PERAMALAN PENJUALAN UNTUK PERENCANAAN
PENGADAAN PERSEDIAAN BUAH DURIAN DI
RUMAH DURIAN HARUM BINTARO, JAKARTA
Sri Ajeng
PROGRAM STUDI AGRIBISNIS
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
PERAMALAN PENJUALAN UNTUK PERENCANAAN
PENGADAAN PERSEDIAAN BUAH DURIAN DI
RUMAH DURIAN HARUM BINTARO, JAKARTA
Sri Ajeng
106092002999
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh Gelar
Sarjana Pertanian pada Program Studi Agribisnis
PROGRAM STUDI AGRIBISNIS
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI
BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI
ATAU LEMBAGA MANAPUN.
Jakarta, Juli 2011
Curriculum Vitae
Personal Informati on
Name Sri Ajeng
Address Pondok Benda Indah Block J no.11, RT 06 RW 015, Pamulang, 15416, Tangerang Selatan, Banten Mobile Phone (+ 62) 8567577317
University Islamic State University Syarif Hidayatullah Jakarta Majors Agribusiness
GPA 3,30 / 4,00
Dates 2003 – 2006
Principal subjects Natural Sciences Senior High School SMAN 1 Cisauk
Worki ng Experi ences
Company PT. TE SCO Indonesia Year 2010
Position Purchasing Support Staff Scope Works - Handling the Purchase Order
- Handling invoices
- Administration works (correspondences, taking note, etc)
- Support the “after sales service” works
Company Balai Pengujian Mutu dan Sertifikasi Hasil Pertanian dan Hasil Hutan, Dinas Pertanian DKI Jakarta (internship)
Year 2010
Position Assistant Analyst
- Administration works (taking note, filing, recapitulation, etc)
Ac ti vities
Organizational E xperiwences - Agribusiness Student union,
minister of spiritual department (2008-2009) - Litbang Most E vent
(Science and Technology Faculty Student union E vent),Secretary (2008)
-Science and Technology Faculty Student union, active
member of household affairs bureau (2007-2008)
Trai ni ng / Semi nar / C ourse data
Name of Training E nglish for Adults : High Intermediate Levels Provider / Year LIA Ciputat / 2008-2009
Name of Training E ntrepreneurship Development for Campus Community Provider / Year Kementrian Negara KUKM/ 2009
RINGKASAN
SRI AJENG, Peramalan Penjualan untuk Perencanaan Pengadaan Persediaan di Rumah Durian Harum Bintaro, Jakarta. (Di bawah bimbingan TASWA SUKMADINATA dan IWAN AMINUDIN).
Persediaan bila ditentukan terlalu besar akan menghadapi berbagai resiko seperti besarnya beban bunga yang harus ditanggung, memperbesar biaya penyimpanan dan pemeliharaan di gudang, memperbesar kemungkinan kerugian karena kerusakan dan turunnya kualitas bahan, sehingga semua ini akan memperkecil keuntungan yang akan didapat perusahaan. Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang dengan diperolehnya informasi yang akurat sehingga perusahaan dapat mempersiapkan strategi-strategi yang akan ditempuh menghadapi kondisi tersebut. Terkait dengan pemenuhan kebutuhan pasar, walaupun Rumah Durian Harum telah mampu memenuhi kebutuhan pasar, tetapi jika menghadapi kondisi pasar yang berubah-ubah, maka perushaan membutuhkan adanya suatu peramalan penjualan untuk perencanaan pengadaan persediaan sehingga nantinya biaya yang ditimbulkan akibat penetuan persediaan dapat diminimalkan.
Tujuan penelitian ini adalah: 1) Melakukan peramalan penjualan buah durian Rumah Durian Harum satu tahun kedepan. 2) Merekomendasikan alternatif pengendaliaan persediaan buah durian yang optimal berdasarkan hasil ramalan.
Penelitian ini dilaksanakan di Rumah Durian Harum yang berlokasi di Jl. Bintaro Utama sektor 3A no.45,Bintaro Jaya. Penentuan lokasi ini dilakukan secara sengaja (purposive), dengan pertimbangan bahwa Rumah Durian Harum adalah salah satu retail besar yang memasarkan buah durian baik produk segar maupun olahan sepanjang tahun. Data yang digunakan adalah data primer dan data sekunder. Peramalan penjualan buah durian dilakukan dengan menghitung tingkat penjualan menggunakan metode time series sedangkan perencanaan pengadaan persediaan buah durian menggunakan metode Economic Order Quantity (EOQ) dan Safety Stock (SS).
Penggunaan metode peramalan yang terdiri atas metode double moving average, metode double eksponensial smoothing, metode dekomposisi, metode indeks musiman dan metode winter’s. Metode peramalan time series yang dipilih adalah metode peramalan yang memiliki MSE (mean standar error) terkecil yaitu metode winter’s untuk buah durian medan 722629, buah monthong Thailand 2747612 dan buah frozen durian 219518.
Berdasarkan perencanaan penjualan buah durian periode Maret 2011 hingga Februari 2012, kemudian dibuat suatu perencanaan pengadaan persediaan buah durian menggunakan EOQ menghasilkan untuk buah durian medan sebesar 203,79 kg, buah durian monthong Thailand 158,83 kg dan durian frozen
monthong 227,71 kg. Besarnya frekuensi pemesanan untuk buah durian medan sebanyak 122 kali, buah durian monthong Thailand sebanyak 95 kali dan durian
tingkat pelayanan sebesar 90% dikarenakan adanya konsep service to customer,
v KATA PENGANTAR
Alhamdulillah penulis panjatkan puji dan syukur kehadirat Allah SWT,
karena berkat rahmat dan hidayah Nya, penulis dapat menyelesaikan Skripsi yang
berjudul : Peramalan Penjualan untuk Perencanaan Pengadaan Persedian Buah
Durian di Rumah Durian Harun Bintaro, Jakarta. Shalawat dan salam semoga
tercurah kepada junjungan kita Nabi Muhammnad SAW beserta keluarga dan sahabat
yang telah membawa umat manusia menuju jalan kebaikan.
Pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada
pihak-pihak yang telah memberi banyak bantuan baik dalam bentuk dukungan moril
maupun materi selama penulis melaksanakan kegiatan penelitian hingga dalam
penulisan skripsi ini. Secara khusus penulis ingin menyampaikan terima kasih
kepada:
1. Bapak dan Ibu tercinta yang tidak henti-hentinya memanjatkan doa kepada yang
Maha Kuasa demi kebaikan anaknya tercinta serta adik-adik penulis Intan dan Rio
yang memberi semangat. Bulek Nila serta Mamak yang selalu memberikan
nasehat serta dukungan moril kepada penulis.
2. Dr. Taswa Sukmadinata, M.Si dan Ir. Iwan Aminudin, M.Si selaku dosen
pembimbing yang telah membantu mengarahkan, menyumbangkan tenaga dan
vi 3. Rizki Adi Puspita Sari, MM selaku penguji I dan Ir. Junaidi, M.Si selaku penguji
II yang telah memberikan banyak masukan sehingga skripsi ini menjadi lebih
baik.
4. Drs. Acep Muhib, MM dan Rizki Adi Puspita Sari, MM selaku Ketua dan
Sekretaris Program Studi Agribisnis yang telah memberikan suatu komitmen,
dorongan, dan program pendidikan sesuai kebutuhan mahasiswanya.
5. Dosen – dosen Agribisnis yang telah memberikan kesempatan kepada penulis
untuk menimba ilmu pengetahuan.
6. Dr. Syopiansyah Jaya Putra, M.Sis selaku Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta.
7. Pak Lie Fie Min dan Pak Sadino yang telah memberikan izin kepada penulis
untuk melakukan penilitian di Rumah Durian Harum.
8. Mba Tya dan karyawan Rumah Durian Harum outet Bintaro Jaya yang telah
membantu penulis memberikan data-data yang dibutuhkan.
9. Kak Mughni yang telah bersedia meluangkan waktu kepada penulis untuk
berdiskusi serta membantu penulis dalam pengerjaan skripsi.
10. Sahabat tercinta Finna yang selalu menemani penulis dari SMP hingga kini.
Semoga persahabatan kita terus berlanjut hingga beranak cucu.
11. The Princess yaitu Rifa ”Aurora’’ Maulidah, Andhieka ”Rapunzel” Ulfa, Wiwin
”Mulan” Iswardani, Rinrin ”Snow White” Rindyani, Yuniawati ”Cinderella”,
vii kehangatan dan kekeluargaan yang terjalin selama kuliah. Ayo kita laksanakan
Princess Holidays yang belum terlaksana dari kapan tahu.
12. Seluruh teman jurusan Agribisnis angkatan 2006 yang sama-sama berjuang
dalam masa perkuliahan ini. Sukses selalu untuk kita semua.
13. Budhew, Mizz Orange, Sheshe dan semua kakak dan adik kelas yang tidak bisa
disebutkan satu persatu atas kesediaan mendengar keluhan dan memberikan
nasehat-nasehatnya.
14. Seluruh pihak yang telah membantu dan namanya tidak dapat disebutkan satu per
satu. Terima kasih atas dukungan dan motivasinya, Semoga Allah SWT
membalas segala kebaikan yang telah diberikan kepada penulis.
Akhir kata, penulis berharap semoga skripsi ini dapat bermanfaat dalam
pengembangan Ilmu Pengetahuan Amin…..
Wassalamu’alaikum. Wr. Wb.
Jakarta, Juni 2011
DAFTAR ISI
Halaman
DAFTAR ISI ... viii
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR LAMPIRAN ... xiii
BAB I PENDAHULUAN... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Tujuan ... 3
1.4 Manfaat Penelitian ... 3
1.5 Ruang Lingkup Penelitian ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Buah Durian ... 5
2.2 Pengertian Bisnis Retail ... 7
2.3 Konsep Peramalan ... 8
2.3.1 Jenis-Jenis Peramalan ... 9
2.3.2 Identifikasi Pola Data Penjualan ... 10
2.3.2 Metode Peramalan ... 13
2.4 Pesediaan ... 19
2.4.1 Jenis-Jenis Persediaan ... 19
2.4.2 Fungsi Persediaan ... 20
2.4.3 Biaya Persediaan ... 21
2.5 Pengendalian Pesediaan ... 24
2.6 Model Pengendalian Persedian Economic Order Quantity (EOQ) ... 24
2.7 Penelitian Terdahulu ... 25
ix
BAB III Metodologi Penelitian ... 30
3.1 Lokasi dan Waktu Penelitian ... 30
3.2 Jenis dan Sumber Data ... 30
3.3 Metode Pengolahan dan Analisis Data ... 31
3.3.1 Identifikasi Pola Penjualan ... 31
3.3.2 Metode Time Series ... 32
3.4.3 Pemilihan Metode Peramalan ... 36
3.4 Pengendalian Persediaan ... 37
3.4.1 Economic Order Quantity (EOQ) ... 37
3.4.2 Safety Stock (SS) ... 40
3.5 Definisi Operasional... 41
BAB IV Gambaran Umum Perusahaan ... 43
4.1 Sejarah Umum Perusahaan ... 43
4.2 Struktur Organisasi dan Ketenagakerjaan... 44
4.3 Jenis Produk ... 46
4.3.1 Buah Durian Segar ... 46
4.3.2 Produk Olahan ... 50
4.3.3 Produk Pelengkap ... 51
4.4 Penyimpanan dan Penangan Mutu Produk ... 51
4.5 Sistem Pengendalian Persediaan ... 52
4.5.1 Penetuan Tingkat Persediaan Buah Durian ... 53
4.5.2 Prosedur Pembelian Buah Durian ... 54
4.6 Volume Penjualan ... 55
BAB V Hasil dan Pembahasan ... 57
5.1 Identifikasi Pola Data Penjualan Buah Durian ... 57
5.1.1 Pola Penjualan Buah Durian Medan ... 58
5.1.2 Pola Penjualan Buah Durian Monthong Thailand ... 59
5.1.3 Pola Penjualan Buah Durian Frozen Monthong ... 60
5.2 Metode Peramalan Penjualan Buah Durian ... 62
5.2.1 Metode Double Moving Average ... 62
5.2.2 Metode Doubke Eksponensial Smoothing ... 63
5.2.3 Metode Dekomposisi ... 65
5.2.4 Metode Winter’s ... 67
5.2.5 Metode Indeks Musiman ... 68
x
5.4 Ramalan Penjualan Buah Durian ... 70
5.5 Penerapaan Peramalan untuk Pengendalian Persediaan Buah Durian ... 72
5.5.1 Proyeksi Persediaan Buah Durian dengan EOQ ... 72
5.5.2 Titik Pemesanan Kembali dan Persediaan Pengaman ... 75
BAB VI KESIMPULAN DAN SARAN ... 78
6.1 Kesimpulan ... 78
6.2 Sarans ... 79
DAFTAR PUSTAKA ... 80
DAFTAR TABEL
Halaman
1. Nilai Gizi Buah Durian ... 6
2. Karakteristik Buah Durian ... 48
3. Nilai MSE Perhitungan Metode Double Moving Average ... 63
4. Nilai MSE Perhitungan Metode Double Eksponensial Smoothing ... 64
5. Nilai MSE Perhitungan Metode Decomposition Additive ... 65
6. Nilai MSE Perhitungan Metode Decomposition Multipicative ... 66
7. Nilai MSE Perhitungan Metode Winter’s ... 67
8. Nilai MSE Perhitungan Metode Indeks Musiman ... 68
9. Perbandingkan Nilai MSE Perhitungan Metode Peramalan yang digunakan ... 70
10. Ramalan Penjualan Buah Durian Maret 2011 – Februari 2012 dengan Metode Perhitungan Winter’s... 71
11. Perhitungan Tingkat Pemesanan Optimal Berdasarkan Metode EOQ ... 73
12. Proyeksi Total Biaya Persediaan Ruamh Durian Harum Periode Maret 2011 sampai Februari 2012 ... 74
13. Perhitungan Titik Pemesanan Kembali berdasarkan Metode EOQ ... 75
DAFTAR GAMBAR
Halaman
1. Jalur Distribusi Barang Dagangan ... 8
2. Pola data metode time series ... 12
3. Kerangka Pemikiran Konseptual ... 29
4. Struktur Organisasi Toko Rumah Durian Harum ... 44
5. Alur Pemesanan Rumah Durian Harum ... 54
6. Grafik Penjualan Bulanan Buah Durian Medan Periode Maret 2009 hingga Februari 2011 ... 58
7. Grafik Penjualan Bulanan Buah Durian Monthong Thailand Periode Maret 2009 hingga Februari 2011 ... 60
DAFTAR LAMPIRAN
1. Perkembangan Penjualan Buah Durian ... 83
2. Uji ADF Statistik ... 85
3. Metode Double Moving Average Buah Durian Medan ... 88
4. Metode Double Moving Average Buah Durian Monthong Thailand ... 90
5. Metode Double Moving Average Buah Durian Frozen Monthong ... 92
6. Metode Double Exponential Smoothing Buah Durian Medan ... 94
7. Metode Double Exponential Smoothing Buah Durian Monthong Thailand ... 96
8. Metode Double Exponential Smoothing Buah Durian Frozen Monthong ... 98
9. Metode Decomposition Buah Durian Medan ... 100
10. Metode Decomposition Buah Durian Monthong Thailand ... 106
11. Metode Decomposition Buah Durian Frozen Monthong ... 112
12. Metode winter’s Buah Durian Medan... 118
13. Metode winter’s Buah Durian Monthong Thailand ... 124
14. Metode winter’s Buah Durian Frozen Monthong ... 130
15. Perhitungan Peramalan Penjualan Medan dengan Least Square ... 136
16. Perhitungan Peramalan Penjualan Monthong Thailand dengan Least Square... 137
17. Perhitungan Peramalan Penjualan Frozen Monthong dengan Least Square... 138
18. Perhitungan Indeks Musiman Medan ... 139
19. Perhitungan Indeks Musiman Monthong Thailand ... 147
20. Perhitungan Indeks Musiman Frozen Monthong ... 155
BAB I
PENDAHULUAN
1.1Latar Belakang
Setiap perusahaan, baik itu perusahaan manufaktur maupun perusahaan
perdagangan haruslah menjaga persediaan yang cukup agar kegiatan operasi
perusahaannya dapat berjalan dengan lancar. Hal yang perlu diperhatikan
adalah bahan baku yang dibutuhkan hendaknya cukup tersedia sehingga dapat
menjamin kelancaran produksi. Penting bagi setiap jenis perusahaan untuk
mengadakan perencanaan atas persediaan, karena dapat membantu efisiensi
penggunaan dalam persediaan.
Persediaan bila ditentukan terlalu besar akan menghadapi berbagai resiko
seperti besarnya beban bunga yang harus ditanggung, memperbesar biaya
penyimpanan dan pemeliharaan di gudang, memperbesar kemungkinan
kerugian karena kerusakan dan turunnya kualitas bahan, sehingga semua ini
akan memperkecil keuntungan yang akan didapat perusahaan. Demikian pula
sebaliknya, bila persediaan terlalu kecil akan mempunyai efek yang menekan
keuntungan, karena kemungkinan kekurangan bahan baku mengakibatkan
perusahaan tidak bisa bekerja dengan luas produksi yang optimal (Sutrisno,
2003:96).
Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap
kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan
2 sehingga perusahaan dapat mempersiapkan strategi-strategi yang akan
ditempuh menghadapi kondisi tersebut (Rangkuti, 2007:1).
Peramalan tidak hanya dilakukan untuk menentukan jumlah produk yang
akan diproduksi dan dijual tetapi bermanfaat pula untuk perencanaan
persediaan barang jadi. Ketersedian barang jadi menjadi penting, sebagai salah
satu alat untuk mengantisipasi keadaan pasar sehingga produk senantiasa
tersedia dan dapat memenuhi konsumen.
Rumah Durian Harum merupakan salah satu pelaku usaha dalam bisnis
ritel yang berfokus memasarkan produk durian baik segar maupun olahannya.
Keunggulan yang dimiliki oleh Rumah Durian Harum adalah kemampuan
untuk menyediakan buah durian sepanjang tahun dan konsep service to
customer. Sejak didirikannya pada bulan Mei 2007, dari tahun ke tahun
Rumah Durian Harum terus melakukan ekpansi. Rumah Durian Harum kini
telah memiliki delapan outlet yakni, di Jalan Raya Panjang, Cipondoh, Buncit,
Lebak Bulus, Serpong (Bumi Serpong Damai), Kalimalang, Cimone dan
Bintaro Jaya.
Rumah Durian Harum Bintaro dalam menjaga komitmennya untuk
menyediakan buah durian sepanjang tahun masih belum bisa dipenuhi karena
beberapa jenis durian dalam satu tahun masih ada yang tidak tersedia seperti
data Lampiran 1.Berdasarkan hal tersebut, penulis tertarik untuk membahas
perencanaan persediaan yang terdapat pada Rumah Durian Harum dalam
3 Pengadaan Persediaan Buah Durian di Rumah Durian Harum Bintaro,
Jakarta”.
1.2Rumusan Masalah
1. Bagaimana ramalan penjualan buah durian Rumah Durian Harum satu
tahun kedepan?
2. Bagaimana Alternatif pengadaan persediaan buah durian yang optimal
di masa yang akan datang berdasarkan hasil ramalan?
1.3Tujuan
1. Melakukan peramalan penjualan buah durian Rumah Durian Harum
satu tahun kedepan.
2. Merekomendasikan alternatif pengendaliaan persediaan buah durian
yang optimal berdasarkan hasil ramalan.
1.4Manfaat Penelitian
1. Bagi perusahaan, sebagai suatu masukan bagi pihak manajemen dalam
pengambilan kebijakan pengendalian persediaan berdasarkan peramalan
penjualan.
2. Bagi peneiliti, untuk menambah wawasan ilmu pengetahuan dan
4 kenyataan yang ada di dunia nyata, serta sebagai salah satu syarat
kelulusan studi program sarjana strata satu (S-1) program studi agribisnis.
3. Bagi pembaca, sebagai informasi tentang pengadaan persediaan dan
peramalan penjualan buah durian maupun masukkan bagi penelitian
selanjutnya.
1.5Ruang Lingkup
Penelitian ini hanya akan melakukan peramalan penjualan berdasarkan
data time series dan merekomendasikan alternatif pengendalian persediaan
berdasarakan ramalan pada beberapa jenis buah durian yaitu Medan,
Monthong Thailand dan frozen Monthong selama satu tahun. Hal ini
dikarenakan ketiga jenis buah durian tersebut paling tinggi tingkat
penjualannya dan paling sering frekuensi ketersediaannya tetapi memiliki
biaya persediaan yang besar. Batasan ini dilakukan karena keterbatasan yang
BAB II
TINJAUAN PUSTAKA
2.1 Buah Durian
Durian merupakan tanaman pohon asli nusantara, dengan pusat keragaman
di Pulau Kalimantan. Kata “durian” mengacu pada bentuk kulit buahnya yang
berduri sehingga diberi nama duri dengan akhiran an, jadilah kata durian. Kata ini
terutama dipergunakan untuk menyebut buah yang kulitnya berduri tajam. Durian
dikenal dengan nama yang berberda di beberapa daerah, yaitu duren (Jawa,
Betawi, Gayo), kadu (Sunda), duriang (Manado), duliang (Toraja), dan rulem
(Pulau Seram Timur) (Sobir dan Napitulu, 2010:6).
Pada awalnya durian merupakan tanaman hutan di Indonesia lalu
berkembang menjadi tanaman perkarangan selanjutnya di kebunkan. Sedangkan
di Thailand karena jauh dari pusat keragaman, durian berkembang secara cepat
menjadi tanaman budidaya komersial. Seiring perkembangan teknologi dan
budidaya pertanian, di Indonesia durian mulai dibudidayakan secara intesif
sehingga kualitasnya meningkat. Hal ini menjadi penting terutama karena
Indonesia memiliki varietas durian yang sangat beragam.
Indonesia sangat kaya dengan varietas durian unggul yang tersebar
disetiap daerah. Masing-masing daerah memiliki nama khas untuk durian
unggulannya misalnya, durian perwira karena jadi pesanannya perwira, durian
sicamat karena pesanannya pak camat atau durian selat karena berasal dari Desa
Selat di Jambi. Berdasarkan data dari Direktorat Perbenihan dan Sarana
6 sebanyak 71 varietas unggul nasional yang tersebar di Sumatera 14 varietas, Jawa
12 varietas, Kalimantan 21 varietas, Bali 1 varietas, Sulawesi 5 varietas, NTB 6
varietas, dan Maluku 3 varietas. Jumlah ini sangat banyak dibanding Thailand
yang memiliki 4 varietas unggul yaitu monthong, kradum, chanee, dan
pongmanea sedangkan Malaysia hanya mempunyai 1 varietas yaitu D24 (Sobir
dan Napitulu, 2010:7).
Buah Durian merupakan salah satu buah yang sangat digemari oleh banyak
orang. Selain karena rasanya yang sangat lezat dan aromanya yang harum,
ternyata buah durian merupakan salah satu makanan sehat karena memiliki
banyak manfaat bagi kesehatan tubuh. Buah durian mempunyai kandungan gizi
yang cukup tinggi yaitu vitamin B, C, E dan zat besi. Tabel 1 menunjukkan nilai
gizi buah durian per 100 gram daging buah.
Tabel 1. Nilai Gizi Buah Durian
No. Zat Gizi Jumlah Satuan
1. Air 65 gram
2. Protein 2,5 gram
3. Lemak 3 gram
4. Karbohidrat 28 gram
5. Kalsium 7,4 miligram
6. Fosfor 4,4 miligram
7. Besi 1,3 miligram
8. Vitamin A 175 miligram
9. Vitamin C 53 miligram
7 Pada Tabel 1 dapat diketahui bahwa tiap 100 gram daging buah
mengandung 65 gram air, 2,5 gram protein, 3 gram lemak, 28 gram karbohidrat,
7,4 miligram kalsium, 4,4 miligram fosfor, 1,3 miligram besi, 175 miligram
vitamin A, serta 53 miligram vitamin C. Fosfor dan zat besi yang terdapat dalam
durian ternyata 10 kali lebih banyak daripada buah pisang sehingga baik untuk
tubuh jika dimakan tanpa berlebihan karena menghasilkan energi sebesar kurang
lebih 520 kJ (Setiadi, 2008:6).
2.2 Pengertian Bisnis Retail
Berbagai cara dan usaha bisa dijadikan sebagai strategi untuk memasarkan
sebuah produk. Salah satu strategi yang sudah dijalankan masyarakat dari dulu
hingga sekarang adalah pemasaran dengan sistem retail atau eceran. Sebagian
besar pelaku usaha memilih untuk menggunakan strategi pemasaran ini, sebab
peluang pasar yang paling potensial datang dari konsumen akhir, yang rata-rata
membeli suatu produk untuk keperluan mereka sehari-hari. Tak heran bila saat ini
perkembangan bisnis retail juga sangat pesat, dari toko kelontong, minimarket,
hingga bisnis retail yang sudah besar seperti Matahari, Alfamart, Indomart, dan
Hero banyak dicari para konsumen.
Ritel berasal dari bahasa Perancis, ritellier, yang berarti memotong atau
memecah sesuatu. Usaha ritel atau eceran (retailing) dapat dipahami sebagai
semua kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung
8 (Utami, 2006: 4). Ritel juga merupakan perangkat dari aktivitas-aktivitas bisnis
yang melakukan penambahan nilai terhadap produk-produk dan layanan
penjualan kepada para konsumen untuk penggunaan atau konsumsi perorangan
maupun keluarga. Hal ini akan membentuk suatu jalur distribusi, antara produsen
ke konsumen akhir seperti terilustrasikan pada Gambar 1.
Gambar 1. Jalur Distribusi Barang Dagangan Sumber : Utami (2006:5)
Dari ilustrasi Gambar 1 dapat dipahami bahwa produsen mendistribusikan
produknya ke pedagang besar yang mana kemudian pedagang besar
mendistibusikannya lagi ke ritel yang tujuan akhirnya adalah konsumen terakhir
yang langsung menggunakan produk tersebut untuk kebutuhan sehari-hari.
2.3 Konsep Peramalan
Peramalan (forecasting) merupakan seni atau ilmu memprediksi peristiwa-peristiwa di masa depan (Render dan Heizer, 2001:136). Peramalan dapat
didefinisikan sebagai suatu proses memperkirakan secara sistematis tentang apa
yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan
sekarang yang dimiliki agar kesalahannya dapat diperkecil (Mulyono dalam
Elawati 2010:19). Kesalahan atau error merupakan selisih antara yang terjadi
dengan hasil perkiraan. Peramalan tidak memberikan jawaban yang pasti tentang
9 terjadi. Peramalan memerlukan pengambilan data historis dan
memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.
Metode peramalan dapat bersifat objektif (proyeksi dengan metode
kuantitatif maupun kualitatif) atau subjektif (menggunakan informasi yang
bersifat intuitif berdasarkan pengalaman sebelumnya). Ramalan penjualan
merupakan proses aktivasi memperkirakan produk yang akan dijual dimasa
mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah
terjadi atau mungkin akan terjadi (Nafarin dalam Khaerunnisah, 2008:9).
2.3.1 Jenis-jenis Peramalan
Berdasarkan sifat peramalannya dapat dibedakan atas 2 macam (Mulyono,
2000:3-4), yaitu :
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil ramalan yang dibuat sangat tergantung pada orang
yang menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan
pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan
secara kualitatif ini didasarkan atas hasil penyelidikan, seperti Delphi,
S-Curve, dan decision trees.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkaan atas data
kuantitatif pada masa lalu. Hasil Peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut. Penggunaan
10 Render dan Heizer (2001:46) menyatakan jika dilihat dari jangka waktu
ramalan yang telah disusun, maka peramalan dapat dibedakan 3 macam,yaitu :
1. peramalan jangka pendek, yaitu peramalan yang memiliki rentang waktu
kurang dari tiga bulan. Peramalan jangka pendek digunakan untuk
merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja,
penugasan dan tingkat produksi.
2. Peramalan jangka menengah. Peramalan jangka menengah biasanya
berjangka tiga bulan hingga tiga tahun. Peramalan ini sangat bermanfaat
dalam perencanaan penjualan, perencanaan dan penganggaran produksi,
penganggaran kas, dan menganalisis berbagai rencana operasi.
3. Peramalan jangka panjang, yakni peramalan yang memiliki rentang waktu
biasanya tiga tahun atau lebih; digunakan dalam merencanakan produk
baru, pengeluaran modal, lokasi fasilitas, atau ekspansi, dan penelitian
serta pengembangan.
Adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut,
adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh
perbedaan atau penyimpangan antara hasil ramalan dengan kenyaataan yang
terjadi.
2.3.2 Identifikasi Pola Data Penjualan
Firdaus (2006:2) menyatakan peramalan dapat dilakukan, dengan sebelumnya
mengidentifikasi pola data deret waktu. Identifikasi data menekankan pada
11 lalu telah diketahui maka dapat ditetapkan metode peramalan untuk
memperkirakan ramalan di masa yang akan datang.
Identifikasi pola data dapat dilakukan dengan visualisasi plot data secara
grafik dan uji akar unit (ADF). Identifikasi pola data penjualan bertujuan untuk
mengetahui komponen unsur-unsur yang ada seperti trend, stasioner, musiman
dan siklus. Trend adalah komponen data deret waktu yang menunjukkan
peningkatan atau penurunan dalam jangka panjang selama periode waktu yang
diamati. Unsur variasi musiman adalah fluktuasi data yang berulang setiap
beberapa hari, minggu atau bulanan karena faktor cuaca, hari raya dll. Siklus
adalah fluktuasi seperti gelombang di sekitar trend, dengan kata lain pola
musiman dalam jangka waktu yang lebih panjang berulang biasanya setiap lima
sampai sepuluh tahun. Unsur stasioner adalah fluktuasi data dimana relatif
konstan walaupun ada kenaikan atau penurunan, jika dirata-ratakan masih berada
pada titik rata-rata. Pola data penjualan lebih jelas dipaparkan pada Gambar 2.
Cara selanjutnya dengan menggunakan uji akar unit (ADF). Uji ini
merupakan pengujian yang populer, dikembangkan oleh David Dickey dan
Wayne Fuller dengan sebutan Augmented Dickey-Fuller (ADF) Test. Suatu deret
waktu dikatakan stasioner apabila memiliki nilai ADF lebih besar dari pada nilai
12
Gambar 2. Pola data metode time series; (a) stasioner, (b) musiman, (c) sklus dan (d) trend Sumber : Herjanto (2008:80)
Dari Gambar 2 jelas terlihat bahwa (a) data berfluktuasi (bergerak) di
sekitar nilai rata-rata yang konstan. Deret seperti ini adalah stasioner terhadap
nilai rata-ratanya. Suatu deret waktu dipengaruhi oleh fakor musiman yang terjadi
secara berulang, misalnya harian, mingguan, bulanan, atau kuartalan seperti
terlihat pada (b). Bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka
13 kecenderungan (menaik atau menurun) dalam jangka panjang dalam data dikatan
pola data tersebut mengandung unsur trend (d).
2.3.3 Metode Peramalan
Berdasarkan Mulyono (2000:91) metode kuantitaif yang digunakan dalam
perkiraan, pada dasarnya dapat dikelompokkan dalam 2 jenis, yaitu metode time
series dan metode kausal (regresi).
1) Metode time series
Metode peramalan time series didasarkan atas penggunaan analisa pola
hubungan variabel yang akan diperkirakan dengan variabel waktu yang
merupakan data deret waktu (time series). Tujuan metode time series ialah
menemukan pola dalam data deret waktu dan mengekstrapolasikan data tersebut
ke masa depan. Metode-metode yang digunakan dalam peramalan times series
terdiri dari beberapa metode yaitu :
a. Metode Naïve
Menurut Firdaus (2006:4) metode ini didasarkan pada asumsi bahwa periode
saat ini merupakan prediktor terbaik dari masa mendatang. Metode ini merupakan
metode sederhana karena perhitungan peramalannya dengan menggunakan data
yang lewat (pass data) yang dijadikan sebagai peramalan waktu mendatang.
Metode naïve cocok pada pola data stasioner.
b. Metode rata-rata bergerak sederhana (moving average)
Metode ini menetapkan bahwa ramalan periode mendatang merupakan nilai
14 nilai dari periode terbaru dari sekelompok data yang terlama dan memasukkan
nilai periode terbaru dari sekelompok data yang jumlahnya konstan. Prosedur
moving average yang berarti jika observasi baru telah tersedia, rata-rata yang baru
dapat dihitung dengan menghilangkan data yang tertua dan menggantinya dengan
yang terbaru.
Metode rata-rata bergerak sederhana cocok untuk pola data stasioner dan
berusaha menghilangkan data musiman dan trend. Jika moving average
digunakan, pemilihan n perlu memperhatikan periode data. Nilai n yang optimal
dapat dicari dengan trial and error (coba-coba). Hal ini dimaksudkan untuk
menghindari nilai penyimpangan yang besar dari fluktuasi data yang telah
memberikan pengaruh terhadap ramalan yang dihasilkan. Jika periode data
bulanan, paling tidak digunakan n=12. Jika n makin besar pengaruh penghalusan
makin terasa (Firdaus, 2006:128).
c. Metode Pelicinan Eksponensial Tunggal (Single Eksponensial Smoothing)
Metode ini sangat baik diterapkan pada serial data yang memiliki pola
stasioner dan kemungkinan tidak efektif dalam menangani peramalan dengan
kecendrungan data yang dimiliki komponen trend dan pola musiman. Hal ini
dikarenakan jika diterapkan pada serial data yang memiliki trend yang konstan,
ramalan yang akan dibuat akan selalu berada di belakang trend. Selain itu, metode
eksponensial ini juga memberikan bobot yang relatif lebih tinggi pada nilai
15 Metode ini menggunakan α sebagai koefisien pelicinan. Handoko (2008:280)
menyatakan nilai-nilai α rendah akan menyebabkan jarak yang lebih lebar dengan
trend, karena hal itu memberikan bobot yang lebih kecil pada permintaan
sekarang. Nilai α yang rendah cocok digunakan bila data bersifat stabil. Nilai-nilai
α yang lebih tinggi berguna dimana perubahan-perubahan yang sesungguhnya
cenderung terjadi karena lebih responsive terhadap fluktuasi permintaan. Mencari
nilai α yang tepat umumnya dapat ditentukan dengan pengujian trial and error
(coba-coba) terhadap α yang berbeda-beda untuk menemukan nilai α yang akan
menghasilkan nilai kesalahan terkecil.
d. Metode Pelicinan Eksponensial Ganda (Double Eksponensial Smoothing)
Metode Double Eksponensial Smoothing memiliki dasar pemikiran yang
sama dengan rata-rata bergerak linier. Berkaitan dengan hal tersebut, penerapan
metode double eksponensial smoothing ini cukup baik untuk deret data yang
memiliki unsur trend. Metode double eksponensial smoothing memproses time
series yakni dengan mengekstrapolasikan data atas dasar trend terkahir yang
terbentuk, sehingga ramalan yang akan terlihat nantinya cenderung ke suatu arah
yakni sesuai dengan trend terkahir.
e. Metode Perhitungan Indeks Musiman
Perhitungan indeks musiman dalam Handoko (2008:278) dapat dihitung
dengan mencari nilai rata-rata berbagai rasio kuartal nyata terhadap nilai garis
trend untuk setiap periode. Peramalan model ini merupakan estimasi penjualan
yang hanya memasukan komponen trend dan musiman tanpa memperhatikan
16 dilakukan untuk mengetahui secara jelas apakah data time series yang dimiliki
mengandung unsur musiman atau tidak.
f. Metode Dekomposisi
Salah satu pendekatan dalam analisis data runtut waktu adalah berusaha
untuk mengidentifikasi faktor-faktor komponen yang mempengaruhi nilai-nilai
periodik dalam satu serial. Proses identifikasi ini disebut dekomposisi. Setiap
komponen diidentifikasi sehingga data runtut waktu dapat diproyesikan ke masa
yang akan datang dan dapat digunakan untuk peramalan jangka pendek maupun
jangka panjang (Arsyad, 1994:207).
Subagyo (1994:31) mengatakan bahwa metode dekomposisi adalah salah
satu metode peramalan yang didasarkan pada kenyataan bahwa biasanya apa yang
telah terjadi akan berulang atau terjadi kembali dengan pola yang sama, artinya
yang dulu selalu naik pada waktu yang akan datang biasanya akan naik, yang
biasanya berkurang akan berkurang juga, yang biasanya berfluktuatif akan
berfluktuatif juga dan yang biasanya tidak teratur maka akan tidak teratur juga.
g. Metode Winter’s
Metode ini digunakan ketika data menunjukan adanya trend dan perilaku
musiman . Metode exponentian smoothing yang telah dibahas sebelumnya dapat
digunakan untuk hampir segala jenis data stasioner atau non – stasioner sepanjang
data tersebut tidak mengandung faktor musiman. Tetapi bilamana terdapat
musiman, metode ini dijadikan cara untuk meramalkan data yang mengandung
17 dengan baik. Meskipun demikian, metode ini dapat menangani faktor musiman
secara langsung (Makridakis, 1999:40).
h. Metode Box Jenkis (ARIMA)
Metode peramalan Box-Jenkis merupakan suatu prosedur iterative memilih
model terbaik untuk series yang stasioner dari suatu kelompok model time series
linier (Mulyono, 2000:147). ARIMA merupakan singkatan dari autoegressive
integrated moving average. Metode ini tidak menggunakan variabel independen,
melainkan menggunakan nilai-nilai sekarang dan nilai-nilai masa lampau dari
variabel dependen. Metode ARIMA adalah metode yang tepat untuk mengatasi
terlalu rumitnya data deret waktu (terdapat variasi dari pola data) dan situasi
peramalan lainnya.
Firdaus (2006:19), prosedur ARIMA terdiri dari beberapa tahapan yaitu
identifikasi, estimasi, evaluasi model dan peramalan. Penjelasan dengan tahap
tersebut adalah sebagai berikut :
1. Indentifikasi. Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu
terhadap pola data; apakah terdapat unsur musiman atau tidak. Kedua,
identifikasi terhadap kestasioneran data. Ketiga, identifikasi terhadap pola
atau perilaku ACF dan PACF.
2. Estimasi model. Pada tahap estimasi, pertama-tama dihitung nilai estimasi
awal untuk parameter-parameter dari model tentatif, untuk menghitung
estimasi awal biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi
18 3. Evaluasi mode. Setelah diperoleh persamaan untuk model tentatif, dilakukan
pengujian kedekatan model dengan data. Uji ini dilakukan dengan menguji
nilai residual, signifikasi dan hubungan-hubungan antara parameter. Nilai
residual merupakan nilai yang diperoleh dari selisih antara nilai skyual
dengan nilai ramalan. Jika terdapat hasil uji yang tidak diterima atau tidak
memenuhi syarat, maka model harus diperbaiki dan langkah-langkah
sebelumnya diulang kembali. Uji diagnostik untuk evaluasi model terdapat 6
kriteria, yaitu residual peramalan bersifat acak, model parsimonius
(sederhana), parameter yang diperoleh berbeda nyata dengan nol, proses
iterasi harus convergence dan memiliki nilai MSE terkecil.
2) Metode Kausal (Regresi)
Metode peramalan kausal didasarkan atas penggunaan analisa pola hubungan
antara variabel yang diperkirakan (dependen) dengan variabel lain yang
mempengaruhinya (independen), yang bukan waktu yang disebut metode korelasi
atau sebab akibat (causal method). Metode ini sering disebut metode regresi.
Metode regresi adalah suatu penyederhanaan pola hubungan suatu variabel
dengan suatu variabel lain (Mulyono, 2000:53). Kriteria yang digunakan untuk
menunjukkan keakuratannya yaitu nilai R-Square (Rangkuti, 2007:19). Semakin
besar nilai R-Square berarti model semakin akurat dalam meramalkan. Untuk
pengujian regresi dilakukan dengan membandingkan nilai ρ dengan tingkat α
yang akan digunakan. Nilai α yang digunakan 0,05 dengan derajat kepercayaan 95
19 Abdurrahman, 2007:198). Hal tersebut menunjukkan bahwa variabel tersebut
berpengaruh nyata terhadap variabel dependen.
2.4 Persediaan
Chopra dan Meindl dalam Elawati (2010:14) menyatakan persediaan merupakan seluruh bahan baku, bahan setengah jadi, dan barang jadi yang
terdapat dalam suatu penyediaan. Berbeda dengan Shore dalam Zulfikarijah
(2005:4) mendefinisikan bahwa persediaan sebagai sumberdaya menganggur yang
memiliki nilai potensial, definisi tersebut memasukan perlengkapan dan tenaga
kerja yang menganggur sebagai persediaan.
2.4.1 Jenis-jenis Persediaan
Indrajit dan Djokopranoto (2003:4) mengklasifikasikan barang persediaan
sebagai berikut:
1. Bahan baku (raw material) adalah bahan mentah yang belum diolah, yang
akan diolah menjadi barang jadi, sebagai hasil utama dari barang yang
bersangkutan.
2. Barang setengah jadi (semi final product) adalah hasil olahan bahan
mentah sebelum menjadi barang jadi yang sebagian akan diolah lebih
lanjut menjadi barang jadi dan sebagian kadang-kadang dijual seperti apa
20 3. Barang jadi (finished product) adalah barang yang sudah selesai
diproduksi atau diolah, yang merupakan hasil utama perusahaan yang
bersangkutan dan siap untuk dipasarkan atau dijual.
4. Barang umum dan suku cadang (general material and spare parts) adalah
segala jenis barang atau suku cadang yang digunakan untuk operasi
menjalankan perusahaan/pabrik dan untuk memelihara peralatan yang
digunakan.
5. Barang untuk proyek (work in progress) adalah barang-barang yang
ditumpuk menunggu pemasangan dalam proyek baru.
6. Barang dagangan (commodities) adalah barang yang dibeli, sudah
merupakan barang jadi dan disimpan digudang menunggu penjualan
kembali dengan keuntungan tertentu.
2.4.2 Fungsi Persediaan
Handoko (2008:335), menyatakan efensiensi operasional suatu organisasi
dapat ditingkatkan karena berbagai fungsi penting persediaan. Fungsi-fungsi
persediaan tersebut adalah sebagai berikut:
1. Fungsi Decoupling
Fungsi Decoupling adalah memungkinkan operasi-operasi perusahaan
internal dan eksternal mempunyai kebebasan (independence). Fungsi ini
memungkinkan perusahaan dapat memenuhi permintaan langganan tanpa
21 2. Fungsi Economic Lot Sizing
Fungsi Economic Lot Sizing yaitu fungsi yang menyimpan persediaan
sehingga perusahaan dapat memproduksi dan membeli sumber daya dalam
kuantitas yang dapat mengurangi biaya per unit. Persediaan “lot size” ini perlu
mempertimbangkan “penghematan-penghematan” (potongan pembelian, biaya
pengangkutan per unit lebih murah dan sebagainya) karena perusahaan
melakukan pembelian dalam kuantitas yang lebih besar, dibandingkan dengan
biaya-biaya yang timbul karena besarnya persediaan (biaya sewa gudang,
investasi, resiko, dan sebagainya).
3. Fungsi Antisipasi
Fungsi antisipasi merupakan fungsi yang berguna bagi perusahaan dalam
menghadapi ketidakpastian jangka waktu pengiriman dan permintaan akan
barang-barang selama periode pemesanan kembali sehingga memerlukan
persediaan pengaman.
2.4.3 Biaya Persediaan
Menurut Tampubolon (2004:194) biaya persediaan terdiri dari : 1. Biaya penyimpanan (Holding cost atau carrying costs)
Biaya penyimpanan merupakan biaya yang timbul di dalam menyimpan
persediaan, di dalam usaha mengamankan persediaan dari kerusakan,
keusangan atau keausan, dan kehilangan. Biaya-biaya yang termasuk sebagai
22 a. Biaya fasilitas-fasilitas penyimpanan (termasuk penerangan, pendingin
ruangan dan sebagainya).
b. Biaya modal (opportunity cost of capital) yaitu alternative pendapatan
atas dana yang diinvestasikan dalam persediaan.
c. Biaya keusangan.
d. Biaya penghitungan fisik.
e. Biaya asuransi persediaan.
f. Biaya pajak persediaan.
g. Biaya pencuriaan, pengrusakan atau perampokan.
h. Biaya penanganan persediaan.
2. Biaya pemesanan atau pembeliaan (ordering costs atau procurement cost)
Biaya pemesanan adalah biaya-biaya yang timbul selama proses
pemesanan sampai barang tersebut dapat dikirim pemasok. Biaya-biaya
yang termasuk biaya pemesanan yaitu :
a. Pemrosesan pesanan dan biaya ekspedisi
b. Upah
c. Biaya telepon
d. Pengeluaran surat menyurat
e. Biaya pengepakan dan penimbangan
f. Biaya pemeriksaan penerimaan
g. Biaya pengiriman ke gudang
23 3. Biaya Penyiapan (manufacturing) atau set-up cost
Biaya penyiapan merupakan biaya-biaya yang timbul di dalam
menyiapkan mesin dan peralatan untuk dipergunakan dalam proses
konversi. Biaya-biaya yang termasuk biaya penyiapan adalah :
a. Biaya mesin-mesin menganggur
b. Biaya persiapan tenaga kerja langsung
c. Biaya penjadwalan
d. Biaya ekspedisi
4. Biaya kehabisan atau kekurangan bahan (shortage costs)
Biaya kehabisan atau kekurangan bahan adalah biaya yang timbul akibat
kehabisan persediaan karena kesalahan perhitungan. Biaya-biaya yang
termasuk biaya kekurangan bahan adalah :
a. Kehilangan penjualan
b. Kehilangan langganan
c. Biaya pemesanan khusus
d. Biaya ekspedisi
e. Selisih harga
f. Terganggunya operasi
24 2.5. Pengendalian persediaan
Pengedalian persediaan berupa mengatur dan mengontrol persediaan untuk
kebutuhan selama periode tertentu. Fungsi pengendalian untuk komoditas
pertanian sangat penting, baik yang dilakukan oleh produsen, lembaga perantara
pemasaran, konsumen maupun yang dilakukan suatu badan pemerintahan yang
berwenang (Said dan Intan; 2001:95-99).
Menurut Assauri (2004:177), tujuan dari pengendalian persediaan secara rinci
dapat dinyatakan sebagai usaha untuk :
1. Menjaga agar perusahaan tidak kehabisan persediaan sehingga produksi
terhenti.
2. Menjaga supaya pembentukkan persediaan oleh perusahaan tidak terlalu
besar atau berlebihan, sehingga biaya yang timbul dari persediaan tidak
terlalu besar.
3. Menjaga agar pembelian secara kecil-kecilan dapat dihindari karena ini
akan berakibat biaya pemesanan menjadi besar.
2.6 Model Pengendalian Persediaan Economic Order Quantity (EOQ)
EOQ merupakan salah satu teknik pengendalian persediaan tertua dan paling terkenal. Teknik ini relatif mudah digunakan, tetapi didasarkan pada asumsi
(Render dan Heizer, 2001:320) :
a. Tingkat permintaan diketahui dan bersifat konstan.
25 c. Persediaaan diterima dengan segera, dengan kata lain, persediaan yang
dipesan tiba dalam bentuk kumpulan produk pada satu waktu.
d. Tidak mungkin diberikan diskon.
e. Biaya variabel yang muncul hanya biaya pemasangan atau pesanan dan
biaya penahanan atau penyimpanan persediaan sepanjang waktu.
f. Keadaan kehabisan (kekurangan) dapat dihindari sama sekali bila
pemesanan dilakukan dengan tepat.
2.7 Penelitian Terdahulu
Khaerunnisa (2009) melakukan penelitian mengenai Analisis Peramalan Penjualan unrtuk Perencanaan Pengendalian Persediaan Kecap Manis Sate PT.
Korma Jaya Utama (KJU). Hasil penelitian menunjukan pola data penjualan kecap
manis sate periode Januari 2003 hingga Desember 2007 pola stasioner dan pola
musimam. Berdasarkan pola data tersebut didapatkan nilai penjualan yang relatif
konstan berada disekitar garis rata-rata. Pola musiman disebabkan oleh perilaku
sales (agen) dan pengaruh hari besar keagamaan.
Berdasarkan pengolahan data, metode peramalan penjualan yang terbaik
yaitu metode indek musiman dengan nilai MSE terkecil yaitu 153086792
sedangkan penggunakan metode EPQ menghasilkan prediksi produksi sebesar
115.020,34 botol, kemudian dikonversikan ke dalam hari kerja dihasilkan jumlah
26 Perusahaan menerapkan persediaan berupa persediaan pengaman yakni
31.795,28 botol memerlukan biaya sebesar Rp. 470.252,19, sedangkan dengan
perhitungan EPQ dengan presentase tingkat pelayanan 99,9 persen perusahaan
dapat memenuhi permintaan pelanggan, dihasilkan persediaan pengaman 28.922,8
botol memerlukan biaya Rp. 427.776,21. Dengan selisih sebesar 42.475,98 maka,
metode EPQ lebih optimal dibandingkan dengan metode yang diterapkan
perusahaan.
Penelitian mengenai Analisis Perencanaan Pengadaan Persediaan Tuna pada
PT. Tridaya Eramina Bahari Muara Baru Jakarta oleh Elawati (2010). Sistem
pengadaan bahan baku yang dilakukan PT. Tridaya Eramina Bahari belum
optimal. Hal ini dapat dilihat dari belum adanya perencanaan dalam pengadaan
persediaan bahan baku dengan menggunakan metode tertentu sehingga
penggunaan bahan baku belum tertata baik dan biaya persediaan bahan baku
belum minimum. Analisis perbandingan antara metode perusahaan dengan metode
EOQ, menunjukkan pengendalian persediaan bahan baku dengan menggunakan
metode EOQ lebih efisien. Peramalan permintaan (volume ekspor) tuna loin untuk
tahun 2010 dilakukan dengan menggunakan metode time series. Berdasarkan nilai
MAD terkecil didapatkan metode peramalan terbaik untuk digunakan yaitu
Dekomposisi Aditif dengan indeks musiman 12. Perencanaan persediaan bahan
baku perusahaan tahun 2010 dengan menggunakan metode EOQ yang didasarkan
27 (volume ekspor), diperoleh besarnya kuantitas pemesanan sebesar 1.139 kg per
pesanan dengan nilai frekuensi pemesanan sebesar 377 kali pemesanan.
2.8 Kerangka Pemikiran Konseptual
Pertama kali yang dilakukan dalam penelitian mengenai peramalan penjualan untuk perencanaan pengadaan buah durian di Rumah Durian Harum adalah
menentukan objek penelitian yang akan diteliti berdasarkan jenis buah durian.
Jenis buah durian yang akan dijadikan objek penelitian diambil berdasarkan
tingkat penjualan tertinggi dan frekuensi ketersedian paling sering tetapi memiliki
biaya persediaan yang besar. Kemudian setelah mengetahui jenis buah durian
yang akan diteliti maka tahap berikutnya adalah ramalan penjualan meliputi
identifikasi pola data penjualan selama 2 tahun terakhir periode yang kemudian
akan dilakukan peramalan. Peramalan dilakukan menggunakan metode time
series yang terdiri atas metode moving average, metode ekpsonensial smoothing,
metode dekomposisi, metode winter’s dan indeks musiman yang turut
mempengaruhi penjualan. Berdasarkan beberapa metode peramalan yang akan
digunakan kemudian dipilih metode peramalan yang paling akurat. Salah satu
kriteria yang digunakan dalam memilih metode peramalan adalah kesalahan
peramalannya (nilai error) yang terkecil. Akurasi peramalan yang digunakan
adalah Mean Standard Error (MSE)
Perubahan tingkat penjualan di masa yang akan datang dengan prediksi
28 yang optimal akan diprediksi menggunakan Economic Order Quantity(EOQ) dan
Safety Stock (SS). Hal ini dikarenakan tingkat permintaan telah diketahui
berdasarkan ramalam penjualan dan diasumsikan konstan 1 tahun kedepan. Lead
time diketahui dan bersifat konstan yaitu 1 hari serta persediaan diterima dengan
segera.
Hasil penelitian nanti akan memperlihatkan jumlah buah durian yang
dibutuhkan satu tahun kedepan. Peramalan jumlah buah durian yang dihasilkan
menggambarkan pula berapa persediaan bauh yang optimal sehingga dapat
meminimalisirkan biaya. Secara garis besar, uraian diatas merupakan suatu
29 Rumah Durian Harum
Gambar 3. Kerangka Pemikiran Konseptual
Keterangan
: sasaran penelitian : kegiatan penelitian : arah kegiatan penelitian : alat penelitian
Identifikasi Pola Penjualan
Ramalan Penjualan 1 tahun kedepan
Perencanaan Pengadaan Persediaan
Rekomendasi Perencanaan Pengadaan Persedian
Penentuan Objek Penelitian Berdasarkan Jenis Buah Durian
Peramalan Penjualan
Metode Time Series
1) metode double moving average
2) metode double
eksponensial smoothing 3) metode dekomposisi 4) metode winter’s
5) metode indeks musiman
Pemilihan metode peramalan terbaik
EOQ Safety stock Visualisasi Grafik Uji Akar Unit
(ADF)
BAB III
METODOLOGI PENELITIAN
3.1. Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan di Rumah Durian Harum yang berlokasi di Jl.
Bintaro Utama sektor 3A no.45,Bintaro Jaya. Penentuan lokasi ini dilakukan
secara sengaja (purposive), dengan pertimbangan bahwa Rumah Durian Harum
adalah salah satu retail besar yang memasarkan buah durian baik produk segar
maupun olahan sepanjang tahun. Penelitian ini dilaksanakan mulai bulan
Desember 2010 sampai Februari 2011.
3.2. Jenis dan Sumber Data
Jenis data dalam penelitian ini adalah data primer dan sekunder. Data primer
diperoleh melalui wawancara menggunakan daftar pertanyaan. Data sekunder
diperoleh dari data pola penjualan buah durian selama 2 tahun terakhir periode
Maret 2009 hingga Februari 2011 dan pengendalian persediaan buah durian yang
diterapkan oleh Rumah Durian Harum serta data penunjang yang diperoleh
melalui literatur, dokumen dan informasi dari berbagai instansi terkait seperti
BPS, dan perpustakaan-perpustakaan instansi terkait. Data yang dibutuhkan yaitu
gambaran umum perusahaan, persediaan dan penjualan buah durian Rumah
31
3.3. Metode Pengolahan dan Analisis Data
Data dan informasi yang diperoleh kemudian diolah menggunakan program
Microsoft Excel, Minitab 15 dan Eview 4.1.Volume penjualan 1 tahun yang akan
datang dapat dilihat dari pola penjualan periode sebelumnya. Berdasarkan
penjualan tersebut kemudian data diolah menggunakan metode peramalan time
series. Pemilihan metode peramalan yang terakurat kemudian dapat
memproyeksikan sejumlah persediaan dengan metode EOQ dan SS.
3.3.1. Identifikasi Pola Penjualan
Identifikasi pola data dilakukan dengan visualisasi plot data secara grafik
dan pengujian menggunakan uji akar unir (ADF). Identifikasi pola data bertujuan
untuk mengetahui komponen unsur-unsur yang ada seperti trend, stasioner,
musiman dan siklus.
Uji akar unit merupakan pengujian yang dikembangkan oleh David Dickey
dan Wayne Fuller dengan sebutan Augmented Dickey-Fuller (ADF) Test.
Beberapa model yang dapat dipilih untuk melakukan Uji ADF (Nachrowi dan
Usman, 2006:355) sebagai berikut :
ΔYt = δYt-1 + ut (tanpa intercept) (1)
ΔYt = β + δYt-1 + ut (dengan intercept) (2)
ΔYt = β1 + β2t + δYt-1 + ut (intercept dengan trend waktu) (3)
Dimana :
ΔYt = first difference dari variabel yang digunakan
32
Hipotesis untuk pengujian ini adalah :
H0 : δ = 0 (terdapat unit root, tidak stasioner)
H1 : δ ≠ 0 (tidak terdapat unit root, stasioner)
Prosedur menentukan apakah data satsioner atau tidak adalah dengan cara
membandingkan antara nilai statistik DF dengan nilai kritisnya yaitu distribusi
statistik, Runtun waktu yang diamati stasioner jika memiliki nilai ADF lebih besar
dari nilai kritis. Beberapa piranti lunak ekonometrika seperti EViews, SPlus, dan
R menyediakan nilai kritis ini setiap kali kita melakukan running data.
3.3.2. Metode Time Series
Penelitian ini akan menggunakan metode peramalan time series. Metode ini terdiri atas beberapa metode diantaranya metode naïve, metode rata-rata bergerak
ganda (double moving average), metode dekomposisi, metode Double
Eksponensial Smoothing, metode winter’s dan Metode Indeks Musiman.
1. Metode rata-rata bergerak ganda/double moving average (Arsyad,1994:82)
M’(n)t =
Keterangan :
n = jumlah periode (orde) yang diikutkan dalam panjang
33
M’t = nilai moving average dari moving average pada periode t
= nilai ramalan penjualan untuk p periode mendatang
at = nilai moving average pada periode t
bt = nilai trend moving average pada periode t
p = jumlah periode mendatang yang akan diramalkan
2. Metode Dekomposisi
Penulisan matematis dari pendekatan metode ini sebagai berikut (Firdaus,
2006: 14):
Yt = f (Xt , Ct, It, Et)
A. Dekomposisi Aditif
Model ini dipilih bila gelombang-gelombang kecil (swing) dari variasi
musiman bersifat konstan sepanjang waktu. Penulisan modelnya sebagai
berikut:
Yt = Xt + Ct + It + Et
B. Dekomposisi Multiplikatif
Model ini dipilih bila gelombang-gelombang kecil (swing) dari variasi
musiman meningkat secara proporsional dengan bertambahnya waktu.
Penulisan modelnya sebagai berikut:
Yt = Xt x Ct x It x Et
Keterangan :
34
Ct = komponen siklus pada periode t
It = komponen musiman pada periode t
Et = komponen kesalahan atau error pada periode t
3. Metode Double Eksponensial Smoothing (Subagyo, 1994:24) Metode ini dapat dirumuskan sebagai berikut :
Keterangan :
= nilai pemulusan baru data aktual penjualan
= nilai aktual pada periode t
= koefisien pemulusan (smoothing) (0< <1)
= nilai perkiraan trend
= koefisien pemulusan (smoothing) untuk trend (0< <1)
p = jumlah periode penjualan mendatang yang akan diramalkan
= nilai ramalan penjualan untuk p periode mendatang
4. Metode Winter’s
35
Keterangan :
= nilai pemulusan baru data aktual
= nilai aktual penjualan pada periode t
= koefisien pemulusan (smoothing) (0< <1)
= nilai perkiraan trend
= koefisien pemulusan (smoothing) untuk trend (0< <1)
= nilai perkiraan musiman
= koefisien pemulusan (smoothing) untuk musiman (0< <1)
p = jumlah periode penjualan mendatang yang akan diramalkan
= panjang variabel musiman
= nilai ramalan penjualan untuk p periode mendatang
5. Metode Indeks Musiman
Persamaan dalam indeks musiman dapat dihitung melalui :
Y = a+ b X
a = ∑Y
n
b = ∑XY
∑X2
ŕ = Yt
Y
36
ŷt+1 = (Y) (ŕ (rata-rata)
keterangan :
a, b = konstanta
n = banyaknya data
Y = penjualan aktual
X = pengkodean dari titik tengah periode
ŕ = rasio penjualan
Yt = nilai garis trend
ŷt+1 = nilai ramalan periode mendatang
3.3.3. Pemilihan Metode Peramalan
Pemilihan metode peramalan terakurat perlu dipertimbangkan beberapa faktor yakni forecasting power dari metode tersebut yaitu menguji nilai
kesalahannya. Ukuran akurasi yang sering digunakan adalah nilai mean squared
error (MSE). Metode ini mengavaluasi akurasi peramalan dengan
mengkuadratkan nilai kesalahan peramalan (error). Hasilnya dijumlahkan dan
dibagi dengan jumlah obsevarsi. Metode peramalan yang memiliki nilai MSE
paling kecil mengandung pengertian bahwa semakin kecil nilai MSE suatu
peramalan, maka hasil ramalan tersebut semakin mendekati aktualnya
(forescasting power semakin kuat (Firdaus, 2006:4). Nilai MSE dirumuskan
sebagai berikut:
37
Keterangan :
yi = nilai variabel
ŷi = nilai ramalan
(yi- ŷi) = kesalahan ramalan (error)
n = banyaknya observasi
3.4.Pengendalian Persediaan
3.4.1 Economic Order Quantity (EOQ)
Model persediaan EOQ dapat dilakukan dengan cara grafik dan tabel, atau
dengan formula (rumus). Cara tabel dan grafik, atau menggunakan pengujian uji
coba untuk mengetahui jumlah pesanan yang paling ekonomis. Caranya dimulai
dengan menghitung biaya-biaya yang timbul pada setiap kemungkinan frekuensi
pesanan yaitu pemesanan dan jumlah pesanan yang paling ekonomis, yaitu
memberikan biaya total terendah dapat diketahui dengan membandingkan biaya
total dari setiap frekuensi pesanan.
Rumus EOQ yang biasa digunakan adalah (Handoko, 2008:340)
EOQ = H SD
2
Dimana:
D : penggunaan atau permintaan yang diperkirakan per periode waktu.
S : Biaya pemesanan ( persiapan pesanan dan penyiapan mesin ) per
pesanan
38
Adapun asumsi yang perlu diperhatikan pada model EOQ adalah sebagai
berikut (Handoko, 2008 : 341):
1. Permintaan akan produk adalah konstan, seragam dan diketahui
(deterministik).
2. Harga per unit produk adalah konstan.
3. Biaya penyimpanan per unit per tahun (H) adalah konstan.
4. Biaya pemesanan per pesanan (S) adalah konstan.
5. Waktu antara pesanan dilakukan dan barang-barang diterima (leadtime)
adalah konstan.
6. Tidak terjadi kekurangan barang atau back order.
Komponen biaya yang harus diketahui untuk menentukan kuantitas pesanan
ekonomis adalah sebagai berikut :
Biaya pemesanan pertahun = frekuensi pesanan x biaya pemesanan
= S
Q D
Frekuensi pemesanan merupakan permintaan pertahun dibagi dengan jumlah
pesanan dalam satu tahun, sehingga jumlah frekuensi pesananan yang paling
ekonomis adalah :
F’ = *
Q D
Sedangkan untuk mengetahui banyaknya pemesanan dilakukan dengan membagi jumlah hari kerja dengan frekuensi pemesanan yang paling ekonomis,
39
= persediaan rata-rata x biaya penyimpanan
= Q H 2
EOQ terjadi bila biaya pemesanan = biaya penyimpanan
xS
membuat turunan pertama fungsi biaya total terhadap Q sama dengan nol, sebagai
berikut :
40
S = biaya pemesanan atau biaya setup (rupiah/pemesanan)
h = biaya pemesanan (% terhadap nilai barang)
C = harga barang (rupiah/unit)
H = h x C = biaya penyimpanan (rupiah/kg/tahun)
Q = jumlah pemesanan (unit/pesanan)
F = frekuensi pemesanan (kali/tahun)
T = jarak waku antar pesanan (tahun,hari)
TC = biaya total persediaan (rupiah/tahun)
3.4.2. Safety Stock (SS)
Persediaan pengaman apabila penggunaan persediaan melebih dari
perkiraan. Safety stock sering disebut dengan buffer stock. Semakin besar safety
stock maka semakin kecil kemungkinan terjadi stock out. Menentukan besarnya
persediaan pengaman dengan pendekatan timgkat pelayanan (service level).
Tingkat pelayanan dapat didefinisikan sebagai probabilitas permintaan tidak akan
melebihi persediaan selama jangka waktu tenggang (Rangkuti,2007:11). Rumus
SS yang biasa digunakan adalah :
SS = z Lt ( d)
Dimana :
SS = Safety Stock
Z = tngkat pelayanan
Lt = masa tenggang
41
3.5 Definisi Operasional
Definisi operasional adalah suatu definisi yang diberikan kepada suatu
variabel dengan cara memberikan arti, atau menspesifikasikan kegiatan, ataupun
memberikan suatu operasional yang diperlukan untuk mengukur variabel tersebut
(Nazir, 2005:126). Definisi operasional yang digunakan dalam penelitian ini
adalah :
1. Data time series adalah data penjualan bulanan buah durian medan, buah
durian monthong thailand, dan buah durian frozen monthong.
2. Permalan penjualan adalah aktivitas memperkirakan jumlah buah duah
durian yang akan dijual dalam rentang waktu satu tahun kedepan
berdasarkan data time series.
3. Stasioner adalah pola data yang horizontal, data berfluktuasi di sekitar
nilai rata-rata konstan dan data tidak memiliki kecendrungan (trend).
4. Biaya pemesanan adalah biaya-biaya yang terkait langsung dangan
kegiatan pemesanan dan pembelian bahan yang dilakukan perusahaan.
Biaya pemesanan dihitung dalam satuan Rupiah (Rp).
5. Biaya penyimpanan adalah biaya yang timbul karena adanya buah durian
yang disimpan oleh perusahaan. Biaya penyimpanan dihitung dalam
satuan Rupiah (Rp).
6. Jumlah permintaan adalah banyaknya kebutuhan buah durian yang
diperlukan untuk dipasarkan dalam satu periode. Jumlah permintaan
42
7. Harga buah durian yaitu harga yang ditentukan oleh suppllier, dimana
harga sewaktu-waktu dapat berubah tergantung kebijakan suppllier yang
