BAB 2
LANDASAN TEORI 2.1 Peramalan
2.1.1 Definisi Peramalan
Peramalan adalah prediksi, proyeksi, atau perkiraan yang akan terjadi di masa depan. Karena masa depan itu tidak bisa dipastikan, dibutuhkan beberapa sistem peramalan baik implisit maupun eksplisit. Tujuannya adalah untuk menggunakan informasi yang ada sekarang ini sebagai arahan aktifitas di masa depan untuk mencapai tujuan organisasi. (Tersine et al. 1994, p35)
Peramalan (forecasting) merupakan nilai-nilai sebuah peubah kepada nilai yang diketahui dari peubah tersebut atau peubah yang berhubungan. Meramal juga dapat didasarkan pada keahlian penilaian, yang pada gilirannya didasarkan pada data historis dan pengalaman. (Makridakis et al. 1999,p519)
6 faktor utama yang dapat diidentifikasikan sebagai teknik dan metode peramalan, yaitu:
1. Horison waktu (time horizon). Ada dua aspek dari horizon waktu yang berhubungan dengan masing-masing metode peramalan. Pertama adalah cakupan waktu dimasa yang akan dating, untuk mana perbedaan dari metode peramalan yang digunakan sebaiknya disesuaikan. Aspek kedua adalah jumlah periode untuk mana ramalan diinginkan. Beberapa teknik dan metode hanya dapat sesuai untuk peramalan satu atau dua periode di muka, sedangkan teknik dan metode lain dapat dipergunakan untuk peramalan beberapa periode di masa depan.
2. Pola dari data. Dasar utama dari metode peramalan adalah anggapan bahwa macam dari pola yang didapati di dalam data yang diramalkan akan berkelanjutan. Sebagai contoh, beberapa deret yang melukiskan suatu pola musiman, demikian pula halnya dengan suatu pola trend. MJetode peramalan yang lain mungkin lebih sederhana, terdiri dari suatu nilai rata-rata, dengan fluktuasi yang acakan atau random yang terkandung. oleh karena adanya perbedaan kemampuan metode peramalan untuk mengidentifikasi pola-pola data, maka perlu adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu dengan teknik dan metode peramalan yang akan digunakan. 3. Jenis dari model. Sebagai tambahan perlu diperhatikan anggapan beberapa pola
dasar yang penting dalam data. Banyak metode peramalan telah menganggap adanya beberapa model dari keadaan yang diramalkan. Model-model ini merupakan suatu deret dimana waktu digambarkan sebagai unsur yang penting untuk menentukan perubahan-perubahan dalam pola, yang mungkin secara sistematik dapat dijelaskan dengan analisa regresi atau korelasi. Model yang lain adalah model sebab akibat atau “causal model”, yang menggambarkan bahwa ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah peristiwa yang lain, atau sifatnya merupakan campuran dari model-model yang telah disebutkan diatas. Model-model tersebut sangat penting diperhatikan, karena masing-masing model tersebut mempunyai kemampuan yang berbeda dalam analisa keadaan untuk pengambilan keputusan.
4. Biaya. Umumnya ada empat unsur biaya yang tercakup dalam penggunaan suatu produser ramalan, yaitu biaya-biaya pengembangan, penyimpanan (storage) data,
operasi pelaksanaan dan kesempatan dalam penggunaan teknik-teknik dan metode lainnya. Adanya perbedaan yang nyata dalam jumlah biaya, mempunyai pengaruh atas dapat menarik tidaknya penggunaan metode tertentu untuk suatu keadaan yang dihadapi.
5. Ketepatan (accuracy). Tingkat ketepatan yang dibutuhkan sangat erat hubungannya dengan tingkat perincian yang dibutuhkan dalam suatu peramalan. untuk beberapa pengambilan keputusan mengharapkan variasi atau penyimpangan atas ramalan yang dilakukan antara 10% sampai dengan 15% bagi maksud-maksud yang mereka harapkan, sedangkan untuk hal atau kasus lain mungkin menganggap bahwa adanya variasi atau penyimpangan atas ramalan sebesar 5% adalah cukup berbahaya.
6. Mudah tidaknya penggunaan atau aplikasinya. Satu prinsip umum dalam penggunaan metode ilmiah dari peramalan untuk manajemen dan analisis adalah metode-metode yang dapat dimengerti dan mudah diaplikasikan yang akan dipergunakan dalam pengambilan keputusan dan analisa. Prinsip ini didasarkan pada alasan bahwa, bila seorang manager atau analis bertanggung jawab atas keputusan yang diambilnya atau hasil analisa yang dilakukan, maka ia sudah tentu tidak menggunakan dasar yang tidak diketahuinya atau tidak diyakininya. jadi, sebagai ciri tambahan dari teknik dan metode peramalan adalah bahwa yang diperlukan untuk memenuhi kebutuhan dari keadaan ialah teknik dan metode peramalan yang disesuaikan dengan kemampuan dari manager atau analis yang akan menggunakan metode ramalan tersebut.
2.1.2 Tahapan Dalam Melakukan Peramalan
Ada 8 tahap dalam melakukan peramalan : (Render et al. 2006, p150)
1) Menentukan penggunaan dari peramalan tersebut – tujuan apakah yang ingin dicapai?
2) Memilih items atau kuantitas yang akan diramalkan.
3) Menentukan horison waktu dari peramalan – apakah 1 sampai 30 hari (jangka pendek), 1 bulan sampai 1 tahun (jangka menengah), atau lebih dari 1 tahun (jangka panjang) ?
4) Memilih metode peramalan.
5) Mengumpulkan data yang diperlukan untuk membuat ramalan. 6) Menentukan metode peramalan yang tepat.
7) Membuat peramalan.
8) Mengimplementasikan hasil dari peramalan.
Tahap-tahap diatas merepresentasikan sebuah cara sistematik untuk mengawali, merancang, dan mengimplementasikan sebuah sistem peramalan. Ketika sistem peramalan tersebut digunakan untuk meramalkan secara berkala, data juga harus dikumpulkan secara rutin, dan perhitungan yang dibutuhkan atau prosedur yang biasanya dilakukan untuk membuat peramalan dapat secara otomatis dijalankan.
2.1.3 Time Series Analysis
2.1.3.1 Pola-Pola Umum Deret Waktu
Menurut Render (2006, p156) analisis time series berarti membedah data historis dalam komponen-komponen kemudian memproyeksikan data tersebut ke depan. Time
series biasanya mempunyai empat komponen: trend, seasonality, cycles dan random variation.
1. Random variaton
Pola ini terjadi jika data berfluktuasi di sekitar nilai rata-rata secara acak tanpa membentuk pola yang jelas seperti pola musiman, trend ataupun siklus.
2. Trend
Pola data trend menunjukkan pergerakan data secara lambat/bertahap yang cenderung meningkat atau menurun dalam jangka waktu yang panjang. Pola data trend terdiri dari beberapa tipe, seperti: Linear trend, S-Curve Trend atau Growth curve, Asymptotic trend dan Exponential trend.
3. Seasonality
Pola data musiman terbentuk jika sekumpulan data dipengaruhi faktor musiman, seperti cuaca dan liburan. Dengan kata lain pola yang sama akan terbentuk pada jangka waktu tertentu (harian, mingguan, bulanan, atau kuartalan/perempat tahunan).
Pada dasarnya pola musiman yang umum terjadi dibedakan menjadi dua model yaitu, additive seasonality dan multiplicative seasonality.
4. Cycles
Pola data siklis terjadi jika variasi data bergelombang pada durasi lebih dari satu tahun. Data cenderung berulang setiap dua tahun, tiga tahun, atau lebih. Fluktuasi siklis biasanya dipengaruhi oleh faktor politik,
perubahan ekonomi (ekspansi atau kontraksi) yang dikenal dengan siklus usaha (business cycle).
2.3.1.2 Autocorrelation Analysis
“Autocorrelation is the correlation between a variable lagged one or more periods and itself.” (Hanke et al. 2005 p60)
Autokorelasi merupakan korelasi antara variabel satu atau lebih periode terdahulu dan variabel itu sendiri. Persamaan 3.1 mengandung rumus untuk menghitung lag k koefisien korelasi (rk) antara Yt dan Yt-k, yang terpisah sebanyak k periode.
Dimana :
rk= koefisien autokorelasi untuk lag dari periode k
= rata-rata dari data Yt = observasi di periode t
Yt-k = observasi periode k sebelumnya atau periode t-k
Jika suatu data merupakan data random maka autokorelasi antara Yt dan Yt-k
untuk setiap lag dari k mendekati nol. Jika suata data merupakan data trend maka koefisien autokorelasi secara tipikal sangat berbeda dari nol pada beberapa lag awal dan secara perlahan menurun seiring dengan penambahan lag. Jika data tersebut mempunyai pola musiman, maka akan terdapat sebuah pola yang akan terus berulang setiap sekian interval waktu dan juga lag awal tidak mendekati nol.
2.1.4 Metode Peramalan
Tabel 2.1 menunjukkan beberapa teknik peramalan yang dapat digunakan berdasarkan pola datanya.
Tabel 2.1 Berbagai Metode Peramalan Pola Data Metode
Stationary Naive Methods
Simple Averaging Methods Moving Averages
Autoregressive Moving Average (ARIMA) models / Box-Jenkins Methods Trend Holt's Linear Exponential Smoothing
Simple Regression Growth Curves Exponential models
Autoregressive Moving Average (ARIMA) models / Box-Jenkins Methods Seasonal Classical Decomposition
Censux X-12
Winter's Exponential Smoothing Multiple Regression
Autoregressive Moving Average (ARIMA) models / Box-Jenkins Methods Cyclical Classical Decomposition
Economic Indicators Econometric models Multiple Regression
Autoregressive Moving Average (ARIMA) models / Box-Jenkins Methods
Sumber: Hanke (2005, p75-76)
2.1.4.1 Exponential Smoothing
Exponential smoothing memberikan bobot secara eksponential kepada data yang diobservasi. Data yang paling baru mendapatkan bobot paling besar α (alpha) (dimana 0 < α < 1), data sebelumnya mendapatkan bobot lebih sedikit α(1- α), dua data sebelumnya mendapatkan bobot lebih sedikit lagi α(1- α)2 dan seterusnya.
Dimana :
= ramalan baru α = konstanta pemulusan Yt = data aktual
= data hasil pemulusan pada periode t
2.1.4.2 Holt’s Exponential Smoothing
Metode ini menggunakan koefisien pemulusan kedua. Sama seperti α (alpha), β (beta) juga memiliki nilai antara nol dan satu, untuk secara berbeda memuluskan trend. Beta digunakan untuk merata-ratakan trend yang terdapat di persamaan. Hal ini mengeliminasi kesalahan yang muncuk karena faktor trend tidak dimuluskan.
Model Holt’s dapat dilihat di persamaan 3.3 berikut: Lt = αYt + (1- α)(Lt-1 + Tt-1)
Tt = β(Lt-Lt-1) + (1- β) Tt-1 = Lt + pTt
Dimana :
Lt = nilai penghalusan yang baru
(3.2)
(3.3) (3.4) (3.5)
α = konstanta pemulusan tingkat Yt = data aktual pada periode t β = konstanta pemulusan trend Tt = estimasi trend
p = periode yang akan diramalkan = peramalan untuk periode p
2.1.4.3 Winters’ Exponential Smoothing
Sama seperti metode Holt’s, metode Winters menambahkan konstanta γ (gamma) untuk menghitung pola data musiman. Metode winters dapat dilihat pada persamaan 3.6.
Lt = α + (1- α)(Lt-1 + Tt-1) Tt = β(Lt – Lt-1) + (1- β) Tt-1
St = γ + (1- γ)St-s = (Lt + pTt)St-s+p
Dimana :
Lt = nilai penghalusan yang baru α = konstanta pemulusan tingkat Yt = data aktual pada periode t β = konstanta pemulusan trend Tt = estimasi trend
γ = konstanta pemulusan musiman St = estimasi musiman
(3.6) (3.7) (3.8) (3.9)
p = periode yang akan diramalkan = peramalan untuk periode p
2.1.4.4 Decomposition Methods
Metode dekomposisi memisahkan tiga komponen (trend, musiman, siklus) dari pola dasar yang cenderung mencirikan deret data. Metode komposisi menggunakan asumsi bahwa data yang ada merupakan gabungan dari 3 komponen tersebut dengan error.
Data = pola + error
= f (trend, siklus, musiman) + error
Bentuk dekomposisi klasik dapat dilihat pada persamaan 3.10 Yt = f(It, Tt, Ct, Et)
Dimana :
Yt = data aktual pada periode t It = indeks musiman pada periode t Tt = Komponen trend pada periode t Ct = komponen siklus pada periode t Et = Komponen error pada periode t
Dekomposisi model additive dapat dilihat di persamaan 3.11 Yt = It + Tt + Ct + Et
Untuk penyelesaian persamaan 3.1 dapat digunakan langkah-langkah sebagai berikut:
(3.10)
1. Pada data aktual (Yt) hitung rata-rata bergerak yang mempunyai panjang (p) sama dengan panjang musiman (misalnya 12 bulan, 4 kuartal atau 7 hari). tujuannya adalah untuk mendapatkan dugaan dari pengaruh trend dan siklus. Dengan begitu maka akan mendapatkan persamaan 3.12
Mt = Tt + Ct
2. Untuk memperoleh pengaruh musiman (It), maka kurangkan persamaan 3.11 terhadap fungsi 3.12.
(Yt - Mt) = It + Et
3. Identifikasi pengaruh trend yang sesuai dengan data dengan menggunakan metode kuadrat terkecil dan regresi, maka akan diperoleh Tt.
4. Pengaruh siklus diperoleh dari selisih persamaan 3.13 terhadap Tt (Mt - Tt) = Ct
5. Untuk peramalan maka akan didapat:
t = Tt + It + Ct
6. Nilai residual yang didapatkan dari selisih antara data aktual pada periode t dengan data hasil peramalan pada periode t dapat digunakan untuk mengetahui ketepatan peramalan.
Dekomposisi model multiplicative dapat dilihat di persamaan 3.16 Yt = It x Tt x Ct x Et
Untuk penyelesaian persamaan 3.1 dapat digunakan langkah-langkah sebagai berikut: (3.16) (3.12) (3.13) (3.14) (3.15)
1. Pada data aktual (Yt) hitung rata-rata bergerak yang mempunyai panjang (p) sama dengan panjang musiman (misalnya 12 bulan, 4 kuartal atau 7 hari). tujuannya adalah untuk mendapatkan dugaan dari pengaruh trend dan siklus. Dengan begitu maka akan mendapatkan persamaan 3.17
Mt = Tt x Ct
2. Untuk memperoleh pengaruh musiman (It), maka persamaan 3.16 dibagi dengan fungsi 3.17.
(Yt / Mt) = It x Et
3. Identifikasi pengaruh trend yang sesuai dengan data dengan menggunakan metode kuadrat terkecil dan regresi, maka akan diperoleh Tt.
4. Pengaruh siklus diperoleh dari selisih persamaan 3.18 terhadap Tt (Mt / Tt) = Ct
5. Untuk peramalan maka akan didapat:
t = Tt x It x Ct
Nilai residual yang didapatkan dari selisih antara data aktual pada periode t dengan data hasil peramalan pada periode t dapat digunakan untuk mengetahui ketepatan peramalan.
2.1.5 Uji Ketepatan Ramalan
Tidak ada metode peramalan yang sempurna di setiap kodisi. Bahkan ketika manajemen menemukan pendekatan yang memuaskan, permalan tersebut masih tetap harus terus dimonitori dan dikendalikan untuk memastikan kesalahan peramalan tidak terlalu tinggi. (Render 2006, p178).
(3.17)
(3.18)
(3.19)
Ukuran akurasi peramalan menurut selain berdasarkan pola data, pemilihan teknik peramalan dapat juga didasarkan pada ukuran lainnya, yaitu error (E atau e) yang didapatkan dari selisih nilai dari data aktual dengan nilai ramalannya untuk tiap periode.
Beberapa teknik mengukur kesalahan peramalan ditunjukkan pada tabel 3.2.
Tabel 2.2 Teknik Pengujian Kesalahan Peramalan
Teknik Rumus Mean absolute deviation (MAD)
Mean squared error (MSE)
Standard deviation of regression (Sr)
Mean absolute percent error (MAPE)
Mean error (ME)
Mean percent error (MPE)
Tracking Signal (TS) Sumber: Tersine (1994, p42)
MAPE merupakan ukuran ketepatan relatif yang digunakan untuk mengetahui persentase penyimpangan hasil peramalan. MAPE ini yang akan menentukan apakah metode peramalan yang dipilih ini sudah tepat atau belum. Semakin kecil nilai MAPE, maka peramalan tersebut semakin akurat. Tracking signal menghitung kesalahan dari peramalan dan menentukan batasnya kesalahannya.
2.2 Persediaan
Pengelolaan persediaan adalah masalah yang biasa dihadapi oleh setiap perusahaan, baik perusahaan manufaktur maupun perusahaan dagang. Tanpa adanya persediaan, para pengusaha akan dihadapkan pada resiko bahwa perusahaannya pada suatu waktu tidak akan dapat memenuhi keinginan pelanggan. Hal ini mungkin terjadi karena tidak selamanya barang atau jasa tersedia setiap saat, yang berarti pula bahwa pengusaha akan kehilangan kesempatan untuk memperoleh laba yang seharusnya didapatkan.
Persediaan (inventory) digunakan untuk mengidentifikasikan barang yang disimpan untuk kemudian dijual, digunakan atau ditransformasikan. (Tersine et al. 1994 p3)
2.2.1 Jenis-jenis persediaan
Menurut Yamit (1999, p216) ada beberapa jenis persediaan, setiap jenis persediaan mempunyai karakteristik khusus tersendiri. Menurut jenisnya, persediaan dapat dibedakan atas:
Yaitu persediaan barang-barang berwujud yang digunakan dalam proses produksi. Bahan mentah dapat diperoleh dari sumber-sumber alam atau dibeli dari supplier dan atau dibuat sendiri oleh perusahaan untuk digunakan dalam proses produksi selanjutnya.
2. Persediaan komponen – komponen rakitan (purchased part/components)
Yaitu persediaan barang-barang yang terdiri dari komponen-komponen yang diperoleh dari perusahaan lain, dimana secara langsung dapat dirakit menjadi satu produk.
3. Persediaan bahan pembantu atau penolong (suplly)
Yaitu persediaan barang-barang yang diperlukan dalam proses produksi, tetapi tidak merupakan bagian atau komponen-komponen barang jadi.
4. Persediaan barang dalam proses (work in process)
Yaitu persediaan barang-barang yang merupakan keluaran dari tiap-tiap bagian dalam proses produksi atau telah diolah menjadi suatu bentuk, tetapi masih perlu diproses lebih lanjut menjadi barang jadi.
5. Persediaan barang jadi (finished goods)
Yaitu persediaan barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap untuk dijual atau dikirimkan kepada konsumen.
2.2.2 Jenis-Jenis Biaya Persediaan
Menurut Tersine (1994, p13) tujuan dari manajemen persediaan adalah untuk mempunyai jumlah barang yang cukup di tempat yang tepat, di waktu yang tepat, dan dengan biaya yang rendah. Biaya persediaan berhubungan dengan operasi dari sistem
persediaan yang merupakan hasil dari perbuatan maupun kelalaian dalam menerapkan sistem tersebut. Biaya persediaan merupakan parameter dasar ekonomi di setiap model pengambilan keputusan persediaan. Berikut ini merupakan biaya-biaya persediaan:
1. Biaya pembelian (purchase cost)
Biaya pembelian adalah harga per unit apabila item dibeli dari pihak luar, atau biaya produksi per unit apabila diproduksi dalam perusahaan.
2. Biaya pemesanan (order/setup cost)
Biaya yang berasal dari dari pembelian pesanan dari supplier atau biaya persiapan (setup cost) apabila item diproduksi di dalam perusahaan.
3. Biaya penyimpanan (holding cost)
Biasa disebut juga carrying cost, biaya yang dikeluarkan atas investasi dalam persediaan dan pemeliharaan maupun investasi sarana fisik untuk menyimpan persediaan.
4. Biaya kekurangan persediaan (stockout cost)
Biaya kekurangan persediaan adalah konsekuensi ekonomis atas kekurangan dari luar maupun dari dalam perusahaan. Kekurangan dari luar terjadi apabila pesanan konsumen tidak dapat dipenuhi, sedangkan kekurangan dari dalam terjadi apabila departemen tidak dapat memenuhi kebutuhan departemen yang lain.
2.2.3 Tujuan Adanya Persediaan
Menurut Render (2006, p191-192) ada lima tujuan penggunaan persediaan, yaitu: 1. Fungsi utamanya adalah untuk mendukung proses produksi dalam organisasi.
3. Jika persediaan dan permintaan tidak konsisten, maka dengan menyediakan persediaan maka kemungkinan kehilangan penjualan akan berkurang.
4. Untuk mendapatkan potongan harga karena membeli banyak. 5. Untuk menghindari kekurangan dan kehabisan persediaan.
2.2.4 Economic Order Quantity (EOQ)
Economic Order Quantity adalah jumlah pemesanan yang dapat meminimalkan total biaya persediaan. (Tersine et al. 1994 p.92)
2.2.4.1 Asumsi-Asumsi EOQ Klasik
EOQ klasik mempunyai asumsi-asumsi sebagai berikut: (Tersine 1994, p95) • Kebutuhan bahan baku dapat ditentukan, relatif tetap, dan terus menerus. • Tenggang waktu pemesanan dapat ditentukan dan relatif tetap.
• Tidak diperkenankan adanya kekurangan persediaan, artinya setelah kebutuhan dan tenggang waktu dapat ditentukan dengan pasti berarti kekurangan persediaan dapat dihindari.
• Pemesanan datang sekaligus dan akan menambah persediaan.
• Struktur biaya tidak berubah. Biaya pemesanan atau persiapan sama tanpa memperhatikan jumlah yang dipesan, biaya simpan sesuai dengan fungsi linear terhadap rata-rata persediaan, dan harga beli atau biaya pembelian per unit tidak mendapatkan potongan harga.
• Pembelian hanya satu jenis item.
2.2.4.2 Persamaan EOQ
Dengan menggunakan variabel-variabel di bawah ini, maka dapat ditentukan biaya pemesanan dan penyimpanan, sehingga didapatkan nilai Q*:
Q = Jumlah barang setiap pemesanan
Q* = Jumlah optimal barang per pemesanan (EOQ) R = Permintaan tahunan barang persediaan, dalam unit C = Biaya pesanan atau pemesanan untuk setiap pesanan H = Biaya penahanan atau penyimpanan per unit per tahun
2.2.4.3 Reorder Point
Setelah mengetahui jumlah yang harus dipesan, yang harus diperhatikan sekarang adalah waktu yang tepat untuk memesan. Waktu yang ada antara memesan dan mendapatkan persediaan disebut dengan tenggang waktu (Lead Time). Persediaan harus dapat memenuhi permintaan pada waktu tersebut. Persamaan 3.22 adalah untuk mengetahui titik pemesanan kembali (Reorder Point).
ROP = (demand per day) x (lead time) = d x L
Dimana :
d = permintaan per hari L = tenggang waktu
(3.21)
2.2.4.4 Safety Stock
Rumus EOQ yang sederhana tidak memperkirakan ketidakpastian dalam permintaan. Setiap kali pesanan dilakukan, ketidakpastian tersebut mengandung resiko kehabisan persediaan sebelum persediaan yang dipesan tiba. Untuk mengurangi kehabisan persediaan pada waktu tersebut, persediaan tambahan dapat disimpan untuk mengantisipasi permintaan pada waktu lead time. (Fitzsimmons 2006 p.529)
Safety stocks merupakan persediaan tambahan yang ada di gudang sebagai cadangan untuk mengatasi kekurangan persediaan karena permintaan yang berfluktuasi. (Tersine et al. 1994, p206)
Gambar 2.1 menunjukkan posisi safety stock dalam persediaan.
Gambar 2.1 Safety Stock Sumber: Tersine (1994, p206)
Rumus safety stocks dapat dilihat pada persamaan 3.23 ROP = d x L + SS
Dimana :
SS = Safety stock
Untuk menentukan seberapa besar safety stock bergantung kepada apakah data biaya tersedia atau tidak. Tujuannya adalah untuk menimalkan biaya total termasuk biaya akibat kurangnya persediaan. Jika data tidak tersedia, maka penting untuk menentukan service level.
Umumnya, biaya akibat kekurangan persediaan menyangkut semua biaya yang muncul secara langsung maupun tidak langsung akibat kurangnya persediaan, misalnya biaya karena kehilangan pelangan, biaya backordering.
Pendekatan lain untuk menentukan tingkat safety stock adalah dengan menentukan service level. Service level merupakan persentase dari waktu dimana perusahaan tidak akan kekurangan persediaan. Hubungannya dapat dilihat pada persamaan 3.24
Service level = 1 – kemungkinan kekurangan persediaan Untuk tingkat service level dapat dilihat pada tabel 2.3
Tabel 2.3 Tabel Service Level (distribusi normal)
Service Level Service Factor Service Level Service Factor 50.00% 0.00 90.00% 1.28 55.00% 0.13 91.00% 1.34 60.00% 0.25 92.00% 1.41 65.00% 0.39 93.00% 1.48 70.00% 0.52 94.00% 1.55 75.00% 0.67 95.00% 1.64 80.00% 0.84 96.00% 1.75 81.00% 0.88 97.00% 1.88 82.00% 0.92 98.00% 2.05 83.00% 0.95 99.00% 2.33 84.00% 0.99 99.50% 2.58 85.00% 1.04 99.60% 2.65 86.00% 1.08 99.70% 2.75 87.00% 1.13 99.80% 2.88 (3.24)
88.00% 1.17 99.90% 3.09 89.00% 1.23 99.99% 3.72 Sumber : http://www.inventoryops.com/safety_stock.htm Dimana: Z = Service Factor
X = Mean dari permintaan + safety stock = Standar deviasi
= Mean dari permintaan 2.3 Manajemen Strategis 2.3.1 Tipe-tipe Strategi
Menurut Rangkuti (2006, p6) strategi dapat dikelompokkan menjadi tiga tipe strategi yaitu:
1. Strategi Manajemen
Strategi manajemen meliputi strategi yang dapat dilakukan oleh manajemen dengan orientasi pengembangan strategi secara makro. misalnya, strategi pengembangan pasar, strategi mengenai keuangan dan sebagainya.
2. Strategi Investasi
(3.25)
Strategi ini merupakan kegiatan yang berorientasi pada investasi. Misalnya, apakah perusahaan ingin melakukan strategi pertumbuhan yang agresif atau berusaha mengadakan penetrasi pasar, strategi bertahan, strategi pembangunan kembali suatu divisi baru atau strategi diversifikasi dan sebagainya.
3. Strategi Bisnis
Strategi bisnis sering disebut strategi bisnis fungsional karena strategi ini berorientasi pada fungsi-fungsi kegiatan manajemen, misalnya strategi pemasaran, strategi produksi atau profesional, strategi distribusi, strategi organisasi dan strategi-strategi yang berhubungan dengan keuangan.
2.3.2 Pengertian Manajemen Strategis
“Strategic management is that set of managerial decisions and actions that determines the long-run performance of a corporation. It includes environmental scanning (both external and internal), strategy formulation (strategic or long-range planing), strategy implementation, and evaluation and control.” (Wheelen et al. 2008, p3)
Manajemen strategis adalah seperangkat keputusan dan tindakan manajerial yang menentukan kinerja sebuah perusahaan. Manajemen strategi mencakup pengamatan lingkungan (baik eksternal maupun internal), formulasi strategi (strategi maupun rencana jangka panjang), implementasi strategi, dan evaluasi serta kontrol.
“Strategic management can be define as the art and science of formulating, implementing, and evaluating cross-functional decision that enable an organization to achieve its objectives.” (David et al. 2007, p5)
Manajemen strategis merupakan aliran dari keputusan-keputusan dan tindakan yang berakhir pada perngembangan dari strategi yang efektif atau strategi yang membantu perusahaan untuk mencapai tujuannya. (Jauch 1988, p5)
Manajemen strategis dapat didefiniskan sebagai seni dan ilmu dari memformulasikan, mengimplementasikan, dan mengevaluasi keputusan lintas fungsional yang memungkinkan suatu organisasi untuk mencapai tujuannya.
2.3.3 Proses Manajemen Strategis
Proses manajemen strategis dapat dipelajari dan diaplikasikan dengan menggunakan model. Setiap model merepresentasikan suatu proses. Gambar 2.2 menunjukkan suatu model proses yang telah banyak digunakan, model dari proses manajemen strategis yang meliputi banyak hal.
Tiga tahapan dalam proses manajemen strategis tersebut adalah: 1. Perumusan Strategi
Karena keterbatasan sumber daya, maka perusahaan harus memilih langkah strategis yang akan menghasilkan keuntungan dan manfaat yang paling besar. Perumusan strategi adalah kombinasi dari orientasi terhadap perspektif masa depan dengan kondisi eksternal dan internal perusahaan sekarang ini.
Tahap ini merupakan tahap pelaksanaan dari perumusan strategi yang telah diterapkan sebelumnya. Tantangan yang dihadapi adalah menstimulasi pihak manajemen untuk bekerja dengan baik dan untuk mencapai tujuan yang telah ditetapkan sebelumnya.
3. Evaluasi Strategi
Di tahap ini, perusahaan mengevaluasi kembali apakah faktor-faktor eksternal dan internal masih bisa dijadikan acuan untuk memformulasikan strategi, mengukur kinerja perusahaan, dan mengevaluasi dan mengkoreksi tindakan yang dijalankan.
Gambar 2.2 Proses Manjemen Strategis Sumber: David, Fred R (2007, p15)
2.3.4.1 Matriks Evaluasi Lingkungan Eksternal (EFE)
Menurut David (2007, p104) dengan melakukan audit atau analisis lingkungan eksternal dapat diidentifikasi peluang dan ancaman. Jika peluang dan ancaman teridentifikasi maka dapat dirumuskan strategi yang akan memanfaatkan peluang yang ada dan menghindari atau jika tidak dapat dihindari diminimalisir ancaman-ancaman yang dihadapi perusahaan. Kekuatan-kekuatan eksternal dapat dibagi menjadi lima kategori, yaitu:
1. Kekuatan ekonomi.
2. Kekuatan sosial budaya, demografi, dan lingkungan. 3. Kekuatan politik, pemerintahan, dan hukum.
4. Kekuatan teknologi. 5. Kekuatan persaingan.
Tabel 2.4 menunjukkan matriks evaluasi faktor eksternal (EFE). Berikut tahapan penentuan faktor eksternal:
1. Susunlah dalam kolom peluang dan ancaman
2. Beri bobot masing-masing faktor dalam kolom 1. Mulai dari 0.0 (tidak penting) hingga 1.0 (sangat penting).
3. Berikan peringkar 1 sampai 4 pada masing-masing faktor eksternal kunci untuk menunjukkan seberapa efektif strategi perusahaan memberikan respon terhadap faktor tersebut saat itu. Dimana 4 = respon luar biasa, 3 = respon di atas rata-rata, 2 = respon biasa saja, 1 = respon jelek.
4. Kalikan setiap bobot faktor dengan peringkat untuk menetukan nilai yang dibobot. 5. Jumlahkan nilai yang dibobot tersebut untuk mendapatkan nilai total bobot untuk
Tabel 2.4 Matriks Evaluasi Faktor Eksternal
Faktor-Faktor Eksternal Kunci Bobot Peringkat Nilai yang dibobot
Peluang Peluang 1 1,2,3, atau 4 Peluang 2 1,2,3, atau 4 Peluang 3 1,2,3, atau 4 Peluang 4 1,2,3, atau 4 Ancaman Ancaman 1 1,2,3, atau 4 Ancaman 2 1,2,3, atau 4 Ancaman 3 1,2,3, atau 4 Ancaman 4 1,2,3, atau 4 Jumlah 1.0 Minimal 1,0 Maksimal 4,0
Sumber: David, Fred R (2007, p105) 2.3.4.2 Matriks Profil Persaingan
Menurut David (2007, p105) matriks ini digunakan untuk mengidentifikasi kompetitor utama perusahaan, kekuatan dan kelemahannya dibandingkan dengan posisi strategis perusahaan. Tabel 2.5 menunjukkan matriks profil persaingan.
Tabel 2.5 Matriks Profil Persaingan
Perusahaan A Perusahaan B Faktor Penentu Keberhasilan Bobot Peringkat Nilai Peringkat Nilai
Faktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor 5 Faktor 6 Jumlah
Sumber: David, Fred R (2007, p106)
2.3.4.3 Matriks Evaluasi Lingkungan Internal (IFE)
Menurut David (2007, p151) Alat formulasi strategi ini merangkum dan mengevaluasi kekuatan dan kelemahan utama perusahaan di arean fungsional suatu
bisnis, dan juga mengidentifikasi dan mengevaluasi hubungan antar area tersebut. Tabel 2.6 menunjukkan matriks evaluasi faktor eksternal
Berikut tahapan penentuan faktor internal:
1. Susunlah kunci faktor internal (kekuatan dan kelemahan) pada kolom satu. 2. Beri bobot masing-masing faktor dalam kolom 1. Mulai dari 0.0 (tidak penting)
hingga 1.0 (sangat penting) dengan total jumlah 1.0.
3. Berikan peringkar 1 sampai 4 pada masing-masing faktor eksternal kunci untuk menunjukkan seberapa efektif strategi perusahaan memberikan respon terhadap faktor tersebut saat itu. Dimana 4 = kekuatan besar, 3 = kekuatan kecil, 2 = kelemahan kecil, 1 = kelemahan besar.
4. Kalikan setiap bobot faktor dengan peringkat untuk menetukan nilai yang dibobot. 5. Jumlahkan nilai yang dibobot tersebut untuk mendapatkan nilai total bobot untuk
organisasi.
Tabel 2.6 Matriks Evaluasi Faktor Internal
Faktor-Faktor Internal Kunci Bobot Peringkat Nilai yang dibobot
Peluang Kekuatan 1 4 atau 3 Kekuatan 2 4 atau 3 Kekuatan 3 4 atau 3 Kekuatan 4 4 atau 3 Ancaman Kelemahan 1 1 atau 2 Kelemahan 2 1 atau 2 Kelemahan 3 1 atau 2 Kelemahan 4 1 atau 2 Jumlah 1.0 Minimal 1,0 Maksimal 4,0
Sumber: David, Fred R (2007, p153)
2.3.5.1 Matriks Strengths-Weaknesses-Opportunities-Threats (SWOT)
Menurut David (2007, p215) matriks SWOT (gambar 2.3) merupakan matriks pencocokan yang penting yang membantu manajer untuk mengembangkan empat tipe strategi yaitu:
1. Strategi SO (Strengths-Opportunities)
Strategi ini menggunakan kekuatan internal perusahaan untuk mendapatkan keunggulan dari peluang diluar perusahaan.
2. Strategi WO (Weaknesses-Opportunities)
Strategi ini bertujuan untuk memperbaiki kelemahan internal perusahaan dengan memanfaatkan keunggulan dari peluang diluar perusahaan.
3. Strategi ST (Strengths-Threats)
Strategi ini menggunakan kekuatan perusahaan untuk menghindari atau mengurangi dampak dari ancaman dari luar perusahaan.
4. Strategi WT (Weaknesses-Threats)
Strategi ini merupakan taktik bertahan yang ditujukan untuk memperkecil kelemahan internal dan menghindari ancaman dari luar perusahaan.
Gambar 2.3 Matriks SWOT Sumber: David, Fred R (2007, p216)
2.3.5.2 Matrix Internal-External (IE)
Matriks internal eksternal menempatkan berbagai divisi ke dalam sembilan sel seperti yang ditunjukkan pada gambar 2.4. Matriks IE didasarkan pada dua dimensi utama yaitu nilai total IFE pada sumbu X dan EFE pada sumbu Y. Matriks IE dapat dibagi menjadi tiga bagian utama yang mempunyai dampak strategi yang berbeda. Pertama, divisi yang termasuk dalam sel I, II, IV disebut tumbuh dan membangun. Strategi Intensif (penetrasi pasar, pengembangan pasar, atau pengembagan produk) atau integratif (integrasi ke belakang, integrasi ke depan, integrasi horisontal) mungkin merupakan strategi yang paling tepat untuk divisi-divisi tersebut. Kedua, divisi yang termasuk dalam sel III, V, atau VII dapat dikelola dengan baik dengan menggunakan strategi mempertahankan dan mengatur; penetrasi pasar dan pengembangan produk merupakan strategi umum untuk divisi tersebut. Untuk divisi yang terdapat di sel VI, VIII, atau IX, paling tepat dikelola dengan strategi panen atau divestasi.
Gambar 2.4 Matriks Internal Eksternal Sumber: David, Fred R (2007, p229)
2.3.5.3 Quantitative Strategic Planning Matrix (QSPM)
Matriks perencanaan strategis kuantitatif atau QSPM merupakan suatu teknik analisis yang dirancang untuk menetapkan daya tarik relatif dari alternatif tindakan yang tersedia. Matriks ini secara objektif menunjukkan alternatif strategi yang paling baik. Kolom pertama matriks QSPM terdiri dari faktor-faktor eksternal dan internal (dari EFE dan IFE), baris paling atas terdiri dari strategi-strategi alternatif yang tersedia. Strategi dapat diambil dari matriks SWOT, matriks SPACE, matriks BCG, matriks IE dan matriks Grand Strategy. Tidak semua strategi yang tersedia harus dinilai dalam QSPM.
Langkah-langkah menyusun matriks QSPM:
1. Buatlah daftar peluang/ancaman eksternal dan kekuatan/kelemahan internal di
kolom kiri dari QSPM.
3. Periksalah matriks-matriksdi tahap 2, dan kenalilah strategi-strategi alternatif yang harus dipertimbangkan oleh organisasi untuk diimplementasikan.
4. Tentukanlah Attractiveness Scores (AS), dimana 1= tidak tertarik, 2 = sedikit tertarik, 3 = cukup tertarik dan 4 = sangat tertarik.
5. Hitung Total Attractiveness Scores dengan cara mengalikan bobot dengan nilai AS.
6. Hitung Sum Total Attractivesess Score dengan cara menjumlahkan nilai TAS. Tabel 2.7 Matriks QSPM
Alternatif Strategi
Strategi 1 Strategi 2 Strategi 3
Faktor-Faktor kunci Bobot AS TAS AS TAS AS TAS
Kunci Faktor Eksternal
Ekonomi
Politik/Hukum/Pemerintah
Sosial/Budaya/Demografi/Lingkungan
Teknologi
Kompetitif
Kunci Faktor Internal
Manajemen
Pemasaran
Keuangan
Produksi/Operasi
Research and Developnent
Sistem Informasi Komputer
Total TAS
