TUGAS AKHIR - UNUGHArepository.unugha.ac.id/544/1/Pengendalian Persediaan... · 2019. 7. 18. ·...

i

TUGAS AKHIR

Pengendalian Persediaan Parts dengan Analisis Klasifikasi

Persediaan, Forecasting, Safety Stock & Maksimum Stock Level

beserta Analisis Dampaknya terhadap Inventory KPI di PT KMSI

Diajukan guna melengkapi sebagian syarat

dalam mencapai gelar Sarjana Strata Satu (S1)

Disusun Oleh :

Nama : Doddy Aditiya

NIM : 41614120113

Program Studi : Teknik Industri

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS MERCU BUANA

JAKARTA

2016

ii

LEMBAR PERNYATAAN

Yang bertanda tangan di bawah ini :


NIM : 41614120113

Jurusan : Teknik Industri

Fakultas : Teknik

Judul Skripsi : Pengendalian Persediaan Parts dengan Analisis

Klasifikasi Persediaan, Forecasting, Safety Stock &

Maximum Stock Level beserta Analisis Dampaknya

terhadap Inventory KPI di PT KMSI.

Dengan ini menyatakan bahwa hasil penulisan Skripsi yang telah saya buat

ini merupakan hasil karya sendiri dan benar keasliannya. Apabila ternyata di

kemudian hari penulisan Skripsi ini merupakan hasil plagiat atau penjiplakan

terhadap karya orang lain, maka saya bersedia mempertanggungjawabkan

sekaligus bersedia menerima sanksi berdasarkan aturan tata tertib di Universitas

Mercu Buana.

Demikian pernyataan ini saya buat dalam keadaan sadar dan tidak

dipaksakan.

Jakarta, 23 Juli 2016

Penulis,

Doddy Aditiya

iii

LEMBAR PENGESAHAN



beserta Analisis Dampaknya terhadap Inventory KPI

di PT Komatsu Marketing & Support Indonesia

Disusun oleh :


NIM : 41614120113

Jurusan : Teknik Industri

Pembimbing,

[Farida, Ir, MMA]

Mengetahui,

Koordinator Tugas Akhir / Ketua Program Studi

[Dr. Zulfa Fitri Ikatrinasari, MT]

v

KATA PENGANTAR

Assalamu’alaikum Wr Wb

Puji syukur penulis panjatkan kepada Allah SWT atas segala rahmat,

pelindungan, karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan

Tugas Akhir ini sesuai dengan harapan penulis.

Penyusunan Tugas Akhir ini dimaksudkan sebagai persyaratan

menyelesaikan program pendidikan Strata Satu (S1) Universitas Mercu Buana

dengan Program Studi Teknik Industri.

Pada kesempatan ini, penulis menyampaikan ucapan terima kasih kepada

berbagai pihak atas dukungan, bantuan, bimbingan dan kerjasamanya sehingga

penulisan Tugas Akhir ini dapat diselesaikan dengan baik, terutama kepada :

1. Mamah, Papah, Eggy Hadi Priyanto, Ferry Febriansyah dan seluruh

keluarga yang telah memberikan doa, dukungan, kasih sayang berserta

seluruh bentuk bantuan lainnya kepada penulis.

2. Bapak Rustandi dan Inaba san selaku Parts Inventory Section Head di PT

KMSI yang telah turut memberikan bimbingan, kritik, saran dan

pengalaman kepada penulis dalam penyusunan Tugas Akhir ini.

3. Bapak Soegandi, Bapak Firman, Mba Mirza, Mba Wulan, Mas Dhiki

selaku tim parts inventory di PT KMSI yang telah memberikan support,

bimbingan, kritik, saran dan pengalaman yang membangun selama

penulis melakukan penelitian Tugas Akhir ini.

4. Ibu Asmirawati, ST, MT dan Ibu Farida, Ir, MMA selaku pembimbing

akademik yang senantiasa menyediakan waktu, memberikan bimbingan

dan mengarahkan penulis dalam penyusunan Tugas Akhir ini.

5. Ibu Dr. Zulfa Fitri Ikatrinasari, MT selaku Ketua Program Studi Teknik

Industri, Fakultas Teknik, Universitas Mercu Buana.

6. Seluruh Dosen dan Staff Program Studi Teknik Industri di Universitas

Mercu Buana.

vi

7. Seluruh teman-teman PKK Teknik Industri yang telah banyak

memberikan bantuan dan dukungan serta kebersamaan selama masa

perkuliahan.

8. Seluruh pihak yang telah membantu dan memberikan doa serta

dukungannya namun tidak dapat penulis sebutkan satu per satu.

Demikian Tugas Akhir ini penulis buat, semoga dapat bermanfaat dan

menambah wawasan bagi pembaca dalam perkembangan dunia akademik maupun

industri ke depannya.

Wassalamu’alaikum Wr Wb

Jakarta, 23 Juli 2016

Penulis,

Doddy Aditiya

vii

DAFTAR ISI

HALAMAN JUDUL ............................................................................................... i

LEMBAR PERNYATAAN .................................................................................... ii

LEMBAR PENGESAHAN ................................................................................... iii

ABSTRAK ............................................................................................................. iv

KATA PENGANTAR ............................................................................................ v

DAFTAR ISI ......................................................................................................... vii

DAFTAR TABEL ................................................................................................... x

DAFTAR GAMBAR ............................................................................................ xii

DAFTAR LAMPIRAN ........................................................................................ xiii

BAB I PENDAHULUAN ........................................................................................ 1

1.1 Latar Belakang .......................................................................................... 1

1.2 Perumusan Masalah ................................................................................... 3

1.3 Pembatasan Masalah ................................................................................. 3

1.4 Tujuan Penelitian ....................................................................................... 3

1.5 Metode Penelitian ...................................................................................... 4

1.6 Sistematika Penulisan ................................................................................ 5

BAB II TINJAUAN PUSTAKA ............................................................................. 7

2.1 Persediaan .................................................................................................. 7

2.2 Klasifikasi Persediaan ............................................................................. 10

2.3 Forecasting .............................................................................................. 12

2.4 Pengujian Hasil Forecasting ................................................................... 19

2.5 Safety Stock ............................................................................................. 20

2.5 Maximum Stock Level .............................................................................. 21

2.6 Inventory Key Performance Indicator ..................................................... 21

2.6.1 Inventory Turnover Ratio (ITR) ................................................... 22

2.6.2 Availability (AV) ......................................................................... 22

2.6.3 Inventory Readiness ..................................................................... 23

2.7 Ketentuan dalam Menentukan Narasumber ............................................ 23

viii

BAB III METODOLOGI PENELITIAN .............................................................. 25

3.1 Jenis Penelitian ........................................................................................ 25

3.2 Lokasi dan Waktu Penelitian ................................................................... 25

3.3 Populasi dan Sampel Penelitian .............................................................. 25

3.4 Teknik Pengumpulan Data ...................................................................... 25

3.5 Teknik Pengolahan Data & Diagram Alir Penelitian .............................. 26

BAB IV PENGUMPULAN & PENGOLAHAN DATA ...................................... 29

4.1 Tinjauan Umum Perusahaan ................................................................... 29

4.1.1 Sejarah Singkat Komatsu & Pengenalan “Komatsu Way” ......... 29

4.1.2 Pengenalan Perusahaan Komatsu Group di Indonesia ............... 30

4.1.3 Struktur Organisasi PT KMSI ..................................................... 32

4.1.4 Alur Pembelian & Penjualan Produk .......................................... 33

4.1.5 Lokasi Perusahaan & Warehouse ............................................... 34

4.1.6 Hirarki Warehouse ...................................................................... 34

4.1.7 Pengenalan Produk ...................................................................... 36

4.2 Pengenalan Part Master .......................................................................... 38

4.3 Pengenalan Mortality dan Rank .............................................................. 39

4.4 Ketentuan dalam Menentukan Subdepot List Item (SDL) & Jumlahnya 41

4.4.1 Ketentuan dalam Menentukan Subdepot-Item (SDL) .................. 41

4.4.2 Ketentuan dalam Menentukan Quantity dari SDL ....................... 43

4.5 Data Order Intake PT KMSI ................................................................... 44

4.6 Analisa Penentuan Fokus Subdepot ........................................................ 46

4.7 Data Existing SDL dan Quantity Subdepot Sangatta .............................. 46

4.8 Data Order Intake Subdepot Sangatta ..................................................... 47

4.9 Penyusunan Draft SDL ........................................................................... 49

4.10 Klasifikasi Persediaan terhadap Draft SDL ............................................ 49

4.10.1 Penentuan Teknik dan Metode Klasifikasi Persediaan ................ 49

4.10.2 Standar Klasifikasi Persediaan dengan ABC Rank ...................... 50

4.10.3 Tahapan Proses Klasifikasi Persediaan ........................................ 51

4.10.4 Hasil Klasifikasi Persediaan terhadap Draft SDL ....................... 51

ix

4. 11 Analisa Forecast terhadap Final SDL .................................................... 53

4.11.1 Analisa Pemilihan Metode Forecast ............................................ 53

4.11.2 Perhitungan Forecast & Nilai Error dari Metode Moving Average

...................................................................................................... 55

4.11.3 Perhitungan Forecast & Nilai Error dari Metode Simple

Exponential Smoothing ................................................................ 56

4.11.4 Perbandingan Nilai MAD & TS antara Metode Forecast ........... 57

4. 12 Perhitungan Nilai Safety Stock & Maximum Stock Level ........................ 58

4.12.1 Perhitungan Safety Stock (SS) ...................................................... 58

4.12.2 Perhitungan Maximum Stock Level (MSL) .................................. 60

BAB V ANALISA HASIL .................................................................................... 62

5.1 Perbandingan Final SDL ......................................................................... 62

5.2 Perbandingan Nilai Error Forecast dari Final SDL PT KMSI vs Ideal . 63

5.3 Perbandingan Hasil Penelitian terhadap Inventory KPI .......................... 65

5.3.1 Perbandingan Nilai Inventory Turnover Ratio (ITR) ................... 65

5.3.2 Perbandingan Availibility dari Final SDL PT KMSI vs Ideal ..... 67

5.4 Summary Analisa Hasil Penelitian .......................................................... 68

BAB VI KESIMPULAN & SARAN ..................................................................... 70

6.1 Kesimpulan .............................................................................................. 70

6.2 Saran ........................................................................................................ 72

DAFTAR PUSTAKA .............................................. ............................................xiv

x

DAFTAR TABEL

Tabel 2. 1 Perbedaan Karakter dan Pengawasan Kelompok ABC ........................ 12

Tabel 2. 2 Tabel Standar Safety Factor ................................................................. 20

Tabel 4. 1 Contoh Data Part Master ...................................................................... 38

Tabel 4. 2 Contoh Data Demand Satu Tahun Terakhir (Trend Demand) .............. 39

Tabel 4. 3 Contoh Data Demand Satu Tahun Terakhir (Non-Trend Demand) ...... 40

Tabel 4. 4 Contoh Perhitungan Month Movement ................................................. 40

Tabel 4. 5 Klasifikasi Month Movement ................................................................ 41

Tabel 4. 6 Klasifikasi Harga .................................................................................. 41

Tabel 4. 7 Ketentuan Barang-barang Subdepot ..................................................... 43

Tabel 4. 8 Penentuan Maximum Stock Level terhadap SDL .................................. 44

Tabel 4. 9 Sample Data dari Existing SDL beserta Quantity Sangatta .................. 47

Tabel 4. 10 Sample Data Order Intake Subdepot Sangatta April 2015 – Maret

2016 ........................................................................................................................ 48

Tabel 4. 11 Identifikasi Draft SDL ........................................................................ 49

Tabel 4. 12 Matriks Analisa Kriteria Persediaan ................................................... 50

Tabel 4. 13 Klasifikasi Berdasarkan AUV dengan ABC Rank ............................. 51

Tabel 4. 14 Klasifikasi Final SDL berdasarkan KMSI Rank & ABC Rank .......... 52

Tabel 4. 15 Contoh Hasil Perhitungan Forecast & Error Moving Average .......... 55

Tabel 4. 16 Contoh Hasil Perhitungan Forecast & Error Simple Exponential

Smoothing (0.3) ...................................................................................................... 56

Tabel 4. 17 Contoh Hasil Perhitungan Forecast & Error Simple Exponential

Smoothing (0.7) ...................................................................................................... 57

Tabel 4. 18 Perbandingan Nilai MAD & TS ......................................................... 58

Tabel 4. 19 Data Availibility PT KMSI ................................................................. 59

Tabel 4. 20 Perhitungan Safety Stock ..................................................................... 59

Tabel 4. 21 Perhitungan Maximum Stock Level ..................................................... 61

Tabel 5. 1 Perbandingan Jumlah Part Number dari Final SDL ............................ 62

Tabel 5. 2 Perbandingan Amount Ideal dari Final SDL ......................................... 63

xi

Tabel 5. 3 Data Forecast Error dari Final SDL Ideal ........................................... 63

Tabel 5. 4 Data Forecast Error dari Final SDL PT KMSI ................................... 64

Tabel 5. 5 Total Sales Amount Periode April 2015 – Maret 2016 ......................... 66

Tabel 5. 6 Average Stock Amount Periode April 2015 – Maret 2016 .................... 66

Tabel 5. 7 Total Sales Amount Periode Mei 2015 – April 2016 ............................ 66

Tabel 5. 8 Average Stock Amount Periode Mei 2015 – April 2016 ....................... 66

Tabel 5. 9 Perbandingan Availibility Final SDL di Subdepot ............................... 67

Tabel 5. 10 Summary Analisa Hasil Penelitian ...................................................... 68

xii

DAFTAR GAMBAR

Gambar 2. 1 Grafik Klasifikasi ABC ..................................................................... 11

Gambar 2. 2 Pola Data Horizontal ......................................................................... 13

Gambar 2. 3 Pola Data Musiman ........................................................................... 14

Gambar 2. 4 Pola Siklis ......................................................................................... 14

Gambar 2. 5 Pola Trend ......................................................................................... 14

Gambar 2. 6 Diagram Alir Pembuatan Forecast ................................................... 17

Gambar 2. 7 Grafik Perbandingan safety stock dengan shortages ........................ 21

Gambar 4. 1 Struktur Organisasi............................................................................ 33

Gambar 4. 2 Alur Pembelian & Penjualan Produk ................................................ 34

Gambar 4. 3 Aliran Internal Produk dan Hirarki Warehouse ................................ 35

Gambar 4. 4 3-Layer WHS Based on Main Supply .............................................. 36

Gambar 4. 5 Contoh Unit Alat Berat Komatsu ...................................................... 37

Gambar 4. 6 Contoh Komponen & Spareparts Komatsu ...................................... 38

Gambar 4. 7 Contoh Rank ...................................................................................... 40

Gambar 4. 8 Grafik Order Intake April 2015 sampai Maret 2016 ........................ 45

Gambar 4. 9 Grafik Penjualan Subdepot (Amount USD) ...................................... 46

Gambar 4. 10 Matriks Identifikasi Pemilihan Metode Forecast ........................... 53

xiii

DAFTAR LAMPIRAN

Rekapitulasi Hasil Wawancara............................................................... Lampiran 1

Spareparts Interchangeability Codes List……...................................... Lampiran 2

Classuc Detail : A, B dan C................................................................... Lampiran 3

Identifikasi Penyusunan Draft SDL....................................................... Lampiran 4

Analisa Klasifikasi Berdasarkan AUV Menggunakan ABC Rank….. ... Lampiran 5

Forecast : Moving Average.................................................................... Lampiran 6

Forecast : Simple Exponential Smoothing (0.3).................................... Lampiran 7

Forecast : Simple Exponential Smoothing (0.7).................................... Lampiran 8

Tabel Standar Service Level dan Safety Factor ..................................... Lampiran 9

Perhitungan Safety Stock....................................................................... Lampiran 10

Perhitungan Maximum Stock Level....................................................... Lampiran 11

Perbandingan Nilai Error Final SDL KMSI v Final SDL Ideal terhadap Demand

April.................................................................................................... Lampiran 12

Data Availiability Subdepot Maret & April......................................... Lampiran 13

Simulasi Stock Amount Movement ……….......................................... Lampiran 14

iv

ABSTRAK



beserta Analisis Dampaknya terhadap Inventory KPI

di PT Komatsu Marketing & Support Indonesia

Persaingan bisnis menjadi semakin ketat seiring dengan perkembangan

jaman, hal ini menyebabkan PT KMSI dituntut untuk memiliki daya saing yang

kompetitif dan memiliki nilai lebih bagi customer. PT KMSI sendiri bergerak

dibidang penjualan Alat Berat sehingga aliran produk dalam supply chain menjadi

faktor yang sangat menentukan dalam hasil kegiatan bisnis yang dijalankan,

dimana salah satu faktor yang berkontribusi dalam supply chain tersebut adalah

dengan melakukan pengendalian persediaan yang optimal. Sehingga penelitian ini

dilakukan untuk menganalisis daftar produk (final SDL) menggunakan metode

ABC Rank dan untuk menganalisis jumlah persediaan yang akan disimpan di

subdepot menggunakan metode forecasting. Selain itu juga dilakukan analisis

terhadap jumlah maximum stock level & safety stock. Selanjutnya pada akhir

penelitian juga akan dilakukan analisis dampak pengendalian persediaan yang

dilakukan terhadap inventory Key Performance Indicator yang ada di PT KMSI.

Kata Kunci : Analisis ABC Rank, Forecasting, Saefty Stock, Maximum Stock

Level, Inventory KPI.

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Persaingan bisnis menjadi semakin ketat seiring dengan perkembangan

jaman, hal ini menyebabkan perusahaan dituntut untuk memiliki daya saing yang

kompetitif dan memiliki nilai lebih bagi customer dengan ditunjang proses yang

efisien dan efektif sehingga diharapkan dapat terciptanya suatu lingkungan bisnis

yang sustainable dan dapat terus berkembang dalam perusahaan tersebut.

Bagi perusahaan manufaktur maupun perusahaan yang bergerak dalam

bidang trading, seperti retailer, distributor dan sebagainya, aliran suatu produk

menjadi faktor yang sangat menentukan dalam hasil kegiatan bisnis yang

dijalankan, karena akan berpengaruh langsung terhadap service level yang

dirasakan oleh customer dan juga berpengaruh pada aliran kas maupun asset

perusahaan. Persediaan juga menjadi elemen penting yang mutlak harus dikontrol

oleh perusahaan karena ketersediaan barang dan keterjangkauan produk bagi

customer merupakan faktor penting yang ikut mempengaruhi customer

satisfaction. Selain itu, ketidaktersediaan barang dapat menimbulkan kerugian

pada perusahaan dalam bentuk lost deal bahkan dapat menyebabkan perusahaan

kehilangan customer (Beneke et al., 2012).

PT KMSI sendiri merupakan salah satu anak perusahaan dari Komatsu

Limited Jepang. Perusahaan ini bergerak dalam bisnis trading produk-produk alat

berat Komatsu, meliputi unit alat berat dan spareparts. Di Indonesia, Produk

Komatsu dijual melalui distributor tunggal yakni PT United Tractors, dimana

produk alat berat tersebut banyak digunakan dalam bisnis pertambangan,

konstruksi, forestry maupun utitlity dalam manufaktur. Saat ini, komoditi bisnis

terbesar dari bisnis Komatsu di Indonesia adalah di bisnis pertambangan,

khususnya pertambangan batubara, dimana tambang-tambang tersebut tersebar di

beberapa wilayah Indonesia yang biasa disebut dengan site. Dari sekian banyak

site yang ada terdapat beberapa site yang berkontribusi paling tinggi dalam

2

memberikan revenue terhadap perusahaan sehingga relatif lebih menjadi prioritas

dibandingkan site lainnya, salah satu bentuknya adalah dengan didirikannya

subdepot warehouse KMSI di area tersebut, yakni subdepot Adaro, Sangatta dan

Samarinda.

Dalam hal persiapan persediaan, setiap subdepot PT KMSI memiliki daftar

produk & quantity stoknya masing-masing bergantung pada kebutuhan site-site

yang diback-up oleh subdepot tersebut. Dimana KMSI sebagai bagian dari

perusahaan Komatsu Group yang bertindak sebagai produsen memiliki tanggung

jawab dalam memenuhi kebutuhan customer, yang salah satunya adalah dengan

menyediakan spareparts yang dibutuhkan oleh customer secara tepat dalam hal

waktu, kuantitas maupun kualitasnya. Manajemen persediaan yang tidak efektif

dan efisien akan membuat modal menjadi tidak bergerak karena terjadinya excess

stock, selain itu juga membuat biaya persediaan, seperti holding cost dan resiko

biaya persediaan lainnya menjadi lebih tinggi. Sehingga persediaan harus

dikendalikan secara optimal dengan memberikan pertimbangan dari sisi customer

juga perusahaan secara internal. Saat ini di PT KMSI belum terdapat standar utuh

dalam melakukan pemilihan daftar barang yang perlu disimpan di subdepot, juga

melingkupi quantity, safety stock dan maksimum stock level. Hal ini berpotensi

menyebabkan perusahaan mempersiapkan barang dengan tidak optimal dan tidak

efektif, dimana jenis barang dan jumlah yang disiapkan tidak sesuai dengan aktual

permintaan dimasa mendatang.

Berdasarkan alasan tersebut, maka perlu dilakukannya pengendalian

persediaan yang optimal, baik dalam hal pemilihan daftar produk maupun

banyaknya persediaan yang harus dipersiapkan di PT KMSI. Untuk pemenuhan

tersebut, langkah pertama yang akan dilakukan adalah dengan melakukan analisis

terhadap pemilihan produk yang perlu dipersiapkan di subdepot (final SDL).

Daftar produk ini akan dipilih berdasarkan metode ABC sehingga didapatkan

klasifikasi dan daftar prioritas produk yang harus dipersiapkan. Selanjutnya

dilakukan forecasting terhadap final SDL yang telah didapat guna menentukan

jumlah yang harus disiapkan dari setiap item di subdepot untuk setiap periode

waktunya. Forecasting ini dilakukan dengan beberapa metode peramalan yang

3

kemudian dianalisis nilai errornya sehingga didapatkan metode forecast yang

memiliki error terkecil. Selain itu akan juga dilakukan analisis terkait jumlah

safety stock dan juga maximum stock level untuk setiap produk tersebut sehingga

diharapkan dapat mengurangi terjadinya kondisi stockout maupun excess stock.

Pada akhir penelitian ini juga akan dilakukan analisis dampak hasil penelitian


1.2 Perumusan Masalah

Adapun perumusan masalah dalam penelitian ini antara lain:

1. Bagaimanakah langkah-langkah yang tepat dalam menentukan daftar

produk dan jumlah optimal yang perlu disimpan, termasuk jumlah

maximum stock & safety stock yang harus dijaga ?

2. Bagaimanakah hubungan antara hasil perhitungan yang didapat dengan

Key Performance Indicator yang dicapai oleh perusahaan ?

1.3 Pembatasan Masalah

Pada pembahasan ini penulis melakukan pembatasan masalah sebagai

berikut:

1. Data yang diambil adalah data historikal selama periode satu tahun.

2. Penelitian berfokus pada jenis produk spareparts (tidak meliputi unit dan

consumable item).

3. Key Performance Indicator yang akan dibahas meliputi Availibility dan

Inventory Turnover Ratio.

4. Penelitian ini hanya akan berfokus pada salah satu dari tiga subdepot yang

ada di PT KMSI.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini antara lain :

1. Menentukan daftar produk yang perlu disediakan sesuai dengan kebutuhan

customer yang berada di site-site yang dibackup oleh subdepot.

4

2. Menganalisa quantity yang harus disediakan untuk memenuhi permintaan

customer, meliputi demand forecast, safety stock dan maksimum stock level.

3. Mengetahui hasil dari implementasi analisa menggunakan metode ABC Rank

dan Forecasting serta kaitannya terhadap Key Performance Indicator.

1.5 Metode Penelitian

Penulis menggunakan beberapa metodologi penelitian dalam penyusunan

penelitian ini, antara lain:

1. Studi Kepustakaan

Metode ini digunakan penulis dalam memperoleh referensi-referensi

bahan tertulis maupun teori-teori yang akan digunakan sebagai bahan dasar

pemikiran mengenai landasan teori prinsipal serta teknik-teknik yang dapat

digunakan dalam hal analisis permasalahan, pengolahan data serta

penyelesaiannya. Adapun teori-teori yang akan digunakan antara lain

mengenai klasifikasi ABC, pehitungan forecast, error forecast, safety stock,

maksimum stock level dan mengenai inventory KPI.

2. Studi Lapangan

Metode ini berkaitan mengenai pengambilan data yang dilakukan

dengan pengamatan langsung di lapangan, mempelajari dan menganalisa

kondisi lapangan sehingga dapat mengetahui masalah-masalah yang terjadi

serta cara penanganan yang sesuai untuk menyelesaikan permasalahan

tersebut.

3. Wawancara dan Diskusi

Metode ini penulis lakukan dengan cara wawancara serta berdiskusi

dengan pihak-pihak yang lebih berkompeten dan berpengalaman guna

menambah pengetahuan penulis dalam penyusunan penelitian ini.

Wawancara dan diskusi ini akan berfungsi sebagai data sekunder, sebagai

salah satu contoh bentuknya adalah kuesioner.

5

1.6 Sistematika Penulisan

Sistematika penulisan pada penelitian ini adalah sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisikan pembahasan mengenai latar belakang masalah, perumusan

masalah, pembatasan masalah, tujuan penelitian beserta sistematika penulisan

yang digunakan dalam penyusunan penelitian ini.

BAB II TINJAUAN PUSTAKA

Bab ini berisi dasar-dasar pemikiran serta teori-teori yang relevan dengan

permasalahan yang sedang dibahas dalam penelitian ini. Hal ini terkait dengan

landasan teori dan prinsip-prinsip dasar yang digunakan. Adapun teori yang

menunjang penelitian ini antara lain mengenai klasifikasi ABC, forecasting,

perhitungan nilai error terhadap forecast juga perhitungan jumlah safety stock dan

maximum stock serta mengenai inventory KPI.

BAB III METODOLOGI PENELITIAN

Bab ini membahas tahapan yang dilakukan dalam memecahkan permasalahan

yang telah dirumuskan sebelumnya. Langkah-langkah tersebut juga digambarkan

dalam diagram alir yang diberikan penjelasan singkat untuk masing-masing

bagian diagram.

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisikan data-data terkait yang dibutuhkan dalam penyelesaian masalah

yang dibahas pada penelitian ini. Data yang dimaksudkan meliputi data primer,

data sekunder maupun data-data pendukung yang dapat digunakan dalam

penyusunan penelitian ini. Adapun data yang digunakan antara lain mengenai data

permintaan dari customer selama satu tahun terkahir, daftar site yang termasuk

dalam area coverage subdepot, ketentuan perusahaan dalam menentukan item

subdepot maupun data-data lain yang dianggap perlu dalam hal perumusan dan

penyelesaian rumusan masalah.

6

BAB V ANALISA HASIL

Bab ini berisikan pembahasan mengenai pengolahan data yang sudah didapatkan

dengan didukung metode yang tepat, proses pemecahan masalah dan kondisi

faktual hasil yang didapatkan dari penelitian yang dilakukan beserta dampaknya


BAB VI KESIMPULAN & SARAN

Bab ini berisikan kesimpulan mengenai hasil penelitian yang dilakukan pada

penelitian ini dengan merujuk kepada tujuan dan rumusan masalah yang telah

ditetapkan. Selain kesimpulan, bab ini juga berisikan saran guna mengembangkan

penelitian yang telah dilakukan.

7

BAB II

TINJAUAN PUSTAKA

2.1 Persediaan

Persediaan merupakan bahan baku (raw material), komponen parts, barang

setengah jadi (work in process) maupun barang jadi (finished goods) yang

disimpan di lokasi tertentu dalam suatu rantai suplai (Ary, 2016). Dan menurut

Rangkuti (2007) persediaan merupakan suatu aktiva yang meliputi barang-barang

milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu

atau persediaan yang masih dalam proses produksi maupun persediaan bahan

baku yang masih menunggu penggunaannya dalam suatu proses produksi.

Sedangkan menurut kamus APICS, persediaan merupakan barang yang digunakan

baik untuk mendukung produksi (raw material & WIP), mendukung aktivitas

(maintenance, repair & operating supplies) maupun customer service (FG &

Spareparts).

Menurut Li (1992), perusahaan menyimpan persediaan untuk menurunkan

cost atau meningkatkan penjualan serta memprediksikan variability dan

uncertainty. Selain itu, untuk mempercepat suplai kepada customer, memiliki

persediaan merupakan salah satu strategi yang dapat diambil selain meningkatkan

kapasitas produksi. Secara umum alasan untuk memiliki persediaan antara lain

(Erlina, 2002) :

1. Untuk menyeimbangkan biaya pemesanan atau persiapan dan biaya

penyimpanan.

2. Untuk memenuhi permintaan pelanggan baik dalam hal quantity maupun

leadtime suplai.

3. Untuk menyanggah proses produksi yang tidak dapat diandalkan.

4. Untuk menghindari penutupan fasilitas manufaktur akibat :

a. Kerusakan mesin.

b. Kerusakan komponen.

c. Keterlambatan maupun ketidaktersediaan komponen.

5. Untuk memanfaatkan diskon.

8

6. Untuk menghadapi kenaikan harga di masa yang akan datang.

Menurut Rangkuti (1996), persediaan memberikan beberapa manfaat bagi

perusahaan, antara lain :

1. Menghilangkan resiko keterlambatan datangnya barang.

2. Menghilangkan resiko barang rusak.

3. Mempertahankan stabilitas operasi perusahaan.

4. Mencapai penggunaan mesin yang optimal

5. Memberi pelayanan yang sebaik-baiknya kepada konsumen.

Berdasarkan jenisnya, persediaan fisik persediaan dapat dibedakan menjadi

(Rangkuti, 1996) :

1. Persediaan bahan mentah (raw material), yaitu persediaan barang-barang

berwujud seperti baja, kayu dan komponen-komponen lainnya yang

digunakan dalam proses produksi.

2. Persediaan komponen-komponen rakitan (purchased parts/component),

yaitu persediaan barang-barang yang terdiri dari komponen-komponen

yang diperoleh dari perusahaan lain, dimana secara langsung dapat dirakit

menjadi suatu produk.

3. Persediaan bahan pembantu/penolong (supplies), yaitu persediaan barang-

barang yang diperlukan dalam proses produksi tetapi tidak merupakan

bagian atau komponen barang jadi.

4. Persediaan barang yang sedang dalam proses (work in process), yaitu

persediaan barang-barang yang merupakan output dari tiap-tiap bagian

dalam proses produksi atau yang telah diolah menjadi suatu bentuk tetapi

masih perlu diproses lebih lanjut untuk menjadi barang jadi.

5. Persediaan barang jadi (finished goods), yaitu persediaan barang-barang

yang telah diproses atau diolah dalam pabrik dan siap untuk dijual atau

dikirim ke pelanggan.

9

Sedangkan berdasarkan fungsinya, persediaan dapat dibedakan menjadi

(Rangkuti, 1996) :

1. Batch Stock / Lot Inventory

Persediaan yang diadakan karena kita membeli atau membuat bahan-

bahan dalam jumlah yang lebih besar dari jumlah yang dibutuhkan saat itu.

Keuntungan yang diperoleh dari batch stock adalah memperoleh potongan

harga, memperoleh efisiensi produksi dan adanya penghematan didalam

biaya angkutan.

2. Fluctuation Stock

Persediaan yang diadakan untuk menghadapi fluktuasi permintaan

konsumen yang tidak dapat diramalkan. Bila terdapat fluktuasi permintaan

yang sangat besar maka persediaan ini dibutuhkan sangat besar untuk

menjaga kemungkinan naik turunnya permintaan tersebut.

3. Anticipation Stock

Persediaan yang diadakan untuk menghadapi fluktuasi permintaan

yang dapat diramalkan, berdasarkan pola musiman yang terdapat dalam

satu tahun dan untuk menghadapi penggunaan atau permintaan yang

meningkat.

Pengendalian persediaan merupakan fungsi yang mengatur dan

mengarahkan cara pelaksanaan dari suatu rencana baik dengan pengaturan dalam

bentuk tata laksana yaitu : manual, standar, kriteria maupun prosedur melalui

tindakan untuk memungkinkan optimasi dan penyelenggaraan suatu program oleh

unsur dan unit terkait (Subagya, 1997).

Menurut Erlina (2002) manajemen persediaan merupakan hal yang

mendasar dalam penetapan keunggulan kompetatif jangka panjang. Mutu,

rekayasa, produk, harga, lembur, kapasitas berlebih, kemampuan merespon

pelanggan akibat kinerja kurang baik, waktu tenggang (lead time) dan

profitabilitas keseluruhan adalah hal-hal yang dipengaruhi oleh tingkat

persediaan. Perusahaan dengan tingkat persediaan yang lebih tinggi daripada

10

pesaing cenderung berada dalam posisi kompetitif yang lemah. Manajemen

persediaan sendiri bertujuan untuk (Rangkuti, 1996) :

1. Mencegah terjadinya stock out.

2. Supaya pembentukan persediaan stabil.

3. Menghindari pembelian yang tidak ekonomis.

4. Supaya dapat melakukan pemesanan yang ekonomis.

Selanjutnya dalam melakukan rencana persediaan, perlu diperhatikan

beberapa masalah pokok, antara lain (Subagya, 1997) :

1. Apakah yang dibutuhkan (what), untuk memutuskan jenis barang yang

tepat.

2. Berapa yang dibutuhkan (how much), untuk menentukan jumlah yang tepat.

3. Kapan dibutuhkan (when), untuk menentukan waktu yang tepat.

4. Dimana dibutuhkan (where), untuk menentukan tempat yang tepat.

5. Siapa yang mengurus dan siapa yang menggunakan (who), untuk

menentukan orang atau unit yang tepat.

6. Bagaimana diselenggarakan (how), untuk menentukan proses yang tepat.

7. Mengapa dibutuhkan (why), untuk mengecek apakah keputusan yang

diambil benar-benar tepat.

2.2 Klasifikasi Persediaan

Setiap perusahaan memiliki persediaannya masing-masing dan sebagian dari

mereka harus mengelola persediaan yang jumla dan jenisnya sangat banyak yang

biasa disebut dengan stock keeping units (SKUs), dimana tidak mungkin seluruh

SKUs tersebut mendapatkan prioritas yang sama. Dan salah satu metode yang

dikenal secara luas dalam menyelesaikan masalah tersebut adalah metode

klasifikasi ABC, dimana dengan mengklasifikasikan SKUs, perusahaan dapat

mengalokasikan waktu dan sumber dayanya lebih banyak untuk SKUs yang relatif

lebih penting dibandingkan yang lainnya (Erkan, Oguz & Mehmet, 2015).

Menurut Yovanka (2015), klasifikasi ABC sendiri merupakan metode

pengelompokkan persediaan berdasarkan nilai barang (jumlah pemakaian x harga

11

per unit), mulai dari yang relatif mahal hingga yang relatif murah ke dalam tiga

kategoru, yaitu A (mahal/tinggi), B (moderate), C (murah/rendah). Klasifikasi ini

menggunakan prinsip Pareto, yang menekankan bahwa sebagian kecil dari jenis-

jenis bahan yang terdapat dalam persediaan memiliki nilai penggunaan yang

cukup besar yang mencakup lebih dari 60% dari seluruh bahan yang terdapat

dalam persediaan (Assauri, 2004).

Adapun detail pembagian klasifikasi dari metode ABC Rank dapat dilihat

sebagai berikut (Jeddou, 2014) :

1. Kelas A

Merupakan barang-barang dengan jumlah item berkisar antara 10-

20% dari total seluruh item dan mempresentasikan amount sebesar 70-80%

dari total amount.

2. Kelas B

Merupakan barang-barang dengan persentase jumlah item sebesar 30-

40% dari total item dan mempresentasikan amount sebesar 15-20% dari

total amount.

3. Kelas C

Merupakan barang-barang dengan persentase jumlah item lebih dari

50% terhadap total item namun hanya mempresentasikan amount sebesar

5-10% dari total amount.

Gambar 2. 1 Grafik Klasifikasi ABC

Sumber : PQM Inventory Management Training

12

Kemudian pengelompokkan dengan metode ABC dapat dilakukan dengan

langkah-langkah sebagai berikut (Yovanka, 2015) :

1. Kalikan harga per unit barang dengan kebutuhan per tahun untuk masing-

masing barang.

2. Urutkan nilai (Annual Use Value) tersebut dari yang paling mahal nilainya

hingga yang terendah dan jumlahkan.

3. Hitung persentase nilai masing-masing barang terhadap nilai keseluruhan.

4. Hitung persentase kumulatif dari seluruh barang.

5. Tentukan persentase nilai tersebut terhadap nilai keseluruhan untuk

menentukan kategori A, B dan C.

Dalam metode ABC, setiap kelompok memiliki karakter & tingkat

pengawasan yang berbeda, yaitu (Rahmat, 2015) :

Tabel 2. 1 Perbedaan Karakter dan Pengawasan Kelompok ABC

Class A Class B Class C

AUV tinggi AUV sedang AUV rendah

Pengawasan sangat ketat Pengawasan menengah Pengawasan longgar

Safety Stock sangat rendah Safety Stock rendah Safety Stock tinggi

Frekuensi pengiriman tinggi Frekuensi pengiriman menengah Frekuensi pengiriman rendah

Banyak supplier Sedikit supplier Maksimal 2 supplier

Forecast harus akurat Estimasi Estimasi dan perkiraan

Gudang sentral Gudang ditiap lokasi Gudang masing-masing lokasi

Kontrol cost maksimal Minimal kontrol Tidak perlu kontrol

2.3 Forecasting

Forecast/peramalan prediksi, proyeksi atau perkiraan akan suatu peristiwa

yang tidak pasti di masa mendatang (Yovanka, 2015). Forecast merupakan suatu

prediksi yang akan terjadi di masa mendatang dan berguna untuk perusahaan

dalam hal mengambil keputusan (Agung, 2015). Dan menurut Dillworth “forecast

is an inference of what is likely to happen in the future; Forecasting is more of an

art than a science”.

Forecast dibuat untuk menentukan atau membuat suatu perencanaan dalam

pemenuhan permintaan di masa mendatang dengan memperkirakan besarnya

13

penjualan dan penggunaan produk, sehingga produk dapat diproduksi dalam

jumlah yang sesuai (Yovanka, 2015).

Sedangkan permintaan sendiri dipengaruhi oleh beberapa faktor, antara lain

kondisi usaha dan perekonomian suatu negara, kondisi persaingan bisnis,

peraturan dan kebijakan pemerintah, inovasi teknologi serta kecenderungan pasar

seperti perubahan permintaan, siklus hidup produk, trend mode dan sebagainya

(Yovanka, 2015).

Dalam menentukan forecast, penting untuk mempelajari pola dari

permintaan yang terjadi. Adapun beberapa jenis pola permintaan yang dimaksud

adalah sebagai berikut (Yovanka, 2015) :

1. Pola Horizontal

Terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang

konstan. Deret seperti itu adalah “stasioner” terhadap nilai rata-ratanya.

Suatu produk yang penjualannya tidak meningkat atau menurun selama

waktu tertentu termasuk kedalam jenis ini.

Gambar 2. 2 Pola Data Horizontal

Sumber Data : Bahan Ajar Pengendalian & Perencanaan Produksi UMB

2. Pola Musiman (Seasonal)

Pola data ini terjadi bilamana suatu deret dipengaruhi oleh faktor

musiman (misalnya kuartal tahun tertentu, bulan atau hari-hari pada minggu

tertentu). Penjualan dari produk seperti minuman ringan, es krim dan bahan

bakar pemanas ruang semuanya menunjukan jenis pola ini.

14

Gambar 2. 3 Pola Data Musiman


3. Pola Siklis (Cyclied)

Pola data ini terjadi bilamana datanya dipengaruhi oleh fluktuasi

ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.

Contohnya penjualan produk seperti mobil, baja.

Gambar 2. 4 Pola Siklis


4. Pola Trend

Pola data ini terjadi bilamana terdapat kenaikan atau penurunan

sekuler jangka panjang dalam data. Contohnya penjualan perusahaan,

produk bruto nasional (GNP) dan berbagai indikator bisnis atau ekonomi

lainnya, selama perubahan sepanjang waktu.

Gambar 2. 5 Pola Trend


15

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung

dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan

dapat dibedakan menjadi dua macam, yaitu (Assauri, 1984) :

1. Peramalan yang subjektif, yaitu perama lan yang didasarkan atas perasaan

atau intuisi dari orang yang menyusunnya.

2. Peramalan yang objektif, adalah peramalan yang didasarkan atas data yang

relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-

metode dalam penganalisisan data tersebut.

Disamping itu, jika dilihat dari jangka waktu ramalan yang disusun, maka

peramalan dapat dibedakan atas dua macam pula, yaitu (Assauri, 1984) :

1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah

tahun atau tiga semester.

2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan dengan waktu yang kurang dari satu setengah

tahun, atau tiga semester. Oleh karena itu, peramalan jangka pendek

menggunakan teknik analisa hubungan dimana satu-satunya variabel yang

mempengaruhi adalah waktu. Dalam peramalan jangka pendek selalu

ditemui adanya pola musiman. Jadi pada bulan-bulan atau triwulan yang

sama setiap tahun mempunyai nilai variabel cukup tinggi, dan pada bulan-

bulan atau triwulan tertentu lainnya mempunyai nilai variabel yang cukup

rendah. Oleh karena itu dalam peramalan angka pendek perlu ditinjau

dahulu apakah deret data yang ada memiliki pola musiman.

Sedangkan berdasarkan sifat ramalan yang telah disusun, maka peramalan

dapat dibedakan atas dua macam, yaitu (Assauri, 1984) :

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif

pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang

yang membuatnya, karena ditentukan berdasarkan pemikiran yang bersifat

16

intuisi, judgment atau pendapat dan pengetahuan serta pengalaman dari

penyusunnya.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif

pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada

metode yang dipergunakan dalam peramalan tersebut. Menurut Makridakis,

Wheelwright dan McGee (1999), tiga kondisi penerapan peramalan ini

adalah tersedianya informasi tentang masa lalu, informasi tersebut dapat

dikuantitatifkan dalam bentuk data numerik dan dapat diasumsikan bahwa

beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Menurut Chopra & Meindl (2007), peramalan kuantitatif dapat dibagi lagi

menjadi times series, causal dan simulation.

Dalam menentukan metode untuk membuat perkiraan permintaan (forecast

demand), perlu diperhatikan beberapa hal berikut (Yovanka, 2015) :

1. Menentukan tujuan forecast.

2. Menentukan/memilih item yang akan di forecast.

3. Time Frame/rentang waktu forecast, menentukan jangka waktu penggunaan

forecast. Jangka pendek hingga menengah (short- to mid – range forecast),

forecast dibuat untuk permintaan harian, mingguan bulanan hingga 3

tahunan. Jangka panjang untuk perencanaan produk baru, pengembangan

teknologi, perencanaan strategis.

4. Menentukan/memilih metode forecast, seperti time series model,

associative model, judgmental atau metode non quantitative lainnya.

5. Ketersediaan Data, mengumpulkan data yang diperlukan untuk membuat

forecast. Stabil vs dinamik, makin stabil permintaan makin mudah

melakukan peramalan.

6. Dalam membuat forecast, pertimbangkan pula budget forcast &

ketersediaan qualified personnel.

7. Validasi dan Implementasi hasil forecast. Lakukan review terhadap

pelaksanaan hasil forecast untuk memastikan bahwa metode,asumsi, dan

data yang digunakan valid.

17

Adapun tahapan dalam membuat forecast menurut Agung (2015) dapat

dilihat sebagaimana diagram alir berikut :

MulaiIdentifikasi tujuan

forecastKumpulkan data

historisPlot data &

identifikasi polanya

Pilih model forecast yang paling sesuai

Hitung forecastCek akurasi forecast Apakah akurasi

OK ?

Tidak OK

Adjust dengan tambahan kuanti tatif

Monitoring Forecast secara konstan

Selesai

Gambar 2. 6 Diagram Alir Pembuatan Forecast Sumber Data : Bahan Ajar Lean Manufacturing UMB

Terdapat dua keputusan strategis yang akan dihadapi oleh setiap perusahaan

dalam supply chain, yaitu lead time dan inventory level (Kristianto, 2011).

Christiansen et al., (2007) berpendapat bahwa untuk meningkatkan responsifitas

dan mengurangi biaya persediaan, diperlukan kolabarasi dari empat hal yaitu

tingkat integrasi, kapabilitas dari rencana integrasi supply chain, forecasting dan

replenishment. Saat leadtime produk relatif panjang dan perusahaan dituntut untuk

memenuhi demand di waktu yang diharapkan customer, maka perusahaan perlu

menyiapkan inventory yang kemudian direview dan dilakukan proses

replenishment secara kontinyu. Berikut ini contoh metode forecast yang dapat

digunakan :

1. Moving Average

Secara umum metode ini merefleksikan aktual demand dari beberapa

periode yang telah berlalu menjadi nilai forecast dimasa mendatang.

Dikutip dari Chopra & Meindl (2007) bahwa “The moving-average method is

used when demand has no observable trend or seasonality”. Adapun formulasi

dalam menghitung nilai forecast metode ini adalah sebagai berikut :

Ft = (Dt-1 + Dt-2 + Dt-3 + ……+ Dt-n) / n

18

Keterangan :

Ft = Forecast pada periode t n = Jumlah Data (periode)

Dt = Actual Demand pada periode t

2. Simple Exponential Smoothing

Metode ini juga menggunakan data historikal untuk mendapatkan

nilai forecast, namun dilakukan dengan menggunakan konstanta pemulusan

(α) untuk merepresentasikan nilai forecast, dimana semakain stabil nilai

permintaan maka nilai konstanta pemulusan semakin mendekati nol.

Ft = Ft-1 + α . (Dt-1 - Ft-1)

Keterangan :

Ft =Forecast pada periode T α = Smoothing Contant

Dt =Demand pada periode T

3. Regresi Linier

Regresi linier digunakan untuk peramalan apabila set data yang ada

linier, artinya hubungan antara variabel waktu dan permintaan berbentuk

garis (linier). Metode regresi linier didasarkan atas perhitungan least

square error, yaitu dengan memperhitungkan jarak terkecil kesuatu titik

pada data untuk ditarik garis. Adapun untuk persamaan peramalan regresi

linier dipakai tiga konstanta, yaitu a, b dan Y. Dengan masing-masing

formulasinya adalah sebagai berikut:

n∑ XiYi - ∑ Xi ∑ Yi

b =

n ∑ Xi2 – (∑ Xi)

2

n∑ Yi b∑ Xi

a = -

n n

y = a + b(t)

Keterangan :

y =Variabel yang diprediksi t = Variabel independen

a,b = Parameter peramalan

19

2.4 Pengujian Hasil Forecasting

Menurut Chopra & Meindl (2007), ketidakakuratan tidak mungkin terlepas

dari hasil forecast, sehingga pengujian forecast diperlukan untuk menentukan

apakah metode forecast yang digunakan dapat memprediksikan permintaan secara

akurat sehingga dapat juga digunakan sebagai pertimbangan dalam perencanaan

replenishment. Forecast error terhadap aktual demand D pada periode t

dirumukan sebagai berikut :

Et = Ft - Dt

Selanjutnya nilai error tersebut digunakan untuk ukuran-ukuran forecast

lainnya, yaitu :

1. Mean Square Error (MSE)

MSE berkaitan dengan variansi dari forecast error, dimana

diestimasikan bahwa random component dari permintaan memiliki rata-rata

0 dan variansi sebesar MSE.

MSEn = 1

𝑛 ∑ E𝑛

𝑡=1 t2

2. Mean Absolute Deviation (MAD)

Nilai kesalahan yang berupa hasil perhitungan rata-rata nilai absolut

dari selisih antara forecast dengan nilai aktual.

MADn = 1

𝑛 ∑ A𝑛

𝑡=1 t = 1

𝑛 ∑ |E𝑛

𝑡=1 t|

3. Mean Absolute Percentage Error (MAPE)

MAPE merupakan nilai rata-rata absolut error yang dinotasikan

dalam persentase terhadap permintaan yang ada.

MAPEn = 1

𝑛 ∑ |E𝑛

𝑡=1 t / Dt| . 100

4. Tracking Signal

Metode yang digunakan untuk mengindikasikan bagaimana suatu

nilai peramalan memperkirakan nilai aktual.

TSt = Biasn / MADt = ∑ E𝑛𝑡=1 t / MADt

20

2.5 Safety Stock

Safety stock merupakan persediaan yang dilakukan untuk melindungi atau

menjaga kemungkinan terjadinya kekurangan bahan/barang, misalnya karena

penggunaan bahan yang lebih besar dari perkiraan semula atau keterlambatan

dalam penerimaan bahan yang dipesan (Eddy, 2007).

Menurut Rahmat (2015), salah satu metode dalam menentukan nilai safety

stock adalah sebagai berikut :

SS = Safety Factor x Standar Deviasi

Keterangan :

Safety Factor = Faktor standar yang didapat berdasarkan service level

Tabel 2. 2 Tabel Standar Safety Factor

Adapun grafik mengenai perbandingan antara safety stock dengan total

shortages adalah sebagai berikut (Gardner, 2006) :

21

Gambar 2. 7 Grafik Perbandingan safety stock dengan shortages

Sumber Data : Bahan Ajar BAUER College of Business, University of Houston

2.5 Maximum Stock Level

Maximum stock level ditentukan dengan tujuan untuk mengurangi resiko

terjadinya kondisi excess stock. Untuk menentukan Maximum Stock Level

digunakan analisis yang mempertimbangkan jumlah demand, interval waktu

order, leadtime dan safety stock. Berikut merupakan formulasi yang digunakan

dalam perhitungan maksimum stock level (Rahmat, 2015) :

MSL = (Da x (R + L)) + SS

Keterangan :

Da = Demand average selama periode tertentu (pcs/hari)

R = Review Cycle (interval waktu order) (hari)

SS = Safety Stock (pcs)

L = Leadtime (hari)

2.6 Inventory Key Performance Indicator

Menurut Rahmat (2015), terdapat beberapa key performance indicator yang

dapat diterapkan pada manajemen persediaan, antara lain discrepancy, shrinkage,

readiness of product, inventory turnover dan product availability dan sebagainya.

KPI tersebut menjadi tanggung jawab tim logistik dan warehouse terkait

pengelolaan fisik dari persediaan, serta tim inventory terkait jumlah persediaan

22

yang disimpan. Adapun KPI dari tim inventory yang akan dibahas pada penelitian

ini antara lain:

2.6.1 Inventory Turnover Ratio (ITR)

Inventory turnover ratio merupakan perbandingan/rasio yang mengukur

frekuensi perusahaan menjual habis persediaannya dalam periode satu tahun

(Madhusudhana & Prahlada, 2009). Menurut Winston (2016), tingkat ITR sendiri

cukup sulit diinterprestasikan karena menyediakan dua kemungkinan yang

bertolak belakang, contohnya adalah nilai ITR yang tinggi mengindikasikan

bahwa perusahaan memiliki nilai penjualan yang baik dan dapat memanfaatkan

sumber daya secara efektif dan efisien, namun disisi lain juga dapat berarti bahwa

perusahaan tidak mengelola persediaannya dengan baik sehingga nilai

persediaannya terlalu kecil dibandingkan permintaan dan memungkinkan banyak

terjadinya permintaan yang tidak terpenuhi.

Menurut Sawir (2009), terdapat dua metode dalam menghitung ITR, yaitu

penjualan dinilai menurut harga pasar (price basis atau market basis) dan

penjualan dinilai menurut harga pokok penjualan (cost basis). Adapun rumusnya

adalah sebagai berikut :

ITR (Cost Basis) = Total Harga pokok penjualan / rata-rata persediaan

ITR (Price Basis) = Total Penjualan / rata-rata persediaan

Menurut Schreibfeder (2010), terdapat dua metode dalam menentukan

besarnya rata-rata persediaan, dimana kedua metode tersebut didasarkan pada

pola permintaan yang ada. Cara pertama adalah dengan menjumlah stock di

tanggal terakhir di tahun tersebut ditambah dengan jumlah penjualan yang

dihasilkan. Sedangkan cara kedua adalah dengan menggunakan data persediaan di

setiap akhir bulannya.yang kemudian akan dirata-ratakan.

2.6.2 Availability (AV)

Availibility merupakan seberapa banyak persentase antara total order yang

diterima perusahaan dengan total order yang dapat disuplai sesuai dengan

permintaan customer (Schreibfeder, 2010). Availability merupakan ukuran yang

23

sangat penting untuk dicapai, karena apabila kita tidak memiliki apa yang

customer inginkan, maka customer akan mencari di tempat lain. Menurut Wild

(2002), key objective dari manajemen persediaan dapat direfleksikan dari

pencapaian tingkat availability sebagai aspek yang signifikan dalam

mempengaruhi customer service. Selain itu Trautrims et al. (2009) mengatakan

bahwa “customer service for retail consumers is manifested by product

availability as the fundamental performance indicator of the entire supply chain.

Adapun formulasi dalam menghitung availability adalah sebagai berikut

(Schreibfeder, 2010) :

AV =𝑁𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑖𝑛𝑒 𝑖𝑡𝑒𝑚 𝑓𝑜𝑟 𝑠𝑡𝑜𝑐𝑘𝑒𝑑 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑠 𝑠ℎ𝑖𝑝𝑝𝑒𝑑 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑒 𝑖𝑛 1 𝑠ℎ𝑖𝑝𝑚𝑒𝑛𝑡 𝑏𝑦 𝑝𝑟𝑜𝑚𝑖𝑠𝑒 𝑑𝑎𝑡𝑒

𝑇𝑜𝑡𝑎𝑙 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑖𝑛𝑒 𝑖𝑡𝑒𝑚𝑠 𝑓𝑜𝑟 𝑠𝑡𝑜𝑐𝑘𝑒𝑑 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑠 𝑜𝑟𝑑𝑒𝑟𝑒𝑑

2.6.3 Inventory Readiness

Inventory readiness merupakan salah satu KPI yang digunakan di PT KMSI.

Inventory readiness sendiri merupakan perbandingan jumlah item yang memiliki

level stok lebih tinggi terhadap rata-rata demand per bulan berdasarkan data satu

tahun terakhir (mortality). Inventory readiness ini dinyatakan dalam bentuk

persentase (%) dan dihitung dengan formulasi berikut :

IR =𝑁𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑖𝑛𝑒 𝑖𝑡𝑒𝑚 𝑤ℎ𝑖𝑐ℎ ℎ𝑎𝑣𝑖𝑛𝑔 𝑠𝑡𝑜𝑐𝑘 𝑔𝑟𝑒𝑎𝑡𝑒𝑟 𝑡ℎ𝑎𝑛 𝑖𝑡𝑠 𝑚𝑜𝑟𝑡𝑎𝑙𝑖𝑡𝑦

𝑇𝑜𝑡𝑎𝑙 𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑙𝑖𝑛𝑒 𝑖𝑡𝑒𝑚𝑠

2.7 Ketentuan dalam Menentukan Narasumber

Mengacu terhadap ketentuan dalam penelitian kualitatif,

narasumber/informan penelitian tidak dipilih secara acak (random sampling),

melainkan dipilih sesuai prinsip yang berlaku, yaitu (Bachtiar dkk, 2006) :

1. Kesesuaian (Appropriateness)

Informan ditentukan berdasarkan pengetahuan dan keahlian yang

dimiliki berkaitan dengan topic dan tujuan penelitian yang dilakukan.

24

2. Kecukupan (Eduquacy)

Informan yang dipilih secara edekuat memenuhi kategori-kategori

yang terkait dengan penelitian, seperti : pendidikan, jabatan, pengalaman

dan lain-lain.

25

BAB III

METODOLOGI PENELITIAN

3.1 Jenis Penelitian

Penelitian ini didesain sebagai penelitian potong lintang dimana data yang

dikumpulkan bersifat kualitatif dan kuantitatif, baik melalui observasi, telaah

dokumen maupun wawancara. Berdasarkan metode pengambilan data tersebut,

maka penelitian ini termasuk penelitian primer dan sekunder. Sedangkan

berdasarkan tujuannya, penelitian ini bersifat terapan, dimana penelitian ini

bersifat praktis untuk mengatasi permasalahan yang ada.

3.2 Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di PT Komatsu Marketing & Support Indonesia,

Jalan Raya Bekasi km.22 Cakung Jakarta 13910. Telp : (021) 4604290. Penelitian

dilaksanakan pada bulan Maret-Juni 2016.

3.3 Populasi dan Sampel Penelitian

Pada penelitian ini akan ditentukan sampel dari populasi yang ada guna

memfokuskan pembahasan dan pelaporan penelitian ini. Adapun populasi dan

sampel tersebut adalah sebagai berikut :

1. Populasi

Populasi pada penelitian ini meliputi semua produk spareparts yang

dijual oleh PT KMSI.

2. Sampel

Sampel pada penelitian ini yaitu produk spareparts yang harus

disiapkan stoknya di salah satu subdepot yang dimiliki oleh PT KMSI.

3.4 Teknik Pengumpulan Data

Adapun teknik-teknik pengumpulan data pada penelitian ini antara lain :

26

1. Studi Pustaka

Merupakan kegiatan pengumpulan data dengan mempelajari literature

dan referensi baik dalam bentuk buku, diktat, modul, makalah, jurnal

maupun karya ilmiah lainnya mengenai manajemen persediaan, forecasting

maupun teori lain yang menunjang penelitian ini.

2. Observasi

Kegiatan observasi ini dilakukan secara partisipatif, dimana penulis

ikut terlibat secara langsung dalam penelitian yang dilakukan, pada metode

ini dilakukan pengamatan terhadap kondisi aktual, trend issue maupuun

gejala-gejala yang sering terjadi dalam manajemen persediaan. Observasi

ini dapat menghasilkan data dalam bentuk primer maupun sekunder.

3. Wawancara

Merupakan kegiatan mengumpulkan secara langsung data primer

yang dibutuhkan dalam penelitian. Pengumpulan data ini dilakukan dengan

cara melakukan wawancara, baik mengenai kebijakan perusahaan,

Standard Operation Procedure, maupun mekanisme kegiatan operasional

lain yang telah menjadi standar di PT KMSI.

3.5 Teknik Pengolahan Data & Diagram Alir Penelitian

Adapun tahapan dalam melakukan pengolahan data adalah sebagai berikut :

1. Pemilihan Subdepot

Saat ini PT KMSI memiliki tiga subdepot yang terdiri dari Sangatta,

Samarinda dan Adaro. Dalam penelitian ini akan difokuskan pada subdepot

yang menyumbangkan sales amount paling besar diantara yang lainnya

dalam periode satu tahun kebelakang, dimana setelah dilakukan analisa

dapat diketahui bahwa subdepot dengan sales amount terbesar adalah

subdepot Sangatta.

2. Klasifikasi Persediaan

Langkah awal adalah dilakukan analisa mengenai faktor dan kriteria

apa saja yang menjadi pertimbangan dalam pengelompokan ini dan

27

berdasarkan analisa tersebut disimpulkan bahwa teknik klasifikasi yang

digunakan adalah single criteria classification dengan metode ABC rank.

3. Analisa Forecast

Dengan terlebih dahulu mempelajari pola trend dan siklus dari actual

demand yang kemudian dicocokkan dengan karakteristik masing-masing

metode forecast, maka dipilihlah dua metode berikut :

a. Moving Average

b. Simple Exponential Smoothing

4. Perhitungan Error Forecast

Setelah itu hasil perhitungan forecast tersebut divalidasi dengan

memeriksa nilai errornya. Adapun metode perhitungan nilai forecast error

yang akan digunakan antara lain :

a. Mean Absolute Deviation (MAD)

b. Tracking Signal

5. Perhitungan Nilai Safety Stock dan Maksimum Stock Level

Langkah selanjutnya akan dilakukan analisis perhitungan untuk

menentukan nilai safety stock dan maksimum stock level dari masing-

masing parts yang disimpan.

6. Analisa Hasil Penelitian

Tahap ini dilakukan dengan menganalisa kondisi pengendalian

persediaan yang saat ini digunakan PT KMSI dengan hasil penelitian, yang

meliputi :

a. Error & Error Absolute

b. Inventory Turnover Ratio (ITR)

c. Availibility

Berdasarkan langkah-langkah yang dipaparkan tersebut, maka digambarkan

diagram alir penelitian dapat dilihat sebagaimana berikut :

28

Studi Pendahuluan

1. Studi Lapangan : memahami proses dalam penentuan stock & quantity serta karakteristik

demand pada perusahaan. Dan mengidentifikasi masalah yang ada.

2. Studi Pusaka : mempelajari literatur terkait sebagai referensi dalam melakukan

penelitian.

Perumusan Masalah

Bagaimanakah metode yang tepat dalam menentukan prioritas & jumlah inventori yang

optimal, termasuk jumlah maximum stock & safety stock yang harus dijaga serta

bagaimanakah hubungannya dengan Key Performance Indicator yang dicapai perusahaan ?

Menetapkan Tujuan

1. Menentukan daftar produk yang perlu disediakan sesuai dengan kebutuhan customer

yang berada di site-site yang dibackup oleh subdepot.

2. Menganalisa quantity yang harus disediakan untuk memenuhi permintaan customer.

3. Mengetahui hasil dari implementasi analisa menggunakan metode ABC analysis dan

Forecast serta kaitannya terhadap Key Performance Indicator.

Pengumpulan Data

1. Studi Pusaka

2. Observasi

3. Wawancara

Pengolahan Data & Analisa Hasil

1. Pemilihan Subdepot

2. Melakukan analisa klasifikasi persediaan untuk penentuan prioritas item stock

3. Menentukan quantity stock dengan beberapa metode forecast, lalu dianalisis nilai

errornya dan kemudian dipilih perhitungan forecast dengan error terkecil.

4. Menentukan besarnya safety stock & maksimum stock level

5. Aanalisa hasil penelitian terhadap nilai error & Inventory Key Performance Indicator.

Kesimpulan & Saran

Selesai

Mulai

29

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Tinjauan Umum Perusahaan

Tinjauan umum perusahaan akan berisikan data mengenai sejarah singkat

Komatsu dan prinsipnya, pengenalan perusahaan, struktur organisasi, alur bisnis,

lokasi perusahaan, lokasi warehouse dan pengenalan produk Komatsu.

4.1.1 Sejarah Singkat Komatsu & Pengenalan “Komatsu Way”

Komatsu didirikan oleh Meitaro Takeuchi (1860-1928). Pada mulanya

Mitaro Takeuchi memulai bisnisnya pada industri pertambangan tembaga dimana

ia mengelola tambang tembaga Yuuizumidera dengan perusahaan miliknya, yaitu

Takeuchi Mining Industry yang didirikan tahun 1894. Seiring perkembangan

bisnis pertambangannya, pada tahun 1917 Mitaro Takeuchi memperluas usahanya

dengan mendirikan pabrik alat berat yang bernama Komatsu Iron Works dalam

upaya untuk mendukung usaha tembaga miliknya. Dan pada tahun 1921 Komatsu

Iron Works dipisahkan dari Takeuchi Mining Industry menjadi Komatsu Limited.

Komatsu Limited sendiri berkantor pusat di 2-3-6, Akasaka, Minato, Tokyo,

Jepang. Perusahaan ini mengambil namanya dari kota Komatsu, Ishikawa, di

mana perusahaan ini berdiri. Dalam mendirikan Komatsu, Meitaro Takeuchi

menempatkan prinsip-prinsip yang hingga saat ini digunakan Komatsu, yaitu :

1. Ekspansi ke mancanegara

2. Mutu adalah hal yang paling utama

3. Inovasi teknologi

4. Pengembangan SDM

Sejalan dengan pertumbuhan dan perkembangan perusahaan,

didefinisikanlah “Komatsu Way” yang diibaratkan sebagai pengembangan ide

baru berdasarkan pengalaman masa lalu yang diharapkan akan diteruskan secara

berkesinambungan kepada seluruh perusahaan Komatsu Group dan juga seluruh

karyawan. “Komatsu Way” tersebut diimplementasikan melalui tiga aspek, yaitu :

1. Memperkuat Tata Kelola Perusahaan

https://id.wikipedia.org/wiki/Minato,_Tokyo

https://id.wikipedia.org/w/index.php?title=Komatsu,_Ishikawa&action=edit&redlink=1

30

Inti dari organisasi adalah Dewan Direksi. Untuk meningkatkan

transparansi dan kekuatan manajemen, selain memiliki struktur Dewan

Direksi yang ramping, Komatsu menunjuk direktur dari eksternal dan juga

auditor. Kebijakan manajemen dan isu-isu bisnis didiskusikan dengan

mendalam demi terus memperbaiki mutu dan tata kelola perusahaan.

2. Memperkuat Daya Saing Monozukuri

Monozukuri (manufaktur) di Komatsu didefinisikan sebagai aktivitas

kelompok yang dilakukan berdasarkan sistem nilai berantai yang tidak

hanya terdiri dari divisi internal seperti produksi, penjualan dan lain-lain,

tapi juga supplier dan mitra bisnis lainnya. Dalam Monozukuri terdapat

tujuh langkah Komatsu, yaitu :

a. Komitmen pada mutu dan kehandalan

b. Orientasi pada pelanggan

c. Mendefinisikan akar permasalahan

d. Falsafah tempat kerja (Genba)

e. Penerapan kebijakan (Hoshintenkai)

f. Bekerjasama dengan mitra bisnis

g. Pengembangan SDM

3. Mengubah Pola Pikir dengan Konsep Manajemen Merk

Manajemen merk merupakan aktivitas dalam rangka meningkatkan

ketergantungan pelanggan dalam menggunakan produk Komatsu sehingga

akhirnya memilih Komatsu sebagai mitra yang tidak tergantikan.

Manajemen merk berfokus pada pelanggan dalam hal produk maupun

pelayanan.

4.1.2 Pengenalan Perusahaan Komatsu Group di Indonesia

PT Komatsu Marketing & Support Indonesia (PT KMSI) merupakan salah

satu anak perusahaan dari Komatsu Limited Jepang. Di Indonesia sendiri terdapat

beberapa perusahaan yang menjadi bagian dari Komatsu Group, antara lain :

31

1. PT Komatsu Indonesia (PT KI)

PT KI merupakan representative factory yang ada di Indonesia,

sehingga bertanggung jawab atas proses produksi terhadap beberapa jenis

unit alat berat Komatsu yang banyak digunakan di Indonesia.

2. PT Komatsu Patria Attachment (PT KPA)

PT. Komatsu Patria Attachment merupakan salah satu group PT.

Komatsu Indonesia yang bergerak dibidang pembuatan komponen alat

berat. Adapun komponen yang di produksi oleh PT. Komatsu Patria

Attachment adalah Bucket dan Blade untuk heavy equipment. Perusahaan

ini berdiri pada tanggal 22 Januari 2009 dan terletak di Jl. Irian IV Blok JJ

MM2100 Industrial Estate, Cibitung Bekasi 17520.

3. PT Komatsu Undercarriage Indonesia (PT KUI)

PT KUI juga merupakan factory di Indonesia yang bertanggung jawab

dalam memproduksi seluruh bagian undercarriage dari beberapa jenis unit

alat berat Komatsu yang banyak digunakan di Indonesia. Adapun bagian

undercarriage tersebut meliputi Link Assy, Sprocket, Idler dan sebagainya.

4. PT Komatsu Forging Indonesia (PT KFI)

PT Komatsi Forging Indonesia merupakan salah satu grup PT.

Komatsu Indonesia yang bergerak di bidang pembuatan besi tempa dan

proses machining, berupa link untuk track link unit excavator untuk

keperluan produksi PT. Komatsu Indonesia. Perusahaan ini berdiri sejak

tahun 1992. PT. Komatsu Forging Indonesia beralamatkan di Jl. Jababeka

XI Blok H-5, Jababeka Industrial Estate, Cikarang, Bekasi, Jawa Barat.

Telp. 021-8934087.

5. PT Komatsu Remanufacturing Asia (PT KRA)

PT KRA merupakan perusahaan yang didirikan untuk memberikan

support terhadap customer di Indonesia yang ingin memperbaiki komponen

alat berat yang mereka miliki supaya kembali ke kondisi yang menyerupai

brand new sehingga dapat menawarkan cost yang lebih rendah kepada

customer. PT KRA terletak di Balikpapan dan Kalimantan Timur dan

didirikan pada tahun 1997.

32

6. PT Komatsu Remanufacturing Indonesia (PT KRI)

Secara umum PT KRI memiliki bidang bisnis yang sama dengan PT

KRA, namun yang membedakan adalah target regional pasarnya. Dimana

PT KRA berfokus pada customer di area Indonesia, sedangkan PT KRI

menangani customer yang berasal dari luar Indonesia.

7. PT Komatsu Astra Finance (PT KAF)

Didirikan pada tanggal 19 Mei 2005 dan berlokasi di Jl. TB

Simatupang Cilandak, Jakarta Selatan. KAF menyediakan financial support

bagi setiap produk PT. Komatsu Indonesia, anak perusahaan ini merupakan

gabungan dari PT. Sedya Multi Investama (anggota Astra Group) dan PT.

Komatsu Indonesia.

8. PT Komatsu Marketing and Support Indonesia (PT KMSI)

PT KMSI bertanggung jawab terhadap proses penjualan unit dan

spareparts Komatsu yang lebih berfokus pada market di wilayah Indonesia.

Dan di PT KMSI inilah penelitian akan dilakukan.

4.1.3 Struktur Organisasi PT KMSI

Dalam PT KMSI terdapat total sepuluh department yang beberapa

diantaranya terbagi menjadi beberapa section. Berikut ini merupakan struktur

organisasi yang ada di PT KMSI :

33

Commisioner

Board Of Director

Internal Auditor

Finance & Accounting

Marketing PartsService Jakarta

Service Balikpapan

Bio-Diesel Fuel AdministrationIndustrial

MachineryForklift

Marketing

Finance

Accounting

Forestry

Product Planning

Hansei & Logistic

Marketing Support

Komtrax Utilization

Komtrax Operation

Inventory

Purchasing

Distribution Center

Transport

Part Call Center

After Market & Promotion

Parts Plan & Report

Parts General

Balikpapan Operation Support

Parts Adminis-tration

Balikpapan Marketing

Support

Reman Jakarta Support

Banjarmasin Support

Pekanbaru Support

KMG & KLTD (Large

Machine)

KAC Technical

KLTD Technical

(Small Machine)

ICT Support & Utilization

Service Adminis-tration

KLTD Technical

Large Shovel & Truck

Technical

KMG

Service Adminis-tration

ICT

HR, GA & ESR

Business Improve-

ment

Gambar 4. 1 Struktur Organisasi

Sumber : Data Primer diolah 2016

4.1.4 Alur Pembelian & Penjualan Produk

Dalam proses bisnisnya, PT KMSI melakukan pembelian unit dan

spareparts dari supplier yang terdiri dari Komatsu Limited, Komatsu Group di

negara lain serta LPP (Local Procurement Parts). LPP sendiri merupakan salah

satu bentuk peringkasan dalam supply chain dimana PT KMSI melakukan

pembelian secara langsung dari perusahaan yang menjadi supplier bagi KLTD.

Sedangkan dalam proses penjualannya, PT KMSI tidak berhubungan

langsung dengan end customer, melainkan melalui distributor terlebih dahulu

yang kemudian dijual kepada end customer, seperti perusahaan pertambangan,

BUMN, Institusi Pemerintahan dan sebagainya. Adapun distributor dari produk

34

Komatsu di Indonesia adalah PT United Tractors beserta unit bisnisnya, seperti

PT Bina Pertiwi (Forklift Product), PT UTR (Small Reman Product).

Komatsu Limited (KLTD)

Komatsu Group (Other Subsidionary)

LPP

PT KMSI Distributor End Customer

Gambar 4. 2 Alur Pembelian & Penjualan Produk


4.1.5 Lokasi Perusahaan & Warehouse

PT KMSI sendiri memiliki satu head office dan empat warehouse

maindepot. Adapun lokasinya adalah sebagai berikut :

1. Head Office & Warehouse Jakarta : c/o PT United Tractors. Jalan Raya

Bekasi km.22 Cakung Jakarta 13910. Telp : (021) 4604290.

2. Warehouse Balikpapan : c/o PT United Tractors. Main Office, 3rd Floor.

Jalan Mulawarman No: 22. Batakan – Balikpapan, Kalimantan Timur

76116. Telp : (0542) 750755.

3. Warehouse Banjarmasin : Jalan Gubernur Soebarjo km.14. Banjarmasin

Selatan. Kalimantan Selatan. Telp : (0511) 8988002.

4. Warehouse Palembang : Komplek Pergudangan Griya Mitra Sukarame,

Blok D2-E2. Jalan By Pass Alang-alang Lebar km.11. Palembang.

Sumatera Selatan. Telp : (0711) 5720124.

4.1.6 Hirarki Warehouse

Dalam hal penyimpanan persediaan, PT KMSI menyediakan empat buah

Maindepot serta bekerjasama dengan PT UT untuk membangun tiga buah

subdepot yang bertujuan untuk mempercepat leadtime supply kepada customer.

Dimana PT UT bertanggung jawab untuk menyediakan gudang dan tenaga kerja

di subdepot, sedangkan PT KMSI bertanggung jawab terhadap persiapan

35

persediaan dan juga suplainya ke subdepot. Untuk detail aliran internal produk di

PT KMSI berdasarkan hirarkinya dapat dilihat pada gambar berikut :

Supplier

Maindepot Palembang Maindepot Jakarta Maindepot Balikpapan Maindepot Banjarmasin

Subdepot Sangatta Subdepot Samarinda Subdepot Adaro

Gambar 4. 3 Aliran Internal Produk dan Hirarki Warehouse


Keterangan :

= Reguler Flow

= Irreguler Flow (Help Out, Return dan sebagainya)

Berdasarkan gambar diatas, dapat diketahui bahwa aliran produk dimulai

dari supplier (meliputi KLTD, LPP, Other Subsidionaries) menuju maindepot.

Selanjutnya dapat juga diketahui bahwa subdepot tidak dapat menerima barang

langsung dari supplier, melainkan hanya dapat disuplai dari maindepot terlebih

dahulu. Dan perpindahan produk antara maindepot maupun dari subdepot ke

maindepot mungkin dilakukan apabila dibutuhkan, seperti untuk keperluan help

out, return dan sebagainya.

Sedangkan secara consolidated antara PT KMSI dan PT UT, PT UTR, PT

BP terhadap customer, total terdapat tiga layer warehouse yang terdiri dari

maindepot, subdepot serta UT, UTR & BP branch. Detail layer tersebut dapat

dilihat pada gambar berikut :

36

KLTD, Other Subsidionaries, LPP

MAINDEPOT_BJM MAINDEPOT_JKT MAINDEPOT_PLB MAINDEPOT_BLP

SUBEPOT_SGTSUBEPOT_SMD

UT_SGT

UT_BNT

UT_BGL

UT_TDI

UT_BNE

UT_TDM

UT_SGA

UT_SMD

UT_LJN

UT_SPR

UT_BPN

UT_BLP

UT_UPG

UT_MDO

UT_PLU

UT_SRK

UT_BKJ

UT_TJR

UT_MTW

UT_MTE

UT_JBY

UT_BIN

UT_LTI

UT_BIU

UT_DMI

UT_SBT

UT_TRK

UT_BEK

UT_LRH

UTR_BPN

UTR_SGT

UTR_BPN (Cylinder)

UT_PDG

UT_MDN

UT_DRI

UT_PKB

UT_JBI

UT_MTB

UT_KRC

UT_TJE

UT_TRK

UT_JKT

UT_CKG

UT_FRP

UT_JYP

UT_PTK

UT_SBY

UT_SMG

UT_SRG

UT_BLG

SUBEPOT_ADR

UT_ADR

UT_PSN

UT_TJG

UT_BHT

UT_BJM

UT_BTL

UT_MTW

UT_RTT

UT_RTU

UT_SDU

UT_SER

UT_SNK

UT_SPT

UT_STI

UT_THP

UT_PLB

UTR_BPN (Engine)

UTR_PKB

UTR_JKT

BP_JKT

UTR_BJM

UTR_ADR

Gambar 4. 4 3-Layer WHS Based on Main Supply


Berdasarkan gambar tersebut, dapat kita lihat layer pertama terdiri atas

maindepot, layer kedua terdiri atas subdepot dan layer ketiga terdiri atas cabang-

cabang dari PT UT, PT UTR & PT BP. Skema tersebut dibuat berdasarkan main

supply upper level, dimana contohnya adalah cabang UT_MTB diprioritaskan

untuk disuplai dari maindepot PLB, namun jika dalam keadaan

tertentu/emergency dimungkinkan untuk cross allocation ke maindepot lain.

Contoh lainnya adalah cabang UT_PSN yang diprioritaskan disuplai dari

subdepot Adaro, namun jika stoknya tidak tersedia di subdepot maka demand

tersebut akan disuplai dari maindepot di upper levelnya, yaitu maindepot

Banjarmasin.

4.1.7 Pengenalan Produk

Sebagaimana dijelaskan pada subbab sebelumnya, bahwa PT KMSI menjadi

perusahaan Komatsu yang bertanggung jawab untuk melakukan penjualan

terhadap dua jenis produk, yang meliputi :

1. Unit Alat Berat Komatsu

Dalam industri alat berat, produk Komatsu digunakan dalam berbagai

bidang, antara lain pertambangan, konstruksi, forestry maupun utility dalam

37

industri manufaktur. Contoh-contoh alat berat tersebut antara lain

excavator, wheel loader, motor grader, forklift dan sebagainya.

Gambar 4. 5 Contoh Unit Alat Berat Komatsu

Sumber : Dokumen Perusahaan

2. Spareparts dan Komponen Alat Berat Komatsu

Selain spareparts melakukan penjualan unit alat berat, PT KMSI juga

melakukan penjualan terhadap spareparts dan komponen dari unit alat

berat Komatsu. Hal ini juga merupakan salah satu bentuk pelayanan kepada

customer dengan memudahkan customer saat akan melakukan pergantian

spareparts dan komponen. Spareparts dan kompenen tersebut melingkupi

semua parts dan komponen yang ada di unit Komatsu, contohnya adalah

filter, oil, engine, cabin, o-ring, seal, bushing, cylinder, bucket dan

sebagainya.

Dump Truck Excavator

Motor Grader

Wheel Loader Bulldozer

38

Gambar 4. 6 Contoh Komponen & Spareparts Komatsu

Sumber : Website Komatsuamerica.com & Dokumen Perusahaan

4.2 Pengenalan Part Master

Part Master merupakan database yang berisikan data lengkap mengenai

detail seluruh part number. Database ini akan tergenerate dari sistem ERP yang

digunakan PT KMSI setiap bulannya. Data part master ini meliputi data new part

number, interchange code, deskripsi, harga, supplier code, mortality, KMSI rank,

class, berat, leadtime, class undercarriage dan sebagainya. Berikut ini merupakan

contoh data yang terdapat pada part master :

Tabel 4. 1 Contoh Data Part Master

PN Newpn ITC Desc Price Supcode MT Rank Class Weight LT Classuc Resp

X1 0 CABIN 0.00 2010 0.00 F4 0.00 0.00 KMSI

X2 0 KIT,AF 42.71 936A 0.00 F2 0 0.00 0.00 C KMSI

X21 20 SEAL RING 0.00 9999 0.00 F4 0 0.00 90.00 Z KMSI

X22 20 SWITCH 0.00 9999 0.00 F4 1 0.00 105.00 G KMSI

X23 0 STUD,BALL 2.33 9361 0.00 F1 14.00 0.00 KMSI

X24 0 VALVE 198.20 999A 0.00 F3 0 0.00 0.00 Z KMSI

39

Lanjutan Tabel 4.1 Contoh Data Part Master

X27 X154153 16 ELEMENT 51.30 9999 0.00 F2 0 103.00 75.00 Z KMSI

X29 10 THRUST

B 0.00 9361 0.00 F4 0 227.00 0.00 KMSI

X30 10 KNUCKLE 0.00 9361 0.00 F4 0 2680.00 0.00 KMSI

X31 10 KEY 0.00 9361 0.00 F4 0 84.00 0.00 KMSI

X32 10 BALL

STUD 0.00 9361 0.00 F4 0 720.00 0.00 KMSI

X33 0 AIR

FILTER 41.21 9361 0.00 F2 0 0.00 0.00 C KMSI

X36 0 PLATE 22.26 9361 0.00 F1 0 460.00 0.00 M KMSI

4.3 Pengenalan Mortality dan Rank

Dalam hal persiapan persediaan, terdapat dua istilah penting yang ada di PT

KMSI, antara lain :

1. Mortality

Mortality merupakan jumlah rata-rata demand dari customer yang

didapat oleh PT KMSI untuk setiap part number selama periode tertentu

dan dinyatakan dalam satuan quantity. Mortality dihitung secara otomatis

oleh Pmates1 setiap bulannya. Kemudian mortality tersebut akan digunakan

sebagai acuan dalam perhitungan persediaan. Terdapat dua cara dalam

menentukan nilai mortality, yaitu :

a. Trend Demand

Kondisi ini menggambarkan bahwa permintaan terhadap suatu

part number dipengaruhi oleh trend, baik naik maupun turun. Dalam

kondisi ini, mortality akan dihitung dengan merata-ratakan demand

selama 6 bulan terakhir.

Tabel 4. 2 Contoh Data Demand Satu Tahun Terakhir (Trend Demand)

Demand/month (Qty) Mortality

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

22 21 21 22 20 22 19 21 23 24 27 28 23.67

Pada tabel diatas dapat terlihat bahwa terjadi kenaikan trend

demand sehingga nilai mortality didapat dengan merata-ratakan nilai

demand dari bulan juli hingga desember.

1 Pmates merupakan sistem (ERP) yang digunakan di PT KMSI

40

b. Non-Trend Demand

Merupakan kondisi dimana permintaan dari customer tidak

menunjukkan adannya trend. Dalam kondisi ini, mortality akan dihitung

dengan merata-ratakan demand selama 12 bulan terakhir.

Tabel 4. 3 Contoh Data Demand Satu Tahun Terakhir (Non-Trend Demand)

Demand/month (Qty) Mortality

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

20 22 19 18 18 20 20 23 19 20 22 21 20.17

Pada tabel diatas dapat diketahui bahwa tidak ada trend yang

terjadi sehingga nilai mortality didapat dengan merata-ratakan nilai

demand dari bulan januari hingga desember.

2. Rank

Rank merupakan acuan yang digunakan PT KMSI dalam menentukan

prioritas dalam mempersiapkan persediaan. Rank terdiri atas satu digit

alphabet (A, B, C, D, E atau F) dan satu digit angka (1, 2, 3 atau 4) yang

dibentuk berdasarkan klasifikasi month movement dan harga untuk setiap

part number.

A1Klasifikasi Month Movement Klasifikasi Harga

Gambar 4. 7 Contoh Rank


Month movement sendiri merupakan jumlah bulan dalam satu terakhir

dimana terdapat demand terhadap suatu part number di bulan tersebut.

Berikut ini merupakan contoh perhitungan jumlah month movement :

Tabel 4. 4 Contoh Perhitungan Month Movement

Part

Number

Demand Satu Tahun Terakhir Month

Movement Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

X1 1 3 2 4 2 5

X2 2 2 2 1 2 3 1 1 1 9

X3 1 2 3 1 2 3 6

41

Selanjutnya untuk standar klasifikasi month movement dan price

dapat dilihat pada tabel dibawah ini :

Tabel 4. 5 Klasifikasi Month Movement

Month Movement Movement Rank Kriteria

10-12 A Fast Moving

6-9 B Fast Moving

3-5 C Fast Moving

2 D Slow Moving

1 E Slow Moving

0 F Slow Moving

Tabel 4. 6 Klasifikasi Harga

Price (USD) Price Rank

x ≥ 1000 1

100 < x ≤ 1000 2

40 < x ≤ 100 3

0 < x ≤ 40 4

4.4 Ketentuan dalam Menentukan Subdepot List Item (SDL) & Jumlahnya

Saat ini PT KMSI memiliki lebih dari 600.000 part number, namun tidak

seluruhnya dapat disimpan di subdepot, sehingga perlu ditentukan daftar prioritas

mengenai subdepot list item (SDL) serta jumlah optimal yang perlu disiapkan di

subdepot. Subdepot list item (SDL) sendiri merupakan daftar produk yang harus

disimpan di subdepot dan direview secara berkala setiap 6 bulan.

4.4.1 Ketentuan dalam Menentukan Subdepot-Item (SDL)

Dalam proses penentuan SDL, PT KMSI & PT UT memiliki beberapa

ketentuan yang meliputi klasifikasi produk maupun rank. Ketentuan-ketentuan

tersebut penulis ketahui berdasarkan hasil wawancara dengan Bapak Rustandi

selaku Parts Inventory Manager di PT KMSI. Untuk summary hasil wawancara

dapat dilihat pada lampiran 1. Adapun ketentuan-ketentuan yang saat ini

digunakan dalam menentukan SDL antara lain :

1. Interchangeability Code (ITC)

Interchangeability code merupakan kode yang diberikan untuk suatu

produk tertentu yang mengalami perubahan kondisi suplai, hal ini dapat

disebabkan beberapa hal, antara lain barang sudah tidak dapat diproduksi

42

karena usia produk yang sudah sangat lama, adanya improvement maupun

alasan lainnya. Dalam pemilihan item untuk subdepot, terdapat beberapa

ITC yang tidak boleh disimpan di subdepot, antara lain 010, 020, 011, 017,

020, 021 dan 027. Sedangkan ITC 014, 016, 018 boleh untuk tetap

dipersiapkan namun menggunakan part number penggantinya. Untuk detail

ITC dapat dilihat pada lampiran 2.

2. Kategori Produk

a. Berdasarkan Main Supplier

Berdasarkan main supplier, barang-barang di PT KMSI

dikategorikan menjadi produk KLTD (Komatsu Limited), KMG

(Komatsu Mining Germany), KAC (Komatsu America Corporation),

KF (Komatsu Forest), Machinary (IMD) dan Reman (KRA), namun

hanya produk KLTD yang dapat disimpan di subdepot.

b. Berdasarkan Commodity Code

Barang-barang yang termasuk kedalam commodity item tidak

dapat disimpan di subdepot. Commodity item sendiri meliputi Filter,

Grease, Hose, Battery, Oil, Coolant dan G.E.T. Sedangkan barang-

barang selain commodity dikategorikan sebagai barang general.

c. Berdasarkan Classuc Code

Classuc code merupakan kategori yang menunjukkan pada bagian

apakah suatu spareparts terpasang di unit alat berat Komatsu. Barang-

barang yang teridentifikasi sebagai bagian dari undercarriage,

attachment (GET) dan filter tidak dapat disimpan di subdepot. Classuc

code untuk barang-barang yang merupakan bagian dari undercarriage,

attachment dan filter adalah A, B dan C. Untuk detail classuc code

untuk kategori A, B dan C dapat dilihat pada lampiran 3.

d. Berdasarkan Classification Code Standard

Perusahaan Komatsu memiliki standar classification code yang

membagi produk spareparts menjadi dua kategori, yaitu functional dan

consumable. Hanya barang-barang functional yang boleh disimpan di

subdepot.

43

Berdasarkan uraian tersebut, maka ketentuan-ketentuan dalam menentukan

SDL dapat disimpulkan sebagaimana tabel berikut :

Tabel 4. 7 Ketentuan Barang-barang Subdepot

Dapat disimpan di Subdepot Tidak Dapat disimpan di Subdepot

ITC

- 000

- 010, 011, 017, 020, 021, 027 - 014, 016, 018 namun menggunakan part

number penggantinya

Main

Supplier

Product

KLTD Selain KLTD (KMG, KAC, KF,

MACHINERY, Reman dll)

Commodity

Code General Item Commodity Item

Classuc Code Classuc selain A,B dan C Classuc A, B dan C

Classification

Code Functional Item Consumable Item

Setelah mendapatkan daftar barang-barang yang dapat disimpan di subdepot,

kemudian akan dipilih kembali barang-barang mana saja yang pada akhirnya akan

disimpan di subdepot. Pemilihan tersebut dilakukan berdasarkan rank yang ada di

PT KMSI, dimana hanya barang-barang yang tergolong fast moving yang dapat

disimpan di subdepot, yakni barang dengan movement rank A, B dan C.

Sedangkan barang-barang slow moving dapat disimpan di subdepot hanya apabila

disertai dengan pertimbangan deterministik yang kuat. Kemudian daftar barang-

barang tersebut akan disatukan menjadi draft SDL.

Kemudian dari sejumlah barang-barang draft SDL tersebut akan dipilih

kembali barang-barang yang pada akhirnya akan disimpan di subdepot sebagai

final SDL karena adanya keterbatasan area penyimpanan di subdepot. Namun

pada tahapan ini belum ada standar yang tetap untuk menentukan item mana saja

dari draft SDL yang pada akhirnya harus disimpan di subdepot sebagai final SDL.

4.4.2 Ketentuan dalam Menentukan Quantity dari SDL

Selanjutnya dalam menentukan quantity SDL akan dilakukan dengan

menggabungkan data customer demand yang dimiliki PT UT dan data demand

dari PT UT yang dimiliki PT KMSI, serta dilengkapi juga rencana deterministik

yang ada saat periode tersebut. Dimana data demand yang digunakan adalah data

historikal satu tahun kebelakang yang kemudian dirata-ratakan dan dijumlah

44

dengan angka deterministik yang ada. Kemudian untuk menentukan maximum

stock level, akan dilakukan kalkulasi berdasarkan formulasi pada tabel dibawah

ini.

Tabel 4. 8 Penentuan Maximum Stock Level terhadap SDL

Rank Movement Maximum Stock Level

A 2.5 x Demand Average

B 2 x Demand Average

C, D, E, F 1 x Demand Average

Sedangkan dalam hal safety stock, saat ini PT KMSI belum membuat

standar dalam menentukannya sehingga variabel dalam mengontrol persediaan di

subdepot hanya meliputi demand average tiap bulannya & maximum stock level.

Adapun nilai safety stock yang saat ini digunakan bersifat subjektif dan

sepenuhnya dipercayakan kepada person in charge (pic) yang bertugas melakukan

kalkulasi subdepot, sehingga apabila terdapat perubahan pic maka cara

menghitung safety stock yang digunakan pun akan berbeda-beda. Berikut ini

merupakan cara menghitung safety stock oleh pic yang saat ini bertugas :

SS = Nilai minimum antara (1.1 x demand average) dengan ((1.5 x MSL) –

demand average)

4.5 Data Order Intake PT KMSI

Order intake merupakan detail order yang dibuat distributor kepada PT

KMSI. Data ini terus diperbarui secara real time guna berbagai kepentingan,

terutama dalam memperhatikan pencapaian penjualan terhadap target yang sudah

ditentukan. Berikut ini merupakan grafik yang menampilkan data order intake

amount PT KMSI selama satu tahun terakhir, yaitu mulai april 2015 hingga maret

2016 :

45

Gambar 4. 8 Grafik Order Intake April 2015 sampai Maret 2016


Berdasarkan grafik tersebut dapat dilihat bahwa secara seasonal jumlah

order intake pada bulan desember dan maret selalu tinggi dan menjadi peak

season. Hal ini disebabkan karena bulan desember merupakan akhir tahun fiskal

dari para distributor, sedangkan bulan maret merupakan akhir tahun fiskal dari PT

KMSI, sehingga baik PT KMSI maupun distributor akan berusaha untuk

meningkatkan penjualannya semaksimal mungkin agar dapat melebihi target

penjualan yang telah ditentukan.

Sementara order intake di bulan lainnya relatif bersifat fluktuatif karena

bergantung pada kondisi faktual dimasa tersebut dan tidak bersifat seasonal.

Sedangkan pada bulan juni terjadi order intake yang sangat tinggi karena

dipengaruhi oleh kebijakan pemerintah yang mewajibkan seluruh transaksi dalam

negeri harus menggunakan mata uang rupiah mulai bulan juli, dimana selama ini

transaksi antara PT KMSI dan distributor masih menggunakan mata uang dollar.

Oleh karena kondisi tersebut dan dengan ditunjang berbagai pertimbangan,

distributor memutuskan untuk melakukan advanced order di bulan juni yang

menyebabkan order intake sangat tinggi di bulan tersebut namun kemudian turun

secara signifikan di bulan juli.

46

4.6 Analisa Penentuan Fokus Subdepot

Telah disebutkan pada subbab sebelumnya bahwa saat ini terdapat tiga

subdepot, yakni Samarinda (AD), Adaro (AA) dan Sangatta (AS). Secara umum

ketiga subdepot tersebut memiliki perlakuan yang sama, sedangkan yang

membedakan adalah area yang dicover oleh masing-masing subdepot sehingga

tentu terdapat juga perbedaan terhadap daftar produk serta jumlah persediaan yang

harus disiapkan di masing-masing subdepot.

Pada penelitian ini penulis hanya akan berfokus pada salah satu subdepot,

dimana pemilihan tersebut didasarkan pada besarnya kontribusi penjualan yang

dihasilkan. Adapun perbandingan antara total penjualan terhadap SDL dari

masing-masing subdepot selama enam bulan terakhir dapat dilihat pada grafik

dibawah ini :

Gambar 4. 9 Grafik Penjualan Subdepot (Amount USD)


Berdasarkan grafik tersebut dapat diketahui bahwa subdepot sangatta

memberikan kontribusi paling besar terhadap penjualan perusahaan dibandingkan

dengan subdepot yang lainnya. Oleh karena itu, selanjutnya penulis akan

menjadikan subdepot sangatta sebagai fokus objek pada penelitian ini.

4.7 Data Existing SDL dan Quantity Subdepot Sangatta

Pada sub-bab ini akan ditampilkan data SDL beserta jumlahnya yang saat ini

digunakan di subdepot sangatta. Data ini meliputi Part Number, Description,

47

Weight, Quantity, Maksimum Stock Level dan Price. Adapun sample data tersebut

dapat dilihat pada tabel berikut :

Tabel 4. 9 Sample Data dari Existing SDL beserta Quantity Sangatta

PN Desc Weight Qty MSL Price

14X-06-22120 SWITCH 300 5 14 2,787,576.00

14X-06-24111 CABLE 3600 1 2 3,752,861.00

14X-06-24124 WIRING HARNESS 190 1 1 34,566,729.00

01010-81680 BOLT 160 50 113 63,384.00

01023-10416 SCREW 3 2 2 12,413.00

01144-82050 STUD 120 2 2 131,258.00

02730-00200 FITTING 6 2 2 89,794.00

02895-77075 O-RING 13 70 168 333,558.00

04010-00310 KEY 1 1 1 5,150.00

04022-20040 DOWEL PIN 90 35 80 202,961.00

04025-00616 SPRING PIN 2 1 1 6,074.00

04050-01610 COTTER PIN 1 4 5 924.00

04052-01253 PIN 2 1 1 12,017.00

04052-20833 SNAP PIN 1 5 5 10,828.00

04082-00514 LOCK 400 1 2 284,832.00

04122-22262 V-BELT 1200 3 7 1,490,845.00

04210-21040 YOKE 100 1 2 113,167.00

04216-21045 JOINT 80 2 3 217,222.00

04221-20844 YOKE 70 1 1 234,785.00

04245-40805 ROD 20 0 0 44,105.00

07029-00000 RELIEF VALVE 10 8 13 123,731.00

04250-60847 ROD END 40 7 18 296,716.00

04256-40615 JOINT 40 1 1 136,144.00

04260-01905 BALL 30 7 17 40,803.00

06000-06208 BALL BEARING 366 1 1 421,240.00

06000-32215 ROLLER BEARING 1720 1 1 1,728,535.00

07000-F5185 O-RING 20 12 21 351,253.00

07001-02065 BACK-UP RING 1 281 702 188,567.00

07003-11419 GASKET 1 28 69 21,656.00

4.8 Data Order Intake Subdepot Sangatta

Pada sub-bab sebelumnya telah disimpulkan bahwa subdepot sangatta akan

menjadi fokus objek pada penelitian. Selanjutnya akan ditampilkan data detail

order intake yang ada di subdepot sangatta. Data tersebut berisikan Purchase

48

Order Number, Item Number, Description, Part Number, Distributor Code, Qty

Order, Price dan Order Date. Data inilah yang selanjutnya akan digunakan dalam

analisis klasifikasi persediaan, demand forecast, safety stock dan maksimum stock

level. Adapun contoh data tersebut dapat dilihat sebagai berikut :

Tabel 4. 10 Sample Data Order Intake Subdepot Sangatta April 2015 – Maret 2016

PO No. Item

No. Desc

Part

Number

Dist.

Code Qty Price

Order

Date

D259857 1 SENSOR X511354 718A35 4 477,683.00 20160101

U259859 1 BUSHING X543994 718A0G 74 2,226,135.00 20160228

D259860 55 HOSE ASS'Y X294118 718A0G 102 414,574.00 20151018

D259861 1 RING X543878 718A0G 3 93,900.00 20150903

A279263 50 HEX. SCREW X348647 718A42 15 2,772.00 20160215

D259861 2 BOLT X140789 718A0G 4 23,995.00 20160202

U259862 1 SNAP RING X159719 718A0G 5 74,759.00 20160111

D259863 1 RING X543878 718A0G 11 93,900.00 20160323

U259864 1 SNAP RING X159719 718A0G 14 74,759.00 20160329

U259865 1 SEAL X457468 718A42 2 6,080,608.00 20160111

D259868 1 SERVICE KIT X545393 718A27 23 7,340,004.00 20160322

D259870 76 SHAFT X229894 718A27 18 15,886,698.00 20160322

D259871 32 SHAFT X229894 718A27 2 15,886,698.00 20160328

U259872 1 PUMP ASS'Y X538328 718A42 11 59,610,486.00 20160111

D259873 1 CAP X245655 718A42 5 523,454.00 20160220

D259874 1 TUBE X455624 718A27 134 20,487,377.00 20160322

U259875 3 GASKET X512364 718A0G 54 343,699.00 20160120

D259876 1 BRACKET X416015 718A27 4 4,521,620.00 20160328

U259878 109 PUMP ASS'Y X538328 718A42 2 59,610,486.00 20160317

U259879 1 TUBE X332810 718A27 1 3,653,358.00 20160328

D259880 1 BREATHER X467896 718A24 5 1,664,400.00 20160113

D259882 41 PANEL ASS'Y X291190 718A24 6 12,718,790.00 20160105

U259886 1 CYLINDERHEAD X512291 718A0G 13 30,065,999.00 20160111

D259888 1 THERMOSTAT X75720 718A27 20 191,822.00 20160114

D259889 1 MOTOR ASS'Y X548434 718A24 2 44,938,800.00 20160127

U259890 5 O-RING X153218 718A24 5 24,966.00 20160322

D259891 1 SERVICE KIT X545459 718A24 20 17,497,005.00 20160328

D259900 1 DOOR ASS'Y X289718 718A0G 1 62,132,052.00 20160220

A264685 1 COUPLIN X229098 718A42 11 129,268.00 20160113

D260934 1 COUPLIN X229098 718A24 14 129,268.00 20160105

A262053 44 FLANGE HALF X520645 718A42 4 49,239.00 20160107

A279263 45 O-RING X527525 718A42 6 17,323.00 20160215

E281918 1 UNION X552108 718A42 7 954,123.00 20160220

49

4.9 Penyusunan Draft SDL

Pada tahap ini akan dilakukan analisa terhadap data penjualan satu terakhir

di subdepot sangatta dengan mengidentifikasikan ITC serta klasifikasi produk dari

setiap spareparts yang terjual di subdepot sangatta sebagaimana ketentuan dalam

menentukan SDL yang telah dipaparkan pada subbab sebelumnya. Untuk detail

hasil identifikasi draft SDL dapat dilihat pada lampiran 4. Adapun summary hasil

identifikasi tersebut dapat dilihat pada tabel berikut :

Tabel 4. 11 Identifikasi Draft SDL

Jumlah

seluruh

item

Jumlah item yang tidak dapat disimpan di subdepot berdasarkan kriteria

ITC

Main

Supplier

Classuc

Code

Commodity

Code

Classification

Code

KMSI Rank

D,E,F

Total

(dengan

irisan)

17303 47 3305 632 648 6233 3591

Total

(tanpa irisan) 17303 10283

Berdasarkan tabel diatas dapat dilihat bahwa terdapat 10283 item yang tidak

dapat disimpan di subdepot dari total 17303 item, kemudian dengan mengurangi

jumlah seluruh item dengan jumlah item yang tidak dapat disimpan di subdepot,

sehingga dapat diketahui bahwa total item yang akan dijadikan draft SDL adalah

sebanyak 7020 item.

4.10 Klasifikasi Persediaan terhadap Draft SDL

Pada subbab ini akan dilakukan pembahasan mengenai proses klasifikasi

persediaan yang meliputi analisa penentuan teknik & metode klasifikasi,

mengidentifikasi standar klasifikasi dari metode yang digunakan, tahapan dalam

mengklasifikasikan persediaan dan hasil klasifikasi persediaan.

4.10.1 Penentuan Teknik dan Metode Klasifikasi Persediaan

Dalam menentukan klasifikasi persediaan, secara umum terdapat dua pilihan

prinsip yang dapat digunakan, yaitu single criteria classification dan multi-

criteria classification. Contoh metode yang dapat digunakan untuk multi-criteria

classification antara lain R Model (Ramanathan, 2006), ZF Model (Zhou & Fan,

2007), NG Model (Ng, 2007), H Model (Hadi-Vencheh, 2010), Peer-estimation

50

Model (Chen, 2011), AHP-Neural Networks-Cluster Model (Simunovic et al,

2014) dan sebagainya. Sedangkan metode yang dapat digunakan untuk single

criteria classification adalah ABC Rank.

Analisis single criteria classification didasarkan pada variabel annual use

value (AUV), sedangkan multi-criteria classification digunakan apabila terdapat

beberapa variabel lain yang juga harus dipertimbangkan, antara lain kekritisan

barang terhadap proses produksi (CF), profit margin (PM) dan number of clients

(NC) (Jeddou, 2014).

Tabel 4. 12 Matriks Analisa Kriteria Persediaan

Criteria Necessity

Judgment Remark

AUV Yes Sebagai faktor utama dalam metode single maupun

multi criteria classification

CF No Bisnis utama PT KMSI adalah trading dan bukan

industri manufaktur

PM No PT KMSI menggunakan prinsip billing rate sehingga

profit margin tiap barang memiliki nilasi yang sama

NC No PT KMSI hanya menjual kepada distributor tetap dan

tidak berhubungan langsung dengan end customer

Berdasarkan analisa diatas maka dapat disimpulkan bahwa prinsip

pengklasifikasian yang cocok untuk PT KMSI adalah single criteria

classification, sehingga pada tahap selanjutnya persediaan akan diklasifikasikan

menggunakan metode ABC Rank.

4.10.2 Standar Klasifikasi Persediaan dengan ABC Rank

Pada tahap ini akan diidentifikasi mengenai standar klasifikasi dari metode

yang digunakan. Sebagaimana telah dibahas sebelumnya bahwa teknik klasifikasi

yang cocok diterapkan di PT KMSI adalah single criteria classification dan akan

menggunakan metode ABC Rank. Menurut Makram Ben Jeddou (2014), standar

klasifikasi persediaan dari ABC Rank adalah sebagai berikut :

1. Kelas A

Merupakan barang-barang dengan jumlah item berkisar antara 10-

20% dari total seluruh item dan mempresentasikan amount sebesar 70-80%

dari total amount.

2. Kelas B

51

Merupakan barang-barang dengan persentase jumlah item sebesar 30-

40% dari total item dan mempresentasikan amount sebesar 15-20% dari

total amount.

3. Kelas C

Merupakan barang-barang dengan persentase jumlah item lebih dari

50% terhadap total item namun hanya mempresentasikan amount sebesar

5-10% dari total amount.

4.10.3 Tahapan Proses Klasifikasi Persediaan

Langkah-langkah dalam menentukan klasifikasi persediaan draft SDL dapat

dilihat sebagaimana berikut :

1. Mengumpulkan data penjualan spareparts dari draft SDL subdepot sangatta

selama satu tahun terkahir yang meliputi jumlah dan harga dari spareparts

tersebut sehingga dapat diketahui AUV untuk setiap spareparts.

2. Mengurutkan seluruh spareparts yang ada di draft SDL berdasarkan AUV.

3. Hitung persentase kumulatif jumlah item beserta persentase kumulatif

AUV.

4. Klasifikasikan seluruh spareparts yang ada di draft SDL tersebut menjadi

tiga kelas, yaitu A,B dan C berdasarkan standar klasifikasi yang ada.

4.10.4 Hasil Klasifikasi Persediaan terhadap Draft SDL

Dari analisa klasifikasi persediaan terhadap draft SDL, didapatkan hasil

klasifikasi sebagai berikut :

Tabel 4. 13 Klasifikasi Berdasarkan AUV dengan ABC Rank

Hasil Analisis

Final SDL

Judgement Kelompok % item % AUV Total Item Total AUV

A (Fast Moving) 11.27% 80.00% 791 34,673,910.18 Yes

B (Moderate) 30.00% 17.49% 2106 7,579,550.75 Yes

C (Slow Moving) 58.73% 2.51% 4123 1,087,486.57 No

∑ 7020 43,340,947.50

Sebagaimana terlihat pada tabel diatas, didapatkan bahwa kelompok A (fast

moving) berjumlah 791 item atau 11.27% dari seluruh draft SDL dan memiliki

AUV sebesar $34,673,910.18 atau 80% dari total AUV. Kemudian untuk

52

kelompok B (moderate) berjumlah 2106 item atau 30.00% dari seluruh draft SDL

dan memiliki AUV sebesar $7,579,550.75 atau 17.49% dari total AUV.

Sedangkan kelompok C (slow moving) berjumlah 4123 item atau 58.73% dari

seluruh draft SDL dan hanya memiliki AUV sebesar $1,087,486.57 atau 2.51%

dari total AUV.

Pengelompokan persediaan tersebut perlu dilakukan untuk memberikan

prioritas perhatian dalam pengendalian persediaan, dimana kelompok dengan rank

A dan B dari draft SDL akan dipilih menjadi final SDL yang meliputi 791 rank A

item dan 2106 rank B item sehingga total terdapat 2897 item untuk final SDL.

Untuk detail pengelompokan berdasarkan AUV menggunakan ABC Rank dapat

dilihat pada lampiran 5. Dan berikut summary klasifikasi persediaan final SDL

yang menggunakan ABC Rank jika dibandingkan dengan KMSI Rank.

Tabel 4. 14 Klasifikasi Final SDL berdasarkan KMSI Rank & ABC Rank

Count of

Item ABC Rank Grand

Total KMSI Rank A B

A1 30 278 308

A2 47 283 330

A3 344 538 882

A4 161 45 206

B1 16 16

B2 3 51 54

B3 34 360 394

B4 109 119 228

C1 2 2

C2 13 13

C3 6 188 194

C4 57 213 270

Grand Total 791 2106 2897

Dari tabel diatas dapat terlihat bahwa terdapat 791 item kategori A

berdasarkan ABC rank, dimana jika dibandingkan sebarannya berdasarkan KMSI

rank dari total 791 item tersebut terdiri atas 30 item yang memiliki KMSI rank

A1, 47 item memiliki KMSI rank A2, 344 item memiliki KMSI rank A3 dan

seterusnya. Sedangkan 2106 item kategori B berdasarkan ABC KMSI rank terdiri

53

atas 278 item yang memiliki KMSI rank A1, 283 item memiliki KMSI rank A2,

538 item memiliki KMSI rank A3 dan seterusnya.

4. 11 Analisa Forecast terhadap Final SDL

Pada subbab ini akan dilakukan pembahasan terhadap analisa penentuan

metode forecast yang cocok digunakan di PT KMSI dan juga perhitungan nilai

forecast terhadap final SDL menggunakan metode yang telah dipilih sebelumnya.

4.11.1 Analisa Pemilihan Metode Forecast

Forecast dibuat dengan tujuan untuk memprediksikan permintaan yang akan

terjadi dimasa mendatang. Demand forecast dapat dipengaruhi oleh banyak

faktor, antara lain oleh demand yang terjadi pada masa lalu, leadtime produk,

aktivitas marketing (promosi, diskon dan sebagainya), kondisi ekonomi, kebijakan

pemerintah, strategi kompetitor dan lain-lain. Terdapat beberapa metode yang

dapat digunakan dalam menghitung nilai forecast, dimana setiap metode tersebut

memiliki karakteristiknya masing-masing sehingga dalam penelitian ini penulis

akan menganalisa terlebih dahulu mengenai metode mana yang cocok untuk

digunakan.

Forecasting

Qualitative Times Series Causal Simulation

Static Addaptive

Moving AverageExponential

SmoothingHolt’s Model Winter’s Model

Gambar 4. 10 Matriks Identifikasi Pemilihan Metode Forecast


Secara umum terdapat empat metode dalam menentukan forecast antara lain

metode qualitative, time series, causal dan simuation (Chopra & Meindl, 2007).

Metode kualitatif cocok digunakan pada kondisi dimana tidak tersedianya data

54

historikal dan terdapatnya ahli yang dinilai memiliki kapabilitas untuk menyusun

forecast. Metode times series sangat cocok apabila perusahaan memiliki data

historikal yang lengkap dan demand historikal tersebut cenderung dapat

menggambarkan demand dimasa yang akan mendatang. Metode causal

merupakan metode yang mengasumsikan bahwa suatu permintaan sangat

dipengaruhi oleh keadaan lingkungan yang pasti, seperti promosi harga, kebijakan

pemerintah dan sebagainya. Sedangkan metode simulation menirukan pilihan dari

customer yang nantinya akan dijadikan forecast. Dengan metode simulation,

perusahaan dapat mengkombinasikan metode times series dan causal.

Berdasarkan karakteristik tersebut, maka penulis menyimpulkan bahwa metode

yang cocok di PT KMSI adalah metode times series karena lengkapnya data

historikal yang dimiliki dan tidak memungkinkannya untuk dilakukan metode

qualitative maupun causal mengingat jumlah part number yang mencapai lebih

dari 600.000 item.

Metode times series sendiri terbagi menjadi static dan adaptive. Metode

static cocok digunakan apabila demand level, trend dan faktor seasonal pada

demand di masa mendatang tidak bervariasi terhadap demand di masa lalu.

Sedangkan metode adaptive dilakukan dengan terus mengupdate demand level,

trend dan faktor seasonal setiap terdapat permintaan yang baru. Berdasarkan pola

penjualan PT KMSI yang tidak menentu serta memiliki demand level, trend dan

faktor seasonal yang selalu berubah-ubah, maka disimpulkan bahwa metode yang

cocok adalah metode adaptive.

Selanjutnya dalam penggunaan metode adaptive, terdapat beberapa pilihan

teknik yang dapat digunakan, antara lain moving average, simple exponential

smoothing, trend corrected exponential smoothing (Holt’s Model), trend and

seasonal corrected exponential smoothing (Winter’s Model). Metode moving

average dan simple exponential smoothing cocok digunakan untuk permintaan

yang tidak memiliki pola trend maupun seasonality, metode Holt’s Model cocok

untuk permintaan yang memiliki pola trend namun tidak memiliki pola

seasonality, sedangkan metode Winter’s Model cocok digunakan untuk

permintaan yang memiliki pola trend maupun seasonality.

55

Saat menggunakan metode Winter’s Model, harus dilakukan identifikasi

terlebih dahulu terhadap periode seasonal factor dari setiap part number, sehingga

metode ini tidak cocok digunakan karena banyaknya part number yang dipesan

dari subdepot. Selain itu secara empiris diketahui bahwa faktor trend, seasonal

maupun siklus hanya terjadi pada sebagian kecil item dan hanya terjadi dalam

kasus-kasus tertentu, maka dapat disimpulkan bahwa metode yang cocok untuk

digunakan pada penelitian ini adalah metode moving average dan single

exponential smoothing yang nantinya akan dibandingkan dan dipilih yang lebih

akurat dengan data demand di PT KMSI berdasarkan nilai error yang dihasilkan.

4.11.2 Perhitungan Forecast & Nilai Error dari Metode Moving Average

Metode ini dilakukan dengan menjadikan nilai rata-rata demand pada masa

lalu selama N periode, dimana semakin sedikit periode yang digunakan maka nilai

forecast akan lebih bersifat responsif terhadap demand terbaru yang sudah berlalu.

Untuk detail perhitungan forecast dengan moving average dapat dilihat pada

lampiran 6. Adapun formulasi yang digunakan adalah sebagai berikut :

Ft = (Dt-1 + Dt-2 + Dt-3 + ……+ Dt-n) / n

Keterangan :

Ft = Forecast pada periode t n = Jumlah Data (periode)

D = Actual Demand

Berikut adalah contoh hasil perhitungan forecast menggunakan metode

moving average dengan periode enam bulan dari part number X134582 :

Tabel 4. 15 Contoh Hasil Perhitungan Forecast & Error Moving Average

PNX Remark 2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582

Demand

(D) 48 76 78 14 78 58 17 92 86 42 95

Forecast

(F) 49.00 50.67 40.83 43.17 57.50 62.17

Error

(E) -9.00 33.67

-

51.17

-

42.83 15.50

-

32.83

Error

Absolute

(A) 9.00 33.67 51.17 42.83 15.50 32.83

ForecastOct = (48 + 76 + 78 + 0 + 14 + 78) / 6 = 49.00

ForecastNov = (76 + 78 + 0 + 14 + 78 + 58) / 6 = 50.67 dan seterusnya.

56

Selanjutnya untuk menghitung nilai Mean Absolute Deviation (MAD) dan

Tracking Signal (TS) digunakan rumus berikut :

MADn = 1

𝑛 ∑ A𝑛

𝑡=1 t = (9.00 + 33.67 + 51.17 + 42.83 + 15.50 + 32.83) / 6 = 30.83

Sedangkan nilai Tracking Signal (TS) dapat didapatkan dengan

menggunakan rumus berikut :

TSt = ∑ E𝑛𝑡=1 t/MADt = [(-9.00) + 33.67 + (–51.17) + (-42.83) + 15.50 + (-32.83)] /

36.48 = -2.81

4.11.3 Perhitungan Forecast & Nilai Error dari Metode Simple Exponential

Smoothing

Pada tahap ini akan dilakukan perhitungan forecast menggunakan metode

simple exponential smoothing, dimana nilai konstanta eksponensial (α) yang

semakin mendekati nol menunjukkan bahwa permintaan bersifat lebih stabil.

Mengingat data permintaan yang dimiliki PT KMSI sebagian bersifat stabil dan

sebagian lainnya bersifat fluktuatif, maka akan digunakan 2 konstanta dimana

salah satunya mendekati nol sementara satu lainnya mendekati satu, yaitu 0.3 dan

0.7. Kemudian juga akan akan dihitung hasil error dari perhitungan simple

exponential smoothing yang menggunakan konstanta 0.3 maupun 0.7. Untuk

detail perhitungan forecast dengan simple exponential smoothing 0.3 dan 0.7

dapat dilihat pada lampiran 7 dan 8. Adapun formulasi yang digunakan dalam

menggunakan metode simple exponential smoothing adalah sebagai berikut :

Ft = Ft-1 + α . (Dt-1- Ft-1)

Keterangan :

Ft =Forecast pada periode T α = Smoothing Contant

Dt =Demand pada periode T

Berikut adalah contoh hasil perhitungan forecast menggunakan metode

simple exponential smoothing dengan konstanta 0.3 dari part number X134582 :

Tabel 4. 16 Contoh Hasil Perhitungan Forecast & Error Simple Exponential Smoothing (0.3)

PNX Remark 2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582

Demand

(D) 48 76 78 14 78 58 17 92 86 42 95

Forecast

(F) 48.00 56.40 62.88 44.02 35.01 47.91 50.94 40.75 56.13 65.09 58.16

57

Error

(E)

-

28.00

-

21.60 62.88 30.02

-

42.99

-

10.09 33.94

-

51.25

-

29.87 23.09

-

36.84

Error

Absolute

(A)

28.00 21.60 62.88 30.02 42.99 10.09 33.94 51.25 29.87 23.09 36.84

ForecastJul = 56.40 + (0.3) (78.00 – 56.40) = 62.88

ForecastAug = 62.88 + (0.3) (0 – 62.88) = 44.02 dan seterusnya.

Selanjutnya nilai MAD dan TS dari metode simple exponential dengan

konstanta 0.3 dapat dilihat sebagaimana berikut :

MADn = 1

𝑛 ∑ A𝑛

𝑡=1 t = (28.00 + 21.60 + 62.88 + … + 23.09) / 11 = 33.69

TSt = ∑ E𝑛𝑡=1 t/MADt = [(-28.00) + (-21.60) + 62.88 + … + 23.09] / 33.69 = -2.10

Sedangkan contoh hasil perhitungan forecast menggunakan metode simple

exponential smoothing dengan konstanta 0.7 dari part number X134582 dapat

dilihat sebagai berikut :

Tabel 4. 17 Contoh Hasil Perhitungan Forecast & Error Simple Exponential Smoothing (0.7)

PNX Remark 2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582

Demand 48 76 78 14 78 58 17 92 86 42 95

Forecast 48.00 67.60 74.88 22.46 16.54 59.56 58.47 29.44 73.23 82.17 54.05

Error -

28.00

-

10.40 74.88 8.46

-

61.46 1.56 41.47

-

62.56

-

12.77 40.17

-

40.95

Error

Absolute 28.00 10.40 74.88 8.46 61.46 1.56 41.47 62.56 12.77 40.17 40.95

ForecastJul = 67.60 + (0.7) (78.00 – 67.60) = 74.88

ForecastAug = 74.88 + (0.7) (0 – 74.88) = 22.46 dan seterusnya.

Selanjutnya nilai MAD dan (TS) dari metode simple exponential dengan

konstanta 0.3 dapat dilihat sebagaimana berikut :

MADn = 1

𝑛 ∑ A𝑛

𝑡=1 t = (28.00 + 10.40 + 74.88 + … + 40.17) / 11 = 34.79

TSt = ∑ E𝑛𝑡=1 t/MADt = [(-28.00) + (-10.40) + 74.88 + … + 40.17] / 34.79 = -1.43

4.11.4 Perbandingan Nilai MAD & TS antara Metode Forecast

Pada tahap ini akan dihitung summary nilai MAD dan TS dengan merata-

ratakan seluruh nilai MAD dan TS yang didapat dari 2897 part number dalam

58

final SDL untuk masing-masing metode forecast yang digunakan. Adapun nilai

MAD dan TS yang dihasilkan adalah sebagai berikut :

Tabel 4. 18 Perbandingan Nilai MAD & TS

MAD

TS

Average

TS

Max

TS

Min

Moving Average 4.16 -0.22 6 -6

Simple Exponential Smoothing (0.3) 4.28 -0.07 11 -11

Simple Exponential Smoothing (0.7) 4.37 -0.25 11 -11

Berdasarkan tabel diatas dapat diketahui bahwa nilai TS dengan range

maksimal dan minimal terkecil dihasilkan oleh moving average. Nilai TS

mengindikasikan bahwa nilai positif menunjukkan bahwa nilai forecast lebih

besar daripada nilai permintaan aktual dan sebaliknya. Dan semakin kecil range

dari TS maka semakin kecil range error yang dihasilkan. Sedangkan dalam hal

MAD, hasil terkecil diperlihatkan oleh moving average, semakin kecil nilai MAD

maka semakin akurat nilai forecast yang dihasilkan. Sehingga dapat disimpulkan

bahwa metode forecast yang lebih cocok digunakan pada penelitian ini adalah

metode moving average.

4. 12 Perhitungan Nilai Safety Stock & Maximum Stock Level

Pada subbab ini akan dilakukan perhitungan nilai safety stock dan maximum

stock level dari setiap part number dari final SDL yang disimpan sebagai salah

satu upaya dalam pengendalian persediaan di subdepot.

4.12.1 Perhitungan Safety Stock (SS)

Penentuan nilai safety stock ini dilakukan dengan tujuan untuk

meminimalisir potensi terjadinya stock out (Ary, 2016). Konsisi stock out tersebut

diakibatkan oleh ketidakpastiannya berbagai faktor dalam supply chain yang

meliputi ketidakpastian permintaan, leadtime produksi maupun pengiriman dan

sebagainya (Rahmat, 2015). Nilai safety stock akan ditentukan berdasarkan

59

standar deviasi dari permintaan yang terjadi juga berdasarkan faktor standar yang

didapatkan berdasarkan service level yang ditentukan.

Nilai service level akan didasarkan pada rata-rata pencapaian availability

yang saat ini sudah dapat dicapai PT KMSI dalam beberapa periode terakhir.

Adapun data avalibility PT KMSI secara keseluruhan selama enam bulan terkahir

dapat dilihat sebagai berikut :

Tabel 4. 19 Data Availibility PT KMSI

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03 Average

Order

Received 50580 64300 76029 62320 73133 68435

Order

Supplied 46890 59683 69290 57392 67972 61194

Availibility 92.70% 92.82% 91.14% 92.09% 92.94% 89.42% 91.85%

Berdasarkan pencapaian availability tersebut, maka inventory team

memutuskan bahwa target service level pada saat ini adalah 95%, dimana nilai

faktor standarnya adalah 1.65. Untuk tabel standar service level dapat dilihat pada

lampiran 9. Selanjutnya dalam menentukan standar deviasi akan digunakan fungsi

rumus pada Microsoft Excel (STDEV) sehingga dapat dihasilkan standar deviasi

dari setiap part number berdasarkan demand satu tahun terakhir. Safety Stock

sendiri akan didapatkan berdasarkan formulasi berikut :

SS = Safety Factor x Standar Deviasi

Keterangan :

Safety Factor = Faktor standar yang didapat berdasarkan service level

Contoh hasil perhitungan safety stock dari 10 part number secara acak dapat

dilihat pada tabel dibawah. Untuk data tabel perhitungan safety stock lebih

lengkapnya dapat dilihat pada lampiran 10.

Tabel 4. 20 Perhitungan Safety Stock

Actual Demand

PNX

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03 Stdev Factor SS

X134582 48 76 78 0 14 78 58 17 92 86 42 95 32.69 1.65 54

60

Lanjutan Tabel 4.20 Perhitungan Safety Stock

X136011 25 27 1 0 0 22 2 28 9 0 12 46 15.08 1.65 25

X146626 2 2 2 1 0 1 1 1 3 4 4 1 1.27 1.65 2

X146896 0 1 4 1 1 1 2 0 3 1 5 0 1.62 1.65 3

X146918 1 2 2 4 4 5 1 1 1 1 7 0 2.11 1.65 3

X146935 0 1 3 2 0 0 3 0 3 0 5 0 1.73 1.65 3

X147124 4 3 2 6 1 2 2 0 4 0 4 4 1.83 1.65 3

X147137 0 2 3 3 1 2 2 2 4 2 5 0 1.47 1.65 2

X147675 49 30 43 27 41 24 87 180 79 67 155 160 56.01 1.65 92

X147928 42 26 27 11 20 11 16 8 17 14 24 21 9.30 1.65 15

Berikut merupakan contoh perhitungan safety stock dari part number

X134582. Diketahui berdasarkan permintaan satu tahun terakhir, didapat standar

deviasi sebesar 32.69. Dengan service level sebesar 95% didapatkan faktor standar

sebesar 1.65. Sehingga perhitungan safety stock dapat dilihat sebagai berikut :

SS X140779 = Safety Factor x Standar Deviasi = 1.65 x 32.69 = 53.94 = 54 pcs

4.12.2 Perhitungan Maximum Stock Level (MSL)

Penentuan nilai maximum stock level ini dilakukan dengan tujuan untuk

meminimalisir potensi terjadinya excess stock karena persiapan persediaan yang

berlebih. Kondisi excess stock akan merugikan perusahaan karena membuat asset

perusahaan menjadi tidak bergerak dan perusahaan harus mengeluarkan inventory

holding cost maupun resiko biaya lain yang dikarenakan kerusakan, keusangan

dan sebagainya. Nilai MSL akan dihitung berdasarkan beberapa variabel, antara

lain rata-rata demand per hari, leadtime produk, safety stock dan review cycle.

Rata-rata demand per hari didapatkan berdasarkan historikal permintaan selama

satu tahun terakhir, nilai safety stock menggunakan hasil perhitungan yang didapat

pada subbab sebelumnya, data leadtime produk akan diambil dari database PT

KMSI yang biasa disebut Part Master, sedangkan periode review cycle yang

digunakan adalah 7 hari karena proses kalkulasi dan pengisian subdepot

ditentukan oleh manajemen perusahaan untuk dilakukan setiap minggu. Adapun

rumus dalam menentukan MSL adalah sebagai berikut :

MSL = (Da x (R + L)) + SS

61

Keterangan :

Da = Demand average selama periode tertentu (pcs/hari)

R = Review Cycle (interval waktu order) (hari)

SS = Safety Stock (pcs)

L = Leadtime (hari)

Dibawah ini merupakan contoh hasil perhitungan MSL dari 10 part number

secara acak. Untuk tabel perhitungan MSL lebih lengkap dapat dilihat pada

lampiran 11.

Tabel 4. 21 Perhitungan Maximum Stock Level

Actual Demand

PNX

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03 SS Da R LT MSL

X134582 48 76 78 0 14 78 58 17 92 86 42 95 54 1.87 7 80 217

X136011 25 27 1 0 0 22 2 28 9 0 12 46 25 0.47 7 45 49

X146626 2 2 2 1 0 1 1 1 3 4 4 1 2 0.06 7 12 3

X146896 0 1 4 1 1 1 2 0 3 1 5 0 3 0.05 7 12 4

X146918 1 2 2 4 4 5 1 1 1 1 7 0 3 0.08 7 12 5

X146935 0 1 3 2 0 0 3 0 3 0 5 0 3 0.05 7 12 4

X147124 4 3 2 6 1 2 2 0 4 0 4 4 3 0.09 7 12 5

X147137 0 2 3 3 1 2 2 2 4 2 5 0 2 0.07 7 12 4

X147675 49 30 43 27 41 24 87 180 79 67 155 160 92 2.58 7 90 343

X147928 42 26 27 11 20 11 16 8 17 14 24 21 15 0.65 7 18 32

Berikut merupakan contoh perhitungan maximum level stock untuk part

number X146266. Diketahui leadtime sebesar 27 hari, review cycle dilakukan

setiap 7 hari, safety stock sebesar 2 dan rata-rata permintaan setiap harinya adalah

0.02 pcs. Sehingga perhitungan maximum stock level dari part number X140876


MSL X140876 = (Da x (R + L)) + SS = (0.02 x (7 + 27)) + 2 = 2.94 = 3 pcs

62

BAB V

ANALISA HASIL

5.1 Perbandingan Final SDL

Pada subbab ini akan dilakukan pembahasan mengenai perbandingan antara

final SDL yang didapatkan berdasarkan metode ABC Rank dengan final SDL

yang disusun oleh PT KMSI & PT UT melalui diskusi & review satu persatu item

dari draft SDL menjadi final SDL yang belum dilengkapi standar kriteria yang

tetap & pasti. Adapun perbandingan dalam hal total part number dari final SDL

dapat dilihat pada tabel berikut :

Tabel 5. 1 Perbandingan Jumlah Part Number dari Final SDL

Total Item dari Final SDL (Teori Ideal) vs Total Item dari Final SDL (PT KMSI)

KMSI

Rank 1 2 3 4 Grand Total

KMSI

Rank 1 2 3 4 Grand Total

A 308 330 882 206 1726

A 961 398 764 98 2221

B 16 54 394 228 692

B 186 98 207 35 526

C 2 13 194 270 479

C 75 12 48 9 144

D

D 2 2 3 2 9

E

E 1 3 1 1 6

F

F 3 3

Grand

Total 326 397 1470 704 2897

Grand

Total 1225 513 1026 145 2909

Tabel diatas menunjukkan perbandingan jumlah part number yang menjadi

final SDL berdasarkan KMSI Rank antara final SDL yang saat ini digunakan PT

KMSI dengan final SDL ideal yang didapat dengan metode ABC Rank. Dimana

total part number dari final SDL PT KMSI sebanyak 2909 part number,

sedangkan final SDL ideal sebanyak 2897 part number.

Selanjutnya akan dilakukan perbandingan mengenai total amount yang

didapat melalui teori kalkulasi dengan nilai yang saat ini digunakan oleh PT

KMSI terhadap setiap variabel kontrol persediaan yang telah dibahas, meliputi

demand forecast, safety stock dan maximum stock level.

63

Tabel 5. 2 Perbandingan Amount Ideal dari Final SDL

Forecast Amount SS Amount MSL Amount

Final SDL Ideal

4,658,139.63

6,413,268.65

13,251,212.40

Final SDL PT KMSI

3,429,520.15

3,438,988.61

7,492,735.23

Berdasarkan tabel diatas terlihat bahwa secara amount, hasil perhitungan

ideal memiliki nilai amount yang lebih besar untuk disimpan di subdepot. Hal ini

disebabkan karena analisis ABC Rank menekankan prioritas terhadap barang-

barang dengan nilai AUV yang besar sehingga fokus persediaan akan

menitikberatkan pada barang-barang yang memiliki amount besar. Hal ini juga

membuat perusahaan dapat meminimalisir potensi lost deal terhadap barang-

barang yang memiliki amount tinggi dan berkontribusi besar terhadap penjualan

perusahaan.

5.2 Perbandingan Nilai Error Forecast dari Final SDL PT KMSI vs Ideal

Forecast final SDL ideal merupakan hasil forecast menggunakan metode

moving average dengan periode 6 bulan, sedangkan final SDL PT KMSI

merupakan hasil forecast yang didapat dengan melakukan meeting bersama PT

UT yang didasarkan pada demand yang dimiliki PT UT. Pada tahap ini nilai error

dan error absolute yang dihasilkan oleh seluruh part number dari masing-masing

final SDL akan dirata-ratakan. Detail perhitungan nilai error terhadap forecast

tersebut dapat dilihat pada lampiran 12. Adapun contoh hasil perbandingan nilai

error dari 20 part number masing-masing final SDL yang dipilih secara acak


Tabel 5. 3 Data Forecast Error dari Final SDL Ideal

0.89 4.70

PNX Forecast

Actual

Demand error

error

absolute

X134582 65 5 60 60

X136011 17 0 17 17

X146626 3 3 0 0

X146896 2 4 -2 2

X146918 2 4 -2 2

X146935 2 2 0 0

X147124 3 9 -6 6

64

Lanjutan Tabel 5.3 Data Forecast Error dari Final SDL Ideal

X147137 3 1 2 2

X147675 122 125 -3 3

X147928 17 14 3 3

…. …. …. …. ….

X148843 6 3 3 3

X149777 3 3 0 0

X149786 4 8 -4 4

X150193 5 2 3 3

X150200 1 0 1 1

X150294 1 0 1 1

X150300 3 3 0 0

X150361 2 0 2 2

X150362 2 0 2 2

X150600 1 1 0 0

Tabel 5. 4 Data Forecast Error dari Final SDL PT KMSI

2.68 6.45

PNX Forecast Actual

Demand error error

absolute

X134582 67 5 62 62

X135252 1 0 1 1

X135989 5 0 5 5

X136011 17 0 17 17

X139171 15 0 15 15

X140779 3 3 0 0

X146266 2 3 -1 1

X147669 2 0 2 2

X147675 113 125 -12 12

X147676 2 1 1 1

…. …. …. …. ….

X147813 6 0 6 6

X147814 3 1 2 2

X147836 95 13 82 82

X147837 5 1 4 4

X147839 2 0 2 2

X147840 3 4 -1 1

X147843 7 3 4 4

X147928 33 14 19 19

X147970 1 0 1 1

X148026 6 0 6 6

65

Berdasarkan data perhitungan diatas dapat diketahui bahwa hasil forecast

final SDL ideal yang menggunakan moving average menghasilkan nilai rata-rata

error dan error absolute yang lebih kecil, yaitu 0.89 dan 4.70. Sedangkan forecast

final SDL yang digunakan PT KMSI menghasilkan nilai rata-rata error dan error

absolute yang lebih besar, yaitu 2.68 dan 6.45. Sehingga dapat disimpulkan

bahwa forecast yang digunakan pada final SDL Ideal lebih akurat dibanding

forecast terhadap final SDL yang saat ini digunakan PT KMSI.

5.3 Perbandingan Hasil Penelitian terhadap Inventory KPI

Pada sub-bab ini akan dilakukan pembahasan menenai hasil penelitian

terhadap Inventory KPI yang dapat dicapai. Adapun inventory KPI yang

digunakan antara lain ITR dan availability. Sedangkan untuk inventory readiness

sendiri tidak digunakan pada penelitian kali ini dikarenakan inventory readiness

dipengaruhi oleh banyak faktor selain perencanaan persediaan, yaitu performa

supplier, performa forwarder (jasa transportasi) dan performa tim warehouse

dalam melakukan proses on hand.

5.3.1 Perbandingan Nilai Inventory Turnover Ratio (ITR)

Konsep ITR merupakan suatu performa indikator dari manajemen

persediaan yang menggambarkan kemampuan dana yang tertanam dalam

persediaan berputar pada suatu periode tertentu atau likuiditas dari persediaan

serta tendensi untuk terjadinya excess stock, dimana semakin tinggi nilai ITR

maka semakin banyak pula perputaran persediaan yang terjadi. ITR sendiri

merupakan KPI inventory yang sudah sangat dikenal secara umum baik didunia

industry maupun akademik sehingga ITR menjadi salah satu KPI yang dianalisis

pada penelitian ini. Dalam sub-bab ini akan dilakukan perbandingan terhadap nilai

ITR sebelum dan sesudah penelitian, yakni ITR pada bulan Maret dan April.

1. ITR Maret

Sebelumnya akan ditampilkan terlebih dahulu total sales amount dan

total stock amount selama satu tahun terakhir, yakni April 2015 hingga

Maret 2016. Adapun data tersebut dapat dilihat pada tabel berikut :

66

Tabel 5. 5 Total Sales Amount Periode April 2015 – Maret 2016

Month 201504 201505 201506 201507 201508 201509

Sales Amount

4,868,698.18

4,835,103.34

4,707,313.39

3,258,415.99

3,374,521.75

3,489,182.45

Month 201510 201511 201512 201601 201602 201603

Sales Amount

2,751,677.08

2,647,637.79

3,385,358.75

3,015,556.58

3,843,864.62

4,518,275.42

Total Sales Amount 44,695,605.34

Tabel 5. 6 Average Stock Amount Periode April 2015 – Maret 2016

Month 201504 201505 201506 201507 201508 201509

Sales Amount

3,294,659.59

3,810,786.83

3,223,266.12

3,523,622.85

3,734,344.72

3,892,975.79

Month 201510 201511 201512 201601 201602 201603

Sales Amount

4,243,330.60

4,784,327.62

3,484,155.87

2,968,307.33

2,111,521.82

3,804,532.70


ITR = Total penjualan selama 1 tahun / rata-rata persediaan selama 1 tahun

= 44,695,605.34 / 3,572,985.99

= 12.51

2. ITR April

Selanjutnya akan ditampilkan data total sales amount dan total stock

amount selama periode May 2015 hingga April 2016 sebagaimana tabel

berikut :

Tabel 5. 7 Total Sales Amount Periode Mei 2015 – April 2016

Month 201505 201506 201507 201508 201509 201510

Sales Amount

4,835,103.34

4,707,313.39

3,258,415.99

3,374,521.75

3,489,182.45

2,751,677.08

Month 201511 201512 201601 201602 201603 201604

Sales Amount

2,647,637.79

3,385,358.75

3,015,556.58

3,843,864.62

4,518,275.42

2,957,060.38


Tabel 5. 8 Average Stock Amount Periode Mei 2015 – April 2016

Month 201505 201506 201507 201508 201509 201510

Sales Amount

3,810,786.83

3,223,266.12

3,523,622.85

3,734,344.72

3,892,975.79

4,243,330.60

Month 201511 201512 201601 201602 201603 201604

Sales Amount

4,784,327.62

3,484,155.87

2,968,307.33

2,111,521.82

3,804,532.70

2,779,620.52


67

ITR = Total penjualan selama 1 tahun / rata-rata persediaan selama 1 tahun

= 42,783,967.38 / 3,530,066.06

= 12.12

Berdasarkan kalkulasi diatas dapat diketahui bahwa total penjualan satu

tahun terakhir pada bulan April lebih kecil dibanding pada bulan Maret namun

disisi lain total rata-rata persediaan pada bulan April juga mengalami penurunan

dibanding bulan Maret. Dimana total penurunan stock yang dihasilkan lebih

signifikan dibanding penurunan sales, hal ini menyebabkan nilai ITR mengalami

penurunan meskipun salesnya menurun.

Penurunan ITR tersebut merupakan indikator bahwa hasil implementasi

memberikan dampak yang positif terhadap pengendalian persediaan, hal ini juga

disebabkan karena nilai error yang dihasilkan dari demand forecast lebih kecil

dibanding error SDL yang saat ini digunakan sehingga penyediaan persediaan

dilakukan dengan lebih akurat (digambarkan melalui tingkat availability yang

lebih besar) dan menyebabkan stock amount diakhir periode menjadi lebih kecil.

Untuk simulasi keterkaitan antara keakuratan persiapan persediaan dengan stock

amount di akhir periode dapat dilihat pada lampiran 14.

5.3.2 Perbandingan Availibility dari Final SDL PT KMSI vs Ideal

Selanjutnya akan dilakukan perbandingan availability terhadap final SDL

PT KMSI di bulan Maret dengan final SDL Ideal di bulan April. Untuk data lebih

lengkap dari perbandingan availability tersebut dapat dilihat pada lampiran 13.

Aadapun summary perbandingan availability dari final SDL PT KMSI dan final

SDL Ideal dapat dilihat sebagai berikut :

Tabel 5. 9 Perbandingan Availibility Final SDL di Subdepot

Remark Total Item Grand

Total 2016 03 2016 04

Available 6920 3317 10237

Not Available 701 285 986

Grand Total 7621 3602 11223

% Availibility 90.80% 92.09%

68

Data availability pada bulan maret mewakili final SDL PT KMSI sedangkan

data availability pada bulan april mewakili final SDL Ideal yang merupakan hasil

penelitian. Dari data diatas dapat dilihat bahwa total line item order mengalami

penurunan dari bulan maret ke bulan april karena bulan maret merupakan bulan

terakhir pada tahun fiskal PT KMSI sehingga PT KMSI melakukan berbagai

aktivitas yang bertujuan untuk mencapai target penjualan di tahun fiskal tersebut,

oleh karena itu bulan maret menjadi salah satu periode peak season di setiap

tahunnya. Sedangkan penjualan pada bulan april mengalami penurunan karena

pada periode ini PT UT membelanjakan lebih awal sebagian budget bulan april di

bulan maret dikarenakan aktivitas-aktivitas PT KMSI dalam upaya mencapai

target penjualan yang telah disebutkan diatas.

Selanjutnya dapat terlihat bahwa terjadi peningkatan availability dari bulan

maret ke april, dimana pada bulan maret terdapat 7621 line order yang sebanyak

6920 line item diantaranya dapat disuplai sesuai quantity yang diminta sehingga

menghasilkan tingkat availability sebesar 90.80%. Sedangkan pada bulan april

terdapat total 3602 line order yang sebanyak 3317 line item diantaranya dapat

disuplai sesuai quantity yang diminta sehingga menghasilkan tingkat availability

sebesar 92.09%. Peningkatan availability ini dapat dicapai karena nilai forecast

dari hasil penelitian dapat menghasilkan nilai error yang lebih kecil terhadap

aktual demand yang ada.

5.4 Summary Analisa Hasil Penelitian

Telah disampaikan pada pembahasan sebelumnya mengenai analisa hasil

yang membandingkan nilai amount, error, ITR dan availability. Dan berikut ini

merupakan tabel yang memuat summary analisa hasil penelitian tersebut:

Tabel 5. 10 Summary Analisa Hasil Penelitian

Berdasarkan Teori

Ideal

Existing Condition

di PT KMSI

Jumlah Item Final SDL 2897 2909

Amount

Forecast

4,658,139.63

3,429,520.15

Safety Stock

6,413,268.65

3,438,988.61

69

Lanjutan Tabel 5.10 Summary Analisa Hasil Penelitian

Maksimum Stock Level

13,251,212.40

7,492,735.23

Error Forecast Error 0.89 2.68

Forecast Error Absolute 4.70 6.45

ITR 12.12 12.51

Availability 92.1% 90.8%

Berdasarkan summary diatas dapat terlihat bahwa stock amount yang

disiapkan PT KMSI masih lebih kecil dibandingkan amount ideal, dimana juga

memiliki nilai error yang lebih tinggi serta dengan tingkat availability yang lebih

rendah. Sedangkan apabila menggunakan analisa persediaan sebagaimana

penelitian yang telah dilakukan, dapat dihasilkan rencana persediaan dengan nilai

error yang lebih kecil dan membuat tingkat availability meningkat. Selanjutnya

dari sisi ITR mengalami penurunan karena sales amount total menurun secara

signifikan yang disebabkan oleh trend penjualan yang menurun pada bulan April

setelah penutupan fiscal year, sedangkan secara stock amount yang dihasilkan

sebenarnya juga lebih baik karena telah mengalami penurunan dibanding periode

sebelumnya. Sehingga pada akhirnya dapat disimpulkan bahwa hasil pemelitian

telah memberikan dampak positif terhadap pencapaian KPI perusahaan.

70

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan penelitian yang sudah dilakukan maka dapat disimpulkan

beberapa hal, antara lain :

1. Dalam menentukan daftar produk yang harus disiapkan di subdepot, perlu

diawali dengan mengumpulkan daftar produk yang memiliki demand di

subdepot beserta detail jumlah yang dipesan untuk setiap barangnya. Lalu

dilakukan eliminasi terhadap barang-barang yang tidak boleh disimpan

disubdepot berdasarkan ketentuan yang sudah dibuat perusahaan, antara lain

dalam hal interchangeable code (ITC), main supplier, commodity code,

classification code standard dan classuc code. Kemudian akan dihasilkan

draft SDL yang nantinya hanya akan dipilih barang-barang fast moving,

yaitu barang-barang dengan KMSI Rank A, B dan C serta ditambah barang

slow moving yang secara deterministik memiliki rencana permintaan.

Selanjutnya dari barang-barang yang sudah terpilih tersebut akan

diklasifikasikan menggunakan analisis ABC Rank untuk menentukan

barang-barang apa saja yang benar-benar menjadi prioritas dan perlu

disimpan di subdepot, dimana akan diambil barang-barang dengan rank A

dan B berdasarkan analisis ABC Rank untuk dijadikan final SDL.

2. Dalam hal penentuan quantity persediaan, akan dilakukan analisa mengenai

demand forecast, safety stock dan maximum stock level.

a. Demand Forecast

Tahap ini diawali dengan melakukan analisa mengenai jenis metode

yang cocok untuk digunakan di PT KMSI dan berdasarkan penelitian

yang sudah dilakukan dapat diketahui bahwa jenis metode yang cocok

adalah jenis addaptive khususnya dengan metode moving average dan

simple exponential smoothing. Selanjutnya dilakukan pengujian forecast

error yang meliputi MAD dan TS dimana berdasarkan pengujian

71

tersebut diketahui bahwa metode moving average memiliki nilai error

yang lebih kecil terhadap demand aktual yang terjadi di PT KMSI.

b. Safety Stock

Pada tahap ini ditentukan jumlah safety stock yang harus disiapkan

di subdepot untuk meminimalisir potensi terjadinya stockout.

Perhitungan safety stock dilakukan dengan mempertimbangkan faktor

standar deviasi yang dihasilkan dari setiap part number berdasarkan data

permintaan satu tahun terkahir. Selain itu dipertimbangkan juga standar

pengaman (safety factor) yang didapat berdasarkan service level, adapun

service level yang ditentukan PT KMSI adalah 95% dimana nilai

tersebut didapatkan dengan terlebih dahulu melihat pencapaian

availability perusahaan dalam beberapa periode terakhir.

c. Maximum Stock Level

Maximum stock level disusun guna meminimalisir potensi excess

stock yang akan merugikan perusahaan. Maximum stock level ini didapat

dengan mempertimbangkan faktor jumlah rata-rata permintaan, safety

stock, review cycle dan leadtime produk.

3. Dari hasil penelitian diketahui jumlah item ideal dengan yang disusun oleh

PT KMSI, yaitu masing-masing sebanyak 2897 item dan 2909 item.

Diketahui pula bahwa nilai stock amount yang saat ini disediakan PT KMSI

di subdepot lebih kecil dibanding stock amount ideal yang perlu disediakan.

Kemudian didapatkan bahwa forecast error dari hasil penelitian nilainya

lebih kecil dibanding forecast error yang dihasilkan dari persiapan

persediaan yang selama ini digunakan PT KMSI. Selanjutnya dari sisi ITR

mengalami penurunan karena sales amount total menurun secara signifikan

yang disebabkan oleh trend penjualan yang menurun pada bulan April

setelah penutupan fiscal year, sedangkan nilai rata-rata stock amount yang

dihasilkan sebenarnya juga menjadi lebih baik karena telah mengalami

penurunan dibanding periode sebelumnya. Dan penerapan hasil penelitian

juga menghasilkan tingkat availability yang lebih tinggi. Sehingga pada

72

akhirnya disimpulkan bahwa dengan mengimplementasikan hasil penelitian,

KPI yang lebih baik dapat dicapai oleh PT KMSI.

6.2 Saran

Berdasarkan pembahasan dan kesimpulan diatas, penulis merumuskan saran

sebagai berikut:

1. Diharapkan dapat juga dilakukan penyusunan forecast demand, safety stock

dan maximum stock level terhadap subdepot lainnya, yaitu Adaro dan

Samarinda.

2. Untuk daftar produk yang memiliki rencana deterministik dan historikal

permintaan di subdepot namun tidak termasuk kedalam final SDL

diharapkan untuk tetap dipersiapkan meskipun lokasi penyimpannya terletak

di maindepot. Hal ini mengingat keterbatasan area penyimpan di subdepot,

adanya ketentuan mengenai barang-barang yang tidak boleh disiapkan

disubdepot serta untuk tetap memberikan pelayanan yang optimal terkait

manajemen persediaan terhadap demand dari customer.

3. Diharapkan dapat dibuat suatu sistem yang memungkinkan perusahaan

untuk melakukan perhitungan forecast, safety stock serta maximum stock

level secara otomatis dan real time sehingga proses manajemen menjadi

lebih praktis dan akurat karena potensi terjadinya human error yang lebih

kecil apabila dilakukan perhitungan secara manual.

xv

DAFTAR PUSTAKA

Ary Budi, M. 2016. Modul Supply Chain Management “Inventory Management”.

FT UMB.

Assauri, Sofjan. 2004. Manajemen Produksi dan Operasi Edisi 4. Jakarta :

Lembaga Penerbit Fakultas Ekonomi, Universitas Indonesia.

Beneke, J., Hayworth, C., Hobson, R., Mia, Z. 2012. “Examining the Effect of

Retail Service Quality Dimensions on Customer Satisfaction & Loyalty: The

Case of the Supermarket Shopper”. Acta Commercii, Vol.12. No.1 : 27–43.

Chandra, Agung. 2015. Modul Lean Manufacturing “Forecasting : Design &

Control”. FT UMB.

Chopra, Sunil. 2007. Supply Chain Management ; Strategy, Planning, and

Operation. Third Edition. New Jersey : Pearson Education.

Christiansen, P.E., Kotzab, H., & Mikkola, J.H. 2007. “Coordination and sharing

logistics in leagile supply chains”, International Journal of Procurement

Management, Vol. 1, No. ½ : 79 – 96.

Dilworth, J.B. 1993. Production and Operation Management. McGraw Hill.

Erkan K., Oguz H.T., & Mehmet K. 2015. “Inventory Classification With ABC

Analysis”. Journal of Naval Science and Engineering, Vol.11, No.2 : 11-24.

Erlina. 2002. Manajemen Persediaan. Medan : Bagian Penerbitan Akuntansi

Universitas Sumatera Utara.

Gardner, E.S. 2006. How to Set Performance Targets in Inventory Control.

BAUER College of Business, University of Houston.

Herjanto, Eddy. 2007. Manajemen Operasi. Jakarta : PT Grasindo.

Hou, Y.R., & Liu, J. 2011. Time-based strategy in distribution logistic gaining

competitive logistics. Gavle : Faculty of engineering and sustainable

development, University of Gavle.

H.Subagya MS, 1997. CV Haji Masagung. Jakarta McMxciv.

Jeddou, M.B. 2014. “Multi-Criteria ABC Inventory Classification- A Case of

Vehicles Spare Parts Items”, Journal of Advanced Management Science,

Vol. 2, No. 3 : 181-185.

Kristianto, N, Y. 2011. “Production ramp up in built-to-order supplier chain”,

Journal of Modelling in Management, Vol.6. No. 2 : 143-163.

Li L. 1992. “The role of inventory in delivery-time competition”, Management

Science, Vol.38, No. 2 : 182-197.

Madhusudhana Rao, C., dan Prahlada Rao, K., 2009. ”Inventory Turnover Ratio

as a Supply Chain Performance Measure”. Serbian Journal of Management,

Vol. 4, No.1 : 41- 50.

Makridakis, Spyros., Wheelwright, Steven C., dan Hyndman, Rob J. 1998.

Forecasting Methods and Application. Third Edition. USA: John Wiley and

Sons, Inc.

Naimullah, Rahmat. 2015. Modul Inventory Management “Kombinasi Teori dan

Praktek Terbaik dalam Mengelola Inventory - Part 1”. PQM Consultants.

Rangkuti, Freddy. 1996. Manajemen Persediaan. Jakarta : PT Raja Grafindo

Persada.

xvi

Sawir, Agnes. 2009. Analisa Kinerja Keuangan dan Perencanaan Keuangan

Perusahaan. Jakarta : PT Gramedia Pustaka Utama.

Schreibfeder, John. 2010. Effective Inventory Analysis. USA & Canada :

Microsoft Dynamic.

Sulastri. 2012. Pengendalian Obat Antibiotik dengan Metode Analisis Pemakaian,

Buffer Stock dan ROP di Unit Gudang Farmasi Rumah Sakit Haji di Jakarta.

Skripsi FKM UI.

Wild, T. 2002. Best Practice in Inventory Management. Hoboken: John Wiley &

Sons.

Winston, Beth. 2016. “What Does the Inventory Turnover Ratio Tell You About

the Company?”. http://smallbusiness.chron.com/inventory-turnover-ratio-tell-

company-22305.html (Diakses pada Sabtu, 22 Juni 2016 pkl 19.18 WIB).

Yovanka. 2015. Modul Pengendalian dan Perencanaan Produksi “Forecasting”.

FT UMB.

Yovanka. 2015. Modul Pengendalian dan Perencanaan Produksi “Sistem

Persediaan”. FT UMB.

Zulfikarijah, Fien. 2005. Manajemen Operasional. Malang : Universitas

Muhammadiyah Malang Press.

http://smallbusiness.chron.com/inventory-turnover-ratio-tell-company-22305.html

http://smallbusiness.chron.com/inventory-turnover-ratio-tell-company-22305.html

Code Active Category name Remark

000 Y Currently Used Currently used Part Number

010 Y Not Supply Impossible to supply.(Set this code to wrong part numbers due to wrong description on parts book, etc)

011 Y Not Supply Can't keep quality due to assembly component parts. Supply its upper level assembly parts.

014 Y Supply Stop Can't be used due to quality matter. Service News must be issued, because plants are responsible for disposing parts in stock.

016 Y Change to new PN 1 way interchangeable

017 Y Supply Stop Order in separate parts

018 Y Change to new PN 2 way interchangeable

020 Y Stop of production Very old machine types (obsolete)

021 Y Supply Stop In the case of stopping supply of parts due to procurement matter, its upper level assy parts is supplied.

027 Y Stop of production Supply to be stopped after stock is depleted

Lampiran 2

Spareparts Interchangeability Codes List

New Com

CodeNew Commodity 3

A U/C AA Shoe Ass'y AA010 Shoe Ass'y (Lubricated)

AA020 Shoe Ass'y (Dry)

AA030 Shoe Ass'y (Liner Shoe)

AB Link Ass'y AB040 Link Ass'y (Lubricated)

AB050 Link Ass'y (Dry)

AC Rubber Crawler AC060 Rubber Crawler

AC065 Rubber Crawler (Rebuilt)

AD Shoe AD070 Shoe

AE Liner Shoe AE080 Liner Shoe

AF Link AF090 Link

AF100 Link Related Parts

AG Roller AG110 C/Roller Ass'y

AG120 C/Roller

AG130 T/Roller Ass'y

AG140 T/Roller

AG150 Bushing (Roller/Idler)

AG160 Roller/Idler Related Parts

AH Idler AH170 Idler Ass'y

AH180 Idler

AJ Sprocket AJ190 Sprocket

AJ200 Segment Teeth (Sprocket)

AJ210 Bolt & Nut (Sprocket)

AK Shoe Bolt & Nut AK220 Shoe Bolt & Nut

AL Pin & Bushing (Link) AL230 Pin (Lubricate Type Link)

AL240 Pin (Dry Type Link)

AL250 Bushing (Lubricate Type Link)

AL260 Bushing (Dry Type Link)

AL265 Pin & Bushing Kit

AM Seal (U/C) AM270 Seal/Seal Ass'y

AM280 Floating Seal Ass'y

AN Rubber Protector AN290 Rubber Protector

AP U/C Others AP300 Shoe Lug

AZ ALL MAKES U/C AZ900 Shoe Ass'y (All Makes)

AZ90B Shoe Ass'y (Berco, All Makes)

AZ90T Shoe Ass'y (ITM, All Makes)

AZ910 Link Ass'y (All Makes)

AZ91B Link Ass'y (Berco, All Makes)

AZ91T Link Ass'y (ITM, All Makes)

AZ920 Shoe (All Makes)

AZ92B Shoe (Berco, All Makes)

AZ92T Shoe (ITM, All Makes)

Classuc Detail : A, B dan C

Lampiran 3

New Commodity 1 New Commodity 2

AZ93B Link (Berco, All Makes)

AZ93T Link (ITM, All Makes)

AZ94B Roller (Berco, All Makes)

AZ94T Roller (ITM, All Makes)

AZ95B Idler (Berco, All Makes)

AZ95T Idler (ITM, All Makes)

AZ96B Sprocket (Berco, All Makes)

AZ96T Sprocket (ITM, All Makes)

AZ97B Shoe Bolt & Nut (Berco, All Makes)

AZ97T Shoe Bolt & Nut (ITM, All Makes)

AZ98B Pin & Bushing (Berco, All Makes)

AZ98T Pin & Bushing (ITM, All Makes)

AZ99B U/C Others (Berco, All Makes)

AZ99T U/C Others (ITM, All Makes)

B GET BA Teeth BA010 One Piece Teeth

BA040 Point Type Teeth

BB Adapter (Teeth) BB090 Adapter (Teeth)

BC Lip System (GET) BC130 Lip System (Hensley BladeSaver)

BC135 Lip System (Others)

BD Edge BD140 Cutting Edge (Bucket)

BD150 Cutting Edge (Blade)

BD160 Cutting Edge (M/G)

BD170 End Bit (C/T)

BD180 End Bit (M/G)

BD190 Side Cutter

BE BE200 Side Shroud

BE210 Front Shroud

BE220 Wear Plate (Bucket/Blade)

BE230 Wear Plate (D/T Body)

BE240 Wear Resistant Bar

BF Ripper BF250 Ripper Point (C/T)

BF260 Ripper Shank (C/T)

BF270 Ripper Protector (C/T)

BG BG280 Pin (Teeth)

BG290 Lock (Teeth)

BG300 Bolt/Nut/Washer (GET)

BH GET Others BH310 Scarifier/Ripper (M/G)

BH320 Breaker Chisel

BH330 Plate (Mobile Crusher)

BH370 Cutter (Mobile Crusher)

BH380 Screen (Mobile Crusher)

BH390 Bit (Mobile Crusher)

BH400 Hammer (Mobile Crusher)

BH410 Bit (Stabilizer)

BH420 Other GET Parts

BZ BZ900 Teeth (All Makes)

BZ90E Teeth (Esco, All Makes)

ALL MAKES GET

Wear Resistant Materials

Pin/Lock/Bolt/Nut (GET)

BZ90H Teeth (Hensley, All Makes)

BZ90V Teeth (KVX, All Makes)

BZ91E Adapter (Esco, All Makes)

BZ91H Adapter (Hensley, All Makes)

BZ92E Edge (Esco, All Makes)

BZ92H Edge (Hensley, All Makes)

BZ92V Edge (KVX, All Makes)

BZ93H Ripper (Hensley, All Makes)

BZ94E Fastener (Esco, All Makes)

BZ94H Fastener (Hensley, All Makes)

BZ94V Fastener (KVX, All Makes)

BZ95H Lip System (Hensley, All Makes)

BZ96E Wear Resist. Materials (Esco, All Makes)

BZ96H Wear Resist. Materials (Hensley, All Makes)

BZ96V Wear Resist. Materials (KVX, All Makes)

BZ99H Others (Hensley, All Makes)

C Filter CA Engine Oil Filter CA010 Oil Filter Element (Full Flow)

CA020 Oil Filter Element (Bypass)

CA030 Oil Filter Element (Combination)

CB Fuel Filter CB040 Fuel Filter Element

CC Corrosion Resistor CC050 Corrosion Resister

CD Air Cleaner CD060 Air Element (Conventional)

CD070 Air Element (Radial Seal)

CE CE080 Hydraulic Filter Element

CE090 Hybrid Filter Element

CE100 Ecowhite Element

CE110 T/M & Steering Element

CE120 T/M & HST Cartridge

CF Air Conditioner Filter CF130 Air Conditioner Filter

CZ ALL MAKES Filter CZ90F Engine Oil Filter Element (Fleetguard, All Makes)

CZ91F Fuel Filter Element (Fleetguard, All Makes)

CZ92F Air Cleaner Element (Fleetguard, All Makes)

CZ93F Hydraulic Filter Element (Fleetguard, All Makes)

CZ94F Corrosion Registor (Fleetguard, All Makes)

CZ99F Other Filter Element (Fleetguard, All Makes)

ALL MAKES GET

Hydraulic & Powerline Filter

PN Qty Price ITCMain

SupplierCommodity code

Classuc

code

Classification

Code

Draft SDL

Judgement

X134582 684 4.8 0 KOMAT GENERAL M KMSI YES

X134591 255 5.8 0 KOMAT GENERAL M PTUT NO

X139171 43 21.24 0 KOMAT GENERAL F KMSI YES

X1263 6 0 17 KAC GENERAL H KMSI NO


X141927 13 2.41 0 KOMAT GENERAL D KMSI YES


X145583 22 1.35 0 KOMAT GET B PTUT NO

X146475 60 70.55 0 KOMAT HOSE M PTUT NO

X564325 4 251.75 17 KMG GENERAL K KMSI NO



X148459 16 5.34 0 KOMAT GENERAL H KMSI YES

X148469 18 25.26 0 KOMAT GENERAL H KMSI YES

X148600 1 20.6 0 KOMAT GENERAL D PTUT NO

X153698 7 11.41 0 KOMAT GENERAL E KMSI YES


X163715 3 38.16 0 KOMAT GENERAL L KMSI YES



X320024 2 80.32 27 KOMAT GENERAL G PTUT NO

X3049 9 337.4 21 KOMAT GENERAL K PTUT NO

X79755 12 313.48 20 KAC GENERAL D KMSI NO

X258805 16 31.5 11 KOMAT FILTER C PTUT NO

X98519 1 61840 0 REMAN GENERAL D KMSI NO

X62233 8 506.46 0 KOMAT KGO N KMSI NO


X452241 1 249.5 0 KOMAT COOLANT-GREASE N PTUT NO

X302611 279 82.11 0 KOMAT FILTER C PTUT NO

X302618 1 247.5 0 KOMAT FILTER E KMSI NO

X401045 4 625.2 0 KOMAT FILTER F PTUT NO

X2302 6 24.81 0 KAC GENERAL Z KMSI NO

X111055 11 55.02 0 KOMAT FILTER E KMSI NO

X456734 194 387 0 KOMAT FILTER F PTUT NO

X325633 4 8.2 0 KMG GENERAL M KMSI NO

X319609 5 44.58 0 KMG GENERAL M PTUT NO


X351189 22 8.76 0 KMG GENERAL E KMSI NO


Identifikasi Penyusunan Draft SDL

Lampiran 4



X463843 89 24.63 0 KOMAT GENERAL K KMSI YES




X3936 1 131.53 0 KAC GENERAL T KMSI NO





…. …. …. …. …. …. …. …. ….












X316736 85 25.72 0 KOMAT GENERAL L KMSI YES





X471872 373 38.95 0 KOMAT GENERAL G KMSI YES









X416524 322 244.6 0 KOMAT COOLANT-GREASE N KMSI NO






X351185 2 33.8 0 KMG GENERAL N KMSI NO

X351555 9 73.02 0 KMG GENERAL N KMSI NO


X318625 20 78.21 0 KOMAT GENERAL G KMSI YES





X417313 1 208.1 0 KOMAT FILTER M KMSI NO





X98233 17 33740 0 REMAN GENERAL F KMSI NO



X331228 24 552 0 KOMAT GENERAL M KMSI YES



*Hanya menampilkan secara acak 100 item dari total 17303 item

Part NumberOne Last Year

Demand (Qty)Price (USD) AUV Amount Kumulatif

%kumulatif

AUV

Number of

Item

%kumulatif

item Rank

X248852 1685 628.2 1,058,517.0 1,058,517.0 2.44% 1 0.01% A

X516533 215 4,472.0 961,480.0 2,019,997.0 4.66% 2 0.03% A

X516531 205 4,472.0 916,760.0 2,936,757.0 6.78% 3 0.04% A

X403262 218 2,900.0 632,200.0 3,568,957.0 8.23% 4 0.06% A

X418221 218 1,768.5 385,533.0 3,954,490.0 9.12% 5 0.07% A

X458380 919 390.2 358,593.8 4,313,083.8 9.95% 6 0.09% A

X457237 26 12,142.9 315,715.4 4,628,799.2 10.68% 7 0.10% A

X245775 71 4,366.9 310,049.9 4,938,849.1 11.40% 8 0.11% A

X457277 9 33,409.1 300,681.9 5,239,531.0 12.09% 9 0.13% A

X455453 896 305.0 273,280.0 5,512,811.0 12.72% 10 0.14% A

X457460 516 528.8 272,860.8 5,785,671.8 13.35% 11 0.16% A

X291879 6 44,732.4 268,394.4 6,054,066.2 13.97% 12 0.17% A

X461637 213 1,089.7 232,106.1 6,286,172.3 14.50% 13 0.19% A

X513366 335 686.4 229,944.0 6,516,116.3 15.03% 14 0.20% A

X458275 466 490.8 228,712.8 6,744,829.1 15.56% 15 0.21% A

X458277 426 456.7 194,554.2 6,939,383.3 16.01% 16 0.23% A

X458378 1357 142.1 192,829.7 7,132,213.0 16.46% 17 0.24% A

X545447 226 828.2 187,173.2 7,319,386.2 16.89% 18 0.26% A

X252773 230 801.9 184,437.0 7,503,823.2 17.31% 19 0.27% A

X538328 38 4,297.8 163,316.4 7,667,139.6 17.69% 20 0.28% A

X300115 217 751.4 163,053.8 7,830,193.4 18.07% 21 0.30% A

X458264 144 1,089.7 156,916.8 7,987,110.2 18.43% 22 0.31% A

X466059 303 517.8 156,893.4 8,144,003.6 18.79% 23 0.33% A

X457459 421 365.5 153,875.5 8,297,879.1 19.15% 24 0.34% A

X461481 21 7,247.8 152,203.8 8,450,082.9 19.50% 25 0.36% A

X457840 34 4,470.5 151,997.0 8,602,079.9 19.85% 26 0.37% A

X248832 179 845.4 151,326.6 8,753,406.5 20.20% 27 0.38% A

X246437 40 3,705.7 148,228.0 8,901,634.5 20.54% 28 0.40% A

X332630 279 529.1 147,618.9 9,049,253.4 20.88% 29 0.41% A

X538961 10 14,622.3 146,223.0 9,195,476.4 21.22% 30 0.43% A

X406753 558 260.6 145,414.8 9,340,891.2 21.55% 31 0.44% A

X298459 2 69,949.1 139,898.2 9,480,789.4 21.87% 32 0.46% A

X452925 216 642.8 138,844.8 9,619,634.2 22.20% 33 0.47% A

X457061 172 805.0 138,460.0 9,758,094.2 22.51% 34 0.48% A

X292087 35 3,846.1 134,613.5 9,892,707.7 22.83% 35 0.50% A

X452685 63 2,031.8 128,003.4 10,020,711.1 23.12% 36 0.51% A

X511113 83 1,500.0 124,500.0 10,145,211.1 23.41% 37 0.53% A

X545822 31 4,003.7 124,114.7 10,269,325.8 23.69% 38 0.54% A

X457780 569 217.8 123,928.2 10,393,254.0 23.98% 39 0.56% A

X159299 334 370.3 123,680.2 10,516,934.2 24.27% 40 0.57% A

X545871 30 4,102.4 123,072.0 10,640,006.2 24.55% 41 0.58% A

X464390 280 432.5 121,100.0 10,761,106.2 24.83% 42 0.60% A

Analisa Klasifikasi Berdasarkan AUV Menggunakan ABC Rank

Lampiran 5

X457197 38 3,174.4 120,627.2 10,881,733.4 25.11% 43 0.61% A

X452319 200 585.1 117,020.0 10,998,753.4 25.38% 44 0.63% A

X251067 80 1,446.9 115,752.0 11,114,505.4 25.64% 45 0.64% A

X457775 909 126.7 115,170.3 11,229,675.7 25.91% 46 0.66% A

X474110 145 791.2 114,724.0 11,344,399.7 26.17% 47 0.67% A

X459447 303 373.8 113,261.4 11,457,661.1 26.44% 48 0.68% A

X458280 262 430.7 112,843.4 11,570,504.5 26.70% 49 0.70% A

X545713 8 14,103.2 112,825.6 11,683,330.1 26.96% 50 0.71% A

…… …… …… …… …… …… …… …… ……

X537789 4 2,881.5 11,526.0 34,137,135.3 78.76% 742 10.57% A

X230555 6 1,920.0 11,520.0 34,148,655.3 78.79% 743 10.58% A

X292291 25 460.6 11,515.0 34,160,170.3 78.82% 744 10.60% A

X229813 41 280.0 11,480.0 34,171,650.3 78.84% 745 10.61% A

X240352 10 1,142.2 11,422.0 34,183,072.3 78.87% 746 10.63% A

X457053 3 3,780.0 11,340.0 34,194,412.3 78.90% 747 10.64% A

X477104 34 333.4 11,335.6 34,205,747.9 78.92% 748 10.66% A

X465227 54 209.9 11,334.6 34,217,082.5 78.95% 749 10.67% A

X457259 62 182.6 11,321.2 34,228,403.7 78.97% 750 10.68% A

X410455 1331 8.5 11,313.5 34,239,717.2 79.00% 751 10.70% A

X301481 120 94.2 11,302.8 34,251,020.0 79.03% 752 10.71% A

X252967 206 54.9 11,299.1 34,262,319.1 79.05% 753 10.73% A

X459449 552 20.4 11,277.4 34,273,596.5 79.08% 754 10.74% A

X270932 11 1,020.0 11,220.0 34,284,816.5 79.10% 755 10.75% A

X529763 8 1,400.0 11,200.0 34,296,016.5 79.13% 756 10.77% A

X458261 3 3,727.2 11,181.6 34,307,198.1 79.16% 757 10.78% A

X254323 69 161.6 11,150.4 34,318,348.5 79.18% 758 10.80% A

X331238 17 652.5 11,092.5 34,329,441.0 79.21% 759 10.81% A

X553277 9 1,231.9 11,087.1 34,340,528.1 79.23% 760 10.83% A

X542765 27 409.1 11,045.7 34,351,573.8 79.26% 761 10.84% A

X412405 32 344.4 11,020.8 34,362,594.6 79.28% 762 10.85% A

X513061 3 3,673.2 11,019.6 34,373,614.2 79.31% 763 10.87% A

X301151 2 5,497.9 10,995.8 34,384,610.0 79.34% 764 10.88% A

X204767 8 1,372.4 10,979.2 34,395,589.2 79.36% 765 10.90% A

X203976 52 210.1 10,925.2 34,406,514.4 79.39% 766 10.91% A

X477118 45 242.7 10,921.5 34,417,435.9 79.41% 767 10.93% A

X457414 41 266.3 10,918.3 34,428,354.2 79.44% 768 10.94% A

X331734 47 231.7 10,889.9 34,439,244.1 79.46% 769 10.95% A

X535561 8 1,360.3 10,882.4 34,450,126.5 79.49% 770 10.97% A

X457716 299 36.3 10,856.7 34,460,983.1 79.51% 771 10.98% A

X247530 115 93.9 10,802.0 34,471,785.1 79.54% 772 11.00% A

X412430 24 450.0 10,800.0 34,482,585.1 79.56% 773 11.01% A

X473269 10 1,079.9 10,799.0 34,493,384.1 79.59% 774 11.03% A

X561113 42 256.5 10,773.0 34,504,157.1 79.61% 775 11.04% A

X298318 4 2,683.7 10,734.8 34,514,891.9 79.64% 776 11.05% A

X248001 8 1,341.6 10,732.8 34,525,624.7 79.66% 777 11.07% A

X332985 10 1,068.9 10,689.0 34,536,313.7 79.69% 778 11.08% A

X394214 239 44.7 10,673.7 34,546,987.4 79.71% 779 11.10% A

X297642 194 55.0 10,671.9 34,557,659.4 79.73% 780 11.11% A

X229985 8 1,333.1 10,664.8 34,568,324.2 79.76% 781 11.13% A

X543142 54 197.3 10,654.2 34,578,978.4 79.78% 782 11.14% A

X473020 19 560.6 10,651.4 34,589,629.8 79.81% 783 11.15% A

X538255 2 5,304.5 10,609.0 34,600,238.8 79.83% 784 11.17% A

X331673 3 3,530.0 10,590.0 34,610,828.8 79.86% 785 11.18% A

X218206 6 1,758.7 10,552.2 34,621,381.0 79.88% 786 11.20% A

X150300 18 586.0 10,548.0 34,631,929.0 79.91% 787 11.21% A

X452261 3 3,513.3 10,539.9 34,642,468.9 79.93% 788 11.23% A

X231079 184 57.2 10,523.0 34,652,991.8 79.95% 789 11.24% A

X544722 66 158.6 10,467.6 34,663,459.4 79.98% 790 11.25% A

X291902 425 24.6 10,450.8 34,673,910.2 80.00% 791 11.27% A

X452644 4 2,612.5 10,450.0 34,684,360.2 80.03% 792 11.28% B

X543091 48 216.8 10,406.4 34,694,766.6 80.05% 793 11.30% B

X166606 85 122.4 10,404.0 34,705,170.6 80.07% 794 11.31% B

X292124 31 335.3 10,394.3 34,715,564.9 80.10% 795 11.32% B

X245683 45 230.6 10,377.0 34,725,941.9 80.12% 796 11.34% B

X303789 11 939.3 10,332.3 34,736,274.2 80.15% 797 11.35% B

X405857 33 313.0 10,329.0 34,746,603.2 80.17% 798 11.37% B

X464270 10 1,029.6 10,296.0 34,756,899.2 80.19% 799 11.38% B

X512340 3 3,429.3 10,287.9 34,767,187.1 80.22% 800 11.40% B

X231159 32 321.2 10,278.4 34,777,465.5 80.24% 801 11.41% B

X415847 5 2,055.4 10,277.0 34,787,742.5 80.27% 802 11.42% B

X416793 47 218.6 10,274.2 34,798,016.7 80.29% 803 11.44% B

X332636 77 133.4 10,271.8 34,808,288.5 80.31% 804 11.45% B

X291903 471 21.8 10,267.8 34,818,556.3 80.34% 805 11.47% B

X230768 3 3,412.4 10,237.2 34,828,793.5 80.36% 806 11.48% B

X452259 5 2,047.2 10,236.0 34,839,029.5 80.38% 807 11.50% B

X546467 11 929.1 10,220.1 34,849,249.6 80.41% 808 11.51% B

X546468 11 929.1 10,220.1 34,859,469.7 80.43% 809 11.52% B

X64527 19 537.0 10,203.0 34,869,672.7 80.45% 810 11.54% B

X166882 51 200.0 10,200.0 34,879,872.7 80.48% 811 11.55% B

X452837 26 391.8 10,186.8 34,890,059.5 80.50% 812 11.57% B

X513051 36 282.9 10,184.4 34,900,243.9 80.52% 813 11.58% B

X512676 55 184.8 10,164.0 34,910,407.9 80.55% 814 11.60% B

X568151 4 2,541.0 10,164.0 34,920,571.9 80.57% 815 11.61% B

X408766 54 187.9 10,146.6 34,930,718.5 80.60% 816 11.62% B

X203128 168 60.4 10,140.5 34,940,859.0 80.62% 817 11.64% B

X543983 56 181.0 10,136.0 34,950,995.0 80.64% 818 11.65% B

X246394 1 10,135.6 10,135.6 34,961,130.6 80.67% 819 11.67% B

X471501 563 18.0 10,134.0 34,971,264.6 80.69% 820 11.68% B

X252777 128 79.2 10,132.5 34,981,397.0 80.71% 821 11.70% B

X455452 4 2,527.0 10,108.0 34,991,505.0 80.74% 822 11.71% B

X328133 6 1,684.4 10,106.4 35,001,611.4 80.76% 823 11.72% B

X293113 16 630.9 10,094.4 35,011,705.8 80.78% 824 11.74% B

X457159 5 2,016.0 10,080.0 35,021,785.8 80.81% 825 11.75% B

X327171 62 161.7 10,025.4 35,031,811.2 80.83% 826 11.77% B

X165989 86 116.4 10,010.4 35,041,821.6 80.85% 827 11.78% B

X245697 46 217.5 10,005.0 35,051,826.6 80.87% 828 11.79% B

X471414 144 69.4 9,990.7 35,061,817.4 80.90% 829 11.81% B

X292109 20 499.1 9,982.0 35,071,799.4 80.92% 830 11.82% B

X298722 2 4,981.8 9,963.6 35,081,763.0 80.94% 831 11.84% B

X543225 25 397.7 9,942.5 35,091,705.5 80.97% 832 11.85% B

X549024 19 522.5 9,927.5 35,101,633.0 80.99% 833 11.87% B

X568166 338 29.4 9,923.7 35,111,556.6 81.01% 834 11.88% B

X455629 155 64.0 9,923.1 35,121,479.7 81.04% 835 11.89% B

X231318 2 4,961.2 9,922.4 35,131,402.1 81.06% 836 11.91% B

X255055 39 253.6 9,890.4 35,141,292.5 81.08% 837 11.92% B

X510985 34 290.5 9,877.0 35,151,169.5 81.10% 838 11.94% B

X150854 38 259.7 9,868.6 35,161,038.1 81.13% 839 11.95% B

X452854 41 240.4 9,856.4 35,170,894.5 81.15% 840 11.97% B

X301155 3 3,284.5 9,853.5 35,180,748.0 81.17% 841 11.98% B

…… …… …… …… …… …… …… …… ……

X506217 122 8.6 1,046.8 42,203,503.6 97.38% 2848 40.57% B

X204001 11 95.1 1,046.5 42,204,550.1 97.38% 2849 40.58% B

X492350 66 15.9 1,046.1 42,205,596.2 97.38% 2850 40.60% B

X247509 137 7.6 1,045.3 42,206,641.5 97.38% 2851 40.61% B

X298471 17 61.3 1,042.8 42,207,684.3 97.39% 2852 40.63% B

X403096 4 260.6 1,042.4 42,208,726.7 97.39% 2853 40.64% B

X473025 1 1,042.4 1,042.4 42,209,769.1 97.39% 2854 40.66% B

X255092 25 41.6 1,041.0 42,210,810.1 97.39% 2855 40.67% B

X245781 15 69.4 1,040.9 42,211,851.0 97.39% 2856 40.68% B

X245783 18 57.8 1,040.6 42,212,891.6 97.40% 2857 40.70% B

X544065 11 94.5 1,039.0 42,213,930.5 97.40% 2858 40.71% B

X459611 21 49.5 1,038.9 42,214,969.4 97.40% 2859 40.73% B

X331162 5 206.6 1,033.0 42,216,002.4 97.40% 2860 40.74% B

X334686 1 1,032.9 1,032.9 42,217,035.3 97.41% 2861 40.75% B

X313950 87 11.9 1,031.8 42,218,067.1 97.41% 2862 40.77% B

X417565 4 257.9 1,031.6 42,219,098.7 97.41% 2863 40.78% B

X529708 5 205.9 1,029.5 42,220,128.2 97.41% 2864 40.80% B

X199220 6 171.5 1,029.0 42,221,157.2 97.42% 2865 40.81% B

X458994 2 513.8 1,027.6 42,222,184.8 97.42% 2866 40.83% B

X320853 8 128.4 1,027.2 42,223,212.0 97.42% 2867 40.84% B

X247690 1 1,022.0 1,022.0 42,224,234.0 97.42% 2868 40.85% B

X452923 23 44.4 1,021.2 42,225,255.2 97.43% 2869 40.87% B

X268640 133 7.7 1,020.1 42,226,275.3 97.43% 2870 40.88% B

X471028 4 254.6 1,018.4 42,227,293.7 97.43% 2871 40.90% B

X549315 7 145.3 1,017.1 42,228,310.8 97.43% 2872 40.91% B

X312222 39 26.1 1,016.0 42,229,326.8 97.44% 2873 40.93% B

X342082 26 39.0 1,014.5 42,230,341.3 97.44% 2874 40.94% B

X509505 61 16.6 1,014.4 42,231,355.7 97.44% 2875 40.95% B

X301749 8 126.7 1,013.6 42,232,369.3 97.44% 2876 40.97% B

X332661 6 168.4 1,010.4 42,233,379.7 97.44% 2877 40.98% B

X251258 1 1,010.0 1,010.0 42,234,389.7 97.45% 2878 41.00% B

X328109 74 13.6 1,009.4 42,235,399.1 97.45% 2879 41.01% B

X247631 27 37.4 1,008.5 42,236,407.5 97.45% 2880 41.03% B

X459325 3 336.1 1,008.3 42,237,415.8 97.45% 2881 41.04% B

X298025 15 67.2 1,007.9 42,238,423.7 97.46% 2882 41.05% B

X230458 15 67.1 1,006.2 42,239,429.9 97.46% 2883 41.07% B

X483595 88 11.4 1,005.8 42,240,435.7 97.46% 2884 41.08% B

X330917 8 125.7 1,005.6 42,241,441.3 97.46% 2885 41.10% B

X549064 4 251.4 1,005.6 42,242,446.9 97.47% 2886 41.11% B

X461419 4 251.3 1,005.2 42,243,452.1 97.47% 2887 41.13% B

X545414 3 334.3 1,002.9 42,244,455.0 97.47% 2888 41.14% B

X331828 1 1,002.3 1,002.3 42,245,457.3 97.47% 2889 41.15% B

X457244 1 1,002.3 1,002.3 42,246,459.6 97.47% 2890 41.17% B

X330693 18 55.6 1,001.5 42,247,461.1 97.48% 2891 41.18% B

X415491 1 1,000.9 1,000.9 42,248,462.0 97.48% 2892 41.20% B

X254230 15 66.7 1,000.4 42,249,462.4 97.48% 2893 41.21% B

X219633 2 500.0 1,000.0 42,250,462.4 97.48% 2894 41.23% B

X509771 1 999.9 999.9 42,251,462.3 97.49% 2895 41.24% B

X298015 11 90.9 999.4 42,252,461.6 97.49% 2896 41.25% B

X331197 13 76.9 999.3 42,253,460.9 97.49% 2897 41.27% B

X251554 27 37.0 998.2 42,254,459.1 97.49% 2898 41.28% C

X253344 5 199.6 998.0 42,255,457.1 97.50% 2899 41.30% C

X298035 1 997.1 997.1 42,256,454.2 97.50% 2900 41.31% C

X530552 5 199.4 997.0 42,257,451.2 97.50% 2901 41.32% C

X489365 11 90.6 996.2 42,258,447.4 97.50% 2902 41.34% C

X508894 18 55.3 995.4 42,259,442.8 97.50% 2903 41.35% C

X511825 348 2.9 995.3 42,260,438.1 97.51% 2904 41.37% C

X571171 17 58.5 994.3 42,261,432.4 97.51% 2905 41.38% C

X457311 3 331.3 993.9 42,262,426.3 97.51% 2906 41.40% C

X331601 18 55.2 993.8 42,263,420.1 97.51% 2907 41.41% C

X453470 16 62.0 992.5 42,264,412.6 97.52% 2908 41.42% C

X285135 60 16.5 992.4 42,265,405.0 97.52% 2909 41.44% C

X488108 21 47.2 990.8 42,266,395.7 97.52% 2910 41.45% C

X474719 3 330.1 990.3 42,267,386.0 97.52% 2911 41.47% C

X332666 5 197.8 989.0 42,268,375.0 97.53% 2912 41.48% C

X300838 54 18.3 987.1 42,269,362.2 97.53% 2913 41.50% C

X500633 11 89.6 985.2 42,270,347.3 97.53% 2914 41.51% C

X544217 10 98.5 985.1 42,271,332.4 97.53% 2915 41.52% C

X285404 7 140.7 984.9 42,272,317.3 97.53% 2916 41.54% C

X467342 25 39.4 984.5 42,273,301.8 97.54% 2917 41.55% C

X289127 23 42.7 981.6 42,274,283.5 97.54% 2918 41.57% C

X458855 1 981.2 981.2 42,275,264.7 97.54% 2919 41.58% C

X301191 2 489.7 979.4 42,276,244.1 97.54% 2920 41.60% C

X299977 4 244.8 979.2 42,277,223.3 97.55% 2921 41.61% C

X456891 1 978.2 978.2 42,278,201.5 97.55% 2922 41.62% C

X456982 2 488.8 977.6 42,279,179.1 97.55% 2923 41.64% C

X417116 3 325.7 977.1 42,280,156.2 97.55% 2924 41.65% C

X507520 56 17.4 975.5 42,281,131.7 97.55% 2925 41.67% C

X256007 12 81.1 973.7 42,282,105.4 97.56% 2926 41.68% C

X299423 1 973.3 973.3 42,283,078.7 97.56% 2927 41.70% C

X510571 28 34.7 972.7 42,284,051.4 97.56% 2928 41.71% C

X280139 51 19.1 972.6 42,285,023.9 97.56% 2929 41.72% C

X549029 3 324.1 972.3 42,285,996.2 97.57% 2930 41.74% C

X281694 15 64.8 972.2 42,286,968.4 97.57% 2931 41.75% C

X505883 32 30.3 970.6 42,287,939.0 97.57% 2932 41.77% C

X281677 11 88.2 970.4 42,288,909.4 97.57% 2933 41.78% C

X457994 4 242.6 970.4 42,289,879.8 97.57% 2934 41.79% C

X513823 11 88.2 969.9 42,290,849.6 97.58% 2935 41.81% C

X282820 4 242.4 969.6 42,291,819.2 97.58% 2936 41.82% C

X508806 3 323.2 969.6 42,292,788.8 97.58% 2937 41.84% C

X458856 1 968.4 968.4 42,293,757.2 97.58% 2938 41.85% C

X154852 105 9.2 968.1 42,294,725.3 97.59% 2939 41.87% C

X331745 130 7.4 967.2 42,295,692.5 97.59% 2940 41.88% C

X544184 2 483.6 967.2 42,296,659.7 97.59% 2941 41.89% C

X159346 31 31.2 967.2 42,297,626.9 97.59% 2942 41.91% C

X202675 1 966.8 966.8 42,298,593.7 97.59% 2943 41.92% C

X467190 4 241.5 966.0 42,299,559.7 97.60% 2944 41.94% C

X300832 26 37.2 965.9 42,300,525.6 97.60% 2945 41.95% C

X548979 2 482.3 964.6 42,301,490.2 97.60% 2946 41.97% C

X291855 7 137.7 963.9 42,302,454.1 97.60% 2947 41.98% C

…… …… …… …… …… …… …… …… ……

X397742 2 1.1 2.2 43,340,893.0 100.00% 6971 99.30% C

X165792 2 1.1 2.2 43,340,895.2 100.00% 6972 99.32% C

X147981 5 0.4 2.1 43,340,897.2 100.00% 6973 99.33% C

X154071 5 0.4 2.1 43,340,899.3 100.00% 6974 99.34% C

X498678 1 2.0 2.0 43,340,901.3 100.00% 6975 99.36% C

X235413 1 2.0 2.0 43,340,903.3 100.00% 6976 99.37% C

X148098 9 0.2 2.0 43,340,905.3 100.00% 6977 99.39% C

X148101 6 0.3 2.0 43,340,907.3 100.00% 6978 99.40% C

X532353 3 0.7 2.0 43,340,909.2 100.00% 6979 99.42% C

X529562 2 1.0 1.9 43,340,911.1 100.00% 6980 99.43% C

X537238 1 1.9 1.9 43,340,913.0 100.00% 6981 99.44% C

X251079 3 0.6 1.9 43,340,914.9 100.00% 6982 99.46% C

X147991 2 0.9 1.8 43,340,916.7 100.00% 6983 99.47% C

X148087 10 0.2 1.7 43,340,918.4 100.00% 6984 99.49% C

X147970 8 0.2 1.6 43,340,920.0 100.00% 6985 99.50% C

X166160 2 0.7 1.4 43,340,921.4 100.00% 6986 99.52% C

X159709 1 1.4 1.4 43,340,922.8 100.00% 6987 99.53% C

X159712 1 1.4 1.4 43,340,924.2 100.00% 6988 99.54% C

X148115 1 1.3 1.3 43,340,925.5 100.00% 6989 99.56% C

X159708 1 1.3 1.3 43,340,926.7 100.00% 6990 99.57% C

X147807 3 0.4 1.2 43,340,927.9 100.00% 6991 99.59% C

X154062 3 0.4 1.1 43,340,929.1 100.00% 6992 99.60% C

X147975 4 0.3 1.1 43,340,930.2 100.00% 6993 99.62% C

X415364 1 1.1 1.1 43,340,931.3 100.00% 6994 99.63% C

X415365 1 1.1 1.1 43,340,932.4 100.00% 6995 99.64% C

X533282 1 1.0 1.0 43,340,933.4 100.00% 6996 99.66% C

X148957 1 1.0 1.0 43,340,934.4 100.00% 6997 99.67% C

X166158 2 0.5 0.9 43,340,935.4 100.00% 6998 99.69% C

X148125 13 0.1 0.9 43,340,936.3 100.00% 6999 99.70% C

X148951 1 0.9 0.9 43,340,937.1 100.00% 7000 99.72% C

X147977 2 0.4 0.8 43,340,938.0 100.00% 7001 99.73% C

X148134 8 0.1 0.8 43,340,938.8 100.00% 7002 99.74% C

X532614 1 0.8 0.8 43,340,939.5 100.00% 7003 99.76% C

X148160 4 0.2 0.7 43,340,940.3 100.00% 7004 99.77% C

X553668 1 0.7 0.7 43,340,941.0 100.00% 7005 99.79% C

X149873 2 0.3 0.7 43,340,941.6 100.00% 7006 99.80% C

X166144 2 0.3 0.7 43,340,942.3 100.00% 7007 99.81% C

X166157 2 0.3 0.7 43,340,943.0 100.00% 7008 99.83% C

X529320 1 0.6 0.6 43,340,943.6 100.00% 7009 99.84% C

X148107 1 0.6 0.6 43,340,944.1 100.00% 7010 99.86% C

X77407 1 0.6 0.6 43,340,944.7 100.00% 7011 99.87% C

X154075 1 0.5 0.5 43,340,945.2 100.00% 7012 99.89% C

X148091 3 0.2 0.5 43,340,945.6 100.00% 7013 99.90% C

X147835 1 0.4 0.4 43,340,946.1 100.00% 7014 99.91% C

X148053 4 0.1 0.4 43,340,946.4 100.00% 7015 99.93% C

X407057 1 0.3 0.3 43,340,946.8 100.00% 7016 99.94% C

X147976 1 0.3 0.3 43,340,947.1 100.00% 7017 99.96% C

X148038 4 0.1 0.2 43,340,947.3 100.00% 7018 99.97% C

X148063 1 0.1 0.1 43,340,947.4 100.00% 7019 99.99% C

X148124 1 0.1 0.1 43,340,947.5 100.00% 7020 100.00% C

*Hanya menampilkan 50 item tertinggi dan terendah dari masing-masing rank

Lampiran 6

Forecast : Moving Average 4.16 -0.22

PNX2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582 48 76 78 14 78 58 17 92 86 42 95 49.00 50.67 40.83 43.17 57.50 62.17 -9.00 33.67 -51.17 -42.83 15.50 -32.83 30.83 -2.81

X136011 25 27 1 22 2 28 9 12 46 12.50 8.67 8.83 10.17 10.17 12.17 10.50 -19.33 -0.17 10.17 -1.83 -33.83 12.64 -2.73

X146626 2 2 2 1 1 1 1 3 4 4 1 1.33 1.17 1.00 1.17 1.67 2.33 0.33 0.17 -2.00 -2.83 -2.33 1.33 1.50 -3.56

X146896 1 4 1 1 1 2 3 1 5 1.33 1.67 1.50 1.33 1.33 2.00 -0.67 1.67 -1.50 0.33 -3.67 2.00 1.64 -1.12

X146918 1 2 2 4 4 5 1 1 1 1 7 3.00 3.00 2.83 2.67 2.17 2.67 2.00 2.00 1.83 1.67 -4.83 2.67 2.50 2.13

X146935 1 3 2 3 3 5 1.00 1.50 1.33 1.33 1.00 1.83 -2.00 1.50 -1.67 1.33 -4.00 1.83 2.06 -1.46

X147124 4 3 2 6 1 2 2 4 4 4 3.00 2.67 2.17 2.50 1.50 2.00 1.00 2.67 -1.83 2.50 -2.50 -2.00 2.08 -0.08

X147137 2 3 3 1 2 2 2 4 2 5 1.83 2.17 2.17 2.33 2.17 2.83 -0.17 0.17 -1.83 0.33 -2.83 2.83 1.36 -1.10

X147675 49 30 43 27 41 24 87 180 79 67 155 160 35.67 42.00 67.00 73.00 79.67 98.67 -51.33 -138.00 -12.00 6.00 -75.33 -61.33 57.33 -5.79

X147928 42 26 27 11 20 11 16 8 17 14 24 21 22.83 18.50 15.50 13.83 14.33 15.00 6.83 10.50 -1.50 -0.17 -9.67 -6.00 5.78 0.00

X148843 7 2 4 8 3 2 2 2 6 21 4.00 2.83 2.83 2.50 2.83 2.50 4.00 0.83 0.83 0.50 -3.17 -18.50 4.64 -3.34

X149777 9 13 14 5 1 7 5 1 3 7.00 5.50 3.33 4.50 3.00 2.33 7.00 5.50 -3.67 -0.50 2.00 -0.67 3.22 3.00

X149786 20 5 11 14 2 8 5 6 8.67 5.33 4.50 4.50 4.00 2.50 8.67 5.33 4.50 -3.50 -1.00 -3.50 4.42 2.38

X150193 5 6 3 1 2 7 3 7 6 2 2.83 2.00 2.17 2.17 3.17 3.83 2.83 -5.00 -0.83 -4.83 -2.83 1.83 3.03 -2.92

X150200 1 2 1 1 1 1 0.50 0.50 0.33 0.50 0.50 0.67 -0.50 -0.50 -0.67 0.50 -0.50 0.67 0.56 -1.80

X150294 1 0.00 0.00 0.00 0.17 0.17 0.17 0.00 0.00 -1.00 0.17 0.17 0.17 0.25 -2.00

X150300 1 1 1 4 2 2 3 4 0.50 0.50 1.17 1.33 1.50 2.00 0.50 -3.50 -0.83 -0.67 -1.50 -2.00 1.50 -5.33

X150361 2 5 2 3 6 1.50 1.17 0.33 0.00 0.00 0.50 1.50 1.17 0.33 0.00 -3.00 -5.50 1.92 -2.87

X150362 2 6 2 3 6 1.67 1.33 0.33 0.00 0.00 0.50 1.67 1.33 0.33 0.00 -3.00 -5.50 1.97 -2.62

X150600 1 2 1 0.50 0.33 0.33 0.00 0.00 0.00 0.50 0.33 0.33 0.00 0.00 -1.00 0.36 0.46

X150617 2 3 2 1 2 2 1.17 1.33 1.00 0.83 0.83 1.17 0.17 1.33 -1.00 0.83 -1.17 1.17 0.94 1.41

X150618 5 6 2 4 1 1 1 1 1 2.83 2.17 2.33 1.50 1.17 1.33 1.83 1.17 1.33 1.50 0.17 0.33 1.06 6.00

X150632 8 4 1.33 0.67 0.67 0.67 0.67 0.67 -2.67 0.67 0.67 0.67 0.67 0.67 1.00 0.67

X150837 9 22 4 2 15 6 12 10 6 6.17 7.17 8.17 6.50 7.50 8.17 -8.83 1.17 -3.83 -3.50 1.50 8.17 4.50 -1.19

X150854 5 6 6 2 3 4 1 1 3 1 3 3 4.33 3.67 2.83 2.33 2.17 2.17 3.33 2.67 -0.17 1.33 -0.83 -0.83 1.53 3.60

X150860 1 3 1 1 1 1 2 2 4 1.00 1.00 1.17 1.00 1.17 1.00 0.00 0.00 -0.83 -1.00 1.17 -3.00 1.00 -3.67

X150872 1 1 1 1 4 0.33 0.50 0.67 1.33 1.17 1.17 -0.67 -0.50 -3.33 1.33 1.17 1.17 1.36 -0.61

X151105 9 11 4 1 1 3 1 1 1 4.17 2.83 1.00 0.83 0.83 1.00 3.17 2.83 -2.00 -0.17 -0.17 0.00 1.39 2.64

X151111 40 38 13 2 7 7 8 29 9 14 25 18 17.83 12.50 11.00 10.33 12.33 15.33 9.83 -16.50 2.00 -3.67 -12.67 -2.67 7.89 -3.00

X151124 1 2 3 2 2 3 3 3 1.33 1.17 1.17 1.17 1.67 1.83 1.33 -0.83 -1.83 -1.83 -1.33 1.83 1.50 -1.78

X151126 1 2 1 4 1 0.67 0.50 0.50 1.17 0.83 0.83 0.67 0.50 -3.50 1.17 -0.17 0.83 1.14 -0.44

X151228 6 7 11 10 2 1 2 6.00 5.17 4.00 2.50 0.83 0.83 5.00 5.17 2.00 2.50 0.83 0.83 2.72 6.00

X151307 2 2 0.00 0.00 0.00 0.33 0.33 0.33 0.00 0.00 -2.00 0.33 0.33 -1.67 0.72 -4.15

X151403 24 1 13 22 4 2 6 6 11.00 7.00 6.83 5.67 3.00 2.33 11.00 7.00 0.83 -0.33 3.00 2.33 4.08 5.84

X151407 8 9 9 11 2 6 3 3 6.17 4.83 3.33 3.67 3.17 1.83 6.17 4.83 1.33 -2.33 0.17 -1.17 2.67 3.38

X151441 3 18 2 2 4 3 9 3.83 3.83 3.67 1.33 1.33 1.83 3.83 1.83 -0.33 1.33 -1.67 -7.17 2.69 -0.80

X151478 2 2 3 3 2 2 5 6 2 4 5 2.33 2.00 2.50 3.00 2.83 3.17 2.33 -3.00 -3.50 1.00 -1.17 -1.83 2.14 -2.88

X151496 1 1 4 1 4 1 0.33 0.83 0.83 0.83 0.83 1.50 -3.67 -0.17 0.83 0.83 -3.17 0.50 1.53 -3.16

X151506 4 6 4 1 4 1 11 1 3 1 1 12 3.33 4.50 3.67 3.50 3.50 3.00 -7.67 3.50 0.67 2.50 2.50 -9.00 4.31 -1.74

X151509 6 13 2 4 4 2 8 11 3.50 2.50 1.00 1.67 1.67 3.00 3.50 -1.50 -3.00 -0.33 -6.33 -8.00 3.78 -4.15

X151512 2 3 2 2 1 2 3 7 2 6 6 1.67 2.00 2.17 2.83 2.83 3.50 -0.33 -1.00 -4.83 0.83 -3.17 -2.50 2.11 -5.21

X151497 1 1 1 0.33 0.50 0.50 0.33 0.33 0.33 -0.67 0.50 0.50 0.33 0.33 0.33 0.44 3.00

X151517 2 2 1 0.00 0.00 0.00 0.00 0.33 0.67 0.00 0.00 0.00 -2.00 -1.67 -0.33 0.67 -6.00

X152316 31 14 6 5 17 13 26 49 15 18 26 12.17 9.17 11.17 18.33 20.83 23.00 -0.83 -16.83 -37.83 3.33 2.83 -3.00 10.78 -4.86

X152334 45 46 34 23 18 15 12 8 11 18 21 21 30.17 24.67 18.33 14.50 13.67 14.17 18.17 16.67 7.33 -3.50 -7.33 -6.83 9.97 2.46

X152952 15 34 2 18 7 2 32 14 36 36 12.67 10.17 4.83 9.83 9.17 14.00 12.67 8.17 -27.17 -4.17 -26.83 -22.00 16.83 -3.52

X151790 5 2 3 1 3 5 4 1 3 2 1.83 1.50 2.00 2.17 2.33 2.83 -1.17 -3.50 -2.00 1.17 -0.67 0.83 1.56 -3.43

X151869 2 4 4 8 5 4 2 3 12 3.00 3.50 4.17 3.83 3.83 3.67 -2.00 -0.50 2.17 3.83 0.83 -8.33 2.94 -1.36

X153046 320 205 28 7 167 138 175 77 266 240 218 552 144.17 120.00 98.67 138.33 177.17 185.67 -30.83 43.00 -167.33 -101.67 -40.83 -366.33 125.00 -5.31

Actual Forecast Error

MAD TS

X153229 156 115 57 80 22 87 116 153 74 134 284 71.67 60.17 60.33 76.33 88.67 97.67 -15.33 -55.83 -92.67 2.33 -45.33 -186.33 66.31 -5.93

X568428 7 2 1.50 1.50 1.50 0.33 0.33 0.00 1.50 1.50 1.50 0.33 0.33 0.00 0.86 6.00

X568430 6 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 0.00 0.83 6.00

X568610 7 6 3 4 1 2 3.33 2.33 2.33 1.33 1.33 1.17 2.33 2.33 2.33 1.33 -0.67 1.17 1.69 5.21

X571345 15 10 1 2 11 8 7 4 3 18 9 22 7.83 6.50 5.50 5.83 8.50 8.17 0.83 2.50 2.50 -12.17 -0.50 -13.83 5.39 -3.84

X3085 3 12 5 1 10 1 2 11 5.33 4.83 2.83 2.00 1.83 0.50 5.33 4.83 2.83 2.00 -0.17 -10.50 4.28 1.01

X3089 3 8 4 4 4 3 2 6 2 11 5 3.83 3.83 2.83 3.17 3.50 4.67 0.83 1.83 -3.17 1.17 -7.50 -0.33 2.47 -2.90

X3141 1 4 2 2 1 1 4 1 1.17 1.50 1.67 1.83 1.67 1.67 -0.83 0.50 0.67 1.83 -2.33 0.67 1.14 0.44

X3148 2 9 17 4 10 4 5 7 6 3 1 7.67 8.17 7.83 6.00 5.33 4.17 2.67 1.17 1.83 6.00 2.33 3.17 2.86 6.00

X3149 5 14 12 6 8 3 5 1 2 8.00 7.17 4.83 3.67 2.83 1.50 8.00 7.17 -0.17 2.67 2.83 -0.50 3.56 5.63

X3150 39 57 63 36 33 42 14 1 4 45.00 40.83 31.50 21.67 15.67 10.17 31.00 39.83 27.50 21.67 15.67 10.17 24.31 6.00

X3167 2 3 1 2 1 1 2 1 4 1.00 1.00 1.17 1.33 1.67 1.33 -1.00 0.00 0.17 -0.67 0.67 -2.67 0.86 -4.06

X3170 5 1 3 1 4 5 2 4 6 3 3.17 2.33 2.17 2.00 2.50 2.83 3.17 2.33 0.17 -2.00 -3.50 -0.17 1.89 0.00

X3178 1 2 11 5 8 5 6 5 8 3.17 4.33 5.17 5.83 6.67 4.83 -4.83 -0.67 -0.83 0.83 6.67 -3.17 2.83 -0.71

X3203 2 7 4 3 4 2 2 5 5 8 14 3.33 3.33 2.50 2.67 3.50 4.33 1.33 1.33 -2.50 -2.33 -4.50 -9.67 3.61 -4.52

X3217 10 9 4 3 1 3 8 1 5 6 7 6 5.00 4.67 3.33 3.50 4.00 5.00 -3.00 3.67 -1.67 -2.50 -3.00 -1.00 2.47 -3.03

X3219 2 6 1 2 6 4 1 4 2 1 2.83 3.17 2.33 2.83 2.50 1.83 -1.17 2.17 -1.67 2.83 0.50 0.83 1.53 2.29

X3220 1 10 18 3 8 1 2 1 1 6.83 7.00 5.50 2.50 2.00 0.83 4.83 6.00 5.50 2.50 1.00 0.83 3.44 6.00

X3221 1 0.00 0.00 0.00 0.17 0.17 0.17 0.00 0.00 -1.00 0.17 0.17 0.17 0.25 -2.00

X3228 1 1 1 0.17 0.17 0.17 0.17 0.17 0.33 0.17 0.17 0.17 0.17 -0.83 -0.67 0.36 -2.31

X3246 2 10 8 2 5 3 7 1 4 10 5.00 5.83 4.17 3.00 2.67 2.50 -2.00 5.83 3.17 3.00 -1.33 -7.50 3.81 0.31

X3267 1 1 3 1 3 2 3 1.00 1.33 1.33 1.17 1.50 1.00 -2.00 1.33 1.33 -0.83 1.50 -2.00 1.50 -0.44

X30791 1 1 1 1 4 1 2 0.67 1.17 1.17 1.17 1.00 1.17 -3.33 0.17 1.17 1.17 -1.00 1.17 1.33 -0.50

X30848 1 1 1 2 0.33 0.50 0.33 0.17 0.17 0.17 -0.67 0.50 0.33 0.17 0.17 -1.83 0.61 -2.18

X64735 8 12 8 8 4 12 4.67 4.67 2.67 2.67 3.33 5.33 -3.33 4.67 2.67 -1.33 -8.67 5.33 4.33 -0.15

X64737 4 6 4 2 1 1 5 1 2.33 2.00 1.17 1.33 1.33 2.17 0.33 1.00 0.17 1.33 -3.67 1.17 1.28 0.26

X64517 4 5 27 1.50 1.50 1.50 6.00 6.00 5.33 1.50 1.50 -25.50 6.00 6.00 5.33 7.64 -0.68

X64506 1 1 1 3 2 0.50 0.50 0.50 0.83 0.83 1.00 0.50 0.50 -2.50 0.83 -1.17 1.00 1.08 -0.77

X64534 2 1 1 0.50 0.50 0.17 0.17 0.17 0.17 0.50 0.50 0.17 -0.83 0.17 0.17 0.39 1.71

X64527 2 3 4 3 2 2 3 2.00 2.00 1.50 0.83 1.17 1.67 0.00 2.00 1.50 -1.17 -1.83 1.67 1.36 1.59

X64528 4 3 2 2 2 1 1 3 1.83 1.50 1.17 0.83 1.00 1.50 -0.17 0.50 1.17 -0.17 -2.00 1.50 0.92 0.91

X64531 1 1 0.17 0.17 0.17 0.17 0.33 0.17 0.17 0.17 0.17 -0.83 0.33 0.17 0.31 0.55

X66061 1 3 3 3 2 2 4 1.17 1.17 1.17 1.50 1.33 1.67 1.17 1.17 -1.83 -0.50 -0.67 -2.33 1.28 -2.35

X66574 1 4 4 1 6 3 3 7 1.50 1.67 1.67 2.67 3.00 2.83 0.50 1.67 -4.33 -0.33 0.00 -4.17 1.83 -3.64

X76924 3 1 7 1 2 3 5 1 1 5 4 2.83 3.17 3.00 2.00 2.00 2.50 -2.17 3.17 2.00 1.00 -3.00 -1.50 2.14 -0.23

X76946 8 2 5 2 1 3 19 1.67 1.17 1.50 1.67 2.17 1.83 -3.33 -0.83 0.50 -1.33 2.17 -17.17 4.22 -4.74

X76984 2 4 1 1 2 2 4 6 1.33 1.33 1.67 1.00 1.50 1.33 -0.67 -0.67 1.67 -3.00 1.50 -4.67 2.03 -2.88

X76992 4 5 2 3 9 5 6 18 2 3 11 3.83 4.00 4.17 6.83 7.17 7.17 -1.17 -2.00 -13.83 4.83 4.17 -3.83 4.97 -2.38

X77332 3 1 1 0.50 0.50 0.50 0.50 0.50 0.67 0.50 0.50 0.50 0.50 -0.50 -0.33 0.47 2.47

X77397 10 9 2 5 7 1 4 1 4 10 12 5.67 4.67 3.33 3.67 2.83 3.33 1.67 3.67 -0.67 3.67 -7.17 -8.67 4.25 -1.76

X78009 1 7 4 3 10 7 3 9 5 4 10 20 5.33 5.67 6.00 6.17 6.33 6.33 2.33 -3.33 1.00 2.17 -3.67 -13.67 4.36 -3.48

X111067 53 15 29 2 25 7 14 32 16.17 16.50 20.67 13.00 10.50 8.00 14.17 -8.50 13.67 13.00 -3.50 -24.00 12.81 0.38

X111134 1 3 1 2 2 0.83 1.00 1.00 0.50 0.83 0.83 -1.17 1.00 1.00 -1.50 0.83 0.83 1.06 0.95

X111144 68 3 47 17 4 20 30 19.67 19.67 22.50 11.83 11.33 6.83 19.67 2.67 18.50 11.83 -8.67 -23.17 14.08 1.48

X111145 3 53 19 40 2 7 3 16 19.17 19.50 20.17 11.33 8.17 2.00 17.17 12.50 20.17 11.33 5.17 -14.00 13.39 3.91

X111173 1 33 4 14 1 4 4 7 8.67 8.67 8.67 3.83 3.17 1.50 8.67 7.67 4.67 3.83 -0.83 -5.50 5.19 3.56

X111197 5 56 8 33 6 38 10 40 65 17.00 18.00 23.50 15.83 14.50 15.67 11.00 -20.00 13.50 15.83 -25.50 -49.33 22.53 -2.42

X111207 62 8 29 1 9 2 11 27 16.50 16.67 18.17 7.83 6.83 3.83 15.50 7.67 18.17 5.83 -4.17 -23.17 12.42 1.60

X111220 36 18 7 2 11 16 9.00 10.17 10.17 4.50 6.33 3.33 2.00 10.17 8.17 -6.50 6.33 -12.67 7.64 0.98

X111050 2 7 5 2 4 17 2 3 5 1 5 10 6.17 6.17 5.50 5.50 5.33 5.50 4.17 3.17 0.50 4.50 0.33 -4.50 2.86 2.85

X111051 1 4 0.83 0.67 0.67 0.00 0.00 0.00 0.83 0.67 0.67 0.00 0.00 0.00 0.36 6.00

*Hanya menampilkan 100 part number secara acak

Lampiran 7

Forecast : Simple Exponential Smoothing (0.3) 4.28 -0.07

PNX2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582 48 76 78 14 78 58 17 92 86 42 95 48 56.4 62.88 44.016 35.011 47.908 50.935 40.755 56.128 65.09 58.163 -28.00 -21.60 62.88 30.02 -42.99 -10.09 33.94 -51.25 -29.87 23.09 -36.84 33.69 -0.63

X136011 25 27 1 22 2 28 9 12 46 25 25.6 18.22 12.754 8.9278 12.849 9.5946 15.116 13.281 9.297 10.108 -2.00 24.60 18.22 12.75 -13.07 10.85 -18.41 6.12 13.28 -2.70 -35.89 14.35 -0.62

X146626 2 2 2 1 1 1 1 3 4 4 1 2 2 2 1.7 1.19 1.133 1.0931 1.0652 1.6456 2.3519 2.8464 0.00 0.00 1.00 1.70 0.19 0.13 0.09 -1.93 -2.35 -1.65 1.85 0.99 -0.98

X146896 1 4 1 1 1 2 3 1 5 0 0.3 1.41 1.287 1.2009 1.1406 1.3984 0.9789 1.5852 1.4097 2.4868 -1.00 -3.70 0.41 0.29 0.20 -0.86 1.40 -2.02 0.59 -3.59 2.49 1.50 -0.73

X146918 1 2 2 4 4 5 1 1 1 1 7 1 1.3 1.51 2.257 2.7799 3.4459 2.7122 2.1985 1.839 1.5873 3.2111 -1.00 -0.70 -2.49 -1.74 -2.22 2.45 1.71 1.20 0.84 -5.41 3.21 2.09 -1.18

X146935 1 3 2 3 3 5 0 0.3 1.11 1.377 0.9639 0.6747 1.3723 0.9606 1.5724 1.1007 2.2705 -1.00 -2.70 -0.89 1.38 0.96 -2.33 1.37 -2.04 1.57 -3.90 2.27 1.86 -0.86

X147124 4 3 2 6 1 2 2 4 4 4 4 3.7 3.19 4.033 3.1231 2.7862 2.5503 1.7852 2.4497 1.7148 2.4003 1.00 1.70 -2.81 3.03 1.12 0.79 2.55 -2.21 2.45 -2.29 -1.60 1.96 0.53

X147137 2 3 3 1 2 2 2 4 2 5 0 0.6 1.32 1.824 1.5768 1.7038 1.7926 1.8548 2.4984 2.3489 3.1442 -2.00 -2.40 -1.68 0.82 -0.42 -0.30 -0.21 -2.15 0.50 -2.65 3.14 1.48 -1.99

X147675 49 30 43 27 41 24 87 180 79 67 155 160 49 43.3 43.21 38.347 39.143 34.6 50.32 89.224 86.157 80.41 102.79 19.00 0.30 16.21 -2.65 15.14 -52.40 -129.68 10.22 19.16 -74.59 -57.21 36.05 -7.10

X147928 42 26 27 11 20 11 16 8 17 14 24 21 42 37.2 34.14 27.198 25.039 20.827 19.379 15.965 16.276 15.593 18.115 16.00 10.20 23.14 7.20 14.04 4.83 11.38 -1.03 2.28 -8.41 -2.88 9.22 5.48

X148843 7 2 4 8 3 2 2 2 6 21 7 5.5 5.05 3.535 4.8745 4.3122 3.0185 2.713 2.4991 2.3493 3.4445 5.00 1.50 5.05 -4.47 1.87 4.31 1.02 0.71 0.50 -3.65 -17.56 4.15 -2.94

X149777 9 13 14 5 1 7 5 1 3 9 10.2 7.14 9.198 7.9386 5.857 4.0999 2.8699 4.109 4.3763 3.3634 -4.00 10.20 -6.86 4.20 6.94 5.86 4.10 -4.13 -0.89 3.38 0.36 4.63 2.80

X149786 20 5 11 14 2 8 5 6 20 15.5 10.85 10.895 11.827 8.8786 6.215 4.3505 3.0453 4.5317 4.6722 15.00 15.50 -0.15 -3.11 9.83 8.88 6.21 4.35 -4.95 -0.47 -1.33 6.34 3.04

X150193 5 6 3 1 2 7 3 7 6 2 5 5.3 4.61 3.527 3.0689 2.1482 1.5038 3.1526 3.1068 4.2748 4.7924 -1.00 2.30 3.61 1.53 3.07 2.15 -5.50 0.15 -3.89 -1.73 2.79 2.52 0.87

X150200 1 2 1 1 1 1 1 1.3 0.91 0.637 0.4459 0.3121 0.5185 0.6629 0.7641 0.5348 0.6744 -1.00 1.30 0.91 0.64 0.45 -0.69 -0.48 -0.34 0.76 -0.47 0.67 0.70 2.08

X150294 1 0 0 0 0 0 0 0 0 0.3 0.21 0.147 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -1.00 0.30 0.21 0.15 0.15 -2.28

X150300 1 1 1 4 2 2 3 4 0 0 0.3 0.51 0.357 0.5499 0.3849 1.4695 1.6286 1.74 2.118 0.00 -1.00 -0.70 0.51 -0.64 0.55 -3.62 -0.53 -0.37 -1.26 -1.88 1.01 -7.90

X150361 2 5 2 3 6 2 2.9 2.63 1.841 1.2887 0.9021 0.6315 0.442 0.3094 0.2166 1.0516 -3.00 0.90 2.63 1.84 1.29 0.90 0.63 0.44 0.31 -2.78 -4.95 1.79 0.17

X150362 2 6 2 3 6 2 3.2 2.84 1.988 1.3916 0.9741 0.6819 0.4773 0.3341 0.2339 1.0637 -4.00 1.20 2.84 1.99 1.39 0.97 0.68 0.48 0.33 -2.77 -4.94 1.96 0.50

X150600 1 2 1 1 0.7 1.09 0.763 0.5341 0.3739 0.2617 0.1832 0.1282 0.0898 0.0628 1.00 -1.30 1.09 0.76 0.53 0.37 0.26 0.18 0.13 0.09 -0.94 0.61 4.11

X150617 2 3 2 1 2 2 0 0.6 1.32 0.924 0.6468 1.0528 1.0369 0.7259 1.1081 0.7757 1.143 -2.00 -2.40 1.32 0.92 -1.35 0.05 1.04 -1.27 1.11 -1.22 1.14 1.26 1.38

X150618 5 6 2 4 1 1 1 1 1 5 3.5 4.25 3.575 2.5025 2.9518 2.3662 1.9564 1.6695 1.1686 1.118 5.00 -2.50 2.25 3.58 -1.50 1.95 1.37 0.96 1.67 0.17 0.12 1.91 5.52

X150632 8 4 8 5.6 3.92 2.744 1.9208 1.3446 2.1412 1.4988 1.0492 0.7344 0.5141 8.00 5.60 3.92 2.74 1.92 -2.66 2.14 1.50 1.05 0.73 0.51 2.80 4.24

X150837 9 22 4 2 15 6 12 10 6 9 6.3 11.01 8.907 6.8349 4.7844 7.8491 7.2944 8.7061 9.0942 8.166 9.00 -15.70 7.01 6.91 6.83 -10.22 1.85 -4.71 -1.29 3.09 8.17 6.80 2.60

X150854 5 6 6 2 3 4 1 1 3 1 3 3 5 5.3 5.51 4.457 4.0199 4.0139 3.1098 2.4768 2.6338 2.1436 2.4006 -1.00 -0.70 3.51 1.46 0.02 3.01 2.11 -0.52 1.63 -0.86 -0.60 1.40 6.96

X150860 1 3 1 1 1 1 2 2 4 1 0.7 1.39 1.273 1.1911 0.8338 0.8836 0.9185 1.243 1.4701 1.0291 1.00 -2.30 0.39 0.27 1.19 -0.17 -0.12 -1.08 -0.76 1.47 -2.97 1.07 -1.66

X150872 1 1 1 1 4 0 0 0 0.3 0.21 0.447 0.6129 0.729 1.7103 1.1972 0.8381 0.00 0.00 -1.00 0.30 -0.79 -0.55 -0.39 -3.27 1.71 1.20 0.84 0.91 -2.14

X151105 9 11 4 1 1 3 1 1 1 9 9.6 7.92 5.844 4.0908 2.8636 2.3045 1.6131 2.0292 1.7204 1.5043 -2.00 5.60 6.92 5.84 4.09 1.86 2.30 -1.39 1.03 0.72 0.50 2.93 7.46

X151111 40 38 13 2 7 7 8 29 9 14 25 18 40 39.4 31.48 22.636 17.945 14.662 12.663 17.564 14.995 14.696 17.788 2.00 26.40 29.48 15.64 10.95 6.66 -16.34 8.56 0.99 -10.30 -0.21 11.59 3.92

X151124 1 2 3 2 2 3 3 3 1 1.3 1.81 1.267 1.4869 1.0408 0.7286 1.11 1.677 2.0739 2.3517 -1.00 -1.70 1.81 -0.73 1.49 1.04 -1.27 -1.89 -1.32 -0.93 2.35 1.41 0.39

X151126 1 2 1 4 1 1 0.7 0.49 0.943 0.9601 0.6721 0.4704 0.3293 1.4305 1.0014 1.001 1.00 0.70 -1.51 -0.06 0.96 0.67 0.47 -3.67 1.43 0.00 1.00 1.04 -0.67

X151228 6 7 11 10 2 1 2 6 6.3 7.71 8.397 5.8779 4.7145 3.6002 2.5201 2.3641 1.6549 1.1584 -1.00 -4.70 -2.29 8.40 3.88 3.71 3.60 0.52 2.36 1.65 1.16 3.03 7.60

X151307 2 2 0 0 0 0 0 0 0 0 0.6 0.42 0.294 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -2.00 0.60 0.42 -1.71 0.43 -6.25

X151403 24 1 13 22 4 2 6 6 24 17.1 15.87 17.709 13.596 10.117 7.0822 4.9575 5.2703 5.4892 3.8424 23.00 4.10 -6.13 13.71 11.60 10.12 7.08 -1.04 -0.73 5.49 3.84 7.89 5.57

X151407 8 9 9 11 2 6 3 3 8 8.3 5.81 6.767 8.0369 5.6258 3.9381 2.7567 2.5297 3.5708 3.3995 -1.00 8.30 -3.19 -4.23 8.04 5.63 3.94 0.76 -3.47 0.57 0.40 3.59 2.35

X151441 3 18 2 2 4 3 9 0 0.9 6.03 4.221 2.9547 2.6683 1.8678 1.9075 2.5352 1.7747 2.1423 -3.00 -17.10 6.03 4.22 0.95 2.67 -0.13 -2.09 2.54 -1.23 -6.86 4.26 1.43

X151478 2 2 3 3 2 2 5 6 2 4 5 2 2 2.3 2.51 2.357 2.2499 1.5749 2.6025 3.6217 3.1352 3.3946 0.00 -1.00 -0.70 0.51 0.36 2.25 -3.43 -3.40 1.62 -0.86 -1.61 1.43 -3.67

X151496 1 1 4 1 4 1 1 1 0.7 0.49 0.343 0.2401 1.3681 1.2576 0.8804 0.6162 1.6314 0.00 1.00 0.70 0.49 0.34 -3.76 0.37 1.26 0.88 -3.38 0.63 1.16 -2.12

X151506 4 6 4 1 4 1 11 1 3 1 1 12 4 4.6 4.42 3.394 3.5758 2.8031 5.2621 3.9835 3.6884 2.8819 2.3173 -2.00 0.60 3.42 -0.61 2.58 -8.20 4.26 0.98 2.69 1.88 -9.68 3.35 -0.80

X151509 6 13 2 4 4 2 8 11 6 8.1 5.67 4.569 3.1983 2.2388 1.5672 2.297 2.8079 2.5655 4.1959 -7.00 8.10 3.67 4.57 3.20 2.24 -2.43 -1.70 0.81 -5.43 -6.80 4.18 -0.45

X151512 2 3 2 2 1 2 3 7 2 6 6 0 0.6 1.32 1.524 1.6668 1.4668 1.6267 2.0387 3.5271 3.069 3.9483 -2.00 -2.40 -0.68 -0.48 0.67 -0.53 -1.37 -4.96 1.53 -2.93 -2.05 1.78 -6.07

X151497 1 1 1 0 0 0.3 0.21 0.147 0.4029 0.582 0.4074 0.2852 0.1996 0.1397 0.00 -1.00 0.30 0.21 -0.85 -0.60 0.58 0.41 0.29 0.20 0.14 0.42 1.62

X151517 2 2 1 0 0 0 0 0 0 0 0 0 0.6 1.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -2.00 -1.40 0.02 0.31 -10.87

X152316 31 14 6 5 17 13 26 49 15 18 26 31 25.9 19.93 13.951 11.266 12.986 12.99 16.893 26.525 23.068 21.547 17.00 19.90 19.93 8.95 -5.73 -0.01 -13.01 -32.11 11.53 5.07 -4.45 12.52 -0.79

X152334 45 46 34 23 18 15 12 8 11 18 21 21 45 45.3 41.91 36.237 30.766 26.036 21.825 17.678 15.674 16.372 17.76 -1.00 11.30 18.91 18.24 15.77 14.04 13.83 6.68 -2.33 -4.63 -3.24 10.00 7.73

X152952 15 34 2 18 7 2 32 14 36 36 15 20.7 15.09 15.963 13.274 9.2919 6.5043 5.153 13.207 13.445 20.211 -19.00 18.70 -2.91 8.96 13.27 9.29 4.50 -26.85 -0.79 -22.56 -15.79 12.97 -2.53

X151790 5 2 3 1 3 5 4 1 3 2 5 4.1 3.77 2.639 1.8473 1.5931 2.0152 2.9106 3.2374 2.5662 2.6963 3.00 1.10 3.77 2.64 0.85 -1.41 -2.98 -1.09 2.24 -0.43 0.70 1.84 2.33

X151869 2 4 4 8 5 4 2 3 12 2 1.4 2.18 1.526 2.2682 3.9877 4.2914 4.204 3.5428 2.48 2.636 2.00 -2.60 2.18 -2.47 -5.73 -1.01 0.29 2.20 3.54 -0.52 -9.36 2.90 -3.75

X153046 320 205 28 7 167 138 175 77 266 240 218 552 320 285.5 208.25 147.88 153.61 148.93 156.75 132.83 172.78 192.94 200.46 115.00 257.50 201.25 -19.13 15.61 -26.07 79.75 -133.17 -67.22 -25.06 -351.54 117.39 -2.77


MAD TS

X153229 156 115 57 80 22 87 116 153 74 134 284 156 143.7 117.69 82.383 81.668 63.768 70.737 84.316 104.92 95.645 107.15 41.00 86.70 117.69 2.38 59.67 -23.23 -45.26 -68.68 30.92 -38.36 -176.85 62.79 -2.26

… … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …

X568428 7 2 0 0 2.1 1.47 1.629 1.1403 0.7982 0.5587 0.3911 0.2738 0.1917 0.00 -7.00 2.10 -0.53 1.63 1.14 0.80 0.56 0.39 0.27 0.19 1.33 4.93

X568430 6 0 0 0 0 1.8 1.26 0.882 0.6174 0.4322 0.3025 0.2118 0.00 0.00 0.00 -6.00 1.80 1.26 0.88 0.62 0.43 0.30 0.21 1.05 -0.47

X568610 7 6 3 4 1 2 7 4.9 5.23 3.661 3.4627 3.6239 2.8367 1.9857 1.39 0.973 1.2811 7.00 -1.10 5.23 0.66 -0.54 2.62 2.84 1.99 1.39 -1.03 1.28 2.33 6.19

X571345 15 10 1 2 11 8 7 4 3 18 9 22 15 13.5 9.75 7.425 8.4975 8.3483 7.9438 6.7606 5.6324 9.3427 9.2399 5.00 12.50 7.75 -3.58 0.50 1.35 3.94 3.76 -12.37 0.34 -12.76 5.80 -1.91

X3085 3 12 5 1 10 1 2 11 3 5.7 5.49 4.143 5.9001 4.4301 3.101 2.1707 1.5195 1.0637 1.3446 -9.00 0.70 4.49 -5.86 4.90 4.43 3.10 2.17 1.52 -0.94 -9.66 4.25 0.98

X3089 3 8 4 4 4 3 2 6 2 11 5 3 4.5 4.35 3.045 3.3315 3.5321 3.3724 2.9607 3.8725 3.3107 5.6175 -5.00 0.50 4.35 -0.96 -0.67 0.53 1.37 -3.04 1.87 -7.69 0.62 2.42 -1.49

X3141 1 4 2 2 1 1 4 1 0 0 0 0.3 1.41 1.587 1.7109 1.4976 1.3483 0.9438 1.8607 0.00 0.00 -1.00 -3.70 -0.59 -0.41 0.71 0.50 1.35 -3.06 0.86 1.11 -4.83

X3148 2 9 17 4 10 4 5 7 6 3 1 2 4.1 7.97 6.779 7.7453 6.6217 6.1352 6.3946 6.2762 4.3934 3.9754 -7.00 -12.90 3.97 -3.22 3.75 1.62 -0.86 0.39 6.28 1.39 2.98 4.03 4.04

X3149 5 14 12 6 8 3 5 1 2 5 7.7 8.99 8.093 8.0651 6.5456 4.5819 3.2073 3.7451 2.9216 2.0451 -9.00 -4.30 2.99 0.09 5.07 6.55 4.58 -1.79 2.75 2.92 0.05 3.64 6.37

X3150 39 57 63 36 33 42 14 1 4 39 44.4 49.98 45.786 41.95 41.965 33.576 23.803 17.862 12.503 8.7524 -18.00 -18.60 13.98 12.79 -0.05 27.97 32.58 19.80 17.86 12.50 8.75 16.63 8.79

X3167 2 3 1 2 1 1 2 1 4 2 1.4 0.98 0.686 1.3802 1.2661 1.4863 1.3404 1.2383 1.4668 1.3268 2.00 1.40 0.98 -2.31 0.38 -0.73 0.49 0.34 -0.76 0.47 -2.67 1.14 -3.36

X3170 5 1 3 1 4 5 2 4 6 3 5 3.8 3.56 2.792 3.1544 3.7081 2.5957 1.817 1.8719 2.5103 3.5572 4.00 0.80 2.56 -1.21 -1.85 3.71 2.60 -0.18 -2.13 -3.49 0.56 2.10 0.27

X3178 1 2 11 5 8 5 6 5 8 1 0.7 1.09 0.763 3.8341 4.1839 5.3287 5.2301 5.4611 5.3227 3.7259 1.00 -1.30 1.09 -10.24 -1.17 -3.82 0.33 -0.77 0.46 5.32 -4.27 2.71 -4.83

X3203 2 7 4 3 4 2 2 5 5 8 14 2 3.5 3.65 2.555 2.6885 3.082 2.7574 2.5302 3.2711 3.7898 5.0528 -5.00 -0.50 3.65 -0.45 -1.31 1.08 0.76 -2.47 -1.73 -4.21 -8.95 2.74 -4.98

X3217 10 9 4 3 1 3 8 1 5 6 7 6 10 9.7 7.99 6.493 4.8451 4.2916 5.4041 4.0829 4.358 4.8506 5.4954 1.00 5.70 4.99 5.49 1.85 -3.71 4.40 -0.92 -1.64 -2.15 -0.50 2.94 2.66

X3219 2 6 1 2 6 4 1 4 2 1 2 3.2 2.54 2.378 3.4646 2.4252 2.8977 2.3284 2.8299 1.9809 1.9866 -4.00 2.20 0.54 -3.62 3.46 -1.57 1.90 -1.67 2.83 -0.02 0.99 2.07 1.37

X3220 1 10 18 3 8 1 2 1 1 1 3.7 7.99 6.493 6.9451 5.1616 4.2131 3.2492 2.2744 1.5921 1.4145 -9.00 -14.30 4.99 -1.51 5.95 3.16 3.21 3.25 2.27 0.59 1.41 4.51 5.17

X3221 1 0 0 0 0 0 0 0 0 0.3 0.21 0.147 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -1.00 0.30 0.21 0.15 0.15 -2.28

X3228 1 1 1 0 0 0 0 0 0.3 0.21 0.147 0.1029 0.072 0.3504 0.00 0.00 0.00 0.00 -1.00 0.30 0.21 0.15 0.10 -0.93 -0.65 0.30 -5.99

X3246 2 10 8 2 5 3 7 1 4 10 2 4.4 5.48 4.436 4.6052 4.1236 4.9865 3.4906 2.7434 1.9204 2.5443 -8.00 -3.60 3.48 -0.56 1.61 -2.88 4.99 2.49 2.74 -2.08 -7.46 3.63 0.64

X3267 1 1 3 1 3 2 3 1 0.7 0.79 0.553 1.2871 1.201 1.7407 1.2185 0.8529 1.1971 0.8379 1.00 -0.30 0.79 -2.45 0.29 -1.80 1.74 1.22 -1.15 1.20 -2.16 1.28 -1.81

X30791 1 1 1 1 4 1 2 1 1 0.7 0.79 0.853 0.5971 1.618 1.4326 1.0028 0.702 1.0914 0.00 1.00 -0.30 -0.21 0.85 -3.40 0.62 1.43 1.00 -1.30 1.09 1.02 -0.21

X30848 1 1 1 2 0 0.3 0.51 0.357 0.2499 0.1749 0.4225 0.2957 0.207 0.1449 0.1014 -1.00 -0.70 0.51 0.36 0.25 -0.83 0.42 0.30 0.21 0.14 -1.90 0.60 -0.89

X64735 8 12 8 8 4 12 8 9.2 6.44 4.508 3.1556 4.6089 5.6262 3.9384 2.7569 3.1298 5.7909 -4.00 9.20 6.44 4.51 -4.84 -3.39 5.63 3.94 -1.24 -8.87 5.79 5.26 1.51

X64737 4 6 4 2 1 1 5 1 4 4.6 3.22 2.254 1.5778 2.3045 2.2131 1.8492 1.5944 1.1161 2.2813 -2.00 4.60 3.22 2.25 -2.42 0.30 1.21 0.85 1.59 -3.88 1.28 2.15 2.05

X64517 4 5 27 0 0 0 0 1.2 2.34 1.638 1.1466 8.9026 6.2318 4.3623 0.00 0.00 0.00 -4.00 -3.80 2.34 1.64 -25.85 8.90 6.23 4.36 5.19 -1.96

X64506 1 1 1 3 2 0 0 0.3 0.21 0.447 0.6129 0.429 0.3003 1.1102 0.7772 1.144 0.00 -1.00 0.30 -0.79 -0.55 0.61 0.43 -2.70 1.11 -1.22 1.14 0.90 -1.86

X64534 2 1 1 0 0.6 0.42 0.594 0.4158 0.2911 0.2037 0.1426 0.0998 0.3699 0.2589 -2.00 0.60 -0.58 0.59 0.42 0.29 0.20 0.14 -0.90 0.37 0.26 0.58 1.38

X64527 2 3 4 3 2 2 3 2 2.3 2.81 1.967 1.3769 1.8638 1.9047 1.3333 0.9333 1.2533 1.7773 -1.00 -1.70 2.81 1.97 -1.62 -0.14 1.90 1.33 -1.07 -1.75 1.78 1.55 3.36

X64528 4 3 2 2 2 1 1 3 4 3.7 3.19 2.233 1.5631 1.6942 1.7859 1.5501 1.0851 1.0596 1.6417 1.00 1.70 3.19 2.23 -0.44 -0.31 0.79 1.55 0.09 -1.94 1.64 1.35 5.03

X64531 1 1 0 0 0 0 0.3 0.21 0.147 0.1029 0.072 0.3504 0.2453 0.00 0.00 0.00 -1.00 0.30 0.21 0.15 0.10 -0.93 0.35 0.25 0.30 -1.92

X66061 1 3 3 3 2 2 4 0 0 0.3 1.11 0.777 1.4439 1.0107 0.7075 1.3953 1.5767 1.7037 0.00 -1.00 -2.70 1.11 -2.22 1.44 1.01 -2.29 -0.60 -0.42 -2.30 1.37 -5.08

X66574 1 4 4 1 6 3 3 7 0 0 0 0.3 1.41 2.187 1.8309 1.2816 2.6971 2.788 2.8516 0.00 0.00 -1.00 -3.70 -2.59 1.19 1.83 -4.72 -0.30 -0.21 -4.15 1.79 -7.63

X76924 3 1 7 1 2 3 5 1 1 5 4 3 2.4 3.78 2.946 2.6622 2.7635 3.4345 2.4041 1.9829 1.688 2.6816 2.00 -4.60 2.78 0.95 -0.34 -2.24 3.43 1.40 0.98 -3.31 -1.32 2.12 1.10

X76946 8 2 5 2 1 3 19 8 5.6 3.92 2.744 2.5208 1.7646 2.7352 2.5146 2.0602 2.3422 1.6395 8.00 5.60 3.92 0.74 2.52 -3.24 0.74 1.51 -0.94 2.34 -17.36 4.26 -2.29

X76984 2 4 1 1 2 2 4 6 2 1.4 2.18 1.826 1.5782 1.1047 1.3733 1.5613 1.0929 1.965 1.3755 2.00 -2.60 1.18 0.83 1.58 -0.90 -0.63 1.56 -2.91 1.97 -4.62 1.89 -1.03

X76992 4 5 2 3 9 5 6 18 2 3 11 4 4.3 3.61 2.527 2.6689 4.5682 4.6978 5.0884 8.9619 6.8733 5.7113 -1.00 2.30 3.61 -0.47 -6.33 -0.43 -1.30 -12.91 6.96 3.87 -5.29 4.04 -3.04

X77332 3 1 1 0 0 0 0 0 0.9 0.63 0.441 0.3087 0.2161 0.4513 0.00 0.00 0.00 0.00 -3.00 0.90 0.63 0.44 0.31 -0.78 -0.55 0.60 -3.42

X77397 10 9 2 5 7 1 4 1 4 10 12 10 9.7 7.39 6.673 6.7711 5.0398 4.7278 3.6095 3.7266 2.6086 4.8261 1.00 7.70 2.39 -0.33 5.77 1.04 3.73 -0.39 3.73 -7.39 -7.17 3.69 0.37

X78009 1 7 4 3 10 7 3 9 5 4 10 20 1 2.8 3.16 3.112 5.1784 5.7249 4.9074 6.1352 5.7946 5.2562 6.6794 -6.00 -1.20 0.16 -6.89 -1.82 2.72 -4.09 1.14 1.79 -4.74 -13.32 3.99 -6.28

X111067 53 15 29 2 25 7 14 32 0 0 15.9 15.63 19.641 13.749 10.224 14.657 12.36 8.6519 10.256 0.00 -53.00 0.90 -13.37 19.64 11.75 -14.78 7.66 12.36 -5.35 -21.74 14.59 -0.20

X111134 1 3 1 2 2 1 0.7 1.39 0.973 0.6811 0.7768 1.1437 0.8006 0.5604 0.9923 0.6946 1.00 -2.30 1.39 0.97 -0.32 -1.22 1.14 0.80 -1.44 0.99 0.69 1.12 2.70

X111144 68 3 47 17 4 20 30 0 0 20.4 15.18 24.726 17.308 12.116 13.581 10.707 7.4947 11.246 0.00 -68.00 17.40 -31.82 24.73 17.31 -4.88 9.58 10.71 -12.51 -18.75 19.61 0.60

X111145 3 53 19 40 2 7 3 16 0 0.9 16.53 17.271 24.09 16.863 12.404 10.783 7.5479 5.2836 4.5985 -3.00 -52.10 -2.47 -22.73 24.09 14.86 5.40 10.78 7.55 2.28 -11.40 14.24 1.99

X111173 1 33 4 14 1 4 4 7 0 0.3 10.11 8.277 9.9939 6.9957 4.897 3.7279 3.8095 2.6667 3.0667 -1.00 -32.70 6.11 -5.72 9.99 7.00 3.90 -0.27 3.81 -1.33 -3.93 6.89 2.84

X111197 5 56 8 33 6 38 10 40 65 0 1.5 17.85 14.895 20.327 14.229 11.76 19.632 16.742 11.72 20.204 -5.00 -54.50 9.85 -18.11 20.33 8.23 -26.24 9.63 16.74 -28.28 -44.80 21.97 -2.40

X111207 62 8 29 1 9 2 11 27 0 0 18.6 15.42 19.494 13.646 9.8521 9.5964 6.7175 5.3023 7.0116 0.00 -62.00 10.60 -13.58 19.49 12.65 0.85 9.60 4.72 -5.70 -19.99 14.47 1.29

X111220 36 18 7 2 11 16 0 0 10.8 7.56 10.692 7.4844 7.3391 5.1374 4.1961 6.2373 4.3661 0.00 -36.00 10.80 -10.44 10.69 0.48 7.34 3.14 -6.80 6.24 -11.63 9.42 1.04

X111050 2 7 5 2 4 17 2 3 5 1 5 10 2 3.5 3.95 3.365 3.5555 7.5889 5.9122 5.0385 5.027 3.8189 4.1732 -5.00 -1.50 1.95 -0.64 -13.44 5.59 2.91 0.04 4.03 -1.18 -5.83 3.83 -1.72

X111051 1 4 1 0.7 1.69 1.183 0.8281 0.5797 0.4058 0.284 0.1988 0.1392 0.0974 1.00 -3.30 1.69 1.18 0.83 0.58 0.41 0.28 0.20 0.14 0.10 0.88 6.13


Lampiran 8

Forecast : Simple Exponential Smoothing (0.7) 4.37 -0.25

PNX2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03

X134582 48 76 78 14 78 58 17 92 86 42 95 48 67.6 74.88 22.464 16.539 59.562 58.469 29.441 73.232 82.17 54.051 -28.00 -10.40 74.88 8.46 -61.46 1.56 41.47 -62.56 -12.77 40.17 -40.95 34.79 -0.32

X136011 25 27 1 22 2 28 9 12 46 25 26.4 8.62 2.586 0.7758 15.633 6.0898 21.427 12.728 3.8184 9.5455 -2.00 25.40 8.62 2.59 -21.22 13.63 -21.91 12.43 12.73 -8.18 -36.45 15.01 -2.52

X146626 2 2 2 1 1 1 1 3 4 4 1 2 2 2 1.3 0.39 0.817 0.9451 0.9835 2.3951 3.5185 3.8556 0.00 0.00 1.00 1.30 -0.61 -0.18 -0.05 -2.02 -1.60 -0.48 2.86 0.92 0.22

X146896 1 4 1 1 1 2 3 1 5 0 0.7 3.01 1.603 1.1809 1.0543 1.7163 0.5149 2.2545 1.3763 3.9129 -1.00 -3.30 2.01 0.60 0.18 -0.95 1.72 -2.49 1.25 -3.62 3.91 1.91 1.37

X146918 1 2 2 4 4 5 1 1 1 1 7 1 1.7 1.91 3.373 3.8119 4.6436 2.0931 1.3279 1.0984 1.0295 5.2089 -1.00 -0.30 -2.09 -0.63 -1.19 3.64 1.09 0.33 0.10 -5.97 5.21 1.96 0.25

X146935 1 3 2 3 3 5 0 0.7 2.31 2.093 0.6279 0.1884 2.1565 0.647 2.2941 0.6882 3.7065 -1.00 -2.30 0.31 2.09 0.63 -2.81 2.16 -2.35 2.29 -4.31 3.71 2.18 0.79

X147124 4 3 2 6 1 2 2 4 4 4 4 3.3 2.39 4.917 2.1751 2.0525 2.0158 0.6047 2.9814 0.8944 3.0683 1.00 1.30 -3.61 3.92 0.18 0.05 2.02 -3.40 2.98 -3.11 -0.93 2.04 -0.93

X147137 2 3 3 1 2 2 2 4 2 5 0 1.4 2.52 2.856 1.5568 1.867 1.9601 1.988 3.3964 2.4189 4.2257 -2.00 -1.60 -0.48 1.86 -0.44 -0.13 -0.04 -2.01 1.40 -2.58 4.23 1.52 1.17

X147675 49 30 43 27 41 24 87 180 79 67 155 160 49 35.7 40.81 31.143 38.043 28.213 69.364 146.81 99.343 76.703 131.51 19.00 -7.30 13.81 -9.86 14.04 -58.79 -110.64 67.81 32.34 -78.30 -28.49 40.03 -3.95

X147928 42 26 27 11 20 11 16 8 17 14 24 21 42 30.8 28.14 16.142 18.843 13.353 15.206 10.162 14.949 14.285 21.085 16.00 3.80 17.14 -3.86 7.84 -2.65 7.21 -6.84 0.95 -9.72 0.09 6.92 1.47

X148843 7 2 4 8 3 2 2 2 6 21 7 3.5 3.85 1.155 5.9465 3.884 1.1652 1.7496 1.9249 1.9775 4.7932 5.00 -0.50 3.85 -6.85 2.95 3.88 -0.83 -0.25 -0.08 -4.02 -16.21 4.04 -4.35

X149777 9 13 14 5 1 7 5 1 3 9 11.8 3.54 10.862 6.7586 2.7276 0.8183 0.2455 4.9736 4.9921 2.1976 -4.00 11.80 -10.46 5.86 5.76 2.73 0.82 -6.75 -0.03 3.99 -0.80 4.82 0.23

X149786 20 5 11 14 2 8 5 6 20 9.5 2.85 8.555 12.367 5.11 1.533 0.4599 0.138 5.6414 5.1924 15.00 9.50 -8.15 -5.45 10.37 5.11 1.53 0.46 -7.86 0.64 -0.81 5.90 -0.70

X150193 5 6 3 1 2 7 3 7 6 2 5 5.7 3.81 1.843 1.9529 0.5859 0.1758 4.9527 3.5858 5.9757 5.9927 -1.00 2.70 2.81 -0.16 1.95 0.59 -6.82 1.95 -3.41 -0.02 3.99 2.31 0.38

X150200 1 2 1 1 1 1 1 1.7 0.51 0.153 0.0459 0.0138 0.7041 0.9112 0.9734 0.292 0.7876 -1.00 1.70 0.51 0.15 0.05 -0.99 -0.30 -0.09 0.97 -0.71 0.79 0.66 0.59

X150294 1 0 0 0 0 0 0 0 0 0.7 0.21 0.063 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -1.00 0.70 0.21 0.06 0.18 -0.15

X150300 1 1 1 4 2 2 3 4 0 0 0.7 0.91 0.273 0.7819 0.2346 2.8704 2.2611 2.0783 2.7235 0.00 -1.00 -0.30 0.91 -0.73 0.78 -3.77 0.87 0.26 -0.92 -1.28 0.98 -4.24

X150361 2 5 2 3 6 2 4.1 2.63 0.789 0.2367 0.071 0.0213 0.0064 0.0019 0.0006 2.1002 -3.00 2.10 2.63 0.79 0.24 0.07 0.02 0.01 0.00 -3.00 -3.90 1.43 -2.19

X150362 2 6 2 3 6 2 4.8 2.84 0.852 0.2556 0.0767 0.023 0.0069 0.0021 0.0006 2.1002 -4.00 2.80 2.84 0.85 0.26 0.08 0.02 0.01 0.00 -3.00 -3.90 1.61 -1.76

X150600 1 2 1 1 0.3 1.49 0.447 0.1341 0.0402 0.0121 0.0036 0.0011 0.0003 1E-04 1.00 -1.70 1.49 0.45 0.13 0.04 0.01 0.00 0.00 0.00 -1.00 0.53 2.13

X150617 2 3 2 1 2 2 0 1.4 2.52 0.756 0.2268 1.468 1.1404 0.3421 1.5026 0.4508 1.5352 -2.00 -1.60 2.52 0.76 -1.77 0.47 1.14 -1.66 1.50 -1.55 1.54 1.50 1.96

X150618 5 6 2 4 1 1 1 1 1 5 1.5 4.65 2.795 0.8385 3.0516 1.6155 1.1846 1.0554 0.3166 0.795 5.00 -4.50 2.65 2.80 -3.16 2.05 0.62 0.18 1.06 -0.68 -0.21 2.08 2.55

X150632 8 4 8 2.4 0.72 0.216 0.0648 0.0194 2.8058 0.8417 0.2525 0.0758 0.0227 8.00 2.40 0.72 0.22 0.06 -3.98 2.81 0.84 0.25 0.08 0.02 1.76 0.58

X150837 9 22 4 2 15 6 12 10 6 9 2.7 16.21 7.663 3.6989 1.1097 10.833 7.4499 10.635 10.19 7.2571 9.00 -19.30 12.21 5.66 3.70 -13.89 4.83 -4.55 0.63 4.19 7.26 7.75 2.59

X150854 5 6 6 2 3 4 1 1 3 1 3 3 5 5.7 5.91 3.173 3.0519 3.7156 1.8147 1.2444 2.4733 1.442 2.5326 -1.00 -0.30 3.91 0.17 -0.95 2.72 0.81 -1.76 1.47 -1.56 -0.47 1.37 3.17

X150860 1 3 1 1 1 1 2 2 4 1 0.3 2.19 1.357 1.1071 0.3321 0.7996 0.9399 1.682 1.9046 0.5714 1.00 -2.70 1.19 0.36 1.11 -0.67 -0.20 -1.06 -0.32 1.90 -3.43 1.27 -0.88

X150872 1 1 1 1 4 0 0 0 0.7 0.21 0.763 0.9289 0.9787 3.0936 0.9281 0.2784 0.00 0.00 -1.00 0.70 -0.79 -0.24 -0.07 -3.02 3.09 0.93 0.28 0.92 -0.13

X151105 9 11 4 1 1 3 1 1 1 9 10.4 5.92 2.476 0.7428 0.2228 0.7669 0.2301 2.169 1.3507 1.1052 -2.00 6.40 4.92 2.48 0.74 -0.78 0.77 -2.77 1.17 0.35 0.11 2.04 3.42

X151111 40 38 13 2 7 7 8 29 9 14 25 18 40 38.6 20.68 7.604 7.1812 7.0544 7.7163 22.615 13.084 13.725 21.618 2.00 25.60 18.68 0.60 0.18 -0.95 -21.28 13.61 -0.92 -11.27 3.62 8.97 0.25

X151124 1 2 3 2 2 3 3 3 1 1.7 2.61 0.783 1.6349 0.4905 0.1471 1.4441 2.5332 2.86 2.958 -1.00 -1.30 2.61 -1.22 1.63 0.49 -1.85 -1.56 -0.47 -0.14 2.96 1.38 1.78

X151126 1 2 1 4 1 1 0.3 0.09 1.427 1.1281 0.3384 0.1015 0.0305 2.8091 0.8427 0.9528 1.00 0.30 -1.91 0.43 1.13 0.34 0.10 -3.97 2.81 -0.16 0.95 1.19 -0.24

X151228 6 7 11 10 2 1 2 6 6.7 9.71 9.913 2.9739 2.2922 1.3877 0.4163 1.5249 0.4575 0.1372 -1.00 -4.30 -0.29 9.91 0.97 1.29 1.39 -1.58 1.52 0.46 0.14 2.08 6.65

X151307 2 2 0 0 0 0 0 0 0 0 1.4 0.42 0.126 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -2.00 1.40 0.42 -1.87 0.52 -3.97

X151403 24 1 13 22 4 2 6 6 24 7.9 11.47 18.841 8.4523 3.9357 1.1807 0.3542 4.3063 5.4919 1.6476 23.00 -5.10 -10.53 14.84 6.45 3.94 1.18 -5.65 -1.69 5.49 1.65 7.23 2.17

X151407 8 9 9 11 2 6 3 3 8 8.7 2.61 7.083 9.8249 2.9475 0.8842 0.2653 1.4796 4.6439 3.4932 -1.00 8.70 -6.39 -3.92 9.82 2.95 0.88 -1.73 -4.52 1.64 0.49 3.82 -0.20

X151441 3 18 2 2 4 3 9 0 2.1 13.23 3.969 1.1907 1.7572 0.5272 1.5581 3.2674 0.9802 2.3941 -3.00 -15.90 13.23 3.97 -0.81 1.76 -1.47 -2.44 3.27 -2.02 -6.61 4.95 1.79

X151478 2 2 3 3 2 2 5 6 2 4 5 2 2 2.7 2.91 2.273 2.0819 0.6246 3.6874 5.3062 2.9919 3.6976 0.00 -1.00 -0.30 0.91 0.27 2.08 -4.38 -2.31 3.31 -1.01 -1.30 1.53 -1.78

X151496 1 1 4 1 4 1 1 1 0.3 0.09 0.027 0.0081 2.8024 1.5407 0.4622 0.1387 2.8416 0.00 1.00 0.30 0.09 0.03 -3.99 1.80 1.54 0.46 -3.86 1.84 1.36 -1.32

X151506 4 6 4 1 4 1 11 1 3 1 1 12 4 5.4 4.42 2.026 3.4078 1.7223 8.2167 3.165 3.0495 1.6149 1.1845 -2.00 1.40 3.42 -1.97 2.41 -9.28 7.22 0.17 2.05 0.61 -10.82 3.76 -1.65

X151509 6 13 2 4 4 2 8 11 6 10.9 3.27 2.381 0.7143 0.2143 0.0643 2.8193 3.6458 2.4937 6.3481 -7.00 10.90 1.27 2.38 0.71 0.21 -3.94 -1.18 1.65 -5.51 -4.65 3.58 -2.53

X151512 2 3 2 2 1 2 3 7 2 6 6 0 1.4 2.52 2.156 2.0468 1.314 1.7942 2.6383 5.6915 3.1074 5.1322 -2.00 -1.60 0.52 0.16 1.05 -0.69 -1.21 -4.36 3.69 -2.89 -0.87 1.73 -2.66

X151497 1 1 1 0 0 0.7 0.21 0.063 0.7189 0.9157 0.2747 0.0824 0.0247 0.0074 0.00 -1.00 0.70 0.21 -0.94 -0.28 0.92 0.27 0.08 0.02 0.01 0.40 2.47

X151517 2 2 1 0 0 0 0 0 0 0 0 0 1.4 1.82 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -2.00 -0.60 0.82 0.31 -5.73

X152316 31 14 6 5 17 13 26 49 15 18 26 31 19.1 9.93 2.979 4.3937 13.218 13.065 22.12 40.936 22.781 19.434 17.00 13.10 9.93 -2.02 -12.61 0.22 -12.93 -26.88 25.94 4.78 -6.57 12.00 -1.68

X152334 45 46 34 23 18 15 12 8 11 18 21 21 45 45.7 37.51 27.353 20.806 16.742 13.423 9.6268 10.588 15.776 19.433 -1.00 11.70 14.51 9.35 5.81 4.74 5.42 -1.37 -7.41 -5.22 -1.57 6.19 3.92

X152952 15 34 2 18 7 2 32 14 36 36 15 28.3 9.89 15.567 9.5701 2.871 0.8613 1.6584 22.898 16.669 30.201 -19.00 26.30 -8.11 8.57 9.57 2.87 -1.14 -30.34 8.90 -19.33 -5.80 12.72 -2.74

X151790 5 2 3 1 3 5 4 1 3 2 5 2.9 2.97 0.891 0.2673 0.7802 2.3341 4.2002 4.0601 1.918 2.6754 3.00 -0.10 2.97 0.89 -0.73 -2.22 -2.67 0.20 3.06 -1.08 0.68 1.60 0.69

X151869 2 4 4 8 5 4 2 3 12 2 0.6 2.98 0.894 3.0682 6.5205 5.4561 4.4368 2.7311 0.8193 2.3458 2.00 -3.40 2.98 -3.11 -4.93 1.52 1.46 2.44 2.73 -2.18 -9.65 3.31 -2.64

X153046 320 205 28 7 167 138 175 77 266 240 218 552 320 239.5 91.45 32.335 126.6 134.58 162.87 102.76 217.03 233.11 222.53 115.00 211.50 84.45 -134.67 -11.40 -40.42 85.87 -163.24 -22.97 15.11 -329.47 110.37 -4.68


MAD TS

X153229 156 115 57 80 22 87 116 153 74 134 284 156 127.3 78.09 23.427 63.028 34.308 71.193 102.56 137.87 93.16 121.75 41.00 70.30 78.09 -56.57 41.03 -52.69 -44.81 -50.44 63.87 -40.84 -162.25 63.81 -3.52

… … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …

X568428 7 2 0 0 4.9 1.47 1.841 0.5523 0.1657 0.0497 0.0149 0.0045 0.0013 0.00 -7.00 4.90 -0.53 1.84 0.55 0.17 0.05 0.01 0.00 0.00 1.37 5.11

X568430 6 0 0 0 0 4.2 1.26 0.378 0.1134 0.034 0.0102 0.0031 0.00 0.00 0.00 -6.00 4.20 1.26 0.38 0.11 0.03 0.01 0.00 1.09 0.00

X568610 7 6 3 4 1 2 7 2.1 4.83 1.449 2.5347 3.5604 1.7681 0.5304 0.1591 0.0477 1.4143 7.00 -3.90 4.83 -1.55 -1.47 2.56 1.77 0.53 0.16 -1.95 1.41 2.47 2.55

X571345 15 10 1 2 11 8 7 4 3 18 9 22 15 11.5 4.15 2.645 8.4935 8.1481 7.3444 5.0033 3.601 13.68 10.404 5.00 10.50 2.15 -8.36 0.49 1.15 3.34 2.00 -14.40 4.68 -11.60 5.79 -3.55

X3085 3 12 5 1 10 1 2 11 3 9.3 6.29 2.587 7.7761 3.0328 0.9098 0.273 0.0819 0.0246 1.4074 -9.00 4.30 5.29 -7.41 6.78 3.03 0.91 0.27 0.08 -1.98 -9.59 4.42 -0.59

X3089 3 8 4 4 4 3 2 6 2 11 5 3 6.5 4.75 1.425 3.2275 3.7683 3.2305 2.3691 4.9107 2.8732 8.562 -5.00 2.50 4.75 -2.58 -0.77 0.77 1.23 -3.63 2.91 -8.13 3.56 3.26 -0.58

X3141 1 4 2 2 1 1 4 1 0 0 0 0.7 3.01 2.303 2.0909 1.3273 1.0982 0.3295 2.8988 0.00 0.00 -1.00 -3.30 1.01 0.30 1.09 0.33 1.10 -3.67 1.90 1.25 -1.80

X3148 2 9 17 4 10 4 5 7 6 3 1 2 6.9 13.97 6.991 9.0973 5.5292 5.1588 6.4476 6.1343 1.8403 2.6521 -7.00 -10.10 9.97 -3.01 5.10 0.53 -1.84 0.45 6.13 -1.16 1.65 4.27 4.18

X3149 5 14 12 6 8 3 5 1 2 5 11.3 11.79 7.737 7.9211 4.4763 1.3429 0.4029 3.6209 1.7863 0.5359 -9.00 -0.70 5.79 -0.26 4.92 4.48 1.34 -4.60 2.62 1.79 -1.46 3.36 4.35

X3150 39 57 63 36 33 42 14 1 4 39 51.6 59.58 43.074 36.022 40.207 21.862 7.2586 4.9776 1.4933 0.448 -18.00 -11.40 23.58 10.07 -5.98 26.21 20.86 3.26 4.98 1.49 0.45 11.48 7.40

X3167 2 3 1 2 1 1 2 1 4 2 0.6 0.18 0.054 2.1162 1.3349 1.8005 1.2401 1.072 1.7216 1.2165 2.00 0.60 0.18 -2.95 1.12 -0.67 0.80 0.24 -0.93 0.72 -2.78 1.18 -3.61

X3170 5 1 3 1 4 5 2 4 6 3 5 2.2 2.76 1.528 3.2584 4.4775 1.3433 0.403 1.5209 3.2563 5.1769 4.00 -0.80 1.76 -2.47 -1.74 4.48 1.34 -1.60 -2.48 -2.74 2.18 2.33 -0.55

X3178 1 2 11 5 8 5 6 5 8 1 0.3 1.49 0.447 7.8341 5.8502 7.3551 5.7065 5.912 5.2736 1.5821 1.00 -1.70 1.49 -10.55 2.83 -2.15 2.36 -0.29 0.91 5.27 -6.42 3.18 -2.06

X3203 2 7 4 3 4 2 2 5 5 8 14 2 5.5 4.45 1.335 2.5005 3.5502 2.465 2.1395 4.1419 4.7426 7.0228 -5.00 1.50 4.45 -1.67 -1.50 1.55 0.47 -2.86 -0.86 -3.26 -6.98 2.73 -3.90

X3217 10 9 4 3 1 3 8 1 5 6 7 6 10 9.3 5.59 3.777 1.8331 2.6499 6.395 2.6185 4.2855 5.4857 6.5457 1.00 5.30 2.59 2.78 -1.17 -5.35 5.39 -2.38 -1.71 -1.51 0.55 2.70 -0.30

X3219 2 6 1 2 6 4 1 4 2 1 2 4.8 2.14 2.042 4.8126 1.4438 3.2331 1.6699 3.301 0.9903 1.6971 -4.00 3.80 0.14 -3.96 4.81 -2.56 2.23 -2.33 3.30 -1.01 0.70 2.62 0.51

X3220 1 10 18 3 8 1 2 1 1 1 7.3 14.79 6.537 7.5611 2.9683 2.2905 1.3871 0.4161 0.1248 0.7375 -9.00 -10.70 11.79 -1.46 6.56 0.97 1.29 1.39 0.42 -0.88 0.74 4.11 5.07

X3221 1 0 0 0 0 0 0 0 0 0.7 0.21 0.063 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -1.00 0.70 0.21 0.06 0.18 -0.15

X3228 1 1 1 0 0 0 0 0 0.7 0.21 0.063 0.0189 0.0057 0.7017 0.00 0.00 0.00 0.00 -1.00 0.70 0.21 0.06 0.02 -0.99 -0.30 0.30 -4.36

X3246 2 10 8 2 5 3 7 1 4 10 2 7.6 7.88 3.764 4.6292 3.4888 5.9466 1.784 1.2352 0.3706 2.9112 -8.00 -0.40 5.88 -1.24 1.63 -3.51 5.95 0.78 1.24 -3.63 -7.09 3.58 0.00

X3267 1 1 3 1 3 2 3 1 0.3 0.79 0.237 2.1711 1.3513 2.5054 0.7516 0.2255 1.4676 0.4403 1.00 -0.70 0.79 -2.76 1.17 -1.65 2.51 0.75 -1.77 1.47 -2.56 1.56 -1.32

X30791 1 1 1 1 4 1 2 1 1 0.3 0.79 0.937 0.2811 2.8843 1.5653 0.4696 0.1409 1.4423 0.00 1.00 -0.70 -0.21 0.94 -3.72 1.88 1.57 0.47 -1.86 1.44 1.25 -0.15

X30848 1 1 1 2 0 0.7 0.91 0.273 0.0819 0.0246 0.7074 0.2122 0.0637 0.0191 0.0057 -1.00 -0.30 0.91 0.27 0.08 -0.98 0.71 0.21 0.06 0.02 -1.99 0.59 -1.18

X64735 8 12 8 8 4 12 8 10.8 3.24 0.972 0.2916 5.6875 7.3062 2.1919 0.6576 2.9973 9.2992 -4.00 10.80 3.24 0.97 -7.71 -2.31 7.31 2.19 -3.34 -9.00 9.30 5.47 0.12

X64737 4 6 4 2 1 1 5 1 4 5.4 1.62 0.486 0.1458 2.8437 2.2531 1.3759 1.1128 0.3338 3.6002 -2.00 5.40 1.62 0.49 -3.85 0.84 1.25 0.38 1.11 -4.67 2.60 2.20 -0.10

X64517 4 5 27 0 0 0 0 2.8 4.34 1.302 0.3906 19.017 5.7052 1.7115 0.00 0.00 0.00 -4.00 -2.20 4.34 1.30 -26.61 19.02 5.71 1.71 5.90 -0.12

X64506 1 1 1 3 2 0 0 0.7 0.21 0.763 0.9289 0.2787 0.0836 2.1251 0.6375 1.5913 0.00 -1.00 0.70 -0.79 -0.24 0.93 0.28 -2.92 2.13 -1.36 1.59 1.08 0.29

X64534 2 1 1 0 1.4 0.42 0.826 0.2478 0.0743 0.0223 0.0067 0.002 0.7006 0.2102 -2.00 1.40 -0.58 0.83 0.25 0.07 0.02 0.01 -1.00 0.70 0.21 0.64 0.79

X64527 2 3 4 3 2 2 3 2 2.7 3.61 1.083 0.3249 2.1975 2.0592 0.6178 0.1853 1.4556 2.5367 -1.00 -1.30 3.61 1.08 -2.68 0.20 2.06 0.62 -1.81 -1.54 2.54 1.68 2.43

X64528 4 3 2 2 2 1 1 3 4 3.3 2.39 0.717 0.2151 1.4645 1.8394 1.2518 0.3755 0.8127 2.3438 1.00 1.30 2.39 0.72 -1.78 -0.54 0.84 1.25 -0.62 -2.19 2.34 1.36 1.77

X64531 1 1 0 0 0 0 0.7 0.21 0.063 0.0189 0.0057 0.7017 0.2105 0.00 0.00 0.00 -1.00 0.70 0.21 0.06 0.02 -0.99 0.70 0.21 0.35 -0.25

X66061 1 3 3 3 2 2 4 0 0 0.7 2.31 0.693 2.3079 0.6924 0.2077 2.1623 2.0487 2.0146 0.00 -1.00 -2.30 2.31 -2.31 2.31 0.69 -2.79 0.16 0.05 -1.99 1.45 -2.67

X66574 1 4 4 1 6 3 3 7 0 0 0 0.7 3.01 3.703 1.8109 0.5433 4.363 3.4089 3.1227 0.00 0.00 -1.00 -3.30 -0.99 2.70 1.81 -5.46 1.36 0.41 -3.88 1.90 -4.39

X76924 3 1 7 1 2 3 5 1 1 5 4 3 1.6 5.38 2.314 2.0942 2.7283 4.3185 1.2955 1.0887 1.0266 3.808 2.00 -5.40 4.38 0.31 -0.91 -2.27 4.32 0.30 0.09 -3.97 -0.19 2.19 0.94

X76946 8 2 5 2 1 3 19 8 2.4 0.72 0.216 1.4648 0.4394 3.6318 2.4895 1.4469 2.5341 0.7602 8.00 2.40 0.72 -1.78 1.46 -4.56 1.63 1.49 -1.55 2.53 -18.24 4.03 -4.54

X76984 2 4 1 1 2 2 4 6 2 0.6 2.98 1.594 1.1782 0.3535 1.506 1.8518 0.5555 2.9667 0.89 2.00 -3.40 1.98 0.59 1.18 -1.65 -0.49 1.85 -3.44 2.97 -5.11 2.24 -0.95

X76992 4 5 2 3 9 5 6 18 2 3 11 4 4.7 2.81 0.843 2.3529 7.0059 5.6018 5.8805 14.364 5.7092 3.8128 -1.00 2.70 2.81 -2.16 -6.65 2.01 -0.40 -12.12 12.36 2.71 -7.19 4.74 -1.82

X77332 3 1 1 0 0 0 0 0 2.1 0.63 0.189 0.0567 0.017 0.7051 0.00 0.00 0.00 0.00 -3.00 2.10 0.63 0.19 0.06 -0.98 -0.29 0.66 -1.97

X77397 10 9 2 5 7 1 4 1 4 10 12 10 9.3 4.19 4.757 6.3271 2.5981 3.5794 1.7738 3.3321 0.9996 7.2999 1.00 7.30 -0.81 -2.24 5.33 -1.40 2.58 -2.23 3.33 -9.00 -4.70 3.63 -2.52

X78009 1 7 4 3 10 7 3 9 5 4 10 20 1 5.2 4.36 3.408 8.0224 7.3067 4.292 7.5876 5.7763 4.5329 8.3599 -6.00 1.20 1.36 -6.59 1.02 4.31 -4.71 2.59 1.78 -5.47 -11.64 4.24 -4.09

X111067 53 15 29 2 25 7 14 32 0 0 37.1 21.63 26.789 8.0367 3.811 18.643 10.493 3.1479 10.744 0.00 -53.00 22.10 -7.37 26.79 6.04 -21.19 11.64 10.49 -10.85 -21.26 17.34 0.95

X111134 1 3 1 2 2 1 0.3 2.19 0.657 0.1971 0.7591 1.6277 0.4883 0.1465 1.4439 0.4332 1.00 -2.70 2.19 0.66 -0.80 -1.24 1.63 0.49 -1.85 1.44 0.43 1.31 2.24

X111144 68 3 47 17 4 20 30 0 0 47.6 16.38 37.814 11.344 3.4033 12.921 6.6763 2.0029 14.601 0.00 -68.00 44.60 -30.62 37.81 11.34 -13.60 8.92 6.68 -18.00 -15.40 23.18 1.37

X111145 3 53 19 40 2 7 3 16 0 2.1 37.73 24.619 35.386 10.616 4.5847 6.2754 1.8826 0.5648 2.2694 -3.00 -50.90 18.73 -15.38 35.39 8.62 -2.42 6.28 1.88 -2.44 -13.73 14.43 2.56

X111173 1 33 4 14 1 4 4 7 0 0.7 23.31 9.793 12.738 3.8214 1.1464 1.0439 3.1132 0.934 3.0802 -1.00 -32.30 19.31 -4.21 12.74 3.82 0.15 -2.96 3.11 -3.07 -3.92 7.87 3.17

X111197 5 56 8 33 6 38 10 40 65 0 3.5 40.25 17.675 28.403 8.5208 6.7562 28.627 15.588 4.6764 29.403 -5.00 -52.50 32.25 -15.33 28.40 2.52 -31.24 18.63 15.59 -35.32 -35.60 24.76 -0.81

X111207 62 8 29 1 9 2 11 27 0 0 43.4 18.62 25.886 7.7658 3.0297 7.2089 2.1627 2.0488 8.3146 0.00 -62.00 35.40 -10.38 25.89 6.77 -5.97 7.21 0.16 -8.95 -18.69 16.49 1.91

X111220 36 18 7 2 11 16 0 0 25.2 7.56 14.868 4.4604 6.2381 1.8714 1.9614 8.2884 2.4865 0.00 -36.00 25.20 -10.44 14.87 -2.54 6.24 -0.13 -9.04 8.29 -13.51 11.48 1.65

X111050 2 7 5 2 4 17 2 3 5 1 5 10 2 5.5 5.15 2.945 3.6835 13.005 5.3015 3.6905 4.6071 2.0821 4.1246 -5.00 0.50 3.15 -1.06 -13.32 11.01 2.30 -1.31 3.61 -2.92 -5.88 4.55 -0.97

X111051 1 4 1 0.3 2.89 0.867 0.2601 0.078 0.0234 0.007 0.0021 0.0006 0.0002 1.00 -3.70 2.89 0.87 0.26 0.08 0.02 0.01 0.00 0.00 0.00 0.80 5.14


Lampiran 9

Tabel Standar Service Level dan Safety Factor

Service Level (%) Safety Factor

50 0

75 0.67

80 0.84

85 1.04

90 1.28

94 1.56

95 1.65

96 1.75

97 1.88

98 2.05

99 2.33

99.86 3.00

99.99 4.00

PNX 2015 04 2015 05 2015 06 2015 07 2015 08 2015 09 2015 10 2015 11 2015 12 2016 01 2016 02 2016 03 Stdev Factor SS

X134582 48 76 78 0 14 78 58 17 92 86 42 95 32.69 1.65 54

X136011 25 27 1 0 0 22 2 28 9 0 12 46 15.08 1.65 25

X146626 2 2 2 1 0 1 1 1 3 4 4 1 1.27 1.65 2

X146896 0 1 4 1 1 1 2 0 3 1 5 0 1.62 1.65 3

X146918 1 2 2 4 4 5 1 1 1 1 7 0 2.11 1.65 3

X146935 0 1 3 2 0 0 3 0 3 0 5 0 1.73 1.65 3

X147124 4 3 2 6 1 2 2 0 4 0 4 4 1.83 1.65 3

X147137 0 2 3 3 1 2 2 2 4 2 5 0 1.47 1.65 2

X147675 49 30 43 27 41 24 87 180 79 67 155 160 56.01 1.65 92

X147928 42 26 27 11 20 11 16 8 17 14 24 21 9.30 1.65 15

X148843 7 2 4 0 8 3 0 2 2 2 6 21 5.72 1.65 9

X149777 9 13 0 14 5 1 0 0 7 5 1 3 5.01 1.65 8

X149786 20 5 0 11 14 2 0 0 0 8 5 6 6.40 1.65 11

X150193 5 6 3 1 2 0 0 7 3 7 6 2 2.61 1.65 4

X150200 1 2 0 0 0 0 1 1 1 0 1 0 0.67 1.65 1

X150294 0 0 0 0 0 0 0 0 1 0 0 0 0.29 1.65 0

X150300 0 0 1 1 0 1 0 4 2 2 3 4 1.51 1.65 2

X150361 2 5 2 0 0 0 0 0 0 0 3 6 2.15 1.65 4

X150362 2 6 2 0 0 0 0 0 0 0 3 6 2.31 1.65 4

X150600 1 0 2 0 0 0 0 0 0 0 0 1 0.65 1.65 1

X150617 0 2 3 0 0 2 1 0 2 0 2 0 1.13 1.65 2

X150618 5 0 6 2 0 4 1 1 1 0 1 1 2.04 1.65 3

X150632 8 0 0 0 0 0 4 0 0 0 0 0 2.49 1.65 4

X150837 9 0 22 4 2 0 15 6 12 10 6 0 6.81 1.65 11

X150854 5 6 6 2 3 4 1 1 3 1 3 3 1.80 1.65 3

X150860 1 0 3 1 1 0 1 1 2 2 0 4 1.23 1.65 2

X150872 0 0 0 1 0 1 1 1 4 0 0 0 1.15 1.65 2

X151105 9 11 4 1 0 0 1 0 3 1 1 1 3.65 1.65 6

X151111 40 38 13 2 7 7 8 29 9 14 25 18 12.69 1.65 21

X151124 1 2 3 0 2 0 0 2 3 3 3 0 1.31 1.65 2

X151126 1 0 0 2 1 0 0 0 4 0 1 0 1.22 1.65 2

X151228 6 7 11 10 0 2 1 0 2 0 0 0 4.14 1.65 7

X151307 0 0 0 0 0 0 0 0 2 0 0 2 0.78 1.65 1

X151403 24 1 13 22 4 2 0 0 6 6 0 0 8.61 1.65 14

X151407 8 9 0 9 11 0 0 0 2 6 3 3 4.14 1.65 7

X151441 0 3 18 0 0 2 0 2 4 0 3 9 5.28 1.65 9

X151478 2 2 3 3 2 2 0 5 6 2 4 5 1.71 1.65 3

X151496 1 1 0 0 0 0 4 1 0 0 4 1 1.48 1.65 2

X151506 4 6 4 1 4 1 11 1 3 1 1 12 3.85 1.65 6

X151509 6 13 0 2 0 0 0 4 4 2 8 11 4.49 1.65 7

Actual Demand

Perhitungan Safety Stock

Lampiran 10

X151512 0 2 3 2 2 1 2 3 7 2 6 6 2.17 1.65 4

X151497 0 0 1 0 0 1 1 0 0 0 0 0 0.45 1.65 1

X151517 0 0 0 0 0 0 0 0 0 2 2 1 0.79 1.65 1

X152316 31 14 6 0 5 17 13 26 49 15 18 26 13.30 1.65 22

X152334 45 46 34 23 18 15 12 8 11 18 21 21 12.59 1.65 21

X152952 15 34 2 18 7 0 0 2 32 14 36 36 14.69 1.65 24

X151790 5 2 3 0 0 1 3 5 4 1 3 2 1.73 1.65 3

X151869 2 0 4 0 4 8 5 4 2 0 3 12 3.52 1.65 6

X153046 320 205 28 7 167 138 175 77 266 240 218 552 145.27 1.65 240

X153229 156 115 57 0 80 22 87 116 153 74 134 284 73.92 1.65 122

… … … … … … … … … … … … … … … …

X568428 0 0 7 0 2 0 0 0 0 0 0 0 2.05 1.65 3

X568430 0 0 0 0 6 0 0 0 0 0 0 0 1.73 1.65 3

X568610 7 0 6 0 3 4 1 0 0 0 2 0 2.54 1.65 4

X571345 15 10 1 2 11 8 7 4 3 18 9 22 6.53 1.65 11

X3085 3 12 5 1 10 1 0 0 0 0 2 11 4.63 1.65 8

X3089 3 8 4 0 4 4 3 2 6 2 11 5 2.93 1.65 5

X3141 0 0 0 1 4 2 2 1 1 0 4 1 1.44 1.65 2

X3148 2 9 17 4 10 4 5 7 6 0 3 1 4.68 1.65 8

X3149 5 14 12 6 8 3 0 0 5 1 0 2 4.70 1.65 8

X3150 39 57 63 36 33 42 14 1 4 0 0 0 23.63 1.65 39

X3167 2 0 0 0 3 1 2 1 1 2 1 4 1.24 1.65 2

X3170 5 1 3 1 4 5 0 0 2 4 6 3 2.04 1.65 3

X3178 1 0 2 0 11 5 8 5 6 5 0 8 3.67 1.65 6

X3203 2 7 4 0 3 4 2 2 5 5 8 14 3.70 1.65 6

X3217 10 9 4 3 1 3 8 1 5 6 7 6 2.96 1.65 5

X3219 2 6 1 2 6 0 4 1 4 0 2 1 2.11 1.65 3

X3220 1 10 18 3 8 1 2 1 0 0 1 0 5.53 1.65 9

X3221 0 0 0 0 0 0 0 0 1 0 0 0 0.29 1.65 0

X3228 0 0 0 0 0 1 0 0 0 0 1 1 0.45 1.65 1

X3246 2 10 8 2 5 3 7 0 1 0 4 10 3.65 1.65 6

X3267 1 0 1 0 3 1 3 0 0 2 0 3 1.27 1.65 2

X30791 1 1 0 1 1 0 4 1 0 0 2 0 1.16 1.65 2

X30848 0 1 1 0 0 0 1 0 0 0 0 2 0.67 1.65 1

X64735 8 12 0 0 0 8 8 0 0 4 12 0 4.96 1.65 8

X64737 4 6 0 0 0 4 2 1 1 0 5 1 2.17 1.65 4

X64517 0 0 0 0 4 5 0 0 27 0 0 0 7.76 1.65 13

X64506 0 0 1 0 1 1 0 0 3 0 2 0 0.98 1.65 2

X64534 0 2 0 1 0 0 0 0 0 1 0 0 0.65 1.65 1

X64527 2 3 4 0 0 3 2 0 0 2 3 0 1.51 1.65 2

X64528 4 3 2 0 0 2 2 1 0 1 3 0 1.38 1.65 2

X64531 0 0 0 0 1 0 0 0 0 1 0 0 0.39 1.65 1

X66061 0 0 1 3 0 3 0 0 3 2 2 4 1.51 1.65 2

X66574 0 0 0 1 4 4 1 0 6 3 3 7 2.47 1.65 4

X76924 3 1 7 1 2 3 5 0 1 1 5 4 2.14 1.65 4

X76946 8 0 0 0 2 0 5 2 1 3 0 19 5.52 1.65 9

X76984 2 0 4 1 1 0 2 2 0 4 0 6 1.95 1.65 3

X76992 4 5 2 0 3 9 5 6 18 2 3 11 4.94 1.65 8

X77332 0 0 0 0 0 3 0 0 0 0 1 1 0.90 1.65 1

X77397 10 9 2 5 7 1 4 1 4 0 10 12 4.10 1.65 7

X78009 1 7 4 3 10 7 3 9 5 4 10 20 5.05 1.65 8

X111067 0 0 53 15 29 0 2 25 7 0 14 32 16.96 1.65 28

X111134 1 0 3 0 0 1 2 0 0 2 0 0 1.06 1.65 2

X111144 0 0 68 3 47 0 0 17 4 0 20 30 22.30 1.65 37

X111145 0 3 53 19 40 0 2 7 0 0 3 16 17.56 1.65 29

X111173 0 1 33 4 14 0 0 1 4 0 4 7 9.53 1.65 16

X111197 0 5 56 8 33 0 6 38 10 0 40 65 23.44 1.65 39

X111207 0 0 62 8 29 0 1 9 0 2 11 27 18.67 1.65 31

X111220 0 0 36 0 18 0 7 0 2 11 0 16 11.18 1.65 18

X111050 2 7 5 2 4 17 2 3 5 1 5 10 4.47 1.65 7

X111051 1 0 4 0 0 0 0 0 0 0 0 0 1.16 1.65 2


PNX2015

04

2015

05

2015

06

2015

07

2015

08

2015

09

2015

10

2015

11

2015

12

2016

01

2016

02

2016

03SS Da R LT MSL

X134582 48 76 78 0 14 78 58 17 92 86 42 95 54 1.87 7 80 217

X136011 25 27 1 0 0 22 2 28 9 0 12 46 25 0.47 7 45 49

X146626 2 2 2 1 0 1 1 1 3 4 4 1 2 0.06 7 12 3

X146896 0 1 4 1 1 1 2 0 3 1 5 0 3 0.05 7 12 4

X146918 1 2 2 4 4 5 1 1 1 1 7 0 3 0.08 7 12 5

X146935 0 1 3 2 0 0 3 0 3 0 5 0 3 0.05 7 12 4

X147124 4 3 2 6 1 2 2 0 4 0 4 4 3 0.09 7 12 5

X147137 0 2 3 3 1 2 2 2 4 2 5 0 2 0.07 7 12 4

X147675 49 30 43 27 41 24 87 180 79 67 155 160 92 2.58 7 90 343

X147928 42 26 27 11 20 11 16 8 17 14 24 21 15 0.65 7 18 32

X148843 7 2 4 0 8 3 0 2 2 2 6 21 9 0.16 7 18 13

X149777 9 13 0 14 5 1 0 0 7 5 1 3 8 0.16 7 18 12

X149786 20 5 0 11 14 2 0 0 0 8 5 6 11 0.19 7 105 32

X150193 5 6 3 1 2 0 0 7 3 7 6 2 4 0.12 7 100 17

X150200 1 2 0 0 0 0 1 1 1 0 1 0 1 0.02 7 180 5

X150294 0 0 0 0 0 0 0 0 1 0 0 0 0 0.00 7 180 1

X150300 0 0 1 1 0 1 0 4 2 2 3 4 2 0.05 7 48 5

X150361 2 5 2 0 0 0 0 0 0 0 3 6 4 0.05 7 100 9

X150362 2 6 2 0 0 0 0 0 0 0 3 6 4 0.05 7 180 14

X150600 1 0 2 0 0 0 0 0 0 0 0 1 1 0.01 7 100 2

X150617 0 2 3 0 0 2 1 0 2 0 2 0 2 0.03 7 100 5

X150618 5 0 6 2 0 4 1 1 1 0 1 1 3 0.06 7 180 15

X150632 8 0 0 0 0 0 4 0 0 0 0 0 4 0.03 7 100 8

X150837 9 0 22 4 2 0 15 6 12 10 6 0 11 0.24 7 100 36

X150854 5 6 6 2 3 4 1 1 3 1 3 3 3 0.10 7 15 5

X150860 1 0 3 1 1 0 1 1 2 2 0 4 2 0.04 7 100 7

X150872 0 0 0 1 0 1 1 1 4 0 0 0 2 0.02 7 75 4

X151105 9 11 4 1 0 0 1 0 3 1 1 1 6 0.09 7 180 22

X151111 40 38 13 2 7 7 8 29 9 14 25 18 21 0.58 7 100 82

X151124 1 2 3 0 2 0 0 2 3 3 3 0 2 0.05 7 180 12

X151126 1 0 0 2 1 0 0 0 4 0 1 0 2 0.02 7 180 7

X151228 6 7 11 10 0 2 1 0 2 0 0 0 7 0.11 7 105 19

X151307 0 0 0 0 0 0 0 0 2 0 0 2 1 0.01 7 100 2

X151403 24 1 13 22 4 2 0 0 6 6 0 0 14 0.21 7 180 54

X151407 8 9 0 9 11 0 0 0 2 6 3 3 7 0.14 7 180 33

X151441 0 3 18 0 0 2 0 2 4 0 3 9 9 0.11 7 18 12

X151478 2 2 3 3 2 2 0 5 6 2 4 5 3 0.10 7 45 8

X151496 1 1 0 0 0 0 4 1 0 0 4 1 2 0.03 7 100 6

X151506 4 6 4 1 4 1 11 1 3 1 1 12 6 0.13 7 100 21

X151509 6 13 0 2 0 0 0 4 4 2 8 11 7 0.14 7 75 19

X151512 0 2 3 2 2 1 2 3 7 2 6 6 4 0.10 7 100 14

X151497 0 0 1 0 0 1 1 0 0 0 0 0 1 0.01 7 30 1

Actual Demand

Perhitungan Maximum Stock Level

Lampiran 11

X151517 0 0 0 0 0 0 0 0 0 2 2 1 1 0.01 7 45 2

X152316 31 14 6 0 5 17 13 26 49 15 18 26 22 0.60 7 90 80

X152334 45 46 34 23 18 15 12 8 11 18 21 21 21 0.75 7 18 39

X152952 15 34 2 18 7 0 0 2 32 14 36 36 24 0.54 7 90 76

X151790 5 2 3 0 0 1 3 5 4 1 3 2 3 0.08 7 90 11

X151869 2 0 4 0 4 8 5 4 2 0 3 12 6 0.12 7 18 9

X153046 320 205 28 7 167 138 175 77 266 240 218 552 240 6.56 7 30 482

X153229 156 115 57 0 80 22 87 116 153 74 134 284 122 3.50 7 18 210

… … … … … … … … … … … … … … … … … …

X568428 0 0 7 0 2 0 0 0 0 0 0 0 3 0.02 7 90 6

X568430 0 0 0 0 6 0 0 0 0 0 0 0 3 0.02 7 90 4

X568610 7 0 6 0 3 4 1 0 0 0 2 0 4 0.06 7 90 10

X571345 15 10 1 2 11 8 7 4 3 18 9 22 11 0.30 7 36 24

X3085 3 12 5 1 10 1 0 0 0 0 2 11 8 0.12 7 48 14

X3089 3 8 4 0 4 4 3 2 6 2 11 5 5 0.14 7 48 13

X3141 0 0 0 1 4 2 2 1 1 0 4 1 2 0.04 7 120 8

X3148 2 9 17 4 10 4 5 7 6 0 3 1 8 0.19 7 120 31

X3149 5 14 12 6 8 3 0 0 5 1 0 2 8 0.15 7 120 27

X3150 39 57 63 36 33 42 14 1 4 0 0 0 39 0.79 7 120 140

X3167 2 0 0 0 3 1 2 1 1 2 1 4 2 0.05 7 120 8

X3170 5 1 3 1 4 5 0 0 2 4 6 3 3 0.09 7 120 15

X3178 1 0 2 0 11 5 8 5 6 5 0 8 6 0.14 7 120 24

X3203 2 7 4 0 3 4 2 2 5 5 8 14 6 0.15 7 120 26

X3217 10 9 4 3 1 3 8 1 5 6 7 6 5 0.17 7 120 27

X3219 2 6 1 2 6 0 4 1 4 0 2 1 3 0.08 7 120 14

X3220 1 10 18 3 8 1 2 1 0 0 1 0 9 0.12 7 120 25

X3221 0 0 0 0 0 0 0 0 1 0 0 0 0 0.00 7 120 1

X3228 0 0 0 0 0 1 0 0 0 0 1 1 1 0.01 7 123 2

X3246 2 10 8 2 5 3 7 0 1 0 4 10 6 0.14 7 120 24

X3267 1 0 1 0 3 1 3 0 0 2 0 3 2 0.04 7 120 7

X30791 1 1 0 1 1 0 4 1 0 0 2 0 2 0.03 7 30 3

X30848 0 1 1 0 0 0 1 0 0 0 0 2 1 0.01 7 30 2

X64735 8 12 0 0 0 8 8 0 0 4 12 0 8 0.14 7 45 16

X64737 4 6 0 0 0 4 2 1 1 0 5 1 4 0.07 7 30 6

X64517 0 0 0 0 4 5 0 0 27 0 0 0 13 0.10 7 48 18

X64506 0 0 1 0 1 1 0 0 3 0 2 0 2 0.02 7 66 3

X64534 0 2 0 1 0 0 0 0 0 1 0 0 1 0.01 7 48 2

X64527 2 3 4 0 0 3 2 0 0 2 3 0 2 0.05 7 48 5

X64528 4 3 2 0 0 2 2 1 0 1 3 0 2 0.05 7 48 5

X64531 0 0 0 0 1 0 0 0 0 1 0 0 1 0.01 7 48 1

X66061 0 0 1 3 0 3 0 0 3 2 2 4 2 0.05 7 57 6

X66574 0 0 0 1 4 4 1 0 6 3 3 7 4 0.08 7 48 8

X76924 3 1 7 1 2 3 5 0 1 1 5 4 4 0.09 7 33 7

X76946 8 0 0 0 2 0 5 2 1 3 0 19 9 0.11 7 24 12

X76984 2 0 4 1 1 0 2 2 0 4 0 6 3 0.06 7 30 5

X76992 4 5 2 0 3 9 5 6 18 2 3 11 8 0.19 7 30 15

X77332 0 0 0 0 0 3 0 0 0 0 1 1 1 0.01 7 30 2

X77397 10 9 2 5 7 1 4 1 4 0 10 12 7 0.18 7 24 12

X78009 1 7 4 3 10 7 3 9 5 4 10 20 8 0.23 7 33 17

X111067 0 0 53 15 29 0 2 25 7 0 14 32 28 0.48 7 48 55

X111134 1 0 3 0 0 1 2 0 0 2 0 0 2 0.02 7 45 3

X111144 0 0 68 3 47 0 0 17 4 0 20 30 37 0.52 7 33 58

X111145 0 3 53 19 40 0 2 7 0 0 3 16 29 0.39 7 48 51

X111173 0 1 33 4 14 0 0 1 4 0 4 7 16 0.19 7 63 29

X111197 0 5 56 8 33 0 6 38 10 0 40 65 39 0.72 7 48 78

X111207 0 0 62 8 29 0 1 9 0 2 11 27 31 0.41 7 48 53

X111220 0 0 36 0 18 0 7 0 2 11 0 16 18 0.25 7 63 36

X111050 2 7 5 2 4 17 2 3 5 1 5 10 7 0.17 7 180 40

X111051 1 0 4 0 0 0 0 0 0 0 0 0 2 0.01 7 45 3


2.68 6.45 0.89 4.70

PNX Forecast Actual Demand error error absolute PNX Forecast Actual Demand error error absolute

X134582 67 5 62 62 X134582 65 5 60 60

X135252 1 0 1 1 X136011 17 0 17 17

X135989 5 0 5 5 X146626 3 3 0 0

X136011 17 0 17 17 X146896 2 4 -2 2

X139171 15 0 15 15 X146918 2 4 -2 2

X140779 3 3 0 0 X146935 2 2 0 0

X146266 2 3 -1 1 X147124 3 9 -6 6

X147669 2 0 2 2 X147137 3 1 2 2

X147675 113 125 -12 12 X147675 122 125 -3 3

X147676 2 1 1 1 X147928 17 14 3 3

X147813 6 0 6 6 X148843 6 3 3 3

X147814 3 1 2 2 X149777 3 3 0 0

X147836 95 13 82 82 X149786 4 8 -4 4

X147837 5 1 4 4 X150193 5 2 3 3

X147839 2 0 2 2 X150200 1 0 1 1

X147840 3 4 -1 1 X150294 1 0 1 1

X147843 7 3 4 4 X150300 3 3 0 0

X147928 33 14 19 19 X150361 2 0 2 2

X147970 1 0 1 1 X150362 2 0 2 2

X148026 6 0 6 6 X150600 1 1 0 0

X148028 2 0 2 2 X150617 1 0 1 1

X148043 5 1 4 4 X150618 1 0 1 1

X148044 32 25 7 7 X150632 1 0 1 1

X148053 1 0 1 1 X150837 9 5 4 4

X148054 36 3 33 33 X150854 2 2 0 0

X148055 7 2 5 5 X150860 2 2 0 0

X148065 11 18 -7 7 X150872 1 0 1 1

X148077 4 1 3 3 X151105 2 0 2 2

X148079 5 0 5 5 X151111 18 5 13 13

X148087 1 0 1 1 X151124 2 0 2 2

X148098 1 2 -1 1 X151126 1 0 1 1

X148101 1 1 0 0 X151228 1 0 1 1

X148109 9 1 8 8 X151307 1 0 1 1

X148113 4 0 4 4 X151403 2 10 -8 8

X148114 9 0 9 9 X151407 3 8 -5 5

X148125 2 3 -1 1 X151441 3 4 -1 1

X148134 1 1 0 0 X151478 4 2 2 2

X148142 11 4 7 7 X151496 2 2 0 0

X148170 11 0 11 11 X151506 5 5 0 0

X148194 2 4 -2 2 X151509 5 3 2 2

X148198 2 1 1 1 X151512 5 2 3 3

X148210 2 4 -2 2 X151497 1 0 1 1

X148459 1 0 1 1 X151517 1 0 1 1

X148461 2 10 -8 8 X152316 25 29 -4 4

X148462 2 0 2 2 X152334 16 10 6 6

X148467 1 0 1 1 X152952 20 15 5 5

X148469 2 2 0 0 X151790 3 5 -2 2

X148843 3 3 0 0 X151869 5 0 5 5

X148897 5 0 5 5 X153046 255 521 -266 266

X148948 1 0 1 1 X153229 142 101 41 41

X562117 3 0 3 3 X568428 0 0 0 0

X563965 1 0 1 1 X568430 0 0 0 0

X563967 3 0 3 3 X568610 1 0 1 1

X568163 4 0 4 4 X571345 11 9 2 2

X568170 62 0 62 62 X3085 3 0 3 3

X568171 5 2 3 3 X3089 5 0 5 5

X568400 1 0 1 1 X3141 2 0 2 2

X568610 3 0 3 3 X3148 4 0 4 4

X568611 5 0 5 5 X3149 2 0 2 2

X571171 1 0 1 1 X3150 4 0 4 4

X571345 15 9 6 6 X3167 2 3 -1 1

X302809 6 0 6 6 X3170 3 4 -1 1

X568901 1 0 1 1 X3178 6 1 5 5

X3085 5 0 5 5 X3203 6 0 6 6

X3089 6 0 6 6 X3217 6 0 6 6

X3141 2 0 2 2 X3219 2 1 1 1

X3148 7 0 7 7 X3220 1 0 1 1

Final SDL PT KMSI Final SDL Ideal

Lampiran 12

Perbandingan Nilai Error Final SDL KMSI v Final SDL Ideal terhadap Demand April

X3149 8 0 8 8 X3221 1 1 0 0

X3150 30 0 30 30 X3228 1 1 0 0

X3167 2 3 -1 1 X3246 4 1 3 3

X3170 3 4 -1 1 X3267 2 0 2 2

X3203 5 0 5 5 X30791 2 0 2 2

X3217 5 0 5 5 X30848 1 1 0 0

X3219 3 1 2 2 X64735 4 0 4 4

X3220 5 0 5 5 X64737 2 0 2 2

X3246 5 1 4 4 X64517 5 0 5 5

X3267 2 0 2 2 X64506 1 0 1 1

X30791 1 0 1 1 X64534 1 0 1 1

X30818 1 0 1 1 X64527 2 0 2 2

X30848 1 1 0 0 X64528 2 0 2 2

X30881 1 5 -4 4 X64531 1 1 0 0

X30952 3 0 3 3 X66061 2 0 2 2

X64735 5 0 5 5 X66574 4 2 2 2

X64534 1 0 1 1 X76924 3 0 3 3

X64527 2 0 2 2 X76946 5 0 5 5

X64528 2 0 2 2 X76984 3 3 0 0

X68312 2 0 2 2 X76992 8 1 7 7

X75722 7 15 -8 8 X77332 1 0 1 1

X76924 3 0 3 3 X77397 6 0 6 6

X76930 13 5 8 8 X78009 9 3 6 6

X76946 3 0 3 3 X111067 14 40 -26 26

X76984 3 3 0 0 X111134 1 0 1 1

X76992 7 1 6 6 X111144 12 46 -34 34

X77146 1 1 0 0 X111145 5 40 -35 35

X77397 6 0 6 6 X111173 3 0 3 3

X77815 8 13 -5 5 X111197 27 20 7 7

X78009 7 3 4 4 X111207 9 32 -23 23

X111067 24 40 -16 16 X111220 6 10 -4 4

X111134 1 0 1 1 X111050 5 6 -1 1

X111144 28 46 -18 18 X111051 0 0 0 0


PO No. Do No. Item No PNX Desc Order Qty Supplied Qty Date Availability

SGT921498270 U286628 1 X3085 RELAY 2 2 20160301 AVAIL

BGL921498342 D286692 4 X111169 O-RING 1 1 20160301 AVAIL

BGL921498343 U286693 4 X111173 O-RING 1 1 20160301 AVAIL





BGL921498342 D286692 2 X111220 RING 4 4 20160301 AVAIL


SGT921498338 U286686 1 X153872 PLUG 2 2 20160301 AVAIL

SGT921498246 D286600 1 X153988 PLUG 2 2 20160301 AVAIL

SGT921498118 E286462 1 X176230 PRECLEANER 1 1 20160301 AVAIL

SGT910216836 I286812 1 X176230 PRECLEANER 1 1 20160301 AVAIL

SGT921498098 U286440 7 X191933 PIN 3 3 20160301 AVAIL

SGT921498145 U286504 2 X199490 NUT 1 1 20160301 AVAIL

SGT921498163 E286521 1 X199492 PLATE 1 1 20160301 AVAIL

SGT921498303 D286657 1 X203190 CYLINDER 1 1 20160301 AVAIL

SGT921498145 U286504 1 X203426 COUPLING 1 1 20160301 AVAIL

SGT921498152 U286509 1 X203523 CABLE 1 1 20160301 AVAIL

BGL921498378 D286730 2 X203713 COVER 1 1 20160301 AVAIL

SGT921498098 U286440 4 X203976 BUSHING 2 2 20160301 AVAIL

SGT921498032 U286378 1 X204103 MOTOR ASS'Y 1 1 20160301 AVAIL

SGT921498032 U286378 2 X204104 MOTOR ASS'Y 1 1 20160301 AVAIL

SGT921498120 E286465 4 X204785 BRACKET 1 1 20160301 AVAIL

SGT921498120 E286465 5 X204787 BRACKET 1 1 20160301 AVAIL

SGT921498098 U286440 5 X204806 SHAFT 2 2 20160301 AVAIL



SGT921498098 U286440 2 X213669 BOLT 2 2 20160301 AVAIL

SGT921498098 U286440 2 X213669 BOLT 2 2 20160301 AVAIL

SGT921498098 U286440 3 X214473 JOINT 1 1 20160301 AVAIL

SGT921498304 U286658 4 X219856 SNAP RING 1 1 20160301 AVAIL

SGT921497964 D286337 1 X230432 LOCK 1 1 20160301 AVAIL

BGL921498198 D286551 1 X230432 LOCK 2 2 20160301 AVAIL

SGT921498087 U286430 1 X244306 RUBBER 1 1 20160301 AVAIL

SGT921498271 U286629 1 X246430 O-RING 1 1 20160301 AVAIL

SGT921498390 U286749 1 X246445 OIL SEAL 1 1 20160301 AVAIL

SGT921498390 U286749 2 X247760 SHIM ASS'Y 1 1 20160301 AVAIL






Data Availiability Subdepot Maret & April

Lampiran 13



SGT921498005 U286338 1 X288018 DUST SEAL 4 4 20160301 AVAIL



SGT921498102 E286447 1 X288037 BUSHING 2 2 20160301 AVAIL

SGT921498005 U286338 5 X288046 SPACER 4 4 20160301 AVAIL

BNT921521707 U311748 1 X165742 ROD 4 4 20160430 AVAIL

TDM921521473 U311504 1 X166604 SWITCH 2 2 20160430 AVAIL

BGL921521583 D311623 1 X203068 COLLAR 1 1 20160430 AVAIL

SGT921521533 E311563 1 X203679 BOOT 1 1 20160430 AVAIL

SGT921521533 E311563 2 X230432 LOCK 2 2 20160430 AVAIL

SGT921521533 E311563 3 X230434 LOCK 2 2 20160430 AVAIL

SGT921521456 U311468 1 X244306 RUBBER 2 2 20160430 AVAIL

BNT921521706 D311747 2 X250829 CAP 2 2 20160430 AVAIL

BNT921521690 D311722 2 X254229 SEAT 4 4 20160430 AVAIL

BNT921521686 U311716 1 X254229 SEAT 20 20 20160430 AVAIL

BNT921521690 D311722 1 X254385 SASH ASS'Y 1 0 20160430 NAVAIL

BNT921521706 D311747 1 X254966 HOLDER 2 2 20160430 AVAIL

BNE921521429 U311457 1 X271090 SOLENOID ASS'Y 1 1 20160430 AVAIL

SGT921521539 U311569 2 X272318 BOLT 1 1 20160430 AVAIL

SGT921521539 U311569 1 X282886 SPACER 1 1 20160430 AVAIL

BNT921521711 D311749 1 X291494 GASKET 2 2 20160430 AVAIL

BDI921521485 U311512 1 X294419 SEAL 4 4 20160430 AVAIL

TDM921521595 E311634 1 X298574 COVER 1 0 20160430 NAVAIL

BGL921521692 D311724 1 X303657 SHIM ASS'Y 1 1 20160430 AVAIL

BGL921521697 U311729 1 X303670 SHIM ASS'Y 2 2 20160430 AVAIL

BGL921521692 D311724 6 X303679 PIN 1 1 20160430 AVAIL

BGL921521692 D311724 5 X303709 BUSHING 2 2 20160430 AVAIL



BGL921521700 U311731 1 X303715 SEAL 2 2 20160430 AVAIL


BDI921521487 D311516 1 X303804 PLATE 2 2 20160430 AVAIL

BNE921521648 D311683 1 X315834 TANK 1 1 20160430 AVAIL


BGL921521460 D311488 2 X327786 SERVICE KIT 1 1 20160430 AVAIL

BGL921521460 D311488 3 X327805 WASHER 2 2 20160430 AVAIL

BGL921521460 D311488 1 X327962 SERVICE KIT 1 1 20160430 AVAIL

BNE921521453 U311459 1 X407347 GAUGE 2 2 20160430 AVAIL

BDI921521507 D311538 1 X453911 DOOR ASS'Y 1 1 20160430 AVAIL

BGL921521580 U311621 1 X466057 SERVICE KIT 4 4 20160430 AVAIL

BGL921521581 U311622 1 X466057 SERVICE KIT 1 1 20160430 AVAIL

BGL921521584 U311624 1 X466170 PISTON 4 4 20160430 AVAIL



BDI921521664 U311695 1 X471295 SPACER 2 2 20160430 AVAIL

SGT921521481 U311511 2 X471870 BUZZER 1 1 20160430 AVAIL

SGT921521488 U311518 2 X471870 BUZZER 1 1 20160430 AVAIL


BGL921521740 U311778 1 X473643 SEAL 1 1 20160430 AVAIL

SGT921521480 D311510 1 X478676 CAP ASS'Y 1 1 20160430 AVAIL

SGT921521481 U311511 1 X480952 INDICATOR 1 1 20160430 AVAIL

SGT921521488 U311518 1 X480952 INDICATOR 1 1 20160430 AVAIL

SGT921521729 D311772 1 X536228 RELIEF VALVE 1 1 20160430 AVAIL

BNE921521526 U311556 2 X543080 BUSHING 1 1 20160430 AVAIL

BNE921521526 U311556 1 X543142 BUSHING 1 1 20160430 AVAIL


Lampiran 14

Simulasi Stock Amount Movement

PN Actual Demand

Amount PN

Stock Amount

Teori Ideal

Stock Amount

@end of period PN

Current Stock

Amount

Stock Amount

@end of period

A 2000 A 2500 500 A 2000 0

B 2000 B 2000 0 B 2500 500

C 2000 C 2000 0 D 2000 0

D 2000 D 2200 200 E 1400 1400

E 1800 1800 F 1000 1000

Σ 8000 Σ 10500 2500 Σ 8900 2900

TUGAS AKHIR - UNUGHArepository.unugha.ac.id/544/1/Pengendalian Persediaan... · 2019. 7. 18. ·...

Documents

Transcript of TUGAS AKHIR - UNUGHArepository.unugha.ac.id/544/1/Pengendalian Persediaan... · 2019. 7. 18. ·...