TUGAS AKHIR - UNUGHArepository.unugha.ac.id/544/1/Pengendalian Persediaan... · 2019. 7. 18. ·...
Transcript of 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 :
Nama : Doddy Aditiya
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
Pengendalian Persediaan Parts dengan Analisis Klasifikasi
Persediaan, Forecasting, Safety Stock & Maksimum Stock Level
beserta Analisis Dampaknya terhadap Inventory KPI
di PT Komatsu Marketing & Support Indonesia
Disusun oleh :
Nama : Doddy Aditiya
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
xiv
iv
ABSTRAK
Pengendalian Persediaan Parts dengan Analisis Klasifikasi
Persediaan, Forecasting, Safety Stock & Maksimum Stock Level
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.
v
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
terhadap Inventory KPI di PT KMSI.
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
terhadap Inventory KPI di PT KMSI.
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
Sumber Data : Bahan Ajar Pengendalian & Perencanaan Produksi UMB
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
Sumber Data : Bahan Ajar Pengendalian & Perencanaan Produksi UMB
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
Sumber Data : Bahan Ajar Pengendalian & Perencanaan Produksi UMB
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
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
Sumber : Data Primer diolah 2016
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
Sumber : Data Primer diolah 2016
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
Sumber : Data Primer diolah 2016
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
Sumber : Data Primer diolah 2016
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
Sumber : Data Primer diolah 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)
Sumber : Data Primer diolah 2016
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
Sumber : Data Primer diolah 2016
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
dapat dilihat sebagai berikut :
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
dapat dilihat sebagai berikut :
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
Total Sales Amount 3,572,985.99
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
Total Sales Amount 42,783,967.54
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
Total Sales Amount 3,530,066.06
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.
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
X139913 6 0.05 0 KOMAT GENERAL M PTUT NO
X141927 13 2.41 0 KOMAT GENERAL D KMSI YES
X141932 4 4.9 0 KOMAT GENERAL M PTUT NO
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
X146477 79 73.56 0 KOMAT HOSE M PTUT NO
X148451 5 9.03 0 KOMAT GENERAL F KMSI YES
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
X163689 2 29.16 0 KOMAT GENERAL M PTUT NO
X163715 3 38.16 0 KOMAT GENERAL L KMSI YES
X163750 2 56.4 0 KOMAT GENERAL M PTUT NO
X299975 1 467.2 0 KOMAT GENERAL M 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
X300345 9 739.3 0 KOMAT HOSE M PTUT 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
X370669 251 0.42 0 KMG GENERAL M PTUT NO
X351189 22 8.76 0 KMG GENERAL E KMSI NO
X351849 292 0.35 0 KMG GENERAL M PTUT NO
Identifikasi Penyusunan Draft SDL
Lampiran 4
X456256 172 15.08 0 KOMAT GENERAL K PTUT NO
X459274 28 29.7 0 KOMAT HOSE M PTUT NO
X463843 89 24.63 0 KOMAT GENERAL K KMSI YES
X328109 74 13.64 0 KOMAT GENERAL M KMSI YES
X313950 87 11.86 0 KOMAT GENERAL M KMSI YES
X471736 40 37.45 0 KOMAT GENERAL M KMSI YES
X3936 1 131.53 0 KAC GENERAL T KMSI NO
X496151 24 5.1 0 KOMAT GENERAL D KMSI YES
X542736 77 49.48 0 KOMAT GENERAL E KMSI YES
X471681 11 142.4 0 KOMAT HOSE M PTUT NO
X453188 41 215.1 0 KOMAT GENERAL K KMSI YES
…. …. …. …. …. …. …. …. ….
X512676 55 184.8 0 KOMAT GENERAL D KMSI YES
X544777 26 182.8 0 KOMAT GENERAL E KMSI YES
X548809 1 413.1 0 KOMAT GENERAL E KMSI YES
X550295 2 369.6 0 KOMAT GENERAL E KMSI YES
X545090 6 213.1 0 KOMAT GENERAL E KMSI YES
X528236 1 223.2 0 KOMAT GENERAL M PTUT NO
X308300 24 31.24 0 KOMAT GENERAL K KMSI YES
X328110 88 10.1 0 KOMAT GENERAL M KMSI YES
X330824 8 4.2 0 KOMAT GENERAL F KMSI YES
X313322 72 11.94 0 KOMAT GENERAL M KMSI YES
X313961 54 5.4 0 KOMAT GENERAL M KMSI YES
X316736 85 25.72 0 KOMAT GENERAL L KMSI YES
X455450 61 36.71 0 KOMAT GENERAL F KMSI YES
X455944 47 10.11 0 KOMAT GENERAL M KMSI YES
X457520 80 9.44 0 KOMAT GENERAL F KMSI YES
X461046 183 12.76 0 KOMAT GENERAL F KMSI YES
X471872 373 38.95 0 KOMAT GENERAL G KMSI YES
X487943 148 2.04 0 KOMAT GENERAL D KMSI YES
X496152 17 8.57 0 KOMAT GENERAL D KMSI YES
X499897 13 3.77 0 KOMAT GENERAL D KMSI YES
X506495 23 6.18 0 KOMAT GENERAL D KMSI YES
X1917 9 5219.2 0 KAC GENERAL Z KMSI NO
X508282 39 16.88 0 KOMAT GENERAL D KMSI YES
X3964 3 733.48 0 KAC GENERAL Z KMSI NO
X512349 45 28.91 0 KOMAT GENERAL D KMSI YES
X416524 322 244.6 0 KOMAT COOLANT-GREASE N KMSI NO
X513110 133 13.27 0 KOMAT GENERAL M PTUT NO
X513767 24 14.66 0 KOMAT GENERAL D KMSI YES
X543927 9 26.7 0 KOMAT GENERAL E KMSI YES
X27122 10 0.65 0 KOMAT GENERAL D PTUT NO
X76577 66 25.96 0 KOMAT GENERAL D PTUT NO
X351185 2 33.8 0 KMG GENERAL N KMSI NO
X351555 9 73.02 0 KMG GENERAL N KMSI NO
X331175 7 59.27 0 KOMAT GENERAL M KMSI YES
X318625 20 78.21 0 KOMAT GENERAL G KMSI YES
X407302 93 91.6 0 KOMAT GENERAL K PTUT NO
X455547 153 88.52 0 KOMAT GENERAL K KMSI YES
X455704 42 67.75 0 KOMAT GENERAL M KMSI YES
X455678 31 80.55 0 KOMAT GENERAL M KMSI YES
X417313 1 208.1 0 KOMAT FILTER M KMSI NO
X471020 34 49.55 0 KOMAT GENERAL F KMSI YES
X488109 28 83.64 0 KOMAT GENERAL D KMSI YES
X511201 46 84.96 0 KOMAT GENERAL D KMSI YES
X513141 13 64.42 0 KOMAT GENERAL D KMSI YES
X98233 17 33740 0 REMAN GENERAL F KMSI NO
X542743 78 63.88 0 KOMAT GENERAL E KMSI YES
X331220 28 177.1 0 KOMAT GENERAL M KMSI YES
X331228 24 552 0 KOMAT GENERAL M KMSI YES
X331242 20 137.7 0 KOMAT GENERAL M KMSI YES
X331253 23 150.8 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
Actual Forecast Error
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
*Hanya menampilkan 100 part number secara acak
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
Actual Forecast Error
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
*Hanya menampilkan 100 part number secara acak
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
*Hanya menampilkan 100 part number secara acak
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
*Hanya menampilkan 100 part number secara acak
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
*Hanya menampilkan 100 part number secara acak
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
BGL921498343 U286693 1 X111197 O-RING 4 4 20160301 AVAIL
BGL921498343 U286693 3 X111197 O-RING 3 3 20160301 AVAIL
BGL921498342 D286692 3 X111200 O-RING 1 1 20160301 AVAIL
BGL921498343 U286693 2 X111207 O-RING 4 4 20160301 AVAIL
BGL921498342 D286692 2 X111220 RING 4 4 20160301 AVAIL
BGL921498342 D286692 1 X111227 O-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 6 X204806 SHAFT 1 1 20160301 AVAIL
SGT921498098 U286440 1 X213629 SHAFT 1 1 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
SGT921498447 U286804 1 X251818 BUSHING 2 2 20160301 AVAIL
SGT921498075 U286420 2 X282850 O-RING 2 2 20160301 AVAIL
SGT921498005 U286338 2 X287925 BUSHING 2 2 20160301 AVAIL
SGT921498075 U286420 4 X287925 BUSHING 2 2 20160301 AVAIL
SGT921498005 U286338 4 X287928 O-RING 1 1 20160301 AVAIL
Data Availiability Subdepot Maret & April
Lampiran 13
SGT921498075 U286420 3 X287928 O-RING 2 2 20160301 AVAIL
SGT921498075 U286420 3 X287928 O-RING 2 2 20160301 AVAIL
SGT921498005 U286338 1 X288018 DUST SEAL 4 4 20160301 AVAIL
SGT921498005 U286338 3 X288018 DUST SEAL 6 6 20160301 AVAIL
SGT921498075 U286420 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
BGL921521692 D311724 2 X303710 BUSHING 1 1 20160430 AVAIL
BGL921521692 D311724 3 X303711 BUSHING 1 1 20160430 AVAIL
BGL921521700 U311731 1 X303715 SEAL 2 2 20160430 AVAIL
BGL921521692 D311724 4 X303785 BUSHING 1 1 20160430 AVAIL
BDI921521487 D311516 1 X303804 PLATE 2 2 20160430 AVAIL
BNE921521648 D311683 1 X315834 TANK 1 1 20160430 AVAIL
BGL921521460 D311488 4 X321192 BUSHING 2 2 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
BGL921521585 U311625 1 X466170 PISTON 4 4 20160430 AVAIL
BGL921521588 U311626 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
BGL921521739 D311777 1 X473615 BUSHING 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
*Hanya menampilkan 100 part number secara acak
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