unduh PROSIDING2018 – 5TH IDEC
Perencanaan Kebutuhan Bahan Baku Produk Kursi Bambu Panjang dengan Pendekatan Minimasi Biaya
Emy Khikmawati¹, Heri Wibowo², Aries Setiawan³
Jurusan Teknik Industri, Fakultas Teknik, Universitas Malahayati Bandar Lampung, Jl. Pramuka No.27
Kemiling, Bandar Lampung, Indonesia Email : [email protected], [email protected]
ABSTRAK
CV. Meubel Makmur Sejahtera memproduksi dan menjual mebel keperluan rumah tangga, perkantoran dan industri. Meningkatnya kebutuhan pasar produk furniture dan keterbatasan gudang bahan baku membuat perusahaan harus bisa membuat perencanaan kebutuhan bahan baku yang optimal agar bahan baku habis sesuai rencana, sehingga sedikit bahan baku yang ada di gudang persediaan. Perusahaan dihadapkan pada pertimbangan antara kemampuan kapasitas produksi dengan permintaan dari konsumen, sehingga kestabilan produksi perusahaan dapat dijaga. Tujuan penelitian adalah merencanakan kebutuhan bahan baku untuk meminimalkan biaya pesan dan biaya simpan dengan mengunakan beberapa metode yaitu metode Lot for Lot (LFL), metode Economic Order Quantity (EOQ), metode Periode Order Quantity (POQ) dan metode Fixed Order Quantity (FOQ). Dengan perencanaan kebutuhan kapasitas ini diharapkan dapat memanfaatkan sumber daya secara efektif dan efisien. Hasil penelitian menunjukan metode yang paling optimal yang digunakan dengan biaya yang paling minimal adalah metode Period Order Quantity yaitu dengan total biaya yang digunakan sebesar Rp 203.380,00.
Kata kunci , : EOQ, FOQ, LFL, POQ
1. Pendahuluan
CV. Meubel Makmur Sejahtera adalah perusahaan yang bergerak di bidang produksi dan penjualan mebel keperluan rumah tangga dan perkantoran dan industri. Perusahaan memproduksi pesanan berdasarkan pesanan dari pihak konsumen, dan menyediakan produk jadi tanpa pesanan. Meningkatnya kebutuhan pasar akan produk furniture dan keterbatasan gudang bahan baku membuat perusahaan harus bisa membuat perencanaan kebutuhan bahan baku yang optimal agar bahan baku habis sesuai rencana sehingga sedikit bahan baku yang ada di gudang persediaan. Perusahaan menghadapi masalah dalam mempertimbangan antara kemampuan kapasitas produksi harus disesuaikan dengan permintaan dari konsumen, sehingga kestabilan produksi dalam perusahaan dapat dijaga. Untuk itu perlu dibuat berdasarkan target penjualan yang dapat dilakukan. Permasalahan perusahaan adalah bagaimana perencanaan kebutuhan material di sejumlah pemasok bagi perusahaan yang mencakup bahan baku apa saja, berapa banyak, dan kapan tersedianya untuk membuat kursi bambu panjang. Dengan permasalahan seperti tersebut, maka penelitian mempunyai tujuan untuk merencanakan kebutuhan bahan baku untuk pembuatan komponen produk kursi bambu panjang dan menentukan perbandingan besarnya biaya perencanaan kebutuhan bahan baku produk. Dengan perencanaan dapat menentukan kebutuhan material atau komponen pada saat yang tepat, kapan suatu jenis material atau komponen harus tersedia dalam jumlah yang dibutuhkan untuk menjaga keterlambatan dalam proses dan memenuhi target sesuai permintaan. Ukuran lot yang tepat dalam perhitungan Material Requirement Planning mampu menghemat biaya persediaan perusahaan.(Khikmawati. et all., 2017)
2. Metode Proses penentuan ukuran lot merupakan proses yang sangat penting karena pemilihan teknik ukuran lot akan mempengaruhi keefektifan sistem MRP secara keseluruhan. Oleh sebab itu teknik lot sizing dengan pendekatan level by level masih tetap digunakan dalam menentuka kuantitas pemesanan dalam MRP (Teguh Baroto, 2008: 155). Tahapan dalam penelitian dalam 2. Metode Proses penentuan ukuran lot merupakan proses yang sangat penting karena pemilihan teknik ukuran lot akan mempengaruhi keefektifan sistem MRP secara keseluruhan. Oleh sebab itu teknik lot sizing dengan pendekatan level by level masih tetap digunakan dalam menentuka kuantitas pemesanan dalam MRP (Teguh Baroto, 2008: 155). Tahapan dalam penelitian dalam
3. Hasil Dan Pembahasan
Data permintaan kursi bambu panjang diperoleh dari laporan bulanan hasil penjualan dari bulan Januari 2012 sampai dengan Desember 2013, datanya dapat dilihat pada tabel 3.1 adalah sebagai berikut :
Tabel 3.1 .Data Permintaan Kursi Bambu Panjang Periode Januari 2012 – Desember 2013
Bulan Tahun Data Penjualan Januari 2012 1200 Februari 2012 1460 Maret 2012 1850
April 2012 900 Mei 2012 1250 Juni 2012 1530 Juli 2012 1740 Agustus 2012 1000 September 2012 1430
Oktober 2012 800 November 2012 1300 Desember 2012 1500 Januari 2013 1110 Februari 2013 1120 Maret 2013 1580 April 2013 1740 Mei 2013 1230 Juni 2013 1420 Juli 2013 1540 Agustus 2013 1940 September 2013 2100 Oktober 2013 1920 November 2013 1830 Desember 2013 1730 Rata – rata Permintaan/bulan 1468
(Sumber : CV. Makmur Sejahtera)
Data struktur produk berisi mengenai komponen-komponen penyusun perakitan kursi bambu panjang. Komponen diidentifikasikan menurut kelompok dan urutannya. Identifikasi untuk masing-masing komponen penyusun kursi bambu dapat dilihat pada tabel 3.2 adalah sebagai berikut :
Tabel 3.2. Data Struktur Produk Kursi Bambu Panjang
Jumlah
No Komponen Bahan Keterangan
(unit)
Kaki
Bambu
1 Depan 2 Produksi Kaki
Bambu
2 Belakang 2 Produksi Penyangga
Bambu
3 Dudukan 2 Produksi Daun
Bambu
4 Dudukan 2 Produksi
5 Dudukan Bambu 2 Produksi Penyangga
Bambu
6 Sandaran 2 Produksi Daun
Bambu
7 Sandaran 2 Produksi
8 Sandaran Bambu 2 Produksi
9 Galar Bambu 3 Produksi
10 Isi Bambu 2 Produksi (Sumber : CV. Makmur Sejahtera)
Adapun ukuran komponen-komponen kursi bambu panjang adalah sebagai berikut :
Tabel 3.3.Volume Komponen Kursi Bambu panjang.
Luas Volume No
(Cm²) (Cm³)
Kaki 1 Depan
2 70 10 78.5 5495 Kaki 2 Belakang
Bambu
2 70 10 78.5 5495 Penyangga 3 Dudukan
10 78.5 13737.5 Penyangga 6 Sandaran
Bambu
2 50 10 78.5 3925 Daun 7 Sandaran
2 50 10 78.5 3925 (Sumber : CV. Makmur Sejahtera)
Bambu
Lead time untuk masing-masing komponen dihitung dari awal pemesanan sampai bahan baku tiba ditambah dengan lamanya proses pengerjaan sampai komponen siap pakai.
Tabel 3.4. Data Lead Time Produk kursi bambu panjang
No Komponen Lead Time (Minggu)
1 Kaki Depan 1
2 Kaki Belakang 1
3 Penyangga Dudukan 1
4 Daun Dudukan 1
5 Dudukan 1
6 Penyangga Sandaran 1
7 Daun Sandaran 1
8 Sandaran 1
9 Galar 1
10 Isi 1
(Sumber : CV. Makmur Sejahtera)
Permintaan produk akan dilakukan proses peramalan guna memprediksi untuk periode yang akan dating (Astana, N.Y, 2007). Langkah-langkah yang digunakan sebagai berikut :
1. Menganalisis data dengan cara memplotkan data sehingga dapat diketahui pola data yang dihasilkan.
2. menentukan metode peramalan yang digunakan sesuai dengan pola data yang terbentuk.
3. Memproyeksikan data lalu dengan menggunakan metode yang sesuai. Plot data volume penjualan (permintaan) produk kursi bambu panjang dari bulan Januari 2012 sampai Desember 2013 dapat dilihat pada Gambar 3.1 berikut :
Data Penjualan 500
Rata-rata Penjualan
Gambar 3.1 Pola data Penjualan Januari 2012 – Desember 2013
Dari perhitungan menggunakan program Excel OM diperoleh nilai MAD dan MSE sebagai berikut :
Tabel 3.5. Nilai MAD dan MSE Peramalan menggunakan Program Exel OM
Jenis Peramalan MAD MSE Moving Average 161 38,778 Weighted Moving Average 335 161,857 Exponential Smooting 372 195,878
Regression Linier 240 87,896 Decomposition 240 87,896
Maka metode yang terpilih adalah metode Moving Average, karena metode peramalan tersebut yang hasilnya memiliki tingkat kesalahan (MAD) terkecil serta mendekati peramalan yang paling optimal. Untuk produk kursi bambu panjang adalah MAD yang terkecil adalah 161, maka untuk memilih yang paling optimal dengan melihat MSD yang terkecil yaitu 38.778.
Hasil peramalan periode yang akan datang adalah konstan. Oleh karena itu, produksi tidak perlu berlebihan, kecuali adanya pemesanan, karena dikuatirkan akan kelebihan produksi.
Tabel 3.6. Jadwal Induk Produksi Kursi Bambu Panjang Untuk 3 Bulan kedepan
Periode (mingguan)
Periode
1 2 3 4 5 6 7 8 9 10 11 12 Kursi Bambu panjang (unit) 87 87 87 87 87 87 87 87 87 87 87 87
Metode MRP merupakan metode perencanaan dan pengendalian pesanan dan persediaan untuk item-item dependent demand (item-item dependent demand yaitu bahan baku, part, subassemblies dan assemblies ) yang semuanya disebut Manufacturing Inventory. (Vincent, 2001).
Perencanaan kebutuhan bahan baku ini dilakukan dengan perhitungan manual menggunakan metode Material Requirement Planning, Perhitungannya adalah sebagai berikut :
Tabel 3.7. Rekapitulasi Rencana Kebutuhan Komponen Kursi Bambu Panjang (Dalam Unit)
Komponen 0 1 2 3 4 5 6 7 8 9 10 11 12 Total Kaki Depan 0 144 174 174 174 174 174 174 174 174 174 174 174 2058
Kaki Belakang 0 164 174 174 174 174 174 174 174 174 174 174 174 2078 Penyangga Dudukan 0 154 174 174 174 174 174 174 174 174 174 174 174 2068 Daun Dudukan 0 159 174 174 174 174 174 174 174 174 174 174 174 2073
Dudukan 0 159 174 174 174 174 174 174 174 174 174 174 174 2073 Penyangga Sandaran 0 154 174 174 174 174 174 174 174 174 174 174 174 2068 Daun Sandaran 0 159 174 174 174 174 174 174 174 174 174 174 174 2073
Sandaran 0 159 174 174 174 174 174 174 174 174 174 174 174 2073 Galar 0 246 261 261 261 261 261 261 261 261 261 261 261 3117 Isi 0 144 174 174 174 174 174 174 174 174 174 174 174 2058
Perencanaan kapasitas adalah fungsi yang menentukan tingkat kapasitas yang dibutuhkan untuk mencapai produksi yang dijadwalkan, yaitu dengan membandingkannya dengan kapasitas yang diperoleh dan penyesuaian perencanaan serta tingkat kapasitas yang diperoleh dan penyesuaian perencanaan serta tingkat kapasitas yang diperoleh serta tingkat kapasitas yang tersedia (Astana, N.Y, 2007).
Untuk komponen yang diproduksi sendiri, karena pembeliannya dalam bentuk bahan baku bambu olahan, maka dihitung rencana kebutuhan bambu.
Tabel 3.8. Rekapitulasi Hasil Biaya Total
Metode Hasil biaya total Economic Order Quantity (EOQ) Rp 480.242,00 Lot For Lot (LFL) Rp 600,000.00
Period Order Quantity (POQ) Rp 396.620,00 Fixed Order Quantity (FOQ) Rp 946.940,00
Dari metode yang digunakan maka metode yang paling optimal yang digunakan dan dengan biaya yang paling minimal adalah Metode Period Order Quantity yaitu dengan total biaya yang digunakan sebesar Rp 396.620,00
4. Simpulan
Dari hasil penelitian dapat disimpulkan kebutuhan biaya bahan baku tersebut diperoleh biaya pemesanan bahan baku yang menggunakan metode Period Order Quantity memberikan biaya yang lebih kecil yaitu Rp 396.620,00 dibandingkan dengan metode lot for lot yang digunakan perusahaan yaitu Rp 600.000,00, jadi selisih antara kedua metode itu adalah Rp 203.380,00. Yang membedakan selisih antara kedua metode tersebut adalah metode Period Order Quantity menggunakan biaya simpan sehingga meminimalkan biaya pesan, sedangkan metode Lot For Lot yang digunakan perusahaan pemesanan dilakukan tiap periode sehingga memperbesar biaya pesan. Maka menyarankan kepada perusahan untuk mengoreksi kembali metode lot sizing yang di gunakan guna menjaga kualitas bahan baku yang berimbas pada kualitas barang jadi dan biaya lot sizing. Kontribusi untuk perusahaan adalah metode Period Order Quality dapat diterapkan karena metode tersebut memberikan kontribusi penurunan biaya lot sizing.
5. Daftar Pustaka
Astana, N.Y. (2007) Perencanaan dan Persediaan Bahan Baku Berdasarkan Metode Requirement Planning (MRP). Jurnal Ilmiah Teknik Industri. Baroto, Teguh. (2008). Perencanaan dan Pengendalian Produksi. Bogor, Ghalia Indonesia Gasperz, Vincent. (2001). Production Planning and Inventory Control berdasarkan
pendekatan sistem terintergrasi MRP II dan JIT menuju manufaktur 21 . Gramedia Pustaka Utama, Jakarta.
Heizer dan Render.(1988).The Theoretical Maximum Output Of A System In Given Period. Graha Ilmu. Yogyakarta. Khikmawati, Emy. Anggraini, Melani. Anwar, Khairul. Analisis Perencanaan Biaya Persediaan Produk Semen melalui Pendekatan Perencanaan Kebutuhan Bahan (MRP). Vol I, No. 1, Jan 2017. ISSN : 2541-4720
Kusuma, Hendra. (2001). Manajemen Produksi Perencanaan dan Pengendalian Produksi. penerbit Andi. Yogyakarta.
Lampiran :
Analisis Kelayakan Investasi untuk Penerapan Enterprise Resource Planning : Studi Kasus
Puty Mairawati 3) , Adnan Rifqy Ghiffarin , Seamus Tadeo Marpaung , Wahyudi
1,2,3,4) Program Studi Teknik Industri Universitas Sebelas Maret Surakarta Jalan Ir. Sutami 36A Surakarta 57126, Telp. 0271-632110, Indonesia
Email : [email protected], [email protected], [email protected],
ABSTRAK
Rantai pasok dilakukan dengan meningkatkan komunikasi dan kerjasama yang lebih baik dalam setiap kaitan rantai perusahaan, yang terlibat dalam penciptaan produk. ERP menciptakan kerangka kerja untuk mengintegrasikan dan meningkatkan proses bisnis internal perusahaan yang memberikan peningkatan secara signifikan bagi perusahaan Tujuan penelitian ini adalah untuk mengetahui kelayakan implementasi enterprise resource planning pada perusahaan menggunakan metode net present value dan payback period. ERP yang diterapkan pada perusahaan adalah sebuah software finansial. Analisis kelayakan investasi implementasi enterprise resource planning menunjukkan bahwa investasi yang dilakukan mengahasilkan NPV sebesar Rp 444.385.872, hal ini berarti bahwa NPV bernilai positif, dan metode Payback Periode menunjukkan hasil dengan pengembalian modal selama 7 bulan, hal ini berarti keuntungan yang akan diperoleh perusahaan jauh lebih besar dari keuntungan yang diharapkan. sehingga proyek tersebut layak untuk dilakukan. Pendekatan analisis kelayakan yang telah dikembangkan dapat sebagai acuan untuk memutuskan investasi penerapan ERP pada periode waktu selama lima tahun.
Kata kunci :Analisis Kelayakan Investasi, Enterprise Resource Planning.
1. Pendahuluan
Enterprise Resource Planning (ERP) menurut O’Brien, J. A., & Marakas G. M. (2010:272) merupakan sistem perusahaan yang meliputi semua fungsi yang terdapat di dalam perusahaan yang didorong oleh beberapa modul software yang terintegrasi untuk mendukung proses bisnis internal perusahaan. Tujuan utama dari penerapan sistem ERP ini menurut Yasin (2013) adalah untuk meningkatkan dan memperkuat efektivitas dari sumber daya yang ada dalam perusahaan, seperti; (1) Sumber daya manusia, di mana setiap anggota perusahaan memiliki tanggung jawab dan memiliki kemampuan untuk menciptakan suasana produktif dalam perusahaan. (2) Sumber daya produksi, agar perusahaan tersebut dapat menghasilkan produk yang lebih berkualitas. (3) Penjualan, di mana perusahaan mampu meningkatkan penjualan dengan adanya pemasaran yang lebih efektif. (4) Laporan keuangan perusahaan dan akuntansi logistik perusahaan yang lebih efektif dan terintegrasi. (5) Mampu bersaing dengan perusahaan kompetitor. (6) Untuk menghindari permasalahan sumber daya yang rumit di masa yang akan datang. Sedangkan manfaat dari penerapan sistem ERP antara lain memberikan nilai bisnis yang signifikan bagi perusahaan. Nilai bisnis tersebut yaitu kualitas dan efisiensi ERP menciptakan kerangka kerja untuk mengintegrasikan dan meningkatkan proses bisnis internal perusahaan yang memberikan peningkatan secara signifikan bagi perusahaan. Contohnya, dalam segi kualitas dan efisiensi dari pelayanan pelanggan, produksi, dan distribusi, kemudian mengurangi biaya operasional perusahaan. Selain itu dengan menerapkan ERP maka perusahaan dapat secara langsung terintegrasi dengan customer dan supplier terkait, dimana supplier dapat melihat informasi stok bahan yang diperlukan perusahaan dan customer dapat melihat informasi barang-barang yang tersedia secara real-time.
Woodson Chemical Company (WCC) adalah perusahaan kimia yang didirikan tahun 1899 oleh Alexander Woodson. Perusahaan ini awalnya terletak di tenggara Texas, pada awal 1960 markas besar perusahaan dipindahkan ke St. Louis untuk memanfaatkan lokasi geografis pusat Woodson Chemical Company (WCC) adalah perusahaan kimia yang didirikan tahun 1899 oleh Alexander Woodson. Perusahaan ini awalnya terletak di tenggara Texas, pada awal 1960 markas besar perusahaan dipindahkan ke St. Louis untuk memanfaatkan lokasi geografis pusat
WCC (Woodson Chemical Company) memiliki beberapa permasalahan salah satunya voice of customer . Masalah tersebut berkaitan dengan pelayanan pelanggan yang semakin hari semakin buruk. Pelanggan menginginkan akses cepat tentang status pemesanan secara real time. Selain itu struktur manajemen WCC tidak sesuai dengan kebutuhan perusahaan untuk menerapkan manajemen rantai pasokan yang baik. Perusahaan telah menerapkan sistem logistik terpadu untuk mengkoordinasikan perencanaan, pembelian, pembuatan, pemasaran dan fungsi distribusi. (Bowersox, dkk, 2002). Perhatian lebih ditingkatkan kepada sistem informasi manufaktur yang diperlukan untuk menentukan tingkat produksi, sehingga disarankan menerapkan enterprise resource planning , sehingga costumer dapat mengakses tentang status pemesanan online dengan cepat. Tujuan penelitian ini adalah untuk mengetahui kelayakan implementasi enterprise resource planning pada perusahaan menggunakan metode net present value dan payback period. Dengan menenerapkan sistem ERP diharapkan perusahaan dapat memperbaiki permasalahan customer voice dan meningkatkan sistem menjadi lebih efektif dan efisien, sehingga keuntungan perusahaan dapat meningkat dibandingkan tahun-tahun sebelumnya.
Rantai Pasok adalah upaya-upaya yang dilakukan oleh perusahaan secara terintegrasi untuk meningkatkan efesiensinya melalui mata rantai supplier yang terkait, mulai dari supplier awal (raw material supplier) hingga end customer. Upaya ini dilakukan dengan meningkatkan komunikasi dan kerjasama yang lebih baik dalam setiap kaitan rantai perusahaan, yang terlibat dalam penciptaan produk (Sobarsa, 2009: p.110). Dalam studi kasus ini, perusahaan mengalami kesulitan untuk menyajikan transparansi rantai pasok sehingga kepuasan pelanggan menurun akibat mereka tidak tahu bagaimana perkembangan pesanan yang mereka pesan, apa alasan keterlambatan pengiriman, dan bagaimana kondisi real-time sistem produksi di perusahaan. Untuk dapat menyajikan semua informasi ini kepada pelanggan dan pemasok, tim logistik memerlukan akses terhadap semua data yang diperlukan. Upaya yang akan diusulkan dalam artikel ini adalah dengan melakukan restrukturasi perusahaan demi meningkatkan visibilitas rantai pasok. Tujuan utama visibilitas rantai pasok adalah untuk meningkatkan kinerja perusahaan (Wang & Wei 2007; Pidun & Felden 2012), juga dengan mendukung proses pengambilan keputusan (Kulp et al., 2004). Beberapa inisiatif dan program telah berhasil menggabungkan konsep peningkatan kinerja yang dimungkinkan oleh visibilitas, misalnya respon perusahaan yang semakin cepat, mekanisme respon konsumen yang efisien, informasi persediaan di supplier (Marques et al., 2010) dan replenishment terintegrasi (Yao & Dresner 2008).Robbins (2006:77) mengartikan restrukturisasi organisasi sebagai sebuah proses penataan ulang terhadap tatanan birokrasi ketika terjadi dinamika pada lingkungan baik internal maupun eksternal, maka birokrasi juga harus beradaptasi dengan dinamika tersebut agar dapat berkembang. Menurut Bramantyo (2004) restrukturisasi perusahaan bertujuan untuk memperbaiki dan memaksimalisasi kinerja perusahaan.
Gambar 1 . Konsep Dasar ERP (Wawan & Falahah, 2007 : 4)
Dari diagram diatas, ERP dapat dideskripsikan sebagai sebuah konsep untuk merencanakan dan mengelola sumber daya organisasi atau perusahaan agar dapat dimanfaatkan secara optimal untuk menghasilkan nilai tambah bagi seluruh pihak yang berkepentingan atas organisasi atau perusahaan tersebut. (Wawan dan Falahah, 2007 :5). Konsep ERP dapat dijalankan dengan baik, jika didukung oleh seperangkat aplikasi dan infrastruktur computer baik software maupun hardware, sehingga pengelolaan data dan informasi dapat dilakukan dengan mudah dan terintegrasi. Peranan perangkat teknologi dalam konsep ERP selain sebagai fasilitator juga dapat memberikan nilai tambah berupa perampingan proses, penyederhanaan proses, integrase dan otomasi proses. Oleh karena itu, hamper tdak mungkin mewujudkan konsep ERP tanpa adanya dukungan sistem berbasis komputer. (Wawan dan Falahah, 2007:4)
Menurut Umar (2005: 8) studi kelayakan bisnis merupakan penelitian terhadap rencana bisnis yang tidak hanya menganalisis layak atau tidak layak bisnis dibangun, tetapi juga pada saat dioperasionalkan secara rutin dalam rangka pencapaian keuntungan yang maksimal untuk waktu yang tidak ditentukan. Untuk memastikan bahwa investasi yang dilakukan oleh perusahaan adalah pilihan yang tepat maka harus dilakukan analisis kelayakan investasi. Indikator yang dicari yaitu Net Present Value (NPV) dan Pay Back Periode (PBP). Berikut adalah perhitungan masing- masing indikator:
1. Net Present Value (NPV) Metode ini menghitung selisih antara nilai sekarang investasi dengan nilai sekarang
penerimaan-penerimaan kas bersih (operasional maupun terminal cash flow) di masa yang akan datang. Apabila nilai sekarang penerimaan-peneritnaan kas bersih di masa yang akan datang lebih besar daripada nilai sekarang investasi, maka proyek ini dikatakan menguntungkan. Namun apabila lebih kecil (disebut NPV negatif atau NPV<0) maka proyek ini ditolak karena dinilai tidak menguntungkan. Besarnya NPV dinyatakan dalam rumus sebagai berikut :
NPV = - nilai proyek +
2. Payback period Payback period adalah periode yang diperlukan untuk dapat menutup kembali
pengeluaran investasi. Untuk perhitungan Payback period apabila benefit tidak sarna tiap pengeluaran investasi. Untuk perhitungan Payback period apabila benefit tidak sarna tiap
= (sisa investasi/ benefit tahun ke II) x 12 bulan ……. (3)
2. Metodologi Penelitian Kasus dalam penelitian ini didapatkan dari kumpulan studi kasus di buku Supply Chain
Logistics Management (Fourth Edition) yang ditulis oleh Bowersox, dkk. Masalah yang terjadi dalam studi kasus ini adalah kepuasan pelanggan yang menurun karena perusahaan dinilai tidak bisa menyediakan visibilitas rantai pasok yang jelas untuk pelanggan yang ingin tahu penyebab turunnya peforma pelayanan perusahaan. Informasi yang didapatkan adalah struktur perusahaan, data penjualan, data biaya produksi, dan data jaringan distribusi perusahaan. Setelah mengetahui kompleksitas masalah yang sedang dihadapi oleh perusahaan selanjutnya dilakukan pengembangan alternatif yang bisa mengatasi akar masalah yang sedang terjadi. Buruknya komunikasi antara perusahaan, pemasok, dan pelanggan bisa diatasi dengan menerapkan ERP. ERP adalah sebuah platform terbukti bisa mengakomodasi kebutuhan informasi antara pelaku bisnis. Namun, menerapkan ERP bukan perkara mudah, maka analisis kelayakan investasi dan analisis resiko dilakukan untuk memastikan apakah ERP adalah jawaban dalam studi kasus ini.
Analisis kelayakan investasi pada penerapan ERP di perusahaan memiliki beberapa tahapan yaitu mengumpulkan semua data pendapatan dan pengeluaran selama lima tahun, dan mengumpulkan data biaya yang dibutuhkan untuk penerapan ERP. Metode yang digunakan untuk penerapan ERP yaitu net present value dan pay back periode. Dimana asumsi MARR yang digunakan adalah sebesar 13%, hal ini berdasarkan suku bunga kredit investasi pada tahun 2017 adalah 12,38% dan dibulatkan menjadi 13%.
3. Hasil dan Pembahasan
Pada bagian ini menjelaskan pengumpulan data struktur organisasi, data penjualan, data biaya operasi dan pengeluaran serta data jaringan distribusi. Data-data tersebut digunakan untuk pengolahan analisis kelayakan investasi dan analisis. Berikut adalah data struktur organisasi dari perusahaan :
Gambar 2 . Struktur Organisasi perusahaan (Bowersox dkk, 2002:636)
Woodson Chemical Company adalah perusahaan kimia terbesar keenam di Amerika Utara, dan menghasilkan beragam bahan kimia yang digunakan sebagai bahan baku pembuatan makanan, produk perawatan kesehatan, farmasi, pulp dan kertas, dan industri utilitas. Berikut adalah data pendapatan dan pengeluaran perusahaan pada tahun 1997-2001.
Tabel 1 . Data Pendapatan perusahaan (Bowersox dkk, 2002:635)
Tabel 2 . Data Pengeluaran perusahaan (Bowersox dkk, 2002:637)
Tahun
Pengeluaran
Rp
Rp
Rp
Rp
Rp
Perusahaan ingin melakukan investasi yaitu sebuah software finansial yang digunakan untuk mempermudah kinerja dari perusahaan, sehingga data perusahaan akan mudah diakses dan diupdate. Berikut biaya investasi untuk pengadaan software finansial :
Tabel 3 . Biaya Investasi Pengadaan Software (Puspanendra, 2012)
Investasi
Harga
Sistem dan Programing Rp
Perangkat Keras Baru Rp
Perangkat Jaringan
Tabel 4 . Variabel Cost Pemasangan Software (Puspanendra, 2012)
Variabel cost
Tahun 4 Tahun 5
Pemeliharaan aplikasi Rp 5.000.000 Rp 5.000.000 Rp 5.000.000 Rp 3.000.000 Rp 3.000.000 Pemeliharaan hardware Rp 9.600.000 Rp 9.600.000 Rp 36.600.000 Rp 9.600.000 Rp 38.600.000
Total Rp 14.600.000 Rp 14.600.000 Rp 41.600.000 Rp 12.600.000 Rp 41.600.000
Dalam distribusi, perusahaan memproduksi dan menjual lebih dari 1.500 produk dalam banyak formulasi, wadah kemasan, dan susunan label yang berbeda-beda. 22 lokasi perusahaan di USA didistribusikan melalui 5 pusat distribusi WCC ke gudang dan kemudian dikirim ke 325 titik stok (retailer dan koperasi). Berikut adalah jaringan distribusi yang dilayani oleh perusahaan :
Gambar 3 . Jaringan Distribusi perusahaan (Bowersox dkk,2002: 638)
Untuk memastikan bahwa investasi yang dilakukan oleh perusahaan adalah pilihan yang tepat maka harus dilakukan analisis kelayakan investasi. Indikator yang dicari yaitu Net Present Value (NPV) dan Pay Back Periode (PBP). Berikut adalah perhitungan masing-masing indikator:
1. Net Present Value (NPV) Pada Tabel 5 akan dijelaskan cash flow perusahaan dan nilai dari NPV :
Tabel 5 . Cash Flow perusahaan
Tahun
Cash Flow
Dari perhitungan NPV dengan asumsi MRR = 13 % maka didapatkan nilai Rp 444.385.872 diamana NPV > 0. Maka investasi dapat dikatakan layak. Berikut perhitungan NPV :
2. Pay Back Periode (PBP) Berikut perhitungan Pay Back Periode investasi ERP : Payback period = (sisa investasi/ benefit tahun ke II) x 12 bulan
= (128.900.000/212.644.362) x 12 = 7 bulan
Jadi investasi akan kembali pada bulan ke- 7.
3. Analisis
A. Restrukturasi Perusahaan Struktur perusahaan saat ini termasuk struktur desentralisasi, dimana semua divisi berada dibawah managemen tingkat atas dan hanya bertanggungjawab untuk memberikan informasi kepada A. Restrukturasi Perusahaan Struktur perusahaan saat ini termasuk struktur desentralisasi, dimana semua divisi berada dibawah managemen tingkat atas dan hanya bertanggungjawab untuk memberikan informasi kepada
Gambar 4 . Struktur Organisasi Perusahaan (Bowersox, dkk 2002)
Ada 2 cara untuk merubah struktur ini, yang pertama adalah dengan melakukan sentralisasi struktur perusahaan dan yang kedua adalah dengan mengkombinasikan sentralisasi dan desentralisasi. Cara pertama dinilai tidak efektif karena setiap divisi tetap membutuhkan grup logistik di dalam divisinya untuk mengatur pengadaan, produksi, dan distribusi di masing-masing divisi.
Gambar 5 . Sentralisasi Struktur Organisasi perusahaan
Cara kedua yaitu mengkombinasikan sentralisasi dan desentralisasi akan membentuk struktur organisasi seperti pada Gambar 6. Pada struktur ini grup logistik memiliki posisi sejajar dengan manajemen level atas. Dengan susunan organisasi seperti ini, grup logistik dapat mengakses semua data yang mereka perlukan dari setiap divisi yang ada dan juga bisa memiliki pengaruh yang kuat dalam pengambilan kebijakan terkait masalah kepuasan pelanggan yang sedang dihadapi oleh perusahaan. Selain itu, grup logistik tetap berada pada masing-masing divisi untuk mengatur pengadaan dan distribusi di masing-masing divisi.
Gambar 6 . Usulan Struktur Organisasi Perusahaan
B. Analisis Kelayakan Investasi Analisis melalui beberapa metode tersebut diharapkan dapat menunjukkan apakah investasi tersebut layak atau tidak untuk dilakukan. Analisis kelayakan investasi software perusahaan pada adalah sebagai berikut :
1. Metode NPV Berdasarkan hasil perhitungan NPV menunjukkan bahwa investasi yang dilakukan mengahasilkan NPV sebesar Rp 444.385.872. Hal ini berarti bahwa NPV bernilai positif, sehingga proyek tersebut layak untuk dilakukan.
2. Metode Payback Period Berdasarkan hasil perhitungan dengan menggunakan metode Payback Period menunjukkan bahwa waktu pengembalian investasi yaitu 7 bulan. Berdasarkan kriteria tersebut maka rencana investasi layak untuk dilakukan.
3. Biaya yang dapat dicegah Dari perhitungan kelayakan investasi, maka jika keputusan perusahaan menerapkan software tersebut maka akan menghemat biaya. Berikut penghematan biaya yang bisa dihemat adalah, dengan asumsi : Biaya Pengurangan Karyawan :
Biaya penggajian staff sebelum diterapkannya aplikasi sistem informasi finansial ini adalah Rp. 144.000.000 per tahun. Analisis penghematan tangible menghasilkan penghematan sebesar: 3x (gaji karyawan x 12 bulan) = 3 x (Rp. 2.000.000 x 12)
= 3 x Rp. 24.000.000 = Rp. 72.000.000
Jadi, dapat dihasilkan manfaat dari pengurangan karyawan adalah sebesar: Rp. 144.000.000 -Rp. 72.000.000 = Rp. 72.000.000
Analisis biaya yang bisa dicegah dari penerapan ERP dengan jenis software finansial adalah biaya pengurangan karyawan yang bisa dicegah yaitu sebesar Rp 72.000.000 untuk biaya pengurangan karyawan per tahun.
4. Analisis Risiko Dalam penerapan ERP perlu adanya beberapa kondisi yang harus terpenuhi oleh perusahaan yaitu seperti kebutuhan komunikasi penggunaan ERP oleh semua pihak yang dapat mengakses ERP tersebut seperti karyawan, supplier, customers, dan partners. Sehingga kemudahan dalam mengakses ERP adalah hal yang sangat penting untuk memenuhi efektivitas penggunaan ERP.
Ada beberapa hal yang sangat penting yang menjadi kunci kesuksesan penerapan sistem ERP sebaiknya ditingkatkan baik oleh perusahaan maupun pengembang sistem ERP yaitu komitmen manajemen dan pelatihan penggunaan sistem ERP. Komitmen manajemen diperlukan agar sistem ERP yang telah dibangun dan diterapkan dalam perusahaan digunakan secara maksimal secara menyeluruh, sehingga fungsi sistem ERP dapat berjalan dengan semestinya. Kemudian faktor pelatihan menjadi penting karena pengguna mendapatkan informasi bagaimana menggunakan semua fungsi dalam sistem ERP yang ada secara maksimal, sehingga tujuan penerapan sistem ERP yaitu meningkatkan dan memperkuat efektivitas dari sumber daya yang ada dalam perusahaan.
4. Simpulan
Analisis kelayakan investasi implementasi enterprise resource planning menunjukkan bahwa investasi yang dilakukan mengahasilkan NPV sebesar Rp 444.385.872, hal ini berarti bahwa NPV bernilai positif, dan Payback Period menunjukkan bahwa waktu pengembalian investasi yaitu 7 bulan, implementasi ERP menghasilkan manfaat dari pengurangan karyawan adalah sebesar Rp. 72.000.000. Kunci kesuksesan penerapan sistem ERP sebaiknya ditingkatkan baik oleh perusahaan maupun pengembang sistem ERP yaitu komitmen manajemen dan pelatihan penggunaan sistem ERP, sehingga tujuan penerapan sistem ERP yaitu meningkatkan dan memperkuat efektivitas dari sumber daya yang ada dalam perusahaan.
Daftar Pustaka
Afandi, A. Mukodim, D. Analisis Studi Kelayakan Investasi Pengembangan Usaha Distribusi PT. Aneka Andalan Karya. Prosiding PESAT. 2009. Bowersox, D.J., Closs, D.J., Cooper, M.B., dan Bowersox, J.C. Supply Chain Logistics Management, Fourth Edition. McGraw-Hill, Singapore. 2013. Djohanputro, B. Restrukturisasi Perusahaan Berbasis Nilai. PPM, Jakarta. 2004. Gunasekaran, P., Patel, C., & Tirtiroglu, E. Performance Measures and Metrics in a Supply Chain
Environment. International Journal of Operations & Production Management. 2001. Vol.
21. Issue : ½ , pp : 71-87. Kosasih, Sobarsa`. Manajemen Operasi Internasional. Mitra Wacana Media, Yogyakarta. 2009. Kulp, S.C., Lee, H.L., Ofek, E. Manufacturer Benefits from Information Integration with Retail
Customers. Journal of Management Science. 2004. 50 (4). 431-444. Pidun, T., Felden, C. Two cases on how to improve the visibility of business process performance. 45th Hawaii International Conference on System Sciences. 2012. January. Prihastono, E. Hayati, E.N. Analisis Kelayakan Investasi Mesin untuk Meningkatkan Kapasitas Produksi (Studi Kasus di CV Djaum Mulia Embroidery Semarang). Teknik Industri Univesitas Stikubank . 2015. Vol XI No. 2 Juli 2015. Hal 47-60.
Puspanendra, B. Ali N.H, Sholiq. Analisis Kelayakan Investasi Aplikasi Sistem Informasi Finansial Menggunakan Metode Information Economics (IE) pada CV. Rinjani Agro Sentosa. Teknik Informatika Intitut Teknologi Sepuluh November. 2012.
Marques, G., Thierry, G., Lamothe, J., Gourc, D. A Review of Vendor Managed Inventory (VMI): from Concept to Processes. Journal Production Planning & Control. 2010. 21(6), 547-561.
Orianto, P. Analisis Kelayakan Investasi Aplikasi Sistem Informasi Finansial Menggunakan Metode Information Economic (IE) pada CV. Rinjani Agro Sentosa, Prosiding Universitas Kristen Satya Wacana . 2016.
Robbins, S. Perilaku Organisasi. Index, Jakarta. 2003. Supeni, N. Fadah, I. Utami. E.S. Analisis Kelayakan Investasi Mesin Pencetak Kemasan Pada
UD Robin Jaya Sentosa Situbondo. Jurnal Relasi STIE Mandala. 2014. Wang, E.T.G., Wei, H.L. Interorganizational Governance Value Creation: Coordinating for Information Visibility and Flexibility in Supply Chains. Decision Sciences. 38, 647-674. Doi :10.111/j.1540-5915. 2007.00173.x
Wei, H.L., Wang, E.T.G. The Strategic Value of Supply Chain Visibility: Increasing the Ability to Reconfigure. European Journal of Information Systems. 2010. 238-249. Webster, M. Supply System Structure, Management and Performance: A Conceptual Model. International Journal of Management Reviews . 2002. 4(4) 353-369. Yao, Y., Dresner, M. The Inventory Value of Information Sharing, Continuous Replenishment, and Vendor-Managed Inventory. Journal of Transportation Research. 2008. 361-378.
Peramalan Kebutuhn Jumlah Vaksin Imunisasi Campak
Dengan Menggunakan Metode ARIMA: Studi Kasus
Nabilla Indah Putri *1) , Adhe Aji Wirawan 2) , Nida An Khofiyah 3) ,
Yuniaristanto 4)
1) Teknik Industri, Teknik, Universitas Sebelas Maret, Jl. Ir. Sutami No. 36A, Surakarta, 57126,
Indonesia
2) Teknik Industri, Teknik, Universitas Sebelas Maret, Jl. Ir. Sutami No. 36A, Surakarta, 57126, Indonesia 3) Teknik Industri, Teknik, Universitas Sebelas Maret, Jl. Ir. Sutami No. 36A,
Surakarta, 57126, Indonesia
4) Laboratorium Sistem Logistik dan Bisnis, Universitas Sebelas Maret, Jl. Ir. Sutami No. 36A,
Surakarta, 57126, Indonesia
Email: [email protected], [email protected], khofiyah.nidaan@gmail,com,
ABSTRAK
Peramalan (forecasting) merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis (Gaspersz, 2005). Peramalan digunakan untuk memperkirakan suatu hal yang dapat berubah sehingga perencanaan yang dilakukan dapat terpenuhi di masa yang akan datang. Metode yang digunakan dalam penelitian ini adalah metode ARIMA, dikarenakan metode ARIMA merupakan salah satu metode peramalan yang ada selalu dibatasi dengan asumsi hanya untuk berbagai macam pola tertentu. Hasil peramalan jumlah permintaan vaksin imunisasi campak menunjukkan trend menurun jika dibandingkan dengan data aktual tahun sebelumnya. Hal ini bisa saja disebabkan karena data yang digunakan adalah data Puskesmas sehingga jumlah data kecil dan memungkinkan banyak data yang hilang.
Kata kunci : Forecasting, Metode ARIMA, Vaksin
1. Pendahuluan
Peramalan (forecasting) merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis (Gaspersz, 2004). Peramalan digunkan untuk memperkirakan suatu yang dapat beruba sehingga perencanaan yang dilakukan dapat terpenuhi di masa yang akan datang. Peramalan permintaan merupakan tingkat permintaan suatu produk atau jasa yang diharapkan terpenuhi di masa yang akan datang., Salah satu contoh adalah permintaan produk vaksin campak untuk keperluan vaksinasi di sejumlah puskesmas. Campak adalah salah satu penyakit yang paling menular namun dapat dicegah dengan vaksin yang disebabkan oleh virus campak. Penyakit ini merupakan penyakit yang paling dikenal dan penyakit masa kecil yang jarang terjadi pada orang dewasa. Studi kasus ini dilakukan di Puskesmas XYZ.
Metode time series merupakan salah satu metode peramalan objektif. Metode ini tepat digunakan untuk melakukan peramalan terhadap nilai historis yaitu nilai pada masa yang akan datang berdasarkan nilai pada masa lalu dan sekarang, tanpa memperdulikan mengapa terjadi peningkatan nilai tertentu. Metode ARIMA merupakan salah satu metode peramalan time series yang hanya menggunakan variabel dependen berupa nilai masa lalu dan masa sekarang, sementara variabel independen diabaikan secara penuh. Alasan metode ARIMA merupakan salah satu metode peramalan yang ada selalu dibatasi dengan asumsi hanya untuk berbagai macam pola tertentu, contohnya adalah metode exponential smoothing. Asumsi yang digunakan berupa adanya suatu pola data yang stasioner. Metode ARIMA tidak membutuhkan adanya asumsi tentang suatu pola yang tetap sehingga berbeda dengan metode lainnya.
Sejumlah penelitian terdahulu telah dilakukan mengenai forecasting menggunakan metode ARIMA oleh Kasanah (2016), Sendy dkk (2016) dan Eko dkk (2016). Kasanah (2016) melakukan penelitian untuk menganalisis hasil peramalan kasus DBD di Puskesmas Mulyorejo. Dari hasil Sejumlah penelitian terdahulu telah dilakukan mengenai forecasting menggunakan metode ARIMA oleh Kasanah (2016), Sendy dkk (2016) dan Eko dkk (2016). Kasanah (2016) melakukan penelitian untuk menganalisis hasil peramalan kasus DBD di Puskesmas Mulyorejo. Dari hasil
2. Metode Terdapat beberapa tahapan yang dilakukan dalam penelitian ini, yaitu mulai dari studi
literatur mengenai metode ARIMA. Kemudian mengumpulkan data historis kebutuhan jumlah vaksin campak pada puskesmas XYZ dan dilakukan peramalan menggunakan metode ARIMA. Data historis yang digunakan adalah permintaan jumlah vaksin campak dari bulan Januari 2017 hingga Desember 2017 pada Puskesmas XYZ. Setelah dilakukan peramalan, kemudian dilakukan penghitungan keakuratan peramalan menggunakan software Eviews 9.5. Penghitungan yang dilakukan antara lain Autoregressive (AR), Moving Average (MA), dan Autoregressive Integrated Moving Average (ARIMA).
Untuk memastikan hasil yang didapat dari ARIMA telah akurat dan mengurangi tingkat kesalahan dapat digunakan dengan empat kriteria pemilihan model antara lain root mean square error (RMSE), mean absolute error (MAE), mean absolute percentage error (MAPE) dan Theil Inequality Coefficient . Pada artikel ini menggunakan MAPE karena ketersediaan data. Langkah selanjutnya dilakukan analisis. Analisis yang dilakukan yaitu, analisis Augmented Dickey-Fuller (ADF), analisis ACF dan PACF, analisis hasil ARIMA, dan analisis correlogram residual. Setelah dilakukan analisis, dilakukan penarikan kesimpulan berupa hasil peramalan yang didapat dengan menggunakan metode ARIMA. Tahapan metode penelitian dapat dilihat pada Gambar 1.
Mulai
A Studi literatur metode ARIMA
Analisis yang dilakukan:
Mengumpulkan data historis kebutuhan
1. Analisis Augmented Dickey-Fuller
jumlah vaksin campak di Puskesmas XYZ (ADF)
2. Analisis ACF dan PACF
3. Analisis hasil ARIMA
Melakukan peramalan menggunakan
4. Analisis Correlogram Residual
metode ARIMA
Menghitung keakuratan peramalan
Kesimpulan
menggunakan Eviews 9.5
Moving Average (MA) Selesai Autoregressive Integrated Moving Average (ARIMA)
Autoregressive (AR)
Menghitung keakuratan hasil ARIMA
menggunakan model MAPE
A Gambar 1. Metode Penelitian
3. Hasil dan Pembahasan
Data yang digunakan pada artikel ini adalah permintaan vaksin imunisasi campak di salah satu puskesmas di Solo. Gambaran time series dari data permintaan tersebut dapat dilihat pada Gambar 2.
Gambar 2. Data Historis Demand Vaksin Imunisasi Campak
Dari data di atas dapat dilihat bahwa permintaan vaksin imunisasi campak fluktuatif. Berdasarkan data diatas menunjukkan bahwa data belum stasioner terhadap mean dan variasi. Secara khusus perlu dilakukan pegujian Augmented Dickey-Fuller (ADF) sehingga diketahui data hasil permintaan vaksin imunisasi campak bersifat stasioner. Hasil dari pengujian tes ADF seperti pada Tabel 1.
Tabel 1. Hasil Tes ADF
Berdasarkan hasil dari test ADF, nilai yang dihasilkan dari t-statistics sebesar - 2,004014, masih lebih kecil dari nilai pada tabel t MacKinnon pada tingkat kepercayaan 1%, 5%, atau 10%. Untuk nilai probabilitas yang dihasilkan sebesar 0,2809. Nilai ini masih lebih besar daripada nilai α = 0,05 (0,2809 > 0,05). Dari hasil yang didapatkan ini memperlihatkan bahwa data permintaan tersebut belum stasioner. Maka data ini memerlukan diferensiasi dan transformasi agar menjadi stasioner. Hasil dari tes ADF dengan first differentiation dapat dilihat pada Tabel 2.
Tabel 2. Hasil Tes ADF dengan First Differentiation
Berdasarkan hasil dari test ADF dengan first differentiation, nilai yang dihasilkan dari t-statistics sebesar -5,013315. Nilai yang dihasilkan dari tes ADF dengan first differentiation sudah lebih besar dari nilai pada tabel t MacKinnon dengan tingkat kepercayaan 5% dan 10%. Untuk nilai probabilitas yang dihasilkan sebesar 0,0037. Nilai probabilitas tersebut sudah lebih kecil daripada nilai α = 0,05 (0,0037 < 0,05). Dari hasil yang didapatkan ini memperlihatkan bahwa data permintaan tersebut sudah stasioner pada diferensiasi tingkat pertama. Langkah selanjutnya adalah, melakukan analisis time series dengan menggunakan ARIMA.
ACF dan PACF dilakukan untuk mengidentifikasi data yang sesuai untuk sarana data. Hasil korelogram dengan diferensiasi pertama akan menunjukkan grafik ACF dan PACF seperti pada Gambar 2.
Gambar 3. ACF dan PACF
Dari korelogram diatas dapat diprediksi bawah model ARIMA yang digunakan adalah ARIMA (1, 1, 0), ARIMA (0, 1, 1), ARIMA (1, 1, 1) dengan tidak konstan. Langkah selanjutnya adalah melakukan perhitungan nilai C, probabilitas, dan AIC untuk setiap model ARIMA.
Tabel 3. ARIMA (1, 1, 0)
Tabel 4. ARIMA (0, 1, 1)
Tabel 5. ARIMA (1, 1, 1)
Untuk memilih model ARIMA yang terbaik untuk meramalkan jumlah permintaan vaksin imunisasi campak perlu melakukan perbandingan dengan nilai Akaike Info Criterion (AIC) dan Schwarz Criterion (SIC). Berikut perbandingan nilai AIC dan SIC pada Tabel 6.
Tabel 6. Perbandingan Nilai AI dan SIC Model ARIMA
Dari tabel di atas dapat disimpulkan bahwa dari ketiga model ARIMA tersebut yang memiliki nilai AIC dan SIC yang paling kecil adalah model ARIMA (0, 1, 1). Untuk menguji apakah residual hasil estimasi sudah bersifat white noise, yang berarti modelnya sudah tepat maka model ARIMA yang dipilih diuji seperti pada Gambar 4.
Gambar 4. Correlogram Residual
Dari gambar di atas tampak bahwa residual sudah bersifat white noise atau random. Hal ini ditunjukkan dengan grafik batang yang semuanya berada di dalam garis Bartlett.
Setelah menentukan model terbaik yaitu ARIMA (0, 1, 1) mala langkah selanjutnya adalah melakukan peramalan dengan program Eviews 9.5, maka akan langsung ditampilkan hasilnya, seperti pada Gambar 5.
Gambar 5. Hasil Peramalan
Dari hasil peramalan yang didapat, untuk nilai MSE sebesar 74,89638, nilai MAE sebesar 56,51049, dan nilai MAPE sebesar 4,897679. Maka dari tiga keriteria ini, yang terpilih adalah MAPE karena memiliki nilai kriteria yang paling kecil, mengindikasikan hasil yang dihasilkan tidak bias tetapi peramalan kurang akurat. Dapat dilihat pada Gambar 5 bahwa estimasi peramalan pada periode ke depan cenderung mengalami penurunan. Hal ini dapat dikarenakan data yang digunakan adalah data puskesmas sehingga jumlah data kecil dan memungkinkan beberapa data ada yang miss.
Gambar 6. Nilai Estimasi Peramalan
4. Simpulan
Jumlah data vaksin imunisasi campak tidak stasioner dan mengindikasikan ketidakstabilan variasi residual, maka data fluktuasi membutuhkan uji ADF untuk mendapatkan stasioner. Untuk melakukan ramalan permintaan dilakukan data stasioner dengan diferensiasi pertama. Hasil peramalan jumlah permintaan vaksin imunisasi campak menunjukkan trend menurun jika dibandingkan dengan data actual tahun sebelumnya. Hal ini bisa saja disebabkan karena data yang digunakan adalah data puskesmas sehingga jumlah data kecil dan memungkinkan banyak data yang miss.
Daftar Pustaka
Adebiyi, Ayodele. A., Adewumi, Aderemi, O., and Ayo, Charles K. (2014). Stock Price Prediction Using the ARIMA Model. 16 th International Conference Computer Modelling and Simulation , pp. 105-111.
Earnest, Arul., Tan, Beng Say., Wilder-Smith, Annelies., and Machin, David. (2012). Comparing Statistical Models to Predict Dengue Fever Notifications. Computational and Mathematical Methods in Medicine , Volume 2012.
Ekananda, Mahyus. (2014). Analisis Data Time Series untuk Penelitian Ekonomi Manajemen dan Akuntansi . Mitra Wacana Media. Jakarta. Elvani, Parlinsa Seny., Utary, Anis Rachma., dan Yudaruddin, Rizky., (2016). Peramalan Jumlah Produksi Tanaman Kelapa Sawit dengan Menggunakan Metode Arima
(Autoregressive Intgrated Moving Average). Jurnal Manajemen, Volume 8, pp. 95-112.
Eni, Daniel. and Adeyeye., Fola J. (2015). Seasonal ARIMA Modelling and Forecasting of Rainfall in Warri Town, Nigeria, Journal of Geoscience and Environment Protection , pp. 91-98 (August 2015).
Gaspersz, Vincent. (2004). Production Planning and Inventory Control. PT. Gramedia Pustaka Utama. Jakarta, Indonesia. Gaspersz, Vincent. (2005). Production Planning and Inventory Control. PT. Gramedia Pustaka Utama. Jakarta, Indonesia.
Ilic, Ivana., Jovanovic, Sonja., and Milic, Vesna Jankovic. (2016). Forecasting Corn Production in Serbia Using ARIMA Model. Economics of Agriculture, pp. 1141- 1156.
Kasanah, Luluk Nor. (2016). Aplikasi Autoregressive Integrated Moving Average
(ARIMA) untuk Meramalkan Jumlah Demam Berdarah Dengue (DBD) di Puskesmas Mulyorejo. Jurnal Biometrika dan Kependudukan, Vol. 5, No. 2, pp. 177-186.
Khandelwal, Ina., Adhikari, Ratnadip., and Verma, Ghanshyam. (2015). Time Series Forecasting Using Hybrid ARIMA and ANN Models Based on DWT Decomposition. ICCC-Procedia Computer Science, pp. 173-179.
Mulyono. (2000). Peramalan Bisnis dan Ekonometrika Edisi Pertama. BPFE. Yogyakarta. Nurrahma, Dwiska Aini., Ridwan, Ari Yanuar., dan Santosa, Budi. (2016). Usulan Perencanaan Kebijakan Persediaan Vaksin Menggunakan Metode Continuous Review (s,S) untuk Mengurangi Overstock di Dinas Kesehatan Kota XYZ. Jurnal Rekayasa Sistem & Industri , Vol. 3, No. 2, pp. 47-51.
Permatasari, Carina Intan., Sutopo, Wahyudi., dan Hisjam, Muh. (2017). Sales Forecasting Newspaper with ARIMA: A Case Study. ICIMECE (September 2017).
Sarpong, Smart.A. (2013). Modelling and Forecasting Material Mortality; an Application of ARIMA Models. International Journal of Applied Science and Technology, Vol. 3, No. 1, pp. 19-28.
Setyawan, Eko., Subantoro, Renan., dan Prabowo, Rossi. (2016). Analisis Peramalan (Forecasting) Produksi Karet (Hevea Brasiliensis) di PT Perkebunan Nusantara
IX Kebun Sukamangli Kabupaten Kendal. Jurnal Ilmu-ilmu Pertanian, Vol. 12, No. 2, pp. 11-19. Shu, Ming-Hung., Nguyen, Thani-Lam., Hsu, Bi-Min., Lu, Chunwei., and Huang, Jui- Chan. (2014). Forecasting Cargo Throughput with Modified Seasonal ARIMA Models. WSEAS Transactions on Mathematics, Vol. 13, pp. 171-181.
Udom, Patimaporn. and Phumchusri, Naragain. (2014). A Comparison Study between Time Seris Model and ARIMA Model for Sales Forecasting of Distributor in Plastic Industry. IOSR Journal of Engineering (IOSRJEN), Vol. 4, No. 2, pp. 32-
38 (February 2014).
Analisis Implementasi Knowledge Management Industri Oil and Gas dengan Metode Benchmarking