4

BAB II

LANDASAN TEORI

2.1 Distribusi

Distribusi merupakan salah satu aspek penting dalam pemasaran. Istilah

distribusi sama artinya dengan place (penempatan) yaitu aktivitas penyaluran atau

penempatan barang dari produsen ke konsumen. Jenis-jenis distribusi persediaan

terdiri dari distribusi fisik, sistem distribusi push and pull dan Distribution

Requirement Planning. Menurut Swastha (1999), pada prinsipnya fungsi distribusi

dapat dikelompokan menjadi 3 kelompok yaitu : fungsi pertukaran, fungsi

penyediaan fisik, dan fungsi penunjang.

Pengertian lain dari distribusi adalah bagian yang bertanggung jawab dalam

mengintegrasikan perencanaan, pelaksanaan, dan pengendalian aliran material

dari produsen ke konsumen dengan satu keuntungan. Menurut Lambert dan Stock

(2001), distribusi adalah suatu kegiatan yang berkaitan dengan supply chain yang

meliputi raw material, barang setengah jadi, produk akhir dimana rangkaian

kegiatan tersebut akan menjamin kelancaran aliran barang dan jasa dengan biaya

yang paling efisien.

2.2 Sistem Pull dan Push

Menurut Indrajid dan Djokopranoto (2003), seperti halnya dalam proses

produksi ada sistem produksi tarik dan dorong, maka dalam proses distribusi ada

sistem distribusi dorong (push distribution system) dan sistem distribusi tarik (pull

distribution system). Kedua sistem ini bisa didefinisikan sebagai berikut :

1. Pull distribution system

Menurut Indrajid dan Djokopranoto (2003), adalah suatu sistem yang dimana

operasi (produksi, pengadaan, pemindahan material, distribusi, produk, dan

sebagainya) terjadi sebagai respon atas tanda atau isyarat yang diberikan oleh

pemakaian pada eselon yang lebih rendah dari sistem (distribusi). Tujuan dari

5

sistem ini adalah untuk membeli, menerima, memindahkan, membuat dengan

tepat apa yang dibutuhkan, kapan dibutuhkan, dan agar tidak terjadi penyimpanan

atas item yang tidak dibutuhkan.

Menurut Nasution (2006, hal 466-468), Sistem pull ini telah lama dipakai

secara luas oleh distributor. Pada pusat distribusi biasa meramalkan permintaan

pada kawasan geografi yang dilayani untuk menentukan kapan dan berapa banyak

yang dipesan serta berapa banyak yang dikirim dari gudang pusat. Dalam sistem

pull bisa dioperasikan secara manual dan tidak membutuhkan banyak

telekomunikasi karena pertukaran informasi dari gudang pusat ke gudang

distribusi memang tidak banyak. Namun pada sistem ini akan terjadi amplifikasi

permintaan pelanggan pada pusat distribusi sebelum sampai pada gudang pusat.

Lebih dari itu, pusat-pusat distribusi biasanya memesan untuk kebutuhan beberapa

minggu sehingga cukup ekonomis dipandang dari biaya transportasi. Hal ini

mengakibatkan pada saat-saat tertentu tidak ada permintaan dari pusat distribusi

ke gudang pusat dan pada saat-saat yang lain ada permintaan dari beberapa pusat

distribusi akan datang sekaligus sehingga gudang pusat harus menyiapkan

persediaan pengamanan yang cukup besar dan tetap akan menghadapi

kemungkinan kekurangan stok.

2. Push distribution system

Menurut Nasution (2006, hal 466-468), sistem push dimana operasi-operasi

diatas terjadi sebagai respon atas jadwal yang telah dibuat sebelumnya tanpa harus

mempertimbangkan status nyata dari operasi tersebut. Tujuan sistem ini adalah

untuk menjaga konsistensi jadwal yang telah dibuat. Pada sistem ini keputusan-

keputusan pengiriman ditentukan pada eselon yang lebih tinggi. Informasi yang

berkaitan dengan informasi yang berkaitan dengan permintaan dan tingkat

persediaan pada eselon yang lebih rendah harus sering kali dikirim ke eselon yang

lebih tinggi. Lebih dari itu, pada sistem push ini harus dilakukan peramalan pada

eselon yang lebih tinggi sehingga kuantitas dan waktu pengiriman bisa

direncanakan pada suatu perencanaan tertentu.

6

Menurut Nasution (2006, hal 466-468), keunggulan dari sistem push adalah

pengurangan persediaan pada gudang pusat karena MPS dan pengiriman bisa

diselaraskan. Jumlah yang direncanakan dikirim akan segera dikirim begitu proses

produksinya selesai. Sistem push hanya akan memberikan keunggulan apabila

perusahaan bisa membuat produk berdasarkan ramalan permitaan yang akurat.

Perusahaan yang tidak bisa membuat ramalan permintaan yang akurat dan

rasional tidak akan bisa berharap lebih banyak untuk memperoleh kelebihan dari

sistem push dibandingkan dengan sistem pull.

2.3 Distribution Requirement Planning

2.3.1 Pengertian Distribution Requirement Planning

Menurut Tersine (1994), Distribution Requirement Planning merupakan

suatu rencana kebutuhan distribusi produk yang dilakukan dari pihak produsen

kepada konsumen atau juga dari pihak distributor kepada pengecer. Persediaan

produk oleh banyak perusahaan dianggap sangat perlu karena adanya fluktuasi

permintaan sehingga menyebabkan kehilangan penjualan. Salah satu cara untuk

menyelesaikan masalah pengendalian persediaan dengan cara perencanaan

kebutuhan distribusi atau yang dikenal dengan DRP. DRP menyediakan informasi

yang dibutuhkan dalam proses distribusi dan manajemen manufaktur untuk

mengefektifkan alokasi persediaan dan kapasitas produksi sehingga pelayanan

terhadap konsumen dapat ditingkatkan dan biaya penyimpanan dapat dikurangi.

Distribution Requirement Planning merupakan aplikasi dari logika Material

Requirement Planning (MRP) pada persediaan. Bill of Material (BOM) pada

MRP diganti dengan Bill of Distribution (BOD) pada Distribution Requirement

Planning. Distribution Requirement Planning menggunakan logika Time Phased

Order Point (TPOP) untuk menentukan pengadaan kebutuhan pada jaringan

(Tersine, 1994).

Persamaan antara MRP dan DRP

1. Menggunakan cara perhitungan matematis yang sama.

2. Mempunyai matriks komponen perhitungan yang sama.

7

3. Membedakan independent demand dan dependent demand.

4. Metode berlaku untuk dependent demand.

5. Keduanya menggunakan cara pemesanan berdasarkan rentang waktu

Tabel 2.1 Perbedaan MRP & DRP

Perbedaan

MRP DRP

Untuk kegiatan manufakturing Untuk kegiatan distribusi

Menghitung kebutuhan tiap

komponen

Menghitung kebutuhan barang untuk tiap

pusat distribusi

Cocok untuk pabrik jenis rakitan Cocok untuk sistem distribusi bertingkat

Biasanya untuk bahan

baku/penolong

Biasanya untuk barang jadi/komoditas

MRP adalah proses dari atas, yaitu

dari Master Production Schedule

kebutuhan tiap komponen

DRP adalah proses dari bawah, yaitu dari

kebutuhan Retail ke Distribution Center

dan Werehouse Center

Semua kebutuhan komponen

bersifat dependent

Kebutuhan retail berisifat Independent,

sedangkan Distribution Center dan

Werehouse Center dependent.

Sumber : (Indrajid dan Djokopranoto, 2003 hal 249)

Gambar 2.1 perbedaan DRP & MRP

Pada gambar 2.1 digambarkan dari struktur DRP & MRP. Dari gambar

tersebut dijelaskan bahwa gambar sebelah kiri adalah struktur dari BOD,

menunjukkan langkah awal membuat perencanaan permintaan dari masing-

masing pusat distribusi untuk kemudian penawaran melakukan eksekusi

pemenuhan kebutuhan tiap-tiap pusat distribusi. Sedangkan sebelah kanan

menunjukkan struktur produk BOM yang akan dibuat produk, langkah awalnya

melakukan perencanaan (JIP) setelah itu tiap komponen dapat dijadwalkan

kebutuhan dari setiap produknya. Distribution Requirement Planning didasarkan

PD A

PD 1 PD 2 PD 2

BOM

DC 2 DC 1 DC 3

PD

BOD

8

pada peramalan kebutuhan pada level terendah dalam jaringan tersebut yang akan

menentukan kebutuhan persediaan pada level yang lebih tinggi.

2.3.2 Konsep Distribution Requirement Planning (DRP)

Distribution Requirement Planning adalah suatu metode untuk menangani

pengadaan persediaan dalam suatu jaringan distributi multi eselon. Metode ini

mengunakan independent, dimana dilakukan peramalan untuk memenuhi struktur

pengadaannya. Berapapun banyaknya level yang ada dalam jaringan distribusi,

semuanya merupakan variabel yang dependent kecuali level yang langsung

memenuhi costumer.

Distribution Requirement Planning lebih menekankan pada aktivitas

pengendalian dari pada kegiatan pemesanan. DRP mengantisipasi kebutuhan

mendatang dengan perencanaan pada setiap level pada jaringan distribusi. Metode

ini dapat memprediksi masalah-masalah sebelumnya, masalah tersebut benar-

benar terjadi memberikan titik pandang terhadap jaringan distribusi.

Menurut Tersine (1994, hal 465) logika dasar DRP adalah sebagai berikut :

1. Gross Requirement/Forecast Demand diperoleh dari hasil forecasting.

2. Dari hasil peramalan distribusi tersebut, hitung Time Phased Net

Requirement. Net Requirement tersebut dapat mengindentifikasi kpan level

persediaan (Scheduled Receipt Projected On Hand Periode sebelumnya)

dipenuhi oleh Gross Requirement. Untuk sebuah periode :

Net Requirement = (Gross Requirement + safety Stock) – (Schedule Receipt

+ Projected On hand Periode sebelumnya). (2.1)

Sehingga nilai dari Net Requirement yang dicatat adalah nilai yang bernilai

positif.

3. Setelah itu dihasilkan sebuah Planned Order Receipt sejumlah Net

Requitment tersebut (ukuran lot tertentu) pada periode tersebut.

4. Ditentukan hari dimana harus melakukan pemesanan tersebut (Planned Order

Release) dengan mengurangkan hari terjadwalnya Planned Order Receipt

dengan Lead Time.

9

5. Di hitung Project On Hand pada periode tersebut :

Planned On Hand = (Projected On Hand Periode Sebelumnya + Schedule

Receipt + Planned Order Receipt) – (Gross Requirement). (2.2)

6. Besarnya Planned Order Release menjadi Gross Requirement pada periode

yang sama untuk level berikutnya dari jaringan distribusi.

2.3.3 Fungsi Distribution Requirement Planning (DRP)

Dalam penerapan DRP bisa sangat berperan baik dalam sistem distribusi

manufaktur yang menggunakan sistem distribusi murni. Dengan kebutuhan

persediaan yang tersedia pada tiap level dalam jaringan distribusi, DRP memiliki

kemampuan untuk memperkirakan suatu masalah yang benar-benar terjadi. Dalam

sebuah sistem Distribution Requirement Planning bekerja berdasarkan

penjadwalan yang telah dibuat untuk permintaan dimasa yang akan datang

sehingga mampu memenuhi kebutuhan yang akan datang dengan perencanaan

yang lebih awal pada setiap level distribusi. Untuk perusahaan manufaktur, dalam

proses ini memproduksi sendiri untuk memenuhi persediaan serta untuk dijual

melalui jaringan distribusinya sendiri. Untuk performansi dapat ditingkatkan

dengan mengintregrasikan sistem MRP dan DRP sekaligus.

Dari kedua sistem tersebut digabungkan melalui Master Distribution

Schedulle (MDS). Dimana DRP akan menyatukan jumlah permintaan yang harus

dipenuhi berdasarkan ramalan, yang akan dijadikan sebagai input untuk MDS.

Selanjutnya bisa diproyeksikan kebutuhan produk jadi dari Master Production

Schedulle (MPS) menjadi input bagi MRP, yang akan menghitung kebutuhan

komponen dan sub assembly yang harus depenuhi seperti yang ditunjukkan pada

gambar 2.2

10

MPS Perencanaan Produksi

MDC

LDCRDC

LDCLDC

Komponen

SubAssembly

KomponenKomponen

KomponenKomponen

Efisiensi

Produksi

Kebutuhan

Distribusi

DRP MRP

Sumber : (Tersine, 1994, hal 465)

Gambar 2.2 Iterasi Distribusi dan Manufaktur

Keterangan :

MPS : Master Production Schedulle

MDC : Master Distribution Center

RDC : Regional Distribution Center

LDC : Lower Distribution Center

Perencanaan horizon Distribution Requirement Planning seharusnya

sekurang-kurangnya sama dengan lead time kumulatif. Panjadwalan ulang dan

jaringan dilakukan secara periodik, bisanya sekurang-kurangnya sekali seminggu.

Keuntungan yang didapat dari penerapan metode DRP adalah :

1. Dapat dikenal saling ketergantungan persediaan distribusi dan manufaktur.

2. Sebuah jaringan distribusi yang lengkap dapat disusun, yang memberikan

gambaran yang jelas dari atas maupun dari bawah jaringan.

3. DRP menyusun kerangka kerja untuk pengendalian logistik total dari

distibusi ke manufaktur untuk pembelian.

4. DRP menyediakan masukan untuk perencanaan penjadwalan distribusi

dari sumber penawaran ke titik distribusi.

11

2.3.4 Tujuan dari system distribusi

Beberapa tujuan dari system distribusi adalah sebagai berikut :

1. Pelayanan pelanggan, meliputi :

a. Waktu tunggu penyerahan menjadi tepat.

b. Pengaman terhadap ketidakpastian permintaan.

2. Efisiensi, meliputi :

a. Ongkos transportasi minimum.

b. Tingkat produksi dari pengisian pesanan.

c. Ukuran dan lokasi penyimpanan.

d. Akurasi data inventori.

3. Investasi inventori minimum

a. Stock pengaman yang diperlukan.

b. Kuantitas pesanan untuk pengendalian cycle stock menjadi optimum.

2.4 Ukuran Lot

Ukuran lot adalah jumlah minimum pesanan, yang didasarkan atas

ketentuan pemasok. Hal ini hanya sebagian yang benar sebetulnya ukuran lot

ditentukan oleh beberapa faktor (Indrajid dan Djokopranoto, 2003).

1. Ketentuan pemasok

2. Perhitungan ekonomis (EOQ)

3. Frekuensi pengiriman

4. Ukuran kontainer pengiriman

5. Total ukuran berat (tonase) atau volume ( )

Menurut Baroto (2002), macam-macam teknik pengukuran lot adalah

sebagai berikut :

1. Fixed Order Quantity (FOQ)

Dalam ukuran metode FOQ ditentukan secara subyektif. Berapa besarnya

yang dapat ditentukan berdasarkan pengalaman produksi. Tidak ada teknik yang

dapat dikemukakan untuk menentukan berapa ukuran lot ini. Dalam kapasitas

12

produksi selama lead time produksi dalam hal ini bisa digunakan sebagai dasar

untuk menentukan besarnya lot. Sekali ukuran lot diterapkan, maka lot ini akan

digunakan untuk seluruh periode selanjutnya dalam perencanaan. Berapapun

kebutuhan bersihnya, rencana akan tetap sebesar lot yang ditentukan tersebut.

Metode ini dapat ditempuh untuk item-item yang biaya pemesanannya (ordering

cost) sangat mahal. Salah satu ciri dari metode FOQ ini adalah ukuran lot-nya

tetap, tetapi metode pemasannya yang selalu berubah.

2. Economi Order Quantity (EOQ)

Untuk penetapan ukuran lot dengan teknik ini sangat populer sekali dalam

sistem persediaan tradisonal. Sehingga dalam teknik ini besarnya lot adalah tetap.

Penentuan lot berdasarkan biaya pesan dan biaya simpan, dengan formula seperti

berikut :

EOQ = √

(2.3)

Dimana :

D = demand rata-rata per horison

C = biaya pemesanan

H = biaya penyimpanan per unit per periode perencanaan

Metode EOQ ini biasanya dipakai untuk perencanaan selama satu tahun

sebesar 12 bulan. Metode EOQ baik digunakan bila semua data konstan dan

perbandingan biaya pesan dan simpan sangat besar.

3. Lot-For-Lot (L-F-L)

Dalam teknik penetapan ukuran lot dilakukan atas dasar pesanan diskrit.

Disamping itu, teknik ini merupakan cara paling sederhana dari semua teknik

ukuran lot yang ada. Teknik ini selalu melakukan perhitungan kembali (bersifat

dinamis) terutama apabila terjadi perubahan pada kebutuhan bersih. Penggunaan

13

teknik ini bertujuan untuk meminimumkan ongkos simpan menjadi nol. Oleh

karena itu, sering sekali digunakan untuk item-item yang mempunyai biaya

simpan per unit sangat mahal.

Apabila dilihat dari pola kebutuhan yang mempunyai sifat diskontinu atau

tidak teratur, maka teknik L-F-L ini memiliki kemampuan baik dalam mengatasi

masalah yang berada di perusahaan. Sehingga teknik sering digunakan pada

sistem produksi manufaktur yang mempunyai sifat set-up permanen pada proses

produksi.

4. Fixed Period Requirement (FPR)

Dalam metode FPR penentuan ukuran lot didasarkan pada periode tertentu

saja. Besarnya jumlah kebutuhan tidak berdasarkan ramalan, tetapi dengan cara

menjumlahkan kebutuhan bersih dalam periode yang akan datang. Bila dalam

metode FOQ besarnya jumlah ukuran lot adalah tetap sementara selang waktu

antar pemesan tidak tetap. Dalam metode FPR ini selang waktu antar pemesan

dibuat tetap dengan ukuran lot sesuai pada kebutuhan bersih.

Dalam ukuran lot tidak didasarkan pada minimasi biaya pemesanan dan biaya

penyimpanan, bila biaya penyimpanan tidak didefinisikan baik secara marginal

maupun incremental (Baroto, 2002).

2.5 Safety stock

Menurut Gasperz (1998), Safety stock digunakan untuk mengantisipasi

ketidakpastian permintaan relatif terhadap ramalan-ramalan yang dibuat.

Ketidakpastian ini paling mungkin terjadi apabila permintaan benar-benar

inependent pada pusat-pusat distribusi yang secara langsung melayani pelanggan.

Tujuan dari safety stock adalah untuk meminimalkan terjadinya stockout dan

mengurangi biaya yang berasal dari reorder point, karena itu adanya sefety stock.

Keuntungan dari safety stock adalah pada saat jumlah permintaan mengalami

lonjokan maka safety stock dapat digunakan untuk menutup permintaan tersebut.

14

Menurut Zulfikarijah (2005), metode penentuan safety stock adalah sebagai

berikut :

1. Intuisi

Dalam metode ini lead time dianggap lebih lama dari yang diharapkan

atau permintaan lebih tinggi dari yang diharapkan atau kedua-keduanya.

Metode ini tidak mempertimbangkan probabilitas terjadinya stockout, biaya

persediaan, atau biaya stockout.

2. Service level tertentu.

Metode ini mengukur seberapa efektif perusahaan menyuplai permintaan

barang dari stocknya.

Untuk menghitung jumlah safety stock, maka menggunakan rumus

dibawah ini :

SS = - d (2.4)

SS = - DL (2.5)

SS = ( - D)L (2.6)

Keterangan :

D = Rata-rata tingkat permintaan per unit waktu

= Maksimum tingkat permintaan per unit waktu yang memungkinkan

D = Rata-rata permintaan selama lead time = DL

= Makasimum permintaan selama lead time yang mungkin untuk

service level tertentu = L

SS = Safety stock

15

3. Permintaan dengan distribusi empiris

Metode ini didasarkan pada pengalaman empiris dimana dalam penentuan

stok didasarkan pada kondisi riil yang dihadapi oleh perusahaan.

SS = - d (2.7)

Keterangan :

SS = Safety stock

= maksimum permintaan selama lead time

D = rata-rata tingkat permintaan per unit waktu

4. Permintaan berdistribusi normal

Permintaan yang dilakukan oleh beberapa pelanggan memiliki jumlah

yang berbeda-beda, walaupun demikian dengan menggunakan asumsi

permintaan bersifat total akan dapat dilakukan perhitungan dengan

menggunakan distribusi normal.

SS = Zα x Sdl (2.8)

Zα merupakan bilangan standar deviasi yang akan melebihi rata-rata

tingkat resiko α, sehingga service level sama dengan 1 – α.

Keterangan :

Zα = Nilai pada tabel normal

Sdl = Standard deviasi permintaan selama lead time

= x √

5. Lead time tidak pasti

Adanya sejumlah permintaan yang tidak pasti pada periode tertentu akan

berakibat lead time untuk setiap siklus pemesanan bervariasi. Untuk itu

16

perusahaan akan berusaha menyediakan safety stock atau buffer stock selama

lead time.

6. Biaya stockout

Dalam peningkatan biaya penyimpanan akan meningkatkan service level

sehingga semua usaha yang digunakan untuk menutup semua level yang

memungkinkan pada saat terjadinya lead time permintaan merupakan tujuan

yang sangat sulit dicapai. Permasalahannya adalah bagaimana menentukan

tingkat safety stock yang dapat menyeimbangkan biaya penyimpanan dengan

biaya safety stock. Dalam biaya safety stock lebih sulit dihitung, untuk

menghitungnya dengan cara mengalikan terjadinya stockout dengan jumlah

stockout selama setahun.

CS=(Jumlah stockout)(probabilitas SO)(biaya SO)(frekuensi SO/thn) (2.9)

Dimana :

SO = stockout

2.6 Peramalan

Peramalan adalah proses untuk memperkirakan berapa kebutuhan dimasa

datang yang meliputi kebutuhan ukuran kuantitas, kualitas, waktu dan lokasi yang

dibutuhkan dalam memenuhi permintaan barang ataupun jasa. Peramalan tidak

terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan

permintaan relatif kecil. Menurut Nasution (2006), dalam kondisi pasar bebas,

permintaan pasar lebih bersifat kompleks dan dinamis karena permintaan tersebut

tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing

dan produk subtitusi. Karena itu peramalan yang akurat merupakan informasi

yang sangat dibutuhkan dalam pengambilan keputusan manajemen.

Menurut Baroto (2002), tahap pertama adalah menentukan suatu peramalan

akurat dari permintaan untuk item yang diproduksi. Peramalan ini digunakan

sebagai dasar untuk menentukan kebijakan pengendalian dari sistem persediaan,

17

membuat perancangan produksi, pembebanan mesin, peralatan dan bahan, serta

untuk menentukan tingkat tenaga kerja selama proses produksi.

Peramalan permintaan memiliki karateristik tertentu yang berlaku secara

umum. Kararteristik harus diperhatikan untuk menilai hasil suatu proses

peramalan dan metode peramalan yang digunakan. Karateristik peramalan antara

lain :

1. Faktor penyebab yang berlaku dimasa lalu diasumsikan akan berfungsi

untuk masa yang akan datang.

2. Peramalan tidak pernah sempurna, permintaan aktual selalu berbeda

dengan permintaan yang diramalkan.

3. Tingkat ketepatan ramalan akan berulang dalam rentang waktu yang

semakin panjang. Dalam penerapannya, permalan untuk rentang waktu

yang lebih pendek akan lebih akurat ketimbang peramalan untuk rentang

waktu yang lebih panjang.

2.6.1 Model-model Peramalan

Terdapat dua jenis model peramalan yang utama, yaitu model deret

berkala (time series) dan model regresi (kausal). Pada jenis pertama, dilakukan

berdasarkan nilai masa lalu dari suatu variabel atau kesalahan masa lalu. Tujuan

metode peramalan deret berkala seperti itu adalah dengan menemukan pola dalam

deret historis dan memproyeksikan kecenderungan masa lalu dengan pola tersebut

ke masa depan.

Di dalam model kausal di pihak lain mengasumsikan bahwa faktor yang

diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih

variabel bebas. Menurut Makridakis, dkk. (1993), langkah penting dalam memilih

suatu metode deret berkala (time series) yang tepat adalah dengan

mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan

pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis.

18

1. Pola horizontal (H)

Pola ini terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang

konstan. Deret seperti ini adalah “stasioner” terhadap nilai rata-ratanya. Suatu

produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu

termasuk kedalam jenis ini.

Sumber : (Makridakis, dkk, 1993, hal. 10)

Gambar 2.5 Pola Data Horizontal

2. Pola musiman (S)

Terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya

kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).

Sumber : (Makridakis, dkk, 1993, hal. 10)

Gambar 2.6 Pola Data Musiman

3. Pola siklis (C)

Terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang

seperti yang berhubungan dengan siklus bisnis. Penjualan produk seperti mobil,

baja, dan peralatan utama lainnya menunjukkan jenis pola ini.

19

Sumber : (Makridakis, dkk 1993, hal. 10)

Gambar 2.7 Pola Data Siklis

4. Pola tren (T)

Terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang

dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP) dan

berbagai indikator bisnis atu ekonomi lainnya mengikuti suatu pola trend selama

perubahannya sepanjang waktu.

Sumber : (Makridakis, dkk, 1993, hal. 10)

Gambar 2.7 Pola Data Tren

2.6.2 Peramalan Permintaan

Sasaran akhir dari keseluruhan aktivitas peramalan adalah perkiraan

mengenai kebutuhan modal. Menurut Baroto (2002), dengan mengetahui

20

kebutuhan modal pada semua aktivitas produksi, maka kebijakan harga dan

keuntungan akan lebih mudah untuk dibuat.

2.6.3 Faktor-faktor yang Mempengaruhi Permintaan

Permintaan akan suatu produk pada suatu perusahaan merupakan resultan

dari berbagai faktor yang paling berinteraksi dalam pasar. Faktor-faktor ini

hampir selalu merupakan kekuatan yang berada diluar kendali perusahaan.

Berbagai faktor tersebut antara lain :

1. Siklus bisnis

Penjualan produk akan dipengaruhi oleh permintaan akan produk tersebut, dan

permintaan suatu produk akan dipengaruhi oleh kondisi ekonomi yang

membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi, dan masa

pemulihan.

2. Siklus hidup produk

Siklus hidup produk biasanya mengikuti suatu pola yang biasa disebut kurva s.

Kurva s menggambarkan besarnya permintaan terhadap waktu, dimana siklus

hidup suatu produk akan dibagi menjadi fase pengenalan, fase pertumbuhan, fase

kematangan dan akhirnya fase penurunan. Untuk menjaga kelangsungan usaha,

maka perlu dilakukan inovasi produk pada saat yang tepat.

3. Faktor-faktor lain

Beberapa faktor lain yang mempengaruhi permintaan adalah reaksi balik dari

pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan

sendiri oleh perusahaan seperti meningkatkan kualitas, pelayanan, anggaran

periklanan, dan keijaksanaan pembayaran secara kredit.

21

Sumber : (Nasution A. H., 2004 hal 31-32)

Gambar 2.8 beberapa faktor yang mempengaruhi permintaan

2.7 Metode Peramalan

Metode peramalan merupakan suatu metode atau teori pendekatan

kemungkinan akan terjadinya suatu kejadian di masa yang akan datang dengan

menganalisa keadaan di waktu-waktu yang lalu. Penyusunan peramalan yang

berdasarkan pada data historis yang ada seringkali menggunakan trend untuk

melaksanakan perhitungan peramalan penjualaan.

2.7.1 Model Peramalan Kualitatif

Peramalan kualitatif umumnya bersifat subyektif, dipengaruhi oleh intuisi,

emosi, pendidikan dan pengalaman seseorang. Oleh karena itu, hasil peramalan

dari satu orang dengan orang yang lain dapat berbeda. Meskipun demikian,

peramalan dengan model kualitatif tidk berarti hanya menggunakan intuisi, tetapi

seringkali mengikutsertakan model-model statistik sebagai bahan masukan dalam

judgement (pendapat, keputusan) dan dapat dilakukan secara perseorangan

kelompok.

Dalam peramalan secara kualitatif ada 4 metode yang umum dipakai :

1. Juri opini eksekutif

2. Metode delphi

3. Gabungan tenaga penjualan

4. Survey pasar

22

2.7.2 Model Peramalan Kuantitatif

Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut :

(Makridakis, dkk., 1993).

a. Tersedia informasi tentang masa lalu

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.

c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus

berlanjut di masa mendatang.

Model kuantitatif dapat dipergunakan dalam perkiraan, pada dasarnya dapat

dikelompokkan dalam dua jenis, yaitu metode deret berkala (time series) dan

metode regresi atau kausal (Makridakis, dkk., 1993).

2.7.2.1 Metode time series

Merupakan metode dimana dugaan masa depan dilakukan berdasarkan

nilai masa lalu dari suatu variabel atau kesalahan masa lalu. Tujuan metode

peramalan deret berkala seperti itu adalah dengan menemukan pola dalam deret

historis dan mengekstrapolasikan pola tersebut ke masa depan. Langkah penting

dalam memilih suatu metode time series yang tepat adalah dengan

mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan

pola tersebut dapat diuji.

a. Rata-rata bergerak tunggal (singel moving average)

Prosedur ini digunakan istilah rata-rata bergerak (moving average) karena

setiap muncul nilai observasi baru, nilai rata-rata baru dapat dihitung dengan

membuang nilai observasi yang paling tua dan memasukkan nilai observasi

yang terbaru. Rata-rata bergerak ini kemudian menjadi ramalan untuk periode

mendatang. Jumlah titik data dalam setiap rata-rata tetap konstan dan

observasi yang dimasukkan adalah yang paling akhir.

23

Tabel 2.2 Persamaan pada Singel Moving Average

Waktu Rata-rata Bergerak Ramalan

T

∑

T + 1

∑

T + 2

∑

Sumber : (Makridakis, dkk., 1993)

b. Rata-rata bergerak ganda (double Moving Average)

Untuk mengurangi kesalahan sistematis yang terjadi bila rata-rata dipakai pada

berkecenderungan, maka dikembangkan metode rata-rata bergerak linier (linier

moving averages). Dasar metode ini adalah menghitung rata-rata bergerak yang

kedua. Rata-rata bergerak ganda ini merupakan rata-rata bergerak dari rata-rata

bergerak, dan menurut simbol dituliskan sebagai MA (MxN) dimana artinya

adalah MA M-periode dari MA N-periode.

Jadi prosedur peramalan rata-rata bergerak linier meliputi tiga aspek, yaitu :

Penggunaan rata-rata bergerak tunggal pada waktu t (ditulis S’t)

Penyusuaian yang merupakan perdeaan antara rata-rata bergerak tunggal

dan ganda pada waktu t (ditulis S’t – S’’t)

Penyesuaian untuk kecenderungan dari periode t ke periode t+1 (atau ke

periode t+m jika kita ingin meramalkan m periode ke muka)

Penyesuaian ke 2 paling efektif bila trend bersifat linier dan komponen

kesalahan randomnya tidak begitu kuat. Penyesuaian ini efektif karena adanya

kenyataan bahwa MA tunggal tertinggal (lads) di belakang deret data yang

menunjukkan trend.

24

Menurut (Makridakis, dll., 1993, hal. 8), Secara umum pembahasan tersebut

dapat diformulasikan sebagai berikut :

(2.10)

(2.11)

(

)

(2.12)

(

) (2.13)

(2.14)

Dimana :

- Persamaan (1) mempunyai asumsi bahwa saat ini kita berada pada periode

waktu t dan mempunyai nilai masa lalu sebanyak N.MA (N) tunggal

dituliskan dengan S’t.

- Persamaan (2) menganggap bahwa semua rata-rata bergerak N-periode

dari nilai-nilai S’ tersebut. Rata-rata bergerak ganda dituliskan sebagai

(S’’).

- Persamaan (3) mengacu pada penyesuaian Moving Average tunggal (S’,),

dengan perbedaan (S’,-S’’).

- Perbedaan (4) menentukan taksiran kecenderungan dari periode waktu

yang satu ke periode waktu berikutnya.

- Persamaan (5) menunjukkan bagaimana memperoleh ramalan untuk m

periode ke depan dari t.

2.7.2.2 Metode Pemulusan (smoothing) Eksponensial

1. Pemulusan (smoothing) eksponensial tunggal

( ) (2.15)

Persamaan ini merupakan bentuk umum yang digunakan dalam

menghitung ramalan dengan metode pemulusan eksponensial. Metode ini banyak

25

mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan

semua data historis (seperti dalam rata-rata bergerak).

( ) (2.16)

( ) (2.17)

Dimana adalah kesalahan ramalan (nilai sebenarnya dikurangi ramalan) untuk

periode t. Dari dua bentuk ini dapat dilihat bahwa ramalan yang dihasilkan

dari SES secara sederhana merupakan ramalan yang lalu ditambah suatu

penyesuaian untuk kesalahan yang terjadi pada ramalan terakhir. Dalam bentuk ini

terbukti bahwa jika mempunyai nilai mendekati 1, maka ramalan yang baru

akan mencakup penyesuaian kesalahan yang besar pada ramalan sebelumnya.

2. Pemulusan (smoothing) eksponensial ganda : metode linier satu parameter

dari Brown

Dasar pemikiran dari pemulusan eksponensial linier dari brown adalah

serupa dengan rata-rata bergerak linier : karena kedua nilai pemulusan tunggal dan

ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend.

Perbadaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada

nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai

adalah sebagai berikut :

( ) (2.18)

( ) (2.19)

(

) (2.20)

(

) (2.21)

(2.22)

26

Dimana adalah nilai pemulusan eksponensial tunggal dan adalah

nilai pemulusan eksponensial ganda serta m adalah jumlah periode yang

diramalkan.

3. Pemulusan (smoothing) eksponensial ganda : metode dua parameter dari

Holt

Metode pemulusan eksponensial linear dari Holt dalam prinsipnya serupa

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 :

( )( ) (2.23)

( ) ( ) (2.24)

(2.25)

2.7.2.3 Metode kausal

Dengan mengasumsikan bahwa faktor yang diperkirakan/diramalkan

menunjukkan adanya hubungan sebab-akibat dengan satu atau lebih variabel

bebas. Maksud dari model kausal adalah menentukan bentuk hubungan tersebut

dan menggunakannya untuk meramalkan nilai mendatang dari variabel tidak

bebas.

1. Regresi Linier

Menurut Baroto (2002, hal. 41-42), Regresi linier adalah suatu metode

populer untuk berbagai macam permasalahan.

( ) (2.26)

27

Dimana :

( ) = nilai dari fungsi (permintaan) pada periode t (variabel terikat )

= intercept dan slope

= periode (variabel bebas)

= kesalahan atau penyimpangan pada periode t

Bila di gunakan untuk pendugaan (peramalan) maka formula regresi linier adalah :

( ) (2.27)

∑ ∑ ( ) ∑ ∑ ( )

∑ (∑ )

(2.28)

∑ ( ) ∑ ∑ ( )

∑ (∑ )

(2.29)

2.8 Kriteria Pemilihan Metode Peramalan Terbaik

Dalam menentukan metode permalan yang terbaik ada beberapa kriteria yang

bisa digunakan yaitu :

1. Mean Absolute Deviation (MAD)

MAD merupakan rata-rata keselahan mutlak selama periode tertentu tanpa

memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan

kenyaannya. Secara sistematis maka MAD adalah persamaan sebagai berikut :

MAD = ∑ |

|

(2.30)

2. Mean Square of Error (MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan

pada setiap periode dan membagi dengan jumlah periode peramalan. Secara

sistematis dapat dinyatakan dengan persamaan sebagai berikut :

28

MSE = ∑ ( )

(2.31)

3. Mean Absolute Procentage of Error (MAPE)

MAPE merupakan ukuran kesalahan relative. MAPE biasanya lebih berarti

dibandingkan MAD karena MAPE menyatakan presentase kesalahan dari hasil

peramalan terhadap permintaan aktual selama periode tertentu yang akan

memberikan informasi presentase kesalahan terlalu tinggi atau rendah. Metode

peramalan dianggap terbaik apabila memiliki prosentase terkecil. Secara

matematis MAPE dinyatakan dengan persamaan sebagai berikut :

MAPE = ∑ (| | )

(2.32)

Dimana :

Ft = data permintaan ke-t

F1 = data hasil peramalan ke-t

m = jangka waktu peramalan

2.9 Pengujian Peramalan

Pengunjian ini dilakukan dengan menggunakan metode MRC (Moving Range

Chart). Tujuannya adalah untuk memeriksa peramalan-peramalan yang telah

dilakukan, apakah data hasil peramalan sudah dalam kondisi yang terkecil atau

belum. Langkah-langkah dalam pembuatan MRC adalah sebagai berikut : (Biegel,

1992).

1. Menghitung rentang bergerak (Moving Range)

|(

) (

)| (2.33)

29

Dimana :

= data aktual tahun tertentu

Y = data hasil peramalan tahun tertentu

2. Menghitung rata-rata rentang bergerak

∑

(2.34)

3. Menghitung batas-batas kontrol

Batas atas (BA) = +2,66. (2.35)

Batas bawah (BB) = -2,66. (2.36)

4. Mengitung titik-titik simpangan ( ) ke dalam peta kendali (gambar

2.9) (Biegel, 1992).

Fungsi peramalan yang terpilih dapat dipergunakan, apabila semua titik

berada dalam batas kontrol. Tetapi bila mendapatkan suatu titik tak terkendali

(out of control) sewaktu memeriksa peramalan, maka kita akan mencari

peramalan yang baru. Hal ini membuktikan bahwa metode peramalan tersebut

tidak cocok untuk digunakan.

Sumber : (John E. Biegel 1992)

Gambar 2.9 Bagan Peta Kendali

30

Kondisi out of control, yaitu :

1. Jika ada titik (Y,- ) yang berada diluar batas control ( )

2. Aturan tiga titik

Dari tiga buah titik yang berurutan, apakah dua titik atau lebih terdapat

dalam salah satu daerah A.

3. Aturan lima titik

Dari lima buah titik yang berurutan, apakah empat titik atau lebih terdapat

dalam satu daerah B.

4. Aturan delapan titik

Dari delapan buah titik yang berurutan berada pada salah satu sisi dari

garis tengah titik (daerah C).

2.10 Reorder Point System (ROP)

Dalam sistem ROP setiap pusat distribusi pada tingkat lebih rendah

meramalkan permintaan untuk produk guna melayani pelanggannya, kemudian

memesan dari pusat distribusi pada tingkat lebih tinggi (main werehouse) apabila

kuantitas dalam stock pada pusat distribusi pada tingkat lebih rendah (branch

werehouse) mencapai ROP. ROP dan stock pengaman ditentukan secara

konvesional.

Sistem tarik dengan ROP menimbulkan cascanding effect, yaitu : input ke

setiap tingkat adalah output dari tingkat atau tahap sebelumnya, sehingga

menyebabkan saling ketergantungan di antara tingkat-tingkat dalam sistem

distribusi.

Pada dasarnya metode ROP merupakan suatu teknik pengsian kembali

inventori apabila total stock on-hand plus on-order jatuh atau berada dibawah titik

31

pemesanan kembali (reorder point= ROP). ROP merupakan metode inventori

yang menempatkan suatu pesanan untuk lot tertentu apabila kuantitas on-hand

berkurang sampai tingkat yang ditentukan terlebih dahulu yang dikenal sebagai

titik pemesanan kembali (ROP). Dihitung berdasarkan formula :

ROP = DLT + SS (2.37)

Dimana :

ROP = titik pemesanan kembali (reorder point)

DLT = permintaan selama waktu tunggu (demand during lead time)

SS = stock pengaman (safety stock)

Terdapat 4 faktor yang menetukan ROP, yaitu :

1. Tingkat permintaan

2. Waktu tunggu

3. Ketidakpastian dalam tingkat permintaan dan waktu tunggu pengisian

kembali

4. Kebijakasanaan manajemen berkaitan dengan tingkat pelayanan pelanggan

yang dapat diterima (Vincent, 2004 hal 291-292).

Tabel 2.3 penelitian terdahulu perencanaan distribusi menggunakan Distribution

Requirement Planning

No Penulis / Tahun Hasil Penelitian

1. Abdilah, Adib

F., 2009

Dari hasil penelitian, distribusi perusahaan mengalami

penurunan biaya hingga 6.4% dengan menerapkan

metode DRP

2. Garside, Annisa

K., 2001

Dari hasil penelitian dapat ditarik kesimpulan, dengan

menerapkan metode DRP dapat mengoptimalkan

32

ketersediaan produk di warehouse maupun outlet. Hal ini

dibuktikan dengan jumlah persediaan yang selama ini

selalu menumpuk jumlah besar di masing-masing outlet

dan werehouse sebagai akibat kebijaksanaan pengiriman

produk sebesar 4 kali dari jumlah permintaan untuk tiap

minggu dapat dikurangi hanya sebesar safety stock yang

berfungsi sebagai persediaan pengaman jika terjadi

permintaan fluktuatif.

3. Paramitasari D,.

dan M. Yusuf.,

2015

Berdasarkan perhitungan yang telah dilakukan, diketahui

ukuran lot yang dipilih berdasarkan total biaya terkecil

untuk setiap lokasi distribusi. Adapun teknik yang dipilih

dalam pendistribusian adalah lot for lot (LFL), economic

order quantity (EOQ) dan periodic order Quantity

(POQ).