Gambar 15. Grafik Trend Data Asli Apel Manalagi
Berdasarkan gambar diatas dan persamaan Yt = 536.0 + 4,78t di
atas maka data permintaan konsumen terhadap apel manalagi di Sinar
Supermarket cenderung berpola random acak. Dari persamaan di atas
dapat disimpulkan bahwa taksiran untuk permintaan konsumen terhadap
apel manalagi akan mengalami penurunan beberapa waktu ke depan.
Selanjutnya mencari harga‐harga ramalan Ft+1 dengan menggunakan
metode Exponential Smoothing. Pembahasan ini menggunakan bantuan
program Minitab dalam menghitungnya.
4.5.6. Identifikasi
Model Permintaan Toko Buah Apel Manalagi
Pada penelitian ini sebelum dilakukan analisis lebih lanjut maka
terlebih dahulu dilakukan identifikasi model guna menetukan taksiran untuk
permintaan toko beberapa bulan ke depan. Dengan menggunakan program
minitab, data mengenai permintaan toko untuk apel manalagikg nya
disajikan dalam grafik berikut ini :
100 200
300 400
500 600
700 800
Jan ua
ri Febr
uar i
Ma re
t A
pr il
Me i
Ju ni
Ju li
A gus
tu s
S ept
em ber
Ok to
ber No
ve m
be r
D es
em be
r
Bulan Bu
ah
Series1
Gambar 16. Permintaan Toko Terhadap Apel Manalagi Tahun 2009
Berdasarkan grafik diatas dapat diketahui bahwa permintaan toko
pada tahun 2009 mengalami perkembangan yang fluktuarif dimana
permintaan toko terhadap pisang emas tertinggi terjadi pada bulan
September 2009 yakni sebanyak 717 kg dan permintaan toko terendah
terjadi pada bulan Mei 2009 dengan permintaan sebanyak 441 kg.
Gambar 17. Grafik Trend Data Asli Apel Manalagi
Berdasarkan gambar diatas dan persamaan Yt = 542.0 + 5,28t di
atas maka data permintaan toko terhadap apel manalagi di Sinar
Supermarket cenderung berpola random acak. Dari persamaan di atas
dapat disimpulkan bahwa taksiran untuk permintaan toko terhadap apel
manalagi akan mengalami penurunan beberapa waktu ke depan.
Selanjutnya mencari harga‐harga ramalan Ft+1 dengan menggunakan
metode Exponential Smoothing. Pembahasan ini menggunakan bantuan
program Minitab dalam menghitungnya.
Setelah melakukan identifikasi terhadap model permintaan
konsumen dan model permintaan toko tersebut diatas, maka selanjutnya
menentukan metode forecast yang akan digunakan yaitu dengan metode
exponential smoothing antara lain single exponential smoothing, double
exponential smoothing, dan triple exponential smoothing, kemudian dengan
membandingkan nilai MAPE mean absolute procentage of error dan dipilih
nilai MAPE yang terkecil dan terbaik. Berikut ini akan dilakukan perhitungan
untuk menentukan tingkat keuntungan maksimum penjualan buah pada
buah apel manalagi.
Setelah diketahui data penjualan, maka langkah selanjutnya
adalah memasukkan data tersebut kedalam Analisis Forecast peramalan
dengan dibandingkan hasil MAPE dari metode‐metode Forecast yaitu single
exponential smoothing, double exponential smoothing dan triple exponential
smoothing winters. Setelah diketahui nilai MAPE, maka dipilih nilai MAPE
yang terkecil dan terbaik. Untuk lebih jelasnya dapat dilihat pada lampiran 5.
Dari hasil pengujian dan analisis dengan metode forecast exponential
smoothing, dengan dibandingkan nilai MAPE didapatkan nilai MAPE terkecil
dan terbaik adalah 17,1 dengan besarnya alpha a yang ditetapkan yaitu 0,1
yang diperoleh dari metode Double Exponential Smoothing. Dari hasil
peramalan Forecast didapatkan besarnya penjualan permintaan
konsumen D pada buah apel manalagi di tahun 2010 untuk setiap bulannya
dapat dilihat pada tabel dibawah ini.
Tabel 9. penjualan permintaan konsumen D buah pisang emas
berdasarkan hasil peramalan Forecasting tahun 2010
Bulan Hasil Peramalan
Forecasting kg
Januari 561 Februari 568
Maret 574 April 580
Mei 586 Juni 593
Juli 599 Agustus 605
September 611 Oktober 617
November 624 Desember 630
Untuk mengetahui besarnya pesanan toko dari hasil peramalan forecast di
tahun 2010 dengan menggunakan analisis Forecast, dapat dilihat pada
lampira. Untuk
menjawab tujuan penelitian yang pertama yaitu dengan menggunakan
analisis Economic Order Quantity EOQ. Adapun perhitungan EOQ
untuk buah apel manalagi adalah sebagai berikut :
EOQ = Tahun
2009
Bulan januari :
=
=
21,5 kg hari
Februari :
=
= 20,9 kg hari
Maret :
=
= 18,9 kg hari
April :
=
= 18,8 kg hari
Mei :
=
= 17,2 kg hari
Juni :
=
= 17,5 kg hari
Juli :
=
= 16,7 kg hari
Agustus :
=
= 21,7 kg hari
September :
=
= 21,7 kg hari
Oktober :
=
= 20,6 kg hari
November :
=
= 20,2 kg hari
Desember :
=
= 21,5 kg hari Berdasarkan
perhitungan secara manual diatas dapat dijelaskan bahwa
perhitungan EOQ untuk menentukan jumlah persediaan yang ekonomis
pada buah apel manalagi dapat diketahui dari nilai Q yang ada pada
tahun 2009, dimana diperinci untuk persediaan ekonomis pada setiap bulannya.
Adapun besarnya Q persediaan ekonomis pada tahun 2009 dibulan
januari didapatkan hasil perhitungan jumlah persediaan yang ekonomis
sebesar 21,5 kg hari yang artinya untuk mencukupi permintaan
konsumen yang sebesar 685 kg bulan, maka seharusnya perusahaan
melakukan pemesanan dalam jumlah yang ekonomis sebesar 21,5 kg hari
atau 666,5 kg bulan. Hal ini dilakukan agar tidak terjadinya kelebihan stock
buah yang menyebabkan terjadinya kerusakan dan kebusukan buah
sehingga mengakibatkan kerugian pada perusahaan dan juga sebagai
persediaan pengaman atau safety stock.
Sedangkan pada tahun 2010 untuk mengetahui besarnya tingkat
persediaan yang ekonomis EOQ berdasarkan hasil peramalan forecasting,
seperti yang dicantumkan berupa tabel diatas, maka perhitungan EOQ untuk
buah apel manalagi pada tahun 2010 adalah sebagai berikut :
EOQ = Tahun
2010
Bulan januari :
=
= 19,2 kg hari
Februari :
=
= 19,4 kg hari
Maret :
=
= 19,5 kg hari
April :
=
= 19,6 kg hari
Mei :
=
= 19,7 kg hari
Juni :
=
= 19,8 kg hari
Juli :
=
= 19,9 kg hari
Agustus :
=
= 20,0 kg hari
September :
=
= 20,1 kg hari
Oktober :
=
= 20,2 kg hari
November :
=
= 20,3 kg hari
Desember :
=
= 20,4 kg hari Diketahui
bahwa berdasarkan hasil analisis forecasting untuk buah apel
manalagi didapatkan taksiran permintaan konsumen D untuk tahun 2010
cenderung mengalami penurunan jika dibandingkan dengan permintaan
konsumen pada tahun 2009, yang berarti diawal tahun 2010 diperkirakan
keinginan masyarakat untuk mengkonsumsi apel manalagi mengalami
perubahan. Hal ini untuk lebih jelasnya dapat dilihat pada lampiran
5. Namun, dalam hal ini juga perlu diperhatikan pula pada bulan‐ bulan
tertentu dimana terdapat moment‐moment besar, seperti hari raya
dan lain‐lain, dimana pada moment tersebut dibutuhkan pasokan
persediaan yang cukup besar disesuaikan dengan kebutuhan pada saat itu.
Tabel 10. Selisih Pemesanan Toko Tanpa EOQ Dan Pemesanan Toko Dengan
EOQ Tahun 2009 buah Apel Manalagi
Bulan Pemesanan Toko
Tanpa EOQ Kg
1 Pemesanan Toko
Dengan EOQ Kg 2
Marginal Profit Kg
1-2 Januari 698
595,0 103,0
Februari 652 543,2
108,8 Maret 535
604,5 69,50
April 525 588,0
63,00 Mei 441
610,7 169,7
Juni 459 594,0
135,0 Juli 416
616,9 200,9
Agustus 530 600,0
70,00 September 717
623,1 93,90
Oktober 634 606,0
28,00 November 605
629,3 24,30
Desember 703 610,7
92,30
Berdasarkan perhitungan untuk mengetahui total biaya
persediaan yang minimum pada buah apel manalagi yaitu dengan
berdasarkan pada EOQ pada tahun 2009 lampiran 6, dapat dilihat pada
tabel. Tabel
11. Selisih Total Biaya Persediaan EOQ Dengan Total Biaya Persediaan Di
Sinar Supermarket Pada Buah Apel Manalagi Tahun 2009
Bulan Total Biaya
Persediaan EOQ Rp
Total Biaya Persediaan Tanpa
EOQ Rp
Marginal Profit Rp
Januari 7.354.400
11.899.444 4.545.044
Februari 7.026.876 11.623.240 4.596.364 Maret 7.616.285
11.912.803 4.296.518
April 7.506.562 11.832.143
4.325.581
Mei 7.847.820 11.914.072
4.066.252 Juni 7.585.142
11.796.176 4.211.034
Juli 7.929.576 11.914.701
3.985.125 Agustus 8.016.114 11.925.175 3.909.061
September 6.960.836 11.762.950 4.802.114
Oktober 7.160.098 11.918.725 4.444.730 November 7.380.567 11.825.297
4.444.730 Desember 7.143.372 11.872.621
4.729.249
Dari tabel diatas, menjelaskan mengenai selisih total biaya
persediaan yang aktual dengan total biaya persediaan ekonomis yang
berdasarkan pada EOQ. Dimana hasil daripada selisih kedua total biaya
persediaan ini menunjukkan bahwa dengan total biaya yang ekonomis akan
menghasilkan keuntungan yang maksimal. Pada bulan januari sinar
supermarket mengeluaran biaya sebesar Rp. 11.899.444. Sedangkan setelah
menggunakan metode EOQ didapatkan penghematan biaya sebesar
4.545.044. Sedangkan pada bulan Desember didapatkan perbedaan selisih
biaya persediaan sebesar 4.729.249. Didapatkan selisih biaya yang cukup
besar, hal ini menunjukkan bahwa total biaya EOQ dapat digunakan untuk
lebih memaksimalkan keuntungan yang diperoleh supermarket.
Dengan penggunaan biaya persediaan yang ekonomis, maka hal
ini tentunya akan sangat menguntungkan perusahaan, keuntungan yang
maksimal pun dapat diraih oleh perusahaan. Dampak dari persediaan yang
tidak ekonomis, menyebabkan perusahaan dapat menderita kerugian, sebab
dari persediaan yang terlalu melimpah over stock di suatu waktu, dengan
sifat produk yang tidak dapat bertahan lama dapat mengakibatkan
kerusakan baik karena secara mekanis maupun dari tingkat kesegarannnya
ketahanannya yang terbatas.
Diketahui bahwa dari ketiga komoditas menggunakan metode
peramalan Double Exponential Smoothing, ini berdasarkan atas penilaian
terhadap parameter ukur MAPE yang mengukur tingkat error atau kesalahan
dari suatu metode peramalan dengan menggunakan standar alpha a yang
diterapkan 0,1 , 0,2 , dan 0,3. Dengan tujuan untuk menemukan a yang
menghasilkan forecast error terkecil.
Dengan bantuan program Minitab diperoleh persamaan garis
trend pertama dari jeruk valensia adalah Yt = 456.8 + 6,16t, garis trend
kedua dari pisang emas adalah Yt = 707.3 + 6,24t dan garis trend ketiga dari
apel manalagi adalah Yt = 536.0 + 4,78t. Pada persamaan pertama
menunjukkan bahwa permintaan konsumen terhadap jeruk valensia
mengalami penurunan di bulan maret 2010. Namun tidak menutup
kemungkinan adanya kenaikan untuk bulan‐bulan berikutnya. Dari
perhitungan dengan menggunakan metode single exponential smoothing
berbantu program Minitab nilai MAPE dengan a = 0,3 lebih kecil
dibandingkan dengan a =0,1 dan a =0,2 tabel 5.7 dan diperoleh hasil
ramalan periode ke‐13 atau bulan Januari 2010 adalah 520,375 atau 5202
kg. Jika dibandingkan dengan bulan Desember 2009 bulan Januari 2010
mengalami penurunan. Dari perhitungan dengan menggunakan metode
double exponential smoothing berbantu program Minitab nilai MAPE dengan
a = 0,1 lebih kecil dibandingkan dengan a =0,2 dan a =0,3 gambar 5.10.
Dapat dikatakan bahwa forecast yang terbaik adalah dengan menggunakan a
= 0,1. Dengan hasil peramalan bulan Januari 2010 sebesar 482,046 atau 482
kg. Dari perhitungan dengan menggunakan metode triple exponential
smoothing berbantu program Minitab nilai MAPE dengan a = 0,3 lebih kecil
dibandingkan dengan a =0,1 dan a =0,2. Dapat dikatakan bahwa forecast
yang terbaik adalah dengan menggunakan a = 0,3. Dengan hasil peramalan
bulan Januari 2010 sebesar 568,878 atau 567 kg. Bila membandingkan ketiga
metode tersebut di atas, dengan melihat nilai MAPE‐nya metode double
exponential smoothing lebih tepat digunakan untuk meramalkan jumlah
permintaan konsumen terhadap buah jeruk valensia karena memiliki tingkat
kesalahan yang lebih kecil. Dari metode tersebut
,
prediksi permintaan
konsumen jeruk valensia terlihat bahwa tahun 2010 mengalami penurunan.
Yang berarti diawal tahun 2010 diperkirakan keinginan masyarakat untuk
mengkonsumsi jeruk valensia berubah.
Untuk persamaan kedua menunjukkan bahwa permintaan
konsumen terhadap apel manalagi mengalami penurunan di bulan maret
2010. Namun tidak menutup kemungkinan adanya kenaikan untuk bulan‐
bulan berikutnya. Dari perhitungan dengan menggunakan metode double
exponential smoothing berbantu program Minitab nilai MAPE dengan a = 0,1
lebih kecil dibandingkan dengan a =0,2 dan a =0,3 . Dapat dikatakan bahwa
forecast yang terbaik untuk pisang emas adalah dengan menggunakan a =
0,1. Dengan hasil peramalan bulan Januari 2010 sebesar 561,437 atau 561
kg. Dengan membandingkan ketiga metode tersebut, dengan melihat nilai
MAPE ‐nya metode double exponential smoothing lebih tepat digunakan
untuk meramalkan jumlah permintaan konsumen terhadap buah apel
manalagi karena memiliki tingkat kesalahan yang lebih kecil. Diprediksi
permintaan konsumen apel manalagi terlihat bahwa tahun 2010 mengalami
penurunan. Yang berarti diawal tahun 2010 diperkirakan keinginan
masyarakat untuk mengkonsumsi apel manalagi berubah. Namun hasil
perkiraan tersebut tidak 100 benar pada kenyataannya.
Sedangkan pada persamaan ketiga yakni permintaan konsumen
terhadap buah pisang emas cenderung mengalami peningkatan, tetapi
diawal ‐awal bulan memang menunjukkan penurunan, setelah itu terjadi
peningkatan sesudahnya.
Bila
membandingkan dengan ketiga metode
tersebut, dengan melihat nilai MAPE‐nya metode double exponential
smoothing lebih tepat digunakan untuk meramalkan jumlah permintaan
konsumen terhadap buah pisang emas karena memiliki tingkat kesalahan
yang lebih kecil. Dari metode, prediksi permintaan konsumen pisang emas
terlihat bahwa tahun 2010 mengalami peningkatan. Yang berarti diawal
tahun 2010 diperkirakan keinginan masyarakat untuk mengkonsumsi pisang
emas berubah.
Ada banyak faktor yang mempengaruhi banyak sedikitnya
permintaan konsumen terhadap permintaan buah jeruk valensia, pisang
emas dan apel manalagi antara lain pemilihan daerah promosi, jumlah
tenaga promosi, kondisi perekonomian masyarakat yang sering mengalami
pasang surut, harga buah, musim buah, mutu buah serta selera konsumen.
Dari masing‐masing komoditi buah lokal, yaitu jeruk valensia,
mangga gadung dan apel manalagi dapat diketahui perencanaan tingkat
keuntungan maksimum yang dapat diperoleh dari persediaan buah secara
optimal. Untuk mengetahui lebih jelasnya tentang perencanaan tingkat
keuntungan maksimum tahun 2009‐2010 dari masing‐masing komoditi buah
lokal dapat dilihat pada tabel berikut :
Tabel 12. Perencanaan tingkat persediaan optimal masing‐masing
komoditi tahun 2009
Bulan Persediaan optimal tahun 2009
kgbulan Persediaan optimal tahun 2010
kgbulan Jeruk
valensia Pisang
emas Apel
manalagi Jeruk
valensia Pisang
emas Apel
manalagi Januari
613,8 753,3 595,0 551,8 685,1 595,2 Februari
546,0 669,2 543,2 501,2 621,6 543,2
Maret 508,4 638,6 604,5 561,1 691,3 604,5
April 501,0 621,0 588,0 546,0 672,0 588,0
Mei 523,9 616,9 610,7 570,4 573,5 610,7
Juni 504,0 620,0 594,0 555,0 681,0 594,0
juli 520,8 669,0 616,9 576,6 706,8 616,9
Agustus 552,0 719,2 600,0 564,0 687,0 600,0
September 623,1 735,0 623,1 585,9 713,0 623,1 Oktober
591,0 753,3 606,0 570,0 693,0 606,0 November 561,1 654,0 629,3 573,0 719,2 629,3
Desember 597,0 725,4 610,7 598,3 699,0 612,0
Berdasarkan tabel tersebut diatas dapat dijelaskan bahwa pada
masing ‐masing buah yaitu buah jeruk valensia, pisang emas dan apel
manalagi terdapat perbedaan tingkat persediaan optimal EOQ dan tingkat
persediaan aktual. Adapun perbedaan ini disebabkan oleh beberapa faktor
antara lain oleh faktor mutu buah, jenis buah, harga buah, musim buah dan
selera konsumen.
Seperti yang telah dibahas diatas, bahwa untuk memaksimalkan
keuntungan maka salah satunya adalah dengan menetapkan biaya
persediaan yang ekonomis yaitu dengan menggunakan analisis EOQ. Selain
itu, yang menjadi hal terpenting adalah mengenai proses handling yaitu
penanganan perlakuan terhadap buah yang akan dijual, hal ini menjadi
sangat penting mengingat karakteristik produk ini yang memang tidak tahan
lama dan mudah rusak. Sehingga perlu penanganan khusus agar didapatkan
buah yang berkualitas dan tahan lama.
Berdasarkan uraian pembahasan tersebut diatas maka
permasalahan yang ada didalam tujuan secara keseluruhan telah dijabarkan
dibantu dengan adanya data sekunder dari supermarket.
4.6 Pengendalian Mutu Buah Di Sinar Supermarket
Buah ‐buahan merupakan jenis komoditas yang memiliki prospek
ekonomi yang menguntungkan apalagi seiring dengan meningkatnya
kemampuan ekonomi dan kesadaran masyarakat akan pentingnya
mengkonsumsi buah‐buahan berkualitas baik, dengan begitu harga menjadi
pertimbangan terakhir, asalkan kebutuhan konsumen akan buah‐buahan
yang bermutu atau berkualitas baik bisa terpenuhi.
Dengan adanya kenyataan seperti diatas, maka hal ini menjadi
pertimbangan dan prioritas bagi sinar supermarket untuk senantiasa
menyediakan atau menyajikan buah‐buahan yang terbaik demi terpenuhinya
kebutuhan pelanggannya. Untuk mendapatkan buah‐buahan yang
berkualitas baik, maka diperlukan pengendalian mutu buah yang tepat dan
terencana dengan baik. Pengendalian mutu sangat penting untuk
dilaksanakan, terutama produk‐produk pertanian yang mempunyai resiko
yang sangat tinggi, yaitu produk pertanian yang mudah rusak sehingga perlu
adanya tindakan pengawasan dan pengendalian yang ketat.
Untuk mendatangkan buah‐buahan, sinar supermarket terlebih
dahulu melakukan pemesanan kepada supplier, yang kemudian dilakukan
pengiriman barang dan kemudian tiba di sinar supermarket lalu pesanan
tersebut didata oleh bagian receiving didalam ruang penerimaan. Diruang
penerimaan inilah barang dicek kembali kuantitas dan kualitasnya, dengan
dilakukannya sortir dan grading, dari sinilah bagian atau proses yang sangat
penting harus dilakukan, sebab penentuan buah‐buahan yang berkualitas
baik juga sangat menentukan tingkat kepercayaan konsumen yang akhirnya