View
218
Download
3
Category
Preview:
Citation preview
BAB 2
LANDASAN TEORI
2.1 Tinjauan Pustaka
Bidang perncanaan dan pengawasan produksi dan persediaan dalam
organisasi-organisasi manufacturing dan jasa berkaitan dengan peramalan
permintaan, perencanaan kapasitas keseluruhan organisasi, penentuan berapa banyak
persediaan bahan dan komponen-komponen yang harus ada serta kapan untuk
mendapatkannya menurut T.hani Handoko dalam buku “Dasar-Dasar Manajemen
Produksi dan Operasi” cetakan ketiga belas (2000;225)
2.1.1 Peramalan
Peramalan (forecasting) merupakan alat bantu yang penting dalam
perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam
organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk
melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan
peramalan.
Menurut Yamit (1999, p13), peramalan adalah prediksi, proyeksi atau
estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Sedangkan
menurut Makridakis (1999, lampiran p24), peramalan merupakan prediksi nilai-nilai
sebuah variabel berdasarkan kepada nilai yang diketahui dari variabel tersebut atau
variabel yang berhubungan.
20
Beberapa faktor umum lingkungan yang mempengaruhi peramalan, yaitu :
1. Kondisi umum bisnis dan ekonomi.
Hal ini berkaitan dengan perkembangan bisnis dan ekonomi secara global
2. Reaksi dan tindakan pesaing
Kita dapat memperhatikan segala reaksi dan tindakan pesaing agar pola
peramalan yang ditetapkan dapat menyimbangi pesaing tersebut.
3. Tindakan pemerintah
Tindakan pemerintah secara makro ekonomi mengakibatkan pola peramalan
dapat berubah
4. Kecenderungan pasar
Kecendrungan pasar dapat merubah design dari suatu produk atau jasa sehingga
menyebabkan peramalan berubah pola menggunakan Trend dan Musiman
5. Inovasi teknologi
Innovasi teknologi dapat merubah design dari suatu produk atau jasa dan pola
peramalan pun ikut berubah
2.1.1.1 Klasifikasi Metode Peramalan
Metode peramalan secara umum dibagi menjadi dua, yaitu menurut Eddy
Herjanto (2004;117) :
1. Kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu.
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai
berikut :
21
a. Tersedia informasi tentang masa lalu.
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric.
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut
di masa mendatang.
Metode kuantitatif dapat dibagi menjadi dua, yaitu :
a. Deret Berkala (time series)
Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu.
Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu
variabel dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola
dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa
depan. Keuntungan dari model deret berkala yaitu dapat digunakan dengan
mudah untuk meramal. Ada empat jenis pola data pada peramalan time series,
yaitu :
• Pola Horisontal atau Stationary (H)
Pola data ini terjadi apabila nilai data observasi berfluktuasi disekitar nilai
rata – rata yang konstan.
22
y
waktu
Grafik 2.1 Pola Data Horisontal
• Pola Musiman atau Seasonal (S)
Pola ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman
(misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu
tertentu).
y
s s f w s s f w s s f w
1979 1980 1981 1982 waktu
Grafik 2.2 Pola Data Musiman
• Pola Siklus atau Cyclical (C)
Pola ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi
jangka panjang seperti yang berhubungan dengan siklus bisnis.
23
y
waktu
Grafik 2.3 Pola Data Siklis
• Pola Trend (T)
Pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka
panjang dalam data.
y
waktu
Grafik 2.4 Pola Data Trend
b. Model Causal
Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel lain yang
mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan bahwa
faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau
lebih variabel bebas. Tujuan dari metode peramalan ini adalah untuk
menemukan bentuk hubungan tersebut dan menggunakannya untuk
24
meramalkan nilai mendatang dari variabel tak bebas. Sedangkan
keuntungannya yaitu dapat digunakan dengan keberhasilan yang lebih besar
untuk pengambilan keputusan dan kebijaksanaan.
2. Kualitatif (Teknologis), yaitu peramalan yang didasarkan atas data kualitatif pada
masa lalu. Metode ini biasa digunakan untuk meramalkan lingkungan dan
teknologi, karena kondisi tersebut berbeda dengan kondisi perekonomian dan
pemasaran. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya
merupakan hasil dari pemikiran intuitif, pertimbangan, dan pengetahuan yang
telah didapat. Ramalan ini terutama digunakan untuk memberikan petunjuk,
untuk membantu perencana dan untuk melengkapi ramalan kuantitatif, bukan
untuk memberikan suatu ramalan numeric tertentu. Metode ini dibagi menjadi dua
bagian, yaitu :
a. Metode Eksploratoris
Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan
bergerak ke arah masa depan secara heuristik, seringkali dengan melihat
semua kemungkinan yang ada.
b. Metode Normatif
Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang,
kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai,
berdasarkan kendala, sumber daya, dan teknologi yang tersedia.
25
2.1.1.2 Langkah-langkah Peramalan
Pada dasarnya ada tiga langkah peramalan yang penting, yaitu :
1. Menganalisa data yang lalu.
Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan
dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka
dapat diketahui pola dari data tersebut.
2. Menentukan metode yang dipergunakan.
3. Masing-masing metode memberikan hasil peramalan yang berbeda. Metode
peramalan yang terbaik adalah metode yang memberikan hasil ramalan yang tidak
jauh berbeda dengan kenyataan yang terjadi.
4. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan
dan mempertimbangkan adanya beberapa faktor perubahan.
Faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakan-
kebijakan yang mungkin terjadi, termasuk perubahan kebijakan pemerintah,
perkembangan potensi masyarakat, perkembangan teknologi dan penemuan-
penemuan baru, dan perbedaan antara hasil ramalan yang ada dengan kenyataan.
2.1.1.3 Peranan Metode Peramalan
Metode peramalan memiliki beberapa peranan, yaitu :
1. Penjadwalan sumber daya yang tersedia.
Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi,
transportasi, kas, personalia, dan sebagainya. Input yang penting untuk
26
penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan,
tenaga kerja, finansial, atau jasa pelayanan.
2. Penyediaan sumber daya tambahan.
Waktu tenggang untuk memperoleh bahan baku, menerima pekerjaan baru, atau
membeli mesin dan peralatan dapat berkisar antar beberapa hari sampai beberapa
tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa
mendatang.
3. Penentuan sumber daya yang diinginkan.
Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam
jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar,
faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial,
manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang
baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan
yang tepat.
2.1.1.4 Metode Pemulusan (Smoothing)
Strategi untuk menilai suatu metode peramalan pemulusan terdiri dari enam
tahap, yaitu :
1. Tahap 1 : Pilih suatu deret berkala (kelompok data) untuk dianalisis.
Bagi data ini menjadi kelompok “inisialisasi” dan kelompok
“pengujian”.
2. Tahap 2 : Pilihlah suatu metode pemulusan.
3. Tahap 3 : Inisialisasi metode. Gunakan kelompok data inisisalisasi.
27
4. Tahap 4 : Gunakan metode pemulusan untuk meramalkan seluruh kelompok
“Pengujian”
5. Tahap 5 : Mengoptimalkan
Memodifikasi prosedur inisialisasi.
Melacak nilai parameter yang optimum.
6. Tahap 6 : Keputusan penilaian : keuntungan dan kerugian
Klasifikasi metode pemulusan (smoothing) :
1. Metode Perataan (Average)
Tujuan dari metode ini adalah memanfaatkan data masa lalu untuk
mengembangkan suatu sistem peramalan pada periode mendatang.
Metode perataan ini meliputi :
a. Metode rata-rata bergerak sederhana (simple moving average)
Metode rata-rata sederhana adalah mengambil rata-rata dari semua data dalam
kelompok inisialisasi :
∑=
==+T
TTi
X iXF1
1
sebagai ramalan untuk periode (T+1). Kemudian bilamana data periode (T+1)
tersedia, maka dimungkinkan untuk menghitung nilai kesalahannya :
FXe TTT 111 +++ −=
28
Metode ini akan menghasilkan ramalan yang baik hanya jika proses yang
mendasari nilai pengamatan X : tidak menunjukkan adanya trend dan tidak
menunjukkan adanya unsur musiman.
b. Metode rata-rata bergerak tunggal (single moving average)
Metode ini memiliki karakteristik sebagai berikut :
• hanya menyangkut T periode terakhir dari data yang diketahui,
• jumlah titik data dalam setiap rata-rata tidak berubah dengan berjalannya
waktu.
Secara aljabar, rata-rata bergerak (MA) dapat dituliskan sebagai berikut :
∑=+++
==
+T
iX iTTT
X TXXF
11
1...21
∑=+++
=+
=+
+1
21
21...2 T
X iTTTT
T iXXX
F
c. Metode rata-rata bergerak ganda (double moving average)
Metode ini dapat mengatasi adanya trend secara lebih baik. Rata-rata bergerak
ganda ini merupakan rata-rata bergerak dari rata-rata bergerak, dan menurut
simbol dituliskan sebagai MA(M x N) dimana artinya adalah MA M-periode
dari MA N-periode. Prosedur rata-rata bergerak linier secara umum dapat
diterangkan melalui persamaan berikut :
NNtttt XXXX
S t121 ...
'+−−− ++++
=
29
NNtttt SSSS
S t'...'''
''121 +−−− ++++
=
( ) '''2'''' S tS tS tS tS tat −=−+=
( )'''12
S tS tNbt −−
=
mbtatF mt +=+
2. Metode Pemulusan Eksponensial (Exponential Smoothing)
a. Metode Pemulusan Eksponensial Tunggal
Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu
lagi menyimpan semua data historis atau sebagian daripadanya.
Persamaan berikut merupakan bentuk umum yang digunakan dalam
menghitung ramalan dengan metode pemulusan eksponensial :
( )FtX tFt αα −+=+ 11
Karena nilai untuk F1 tidak diketahui, maka dapat digunakan nilai observasi
pertama (X1) sebagai ramalan pertama (F1 = X1) dan kemudian dialnjutkan
dengan menggunakan persamaan di atas. Ini merupakan salah satu metode
inisialisasi.
b. Metode Pemulusan Eksponensial Tunggal : Pendekatan Adaptif
Metode ini bersifat adaptif dalam arti bahwa nilai α akan berubah secara
otomatis bilamana terdapat perubahan pada pola data dasar dan dapat
bermanfaat untuk sistem peramalan yang melibatkan sejumlah besar item.
Inisialisasi : F2 = X1
30
α2 = α3 = α4 = β
E1 = M1 = 0
Persamaan dasar untuk peramalan dengan metode ini adalah :
( )FttX ttFt αα −+=+ 11
dimana
M tEt
t =+α 1
( )EtetEt 11 −−+= ββ
( )M tetM t 11 −−+= ββ
FtX tet −=
Et = unsur kesalahan yang dihaluskan.
Mt = unsur kesalahan absolut yang dihaluskan.
c. Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari
Brown
Dasar pemikiran dari pemulusan eksponensial metode Brown adalah serupa
dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan
ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend,
perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan
kepada nilai pemulusan tunggal dan disesuaikan untuk trend.
Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear
satu-parameter dari Brown ditunjukkan dibawah ini :
31
Inisialisasi awal : 111 ''' XSS ==
mbaF
SSb
SSa
SSS
SXS
ttmt
ttt
ttt
ttt
ttt
.
)'''(1
'''.2
'')1('.
')1(.'
)1(
)1(
''
+=
−−
=
−=
−+=
−+=
+
−
−
αα
αα
αα
dimana : S’t = nilai pemulusan eksponensial tunggal.
S’’t = nilai pemulusan eksponensial ganda.
m = jumlah periode ke muka yang diramalkan.
d. Metode Pemulusan Eksponensial Ganda : Metode Dua-Parameter dari Holt
Metode pemulusan eksponensial linear dari Holt dalam prinsipnya sama
dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan
berganda secara langsung. Sebagai gantinya, Holt memuluskan nilai trend
dengan parameter yang berbeda dari parameter yang digunakan pada deret
yang asli. Ramalan dari pemulusan eksponensial linear Holt didapat dengan
menggunakan dua konstanta pemulusan (dengan nilai antara 0 dan 1) dan tiga
persamaan sebagai berikut :
))(1( 11 −− +−+= tttt bSXS αα
11 )1()( −− −+−= tttt bSSb γγ
32
mbSF ttmt .+=+
Inisialisasi : S1 = X1
b1 = X2 – X1
e. Metode Pemulusan Eksponensial Tripel : Metode Kuadratik Satu-Parameter
dari Brown
Pendekatan dasarnya adalah memasukkan tingkat pemulusan tambahan
(pemulusan tripel) dan memberlakukan persamaan peramalan kuadratik
Persamaan untuk pemulusan kuadratik adalah :
Inisialisasi awal : 1111 '''''' xSSS ===
Pemulusan pertama : ( ) 1'1.' −−+= ttt SXS αα
Pemulusan Kedua : ( ) 1''1'.'' −−+= ttt SSS αα
Pemulusan Ketiga : ( ) 1'''1''.''' −−+= ttt SSS αα
tttt SSSa '''''.3'.3 +−=
( ) ( ) ( )[ ]tttt SSSb '''34''810'56)1(2 2 ααα
αα
−+−−−−
=
)'''''.2'(1
2
tttt SSSc +−⎟⎠⎞
⎜⎝⎛−
=α
α
dan
mcmbaF tttmt2
21
++=+
33
f. Metode Pemulusan Eksponensial Tripel : Metode Tiga-Parameter untuk
Kecenderungan dan Musiman dari Winter.
Metode Winter didasarkan atas tiga persamaan pemulusan, yaitu satu untuk
unsur stasioner, satu untuk trend, dan satu untuk musiman. Hal ini serupa
dengan metode Holt, dengan satu persamaan tambahan untuk mengatasi
musiman.
Persamaan dasar untuk metode Winter adalah sebagai berikut :
Pemulusan Keseluruhan :
))(1(. 11 −−−
+−+= ttLt
tt bS
IX
S αα
Pemulusan Trend :
11 )1()( −− −++= tttt bSSb γγ
Pemulusan Musiman :
Ltt
tt I
SX
I −−+= )1( ββ
Ramalan :
( ) mLtttmt ImbSF +−+ +=
Inisialisasi awal :
11 −− = LL XS
XX
I tt =
34
L
XX
L
it∑
== 1
)](........)()[(1221121 LLLLLL XXXXXX
Lb −++−+−= ++++
2.1.1.5 Ketepatan Metode Peramalan
Kesalahan dalam peramalan mempengaruhi keputusan melalui dua cara yaitu
kesalahan dalam memilih teknik peramalan dan kesalahan dalam mengevaluasi
keberhasilan penggunaan teknik peramalan.bagi pemakai peramalan, ketepatan
ramalan yang akan datang adalah yang paling penting menurut Eddy Herjanto
(2004;145)
Ketepatan metode peramalan secara garis besar dibagi menjadi :
1. Ukuran Statistik Standar
Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan untuk
periode yang sama, maka kesalahan didefinisikan sebagai :
ei = Xi – Fi
Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka ukuran
statistik standar berikut yang dapat didefinisikan :
a. Nilai Tengah Galat (Mean Error)
∑=
=n
1 i ME nei
35
b. Nilai Tengah Galat Absolut (Mean Absolute Error)
∑=
=n
1 i MAE nei
c. Jumlah Kuadrat Galat (Mean Squared Error)
∑=
=n
1 i
2 SSE ei
d. Nilai Tengah Galat Kuadrat (Mean Squared Error)
∑=
=n
1
2 MSEi
ine
e. Deviasi Standar Galat (Standard Deviation of Error)
( )∑ −= 1 SDE 2 nei
2. Ukuran-ukuran Relatif
Tiga ukuran berikut sering digunakan :
a. Galat Persentase (Percentage Error)
( )100 PEt ⎟⎟⎠
⎞⎜⎜⎝
⎛ −=
XFX
t
tt
b. Nilai Tengah Galat Persentase (Mean Pencentage Error)
∑=
=n
1 iPE MPE ni
c. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error)
∑=
=n
1 iPE MAPE ni
36
3. Statistik-u dari Theil
4. Statistik Durbin-Watson
( )
∑
∑
=
=−
−= n
tt
n
ttt
e
ee
1
2
2
2
1
W -D
2.1.2 Perencanaan Agregat
Perencanaan produksi agregat adalah perencanaan jangka menengah yang
mempunyai jangka waktu 3 bulan -1 tahun. Perencanaan merupakan suatu proses
perencanaan yang berhubungan memadukan sejumlah permintaan terhadap output
yang diharapkan dan kapasitas produksi yang dapat direalisasikan dalam jangka
waktu tertentu.
Agregat artinya perencanaan akan disusun dalam satu satuan pengukuran
tunggal yang mewakili keseluruhan produk yang akan diproduksi. Tujuan dari
perencanaan agregat untuk mengembangkan suatu rencana produksi secar
menyeluruh yang fisibel dan optimal menurut Eddy Herjanto (2004:150) fisibel
berarti dapat memenuhi permintaan pasar dan sesuai dengan kapasitas yang ada,
∑
∑−
=
+
−
=
++
⎟⎟⎠
⎞⎜⎜⎝
⎛ −
⎟⎟⎠
⎞⎜⎜⎝
⎛ −
=1
1
2
1
1
1
2
11
Un
i i
ii
n
i i
ii
XXX
XXF
37
sedangkan optimal berarti menggunakan sumber daya sebijaksana mungkin dengan
pengeluaran biaya serendah mungkin. Langkah awal yang dilakukan adalah
menetapkan atau meramalkan permintaan dalam satuan agregat. Selanjutnya dengan
bantuan model dan memperhatikan aspek-aspek biaya serta pemanfaatan kapasitas
sumber, dapat diperoleh beberapa variabel keputusan seperti jumlah tenaga kerja,
jumlah produksi serta jumlah persediaan untuk memenuhi permintaan produk secara
keseluruhan. Semua variabel dinyatakan dalam satuan agregat, yang selanjutnya akan
dijadikan sebagai dasar bagi pengalokasian sumber yang tersedia ke dalam
pejadualan yang telah terperinci.
Variabel-variabel keputusan dalam perencanaan produksi agregat menurut
Schroeder (1997:330-331), antara lain:
1. Jumlah tenaga kerja langsung, yaitu tenaga kerja yang langsung berpengaruh
terhadap kapasitas pabrik.
2. Jam kerja lembur, dibutuhkan bila kecepatan produksi atau jumlah produksi yang
akan dibuat lebih besar dari kemampuan pabrik. Berarti pabrik berproduksi
membutuhkan jam kerja lebih besar dari jam kerja biasa pada bulan tertentu dari
periode perencanaan.
3. Jam kerja biasa, yaitu jam kerja yang tersedia pada bulan tertentu selama periode
perencanaan.
4. Jumlah pesanan yang disubkontrakkan. Hal ini terjadi jika kapasitas pabrik
termasuk penggunaan jam lembur tidak mampu melayani pesanan sehingga
kelebihan pesanan tersebut disubkontrakkan ke perusahaan lainnya sejenis.
38
5. Jumlah pesanan yang ditunda waktu penyerahannya (backorder). Hal ini terjadi
jika kapasitas yang ada tidak dapat memenuhi semua pesanan pada waktu yang
telah dijanjikan maka sebagian permintaan konsumen ditunda waktu
penyerahannya.
6. Kecepatan produksi, yaitu besaran yang menyatakan produk agregat yang dapat
dibuat setiap bulannya. Satuan kecepatan produksi misalnya liter per tahun, ton
per bulan, satuan per bulan dan lain-lain.
7. Tingkat persediaan adalah banyaknya produk yang disimpan dalam bentuk
produk yang siap dijual. Persediaan dinyatakan dalam satuan per periode.
2.1.2.1 Komponen-komponen Biaya dalam Perencanaan Agregat
Secara umum, kriteria masalah perencanaan produksi agregat adalah
meminimumkan biaya total produksi selama periode perencanaan. Adapun
komponen-komponen biaya dalam perencanaan produksi agregat menurut Krajewski
dan Ritzman (2002:658-659,664) adalah :
1. Hiring cost & Layoff cost. Hiring Cost adalah biaya yang dikeluarkan untuk
memperkerjakan karyawan baru. Biaya ini meliputi biaya pencarian, penyaringan
dan pelatihan. Lay off adalah biaya yang dikeluarkan untuk memecat karyawan.
Biaya ini meliputi biaya tunjangan PHK.
2. Stockout cost. Biaya ini timbul akibat permiontaan melebihi kapasitas
produksi,sehingga pemenuhan sisa permintaan dilakukan pada periode
berikutnya. Biaya ini meliputi hilangnya kesempatan untuk memperoleh keuntung
an dari penjualan dan resiko kehilangan pelanggan.
39
3. Work Force Cost. Biaya ini merupakan biaya tenaga kerja berproduksi selama
jam kerja lembur dalam satu periode.
4. Overtime Cost. Biaya ini merupakan biaya tenaga kerja untuk berproduksi selama
jam kerja lembur dalam satu periode.
5. Undertime Cost. Biaya ini dikeluarkan untuk membayar tenaga kerja, dimana
efisiensi tenaga kerja tersebut lebih kecil dari kapasitas yang seharusnya.
6. Subcontracting Cost. Biaya ini harus dikeluarkan untuk membeli produk dari
subkontraktor.
7. Inventory-holding Cost. Biaya ini meliputi tertanamnya modal pada persediaan
barang jadi, asuransi, biaya untuk ruangan penyimpanan persedian dan resiko
kerusakan
8. Production Cost. Biaya ini adalah biaya produksi di luar tenaga kerja yang
meliputi biaya material.
2.1.2.2 Input Perencanaan Agregat
Schroeder (1997:326-328) berpendapat bahwa input untuk perencenaan
agregat adalah unsur permintaan dan kapasitas. Adapun unsur permintaan tersebut
adalah :
1. Harga (pricing)
2. Promosi
3. Pemesaran kembali (backorder)
4. Permintaan baru
Sedangkan unsur kapasitas adalah sebagai berikut :
40
1. Pengangkatan dan pemberhentian tenaga kerja (hire and fire)
2. Waktu lembur (overtime)
3. Pekerja paruh waktu (part time)
4. Persediaan
5. Subkontrak
2.1.2.3 Proses Perencanaan Agregat
Dalam melakukan perencanaan agregat harus melalui beberapa tahapan yaitu :
1. Memilih satuan produk agregat
2. memilih horizon atau waktu perencanaan, membaginya ke dalam periode
perencanaan.
3. Mengkonversikan permintaan setiap produk ke dalam satuan agregat dan
kemudian dikonversikan lagi ke dalam satuan sumber yang diperlukan
(misalnya jam-orang atau jam-mesin).
4. membandingkan kapasitas yang tersedia dengan kebutuhan produksi.
5. memilih strategi yang sesuai
6. Melakukan perencanaan agregat dengan teknik yang sesuai.
2.1.2.4 Strategi Perencanaan Agregat dengan Metode Trial & Error
Roberta S. Russel dan Bernard W. Taylor III (1995:507), membagi strategi
perencanaan agregat dengan Metode Trial & Error dalam 3 (tiga) macam strategi,
yaitu :
41
1. Chase Strategy
Dengan menggunakan chase strategy ini, perusahaan berproduksi sesuai
dengan jumlah permintaan. Kapasitas produksi dapat divariasikan dengan
menggunakan jam kerja lembur (overtime), jam kerja reguler (undertime) dan
subkontrak. Kemungkinan lain dari strategi ini adalah dengan memvariasikan jumlah
tenaga kerja dengan cara merekrut karyawan baru pada saat produksi meningkat dan
memecat karyawan pasa saat produksi menurun. Pada kemungkinan variasi pertama
akan timbul biaya baru, yaitu biaya jam kerja lembur, sedangkan pada kemungkinan
kedua akan menimbulkan biaya yang cukup besar untuk merekrut dan memecat
karyawan.
2. Level Strategy
Dengan menggunakan level strategy, perusahaan berproduksi dengan tingkat
produksi yang konstan dari satu periode ke periode lainnya. Variasi permintaan
diatasi dengan persediaan yang dimiliki perusahaan. Pada saat permintaan menurun,
kelebihan produksi disimpan sebagai persediaan untuk digunakan pada saat
permintaan meningkat. Pada strategi ini akan timbul biaya simpan yang cukup besar
untuk unit yang disimpan.
3. Mixed Strategy
Strategi ini merupakan kombinasi dari chase strategy dan level strategy.
Variasi permintaan diatasi dengan jam kerja lembur dan persediaan yang dimiliki.
42
2.2 Kerangka Pemikiran
Pada umumnya perusahaan menghadapi jumlah permintaan yang berubah-
rubah. Pola permintaan yang tidak tetap ini mengakibatkan beban kerja yang tidak
tetap pula.
Dengan dilakukannya penelitian ini, dapat dijadikan sebagai bahan evaluasi
atas strategi peramalan dan perencanaan produksi dan dapat membenahi sistem
persediaan bahan baku yang ada sehingga menjadi lebih baik.
Recommended