2.2 Fungsi Manajemen Persediaan 2.2.1 Peramalan Forecasting
Peramalan merupakan bagian awal dari suatu pengambilan keputusan. Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti
ada peramalan yang melandasinya karena peramalan adalah perkiraan apa yang akan
terjadi di masa depan.
Dalam kegiatan produksi, peramalan dapat dilakukan terhadap permintaan, penawaran atau supply bahan, penjualan, tentang kondisi ekonomi serta terhadap perkembangan
teknologi. Pada bidang perencanaan dan pengendalian produksi, peramalan difokuskan pada peramalan permintaan. Tujuan peramalan pada kegiatan produksi adalah untuk
meminimalkan ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan sebenarnya.
Menurut Rosnani Ginting 2007:38 peramalan dapat dilakukan dengan berbagai metode, antara lain:
2.2.1.1 Peramalan Berdasarkan Sifat Penyusunnya 1. Metode peramalan subjektif
Peramalan subjektif didasarkan pada keputusan-keputusan hasil diskusi, pendapat pribadi dan intuisi yang dapat memberikan hasil yang baik dari orang yang menyusunnya.
2. Metode peramalan objektif Peramalan objektif merupakan peramalan yang didasarkan pada data masa lalu, dengan
menggunakan teknik dan metode dalam penganalisaannya.
2.2.1.2 Peramalan Berdasarkan Jangka Waktu Ramalan 1. Peramalan jangka pendek
Peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu kurang dari satu tahun. Misalnya dalam pengambilan keputusan ada tidaknya lembur dan
penjadwalan kerja.
2. Peramalan jangka menengah Peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu satu
sampai lima tahun ke depan. Misalnya penentuan aliran kas, perencanaan produksi dan penentuan anggaran.
3. Peramalan jangka panjang Peramalan yang dilakukan untuk penyusunan hasil ramalan dalam jangka waktu lebih
dari lima tahun. Peramalan ini digunakan untuk pengambilan keputusan mengenai perencanaan produk dan pasar, pengeluaran biaya perusahaan, studi kelayakan pabrik,
anggaran, dan lain-lain.
2.2.1.3 Peramalan Berdasarkan Sifat Ramalan
1. Peramalan kualitatif judgement methods Peramalan ini umumnya bersifat subjektif, tetapi juga melibatkan model-model statistik
sebagai bahan masukan judgement keputusan. Beberapa metode peramalan yang tergolong kualitatif:
a. Metode Delphi
Metode ini membutuhkan sebuah grup ahli yang ditanyai pendapatnya secara terpisah. Pendapat tersebut kemudian diringkas, pendapat yang berbeda secara signifikan akan
ditanya kembali sampai diperoleh angka estimasi pada interval tertentu.
b. Dugaan manajemen management estimate
Peramalan semata-mata berdasarkan pertimbangan manajemen senior berdasarkan pengalamannya. Teknik akan digunakan dalam keadaan tidak ada lagi alternatif lain.
Banyak kekurangan dalam metode ini, sehingga perlu dikombinasikan dengan metode lain.
c. Riset pasar market research
Metode ini mengumpulkan dan menganalisis fakta secara sistematis pada bidang pemasaran dengan menggunakan teknik survei konsumen. Survei konsumen diperoleh
dengan cara kuesioner dan informasi yang didapat mengenai selera yang diharapkan konsumen. Riset pasar digunakan dalam merencanakan produk baru, sistem periklanan
dan promosi yang tepat.
d. Kelompok terstuktur structured group methods
Sama seperti metode Delphi, dalam metode ini group tidak bertemu untuk berdiskusi, namun mereka diminta pendapat secara terpisah. Pendapat yang berbeda secara signifikan
akan dinyatakan lagi oleh yang bersangkutan, sehingga diperoleh angka perkiraan dalam interval tertentu.
e. Analogi historis historical analogy
Teknik peramalan berdasarkan pola data masa lalu dari produk-produk yang dapat disamakan secara analogi.
2. Metode peramalan kuantitatif statistical method Metode yang termasuk dalam metode peramalan kuantitatif adalah metode time series.
Metode ini digunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Metode ini mengasumsikan beberapa pola berulang sepanjang waktu. Dalam
analisis deret waktu dapat ditunjukkan bagaimana permintaan terhadap produk terhadap waktu, hal ini dapat digunakan juga untuk meramalkan penjualan di masa depan.
Ada 4 komponen yang mempengaruhi analisis ini Rosnani Ginting, 2007: 1. Pola siklis cycle
Pola berulang secara periodik atau siklus dapat terjadi pada penjualan produk karena dipengaruhi oleh pola pergerakan aktifitas ekonomi yang cenderung berperiodik. Pola ini
baik digunakan dalam peramalan jangka menengah.
2. Pola musiman seasonal Musim sangat mempengaruhi pola ini, misalnya faktor cuaca, libur atau kecenderungan
perdagangan. Pola ini baik digunakan dalam peramalan jangka pendek.
3. Pola horizontal Pola data ini terjadi apabila nilai data berfluktuasi disekitar nilai rata-rata.
4. Pola trend
Pola ini memiliki kecenderungan naik atau turun terus menerus. Pola trend baik digunakan untuk meramalkan biaya-biaya dalam operasi karena biaya tersebut cenderung naik jika mesin makin
tua atau semakin lama jangka waktu pemakaiannya.
Metode peramalan yang termasuk model time series adalah metode penghalusan smoothing. Metode ini mengurang
ketidakteraturan musiman dari data lalu dengan membuat rata-rata tertimbang masa lalu. Metode penghalusan smoothing terdiri dari beberapa jenis, antara lain:
1. Metode rata-rata bergerak moving average, terdiri atas: - Single moving average SMA
Moving average diperoleh suatu periode merupakan peramalan untuk satu periode ke depan dari periode rata-rata tersebut. Persoalan yang timbul dalam penggunaan metode
ini adalah dalam menentukan nilai t periode rata-rata. Semakin besar nilai t maka peramalan yang dihasilkan akan semakin menjauhi pola data.
- Weigthed moving average WMA Data pada periode tertentu diberi bobot, semakin dekat dengan saat sekarang semakin
besar bobotnya. Bobot ditentukan berdasarkan pengalaman. Metode moving average dapat mengantisipasi perubahan permintaan yang signifikan dari waktu ke waktu.
Kelemahan dari metode ini adalah hanya didasarkan pada N data terakhir tanpa mempertimbangkan data sebelumnya dan apabila N cukup besar dibutuhkan biaya yang
cukup besar dalam penyimpanan dan pemrosesan data.
2. Metode exponential smoothing, terdiri atas: - Single exponential smoothing
Pengertian dasar dari metode ini adalah nilai ramalan pada periode t +1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai
ramalan yang terjadi pada periode t. Metode exponential smoothing adalah modifikasi metode moving average dengan mempertimbangkan data masa lalu secara eksponensial
di mana data yang paling akhir mempunyai bobot atau timbangan lebih besar. Metode exponential smoothing dapat mengatasi kelemahan metode moving average karena tidak
memerlukan banyak data masa lalu.
- Double exponential smoothing DES a. Satu parameter, merupakan metode yang hampir sama dengan metode linier moving
average, disesuaikan dengan menambahkan satu parameter.
b. Dua parameter, metode DES untuk times series dengan trend linier. Terdapat dua konstanta pemulusan
∝ dan dan menggunakan dua persamaan pemulusan yaitu persamaan nilai data intercept dan trend slope.
- Metode peramalan Winter untuk masalah musiman Metode Winter adalah triple exponential smoothing yang tepat digunakan untuk data
yang dipengaruhi faktor musiman. Kelebihan metode Winter adalah kemudahan memperbaharui pola data terbaru.
2.2.2 Pengendalian Persediaan
