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.

43

Diagram 2.1 Kerangka Pemikiran

Identifikasi Masalah

Mulai

Pengumpulan Data:Data ProdukData PenjualanData Persediaan AwalData Waktu BakuData Kapasitas Jam Kerja-Reguler-Lembur

Pengolahan Data:PeramalanPerencanaan Agregat

Analisa Pengolahan Data

Kesimpulan dan Saran