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