View
233
Download
0
Category
Preview:
Citation preview
9
BAB 2
LANDASAN TEORI
2.1 Pengertian Sistem
Sistem sebagai objek didekati dengan berpikir sistemik. Di sini akan
dijelaskan pengertian sistem, yang secara mudah akan dapat dipahami dengan
mengambil tiga contoh yang berbeda yaitu sistem hidup (manusia), sistem
fisik (dinding bata), dan sistem non-fisik (organisasi). Selanjutnya akan
dijelaskan langkah-langkah dasar berpikir sistemik, yang juga dilengkapi
dengan contoh yang sederhana, sehingga secara konsisten akan lebih mudah
ditelusuri kaitannya secara keseluruhan.
Sistem adalah keseluruhan interaksi antar unsur dari sebuah obyek
dalam batas lingkungan tertentu yang bekerja mencapai tujuan. Pengertian
dari keseluruhan adalah lebih dari sekedar penjumlahan atau susunan
(aggregate), yaitu terletak pada kekuatan (power) yang dihasilkan oleh
keseluruhan itu jauh lebih besar dari suatu penjumlahan atau susunan.
Pengertian interaksi adalah pengikat atau penghubung antar unsur,
yang memberikan bentuk/struktur kepada obyek, membedakan dengan obyek
lain, dan mempengaruhi perilaku dari obyek.
10
Pengertian unsur adalah benda baik konkrit maupun abstrak, yang
menyusun obyek sistem. Unjuk kerja dari sistem ditentukan oleh fungsi unsur.
Gangguan salah satu fungsi unsur mempengaruhi unsur lain sehingga
mempengaruhi unjuk kerja sistem sebagai keseluruhan. Unsur yang menyusun
sistem ini disebut juga bagian sistem atau sub-sistem.
Pengertian obyek adalah sistem yang menjadi perhatian dalam suatu
batas tertentu sehingga dapat dibedakan antara sistem dengan lingkungan
sistem. Artinya semua yang ada di luar batas sistem adalah lingkungan sistem.
Pada umumnya, semakin luas bidang perhatian semakin kabur batas sistem.
Demikian juga sebaliknya, semakin spesifik/konkrit obyek semakin jelas
batas sistem. Dengan demikian, jelas bahwa batas obyek dengan lingkungan
cenderung bersifat mental atau konseptual, terutama terhadap obyek-obyek
non-fisik.
Pengertian batas antar sistem dengan lingkungan tersbut memberikan
dua jenis sistem, yaitu sistem tertutup dan sistem terbuka. Sistem tertutup
adalah sistem dengan batas yang dianggap kedap (tidak tembus) terhadap
pengaruh lingkungan. Sistem tertutup itu hanya ada dalam anggapan (untuk
analisis), karena pada kenyataan sistem selalu berinteraksi dengan lingkungan,
atau sebagai sebuah sistem terbuka.
11
Pengertian tujuan adalah unjuk kerja sistem yang teramati atau
diinginkan. Unjuk kerja yang teramati merupakan hasil yang telah dicapai
oleh kerja sistem, yaitu keleuruhan interaksi antar unsusr dalam batas
lingkungan tertenu. Di lain pihak, unjuk kerja yang diinginkan merupakan
hasil yang akan diwujudkan oleh sistem melalui keseluruhan interaksi antar
unsur dalam batas lingkungan tertentu. Perumusan tujuan dari sistem ini akan
membantu memudahkan menarik garis batas dari sistem yang menjadi
perhatian. Artinya benda, baik konkrit maupun abstrak, yang jelas
menyebabkan dan/atau menyumbang langsung kepada pencapaian tujuan
sistem dikategorikan sebagai unsur. Sebaliknya, benda yang mempengaruhi
dan/atau menyumbang tidak langsung dapat dikategorikan sebagai
lingkungan.
2,2 Model Sistemik
Syarat awal berpikir sistemik adalah adanya kesadaran untuk
mengapresiasi dan memikirkan suatu kejadian sebagai sebuah sistem
(systemic approach). Kejadian apapun baik fisik maupun non-fisik, dipikirkan
sebagai unjuk kerja dari keseluruhan interaksi antar unsur sistem dalam batas
lingkungan tertentu.
12
Berdasarkan adanya pemahaman tentang kejadian sistemik tersebut,
berikut ini ada lima langkah yang dapat ditempuh untuk menghasilkan
bangunan pemikiran (model) yang bersifat sistemik, yaitu:
1) Identifikasi proses menghasilkan kejadian nyata
2) Identifikasi kejadian yang diinginkan
3) Indentifikasi kesenjangan antara kenyataan dengan keinginan
4) Identifikasi dinamika menutup kesenjangan
5) Analisis kebijakan
2.2.1 Identifikasi proses menghasilkan kejadian nyata
Identifikasi proses yaitu mengungkapkan pemikiran tentang
proses nyata (actual transformation) yang menimbulkan kejadian
nyata (actual state) Proses nyata itu merujuk kepada objektivitas dan
bukan proses yang dirasakan atau subyektivitas.
2.2.2 Identifikasi kejadian yang diinginkan
Langkah kedua adalah memikirkan kejadian yang seharusnya,
yang diinginkan, yang dituju, yang ditargetkan ataupun yang
direncanakan (desired state). Oleh karena keharusan, keinginan,
target dan rencana itu merujuk kepada waktu mendatang, disebut juga
13
pandangan ke depan atau visi. Agar tidak dianggap mimpi, maka visi
yang baik perlu dirumuskan dengan kriteria yang layak (feasible) dan
dapat diterima (acceptable). Layak artinya dapat diantisipasi akan
menjadi kenyataan, sedangkan dapat diterima artinya dapat
diantisipasi tidak akan menimbulkan pertentangan. Dengan kedua
kriteria ini berarti memikirkan limit kejadian yang akan direncanakan
dimana unjuk kerja sistem akan bersifat mantap (stable) dalam
perubahan cepat (dynamic) masa lampau dan mendatang.
2.2.3 Identifikasi kesenjangan antara kenyataan dengan keinginan
Langkah ketiga adalah memikirkan tingkat kesenjangan antara
kejadian actual dan seharusnya atau yang diinginkan. Kesenjangan
tersebut adalah masalah yang harus dipecahkan atau dalam bahasa
manajemen merupakan tugas yang harus diselesaikan. Perumusan
masalah ini secara konkrit, artinya bias dinyatakan dalam ukuran
kuantitatif atau kualitatif.
2.2.4 Identifkasi mekanisme menutup kesenjangan
Langkah keempat adalah identifkasi mekanisme tentang
dinamika variabel-variabel untuk mengisi kesenjangan antara kejadian
nyata dengan kejadian yang diinginkan. Dinamika tersebut adalah
aliran informasi tentang keputusan-keputusan yang telah bekerja
14
dalam sistem, Keputusan-keputusan tersebut pada dasarnya adalah
pemikiran yang dihasilkan melalui proses pembelajaran, yang dapat
bersifat reaktif ataupun kreatif. Pemikiran reaktif ditunjukan oleh aksi
yang bentuk atau polanya sama dengan tindakan masa lampau dan
kurang antisipatif terhadap kemungkinan kejadian di masa mendatang.
Sedangkan pemikiran kreatif ditunjukan oleh aksi yang bentuk atau
polanya berbeda dengan tindakan masa lampau, yang dapat bersifat
penyesuaian tindakan masa lampau ataupun berorientasi ke masa
dating dengan tindakan yang bersifat baru atau terobosan.
2.2.5 Analisis Kebijakan
Langkah kelima adalah analisis kebijakan, yaitu menyusun
alternatif tindakan atau keputusan yang akan diambil untuk
mempengaruhi proses nyata (actual transformation) sebuah sistem
dalam menciptakan kejadian nyata. Keputusan tersebut dimaksudkan
untuk mencapai kejadian yang diinginkan. Alternatif tersebut dapat
merupakan kombinasi bentuk-bentuk intervensi, baik yang bersifat
struktural maupun fungsional. Intervensi struktural artinya
mempengaruhi mekanisme interaksi pada sistem, sedangkan intervensi
fungsional artinya mempengaruhi unsur dari dalam sistem.
Pengembangan dan penetapan alternatif intervensi tersebut, biasanya
dipilih setelah melakukan pengujian (dapat dengan menggunakan
15
simulasi computer ataupun simulasi pendapat) berdasarkan dua
kriteria, yaitu aman dan manjur. Aman artinya jalan tersebut tidak
mengakibatkan sistem secara keseluruhan labil atau kollaps. Manjur
artinya berfungsi untuk mencapai kejadian yang diinginkan.
2.3 Struktur dan Perilaku Sistem
Setiap gejala apapun, baik fisik maupun non fisik, bagaimanapun
kerumitannya, dapat disederhanakan menjadi struktur dasar yaitu mekanisme
dari masukan, proses, keluaran, dan umpan balik. Mekanisme kerja
berkelanjutan yang menunjukan adanya perubahan menurut atau bersifat
dinamis. Perubahan tersebut menghasilkan unjuk kerja sistem yang dapat
diamati perilakunya.
Mekanisme berkelanjutan dari masukan, proses, keluaran, dan umpan
balik tersebut dalam dunia nyata tidak bebas atau tidak tumbuh tanpa batas,
tetapi tumbuh dengan pengendalian. Kendali yang membatasi tersebut dapat
bersumber dari dalam maupun dari luar sistem. Kendali dari dalam sistem
menyangkut umur atau kerusakan sistem, sedangkan kendali dari luar sistem
menyangkut intervensi dan hambatan lingkungan.
16
Gambar 2.1 Struktur dan Perilaku Pertumbuhan
Penyederhanaan mekanisme sistem tersebut adalah pada gambar 2.2.
berdasarkan pennyederhanaan kerumitan interaksi sistem nyata ke dalam
dunia model (masukan-proses-keluaran-umpan balik-kendali), selanjutnya,
apabila struktur dasar dari sistem dinamis tersebut dihubungakan dengan
berpikir sistemik seperti telah diuraikan sebelumnya, maka persoalan struktur
dalam sistem dinamis yang penting adalah menemukan mekanisme
pemecahan persoalan. Pertanyaanya adalah bagaimana mekanisme (strategi
dan kebijakan/tindakan) agar sistem tetap berfungsi dengan keinginan atau
tujuan.
17
Gambar 2.2 Struktur dan Perilaku Batas Pertumbuhan
Penyederhanaan mekanisme sistem tersebut adalah pada Gambar 2.3.
Gambar di atas menjelaskan bahwa struktur sistem dinamis adalah sebuah
sistem tertutup. Pengaruh faktor lingkungan terhadap sistem dimungkinkan
terjadi, dan perubahan eksternal itu dianggap sebagai variabel eksogen. Untuk
memudahkan pekerjaan berfikir sistemik ini, struktur sistem dinamis
disederhanakan ke dalam diagram simpal kausal.
18
2.4 Simulasi dan Perilaku Model
Seperti telah dijelaskan sebelumnya, bahwa perilaku dinamis
bersumber dari keunikan struktur model. Perilaku dinamis tersebut dikenali
dari hasil simulasi model. Dengan demikian adalah sangat penting bagaimana
memahami perilaku model hasil simulasi berdasarkan penelusuran terhadap
struktur model. Sebelum menguraikan hal ini terlebih dahulu akan
dikemukakan beberapa segi tentang simulasi model.
Simulasi adalah peniruan perilaku suatu gejala atau proses. Simulasi
bertujuan untuk memahami gejala atau proses tersebut, membuat analisis dan
peramalan perilaku gejala atau proses tersebut di masa depan.
Simulasi dilakukan melalui tahap-tahap seperti berikut :
1. Penyusunan konsep
2. Pembuatan model
3. Simulasi
4. Validasi hasil simulasi
Tahap pertama simulasi adalah penyusunan konsep. Gejala atau proses
yang akan ditirukan perlu dipahami, antara lain dengan jalan menentukan
unsur-unsur yang berperan dalam gejala atau prosesTer tersebut. Unsur-unsur
tersebut saling berinteraksi, saling berhubungan, dan saling ketergantungan.
19
Dari unsur-unsur dan keterkaitannya, dapat disusun gagasan atau konsep
mengenai gejala atau proses yang akan disimulasikan.
Gagasan tersebut selanjutnya dirumuskan sebagai model yang
berbentuk uraian, Gambar atau rumus. Model adalah suatu bentuk yang dibuat
untuk menirukan suatu gejala atau proses. Model dapat dikelompokan
menjadi model kuantitatif, kualitatif, dan model ikonik. Model kuantitatif
adalah model yang berbentuk rumus-rumus matematik, statistik, atau
komputer. Model kualitatif adalah model yang berbentuk gambar, diagram,
atau matriks, yang menyatakan hubungan antar unsur. Dalam model kualitatif
tidak digunakan rumus-rumus matematik, statistik, atau komputer. Model
ikonik adalah model yang mempunyai bentuk fisik sama dengan barang yang
diturukan, meskipun skalanya dapat diperbesar atau diperkecil. Dengan model
ikonik tersebut dapat diadakan percobaan untuk mengetahui perilaku gejala
atau proses yang ditirukan.
Selanjutnya, simulasi dapat dilakukan dengan menggunakan model
yang telah dibuat. Dalam model kuantitatif, simulasi dilakukan dengan
memasukan data ke dalam model, dimana perhitungan dilakukan untuk
mengetahui perilaku gejala atau proses. Dalam model kualitatif, simulasi
dilakukan dengan menelusuri dan mengadakan analisis hubungan sebab akibat
antar unsur dengan memasukan data atau informasi yang dikumpulkan untuk
mengetahui perilaku gejala atau proses. Dalam model ikonik, simulasi
20
dilakukan dengan mengadakan percobaan secara fisik dengan menggunakan
model tersebut untuk mengetahui perilaku model dalam kondisi yang berbeda.
Perilaku model itu dianggap menirukan gejala dan proses yang diamati.
Akhirnya, dilakukan validasi untuk mengetahui kesesuaian antara hasil
simulasi dengan gejala atau proses yang ditirukan. Model dapat dinyatakan
balik apabila kesalahan atau simpangan hasil simulasi terhadap gejala atau
proses yang ditirukan kecil.
Hasil simulasi tersebut selanjutnya digunakan untuk memahami
perilaku gejala atau proses serta mengetahui kecenderungannya di masa
mendatang. Struktur internal masalah dapat dipahami secara lebih rinci
dengan memahami perilaku dan kecenderungannya. Pemahaman ini berguna
untuk memperoleh solusi yang terbaik mengenai masalah yang dihadapi
dalam manajemen dan memperkirakan kecenderungan tersebut di masa
mendatang.
Tahap-tahap simulasi tersebut di atas, secara sederhana dapat dilihat
dalam gambar 2.3
21
Gambar 2.3 Tahap-tahap Simulasi Model
2.4.1 Validitas Model
Pengetahuan ilmiah yang bersifat objektif harus taat fakta.
Validitas atau keabsahan adalah salah satu kriteria penilaian
keobyektivan dari suatu pekerjaan ilmiah. Dalam pekerjaan
permodelan, obyektif itu ditunjukan dengan sejauh mana model dapat
menirukan fakta. Istilah menirukan bukan berarti sama, tetapi adalah
serupa. Kalau model sama dengan fakta, berarti tidak ada proses
berpikir dalam membangun model, yaitu menyederhanakan fakta dan
rangkaiannya sehingga dapat dipahami dengan mudah dan cepat.
Dalam dunia nyata, fakta adalah kejadian yang teramati.
Rangkaian hasil pengamatan tersebut dapat terukur yang disusun
menjadi data kuantitatif atau statistik dan bersifat tak terukur yang
22
disusun menjadi data kualitatif atau informasi aktual. Di lain pihak,
dalam dunia model, hasil simulasi adalah perilaku variabel yang
diinteraksikan dengan bantuan komputer. Tampilan perilaku variabel
tersebut dapat bersifat terukur yang disusun menjadi data simulasi dan
bersifat tidak terukur yang disusun menjadi pola simulasi.
Keserupaan (tidak berarti harus sama) dunia model dengan
dunia nyata ditunjukan sejauh mana data simulasi dan pola simulasi
dapat menirukan data statistik dan informasi aktual. Proses melihat
keserupaan seperti ini disebut validasi output atau kinerja model. Hal
ini adalah umum dalam dunia akademis. Keserupaan berdasarkan
output ini merupakan tradisi ilmiah. Namun harus diingat bahwa,
model yang berbeda, dapat menghasilkan validitas output yang sama,
persoalannya adalah model mana yang lebih valid? Ini berarti validitas
model yang semata berdasarkan validitas output, itu belum tentu betul.
Dalam metode berpikir sistem, teknik validasi seperti di atas
bersifat pelengkap, bukan yang utama. Disebut pelengkap, hal itu
berkaitan dengan sejarah metode berpikir sistem ini, yang pada
awalnya kelahirannya tahun 1960-an dikritik habis-habisan oleh para
ekonom sebagai model konyol, karena belum dilengkapi dengan
teknik validasi output sebagai satu-satunya tradisi ilmiah yang
23
diterima saat itu kemudian, teknik validasi output ini dikembangkan
oleh pengikut metode sistem dinamis yang akan diuraikan kemudian.
Teknik validitas yang utama dalam metode berpikir sistem
adalah validitas struktur model, yaitu sejauhmana keserupaan struktur
model mendekati struktur nyata. Sebagai model struktural yang
berorientasi proses, keserupaan struktur model dengan struktur nyata
ditunjukan dengan sejauhmana interaksi variabel model dapat
menirukan interaksi kejadian nyata. Hal ini adalah khas dan sulit
dalam metode berpikir sistem. Persoalannya adalah dengan obyek
yang sama, dapat menghasilkan struktur model yang berbeda,
pertanyaannya adalah struktur model mana yang lebih valid?
Ilustrasi persoalan penstrukturan berpikir tersebut adalah pada
contoh berikut : obyeknya sama yaitu penjara, distrukturkan oleh ahli
hukum sebagai tempat memberi ganjaran bagi pelanggar hukum demi
keadilan, sebaiknya distrukturkan oleh ahli pendidikan sebagai tempat
penyadaran bagi yang bersalah demi pendidikan kemasyarakatan.
Struktur model mana yang betul? Keduanya adalah betul secara
parsial, sesuai sudut pandang atau perspektif permodel.
Metode berpikir sistem, pada dasarnya tidak menganjurkan
penstrukturan atas dasar disiplin yang bersifat parsial, yang
24
menciptakan pertanyaan validitas struktur itu. Sebaliknya, metode
berpikir sistem menganjurkan penstrukturan atas dasar interdisiplin
yang bersifat sistemik dengan ciri menyeluruh (holistic) dan terpadu
(Integrated). Tantangannya bagi pemodel ada dua hal, pertama,
kemauan pemodel untuk tidak terpaku dengan
disiplin/keahlian/perspektif sendiri yang selalu terbatas. Kedua,
kesediaan pemodel untuk berbagi dan menerima disiplin/keahlian dan
perspektif lain. Dengan demikian, struktur model yang ideal serupa
dengan struktur nyata itu, mestinya dibangun dengan cara lintas
dimensi, lintas perspektif dan lintas disiplin, yang diikat dalam satu
bahasa yang sama-sama mudah dipahami berbagai pihak, yaitu bahasa
sistem (system language).
Banyak bahasa sistem, tetapi bahasa sistem yang memiliki azas
logika (logical principal) yang telah teruji secara empiris baik
terhadap sistem fisik, biologi dan sosial adalah bahasa sistem dinamis
(Jay, W.Forrester, principle of system, MIT, 1968). Dengan bahasa ini
perbedaan antar-disiplin akan dapat diikat untuk berkomunikasi dalam
bahasa yang sama, yaitu “stock” dan “flow” dengan segala hukum-
hukum logikanya yang berlaku umum dalam membangun struktur
model. Selanjutnya, oleh karena struktur model ideal (sama dengan
dunia nyata) itu tidak mungkin ada, yang ada, adalah struktur model
25
yang baik, yaitu struktur model yang telah melewati dan lulus uji
validitas struktur. Secara ringkas tahap pengujian validitas struktur
disederhanakan seperti dalam Gambar 2.4.
Gambar 2.4 Proses Validasi Model
2.4.1.1 Uji Validitas Struktur
Ada dua jenis validitas struktur, yaitu validitas
konstruksi dan kestablian struktur. Validitas konstruksi yaitu
keyakinan terhadap konstruksi model valid secara ilmiah atau
didukung/diterima secara akademis. Kestabilan struktur yaitu
26
keberlakuan atau kekuatan struktur dalam dimensi waktu.
Pengujian terhadap dua jenis validitas struktur ini bertujuan
untuk memperoleh keyakinan sejauh mana keserupaan struktur
model mendekati struktur nyata.
Selanjutnya ada dua teknik validasi konstruksi, yaitu
validasi konstruksi melalui “teori” dan konstruksi melalui
“kritik teori”. Validasi konstruksi dengan teori – dimana teori
adalah generalisasi struktur nyata – ditunjukan dengan sejauh
mana struktur model yang diciptakan sesuai dengan aturan
berpikir logis dalam “masing-masing” teori keilmuan dari
obyek yang diteliti. Artinya, setiap hubungan sebab-akibat,
baik secara umum atau rinci di dalam model harus didukung
dengan argumentasi teori ilmiah. Salah satu kelemahan
pemodel adalah akal sehat, tanpa dukungan teori yang kuat
sehingga memancing perdebatan yang tidak berguna atau tidak
ilmiah. Teori sekecil dan sesederhana apapun adalah
generalisasi fakta empirik yang belum terbantah.
Di lain pihak, meskipun struktur model teoritis sudah
diturunkan dan didukung oleh teori dan konsep yang relevan,
tidak dengan sendirinya struktur model menjadi valid menurut
aturan berpikir dalam kritik teori. Dalam aturan berpikir ini,
27
teori itu berubah dan berkembang sesuai dengan dinamika
sistem nyata pada waktu dan tempat tertentu, sehingga ada
kemungkinan teori yang dipakai kurang relevan. Kejadian ini
mungkin terjadi karena dua hal. Pertama, pemodel kurang
mengikuti perkembangan teori-teori baru sebagai
penyempurnaan dari teori yang usang. Kedua, pemodel
memaksakan diri menerapkan teori-teori yang dikembangkan
dan cocok untuk menjelaskan obyek tertentu di tempat lain
(misalnya di Barat) dipakai tanpa syarat menjelaskan keadaan
di sini (di Indonesia). Oleh karena itu, metode berpikir sistem
sangat menganjurkan kreativitas dalam membangun struktur
model teoritis yang baik.
Untuk memperoleh keyakinan sejauhmana struktur
model teoritis, yang diciptakan dengan kreatif dapat
menjelaskan struktur sistem nyata yang berlaku, maka
saringannya adalah, harus lulus uji kestabilan struktur model.
Uji kestabilan struktur, yaitu melihat keberlakuan atau
kekuatan model dalam dimensi waktu. Caranya dalah dengan
menguji struktur model terhadap perlakuan kejutan agregasi
unsur dan disagregasi sistem.
28
Mengapa melalui proses agregasi dan/atau disagregasi?
Penjelasannya adalah sebagai berikur: keduanya, baik struktur
model agregat yang umum maupun disagregat rinci, apabila
disimulasikan pola perilakunya mesti serupa. Misalnya, bentuk
umum model agregat “batas keberhasilan”, yaitu interaksi antar
level, rate, penundaan waktu, diskrepansi, dan faktor pembatas
menghasilkan pola perilaku yang serupa. Meskipun, rincian
model itu merupakan interaksi beberapa bentuk tertentu,
namun struktur model agregat yang menjadi dasar/wadah tetap
ada, yang menunjukan ciri/topik bangunan model tersebut.
Jika hasil simulasi terhadap proses agregasi dan/atau
disagregasi ini menghasilkan kollapsnya perilaku.kinerja
sistem atau tidak logis, maka berarti ada kesalahan/kekurangan
di dalam struktur model. Selanjutnya, struktur model harus
diperbaiki, disempurnakan dan bahkan dapat diubah sama
sekaliatau kembali dari awal. Di lain pihak, agar pemodel tidak
kehilangan arah dalam memvalidasi struktur model yang rinci
ini, sejauhmana kerincian tersebut diciptakan ditentukan oleh
“apakah pemodel sudah menemukan jawaban terhadap
persoalan struktural berdasarkan model itu?”
29
Jawaban dalam persoalan struktural dalam metode
berpikir sistem, yaitu suatu pemikiran solusi jitu , yang tidak
dapat dihasilkan dengan teknik berpikir konvensional. Jika
pemodel tidak berhasil menemukan jawaban tersebut, maka
pekerjaan pemodel yang telah menantang kerumitan akan
menjadi sia-sia, karena tidak sesuai antara usaha dengan hasil.
Ilustrasinya adalah, jika dokter mendiagnosis pasien bergejala
borok, pemecahan konvensional yang cepat adalah dengan
terapi salep penisilin, meskipun demikian pasien tersebut
datang lagi, karena borok itu tidak kunjung sembuh. Dokter
yang teliti menantang kerumitan akan menstrukturkan gejala
borok tersebut dengan berbagai kemungkinan. Akhirnya,
dokter menghipotesiskan (berdasarkan teori dan pengalaman),
pasien itu mungkin menderita kencing manis, yang secara
sistemik memerlukan pemikiran rinci tentang fungsi unsur-
unsur sistem kelenjar hipofisa. Rincian struktur berpikir dokter
berhenti sampai di sini, dan tidak perlu dokter berpikir tentang
fungsi syaraf, emosi, dan sebagainya, yang jika dikait-kaitkan
dengan akal sehat, memang ada kaitan, tetapi membuat
kerumitan itu dapat membawa salah arah.
30
Pekerjaan validasi struktur yang melelahkan tersebut
memerlukan kesabaran dan ketekunan karena harus melakukan
pengulangan berpikir, sampai akhirnya diperoleh struktur
model yang logis dan obyektif. Model kurang logis umumnya
disebabkan oleh konstruksi yang lemah secara teoritis, akibat
terlalu menggunakan akal sehat parsial. Model juga menjadi
kurang obyektif umumnya disebabkan konstruksi lemah secara
kontekstual, akibat kurang kritis dan terlalu menggantungkan
oada teori yang kurang relevan. Setelah diperoleh struktur
model yang stabil, yaitu logis dan obyektif, tahap validasi
selanjutnya adalah uji validitas kinerja/output model.
2.4.1.2 Uji Validitas Kinerja/Output Model
Validasi kinerja adalah aspek pelengkap dalam metode
berpikir sistem. Tujuannya untuk memperoleh keyakinan
sejauh mana “kinerja” model sesuai (compatible) dengan
“kinerja” system nyata. Sehingga memenuhi syarat sebagai
model ilmiah yang taat fakta. Caranya adalah memvalidasi
kinerja model dengan data empiris, untuk melihat sejauh mana
perilaku “output”: model sesuai dengan perilaku data empirik.
31
Tabel 2.1 Uji Statistik terhadap Hasil Simulasi
No UJI STATISTIK KETERANGAN
1 Penyimpangan means absolute (AME).
AME = (Si–Ai) x Ai
Si = Si x N
Ai = Ai x N
A = Nilai Aktual
S = Nilai Simulasi
N = Interval Waktu Pengamatan
2 Penyimpangan Variasi Absolute (AVE)
AVE = (Ss – Sa) x S
Ss = ((Si–Si)2 x N)
Sa = ((Ai–Ai)2 x N)
Sa = Deviasi Nilai Aktual
Ss = Deviasi Nilai Simulasi
3 Saringan Kalman (KF)
KF = Vs/(Vs+Va)
Vs = (Si–Si)2 x (N–1)
Va = (Ai – Ai)2 x (N–1)
Va = Varian Nilai Aktual
Vs = Varian Nilai Simulasi
4 Koefisien Diskrepansi (U)
U = Se x (Ss+Sa)
Se = ({(S-Si) – (A–Ai)}2 x N)
Se = Deviasi Nilai Simulasi
terhadap nilai aktual
5 Durbin Watson (DW)
DW = {(Ai–Si)t – (Ai–Si)t-1}2 / {(Ai – Si)t }2
t = waktu sekarang
t -1 = waktu lampau
32
Untuk memudahkan proses validasi model yang mengalami
iterasi penyempurnaan demi penyempurnaan sampai ditetapkan output
final, maka persamaan statistik tersebut perlu dipadukan dengan model
simulasi komputer. Konversi rumus perhitungan AME, AVE,
U-Theal, DW, dan Kalman Filter (KF) ke dalam persamaan model
simulasi komputer seperti diperlihatkan dalam tabel 2.2.
Tabel 2.2 Konversi Rumus Staistik ke Persamaan PowerSim
No UJI STATISTIK KETERANGAN
1 Penyimpangan means absolute (AME).
AME = (Si–Ai) x Ai
Si = Si x N
Ai = Ai x N
El = abs(Sr-Ar)/Ar
Sr = Integrate(S)/(t(n)-t(0))
Ar = Integrate(A)/(t(n)-t(0))
2 Penyimpangan Variasi Absolute
(AVE)
AVE = (Ss – Sa) x S
Ss = ((Si–Si)2 x N)
Sa = ((Ai–Ai)2 x N)
E2 = abs(SS-Sa) x Sa
Ss = Sqrt(Integrate((S-Sr^2) x (t(n)-t(0)))
Sa = Sqrt(Integrate((A-Ar)^2) x (t(n)-t(0)))
3 Saringan Kalman (KF)
KF = Vs/(Vs+Va)
E3 = Vs x (Vs+Va)
Vs = Integrate((S-Sr)^2 x (t(n) – t(0+1))
33
Vs = (Si–Si)2 x (N–1)
Va = (Ai – Ai)2 x (N–1)
Va = integrate ((A-Ar)^2 x (t(n) - t(0+1))
4 Koefisien Diskrepansi (U)
U = Se x (Ss+Sa)
Se = ({(S-Si) – (A–Ai)}2 x N)
U = Se x (Ss+Sa)
Se = Sqrt(integrate(((S-Sr) – (A-Ar))^2 x
(t(n)-t(0))
5 Durbin Watson (DW)
DW = {(Ai–Si)t – (Ai–Si)t-1}2 /
{(Ai – Si)t }2
DW = d1/d2
d1 = integrate((d-delayinf(d,1,1,0))^2)
d2 = integrate((d)^2)
d = (A-S)
Pengujian statistik bersifat “auto-progressive” selama unit
waktu simulasi (N), terhadap unsur yang bersifat interaktif dalam
sebuah sistem. Angka hasil uji yang ditampilkan mencakup periode
simulasi dari t(0) -> t(n). Untuk keperluan analisis pemodel cukup
melihat angka waktu terakhir t(n).
34
2.4.2 Model Analisis Simulasi
Dalam menghadapi masalah nyata yang rumit seringkali
modelnya tak mungkin dibentuk atau metode dan rumusan yang
tersedia tak dapat dipakai. Jika ini kasusnya, simulasi menawarkan
cara alternatif mencari solusi, karena alasan ini simulasi menjadi
populer.
Ada dua jenis simulasi. Pertama, simulasi analog artinya
mengganti lingkungan fisik yang asli dengan lingkungan fisik tiruan
yang lebih mudah untuk memanipulasi, contohnya ruang tanpa bobot
disimulasi dengan ruangan yang penuh air. Kedua, simulasi matematik
artinya meniru sistem dengan model matematik untuk mendapatkan
operating characteristic sistem melalui suatu eksperimen. Jika
eksperimen itu berulang-ulang, untuk mempermudah dan
mempercepat hitungan diperlukan bantuan komputer.
2.4.2.1 Simulasi Monte Carlo
Kesulitan menyelesaikan masalah secara analitik
sebuah model biasanya disebabkan adanya komponen yang
verupa variabel random. Dalam simulasi, variabel random
dinyatakan dalam distribusi probabilitas, sehingga sebagian
besar model simulasi adalah model probabilistik.
35
Arti dari istilah Monte Carlo sering dianggap sama
dengan simulasi probabilistik. Namun Monte Carlo secara
lebih tegas berarti teknik memilih angka secara random dari
distribusi probabilitas untuk menjalankan simulasi.
Langkah-langkah simulasi Monte Carlo :
1. Ditentukan distribusi probabilitas untuk variabel
penting (berdasarkan frekuensi kejadian tersebut).
2. Dibuatkan distribusi probabilitas kumulatif untuk setiap
variabel yang sudah dihitung probabilitasnya
sebelumnya.
3. Ditentukan Interval bilangan acak untuk setiap variabel.
4. Dilakukan proses simulasi dengan menentukan
bilangan random untuk menentukan nilai dari variabel
yang akan disimulasikan.
2.4.2.2 Simulasi Sistem Tak Terstruktur
Karena beberapa alasan, seperti kerumitan antara
hubungan probabilistik, suatu masalah nyata mungkin tak
dapat disederhanakan dalam model matematik, atau dapat
dibuatkan modelnya tetapi tidak tersedia teknik solusinya atau
36
rumusannya. Solusi masalah tak terstruktur ini akan cocok jika
dicari melalui simulasi sistem tak terstruktur.
Langkah-langkah yang ditempuh dalam metode ini
hampir sama dengan metode simulasi monte carlo, namun
pada metode ini dapat terlihat adanya ketergantungan antara
satu variabel dengan variabel lainnya dalam mengambil
keputusan, jadi variabel yang lain akan menunggu nilai dari
variabel sebelumnya untuk menentukan nilai variabel itu
sendiri. Biasanya metode ini banyak digunakan untuk analisis
pada antrian.
2.4.2.3 Simulasi Persediaan
Asumsi-asumsi yang dipakai pada Basic Economic
Order Quantity (EOQ) Model sangat membatasi penerapannya.
Dalam praktik permintaan dan lead time biasanya tidak
diketahui secara pasti atau kedua variabel itu memiliki suatu
probabilitas distribusi, karena itu analisisnya dengan teknik
yang ada menjadi sulit.
Langkah-langkah yang ditempuh hampir sama dengan
metode sebelumnya, dengan melakukan pendekatan angka
random untuk variabel-variabel yang bersifat tidak diketahui
37
secara pasti tersebut, maka variabel seperti lead time dan
demand dapat ditentukan tingkat keacakannya. Hal ini
dilakukan sedapat mungkin dengan tujuan mendapatkan
karakteristik dari sistem persediaan yang sedang berjalan.
Sehingga dapat memberikan suatu solusi dan kebijakan yang
lebih baik.
2.4.2.4 Simulasi dengan Menggunakan Software
Untuk melakukan simulasi dari sebuah model,
diperlukan perangkat lunak (software) yang secara cepat dapat
melihat perilaku dari model yang telah dibuat. Ada berbagai
macam perangkat lunak yang dapat digunakan untuk keperluan
ini, tapi yang akan dikemukakan pada bagian ini adalah
perangkat lunak berupa program yang dinamakan Powersim.
Powersim adalah salah satu software untuk simulasi
model system dynamics. Jadi Powersim hanyalah merupakan
alat (tool) untuk mempermudah simulasi model system
dynamics. Perlu ditegaskan di sini bahwa menggunakan
software Powersim tidak berarti dengan sendirinya
menggunakan metodologi system dynamics. System dynamics
dapat disimulasikan dengan berbagai jenis software, termasuk
dengan software spreadsheet, misalnya Excel. Software-
38
software yang didisain untuk membuat simulasi model system
dynamics, sampai saat ini tersedia di pasar adalah : Dynamo,
Vensim, Stella, I-think, Powersim.
Berikut adalah user interface dari powersim ver 2.5 :
Gambar 2.5 User Interface PowerSim ver 2.5
Dan berikut adalah tools yang digunakan pada saat
membuat sebuah model :
39
Gambar 2.6 Tools atau Icon yang digunakan pada
PowerSim ver 2.5
Pada waktu mensimulasikan model, variabel-variabel
akan saling dihubungkan membentuk suatu sistem yang dapat
menirukan kondisi sebenarnya. Pada perangkat lunak
Powersim, suatu sistem yang menghubungkan variabel-
variabel tersebut dinamakan diagram alir (flow diagram).
Variabel-variabel tersebut akan digambarkan dengan beberapa
simbol, yang utama adalah symbol aliran (flow symbol) yang
selalu dihubungkan dengan simbol level (level symbol) melalui
simbol panah tebal untuk proses aliran. Aliran benda yang
dapat mengalir disini adalah barang, uang, orang, dan lain-lain,
yang dapat diamati dan diukur penambahan dan
pengurangannya dalam level Dalam pemodelan, level menjadi
40
symbol yang mewakili pokok permasalahan yang menjadi
perhatian, sebagai contoh dapat terlihat pada gambar di bawah
ini, populasi dijadikan sebuah level, dimana populasi dapat
dipengaruhi oleh faktor-faktor seperti kelahiran dan kematian,
begitu juga ada faktor konstan yang memperngaruhi tingkat
kelahiran dan kematian seperti fertilitas dan umur.
Gambar 2.7 Diagram Alir Populasi
Panah halus (information link) yang menghubungkan
antara level dengan aliran adalah proses informasi umpan
balik. Diagram alir menggambarkan struktur dari model,
sedangkan hasil simulasi berupa gambar atau grafik yang
menggambarkan perilaku dari sistem. Contohnya sebagai
berikut :
41
Gambar 2.8 Hasil Simulasi Model
Model yang dibangun dengan perangkat lunak
Powersim berbentuk simbol-simbol dan simulasinya mengikuti
suatu metode yang dinamakan dinamika sistem (system
dynamics).
2.5 Analisis Persediaan
Persediaan (Inventory) adalah sumber daya yang disimpan untuk
memenuhi permintaan saat ini dan mendatang. Setiap perusahaan biasanya
mempunyai persediaan, pengecer selalu menyediakan dagangannya, rumah
sakit menyimpan darah dan obat, bank menyiapkan uang kas, bahkan ibu
.rumah tangga punya aneka persediaan. Menurut suatu penelitian persediaan
42
merupakan bagian yang besar (sekitar 40 persen) dari modal yang ditanamkan
dan biaya menyimpan persediaan (termasuk diantaranya asuransi, penyusutan,
bunga, sewa) dapat mencapai 30 persen dari nilai persediaan. Karena itu
banyak perusahaan sangat peduli terhadap perencanaan dan pengendalian
persediaan untuk memperoleh penghematan berarti.
Analisis persediaan pada bab ini akan diawali dengan menyebutkan
jenis manfaat persediaan, menerangkan sifat permintaan, klasifikasi unsur
biaya persediaan, dan memperkenalkan model persediaan yang sederhana.
2.5.1 Jenis dan Manfaat Persediaan
Ada banyak persediaan diantaranya bahan mentah, bahan
dalam proses, perlengkapan operasi dan perawatan.serta barang jadi.
Bahan baku adalah barang yang sudah dibeli dan menunggu untuk
diproses. Bahan dalam proses adalah bahan yang sedang diproses,
dengan demikian telah berubah, namun belum selesai. Perlengkapan
diperlukan untuk kelancaran operasi dan pemeliharaan peralatan yang
dapat terganggu secara tak terduga. Sementara barang jadi adalah
produk yang telah dirampungkan dan menunggu untuk dikirim.
Ada banyak alasan mengapa perusahaan punya persediaan.
Pertama, untuk memenuhi permintaan konsumen yang telah
diramalkan. Karena permintaan tak diketahui dengan pasti, dapat
43
memiliki persediaan tambahan yang dinamakan safetyor buffer stocks
untuk emmenuhi lonjakan permintaan yang diramalkan. Faktor musim
seperti lebaran, natal dan tahun ajaran baru sangat berpengaruh
terhadap gejolak permintaan. Dengan demikian safetystock dapat
menghindari stock out atau shortage. Kedua, untuk mendapat
potongan harga jika membeli dalam jumlah banyak. Ketiga, untuk
menghindari resiko akibat kenaikan harga. Keempat, persediaan bahan
mentah dapat menjaga kelancaran produksi karena dapat menghindari
stock out jika terjadi kelambatan pengiriman, kerusuhan massa atau
bencana alam. Secara garis besar menurut buku Manajemen
Persediaan oleh Freddy Rangkuti (2007), Jenis persediaan/stock dibagi
menurut jenis dan fungsinya seperti berikut :
Berdasarkan Jenisnya :
1. Persediaan Bahan Baku
2. Persediaan komponen yang sudah dibeli
3. Persediaan bahan-bahan pembantu
4. Persediaan barang-barang setengah jadi/barang dalam
proses
5. Persediaan barang jadi
44
Berdasarkan fungsinya :
1. Batch Stock/Lot Size Inventory
Persediaan yang diadakan karena kita membeli atau
membuat bahan-bahan atau barang-barang dalam jumlah
yang lebih besar daripada jumlah yang dibutuhkan saat itu.
2. Fluctuation Stock/safetystock
Persediaan untuk menghadapi untuk menghadapi
fluktuasi permintaan konsumen yang tidak dapat
diramalkan.
3. Anticipation Stock
Persediaan yang diadakan untuk menghadapi fluktuasi
permintaan yang dapat diramalkan, berdasarkan pola
musiman yang terdapat dalam satu tahun untuk
menghadapi penggunaan, penjualan, atau permintaan yang
meningkat.
45
2.5.2 Sifat Permintaan
Persediaan diadakan untuk memenuhi permintaan yang
diramalkan. Permintaan dapat dibedakan menjadi dependent dan
independent. Permintaan dependent terjadi pada bahan mentah atau
bahan dalam proses, permintaan ini berasal dari dalam perusahaan
untuk menghasilkan barang jadi. Contohnya, yaitu PT.Astra
International ingin menghasilkan 100 mobil baru, maka diperlukan
500 velg. Dalam hal ini permintaan terhadap velg adalah dependent
terhadap produksi mobil. DIkatakan dengan cara lain permintaan
terhadap suatu varang dipengaruhi oleh barang lain.
Permintaan Independent biasanya barang jadi, berasal dari
luara perusahaan, jadi tidak tergantung kegiatan internal perusahaan
dan di luar control perusahaan. Permintaan mobil baru pada PT.Astra
adalah contohnya.
Disamping perbedaan seperti di atas, permintaan mendatang
dapat diketahui secara pasti dan tidak pasti atau mengikuti distribusi
probabilitas tertentu.
46
2.5.3 Pengawasan Persediaan
Adapun tujuan dari proses pengawasan terhadap persediaan
adalah sebagai berikut :
1. Menjaga jangan sampai kehabisan persediaan
2. Supaya pembentukan persediaan stabil
3. Menghindari pembelian kecil-kecilan
4. Pemesanan yang ekonomis
Jumlah pesanan yang hendaknya dilakukan sebisa mungkin
menghasilkan biaya yang minimal dalam persediaan, untuk itu
perlunya usaha-usaha untuk memperkecil biaya-biaya pemesanan
(ordering cost), biaya-biaya penyimpanan (carrying cost) dan biaya-
biaya loss deal (stock out cost).
2.5.4 Biaya Persediaan
Biaya yang terkait dengan persediaan dikelompokan menjadi
tiga, yaitu carrying cost, ordering cost dan shortage/ stock out cost.
Gabungan unsur-unsur biaya itu berhubungan secara non-linear
dengan jumlah persediaan, sehingga menjadi menarik menemukan
jumlahnya persediaan yang menghasilkan biaya persediaan terendah.
47
Carrying cost adalah biaya untuk memiliki dan menyimpan
persediaan selama periode tertentu. Biaya ini berhubungan positif
dengan jumlah persediaan dan terkadang dengan waktu penyimpanan.
Termasuk dalam kelompok ini adalah bunga atau dana yang
ditanamkan dalam persediaan, sewa gedung, penyusutan dan lain-lain.
Carrying cost dapat dinyatakan dalam dua cara. Pertama, yang paling
sering, adalah menyatakannya dalam rupiah per unit persediaan per
periode waktu. Kedua, dinyatakan sebagai persentase tertentu dari
nilai persediaan, biasanya antara 10-40 persen.
Ordering cost adalah biaya yang berhubungan dengan
penambahan persediaan yang dimiliki. Biaya ini biasanya dinyatakan
dalam rupiah per pesanan dan tidak terkait dengan volume pesanan.
Jadi Ordering cost berhubungan positif dengan frekuensi persediaan.
Termasuk kelompok ini adalah biaya pengiriman, pesanan beli,
inspeksi, penerimaan dan pencatatan. Ordering cost biasanya
berhubungan terbalik dengan carrying cost. Jika volume pesanan
bertambah, frekuensi pesanan berkurang sehingga mengurangi
ordering costs. Sementara itu, bertambahnya volume pesanan
menyebabkan bertambahnya baik persediaan maupun carrying cost.
Ringkasnya, jika volume pesanan bertambah, ordering cost berkurang
tapi carrying cost bertambah.
48
Shortage atau stock out costs tercipta jika permintaan tak dapat
dipenuhi karena kekosongan persediaan. Termasuk dalam kelompok
ini adalah ketidakpuasan konsumen dan potensi keuntungan yang tak
terealisasi. Sangat sulit memperkirakan shortage costs, sebagai
gantinya dilakukan perkiraan subjektif. Shortage costs berhubungan
terbalik dengan carrying cost. Jika persediaan bertambah, carrying
cost bertambah sementara shortage cost berkurang.
2.6 Manajemen Persediaan
2.6.1 Model Persediaan Economic Order Quantity (EOQ)
Melalui inventory model penyederhanaan masalah persediaan
dalam realitas yang rumit akan dijawab dua hal penting, yaitu berapa
banyak harus dipesan dan kapan (berapa kali) memesan sehingga
biaya persediaan dapat diminimumkan.
Model Economic Order Quantity (EOQ) merupakan model
yang tertua dan paling sederhana, pertama kali diperkenalkan oleh
Ford W.Harris pada 1915. Model ini diturunkan dengan
menggunakan beberapa asumsi, yaitu :
a. Permintaan diketahui secara pasti dan konstan
b. Tidak ada shortage
49
c. Lead time (waktu antara penempatan pesanan dan
penerimaannya) diketahui dan konstan.
d. Sekali pesan sekali terima
e. Tidak ada potongan harga karena membeli dalam jumlah
banyak.
Gambar 2.9 menjelaskan siklus pengendalian persediaan
sesuai dengan asumsi model ini. Suatu pesanan (Q), diterima dan
digunakan pada tingkat yang konstan. Jika persediaan berkurang
sampai reorder point (R), pesanan berikutnya segera ditempatkan, jadi
tidak perlu menunggu persediaan habis karena penyerahan barang
butuh waktu yang dikenal dengan lead time. Setiap pesan diterima
seluruhnya sekali pada saat persediaan habis, sehingga tidak ada
stockout. Siklus ini berulang dengan volume pesanan lead time, dan
reorder point yang sama.
50
Gambar 2.9 Siklus Model EOQ
2.6.2 Safety Stock
Persediaan pengaman apabila penggunaan persediaan melebihi
perkiraan. Tujuannya untuk menentukan berapa besar stock yang
dibutuhkan selama masa tenggang untuk memenuhi besarnya
permintaan.
Service level. Sebagaimana kita ketahui, pengalokasian safety
stock dalam jumlah yang cukup besar akan membutuhkan biaya yang
cukup besar juga. Seorang manajer harus berhati-hati apakah biaya
yang dikeluarkan untuk biaya penyimpanan sebanding dengan resiko
kehilangan akibat kehabisan persediaan.
51
Siklus pemesanan dari tingkat pelayanan dapat dihitung
sebagai probabilitas sebagai permintaan yang tidak melebihi supply
selama masa tenggang (misalnya jumlah persediaan haru mencukupi
untuk memenuhi besarnya permintaan).
Karena itu, tingkat pelayanan disebut 95 persen, artinya bahwa
probabilitas 95 persen dari permintaan tersebut tidak akan melebihi
dari permintaan selama periode masa tenggang. Dengan kata laiin
permintaan akan terpenuhi dalam 95 persen.
Resiko kehilangan biaya berkaitan erat dengan tingkat
pelayanan. Tingkat pelayanan pelanggan sebesar 95 persen
menunjukan bahwa resiko kehabisan persediaan sebesar 5 persen.
Secara umum :
Tingkat pelayanan = 100% - risiko kehabisan stock
Secara lebih jauh dapat dilihat bagaimana siklus pemesanan
pada tingkat pelayanan berkaitan dengan tingkat pelayanan tahunan.
Jumlah safety stock yang sesuai dengan kondisi tertentu sangat
tergantung pada faktor-faktor berikut :
1. Rata-rata tingkat permintaan dan rata-rata masa tenggang;
2. Variabilitas permintaan dan masa tenggang;
52
3. Keinginan tingkat pelayanan yang diinginkan.
Untuk tingkat pelayanan dari siklus pemesanan, besarnya
tingkat permintaan atau masa tenggang menyebabkan jumlah safety
stock yang harus lebih banyak, sehingga dapat memenuhi tingkat
pelayanan yang diinginkan. Dengan kata lain, dengan berbagai variasi
terhadap tingkat permintaan dan masa tenggang, dapat dicapai
peningkatan tingkat pelayanan sehingga dapat merefleksikan biaya
kehilangan penjualan (misalnya kehilangan penjualan, ketidaksesuaian
dengan keinginan konsumen), atau dapat juga diakibatkan oleh adanya
kebijakan, misalnya keinginan manajer untuk memberikan tingkat
pelayanan tertentu untuk barang tertentu.
Berikut adalah kondisi-kondisi dimana keberadaan safety stock
diperlukan :
Gambar 2.10 Lead Time Tidak Konstan Demand Konstan
FDLT = tidak konstanDMD = konstan
3
2
1
SS
1 2 3 4 5 6 7 8
53
Gambar 2.11 Lead Time Konstan Demand Tidak Konstan
Gambar 2.12 Lead Time dan Demand Tidak Konstan
Perhitungan safety stock dapat menggunakan metode
perhitungan Mean Absolute Deviation (MAD) sebagai berikut :
FDLT = konstanDMD = tidak konstan
3
2
1
SS
1 2 3 4 5 6 7 8
FDLT = tidak konstanDMD = tidak konstan over stock
3
2
1
SS
1 2 3 4 5 6 7 8
stock out
54
Setelah nilai deviasi standar (d) dan MAD dihitung, berikut
tabel konversi nilai safety factor (Faktor Pengaman) yang disarankan :
Tabel 2.3 Konversi Nilai faktor Pengaman
Tingkat
Layanan
Faktor
Pengaman
untuk nilai
MAD
Tingkat
Layanan
Faktor
Pengaman
untuk nilai
MAD
Tingkat
Layanan
Faktor
Pengaman
untuk nilai
MAD
50,00 % 0,00 95,00 % 2,06 99,60 % 3,31
70,00 % 0,84 96,00 % 2,19 99,70 % 3,44
80,00 % 1,05 97,00 % 2,35 99,80 % 3,60
84,13 % 1,25 97,72 % 2,50 99,86 % 3,75
85,00 % 1,30 98,00 % 2,56 99,90 % 3,85
89,44 % 1,56 98,61 % 2,75 99,93 % 4,00
90,00 % 1,60 99,00 % 2,91 99,99 % 5,00
93,32 % 1,88 99,18 % 3,00
94,00 % 1,95 99,38 % 3,13
94,52 % 2,00 99,50 % 3,20
55
2.6.3 Reorder Point (ROP)
Strategi operasi persediaan adalah titik pemesanan yang harus
dilakukan suatu perusahaan sehubungan dengan adanya lead time dan
safety stock. ROP model terjadi apabila jumlah persediaan yang
terdapat di dalam stock berkurang terus. Dengan demikian kita harus
menentukan berapa banyak batas minimal tingkat persediaan yang
harus dipertimbangkan sehingga tidak terjadi kekurangan persediaan.
Jumlah yang diharapkan tersebut dihitung selama masa tenggang.
Mungkin dapat juga ditambahkan dengan safety stock yang biasanya
mengacu pada probabilitas atau kemungkinan terjadinya kekurangan
stock selama masa tenggang.
ROP atau biasa disebut juga dengan batas/titik jumlah
pemesanan kembali termasuk permintaan yang diinginkan atau
dibutuhkan selama masa tenggang, misalnya suatu tambahan/ekstra
persediaan.
56
2.6.3.1 Model-model Reorder Point
Beberapa model perhitungan dari metode reorder point
terbagi menjadi 4 kondisi yang diperngaruhi oleh demand dan
lead time-nya sebagai berikut
1. Jumlah permintaan maupun masa tenggang konstan
2. Jumlah permintaan adalah variabel, sedangkan masa
tenggang-nya konstan.
3. Jumlah permintaan adalah konstan, sedangkan masa
tenggang-nya variabel.
4. Jumlah permintaan maupun masa tenggang variabel
Notasi yang dipakai :
d = Tingkat persediaan konstan
d bar = Rata-rata tingkat permintaan
σd = Standar deviasi dari tingkat permintaan
LT = Masa tenggang konstan (Constant Lead time)
LT bar = rata-rata masa tenggang
σLT = Standar deviasi dari lead time
57
Rumus-rumus :
Model 1 (Constant Demand Rate, Constant Lead Time)
ROP = d x LT
Model 2 (Variable Demand Rate, Constant Lead Time)
ROP = (dbar x LT) + (Z x √LT x σd)
Model 3 (Constant Demand Rate, Variable Lead Time)
ROP = (d bar x LT bar) + (Z x d x σLT)
Model 4 (Variable Demand Rate, Variable Lead Time)
ROP = (d bar . LT bar) + Z √(LT bar . σd2 + d bar2 . σLT2)
2.7 Metode Pemilahan Material
Tujuan utama dalam pembelian material adalah dan komponen adalah
sebagai berikut:
1. Mempertahankan kontinuitas dari pemasok agar sesuai dengan jadwal
2. Memberikan material yang dan komponen yang memenuhi atau
melebihi tingkat kualitas yang ditetapkan kepada bagian
58
manufakturing untuk diproses menjadi produk akhir yang memenuhi
permintaan dari pelanggan.
3. Memperoleh item-item yang dibutuhkan pada ongkos yang serendah
mungkintetapi masih tetap konsisten dengan kebutuhan kualitas,
waktu penyerahan dan performansi lainnya.
Salah satu metode yang digunakan dalam pemilahan material adalah
menggunakan analisis klasifikasi ABC.
2.7.1 Identifikasi material dengan menggunakan analisis ABC
Klasifikasi ABC atau sering juga disebut analisis ABC
merupakan klasifikasi kelomok dari suatu kelompok material dalam
susunan menurun berdasarkan biaya penggunaan material itu per
periode waktu (Harga per unit material dikalikan volume penggunaan
dari material selama periode tertentu). Periode yang umum digunakan
adalah satu tahun. Analisis ABC dapat juga digunakan menggunakan
kriteria lain, bukan semata-mata berdasarkan kriteria biaya, tergantung
pada faktor-faktor penting apa yang menentukan material itu.
Klasifikasi ABC umum digunakan dalam pengendalian inventori.
Beberapa ocntoh penerapan seperti: pengendalian inventori material
pada pabrik, inventori produk akhir pada gudang barang jadi,
inventory obat-obatan pada apotik, incventori suku cadang pada
59
bengkel atau toko,inventori produk pada supermarket atau toko serba
ada, dan lain-lain.
Pada dasarnya terdapat sejumlah faktor yang menentukan
kepentingan suatu material yaitu:
1. Nilai total uang dari material
2. Biaya per unit dari material
3. Kelangkaan atau kesulitan mendapatkan material
4. Ketersediaan sumber daya, tenaga kerja, dan fasilitas yang
dibutuhkan untuk membuat material itu.
5. Panjang dan waktu tunggu (lead time) dari material,sejak
pemesanan material itu pertama kali sampai kedatangannya.
6. Ruang yang dibutuhkan untuk menyimpan material itu.
7. Resiko penyerobotan atau pencurian material itu.
8. Biaya kehabisan stok atau persediaan (stock out cost) dari material
itu
Klasifikasi ABC mengikuti prinsip 80-20, atau hukum pareto
dimana sekitar 80% dari nilai total inventori material dipresentasikan
60
(diwakili) oleh 20% material inventori. Penggunaan analisa ABC
adalah menetapkan :
1. Frekuensi perhitungan inventori (cycle counting), dimana material-
material kelas A harus diuji kebih sering dalam hal akurasi catatan
inventori dibandingkan material material kelas B atau C.
2. Prioritas rekayasa (engineering) dimana material-material kelas A
dan B memberikan petunjuk pada bagian rekayasa dalam
peningkatan program reduksi biaya ketika mencari material-
material tertentu yang difokuskan.
3. Prioritas pembelian (perolehan), dimana aktivitas pembelian
seharusnya difokuskan pada bahan-bahan baku bernilai ringgi
(high cost) dan penggunaan berjumlah tinggi (high usage). Fokus
pada material-material kelas A untuk pemasokan (sourcing) dan
negosiasi.
4. Keamanan : meskipun biaya per unit merupakan indikator yang
lebih baik dibandingkan nilai penggunaan (usage value) namun
analisis ABC boleh digunakan seabgai indikator dari material-
material mana (kelas AA dan B) yang seharusnya lebih aman
disiapkan dalam ruangan terkunci untuk mencegah kehilangan
kerusakan atau pencurian.
61
5. Sistem pengisian kembali (replenishment system), dimana
klasifikasi ABC akan membantu mengidentifikasi metode
pengendalian yang digunakan. Akan lebih ekonomis apabila
mengendalikan material-material kelas C dengan simple two-bin
sistem of replenishment (bin receive sistem or visual review
iystem) dan metode-metode yang lebih canggih untuk material
kelas A dan B.
6. Keputusan investasi : karena material-material kelas A
menggambarkan investasi yang lebih besar dalam inentori, maka
perlu lebih berhati-hati dalam membuat keputusan tentang kualitas
pesanan dan stok pengaman terhadap material-material kelas A,
dibandingkan dengan material-material kelas B dan C. seyogyanya
implementasi sistem JIT pada bagian pembelian diterapkan
pertama kali dalam pembelian-pembelian material kelas A,
kemudian kelas B, dan pada akhirnya kelas material kelas C.
Terdapat sejumlah prosedur pengelompokan material-material
inventori kedalam kelas A, B dan C antara lain:
1. Tentukan volume penggunaan per periode waktu (biasanya per
tahun) dari material-material inventori yang ingin diklasifikasikan.
62
2. Gandakan (kalikan) volume penggunaan periode waktu (per tahun)
dari setiap material inventori dalam biaya per unit-nya guna
memperoleh nilai total penggunaan biaya per periode waktu (per
tahun) untuk setiap material inventori itu.
3. Jumlahkan nilai total penggunaan biaya dari semua material
inventori itu untuk memperoleh nilai total penggunaan biaya
aggregat (keseluruhan).
4. Bagi nilai total penggunaan biaya dari setiap material inventori itu
dengan nilai total penggunaan biaya aggregat, untuk menentukan
presentase nilai total penggunaan biaya dari setiap material
inventori itu.
5. Daftarkan material-material itu dalam bentuk rank presentase nilai
total penggunaan biaya dengan urutan menurun dari terbesar
sampai terkecil.
6. Klasifikasikan material inventori itu dalam kelas A, B dan C
dengan kriteria 20% dari jenis material diklasifikasikan dalam
kelas A, 30% dari jenis material dilasifikasikan kedalam kelas B,
dan 50% dari jenis material diklasifikasikan kedalam kelas C.
63
2.8 Proses Perhitungan Forecast Demand
2.8.1 Forecast Demand Policy Perusahaan
Setiap perusahaan berusaha mendapatkan metode peramalan
yang mempunyai deviasi sekecil mungkin dengan aktualnya. Jadi
metode yang digunakan bisa berbeda-beda tergantung dari pola data
permintaanya.
Sesuai dengan kebijaksanaan Inventory Management
Department, sistem peramalan yang dipakai di PT.UT adalah sebagai
berikut:
Gambar 2.13 Flow Process Final Forecast Demand PT.UT
64
Proses perhitungan Forecast Demand adalah sebagai berikut:
1. Collect Data
Data yang dibutuhkan adalah data demand 12 bulan
mundur, yang didapatkan dari consolidated demand.
2. Periodically Check Data Pattern
Untuk mendapatkan keakuratan data demand yang akan
dipakai dalam forecasting maka perlu adanya checking data
demand, sehingga apabila ada lonjakan data demand yang
cukup tinggi dapat terdeteksi, dan dapat segera di update.
3. Choose Forecasting Patterns
Setelah diketahui pattern datanya serta dikelompokkan
pada pattern yang ada, maka langkah selanjutnya adalah
menghitung forecast demand sesuai pattern demand-nya.
Metode forecasting yang digunakan adalah A-B-C pattern.
Dimana A adalah akumulasi demand 4 bulan terakhir yang
termuda (mis: Sept ,Oct, Nov, Dec), sedangkan B adalah
akumulasi demand 4 bulan kedua yang termuda (Mei, Juni,
Juli, Agustus), serta C adalah akumulasi demand 4 bulan awal
tahun (Jan, Feb, Mar, April).
65
Jika data mempunyai trend naik (up trend), A > B > C > 0,
C B A
Maka menggunakan rumus : FD = A /4
Dan sebaliknya, jika data mempunyai trend turun
(down trend), C > B , B > A, A > 0,
C B A
Maka menggunakan rumus : FD = (A+B) / 8
Jika Trend tidak memenuhi kedua pola di atas, maka
menggunakan metode Simple Moving Average.
Dimana:
FDt+1 = Forecast Demand bulan berikutnya
66
Dt = Demand Aktual bulan ini
n = Jumlah bulan (12)
2.8.2 Perhitungan Safety Stock
Hampir semua permintaan atas produk suatu perusahaan tidak
pernah tepat sesuai yang telah diramalkan. Begitu juga atas waktu
datangya barang pesanan acapkali tidak tepat sesuai dengan yang
terlah direncanakan. Agar permintaan dari konsumen dapat
diantisipasi, maka diperlukan suatu stock pengaman.
Jadi suatu perusahaan memerlukan suatu stok pengaman
apabila,
1. Jumlah permintaan selalu berubah-ubah, sehingga tidak dapat
diramalkan dengan tepat (fluktuasi demand)
2. Waktu datangnya barang (lead time) tidak tentu, sering berubah
karena pengaruh beberapa hal dan faktor (variasi lead time).
Safety stock adalah stok yang harus di back up untuk
mengatasi adanya lonjakan permintaan atau variasi waktu tenggang,
atau bisa juga disebabkan keduanya.
67
Pertanyaanya adalah, perlukah cadangan persediaan untuk
setiap perusahaan? Jawabnya belum tentu, bila permintaan atas barang
sesuai dengan yang diramalkan dan datangnya barang pesanan selalu
tepat waktu sehingga tidak mungkin kehabisan bahan sediaan, maka
perusahaan tidak perlu menyediakan safety stock.
Rumusan umum dari safety stock adalah :
Dimana,
s = safety stock
z = faktor pengaman (dari tabel distribusi normal)
α = penyimpangan standar dari permintaan melebihi
tenggat waktu (standar deviasi)
Pada perusahaan, perhitungannya menggunakan rumus sebagai
berikut,
dan,
68
Dimana,
SSarea = Safety stock di depot/pusat
Z = tingkat kepercayaan/ safety factor
∂DA = Standar deviasi dari demand depot/pusat
∂DB = Standar deviasi dari demand cabang
LT = Lead time dari supplier ke depot/pusat
lt = Lead time dari depot/pusat ke cabang
COA = Cycle order depot/pusat
COB = Cycle order cabang
Perhitungan safety stock dibagi menjadi dua rumusan, karena
proses ordering harus melalui pusat atau head office.
Recommended