PENERAPAN METODE EOQ

(ECONOMIC ORDER QUANTITY)

DALAM PENGELOLAAN BAHAN BAKU

ALUMUNIUM SULFAT

DI PT.X

Oleh

Aang Trianggawahyudin

NIM: 004200900101

Diajukan untuk Memenuhi Persyaratan Akademik

Mencapai Gelar Strata Satu

pada Fakultas Teknik

Program Studi Teknik Industri

2014

ABSTRAK

PT.X merupakan salah satu perusahaan yang memproduksi Alumunium Sulfat, yang

bahan baku utamanya adalah Alumunium. Permasalahan yang sering dihadapi oleh

perusahaan ini adalah dalam hal penentuan bahan baku yang terkadang mengalami

perbedaan antara jumlah pembelian dan penggunaan bahan baku Alumunium

sehingga mengalami kekurangan persediaan bahan baku. Terjadinya kekurangan

persediaan bahan baku (Stock Out) atau tidak adanya bahan baku pada saat

dibutuhkan dapat menyebabkan jalannya aktivitas produksi terhenti, sehingga hal ini

merupakan salah satu faktor kerugian bagi perusahaan. Data penelitian ini didapatkan

dengan cara wawancara dan dokumentasi, pengolahan data dengan cara uji peramalan

dan menggunakan metode EOQ (Economic Order Quantity). Perencanaan kebutuhan

bahan baku sifatnya tidak konstan sehingga dengan metode ini akan dihasilkan

perencanaan jumlah pemesanan yang optimal sehingga biaya pemesanan dan biaya

penyimpanan yang ditanggung perusahaan menjadi minimal. Dari hasil perhitungan

dengan menggunakan metode EOQ, pada tahun 2011 perusahaan dapat menghasilkan

total biaya sebesar Rp 14.688.861.065,00 dan menghasilkan efisiensi penghematan

sebesar Rp 137.598.460,00 dibandingkan dengan total biaya sebelumnya yaitu

sebesar Rp 14.826.459.525,00 sedangkan pada tahun 2012 perusahaan dapat

menghasilkan total biaya sebesar Rp 16.434.014.147,00 dan menghasilkan efisiensi

penghematan sebesar Rp 115.784.730,00 dibandingkan dengan total biaya

sebelumnya yaitu sebesar Rp 16.549.798.875,00

Kata kunci: Peramalan, EOQ, Safety Stock, Reorder Point, Total Cost, Penghematan.

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada era sekarang ini dunia bisnis telah menjadi semakin sensitif terhadap waktu

dan persaingan. Untuk bisa bertahan di tengah persaingan yang semakin ketat, hal

utama yang perlu diperhatikan oleh perusahaan adalah bagaimana memenuhi

permintaan customer. Banyak faktor yang memengaruhi pencapaian tujuan tersebut.

Salah satunya adalah faktor kelancaran produksi. Apabila proses produksi berjalan

lancar, tujuan perusahaan akan tercapai. Sebaliknya, jika proses produksi tersendat-

sendat, tujuan perusahaan tidak akan tercapai. Adapun kelancaran proses produksi

sangat ditentukan oleh ketersediaan bahan baku yang akan diolah dalam proses

produksi.

Menurut Sofjan Assauri (2008), didalam bukunya mengatakan bahwa, Inventory

merupakan salah satu hal yang sangat penting dalam kegiatan pemasaran dan

pengaruhnya sangat besar bagi perusahaan karena dengan adanya perencanaan

dan pengaruh persedian yang baik maka perusahaan tidak perlu merasa khawatir

mengenai persediaan untuk memenuhi kebutuhan permintaan konsumen.

Sehingga besar kecilnya keuntungan perusahaan juga dipengaruhi oleh jumlah

persediaan produk yang digunakan untuk memenuhi permintaan konsumen.

Oleh karena itu perusahaan harus merencanakan dengan baik kebutuhan akan

permintaan konsumen melalui pendistribusiaan produk yang baik dengan

penyediaan produk yang sesuai. Jika perusahaan tidak mampu memenuhi

kebutuhan konsumen maka perusahaan akan mengalami kehilangan kepercayaan

dari konsumen, permintaan dari konsumen tidak bisa diprediksi produk apa saja

yang akan dipesan, begitu juga sebaliknya perusahaan tidak bisa memprediksi

produk apa saja yang harus disimpan untuk persediaan, jika terjadi kelebihan

stock persediaan maka perusahaan akan mengalami penambahan biaya untuk

pengelolaan inventori. Untuk itu perencanaan persediaan harus dikelola dengan

baik dan optimal. Kegagalan dalam pengendalian persediaan akan menyebabkan

kegagalan dalam memperoleh laba. Untuk itu penting bagi setiap perusahaan

mengadakan pengendalian persediaan untuk memperoleh tingkat persediaan yang

optimal.

PT. X merupakan salah satu perusahaan yang bergerak dalam bidang pembuatan

Alumunium Sulfat, Alumunium Sulfat ini digunakan dalam proses penjernihan

air. Bahan baku utama yang digunakan dalam proses produksi adalah Alumunium.

Permasalahan yang sering dihadapi oleh perusahaan ini adalah dalam hal

penentuan bahan baku, yang terkadang mengalami perbedaan antara jumlah

pembelian dan penggunaan bahan baku Alumunium, sehingga terkadang

mengalami kekurangan persediaan bahan baku (Stock out).

Gambar 1.1 Grafik jumlah pembelian dan penggunaan bahan baku Alumunium

Berdasarkan grafik diatas terlihat adanya perbedaan antara pembelian dan

penggunaan yang menyebabkan terjadinya kekurangan persediaan bahan baku, hal

ini biasanya diakibatkan oleh permintaan konsumen yang meningkat, sehingga

PT. X harus membeli dengan harga tinggi karena melakukan pembelian secara

mendadak, maka dalam hal ini penyediaan bahan baku yang dilakukan PT. X

harus dikelola dengan sebaik-baiknya agar dapat memperoleh persediaan yang

optimal dan pengeluaran biaya yang berkaitan dengan pengelolaannya lebih

efisien . Oleh karena itu penulis melakukan analisis pengelolaan bahan baku di

perusahaan ini dalam pengendalian bahan baku Alumunium.

78000

81000

84000

87000

90000

93000

1 3 5 7 9 11 13 15 17 19 21 23

Jumlah pembelian Alumunium

Jumlah penggunaan Alumunium

1.2 Perumusan Masalah

Berdasarkan uraian latar belakang masalah di atas, maka dapat dirumuskan

permasalahan dari penelitian yang akan dilakukan yaitu:

1. Metode peramalan apakah yang tepat untuk memperkirakan kebutuhan bahan

baku Alumunium di masa mendatang?

2. Berapa jumlah pemesanan bahan baku yang tepat agar persediaan selalu

tersedia?

3. Kapan harus melakukan pemesanan kembali atau ROP (Reorder Point)?

4. Berapa nilai penghematan yang bisa didapatkan?

1.3 Tujuan Penelitian

Tujuan utama penelitian ini adalah untuk mengantisipasi resiko kehabisan dan

juga kelebihan bahan baku sehingga dapat meminimalisasi biaya bahan baku oleh

perusahaan, dengan cara mengukur parameter di bawah ini:

1. Menghitung peramalan kebutuhan bahan baku untuk memperkirakan jumlah

bahan baku yang akan digunakan di masa mendatang.

2. Mengukur kuantitas optimal dalam setiap kali pembelian bahan baku

Alumunium (Economic Order Quantity)

3. Melihat titik yang menunjukan waktunya untuk mengadakan pemesanan

kembali (Reorder Point)

4. Mengukur persediaan maksimum (Maximum Inventory)

5. Menghitung total biaya persediaan (Total Inventory Cost)

6. Menghitung seberapa besar nilai penghematan yang bisa didapatkan

1.4 Batasan Masalah

Batasan yang digunakan dalam penelitian ini adalah sebagai berikut :

1. Kegiatan ini dilakukan di gudang bahan baku di PT.X

2. Produk yang diteliti adalah bahan baku Alumunium untuk proses pembuatan

Alumunium Sulfat.

3. Data yang diambil berasal dari pencatatan penggunaan bahan baku di bagian

PPIC dari Januari 2011 hingga Desember 2012

1.5 Manfaat Penelitian

Adapun manfaat yang didapatkan dari penelitian ini adalah, perusahaan dapat

menentukan perencanaan dan pengelolaan yang tepat agar penyediaan bahan baku

lebih optimal dan efisien.

1.6 Asumsi

Ada beberapa asumsi yang diterapkan agar model dalam penelitian bisa berfungsi

dengan baik. Berikut asumsi-asumsinya adalah:

1. Biaya pemesanan adalah rata-rata biaya dalam setiap kali pemesanan selama

satu tahun.

2. Tidak ada keterlambatan dalam penyediaan bahan baku.

3. Kapasitas gudang masih mampu menampung jumlah bahan baku yang

dipesan

1.7 Sistematika Penulisan

Pembahasan penelitian ini diuraikan dalam lima bab dengan sistematika penulisan

sebagai berikut :

Bab I PENDAHULUAN

Dalam bab ini akan memaparkan mengenai latar belakang penelitian, perumusan

masalah, batasan masalah, tujuan penelitian, manfaat penelitian dan sistematika

penulisan laporan.

Bab II TINJAUAN PUSTAKA

Bab ini berisi tentang teori-teori yang mendukung pembuatan penelitian, juga

berisi tentang proses produksi pembuatan alumunium sulfat.

Bab III METODOLOGI PENEITIAN

Bab ini berisi rincian atau urutan langkah-langkah yang akan dilakukan untuk

memecahkan permasalahan. Urutan langkah yang telah ditetapkan tersebut

merupakan suatu kerangka yang dijadikan pedoman dalam pelaksanaan penelitian.

Bab IV DATA DAN ANALISIS

Bab ini berisi kumpulan data-data primer yang diperlukan untuk menganalisa

permasalahan yang diteliti. Pengumpulan data dilakukan dengan melihat jumlah

ketersediaan bahan baku dan penggunaanya. Pengolahan data dilakukan sesuai

dengan metodologi penelitian yang telah ditetapkan.

Bab V SIMPULAN DAN SARAN

Berisi kesimpulan yang dapat diambil dari hasil analisa dan interpretasi data

sehingga dapat memberikan beberapa rekomendasi atau saran yang berkaitan

dengan upaya peningkatan pengelolaan persediaan barang.

Pada bab selanjutnya akan dibahas mengenai dasar-dasar atau landasan teori yang

digunakan penulis dalam melakukan penyusunan, pengolahan, dan penganalisaaan

laporan penelitian

BAB II

TINJAUAN PUSTAKA

2.1 Persediaan

Menurut Sofjan Assauri (2008), persediaan merupakan suatu aktiva yang meliputi

barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode

usaha tertentu, atau persediaan barang-barang yang masih dalam

pengerjaan/proses produksi, ataupun persediaan bahan baku yang masih

menunggu penggunaannya dalam suatu proses produksi.

Persediaan (inventory), dalam konteks produksi, dapat diartikan sebagai sumber

daya menganggur (idle resource). Sumber daya menganggur ini belum digunakan

karena menunggu proses lebih lanjut. Yang dimaksud dengan proses lebih lanjut

disini dapat berupa kegiatan produksi seperti dijumpai pada sistem manufaktur,

kegiatan pemasaran seperti dijumpai pada sistem distribusi ataupun kegiatan

konsumsi seperti pada sistem rumah tangga. Keberadaan persediaan atau sumber

daya menganggur ini dalam suatu sistem mempunyai suatu tujuan tertentu. Alasan

utamanya adalah karena sumber daya tertentu tidak bisa didatangkan ketika

sumber daya tersebut dibutuhkan. Sehingga, untuk menjamin tersedianya sumber

daya tersebut perlu adanya persediaan yang siap digunakan ketika dibutuhkan.

Menurut Hani Handoko (2008), Permintaan akan sumber daya bisa bersifat

internal ataupun eksternal, dan hal ini meliputi persediaan bahan mentah, barang

dalam proses, barang jadi atau produk akhir, bahan-bahan pembantu atau

pelengkap, dan komponen-komponen lain yang menjadi bagian keluaran produk

perusahaan. Jenis persediaan ini sering disebut dengan istilah persediaan keluaran

produk (product output), dimana hampir semua orang mengidentifikasikan secara

cepat sebagai persediaan. Tetapi kita seharusnya tidak membatasi pengertian

persediaan hanya itu. Banyak organisasi juga menyimpan jenis-jenis persediaan

lain, seperti uang, ruangan fisik (bangunan prabik), peralatan dan tenaga kerja

untuk memenuhi permintaan produk dan jasa.

Adanya persediaan menimbulkan konsekuensi berupa resiko-resiko tertentu yang

harus ditanggung perusahaan akibat adanya persediaan tersebut. Persediaan yang

disimpan perusahaan bisa saja rusak sebelum digunakan. Selain itu perusahaan

juga harus menanggung biaya-biaya yang timbul akibat adanya persediaan

tersebut. Maka dari itu diperlukan suatu sistem manajemen untuk mengelola dan

mengatur keberadaan sumber daya-sumber daya ini agar dapat dikendalikan lebih

efektif melalui penggunaan berbagai sistem dan model manajemen persediaan.

Sistem persediaan adalah serangkaian kebijakan dan pengendalian yang

memonitor tingkat persediaan dan menentukan tingkat persediaan yang harus

dijaga, kapan persediaan harus diisi, dan berapa besar pesanan yang harus

dilakukan. Sistem ini bertujuan menetapkan dan menjamin tersedianya sumber

daya yang tepat, dalam kuantitas yang tepat dan pada waktu yang tepat. Atau

dengan kata lain, sistem dan model persediaan bertujuan untuk meminimumkan

biaya total melalui penentuan apa, berapa, dan kapan pesanan dilakukan secara

optimal.

2.2 Tujuan persediaan

Menurut Vincent Gasperz (2012), tujuan utama dalam pengelolaan persediaan

adalah untuk meminimumkan investasi persediaan, dimana cakupannya efisiensi

dalam masalah biaya-biaya yang timbul, seperti biaya pemesanan, biaya selama

masa penyimpanan, biaya ketika persediaan tersebut mengalami kekurangan, dan

biaya-biaya lainnya yang terkait dengan seluruh proses pengelolaan persediaan.

Tetapi dengan adanya pengelolaan untuk mencari efisiensi dalam investasi

persediaan tidak berarti harus mengurangi pelayanan terhadap pelanggan,

melainkan pelayanan kepada pelangga haruslah tinggi, bahkan harus bisa lebih

tinggi lagi.

2.3 Jenis-jenis persediaan

Menurut Sojan Assauri (2008), jenis-jenis persediaan dapat dikelompokkan

dengan beberapa cara:

1. Berdasarkan fungsinya

a. Batch Stock atau Lot Size Inventory

Persediaan muncul karena ada persyaratan ekonomis untuk penyediaan

(replishment) kembali. Penyediaan dalam lot yang besar atau dengan

kecepatan sedikit lebih cepat dari permintaan akan lebih ekonomis. Faktor

penentu persyaratan ekonomis antara lain biaya setup, biaya persiapan

produksi atau pembelian dan biaya transport.

b. Persediaan fluktuasi

Persediaan yang diadakan untuk menghadapi fluktuasi permintaan konsumen

yang tidak dapat diramalkan. Dalam hal ini perusahaan mengadakan

persediaan untuk dapat memenuhi permintaan konsumen, apabila tingkat

permintaan menunjukkan keadaan yang tidak beraturan atau tidak tetap dan

fluktuasi permintaan tidak dapat diramalkan terlebih dahulu. Jadi apabila

terdapat fluktuasi permintaan yang sangat besar, maka persediaan ini

(fluctuation Stock) dibutuhkan sangat besar pula untuk menjaga kemungkinan

naik turunnya permintaan tersebut.

c. Persediaan antisipasi

Persediaan yang diadakan untuk menghadapi fluktuasi permintaan yang dapat

diramalkan, berdasarkan pola musiman yang terdapat dalam satu tahun dan

untuk menghadapi penggunaan atau penjualan permintaan yang meningkat.

Di samping itu anticipation stock dimaksudkan pula untuk menjaga

kemungkinan sukarnya diperoleh bahan-bahan sehingga tidak mengganggu

jalannya produk atau menghindari kemacetan produksi.

d. Persediaan cadangan

Pengendalian persediaan timbul berkenaan dengan ketidakpastian. Peramalan

permintaan konsumen biasanya diserti kesalahan peramalan. Waktu siklus

produksi (lead time) mungkin lebih dalam dari yang diprediksi. Jumlah

produksi yang ditolak (reject) hanya bisa diprediksi dalam proses. Persediaan

cadangan mengamankan kegagalan mencapai permintaan konsumen atau

memenuhi kebutuhan manufaktur tepat pada waktunya.

e. Persediaan pipeline

Sistem persediaan dapat diibaratkan sebagai sekumpulan tempat (stock point)

dengan aliran diantara tempat persediaan tersebut. Pengendalian persediaan

terdiri dari pengendalian aliran persediaan dan jumlah persediaan akan

terakumulasi ditempat persediaan. Jika aliran melibatkan perubahan fisik

produk, seperti perlakuan panas atau perakitan beberapa komponen,

persediaan dalam aliran tersebut persediaan setengah jadi (work in process).

Jika suatu produk tidak dapat berubah secara fisik tetapi dipindahkan dari

suatu tempat penyimpanan ke tempat penyimpanan lain, persediaan disebut

persediaan transportasi. Jumlah dari persediaan setengah jadi dan persediaan

transportasi disebut persediaan pipeline. Persediaan pipeline. Persediaan

pipeline merupakan total investasi perubahan dan harus dikendalikan.

f. Persediaan lebih

Yaitu persediaan yang tidak dapat digunakan karena kelebihan atau kerusakan

fisik yang terjadi.

2. Berdasarkan jenis dan posisi persediaan dalam urutan proses produksi

a. Persediaan bahan mentah (Raw Materials)

Persediaan baran-barang yang berwujud seperti baja, kayu, dan komponen-

komponen lainnya yang digunakan dalam proses produksi. Bahan mentah

dapat diperoleh dari sumber-sumber alam atau dibeli dari para supplier dan

atau dibuat sendiri oleh perusahaan untuk digunakan dalam produksi

selanjutnya.

b. Persediaan komponen-komponen rakitan (purchased parts/ components)

Persediaan barang-barang yang terdiri dari komponen-komponen yang

diperolah dari perusahaan lain, di mana secara langsung dapat dirakit menjadi

suatu produk.

c. Persediaan bahan pembantu atau penolong (supplies)

Persediaan barang-barang yang diperlukan dalam proses produksi, tetapi tidak

merupakan bagian atau komponen barang jadi.

d. Persediaan barang dalam proses (work in process)

Persediaan barang-barang yang merupakan keluaran dari tiap-tiap bagian

dalam proses produksi atau yang telah diolah menjadi suatu bentuk, tetapi

masih perlu diproses lebih lanjut menjadi barang jadi.

e. Persediaan barang jadi (finished good)

Persediaan barang-barang yang telah selesai diproses atau diolah dalam

pabrik dan siap untuk dijual atau dikirim kepada pelanggan.

2.4 Biaya-biaya persediaan

Menurut Tersine (1994), tujuan dari manajemen persediaan adalah memiliki

persediaan dalam jumlah yang tepat, pada waktu yang tepat dan dengan biaya

yang rendah. Karena itu, kebanyakan model-model persediaan menjadikan biaya

sebagai parameter dalam mengambil keputusan. Biaya dalam sistem persediaan

secara umum dapat diklasifikasikan sebagai berikut:

1. Biaya Pembelian (Purchasing Cost)

Biaya pembelian (purchase cost) dari suatu item adalah harga pembelian

setiap unit item jika item tersebut berasal dari sumber-sumber eksternal, atau

biaya produksi perunit bila item tersebut berasal dari internal perusahaan atau

diproduksi sendiri oleh perusahaan. Biaya pembeliaan ini bisa bervariasi

untuk berbagai ukuran pemesanan bila pemasok menawarkan potongan harga

untuk ukuran pemesanan yang lebih besar. Dalam, Kebanyakan teori

persediaan, komponen biaya pembelian tidak dimasukkan kedalam total biaya

pembelian untuk periode tertentu (misalnya satu tahun) konstan dan hal ini

tidak akan mempengaruhi jawaban optimal tentang berapa banyak barang

yang harus dipesan.

2. Biaya Pengadaan (Procurement Cost )

Biaya pegadaan dibedakan atas 2 jenis sesuai asal – usul barang , yaitu biaya

pemesanan (ordering cost) bila barang yang diperlukan diperoleh dari pihak

luar (supplier) dan biaya pembuatan (setup cost) bila barang diperoleh dengan

memproduksi sendiri.

a. Biaya Pemesanan (Ordering Cost)

Biaya pemesanan adalah semua pengeluaran yang timbul untuk

mendatangkan barang dari luar. Biaya ini pada umumya meliputi, antara lain:

Menulis pemesanan pembelian.

Menganalisa vendor.

Pengeluaran surat meyurat, foto kopi dan perlengkapan administrasi lainnya.

Biaya pengepakan dan penimbangan.

Biaya pemeriksaan (inspeksi) penerimaan

Biaya pengiriman ke gudang, dan seterusnya.

b. Biaya Pembuatan (Setup Cost)

Ongkos pembuatan adalah semua pengeluaran yang ditimbulkan untuk

persiapan memproduksi barang. Ongkos ini biasanya timbul didalam pabrik,

yang meliputi ongkos menyetel mesin, ongkos mempersiapkan gambar benda

kerja, dan sebagainya.

Karena kedua ongkos tersebut diatas mempunyai peran yang sama, yaitu

pengadaan, maka didalam sistem persediaan ongkos tersebut sering disebut

sebagai ongkos pengadaan (procurement cost).

3. Biaya Penyimpanan (Carrying Cost)

Biaya penyimpanan (holding cost) merupakan biaya yang timbul akibat

disimpannya suatu item. Biaya penyimpanan terdiri atas biaya-biaya yang

bervariasi secara langsung dengan kuantitas persediaan. Biaya penyimpanan

per periode akan semakin besar apabila kuantitas bahan yang dipesan

semakin banyak, atau rata-rata persediaan semakin tinggi. Biaya-biaya yang

termasuk sebagai biaya penyimpanan adalah :

a. Biaya Memiliki Persediaan (biaya Modal).

Penumpukan barang digundang berarti penumpukan modal, dimana modal

perusahaan mempunyai ongkos (expense) yang dapat diukur dengan suku

bunga bank. Oleh karena itu, biaya yang ditimbulkan karena memiliki

persediaan harus diperhitungkan dalam biaya sistem persediaan. Biaya

memiliki persediaan diukur sebagai persentasi nilai persediaan untuk periode

tertentu.

b. Biaya Gudang

Barang yang disimpan memerlukan tempat penyimpanan sehingga timbul

biaya gudang. Bila gudang dan peralatannya disewa maka biaya gundangnya

merupakan biaya sewa sedangkan bila perusahaan mempunyai gudang sendiri

maka biaya gudang merupakan biaya depresi.

c. Biaya Kerusakan dan Penyusutan.

Barang yang disimpan dapat mengalami kerusakan dan penyusutan karena

beratnya berkurang ataupun jumlahnya berkurang karena hilang. Biaya

kerusakan dan penyusutan biasanya diukur dari pengalaman sesuai dengan

persentasenya.

d. Biaya Kadaluarsa (Absolence).

Barang yang disimpan dapat mengalami penurunan nilai karena perubahan

teknologi dan model seperti barang – barang elektronik. Biaya kadaluarsa

biasanya diukur dengan besarnya penurunan nilai jual dari barang tersebut.

e. Biaya Asuransi.

Barang yang disimpan diasuransikan untuk menjaga dari hal – hal yang tidak

diinginkan, seperti kebakaran. Biaya asuransi tergantung jenis barang yang

diasuransikan dan perjanjian dengan perusahaan asuransi.

f. Biaya Administrasi dan Pemindahan.

Biaya ini dikeluarkan untuk mengadministrasi persediaan barnag yang ada,

baik pada saat pemesanan, penerimaan barang maupun penyimpanannya dan

biaya untuk memindahkan barang dari , ke dan di dalam tempat

penyimpanan, termasuk upah buruh dan peralatan handling.

Dalam manajemen persediaan, terutama yang berhubungan dengan masalah

kuantitatif, biaya simpan per – unit diasumsikan linier terhadap jumlah barang

yang disimpan (misalnya : Rp/unit/tahun).

4. Biaya Kekurangan Persediaan (Stockout Cost)

Dari semua biaya-biaya yang berhubungan dengan tingkat persediaan, biaya

kekurangan bahan (stockout cost) adalah yang paling sulit diperkirakan.

Biaya ini timbul bilamana persediaan tidak mencukupi permintaan produk

atau kebutuhan bahan. Biaya-biaya yang termasuk biaya kekurangan

persediaan adalah sebagai berikut:

Kehilangan penjualan; ketika perusahaan tidak mampu memenuhi suatu

pesanan, maka ada nilai penjualan yang hilang bagi perusahaan.

Kehilangan langganan; pelanggan yang merasa kebutuhannya tidak dapat

dipenuhi perusahaan akan beralih keperusahaan lain yang mampu memenuhi

kebutuhan mereka.

Biaya pemesanan khusus; agar perusahaan mampu memenuhi kebutuhan

akan suatu item, perusahaan bisa melakukan pemesanan khusus agar item

tersebut diterima tepat waktu. Pemesanan khusus biasanya mengakibatkan

pertambahan biaya pada biaya ekspedisi dan harga item yang dibeli.

Terganggunya proses produksi, jika kekurangan persediaan terjadi pada

persediaan bahan, dan hal ini tidak diantisipasi sebelumnya, maka kegiatan

produksi akan terganggu.

Tambahan pengeluaran kegiatan manajerial, dan sebagainya.

Biaya kekurangan persediaan dapat diukur dari :

a. Kuantitas yang tidak dapat dipenuhi.

Biasanya diukur dari keutungan yang hilang karena tidak dapat memenuhi

permintaan atau dari kerugian akibat terhentinya proses produksi. Kondisi ini

diistilahkan sebagai biaya penalti (p) atau hukuman kerugian bagi perusahaan

dengan satuan misalnya: Rp/unit.

b. Waktu Pemenuhan

Lamanya gudang kosong berarti lamanya proses produksi terhenti atau

lamanya perusahaan tidak mendapat keuntungan, sehingga waktu

menganggur tersebut dapat diartikan sebagai uang yang hilang. Biaya waktu

pemenuhan diukur berdasarkan waktu yang diperlukan untuk memenuhi

gudang dengan satuan misalnya : Rp/unit

c. Biaya Pengadaan Darurat

Supaya konsumen tidak kecewa, maka dapat dilakukan pengadaan darurat

yang biasanya menimbulkan biaya yang lebih besar dari pengadaan normal.

Kelebihan biaya dibandingkan pengadaan normal ini dapat dijadikan ukuran

untuk menentukan biaya kekurangan persediaan dengan satuan misalnya :

Rp/setiap kali kekurangan.

Ada perbedaan pengetian antara biaya persediaan actual yang dihitung secara

akuntansi dengan biaya persediaan yang digunakan dalam menentukan

kebijaksanaan persediaan. Biaya persediaan yang diperhitungkan dalam

penentuan kebijaksanaan persediaan yang diperhitungkan dalam penentuan

kebijaksanaan persediaan hanyalah biaya-biaya yang bersifat variable

(incremental cost), sedangkan biaya yang bersifat fixed seperti biaya

pembelian tidak akan mempengaruhi hasil optimal yang diperoleh sehingga

tidak perlu dipertimbangkan.

2.5 Administrasi Persediaan

Menurut Vincent Gasperz (2012), ada beberapa metode yang lumrah digunakan

untuk melakukan administrasi keluar masuknya barang:

1. Metode FIFO (First In, First Out)

Suatu metode di mana perubahan nilai barang didasarkan pada asumsi bahwa

barang yang masuk lebih awal harus ke luar lebih dahulu.

2. Metode LIFO (Last In, Last Out)

Suatu metode untuk mengatur administrasi persediaan tetapi kebalikan dari

FIFO, dimana barang yang masuk terakhir diasumsikan keluar paling awal.

3. Metode Rata-rata (Average Methode)

Suatu metode didasarkan atas harga rata-rata di mana harga tersebut

dipengaruhi oleh jumlah barang yang diperoleh pada masing-masing

harganya. Dengan demikian persediaan yang dinilai berdasarkan harga rata-

rata

2.6 Kebijakan Yang Mempengaruhi Dalam Persediaan

Menurut Daniel Sipper dan Robert Bulfin (1997), secara garis besar kebijakan

persediaan terbagi dua, yaitu Periodic Review (R,r) Policy dan Continous Review

(Q,r) Policy. Untuk Periodic Review (R,r) Kebijakan persediaan dihitung hanya

pada saat periode yang ditentukan, jika pada saat itu persediaan yang ada berada

dibawah titik minimum persediaan yang ditetapkan (reorder point), maka

dilakukan pemesanan. Sedangkan jika persediaan diatas reorder point, maka tidak

dilakukan pemesanan.

Periodic Review (R,r) Policy ini dapat digambarkan seperti pada gambar berikut:

Time

Inventory

R

r

t1 t2 t3

Gambar 2.1 Periodic Review (R,r) Policy

Pada gambar diatas , pada saat t1, jumlah persediaan (I1) berada diatas reorder

point (r), sehingga tidak dilakukan pemesanan. Setelah selang waktu T, yaitu pada

saat t2, dilakukan pemesanan sejumlah Q2=R-I2 unit, karena pada saat itu jumlah

persediaan (I2) berada dibawah reorder point. Perlu dicatat, bahwa pesanan tidak

diterima seketika, sehingga jumlah persediaan berkurang terus sepanjang leadtime

sampai pesanan diterima. Pada gambar, pesanan yang dibuat pada t3 tidak

diterima sampai persediaan habis dan terjadi kekurangan persediaan.

Pada Continous Review (Q,r) Policy, sisa persediaan diperiksa terus-menerus,

setiap ada bahan yang masuk atau keluar, dilakukan pencatatan. Pemesanan akan

dilakukan setiap kali jumlah persediaan mencapai reorder point. Continous

Review (Q,r) Policy ini dapat digambarkan seperti pada gambar berikut:

Time

Inventory

r

0

I I I

Q Q Q

Gambar 2.2 Continous Review (Q,r) Policy

Pada gambar diatas, setiap kali jumlah persediaan (I) sampai pada titik reorder

point, maka dilakukan pemesanan. Namun, pesanan ini tidak akan diterima

seketika sesuai leadtime. Sehingga, ketika penggunaan sepanjang leadtime lebih

besar dari reorder point, maka akan timbul kekurangan. Pada gambar juga terlihat

bahwasanya waktu antara satu order dengan order berikutnya bervariasi,

sedangkan jumlah yang dipesan (Q) tetap.

2.7 Metode Dalam Pengendalian Persediaan

Menurut Arman Hakim, Yudha (2008), didalam mencari jawaban atas

permasalahan umum dalam pengendalian persediaan, secara kronologis metode

pengendalian persediaan yang dapat diidentifikasikan sebagai berikut:

1. Metode pengendalian secara statistik (Statistical Inventory Control)

2. Metode perencanaan kebutuhan material (MRP).

3. Metode Persedian Just In Time (JIT)

2.7.1 Metode Pengendalian Secara Statistik (Statistical Inventory Control)

Menurut Arman Hakim, Yudha (2008), metode Statistical Inventory Control

menggunakan ilmu matematika dan statistik sebagai alat bantu utama dalam

memecahkan masalah kuantitatif dalam system persediaan. Metode ini sering juga

disebut metode pengendalian tradisional, karena memberi dasar lahirnya metode

baru yang lebih modern, seperti MRP di Amerika dan Kanban di Jepang. Metode

pengendalian persediaan secara statistik ini biasanya digunakan untuk

mengendalikan barang yang permintaannya bersifat bebas (dependent) dan

dikelola saling tidak bergantung. Yang dimaksud permintaan bebas adalah

permintaan yang hanya dipengaruhi mekanisme pasar sehingga bebas dari fungsi

operasi produk. Sebagai contoh adalah permintaan untuk barang jadi dan suku

cadang pengganti (spare part).

1. Variability Cofficient

Menurut Peterson dan Silver (1979) rumus untuk menentukan Variability

Cofficient adalah:

v =n Dt

2nt=1

Dt2n

t=1 − 1 atau (2-1)

V = Varian kebutuhan per periode

Kuadrat dari rata −rata kebutuhan per periode

Pengujian ini dilakukan untuk mengukur apakah data penggunaan bahan baku

Alumunium ini bersifat fluktuatif atau tidak, apabila nilai dari hasil pengujian V <

0.25 maka metode untuk pengendalian bahan baku menggunakan metode EOQ

dan apabila V ≥ 0.25 maka metode yang digunakan adalah metode DLS (Dinamic

Lot Sizing).

2. Jumlah Pemesanan Ekonomis (Economic Order Quantity)

Menurut Arman Hakim, Yudha (2008), jumlah atau besarnya pesanan yang

diadakan, hendaknya menghasilkan biaya-biaya yang timbul dalam penyediaan

seminimal mungkin. Dalam model EOQ (Economic Order Quantity) digunakan

asumsi-asumsi berikut untuk menyederhanakan sistem persediaan yang ada:

a Permintaan (kebutuhan) diketahui dengan pasti dan konstan sepanjang waktu.

b Pemesanan kembali dilakukan ketika persediaan mencapai titik nol, dan akan

langsung diterima seketika, sesuai ukuran pemesanan yang dilakukan,

sehingga tidak akan terjadi kekurangan persediaan.

Model EOQ ini mencari ukuran pemesanan yang ekonomis dengan

meminimalkan total biaya. Ada dua macam biaya yang dipertimbangkan, yaitu:

1) Biaya penyimpanan

Biaya penyimpanan pertahun merupakan perkalian antara rata-rata persediaan

pertahun dengan biaya simpan perunit pertahun. Jika rata-rata persediaan

pertahun = Q/2 dimana Q adalah ukuran pemesanan, dan biaya simpan

perunit pertahun adalah h, maka:

Total biaya penyimpanan pertahun = h(Q/2)

2) Biaya Pembelian

Biaya pembelian pertahun (annual purchase cost) merupakan total harga yang

dikeluarkan untuk membeli suatu barang, yaitu perkalian antara harga barang

perunit (C) dengan banyaknya barang yang di beli sepanjang tahun, yaitu

sebesar demand (D).

Total biaya pembelian pertahun = DC

3) Biaya pemesanan

Total biaya pemesanan pertahun merupakan perkalian antara biaya per

pemesanan (k) dikalikan banyaknya pemesanan dalam satu tahun D/Q,

dimana D adalah banyaknya kebutuhan selama satu tahun.

Total biaya pemesanan pertahun = k(D/Q), sehingga:

Total Biaya Per Tahun (TC) = biaya pembelian per tahun + biaya pemesanan

per tahun + biaya penyimpanan per tahun

TC = DC + k(D/Q)+h(Q/2) (2-2)

Hubungan secara umum antara biaya pemesanan, biaya penyimpanan dan

total biaya dari sistem persediaan dapat dilihat pada gambar berikut:

Biaya

TC minimum

EOQ Jumlah persediaan (Q)

Kurva ordering cost k(D/Q)

Kurva holding cost h (Q/2)

Kurva TC

Gambar 2.3 Grafik Total Biaya Persediaan

Dari gambar diatas terlihat bahwa total biaya minimum terjadi pada saat

kurva total biaya mencapai titik terendah, dimana terlihat pula bahwa pada

saat itu biaya penyimpanan sama dengan biaya pemesanan. Dengan

perhitungan kalkulus melalui pengambilan turunan pertama dari persamaan

total biaya akan diperoleh rumusan ukuran pemesanan yang optimum (EOQ),

yaitu :

TC = k(D/Q)+h(Q/2)

menjadi EOQ = 2𝑘𝐷

ℎ (2-3)

dimana: D = tingkat permintaan, unit per tahun

k = biaya per pemesanan

h = biaya penyimpanan perunit pertahun

Q = ukuran pesanan ekonomis

EOQ = Jumlah Pemesanan Ekonomis (Economic Order Quantity)

3. Persediaan Pengaman (Safety Stock) dan Waktu Tunggu (Lead Time).

Menurut Handoko (2008), waktu tunggu (lead time) adalah tenggang waktu yang

diperlukan (yang terjadi) antara saat pemesanan bahan baku dengan datangnya

bahan baku itu sendiri. Waktu tunggu ini perlu diperhatikan karena sangat erat

hubungannya dengan penentuan saat pemesanan kembali (reorder point). Dengan

waktu tunggu yang tepat maka perusahaan akan dapat membeli pada saat yang

tepat pula, sehingga resiko penumpukan persediaan atau kekurangan persediaan

dapat ditekan seminimal mungkin.

Sedangkan persediaan pengaman merupakan suatu persediaan yang

dicadangankan sebagai pengaman dari kelangsungan proses produksi perusahaan.

Persediaan pengaman diperlukan karena dalam kenyataannya jumlah bahan baku

yang diperlukan untuk proses produksi tidak selalu tepat seperti yang

direncanakan.

Gambar 2.4 Variasi Permintaan Dan Lead Time Dalam Sistem Persediaan

Pada gambar di atas dapat dilihat grafik tingkat persediaan teoritik dan persediaan

nyata dari waktu ke waktu. Adanya perbedaan lead time dan permintaan dari

waktu kewaktu menyebabkan berbedanya tingkat persediaan teoritik dan tingkat

persediaan nyata. Sehingga, bila tidak ada persediaan pengaman maka perusahaan

akan mengalami kekurangan persediaan.

Menurut Gaspersz (2004), persamaan untuk menentukan nilai safety stock adalah:

SS = Z x STD x 𝑙 (2-4)

atau

SS = Z x (D2 x s𝑙2 + (𝑙 x sd2)) (2-5)

dimana: SS = Persediaan Pengaman (Safety Stock)

Z = Faktor Pengaman (Safety Factor), sangat tergantung pada service

level

STD = Standar deviasi dari permintaan inventori harian

l = Waktu Tunggu (Lead Time)

D = Permintaan Inventori

sl = Standar deviasi untuk waktu tunggu

sd2 = Standar deviasi untuk permintaan inventori

Reorder Point

Safety Stock

Waktu

4. EOQ Dengan Titik Pemesanan Ulang (Reorder Point)

Pada model EOQ sebelumnya, informasi lead time belum dipertimbangkan,

sehingga diasumsikan bahwasanya pesanan akan langsung diterima seketika,

sesuai ukuran pemesanan yang dilakukan. Tentunya asumsi ini tidak realistis

karena sesungguhnya pesanan akan diterima setelah selang waktu tertentu setelah

dilakukannya pemesanan. Pada model EOQ dengan titik pemesanan ulang

(reorder point), asumsi tersebut ditiadakan. Pemesanan harus dilakukan sebelum

tingkat persediaan menjadi nol, yaitu ketika persediaan mencapai titik pemesanan

ulang (reorder point). Secara grafis situasi ini dapat digambarkan seperti pada

gambar berikut:

Waktu

Tingkat persediaan

Reorder Point

L L L

Safety Stock

Gambar 2.5 Titik Pemesanan Ulang dan Tenggang Waktu

Titik pemesanan ulang dihitung dengan mengalikan tenggang waktu (l) dengan

permintaan inventori (D) ditambah dengan jumlah persediaan cadangan.

Gaspersz (2004), rumus untuk menetukan jumlah pemesanan ulang adalah:

ROP = SS + (Dxl) (2-6)

dimana: SS = Safety Stock

D = Permintaan Inventori

l = Lead Time

2.7.2 Metode Perencanaan Kebutuhan Material.

Menurut Arman Hakim, Yudha (2008), perencanaan kebutuhan material atau yang

sering dikenal dengan Material Requirement Planning (MRP) adalah suatu sistem

informasi yang terkomputerisasi untuk mengatur persediaan permintaan yang

dependent dan mengatur jadwal produksi. Sistem ini bertujuan untuk mengurangi

tingkat persediaan dan meningkatkan produktivitas. Terdapat dua hal penting

dalam MRP yaitu lead time, dan berapa banyaknya jumlah material yang

sebaiknya dipesan.

MRP adalah prosedur penjadwalan untuk proses produksi yang terdiri dari

beberapa level. Informasi yang diberikan menggambarkan kebutuhan produksi

barang jadi dalam sistem, struktur sistem produksi, inventory dan prosedur lot

sizing untuk masing- masing operasi. MRP menentukan jadwal operasi dan

pembelian bahan baku.

Teknik lot sizing merupakan teknik untuk meminimalkan jumlah barang yang

akan dipesan dan meminimalkan biaya persediaan. Objek dari manajemen

persediaan adalah untuk menghitung tingkat persediaan yang optimum yang

sesuai dengan permintaan pasar dan kapasitas perusahaan. Oleh karena itu,

perusahaan harus bisa mendefinisikan apa yang harus dipesan, kapan harus

memesan, dan berapa banyak yang harus dipesan. Hal ini bukanlah persoalan

yang mudah. Maka dari itu manajemen harus bisa membuat keputusan untuk

memesan seekonomis mungkin barang yang dibutuhkan. Penentuan jumlah

pesanan ekonomis sama dengan ‘Lot Sizing’ (ukuran lot).

Metode Heuristik yang banyak dipakai dalam menyelesaikan masalah Lot Sizing

adalah Silver Meal (SM), Least Unit Cost (LUC), dan Least Total Cost (LTC).

Ketiga metode tersebut berfokus pada pesanan untuk periode berikutnya. Lebih

jauh lagi, ketiga metode tersebut hanya menganggap solusi yang memuaskan

adalah jika persediaan mencapai titik nol. SM memilih jumlah order dengan

melihat biaya pesan yang paling minimal pada tiap periodenya. LUC memilih

jumlah order dengan melihat biaya pesan yang paling minimal pada pesanan

perunitnya. LTC memilih ongkos total minimum dengan menggabungkan

kebutuhan sampai ongkos simpan mendekati ongkos pesan.

2.7.3 Metode JIT (Just In Time)

Arman Hakim, Yudha (2008), metode ini merupakan salah satu operasionalisasi

dari konsep Just In Time (JIT), yang dikembangkan dalam system produksi

Toyota Motor Co. Produksi JIT berarti produksi massal dalam jumlah kecil,

tersedia untuk segera digunakan. Dalam JIT digunakan teknik pengendalian

persediaan yang dinamakan Kanban. Dalam system ini, jenis dan jumlah unit yang

diperlukan oleh proses berikutnya, diambil dari proses sebelumnya, pada saat

diperlukan. Dan ini merupakan tanda bagi proses sebelumnya untuk memproduksi

unit yang baru saja diambil. Jenis dan jumlah unit yang dibutuhkan tersebut ditulis

dalam suatu kartu yang disebut juga Kanban. Dalam system ini digunakan kereta

sebagai tempat komponen, dengan jumlah tetap. Didalam tiap kereta terdapat dua

kartu. Sebuah kartu menandakan pesanan pada produksi, dan sebuah lagi

menandakan pengambilan unit. Perbedaan utama dalam system ini dengan kedua

system sebelumnya terletak pada perbedaan karakteristik “pertimbangan” yang

digunakan untuk mengatur jadwal produksi. Pada dua system terdahulu, dilakukan

proyeksi permintaan yang akan dating, dan selanjutnya penjadwalan produksi

dilakukan untuk memenuhi permintaan tersebut, penjadwalan mendorong

produksi (push system). Sedangkan dalam sistem Kanban, jadwal produksi diatur

sesuai dengan permintaan aktual (pull system).

2.8 Peramalan

Menurut Sofjan Assauri (2008), peramalan adalah prediksi, proyeksi atau estimasi

tingkat kejadian yang tidak pasti dimasa yang akan datang. Ketepatan secara

mutlak dalam memprediksi peristiwa dan tingkat kegiatan yang akan datang

adalah mutlak tidak mungkin dicapai, oleh karena itu ketika perusahaan tidak

dapat melihat kejadian yang akan datang dengan pasti, diperlukan waktu dan

tenaga besar agar dapat memiliki kekuatan untuk menarik kesimpulan terhadap

kejadian yang akan datang. Peramalan/ forecasting merupakan proses untuk

memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan

dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka

memenuhi permintaan barang atau jasa.

Dengan digunakannya metode-metode peramalan maka akan memberikan hasil

peramalan yang lebih dapat dipercaya ketetapannya. Oleh karena masing-masing

metode peramalan berbeda-beda, maka penggunaannya harus hati-hati terutama

dalam pemilihan metode untuk penggunaan dalam kasus tertentu.

Peramalan dapat menggunakan teknik-teknik peramalan yang bersifat formal

maupun informal. Aktivitas peramalan ini biasa dilakukan oleh departemen

pemasaran dan hasil-hasil dari peramalan ini sering disebut sebagai ramalan

permintaan. Bagian permintaan biasanya melakukan perencanaan berdasarkan

hasi-lhasil ramalan permintaan, sehingga informasi yang dikirim dari bagian

permintaan ke bagian Production Planning and Inventory Control (PPIC)

semestinya memisahkan antara permintaan yang dikembangkan berdasarkan

rencana permintaan yang umumnya masih bersifat tidak pasti dan pesanan-

pesanan yang bersifat pasti.

2.8.1 Jenis-jenis Metode Peramalan

1. Metode Regresi Linier (Linier Regression)

Arman Hakim, Yudha (2008), metode regresi linier sering sekali dipakai untuk

memecahkan masalah-masalah dalam penaksiran tentunya hal ini berlaku juga

dalam peramalan sehingga metode regresi linier menjadi suatu metode yang

mempunyai taksiran terbaik diantara metode-metode yang lain. Metode regresi

linier dipergunakan sebagai metode peramalan apabila pola historis dari data

actual permintaan menunjukkan adanya suatu kecenderungan menaik dari waktu

ke waktu. Istilah regresi linier berarti, bahwa rataan (µy|x) berkaitan linier dengan

x dalam bentuk persamaan linier populasi. Rumus untuk menghitung peramalan

dengan metode Linier Regression adalah:

µy|x = α + βx (2-7)

Koefisien regresi α dan β merupakan dua parameter yang akan ditaksir dari data

sampel. Bila taksiran untuk kedua parameter itu masing-masing dinyatakan

dengan a dan b maka µy|x dapat ditaksir dengan ŷ dari bentuk garis regresi

berdasarkan sampel atau garis kecocokan regresi

ŷ = a + bx (2-8)

dimana: ŷ = nilai ramalan permintaan pada peiode ke-t

a = intersept

b = slope dari garis kecenderungan, merupakan tingkat perubahan dalam

permintaan.

x = indeks waktu ( t = 1,2,3,...,n) ; n adalah banyaknya periode waktu

Dengan taksiran a dan b masing-masing menyatakan perpotongan dengan sumbu

y dan kenaikannya. Lambang ŷ digunakan di sini untuk membedakan antara

taksiran atau nilai prediksi yang diberikan oleh garis regresi sampel dan nilai y

amatan percobaan yang sesungguhnya untuk suatu nilai x. Slope dan intersept dari

persamaan regresi linier dihitung dengan menggunakan formula berikut:

b = n . xy− x. y

n. x2−( x)2 (2-9)

a = y−b. x

n (2-10)

dimana: b = slope dari persamaan garis lurus

a = intersept dari persamaan garis lurus

x = index waktu

y = variabel permintaan (data aktual permintaan)

2. Metode Exponential Smoothing (ES)

Menurut Gaspersz (2004), metode peramalan dengan pemulusan eksponensial

biasanya digunakan untuk pola data yang tidak stabil atau perubahannya besar dan

bergejolak. Metode permalan ini bekerja hampir serupa dengan alat thermostat.

Apabila galat ramalan (forecast error) adalah positif, yang berarti nilai aktual

permintaan lebih tinggi daripada nilai ramalan (A–F>0), maka model pemulusan

eksponensial akan secara otomatis meningkatkan nilai ramalannya. Sebaliknya,

apabila galat ramalan (forecast error) adalah negatif, yang berarti nilai aktual

permintaan lebih rendah

daripada nilai ramalan (A – F < 0), maka metode pemulusan eksponensial akan

secara otomatis menurunkan nilai ramalan. Proses penyesuaian ini berlangsung

secara terus-menerus, kecuali galat ramalan telah mencapai nol. Peramalan

menggunakan metode pemulusan eksponensial dilakukan berdasarkan formula

seperti di bawah ini.

F = Ft-1 + α(At-1 - Ft-1) (2-11)

dimana: Ft = nilai ramalan untuk periode waktu ke-t

Ft-1 = nilai ramalan untu satu periode waktu yang lalu, t-1

At-1 = nilai aktual untuk satu periode waktu yang lalu, t-1

α = konstanta pemulusan (smoothing constant)

2.8.2 Ukuran Akurasi Peramalan

Validasi metode peramalan terutama dengan menggunakan metode-metode di atas

tidak dapat lepas dari indikator-indikator dalam pengukuran akurasi peramalan.

Bagaimanapun juga terdapat sejumlah indikator dalam pengukuran akurasi

peramalan, tetapi yang paling umum digunakan adalah mean absolute deviation,

mean absolute percentage error, dan mean squared error.

1. Mean Absolute Deviation (MAD)

Akurasi peramalan akan tinggi apabila nilai-nilai MAD, mean absolute

percentage error, dan mean squared error semakin kecil. MAD merupakan nilai

total absolut dari forecast error dibagi dengan data. Atau yang lebih mudah adalah

nilai kumulatif absolut error dibagi dengan periode. Menurut Gaspersz (2004),

formula untuk menghitung MAD adalah sebagai berikut:

MAD = (absolut dar i forecast error )

n (2-12)

2. Tracking Signal

Menurut Gaspersz (2004), Tracking Signal merupakan suatu ukuran bagaimana

baiknya suatu ramalan memperkirakan nilai-nilai aktual suatu ramalan

diperbaharui setiap minggu, bulan atau triwulan, sehingga data permintaan yang

baru dibandingkan terhadap nilai-nilai ramalan. Tracking signal dihitung sebagai

running sum of the forecast errors dibagi dengan mean absolute deviation.

Tracking Signal = 𝑅𝑆𝐹𝐸

𝑀𝐴𝐷 (2-14)

Tracking signal yang positif menunjukkan bahwa nilai aktual permintaan lebih

besar daripada ramalan, sedangkan apabila negatif berarti nilai aktual permintaan

lebih kecil daripada ramalan. Pada setiap peramalan, tracking signal terkadang

digunakan untuk melihat apakah nilai-nilai yang dihasilkan berada di dalam atau

di luar batas-batas pengendalian dimana nilai-nilai tracking signal itu bergerak

antara -4 sampai +4.

BAB III

METODOLOGI PENELITIAN

Kerangka penelitian yang dilakukan dalam menyelesaikan masalah yang diteliti

adalah sebagai berikut.

Gambar 3.1 Kerangka penelitian dan tahapannya

Pengumpulan Data

(Data Pembelian, Data Penggunaan, Biaya

Pemesanan, Harga Bahan Baku Alumunium,

dan Biaya Penyimpanan)

Perhitungan Kesalahan Peramalan

(MAD, Tracking Signal)

Penerapan Metode EOQ dalam pengendalian persediaan bahan baku Alumunium,

menghitung nilai ROP dan nilai Safety Stock

Perbandingan Total Biaya hasil perhitungan

EOQ dan Total Biaya menurut perusahaan

Simpulan dan Saran

Uji Variability Coefficient

Peramalan menggunakan metode Linier

Regression and Single Exponential

Smoothing

Observasi Awal

Identifikasi Masalah

Studi Pustaka

Berikut penjelasan dari tahapan-tahapan yang dilakukan berdasarkan gambar

diatas

3.1 Observasi Awal

Observasi yang dilakukan pertama kali untuk menetukan permasalahan yang ada

adalah dengan melakukan studi pendahuluan berupa wawancara dengan

penanggung jawab bahan baku, serta karyawan yang terkait dalam proses

produksi, persediaan, dan pengguna bahan baku untuk mencari informasi

mengenai ketersediaan bahan baku dan pengelolaanya di ruang produksi.

3.2 Identifikasi Masalah

Setelah melakukan observasi maka dilakukan analisa permasalahan apa saja yang

muncul selama proses pengelolaan bahan baku, setelah ditetapkan masalah yang

akan dianalisa maka selanjutnya ditentukan apa saja langkah-langkah dan rencana

untuk menyelesaikan masalah yang diteliti. Masalah yang muncul hasil dari

identifikasi yang sudah dilakukan yaitu ketika perusahaan mengalami kekurangan

persediaan bahan baku Alumunium dimana jumlah penggunaan bahan baku

Alumunium tidak sama dengan jumlah pembelian bahan baku Alumunium yang

tentu hal ini akan mempengaruhi jalannya produksi dan juga mempengaruhi biaya

total persediaan yang dikeluarkan oleh perusahaan. Setelah identifikasi masalah

dilakukan ditentukanlah batasan-batasan masalah agar penelitian tidak keluar dari

ruang lingkup masalah yang sudah ditetapkan, guna mencari manfaat yang

sebesar-besarnya untuk kemajuan perusahan

3.3 Studi Pustaka

Tahapan ini dilakukan dengan cara mencari data dan informasi dari sumber-

sumber yang menunjang keberhasilan penelitian, berupa buku-buku, jurnal-jurnal,

dan dokumen umum perusahaan yang relevan dengan topik penelitian. Informasi

yang digunakan adalah informasi yang berkaitan dengan pengendalian persediaan

menggunakan metode Economic Order Quantity dan juga peramalan.

3.4 Pengumpulan Data

Data-data yang dikumpulkan adalah data yang didapat dari hasil pengamatan

secara langsung, yang meliputi :

Data-data penggunaan bahan baku yang digunakan (Historical Data).

Data-data jumlah bahan baku yang dipesan.

Data biaya-biaya yang dikeluarkan selama proses pembelian dan pemesanan

bahan baku

Data biaya-biaya yang dikeluarkan selama penyimpanan

Data-data lainnya yang menunjang proses pengelolaan bahan baku

3.5 Pengolahan Data dan Analisanya

Langkah-langkah dalam pengolahan data:

1. Data yang sudah didapatkan kemudian dibuat kedalam sebuah grafik untuk

melihat pola penggunaan bahan baku Alumunium karena hal ini akan

berpengaruh terhadap pemilihan jenis metode peramalan yang akan

digunakan.

2. Pengujian Variability Coefficient, data penggunaan bahan baku Alumunium

diuji terlebih dahulu, apakah datanya bersifat fluktuatif atau tidak, karena hal

ini berpengaruh terhadap pemilihan metode pengendalian persediaan yang

akan digunakan.

3. Metode peramalan yang digunakan menggunakan metode Linier Regression,

dan metode Single Exponential Smoothing.

4. Pengujian kesalahan peramalan untuk melihat tingkat kesalahan peramalan

dari metode peramalan yang digunakan, yaitu meliputi uji Mean Absolute

Deviation (MAD) dan tracking Signal. Kesalahan terkecil ditandai dengan

nilai MAD dan nilai Tracking Signal yang memiliki nilai terkecil.

5. Data penggunaan bahan baku Alumunium dianalisa menggunakan metode

EOQ untuk menentukan jumlah pemesanan barang yang ekonomis, kemudian

waktu pemesanan ulang dan jumlah safety stock, sehingga dengan pengolahan

data ini akan didapatkan nilai optimal untuk jumlah pemesanan dan jumlah

persediaan yang harus disimpan.

6. Membandingkan nilai total biaya persediaan yang didapatkan dari hasil

perhitungan menggunakan metode EOQ dan total biaya persediaan yang

didapatkan hasil dari perhitungan perusahaan untuk melihat nilai

penghematan yang bisa didapatkan. Untuk kondisi usulan yaitu kondisi

peenggunaan bahan baku Alumunium yang telah dibuatkan peramalan yang

terbaik kemudian penentuan jumlah pemesanan dan jumlah persediaan yang

harus disimpan menggunakan metode Economic Order Quanity (EOQ)

3.6 Kesimpulan dan Saran

Setelah dilakukan pengolahan data dan analisanya maka selanjutnya bisa ditarik

kesimpulan hasil dari penelitian yang dilakukan serta mampu memberikan saran

yang tepat dalam upaya untuk memajukan perusahaan di masa yang akan datang.

Pada bab selanjutnya akan dibahas mengenai hasil dan analisa data-data yang

didapatkan selama penelitiaan.

BAB IV

DATA DAN ANALISIS

4.1 Pengumpulan data

Penelitian ini dilakukan di gudang bahan baku PT. X, data yang dikumpulkan

berasal dari pencatatan penggunaan bahan baku di bagian PPIC. Produk yang

dihasilkan oleh PT. X ini adalah Alumunium Sulfat dimana salah satu bahan baku

yang terpenting untuk pembuatan produk ini adalah Alumunium, sehingga

penelitian dikhususkan pada bahan baku Alumunium saja.

1. Data Pembelian dan Penggunaan Bahan Baku

Berikut adalah data-data rekaman jumlah pembelian Alumunium dari pemasok

yang dilakukan dan dicatat oleh PT. X selama dua tahun terkahir dari Januari

2011-Desember 2012.

Tabel 4.1 Data pembelian bahan baku alumunium (dalam Kg)

No Bulan Pembelian Tahun

2011 2012

1 Januari 80490 87986

2 Februari 82908 86756

3 Maret 84096 89098

4 April 81788 89786

5 Mei 79967 89974

6 Juni 80456 91231

7 Juli 86230 90112

8 Agustus 84672 90979

9 September 83091 90374

10 Oktober 82667 90142

11 November 84781 91456

12 Desember 86921 91209

total 998067 1079103

rata-rata 83172.25 89925.25

Untuk penggunaan bahan baku, bahan baku yang ada digudang sebagian besar

digunakan untuk proses produksi dan sebagian disimpan untuk cadangan produksi

berikutnya maupun sebagai cadangan apabila sewaktu-waktu mendapatkan

kesulitan bahan baku dipasaran. Data penggunaan bahan baku Alumunium di PT.

X dapat dilihat pada tabel berikut ini.

Tabel 4.2 Data penggunaan bahan baku Alumunium (dalam Kg)

No Bulan

Tahun

2011 2012

1 Januari 80188 87019

2 Februari 83674 86719

3 Maret 83989 88290

4 April 82778 90568

5 Mei 80119 90778

6 Juni 80199 89734

7 Juli 86781 90675

8 Agustus 84119 91342

9 September 83148 90897

10 Oktober 82237 89978

11 November 85711 90654

12 Desember 87911 92343

Total 1000854.00 1078997.00

Rata-rata 83404.50 89916.42

2. Biaya Pemesanan dan Biaya Pembelian Bahan Baku

Biaya Pemesanan merupakan seluruh biaya yang terjadi mulai dari pemesanan

barang sampai tersedianya barang di gudang. Data-data ini diolah dari jumlah

biaya yang dikeluarkan oleh perusahaan per sekali pesan yang merupakan rata-

rata biaya yang dikeluarkan oleh perusahaan. Rincian biaya tiap kali pemesanan

untuk semua jenis bahan baku adalah sebagai berikut:

Tabel 4.3 Rincian biaya pemesanan bahan baku Alumunium

Jenis biaya

Tahun

2011 2012

Biaya pemeriksaan Rp. 220.000 Rp. 250.000

biaya administrasi Rp. 265.000 Rp. 291.000

biaya pencatatan Rp. 245.000 Rp. 262.000

biaya transportasi Rp. 7.000.000 Rp. 13.000.000

biaya bongkar muat Rp. 3.000.000 Rp. 5.360.000

jumlah Rp. 10.730.000 Rp. 19.163.000

Frekuensi Pemesanan 18 kali 12 kali

Tahun 2012 mengalami kenaikan dalam biaya transportasi dan bongkar muat

karena adanya kenaikan harga pengiriman dan juga penambahan jumlah bahan

baku yang dipesan.

Adapun biaya pembelian untuk bahan baku adalah sebagai berikut:

Tabel 4.4 Harga bahan baku Alumunium

Tahun Harga bahan baku

Alumunium per Kg

2011 Rp 14.500,00

2012 RP 15.000,00

3. Biaya Penyimpanan Bahan Baku (Holding Cost)

Biaya penyimpanan merupakan besarnya biaya yang dikeluarkan untuk

menangani penyimpanan bahan baku Alumunium. Dalam menangani

penyimpanan bahan baku, PT. X memberikan kebijakan dalam menanggung biaya

penyimpanan yang bisa dilihat pada tabel berikut ini:

Tabel 4.5 Biaya penyimpanan Alumunium

Jenis Biaya Tahun

2011 2012

Biaya penyimpanan terhadap

satuan per kg Alumunium (10%) Rp 1.450 Rp 1.500

4. Lead Time (Waktu Tenggang) Pemesanan Bahan baku.

Lead Time merupakan selisih atau perbedaan waktu antara saat pemesanan sampai

dengan barang diterima. Berdasarkan hasil wawancara diketahui bahwa Lead time

bahan baku Alumunium adalah 10 hari.

4.2 Pengolahan Data

Data aktual penggunaan Alumunium dapat dilihat pada tabel berikut ini:

Tabel 4.6 Data penggunaan Alumunium

Bulan Periode Jumlah Penggunaan

Alumunium (Kg)

Januari (2011) 1 80188

Februari 2 83674

Maret 3 83989

April 4 82778

Mei 5 80119

Juni 6 80199

Juli 7 86781

Agustus 8 84119

September 9 83148

Oktober 10 82237

November 11 85711

Desember 12 87911

Januari (2012) 13 87019

Februari 14 86719

Maret 15 88290

April 16 90568

Mei 17 90778

Juni 18 89734

Juli 19 90675

Agustus 20 91342

September 21 90897

Oktober 22 89978

November 23 90654

Desember 24 92343

Gambar 4.1 Grafik Penggunaan Alumunium Tahun 2011-2012

Berdasarkan gambar diatas diketahui bahwa pengunaan Alumunium terus

meningkat, walaupun ada sedikit fluktuasi di tahun 2011 sehingga data tersebut

harus diuji tingkat fluktuasinya

1. Pengujian Variability Cofficient

Menurut Peterson dan Silver (1979) rumus untuk menentukan Variability

Cofficient adalah:

v =n Dt

2nt=1

Dt2n

t=1 − 1 atau

V = Varian kebutuhan per periode

Kuadrat dari rata −rata kebutuhan per periode

Berdasarkan rumus diatas, hasil dari pengujian data penggunaan bahan baku

Alumunium adalah 0.00085, karena hasilnya dibawah 0.25 maka metode untuk

pengendalian bahan baku menggunakan metode EOQ

2. Peramalan Penggunaan Alumunium

Metode peramalan yang akan digunakan adalah dengan 2 metode peramalan

karena sifat datanya cenderung naik, yaitu metode Linier Regression dan Single

76000

80000

84000

88000

92000

96000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Periode Penggunaan Alumunium tahun

2011-2012

Ju

mla

h P

en

gg

un

aa

n

Alu

mu

niu

m (

Kg)

Exponential Smoothing (SES). Masing-masing dari metode-metode tersebut dapat

meramalkan penggunaan Alumunium untuk periode yang telah ditentukan.

A. Perhitungan Peramalan Menggunakan Metode Linier Regression

Perhitungan pada metode regresi linier dilakukan secara manual. Perhitungan

Regresi Linier untuk penggunaan Alumunium dapat dilihat pada tabel berikut:

Tabel 4.7 Data perhitungan peramalan menggunakan metode Linier Regression

Bulan Periode

(x)

Data Penggunaan

Alumunium

Aktual (Kg) (y)

x.y x2

Januari (2011) 1 80188 80188 1

Februari 2 83674 167348 4

Maret 3 83989 251967 9

April 4 82778 331112 16

Mei 5 80119 400595 25

Juni 6 80199 481194 36

Juli 7 86781 607467 49

Agustus 8 84119 672952 64

September 9 83148 748332 81

Oktober 10 82237 822370 100

November 11 85711 942821 121

Desember 12 87911 1054932 144

Januari (2012) 13 87019 1131247 169

Februari 14 86719 1214066 196

Maret 15 88290 1324350 225

April 16 90568 1449088 256

Mei 17 90778 1543226 289

Juni 18 89734 1615212 324

Juli 19 90675 1722825 361

Agustus 20 91342 1826840 400

September 21 90897 1908837 441

Oktober 22 89978 1979516 484

November 23 90654 2085042 529

Desember 24 92343 2216232 576

Jumlah 300 2079851 26577759 4900

b = n . xy− x. y

n. x2−( x)2

b = (24.26577759)−(300.2079851)

24.4900 −3002

b = 504.02

a = y−b. x

n

a = 2079851−(504,02.300)

24

a= 80360.22

Sehingga berdasarkan perhitungan diatas, maka dapat ditentukan rumus

persamaan garisnya untuk peramalan pada periode selanjutnya

Y = 80360,22 + 504,02(x)

Perhitungan peramalan untuk regresi linier secara keseluruhan dapat dilihat pada

tabel berikut:

Tabel 4.8 Hasil peramalan menggunakan metode Linier Regression

Bulan Periode Hasil Peramalan (Kg)

Januari (2011) 1 80864

Februari 2 81368

Maret 3 81872

April 4 82376

Mei 5 82880

Juni 6 83384

Juli 7 83888

Agustus 8 84392

September 9 84896

Oktober 10 85400

November 11 85904

Desember 12 86408

Januari (2012) 13 86912

Februari 14 87416

Maret 15 87921

April 16 88425

Mei 17 88929

Juni 18 89433

Juli 19 89937

Agustus 20 90441

September 21 90945

Oktober 22 91449

November 23 91953

Desember 24 92457

Gambar 4.2 Grafik Penggunaan Aktual Alumunium dan Hasil Peramalan

Menggunakan Metode Linier Regression

Hasil perhitungan peramalan dengan metode regresi linier dapat diukur

ketepatannya dengan menggunakan tracking signal. Berikut ini adalah tabel yang

merangkum perhitungan tracking signal metode regresi linier.

76000

80000

84000

88000

92000

96000

1 2 3 4 5 6 7 8 9 101112131415161718192021222324AktualHasil Permalan

Periode Penggunaan Alumunium tahun 2011-2012

Ju

mla

hP

en

gg

un

aan

Alu

mu

niu

m(K

g)

Tabel 4.9 Nilai Tracking Signal menggunakan metode peramalan Linier Regression

Bulan Periode MAD Tracking Signal

Januari (2011) 1 676 -1.00

Februari 2 1491 1.09

Maret 3 1700 2.20

April 4 1375 3.02

Mei 5 1652 0.84

Juni 6 1908 -0.94

Juli 7 2049 0.53

Agustus 8 1827 0.45

September 9 1818 -0.51

Oktober 10 1952 -2.09

November 11 1793 -2.39

Desember 12 1768 -1.57

Januari (2012) 13 1641 -1.63

Februari 14 1573 -2.14

Maret 15 1493 -2.01

April 16 1534 -0.56

Mei 17 1552 0.64

Juni 18 1483 0.87

Juli 19 1444 1.41

Agustus 20 1416 2.07

September 21 1351 2.13

Oktober 22 1357 1.04

November 23 1354 0.08

Desember 24 1302 0.00

Gambar 4.3 Grafik Tracking Signal Linier Regression

B. Perhitungan Peramalan Metode Exponential Smoothing Model

Perhitungan manual terhadap peramalan penggunaan Alumunium akan dilakukan

pada nilai α sebesar 0.3, 0.5, 0.9. hasil perhitungannya dapat dilihat pada tabel

berikut:

Tabel 4.10 Hasil peramalan menggunakan metode Exponential Regression

Bulan Periode Hasil peramalan

α = 0.3

Hasil peramalan

α = 0.5

Hasil peramalan

α = 0.9

Jan (2011) 1 86660 86660 86660

Februari 2 84718 83424 80835

Maret 3 84405 83549 83390

April 4 84280 83769 83929

Mei 5 83830 83274 82893

Juni 6 82716 81696 80396

Juli 7 81961 80948 80219

Agustus 8 83407 83864 86125

September 9 83621 83992 84320

Oktober 10 83479 83570 83265

November 11 83106 82903 82340

Desember 12 83888 84307 85374

Januari (2012) 13 85095 86109 87657

Februari 14 85672 86564 87083

-5

-4

-3

-2

-1

0

1

2

3

4

5

1 3 5 7 9 11 13 15 17 19 21 23

BKA

Tracking Signal

BKB

Periode

Tra

ckin

gS

ign

al

Peta Kontrol Tracking Signal Linier Regression

Maret 15 85986 86642 86755

April 16 86677 87466 88137

Mei 17 87844 89017 90325

Juni 18 88725 89897 90733

Juli 19 89027 89816 89834

Agustus 20 89522 90245 90591

September 21 90068 90794 91267

Oktober 22 90317 90845 90934

November 23 90215 90412 90074

Desember 24 90347 90533 90596

Jan (2013) 25 90946 90477 90577

Gambar 4.4 Grafik Penggunaan Aktual Alumunium dan Hasil Peramalan

Menggunakan Metode Single Exponential Smoothing α = 0.3

76000

80000

84000

88000

92000

96000

1 2 3 4 5 6 7 8 9 101112131415161718192021222324

AktualHasil Peramalan Periode Penggunaan Alumunium tahun 2011-2012

Ju

mla

hP

en

gg

un

aa

n

Alu

mu

niu

m(K

g)

Gambar 4.5 Grafik Penggunaan Aktual Alumunium dan Hasil Peramalan

Menggunakan Metode Single Exponential Smoothing α = 0.5

Gambar 4.6 Grafik Penggunaan Aktual Alumunium dan Hasil Peramalan

Menggunakan Metode Single Exponential Smoothing α = 0.9

76000

80000

84000

88000

92000

96000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24Aktual

Hasil Peramalan Periode Penggunaan Alumunium tahun 2011-2012

Ju

mla

hP

en

ggu

naan

Alu

mu

niu

m(K

g)

76000

80000

84000

88000

92000

96000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

AktualHasil Peramalan Periode Penggunaan Alumunium tahun 2011-2012

Ju

mla

hP

en

gg

un

aa

n

Alu

mu

niu

m(K

g)

Hasil perhitungan peramalan dengan metode Exponential Smoothing dapat diukur

ketepatannya dengan menggunakan tracking signal. Berikut ini adalah tabel yang

merangkum perhitungan tracking signal metode Exponential Smoothing

Tabel 4.11 Nilai Tracking Signal menggunakan metode peramalan Exponential

Smoothing Model

Bulan Periode MAD

α = 0.3

Tracking

Signal

α = 0.3

MAD

α = 0.5

Tracking

Signal

α = 0.5

MAD

α = 0.9

Tracking

Signal

α = 0.9

Januari (2011) 1 6472 -1.00 6472 -1.00 6472 -1.00

Februari 2 3758 -2.00 3361 -1.85 4655 -0.78

Maret 3 2644 -3.00 2387 -2.42 3303 -0.92

April 4 2359 -4.00 2038 -3.32 2765 -1.51

Mei 5 2629 -5.00 2262 -4.39 2767 -2.51

Juni 6 2610 -6.00 2134 -5.35 2339 -3.06

Juli 7 2926 -3.71 2663 -2.10 2942 -0.20

Agustus 8 2649 -3.82 2362 -2.26 2825 -0.92

September 9 2407 -4.40 2193 -2.82 2641 -1.43

Oktober 10 2291 -5.17 2107 -3.57 2480 -1.94

November 11 2319 -3.98 2171 -2.17 2561 -0.56

Desember 12 2461 -2.12 2290 -0.48 2559 0.43

Januari (2012) 13 2420 -1.36 2184 -0.09 2411 0.19

Februari 14 2322 -0.97 2039 -0.02 2265 0.05

Maret 15 2321 0.03 2013 0.80 2216 0.74

April 16 2419 1.63 2081 2.26 2230 1.83

Mei 17 2449 2.81 2062 3.14 2125 2.13

Juni 18 2369 3.33 1957 3.23 2063 1.71

Juli 19 2331 4.09 1899 3.78 1998 2.19

Agustus 20 2306 4.93 1859 4.45 1936 2.64

September 21 2235 5.45 1775 4.71 1861 2.55

Oktober 22 2149 5.51 1734 4.33 1820 2.08

November 23 2075 5.92 1669 4.64 1766 2.48

Desember 24 2072 6.90 1675 5.70 1766 3.47

Gambar 4.7 Grafik Tracking Signal Exponential Smoothing α = 0.3

Gambar 4.8 Grafik Tracking Signal Exponential Smoothing α = 0.5

-8

-6

-4

-2

0

2

4

6

8

1 3 5 7 9 11 13 15 17 19 21 23

BKA

Tracking Signal

BKB

Periode

Tra

ckin

gS

ign

al

Peta Kontrol Tracking Signal Exponential Smoothing α = 0.3

-6

-4

-2

0

2

4

6

8

1 3 5 7 9 11 13 15 17 19 21 23

BKA

Tracking Signal

BKB

Periode

Tra

ckin

gS

ign

al

Peta Kontrol Tracking Signal Exponential Smoothing α = 0.5

Gambar 4.9 Grafik Tracking Signal Exponential Smoothing α = 0.9

Untuk perbandingan keseluruhan nilai Tracking Signal dari seluruh metode yang

dipakai dapat dilihat pada tabel berikut:

Tabel 4.12 Hasil perbandingan keseluruhan nilai Tracking Signal dari seluruh

metode yang dipakai

Regression

Linier

Exponential

Smoothing

α = 0.3

Exponential

Smoothing

α = 0.5

Exponential

Smoothing

α = 0.9

-1.00 -1.00 -1.00 -1.00

1.09 -2.00 -1.85 -0.78

2.20 -3.00 -2.42 -0.92

3.02 -4.00 -3.32 -1.51

0.84 -5.00 -4.39 -2.51

-0.94 -6.00 -5.35 -3.06

0.53 -3.71 -2.10 -0.20

0.45 -3.82 -2.26 -0.92

-0.51 -4.40 -2.82 -1.43

-2.09 -5.17 -3.57 -1.94

-2.39 -3.98 -2.17 -0.56

-1.57 -2.12 -0.48 0.43

-1.63 -1.36 -0.09 0.19

-5

-4

-3

-2

-1

0

1

2

3

4

5

1 3 5 7 9 11 13 15 17 19 21 23

BKA

Tracking Signal

BKB

Periode

Tra

ck

ing

Sig

na

l

Peta Kontrol Tracking Signal Exponential Smoothing α = 0.9

-2.14 -0.97 -0.02 0.05

-2.01 0.03 0.80 0.74

-0.56 1.63 2.26 1.83

0.64 2.81 3.14 2.13

0.87 3.33 3.23 1.71

1.41 4.09 3.78 2.19

2.07 4.93 4.45 2.64

2.13 5.45 4.71 2.55

1.04 5.51 4.33 2.08

0.08 5.92 4.64 2.48

0.00 6.90 5.70 3.47

Berdasarkan data di atas metode peramalan yang memiliki nilai Tracking Signal

yang paling mendekati nol adalah metode Regression Linier.

3. Perhitungan EOQ

Berdasarkan data penggunaan Alumunium yang telah diperoleh dari perusahaan,

diketahui bahwa tingkat penggunaan Alumunium bersifat turun naik. Karena itu,

untuk menentukan jumlah pembelian bahan baku Alumunium yang sesuai dengan

kondisi bahan baku yang digunakan maka digunakanlah metode EOQ.

Penggunaan metode ini bertujuan untuk menentukan jumlah bahan baku yang

dipesan secara ekonomis untuk melihat efesiensi yang ditimbulkan oleh penerapan

metode EOQ ini. Jumlah pengunaan Alumunium, harga bahan baku per unit dan

besarnya biaya pemesanan pada PT. X selama periode tahun 2011-2012 dapat

dihitung sebagai berikut:

Tabel 4.13 Pemakaian Bahan Baku, Biaya Pemesanan, dan Biaya Penyimpanan

Tahun

Penggunaan

Biaya

Pemesanan

Biaya

penyimpanan

per Kg

Alumuinum

Jumlah

(Kg) harga/kg total biaya

2011 1.000.854 Rp 14.500 Rp 14.512.383.000 Rp 10.730.000 Rp 1.450

2012 1.078.997 Rp 15.000 Rp 16.184.955.000 Rp 19.163.000 Rp 1.500

Rumus umtuk menentukan besarnya nilai EOQ (Economic Order Quantity)

adalah sebagai berikut:

EOQ = 2𝑘𝐷

ℎ

dimana:

D = tingkat permintaan, unit per tahun

k = biaya per pemesanan

h = biaya penyimpanan perunit pertahun

Q = ukuran pesanan ekonomis

EOQ = Jumlah Pemesanan Ekonomis (Economic Order Quantity)

A. Nilai EOQ tahun 2011:

EOQ = 2 x 10.730.000 x 1.000.854

1.450

EOQ = 121.707,19 Kg

Dengan frekuensi pembelian bahan baku Alumunium yang diperlukan oleh

perusahaan yaitu:

1.000.854

121.707,19 = 8,22 dibulatkan menjadi 8

Dengan daur pemesanan ulang adalah:

360

8,22 = 43,8 hari, dibulatkan menjadi 44 hari

B. Nilai EOQ tahun 2012:

EOQ = 2 x 19.163.000x 1.078.997

1.500

EOQ = 166.039,43 Kg

Dengan frekuensi pembelian bahan baku Alumunium yang diperlukan oleh

perusahaan yaitu:

1.078.997

166.039,43 = 6,50 dibulatkan menjadi 7

Dengan daur pemesanan ulang adalah:

360

6,50 = 55,38 hari dibulatkan menjadi 55 hari

4. Perhitungan Safety Stock

Persediaan pengaman (Safety Stock) berguna untuk melindungi perusahaan dari

resiko kehabisan bahan baku (Stock Out) dan keterlambatan penerimaan bahan

baku yang dipesan. Setelah diketahui berapa besarnya standar deviasi masing-

masing tahun maka akan ditetapkan jumlah nilai safety stock nya. Dalam

perhitungan safety stock ini manajemen perusahaan menentukan seberapa jauh

bahan baku yang masih dapat diterima. Batas toleransi yang digunakan oleh

perusahaan adalah 5% diatas perkiraan dan 5% dibawah perkiraan dengan nilai

1,65.

Perhitungan Safety Stock dilakukan dengan rumus sebagai berikut:

SS = Z x STD x 𝑙

Dimana:

SS = Persediaan Pengaman (Safety Stock)

Z = Faktor Pengaman (Safety Factor), sangat tergantung pada service level

STD = Standar deviasi dari permintaan inventori harian

l = Waktu Tunggu (Lead Time)

Lead Time (l) = 10 hari = ( bulan) = 10/30

Service Level (Z) = 100% - batas toleransi = 100%-10% = 90%

= z, untuk 90%

= 1,65 (lihat tabel z terlampir )

A. Safety Stock 2011

SS = Z x STD x 𝑙

Standar deviasi permintaan (STD) = 2.543,99 Kg/ bulan

= 1,65 x 2.543.99 x 10

30

= 2.423,48 Kg

B. Safety Stock 2012

SS = Z x STD x 𝑙

Standar deviasi permintaan (STD) = 1.718,07 Kg/ bulan

= 1,65 x 1.718,07 x 10

30

= 1.636,68 Kg

5. Perhitungan Waktu Pemesanan Kembali (Reorder Point)

Saat pemesanan kembali atau Reorder Point (ROP) adalah saat dimana

perusahaan harus melakukan pemesanan bahan bakunya kembali, sehingga

penerimaan bahan baku yang dipesan dapat tepat waktu. Karena dalam melakukan

pemesanan bahan baku tidak dapat langsung diterima hari itu juga. Besarnya sisa

bahan baku yang masih tersisa hingga perusahaan harus melakukan pemesanan

kembali adalah sebesar ROP yang telah dihitung.

Dalam penelitian ini digunakan model Reorder Point dimana tingkat permintaan

bersifat variabel dan Lead Time bersifat konstan. Lead time untuk semua jenis

bahan baku adalah 10 hari.

Perhitungan ROP adalah:

ROP = SS + (Dxl)

dimana:

SS = Safety Stock

D = Permintaan Inventori

l = Lead Time

A. Reorder Point 2011

ROP = SS + (Dxl)

= 2.423,48 + 1.000.854

360 x 10

= 30.224,98 Kg

B. Reorder Point 2012

ROP = SS + (Dxl)

= 1.636,68 + 1.078.997

360 x 10

= 31.608,82 Kg

6. Perhitungan Total Cost (TC)

Untuk mengetahui apakah perhitungan pembelian persediaan menurut EOQ lebih

baik dibandingkan dengan metode konvensional perusahaan, maka perlu

dibandingkan Total Cost menurut perusahaan dengan Total Cost menurut

perhitungan EOQ. Perbandingan tersebut akan membantu perusahaan apakah

kebijakan yang selama ini diambil telah tepat ataukah perlu untuk dilakukan

perbaikan.

Perhitungan Total Cost menurut EOQ dapat dihitung dengan persamaan:

TC = DC+k(D/Q)+h(Q/2)

Dimana:

D = tingkat permintaan, unit per tahun

C = harga barang per Kg

k = biaya per pemesanan

h = biaya penyimpanan perunit pertahun

Q = ukuran pesanan ekonomis

EOQ = Jumlah Pemesanan Ekonomis (Economic Order Quantity)

A. Nilai Total Cost tahun 2011

TC = DC+k(D/Q)+h(Q/2)

= (1.000.854 x 14.500) + (10.730.000 x (1.000.884/121.707,19)) + (1450 x

(121.707,19/2))

= Rp 14.512.383.000,00 + Rp 176.478.065,00

= Rp 14.688.861.065

B. Nilai Total Cost tahun 2012

TC = DC+k(D/Q)+h(Q/2)

= (1.078.997 x 15.000) + (19.163.000 x (1.078.997/166.039,43) + (1500 x

(166.039,43/2))

= Rp 16.184.955.000,00 + Rp 249.059.147,00

= Rp 16.434.014.147,00

4.3 Analisa Data

1. Peramalan Penggunaan Alumunium

Berdasarkan data yang diperoleh dari PT. X, maka dapat dilihat komponen data

cenderung naik dengan demikian metode peramalan yang mempertimbangkan

kecerendungan pola naik maka metode yang digunakan adalah peramalan dengan

metode Linear Regression dan Exponential Smoothing. Berdasarkan hasil

perhitungan peramalan dan grafik diatas maka kriteria pemilihan metode

berdasarkan nilai MAD dan Tracking Signal, sehingga dapat ditentukan

peramalan terbaik adalah peramalan dengan metode Regression Linier karena

memiliki nilai MAD dan Tracking Signal memiliki nilai yang paling kecil.

2. Perhitungan Economic Order Quantity

Dari perhitungan diatas dapat diketahui bahwa pembelian Alumunium yang

optimal untuk setiap kali pesan pada tahun 2011 adalah 121.707,19 Kg. Frekuensi

pembelian untuk jumlah bahan baku Alumunium tersebut adalah 8,22 dibulatkan

menjadi 8 kali. Sedangkan daur pemesanan ulang untuk setiap kali pembelian

adalah 43,8 hari atau dibulatkan menjadi 44 hari. Sedangkan untuk tahun 2012,

pembelian optimal untuk setiap kali pesan sebanyak 166.039,43 Kg. Kemudian

frekuensi pembelian Alumunium adalah 6,50 sehingga dibulatkan menjadi 7 kali,

sedangkan daur pemesanan ulang pembelian Alumunium adalah 55,38 hari atau

dibulatkan 55 hari.

3. Persediaan Pengaman (Safety Stock) Bahan Baku

Fungsi dari safety stock yaitu untuk mengurangi risiko kehabisan persediaan.

Semakin besar tingkat safety stock-nya maka kemungkinan kehabisan persediaan

semakin kecil. Berdasarkan hasil perhitungan, untuk bahan baku yang dianalisa

didapatkan safety stock-nya yaitu sebanyak 2.423,48 Kg untuk tahun 2011, dan

untuk tahun 2012 sebanyak 1.636,68 Kg, hal ini berarti bahwa perusahaan harus

memiliki persediaan Alumunium minimal 2.423,48 Kg untuk tahun 2011, dan

untuk tahun 2012 sebanyak 1.636,68 Kg untuk mengantisipasi terjadinya

kekurangan barang dalam kebutuhan produksi.

4. Waktu Pemesanan Kembali (Reorder Point) Bahan Baku

Fungsi menentukan reorder point (ROP) yaitu untuk mengetahui berapa banyak

batas minimal tingkat persediaan yang harus dipertimbangkan sehingga tidak

terjadi kekurangan persediaan. Jumlah yang diharapkan tersebut dihitung selama

masa tenggang. Dalam penelitian ini, ROP ditambahkan dengan safety stock yang

mengacu kepada probabilitas atau kemungkinan terjadinya kekurangan stock

selama masa tenggang. Berdasarkan keadaan yang dialami perusahaan maka

diketahui bahwa waktu tenggang pemesanan bahan baku untuk setiap jenis bahan

baku yaitu 10 hari. Sedangkan rata-rata penggunaan untuk jenis bahan baku

Alumunium tahun 2011 sebanyak 2.780,15 Kg/ hari dan untuk tahun 2012

sebanyak 2.997,21 Kg/ hari. Dengan demikian dengan diketahuinya lead time dan

permintaan rata-rata maka digunakan model pencarian reorder point untuk jumlah

lead time konstan dan permintaan besifat variabel. Setelah dilakukan perhitungan

diperoleh hasil reorder point untuk tahun 2011 sebanyak 30.224,98 Kg dan tahun

2012 sebanyak 31.608,82 Kg. Hal ini berarti bahwa perusahaan harus

mengadakan pemesanan kembali bahan baku apabila minimal stok Alumunium

pada tahun 2011 sebanyak 30.224,98 Kg dan tahun 2012 sebanyak 31.608,82 Kg.

Pola persediaan bahan baku Alumunium dapat dilihat berdasarkan grafik berikut:

50.000

100.000

150.000

1 2 3 4 5 6 7 8 9 10 11 12

EO

Q

EOQ = 121.707,19 Kg

ROP = 30.224,98 Kg

SS = 2.423,48 Kg

PERIODE

Gambar 4.10 Pola persediaan bahan baku tahun 2011

50.000

100.000

150.000

1 2 3 4 5 6 7 8 9 10 11 12

EO

Q

EOQ = 166.039,43 Kg

ROP = 31.068,82 Kg Kg

SS = 1.636,68 Kg

PERIODE

Gambar 4.11 Pola persediaan bahan baku tahun 2012

Untuk mengetahui lebih jelasnya mengenai perhitungan persediaan bahan baku

Alumunium PT. X dengan menggunakan metode EOQ selama periode Januari

2011-Desember 2012 dapat dilihat pada tabel berikut.

Tabel 4.14 EOQ, Safety Stock dan Reorder Point Bahan Baku Alumunium tahun

(2011-2012)

Tahun EOQ Safety Stock ROP

2011 121.707,19 Kg 2.423,48 Kg 30.224,98 Kg

2012 166.039,43 Kg 1.636,68 Kg 31.068,82 Kg

6. Total Cost

Untuk mengetahui total biaya persediaan Alumunium minimal yang diperlukan

perusahaan dengan menggunakan perhitungan EOQ. Hal ini dilakukan untuk

penghematan biaya persediaan perusahaan. Hasil perhitungan TIC PT.X adalah

sebagai berikut:

Total biaya persediaan PT.X pada Tahun 2011 menurut perhitungan

menggunakan metode EOQ sebesar Rp 14.688.861.065,00 dan pada tahun 2012

sebesar Rp 16.434.014.147,00.

Total biaya persediaan menurut perusahaan sesuai dengan rumus berikut:

TC = (biaya pembelian per tahun) + (Penggunaan rata–rata x biaya penyimpanan

+ (biaya pemesanan x Frekuensi Pemesanan) (4-1)

TC PT.X pada tahun 2011 adalah sebagai berikut:

TC = (1.000.854 x 14.500) + (83.404,5 x 1450) + (10.730.000 x 18)

= Rp 14.512.383.000,00 + Rp. 314.076.525,00

= Rp 14.826.459.525,00

TC PT.X pada tahun 2012 adalah sebagai berikut:

TC = (1.078.997 x 15.000) + (89.925,25 x 1500) + (19.163.000 x 12)

= Rp 16.184.955.000,00 + Rp. 364.843.875,00

= Rp 16.549.798.875,00

Perbandingan total biaya persediaan bahan baku menurut EOQ dengan total

persediaan bahan baku yang dijalankan menurut perusahaan dan penghematan

yang dihasilkan selama periode Januari 2011-Desember 2012 dapat dilihat pada

tabel berikut:

Tabel 4.15 Nilai penghematan yang dihasilkan berdasarkan nilai TC menurut

perusahaan dan nilai TC menurut metode EOQ

Tahun TC Menurut Perusahaan TC Menurut EOQ Penghematan

2011 Rp 14.826.459.525,00 Rp 14.688.861.065,00 Rp 137.598.460,00

2012 Rp 16.549.798.875,00 Rp 16.434.014.147,00 Rp 115.784.730,00

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan maka diperoleh kesimpulan:

1. Metode peramalan yang digunakan untuk mengelola persediaan bahan baku

Alumunium yang tepat adalah metode Regresi Linier (Regression Linier)

berdasarkan dari nilai Tracking Signal nya yang mendekati nol.

2. Dalam perhitungan EOQ nilai hasil dari perhitungan dengan menggunakan

metode EOQ untuk tahun 2011 adalah 121.707,19 Kg dengan frekuensi

pembelian bahan baku Alumunium sebanyak 8 kali dalam setahun dan daur

pemesanan ulang adalah 44 hari. Dan hasil perhitungan dengan menggunakan

metode EOQ untuk tahun 2012 adalah 166.039,43 Kg dengan frekuensi

pembelian 7 kali selama setahun dan daur pemesanan ulangnya adalah 55 hari

3. Untuk pemesanan ulang bahan baku selama lead time dan agar pemesanan

bahan baku tersebut tepat waktu adalah ketika persediaan mencapai 30.224,98

Kg untuk tahun 2011 dan untuk tahun 2012 sebesar 31.068,82 Kg. Nilai

Safety Stock untuk menjaga agar perusahaan tidak mengalami kehabisan

persediaan untuk tahun 2011 sebesar 2.423,48 Kg dan untuk tahun 2012

sebesar 1.636,68 Kg

4. Penghematan biaya persediaan apabila metode EOQ ini diterapkan di

perusahaan akan sangat bermanfaat sekali, dengan membandingkan nilai TIC

hasil perhitungan perusahaan dan nilai TIC hasil perhitungan EOQ maka

untuk tahun 2011 perusahaan dapat menghemat total biaya persediaan sebesar

Rp. 902.784.654,00 dan untuk tahun 2012 perusahaan dapat menghemat total

biaya persediaan sebesar Rp. 985.402.478,00

5.2 Saran

Berdasarkan kesimpulan diatas, maka peneliti dapat memberikan saran kepada

perusahaan yang dapat digunakan sebagai bahan pertimbangan adalah:

1. Perusahaan sebaiknya menggunakan peramalan dengan metode Linier

Regression untuk menghindari kekurangan ketersediaan bahan baku

Alumunium, karena metode ini memiliki tingkat kesalahan yang lebih kecil

dibandingkan metode Single Exponential Smoothing.

2. Perusahaan hendaknya mau mempertimbangkan untuk menggunakan metode

Economic Order Quantity dalam melakukan pembelian persediaan bahan

baku Alumunium. Berdasarkan perhitungan, diketahui bahwa dengan metode

Economic Order Quantity diperoleh Total Cost yang lebih rendah

dibandingkan dengan Total Cost yang harus dikeluarkan jika perusahaan

menggunakan metode konvensional. Itu berarti metode EOQ lebih efisien

dibandingkan dengan metode konvesional perusahaan.

LAMPIRAN

Perhitungan peramalan untuk penggunaan bahan baku dengan metode Regression

Linier dan Exponential Smoothing.

Tabel Lampiran 1 Data Penggunaan dan Pembelian Bahan Baku Alumunium pada

Tahun 2011

Bulan

Penggunaan Bahan baku

Alumunium

(Kg)

Pembelian Bahan baku

Alumunium

(Kg)

Jan 80188 80490

Feb 83674 82908

Maret 83989 84096

April 82778 81788

Mei 80119 79967

Juni 80199 80456

Juli 86781 86230

Agustus 84119 84672

Sep 83148 83091

Okt 82237 82667

Nov 85711 84781

Des 87911 86921

total 1000854.00 998067.00

rata-rata 83404.50 83172.25

stdv 2543.99 2260.08

Tabel Lampiran 2 Data Penggunaan dan Pembelian Bahan Baku Alumunium pada

Tahun 2012

Bulan

Penggunaan

Bahan Baku

Alumunium (Kg)

Pembelian

Bahan Baku

Alumunium (Kg)

Jan 87019 87986

Feb 86719 86756

Maret 88290 89098

April 90568 89786

Mei 90778 89974

Juni 89734 91231

Juli 90675 90112

Agustus 91342 90979

Sep 90897 90374

Okt 89978 90142

Nov 90654 91456

Des 92343 91209

total 1078997.00 1079103.00

rata-rata 89916.42 89925.25

stdv 1718.07 1401.32

Tabel Lampiran 3 Perhitungan Metode Linier Regression

Bulan Periode (x) Kebutuhan

(y) x.y x

2

Jan (2011) 1 80188 80188 1

Feb 2 83674 167348 4

Maret 3 83989 251967 9

April 4 82778 331112 16

Mei 5 80119 400595 25

Juni 6 80199 481194 36

Juli 7 86781 607467 49

Agustus 8 84119 672952 64

Sep 9 83148 748332 81

Okt 10 82237 822370 100

Nov 11 85711 942821 121

Des 12 87911 1054932 144

Jan (2012) 13 87019 1131247 169

Feb 14 86719 1214066 196

Maret 15 88290 1324350 225

April 16 90568 1449088 256

Mei 17 90778 1543226 289

Juni 18 89734 1615212 324

Juli 19 90675 1722825 361

Agustus 20 91342 1826840 400

Sep 21 90897 1908837 441

Okt 22 89978 1979516 484

Nov 23 90654 2085042 529

Des 24 92343 2216232 576

Jumlah 300 2079851 26577759 4900

b = 24 x 26577759 −(2079851 x 300)

24 x 4900 −( 3002) = 504,0187

a = 2079851

24 –

(504,0187 x 300)

12 = 80360.2246

Jadi, rumus persamaan regresinya adalah:

Y(x) = 80360.2246 + 504.0817x

Dengan demikian hasil peramalannya dapat dilihat pada tabel berikut:

Tabel Lampiran 4 Hasil Peramalan dengan Metode Linier Regression

Bulan Periode

peramalan Hasil peramalan

Jan (2013) 25 80864

Feb 26 81368

Maret 27 81872

April 28 82376

Mei 29 82880

Juni 30 83384

Juli 31 83888

Agustus 32 84392

Sep 33 84896

Okt 34 85400

Nov 35 85904

Des 36 86408

Jan (2014) 37 86912

Feb 38 87416

Maret 39 87921

April 40 88425

Mei 41 88929

Juni 42 89433

Juli 43 89937

Agustus 44 90441

Sep 45 90945

Okt 46 91449

Nov 47 91953

Des 48 92457

Tabel Lampiran 5 Perhitungan Tracking Signal untuk Metode Linier Regression

Kebutuhan

xi

Hasil

Peramalan

Fi

Error

= xi-Fi RSFE

Absolute

Error

= |xi-Fi|

Kumulatif

Absolute

Error

MAD Tracking

Signal

80188 80864 -676 -676 676 676 676 -1.00

83674 81368 2306 1630 2306 2982 1491 1.09

83989 81872 2117 3747 2117 5099 1700 2.20

82778 82376 402 4149 402 5500 1375 3.02

80119 82880 -2761 1388 2761 8262 1652 0.84

80199 83384 -3185 -1798 3185 11447 1908 -0.94

86781 83888 2893 1095 2893 14340 2049 0.53

84119 84392 -273 822 273 14613 1827 0.45

83148 84896 -1748 -927 1748 16361 1818 -0.51

82237 85400 -3163 -4090 3163 19525 1952 -2.09

85711 85904 -193 -4284 193 19718 1793 -2.39

87911 86408 1503 -2781 1503 21221 1768 -1.57

87019 86912 107 -2675 107 21327 1641 -1.63

86719 87416 -697 -3372 697 22025 1573 -2.14

88290 87921 369 -3003 369 22394 1493 -2.01

90568 88425 2143 -859 2143 24538 1534 -0.56

90778 88929 1849 990 1849 26387 1552 0.64

89734 89433 301 1292 301 26689 1483 0.87

90675 89937 738 2030 738 27427 1444 1.41

91342 90441 901 2932 901 28329 1416 2.07

90897 90945 -48 2884 48 28376 1351 2.13

89978 91449 -1471 1413 1471 29847 1357 1.04

90654 91953 -1299 115 1299 31145 1354 0.08

92343 92457 -114 1 114 31259 1302 0.00

Tabel Lampiran 6 Hasil Peramalan dengan Metode Exponential Smoothing dengan

α = 0.3

Bulan Periode Kebutuhan

Hasil

peramalan

α = 0.3

Jan 1 80188 86660

Feb 2 83674 84718

Maret 3 83989 84405

April 4 82778 84280

Mei 5 80119 83830

Juni 6 80199 82716

Juli 7 86781 81961

Agustus 8 84119 83407

Sep 9 83148 83621

Okt 10 82237 83479

Nov 11 85711 83106

Des 12 87911 83888

Jan 13 87019 85095

Feb 14 86719 85672

Maret 15 88290 85986

April 16 90568 86677

Mei 17 90778 87844

Juni 18 89734 88725

Juli 19 90675 89027

Agustus 20 91342 89522

Sep 21 90897 90068

Okt 22 89978 90317

Nov 23 90654 90215

Des 24 92343 90347

Jumlah 2079851 90946

Tabel Lampiran 7 Hasil Peramalan dengan Metode Exponential Smoothing dengan

α = 0.5

Bulan Periode Kebutuhan Hasil peramalan

α = 0.5

Jan 1 80188 86660

Feb 2 83674 83424

Maret 3 83989 83549

April 4 82778 83769

Mei 5 80119 83274

Juni 6 80199 81696

Juli 7 86781 80948

Agustus 8 84119 83864

Sep 9 83148 83992

Okt 10 82237 83570

Nov 11 85711 82903

Des 12 87911 84307

Jan 13 87019 86109

Feb 14 86719 86564

Maret 15 88290 86642

April 16 90568 87466

Mei 17 90778 89017

Juni 18 89734 89897

Juli 19 90675 89816

Agustus 20 91342 90245

Sep 21 90897 90794

Okt 22 89978 90845

Nov 23 90654 90412

Des 24 92343 90533

Jumlah 2079851 90477

Tabel Lampiran 8 Hasil Peramalan dengan Metode Exponential Smoothing dengan

α = 0.9

Bulan Periode Kebutuhan Hasil peramalan

α = 0.9

Jan 1 80188 86660

Feb 2 83674 80835

Maret 3 83989 83390

April 4 82778 83929

Mei 5 80119 82893

Juni 6 80199 80396

Juli 7 86781 80219

Agustus 8 84119 86125

Sep 9 83148 84320

Okt 10 82237 83265

Nov 11 85711 82340

Des 12 87911 85374

Jan 13 87019 87657

Feb 14 86719 87083

Maret 15 88290 86755

April 16 90568 88137

Mei 17 90778 90325

Juni 18 89734 90733

Juli 19 90675 89834

Agustus 20 91342 90591

Sep 21 90897 91267

Okt 22 89978 90934

Nov 23 90654 90074

Des 24 92343 90596

Jumlah 2079851 90577

Tabel Lampiran 9 Perhitungan Tracking Signal untuk Metode Exponential

Smoothing dengan α = 0.3

Kebutuhan

xi

Hasil Peramalan

Fi

Error

= xi-Fi RSFE

Absolute Error

= |xi-Fi|

Kumulatif Absolute

Error

MA

D

Trackin

g Signal

80188 86660 -6472 -6472 6472 6472 6472 -1.00

83674 84718 -1044 -7516 1044 7516 3758 -2.00

83989 84405 -416 -7932 416 7932 2644 -3.00

82778 84280 -1502 -9434 1502 9435 2359 -4.00

80119 83830 -3711 -13145 3711 13145 2629 -5.00

80199 82716 -2517 -15662 2517 15663 2610 -6.00

86781 81961 4820 -10842 4820 20483 2926 -3.71

84119 83407 712 -10130 712 21194 2649 -3.82

83148 83621 -473 -10603 473 21667 2407 -4.40

82237 83479 -1242 -11845 1242 22909 2291 -5.17

85711 83106 2605 -9240 2605 25514 2319 -3.98

87911 83888 4023 -5217 4023 29537 2461 -2.12

87019 85095 1924 -3291 1924 31461 2420 -1.36

86719 85672 1047 -2244 1047 32508 2322 -0.97

88290 85986 2304 60 2304 34812 2321 0.03

90568 86677 3891 3950 3891 38703 2419 1.63

90778 87844 2934 6884 2934 41636 2449 2.81

89734 88725 1009 7893 1009 42646 2369 3.33

90675 89027 1648 9541 1648 44293 2331 4.09

91342 89522 1820 11361 1820 46114 2306 4.93

90897 90068 829 12190 829 46943 2235 5.45

89978 90317 -339 11852 339 47282 2149 5.51

90654 90215 439 12291 439 47721 2075 5.92

92343 90347 1996 14287 1996 49717 2072 6.90

Tabel Lampiran 10 Perhitungan Tracking Signal untuk Metode Exponential

Smoothing dengan α = 0.5

Kebutuhan

xi

Hasil

Peramalan

Fi

Error

= xi-Fi RSFE

Absolute

Error

= |xi-Fi|

Kumulatif

Absolute

Error

MAD Tracking

Signal

80188 86660 -6472 -6472 6472 6472 6472 -1.00

83674 83424 250 -6222 250 6722 3361 -1.85

83989 83549 440 -5782 440 7162 2387 -2.42

82778 83769 -991 -6773 991 8153 2038 -3.32

80119 83274 -3155 -9928 3155 11308 2262 -4.39

80199 81696 -1497 -11425 1497 12805 2134 -5.35

86781 80948 5833 -5592 5833 18638 2663 -2.10

84119 83864 255 -5337 255 18893 2362 -2.26

83148 83992 -844 -6181 844 19736 2193 -2.82

82237 83570 -1333 -7514 1333 21069 2107 -3.57

85711 82903 2808 -4706 2808 23877 2171 -2.17

87911 84307 3604 -1102 3604 27481 2290 -0.48

87019 86109 910 -192 910 28391 2184 -0.09

86719 86564 155 -37 155 28546 2039 -0.02

88290 86642 1648 1611 1648 30194 2013 0.80

90568 87466 3102 4713 3102 33296 2081 2.26

90778 89017 1761 6474 1761 35057 2062 3.14

89734 89897 -163 6311 163 35221 1957 3.23

90675 89816 859 7170 859 36080 1899 3.78

91342 90245 1097 8267 1097 37177 1859 4.45

90897 90794 103 8370 103 37280 1775 4.71

89978 90845 -867 7503 867 38147 1734 4.33

90654 90412 242 7745 242 38390 1669 4.64

92343 90533 1810 9555 1810 40200 1675 5.70

Tabel Lampiran 11 Perhitungan Tracking Signal untuk Metode Exponential

Smoothing dengan α = 0.9

Kebutuhan

xi

Hasil

Peramalan

Fi

Error

= xi-Fi RSFE

Absolute

Error

= |xi-Fi|

Kumulatif

Absolute

Error

MAD Tracking

Signal

80188 86660 -6472 -6472 6472 6472 6472 -1.00

83674 80835 2839 -3633 2839 9311 4655 -0.78

83989 83390 599 -3034 599 9910 3303 -0.92

82778 83929 -1151 -4185 1151 11061 2765 -1.51

80119 82893 -2774 -6959 2774 13835 2767 -2.51

80199 80396 -197 -7156 197 14032 2339 -3.06

86781 80219 6562 -594 6562 20595 2942 -0.20

84119 86125 -2006 -2600 2006 22600 2825 -0.92

83148 84320 -1172 -3772 1172 23772 2641 -1.43

82237 83265 -1028 -4800 1028 24800 2480 -1.94

85711 82340 3371 -1429 3371 28171 2561 -0.56

87911 85374 2537 1108 2537 30708 2559 0.43

87019 87657 -638 470 638 31347 2411 0.19

86719 87083 -364 106 364 31711 2265 0.05

88290 86755 1535 1641 1535 33245 2216 0.74

90568 88137 2431 4072 2431 35677 2230 1.83

90778 90325 453 4525 453 36130 2125 2.13

89734 90733 -999 3526 999 37128 2063 1.71

90675 89834 841 4367 841 37970 1998 2.19

91342 90591 751 5118 751 38721 1936 2.64

90897 91267 -370 4748 370 39091 1861 2.55

89978 90934 -956 3792 956 40047 1820 2.08

90654 90074 580 4372 580 40627 1766 2.48

92343 90596 1747 6119 1747 42374 1766 3.47

DAFTAR PUSTAKA

Tersine, R. J. Principles of Inventory and Materials Managements, Englewood

Cliffs, NJ: Prentice-Hall, 1994

Assauri, Sofjan. Manajemen Produksi dan Operasi, Jakarta: Lembaga Penerbit

Fakultas Ekonomi Universitas Indonesia, 2008

Sipper, D. and Bulfin, R. L. Production: Planning, Control, and Integration,

USA: The McGraw-Hill Companies. Inc, 1997

Gaspersz, Vincent. All-in-one Production and Inventory Management for Supply

Chain Professional Strategi Menuju World Class Manufacturing, Bogor:

Vinchristo Publication, 1998

Nasution, Arman Hakim & Prasetyawan, Yudha, 2008. Perencanaan &

Pengendalian Produksi, Graha Ilmu, Yogyakarta.

Handoko, T. Hani. Dasar-Dasar Manajemen Produksi dan Operasi, Yogyakarta:

BPFE-Yogyakarta, 1984

Pujawan, I. N. Supply Chain Management, Jakarta: Guna Widya, 2005