analisis perbandingan tingkat kesalahan metode peramalan pada singapore restaurant dan rumah makan ayam bebek bagonyet

Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli. Copyright and reuse: This license lets you remix, tweak, and build upon work non-commercially, as long as you credit the origin creator and license it on your new creations under the identical terms.. Team project ©2017 Dony Pratidana S. Hum | Bima Agus Setyawan S. IIP.

ANALISIS PERBANDINGAN TINGKAT KESALAHAN METODE PERAMALAN PADA SINGAPORE RESTAURANT DAN RUMAH MAKAN AYAM BEBEK BAGONYET. SKRIPSI Diajukan untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi (S.E.) Jenjang Pendidikan Strata Satu. Friska Agustina Sugiarso 12130110100. PROGRAM STUDI MANAJEMEN FAKULTAS BISNIS. UNIVERSITAS MULTIMEDIA NUSANTARA TANGERANG 2017 i Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

COMPARATIVE ANALYSIS OF THE ERROR RATE OF FORECASTING METHOD IN SINGAPORE RESTAURANT AND CHICKEN DUCK BAGONYET RESTAURANT. THESIS Presented in Partial Fulfillment of The Requirements For The Bachelor Degree of Economic. Friska Agustina Sugiarso 12130110100. MANAGEMENT STUDY PROGRAM FACULTY OF BUSINESS. UNIVERSITY OF MULTIMEDIA NUSANTARA TANGERANG 2017 i Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

ABSTRAK. Tujuan penelitian, ialah untuk menentukan metode peramalan yang tepat yang dapat digunakan sebagai acuan untuk menentukan jumlah pembelian pada periode berikutnya dan mengetahui pemilihan metode peramalan yang baik dan tepat. Pada penelitian ini, penulis menggunakan data pembelian kwetiaw mentah pada Januari 2016 sampai Februari 2017 dan data pembelian ayam bebek pada Desember 2016 sampai Mei 2017. Adapun cara untuk melakukan perhitungan peramalan dengan menggunakan software POM for Windows dan Microsoft Excel 2007. Perhitungan peramalan dilakukan dengan menggunakan enam metode peramalan deret waktu, yaitu Naïve Method, Moving Averages, Weigthed Moving Averages, Exponential Smoothing, Exponential Smoothing with Trend, dan Double Exponential Smoothing Metode Dua Parameter dari Holt. Keenam metode ini dapat membantu menemukan tingkat kesalahan terkecil, dimana tingkat kesalahan dihitung dengan empat indikator yaitu ME, MSE, MAD, dan MAPE.. Kata Kunci: Pemilihan Metode Peramalan, Tingkat Kesalahan, Persediaan Pengaman, Tingkat Pelayanan. iv Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

ABSTRACT. The purpose of the study, is to determine a suitable forecasting method that can be used as a reference to determine the number of purchases in the next period and know the selection of good and precise forecasting methods. In this study, the author use the purchase data of kwetiaw from January 2016 to February 2017 and duck chicken purchases data from December 2016 until May 2017. In order to perform forecasting calculations, the author is using software POM for Windows and Microsoft Excel 2007. To perform the forecasting calculation, this study uses six methods of forecasting, the series time, Naïve Method, Moving Averages, Weigthed Moving Averages, Exponential Smoothing, Exponential Smoothing with Trend, and Double Exponential Smoothing Method Two Parameters from Holt. These six methods can help find the smallest level of misconduct, where the error rate can be calculated by four indicators of ME, MSE, MAD, and MAPE. Keywords: Selection of Forecasting Methods, Safety Stock, Service Level. v Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Allah SWT karena berkat rahmat dan karuniaNya, penulis dapat menyelesaikan skripsi yang berjudul “ ANALISIS. PERBANDINGAN. TINGKAT. KESALAHAN. METODE. PERAMALAN PADA SINGAPORE RESTAURANT DAN RUMAH MAKAN AYAM BEBEK BAGONYET” dengan baik dan tepat waktu. Skripsi merupakan salah satu syarat kelulusan yang harus ditempuh sebagai mahasiswi Strata 1 Fakultas Bisnis Universitas Multimedia Nusantara. Dalam menyelesaikan skripsi ini banyak suka dan duka yang dihadapi penulis. Namun, pada akhirnya penulis dapat melewati segala proses tersebut dan mampu menyelesaikan skripsi dengan baik dan tepat waktu. Adapun pihak-pihak yang turut serta membantu penulis, baik ilmu, pendapat, dan juga kritik yang dapat membangun penulis untuk bisa mengerjakan skripsi. Oleh karena itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada pihak yang terlibat yaitu kepada : 1. Allah SWT yang selalu memberikan rahmat dan karuniaNya kepada penulis sehingga penulis diberikan kesabaran dan kemudahan dalam menyelesaikan skripsi. 2. Keluarga penulis, Papah dan Mamah yang telah memberikan doa, semangat serta dukungan dalam menyelesaikan skripsi. 3. Bapak Dr. Ninok Leksono selaku Rektor Universitas Multimedia Nusantara 4. Ibu Dewi Wahyu Handayani, S.E., M.M., selaku Ketua Program Studi Manajemen Universitas Multimedia Nusantara yang telah memberikan dukungan kepada penulis dalam pengerjaan skripsi. vi Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

5. Bapak Felix Sutisna, S.E. M.M., selaku dosen pembimbing penulis yang telah memberikan berbagai arahan sehingga penulis dapat menyelesaikan skripsi ini. 6. Bapak Mohammad Annas S.Tr.Par, M.M. selaku Dosen Penguji yang telah memberikan masukan sehingga penulis dapat lebih mengerti dan mengevaluasi kembali kekurangan dalam penelitian skripsi ini. 7. Bapak Thomas Dwi Susmantoro, S.T., M.S.M. selaku Ketua Sidang yang telah megarahkan jalannya sidang sehingga dapat berjalan dengan lancar serta masukkan yang sangat berguna untuk kemajuan skripsi ini. 8. Seluruh dosen Universitas Multimedia Nusantara yang sudah memberikan ilmu pengetahuan serta pengalaman kepada penulis selama menempuh pembelajaran kuliah yang tidak dapat disebutkan satu persatu. 9. Seluruh sahabat dan pihak-pihak yang tidak dapat penulis sebutkan satu persatu yang telah memberikan doa, dukungan, motivasi dan semangat kepada penulis. Penulis menyadari bahwa dalam penyusunan tugas akhir ini masih jauh dari kata sempurna dan mohon maaf apabila ada kesalahan kata atau kalimat dalam penyusunan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi semua pihak khususnya bagi penulis.. Tangerang, 8 Agustus 2017. Friska Agustina Sugiarso. vii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

DAFTAR ISI. HALAMAN JUDUL ..................................................................................................... i LEMBAR PENGESAHAN SKRIPSI ......................................................................... ii LEMBAR PERNYATAAN TIDAK MELAKUKAN PLAGIAT............................. iii ABSTRAK ..................................................................................................................... iv ABSTRACT................................................................................................................... .v KATA PENGANTAR................................................................................................... vi DAFTAR ISI.................................................................................................................. viii DAFTAR GAMBAR..................................................................................................... xi DAFTAR TABEL ......................................................................................................... xiv BAB I PENDAHULUAN 1.1 Latar Belakang Masalah.................................................................................... 1 1.2 Rumusan Masalah .............................................................................................. 5 1.3 Tujuan Penelitian ............................................................................................... 6 1.4 Batasan Masalah................................................................................................. 6 1.5 Manfaat Penelitian ............................................................................................. 7 1.6 Sistematika Penulisan ........................................................................................ 8 BAB II LANDASAN TEORI 2.1 Manajemen.......................................................................................................... 10 2.2 Manajemen Operasi ........................................................................................... 10 2.3 Operational Management Decision .................................................................... 11. viii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.4 Manajemen Persediaan...................................................................................... 12 2.4.1 Inventory Model ..................................................................................... 13 2.4.2 Model Persediaan Untuk Permintaan Independen ........................... 15 2.4.3 Persediaan Pengaman (Safety Stock)................................................... 19 2.5 Peramalan (Forecasting).................................................................................... 20 2.5.1 Peramalan Horizon Waktu (Forecasting Time Horizon)................... 21 2.5.2 Tipe-tipe Peramalan (Types of Forecasting) ....................................... 22 2.5.3 Pendekatan Peramalan (Forecasting Approaches)............................. 23 2.5.4 Kesalahan Peramalan (Forecast Errors)............................................ 33 2.6 Tingkat Layanan (Service Level)....................................................................... 35 2.7 Peneliti Terdahulu.............................................................................................. 37 BAB III METODOLOGI PENELITIAN 3.1. Gambaran Umum Perusahaan ........................................................................ 41 3.1.1 Gambaran Umum Singapore Restaurant........................................... 41 3.1.2 Gambaran Umum Ayam Bebek Bagonyet ......................................... 44 3.2 Metodologi Penelitian......................................................................................... 45 3.2.1 Pengumpulan Data................................................................................ 45 3.3 Teknik Pengumpulan Data................................................................................ 46 3.4 Teknik Analisa Data........................................................................................... 47 3.5 Kesalahan Peramalan (Forecast Errors) .......................................................... 51 3.6 Safety Stock......................................................................................................... 52 BAB IV ANALISIS PEMBAHASAN 4.1. Pengumpulan Data ............................................................................................ 54 4.2 Uji Time Series Forecasting............................................................................... 57 4.2.1 Uji Time Series Forecasting Pembelian Kwetiaw Mentah Singapore ix Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Restaurant ..................................................................................................... 57 4.2.2 Uji Time Series Forecasting Pembelian Ayam Bebek Mentah Bagonyet Mentah ............................................................................................................ 75 4.3 Hasil Perhitungan Peramalan Tingkat Kesalahan Metode Peramalan ........ 106 4.4 Safety Stock......................................................................................................... 108 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ......................................................................................................... 111 5.1 Saran.................................................................................................................... 112 DAFTAR PUSTAKA ............................................................................................... 114 LAMPIRAN................................................................................................................... 116. x Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

DAFTAR GAMBAR. Gambar 2.1 Model Persediaan Economic Order Quantity .................................................. 15 Gambar 2.2 Model Titik Pemesanan Ulang (ROP) ............................................................. 17 Gambar 2.3 Model Production Order Quantity (POQ)....................................................... 18 Gambar 3.1 Logo Singapore Restaurant .............................................................................. 42 Gambar 3.2 Struktur Organisasi Singapore Restaurant ....................................................... 43 Gambar 3.3 Logo Ayam Bebek Bagonyet ........................................................................... 44 Gambar 4.1 Grafik Pembelian Kwetiaw Mentah Singapore Restaurant ............................. 55 Gambar 4.2 Grafik Pembelian Ayam Bebek Bagonyet ....................................................... 56 Gambar 4.3 Grafik Pembelian Kwetiaw Mentah Singapore Restaurant Menggunakan Naïve Method dengan POM for Windows ........................................................................... 58 Gambar 4.4 Grafik Pembelian Kwetiaw Mentah Singapore Restaurant Menggunakan Moving Averages dengan POM for Windows ...................................................................... 60 Gambar 4.5 Grafik Pembelian Kwetiaw Mentah Singapore Restaurant Menggunakan Weighted Moving Averages dengan POM for Windows...................................................... 63 Gambar 4.6 Grafik Pembelian Kwetiaw Mentah Menggunakan Exponential Smoothing dengan POM for Windows ................................................................................................... 66 Gambar 4.7 Grafik Pembelian KwetiawMenggunakan Exponential Smoothing with Trend dengan POM for Windows ........................................................................................ 69 Gambar 4.8 Grafik Pembelian Kwetiaw Menggunakan Double Exponential Smoothing Dua Parameter Dari Holt dengan Microsoft Excel .............................................................. 73 xi Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Gambar 4.9 Grafik Pembelian Ayam Mentah Bagonyet Menggunakan Naive Method dengan POM for Windows ................................................................................................... 76 Gambar 4.10 Grafik Pembelian Bebek Mentah Bagonyet Menggunakan Naive Method dengan POM for Windows ................................................................................................... 78 Gambar 4.11 Grafik Pembelian Ayam Bagonyet Menggunakan Moving Averages dengan POM for Windows ................................................................................................... 80 Gambar 4.12 Grafik Pembelian Bebek Mentah Bagonyet Menggunakan Moving Averages dengan POM for Windows ................................................................................... 83 Gambar 4.13 Grafik Pembelian. Ayam Mentah Bagonyet Menggunakan Weighted. Moving Averages dengan POM for Windows ...................................................................... 85 Gambar 4.14 Grafik Pembelian. Ayam Mentah Bagonyet Menggunakan Weighted. Moving Averages dengan POM for Windows ...................................................................... 88 Gambar 4.15 Grafik Pembelian Ayam Bagonyet Menggunakan Exponential Smoothing dengan POM for Windows ................................................................................................... 90 Gambar 4.16 Grafik Pembelian Bebek Bagonyet Menggunakan Exponential Smoothing dengan POM for Windows ................................................................................................... 93 Gambar 4.17 Grafik Pembelian Ayam Bagonyet Menggunakan Exponential Smoothing with Trend dengan POM for Windows................................................................................. 95 Gambar 4.18 Grafik Pembelian Bebek Bagonyet Menggunakan Exponential Smoothing with Trend dengan POM for Windows................................................................................. 97. xii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Gambar 4.19 Grafik Pembelian Ayam Bagonyet Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel ............................... 101 Gambar 4.18 Grafik Pembelian Bebek Bagonyet Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft ......................................... 104. xiii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

DAFTAR TABEL. Tabel 2.1 Penelitian Terdahulu ............................................................................................ 37 Tabel 4.1 Data Pembelian Kwetiaw Mentah ....................................................................... 54 Tabel 4.2 Data Pembelian Ayam Bebek Bagonyet.............................................................. 56 Tabel 4.3 Hasil Peramalan Pembelian Kwetiaw Mentah..................................................... 57 Tabel 4.3 Hasil Peramalan Pembelian Kwetiaw Mentah..................................................... 57 Tabel 4.4 Hasil Perhitungan Kesalahan Peramalan Menggunakan Naïve Method dengan POM for Windows................................................................................................................ 58 Tabel 4.5 Detail and Error Analysis Pembelian Kwetiaw Mentah Menggunakan Naïve Method dengan POM for Windows...................................................................................... 59 Tabel 4.6 Hasil Peramalan. Pembelian Kwetiaw Mentah Menggunakan Moving. Averagse dengan POM for Windows ................................................................................... 60 Tabel 4.7 Hasil Perhitungan Kesalahan Peramalan Menggunakan Moving Averages dengan POM for Windows ................................................................................................... 61 Tabel 4.8 Detail and Error Analysis Pembelian Kwetiaw Mentah Menggunakan Moving Averages dengan POM for Windows ................................................................................... 62 Tabel 4.9 Hasil Peramalan Pembelian Menggunakan Metode Weighted Moving Averages Kwetiaw Singapore Restaurant ............................................................................ 63 Tabel 4.10 Hasil Perhitungan Kesalahan Peramalan Menggunakan Weighted Moving Averages dengan POM for Windows ................................................................................... 64. xiv Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Tabel 4.11 Detail and Error Analysis Pembelian Kwetiaw Mentah Menggunakan Weighted Moving Averages dengan POM for Windows...................................................... 65 Tabel 4.12 Hasil Peramalan Pembelian Kwetiaw Mentah Menggunakan Metode Exponential Smoothing ...................................................................................................... 66 Tabel 4.13 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing dengan POM for Windows................................................................................. 67 Tabel 4.15 Detail and Error Analysis Pembelian Kwetiaw Menggunakan Exponential Smoothing dengan POM for Windows................................................................................. 68 Tabel 4.16 Hasil Peramalan Pembelian Kwetiaw Menggunakan Metode Exponential Smoothing with Trend ......................................................................................................... 69 Tabel 4.17 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing with Trend dengan POM for Windows .............................................................. 70 Tabel 4.18 Detail and Error Analysis Pembelian Kwetiaw Mentah Menggunakan Exponential Smoothing with Trend dengan POM for Windows .......................................... 71 Tabel 4.19 Hasil Peramalan Pembelian Kwetiaw Menggunakan Metode Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel........... 72 Tabel 4.20 Hasil Perhitungan Kesalahan Peramalan Menggunakan Double Exponential Smoothing Dua Parameter Dari Holt dengan Microsoft Excel ............................................ 73 Tabel 4.21 Detail and Error Analysis Pembelian Kwetiaw Menggunakan Exponential Smoothing Dua Parameter Dari Holt dengan Microsoft Excel ............................................ 74. xv Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Tabel 4.22 Hasil Peramalan Pembelian Ayam Mentah Bagonyet Menggunakan Metode Naive Method ....................................................................................................................... 75 Tabel 4.23 Hasil Perhitungan Kesalahan Peramalan Menggunakan Naive Method POM for Windows ......................................................................................................................... 76 Tabel 4.24 Detail and Error Analysis Ayam Bagonyet Menggunakan Naive Method dengan POM for Windows ................................................................................................... 77 Tabel 4.25 Hasil Peramalan Pembelian Bebek Mentah Bagonyet Menggunakan Metode Naive Method ....................................................................................................................... 77 Tabel 4.26 Hasil Perhitungan Kesalahan Peramalan Menggunakan Naive Method POM for Windows ......................................................................................................................... 78 Tabel 4.27 Detail and Error Analysis Bebek Bagonyet Menggunakan Naive Method dengan POM for Windows ................................................................................................... 79 Tabel 4.28 Hasil Peramalan Pembelian Ayam Bagonyet Menggunakan Metode Moving Averages............................................................................................................................... 80 Tabel 4.29 Hasil Perhitungan Kesalahan Peramalan Menggunakan Moving Averages POM for Windows................................................................................................................ 81 Tabel 4.30 Detail and Error Analysis Ayam Mentah Bagonyet Menggunakan Moving Averages dengan POM for Windows ................................................................................... 82 Tabel 4.31 Hasil Peramalan Pembelian Bebek Bagonyet Menggunakan Metode Moving Averages............................................................................................................................... 82 Tabel 4.32 Hasil Perhitungan Kesalahan Peramalan Menggunakan Moving Averages POM for Windows................................................................................................................ 83. xvi Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Tabel 4.33 Detail and Error Analysis Bebek Bagonyet Menggunakan Moving Averages dengan POM for Windows ................................................................................................... 84 Tabel 4.34 Hasil Peramalan Pembelian Ayam Mentah Bagonyet Menggunakan Metode Weigthed Moving Averages ................................................................................................. 85. Tabel 4. 35 Hasil Perhitungan Kesalahan Peramalan Menggunakan Weighted Moving Averages POM for Windows................................................................................................ 86 Tabel 4.36 Detail and Error Analysis Ayam Mentah Bagonyet Menggunakan Weighted Moving Averages dengan POM for Windows ...................................................................... 87 Tabel 4.37 Hasil Peramalan Pembelian Bebek Bagonyet Menggunakan Metode Weighted Moving Averages ................................................................................................. 87 Tabel 4.38 Hasil Perhitungan Kesalahan Peramalan Menggunakan Weighted Moving Averages POM for Windows................................................................................................ 88 Tabel 4.39 Detail and Error Analysis Bebek Bagonyet Menggunakan Weighted Moving Averages dengan POM for Windows ................................................................................... 89 Tabel 4.40 Hasil Peramalan Pembelian Ayam Bagonyet Menggunakan Metode Exponential Smoothing ........................................................................................................ 90 Tabel 4.41 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing dengan POM for Windows................................................................................. 91 Tabel 4.42 Detail and Error Analysis Ayam Bagonyet Menggunakan Exponential Smoothing Averages dengan POM for Windows ................................................................. 92. xvii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Tabel 4.43 Hasil Peramalan Pembelian Bebek Bagonyet Menggunakan Metode Exponential Smoothing ........................................................................................................ 92 Tabel 4.44 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing dengan POM for Windows................................................................................. 93 Tabel 4.45 Detail and Error Analysis Bebek Bagonyet Menggunakan Exponential Smoothing dengan POM for Windows................................................................................. 94 Tabel 4.46 Hasil Peramalan Pembelian Ayam Bagonyet Menggunakan Metode Exponential Smoothing with Trend...................................................................................... 94 Tabel 4.47 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing with Trend dengan POM for Windows .............................................................. 95 Tabel 4.48 Detail and Error Analysis Ayam Bagonyet Menggunakan Exponential Smoothing with Trend dengan POM for Windows .............................................................. 96 Tabel 4.49 Hasil Peramalan Pembelian Bebek Bagonyet Menggunakan Metode Exponential Smoothing with Trend...................................................................................... 97 Tabel 4.50 Hasil Perhitungan Kesalahan Peramalan Menggunakan Exponential Smoothing with Trend dengan POM for Windows .............................................................. 98 Tabel 4.51 Detail and Error Analysis Bebek Bagonyet Menggunakan Exponential Smoothing with Trend dengan POM for Windows .............................................................. 99 Tabel 4.52 Hasil Peramalan Pembelian Ayam Bagonyet Menggunakan Metode Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel........... 100 Tabel 4.53 Hasil Perhitungan Kesalahan Peramalan Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel ............................... 101. xviii Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Tabel 4.54 Detail and Error Analysis Ayam Bagonyet Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel........... 102 Tabel 4.55 Hasil Peramalan Bebek Bagonyet Menggunakan Metode Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel ............................... 103 Tabel 4.56 Hasil Perhitungan Kesalahan Peramalan Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel ............................... 104 Tabel 4.57 Detail and Error Analysis Ayam Bagonyet Menggunakan Double Exponential Smoothing Metode Dua Parameter Dari Holt dengan Microsoft Excel........... 105 Tabel 4.58 Perhitungan Peramalan Metode Peramalan Pembelian Kwetiaw Mentah......... 106 Tabel 4.59Perhitungan Tingkat Kesalahan Berdasarkan Metode Peramalan Pembelian Kwetiaw Mentah.................................................................................................................. 106 Tabel 4.60 Perhitungan Tingkat Kesalahan Berdasarkan Metode Peramalan Pembelian Ayam Mentah....................................................................................................................... 107 Tabel 4.61 Perhitungan Tingkat Kesalahan Berdasarkan Metode Peramalan Pembelian Bebek Mentah ...................................................................................................................... 107. xix Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

BAB I PENDAHULUAN. 1.1 Latar Belakang Pertumbuhan ekonomi merupakan salah satu indikator penting dalam suatu perekonomian, terutama pertumbuhan ekonomi yang dialami di Indonesia. Ekonomi dapat dikatakan mengalami pertumbuhan apabila produksi barang dan jasa meningkat dari tahun ke tahun. Hal ini menunjukan sejauh mana aktivitas perekonomian dapat menghasilkan pendapatan bagi kesejahteraan masyarakat Indonesia dalam periode waktu tertentu. Jika pertumbuhan tersebut mengalami peningkatan secara signifikan, maka di negara tersebut memiliki pertumbuhan ekonomi yang baik. Akan tetapi, jika pertumbuhan tersebut tidak mengalami peningkatan, maka akan muncul berbagai dampak buruk yang akan dialami oleh masyarakat. Badan Pusat Statistik (BPS) mencatat, pertumbuhan ekonomi Indonesia pada tahun 2015 sebesar 4,88%, pada triwulan IV 2016 sebesar 4,94%, menurun 1,77% dari triwulan III 2016 (tahun yang sama). Secara kumulatif, pertumbuhan ekonomi Indonesia sepanjang 2016 tercatat 5,02%. Kepala Badan Pusat Statistik (Suhariyanto) mengatakan pertumbuhan ekonomi tahun 2016 mengalami perbaikan. dibandingkan. tahun-tahun. sebelumnya.. Pada. tahun. 2017. memperkirakan pertumbuhan ekonomi mencapai kisaran 5,1% hingga 5,3%. (www.tempo.co, 2017). 1 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Pertumbuhan ini didukung juga dengan berkembangnya berbagai industri di Indonesia yang semakin berkembang pesat dari tahun ke tahun. Salah satu industri yang. sedang berkembang di Indonesia yaitu industri makanan dan. minuman. Perkembangan ini terlihat secara umum dengan banyaknya tempat makan di Indonesia yang bermunculan dengan berbagai macam menu makanan yang menjadi daya tarik masyarakat untuk dikonsumsi. Kementerian Perindustrian menyatakan mengenai pertumbuhan industri makanan dan minuman pada triwulan I tahun 2015, pertumbuhan industri makanan dan minuman nasional mencapai 8,16% atau lebih tinggi dari pertumbuhan industri non migas sebesar 5,21%. Sedangkan, pertumbuhan ekonomi nasional mencapai 4,71%. Sektor industri makanan dan minuman berkontribusi sebesar 29,95% terhadap PDB industri pengolahan non migas, sedangkan industri non migas berkontribusi sebesar 86,4% terhadap industri pengolahan atau sebesar 18,27% terhadap PDB Nasional. Industri makanan dan minuman menduduki posisi strategis dalam penyediaan produk siap saji yang aman, bergizi dan bermutu. (www.kemenperin.go.id, 2015) Jika kita mengamati lebih dalam berdasarkan fakta-fakta yang menyatakan bahwa industri makanan dan minuman termasuk industri yang memiliki pertumbuhan tinggi di Indonesia, maka hal ini menunjukkan bahwa jumlah tempat makan atau restoran mengalami peningkatan terutama di wilayah perkotaan. Meningkatnya jumlah tempat makan tersebut karena banyak para pengusaha yang memanfaatkan peluang industri makanan dan minuman yang sering diistilahkan. 2 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

sebagai bisnis kuliner. Bisnis kuliner diyakini merupakan bisnis yang memiliki peningkatan sangat pesat. Munculnya berbagai makanan yang unik, adanya wisata kuliner, dan tren kuliner sebagai gaya hidup masyarakat, menambah pesatnya pertumbuhan bisnis kuliner. Alasan lain, bisnis ini juga diminati banyak orang, karena bisnis kuliner dianggap sebagai jenis bisnis yang lebih mudah dilakukan. Namun bisnis ini tidak semudah yang dibayangkan, ada tantangan yang dibutuhkan untuk mengembangkan bisnis ini dengan cara inovasi dan kreatifitas untuk bersaing dalam industri ini. Dalam persaingan bisnis yang menuntut usaha-usahanya untuk bisa memiliki produk bermutu, pengiriman tepat waktu, dan. tingkat pelayanan yang baik.. Tingkat pelayan (service level), dimana tingkat pelayanan yang baik merupakan kunci dari manajemen persediaan. Selain itu, para pengusaha bisnis harus memperhatikan dalam manajemen persediaan. Manajemen persediaan sangat penting bagi kelangsungan perusahaan guna melancarkan proses produksi, melindungi terhadap ketidakpastian, kualitas bahan baku, memenuhi kebutuhan. konsumen, dan mengoptimalkan laba. perusahaan. Apabila perusahaan mengalami kekurangan persediaan maka keberlangsungan proses produksi akan terganggu dan tidak dapat memenuhi keinginan para pelanggan. Namun, jika sebaliknya perusahaan mengalami kelebihan persediaan akan berdampak pada biaya persediaan yang besar, dan kualitas bahan baku akan menurun (hampir kadaluwarsa). Dengan adanya manajemen persediaan bukan untuk mengurangi atau meningkatkan jumlah. 3 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

persediaan,. tetapi. untuk. mengoptimalkan. pengelolaan. persediaan. agar. mendapatkan keuntungan yang maksimal. Dalam hal perencanaan persediaan, dapat dilakukan dengan menggunakan metode peramalan. Metode peramalan yang merupakan dasar dari perencanaan dan pengendalian perusahaan untuk memperkirakan jumlah persediaan yang diperlukan oleh perusahaan. Apabila perusahaan memiliki jumlah persediaan terlalu besar maka akan mengakibatkan timbulnya pengeluaran biaya yang percuma dan resiko kerusakan barang lebih besar. Untuk itu, dalam membuat suatu peramalan, meminimalkan kesalahan sangat penting, karena untuk mencari tingkat kesalahan (error) yang terkecil. Dengan memilih hasil ramalan dengan tingkat kesalahan yang minim, ramalan yang dibuat akan mendekati kenyataan. Dalam penelitian ini terdapat dua objek penelitian yaitu Singapore Restaurant dan Ayam Bebek Bagonyet. Objek penelitian pertama yaitu Singapore Restaurant merupakan salah satu tempat makan yang menyajikan menu hidangan seafood. Setiap harinya restoran ini selalu menyajikan makanan yang dimasak berdasarkan permintaan konsumen, maka Singapore Restaurant sangat bergantung pada kelancaran persediaan. Terutama kelancaran persediaan pada menu kwetiaw yang merupakan menu utama dari restoran ini. Kwetiaw merupakan makanan yang terbuat dari bahan mentah, dimana produk ini diproduksi setiap hari dan lebih banyak dari pada produk seafood lainnya. Bahan dari menu utama ini merupakan bahan yang mudah rusak. sehingga dibutuhkan perhatian khusus dalam. perencanaan dan persediaan bahan mentah. Dengan melakukan perhatian khusus kepada bahan mentah makanan yang mudah rusak, tentu akan menjaga kualitas. 4 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

sebuah makanan yang akan disajikan. Pada objek penelitian kedua yaitu Ayam Bebek Bagonyet. Ayam Bebek Bagonyet merupakan salah satu usaha rumah makan sederhana yang berada di daerah perumahan Karawaci, Tangerang. Ayam Bebek Bagonyet menawarkan menu makanan ayam dan bebek. Singapore Restaurant dan Ayam Bebek Bagonyet merupakan dua objek dimana penulis melakukan sebuah penelitian. Dimana Singapore Restaurant merupakan tenpat makan yang sudah lama berdiri, sedangkan sebagai pembanding penelitian, penulis memiliki rumah makan Ayam Bebek Bagonyet yang merupakan tempat makan yang baru berdiri. Berdasarkan dua objek tersebut, maka penulis ingin melakukan sebuah analisis perbandingan metode peramalan berdasarkan tingkat kesalahan terkecil dan menentukan safety stock dalam pengendalian persediaan kwetiaw pada Singapore Restaurant dan Ayam Bebek Bagonyet.. 1.2 Rumusan Masalah Singapore Restaurant dan Ayam Bebek Bagonyet merupakan dua objek dimana penulis melakukan sebuah penelitian, maka pokok permasalahan yang akan dibahas dalam penelitian ini dapat dirumuskan sebagai berikut : 1. Berapa perkiraan jumlah pembelian kwetiaw Singapore Restaurant pada Agustus 2017? 2. Berapa perkiraan jumlah pembelian ayam dan bebek di rumah makan Ayam Bebek Bagonyet pada Agustus 2017?. 5 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

3. Metode peramalan mana yang baik digunakan dengan tingkat kesalahan peramalan yang paling kecil untuk menentukan jumlah pembelian kwetiaw mentah pada Singapore Restaurant dan pembelian ayam bebek mentah pada rumah makan Ayam Bebek Bagonyet? 4. Berapa jumlah safety stock kwetiaw mentah yang seharusnya disediakan oleh Singapore Restaurant dan ayam bebek mentah di rumah makan Ayam Bebek Bagonyet?. 1.3 Tujuan Penelitian Berdasarkan rumusan masalah di atas, maka penulis melakukan penelitian betujuan untuk: 1. Untuk menghitung perkiraan jumlah pembelian kwetiaw mentah pada Singapore Restaurant. 2. Untuk menghitung perkiraan jumlah pembelian ayam dan bebek mentah pada rumah makan Ayam Bebek Bagonyet. 3. Untuk menentukan metode peramalan persediaan apa yang paling tepat. 4. Untuk menghitung jumlah safety stock kwetiaw mentah yang seharusnya disediakan oleh Singapore Restaurant dan ayam bebek mentah yang seharusnya disediakan oleh rumah makan Ayam Bebek Bagonyet. 1.4 Batasan Masalah Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka dibuat batasan masalah agar ruang lingkup penelitian dapat lebih jelas dan terarah. Maka ruang lingkup penelitian akan dibatasi sebagai berikut:. 6 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

1. Penelitian dilakukan di dua lokasi yang berbeda, yakni Singapore Restaurant Pluit dan rumah makan Ayam Bebek Bagonyet, Perumahan Karawaci, Tangerang. 2. Perencanaan pengelolaan bahan mentah yang diteliti adalah pembelian bahan mentah kwetiaw pada Singapore Restaurant dan pembelian ayam bebek mentah pada rumah makan Ayam Bebek Bagonyet.. 1.5 Manfaat Penelitian Pada penelitian ini yang penulis lakukan ini, diharapkan memiliki manfaat sebagai berikut: 1. Bagi penulis, penelitian ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi di Universitas Multimedia Nusantara. 2. Bagi perusahaan, penelitian diharapkan digunakan sebagai bahan pertimbangan serta masukan bagi perusahaan terkait mengenai masalah pembelian bahan mentah. 3. Bagi. Universitas. Multimedia. Nusantara,. penulis. berharap. dapat. memberikan referensi bagi mahasiswa-mahasiswi yang ingin melakukan penelitian selanjutnya.. 7 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

1.6 Sistematika Penulisan Sistematika penulisan dalam skripsi ini, disusun sebagai berikut: BAB I PENDAHULUAN Bab ini berisi latar belakang masalah, permasalahan, pembatasan masalah, tujuan dan manfaat penulisan, serta sistematika penulisan.. BAB II TINJAUAN PUSTAKA Bab ini berisi tentang teori-teori yang berkaitan dengan penelitian dan digunakan sebagai dasar permasalahan. Teori yang terkait dengan penelitian ini adalah teori tentang manajemen persediaan (inventory management), peramalan (forecasting), dan tingkat pelayanan (service level). Teori tersebut digunakan sebagai dasar yang berhubungan dengan penelitian.. BAB III METODOLOGI PENELITIAN Bab ini menjelaskan gambaran umum perusahaan dari objek penelitian, pengumpulan data, dan penjelasan mendalam mengenai metode-metode yang akan digunakan.. BAB IV PENGOLAHAN DAN ANALISIS DATA Bab ini berisi tentang pengolahan data dengan metode peramalan menggunakan Software POM for Windows dan Microsoft Excel.. 8 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

BAB V KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan dan saran dari hasil penelitian yang telah dilakukan.. 9 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

BAB II LANDASAN TEORI. Dalam mempelajari manajemen operasional, terlebih dahulu harus mengerti dan memahami arti manajemen itu sendiri. 2.1 Manajemen Manajemen memilik arti yang sangat luas, sudut padang yang berbeda, dan persepsi yang berbeda-beda. Menurut Kinicki & Williams (2016) mengemukakan manajemen sebagai hal yang penting di sebuah perusahaan karena digunakan untuk mencapai tujuan organisasi secara efisien, yang berarti menggunakan sumber daya secara bijaksana dan efektif biaya. Serta efektif juga dengan mengintegrasikan. karya. orang. melalui. perencanaan,. pengorganisasian,. memimpin, dan pengendalian sumber daya organisasi. Pengertian efisiensi adalah sarana untuk mencapai tujuan organisasi menjadi sarana yang efisien untuk menggunakan sumber daya manusia, uang, bahan baku, dan sejenisnya dengan bijak dan hemat biaya. Sedangkan pengertian efektif menganggap tujuan organisasi yang berarti mencapai hasil, membuat keputusan yang tepat dan berhasil melaksanakannya sehingga mencapai tujuan organisasi.. 2.2 Manajemen Operasi Manajemen operasi menurut Heizer dan Reider (2014) adalah serangkaian aktivitas yang menciptakan nilai dalam bentuk barang dan jasa dengan mengubah input menjadi output.. 10 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Sedangkan menurut Danreid dan Sanders (2007), manajemen operasi adalah bagian dari bisnis yang bertanggung jawab terhadap perencanaan, koordinasi, dan pengendalian sumber daya yang dibutuhkan untuk perusahaan yang menciptakan produk dan jasa. Rusell dan Taylor (2009) mendefinisikan manajemen operasi sebagai kegiatan mendesain, mengoperasikan dan mengembangkan produktivitas sistem agar dapat menyelesaikan suatu pekerjaan. Adapula Tita Deitiana (2011) menyatakan bahwa manajemen operasi merupakan suatu ilmu yang dapat diterapkan pada berbagai jenis bidang usaha seperti rumah sakit, perguruan tinggi, pabrik garmen, dan lain-lain. Pentingnya manajemen operasi diberbagai jenis usaha tersebut, karena setiap jenis usaha akan menghasilkan produk dan jasa. Dimana untuk kegiatan proses produksinya yang efektif dan efisien memerlukan berbagai konsep, peralatan serta berbagai cara mengelola operasinya.. 2.3 Operational Management Decision Menurut Jay Heizer dan Barry Render (2011) terdapat sepuluh keputusan dalam manajemen operasi (operational management decision) yang harus dipertimbangkan perusahaan dalam memproduksi suatu barang dan jasa yaitu : 1. Designing goods and services 2. Managing quality 3. Process and capacity design 4. Location selection. 11 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

5. Layout design 6. Human resource and job design 7. Supply chain management 8. Inventory 9. Scheduling 10. Maintenance 2.4 Manajemen Persediaan Di dalam suatu perusahaan, baik itu perusahaan perdagangan maupun perusahaan manufaktur pasti selalu mengandalkan manajemen persediaan (inventory management). Persediaan sebagai kekayaan perusahaan, memiliki peranan penting dalam operasi bisnis. Di bawah ini terdapat beberapa pengertian mengenai manajemen persediaan (inventory management). Menurut Krajewski, Ritzman, dan Malhotra (2007) definisi manajemen persediaan adalah perencanaan dan pengendalian persediaan untuk memenuhi prioritas persaingan organisasi, hal ini merupakan perhatian penting bagi para manajer di semua jenis bisnis. Roger G. Schroeder (2008) manajemen persediaan adalah salah satu tanggung jawab manajemen operasi yang paling penting karena persediaan memerlukan modal yang besar dan mempengaruhi pengiriman barang ke pelanggan. Adapun yang menjadi tujuan dari manajemen persediaan (inventory management) menurut Roger G. Shroeder (2008) dijelaskan sebagai berikut: 1. Untuk melindungi terhadap ketidakpastian. Dalam sistem persediaan, ada ketidakpastian pasokan, permintaan, dan lead time.. 12 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2. Untuk memungkinkan produksi ekonomi dan pembelian. 3. Untuk menutupi perubahan yang diantisipasi dalam permintaan atau penawaran. ada beberapa jenis situasi di mana perubahan permintaan atau penawaran dapat diantisipasi. 4. Untuk menyediakan transit. Persediaan transit terdiri dari bahan-bahan yang dalam perjalanan dari satu titik ke titik lain dalam penyediaan persediaan chain. Hal ini dipengaruhi oleh keputusan lokasi pabrik dan dengan pilihan operator. Selain memiliki tujuan sebagai pencapaian, manajemen persedian memiliki fungsi penting yang dapat menambah fleksibilitas dari operasi suatu perusahaan. Menurut Stevenson dan Choung (2014) fungsi manajemen persediaan, antara lain: 1. Untuk memenuhi permintaan pelanggan. 2. Untuk memperlancar persyaratan produksi. 3. Untuk memisahkan operasi. 4. Untuk pelindungan terhadap kehabisan persediaan. 5. Untuk mengambil keuntungan dari siklus pesanan. 6. Untuk melindungi dari peningkatan harga. 7. Untuk memungkinkan operasi. 8. Untuk mengambil keuntungan dari diskon kuantitas. 2.4.1 Inventory Model Dalam mengelola invetori terdapat dua jenis model persediaan, yaitu Independent dan dependent demand. Independent demand diartikan sebagai permintaan yang terkait dengan barang itu sendiri, atau suatu permintaan terhadap 13 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

berbagai item barang yang tidak ada kaitannya antara satu dengan yang lain. Sedangkan. dependent. demand. merupakan. permintaan. terhadap. suatu. barang/komponen sehubung dengan adanya kebutuhan akan barang/komponen lain yang tersusun dari berbagai komponen (Jacobs & Chase: 2014). Selain model persediaan, persediaan juga memiliki hal-hal yang harus diperhatikan, yaitu terkait dengan biaya-biaya seperti, holding, ordering, dan setup costs. Tita Deitiana (2011) mendefinisikan holding costs sebagai biaya yang muncul akibat perusahaan melakukan penyimpanan barang sebagai persediaan. Biaya tersebut merupakan sebagian besar masuk ke dalam biaya penyimpanan (secara fisik), disamping pajak dan asuransi barang. Sedangkan menurut Jacobs & Chase (2014) holding costs merupakan kategori luas yang termasuk biaya untuk fasilitas penyimpanan, penanganan, asuransi, pencurian, kerusakan, keusangan, depresiasi, pajak, dan biaya kesempatan untuk modal. Menurut Jay Heizer dan Barry Render (2011) biaya pemesanan atau ordering costs merupakan biaya yang meliputi biaya persediaan, formulir, pemrosesan pesanan, pembelian, dukungan klerikal, dan sebagainya. Biaya setup atau setup costs adalah biaya untuk menyiapkan mesin atau proses pembuatan pesanan. Itu termasuk waktu dan tenaga kerja untuk membersihkan dan mengganti alat atau pemegangnya (Jay Heizer dan Barry Render: 2011).. 14 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.4.2 Model Persediaan Untuk Permintaan Independen Dalam manajemen persediaan terdapat beberapa model persediaan untuk permintaan independen (Inventory Models For Independent Demand) yang memudahkan dalam pengambilan keputusan. Model permintaan independen ini adalah : a. EOQ (Economic Order Quantity) Jay Heizer dan Barry Render (2011) menjelaskan EOQ (Economic Order Quantity) adalah sebuah teknik pengendalian persediaan yang meminimalkan total biaya pemesanan dan biaya penyimpanan. Model EOQ, merupakan sebuah model yang hampir sebagian besar dipakai untuk kebijakan pemesanan.. Gambar 2.1 Model Persediaan Economic Order Quantity Sumber: Jay Heizer dan Barry Reinder (2011). EOQ = Q =. 15 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Dimana: Q. = Jumlah pemesanan barang per pesanan dalam satu periode dalam unit. Q*. = Jumlah pesanan optimum (EOQ). D. = Permintaan barang dalam unit. S. = Set up Cost setiap kali pesan/order. H. = Holding Cost per tahun. b. Minimizing Costs Annual holding cost dan annual setup cost dapat dirumuskan sebagai berikut : (Jay Heizer & Barry Render: 2011). 1. Annual setup cost. =. S. 2. Annual holding cost =. H. 3. Jumlah pesanan optimal ditemukan saat biaya setup tahunan (order) sama dengan biaya holding tahunan, yaitu. S=. H. 4. Untuk memecahkan EOQ, cukup kali silang persamaan annual setup cost dengan annual holding cost: 2DS. = Q²H. Q². =. 16 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Q*. =. c. Reorder Points Titik pemesanan kembali yang harus dilakukan agar barang yang dipesan datang tepat pada saat dibutuhkan (Tita Deitiana: 2011). Tingkat persediaan (titik) di mana tindakan diambil untuk mengisi persediaan kembali (Heizer & Render: 2014).. Gambar 2.2 Model Titik Pemesanan Ulang (ROP) Sumber: Jay Heizer dan Barry Reinder (2011) ROP = (Demand per day) x (Lead time for new order in days) =dxL Dimana :. d. = Permintaan per hari. L. = Jumlah hari kerja yang dibutuhkan untuk mengirimkan pesanan (Order lead time). 17 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

d. POQ (Production Order Quantity) Menurut Russel dan Taylor (2009) Production Order Quantity (POQ) merupakan modifikasi dari teknik EOQ akan tetapi perbedaanya adalah teknik ini mempunyai besar lot yang berbeda tiap pesanannya. POQ merupakan sistem persediaan dimana pesanan diterima secara bertahap, karena persediaan akan habis secara bersamaan. POQ dirumuskan sebagai berikut : POQ = Q*P =. Dimana:. Q*. = Jumlah optimal barang per pesanan. D. = Permintaan tahunan barang persediaan. S. = Biaya pemasangan atau pemesanan untuk setiap Pemesanan. H. = Biaya penyimpanan per unit per tahun. p. = Tingkat produksi harian. d. = Tingkat permintaan harian. Gambar 2.3 Model Production Order Quantity (POQ) Sumber: Jay Heizer dan Barry Render (2011). 18 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

e. Quantity Discount Quantity discount merupakan potongan harga barang yang dibeli dalam jumlah banyak (Jay Heizer dan Barry Render: 2011). Total cost = Ordering (setup) cost + Holding cost + Product cost TC =. S=. H + PD. dimana, Q = Jumlah pesanan D = Permintaan tahunan dalam unit S = Biaya pemesanan atau pengaturan per pesanan P = Harga per unit H = Biaya per unit pertahun. 2.4.3 Persediaan Pengaman (Safety Stock) Menurut Heizer dan Render (2014) penentuan safety stock dapat ditentukan dengan menggunakan cara menghitung menggunakan probalistik of stock out approach dan level of sevice approach. Model probabilistik adalah penyesuaian di dunia nyata karena permintaan dan waktu tunggu tidak selalu diketahui sehingga perlu menjaga tingkat pelayanan yang cukup dalam menghadapi permintaan yang tidak pasti. Sehingga rumus untuk menghitung persediaan pengaman (safety stock) adalah sebagai berikut: Safety Stock = x - µ dan maka. Z= Safety Stock = Z.σdLT. Dimana,. 19 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

SD : Standar penyimpanan (standat deviasi) X : Perkiraan pemakaian Y : Pemakaian sesungguhnya n : Banyaknya data. Rumus safety stock menurut Jacobs & Chase (2014) adalah sebagai berikut:. = 2.5 Peramalan (Forecasting). ∑. (. − ̅ )². =ȥ. Peramalan sangat penting bagi setiap organisasi bisnis dan untuk setiap keputusan manajemen. Peramalan adalah dasar perencanaan dan pengendalian perusahaan. Jay Heizer & Barry Render (2011) mendefinikan peramalan (forecasting) merupakan seni dan ilmu memprediksi kejadian masa depan. Peramalan mungkin melibatkan pengambilan data historis dan memproyeksikannya ke masa depan dengan semacam model matematika. Sehingga peramalan dapat mendorong manajer untuk mendapatkan keputusan yang tepat. Untuk melakukan peramalan, setiap perusahaan harus memperhatikan langkah-langkah peramalan. Peramalan memiliki tujuh langkah yang dapat diikuti untuk dalam membuat peramalan (Jay Heizer & Barry Render: 2011), yaitu: 1. Menentukan penggunaan dari peramalaan 2. Memilih barang yang akan diramalkan. 20 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

3. Menentukan horizon waktu dari peramalan 4. Memilih model peramalan 5. Menentukan data untuk menentukan peramalan 6. Membuat peramalan 7. Melakukan validasi dan mengimplementasikan hasilnya. 2.5.1 Peramalan Horizon Waktu (Forecasting Time Horizons) Dalam peramalan dapat ditentukan berdasarkan horizon waktu yang terdiri dari dari tiga kategori, yaitu peramalan jangka pendek, peramalan jangka menengah, dan peramalan jangka panjang. Jay Heizer & Barry Render (2011) menjelaskan ketiga kategori sebagai berikut: 1. Peramalan jangka pendek (Short Range Forecast) Peramalan jangka pendek (short range forecast) merupakan peramalan yang memiliki rentan waktu yang pendek sampai dengan 1 tahun, tetapi umumnya kurang dari 3 bulan dan biasanya digunakan untuk perencanaan pembelian, penjadwalan pekerjaan, level angkatan kerja, penugasan pekerjaan dan level produksi. 2. Peramalan jangka menengah (Medium Range Forecast) Peramalan jangka menengah (medium range forecast) merupakan peramalan kisaran waktu peramalan jangka menengah biasanya berkisar mulai dari 3 bulan sampai 3 tahun. Permalaan jangka menengah ini bertujuan untuk merencanakan penjualan, produksi dan penganggaran uang kas, dan analisis rencana variasi operasi.. 21 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

3. Permalan Jangka Panjang (Long Range Forecast) Permalan jangka panjang (long range forecast) merupakan peramalan dengan kisaran jangka panjang umumnya memiliki jangka waktu 3 tahun atau lebih, dan digunakan untuk perencanaan produk baru, pengeluaran modal, lokasi tempat fasilitas atau perusahaan, dan penelitian serta pengembangan.. 2.5.2 Tipe-tipe Peramalan (Types of Forecasts) Organisasi menggunakan tiga tipe peramalan utama dalam perencanaan operasi masa depan (Jay Heizer & Barry Render: 2011): 1. Peramalan Ekonomi (Economic Forecasts) Peramalan ekonomi membahas bisnis dengan memprediksi tingkat inflasi, persediaan uang, permulaan perumahan, dan perencanaan lainnya 2. Peramalan Teknologi (Technological Forecasts) Peramalan teknologi diresmikan dengan tingkat kemajuan teknologi, yang dapat menghasilkan kelahiran produk baru yang menarik, yang membutuhkan pabrik dan peralatan baru. 3. Peramalan Permintaan (Demand Forecasts) Peramalan permintaan adalah proyeksi permintaan untuk produk atau layanan perusahaan. Peramalan ini, juga disebut prakiraan penjualan, mendorong sistem produksi, kapasitas, dan penjadwalan perusahaan dan menjadi masukan bagi perencanaan keuangan, pemasaran, dan personalia.. 22 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.5.3 Pendekatan Peramalam (Forecasting Approaches) Ada dua pendekatan umum untuk peramalan, sama seperti ada dua cara untuk mengatasi semua pemodelan keputusan. Salah satunya adalah analisis kuantitatif atau pendekatan kuantitatif. Peramalan kuantitatif menggunakan berbagai model matematika yang mengandalkan data historis dan variabel asosiatif untuk meramalkan permintaan. Peramalan kualitatif memasukkan faktorfaktor seperti intuisi pengambil keputusan, emosi, pengalaman pribadi, dan sistem nilai dalam mencapai perkiraan. Beberapa perusahaan menggunakan satu pendekatan dan beberapa menggunakan yang lain. Dalam prakteknya, kombinasi keduanya biasanya paling efektif (Jay Heizer & Barry Render: 2011) . 1. Metode Peramalan Kuantitatif (Quantitative Forecasts Methods) a.Peramalan Runtun Waktu (Time Series Analysis) Peramalan runtun waktu (time series analysis) digunakan untuk membuat analisis terperinci tentang pola permintaan masa lalu dari waktu ke waktu dan untuk memproyeksikan pola ini ke masa yang akan datang. Salah satu asumsi dasar dari semua metode runtun waktu adalah bahwa permintaan dapat didekomposisi menjadi komponen seperti tingkat rata-rata, tren, musiman, siklus, dan kesalahan (Roger G. Schroeder: 2008). Menurut Jacobs & Chase: 2014, pemilihan metode peramalan oleh perusahaan tergantung pada: 1. Horizon dari waktu peramalan 2. Ketersediaan data yang akan digunakan dalam peramalan 3. Data yang diperkirakan akurat. 23 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

4. Ukuran anggaran peramalan 5. Ketersediaan personil yang berkualitas. Peramalan runtun waktu (time series) terdiri dari metode peramalan naif, metode pergerakan rata-rata, penhalusan eksponensial, dan proyeksi kecenderungan. 1) Pendekatan Naif (Naive Approach) Heizer & Render (2011) menyatakan bahwa, pendekatan naif (naive approach) merupakan teknik peramalan yang mengasumsikan bahwa permintaan pada periode berikutnya sama dengan permintaan pada periode terakhir. Cara termudah untuk meramalkannya adalah dengan menganggap permintaan pada periode berikutnya akan sama dengan permintaan pada periode terakhir. 2) Pergerakan Rata-rata (Moving Averange) Pergerakan rata-rata (Moving Averange) merupakan peramalan berdasarkan rata-rata permintaan dimasa lalu. Ketika permintaan untuk sebuah produk tidak berkembang atau menurun dengan cepat, dan jika tidak memiliki karakteristik musiman, rata-rata bergerak bisa sangat penting dalam menghilangkan fluktuasi acak untuk peramalan (Jacobs & Chase: 2014). Rumus untuk menghitung pergerakan rata-rata (moving average):. Dimana:. =. +. +. + …+. = Peramalan dari periode yang akan datang n. = Jumlah periode untuk rata-rata = Kejadian yang sebenarnya pada masa lalu. 24 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

+. dan. = Kejadian sebenarnya dua periode lalu, tiga periode lalu, dan seterusnya hingga n periode lalu.. 3) Rata-rata Bergerak Tertimbang (Weighted Moving Average) Rata-rata bergerak tertimbang (weighted moving average) merupakan sebuah peramalan dibuat dengan data masa lalu dimana data yang lebih baru diberi lebih penting dari pada data yang lebih tua. Sedangkan rata-rata bergerak sederhana memberikan nilai yang sama pentingnya untuk setiap komponen basis data rata-rata bergerak, rata-rata bergerak yang memiliki bobot memungkinkan bobot pada masing-masing elemen, dengan syarat, tentu saja jumlah semua bobot sama (Jacobs & Chase: 2014). =1 Weighted Moving Average dapat dihitung dengan rumus:. Dimana:. =. +. + …+. = Berat yang diberikan untuk kejadian sebenernya untuk periode t - 1 = Berat yang diberikan untuk kejadian sebenernya untuk periode t – 2 = Berat yang diberikan untuk kejadian sebenernya untuk periode t – n n. = Jumlah periode sebelumnya dalam ramalan. 25 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

4) Penghalusan Eksponensial (Exponential Smoothing) Penghalusan eksponensial (exponential smoothing) merupakan teknik peramalan time series menggunakan bobot yang menurun secara eksponensial (1 - σ) untuk setiap periode sebelumnya. Dalam metode peramalan sebelumnya (rata-rata bergerak sederhana dan tertimbang), kelemahan utama adalah kebutuhan untuk terus membawa sejumlah besar data historis. Karena setiap data baru ditambahkan dalam metode ini, angka observasi tertua turun dan perkiraan baru dihitung. Dalam banyak aplikasi (mungkin paling banyak), kejadian terbaru lebih menunjukkan masa depan dari pada masa lalu yang lebih jauh. Jika premis ini berlaku bahwa impotensi data berkurang seperti masa lalu yang lebih jauh, eksponensial smoothing mungkin merupakan metode yang paling logis dan mudah digunakan (Jacobs & Chase: 2014). Jacobs & Chase (2014) merumuskan penghalusan eksponensial (exponential smoothing) sebagai berikut:. Dimana:. =. +∝(. −. ). = Eksponensial untuk menghaluskan peramalan periode t = Eksponensial untuk menghaluskan peramalan yang dibuat untuk periode sebelumnya = Permintaan aktual dalam suatu periode sebelumnya ∝. = Tingkat respon yang diinginkan, atau konstanta penghalusan. 26 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Dimana ∝ adalah bobot, atau penghalusan eksponensial (smoothing constant), dipilih oleh peramal yang memiliki nilai yang lebih tinggi atau setara dengan 0 dan kurang dari atau setara dengan 1. Pada penghalusan konstan , ∝, umumnya dalam kisaran 0,05 hingga 0,50 untuk applikasi bisnis. Ini dapat diubah untuk memberikan lebih banyak bobot. pada data baru (ketika ∝ tinggi) atau lebih banyak bobot pada data sebelumnya (ketika ∝ rendah). Ketika ∝ mencapai pada titik ekstrim 1,0, = 1,. kemudian dalam persamaan. . Seluruh nilai yang lebih tua. dikeluarkan dan peramalan menjadi identik dengan metode naïve (Heizer & Render: 2014). Adapun rumus yang mengenai Double Exponential Smoothing Metode Dua Paramater dari Holt dapat dirumuskan sebagai berikut: =∝. = (. + (1−∝)(. −. =. +. ) + (1 − ) +. ). ( ). Dengan:. =. =. −. Keterangan: = data pemulusan = trend pemulusan. 27 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

5) Exponential Smoothing with Trend Penghalusan eksponensial dapat dilakukan dengan menambahkan penyesuaian di dalam tren dan memerlukan konstan (∝) penghalusan dan konstan delta (δ). Penggunaan alpha dan delta bisa mengurangi kesalahan antara aktual dan peramalan (Jacobs & Chase: 2014). Rumus yang digunakan untuk menghitung eksponensial dengan tren adalah =. Dimana: =. =. +∝( + ( =. −. −. +. ). ). Pemulusan eksponensial peramalan yang tidak termasuk tren untuk periode t. ∝. =. Pemulusan eksponensial tren untuk periode t. =. Peramalan termasuk tren untuk periode t. =. Peramalan termasuk tren dibuat untuk periode sebelumya. =. Permintaan aktual untuk periode sebelumnya sebelumya. =. Penghalusan konstant (alpha). =. Penghalusan konstant (delta). 6) Proyeksi Kecenderungan (Trend Projection) Proyeksi kecenderungan (trend projection) merupakan sebuah metode peramalan waktu yang sesuai dengan garis tren ke serangkaian titik data historis dan kemudian memproyeksikan garis depan untuk peramalan (Heizer & Render: 2014).. 28 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Sebuah garis kuadrat kecil digambarkan dalam istilah dari intersepsi atau perpotongan sumbu y sendiri (tingginya dimana metode sumbu y) dan harapannya berubah (kemiringan). Apabila dapat menghitung perpotongan dan kemiringannya, maka dapat digambarkan garis dengan persamaan (Heizer & Render: 2014) sebagai berikut: ŷ = ɑ + bx Dimana: ŷ. =. Nilai variabel yang telah dihitung untuk kEmudian diprediksikan (disebut sebagai variabel dependent/terkait). ɑ =. Perpotongan sumbu ŷ. b =. Kemiringan dari garis regresi (atau tingkat perubahan dalam y untuk perubahan yang diberikan dalam x). x. =. Variabel independent (tidak terikat) (dimana ini adalahwaktu). Ahli statistik telah mengembangkan persamaan yang dapat digunakan untuk menemukan nilai ɑ dan b untuk setiap garis regresi. Garis miring b ditemukan dengan (Heizer & Render: 2014): =. Dimana: = Ʃ =. ̅. ∑ − ∑ ²−. ². Kemiringan dari garis regresi Tanda jumlah. =. Variabel independent yang diketahui. =. Nilai dari variabel dependent yang diketahui. =. Rata-rata dari nilai 29 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

=. Rata-rata dari nilai. =. Jumlah poin atau data observasi. Menghitung perpotongan sumbu. sebagai berikut: ɑ=. b.Peramalan Causal (Causal Forecasting). +b ̅. Model peramalan asosiatif biasanya mempertimbangkan beberapa variabel yang berkaitan dengan kuantitas yang diprediksi. Setelah variabel terkait ini ditemukan, model statistik dibuat dan digunakan untuk meramalkan item yang diminati. Pendekatan ini lebih kuat daripada metode time-series yang hanya menggunakan nilai historis untuk variabel perkiraan (Heizer & Render: 2014). 1) Linear Regresi (Linear Regression) Linear regresi diartikan sebagai hubungan fungsional antara dua atau lebih variable berkolerasi. Regresi linier mengacu pada data regresi khusus dimana hubungan antar variabel membentuk garis lurus (Jacobs & Chase: 2014) . Regresi linear dapat dihitung dengan menggunakan rumus (Heizer & Render, 2014): ŷ = ɑ + bx Dimana: ŷ. =. Nilai dari variable dependent. ɑ =. Perpotongan sumbu ŷ. b =. Kemiringan dari garis regresi. x. Variable independent (dimana ini bukan waktu). =. 30 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2) Koefisien Korelasi untuk Garis Regresi (Correlation Coefficients for Regression Lines) Persamaan regresi merupakan salah satu cara untuk menggambarkan sifat dari hubungan antara 2 variabel. Garis ini bukan hubungan “sebab-akibat”. Persamaan regresi menunjukkan bagaimana satu variabel berhubungan dengan nilai dan perubahan pada variabel lainnya. Cara lain untuk menghitung hubungan 2 variables yaitu dengan koefisien terhadap korelasi (coeficient of correlation) (Heizer & Render: 2014). Dengan demikian koefisien korelasi dapat digambarkan dengan r, dan dapat dihitung dengan menggunakan rumus sebagai berikut (Heizer & Render, 2014): =. ∑. − ∑ ∑. ∑ ² − (∑ ) [ ∑ ² − (∑ )²]. 3) Analisis Regresi Ganda (Multiple Regression) Regresi ganda merupakan penghalusan praktis dari regresi sederhana yang menggunakan lebih dari satu variable independent (Heizer & Render: 2014). Maka regresi ganda dapat dihitung dengan rumus sebagai berikut: ŷ=. Dimana:. +. +. ŷ. =. Variable dependent. ɑ. =. ɑ konstan, perpotongan ŷ. 31 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

dan. dan. =. Nilai dari 2 variable independent. =. Koefisien untuk 2 variabel independent. 2. Metode Peramalan Kualitatif (Qualitative Forecats Methods) Pada bagian ini, metode peramalan kualitatif memiliki empat teknik peramalan yang berbeda (Heizer & Render: 2011) yaitu: a.Opini dari dewan eksekutif (Jury of Executive Opinion) Metode ini berdasarkan dari opini para ahli yang seringkali dikombinasikan dengan model statistik, dikumpulkan untuk memperoleh sekumpulan estimasi permintaan. b.Metode delphi (Delphi Method) Dalam metode delphi terdapat tiga jenis yang berbeda yaitu pengambilan keputusan, staf personalia, dan para responden. Pengambilan keputusan yang akan membuat peramalan yang aktual dan biasanya terdiri dari 5 sampai 10 orang. Staf personalia membantu mengambil keputusan dengan mempersiakan, mendistribusikan, mengumpulkan, dan membuat ringkasan dari serangkaian dalam hasil survei. Para responden merupakan orang-orang yang bertempat tinggal di tempat yang berbeda-beda dimana pertimbangan mereka akan dinilai, dan kelompok ini memberikan masukan untuk bagi pengambilan keputusan sebelum peramalan dibuat. c.Gabungan Karyawan Penjual (Sales Force Composite) Dalam pendekatan ini, setiap wiraniaga memperkirakan penjualan apa yang akan. terjadi. di. wilayahnya.. Prakiraan. ini. kemudian. 32 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017. ditinjau untuk.

memastikannya realistis. Kemudia mereka digabungkan di tingkat kabupaten dan nasional untuk mencapai perkiraan keseluruhan. d.Pada pendekatan ini, masing-masing karyawan penjual mengestimasi penjualan apa yang ada di dalam kawasan mereka dan kemudian ditinjau ulang memastikan bahwa peramalan ini realistis. e.Survei Pasar (Market Survey) Metode ini mengumpulkan input dari para konsumen atau konsumen yang potensial mengenai rencana pembelian pada masa mendatang. Selain digunakan untuk mebuat peramalan tetapi juga dalam menigkatkan desain produk dan perencanaan untuk produk baru. 2.5.4 Kesalahan Peramalan (Forecast Errors) Kesalahan peramalan merupakan perbedaan antara peramalan yang dibuat dengan permintaan aktual. Dalam statistik, kesalahan dinamakan residual. Kesalahan peramalan dibedakan menjadi 2 yaitu kesalahan sumber (source of error) dan kesalahan pengukuran (measurement of error) (Jacobs & Chase: 2014). 2.5.4.1 Kesalahan Sumber (Source of Error) Kesalahan peramalan bisa disebabkan oleh beberapa sumber. Kesalahan dapat diklasifikasikan sebagai kesalahan bias (bias) atau acak (random). Kesalahan bias (bias errors) terjadi ketika kesalahan yang konsisten dibuat dan dapat terjadi ketika salah memasukan variabel yang tepat, menggunakan hubungan yang salah antar variabel, dan garis tren yang salah. Sedangkan kesalahan acak (random errors) merupakan kesalahan yang tidak dapat dijelaskan oleh model peramalan yang digunakan Jacobs & Chase: 2014).. 33 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.5.4.2 Kesalahan Pengukuran (Measurement of Error) Kesalahan pengukuran memiliki beberapa istilah umum yang digunakan untuk menggambarkan kesalahan pengukuran adalah kesalahan standar (standard error), kesalahan rata-rata kuadrat (mean squared error atau variance), dan penyimpanan rata-rata deviasi (mean absolute deviation). Mean absolute deviation (MAD) merupakan rata-rata kesalahan dalam perkiraan menggunakan rata-rata nilai absolut. MAD dihitung dengan mengambil jumlah nilai absolut dari kesalahan perkiraan individu dan membagi dengan jumlah periode data. MAD dapat dihitung dengan persamaan (Heizer & Render: 2011). =. Dimana:. ||. ∑|. −. |. =. Permintaan aktual untuk periode. =. Peramalan permintaan untuk periode t. =. Jumlah dari periode. =. Simbol untuk menunjukan nilai absolut mengesampingkan nilai positif dan tanda negatif. Ukuran kesalahan tambahan yang sering berguna adalah mean absolute precent error (MAPE) merupakan rata-rata kesalahan yang diukur sebagai ratarata persentase dari rata-rata permintaan (Jacobs & Chase: 2014). MAPE dapat dihitung dengan persamaan : = 34 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Kesalahan rata-rata kuadrat atau mean squared error (MSE) adalah cara kedua untuk mengukur keseluruhan dalam kesalahan peramalan. MSE adalah rata-rata perbedaan yang dikuadratkan di antara nilai yang diramalkan dengan yang diamati (Heizer & Render: 2014). Rumus kesalahan rata-rata kuadrat atau mean squared error (MSE) adalah sebagai berikut: =. ∑. (. −. )². 2.6 Tingkat Layanan (Service Level) Rumus EOQ tidak mempertimbangkan ketidakpastian dalam tingkat permintaan atau dalam waktu tunggu pengisian ulang. Setiap kali pesanan dilakukan, ketidakpastian ini menimbulkan risiko kehilangan persediaan yang terjadi sebelum pesanan tiba. Untuk mengurangi risiko stockout selama ini, persediaan ekstra dapat dilakukan melebihi permintaan yang diharapkan selama lead time. Ada trade off antara biaya investasi dan kelebihan persediaan dan biaya stockouts. Bagaimanapun, kecuali dengan keberuntungan, stok tetap ada persediaan atau stockouts telah terjadi dan rak-raknya kosong saat pesanan pengisian ulang tiba. Kunci untuk manajemen persediaan di bawah ketidakpastian adalah konsep tingkat layanan (service level). Tingkat layanan digunakan untuk menentukan titik pemesanan ulang atau reorder point (ROP), yang merupakan tingkat persediaan suatu saat pesanan pengisian dimulai. Titik pemesanan ulang diatur untuk mencapai tingkat layanan atau service level yang telah ditentukan sebelumnya. Ini, tentu saja, memerlukan informasi mengenai distribusi frekuensi permintaan selama pengisian ulang lead time (LT). Saat kita mengatur reorder 35 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

point, kita juga menentukan tingkat safety stock (SS), yang merupakan kelebihan persediaan yang dimiliki selama reorder lead time untuk mencapai tingkat layanan yang diinginkan. Titik pemesanan ulang sama dengan tingkat stok pengaman ditambah permintaan rata-rata selama lead time (. ) (James dan Mona,. 2011). Dapat dirumuskan: ROP = SS + Permintaan selama distribusi lead time sekarang dapat dijelaskan pada general berikut, di mana permintaan harian memiliki mean µ dan standar deviasi σ: = μ(. = √. ). 36 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.7 Peneliti Terdahulu Tabel 2.1 Penelitian Terdahulu NO. Peneliti. Judul. Tahun. Keterangan. Penelitian 1.. Pradeep. The Evaluation. 2014. Jurnal ini membahas beberapa. Kumar Sahu. of Forecasting. model peramalan dan. and Rajesh. Methods for. mengapplikasikan untuk. Kumar. Sales of. peramalan penjualan susu yang. Sterillized. disterilkan di Chhattisgarh.. Flavoured Milk. Menerapkan data mingguan. in Chhattisgarh. selama Oktober 2011 sampai Oktober 2012. Metode peramalan yang dianalisis meliputi: naïve model, moving average, double moving average, simple exponential smoothing; and semi average method. Akurasi metode peramalan diukur dengan menggunakan Mean Forecast Error (MSE), Mean Absolute Deviation (MAD), Mean Square Error (MSE), Root Mean Square Error (RMSE).. 37 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

2.. Ronald K.. Percentage. 2011. Jurnal ini bertujuan untuk. Klimberg,. Forecasting. memeriksa keakuratan PFE,. George P.. Error: New. dengan beberapa skenario yang. Sillup and. Forecasting. berbeda dan menemukan. Kevin Boyle. Performance. hasilnya untuk menunjukkan. Measure – How. bahwa PFE menawarkan peramal. Accurate Is It?. sebagai alternatif yang tepat dan praktis untuk menilai keakuratan perkiraan.. 3.. Do forecast. Robert Rieg. 2009. Akuntansi. dan. pengambilan. improve over. keputusan. sangat. time? A case. pada prakiraan. Untuk beberapa. study of the. alasan,. accuracy of. mengharapkan peningkatan yang. sales. terus. forecasting at. memperkirakan akurasi. Tujuan. a German car. jurnal ini adalah untuk menguji. manufacturer. hipotesis. bergantung. perusahaan. berlanjut. perkiraan. dari waktu ke waktu.. 38 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017. harus. dalam. perbaikan.

4.. Safety stock. Anna-Lena. 2011. Jurnal. ini. menyajikan. planning. Beutel,. kerangka kerja berbasis data. under causal. Stefan Minner. untuk. menetapkan. demand. persediaan. saat. forecasting. bergantung. dua. tingkat permintaan. pada. beberapa. variabel. eksogen.. Pendekatan. pertama. menggunakan. regresi. untuk. model. meramalkan. permintaan dan menggambarkan bagaimana estimasi kesalahan dalam. kerangka. diterapkan. untuk. persediaan. ini. dapat. menetapkan. keamanan. yang. dibutuhkan. Pendekatan kedua menggunakan. pengembangan. linier di bawah tujuan dan tingkat layanan. yang. mengoptimalkan. berbeda. untuk fungsi. persediaan target (linier) dari variabel eksogen. 5.. Inventory. David Ronen. 2007. Tujuan penelitian ini meninjau. Servoice. ukuran tingkat layanan inventori. Levels –. baik untuk item tunggal dan. 39 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.

Comparison. ganda, menghubungkan ukuran. of Measures. item. tunggal. selama. waktu. tunggu ke keseluruhan rekan kerja mereka, dan menunjukkan bahwa ukuran keseluruhan tidak hanya. lebih. pelanggan,. relevan namun. bagi. hbkjuga. memerlukan stok keamanan yang lebih. rendah. barang.. 40 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017. dari. penyedia.

BAB III METODOLOGI PENELITIAN. 3.1. Gambaran Umum Perusahaan. 3.1.1 Gambaran Umum Singapore Restaurant Pada tahun 1987 di daerah Jakarta Utara tepatnya di Pluit Kencana didirikanlah sebuah rumah makan dengan nama Singapore Restaurant oleh seorang ibu rumah tangga bernama Yuli Rahayu. Ide untuk membangun sebuah bisnis pada bidang kuliner ini muncul ketika beliau sering bepergian ke berbagai daerah di dalam negeri. Ketika telah hampir semua kota besar di Indonesia dikunjungi beliau pun ingin merasakan cita rasa khas luar negeri khususnya Singapura dan menjelajahi kuliner yang ada di negara tersebut. Disana beliau banyak mencoba berbagai macam makanan, terutama makanan seafood dan chinese food. Karena bakatnya yang diturunkan oleh ibunda sejak kecil, beliau pun sangat handal dalam merancik bumbu dan memasak. Hal tersebutlah yang memotivasi keinginan beliau untuk membuka sebuah rumah makan kecil yang menjual makanan, baik makanan tradisional dalam negeri mapun makanan luar negeri. Berawal dari sebuah rumah makan kecil yang menyajikan menu makanan tradisional dan makanan luar negeri, kini rumah makan kecil tersebut semakin berkembang hingga membangun sebuah restoran. Kemudian restoran ini diberi nama Singapore Restaurant.. 41 Analisis Perbandingan Tingkat..., Friska Agustina Sugiarso, FIB UMN, 2017.