Professional Documents
Culture Documents
Analisis Peramalan Kebutuhan Persediaan Untuk Keunggulan Bersaing Pada Perusahaan Orca
Analisis Peramalan Kebutuhan Persediaan Untuk Keunggulan Bersaing Pada Perusahaan Orca
2 DESEMBER 2015
1,2,3,4
Universitas Telkom
Jl. Telekomunikasi
1 No. 1 Terusan Buah Batu – Dayeuhkolot, Bandung.
2
ratihhendayani@telkomuniversity.ac.id,
3
Rsimbara@student.telkomuniversity.ac.id, farizpermana@student.telkomuniversity.ac.id,
4
galangmahardika@student.telkomuniversity.ac.id.
ABSTRACT
Orca is a company that run in the field of handicrafts, mainly craft bracelet. In this
era of tight competition this time, Orca needs a competitive advantage to survive in this
industry. To have a competitive advantage, companies must have a good supply chain
management as well. Unfortunately, Orca has obstacles in the inventory is one of the Drivers
of suplly chain management. Inventories at Orca often occurs over load, causing storage
costs become swollen or a vacancy occurs so that the company's stock experienced a loss of
income potential. The aim of this study was to determine the best forecasting method to
forecast the demand for raw materials from ORCA thus making optimum inventory and gain a
competitive advantage.
This research is a quantitative descriptive research. Quantitative data analysis
was performed to predict the demand for raw materials ORCA using time series
forecasting methods. Historical data demand and supply ORCA processed using Microsoft
Excel and Minitab 17. The calculation of the error rate used is the method of MAD, MSE and
MAPE. Based on the results of data analysis, forecasting method best known is the
method of Quadratic Trend Model. This method was chosen because compared to other
methods or the error rate to its lowest error, MAPE of 103, amounting to MAD 370, and MSD
amounted to 205.095.
PENDAHULUAN
Dewasa ini, industri kreatif
memiliki peran penting dalam struktur
perekonomian negara. Menurut data dari dan fotografi (1,31%), musik (0,82%), seni
Laporan Akuntabilitas Kinerja Dirjen pertunjukan (0,46%), dan pasar barang
Ekonomi Kreatif Berbasis Seni Budaya seni (0,31%)
Kementerian Pariwisata dan Ekonomi Orca merupakan perusahaan yang
Kreatif tahun 2014, realisasi indikator bergerak di bidang kerajinan, utamanya
kontribusi Ekonomi Kreatif Berbasis Seni dan kerajinan gelang. Dengan kontribusi PDB
Budaya pada tahun 2014 mencapai 3,51% sektor EKSB yang mencapai 14,44%
atau melampaui target yang telah ditetapkan menunjukkan persaingan di industri
yaitu sebesar 2,52% dari PDB Nasional. kerajinan ini cukup ketat. Di era
Adapun kontribusi PDB sektor EKSB persaingan yang cukup ketat saat ini, Orca
diperoleh dari data sub sektor yaitu membutuhkan keunggulan bersaing untuk
tetap hidup di industri ini. Untuk memiliki
93
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
suatu keung
gulan bersaing, perusahaan harus memiliki penghemat
supply chain management yang baik pula. Sayangnya, an bila menggunakan metode EOQ sebesar
Orca memiliki kendala di bagian persediaan yang Rp 6.887.451,73.
merupakan salah satu Drivers dari suplly chain Judul: Peramalan Produksi Roti
management. Persediaan di Orca seringkali Menggunakan Metode Trend Musiman
terjadi over load sehingga (Studi Kasus Pabrik Roti Mr. Bread
menyebabkan biaya penyimpanan menjadi membengkak Bantargebang, Bekasi). Sumber: Retno,
ataupun terjadi kekosongan stock sehingga Marsudi. Kesimpulan: Metode peramalan
perusahaan mengalami kehilangan yang sesuai dalam memperkirakan
potensi pedapatan. Menurut Intan Maesti dan produksi penjualan pada periode yang
Marheni Eka (2014) untuk mengatur pola akan datang, dilakukan setelah
persediaan perlu adanya peramalan menentukan persediaan bahan baku dan
dan persediaan pengaman terhadap perhitungan dengan metode trend
pengadaan kebutuhan dan proses produksi musiman.
berikutnya. Juga menurut Mia Savira Judul: Analisis Pengendalian
dan Nadya N.K. (2014) peramalan tersebut Persediaan Bahan Baku dengan Metode
akan memungkinkan sebuah EOQ Guna Mencapai Tingkat Persediaan
perusahaan memiliki tingkat persediaan Optimal (Studi pada PT. The Univenus
yang optimal untuk membuat keputusan pembelian yang Sidoarjo). Sumber: Hariastuti.
sesuai dan mempertahankan efisiensi dari kegiatan Kesimpulan: (1) Dari perhitungan dapat
operasional. diketahui metode yang mempunyai ukuran
statistik standart dengan nilai kesalahan
TINJAUAN PUSTAKA terkecil (MAD) masing-masing sebesar
Penelitian Terdahulu 2,6247 untuk tissue toilet merk JOLLY,
Judul: Analisis Peramalan 0,9574 untuk tissue toilet merk NICE dan
Penjualan Obat Generik Berlogo (OGB) 0,1004 untuk tissue toilet merk GIANT
pada PT. Indonesia Farma. Sumber: adalah metode Triple Exponential
Savira, Nadya. Kesimpulan: (1) Hasil uji pola Smoothing (winter’s), berdasarkan hasil
data memperlihatkan bahwa data penjualan peramalan permintaan tersebut dapat
OGB tidak stasioner, (2) ditentukan tingkat persediaan ekonomis,
Diketahui metode peramalan time series jumlah pemesanan ekonomis dan siklus
terbaik untuk meramalkan penjualan OGB di persediaan yang optimal dari masing-
PT. Indofarma pada periode berikutnya, masing bahan baku produk tissue toilet.
terhitung dari bulan Juli 2014 sampai Judul: Peramalan Penjualan untuk
dengan Juli 2015 adalah metode tren Perencanaan Pengadaan Persediaan Buah
musiman, (3) Diketahui bahwa hasil Durian di Rumah Durian Harum Bintaro,
peramalan penjualan OGB menggunakan Jakarta. Sumber: Ajeng (2011),
perhitungan metode tren musiman. Kesimpulan: (1) Metode peramalan terdiri atas
Judul: Analisis Peramalan dan metode double moving average,
Pengendalian Persediaan Bahan Baku metode double eksponensial smoothing,
dengan Metode EOQ pada Optimalisasi metode dekomposisi, metode indeks
Kayu di Perusahaan Purezento. Sumber: musiman, dan metode winter’s. (2) Metode
Intan, Marheni. Kesimpulan: (1) peramalan time series yang dipilih adalah
Berdasarkan hasil Software Minitab 17 metode peramalan yang memiliki MSE
metode peramalan yang paling tepat (mean standar error) terkecil yaitu metode
adalah Proyeksi Tren, (2) Total biaya winter’s untuk buah durian medan 722629,
persediaan bahan baku mengalami buah monthong Thailand 2747612 dan
buat frozen durian 219518.
Judul: The effect of inventory on
94 Supply Chain. Sumber: Yue Meng (2006).
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
Kesimpulan: Untuk manajemen persediaan yang Sumber:
efektif, dengan pengadaan hal Murty Katta G (2006).
tersebut dapat diraih secra cepat. Seperti yang kita Kesimpulan: ketidakseimbangan bahan
ketahui, persediaan adalah dibeberapa perusahaan dapat dilacak dari
gabungan dari keseluruhan rantai pasok. Dalam prosedur mereka menggunakan peramalan
kasus ini, perusahaan dapat permintaan berdasarkan pada asumsi
menyimpan 200.000 SEK dari pengadaan. normalitas biasa. Teknik untuk peramalan
Judul: Forecasting method selection distribusi permintaan berdasarkan
in a global supply chain. pada statistik pembelajaran dan
Sumber: Gardner, Everette S. Acar, Yavuz (2010). peraturan pemesanan. Itu dapat
Kesimpulan : Dalam rantai memberikan hasil yang baik pada perusahaan
pasokan, peramalan merupakan faktor
penentu penting dari kinerja operasional, meskipun Supply Chain Management dalam
ada beberapa studi yang Keunggulan Bersaing
memilih metode peramalan atas dasar itu. Penelitian ini Supply Chain Management
adalah studi kasus dari metode seleksi meliputi kegiatan di dalam dan di luar
peramalan untuk perusahaan organisasi yang dilakukan oleh organisasi
global yang memproduksi tertentu untuk memberikan nilai tinggi
pelumas dan bahan bakar aditif, produk biasanya kepada pelanggan. (Irum Shahzadi, Saba
diklasifikasikan sebagai bahan kimia khusus. Model Amin, Kashif Mahmood Chaudhary,
supply chain yang kami gunakan berdasarkan data 2013). Namun dalam proses pemberian
aktual permintaan lalu kedua optimalisasi dan nilai tersebut terdapat masalah baru yaitu
menjalankan teknik simulasi. Optimalisasi, campuran pelanggan sebagai objek yang akan diberi
integer program, tergantung pada memiliki pandangan dan kebutuhan yang
permintaan perkiraan untuk berbeda. Menurut Barry Blake
mengembangkan produksi, persediaan, dan transportasi (2013) Tidak semua pelanggan adalah
rancangan apa yang sama, tidak semua saluran untuk pasar yang
meminimalisir rantai pasokan total biaya. Kurva sama dan tidak semua produk adalah sama,
tradeoff antara biaya total dan layanan pelanggan namun banyak jaringan rantai pasokan dan
yang digunakan untuk membandingkan metode proses bisnis telah dibakukan ke satu
pemulusan eksponensial. modus operasi. Persoalan pelanggan
Judul: Peramalan Stok Barang tersebut menjadikan proses
Untuk Membantu Pengambilan Keputusan segmentasi pelanggan menjadi penting.
Pembelian Barang Pada Toko Bangunan Xyz Menurut David L. Anderson, Frank
Dengan Metode Arima. Sumber: F. Britt, and Donavon J. Favre (1997)
Octavia Tanti, Yulia, Lydia (2013). segmentasi pelanggan dengan
Kesimpulan: metode Moving Average kebutuhan khusus mereka
Model (MA) lebih sesuai digunakan untuk data melengkapi sebuah perusahaan untuk
yang hampir sama pada tiap mengembangkan portofolio layanan yang
periodenya sedangkan model disesuaikan dengan berbagai segmen.
Autoregressive (AR) lebih sesuai dengan data Segmentasi pelanggan disini penting
yang berbeda jauh pada tiap terlebih dengan kemajuan teknologi saat ini.
periodenya. Semakin banyak data yang Menurut Indri Parwati dan Prima
digunakan dalam peramalan maka semakin Andrianto (2009) Perilaku konsumen
bagus model yang dihasilkan seiring dengan kemajuan teknologi yang
Judul: Forecasting for Supply semakin inovatif menuntut perhatian lebih dari
Chain and Portfolio Management. perusahaan. Oleh karena itu, peran dari
segmentasi pelanggan menjadi penting dalam
proses pemberian nilai yang tinggi kepada
pelanggan sebagai bagian dari tujuan
Supply Chain Management.
95
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
P r o s e s
memberikan nilai kepada pelanggan akan chain.
menghasilkan penilaian pelanggan. Menurut Kotler Dalam supply chain
hasil penilaian konsumen atas kualitas layanan tersebut terdapat faktor penggerak
akan membentuk pola loyalitas atau drivers yang akan menentukan kinerja dari
konsumen tertentu (Consumer Loyalty supply chain itu sendiri. Menurut Yudi
Pattern), yaitu dari sangat loyal sampai dengan Widyanto (2013) Untuk mencapai tujuan,
sangat tidak loyal. (dalam Endo Wijaya Kartika, dkk, suatu perusahaan harus mampu menata
2008). Akan tetapi, setiap organisasi tidak dapat atau menstrukturkan kombinasi dari
membuat pelanggan setia sampai tiga driver logistik dan tiga driver
kelancaran arus bahan baku untuk produksi dan lintas fungsi (cross functional driver). Masing-
produk akhir untuk konsumen
tercapai dan memberikan masing driver tersebut adalah: fasilitas atau
produk yang tepat pada waktunya secara efisien infrastruktur, inventori dan
(Irum Shahzadi, Saba Amin, & Kashif Mahmood transportasi untuk driver logistik,
Chaudhary, 2013). Kelancaran arus sedangkan informasi, sourcing dan harga
dari mulai bahan baku hingga produk jadi di untuk driver lintas fungsi. Menurut Chopra dan
tangan konsumen tersebut biasa kita sebut dengan Meindl (dalam Yudi Widyanto, 2013)
supply menggambarkan beberapa tingkatan
keputusan yang mungkin diambil dari
setiap driver.
96
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
Peramal an
lebih pada nilai terkini. Rata-rata
Permint bergerak dengan pembobotan dapat aan
Menurut Heizer dan Render (2009 :
162) peramalan adalah seni dan ilmu untuk digambarkan secara matematis
memperkirakan kejadian di masa depan. sebagai berikut.
Sedangkan Menurut Prasetya dan
Lukiastuti (dalam Mia Savira dan Nadya, ∑ ∑
2014), peramalan merupakan suatu usaha
3. Penghalusan Eksponensial
untuk meramalkan keadaan di masa Penghalusan Eksponensial adalah
mendatang melalui pengujian keadaan di masa suatu teknik peramalan rata-rata
lalu. bergerak dengan pembobotan dimana
Menurut Heizer dan Render (2009 : 164) titik-titik data dibobotkan oleh fungsi
peramalan permintaan adalah eksponensial. Rumus penghalusan
proyeksi permintaan untuk produk atau eksponensial dasar dapat ditunjukkan
layanan suatu perusahaan. Peramalan ini sebagai berikut.
disebut juga peramalan penjualan yang Dimana : = peramalan baru
mengendalikan produksi, kapasitas, serta
sistem penjadwalan dan menjadi input bagi = peramalan sebelumnya
perencanaan keuangan, pemasaran, dan = konstanta penghalusan
sumber daya manusia. (pembobotan)
= permintaan aktual
Peramalan Time Series
periode lalu
Menurut Heizer dan Render (2009 :
4. Proyeksi Tren
169) menganalisis time series berarti
membagi data masa lalu menjadi Proyeksi tren adalah suatu metode
komponen-komponen, kemudian peramalan serangkaian waktu yang
memproyeksikannya ke masa depan. Time sesuai dengan garis tren terhadap
series didasarkan pada urutan dari titik- titik serangkaian titik-titik data masa lalu,
data yang berjarak sama dalam waktu kemudian diproyeksikan ke dalam
(mingguan, bulanan, kuartal, dan lain- lain). peramalan masa depan. Rumus
Metode time series terdiri dari : proyeksi tren dapat ditunjukkan
sebagai berikut :
1. Pendekatan Naif
̂
Pendekatan Naif adalah teknik
peramalan yang mengasumsikan Dimana :
permintaan periode berikutnya sama ̂ = variabel terikat
dengan permintaan pada periode = persilangan sumbu y
terakhir. = kemiringan garis regresi
2. Rata-rata Bergerak = variabel bebas
Rata-rata bergerak adalah suatu kemiringan garis regresi dapat
metode peramalan yang menggunakan n ditemukan menggunakan persamaan
rata-rata periode terakhir data untuk berikut :
meramalkan periode berikutnya. ∑ ̅̅̅
Secara matematis, rata-rata bergerak ∑ ̅
sederhana dinyatakan sebagai berikut :
∑ dimana :
Dimana n adalah jumlah periode = kemiringan garis regresi
dalam rata-rata bergerak.
∑ = tanda penjumlahan total
Saat terdapat tren atau pola yang
terdeteksi, bobot dapat digunakan = nilai variabel bebas yang
untuk menempatkan penekanan yang diketahui
97
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
= nilai variabel
terikat yang diketahui peramalan
total. Perhitungan tersebut
Menghitung Kesalahan Peramalan adalah antara lain :
Menurut Heizer dan Render (2009 :
177) kesalahan peramalan menunjukkan 1. Mean Absolute Deviation (MAD)
seberapa baiknya model tersebut dapat MAD adalah ukuran kesalahan
peramalan keseluruhan untuk sebuah
bekerja saat menggunakan data lama. Ada model. Secara matematis dapat
beberapa perhitungan yang biasa digambarkan sebagai berikut :
digunakan untuk menghitung
2. Mean Squared Error (MSE) kesalahan ∑
MSE adalah rata-rata selisih kuadrat
antara nilai yang diramalkan dan nilai METODOLOGI PENELITIAN
yang diamati. Secara matematis dapat Jenis Penelitian
digambarkan sebagai berikut :
Jenis penelitian yang digunakan
∑ peneliti dalam penelitian ini adalah
3. Mean Absolute Percent (MAPE) deskriptif kuantitatif. Dimana metode
MAPE adalah rata-rata diferensiasi peramalan kuantitatif melakukan kegiatan
absolut antara nilai yang diramalkan peramalan dengan menggunakan angka-
sebagai persentase nilai aktual. Secara angka sebagai dasar untuk memprakirakan
matematis dapat digambarkan sebagai kondisi yang akan datang (Kosasih, dalam Mia
berikut : Savira dan Nadya, 2014 : 6)
Teknik Analisis Data
∑
Analisis data kuantitatif dilakukan
untuk meramalkan permintaan bahan baku
ORCA dengan menggunakan metode
peramalan time series. Data historis
permintaan dan penawaran ORCA diolah
dengan menggunakan Microsoft Excel dan
Minitab 17. Perhitungan tingkat kesalahan
yang digunakan adalah dengan metode
MAD, MSE, dan MAPE.
98
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
PEMBA HASAN
Menentukan Metode Peramalan yang Tepat
Menggunakan Software Minitab
Dari data permintaan bahan baku menggunakan software Minitab 17. Maka
ORCA dilakukan peramalan dengan didapatkan hasil perhitungan sebagai
metode rata-rata bergerak, proyeksi tren, dan berikut :
penghalusan eksponensial
99
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
100
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
grafik Proyeksi Tren Kuadrat. Berikut
didapatkan hasil perhitungan sebagai berikut :
3 1250
4 9290
5 2332
6 8378
IV 9428
7
8 4481
9 3537
1 6597
01 3660
11 4726
2 9
Total 5082
4
Sumber : Pengolahan data sekunder
101
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
Blake,
Barry. (2013). Supply Chain Segmentation : The
Key to Future Profitability. SCM World [Online].
Gani, Intan Maesti & Saputri, Marheni http://www.kemenpar.go.i
Eka. (2014). d/userfiles/LAKIP%20201
Analisis Peramalan dan Pengendalian 4%20EKSB.pdf. Diakses 10
Persediaan Bahan Baku dengan Metode Oktober 2015.
EOQ pada Lestari, Retno Putri & Marsudi.
Optimalisasi Kayu di Perusahaan (2013). Peramalan
Purezento. Program Produksi Roti
studi S1 Ilmu Menggunakan Metode
Administrasi Bisnis. Fakultas Trend Musiman (Studi
Komunikasi dan Bisnis. Universitas Kasus Pabrik Roti Mr.
Telkom Bandung. Bread Bantargebang
Gardner, Everette S. Jr. & Acar Bekasi). Fakultas MIPA.
Yavuz. (2010). Universitas Brawijaya
Forecasting Method Malang.
Selesction in a Global Meng, Yue. (2006). The Effecy of
Supply Chain. [t.t.]. Inventory on Supply
Hariastuti, Ni Luh Putu. (t.th). Chain. School of
Analisis Pengendalian Technology and Design.
Persediaan Bahan Baku Vaxjo University.
dengan Metode EOQ Guna Murty, Katta G.. (2006).
Mencapai Tingkat Persediaan Forecasting for Suplly
Optimal (Studi pada PT. The Chain and Portfolio
Univenus Sidoarjo). Fakultas Management. Department of
Teknik Industri. ITATS Industrial and
Surabaya. Operations Enginering.
Heizer, Jay., & Render, Barry. University of Michigan. USA
(2009). Operation Octavia, Tanti dkk..(2013).
Management, Buku 1 edisi 9. Peramalan Stok Barang
Jakarta : Salemba Empat. Untuk Membantu
Kartika, Endo Wijaya. (2008). Pengambilan Keputusan
Analisa Pengaruh Kualitas Pembelian Barang Pada
Layanan Terhadap Toko Bangunan Xyz
Loyalitas Pelanggan di Dengan Metode Arima.
Laundry 5ASEC Universitas Kristen Petra
Surabaya. Jurnal Surabaya.
Manajemen Perhotelan, Vol. Parwati, Indri & Andrianto, Prima.
4, No. 2, pp. 45-57. (2009). Metode Supply
Kemenparekraf. (2014). Laporan Chain Management untuk
Akuntabilitas Kinerja Menganalisis Bullwhip
Direktorat Jenderal Effect Guna
Ekonomi Kreatif Berbasis Seni Meningkatkan Efektivitas
dan Budaya. Sistem Distribusi Produk.
Jurnal Teknologi, Vol. 2,
No. 1, pp. 47-52.
102 Savira, Mia & Moeliono, Nadya N. K..
(2014). Analisis
Peramalan Penjualan
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
Obat Generik
Berlogo (OGB) Pada PT.
Indonesia Farma. Fakultas Ekonomi dan Bisnis. Management, Vol. 5, No. 14,
Universitas Telkom Bandung. pp. 53-63,
Shahzadi, Irum, dkk.. (2013). Widyanto, Yudi. (2013). Model
Drivers of Suppply Chain Performance Perumusan Kebijakan
Enhancing Organizational Pendukung
Output : An Pengembangan Industri
Exploratory Study for Manufacturing Sector. Kakao Berbasis Kinerja
European Journal of Driver Rantai Pasok.
Business and Institut Pertanian Bogor.
Winita. (2011). Pengenalan Pola
Data. [Online].
http://winita.staff.mipa.uns
.ac.id/files/2011/09/penge
nalan-pola-data.pdf.
Diakses 10 Oktober 2015.
103
JURNAL MANAJEMEN VOL. 5 NO. 2 DESEMBER 2015
104