Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
BAB 2
LANDASAN TEORI
2.1. Manajemen Operasional
Manajemen operasi merancang, mengoperasikan, dan memperbaiki sistem.
Operasi lebih dari sekadar perencanaan dan pengendalian, manajemen operasional
dilakukan untuk menciptakan biaya bahan baku yang rendah, memenuhi
permintaan konsumen, dan menciptakan keunggulan dalam operasi yang juga
sangat penting bagi kesuksesan sebuah perusahaan (Russel dan Taylor, 2014:2).
Operasi sering didefinisikan sebagai proses transformasi. Seperti yang
ditunjukkan pada Gambar 2.1, input (seperti bahan baku, mesin, tenaga kerja,
manajemen, dan modal) diubah menjadi output (barang dan jasa). Persyaratan dan
umpan balik dari pelanggan digunakan untuk menyesuaikan faktor dalam proses
transformasi, yang pada gilirannya dapat mengubah input. Manajemen
operasional memastikan bahwa proses transformasi dilakukan secara efisien dan
hasilnya atau outputnya lebih besar daripada jumlah inputnya. Dengan demikian,
peran operasi adalah untuk menciptakan nilai. Proses transformasi itu sendiri
dapat dipandang sebagai serangkaian kegiatan sepanjang rantai nilai yang
terbentang dari pemasok hingga pelanggan.
Menurut Russel dan Taylor (2014:3), proses input-transformasi-output
adalah karakteristik dari berbagai macam sistem operasi. Di rumah sakit, pasien
dibantu untuk menjadi individu yang lebih sehat melalui perawatan khusus,
pengobatan, kerja laboratorium, dan prosedur bedah. Jelas, "operasi" bisa
mengambil berbagai bentuk. Proses transformasi bisa berupa:
• Fisik, seperti dalam operasi manufaktur;
• Lokasi, seperti dalam operasi transportasi atau gudang;
• Pertukaran, seperti dalam operasi ritel;
• Fisiologis, seperti dalam perawatan kesehatan;
• Psikologis, seperti dalam hiburan; atau
15
16
• Informasi, seperti dalam komunikasi.
Kegiatan dalam manajemen operasi (OM) meliputi pengelolaan pekerjaan,
pemilihan proses, penyusunan layout, penempatan fasilitas, perancangan
pekerjaan, pengukuran kinerja, pengendalian kualitas, penjadwalan kerja,
pengelolaan persediaan, dan perencanaan produksi.
Gambar 2.1 Operasi Sebagai Proses Transformasi
(sumber: Operations Management: Creating Value Along The Supply Chain,
2011)
Keempat bidang fungsional utama sebuah perusahaan adalah pemasaran,
keuangan, operasi, dan sumber daya manusia. Seperti ditunjukkan pada Gambar
2.2, untuk kebanyakan perusahaan, operasi adalah inti teknis atau "hub"
organisasi, berinteraksi dengan bidang fungsional dan pemasok lainnya untuk
menghasilkan barang dan memberikan pelayanan bagi konsumen. Misalnya,
untuk mendapatkan sumber daya keuangan yang digunakan untuk produksi,
manajemen operasional menyediakan keuangan dan akuntansi dengan data
produksi dan inventaris, permintaan penganggaran modal, dan perluasan kapasitas
dan rencana teknologi. Keuangan tersebut digunakan untuk membayar pekerja
dan pemasok, melakukan analisis biaya, menyetujui investasi modal, dan
mengkomunikasikan persyaratan pemegang saham dan pasar keuangan.
Pemasaran menyediakan peramalan penjualan, jumlah pesanan pelanggan, umpan
balik pelanggan, dan informasi tentang promosi dan pengembangan produk.
Operasi, pada gilirannya, menyediakan informasi bagi kegiatan pemasaran
perusahaan tentang ketersediaan produk atau layanan, perkiraan waktu tunggu,
17
status pemesanan, dan jadwal pengiriman. Untuk kebutuhan personal, operasi
bergantung pada sumber daya manusia untuk merekrut, melatih, mengevaluasi,
dan memberi kompensasi kepada pekerja dan untuk membantu masalah hukum,
desain pekerjaan, dan aktivitas serikat pekerja. Di luar operasi, organisasi
berinteraksi dengan supplier untuk memesan bahan baku, mengkomunikasikan
persyaratan produksi dan pengiriman, mengesahkan kualitas, menegosiasikan
kontrak, dan menyelesaikan spesifikasi desain.
Gambar 2.2 Operasi Sebagai Inti Teknis
(sumber: Operations Management: Creating Value Along The Supply Chain,
2011)
2.2. Manajemen Rantai Pasok
2.2.1. Rantai Pasokan Menurut Desra Isma Diana, dkk. dalam penelitiannya (2016), rantai pasok
adalah salah satu kegiatan dalam memenuhi kebutuhan pelanggan, karena proses
rantai pasokan meliputi bagaimana proses barang agar dapat sampai ke tangan
konsumen akhir dengan memperhatikan kualitas barangnya, seperti daya tahan,
keutuhan barang, dan waktu respon pemesanan. Selain itu juga manajemen rantai
pasok menekankan kepada kualitas pelayanan kepada pelanggan seperti waktu
respon dan efisiensi tenaga kerja dalam memenuhi kebutuhan pelanggan.
Fungsi supply chain sangat penting dalam hal upaya menyampaikan tujuan
keberlanjutan sosial (social sustainability goals) dan mengurangi risiko terhadap
18
pembeli. Misalnya, penggunaan pekerja anak dibawah umur oleh pemasok dan
kinerja buruh pemasok yang buruk dapat secara signifikan merusak perusahaan,
serta rantai pasokan, reputasi dan kinerja perusahaan (Grosvold et al., 2014;
Sancha et al., 2015).
Menurut Dawei Lu (2011:9) ada beberapa karakteristik utama yang
digunakan untuk menggambarkan supply chain. Pertama, supply chain dibentuk
dan hanya dapat dibentuk jika terdapat lebih dari satu perusahaan yang
berpartisipasi. Kedua, perusahaan yang berpartisipasi tersebut biasanya bukan
merupakan perusahaan yang memiliki pemilik yang sama (anak perusahaannya
sendiri). Ketiga, perusahaan-perusahaan tersebut secara bersama-sama memiliki
komitmen yang sama untuk menambah nilai pada aliran yang berjalan melalui
supply chain tersebut. Pada supply chain, biasanya ada tiga macam aliran yang
dilalui, seperti yang terlihat pada Gambar 2.1. Pertama adalah aliran supply chain
yang mengalir dari hulu (upstream) ke hilir (downstream). Aliran ini meliputi
pengiriman bahan baku dari supplier ke pabrik, lalu bahan baku tersebut diolah
menjadi sebuah produk, dan setelah selesai di produksi, produk tersebut
dikirimkan kepada distributor. Lalu setelah itu dikirimkan kepada pengecer untuk
disampaikan kepada konsumen akhir. kedua adalah akiran uang yang mengalir
dari hilir ke hulu, dan yang ketiga adala aliran informasi yang dapat mengalir dari
hulu ke hilir atau sebaliknya. Proses akhir supply chain adalah proses dimana
produk atau jasa di produksi untuk konsumen akhir. Tetapi alasan dasar dari
kehadiran supply chain adalah untuk melayani konsumen akhir di pasar
persaingan. Ukuran dari seberapa baik suatu perusahaan dapat melaksanakan
supply chain adalah suatu alasan untuk dapat berkompetisi dengan kompetitor di
pasar persaingan.
Menurut Dawei Lu (2011:11), dalam aliran supply chain terdapat 4 aliran
penting yang dilakukan oleh suatu perusahaan, yaitu:
1. Material Flow: seluruh rantai pasokan manufaktur memiliki aliran
dari bahan mentah yang terdapat di awal kegiatan supply chain sampai
produk jadi yang akan ditawarkan ke konsumen akhir pada akhir
proses supply chain. Contohnya, sebuah perusahaan furnitur memiliki
kegiatan supply chain mulai dari pemotongan kayu di hutan di awal
19
proses supply chain hingga akhirnya menjadi sebuah furnitur jadi di
akhir proses supply chain.
2. Information Flow: seluruh proses supply chain memiliki dan
menggunakan aliran informasi. Sepanjang proses supply chain ada
banyak aliran informasi yang terjadi, seperti demand information flow,
forecasting information flow, production and scheduling information
flows, dan design and NPI information flows. Tidak seperti material
flow, aliran informasi dapat berjalan dari hulu ke hilir atau sebaliknya.
3. Finance Flow: seluruh proses supply chain memiliki aliran keuangan.
Tanpa financial flow, seluruh kegiatan supply chain tidak akan bisa
berjalan. Tetapi, dalamsupply chain, hanya ada satu sumber dari aliran
keuangan, yaitu konsumen akhir. oleh karena itu, aliran keuangan
hanya dapat berjalan dari hilir menuju hulu.
Gambar 2.3 Supply Chain Flow
(sumber: www.oracleappshub.com, 2017)
20
Seperti yang terlihat pada Gambar 2.1, supply chain management adalah
serangkaian pendekatan yang digunakan untuk mengintegrasikan supplier,
gudang, dan pengecer secara efisien dan juga untuk memastikan bahwa produk
atau jasa sampai dengan jumlah dan waktu yang tepat yang dapat memenuhi
keinginan konsumen. Supply chain tidak hanya melibatkan kegiatan internal
perusahaan saja, tetapi juga kegiatan eksternal perusahaan yang berkaitan dengan
bagaimana menjalin hubungan yang baik dengan supplier, manufaktur, toko ritel,
dan customer.
2.2.2. Supply Chain Management
Menurut Heizer dan Render dalam Chairul Furqon (2014) menyatakan
bahwa manajemen rantai pasokan menggambarkan koordinasi semua aktivitas
rantai pasokan, dimulai dengan bahan baku dan diakhiri dengan pelanggan yang
puas. Dengan demikian, rantai pasokan mencakup pemasok, produsen dan
penyedia layanan, dan distributor, pedagang grosir, dan pengecer yang
memberikan produk dan layanan kepada pelanggan akhir. Tujuan dari SCM
adalah untuk mengintegrasikan seluruh aliran dalam rantai pasokan untuk
memaksimalkan nilai pelanggan dengan biaya yang efisien. Dalam manajemen ini
semua bahan dasar hingga menjadi produk yang akan dijual ke konsumen akan
mendaur ulang produk yang sudah ada. Dalam manajemen ini setiap supply chain
memiliki tujuan untuk memaksimalkan nilai dari produk yang telah dihasilkan
secara menyeluruh. Dengan supply chain maka akan mudah bagi setiap rantai
untuk mendapatkan nilai lebih dari produk tersebut.
Menurut Chairul Furqon (2014) dalam penelitiannya, rantai pasokan
merupakan segala aktivitas yang terintegrasi termasuk didalamnya juga aliran
informasi yang berkaitan dengan tiga aspek, yaitu: (1) sumber, (2) proses
produksi, dan (3) proses penghantaran produk. Terdapat tiga komponen dalam
rantai pasokan, yaitu:
1. Upstream supply chain
Meliputi berbagai aktivitas perusahaan dengan para penyalur (baik itu
assembler, supplier, dan sebagainya), antara lain berupa pengadaan bahan baku
dan bahan pendamping, dan hubungan para supplier dengan supplier lainnya
yang saling berhubungan. Rantai hulu ini memudahkan para supplier untuk
21
memperluas hubungannya pada beberapa cabang dan yang paling penting
dalam rantai pasok hulu ini adalah adanya aktivitas pengadaan.
2. Internal supply chain management
Meliputi semua proses pemasukan barang ke gudang sampai pada proses
produksi. Aktivitas utamanya antara lain produksi dan pengendalian persediaan.
Bagian internal supply chain meliputi semua proses pemasukan barang ke
gudang yang digunakan dalam mentransformasikan masukan dari hilir ke hulu.
3. Downstream supply chain
Meliputi seluruh aktivitas yang terlibat dalam pengiriman produk kepada
pelanggan. Fokus utama kegiatannya adalah distribusi, pergudangan,
transportasi dan pelayanan. Dalam rantai supply chain hilir ini sangat
memperhatikan arah pendistribusian, bagian gudang maupun transportasinya,
dan yang tak kalah penting adalah dengan memperhatikan pelayanan yang
diberikan sales kepada konsumen. Sales harus memberikan pelayanan terbaik
kepada konsumen akhir.
Menurut Dawei Lu (2011:14), berbagai praktik dan aktivitas supply chain
management tergambar oleh tiga komponen konseptual, yaitu:
1. Supply Chain Configuration: mengenai bagaimana supply chain dapat
terbentuk dari seluruh perusahaan yang berpartisipasi dalam keseluruhan
proses supply chain. Termasuk seberapa besar besar supply base yang
dimiliki oleh OEM (Original Equipment Manufacturer), seberapa luas atau
sempit tingkat integrasi vertikalnya (siapa pemilik tunggal dari sepanjang
aktivitas supply chain yang dilakukan), seberapa banyak operasi OEM
menggunakan outsource, bagaimana saluran distribusi hilir di desain, dan
sebagainya. Pengambilan keputusan pada supply chain configuration adalah
strategik dan dilakukan oleh top management.
2. Supply Chain Relationship: mengenai hubungan antar perusahaan
sepanjang kegiatan supply chain. Tingkatan dari hubungan tersebut di
tentukan oleh tipe dari kegiatan pertukaran antar organisasi. Hubungan antar
perusahaan dengan supplier, manufaktur, dan toko ritel dapat disebut
dengan ”arm’s length” jika perusahaan hanya sebatas bertukar invoice
(hanya terbatas membayar jasa yang diberikan oleh satu perusahaan ke
perusahaan lain), di sisi lain, hubungan antar perusahaan dapat disebut
sebagai close partnership jika perusahaan tersebut bertukar visi, misi,
22
investment planning, NPI process, dan detailed financial information.
Pengambilan keputusan pada supply chain relationship adalah strategik dan
operasional.
3. Supply Chain Coordination: lebih ditujukan pada koordinasi operartional
antar perusahaan dalam seluruh proses supply chain. Hal tersebut berkaitan
dengan koordinasi continous material flows dari supplier ke pembeli dan
melalui konsumen akhir. Manajemen persediaan selama proses supply chain
dapat menjadi titik fokus bagi supply chain coordination. Production
capacity, forecasting, manufacturing scheduling, bahkan customer services
akan terbentuk sebagai kunci utama dari aktivitas koordinasi rantai pasok.
Pengambilan keputusan pada supply chain coordination adalah operasional.
Gambar 2.4 Konsep Supply Chain Management (sumber: Fundamental of Supply Chain Management; Dr. Dawei Lu, 2011)
2.2.3. Ketidakpastian dan Manajemen Resiko Rantai Pasokan Rantai pasokan terdiri dari serangkaian kegiatan organisasi dimana material
dan informasi bergerak menuju pelanggan akhir. Peck dalam Jyri Vilko, dkk.
(2014) menggambarkan kerentanan rantai pasokan dalam konteks ini karena
terpapar gangguan serius yang timbul dari risiko di dalam dan di luar rantai
pasokan. Menurut Waters dalam Jyri Vilko, dkk. (2014), kerentanan
mencerminkan kelemahan rantai pasokan terhadap gangguan, dan merupakan
akibat dari risiko dalam rantai pasokan. Ju dalam Jyri Vilko, dkk. (2014)
selanjutnya mengacu pada kerentanan rantai pasokan karena kecenderungan
pendorong dan sumber risiko lebih besar daripada strategi mitigasi risiko,
sehingga menimbulkan konsekuensi buruk dalam rantai dan membahayakan
kemampuannya untuk melayani pasar konsumen secara efektif. Manajemen risiko
23
rantai pasokan, pada gilirannya, adalah fungsi yang bertujuan untuk
mengidentifikasi sumber risiko potensial, dan menerapkan tindakan yang tepat
untuk menghindari kerentanan rantai pasokan.
Menurut Russel and Taylor (2014:325), salah satu tujuan utama perusahaan
dalam mengelola rantai pasokannya adalah untuk mensinkronisasi arus hulu ke
hilir sehingga dapat merespon ketidakpastian permintaan pelanggan tanpa
menimbulkan kelebihan persediaan yang berlebihan. Contoh faktor yang
berpengaruh terhadap ketidakpastian dalam rantai pasokan adalah peramalan
permintaan yang tidak akurat, waktu tunggu variabel yang panjang dalam
pesanan, pengiriman yang terlambat, pengiriman yang tidak lengkap, perubahan
produk, dan fluktuasi harga. Efek negatif utama dari ketidakpastian supply chain
dan variabilitas adalah keterlambatan dan pesanan yang tidak lengkap kepada
konsumen. Jika pengiriman dari supplier terlambat atau tidak lengkap, mereka
akan memperlambat arus barang dan jasa melalui rantai pasokan, yang pada
akhirnya mengakibatkan layanan pelanggan dengan kualitas yang buruk.
Perusahaan mengatasi ketidakpastian ini dan mencoba untuk menghindari delay
dengan membentuk persediaan "tambahan" mereka sendiri. Para pelaku rantai
pasokan membawa persediaan penyangga (atau ekstra) di berbagai tahap rantai
pasokan untuk meminimalkan dampak negatif dari ketidakpastian dan untuk
menjaga barang dan jasa tetap mengalir dengan lancar darisupplier ke konsumen.
Menurut Jyri Vilko, dkk. (2014), manajemen resiko rantai pasokan
diasumsikan sebagai alat untuk menangani risiko baik dengan mengurangi resiko
secara proaktif atau dengan bereaksi secara reaktif terhadap resiko tersebut
(Chopra dan Sodhi, 2004; Tomlin, 2006; Ghagde et al., 2012). Dengan demikian,
Jyri Vilko, dkk. dalam penelitiannya menyarankan bahwa sifat ketidakpastian
memainkan peran penting dalam rantai paokan, karena dapat mempengaruhi
visibilitas dan kemungkinan pembuat keputusan dalam domain tertentu (De
Meyer et al., dalam Jyri Vilko, dkk., 2014).
2.3. Manajemen Gudang Menurut Tompkins, dkk. dalam Faber dkk. (2013), tujuan manajemen
gudang adalah untuk secara efisien dan efektif mengkoordinasikan semua proses
dan aktivitas gudang. Menurut Slack, dkk. dalam Faber dkk. (2013), manajemen
24
gudang mencakup semua prosedur perencanaan dan pengendalian untuk
mengoperasikan gudang. Perencanaan dan pengendalian berkaitan dengan
pengelolaan kegiatan operasi yang sedang berlangsung sehingga dapat memenuhi
permintaan pelanggan. Tujuan utama perencanaan dan pengendalian adalah
memastikan bahwa operasi berjalan efektif dan menghasilkan produk dan layanan
sebagaimana mestinya. Perencanaan melibatkan penentuan apa yang harus
dilakukan dan bagaimana melakukannya, sedangkan pengendalian adalah proses
untuk memastikan bahwa output (rencana) yang diinginkan diperoleh. Oleh
karena itu perencanaan jadi proaktif dan pengendaliannya reaktif. Bersama-sama,
rencana dan kontrol mengatur output. Dalam perencanaan, kita membedakan
tingkat taktis dan operasional. Pada tingkat keputusan taktis, gudang menyusun
rencana untuk memanfaatkan sumber daya secara efisien dan untuk memenuhi
permintaan pasar. Namun, karena lingkungan yang sangat dinamis, karena banyak
gudang, cakrawala perencanaan taktis hanya beberapa hari atau minggu daripada
bulan.
Menurut Slack, dkk. dalam Faber dkk. (2013), pada tingkat operasional,
aturan keputusan digunakan untuk mengurutkan, menjadwalkan, dan
mengoptimalkan kegiatan yang direncanakan. Dalam literatur, dimensi
manajemen gudang belum dieksplorasi. Berdasarkan literatur dan wawancara
Faber, dkk. dalam penelitiannya dengan para ahli, peneliti mengusulkan untuk
secara luas mendefinisikan manajemen gudang sebagai kombinasi antara sistem
perencanaan dan pengendalian dan peraturan keputusan yang digunakan untuk
arus masuk, penyimpanan, dan arus keluar. Menurut Emmet dalam James Lee
(2017), manajamen pergudangan merupakan sistem pengontrol dan
pendistribusian barang, jasa, serta informasi dalam gudang. Sementara gudang
menurut Mulcahy dalam James Lee (2017) adalah suatu fungsi dan tempat
penyimpanan berbagai macam jenis produk dalam jangka waktu tertentu.
Perancangan gudang dan sistem pergudangan diperlukan untuk memaksimalkan
penggunaan ruang, peralatan, tenaga kerja, perlindungan terhadap barang, serta
memberi kemudahan dalam penerimaan dan pengiriman.
Sistem perencanaan taktis. Sebuah rencana adalah formalisasi dari apa
yang dimaksudkan untuk terjadi pada suatu waktu di masa depan (Slack, dkk.,
2017). Rencana menentukan output yang diinginkan (dinyatakan dalam jumlah,
25
kualitas, biaya, waktu, dll.) di masa mendatang. Masalah taktis yang paling
penting dalam gudang meliputi: perencanaan persediaan, perencanaan
penempatan lokasi penyimpanan, perencanaan transportasi, dan perencanaan
kapasitas. Perencanaan stok dapat menentukan produk mana yang disimpan dalam
penyimpanan dan dalam jumlah berapa, dan menentukan kapan pengiriman tiba.
Perencanaan lokasi penyimpanan menentukan jenis lokasi (misalnya, rak, palet,
atau tumpukan blok) dan zona di dalam area penyimpanan dimana produk akan
disimpan. Rencana penugasan lokasi penyimpanan yang efektif dapat mengurangi
kebutuhan akan ruang dan waktu perjalanan rata-rata untuk penyimpanan atau
pengambilan dan pengambilan pesanan. Perencanaan kapasitas dan perencanaan
transportasi menentukan kapasitas peralatan dan transportasi yang dibutuhkan.
Aturan keputusan inbound, storage dan outbound. Rencana taktis
menentukan produk mana yang sampai dan dalam jumlah berapa, di mana produk
harus disimpan dan berapa banyak personil, peralatan, dan transportasi diperlukan
untuk memproses produk dan pesanan. Rencana taktis mendefinisikan kerangka
kerja untuk tingkat perencanaan. Keputusan operasional biasanya menangani
penjadwalan pengambilan pesanan dan penyimpanan atau operasi pengambilan
kembali. Ada banyak peraturan yang berbeda yang dapat membantu operasi
membuat keputusan ini dan memperbaiki kinerja (Chen, dkk., 2017).
Sistem pengaturan. Menurut Slack, dkk. dalam Faber, dkk., ketika rencana
diimplementasikan, hal-hal tidak selalu terjadi seperti yang diharapkan. Misalnya,
pelanggan dapat mengubah pikiran mereka tentang apa yang mereka inginkan dan
kapan mereka menginginkannya, pemasok mungkin tidak menyampaikan barang
secara tepat waktu, mesin yang rusak, catatan inventaris mungkin tidak akurat,
dan staf yang mungkin tidak hadir karena sakit. Kontrol digunakan untuk
mengatasi hal-hal tersebut. Hal tersebut berkaitan dengan umpan balik dan fungsi
tindakan korektif dari sistem manajemen. Dengan memantau apa yang sebenarnya
terjadi dan membuat perubahan yang diperlukan, kontrol membuat penyesuaian
yang memungkinkan operasi mencapai tujuan yang ditetapkan dalam rencana.
Dengan demikian, pemantauan, analisis, pelaporan dan intervensi merupakan
fungsi inti dari sistem kontrol.
26
2.3.1. Fungsi Gudang Menurut Purnomo Hari dalam Antoni Yohanes (2013), pergudangan
memiliki beberapa tipe-tipe dasar, diantaranya adalah:
• Perpindahan material yang terdiri dari penerimaan, transfer,
penyeleksian barang, dan pengiriman.
• Penyimpanan material yang terdiri dari penyimpanan sementara,
penyimpanan semi permanen, dan penyimpanan informasi.
2.3.2. Kinerja Pemanfaatan Fasilitas Gudang Menurut Rumambi (2016), terdapat indikator dalam mengukur sejauh
mana fasilitas dapat digunakan secara maksimal. Indikator tersebut diukur
dengan standarisasi Shed Occupancy Ratio, yang mana adalah tingkat
perbandingan antara jumlah pemakaian ruang penumpukan pada gudang dengan
tingkat kapasitas ruang penumpukan yang tersedia. Indikator kinerja gudang
yang diatur berdasarkan Surat Keputusan Dirjen Pehubungan Laut no
UM.002/38/18/DJPL-11 bahwa standar kinerja SOR adalah 65%. Kinerja dinilai
sangat baik jika capaian lebih kecil dari standar, dinilai cukup baik jika capaian
0 – 10% lebih besar dari standar, dan dinilai kurang baik jika capaian lebih besar
10% dari standar (Sutepu dan Sulistiana, 2014).
2.4. Forecasting 2.4.1. Forecasting dalam Rantai Pasokan
Menurut Dejan Mircetic, dkk. (2016), peramalan permintaan merupakan
salah satu aktivitas utama dalam merencanakan arus barang dalam rantai pasokan,
oleh karena itu penting untuk merencanakan dan menjadwalkan aktivitas logistik
dalam rantai pasokan yang sedang diamati. Model peramalan permintaan yang
akurat secara langsung akan mempengaruhi penurunan biaya logistik, karena
dapat memberikan penilaian terhadap permintaan pelanggan. Menurut Heizer dan
Render yang dikutip dari dalam buku Operations Management (2014:140)
mengatakan peramalan (forecasting) adalah seni dan ilmu mengenai peramalan
tentang kejadian kedepan. Peramalan memerlukan pengambilan data historis dan
memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.
Menurut Eby Gudian, dkk. dalam penelitiannya (2016), peramalan atau
forecasting merupakan suatu kegiatan untuk memprediksi kejadian di masa yang
27
akan datang melalui pengujian keadaan yang terjadi di masa lalu. Meramalkan
penjualan berarti menentukan perkiraan besarnya volume penjualan dimasa
mendatang. Bahkan juga dapat menentukan potensi penjualan dan luas pasar yang
dikuasai di masa yang akan datang. Menurut Makridakis dalam Eby Gudian dkk.
(2016) kegunaan peramalan adalah untuk mengambil keputusan yang tepat
berdasarkan peristiwa masa lalu. Dengan adanya kegiatan peramalan penjualan
ini, dapat mengambil keputusan atau kebijakan sesuai dengan hasil ramalan
penjualan tersebut. Dengan pemilihan dan penggunaan metode yang tepat, maka
keberhasilan perusahaan dalam menawarkan produknya akan diperoleh dalam
bentuk laba yang dihasilkan. Peramalan ini juga akan memberikan perbandingan
penggunaan metode yang memiliki nilai kesalahan terkecil, sehingga perusahaan
dapat mengaplikasikannya dalam manajemen perusahaan. Peramalan penjualan
juga dilakukan untuk bisa terus memenuhi kebutuhan pelanggan yang dilihat dari
hasil ramalan agar manajer dapat memperhitungkan stok persediaan (Winyalna,
2014).
Fungsi rantai pasokan meliputi pembelian, persediaan, produksi,
penjadwalan, lokasi fasilitas, transportasi, dan distribusi. Semua fungsi ini
terpengaruh oleh permintaan produk dalam jangka pendek dan terepengaruh oleh
produk dan proses baru, kemajuan teknologi, dan perubahan pasar dalam jangka
panjang. Menurut Russel dan Taylor (2014:497), perkiraan permintaan produk
digunakan untuk menentukan berapa banyak persediaan yang dibutuhkan, berapa
banyak produk yang harus dibuat, dan berapa banyak bahan yang harus dibeli dari
pemasok untuk memenuhi kebutuhan pelanggan yang diperkirakan. Hal ini pada
gilirannya menentukan jenis transportasi yang akan dibutuhkan dan di mana
pabrik, gudang, dan pusat distribusi berada sehingga produk dan jasa dapat
dikirimkan secara tepat waktu. Tanpa perkiraan yang akurat, persediaan-
persediaan dengan biaya yang mahal harus disimpan pada setiap tahap rantai
pasokan untuk mengantisipasi ketidakpastian permintaan pelanggan. Jika
persediaan tidak mencukupi, layanan pelanggan akan menjadi buruk karena
keterlambatan pengiriman dan habisnya persediaan yang dimiliki oleh
perusahaan. Hal ini sangat berpengaruh dalam lingkungan bisnis global yang
kompetitif saat ini, di mana layanan pelanggan dan pengiriman tepat waktu
merupakan faktor penting bagi perusahaan dalam bersaing dengan perusahaan
28
lain. Gambar 2.6 mengilustrasikan efek dari peramalan yang buruk pada rantai
pasokan.
Sementara ramalan yang akurat sangat diperlukan, ramalan yang benar-
benar akurat tidak mungkin juga untuk dilakukan. Namun dengan metode
peramalan yang tepat, perusahaan berharap bahwa peramalan tersebut akan
mengurangi ketidakpastian di masa depan sebanyak mungkin. Dengan demikian,
semua proses rantai pasokan harus fleksibel untuk menanggapi beberapa tingkat
ketidakpastian. Contohnya adalah bullwhip effect. Efek bullwhip adalah distorsi
informasi tentang permintaan produk (termasuk peramalan) karena pengiriman
rantai pasokan kembali ke pemasok. Seiring permintaan bergerak menjauh dari
konsumen akhir, variasi permintaan menjadi lebih besar dan perkiraan permintaan
menjadi kurang dapat diandalkan. Variasi yang meningkat ini dapat
mengakibatkan safety stock yang berlebihan dengan biaya yang mahal pada setiap
tahap dalam rantai pasokan dan layanan konsumen yang menjadi lebih buruk.
Hal ini terjadi saat pelaku rantai pasokan tidak memiliki perkiraan
permintaan yang akurat dari pelaku rantai pasokan yang lain. Jika masing-masing
pelaku rantai pasokan tidak yakin berapa permintaan yang harus di suplai untuk
pelaku rantai pasokan yang berikutnya, dan membuat perkiraan permintaannya
sendiri, maka secara otomatis pelaku rantai pasokan tersebut akan menimbun
persediaan ekstra untuk mengantisipasi ketidakpastian tersebut.
Gambar 2.5 Akibat dari Ketidak-akuratan Peramalan pada Supply Chain
(sumber: Operations Management and Supply Chain Management, 2014)
29
2.4.2. Komponen dalam Forecasting Permintaan 2.4.2.1. Time Frame
Peramalan dapat bersifat jarak pendek atau jangka panjang. Peramalan
jarak pendek biasanya digunakan untuk permintaan penjualan harian, mingguan,
atau bulanan hingga kira-kira untuk dua tahun ke depan, tergantung pada
perusahaan dan jenis industrinya. Perusahaan menggunakan peramalan untuk
menentukan jadwal produksi dan pengiriman dan untuk menetapkan tingkat
persediaan. Ramalan jarak jauh biasanya digunakan untuk jangka waktu lebih
lama dari dua tahun ke depan. Peramalan jangka panjang biasanya digunakan
untuk perencanaan strategis - untuk menetapkan tujuan jangka panjang,
merencanakan produk baru untuk mengubah pasar, memasuki pasar baru,
mengembangkan fasilitas baru, mengembangkan teknologi, merancang rantai
pasokan, dan menerapkan program strategis.
Garis antara peramalan jangka pendek dan jangka panjang tidak selalu
berbeda. Bagi beberapa perusahaan peramalan jangka pendek bisa beberapa
tahun, dan untuk perusahaan lain peramalan jangka panjang bisa dalam hal
bulan. Panjang peramalan sangat bergantung pada seberapa cepat perubahan
pasar produk dan seberapa rentannya pasar terhadap perubahan teknologi.
2.4.2.2. Perilaku Permintaan Permintaan terkadang berperilaku secara acak dan tidak beraturan. Di
lain waktu, hal itu menunjukkan perilaku yang dapat diprediksi, dengan tren atau
pola yang berulang, yang dapat direfleksikan oleh peramalan. Tiga jenis perilaku
permintaan adalah tren, siklus, dan pola musiman.
Tren adalah gerakan permintaan naik atau turun dalam jangka panjang.
Tren sering menjadi titik awal untuk mengembangkan peramalan. Gambar 2.6
(a) mengilustrasikan tren permintaan di mana ada gerakan ke atas. Perhatikan
bahwa Gambar 2.6 (a) juga mencakup beberapa gerakan acak ke atas dan ke
bawah. Variasi acak adalah gerakan yang tidak dapat diprediksi dan tidak
mengikuti pola (dan hampir tidak dapat diprediksi). Gerakan tersebut adalah
variasi rutin yang tidak memiliki penyebab "dapat dialihkan". Siklus adalah
gerakan permintaan naik dan turun yang berulang dalam rentang waktu yang
panjang (yaitu lebih dari setahun). Misalnya, perumahan baru dimulai dan, oleh
karena itu, produk terkait konstruksi cenderung mengikuti siklus ekonomi.
30
Penjualan mobil juga cenderung mengikuti siklus. Permintaan untuk peralatan
olahraga musim dingin meningkat setiap empat tahun sebelum dan sesudah
Olimpiade Musim Dingin. Gambar 2.6 (b) menunjukkan perilaku siklus
permintaan.
Gambar 2.6 Macam-macam Grafik Pergerakan Forecasting
(sumber: Operations Management and Supply Chain Management, 2014)
Pola musiman adalah pergerakan permintaan yang terjadi secara berkala
(dalam jangka pendek) dan berulang. Musiman (seasonal) sering dikaitkan
dengan cuaca. Misalnya, setiap musim dingin permintaan akan pakaian musim
dingin dan peralatan ski meningkat, dan penjualan ritel meningkat secara umum
selama musim liburan. Namun, pola musiman bisa terjadi setiap hari atau setiap
minggunya. Misalnya, beberapa restoran ramai makan siang daripada saat
makan malam, dan toko perbelanjaan cenderung memiliki permintaan lebih
tinggi pada akhir pekan. Gambar 2.6 (c) menggambarkan pola musiman di mana
perilaku permintaan yang sama diulang setiap tahun pada saat bersamaan.
Perilaku permintaan sering menampilkan beberapa karakteristik ini secara
bersamaan.
Permintaan untuk peralatan ski bersifat musiman; Namun, ada
kecenderungan meningkat dalam permintaan peralatan olahraga musim dingin
selama dua dekade terakhir dimana hal tersebut juga mempengaruhi permintaan
31
untuk peralatan ski. Gambar 2.6 (d) menampilkan kombinasi dua pola
permintaan, tren dengan pola musiman. Contoh lain adalah ketika perilaku
permintaan menunjukkan bahwa pola tidak disebut sebagai gerakan tidak teratur,
atau variasi. Misalnya, kampanye promosi pesaing dapat menyebabkan
permintaan produk perusahaan turun untuk sementara waktu. Meskipun perilaku
ini memiliki penyebab dan, karenanya, tidak sepenuhnya acak, tetap saja tidak
mengikuti pola yang dapat tercermin dalam ramalan.
2.5. Metode Forecasting Menurut Russel dan Taylor (2014:375), terdapat tiga jenis metode
peramalan dasar: metode deret waktu (time series method), metode regresi, dan
metode kualitatif. Metode time series adalah teknik statistik yang menggunakan
data permintaan historis untuk memprediksi permintaan masa depan. Metode
peramalan regresi (atau kausal) digunakan untuk mengembangkan hubungan
matematis (dalam bentuk model regresi) antara permintaan dan faktor yang
menyebabkannya berperilaku seperti itu. Metode kualitatif menggunakan
penilaian, sudut pandang, dan pendapat para ahli untuk membuat peramalan.
Sering disebut sebagai "juri opini eksekutif," metode kualitatif adalah tipe metode
peramalan yang paling umum untuk proses perencanaan strategis jangka panjang.
Biasanya terdapat individu atau kelompok dalam sebuah organisasi yang
penilaian dan opininya mengenai masa depan lebih valid daripada pakar dari luar
atau pendekatan terstruktur lainnya. Personel teknik memiliki pemahaman tentang
aspek teknologi dari jenis produk yang mungkin layak dan mungkin akan
memenuhi permintaan dan kebutuhan konsumen di masa depan. Penelitian
konsumen atau pasar adalah pendekatan terorganisir yang menggunakan survei
dan teknik penelitian lainnya untuk menentukan produk dan jasa yang akan dibeli
dan diinginkan oleh konsumen dan untuk mengidentifikasi pasar dan sumber
pelanggan baru. Riset konsumen dan pasar biasanya dilakukan oleh departemen
pemasaran dalam sebuah organisasi, oleh organisasi industri dan kelompok, dan
oleh perusahaan pemasaran atau perusahaan konsultan. Meskipun riset pasar
dapat memberikan ramalan permintaan produk yang akurat dan berguna, namun
harus dilakukan dengan terampil dan benar.
32
2.5.1. Metode Time Series Menurut Russel dan Taylor dalam buku Operations and Supply Chain
Management (2014:378), metode time series adalah teknik statistik yang
memanfaatkan data historis yang terakumulasi selama periode waktu tertentu.
Metodetime series mengasumsikan bahwa apa yang telah terjadi di masa lalu akan
terus terjadi di masa depan. Metode ini mengasumsikan bahwa pola historis yang
dapat diidentifikasi atau tren permintaan dari waktu ke waktu akan terus berulang.
Metode ini terdiri dari moving average, exponential smoothing, dan linear trend
line; dan metode ini adalah salah satu metode yang paling populer untuk
peramalan jangka pendek di antara perusahaan jasa dan manufaktur. Dalam survei
perusahaan tahun 2007 di berbagai industri yang dilakukan oleh Institute of
Business Forecasting, lebih dari 60% perusahaan menggunakan model time
series, menjadikannya metode peramalan paling populer sejauh ini. Salah satu
alasan modeltime series sangat populer adalah metode ini relatif mudah dipahami
dan digunakan. Survei tersebut juga menunjukkan bahwa model time series yang
paling populer adalah moving averages dan exponential smoothing.
2.5.1.1. Moving Average Metode rata-rata bergerak sederhana menggunakan beberapa nilai
permintaan selama beberapa tahun yang lalu untuk mengembangkan peramalan.
Rata-rata pergerakan sederhana berguna untuk meramalkan permintaan yang
stabil dan tidak menampilkan perilaku permintaan yang menonjol, seperti tren
atau pola musiman. Moving average dihitung untuk periode tertentu, seperti tiga
bulan atau lima bulan, tergantung pada seberapa jauh keinginan peramal untuk
"menghaluskan" data permintaan. Semakin lama periode rata-rata bergerak,
hasilnya akan semakin halus.
2.5.1.2. Weighted Moving Average
Metode rata-rata bergerak tertimbang, bobot diberikan pada data terbaru.
Menentukan bobot yang tepat untuk digunakan untuk setiap periode data
biasanya memerlukan eksperimen trial and error, seperti halnya menentukan
jumlah periode yang harus disertakan dalam moving average. Jika periode
terakhir tertimbang terlalu berat, perkiraan tersebut mungkin bereaksi berlebihan
terhadap fluktuasi permintaan secara acak. Jika mereka tertimbang terlalu
33
ringan, perkiraan mungkin akan bereaksi terhadap perubahan aktual dalam
perilaku permintaan.
2.5.1.3. Exponential Smoothing Exponential smoothing juga merupakan metode rata-rata yang memuat
data terbaru dengan lebih kuat. Dengan demikian, perkiraan tersebut akan
bereaksi lebih besar terhadap perubahan permintaan terakhir. Ini berguna jika
terjadi perubahan data akhir yang signifikan dan tidak dapat diprediksi, bukan
hanya fluktuasi acak. Exponential smoothing adalah salah satu teknik peramalan
yang lebih populer dan sering digunakan, karena berbagai alasan.
Konstanta pemulusan (smoothing constant), α, adalah bernilai antara 0,0
dan 1.0. Ini mencerminkan bobot yang diberikan pada data permintaan terbaru.
2.5.1.4. Adjusted Exponential Smoothing Adalah peramalan exponential smoothing yang disesuaikan terdiri dari
ramalan eksponensial dengan menambahkan faktor penyesuaian tren:
Faktor tren dihitung sama dengan peramalan exponential yang telah
diperhalus (smoothed exponential). Hal ini, pada dasarnya, merupakan ramalan
model untuk tren:
dimana:
β = smoothing constant untuk tren
Tt = faktor penyebab tren pada periode terakhir
β adalah nilai antara 0,0 dan 1.0. Ini mencerminkan bobot yang diberikan
pada data tren terbaru. β biasanya ditentukan secara subyektif berdasarkan
penilaian peramal. β yang tinggi mencerminkan perubahan tren lebih dari β
rendah. Hal ini tidak biasa untuk β untuk sama β dalam metode ini. Perhatikan
bahwa rumus untuk faktor tren ini mencerminkan ukuran tertimbang kenaikan
(atau penurunan) antara peramalan untuk periode berikutnya, Ft + 1, dan
peramalan saat ini, Ft.
2.5.1.5. Linear Trend Line Regresi linier adalah metode peramalan dimana hubungan matematis
dikembangkan antara permintaan dan beberapa faktor lain yang menyebabkan
perilaku permintaan. Namun, ketika permintaan menunjukkan tren yang jelas
34
dari waktu ke waktu, menunjukkan garis regresi kuadrat kecil, atau
menunjukkan garis tren linier, yang berkaitan dengan permintaan terhadap
waktu, dapat digunakan untuk meramalkan permintaan. Garis tren linier
menghubungkan variabel dependen (permintaan) dan satu variabel independen
(waktu) ke dalam bentuk persamaan linier.
2.5.1.6. Seasonal Adjustment Pola musiman adalah peningkatan yang berulang dan penurunan
permintaan. Banyak item permintaan yang menunjukkan perilaku musiman.
Penjualan pakaian mengikuti pola musiman tahunan, dengan permintaan akan
pakaian hangat meningkat di musim gugur dan musim dingin dan menurun pada
musim semi dan musim panas. Permintaan untuk banyak barang ritel, termasuk
mainan, peralatan olahraga, pakaian, peralatan elektronik, kalkun, anggur, dan
buah, meningkat selama musim liburan.
2.5.2. Forecast Accuracy Perbedaan antara ramalan dan yang sebenarnya adalah kesalahan perkiraan.
Meskipun kesalahan peramalan tidak dapat dihindari, tujuan peramalan adalah
untuk mengurangi kesalahan tersebut. Tingkat kesalahan yang besar dapat
mengindikasikan bahwa teknik peramalan adalah yang salah atau perlu
disesuaikan dengan mengubah parameternya (misalnya, α dalam ramalan
penghalusan eksponensial). Ada berbagai ukuran kesalahan perkiraan. Kita akan
membahas beberapa yang lebih populer: mean absolute deviation (MAD), mean
absolute percent deviation (MAPD), error kumulatif, dan error rata-rata atau bias
(E).
2.5.2.1. Mean Absolute Deviation Mean absolute deviation, atau MAD, adalah salah satu yang paling
populer dan paling sederhana yang digunakan untuk mengukur kesalahan dalam
peramalan. MAD adalah rata-rata dari perbedaan antara perkiraan dan
permintaan aktual.
Semakin kecil nilai MAD, maka akan semakin akurat ramalannya. Salah
satu manfaat MAD adalah membandingkan keakuratan beberapa teknik
peramalan yang berbeda. Rata-rata deviasi persentase absolut (MAPD)
mengukur kesalahan absolut sebagai persentase permintaan per periode.
Akibatnya, MAPD akan mengeliminasi masalah dalam menafsirkan ukuran
35
akurasi relatif terhadap besarnya nilai permintaan dan perkiraan, seperti yang
dilakukan MAD.
2.5.2.2. Cumulative Error Kesalahan kumulatif dihitung hanya dengan menjumlahkan kesalahan
perkiraan. Nilai positif yang besar menunjukkan bahwaperkiraan tersebut secara
konsisten lebih rendah daripada permintaan aktual, atau bias-nya rendah. Nilai
negatif yang besar menyiratkan bahwa ramalan tersebut secara konsisten lebih
tinggi daripada permintaan aktual, atau bias-nya tinggi. Juga, ketika meneliti
kesalahan untuk setiap periode, besar nilai positif menunjukkan bahwa
perkiraan, secara konsisten, kurang dari nilai yang sebenarnya dan sebaliknya.
Ukuran yang terkait erat dengan kesalahan kumulatif adalah kesalahan rata-rata,
atau bias.
2.5.3. Metode Regresi Regresi linier adalah teknik matematis yang menghubungkan satu variabel,
yang disebut variabel independen, dengan variabel dependen lainnya, dalam
bentuk persamaan untuk garis lurus. Persamaan linear memiliki bentuk umum
berikut:
dimana: x = variabel independen b = kemiringan garis a = intercept y = variabel dependen
Karena ingin menggunakan regresi linier sebagai model peramalan untuk
permintaan, variabel dependen, y, mewakili permintaan, dan x adalah variabel
independen yang menyebabkan permintaan berperilaku secara linier. Untuk
mengembangkan persamaan linier, kemiringan (b), dan intercept (a), pertama-
tama harus dihitung dengan menggunakan rumus kuadrat berikut berikut ini.:
36
2.5.4. Metode ARIMA Menurut Alexander Setiawan, dkk. (2016), metode ARIMA(Autoregressive
Integrated Moving Average) merupakan metode peramalan yang menggunakan
data historis perusahaan dari tahun-tahun sebelumnya yang selanjutnya digunakan
untuk mengamati terhadap suatu kejadian, peristiwa, atau suatu variabel pada data
tersebut. Metode ini pertama kali ini dibuat oleh George Box dan Gwilym Jenkins
untuk analisis deret berkala. ARIMA terbentuk dari tiga metode yaitu AR
(Autoregressive), MA (Moving Average), dan ARMA (Autoregressive and
Moving Average). Kelebihan pada metode ARIMA ini adalah dapat digunakan
untuk manganalisis data yang acak, memiliki tren, data musiman bahkan sifat
siklis dalam deret waktu yang akan dianalisis. Dengan adanya metode peramalan
ARIMA ini dapat membantu pimpinan dalam memperkirakan jumlah setiap jenis
barang untuk order ke pabrik.
Menurut Raymond Y.C. Tse dalam Kumar dan Anand (2014)
mengemukakan bahwa dua pertanyaan berikut harus dijawab untuk
mengidentifikasi rangkaian data dalam analisis deret waktu: (1) apakah data
tersebut acak; dan (2) memiliki kecenderungan? Ini diikuti oleh tiga tahap, yaitu
identifikasi model, estimasi parameter, dan pengujian untuk validitas model. Jika
seri acak, korelasi antara nilai yang berurutan dalam deret waktu mendekati nol.
Jika pengamatan deret waktu bergantung secara statistik satu sama lain,
maka ARIMA merupakan metode yang sesuai untuk analisis deret waktu. Meyler
et al dalam Kumar dan Anand (2014) menggambar kerangka untuk model seri
waktu ARIMA untuk meramalkan inflasi Irlandia. Stergiou dalam Kumar dan
Anand (2014) mengatakan bahwa dalam penelitiannya menggunakan teknik
model ARIMA pada data dengan deret waktu selama 17 tahun (dari 1964 sampai
1980 dan 204 pengamatan) dalam meramalkan tangkapan ikan pilcha (Sardina
pilchardus) bulanan dari perairan Yunani untuk peramalan hingga 12 bulan ke
depan dan peramalannya dibandingkan dengan data aktual. Penelitian ini
menemukan kesalahan rata-rata 14% yang menunjukkan bahwa prosedur ARIMA
mampu meramalkan dinamika kompleks perikanan pilchard Yunani, yang, jika
tidak, sulit diprediksi karena perubahan kondisi oseanografi dan biologis dari
tahun ke tahun. Contreras dkk (2003) dalam penelitian mereka, menggunakan
metodologi ARIMA dengan menyediakan metode untuk memprediksi harga
37
listrik hari ini baik untuk pasar spot dan kontrak jangka panjang untuk pasar
daratan Spanyol dan California.
Sebenarnya kebanyakan penelitian tersedia untuk memastikan bahwa
pemilihan model ARIMA yang tepat dapat disesuaikan dengan data deret waktu
dari variabel tunggal untuk meramalkan, dengan akurasi yang lebih baik, nilai
masa depan dalam deret waktu tertentu.
2.5.4.1. Box-Jenkins (ARIMA) Model: Basics Seri waktu didefinisikan sebagai urutan data yang diamati dari waktu
ke waktu. Model ARIMA adalah kelas model yang memiliki kemampuan
untuk mewakili seri waktu stasioner maupun non-stasioner dan
menghasilkan perkiraan yang akurat berdasarkan deskripsi data historis dari
satu variabel. Karena tidak mengasumsikan pola tertentu dalam data historis
dari deret waktu yang akan diperkirakan, model ini sangat berbeda dari
model lain yang digunakan untuk peramalan. Pendekatan metodologi Box-
Jenkins untuk membangun model ARIMA didasarkan pada langkah-
langkah berikut: (1) Identifikasi Model, (2) Estimasi Parameter dan Seleksi,
(3) Pemeriksaan Diagnostik (atau Validasi Model); dan (4) Penggunaan
model untuk peramalan. Identifikasi model melibatkan penentuan pesanan
(p, d, dan q) komponen AR dan MA dari model. Pada dasarnya model ini
digunakan untuk mencari jawaban apakah data itu stasioner atau tidak
stasioner? Apa urutan diferensiasi (d) yang membuat waktu stasioner?
1. Identifikasi model
Tahap pertama pembuatan model ARIMA adalah untuk
mengidentifikasi apakah variabel yang sedang diprediksi, stasioner
dalam deret waktu atau tidak. Dengan stasioner, nilaivariabel dari waktu
ke waktu bervariasi di sekitar mean dan varians konstan. Plot waktu data
produksi tebu pada Gambar 1 di atas dengan jelas menunjukkan bahwa
datanya tidak stasioner (sebenarnya, ini menunjukkan tren peningkatan
dalam deret waktu). Model ARIMA tidak bisa dibangun sampai kita
membuat seri stasioner ini. Pertama-tama kita harus membedakan waktu
deret waktu untuk mendapatkan rangkaian stasioner agar memiliki
model ARIMA (p, d, q) dengan 'd' sebagai urutan differencing yang
digunakan. Perhatian untuk diambil dalam differencing sebagai
38
overdifferencing akan cenderung meningkat dalam standar deviasi,
bukan pengurangan. Ide terbaik adalah memulai dengan differencing
dengan urutan terendah (urutan pertama, d = 1) dan uji data untuk
masalah akar unit.
2. Test for stationarity: Augmented Dickey-Fuller (ADF) Test
Hipotesis nol (H0) dalam pengujian adalah bahwa data deret waktu
tidak stasioner sementara hipotesis alternatif (Ha) adalah bahwa
rangkaian tersebut bersifat stasioner. Hipotesis kemudian diuji dengan
melakukan differencing data yang sesuai dengan urutan dth dan
menerapkan uji ADF terhadap data deret waktu yang berbeda.
Perbedaan urutan pertama (d = 1) berarti akan menghasilkan tabel data
berbeda antara data saat ini dan data sebelumnya (Xt = Xt - Xt-1). Tes ini
memungkinkan kita melangkah lebih jauh dalam langkah-langkah untuk
pengembangan model ARIMA yaitu untuk menemukan nilai p yang
sesuai pada AR dan q pada MA. Untuk itu, kita perlu memeriksa
autokorelasi dan autokorelasi parsial dari rangkaian waktu stasioner
(urutan pertama differensiasi).
3. Menentukan model
Setelah mengidentifikasi struktur ARIMA (p, d, q) (P, D, Q) yang
sesuai, langkah selanjutnya untuk estimasi parameter dan pengujian
dilakukan. Estimasi tahap terdiri dari penggunaan data untuk
memperkirakan dan membuat kesimpulan tentang parameter model
yang diidentifikasi sementara. Parameter yang diperkirakan sebagai
ukuran keseluruhan residu diminimalkan. Tahap terakhir dari
pembuatan model adalah pengujian atau pengecekan diagnostik
terhadap model kecukupan. Tahap ini menentukan apakah residu
bersifat independen, homokedastisitas, dan terdistribusi normal.
Setelah mengidentifikasi model tentatif, prosesnya lagi dilanjutkan
dengan tahap estimasi parameter dan verifikasi model. Informasi
diagnostik dapat membantu menyarankan model alternatif. Sekarang,
seri ini bersifat stasioner dan beberapa model dipilih berdasarkan
kemampuan prediksi reliabilitasnya. BIC, R-RMSE, R-Square dan
39
persentase Mean Absolute digunakan. Kami menggunakan nilai BIC,
RMSE, MAPE dan nilai R-square yang lebih rendah. Menurut
Widarjono (2016, 275), dalam mengidentifikasikan model ARIMA,
peneliti dapat melihat pola ACF dan PACF melalui correlogram.
Secara grafis, pemilihan model ARIMA dapat dilihat pada tabel 2.1
Tabel 2.1 Pola ACF dan PACF ARIMA
Model Pola ACF Pola PACF
AR (p)
Menurun secara eksponensial
Menurun drastis pada lag
tertentu
MA (q)
Menurun drastis pada lag
tertentu
Menurun secara eksponensial
ARMA (p,q) Menurun secara eksponensial Menurun secara eksponensial
Sumber: Widarjono, 2017
4. Peramalan
Langkah terakhir adalah menggunakan metode yang terbaik untuk
peramalan. Apabila model memadai, maka model tersebut dapat
digunakan untuk melakukan peramalan. Sebaliknya, apabila model
belum memadai, maka harus memilih model yang lain. Untuk
mengevaluasi kesalahan peramalan dapat menggunakan nilai Root
Mean Squares Error (RMSE), Mean Absolute Error (MAE),Mean
Absolute Percentage Error (MAPE), Theil Inequality Coefficient (TIC),
Bias Proportion (BP), Variance Proportion (VP) dan Covariance
Proportion (CP). Semakin kecil nilai-nilai tersebut maka semakin baik
hasil peramalan dan semakin covariance proportion mendekati 1 maka
peramalannya akan semakin akurat (Juandaet al, 2012).
PT. XYZ
Data Permintaan Inbound dan Outbound
Logistics tode
Perhitungan Holding Capacity Gudang
P
40 2.5. Kerangka Berpikir
Data Kapasitas Ruang Penumpukan
In-transit time
eramalan me ARIMA
Perhitungan SOR
Kriteria SOR
Gap Capacity
Hasil dan Kesimpulan