ANALISIS PERNJUALAN DAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA
PT. CIWANGI BERLIAN MOTORS DENGAN MENGGUNAKAN METODE ABC
ANALYSIS
Vinaya Visakha Wiraya
Bina Nusantara University, Indonesia,
[email protected]
Harry Indra (Dosen Pembimbing)
Bina Nusantara University, Indonesia,
[email protected]
ABSTRAK
Penulisan skripsi ini bertujuan untuk mengetahui persediaan unit mobil pada PT. Ciwangi Berlian
Motors agar tidak terjadinya penumpukan unit. Penelitian ini menggunakan metode peramalan
dan
analisi ABC dengan pengolahan data menggunakan
software QM for Windows 2.
Dalam melakukan
metode peramalan digunakan enam metode
peramalan, tetapi yang digunakan hanya yang terbaik,
yaitu linear regresi dengan MAD = 41.1682; MSE= 2,897.014. Sedangkan metode analisis ABC
untuk menentukan unit mobil yang harus di prioritaskan d
an di kategori pertama yaitu kategori
“A” dengan menggunakan ABC Analisis adalah: Pajero glx 4X4 M/T 136 ps, New Outlander
px A/T, Pajero Dakar 4X4 A/T Hi-Power 178, Small car Mirage gls A/T, New Oulander glx
M/T, New Oulander gls A/T, Colt Diesel fe 74 hdv 125 ps, Colt Diesel fe 73 hd 110 ps,
Small car Mirage glx M/T, Colt Diesel fe 73 110 ps.
Dan dengan penjualan tipe tersebut dapat
mewakili 73,93% nilai investasi pada PT. Ciwangi Berlian Motors.
(VVW)
Kata Kunci: Manajemen Operasional, Peramalan Penjualan, ABC Analisis, Otomotif
Industri
ABSTRACT
The purpose of this essay is to find out the stock car unit at PT. Ciwangi Berlian Motors so there will
be no overstock unit. The method that is used in this research are forecasting and anlysis ABC by
using a data processing software QM for Windows 2. In conducting of forecasting methods, there are
six forecasting applied but use only the best, namely linear regression with MAD = 41.1682; MSE =
2,897.014. While the method of ABC analysis to determine the mobile unit should be prioritized and
in the first category is a category "A" by using the ABC analysis are: Pajero glx 4X4 M / T 136 ps,
New Outlander px A / T, Pajero Dakar 4X4 A / T Hi -Power 178, Small car Mirage GLS A / T, New
Oulander glx M / T, New Oulander gls A / T, Colt Diesel fe 74 HDV 125 ps, Colt Diesel fe 73 hd 110
ps, Small car Mirage glx M / T, Colt Diesel fe 73 110 ps. And with the sale of these types can
represent 73.93% of investment value in the PT. Ciwangi Berlian Motors.
(VVW)
Keyword:
Operational Management, Sales Forcasting, ABC Analysis, automotive industry
PENDAHULUAN
Dewasa ini di zaman era mobilitas yang sangat sibuk saat ini, banyak orang yang memerlukan alat
transportasi pribadi. Dalam hal ini, pihak perusahaan penyedia produk berupa kendaraan
berlomba-lomba untuk memasarkan produk-produknya kepada masyarakat guna meningkatkan penjualan di
perusahaannya. Namun pimpinan suatu perusahaan, terlebih perusahaan produk seperti kendaraan
harus lebih pintar dalam menyiasati persediaan unitnya, karena belum tentu permintaan dari
masyarakat yaitu calon konsumen tersebut jelas jumlahnya. Secara total pasar mobil hingga akhir
tahun ini belum bisa diperkirakan menurun karana kondisi pasar yang masih fluktuatif.
Su
mber : GAIKINDO & AISI
Gambar 1 Peningkatan Penjualan Kendaraan Bermotor
Oleh karena itu, pimpinan perusahaan harus bisa mengambil keputusan tanpa harus tahu pasti
bagaimana kondisi yang akan datang seperti melakukan pengambilan keputusan perencanaan
persediaan unit kendaraan. Untuk melakukan peramalan terhadap permintaan konsumen mendatang
melalui data penjualan yang ada pada bulan atau tahun sebelumnya. Peramalan ini bertujuan untuk
memprediksikan bagaimana keadaan yang akan datang terhadap hal-hal yang akan terjadi kedepannya.
Peramalan ini tentu membutuhkan waktu serta tenaga, oleh karena itu teknik peramalan ini harus
dilakukan secara benar dan tepat. Sehingga perusahaan dapat meminimalisir kerugian yang dapat
terjadi.
Peramalan dilakukan karena adanya kompleksitas dan ketidakpastian yang dihadapi
oleh si pembuat keputusan berkenaan dengan masa depan usaha yang dijalani. Peramalan
yang dilakukan umumnya didasarkan pada data masa lalu yang kemudian dianalisis dengan
menggunakan metode tertentu. Data masa lalu dikumpulkan, dipelajari, dianalisis dan
dihubungkan dengan berjalannya waktu. Ramalan yang baik adalah ramalan yang mendekati
kenyataan. Hasil suatu ramalan tidak selalu dapat dipastikan kebenarannya dalam hitungan
100% mutlak, tetapi hal tersebut tidak berarti bahwa peramalan yang telah dilakukan menjadi
percuma.
Menurut Heizer dan Render (2009:162): “Peramalan adalah seni dan ilmu untuk memperkirakan
kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan
memproyeksikan ke masa mendatang dengan suatu bentuk model matematis”.
Menurut Hani Handoko (2008:255): “Peramalan (
forcasting
) permintaan akan produk dan jasa di
waktu mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan dan pengawasan
produksi. Peramalan yang baik adalah esensial untuk efisiensi operasi-operasi manufacturing dan
produksi jasa.
Selain itu, menurut Catt; Barbour; Robert; Robb (2008:697): “Pemilihan model peramalan
berdasarkan karakteristik deret waktu historis, seperti tingkat, tren, musiman dan sejarah penjualan
yang tersedia”.
Tabel 1 Stock/Persediaan Unit Mobil Mitsubishi Bulan Mei 2014 – Mei 2015
Periode
Target
(Unit)
Yang
Terjual
(Unit)
Selisih
(Unit)
Mei 2014
145
96
(49)
Juni 2014
126
113
(13)
Juli 2014
193
205
12
Agustus 2014
149
124
(25)
September 2014
127
84
(43)
Oktober 2014
118
87
(31)
November 2014
110
76
(34)
Desember 2014
98
53
(45)
Januari 2015
209
198
(11)
Februari 2015
238
257
19
Maret 2015
221
201
(20)
April 2015
215
172
(43)
Mei 2015
147
183
36
Total
2096
1849
(247)
Sumber: PT. Ciwangi Berlian Motors
Dengan adanya model peramalan, maka manajer dapat memilih serta menentukan peramalan yang
akan dilakukannya secara optimal agar tercapainya efisiensi biaya total pada perusahaan. Persediaan
unit ini harus dikelola sebaik mungkin agar tidak terjadinya penumpukan unit produk yang dapat
menyebabkan membesarnya pengeluaran perusahaan terhadap perawatan unit serta biaya gudang. Dan
sebaliknya, pengelolaan persediaan ini bertujuan pula agar tidak terjadinya kekurangan atau ketiadaan
persediaan unit produk yang dapat menyebabkan lambatnya pendistribusian unit kepada konsumen
yang dapat membuat rendahnya tingkat kepuasan calon konsumen terhadap perusahaan yang dapat
menyebabkan kerugian tersendiri bagi perusahaan.
Sementara itu Analisis ABC adalah metode dalam manajemen persediaan (
inventory management
)
untuk mengendalikan sejumlah kecil barang, tetapi mempunyai nilai investasi yang tinggi. Dalam hal
ini, saya akan menggunakan tiga kelas, yaitu: A, B, dan C, di mana besaran masing-masing kelas
ditentukan sebagai berikut (Sutarman, 2003, pp. 144–145):
Kelas A, merupakan barang-barang dalam jumlah unit berkisar 15-20% dari total seluruh barang,
tetapi merepresentasikan 75-80% dari total nilai uang.
Kelas B, merupakan barang-barang dalam jumlah unit berkisar 20-25% dari total seluruh barang,
tetapi merepresentasikan 10-15% dari total nilai uang.
Kelas C, merupakan barang-barang dalam jumlah unit berkisar 60-65% dari total seluruh barang,
tetapi merepresentasikan 5-10% dari total nilai uang
Adapun langkah-langkah atau prosedur klasikasi barang dalam analisis ABC adalah sebagai berikut:
Menentukan jumlah unit untuk setiap tipe barang.
Menentukan harga per unit untuk setiap tipe barang.
Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai uang dari
masing-masing tipe barang.
Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan urutan
pertama tipe barang dengan total nilai uang paling besar.
Menghitung persentase kumulatif barang dari banyaknya tipe barang.
Menghitung persentase kumulatif nilai uang barang dari total nilai uang.
Membentuk kelas-kelas berdasarkan persentase barang dan persentase nilai uang
barang.
Menggambarkan kurva analisis ABC (bagan Pareto) atau menunjuk tingkat
kepentingan masalah.
Dengan analisis ABC, kita dapat melihat tingkat kepentingan masalah dari suatu barang. Dengan
begitu, kita dapat melihat barang mana saja yang perlu diberikan perhatian terlebih dahulu.
Menurut Jay Heizer dan Barry Render(2015, p556) Kebijakan-kebijakan yang dapat di
dasarkan pada analisis ABC mencakup hal-hal di bawah ini:
•
Membeli sumber daya yang ditunjukan pada pengembangan pemasok harus jauh lebih
tinggi untuk barang-barang kategori A dibanding dengan barang-barang kategori C.
•
Barang-barang kategori A, yang berlawanan dengan barang-barang kategori B dan
kategori C, harus memiliki pengendalian persediaan fisik yang lebih ketat;
barang-barang tersebut mungkin di tempatkan di bagian yang lebih aman, dan mungkin
keakuratan catatan persediaannya untuk barang-barang kategori A harus lebih sering
diverifikasi.
•
Meramalkan barang-barang kategori A memerlukan perhatian lebih dibandingkan
barang-barang lainnya.
METODE PENELITIAN
Metode yang digunakan adalah sebagai berikut : (1) Jenis penelitian yang digunakan adalah
deskriptif; (2) Unit analisis yang digunakan adalah organisasi; (3) Dimensi wakru penelitian
adalah cross sectional; (4) Teknik pengumpulan data dilakukan dengan penelitian kepustakaan,
wawancara dan observasi; (5) Metode analisis yang digunakan adalah Forecasting dan Analisis
ABC.
HASIL DAN BAHASAN
Berikut adalah kriteria yang akan digunakan di dalam setiap metode perhitungan yang ada dalam
penelitian:
•
Untuk menentukan hasil
forecast
unit penjualan periode Juni 2015 hingga April 2016 maka
digunakan metode
forecasting Linear Regression/Least Squares
. Sementara itu untuk
memprediksi satu bulan pertama dengan metode
forecasting
mengunakan:
Naïve Method,
Moving Average, Weighted Moving Averages, Exponential Smoothing, Exponential
Smoothing with Trend.
•
Lalu mencari hasil dari semua
forcasting
dari
Naïve Method, Moving Average, Weighted
Moving Averages, Exponential Smoothing, Exponential Smoothing with Trend, Linear
Regression/Least Squares
.
Berikut adalah hasil analisa
forcasting
dengan 6 metode tersebut:
Tabel 2 Hasil analisa Forcasting
Metode
MAD
MSE
Bulan
Total Unit
Naïve Method
47.25
3,848.083
Juni 2015
183
Moving Average
67.9762
6,386.56
Juni 2015
177.3333
Weighted Moving Average
55.9
4,982.3
Juni 2015
185.3333
Exponential Smoothing
47.5565
4,072.398
Juni 2015
184.073
Exponential Smooting With
Trend
64.6037
6,189.971
Juni 2015
210.9677
Linear Regression/Least
Squares
41.1682
2,897.014
Juni 2015
195.8461
Linear Regression/Least
Squares
Juli 2015
203.5055
Linear Regression/Least
Squares
Agustus
2015
211.1648
Linear Regression/Least
Squares
September
2015
218.8242
Linear Regression/Least
Squares
Oktober
2015
226.4835
Linear Regression/Least
Squares
November
2015
234.1428
Linear Regression/Least
Squares
Desember
2015
241.8022
Linear Regression/Least
Squares
Januari 2016
249.4615
Linear Regression/Least
Squares
Februari
2016
257.1208
Linear Regression/Least
Squares
Maret 2016
264.7802
Linear Regression/Least
Squares
April 2016
272.4395
Sumber: Hasil Pengolahan Data Penulis dari
QM for Windows.
•
Dan setelah mencari
MAD & MSE,
maka di temukan bahwa data yang terkecil dari data
tersebut dengan menggunakan
Forcasting Linear Regression/Least Squares.
•
Setelah itu data permintaan konsumen dari bulan Mei 2014 – Mei 2015 di input ke dalam QM
for Windows untuk mengetahui hasil pengelompokan kelas ABC. Dan berikut adalah hasil
analisa ABC
Item name Demand Price Dollar Volume Percent of $-VolCumultv $-vol %Category
COLT DIESEL FE 73 HD 110 ps 132 1,200,000,000.00 158,400,000,000.00 25.04 25.04 A
SMALL CAR MIRAGE GLS A/T 155 409,000,000.00 63,395,000,000.00 10.02 35.07 A
COLT DIESEL FE 74 HDV 125 ps 130 396,500,000.00 51,545,000,000.00 8.15 43.22 A
NEW OUTLANDER PX A/T 133 301,300,000.00 40,072,900,000.00 6.34 49.55 A
PAJERO GLX 4X4 M/T 136 PS 130 277,700,000.00 36,101,000,000.00 5.71 55.26 A
NEW OUTLANDER GLS A/T 120 288,600,000.00 34,632,000,000.00 5.48 60.73 A
SMALL CAR MIRAGE GLX M/T 140 177,000,000.00 24,780,000,000.00 3.92 64.65 A
NEW OUTLANDER GLX M/T 135 163,000,000.00 22,005,000,000.00 3.48 68.13 A
PAJERO DAKAR 4X4 A/T HI-POWER 178 PS 124 163,500,000.00 20,274,000,000.00 3.21 71.34 A
SMALL CAR MIRAGE GLS SPORT A/T 39 419,000,000.00 16,341,000,000.00 2.58 73.92 A
COLT DIESEL FE 73 110 ps 131 100,500,000.00 13,165,500,000.00 2.08 76 B
T 120 SS PU STD 1.5 86 ps 45 280,500,000.00 12,622,500,000.00 2 78 B
COLT DIESEL FE SUPER HDX 136 ps 9 1,270,000,000.00 11,430,000,000.00 1.81 79.8 B
L 300 MINIBUS STD E-2 74 ps 35 272,700,000.00 9,544,500,000.00 1.51 81.31 B
COLT DIESEL FE 84 G HDL 136 ps 18 522,500,000.00 9,405,000,000.00 1.49 82.8 B
COLT DIESEL FE 84 BC 136 ps 17 490,500,000.00 8,338,500,000.00 1.32 84.12 B
T 120 SS PU WD 3 WAYS 1.5 86 ps 15 552,500,000.00 8,287,499,000.00 1.31 85.43 B
COLT DIESEL FE SUPER HD 136 ps 20 368,000,000.00 7,360,000,000.00 1.16 86.59 B
COLT DIESEL FE 71 110 ps 13 559,000,000.00 7,267,000,000.00 1.15 87.74 B
PAJERO DAKAR 4X2 A/T HI-POWER 178 PS 13 531,000,000.00 6,903,000,000.00 1.09 88.83 B
L 300 MINIBUS DLX E-2 74 ps 29 220,900,000.00 6,406,100,000.00 1.01 89.85 B
SMALL CAR MIRAGE EXCEED A/T 25 221,900,000.00 5,547,500,000.00 0.88 90.72 B
PAJERO SPORT GASOLINE 3.0 4X2 A/T 220 PS 14 347,000,000.00 4,858,000,000.00 0.77 91.49 B
STRADA TRITON DC HD-X 2.8 L M/T CBU THAILAND 17 282,900,000.00 4,809,300,000.00 0.76 92.25 B
PAJERO EXCEED 4X2 A/T 136 PS 15 307,000,000.00 4,605,000,000.00 0.73 92.98 B
T 120 SS PU FD 1.5 86 ps 25 163,500,000.00 4,087,500,000.00 0.65 93.63 B
L 300 PU FD 74 ps 14 287,900,000.00 4,030,600,000.00 0.64 94.26 C
COLT DIESEL FE 71 BC 110 ps 8 464,000,000.00 3,712,000,000.00 0.59 94.85 C
STRADA TRITON GLS NON AB CBU THAILAND 16 207,500,000.00 3,320,000,000.00 0.52 95.37 C
FM 517 HS 4X2 - 6 BAN 220 ps 9 358,000,000.00 3,222,000,000.00 0.51 95.88 C
NEW MITSUBISHI DELICA 2.0 A/T 150 PS 7 460,000,000.00 3,220,000,000.00 0.51 96.39 C
L 300 PU STD 74 ps 29 100,000,000.00 2,900,000,000.00 0.46 96.85 C
COLT DIESEL FE 83 BC 110 ps 7 385,500,000.00 2,698,500,000.00 0.43 97.28 C
PAJERO GLS 4X2 M/T 136 PS 8 322,000,000.00 2,576,000,000.00 0.41 97.69 C
STRADA TRITON SINGLE CAB HDX 4X4 M/T CBU THAILAND9 271,900,000.00 2,447,100,000.00 0.39 98.07 C STRADA TRITON GLS EXCEED HP M/T CBU THAILAND 12 193,500,000.00 2,322,000,000.00 0.37 98.44 C
STRADA TRITON GLS EXCEED HP A/T CBU THAILAND 9 252,300,000.00 2,270,700,000.00 0.36 98.8 C
COLT DIESEL FE 74 S 125 ps 22 102,500,000.00 2,255,000,000.00 0.36 99.15 C
FM 517 HL 4X2 - 6 BAN 220 ps 4 426,000,000.00 1,704,000,000.00 0.27 99.42 C
STRADA TRITON GLS AB CBU M/T THAILAND 10 170,000,000.00 1,700,000,000.00 0.27 99.69 C
FM 517 HL LONG 4X2 - 6 BAN 220 ps 5 336,000,000.00 1,680,000,000.00 0.27 99.96 C
PAJERO SUPER EXCEED 3.8 JAPAN 1 262,700,000.00 262,700,000.00 0.04 100 C
LANCER EVO X A/T CBU JAPAN 0 148,000,000.00 0.00 0 100 C
FN 517 ML 2 6X2 - 10 BAN 220 ps 0 659,000,000.00 0.00 0 100 C
FN 517 ML 2 SUPER LONG 6X2 - 10 BAN 220 ps 0 672,000,000.00 0.00 0 100 C
FN 527 MS 6X4 - 10 BAN 220 ps 0 765,000,000.00 0.00 0 100 C FN 527 ML 6X4 - 10 BAN 220 ps 0 778,000,000.00 0.00 0 100 C FN 617 6X2 - 10 BAN 220 ps 0 788,500,000.00 0.00 0 100 C FN 627 6X4 MT - 10 BAN 250 ps 0 885,000,000.00 0.00 0 100 C HEAD TRACTOR FV 51 JH 380 ps 0 1,200,000,000.00 0.00 0 100 C FUSO FJ 2523 0 584,000,000.00 0.00 0 100 C
FUSO FJ 2528 CHASSIS MIXER 0 746,500,000.00 0.00 0 100 C
TOTAL 1849 632,503,500,000.00
