bab 2 landasan teori 2.1 ramalan penjualan 2.1.1 ... · 2.1 ramalan penjualan 2.1.1 pengertian...
TRANSCRIPT
4 Universitas Kristen Petra
BAB 2
LANDASAN TEORI
2.1 Ramalan Penjualan
2.1.1 Pengertian Ramalan Penjualan
Sebelum membahas mengenai pengertian ramalan penjualan, sebaiknya
terlebih dahulu mengetahui apa yang dimaksud dengan ramalan. Ramalan
(forecast) adalah sesuatu yang kita perkirakan akan terjadi pada masa yang
akan datang, atau dapat dikatakan pula bahwa ramalan adalah proyeksi
pengalaman masa lalu ke dalam masa depan.
Sedangkan pengertian dari penjualan adalah usaha menawarkan produk
berupa barang atau jasa atas dasar ciri – ciri kuantitatif dan kualitatif termasuk
harga, dari perkembangan pasaran, pada suatu jangka waktu tertentu. Maka
ramalan penjualan dapat diartikan : “Proyeksi teknis tentang permintaan
pelanggan potensial di waktu yang akan datang dengan menggunakan aumsi –
asumsi tertentu” (Supriyanto, 1995 : 66).
.
2.1.2 Faktor – faktor yang mempengaruhi ramalan penjualan
Faktor – faktor yang mempengaruhi ramalan penjualan dibedakan
menjadi dua faktor, yaitu :
a. Faktor intern
Merupakan faktor – faktor yang mempengaruhi peramalan, yang berasal
dari dalam perusahaan sendiri. Pada umumnya faktor – faktor ini dapat
dikuasai atau diatur oleh perusahaan, seperti :
1. Kualitas barang yang dihasilkan.
2. Manfaat yang ditimbulkan barang oleh barang tersebut.
3. Biaya – biaya distribusi.
Universitas Kristen Petra
5
b. Faktor ekstern
Merupakan faktor – faktor yang mempengaruhi peramalan, yang berasal
dari pihak luar perusahaan. Umumnya faktor – faktor tersebut sukar untuk
dikuasai atau diatur oleh perusahaan, seperti :
1. Kecakapan manajemen pesaing.
2. Peraturan – peraturan dan hukum yang berlaku.
3. Keadaan perekonomian.
4. Tingkat persaingan atau posisi permintaan dari barang – barang yang
dihasilkan.
5. Jumlah perusahaan yang keluar masuk ke dalam dunia industri.
2.1.3 Kegunaan Ramalan Penjualan
Ramalan penjualan sangat penting bagi perusahaan. Hasil dari ramalan
penjualan membantu manajemen dalam membuat perencanaan. Manfaat
utama dari perencanaan menurut Kotler (1992 : 390) adalah :
a. Mendorong pola berpikir ke depan yang sistematis bagi seluruh
manajemen.
b. Mengarah pada koordinasi seluruh kegiatan perusahaan yang lebih baik.
c. Mendorong peningkatan standar prestasi untuk kepentingan pengendalian.
d. Melatih para eksekutif dalam mempertajam formulasi tujuan dan
kebijaksanaan perusahaan.
e. Membuat perusahaan lebih siap dalam menghadapi perkembangan yang
tiba – tiba muncul.
f. Membuat para eksekutif memiliki rasa dan sikap yang lebih dinamis
dalam mengemban tanggung jawab yang saling berkaitan.
2.1.4 Jenis – jenis Ramalan
Pada umumnya ramalan dapat dibedakan dari beberapa segi tergantung
dari cara melihatnya.
1. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat
dibedakan atas dua macam, yaitu :
Universitas Kristen Petra
6
a. Peramalan subyektif
Merupakan peramalan yang didasarkan atas perasaan atas intuisi dari
orang yang menyusunnya. Dalam hal ini pandangan atau judgement
dari orang yang menyusunnya sangat menentukan baik tidaknya hasil
peramalan tersebut. Peramalan tersebut dapat diperoleh dari pendapat
para ahli, salesman, pendapat sales manajer, survey konsumen dan
sebagainya.
b. Peramalan obyektif
Merupakan peramalan yang didasarkan atas data yang relevan pada
masa lalu, dengan menggunakan teknik – teknik dan metode – metode
dalam penganalisaan data tersebut.
2. Jika dilihat dari jangka waktu peramalan yang disusun, maka peramalan
dapat dibedakan atas dua macam pula, yaitu :
a. Peramalan jangka panjang
Merupakan peramalan yang dilakukan lebih dari satu setengah tahun
atau tiga semester. Peramalan seperti ini misalnya diperlukan dalam
penyusunan rencana pembangunan suatu negara atau daerah,
corporate planning, rencana investasi atau rencana ekspansi dari suatu
perusahaan.
b. Peramalan jangka pendek
Merupakan peramalan yang dilakukan untuk penyusunan hasil
peramalan dengan jangka waktu yang kurang dari satu setengah tahun
atau tiga semester. Peramalan seperti ini diperlukan dalam penyusunan
rencana tahunan, rencana kerja operasional, dan anggaran, contohnya
penyusunan rencana produksi, rencana penjualan, rencana pengadaan,
rencana persediaan, anggaran produksi, anggaran pemasaran, dan
anggaran perusahaan.
Universitas Kristen Petra
7
3. Berdasarkan sifat perkiraan yang telah disusun, maka peramalan dapat
dibedakan atas dua macam, yaitu :
a. Peramalan kualitatif
Merupakan peramalan yang didasarkan atas data kualitatif pada masa
lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan tersebut
ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau
pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
Biasanya peramalan secara kualitatif ini didasarkan atas hasil
penyelidikan, seperti Delphi, S- curve, analogies dan penelitian bentuk
atau morphological research, atau didasarkan atas ciri – ciri normatif
seperti decision matrice atau decisions tree.
b. Peramalan kuntitatif
Merupakan peramalan yang didasarkan atas data kuantitatif pada masa
yang lalu. Hasil peramalan yang dibuat sangat tergantung pada metode
yang dipergunakan dalam peramalan tersebut.
2.1.5 Metode Peramalan
Peramalan kuantitatif dapat dibedakan atas :
1. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel waktu,
yang merupakan deret waktu atau time series. Metode ini terdiri atas :
a. Metode smoothing, yang mencakup metode rata – rata kumulatif,
metode rata – rata bergerak (moving average) dan metode exponential
smoothing. Metode ini digunakan untuk mengurangi ketidakaturan
musiman dari data yang lalu atau kedua – duanya, dengan membuat
rata – rata tertimbang dari sederetan data yang lalu. Ketepatan dari
peramalan dengan metode ini digunakan untuk perencanaan dan
pengendalian produksi dan persediaan, perencanaan keuntungan dan
perencanaan keuangan lainnya.
Universitas Kristen Petra
8
Metode exponential smoothing, dasar dari exponential smoothing ini
adalah rata – rata peramalan permintaan yang akan datang dapat
dihitung dari rata – rata permintaan masa lalu dan permintaan saat ini.
Persamaan yang digunakan untuk peramalan ini adalah :
At+1 = α Dt + ( 1 - α ) Ατ (2.1)
Dimana: At+1 = Nilai peramalan untuk periode t + 1
α = Bobot data lalu ( 0 < α < 1 )
Dt = Nilai data pada periode t
At = Nilai peramalan pada periode t
Double exponential smoothing digunakan untuk meramalkan data
yang mempunyai kecenderungan linear (Hanke, 1998 : 156).
Persamaannya :
At+1 = α Dt + ( 1 - α ) Ατ−1 (2.2)
Dimana: At+1 = Nilai peramalan untuk periode t + 1
α = Bobot data lalu ( 0 < α < 1 )
Dt = Nilai data pada periode t
At-1 = Nilai peramalan pada periode t-1
Contoh :
Tabel 2.1. Teknik peramalan dengan metode exponential smoothing
Tahun Periode Nilai
Observasi
Prakiraan
α = 0,1
[D – A] (D – A)2
1979 1 590 645 55 3025
1980 2 600 640 40 1600
1981 3 685 636 49 2401
1982 4 720 641 79 6241
1983 5 630 649 19 361
TOTAL 13628
Universitas Kristen Petra
9
Tabel 2.2. Teknik peramalan dengan metode exponential smoothing
Tahun Periode Nilai
Observasi
Prakiraan
α = 0,1
[D – A] (D – A)2
1979 1 590 645 55 3025
1980 2 600 630 30 900
1981 3 685 620 65 4225
1982 4 720 640 80 6400
1983 5 630 664 34 1156
TOTAL 16862
Perhitungan :
- Periode 1 : 590 + 600 + 685 + 720 + 630 = 645
5
- Periode 2 : At+1 = α Dt + ( 1 - α ) Ατ
A2 = α D1+ ( 1 - α ) A1
= 0,1 ( 590 ) + 0,9 ( 645 )
= 640
dengan α = 0,3 hasil peramalan periode ke 2 adalah :
A2 = α D1 + ( 1 - α ) A1
= 0,3 ( 590 ) + 0,7 ( 645 )
= 630
Untuk memilih nilai α, dengan membandingkan kedua The Root
Mean Square Error ( RMSE ) dan memilih nilai RMSE yang terkecil.
RMSE = Σ ( Y – Y’ )2 (2.3)
n
dimana : Y = data riil
Y’ = data prakiraan
n = banyaknya data prakiraan
Universitas Kristen Petra
10
Dari data diatas, dicari nilai Mean Square Error masing – masing α :
Untuk α = 0.1 : RMSE = 13628 = 52,21
5
Untuk α = 0,3 : RMSE = 16826 = 58,01
5
Dengan demikian maka nilai α = 0,1 yang dipilih, karena mempunyai
nilai terkecil dan untuk peramalan penjualan pada tahun 1984 adalah
sebagai berikut :
A6 = α D5 + ( 1 - α ) Α5
= 0,1 ( 630 ) + 0,9 ( 649 )
= 647
b. Metode Box Jenkins
Metode ini sangat baik ketepatannya untuk peramalan jangka pendek,
sedangkan untuk peramalan jangka panjang ketepatannya kurang baik.
Metode Box Jenkins merupakan peramalan jangka pendek yang sangat
tepat dengan menggabungkan metode autoregressive dan metode
moving average (Hanke 1998 : 453). Metode Box Jenkins
dipergunakan untuk peramalan dalam perencanaan dan pengendalian
produksi, dan persediaan serta perencanaan anggaran.
Metode ini terdiri atas 3 model yaitu :
1. Autoregressive model
Metode ini memprediksi nilai yang akan datang dengan
menggunakan data masa lalu guna mendapatkan korelasi
berdasarkan data yang ada.
Rumus :
xt = φ1xt-1+ et (2.4)
Universitas Kristen Petra
11
Dimana : xt = penjualan ke-t
φ = koefisien
xt-1 = penjualan ke t-1
et = simpangan pada tahun ke-t
2. Moving – average model
Metode ini digunakan untuk menemukan kesalahan dalam
melakukan peramalan (forecast error).
Rumus :
xt = µ - θ1et-1 - θ2et-2 - ….. - θnet-n + et (2.5)
3. Mixed autoregressive – average model
Menggunakan gabungan kedua metode diatas.
Rumus :
xt = φ1xt-1 - θτet-1 (2.6)
c. Metode proyeksi trend dengan regressi
Untuk peramalan jangka pendek maupun peramalan jangka panjang,
ketepatan peramalan dengan metode ini sangat baik. Metode ini selalu
dipergunakan untuk peramalan bagi penyusunan perencanaan produk
baru, rencana ekspansi, rencana investasi.
2. Metode peramalan yang didasarkan atas penggunaan analisa pola
hubungan antara variabel yang akan diperkirakan dengan variabel lain
yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi
atau sebab akibat (causal methods). Metode ini terdiri atas :
a. Metode ekonometri, baik untuk peramalan jangka pendek maupun
untuk jangka panjang, ketepatan peramalan dengan metode ini adalah
baik. Metode ini selalu digunakan untuk peramalan keadaan ekonomi
masyarakat seperti permintaan, harga, dan penawaran.
Universitas Kristen Petra
12
b. Model input output, digunakan untuk menyusun proyeksi tren
ekonomi jangka panjang. Model ini kurang baik ketepatannya untuk
peramalan jangka pendek, dan sangat baik ketepatannya untuk
peramalan jangka panjang. Model ini banyak digunakan dalam
peramalan penjualan sektor industri dan sub sektor industri.
c. Metode regresi linear
Bentuk umum dari peramalan dengan menggunakan trend linear
adalah :
Y = a + bX (2.7)
Dimana Y adalah variabel yang diramalkan, X adalah variabel waktu,
serta a dan b adalah parameter atau koefisien regresi.
Garis lurus yang dicari adalah garis lurus yang mendekati titik – titik
dari data historis. Untuk mencari garis lurus tersebut, kita perlu
mencari besaran a dan b, besaran tersebut merupakan nilai konstan
yang tidak berubah – ubah di dalam penganalisaan yang dilakukan.
Artinya, bila diperoleh nilai atau besaran a dan b, maka untuk setiap
nilai X atau variabel waktu akan dapat diperoleh besaran Y atau
variabel yang dicari untuk nilai X tersebut.
Nilai – nilai a dan b dapat diperoleh dari persamaan berikut :
a = ΣY (2.8)
n
b = ΣXY = _ΣXY - ΣXΣY/n (2.9)
n ΣX2 – (ΣY)2/n
Sebagai ilustrasi, diambil contoh dari perkembangan jumlah penjualan
suatu produk setiap tahun 1979 s/d 1983, seperti terlihat pada
tabel 2.3.
Universitas Kristen Petra
13
Tabel 2.3. Tabel Penjualan Produk A
Tahun Jumlah Penjualan Produk A (unit)
1979 590
1980 600
1981 685
1982 720
1983 630
Tabel 2.4. Teknik peramalan dengan metode regresi linear
Tahun Penjualan X X2 XY
1979 590 -2 4 -1180
1980 600 -1 1 -600
1981 685 0 0 0
1982 720 +1 1 720
1983 630 +2 4 1260
JUMLAH 3225 10 200
Dari data penjualan, akan diketahui prakiraan penjualan untuk tahun
1984, dengan menggunakan metode regresi linear. Adapun
perhitungannya dapat dilihat pada tabel 2.4
Untuk mencari nilai X adalah dilihat dari jumlah tahun yang
bersangkutan. Apabila jumlah tahun adalah ganjil, maka tahun dasar
diberi nilai 0, sedangkan apabila jumlah tahun adalah genap, maka
tahun dasar diberi nilai positif dengan tambahan 2, sebelum tahun
dasar diberi nilai negatif dengan pengurangan 2. Untuk lebih
jelasnya, dapat dilihat contoh dibawah ini :
Universitas Kristen Petra
14
a. Jumlah tahun ganjil (n = 7)
Tahun Nilai Tahun (X)
1980 -3
1981 -2
1982 -1
1983 0 (tahun dasar)
1984 1
1985 2
1986 3
b. Jumlah tahun genap (n = 6)
Tahun Nilai Tahun (X) Nilai Tahun (X)
1980 -2.5 -5
1981 -1.5 -3
1982 -0.5 -1
……. 0 0 (tahun dasar)
1983 0.5 1
1984 1.5 3
1985 2.5 5
Dari data di tabel 2.4 dapat dicari parameter a dan b
a = ΣY b = ΣXY
n ΣX2
= 3225 = 645 = 200 = 20
5 10
Maka persamaan trend yang didapat adalah :
Y = a + bX
Y = 645 + 20X
Dari persamaan trend tersebut, akan didapat nilai trend pada setiap
tahun yaitu :
Universitas Kristen Petra
15
1979 : Y’ = 645 + 20 (-2) = 605
1980 : Y’ = 645 + 20 (-1) = 625
1981 : Y’ = 645 + 20 (0) = 645
1982 : Y’ = 645 + 20 (1) = 665
1983 : Y’ = 645 + 20 (2) = 685
Dengan persamaan trend tersebut pula, akan digunakan untuk
mengestimasi prakiraan penjualan pada tahun 1984, yaitu sebesar :
Y ( 1984 ) = 645 + 20X, dimana X = + 3
Y ( 1984 ) = 645 + 20 (3)
Y ( 1984 ) = 705
d. Metode trend kuadratik
Metode ini digunakan bila titik – titik yang berserakan (scatter)
diagram dari data masa lalu yang tersedia cenderung berbentuk
parabola. Fungsi Persamaan dari metode ini adalah :
Y = a + bX + cX2 (2.10)
Nilai parameter a, b, c diperoleh dengan :
a = ΣY – ΣX2 (2.11)
n
b = ΣXY (2.12)
ΣX2
c = { n ΣX2Y – (ΣX2) (ΣY) } (2.13)
{ n ΣX4 – (ΣX2)2 }
Untuk ΣX = 0
Sebagai contoh penerapan metode ini, soal awal masih digunakan
untuk perhitungan mencari prakiraan penjualan tahun 1984.
Universitas Kristen Petra
16
Tabel 2.5. Teknik prakiraan dengan metode trend kuadratik
Tahun Y X X2 XY X2Y X4
1979 590 -2 4 -1180 2360 16
1980 600 -1 1 -600 600 1
1981 685 0 0 0 0 0
1982 720 +1 1 720 720 1
1983 630 +2 4 1260 2520 16
JUMLAH 3225 0 10 200 6200 34
Data penjualan 1979 sampai 1983 dan penyelesaian dari data tersebut
dapat dilihat pada tabel 2.5.
b = ΣXY = 200 = 20
ΣX 10
c = { n ΣX2Y – (ΣX2) (ΣY) }
{ n ΣX4 – (ΣX2)2 }
= { 5 (6200) – (10) (3225) } = - 1250 = 17,86
{ 5 (34) – (10)2 } 70
a = ΣY – c ΣX2 = 3225 – (17,86) (10) = 3046,4 = 609,28
n 5 5
Maka persamaan trend kuadratik yang terjadi adalah :
Y = a + bX + cX2
Y= 609,28 + 20 X + 17,86 X2
Nilai trend yang diperoleh setiap tahun adalah sebagai berikut :
1979 : 609,28 + 20 (-2) + 17,86 (-2)2 = 641
1980 : 609,28 + 20 (-1) + 17,86 (-1)2 = 607
1981 : 609,28 + 20 (0) + 17,86 (0)2 = 609
1982 : 609,28 + 20 (1) + 17,86 (1)2 = 647
Universitas Kristen Petra
17
1983 : 609,28 + 20 (2) + 17,86 (2)2 = 721
Dengan mengetahui persamaan trend kuadratik diatas, dapat
mengestimasi prakiraan penjualan tahun 1984 yaitu :
Untuk tahun 1984 : X = 3
Y = 609,28 + 20 X + 17,86 X2
Y = 609,28 + 60 + 160,74
Y = 830
Dari perhitungan ketiga metode tersebut diatas, terlihat ada sedikit
perbedaan dalam meramalkan penjualan tahun 1984. Digunakannya
ketiga metode peramalan tersebut karena metode – metode itu cocok
untuk meramalkan penjualan dalam jangka pendek. Untuk melihat
perbedaan nilai prakiraan antara ketiganya dapat dilihat pada tabel 2.6.
Tabel 2.6. Tabel perbedaan nilai peramalan pada tiga metode
Metode 1984
Exponential smoothing 647
Regresi linear 705
Trend kuadratik 830
e. Metode trend simple exponential
Metode yang digunakan bila data yang tersedia cenderung naik turun,
tetapi secara keseluruhan cenderung naik. Metode ini menggunakan
analisa logaritma dalam perhitungannya.
Fungsi persamaan dalam metode ini adalah :
Y’ = abX (2.14)
Persamaan diatas dapat diubah dalam fungsi logaritma:
Log Y’ = log a + (log b) X (2.15)
Universitas Kristen Petra
18
Jika ΣX = 0, maka koefisien a dan b dapat dicari dengan :
Log a = (Σ log Y) : n (2.16)
Log b = ( ΣX (log Y) ) : ΣX2 (2.17)
Log Y’ = log a + log b X (2.18)
Sedangkan hasil prakiraan dilakukan dengan mencari arti logaritma
dari hasil prakiraan dengan fungsi logaritma tersebut.
2.1.6 Kesalahan Peramalan
Pada pemakaian metode peramalan penjualan perlu diperhitungkan
forecasting errors. Perkiraan kesalahan ini mempunyai beberapa manfaat,
yaitu :
1. Untuk mendapatkan persediaan yang aman atau kapasitas yang aman,
sehingga menjamin tidak terjadi stockout (tidak ada persediaan).
2. Untuk memantau pengamatan permintaan yang tidak menentu atau
bernilai ekstrim, sehingga dapat dikendalikan dengan baik dan
dikeluarkan dari data apabila diperlukan.
3. Untuk menentukan apakah metode peramalan tidak dipakai lagi dan
memerlukan perbaikan.
Dalam teknik peramalan, pengukuran kesalahan peramalan yang biasa dipakai
adalah :
1. Deviasi absolut rata – rata (Mean Absolute Deviation / MAD).
Yakni rata – rata selisih absolut antara nilai peramalan dengan senyatanya.
MAD ini secara matematis didefinisikan sebagai berikut :
MAD = ΣY – Y’ (2.19)
n
Dimana :
Y = data riil
Y’ = data forecast
n = banyaknya waktu data forecast
= harga mutlak
Universitas Kristen Petra
19
2. The Root Mean Square Error (RMSE).
Dihitung dengan jalan menjumlahkan kuadrat kesalahan antara nilai riil
dan nilai peramalan, kemudian membagi jumlah tersebut dengan
banyaknya waktu data peramalan dan kemudian menarik akarnya,
dirumuskan sebagai berikut :
RMSE = Σ (Y – Y’)2 (2.20)
n
Dimana :
Y = data riil
Y’ = data prakiraan
n = banyaknya waktu data prakiraan
Sebagai ilustrasi, akan digunakan data dari masing – masing metode
yang telah didapat diatas untuk menghitung perkiraan kesalahan
peramalan.
1. Metode exponential smoothing
Tabel 2.7. Pengukuran kesalahan metode exponential smoothing
Tahun Y Y’ lY – Y’l (Y-Y’) 2 1979 590 645 55 3025 1980 600 640 30 900 1981 685 636 65 4225 1982 720 641 80 6400 1983 630 649 34 1156
JUMLAH 242 1368
MAD = Σ lY – Y’l = 242 = 48,4
n 5
RMSE = Σ (Y – Y’)2 = 13628 = 52,21
n 5
Universitas Kristen Petra
20
2. Metode regresi linear
Tabel 2.8. Pengukuran kesalahan dengan metode regresi linear
Tahun Y Y’ lY – Y’l (Y-Y’) 2 1979 590 605 15 225 1980 600 625 25 625 1981 685 645 40 1600 1982 720 65 55 3025 1983 630 685 55 3025
JUMLAH 190 8500
MAD = Σ lY – Y’l = 190 = 38
n 5
RMSE = Σ (Y – Y’)2 = 8500 = 41,23
n 5
3. Metode trend kuadratik
Tabel 2.9. Pengukuran kesalahan dengan metode trend kuadratik
Tahun Y Y’ lY – Y’l (Y-Y’) 2 1979 590 641 51 2601 1980 600 607 7 49 1981 685 609 76 5776 1982 720 647 73 5329 1983 630 721 91 8281
JUMLAH 298 22036
MAD = Σ lY – Y’ l = 298 = 59,6
n 5
RMSE = Σ (Y – Y’)2 = 22036 = 66,39
n 5
Universitas Kristen Petra
21
Tabel 2.10. Tabel perbedaan penyimpangan dengan 3 metode
Metode MAD RMSE
Exponential smoothing 48.4 52.21
Regresi linear 38 41.23
Trend kuadratik 59.6 66.39
Dari ketiga metode yang digunakan tersebut, dipilih metode yang
mempunyai penyimpangan antara data peramalan dan data riil terkecil
yaitu metode regresi linear.
2.2 Persediaan
2.2.1 Pengertian persediaan
Setiap perusahaan akan selalu mengadakan persediaan. Besarnya jumlah
persediaan tergantung pada jenis atau besar kecilnya perusahaan. Dalam
penentuan besarnya persediaan tersebut merupakan masalah yang penting bagi
perusahaan, karena berhubungan langsung dengan keuntungan perusahaan.
Bila persediaan yang ada terlalu kecil, hal ini akan mengurangi keuntungan
perusahaan karena permintaan konsumen yang tidak terpenuhi atau persediaan
yang terlalu besar akan mengurangi keuntungan perusahaan juga, karena ada
biaya penyimpanan atas persediaan yang lebih besar. Itu sebabnya persediaan
menjadi unsur yang penting bagi sebuah perusahaan.
Adapun beberapa pengertian tentang persaediaan :
Menurut Roger G. Schroeder (1994 : 5) :
“Persediaan (inventory) adalah stock bahan yang digunakan untuk
memudahkan produksi atau untuk memuaskan permintaan pelanggan”.
Menurut Handoko (1992 : 333) :
“Persediaan barang jadi adalah persediaan barang yang selesai diproses atau
diolah dalam pabrik dan siap dijual kepada langganan atau perusahaan lain”.
Universitas Kristen Petra
22
2.2.2 Jenis – jenis persediaan
Menurut Barry Render (2001 : 314), persediaan barang dibedakan menjadi
empat jenis, yaitu:
a. Persediaan bahan mentah.
b. Persediaan barang dalam proses (Work-in-process-WIP).
c. Persediaan MRO (perlengkapan pemeliharaan/perbaikan/operasi).
d. Persediaan barang jadi.
2.3 Produksi
2.3.1 Pengertian perencanaan produksi
Pengertian perencanan produksi adalah sebagai berikut :
Menurut Sofjan Assauri (1993 : 167):
“Perencanaan produksi (production planning) adalah perencanaan dan
pengorganisasian sebelumnya mengenai orang – orang, bahan – bahan,
mesin – mesin, dan peralatan lain serta modal yang diperlukan untuk
memprodusir barang – barang pada suatu periode tertentu dimasa depan
sesuai dengan yang diperkirakan atau diramalkan”.
Menurut Vincent Gasperz (1998 : 224):
“Merupakan jangka menengah, yang dilakukan terhadap kelompok produk,
yang menetapkan tingkat produksi, melakukan pengelolaan persediaan, serta
melakukan perencanaan kebutuhan sumber-sumber daya”.
Perencanaan produksi dipakai oleh manajer sebagai dasar penentu dalam
mencapai tujuan perusahaan dan sebagai penentu batas – batas dari kegiatan
perusahaan dimasa yang akan datang. Dengan berdasar rencana produksi ini
dapat ditentukan berapa banyak tingkat persediaan yang diperlukan.
2.3.2 Tujuan perencanaan produksi
Perencanan produksi mempunyai beberapa tujuan. Menurut Vincent
Gasperz (1998 : 227) adalah sebagai berikut :
a. Memaksimumkan tingkat pelayanan pelanggan (customer service level),
di mana sasaran untuk tingkat pelayanan harus ditetapkan dan performansi
diukur untuk menjamin bahwa pelayanan telah diberikan secara tepat.
Universitas Kristen Petra
23
Beberapa elemen yang penting dalam hal ini adalah: kualitas produk,
ketersediaan produk apabila diinginkan atau dijanjikan, harga yang
kompetitif, dan tingkat pengisian stok produk akhir.
b. Meminimumkan investasi inventori (inventory investment), di mana
pengendalian yang baik akan mencapai aliran produksi yang mulus
dengan inventori yang minimum dalam pabrik dan waktu tunggu yang
pendek.
c. Efisiensi operasi (operating efficiencies), di mana ongkos-ongkos
manufakturing harus diminimumkan guna memperoleh harga kompetitif.
Dari uraian diatas dapat disimpulkan bahwa tujuan dari perencanaan
produksi adalah supaya perusahaan dapat memproduksi barang dalam jangka
waktu tertentu untuk memenuhi persediaan barang sesuai kebutuhan sehingga
profit perusahaan dapat dimaksimalkan.
2.3.3 Penyusunan rencana produksi
Dalam membuat rencana produksi harus diperhatikan besarnya
persediaan awal dan persediaan akhir dari barang jadi yang siap dijual.
Rencana produksi dapat disusun secara garis besar dengan rumus umum :
Tingkat penjualan
Persediaan akhir +
Kebutuhan total
Persediaan awal –
Tingkat produksi (2.21)
Contoh :
Perusahaan mengharapkan penjualan selama satu periode sebesar 200 unit
barang X. Pada awal periode tersedia barang X sebesar 50 unit. Persediaan
akhir diperkirakan sebesar 20 unit.
Jadi perusahaan harus memproduksi barang sebanyak 170 unit dengan
perhitungan :
Universitas Kristen Petra
24
Tingkat penjualan 200
Persediaan akhir 20 +
Kebutuhan total 220
Persediaan awal 50 -
Tingkat produksi 170
Ada tiga cara dalam menyusun rencana produksi, yaitu :
1. Mengutamakan stabilitas produksi.
Penyusunan rencana produksi yang mengutamakan stabilitas
produksi terlebih dahulu harus ditentukan terlebih dahulu kebutuhan
selama satu tahun kemudian diperkirakan kebutuhan setiap
bulannya. Untuk tingkat persediaan harus disesuaikan dengan
kebutuhan agar produksi tetap stabil. Contoh permasalahan :
Tabel 2.11. Perusahaan Manufaktur Baker
Bulan Rencana Penjualan Bulan Rencana Penjualan
Januari 1500 Juli 700
Februari 1600 Agustus 600
Maret 1600 September 900
April 1400 Oktober 1100
Mei 1200 November 1200
Juni 1000 Desember 1400
Sumber : Welsch, Hilton, Gordon, 2000 : 184.
Perusahaan Manufaktur Baker menetapkan tingkat persediaan
sebagai berikut :
- persediaan awal sebesar 2000 unit
- persediaan akhir sebesar 1500 unit
Universitas Kristen Petra
25
Jumlah produk yang harus diproduksi adalah :
Tingkat penjualan 1 tahun 14200
Persediaan akhir 1500 +
Kebutuhan 1 tahun 15700
Persediaan awal 2000 -
Tingkat produksi 13700
Kemudian tingkat produksi per tahun dibagi dengan 12 untuk
menghitung produksi tiap bulannya seperti pada perhitungan
berikut:
Produksi 1 tahun = 13700
Produksi per bulan = 13700 / 12
= 1141,67 unit
Hasil produksi per bulan diatas dibulatkan terlebih dahulu ke angka
yang mudah untuk dilaksanakan yaitu mendekati 1100 dan
kelebihan hasil pembagiannya dialokasikan pada bulan dimana
tingkat penjualannya tinggi. Apabila produksi perbulan sebesar 1100
unit maka kekurangannya sebesar :
13700 – (12 * 1100) = 500 unit
Kekurangan 500 unit dialokasikan pada bulan – bulan dimana
tingkat penjualannya tinggi yaitu Januari, Februari, Maret, April,
dan Desember. Tambahan pada masing – masing bulan tersebut
sebesar :
500 / 5 * 1 unit = 100 unit
Perhitungan ini akan lebih jelas pada tabel 2.12.
Universitas Kristen Petra
26
Tabel 2.12
Kebijakan Tingkat Produksi yang Stabil
Tahun Jan. Feb. Mar Apr. Mei Jun. Jul Agt. Sept Okt Nov Des
Penj. 1420 1500 1600 1600 1400 1200 1000 700 600 900 1100 1200 1400
P. Akhir 1500 1700 1300 900 700 600 700 1100 1600 1800 1800 1700 1500
Total 15700 3200 2900 2500 2100 1800 1700 1800 2200 2700 2900 2900 2900
P. Awal 2000 2000 1700 1300 900 700 600 700 1600 1600 1800 1800 1700
Produksi 13700 1200 1200 1200 1200 1100 1100 1100 1100 1100 1100 1700 1200
Sumber: Welsch at al, 2000 :185
2. Mengutamakan pengendalian tingkat persediaan.
Sebelum menyusun anggaran produksi ini terlebih dahulu ditentukan
perkiraan besarnya tingkat persediaan awal dan tingkat persediaan
akhir setiap tahunnya supaya dapat diketahui besarnya persediaan
yang diperlukan dari tiap – tiap bulan. Persediaan tiap – tiap bulan
dapat dihitung dengan selisih antara persediaan awal dengan
persediaan akhir tahunan dibagi 12 atau dibagi dengan suatu
bilangan bulat supaya memudahkan perhitungan. Contoh
perhitungannya sebagai berikut :
Persediaan awal = 2000 unit
Persediaan akhir = 1500 unit -
Selisih = 500 unit
Supaya hasil baginya bulat dan pelaksanaannya menjadi mudah
maka 500 unit dibagi dengan 5 sehingga :
500 / 5 * 1 unit = 100 unit
Kemudian dialokasikan dari bulan Januari sampai bulan Mei seperti
pada tabel 2.13.
Universitas Kristen Petra
27
Tabel 2.13
Kebijakan Tingkat Persediaan yang Stabil
Tahun Jan. Feb. Mar Apr. Mei Jun. Jul Agt. Sept Okt Nov Des
Penj. 14200 1500 1600 1600 1400 1200 1000 700 600 900 1100 1200 1400
P. Akhir 1500 1900 1800 1700 1600 1500 1500 1500 1500 1500 1500 1500 1500
Total 15700 3400 3400 3300 3000 2700 2500 2200 2100 2400 2600 2700 2900
P. Awal 2000 2000 1900 1800 1700 1600 1500 1500 1500 1500 1500 1500 1500
Produksi 13700 1400 1500 1500 1300 1100 1000 700 600 900 1100 1200 1400
Sumber: Welsch at al, 2000 :185
3. Tidak mengutamakan keduanya baik persediaan maupun
produksi (fleksibel).
Dengan cara ini, baik persediaan maupun tingkat produksi sama –
sama berfluktuasi pada batas – batas tertentu. Berubah – ubahnya
tingkat produksi dan persediaan diusahakan agar tetap terjadi
keseimbangan yang optimum antara tingkat penjualan, persediaan,
dan produksinya. Kebijakan yang dapat diambil pihak manajemen
misalnya:
a. Tidak mengijinkan produksi berubah – ubah lebih dari 15%
diatas atau dibawah rata – rata tahunan.
b. Persediaan maksimum 1600 unit dan persediaan minimum 1400
unit.
c. Merencanakan kekosongan selama bulan Juli, Agustus, dan
September.
Kebijakan ini dapat lebih jelas dengan melihat tabel 2.14.
Universitas Kristen Petra
28
Tabel 2.14. Kebijakan Tingkat Persediaan dan Produksi yang Fleksibel
Tahun Jan. Feb. Mar Apr. Mei Jun. Jul Agt. Sept Okt Nov Des
Penj. 14200 1500 1600 1600 1400 1200 1000 700 600 900 1100 1200 1400
P. Akhir 1500 1700 1300 1100 1100 1300 1500 1500 1600 1600 1700 1700 1500
Total 15700 3200 2900 2700 2500 2500 2500 2200 2200 2500 2800 2900 2900
P. Awal 2000 2000 1700 1300 1100 1100 1300 1500 1500 1600 1600 1700 1700
Produksi 13700 1200 1200 1400 1400 1400 1200 700 700 900 1200 1200 1200
Sumber: Welsch at al, 2000 :185