasikan.

cix

6.2 Saran

Saran untuk penelitian selanjutnya dengan berdasarkan penelitian ini

adalah:

1. Sistem Pendukung Keputusan dapat dikembangkan kembali dengan

menambahkan kriteria collaborative replenishment.

2. Perlu dilakukan penelitian kembali terkait pengagregasian produk dengan

metode Pyramid Forecasting mengingat sistem pendukung keputusan yang

dirancang hanya mempertimbangkan keakuratan perhitungan secara total.

3. Diperlukan waktu penelitian yang lebih lama untuk melihat pengurangan

jumlah retur yang terjadi dengan mengimplementasikan sistem pendukung

keputusan CPFR.

cx

DAFTAR PUSTAKA

Chopra, S. dan Meindl, P. 2004. Supply Chain Management. Strategy, Planning,

and Operation. New Jersey: Prentice Hall Inc.

Gasperz, V. 2004. Production Planning and Inventory Control Berdasarkan

Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21.

Jakarta: PT. Gramedia Pustaka Utama.

Makridakis, S. Whellright, S.C. dan Mcgree, V.E. 1992. Metode dan Aplikasi

Peramalan (Terjemahan), Edisi 2. Jilid 1. Jakarta: Erlangga

Mcleod, R. 2000. Sistem Informasi Manajemen (Terjemahan) Edisi 10. Jakarta:

Salemba Empat

Pujawan, I. N. 2005. Supply Chain Management, Edisi Pertama. Surabaya: Guna

Widya.

Simchi-Levi, D., Kaminsky, P. D dan Simchi-Levi, E. 2000. Designing and

Managing The Supply Chain: Concepts, Strategies, and Case Studies. McGraw-

Hill Companies Inc.

Suharyadi, K. dan Ramdhani, M.A. 2000. Sistem Pendukung Keputusan: Suatu

wacana Struktural Idealisasi dan Implementasi Konsep Pendukung Keputusan.

Bandung: PT. Remaja Rosdakarya.

Tenhiälä, A. 2003. Collaborative Planning, Forecasting, and Replenishment in

European Grocery Retail, Seminar in Industrial Management. Helsinki University

Of Technology Department of Industrial Engineering and Management.

Winarno, W. W. 2004. Sistem Informasi Manajemen. Yogyakarta: UPP AMP

YKPN

cxi

Wibawa, Y. P. P. 2008. Perancangan Sistem Informasi Untuk Mendukung Proses

Bisnis di Moveable Distro and Clothing Surakarta. Tugas Akhir Program Sarjana,

Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret

Http://www.snsgroup.com

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN …... · iv-2 lembar pengesahan judul skripsi : perancangan...

Documents

Transcript of PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN …... · iv-2 lembar pengesahan judul skripsi : perancangan...