BAB VII OPTIMALISASI PERSEDIAAN BAHAN BAKU SKIM
7.1 Peramalan Kebutuhan Bahan Baku Skim Tahun 2008
Peramalan kebutuhan bahan baku ini diturunkan dari peramalan produk jadi yang dilihat melalui data penjualan periode satu tahun sebelumnya. Keragaman
produk yang ditawarkan mengakibatkan perusahaan harus melakukan peramalan untuk masing- masing item produk jadi. Hal ini disebabkan karena permintaan
antara satu produk dengan produk yang lain tidak sama. Data yang digunakan untuk peramalan hanyalah data satu tahun sebelumnya.
Hal ini disebabkan karena sifat permintaan produk yang tidak tetap dan cenderung berfluktuatif. Daur hidup produk dapat dijadikan salah satu penyebab berfluktuatif
tingkat permintaan konsumen. Produk yang berada pada fase perkenalan akan memiliki kecenderungan untuk terus meningkat. Hal ini karena pada tahap ini
produk baru memasuki tahapan penetrasi pasar sehingga keberadaannya di pasaran harus selalu tersedia. Promosi yang dilakukan pada produk baik dengan
menggunakan media cetak ataupun elektronik semakin meningkatkan penjualan. Hal yang sama juga berlaku untuk fase pertumbuhan. Sementara untuk
produk yang berada pada fase dewasa akan cenderung memiliki tingkat permintaan yang stabil karena konsumen yang mulai loyal dengan produk
tersebut. Hal yang berbeda akan terjadi pada produk yang memiliki fase penurunan. Produk dengan kondisi decreasing tentu akan memiliki tingkat
permintaan yang rendah bahkan cenderung mati. Pengambilan data satu tahun
54 diharapkan tidak mengakibatkan tingkat kesalahan peramalan yang besar karena
adanya produk-produk yang sudah mati. Untuk melakukan proyeksi ke depan digunakan beberapa metode untuk
meramalkan permintaan dari produk PT X. Pemilihan teknik peramalan ini didasarkan pada pemilihan teknik yang lebih sederhana, cepat dan tidak
membutuhkan banyak biaya dan waktu. Hal ini dilakukan karena perusahaan harus meramalkan permintaan puluhan produk yang dihasilkan. Untuk
mengakomodasi itu maka metode yang dipilih unt uk dibandingkan adalah simple average, moving average, double moving average, single exponential smoothing
dan double exponential smoothing. Kelima metode ini dipilih berdasarkan asumsi bahwa fluktuasi data masa lalu menggambarkan unsur keacakan suatu series.
Teknik ini menggunakan rataan nilai masa lalu untuk memuluskan fluktuasi tersebut.
Dari 5 metode yang digunakan dalam peramalan, single exponential smoothing a = 0.
0750949
memiliki tingkat error yang relatif lebih kecil dibandingkan empat metode lainnya Tabel 7. Hasil peramalan dengan
menggunakan kelima metode tersebut dapat dilihat pada Lampiran 2 sampai dengan Lampiran 6. Penentuan metode ini hanya dilakukan pada satu produk
yaitu produk F yang memiliki tingkat penjualan tertinggi.
Tabel 7 MSE untuk Lima Model Peramalan Penjualan PT X Periode Tahun 2008
No Model Peramalan
MSE
1 Simple average
69135759.5 2
Simple Moving Average MA=3 67790008.0
3 Double Moving Average MA=3
74855578.3 4
Single Exponential Smoothing a=0.0750949 49155113.6
5 Double Exponential Smoothing a=0.2
54034904.7
55 Metode single exponential smoothing membutuhkan nilai alpha dalam setiap
peramalannya. Nilai alpha ini ditetapkan berdasarkan pada tingkat kepercayaan perusahaan terhadap data terbaru. Semakin percaya pada data terbaru maka nilai
alpha yang ditetapkan semakin tinggi. Pemilihan nilai alpha ini juga dapat dibantu dengan mekanisme penentuan MSE terkecil. Namun penggunaan metode ini
dianggap tidak sesuai dengan sistem kerja dari perusahaan yang cepat, tepat dan fleksibel. Produk yang diproduksi oleh PT X memiliki tingkat variasi yang cukup
tinggi dengan tingkat permintaan yang beragam serta mudah berubah setiap periodenya. Untuk itu perusahaan memerlukan suatu model peramalan yang
mendekati kenyataan namun tidak membutuhkan banyak waktu untuk proses peramalannya, mudah dan fleksibel.
Secara teoritis penggunaan single exponential smoothing jauh lebih baik dibandingkan metode lainnya karena tingkat error yang dihasilkan jauh lebih
kecil. Asumsi data yang boleh digunakan untuk peramalan time series adalah data yang stasioner sedangkan data penjualan tahun lalu bersifat acak. Oleh karena itu
tingkat kesalahan yang dimiliki oleh metode moving average dapat dikurangi dengan menggunakan metode ini karena pada prosesnya metode ini telah terlebih
dahulu memuluskan data. Namun pada praktiknya hal ini tidak dapat dilakukan karena pesatnya perkembangan perusahaan
mengakibatkan perusahaan mengalami perubahan yang sangat cepat terutama dalam tingkat permintaan
konsumen. Untuk itu perusahaan membutuhkan sistem cepat dan fleksibel yang mampu mengimbangi perubahan yang terjadi. Penggunaan metode single
exponential smoothing ini dianggap tidak sederhana dan tidak mampu mengimbangi perubahan yang cepat yang terjadi di lapangan.
56 Peramalan yang dilakukan oleh perusahaan adalah metode moving average.
Selain praktis, penggunaan model ini juga hanya didasarkan pada nilai permintaan tiga bulan terakhir sehingga dianggap datanya lebih terbaru dan akan lebih
mendekati kenyataan. Peramalan ini mampu mengatasi perubahan informasi yang cepat karena setiap ada informasi terbaru, nilai ramalan terbaru akan diperoleh
dengan menghilangkan informasi terlama dan memasukkan informasi terbaru. Untuk itu penulis juga akan menggunakan metode peramalan yang sama karena
sistem perusahaan tidak menggunakan metode single exponential smoothing dengan alasan yang telah disebutkan sebelumnya. Hasil peramalan dengan
menggunakan metode moving average ini dapat dilihat pada Tabel 8.
Tabel 8 Proyeksi Penjualan Produk Jadi PT X Tahun 2008
No Nama
Produk Forecast
Demand 1 bulan box
Demand 1 tahun box
Kebutuhan skim per tahun
Kg Kebutuhan
skim per hari Kg
1 A
1,156.00 13,872.00
18,133.33 68.69
2 B
1,437.33 17,248.00
23,774.67 90.06
3 C
3,696.00 44,352.00
50,232.00 190.27
4 D
3,453.33 41,440.00
47,029.55 178.14
5 E
678.33 8,140.00
9,262.54 35.09
6 F
11,352.00 136,224.00
71,744.13 271.76
7 G
8,358.00 100,296.00
50,827.90 192.53
8 H
2,442.00 29,304.00
21,950.62 83.15
9 I
5,874.00 70,488.00
58,097.25 220.07
10 J
5,970.00 71,640.00
62,205.29 235.63
11 K
332.00 3,984.00
2,203.20 8.35
12 L
2,186.67 26,240.00
21,196.80 80.29
13 M
273.33 3,280.00
2,246.40 8.51
14 N
164.00 1,968.00
1,728.00 6.55
15 O
492.00 5,904.00
8,301.31 31.44
Total 47,865.00
574,380.00 448,932.98
1,700.50
57 Dari Tabel 8 diketahui bahwa proyeksi penjualan tahun 2008 untuk
keseluruhan produk PT X adalah sebanyak 574.380 box dengan tingkat penggunaan skim sebesar 448.932,28 Kg. Dengan demikian maka perharinya
perusahaan membutuhkan 1.700,50 Kg dengan asumsi hari kerja per bulan adalah 22 hari kerja. Produk A hingga O merupakan produk-produk yang dihasilkan oleh
PT X yang menggunkan skim sebagai bahan baku.
7.2. Biaya Persediaan Bahan Baku Skim PT X Tahun 2008