.jpg)
.jpg)
order, perencanaan tenaga kerja serta perencanaan
kapasitas kerja.
c. berdasar sifat ramalan yang telah disusun, meliputi:
1) peramalan kualitatif, yaitu peramalan yang didasarkan
atas kualitatif pada masa lalu. Hasil peramalan yang
dibuat sangat bergantung pada orang yang menyusunnya.
ini penting sebab hasil peramalan ditentukan
berdasar pemikiran yang bersifat intuisi, judgement
atau pendapat, dan pengetahuan serta pengalaman
dari penyusunnya. Peramalan ini didasarkan atas
hasil penyelidikan, seperi Delphi, S-curve, analogies
dan penelitian bentuk atau morphological research atau
didasarkan atas ciri-ciri normatif seperti decision matrices
atau decisions trees;
2) peramalan kuantitatif, yaitu peramalan yang didasarkan
atas data kuntitatif pada masa lalu. Hasil peramalan
yang dibuat sangat bergantung pada metode yang
dipergunakan dalam peramalan ini .
Pada dasarnya, peramalan yaitu proses untuk memperkirakan
kebutuhan pada masa datang yang meliputi kebutuhan dalam
ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan
dalam rangka memenuhi permintaan barang ataupun jasa. Salah
satu jenis peramalan yaitu peramalan permintaan.
1. Komponen Proses Peramalan
Peramalan permintaan yaitu tingkat permintaan produk
yang diharapkan terealisasi untuk jangka waktu tertentu dan pada
masa yang akan datang.
Menurut Yamit (2003), untuk menjamin efektivitas dan efisiensi
dari sistem peramalan permintaan, ada sembilan langkah
kegiatan yang harus dilakukan, yaitu:
a. menentukan tujuan dari peramalan;
b. memilih item independent demand yang diramalkan;
c. menentukan horizon waktu dari peramalan;
d. memilih model peramalan;
e. memperoleh data yang dibutuhkan untuk melakukan
peramalan;
f. validasi model peramalan;
g. membuat peramalan;
h. implementasi hasil peramalan;
i. memantau keandalan hasil peramalan.
2. Komponen Pertimbangan dalam Peramalan
Menurut Yamit (2003), dalam melakukan peramalan diperlukan
beberapa pertimbangan, antara lain:
a. item yang diramalkan;
b. peramalan dari atas (top-down) atau dari bawah (buttom-up);
c. teknik peramalan (model kuantitatif atau kualitatif);
d. satuan yang dipakai ;
e. interval waktu;
f. komponen peramalan;
g. ketepatan peramalan;
h. pengecualian dan situasi khusus;
i. perbaikan parameter model peramalan.
Dengan demikian, peramalan tidak terlalu dibutuhkan
dalam kondisi permintaan pasar yang stabil sebab perubahan
permintaannya relatif kecil.
Akan namun , peramalan akan sangat dibutuhkan jika
kondisi permintaan pasar bersifat kompleks dan dinamis. Hanya
sedikit lingkungan bisnis yang dapat menghindari proses peramalan
dan hanya menunggu hal-hal yang terjadi untuk mengambil
kesempatan.
2. Sifat Hasil Peramalan
dalam membuat peramalan ada
beberapa hal yang harus dipertimbangkan, yaitu sebagai berikut.
a. Ramalan pasti mengandung kesalahan, artinya peramal hanya
bisa mengurangi ketidakpastian yang akan terjadi, namun tidak
dapat menghilangkan ketidakpastian ini .
b. Peramalan seharusnya memberi informasi tentang beberapa
ukuran kesalahan, artinya sebab peramalan pasti mengandung
kesalahan maka penting bagi peramal untuk menginformasikan
seberapa besar kesalahan yang mungkin terjadi.
c. Peramalan jangka pendek lebih akurat dibandingkan dengan
peramalan jangka panjang. ini disebab kan pada peramalan
jangka pendek, faktor- faktor yang memengaruhi permintaan
relatif masih konstan. Panjangnya periode peramalan, semakin
besar pula kemungkinan terjadinya perubahan faktor-faktor
yang memengaruhi permintaan.
Metode yang baik yaitu metode yang memberi nilai-nilai
perbedaan atau penyimpangan yang mungkin. Dengan metode yang
berbeda akan diperoleh hasil peramalan yang berbeda. Adapun yang
perlu diperhatikan dari penggunaan metode yaitu baik-tidaknya
metode yang dipergunakan sangat ditentukan oleh perbedaan
atau penyimpangan antara hasil ramalan dengan kenyataan yang
terjadi.
Atas dasar logika, langkah dalam metode peramalan secara
umum yaitu mengumpulkan data, menyeleksi dan memilih data,
memilih model peramalan, memakai model terpilih untuk
melakukan peramalan, evaluasi hasil akhir.
berdasar sifatnya, peramalan
dibedakan menjadi dua metode, yaitu peramalan kualitatif dan
kuantitatif. Peramalan yang didasarkan atas data kualitatif didasarkan
pada pengamatan kejadian-kejadian pada masa sebelumnya digabung
dengan pemikiran dari penyusunnya. Adapun peramalan yang
didasarkan atas data kuantitatif diperoleh dari pengamatan nilai-
nilai sebelumnya. Hasil peramalan yang dibuat bergantung pada
metode yang dipakai , memakai metode yang berbeda akan
diperoleh hasil peramalan yang berbeda. Kedua metode peramalan
ini ,
1. Metode Peramalan Kualitatif (Judgement Method)
Peramalan kualitatif biasanya bersifat subjektif,
dipengaruhi oleh intuisi, emosi, pendidikan, dan pengalaman
seseorang. Oleh sebab itu, hasil peramalan seseorang dengan orang
yang lain akan berbeda. Walaupun demikian, peramalan dengan
metode kualitatif tidak hanya memakai intuisi, namun juga
mengikutsertakan model statistik sebagai bahan masukan dalam
melakukan judgement (keputusan), hal itu dapat dilakukan secara
individu ataupun kelompok.
Peramalan kuantitatif (Sofyan Assauri, 1984), hanya dapat
dipakai jika ada tiga kondisi berikut ini.
a. Adanya informasi tentang keadaan yang lain.
b. Informasi ini dapat dikuantifikasikan dalam bentuk
data.
c. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan
pada masa yang akan datang.
Beberapa metode peramalan yang digolongkan sebagai model
kualitatif yaitu sebagai berikut.
a. Metode Delphi
Dalam metode ini, sekelompok pakar mengisi kuesioner.
Variabel moderator menyimpulkan hasilnya dan memformulasikan
menjadi suatu kuesioner baru yang diisi kembali oleh kelompok
ini , demikian seterusnya. ini yaitu suatu proses
pembelajaran (learning process) dari kelompok tanpa adanya tekanan
atau intimidasi individu.
Metode ini pertama kali dikembangkan oleh Rand Corporation
pada tahun 1950-an. Adapun tahap-tahap yang harus dilakukan,
yaitu sebagai berikut.
1) Menentukan beberapa pakar sebagai partisipan. Dalam
menentukan para pakar ini , sebaiknya bervariasi dari
latar belakang disiplin ilmu yang berbeda.
2) Melalui kuesioner (atau e-mail), diperoleh peramalan dari
seluruh partisipan.
3) Menyimpulkan hasilnya, kemudian mendistribusikan kembali
pada seluruh partisipan dengan pertanyaan yang baru.
4) Menyimpulkan kembali hasil revisi peramalan dan kondisinya,
kemudian dikembangkan dengan pertanyaan yang baru.
5) jika diperlukan, ulangi tahap 4 kemudian seluruh hasil
akhir didistribusikan kepada seluruh partisipan.
b. Dugaan Manajemen (Management Estimate) atau Panel
Consensus
Metode ini cocok dalam situasi yang sangat sensitif terhadap
intuisi dari sekelompok kecil orang yang mampu memberi opini
kritis dan relevan.
Teknik ini akan dipergunakan dalam situasi saat tidak ada
aternatif lain dari model peramalan yang dapat diterapkan.
Walaupun demikian, metode ini memiliki banyak
keterbatasan, sehingga perlu dikombinasikan dengan metode
peramalan yang lainnya.
c. Riset Pasar (Market Research)
Riset pasar (market research) yaitu sebuah metode
peramalan berdasar hasil survei pasar yang dilakukan oleh
tenaga pemasaran produk atau yang mewakilinya.
Metode ini akan berfungsi untuk menjaring informasi dari
pelanggan potensial (konsumen), berkaitan dengan rencana pembelian
mereka pada masa mendatang.
Pada dasarnya riset pasar bukan hanya untuk membantu
peramalan, melainkan untuk meningkatkan desain produk dan
perencanaan produk baru.
d. Metode Kelompok Terstruktur (Structured Group Methods)
Metode kelompok terstruktur (structured group methods) sama
seperti metode Delphi dan metode lainnya. jika metode Delphi
yaitu teknik peramalan berdasar proses konvergensi dari
opini beberapa orang ahli secara interaktif tanpa menyebutkan
identitasnya, metode kelompok terstruktur tidak bertemu secara
bersama dalam suatu forum untuk berdiskusi, namun diminta
pendapatnya secara terpisah dan tidak boleh secara berunding.
ini dilakukan untuk menghindari pendapat yang bias sebab
pengaruh kelompok. Pendapat yang berbeda secara signifikan dari
para ahli yang lain dalam grup ini akan dinyatakan lagi kepada
yang bersangkutan, sehingga akhirnya diperoleh angka estimasi
pada interval tertentu yang dapat diterima.
Metode Delphi ini dipakai dalam peramalan teknologi yang
sudah dipakai pada pengoperasian jangka panjang. Dalam
kapasitasnya, metode ini juga bermanfaat dalam pengembangan
produk baru, pengembangan kapasitas produksi, penerobosan ke
segmen pasar baru dan strategi keputusan bisnis lainnya.
e. Analogi Historis (Historical Analogy)
Pada dasarnya analogi historis (historical analogy) yaitu
teknik peramalan berdasar pola data masa lalu dari produk-
produk yang dapat disamakan secara analogi. Misalnya, peramalan
untuk pengembangan pasar televisi multisistem yang memakai
model permintaan televisi hitam putih atau televisi berwarna
biasa.
Dengan demikian, analogi historis cenderung akan menjadi
baik untuk penggantian produk di pasar, jika ada hubungan
substitusi langsung dari produk di pasar ini .
2. Metode Peramalan Kuantitatif (Statistical Method)
Pada dasarnya metode peramalan kuantitatif dapat dibedakan
atas dua bagian, yaitu sebagai berikut.
a. Metode peramalan yang didasarkan atas penggunaan Analisa
pola hubungan antara variabel yang akan diperkirakan
dengan variabel waktu, yang yaitu deret waktu atau
time series.
b. Metode peramalan yang didasarkan atas dasar penggunaan
Analisa pola hubungan antara variabel yang akan diperkirakan
dengan variabel lain yang memengaruhinya, bukan waktu yang
disebut metode korelasi atau sebab akibat (causal method).
Adapun prosedur atau langkah-langkah yang perlu dilakukan
dalam peramalan secara kuantitatif, yaitu:
a. mendefinisikan tujuan peramalan;
b. membuat diagram pencar;
c. memilih minimal dua metode peramalan yang dianggap
sesuai;
d. menghitung parameter fungsi peramalan;
e. menghitung kesalahan setiap metode peramalan;
f. memilih metode yang terbaik, yaitu yang memiliki kesalahan
terkecil;
g. melakukan verifikasi peramalan.
Sofyan Assauri (1984) mengilustrasikan langkah-langkah
peramalan secara kuantitatif seperti berikut ini.
Langkah I:
De nisikan tujuan peramalan
Langkah III:
Pilih beberapa metode peramalan
Langkah VI:
Pilih metode dengan kesalahan terkecil
Langkah II:
Buat diagram pencar
Langkah V:
Hitung kesalahan setiap metode
Langkah IV:
Hitung parameter-parameter
Langkah VII:
Veri kasi Peramalan
a. Metode Time Series
Time series yaitu suatu rangkaian atau seri dari nilai-nilai suatu
variabel atau hasil observasi, yaitu nilai indeks harga saham yang
dicatat dalam jangka waktu yang berurutan
Metode time series yaitu metode dalam peramalan dengan
memakai Analisa pola hubungan antara variabel yang akan
diperkirakan dengan variabel waktu atau Analisa time series. Adapun
variabel-variabel ini , antara lain metode smoothing, metode box
jenkins (ARIMA), metode proyeksi trend dengan regresi.
Ada dua hal yang perlu diperhatikan dalam melakukan
peramalan, antara lain:
1) pada galat (error), yang tidak dapat dipisahkan dalam metode
peramalan;
2) untuk mendapatkan hasil yang mendekati data asli, seorang
peramal harus berusaha membuat error sekecil mungkin.
Dengan adanya data time series, pola gerakan data dapat
diketahui. Dengan demikian, data time series dapat dijadikan
sebagai dasar untuk pembuatan keputusan pada saat ini, peramalan
keadaan perdagangan dan ekonomi pada masa yang akan datang,
perencanaan kegiatan untuk masa depan.
Pada prinsipnya, Analisa data time series menurut Hasan (2002:
184) yaitu Analisa yang menerangkan dan mengukur berbagai
perubahan atau perkembangan data selama satu periode.
Di samping itu, Analisa time series dapat dilakukan untuk
memperoleh pola data time series dengan memakai data masa
lalu yang akan dipakai dalam meramalkan nilai pada masa yang
akan datang.
Dalam time series, ada empat macam tipe pola data, yaitu
sebagai berikut.
1) Metode time series yaitu metode yang dipergunakan untuk
mengAnalisa serangkaian data yang yaitu fungsi dari
waktu.
2) Metode ini mengasumsikan beberapa pola atau kombinasi pola
selalu berulang sepanjang waktu, dan pola dasarnya dapat
diidentifikasi semata-mata atas dasar data historis dari serial
itu.
3) Dengan Analisa deret waktu dapat ditunjukkan dengan
permintaan terhadap produk tertentu bervariasi terhadap
waktu.
4) Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan
untuk meramalkan penjualan pada masa yang akan datang.
Di samping itu, ada empat komponen utama yang
memengaruhi Analisa metode time series, antara lain sebagai
berikut.
1) Pola Siklis (Cycle)
Penjualan produk dapat memiliki siklus yang berulang secara
periodik. Banyak produk dipengaruhi pola pergerakan aktivitas
ekonomi yang terkadang memiliki kecenderungan periodik.
Komponen siklis ini sangat berguna dalam peramalan jangka
menengah. Pola data ini terjadi jika data memiliki kecenderungan
untuk naik atau turun terus-menerus.
Untuk lebih jelasnya dalam memahami pola data dalam bentuk
trend ini,
2) Pola Musim (Seasonal)
Dalam konteks ini, perkataan musim menggambarkan
pola penjualan yang berulang setiap periode. Komponen musim
dapat dijabarkan dalam faktor cuaca, libur, atau kecenderungan
perdagangan. Pola musiman juga berguna dalam meramalkan
penjualan dalam jangka pendek.
Pola data semacam ini terjadi jika nilai data sangat
dipengaruhi oleh musim, misalnya permintaan bahan baku jagung
untuk makanan ternak ayam di pabrik pakan ternak selama satu
tahun. Selama musim panen harga jagung akan menjadi turun
sebab jumlah jagung yang dibutuhkan tersedia dalam jumlah
yang besar.
Untuk mengetahui lebih jauh mengenai pola data musiman
ini ,
Dengan demikian, dalam meramalkan biaya yang termasuk
dalam biaya operasi yang memakai pola trend, cenderung
naik jika mesin/peralatan semakin tua atau semakin lama jangka
waktu pemakaiannya.
b. Metode Kausal
Metode kausal mengasumsikan faktor yang diperkirakan
menunjukkan adanya hubungan sebab akibat dengan satu atau
beberapa variabel bebas (independen). Contoh, jumlah pendapatan
berhubungan dengan faktor jumlah penjualan, harga jual, dan
tingkat promosi.
jika metode kausal dikaitkan dengan konteks penelitian,
menurut Suryabrata (2006) penelitian kausal komparatif bersifat
expost facto, artinya data dikumpulkan sesudah berlangsungnya
semua kejadian yang dipersoalkan. Peneliti mengambil satu atau
lebih akibat (sebagai “dependent variables”) dan menguji data itu
dengan menelusuri kembali ke masa lalu untuk mencari sebab,
saling hubungan, dan maknanya.
Menurut Sukmadinata (2010: 55), penelitian expost facto meneliti
hubungan sebab akibat yang tidak dimanipulasi atau diberi perlakuan
(dirancang dan dilaksanakan) oleh peneliti.
Penelitian hubungan sebab akibat dilakukan terhadap program,
kegiatan atau kejadian yang telah berlangsung atau telah terjadi.
Adanya hubungan sebab akibat didasarkan atas kajian teoretis
bahwa suatu variabel disebabkan atau dilatarbelakangi oleh variabel
tertentu atau memicu variabel tertentu.
Penelitian expost facto mirip dengan penelitian eksperimen,
namun tidak ada pengontrolan variabel dan tidak ada prates.
Penelitian ini dapat dilakukan dengan baik, dengan memakai
kelompok pembanding.
Tujuan penelitian kausal komparatif dimaksudkan untuk
menyelidiki kemungkinan hubungan sebab akibat dengan cara
pengamatan terhadap akibat yang ada mencari kembali faktor yang
mungkin menjadi penyebab melalui data tertentu. ini berbeda
dengan metode eksperimental yang mengumpulkan datanya pada
waktu kini dalam kondisi yang dikontrol
Dengan demikian, metode kausal dalam konteks ini diperlukan
untuk:
1) menemukan bentuk hubungan antara variabel-variabel,
2) meramalkan nilai dari variabel tidak bebas (dependen),
3) meramalkan permintaan.
Selain itu, metode ini dapat dipergunakan juga untuk kondisi
lain, yaitu variable penyebab terjadinya item yang akan diramalkan
sudah diketahui. Dengan adanya hubungan ini , diharapkan
output dapat diketahui jika input juga diketahui.
Dalam meramalkan permintaan di atas, t idak hanya
memperhatikan waktu, namun juga faktor yang memengaruhinya.
Adapun faktor-faktor yang perlu diperhatian, antara lain:
1) harga produk, jika harga produk naik maka permintaan
naik;
2) saluran distribusi, jika banyak saluran distribusi maka
permintaan naik.
Dalam pelaksanaanya, metode kausal perlu didukung pula
oleh beberapa metode lainnya, seperti metode regresi dan korelasi,
metode ekonometri, dan metode input dan output. Penjelasan
mengenai keempat metode pendukung ini , antara lain sebagai
berikut.
1) Metode Regresi dan Korelasi
Analisa regresi berkenaan dengan studi kebergantungan suatu
variabel, variabel tidak bebas, pada satu atau lebih variabel lain,
variabel yang menjelaskan (explanatory variables), dengan maksud
menaksir dan atau meramalkan nilai rata-rata hitung (mean) atau
rata-rata (populasi) variabel tidak bebas, dipandang dari segi nilai
yang diketahui atau tetap variabel yang menjelaskan (Gujarati,
2004).
Regresi dalam statistika yaitu salah satu metode untuk
menentukan tingkat pengaruh suatu variabel terhadap variabel
yang lain. Variabel yang pertama disebut dengan bermacam-
macam istilah, seperti variabel penjelas, variabel eksplanatorik,
variabel independen, atau secara bebas, variabel X (sebab sering
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel
yang kedua yaitu variabel yang dipengaruhi, variabel dependen,
variabel terikat, atau variabel Y. Kedua variabel ini yaitu
variabel acak (random), namun variabel yang dipengaruhi harus
selalu variabel acak.
Analisa regresi yaitu salah satu Analisa yang paling
populer dan luas pemakaiannya. Hampir semua bidang ilmu yang
memerlukan Analisa sebab-akibat mengenal Analisa ini.
Analisa ini pertama kali dipergunakan oleh Karl Pearson,
seorang matematikawan dan penyokong ide eugenetika, untuk
mengAnalisa hubungan antara sifat orang tua dan anaknya.
Korelasi dan regresi memiliki hubungan yang sangat erat.
Setiap regresi pasti ada korelasinya, namun korelasi belum tentu
dilanjutkan dengan regresi. Korelasi yang tidak dilanjutkan dengan
regresi yaitu korelasi antara dua variabel yang tidak memiliki
hubungan kausal/sebab-akibat atau hubungan fungsional. Untuk
menetapkan kedua variabel memiliki hubungan kausal atau tidak,
harus dilandaskan pada teori atau konsep tentang dua variabel
ini
Contoh persamaan regresi:
Y = 2 + 10X ……..(1)
Y = variabel respon
X = variabel prediktor/bebas
Angka 2 pada persamaan (1) disebut sebagai intersep.
Metode regresi dan korelasi pada penetapan suatu persamaan
estimasi memakai teknik least squares.
a) Hubungan yang ada perlu diAnalisa secara statistik.
b) Ketepatan peramalan dengan memakai metode regresi
dan korelasi sangat baik untuk peramalan jangka pendek,
sedang untuk peramalan jangka panjang ketepatannya
kurang begitu baik.
biasanya metode ini banyak dipakai untuk peramalan
penjualan, perencanaan keuntungan, peramalan permintaan, dan
peramalan keadaan ekonomi.
Data yang dibutuhkan untuk penggunaan metode ini yaitu
data kuartalan dari beberapa tahun lalu.
Model yang dapat dipakai sama dengan model pada regresi
linier berganda, yaitu:
Y = b0 + b1X1 + b2X2 + b3X3 + … + bnXn + bnd + En
Keterangan:
Y = nilai observasi dari variabel yang diukur
b
0
= konstanta
X = variabel pengukur (independen)
d = variabel surrogates (dummy)
ε = error
2) Metode Ekonometrik
Dalam definisi yang sederhana, ekonometrika yaitu suatu
aplikasi dari metode statistika pada ekonomi. Akan namun , tidak
seperti pada ilmu statistika, yang hanya terfokus pada data statistik,
ilmu ekonometrika yaitu gabungan dari teori ekonomi,
matematika, dan statistika.
Istilah ekonometrika pertama kali diperkenalkan oleh Ragnar
Frisch (1933), seorang pakar ekonomi dan statistika berkebangsaan
Norwegia. Ia menjelaskan definisi ekonometrika sebagai berikut:
“... ada banyak metode kuantitatif sewaktu mengAnalisa
ilmu ekonomi, namun tiada satu pun di antara metode kuantitatif
ini dapat berdiri sendiri tanpa bantuan dari yang lain
untuk menerangkan ekonometrika. Oleh sebab itu, ketiga
faktor yaitu teori ekonomi, matematika dan statistika sama-
sama penting untuk menerangkan hubungan kuantitatif dalam
mempelajari ilmu ekonomi.”
-- 118
Beberapa pakar mendefinisikan ekonometrika sebagai ilmu
sosial yang memakai alat berupa teori ekonomi, matematika,
dan statistika inferensi yang dipakai untuk mengAnalisa kejadian-
kejadian ekonomi (Arthur S. Goldberger, 1964: 1).
J. Supranto (1983: 6) mendefinisikan ekonometrika yaitu
gabungan penggunaan matematik dan statistik untuk memecahkan
persoalan ekonomi.
Ekonometri didefinisikan oleh Catur Sugianto (1994):
“… suatu ilmu yang mengombinasikan teori ekonomi dengan
statistik ekonomi, dengan tujuan menyelidiki dukungan empiris
dari hukum skematik yang dibangun oleh teori ekonomi.
Dengan memanfaatkan ilmu ekonomi, matematik, dan statistik,
ekonometri membuat hukum-hukum ekonomi teoretis tertentu
menjadi nyata.”
Model ekonometrika setidaknya terdiri atas dua golongan
variabel, yaitu variabel terikat (dependen) dan variabel bebas
(independen). Jumlah variabel bebas tidak harus satu, namun dapat
berjumlah lebih dari satu variabel. Untuk model dengan satu variabel
bebas disebut dengan regresi tunggal (single regression), sedang
untuk model yang memiliki lebih dari satu variabel bebas disebut
regresi berganda (multiple regression).
Beberapa hal yang perlu diperhatikan dalam metode
ekonometrik, antara lain sebagai berikut.
a) Pada dasarnya metode ekonometrik didasarkan atas
peramalan sistem persamaan regresi yang diestimasikan
secara simultan.
b) Metode ini dapat dipakai , baik untuk peramalan jangka
pendek maupun peramalan jangka panjang, ketepatan
peramalan dengan metode ini sangat baik.
c) Metode ini biasanya selalu dipergunakan untuk
peramalan penjualan menurut kelas produk, atau peramalan
keadaan ekonomi warga , seperti permintaan, harga, dan
penawaran.
-- 119
d) Data yang dibutuhkan untuk penggunaan metode ini yaitu
data kuartalan beberapa tahun.
3) Metode Input-Output
Metode input-output biasanya dipergunakan untuk
menyusun proyeksi tren ekonomi jangka panjang.
Beberapa hal yang perlu diperhatikan dalam penggunaan
metode ini, antara lain:
a) model ini kurang baik ketepatannya untuk peramalan jangka
panjang,
b) model ini banyak dipergunakan untuk peramalan penjualan
perusahaan, penjualan sektor industri dan subsektor industri,
produksi dari sektor dan subsektor produksi.
Data yang dibutuhkan untuk penggunaan metode ini yaitu
data tahunan, yaitu sekitar sepuluh sampai lima belas tahun.
c. Metode Peramalan Dekomposisi
1) Hakikat Metode Peramalan Dekomposisi
Metode dekomposisi yaitu salah satu pendekatan
peramalan yang tertua. Model ini mulai dikenal dan dipergunakan
pada permulaan abad ke-20 oleh para ahli ekonomi dalam mencoba
mengidentifikasikan dan mengendalikan siklus ekonomi dan usaha.
Dasar dari model ini disusun pada tahun 1920-an, saat konsep rasio
atau tren diperkenalkan. Sejak itu pendekatan ini mulai dipergunakan
secara luas oleh para ahli ekonomi dan pengusaha.
Dalam sebuah deret data ada pola yang mendasarinya.
Pola ini dapat dipecah (didekomposisi) menjadi sub-pola
yang menunjukkan tiap-tiap komponen deret berkala secara
terpisah. Pemisahan seperti itu membantu meningkatkan ketepatan
peramalan dan pemahaman atas perilaku deret data secara lebih
baik (Makridakis, 2000: 150).
Prinsip dasar metode dekomposisi yaitu memisahkan
(mendekomposisi) data deret waktu menjadi beberapa pola dan
-- 120
mengidentifkasi masing-masing komponen dari deret waktu ini
secara terpisah.
Komponen-komponen ini yaitu faktor tren, siklus, dan
musiman. Faktor tren menggambarkan perilaku data dalam jangka
panjang, dan dapat meningkat, menurun, atau tidak berubah. Faktor
siklus menggambarkan turunnya ekonomi atau industri tertentu
dan sering ada pada deret data seperti Produk Bruto Nasional
(GDP), indeks produksi industri, permintaan untuk perumahan,
penjualan barang industri seperti mobil, harga saham, tingkat
obligasi, penawaran uang, dan tingkat bunga. Faktor musiman
berkaitan dengan fluktuasi periodik dengan panjang konstan
yang disebabkan oleh temperatur, curah hujan, bulan pada suatu
tahun, saat liburan, dan kebijakan perusahaan. Perbedaan antara
musiman dan siklus yaitu musiman itu berulang pada interval
yang tetap seperti tahun, bulan, atau minggu, sedang faktor
siklus memiliki jangka waktu yang lebih panjang dan lamanya
berbeda atau acak dari satu siklus ke siklus berikutnya.
Dalam model dekomposisi ada asumsi bahwa data
yaitu gabungan dari komponen-komponen berikut.
Data = pola + eror
= f (tren, siklus, musim) + eror
Dalam ini terlihat adanya unsur tambahan dari pola, yaitu
unsur eror atau random, yang diasumsikan sebagai perbedaan dari
kombinasi hasil dari ketiga komponen (tren, siklus, dan musiman)
dari deret data dengan data yang sebenarnya (aktual).
Beberapa pendekatan alternatif untuk mendekomposisi suatu
deret berkala bertujuan memisahkan setiap komponen deret data
seteliti mungkin. Konsep dasar dalam pemisahan ini bersifat
empiris dan tetap yang mula-mula memisahkan musiman, lalu
tren, dan akhirnya siklus. Residu yang ada dianggap unsur acak
walaupun tidak dapat ditaksir, namun dapat diidentifikasi. Menurut
Assauri (1990), komponen eror diasumsikan sebagai perbedaan
dari kombinasi komponen tren, siklus, dan musiman dengan data
yang sebenarnya.
-- 121
Bentuk tradisional dari model dekomposisi yang klasik dapat
dinyatakan sebagai berikut.
Xt = f (Tt , It , Ct , Et)
Keterangan:
Xt = nilai deret waktu (aktual data) pada periode-t
Tt = komponen tren pada periode-t
It = komponen musiman (atau indeks musiman) pada
periode-t
Ct = komponen siklus pada periode-t
Et = komponen eror pada periode-t
Asumsi di atas mengandung pengertian bahwa ada
empat komponen yang memengaruhi deret waktu, yaitu tren,
siklus, dan musiman, sedang komponen kesalahan (eror) tidak
dapat diprediksi sebab tidak memiliki pola yang sistematis dan
memiliki gerakan yang tidak beraturan (Awat, 1990).
Menurut Hildebrand (1991), metode dekomposisi dapat
berasumsi pada model aditif atau multiplikatif dalam bentuk
perkalian. Formulanya dinyatakan sebagai berikut:
Xt = (Tt . It . Ct) + Et (2.1)
Model perkalian ini yaitu suatu model yang sering
dipakai . Dalam model ini komponen faktor musim dan siklus
dinyatakan dalam bentuk indeks. Unsur atau komponen acak
yaitu sisa pelengkap, yang mungkin pula dipergunakan dalam
perkalian seperti pada bentuk di atas.
Di samping model perkalian, ada pula model pertambahan
(aditif), yaitu:
Xt = (Tt + It + Ct) + Et (2.2)
-- 122
Dalam model ini, komponen tren, musim, dan siklus dinyatakan
dalam nilai absolut. Seperti halnya dengan model perkalian
(multiplikatif), unsur atau komponen acak yaitu sisa pelengkap,
yang dipergunakan dalam penjumlahan.
Model penjumlahan atau pertambahan (aditif) ternyata lebih
sulit jika dibandingkan dengan model perkalian dalam cara
pengerjaannya sebab masing-masing faktor atau komponen berdiri
sendiri, sehinga tren tidak memiliki pengaruh atas faktor musim.
Oleh sebab itu, model ini tidak banyak dipergunakan, kecuali
untuk waktu yang sangat pendek, sehingga hampir seluruh pemakai
Analisa dekomposisi memakai model perkalian.
2) Manfaat Analisa Dekomposisi
Analisa dekomposisi dilakukan bukan untuk mengidentifikasi-
kan masing- masing komponen dari pola dasar yang ada, melainkan
untuk memecahkan atau mendekomposisikan pola ini ke dalam
subpola yang mengidentifikasikan masing-masing komponen dari
deret waktu (time series) secara terpisah.
Dengan memecah atau mendekomposisikan pola ini ,
ketepatan dalam peramalan dapat meningkat dan dapat membantu
memahami pola deret data dengan lebih baik (Makridakis, 2000:
209).
Manfaat memakai Analisa dekomposisi, yaitu sebagai
berikut.
a) Peramal menentukan tren jangka panjang dari variabel yang
dipertimbangkan. Contoh, jika suatu perusahan meneliti
perluasan pabrik dan peralatannya, perusahan ini tentu
ingin mengetahui kelebihan penjualan potensial, katakanlah
untuk 20 tahun yang akan datang. Proyeksi dengan faktor
tren memberi perkiraan atau estimasi yang diinginkan.
b) Peramal manajemen dapat membuat rancangan jangka pendek.
Contoh, suatu perusahaan dapat menjual 12000 unit setahun,
namun mungkin pada musim puncak, penjualan pada bulan
tertentu dapat mencapai 3000 unit per bulan.
-- 123
c) Dapat menentukan pengaruh musiman, manajemen atau
perencanaan dapat memperkirakan lebih tepat besarnya
persediaan dan jumlah tenaga penjualan yang dibutuhkan.
Suatu penafsiran faktor siklus dapat membantu dalam
penyusunan rencana jangka menengah, misalnya rekrutmen
personalia dapat dipercepat atau diperlambat, sehingga dapat
dicapai tingkat pemanfaatan tenaga kerja yang lebih efisien.
Metode dekomposisi yang klasik dapat dipergunakan dalam
banyak hal, baik di dunia ekonomi maupun dunia usaha. Metode
ini tidak hanya dipergunakan dalam tingkat ekonomi mikro, namun
juga dalam tingkat ekonomi makro, seperti angka-angka tingkat
pengangguran (unemployment rate) dan ekspor.
3) Proses Dekomposisi suatu Deret Waktu (Time Series)
Berikut akan diuraikan proses dekomposisi menurut Makridakis
dan Wheelwright (1985) yang terdiri atas beberapa langkah, yaitu
sebagai berikut.
a) Untuk deret data yang sebenarnya, Xt dihitung rata-rata
bergerak (moving average) yang memiliki panjang masa N,
yang sama dengan panjang atau lamanya musiman. Maksud
dari rata-rata bergerak untuk menghilangkan faktor musiman
dan faktor acak (randomness) dalam data. Perataan sepanjang
periode selama pola musim (12 bulan, 4 triwulan atau 7
hari) akan menghilangkan musiman. Kesalahan acak tidak
memiliki pola yang sistematis, sehingga dengan perata-
rataan akan mengurangi acakan pada deret data.
b) Memisahkan hasil rata-rata bergerak dengan N periode pada
butir satu di atas dari deret data asalnya untuk dapat diperoleh
faktor tren dan siklus.
c) Memisahkan faktor atau komponen musim dengan merata-
ratakannya pada setiap periode untuk membuat panjang yang
tepat dari musiman.
d) Mengidentifikasikan bentuk yang tepat dari tren dan
menghitung nilai-nilai pada periode Tt.
-- 124
e) Memisahkan hasil yang diperoleh pada butir atau tahap kedua
dari yang keempat (nilai kombinasi tren dan siklus) untuk
dapat memperoleh faktor siklus memisahkan faktor musiman,
tren dan siklus dari deret data asli untuk memperoleh faktor
acakan yang tersisa (Et).
Peramalan sebenarnya usaha untuk memperkecil risiko yang
timbul akibat pengambilan keputusan dalam suatu perencanaan
produksi. Semakin besar usaha yang dikeluarkan, risiko yang dapat
dihindari semakin besar pula. usaha memperkecil risiko ini
dibatasi oleh biaya yang dikeluarkan akibat mengusaha kan hal
ini . Faktor-Faktor yang harus dipertimbangkan, di antaranya
seperti berikut ini.
1. Horizon Peramalan
Ada dua aspek dari horison waktu yang berhubungan dengan
masing-masing metode peramalan, yaitu:
a. cakupan waktu pada masa yang akan datang;
b. untuk perbedaan dari metode peramalan yang dipakai
sebaiknya disesuaikan berdasar :
1) jumlah periode untuk ramalan diinginkan;
2) beberapa teknik dan metode hanya dapat disesuaikan
untuk peramalan satu atau dua periode di muka,
sedang teknik dan metode lain dapat dipergunakan
untuk peramalan beberapa periode pada masa
mendatang.
2. Tingkat Ketelitian
Tingkat ketelitian yang dibutuhkan sangat erat hubungannya
dengan tingkat perincian yang dibutuhkan dalam peramalan.
Untuk beberapa pengambilan keputusan diharapkan ada variasi
atau penyimpangan atas ramalan yang dilakukan antara 10 persen
-- 125
sampai dengan 15 persen, sedang untuk hal atau kasus lain
mungkin menganggap bahwa adanya variasi atau penyimpangan
atas ramalan sebesar 5 persen yaitu cukup berbahaya.
3. Ketersediaan Data
Metode yang dipergunakan sangat besar manfaatnya jika
dikaitkan dengan keadaan, informasi, dan data yang ada. jika
dari data yang lalu diketahui adanya pola musiman, untuk peramalan
satu tahun ke depan sebaiknya dipakai metode variasi musim.
jika dari data yang lalu diketahui adanya pola hubungan antara
variabel-variabel yang saling memengaruhi, sebaiknya dipergunakan
metode sebab akibat (causal) atau korelasi (correlation).
a. Bentuk Pola Data
Dasar utama dari metode peramalan yaitu anggapan bahwa
macam dari pola yang ada dalam data yang diramalkan akan
berkelanjutan. Contoh, beberapa deret yang melukiskan suatu pola
musiman, demikian pula halnya dengan suatu pola tren. Metode
peramalan yang lain mungkin lebih sederhana, terdiri atas nilai rata-
rata dengan fluktuasi yang acakan atau random yang terkandung.
sebab adanya perbedaan kemampuan metode peramalan untuk
mengidentifikasikan pola-pola data, diperlukan adanya usaha
penyesuaian antara pola data yang telah diperkirakan terlebih dahulu
dengan teknik dan metode peramalan yang akan dipakai .
b. Jenis dari Model
Sebagai tambahan perlu diperhatikan anggapan beberapa
pola dasar yang penting dalam data. Banyak metode peramalan
telah menganggap adanya beberapa model dari keadaan yang
diramalkan.
Model-model ini yaitu suatu derat saat waktu
digambarkan sebagai unsur penting untuk menentukan perubahan
dalam pola, yang secara sistematis dapat dijelaskan dengan Analisa
regresi atau korelasi.
Model yang lain yaitu model sebab akibat atau causal model,
yang menggambarkan bahwa ramalan yang dilakukan sangat
-- 126
bergantung pada terjadinya beberapa peristiwa yang lain, atau
sifatnya campuran dari model-model yang telah disebutkan di
atas.
Model-model ini sangat penting diperhatikan sebab
masing-masing model memiliki kemampuan yang berbeda dalam
Analisa keadaan untuk pengambilan keputusan.
c. Biaya
Umumnya ada empat unsur biaya yang tercakup dalam
penggunaan prosedur ramalan, yaitu biaya pengembangan,
penyimpanan (storage) data, operasi pelaksanaan dan kesempatan
penggunaan teknik-teknik dan metode lainnya.
Adanya perbedaan yang nyata dalam jumlah biaya, memiliki
pengaruh atas dapat menarik-tidaknya penggunaan metode tertentu
untuk suatu keadaan yang dihadapi.
4. Mudah-Tidaknya Penggunaan dan Aplikasinya
Prinsip umum dalam penggunaan metode ilmiah dari peramalan
untuk manajemen dan Analisa yaitu metode-metode yang dapat
dimengerti dan mudah diaplikasikan akan dipergunakan dalam
pengambilan keputusan dan Analisa .
Prinsip ini didasarkan pada alasan bahwa seorang manajer
atau Analisa bertanggung jawab atas keputusan yang diambilnya
atau hasil Analisa yang dilakukan, sudah tentu tidak memakai
dasar yang tidak diketahuinya atau tidak diyakininya. Sebagai ciri
tambahan dari teknik dan metode peramalan bahwa yang diperlukan
untuk memenuhi kebutuhan dari keadaan yaitu teknik dan metode
peramalan yang dapat disesuaikan dengan kemampuan dari manajer
atau Analisa yang akan memakai metode ramalan ini .
1. Faktor-faktor Lingkungan Eksternal
Lingkungan eksternal terdiri atas unsur-unsur di luar organisasi,
yang sebagian besar tidak dapat dikendalikan dan berpengaruh
dalam pembuatan keputusan oleh manajer.
-- 127
Organisasi mendapatkan masukan-masukan yang dibutuhkan,
seperti bahan baku, dana, tenaga kerja, dan energi dari lingkungan
eksternal, mentransformasikan menjadi produk dan jasa, kemudian
memberi sebagai keluaran-keluaran di lingkungan eksternal.
Lingkungan eksternal memiliki unsur-unsur yang
berpengaruh langsung (lingkungan ekstern mikro) dan yang
berpengaruh tidak langsung (lingkungan ekstern makro).
a. Lingkungan Ekstern Mikro
Komponen-komponen lingkungan ekstern mikro yang paling
penting yaitu para pesaing yang harus dihadapi perusahaan atau
langganan yang harus dilayani, pasar tenaga kerja, lembaga-lembaga
keuangan, para penyedia (suppliers), dan perwakilan pemerintah.
Beberapa lingkungan ekstern mikro lainnya penting juga
diperhatikan, walaupun tingkat pengaruhnya berbeda, seperti
saluran distribusi yang dipakai , media, asosiasi bisnis, kelompok
pencinta lingkungan, kelompok politik tertentu yang sebagian besar
yaitu perwujudan potensi pengaruh lingkungan ekstern
mikro.
b. Lingkungan Ekstern Makro
Lingkungan ekstern makro memengaruhi organisasi dengan
dua cara, yaitu kekuatan di luar memengaruhi suatu organisasi
secara langsung atau secara tidak langsung melalui satu atau
lebih unsur-unsur lingkungan ekstern mikro, dan unsur-unsur
lingkungan makro menciptakan iklim, misalnya teknologi tinggi,
keadaan perekonomian cerah atau lesu dan perubahan sosial saat
organisasi ada dan harus memberi tanggapan.
Lingkungan ekstern makro terdiri atas faktor teknologi,
ekonomi, politik, sosial, dan dimensi internasional sebagai kekuatan
yang berada di luar jangkauan perusahaan dan terlepas dari situasi
operasional perusahaan, dengan organisasi yang sedikit memiliki
kekuatan untuk memberi pengaruh balik yang berarti.
Contoh, teknologi komputer sekarang ini membuat perolehan,
penyimpanan, dan pemindahan informasi dalam jumlah yang besar.
-- 128
Keadaan perekonomian yang dilanda resesi akan menyebutkan
dunia usaha lesu, dengan perusahaan yang tidak memiliki
kemampuan untuk memperbaiki kecenderungan negatif keadaan
ekonomi ini .
2. Perkembangan Teknologi
Dalam setiap warga atau industri, tingkat kemajuan
teknologi memainkan peranan berarti pada penentuan produk dan
jasa yang akan diproduksi, peralatan yang akan dipakai , dan
cara operasi akan dikelola.
Contoh, kemajuan teknologi akan menurunkan permintaan akan
manajer-manajer menengah dan lini pertama. Banyak perusahaan
sekarang mempergunakan komputer untuk peramalan operasi-
operasi dan jadwal produksinya, yaitu pada waktu yang lalu
dilakukan oleh fungsi-fungsi manajemen menengah.
Perubahan teknologi yang biasanya bersifat inovatif dan
menolak keusangan, dapat terjadi sesaat dan dramatis dalam
memengaruhi perusahaan dan situasi persaingan.
Untuk beberapa tahun, perusahaan Polaroid dapat bersaing
dengan perusahaan-perusahaan alat-alat pemotret seperti Eastman
Kodak, Sakura, dan Fuji sebab produknya memiliki keunikan
yang terlindungi. saat Kodak dan lainnya mengembangkan
teknologi alternatif, posisi pasar Polaroid terancam.
Dalam situasi ini, manajer organisasi dituntut untuk selalu
mengembangkan produk, proses produksi, dan cara-cara penawaran
produk perusahaan. Manajer perlu meramalkan arah perkembangan
teknologi dan memperkirakan pengaruhnya pada organisasi
(peramalan teknologi).
3. Variabel-variabel Ekonomi
Manajer selalu berhadapan dengan masalah biaya sumber
daya yang dibutuhkan organisasi. Biaya ini selalu berubah setiap
waktu sebab pengaruh faktor-faktor ekonomi. Oleh sebab itu,
manajer perlu mengAnalisa dan mendiagnosis faktor-faktor ekonomi,
seperti inflasi dan deflasi, kebijakan moneter, devaluasi atau
-- 129
revaluasi, tingkat suku bunga, kebijakan fiskal, keseimbangan
neraca pembayaran, dan harga yang ditetapkan oleh para pesaing
dan penyedia.
4. Lingkungan Sosial-Kebudayaan
Lingkungan sosial kebudayaan suatu warga yaitu
pedoman hidup yang menentukan cara seluruh organisasi dan
manajer akan beroperasi.
5. Variabel-variabel Politik-Hukum
Politik dan hukum dalam suatu periode waktu tertentu akan
menentukan operasi perusahaan. Manajer harus memperhatikan
iklim politik, peraturan pemerintah, konsekuensi atau dampaknya
terhadap pemerintah dalam membuat keputusan.
6. Dimensi Internasional
Komponen internasional di lingkungan eksternal juga
menyajikan kesempatan dan tantangan, serta memiliki potensi
menjadi faktor yang memengaruhi langsung pada operasi perusahaan.
Kekuatan internasional berpengaruh melalui perkembangan politik
dunia, kebergantungan ekonomi, penularan nilai-nilai dan sikap
hidup serta transfer teknologi.
7. Organisasi dan Lingkungan
Tanggung jawab manajer terhadap organisasi dalam menyikapi
pengaruh lingkungan, di antaranya usaha memengaruhi lingkungan
ekstern mikro, peramalan (forecasting) dan lingkungan ekstern makro,
perancanaan, perancangan organisasi dan lingkungan.
8. Tanggung Jawab Sosial
Tanggung jawab sosial berarti manajemen mempertimbangkan
dampak sosial dan ekonomi dalam pembuatan keputusan. Implikasi
dari hal itu, usaha yang harus dilakukan, antara lain:
a. manajer dituntut mengimplemetasikan etika berusaha (the ethics
of manager), terutama dalam hal yang berhubungan dengan
-- 130
langganan, karyawan, penemu teknologi, lembaga-lembaga
pendidikan, perusahaan lain, supplier, kreditur, pemegang
saham, pemerintah, dan warga ;
b. manajer dituntut memperhatikan faktor-faktor yang akan
memengaruhi etika keputusan, yaitu hukum, peraturan
pemerintah, kode etik industri dan perusahaan, tekanan
sosial, tegangan antara standar perseorangan dan kebutuhan
organisasi.
-- 131
Penjadwalan agregat (perencanaan agregat) menyangkut
penentuan jumlah dan waktu produksi akan dilangsungkan
dalam waktu dekat, biasanya pada 3-18 bulan ke depan. Manajer
operasi berusaha menentukan cara terbaik untuk memenuhi
ramalan permintaan dengan menyesuaikan tingkat produksi,
tingkat kebutuhan tenaga kerja, tingkat persediaan, waktu lembur,
tingkat nilai subkontrak, dan semua variabel lain yang dapat
dikendalikan.
Tujuan proses produksi yaitu meminimalisasi biaya sepanjang
periode perencanaan. Walaupun begitu, isu-isu strategis lainnya
mungkin bisa lebih penting daripada biaya yang rendah. Strategi-
strategi ini mungkin mencakup usaha memuluskan tingkat kebutuhan
tenaga kerja, menurunkan tingkat persediaaan, atau mencapai tingkat
pemenuhan kebutuhan konsumen yang tertinggi tanpa memandang
jumlah biaya yang dikeluarkan.
Bagi perusahaan manufaktur, jadwal agregat mengaitkan
sasaran-sasaran strategis perusahaan ke rencana produksi untuk
produk-produk tertentu. Bagi perusahaan jasa, jadwal agregat
mengkaitkan sasaran-sasaran strategis dan jadwal terperinci untuk
para tenaga kerja.
BAB 5
-- 132
Tujuan pembahasan dari materi ini yaitu menjelaskan
keputusan perencanaan agregat dan kapasitas, untuk menunjukkan
rencana agregat dan rencana penentuan kapasitas yang cocok
dengan keseluruhan proses perencanaan, dan menjelaskan beberapa
teknik yang dipakai para manajer dalam mengembangkan suatu
rencana. Dalam ini , penekanan dilakukan terhadap perusahaan
manufaktur ataupun perusahaan yang bergerak di bidang jasa.
1. Pengertian Perencanaan Kapasitas
Ada dua padangan dalam memaknai “kapasitas”. Pertama,
jika dilihat dari pandangan bisnis, kapasitas yaitu jumlah
output yang dapat dicapai oleh sebuah sistem selama periode waktu
tertentu. Kedua, dilihat dari sudut industri jasa, kapasitas dimaknai
sebagai jumlah konsumen yang dapat ditangani selama beberapa
waktu.
Chase dan Jacobs (2005: 430) mendefinisikan kapasitas sebagai
kemampuan untuk menampung, menerima, menyimpan atau
mengakomodasi.
Bartal dan Martin (1999) mendefinisikan perencanaan kapasitas
dan agregate yaitu proses penentuan tujuan dan menetapkan cara-
cara terbaik untuk mencapainya.
Menurut G.R. Terry (1997), perencanaan yaitu tindakan
memilih dan menghubungkan fakta dan membuat serta memakai
asumsi-asumsi mengenai masa yang akan datang dalam hal
memvisualisasikan dan merumuskan aktivitas yang diangap perlu
untuk mencapai hasil yang diinginkan. Adapun kapasitas (capacity)
yaitu hasil produksi (throught put) atau jumlah unit yang dapat
ditahan, diterima, disimpan, atau diproduksi oleh sebuah fasilitas
dalam periode waktu tertentu.
Pada hakikatnya, kapasitas dapat memengaruhi sebagian
besar biaya tetap. Kapasitas juga berfungsi untuk menetukan bahwa
permintaan dapat dipenuhi atau tidak, fasilitas yang ada akan
berlebih atau tidak. Jika fasilitas terlalu besar, sebagian fasilitas akan
menganggur dan membutuhkan biaya tambahan yang dibebankan
-- 133
pada produksi atau menjadi beban pelanggan. Hal itu berdampak
pada kenaikan biaya.
Dalam praktiknya, perencanaan kapasitas yaitu penentuan
kebutuhan kapasitas masa depan yang sebagian besar didasarkan
pada permintaan pada masa yang akan datang. Jika permintaan
barang dan jasa dapat diramalkan dengan tingkat ketepatan yang
memadai, penentuan kapasitas dapat langsung dilakukan. Dalam
industri manufaktur, kapasitas diartikan sebagai jumlah yang dapat
diproduksi oleh mesin dalam suatu ukuran waktu.
Menurut Chase dan Aquilano (1955), Chase serta Russel Taylor
(2000), kapasitas yaitu jumlah keluaran yang dapat dihasilkan
oleh suatu sistem produksi dalam cakrawala waktu tertentu, yaitu
selama satu tahun atau dalam beberapa tahun mendatang.
Menurut Buffa (1999: 121), beberapa definisi mengenai kapasitas
tidak ada yang pasti sebab kapasitas harus dihubungkan dengan
sejauh mana suatu peralatan dipakai . Oleh sebab itu, kapasitas
suatu kegiatan operasi dapat berubah sebab adanya pengubahan
batas kapasitas dengan melakukan lembur atau subkontrak.
Dengan mengubah kebijakan mengenai pemanfaatan peralatan
dan fasilitas, dapat pula mengubah kapasitas tanpa menambah
jumlah peralatan, sumber kapasitas ini menjadi tuntutan manajer
untuk lebih luwes dalam menyusun perencanaan kapasitas.
2. Tujuan Perencanaan Kapasitas
Sebuah keputusan yang diambil oleh seorang manajemen
operasi dalam merencanakan kapasitas akan memberi pengaruh
yang berbeda terhadap performa. Menurut Pycraft (2000: 379),
pengaruh-pengaruh ini antara lain biaya, pendapatan,
modal kerja, kualitas, dan kecepatan dalam merespons kebutuhan
konsumen.
a. Aspek Biaya
Aspek biaya dipengaruhi oleh keseimbangan antara kapasitas
dan permintaan (tingkat output). Tingkat kapasitas yang melebihi
permintaan berarti terjadi under-utilization atas kapasitas, atau
-- 134
tingkat utilitas kapasitasnya rendah. ini akan menghasilkan
biaya per unit yang tinggi pendapatan juga terkena pengaruh atas
keseimbangan kapasitas dengan permintaan, namun berkebalikan
dari aspek biaya yang telah disebutkan sebelumnya. Jika tingkat
kapasitas sama atau lebih tinggi dari permintaan, semua permitaan
terpenuhi dan tidak ada pendapatan yang hilang.
b. Modal Kerja
Modal kerja akan dipengaruhi jika ada keputusan operasi
untuk memproduksi persediaan barang jadi. ini berarti
permintaan akan terpenuhi, namun perusahaan harus mengeluarkan
biaya persediaan sampai produk ini terjual.
c. Kualitas Produk atau Jasa
Kualitas produk atau jasa akan dipengaruhi oleh keputusan
perencanaan kapasitas, terutama pada perencanaan kapasitas
yang melibatkan perubahan besar di tingkat kapasitas, seperti
melalui perekrutan tenaga kerja baru untuk sementara waktu.
Perlu diperhatikan bahwa staf atau tenaga kerja yang baru, besar
kemungkikan dapat meningkatkan tingkat kesalahan dalam proses
operasi.
d. Kecepatan Merespons Kebutuhan Konsumen
Kecepatan merespons kebutuhan konsumen juga terkena
dampaknya, seperti melaksanakan kebijakan persediaan akan
menghasilkan kepuasan bagi konsumen sebab konsumen dapat
cepat menikmati produk yang berasal dari persediaan, tanpa harus
menunggu produksi barang ini .
3. Strategi Perencanaan Kapasitas
Taylor (2000) membedakan strategi perencanaan kapasitas
dalam tiga tipe, yaitu sebagai berikut.
a. Capacity lead strategy, suatu strategi pengembangan kapasitas
yang bersifat agresif dan dimaksudkan untuk mengantisipasi
pertumbuhan permintaan pada masa yang akan datang.
-- 135
b. Capacity lag strategy, suatu strategi pengembangan kapasitas
yang bersifat konservatif, peningkatan kapasitas dilakukan
sesudah terjadi peningkatan pasar. Strategi ini bermaksud untuk
memaksimumkan maslahat ekonomi investasi, namun dapat
berakibat jelek terhadap pelayanan kepada pelanggan.
c. Average capacity strategy, strategi kapasitas rata-rata, suatu
strategi pengembangan kapasitas yang diselaraskan dengan
rata-rata peningkatan estimasi permintaan.
Ada dua strategi yang dapat ditempuh perusahaan. Pertama,
strategi melihat dan menunggu yaitu strategi hati-hati sebab
kapasitas produksi akan dinaikkan jika permintaan konsumen
sudah naik. Kedua, strategi ekspansionis yaitu strategi melebihi
produksi di atas permintaan, sehingga tidak terjadi kekurangan
produk di pasaran yang memicu peluang masuknya pesaing
lain dan menjamin pelayanan terbaik dengan tersedianya produk
di pasaran.
a. Dimensi Perencanaan Kapasitas
Strategi untuk perencanaan kapasitas dipisahkan berdasar
tiga dimensi waktu, seperti diproyeksikan oleh Brown (
Berikut yaitu penjelasan mengenai perencanaan kapasitas
secara umum yang dipandang dalam tiga dimensi waktu menurut
Brown).
1) Perencanaan Jangka Panjang (long-term)
Perencanaan ini memerlukan waktu lebih dari 1 tahun.
Sumber daya produktif (seperti gedung, peralatan atau fasilitas)
membutuhkan waktu yang lama untuk diperoleh atau dibuang.
Perencanaan kapasitas jangka panjang membutuhkan partisipasi
dari manajemen puncak sebab keputusan yang diambil berkenaan
dengan fungsi penambahan fasilitas dan peralatan yang memiliki
lead time panjang.
2) Perencanaan Jangka Menengah (Medium-Term)
Perencanaan ini memerlukan waktu bulanan atau kwartalan
untuk 3 hingga 18 bulan ke depan. Dengan demikian, kapasitas dapat
divariasikan dengan memanfaatkan sumber daya yang tersedia,
yaitu dengan memakai alternatif seperti penambahan jumlah
karyawan atau jumlah shif, atau dapat dilakukan subkontrak dan
memakai persediaan. ini yaitu tugas dari perencanaan
agregat,
.jpg)
