USULAN PERBAIKAN SISTEM PERSEDIAAN BAHAN BAKU STEEL …

USULAN PERBAIKAN SISTEM

PERSEDIAAN BAHAN BAKU STEEL CORD

0.115 MIKRON MENGGUNAKAN METODE

CONTINUOUS REVIEW di PT. XX

Oleh

Eben Frantogi

NIM : 004201105038

Diajukan untuk Memenuhi Persyaratan Akademik

Mencapai Gelar Strata Satu

Pada Fakultas Teknik

Program Studi Teknik Industri

2016

DAFTAR TERMINOLOGI

Fluktuasi : ketidaktetapan atau guncangan yang terjadi karena

berbagai hal, sebagai contoh jumlah demand,

harga barang dan sebagainya, yang bisa dilihat di

dalam bentuk grafik.

.

Kontinjensi : suatu keadaan ketidakpastian mengenai

kemungkinan jumlah laba atau kerugian yang

diperoleh oleh suatu perusahaan.

Degrees of freedom : jumlah nilai dalam perhitungan akhir statistik

yang bebas bervariasi, dimana nilai bersifat

independent dan bisa bergerak dinamis.

Titik Equilibrium : titik keseimbangan yang terbentuk karena adanya

keseimbangan antara permintaan dan penawaran,

atau dengan kata lain demand = supply.

Galat : kekeliruan atau kesalahan yang muncul dalam

meramalkan permintaan pelanggan yang berakibat

menimbulkan biaya tambahan.

Periodic Review : model persediaan produk dimana periode/interval

pemesanannya tetap, sedangkan jumlah produk

yang dipesan berdasarkan dari perhitungan jumlah

produk maksimum yang harus dipenuhi.

Fixed Order Quantity : model untuk menentukan titik spesifik saat

pemesanan dilakukan dan jumlah pesanan yang

dimana permintaannya bersifat independen

NOMENKLATUR

� : Alpha

N : Jumlah data

� : Konstanta pada Tabel Policy Factor

� : Konstanta probability pada Tabel Distribusi Normal

� : Konstanta expected loss pada Tabel Unit Distribusi Normal

� : Standar Deviasi

�� : Lead Time

�� : Standar deviasi selama Lead Time

�� : Safety Stock

� : Kebutuhan rata-rata demand

: Frekuensi Pemesanan

� : Pemesanan optimal

� : Biaya pesan

�� : Biaya simpan

�� : Biaya stock out

� : Jumlah stock out (ton)

� : Reorder point dengan safety stock

�� : Reorder point tanpa safety stock

�� : Level maksimum back order

� : Harga Pembelian bahan baku

� : Asumsi hari kerja

�� : Total cost

�� : Total cost biaya pesan

�� : Total cost biaya simpan

�� : Total cost biaya stock out

ABSTRAK

Pengendalian persediaan bahan baku merupakan hal penting karena merupakan

salah satu faktor untuk menjamin kelancaran proses produksi. Tujuan penelitian

ini adalah untuk meminimalkan biaya persediaan, menentukan jumlah pemesanan,

dan menentukan titik pemesanan kembali. Penelitian dilakukan di PT. XX pada

bisnis unit steel cord yang merupakan perusahaan industri manufaktur dengan

produksi kawat ban (tire cord) konstruksi 0.115 mikron. Dalam mengendalikan

persediaannya PT. XX menggunakan sistem pemesanan periodic secara kuartal

dan beberapa kebijakan, sehingga muncul shortage karena demand yang

fluktuatif. Langkah-langkah untuk mengendalikan persediaan bahan baku dengan

optimal adalah meramalkan (forecast) demand, memilih Lot sizing, menentukan

jumlah pemesanan optimal, reorder point, dan menetukan safety stock dengan

service level menggunakan model EOQ Probabiistik (q,r). Dari hasil analisis

metode usulan EOQ Probabiistik (q,r) dengan service level 99% pada tahun 2015

memberikan selisish total biaya sebesar 75% dari total cost metode perusahaan.

Kata Kunci : Pengendalian Persediaan, Forecast, EOQ Probabilistik (q,r), reorder

point, safety stock, dan service level.

1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Untuk memperoleh pangsa pasar yang baik, perusahaan dituntut untuk memiliki

sistem manajemen mutu yang efektif dan efesien diantaranya adalah

mengendalikan sistem persediaan dan kualitas produk. Sehingga total biaya

dapat diatur pada batas yang layak dan produk dapat dijual dengan harga yang

kompetitif.

Penelitian dilakukan di PT. XX yang merupakan perusahaan industri manufaktur

khususnya bidang otomotif dengan memproduksi tire cord dan objek yang dipilih

adalah produk steel cord konstruksi 0.115 mikron, karena produk steel cord

merupakan produk dengan proporsi demand terbesar dari total demand selama

tahun 2013-2015 yaitu sebesar 56% atau sebesar 8,970 ton dari 15,890 ton.

Dalam mengendalikan biaya persediaan, perusahaan dalam 1 tahun secara normal

melakukan pemesanan secara periodik yaitu 4 kali pemesanan atau setiap kuartal.

Kebijakan lain perusahaan adalah perusahaan dapat menunda biaya pelunasan

pembeliaan hingga periode tertentu sesuai kesepakatan dengan supplier.

Kelemahan kebijakan ini adalah perusahaan akan dikenakan biaya tambahan

(bunga) oleh supplier jika perusahaan melakukan keterlambatan pembayaran dan

tidak diperkenankan memesan bahan baku sebelum melunasi pembayaran periode

sebelumnya. Dalam hal ini peluang munculnya shortage akan lebih besar karena

adanya kebijakan tersebut dan sifat demand produk steel cord konstruksi 0.115

mikron yang fluktuatif.

Pada tahun 2015 pengendalian persediaan yang dilakukan PT. XX mengalami

masalah yaitu adanya shortage sebesar 195 ton/tahun atau rata-rata shortage

sebesar 16.25 ton/bulan untuk produk steel cord konstruksi 0.115 mikron,

sehingga perlu dilakukan evaluasi dan perbaikan untuk metode perusahaan.

2

1.2. Rumusan Masalah

Dari penjelasan diatas, rumusan masalah yang menjadi pusat perhatian adalah

bagaimana perusahaan melakukan pemesanan bahan baku untuk memenuhi

permintaan pelanggan dan memperhitungkan efisiensi biaya sebagai bagian dari

manajemen persediaan?

1.3. Tujuan Penelitian

Tujuan umum penelitian ini adalah mengetahui jumlah dan kapan perusahaan

melakukan pemesanan bahan baku secara optimal untuk memenuhi permintaan

pelanggan.

1.4. Batasan Masalah

Agar penelitian terfokus pada tujuan utamanya, maka dibuat batasan masalah

antara lain:

• Biaya persediaan dan biaya simpan tetap.

• Produk yang diteliti adalah steel cord dengan proporsi demand terbesar.

1.5. Asumsi

Asumsi-asumsi yang digunakan antara lain:

• Proses produksi steel cord konstruksi 0.115 mikron berjalan normal dan

produk tidak memiliki nilai scrap.

• Tidak ada perubahan proses selama pelaksanaan penelitian.

• Supplier dapat memenuhi pemesanan perusahaan.

• Dana untuk pembelian bahan baku cukup tersedia.

• Service of level 90%,95%, dan 99%

• Error (�) = 5%

1.6. Sistematika Penulisan

Secara garis besar sistematika penulisan pada penelitian ini terbagi kedalam lima

bab, yaitu: Bab 1 Pendahuluan, Bab 2 Tinjauan Pustaka, Bab 3 Metode Penelitian,

Bab 4 Pengumpulan dan Analisis Data, dan Bab 5 Kesimpulan dan Saran.

3

BAB I Pendahuluan

Bab ini terdiri dari latar belakang masalah, rumusan masalah,

tujuan penelitian, batasan masalah, asumsi masalah dan sistematika

penulisan penelitian.

BAB II Tinjauan Pustaka

Bab ini menguraikan teori-teori yang digunakan dalam penelitian

yaitu: persediaan dan peramalan. Sumber teori yang digunakan

diambil dari referensi buku dan beberapa jurnal penelitian yang

berhubungan dengan topik penelitian.

BAB III Metodologi Penelitian

Menjelaskan tahapan-tahapan penelitian dimulai dari observasi

penelitian, identifikasi masalah, metode pengumpulan data, metode

pengolahan data, analisis pemecahan masalah sampai penarikan

sebuah kesimpulan dan saran.

BAB IV Pengumpulan dan Pengolahan data

Data yang dikumpulkan untuk diolah adalah data sekunder seperti

permintaan produk steel cord konstruksi 0.115 mikron selama tiga

tahun terakhir, biaya pembelian bahan baku, lead time, biaya

pemesanan, biaya penyimpanan, dan biaya stock out. Selanjutnya

melakukan peramalan, menghitung error peramalan, uji normalitas

residual, menentukan Lot sizing, mencari pemesanan optimal, titik

pemesanan ulang, safety stock, dan menghitung total cost. Setelah

itu menguraikan hasil dan melakukan perbandingan hasil

pengolahan data terhadap metode yang digunakan perusahaan.

BAB V Kesimpulan dan Saran

Memberikan hasil penelitian yang menyatakan bahwa tujuan dari

penelitian ini telah dipenuhi dan beberapa saran yang bermanfaat

untuk metode penelitian agar lebih baik.

Selanjutnya pada Bab II akan dibahas dan dijelaskana mengenai studi literatur

yang digunakan untuk membantu memecahkan masalah pada penelitian ini.

4

BAB II

TINJAUAN PUSTAKA

2.1. Persediaan

Persediaan merupakan aset penting perusahaan baik dalam jumlah maupun

perananya untuk kegiatan produksi, berikut pendapat tentang pengertian

persediaan salah satu diantaranya adalah menurut Assauri (1999) “Persediaan

adalah sebagai suatu aktiva ancar yang meliputi barang barang milik perusahaan

dengan maksud untuk dijual dalam suatu periode usaha normal atau persediaan

barang yang masih dalam pekerjaan proses produksi ataupun persediaan bahan

baku yang menunggu penggunaanya dalam suatu proses produksi”.

Dilihat dari fungsinya menurut Assauri (1999), persediaan dibedakan menjadi:

1. Batch Stock atau Lot Size Inventory yaitu persediaan karena kita membeli atau

membuat barang dalam jumlah yang lebih besar dari jumlah yang dibutuhkan.

2. Fluctuation Stock atau Safety Stock adalah persediaan untuk menghadapi

fluktuasi permintaan yang tidak dapat diramalkan.

3. Anticipation Stock yaitu persediaan untuk menghadapi fluktuasi permintaan

yang dapat diramalkan, berdasarkan pola musiman yang terdapat dalam satu

tahun dan untuk menghadapi penggunaan atau penjualan permintaan yang

meningkat.

Pengendalian persediaan erat hubungannya dengan biaya persediaan seperti

modal, pemesanan bahan baku, biaya pemakaian gudang, dan biaya penanganan

agar produk tidak rusak, kadaluarsa, terkena pajak, ataupun hilang.

2.1.1 Biaya Persediaan

Kebijakan dalam mengatur persediaan bahan baku meliputi dua keputusan, yaitu

kapan pemesanan dilakukan (reorder point) dan berapa banyak yang harus

dipesan (reorder quantity). Salah satu diantara berbagai pertimbangan tersebut

adalah adanya biaya persediaan (inventory cost). Adapun biaya-biaya yang perlu

5

diperhitungkan adalah biaya yang jumlahnya berubah sesuai dengan perubahan

waktu atau titik pemesanan dan jumlah pemesanan. Terdapat beberapa jenis

biaya-biaya yang berhubungan dengan keputusan-keputusan manajemen

persediaan yaitu:

• Biaya Pembelian (Purchasing Cost)

Biaya yang timbul akibat pembelian bahan baku. Biaya ini dipengaruhi

besarnya jumlah dan harga bahan baku yang dipesan.

• Biaya Pemesanan (Ordering Cost)

Biaya pemesanan yang meliputi biaya-biaya kegiatan yang memerlukan

penyiapan, pembelian dan setup produksi.

• Biaya Penyimpanan (Holding Cost)

Biaya penyimpanan meliputi: biaya modal yang tertanam, biaya kemerosotan

kualitas bahan, biaya keusangan, biaya asuransi, pajak, kehilangan, keamanan,

dan keperluan penyimpanan.

• Biaya Habis Persediaan (Stockout Cost)

Biaya ini timbul bila terjadi ketidakcukupan persediaan bahan baku untuk

memenuhi pesanan. Bila keadaan tersebut terjadi, maka ada dua kemungkinan,

yaitu dilakukan backorder atau tidak. Bila backorder dilakukan maka biaya

yang timbul adalah biaya tambahan untuk melakukan proses backorder.

• Biaya yang berhubungan dengan Kapasitas (Capacity Related Costs)

Biaya yang timbul karena meningkatnya kapasitas ataupun menurunnya

kapasitas yang diakibatkan oleh keputusan perencanaan agregat persediaan

yang relatif lemah.

2.1.2 Pengendalian Persediaan

Pengendalian persediaan berkaitan dengan kegiatan akuisisi, penyimpanan,

penanganan, dan penggunaan persediaan sehingga dapat menjamin dan

memberikan ketentuan yang memadai untuk proses produksi. Oleh karena itu

pengendalian persediaan mengacu pada suatu sistem yang menjamin pasokan

kuantitas dan kualitas persediaan tersedia pada waktu yang diperlukan dan pada

saat yang bersamaan untuk mencegah adanya investasi yang tidak perlu dalam

6

suatu persediaan. Faktor-faktor dalam pengendalian persediaan dilakukan dengan

berbagai langkah, seperti:

1. Tingkat Pelayanan (Service Level)

Manajemen persediaan tidak hanya bertujuan untuk mempertimbangkan biaya

penyimpanan dan biaya pemesanan, tetapi perlu mempertimbangkan mengenai

tingkat layanan. Tabel 2.1 merupakan tabel policy factor (k) terhadap frequency

level of service.

Tabel 2. 1. Policy Factor (k) pada Frequency Level of Service

Frequency Level of Service (%) 75.00 80.00 85.00 90.00 95.00

k. 0.67 0.84 1.04 1.28 1.65

Frequency Level of Service (%) 97.50 98.00 99.00 99.50 99.99

k. 1.96 2.05 2.33 2.58 3.1

2. Waktu Ancang - ancang (Lead Time)

Waktu ancang-ancang adalah waktu tenggang saat memulai pemesanan bahan

baku hingga kedatangan bahan baku. Waktu ancang-ancang penting karena:

• Sebagai patokan kapan mulai mengadakan pemesanan kembali,

• Untuk menentukan jumlah persediaan yang ekonomis, dan

• Merupakan alternatif solusi ketika muncul masalah ketidakpastian.

3. Persediaan Pengaman (Safety Stock)

Persediaan pengaman adalah persediaan minimal yang harus diperhatikan

dalam suatu bisnis. Hal ini bertujuan untuk menghindari kehabisan persediaan

bahan baku yang disebabkan ketidakpastian tingkat pemakaian dan

ketidakpastian waktu kedatangan persediaan. Faktor-faktor yang

mempengaruhi persediaan pengaman:

• Besar kecilnya resiko kehabisan persediaan.

• Besar biaya penyimpanan digudang dengan biaya-biaya yang harus

dikeluarkan.

• Tingkat layanan (service level) untuk menentukan jumlah persediaan

pengaman.

Rumus untuk menentukan persediaan pengaman adalah sebagai berikut:

7

�� = � ∗ ��

(2-1)

Keterangan:

� : Policy factor pada frequency level of service seperti pada Tabel 2.1

�� : standar deviasi bahan baku selama lead time

4. Titik Pemesanan Ulang (Re-Order Point)

Titik pemesanan kembali terjadi jika jumlah persediaan terus berkurang

sehingga harus memperbaiki batas minimal tingkat persediaan. Jumlah yang

diharapkan tersebut dihitung selama masa tenggang yang ditambahkan dengan

stok pengaman yang bisa mengacu kepada probabilitas terjadinya kekurangan

persediaan selama masa tenggang. Adapun rumus yang berlaku adalah:

� = ∗ �� + ��

(2-2)

Keterangan :

: kebutuhan rata-rata bahan baku

�� : lead time

�� : safety stock

2.1.3 Model Pengendalian Persediaan

Model pengendaliaan persediaan dibentuk berdasarkan pengambilan keputusan

persediaan yang meliputi: kuantitas (quantity decision), keputusan waktu

pemesanan (timing decision), dan pengendalian persediaan (control decision).

Model untuk quantity decision biasa disebut dengan Lot sizing Models, yang

dikelompokkan menjadi 2 (dua) kategori yaitu Static Lot Sizing Models (model

ukuran pemesanan yang statis) dan Dynamic Lot Sizing Models (model ukuran

pemesanan yang dinamis). Berikut klasifikasi metode-metode yang sesuai dari Lot

Sizing Models seperti pada Gambar 2.1

8

Gambar 2. 1. Klasifikasi Lot Sizing Models

• Static Lot Sizing Model dapat dikategorikan menjadi 4 model yaitu:

o Economic Order Quantity

o Economic Production Quantity

o Resource Constrains

o Fixed Order Quantity

• Dynamic Lot Sizing Model dibagi menjadi 3 cara penyelesaian yaitu:

o Simple rules adalah aturan keputusan kuantitas pemesanan yang

tidak didasarkan pada optimalisasi fungsi biaya.

o Heuristic rules bertujuan untuk mencapai solusi biaya yang rendah.

o Wagner-Whitin adalah pendekatan optimum untuk permintaan

yang berubah-ubah.

Pada Gambar 2.1 dijelaskan Static Lot Sizing model digunakan untuk permintaan

yang tetap selama periode waktu yang direncanakan, sedangkan Dynamic Lot

Sizing model digunakan untuk permintaan yang berubah-ubah selama rentang

waktu periode perencanaan persediaan. Adapun test untuk mengetahui jika

permintaan berubah-ubah atau tetap (lumpy demand) adalah dengan Peterson-

Silver rule dimana rumus yang berlaku adalah (Tersine, 1994):

� = ∑ �� (∑ �)� �� − �

(2-3)

Lot Sizing Model

Static Lot Sizing

Economic Order Quantity

Economic Production Quantity

Resource Constrains Fixed Order Quantity

Dynamic Lot Sizing

Simple

Fixed PeriodePeriod Order

Quantity

Lot for Lot

Optimum

Wagner-Whitin

Heuristik

Silver MealLeast Unit

Cost

Part Periode Balancing

9

Keterangan :

: jumlah data

� : demand pada periode t

Ketentuan lumpy test sebagai berikut :

o jika V < 0.25, demand tidak dikatakan lumpy dan menggunakan Static Lot

Sizing Models.

o jika V > 0.25, demand dikatakan lumpy dan menggunakan Dynamic Lot

Sizing Models.

2.1.4 Model Pengendalian EOQ (Economic Order Quantity)

Perumusan metode EOQ ditemukan oleh FW Harris pada tahun 1915 dan

dikembangkan oleh Wilson pada tahun 1934.

Gambar 2. 2. Posisi Inventory Model Wilson

Pada Gambar 2.2. dijelaskan awal periode terdapat barang sebesar q0

yang akan

dipakai untuk memenuhi permintaan, sehingga akan ada penyusutan dan akhirnya

habis pada akhir periode, pada saat itulah dilakukan pemesanan barang sebesar q0

unit. Barang yang dipesan akan datang pada saat itu juga, karena waktu ancang-

ancang (lead time) sama dengan nol, sehingga posisi inventori akan berulang dari

satu siklus ke siklus lain selama horison perencanaannya.

Metode EOQ adalah metode yang mengasumsikan permintaan secara pasti

dengan pemesanan yang dibuat secara konstan seperti Gambar 2.3.

10

Gambar 2. 3. Hubungan biaya penyimpanan dan pemesanan

Sehingga pada model ini jumlah pesanan ekonomis untuk model EOQ sederhana

ditentukan dengan rumus:

�∗ = �� ∗ �� ∗ ��

(2-4)

Total Biaya Persediaan (TC) per periode adalah :

�� = ��∗� ∗ �� + �� + �� ∗ �∗� ∗ ��

(2-5)

Karena bervariasinya permintaan setiap pelanggan maka model EOQ

dikembangkan sehingga dibagi menjadi 2 model yaitu model EOQ deterministic

dan model EOQ probabilistic. Pada bab ini akan dijelaskan mengenai model EOQ

Probabilistic.

2.1.5 Model EOQ Probabilistic

Secara umum model Static Lot Sizing yang digunakan dalam pengendalian

persediaan yang bersifat probabilistik adalah metode EOQ dengan sistem Q dan

metode EOQ dengan sistem P.

• EOQ Probabilistic sistem Q (Continuous Review Method)

EOQ Probabilistic sistem Q secara garis besar mengasumsikan bahwa posisi

barang yang tersedia di gudang sama dengan posisi persediaan barang pada sistem

determistik, hanya saja pada metode ini ditambahkan cadangan pengaman (safety

11

stock). Pada prinsipnya sistem ini adalah mencari tingkat pelayanan untuk

menentukan besarnya q optimal dan r.

Pada sistem ini pemesanan dilakukan dalam jumlah lot pesanan yang sama.

Asumsi yang perlu diperhatikan pada saat menggunakan metode pengendalian

sistem Q ini adalah:

• Biaya simpan per unit tetap

• Biaya setiap kali dilakukan pemesanan ulang adalah tetap

• Waktu tunggu tetap

• Permintaan bahan baku bervariasi

• Pembelian tidak mendapat potongan harga

Prosedur yang digunakan untuk menentukan jumlah q optimal dan r untuk

menekan total cost adalah sebagai berikut (Filla Dristiana, dkk. 2015):

� Menghitung jumlah Q dengan menggunakan model EOQ sederhana

seperti pada rumus (2-4).

� Mencari nilai reorder point tanpa safety stock (Ro) dengan pendekatan

rumus sebagai berikut:

�� = ( ∗ ��) + � ∗ �( ∗ ��) (2-6)

Dimana nilai ! adalah nilai yang diperoleh dari Tabel Unit Normal Distribution,

dengan rumus berikut:

� − "(�) = �# ∗ ��$ ∗

(2-7)

� Menghitung level maksimum back order dengan L adalah nilai yang

diperoleh dari Tabel Unit Normal Distribution.

12

%(��) = &( ∗ �� ∗ '

(2-8)

� Memasukkan nilai Ro untuk mendapatkan nilai Q1 seperti pada rumus

berikut:

��∗ = �� ∗ ∗ (�� + �$ ∗ % ∗ ��))�#

(2-9)

� Kemudian masukkan nilai Q1 yang diperoleh pada persamaan (2-9) untuk

mencari nilai R1.

� Ulangi lagkah-langkah tersebut hingga diperoleh selisih nilai Qt = Qt-1

atau Rt = Rt-1.

� Setelah diperoleh nilai Q atau R yang selisihnya mendekati nol, maka nilai

tersebut sudah merupakan nilai optimal.

• EOQ Probabilistic sistem P (Periodic Review Method)

Periodic review system adalah suatu model persediaan produk dimana

periode/interval pemesanannya tetap, sedangkan jumlah produk yang dipesan

berdasarkan dari perhitungan jumlah produk maksimum yang harus dipenuhi.

(Simchi-Levi, dkk, 2003).

Parameter utama yang digunakan adalah batas maksimum persediaan produk yang

harus dipenuhi oleh perusahaan. Pada sistem P jumlah pesanan yang dipesan

sangat bergantung pada sisa persediaan pada saat periode pemesanan tercapai,

sehingga ketika akan melakukan pemesanan ukuran lot pesanan tidak sama.

Kelemahan pada sistem P ini adalah adanya kemungkinan persediaan habis

sebelum periode pemesanan berikutnya belum tercapai, sehingga membutukan

safety stock yang besar.

13

2.2. Peramalan

Secara garis besar peramalan dibagi menjadi dua metode yaitu metode kualitatif

dan metode kuantitatif (Fogarty, dkk. 1991).

� Metode Kualitatif adalah metode yang pada umumnya digunakan apabila

data kuantitatif permintaan masa lalu tidak tersedia atau akurasinya tidak

signifikan. Ada dua pendekatan yang dapat dilakukan pada metode ini yaitu

dengan penaksiran secara langsung (direct judgement) atau penaksiran yang

merupakan koreksi terhadap peramalan.

� Metode Kuantitatif adalah metode yang mempunyai pola yang

diperkirakan masih berlanjut ke masa yang akan datang dengan asumsi peramalan

data permintaan masa lalu dari produk atau item. Secara umum terdapat 4 pola

yang mempengaruhi analisis dalam peramalan antara lain adalah :

1. Pola Horizontal adalah pola yang terjadi jika nilai data berfluktuasi di

sekitar harga rata-rata yang konstan dan penjualan produk mengalami peningkatan

maupun penurunan jumalah pesanan.

Gambar 2. 4. Pola data Horizontal

2. Pola Musiman (seasonal) adalah pola perubahan data yang dipengaruhi

oleh faktor-faktor musiman seperti: tahunan, kuartal, bulanan, mingguan atau

harian yang berderet secara berkala.

Gambar 2. 5. Pola data Musiman

3. Pola siklis (cycle) adalah pola perubahan data yang dipengaruhi karena

adanya fluktuasi ekonomi yang waktunya relatif panjang dan gerakannya tidak

beraturan.

14

Gambar 2. 6. Pola data Siklis

4. Pola Trend adalah pola yang secara umum terjadi penambahan atau

penurunan pada data.

Gambar 2. 7. Pola data Trend

Pada dasarnya metode kuantitatif dibagi menjadi tiga bagian yaitu: metode

intrinsic (intrinsic method), metode ekstrensik (extrensic method), dan metode

deret waktu (time series forecasting methods).

o Metode intrinsik adalah metode peramalan yang didasarkan pada latar

belakang historis demand terhadap item yang akan diramalkan.

o Metode ekstrinsik adalah metode yang menggunakan faktor eksternal

kemudian dikombinasikan dengan demand yang akan diramalkan, misalnya dalam

hubungan sebab-akibat (causal-relationship).

o Metode deret waktu (time series forecasting methods) adalah metode

peramalan yang digunakan untuk menganalisis sejumlah data dengan asumsi

beberapa pola atau kombinasi pola selalu berulang sepanjang waktu, dan pola

dasarnya dapat diidentifikasi. Adapun metode peramalan deret waktu yang umum

digunakan adalah:

o Metode Penghalusan yang dimana merupakan metode untuk

mengurangi ketidakteraturan musiman dari historis data dengan

membuat rata-rata setimbang.

o Metode rata rata bergerak (moving average) yang terdiri dari :

� Single Moving Average

� Linear Moving Average

� Double Moving Average

15

� Weighted Moving Average

o Metode Eksponensial Smoothing yang terdiri dari :

� Single Eksponensial Smoothing

� Double Eksponensial Smoothing

� Exponential Smoothing dengan musiman

Dilihat dari pola data yang diperoleh, maka metode-metode yang digunakan

dalam penelitian ini adalah model Triple Exponential Smoothing – Winter dan

model Dekomposisi. Sehingga pada sub bab selanjutnya akan dibahas lebih rinci

mengenai model peramalan tersebut.

2.2.1 Metode Eksponensial Smoothing

• Single Eksponensial Smoothing

Merupakan metode pengembangan dari metode moving average, sehingga metode

ini lebih cocok digunakan untuk meramal data-data yang fluktuatif secara random

(tidak teratur). dengan rumus sebagai berikut :

"�(� = "� + )(*� − "�) (2-10)

Dalam melakukan peramalan dengan menggunakan metode single exponential

smoothing (SES), besarnya α ditentukan secara trial error hingga α menghasilkan

forecast error terkecil.

• Double Exponential Smoothing

Metode double exponential smoothing ini biasanya lebih tepat untuk meramalkan

data yang mengalami trend kenaikan. Pada metode ini proses penentuan ramalan

sama dengan metode single exponential smoothing yang dimana dimulai dengan

menentukan besarnya alpha secara trial dan error. Sedangkan untuk tahap-tahap

dalam menentukan ramalan adalah sebagai berikut :

"�(+ = ()� + %�(+) (2-11)

• Triple Exponential Smoothing Holt- Winter

Pengembangan metode pemulusan eksponensial yaitu Holt Winter mampu

menangani data yang memiliki unsur trend dan musiman. Metode Holt Winter

16

menggunakan tiga parameter yaitu α, β, dan γ, dimana parameter parameter

tersebut ditentukan secara trial dan error yang berada pada interval (0-1). Adapun

persamaan metode Holt Winter Multikatif adalah sebagai berikut:

"�(+ = (�� + %�+),�-�(+

(2-12)

Dengan nilai :

�� = )( *�,�-�) + (� − ))(��-� + %�-�) (2-13)

%� = .(�� − ��-�) + (� − .)%�-�

(2-14)

,� = /(*��) + (� − /),�-�

(2-15)

Keterangan :

*� : data permintaan

�� : nilai pemulusan keseluruhan

%� : komponen pemulusan trend

,� : komponen pemulusan musiman

"�(+ : peramalan untuk m periode berikutnya

2.2.2 Metode Dekomposisi

Dekomposisi merupakan metode yang menggunakan empat komponen utama

dalam meramalkan nilai masa depan, komponen tersebut antara lain adalah nilai

trend, musiman, siklis, dan error. Dekomposisi mengisolasi komponen-komponen

tersebut untuk kemudian menyusun kembali komponen-komponen tersebut

menjadi efek musiman, efek siklus, efek trend, dan error. Secara umum terdapat

dua jenis model dekomposisi antara lain:

• Dekomposisi Aditif

Dekomposisi Aditif menghitung dekomposisi time seris pada komponen-

komponen trend, musiman, siklus dan error. Model diasumsikan bersifat aditif

17

jika semua komponen ditambahkan untuk mendapatkan hasil peramalan. Adapun

persamaan dalam model ini adalah:

*′� = (�� + �� + �� + 1�) (2-16)

• Dekomposisi Multiplikatif

Dekomposisi multiplikatif menghitung dekomposisi time series pada komponen-

komponen trend, musiman, siklus, dan error, kemudian memprediksi nilai masa

depan. Model diasumsikan bersifat multiplikatif jika semua komponen dikalikan

satu sama lain untuk mendapatkan model peramalan. Adapun persamaan dalam

model ini adalah:

*′� = (�� ∗ �� ∗ �� ∗ 1�) (2-17)

Keterangan :

*′� : data peramalan

�� : nilai data trend perode t

�� : nilai faktor musiman

�� : nilai faktor siklis

2� : faktor error

Adapun rumus untuk menghitung nilai trend adalah:

3 = (4 + % ∗ * + 1�) (2-18)

dimana nilai 56578 :

5 = ∑ 9: dan 8 = ∑;9∑;<

2.2.3 Menghitung Kesalahan dan Validasi Peramalan

Model-model peramalan yang dilakukan kemudian divalidasi menggunakan

beberapa indikator antara lain:

• Mean Absolute Deviation

Mean Absolute Deviation adalah menghitung rata-rata absolute dari kesalahan

meramal, tanpa menghiraukan tanda positif maupun negatif.

18

=> =∑|*� − "�|

(2-19)

• Mean Squared Error

Mean Squared Error adalah kuadrat rata-rata kesalahan meramal. Metode ini

mempunyai kelemahan-kelemahan antara lain perlu data historis yang cukup, data

tiap periode diberi bobot (weight) yang sama, fluktuasi data tidak random dan

tidak menghasilkan forecasting yang baik.

=�@ =∑(*� − "�)�

(2-20)

• Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error merupakan nilai tengah kesalahan persentase

absolute dari suatu peramalan.

=>A@ = �� B|*� −"�*� ��

| (2-21)

• Tracking Signal

Tracking Signal adalah ukuran bagaimana suatu peramalan memperkirakan nilai-

nilai actual. Tracking signal yang positif menunjukkan nilai aktual permintaan

lebih besar dari ramalan, sedangkan negatif menunjukkan nilai aktual permintaan

lebih kecil dari peramalan yang dimana dihitung dengan menggunakan rumus:

�C4#�D E�DE 4F = ��"@=>� (2-22)

• Moving Range

Peta Moving Range adalah peta yang dirancang untuk membandingkan nilai

permintaan aktual dengan nilai peramalan. Peta tersebut dikembangkan ke periode

yang akan datang hingga dapat dibandingkan data peramalan dengan permintaan

aktual. Adapun rumus perhitungan peta Moving Range adalah sebagai berikut:

=� = |("�-� − >�-�) − ("� − >�)| (2-23)

Gambar 2.

Dimana:

GHIIIII = ∑JK:-L

BKA = +2.66 ∗ GHIIIII BKB = −2.66 ∗ GHIIIII

Gambar 2.8 menjelaskan j

kendali pada saat peramalan diverifikasi maka harus ditentukan apakah data harus

diabaikan atau mencari peramal baru, sedangkan j

batas kendali diasumsikan bahwa peramalan permintaan yang dihasilkan telah

cukup baik. “Jika terdapat

peramalan yang didapat kurang baik dan harus direvisi

Setelah dijelaskan teori

dijelaskan mengenai metod

Gambar 2. 8. Peta Kendali Moving Average

II

menjelaskan jika ditemukan satu titik yang berada diluar batas

pada saat peramalan diverifikasi maka harus ditentukan apakah data harus

ikan atau mencari peramal baru, sedangkan jika semua titik berada di dalam

diasumsikan bahwa peramalan permintaan yang dihasilkan telah

Jika terdapat titik yang berada di luar batas kendali, jelas bahwa

peramalan yang didapat kurang baik dan harus direvisi.” (Gaspersz, 1998).

dijelaskan teori-teori yang digunakan pada Bab II, maka Bab III akan

dijelaskan mengenai metodologi penelitian yang dilakukan.

19

ika ditemukan satu titik yang berada diluar batas

pada saat peramalan diverifikasi maka harus ditentukan apakah data harus

k berada di dalam

diasumsikan bahwa peramalan permintaan yang dihasilkan telah

titik yang berada di luar batas kendali, jelas bahwa

(Gaspersz, 1998).

Bab III akan

Observasi Awal

Identifikasi Masalah

Study literatur

Pengumpulan Data

Analisis Data

Kesimpulan dan Saran

METODOLOGI PENELITIAAN

3.1. Metode Penelitian

Gambar 3.

Observasi Awal

• Mengamati lini produksi steel cord

• Berdiskusi dengan management

produksi steel cord.

Identifikasi Masalah

• Menetapkan tujuan dan batasan

masalah.

Study Literature

• Persediaan.

• Peramalan.

Pengumpulan data

• Tahap I : Pengumpulan data.

• Tahap II : Pengolahan data.

Analisis Data

• Peramalan, menentukan Lot sizing,

• Usulan perbaikan.

• Perbandingan hasil penelitian.

Kesimpulan dan Saran

• Kesimpulan.

• Saran.

BAB III

METODOLOGI PENELITIAAN

Metode Penelitian

Gambar 3. 1. Metodologi Penelitian

20

steel cord.

Berdiskusi dengan management

Lot sizing,

21

3.2. Observasi Awal

Mengamati area produksi steel cord dan lebih terfokus terhadap penggunaan

bahan baku, stok bahan baku, dan tempat persediaan bahan baku produksi steel

cord. Setelah itu mencoba mengajukan proposal untuk melakukan penelitian

kepada management produksi steel cord.

3.3. Identifikasi Masalah

Berdasarkan hasil pengamatan secara langsung dan hasil diskusi dengan

management produksi steel cord seperti operator mesin, team leader, foreman,

dan manager produksi maka identifikasi masalah yang terlihat adalah tingginya

mesin produksi yang stop akibat adanya stockout bahan material dengan

menggunakan sistem persediaan fakultatif, dimana perusahaan melakukan

pemesanan ulang terhadap bahan-bahan yang telah mencapai titik kritis dengan

lama lead time selama 14 hari. Tahap berikutnya dari identifikasi masalah adalah

menetapkan tujuan dan batasan masalah yang akan diselesaikan.

3.4. Tujuan dan Batasan Masalah

Adapun tujuan dan batasan masalahnya adalah untuk menentukan jumlah pesanan

yang ekonomis, meminimalkan biaya persediaan, menentukan safety stock, dan

menetukan titik pemesanan kembali (reorder point). Sedangkan batasan

masalahnya adalah penelitian ini hanya terfokus pada produk stell cord dengan

jumlah demand terbanyak yaitu konstruksi 0.115 mikron yang dimulai dari

pemesanan bahan baku, stok bahan baku, dan penggunaan bahan baku.

3.5. Studi Literatur

Setelah mengetahui permasalahan yang terjadi di lini produksi steel cord,

selanjutnya untuk menyelesaikan permasalahan tersebut diperlukan pengetahuan

mengenai peramalan produksi steel cord, selanjutnya menghitung biaya

persediaan, mengendalikan persediaan, faktor-faktor yang mempengaruhi

pengendalian persediaan, dan model-model perencanaan pengendalian persediaan.

22

3.6. Pengumpulan dan Pengolahan Data

Dalam tahap ini dibagi menjadi 2 tahap yaitu:

Tahap I : Pengumpulan Data

Pada penelitian ini teknik pengumpulan data yang dilakukan adalah:

• Teknik observasi, yakni melakukan pengamatan langsung di area produksi

steel cord konstruksi 0.115 mikron dan mengumpulkan data historis.

• Teknik wawancara, yaitu dengan melakukan wawancara dengan pihak

manajemen perusahaan untuk mendapatkan informasi yang diperlukan guna

pencapaian tujuan penelitian.

• Teknik kepustakaan, yaitu dengan mempelajari buku-buku yang berkaitan

dengan persediaan bahan baku.

Tahap II : Pengolahan Data

Metode pengolahan data yang digunakan pada penelitian adalah:

•••• Analisis Trend dan Peramalan

Melalui analisis data tersebut diperoleh informasi mengenai bentuk dari trend

data yang ada untuk kemudian dilakukan peramalan data produksi, sehingga

dapat menjadi dasar untuk menentukan kebutuhan persediaan material.

•••• Uji Normalitas error/residual

Uji normalitas error, untuk mengetahui apakah data error/residual demand

yang didapat dari peramalan produksi sudah berdistribusi normal atau tidak

dengan menggunakan uji distribusi Smirnov Kolgomonorov.

•••• Menentukan Lot Sizing

Proses untuk memutuskan berapa banyak jumlah pemesanan material.

•••• Perhitungan Persediaan Pengaman

Perhitungan berapa besar persediaan pengaman (safety stock) untuk meredam

fluktuasi demand steel cord konstruksi 0.115 mikron.

•••• Perhitungan Batas Titik Pemesanan

Perhitungan ini untuk menentukan jumlah persediaan akhir agar dapat

melakukan pemesanan ulang (reorder point) guna menghindari terjadinya

gangguan pada proses produksi akibat kekurangan bahan baku.

•••• Perhitungan Total Cost

23

Perhitungan ini dilakukan untuk mengetahui besarnya perbandingan total

biaya yang dikeluarkan dengan menggunakan metode perusahaan dan metode

usulan selama tahun 2015.

3.7. Analisis Data

Merupakan metode pendekatan analitis yang membandingkan data hasil penelitian

kepustakaan dan hasil temuan penelitian di lapangan, dengan beberapa tahapan

menggunakan kerangka penelitian. Kerangka penelitian adalah pemahaman

terhadap proses sehingga ditentukan kriteria-kriteria yang berpengaruh terhadap

perusahaan.

Gambar 3. 2. Kerangka Analisis Penelitian

Berdasarkan Gambar 3.2 maka disusunlah Tabel 3.1 yang menjelaskan kerangka

analisis penelitian yang akan dilakukan secara lebih rinci.

Tabel 3. 1. Tahapan Analisis Penelitian

•••• Observasi Lapangan : Melakukan observasi lapangan untuk mengetahui

masalah yang terjadi di lapangan.

•••• Identifikasi Masalah : Identifikasi masalah yang terjadi di lapangan

•••• Pengumpulan data : Pengumpulan data sekunder demand produk steel

cord konstruksi 0.115 mikron selama 2013 – 2015.

• Peramalan : Melakukan peramalan dengan metode triple

24

eksponensial smoothing dan dekomposisi.

• Verifikasi error : Verifikasi nilai error peramalan TES dan

dekomposisi dengan model MAD dan MAPE.

• Uji normalitas residual : Uji normalitas residual data peramalan apakah sudah

terdistribusi normal atau tidak menggunakan

Kolgomonorov-Smirnov.

• Menentukan Lot Sizing : Menentukan Lot Sizing yang tepat untuk demand

• Uji lumpy demand : Uji lumpy demand dengan Peterson’s rule

• Menghitung Q, Ro, dan SS : Mencari nilai pemesanan optimal (Q), reorder point

tanpa safety stock (Ro), dan safety stock (SS)

menggunakan EOQ Probabilistik (q,r).

• Simulasi metode : Simulasi kebutuhan bahan baku demand 2015.

• TC metode usulan 2015 : Mencari nilai total cost metode usulan.

• TC metode perusahaan 2015 : Mencari nilai total cost metode perusahaan.

• Membandingkan TC : Melakukan perbandingan total cost yang diperoleh

dari metode usulan dan metode perusahaan.

• Membuat perencanaan 2016 : Membuat perencanaan metode yang memiliki nilai

total cost terendah pada tahun 2015.

• Simulasi perencanaan 2016 : Simulasi kebutuhan bahan baku dengan peramalan

demand 2016.

• Menghitung TC 2016 : Mencari nilai total cost selama tahun 2016.

3.8. Kesimpulan dan Saran

Setelah melalui proses pengolahan, analisis data dan berdasarkan hasil

perbandingan kepustakaan dan penemuan di lapangan, maka kesimpulan yang

diperoleh adalah apakah metode EOQ Probabilisti (q,r) atau metode continuous

review dapat diimplementasikan dan dapat menekan biaya total cost.

Bab III telah dijelaskan mengenai metodologi penelitian dan tahapan analisis yang

dapat membantu untuk pengolahan data dan analisis pada Bab IV.

25

BAB IV

PENGOLAHAN DATA DAN ANALISIS

4.1. Identifikasi Masalah

4.1.1 Produk dan Demand

PT. XX yang pada awalnya berdiri sebagai perusahaan dengan meproduksi kawat

berduri untuk pengaman hura hara, namun dengan seiringnya berkembang industri

manufacture PT. XX juga berkembang hingga bidang bisnis automotive dengan

memproduksi tire cord yang dimana fungsinya sebagai structure pada karet ban

kendaraan bermotor.

Di dalam penelitian ini bisnis unit produk yang diambil adalah produk steel cord

dengan konstruksi 0.115 mikron, karena jumlah proporsi demand terbesar yaitu

sebesar 56% atau sebesar 8,970 ton per 3 tahun. Secara garis besar proses

produksi ini adalah mendrawing wire root berdiameter 0.83 mikron hingga

berdiameter 0.115 mikron.

Gambar 4.1 menjelaskan proporsi demand steel cord masing-masing konstruksi

selama tahun 2013–2015 di PT. XX.

Gambar 4. 1. Grafik demand konstruksi steel cord 2013-2015

Demand/3 tahun

0.115 8,970

0.130 3,418

0.120 2,154

0.140 1,348

-

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

9,000

10,000

26

4.1.2 Sistem Persediaan Perusahaan

Sistem pemesanan bahan baku yang digunakan PT. XX dalam mengendalikan

biaya persediaan adalah perusahaan melakukan pemesanan bahan baku secara

normal dalam 1 tahun sebanyak 4 kali pemesanan atau pemesanan dilakukan per

kuartal yaitu pada awal bulan Januari, April, Juli, dan Oktober. Sedangkan untuk

metode pengendaliaan persediaan perusahaan menggunakan metode sistem

fakultatif, yaitu perusahaan melakukan pemesanan ulang jika bahan-bahan di

gudang telah mencapai titik kritis atau hampir habis. Metode ini berguna bagi

perusahaan untuk menghindari pemesanan dengan jumlah yang relatif kecil untuk

menekan biaya inventory. Namun kelemahan metode ini adalah peluang

munculnya shortage akan lebih besar.

Tabel 4.1 merupakan rincian tabel persediaan material steel cord selama 2015

yang mengalami stock out, sedangkan untuk perhitungan dan tabel selengkapnya

dapat dilihat pada Lampiran 1 Persediaan Material selama tahun 2015.

Tabel 4. 1. Persediaan Material stockout 2015

Bulan Week Demand

(aktual)

Inventori

Awal

Average

(D)

Inventori

akhir

Stock

out

Jun

21

270

220 67.5 153

22 153 67.5 85

23 85 67.5 18

24 18 67.5 -50 -50

Sep

33

240

200 60 140

34 140 60 80

35 80 60 20

36 20 60 -40 -40

Des

45

300

210 75 135

46 135 75 60

47 60 75 -15 -15

48 -15 75 -90 -90

Data pada Tabel 4.1. menjelaskan bahwa tahun 2015 bisnis unit steel cord

konstruksi 0.115 mikron mengalami shortage sebesar 195 ton atau sebesar 16.25

ton/bulan. Hal ini menyebabkan perusahaan harus segera melakukan pemesanan

ulang untuk memenuhi permintaan pelanggan sehingga menimbulkan biaya

27

tambahan seperti: biaya pesan ulang, biaya spesial transportasi tambahan, dan

biaya stock out yang besar untuk mendatangkan material produk steel cord 0.115

mikron dengan lead time yang lebih cepat.

4.2. Pengumpulan Data

Data-data yang dikumpulkan dalam penelitian ini adalah data sekunder, dimana

data diperoleh dari catatan-catatan maupun laporan yang terdapat pada perusahaan

dan juga data-data pendukung yang berhubungan dengan penelitian. Data-data

yang digunakan adalah data demand penjualan produk steel cord bulan Januari

2013–Desember 2015, data harga steel cord tahun 2015, harga bahan baku steel

cord, lead time pemesanan, biaya pemesanan dan biaya penyimpanan material.

Berikut penjelasan data-data yang dikumpulkan untuk penelitian ini.

4.2.1 Data Penjualan Produk Steel Cord

Jumlah demand steel cord konstruksi 0.115 mikron selama 2013-2015 dapat

dilihat pada Tabel 4.2 dan untuk data lengkap demand produksi steel cord selama

2013-2015 dapat dilihat pada Lampiran 2 Demand Produksi steel cord 0.115

tahun 2013-2015.

Tabel 4. 2. Demand Produksi steel cord 0.115 tahun 2013-2015

Bulan Xt

2013(ton) Bulan

Xt

2014(ton) Bulan

Xt

2015(ton)

Total/tahun 2145 Total/tahun 2295 Total/tahun 2990

4.2.2 Harga Pembelian Material Produk

Dalam pengumpulan data daftar harga, data yang diperoleh adalah informasi

tentang harga material/ton dan harga jual produk steel cord konstruksi 0.115

mikron seperti Tabel 4.3.

Tabel 4. 3. Harga Pembelian Material Produk 0.115 mikron

Kode item Raw Material Netto/ton Harga beli/ton

SW0001 Wire root 1 15,000,000

28

4.2.3 Data Biaya Pemesanan (ordering cost)

Biaya pemesanan persediaan di PT. XX terdiri dari biaya teknologi informasi,

telekomunikasi, pengiriman dokumen, dan bea cukai. Biaya ini merupakan biaya

yang dikeluarkan jika perusahaan melakukan proses pemesanan. Berikut rincian

biaya saat proses pemesanan:

• Biaya telekomunnikasi dan internet

• Biaya telekomunikasi. Jika perusahaan melakukan pemesanan ke luar

negeri, perusahaan melakukan telepon selama 10 menit dimana tarif

yang berlaku pada provider penyedia jasa telepon yang digunakan

perusahaan kira-kira IDR. 19.600/menit.

• Biaya internet. Jika perusahaan ingin mengirimkan gambar dan jenis

bahan baku yang dipesan, perusahaan mengalokasikan biaya sebesar

4.5% dari biaya internet perusahaan dengan rata-rata pembayaran

biaya keseluruhan yang diterima bisnis unit produk steel cord sebesar

IDR. 2,600,000/bulan.

• Biaya pengiriman dokumen

• Untuk keperluan pemesanan dalam pengiriman data atau dokumen,

perusahaan mengacu kepada data tarif per zona jarak kilometer yang

dibebankan oleh provider yang digunakan perusahaan. Dalam hal ini

perusahaan menghabiskan biaya kisaran IDR. 450.000,-.

• Bea masuk yang ditetapkan sebesar 43% dari harga nilai barang/ton.

Total biaya pemesanan yang dikeluarkan oleh perusahaan, seperti pada Tabel 4.4.

Tabel 4. 4. Biaya-Biaya Pemesanan

Jenis Biaya Perhitungan Total

Biaya telephone 10 x IDR. 19,600 IDR 196,000

Biaya internet 4.5% x IDR. 2,600,000 IDR 117,000

Biaya telephone dan internet IDR 313,000

Biaya pengiriman dokumen IDR. 463,000 IDR 463,000

Biaya bea cukai 43% x IDR. 15,000,000 IDR 6,450,000

Total Biaya Pesan IDR 7,226,000

29

4.2.4 Biaya Penyimpanan (holding cost)

Biaya penyimpanan di PT. XX rata-rata adalah biaya tetap yang tidak dipengaruhi

oleh besarnya nilai persediaan yang dimiliki perusahaan sampai dengan batas

tertentu. Berdasarkan hasil pengumpulan data dari logistik, biaya penyimpanan

bahan baku/tahun dalam percentage (%) dari harga pembelian bahan baku. Biaya-

biaya tersebut antara lain:

• Biaya depresiasi gudang

PT. XX memiliki gudang sendiri untuk melakukan penyimpanan, sehingga biaya

yang timbul hanya biaya depresiasi atas gudang yang diberi nilai 0.12%.

• Biaya asuransi

Persediaan di PT. XX juga dilindungi oleh asuransi dari kehilangan dan

kerusakan, baik di gudang PT. XX maupun dalam perjalanan. Nilai premi asuransi

adalah sebesar 0.6% dari harga bahan baku yang dikeluarkan.

• Resiko persediaan usang

Bahan dasar dari rata-rata persediaan PT. XX adalah wire root. Perusahaan

melakukan penilaian terhadap persediaan yang telah melewati batas umur tersebut

agar nilai persediaan tetap menggambarkan nilai realisasi bersih dan besaran biaya

sebesar 0.35% dari harga bahan baku.

Total biaya penyimpanan yang dikeluarkan, seperti pada Tabel 4.5:

Tabel 4. 5. Biaya-Biaya Penyimpanan

Jenis Biaya % Value Value

Biaya depresiasi 0.12% IDR 18,000

Biaya asuransi 0.60% IDR 90,000

Resiko persediaan usang 0.35% IDR 52,500

Total Biaya Simpan 1.07% IDR 160,500

4.2.5 Lead Time Raw Material

Data lead time fix raw material yang ditetapkan antara supplier dengan

perusahaan adalah 14 hari. Jika perusahaan ingin mempercepat lead time karena

alasan tertentu maka perusahaan akan mengambil resiko menggunakan

pengiriman melalui udara untuk mempercepat transportasi barang.

30

4.2.6 Biaya Kekurangan Persediaan

Perusahaan mengambil kebijakan untuk menetapkan biaya kekurangan persediaan

sebesar 30% dari harga material pemesanan normal.

4.3. Pengolahan Data

4.3.1 Peramalan (Forecasting)

Peramalan ini dilakukan untuk mengetahui demand steel cord konstruksi 0.115

mikron untuk 12 bulan kedepan yaitu Januari-Desember 2016. Pada perhitungan

peramalan ini dipilih intristic methods dengan menggunakan metode Triple

Exponensial Smoothing–Winter dan dekomposisi dikarenakan berdasarkan data

demand selama 2013-2015 pada Lampiran 2 Demand Produksi steel cord 0.115

tahun 2013-2015 yang diubah menjadi bentuk grafik seperti pada Gambar 4.2.

Gambar 4. 2. Pola Data Penjualan steel cord konstruksi 0.115 mikron

Gambar 4.2 terlihat bahwa demand memiliki pola data musiman dan pola data

trend dari tahun 2013-2015, seperti pada Tabel 4.6:

Tabel 4. 6. Rata-Rata Demand 2013-2015

Periode Demand Percentage Demand/tahun Percentage

Jan-April 2013 895 42%

Mei-Aug 2013 560 26%

Sep-Des 2013 690 32% 2145 29%

Jan-April 2014 800 35%

Mei-Aug 2014 645 28%

Sep-Des 2014 850 37% 2295 31%

Jan-April 2015 990 33%

Mei-Aug 2015 910 30%

Sep-Des 2015 1090 36% 2990 40%

Total 7430 100%

0

50

100

150

200

250

300

350

Jan

-13

Feb

-13

Ma

r-1

3

Ap

r-1

3

Ma

y-1

3

Jun

-13

Jul-

13

Au

g-1

3

Sep

-13

Oct

-13

No

v-1

3

Dec

-13

Jan

-14

Feb

-14

Ma

r-1

4

Ap

r-1

4

Ma

y-1

4

Jun

-14

Jul-

14

Au

g-1

4

Sep

-14

Oct

-14

No

v-1

4

Dec

-14

Jan

-15

Feb

-15

Ma

r-1

5

Ap

r-1

5

Ma

y-1

5

Jun

-15

Jul-

15

Au

g-1

5

Sep

-15

Oct

-15

No

v-1

5

Dec

-15

Grafik Demand 2013-2015

31

Berikut grafik kenaikan dan penurunan demand selama 2013-2015, seperti pada

Gambar 4.3 dibawah ini.

Gambar 4. 3. Grafik Penurunan dan Peningkatan Demand 2013-2015

Setelah terlihat pola yang terjadi pada demand selama 2013-2015 maka model

peramalan yang tepat adalah metode Triple Exponential Smoothing – Winter dan

metode dekomposisi, karena kedua metode peramalan dapat memberikan

peramalan yang memiliki unsur data yang bersifat musiman dan trend.

• Triple Exponential Smoothing – Winter

Nilai alpha(α), gamma(β), dan delta(γ) adalah nilai untuk melakukan pemulusan

suatu data yang memiliki unsur trend dan musiman. Dimana nilai α ditentukan

untuk menghitung nilai pemulusan secara total, nilai β ditentukan untuk

menghitung pemulusan data yang bersifat trend, dan nilai γ ditentukan untuk

menghitung pemulusan data yang bersifat musiman. Nilai alpha(α), gamma(β),

dan delta(γ) sendiri diperoleh dengan melakukan trial and error pada aplikasi

statistik hingga mendapatkan nilai MAPE, MAD, dan MSD terkecil, seperti pada

Tabel 4.7 dibawah ini:

Tabel 4. 7. Trial Nilai alpha,gamma, dan delta TES

� � � MAPE MAD MSD

0.9 0.05 0.05 8.92 18.17 593.10

0.9 0.05 0.1 8.95 18.23 597.31

0.9 0.1 0.1 9.10 18.43 612.38

0.2 0.2 0.1 11.83 24.49 919.89

0.1 0.1 0.1 15.43 32.78 1611.28

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

1 2 3

2013

2014

2015

Trend

32

Dari keseluruhan nilai dipilih nilai verifikasi peramalan dengan nilai terkecil dari

nilai MAD sebesar 8.17 dengan nilai alpha = 0.9, gamma = 0.05, dan delta = 0.05.

Nilai alpha, gamma, dan delta digunakan sebagai variable peramalan dengan

metode Triple Eksponential Smoothing, dengan panjang periode (L) = 12 bulan.

Gambar 4.4 menggambarkan grafik peramalan dan grafik smoothing TES

Gambar 4. 4. Grafik Forecast menggunakan Triple Eksponensial

Rumus yang berlaku untuk peramalan metode TES, seperti pada rumus (2-12).

Tabel 4.8 berisi data peramalan 2016 dengan metode TES, sedangkan untuk data

peramalan dan error demand 2013-2015 dapat dilihat pada Lampiran 3

Forecasting Triple Eksponensial Smoothing 2013-2015.

Tabel 4. 8. Forecasting demand 2016 menggunakan TES

Bulan Forecast

Jan-16 211.1

Feb-16 243.5

Mar-16 294.2

Apr-16 308.2

May-16 288.5

Jun-16 229.6

Jul-16 168.7

Aug-16 197.7

Sep-16 221.6

Oct-16 262.1

Nov-16 266.2

Dec-16 311.1

454035302520151051

600

500

400

300

200

100

0

Index

Demand(ton)

Alpha (level) 0.90

Gamma (trend) 0.05

Delta (seasonal) 0.05

Smoothing Constants

Actual

Smoothed

Forecasts

95.0% PI

Variable

Winters' Method Plot for Demand(ton)Multiplicative Method

33

Setelah diperoleh peramalan demand dari metode peramalan TES maka tahap

selanjutnya adalah menentukan berapa besar nilai kesalahan peramalan dari

metode TES. Perhitungan kesalahan peramalan untuk produk steel cord konstruksi

0.115 mikron dengan metode menggunakan MAD seperti pada rumus (2-19) dan

MAPE seperti pada rumus (2-21).

Berikut data perhitungan kesalahan peramalan TES pada Tabel 4.9 dan untuk data

perhitungan lengkapnya dapat dilihat pada Lampiran 4 Perhitungan Kesalahan

MAPE dan MAD Forecasting TES.

Tabel 4. 9. Perhitungan Kesalahan Forecasting TES

T Xt Ft Xt-Ft |Xt-Ft| |(Xt-Ft)/Xt|

666 7430 7320.099 109.901 654.115 3.212

MAD : 18.170

MAPE : 8.923

Setelah diketahui nilai kesalahan pada metode TES, selanjutnya mencari demand

menggunakan metode peramalan ke dua yaitu dengan metode dekomposisi.

• Metode Dekomposisi merupakan metode peramalan yang mencoba

memisahkan tiga komponen terpisah dari pola dasar yang cenderung. Komponen

tersebut adalah faktor trend (kecenderungan), siklus dan musiman. Faktor

kecenderungan menggambarkan perilaku data dalam jangka panjang yang dimana

pola data dapat meningkat, menurun atau tidak berubah sama sekali, faktor siklus

menggambarkan baik turunnya ekonomi dan faktor musiman berkaitan dengan

fluktuasi periodik dengan panjang konstan yang disebabkan oleh temperatur,

curah hujan, waktu liburan, dan adanya kebijaksanaan perusahaan. Langkah

langkah untuk mendapatkan data peramalan selama satu tahun kedepan

menggunakan metode dekomposisi adalah:

• Mencari nilai indeks musiman

• Mencari nilai deseasonalized data

• Menghitung nilai trend

34

• Mencari nilai fungsi dari trend seperti pada rumus (2-18), dimana :

�� = 151.11 + 3.10 ∗ ��

Gambar 4. 5. Grafik perubahan pola data

Gambar 4.5 merupakan grafik perubahan data setelah dilakukan pemulusan data,

sehingga perhitungan peramalan untuk metode dekomposisi dapat dilakukan.

Menghitung forecast dengan metode peramalan dekomposisi. Tabel 4.10 berisi

rincian data peramalan 2016 metode dekomposisi, sedangkan untuk data masing-

masing peramalan dan error demand selama 2013-2015 dapat dilihat pada

Lampiran 5 Forecasting menggunakan metode Dekomposisi.

Tabel 4. 10. Forecasting demand 2016 menggunakan Dekomposisi

Bulan Forecast

Jan-16 242.98

Feb-16 275.68

Mar-16 322.34

Apr-16 320.66

May-16 345.42

Jun-16 269.39

Jul-16 156.5

Aug-16 228

Sep-16 246.3

Oct-16 297.8

Nov-16 312.2

Dec-16 373.4

3528211471

400

300

200

100

Index

3528211471

400

300

200

100

Index

3528211471

1.5

1.0

0.5

Index

3528211471

100

50

0

-50

Index

Component Analysis for Demand(ton)Multiplicative Model

Original Data

Seasonally Adjusted Data

Detrended Data

Seas. Adj. and Detr. Data

35

Gambar 4.6 menjelaskan grafik hasil peramalan menggunakan metode

dekomposisi setelah dilakukan pemulusan komponen musiman dan trend terhadap

demand selama 2013-2015.

Gambar 4. 6. Grafik Forecast menggunakan metode dekomposisi

• Verifikasi nilai kesalahan peramalan

Setelah diperoleh peramalan demand dari metode dekomposisi, maka tahap

selanjutnya adalah menentukan berapa besar nilai kesalahan peramalan dari

metode dekomposisi. Perhitungan kesalahan peramalan untuk steel cord

konstruksi 0.115 mikron dengan metode dekomposisi menggunakan MAD dan

MAPE, sedangkan data rincian hasil perhitungan kesalahan dapat dilihat pada

Tabel 4.11 dan data perhitungan lengkapnya dapat dilihat pada Lampiran 6

Perhitungan Kesalahan MAPE dan MAD Forecasting Dekomposisi.

Tabel 4. 11. Perhitungan Kesalahan Forecasting Dekomposisi

T Xt Ft Xt-Ft |Xt-Ft| |(Xt-Ft)/Xt|

666 7430 7497.264 -67.264 853.986 4.225

MAD : 23.722

MAPE : 11.736

454035302520151051

400

350

300

250

200

150

100

Index

Demand(ton)

Actual

Fits

Trend

Forecasts

Variable

Time Series Decomposition Plot for Demand(ton)Multiplicative Model

36

4.3.2 Pengujian Hipotesa Pemilihan Metode Peramalan

Setelah dilakukan perhitungan kesalahan pada masing-masing metode peramalan,

selanjutnya adalah membuat tabel summary untuk dilakukan uji hipotesis.

Tabel 4. 12. Summary Verifikasi Peramalan

Metode Nilai

MAD MAPE Alfa(α) Gamma(β) Delta(γ)

TES 0.9 0.05 0.05 18.17 8.923

Dekomposisi 23.722 11.736

Memilih metode peramalan dengan nilai MAD dan MAPE terkecil ditentukan

dengan uji hipotesa F sebagai berikut :

• H0 : MADTriple Eksponensial ≤ MADDekomposisi.

• H1 : MADTriple Eksponensial ≥ MADDekomposisi.

Nilai error (α) yang digunakan yang telah ditetapkan yaitu sebesar 5%, sehingga

batas daerah penolakan yang merupakan uji dua ujung bernilai Ftabel = 1.98.

Aturan keputusannya adalah tolak H0 dan terima H1 jika RUF > 1.98, dengan

rumus yang berlaku adalah sebagai berikut:

�� = (�� !"�" �#�)%(��!&�! � �)% = 18.17%23.722% =330.1489562.7333 = 0.586

Hasil pengujian menunjukkan untuk menerima H0 yaitu dengan menggunakan

peramalan TES. Untuk mengetahui apakah fungsi peramalan terpilih telah cukup

representatif, maka dilakukan proses verifikasi perhitungan peramalan TES

dengan trend Moving Range Chart seperti pada rumus (2-23), dimana data moving

range dapat dilihat pada Lampiran 7 Data Moving Range Peramalan TES.

��----- = ∑��" − 1 = 878.8436 − 1 = 25.11

Sehingga batas kontrol yang berlaku adalah :

BKA = + 2,66 * MR = + 66.79

BKB = - 2,66 * MR = - 66.79

37

Data pada Tabel 4.13 merupakan hasil plot data peramalan menggunakan metode

triple eksponensial smoothing dan data perhitungan secara lengkap dapat dilihat

pada Lampiran 8 Plot data Moving Range Chart.

Tabel 4. 13. Plot Data Moving Range Chart

T Ft-Xt MR UCL 2/3UCL 1/3UCL LCL 2/3LCL 1/3LCL

1 3.7 -66.79 -44.53 -22.26 66.79 44.53 22.26

2 -8.4 12.1 -66.79 -44.53 -22.26 66.79 44.53 22.26

3 -15.0 6.6 -66.79 -44.53 -22.26 66.79 44.53 22.26

… … … … … … … … …

36 18.2 1.8 -66.79 -44.53 -22.26 66.79 44.53 22.26

Ketentuan nilai peramalan dikatakan kurang baik jika ada sebaran data out of

control, dengan ketentuan sebagai berikut:

• Ada titik di luar UCL/LCL.

• 3 titik berturut-turut ada 2 titik atau lebih berada di > 2/3 UCL atau LCL.

• 5 titik berturut-turut ada 4 titik atau lebih berada di >1/3 UCL atau LCL.

• Ada 8 titik berturut-turut ada disalah satu sisi.

Gambar 4. 7. Grafik Uji Verifikasi Moving Chart

Dari sebaran data pada peta control Gambar 4.7 menggambarkan tidak ada

sebaran data peramalan yang menyatakan bahwa data dikatakan out of control.

4.3.3 Uji Normalitas Residual

Pengujian residual data peramalan menggunakan program statistika dengan σ =

0.05 dan uji kenormalan menggunakan metode Kolmogorov–Smirnov. Berikut uji

normalitas residual data error untuk peramalan produk 0.115 mikron bulan

Januari 2013–Desember 2015, residual data dikatakan terdistribusi normal jika:

-80.0

-60.0

-40.0

-20.0

0.0

20.0

40.0

60.0

80.0

Ft-Xt UCL 2/3UCL 1/3UCL LCL 2/3LCL 1/3LCL

38

H0 : residual berdistribusi normal.

H1 : residual tidak berdistribusi normal.

Gambar 4.8 merupakan hasil uji normalitas residual dengan nilai p-value yaitu

0.283, sehingga H0 tidak perlu ditolak dan residual data telah dikatakan

terdistribusi secara normal.

Gambar 4. 8. Grafik Uji Normalitas residual data

4.4. Usulan Perbaikan

Untuk melihat apakah metode usulan lebih baik dibandingkan dengan metode

perusahaan, maka tahap selanjutnya membandingkan nilai total cost metode

usulan dengan metode yang digunakan perusahaan pada tahun 2015 terhadap

demand actual.

4.4.1 Usulan Model Persediaan

Untuk memimalisasi biaya pemesanan dan penyimpanan barang digunakan

metode Lot Sizing terlebih dahulu untuk dapat memutuskan kuantitas pemesanan,

keputusan waktu pemesanan, dan pengendalian persediaan. Adapun cara untuk

memilih Static Lot Sizing Models atau Dynamic Lot Sizing Models adalah dengan

cara menguji ke lumpy demand menggunakan Peterson dan Silver rule seperti

pada rumus (2-3) dimana data demand dapat dilihat pada Lampiran 2. Penjualan

Demand steel cord 0.115 tahun 2013-2015, dengan ketentuan lumpy test:

39

• jika V < 0.25, demand tidak dikatakan lumpy (permintaan diketahui dengan

pasti) sehingga menggunakan Static Lot Sizing Models.

• jika V > 0.25, demand dikatakan lumpy sehingga menggunakan Dynamic Lot

Sizing Models.

0 = 36 ∗ 1,634,25055,204,900 − 1 = 0.026

Setelah dilakukan pengujian ini maka diketahui bahwa demand tahun 2015

bersifat statis, sehingga metode yang digunakan adalah metode EOQ Probabilistik

(q,r). Karena tujuan dari metode usulan ini adalah untuk meminimumkan total

biaya dengan menentukan reorder point, jumlah quantity order, dan lead time

yang tetap dengan tingkat permintaan (Q) yang berubah-ubah/fluktuatif.

4.4.2 Analisis Pengendalian Persediaan EOQ Probabilistik (q,r)

Sebelum menentukan nilai reorder point dan jumlah quantity order pada EOQ

Probabilistik (q,r) terdapat beberapa item-item yang harus dihitung terlebih

dahulu untuk mempermudah proses perhitungan seperti pada Tabel 4.14.

Tabel 4. 14. Item-item perhitungan metode EOQ Prob.(q,r) 2015

Item Symbol EOQ Prob.(q,r)

Kebutuhan bahan baku/tahun 2015 � 2,954.11 ton

Panjang periode 2 12 bulan

Kebutuhan rata-rata bahan baku/bulan �3 246.18 ton/bulan

Asumsi hari kerja 4 22 hari/bulan

Lead time 5� 14 hari/0.636 bulan

Kebutuhan rata-rata selama lead time �3 ∗ 5� 115.7 ton/LT

Stadev bahan baku 6 41.42 ton/bulan

Harga Pembelian/ton 7 IDR 15,000,000

Biaya Pesan 89 IDR 7,226,000

Biaya Simpan 8: IDR 160,500

Biaya stock out 8; IDR 6,000,000

� Iterasi 1

• Perhitungan untuk Q awal menggunakan model Wilson sederhana seperti

pada rumus (2-4) :

< = =2 ∗ 7,226,000 ∗ 2,954.11160,500 = 515.751�!"

40

• Mencari nilai z seperti pada rumus (2-7):

1 − >(?) = 160,500 ∗ 515.7516,000,000 ∗ 2,954.11 = 0.00467

>(?) = 0.9953

dari Lampiran 16. Tabel Appendix (z)Probability dan (L)Loss Distribusi Normal,

diperoleh nilai ? = 2.60 dan nilai 5(2.60) = 0.00146.

• Mencari nilai �@ seperti pada rumus (2-6):

�@ = (115.7) + 2.60 ∗ A(12 ∗ 0.636) = 158.73�!"

• Menghitung level maksimum back order seperti pada rumus (2-8):

B-(�9) = A(12 ∗ 0.636 ∗ 0.00146 = 0.001165

� Iterasi 2

• Menghitung <C∗ seperti pada rumus (2-9) :

<C = =2 ∗ 2954.11 ∗ (7,226,000 + 6,000,000 ∗ 0.001165))160,500 = 516�!"

• Kembali mencari nilai z seperti pada rumus (2-7) dan nilai �C dengan

rumus (2-6)

1 − F(z) = 160,500 ∗ 5166,000,000 ∗ 2,954.11

>(?) = 0.9953



�C = (115.7) + 2.60 ∗ A(12 ∗ 0.636) = 158.73�!"

Karena nilai �C = �@, maka iterasi dapat dihentikan dengan nilai :

<C∗ = 516�!" dan �C = 158.73�!"

41

• Banyaknya perusahaan melakukan pesanan adalah :

F = 2954.11516 = 5.73 ≈ 6kalipesan

• Menentukan safety stock dengan service level 95% seperti rumus (2-1).

PP = 1.65 ∗ 41.42 ∗ 0.636 = 43.49�!"

Untuk menghindari adanya stock out, maka service level perlu diolah dengan

melakukan trial menggunakan service level 90% dan 99%.

• Menentukan safety stock dengan service level 90%

PP = 1.28 ∗ 41.42 ∗ 0.636 = 33.74�!"


PP = 3.1 ∗ 41.42 ∗ 0.636 = 61.42�!"

Setelah diketahui berapa jumlah pemesanan optimal, reorder point, dan jumlah

safety stock dengan service level 90%, 95%, dan 99%, maka tahap selanjutnya

adalah melakukan simulasi dengan tabel simulasi sederhana yang dapat dilihat

secara lengkap pada Lampiran 9 Simulasi Pengendalian persediaan metode usulan

service level 90 % tahun 2015 dan Lampiran 10-11 untuk masing-masing service level

95% dan 99%. Adapun biaya perhitungan total cost adalah:

• Total annual ordering cost adalah :

QRS = T ∗ RS

• Total annual inventory holding cost / periode adalah :

QRU = ((VV) + WXY ∗ Z∗[) ∗ RR

• Total annual back order cost adalah:

QR\ = ] ∗ R\ • Total cost yang dikenakan dengan metode ini adalah :

QR = QRS + QRU + QR\

Tabel 4.15 menunjukkan nilai perbandingan safety stock terhadap reorder point

dengan service level sebesar 90%, 95%, dan 99%. Dengan masing-masing service

42

level tersebut maka biaya simpan yang dihasilkan akan semakin besar karena

pengaruh dari jumlah stok pengaman dan level pemesanan ulang, sedangkan jika

metode ini menggunakan service level 90% dan 95% menurut simulasi akan

terjadi stock out pada week 18 sebesar 8 ton.

Tabel 4. 15. Comparison service level 2015

90% 95% 99%

Q optimal 516 ton 516 ton 516 ton �C 158.73 ton 158.73 ton 158.73 ton

Safety stock 33.74 ton 43.49 ton 61.42 ton

Reorder point 192.47 ton 202.22 ton 220.15 ton

Stock out 8 ton 8 ton 0

Jumlah pemesanan 6 kali 6 kali 6 kali

Total Biaya Pesan IDR. 50,582,000 IDR. 50,582,000 IDR. 50,582,000

Total Biaya Simpan IDR. 280,945,620 IDR. 290,334,870 IDR. 307,601,460

Total Biaya stock out IDR. 49,422,878 IDR. 49,422,878 IDR. -

Total biaya IDR. 380,950,498 IDR. 390,339,748 IDR. 358,183,460

Gambar 4.9 menggambarkan grafik perbandingan Q optimal, reorder point, safety

stock, stock out, jumlah pemesanan, biaya pesan, biaya simpan, biaya stock out,

dan total biaya jika menggunakan service level 90%, 95%, dan 99%.

Gambar 4. 9. Perbandingan kuantitas dan total cost 2015

Secara keseluruhan Metode EOQ Probabilistik (q,r) dengan service level sebesar

99% merupakan metode yang memberikan nilai total cost terkecil dengan selisih

biaya sebesar IDR. 32,156,288 atau 8% dari metode dengan service level biaya

terbesar 95%. Metode dengan service level 99% lebih terfokus untuk mengurangi

resiko stock out dengan menambah kuantitas jumlah safety stock.

Q optimal Safety stockReorder

pointStock out

Jumlah

pemesananBiaya Pesan Biaya Simpan

Biaya stock

outTotal biaya

90% 516 33.74 192.47 8 6 50,582,000 280,945,620 49,422,878 380,950,498

95% 516 43.49 202.22 8 6 50,582,000 290,334,870 49,422,878 390,339,748

99% 516 61.42 220.15 0 6 50,582,000 307,601,460 0 358,183,460

1

10

100

1000

10000

100000

1000000

10000000

10000000

1E+09

90% 95% 99%

43

4.4.3 Analisis Pengendalian Persediaan Metode Perusahaan

Dalam mengendalikan biaya persediaan perusahaan melakukan pemesanan

periodik secara kuartal atau sebanyak 4 kali dalam 1 tahun. Berikut data

kedatangan material perusahaan pada tahun 2015 seperti pada Tabel 4.16.

Tabel 4. 16. Kedatangan material 0.115 mikron 2015

Bulan Quartal Kedatangan Material (ton)

Jan-15

1 630 Feb-15

Mar-15

Apr-15

2 780 May-15

Jun-15

Jul-15

3 670 Aug-15

Sep-15

Oct-15

4 800 Nov-15

Dec-15

Dalam kondisi tertentu perusahaan akan melakukan pemesanan secara fakultatif

yaitu perusahaan melakukan pemesanan darurat jika stock material berada di titik

kritis atau hampir habis. Beberapa item yang harus dihitung untuk mempermudah

proses perhitungan pada metode perusahaan seperti pada Tabel 4.17.

Tabel 4. 17. Item-item Perhitungan Metode Perusahaan 2015

Item Symbol Value

Kebutuhan bahan baku per tahun � 2,880 ton

Kedatangan Material kuartal 1 <1 630 ton/kuartal





Asumsi hari kerja 4 22 hari




44

Sama halnya dengan metode usulan, metode perusahaan diuji dengan melakukan

simulasi yang sama untuk melihat berapa total cost yang dikeluarkan. Berikut

Tabel 4.18 yang menjelaskan mengenai besarnya pemesanan, stock out, dan biaya

persediaan selama tahun 2015 menggunakan metode perusahaan dan simulasi

total cost seperti pada Lampiran 12 Simulasi Pengendalian Persediaan metode

perusahaan tahun 2015.

Tabel 4. 18. Perbandingan stock out dan total cost / kuartal

Kuartal 1 Kuartal 2 Kuartal 3 Kuartal 4 Total

Q optimal (ton) 630 780 670 800 2,880

Stock out (ton) - 50 40 105 195

Pemesanan (kali) 1 1 1 1 4

Biaya Pesan (IDR) 7,226,000 7,226,000 7,226,000 7,226,000 28,904,000

Biaya Simpan (IDR) 50,557,500 62,595,000 53,767,500 64,200,000 231,120,000

Biaya stock out (IDR) - 301,422,878 241,422,878 632,845,756 1,175,691,512

Total biaya (IDR) 57,783,500 371,243,878 302,416,378 704,271,756 1,435,715,512

Berikut grafik Q/kuartal, stock out/kuartal, biaya pesan, biaya simpan, biaya stock

out, dan total cost yang dialami perusahaan/kuartal seperti pada Gambar 4.10.

Gambar 4. 10. Pengendalian persediaan/kuartal metode perusahaan

Hasil analisis menggunakan metode perusahaan adalah:

• Jumlah pemesanan dilakukan secara periodik yaitu 4 kali dalam 1 tahun

dimana pada kuartal 2,3, dan 4 jumlah pemesanan bahan baku belum

optimal dikarenakan terjadi stock out

• Biaya tambahan perusahaan untuk mengatasi stock out bahan baku 195 ton

adalah sebesar IDR. 1,175,691,512.

Q optimal Stock out Biaya Pesan Biaya Simpan Biaya stock out Total biaya

Kuartal 1 630 - IDR 7,226,000 IDR 50,557,500 IDR - IDR 57,783,500

Kuartal 2 780 50 IDR 7,226,000 IDR 62,595,000 IDR 301,422,878 IDR 371,243,878



1

10

100

1,000

10,000

100,000

1,000,000

10,000,000

100,000,000

1,000,000,000

45

4.4.4 Analisis Perbandingan Persediaan 2 Metode

Setelah memperoleh hasil pada metode usulan dan metode perusahaan maka

langkah selanjutnya adalah membandingkan untuk memperoleh metode terbaik.

Untuk diterapkan sebagai model pengendalian untuk tahun 2016. Berikut hasil

perbandingan total cost antara metode usulan dan metode perusahaan seperti pada

Tabel 4.19 dan grafik analisis pada Gambar 4.11.

Tabel 4. 19. Total cost masing-masing metode

99% Metode Perusahaan Selisih (%)

Q optimal 516 720

Safety stock 61.42 0

Reorder point 220.15 0

Stock out 0 195

Pemesanan 6 4

Biaya Pesan IDR.50,582,000 IDR.28,904,000 -43%

Biaya Simpan IDR.307,601,460 IDR.231,120,000 -25%

Biaya stock out IDR - IDR.1,175,691,512

Total biaya IDR.358,183,460 IDR.1,435,715,512 75%

Gambar 4. 11. Perbandingan metode usulan dan perusahaan

Hasil analisisnya adalah:

• Selisih biaya pesan yang dialami metode usulan lebih besar 43% dari

biaya metode perusahaan dan selisih biaya simpan yang dialami metode

usulan lebih besar 25% dari biaya metode perusahaan.

Q optimal Safety stock Reorder point Stock out Jumlah pemesanan Biaya Pesan Biaya Simpan Biaya stock out Total biaya

99% 516 61.42 220.15 0 6 IDR 50,582,000 IDR 307,601,460 IDR - IDR 358,183,460

metode perusahaan 720 - - 195 4 IDR 28,904,000 IDR 231,120,000 IDR 1,175,691,512 IDR 1,435,715,512

1

10

100

1000

10000

100000

1000000

10000000

10000000

1E+09

1E+10

46

• Secara keseluruhan metode usulan dengan service level 99% merupakan

metode terbaik dikarenakan selisih total biaya keseluruhan lebih rendah

75% atau sebesar IDR.1,077,532,053 dari metode perusahaan.

• Hal ini terjadi karena metode usulan dengan service level 99% tidak

mengalami stock out, karena metode usulan lebih menekankan terhadap

adanya jumlah safety stock yang besar untuk mengantipasi permintaan

yang fluktuatif meskipun efeknya adalah menambah biaya simpan.

4.4.5 Perecanaan Pengendalian 2016

Setelah melakukan analisis dan menemukan metode terbaik selanjutnya adalah

merancang pengendalian persediaan untuk tahun 2016. Adapun tahapan untuk

melakukan perencanaan pengendalian persediaan selama 2016 adalah:

• Menentukan nilai demand untuk tahun 2016

Tabel 4.9 merupakan hasil peramalan metode TES untuk demand tahun 2016.

• Sebelum menentukan nilai reorder point dan jumlah quantity order pada EOQ

Probabilistik (q,r) terdapat beberapa item-item yang harus dihitung terlebih

dahulu untuk mempermudah proses perhitungan seperti Tabel 4.20 berikut ini:

Tabel 4. 20. Item – item perhitungan EOQ Prob.(q,r) 2016

Item Symbol Continuous review

Kebutuhan bahan baku/tahun 2016 � 3,002.52 ton

Panjang periode 2 12 bulan

Kebutuhan rata rata bahan baku/bulan �3 250.2 ton/bulan

Asumsi hari kerja 4 22 hari


Stadev bahan baku per bulan 6 45.8 ton

Kebutuhan rata-rata selama lead time �3 ∗ 5� 159.1 ton/LT

Stadev bahan baku selama lead time 6 ∗ 5� 29.1 ton/LT




Biaya Stock out 8; IDR 6,000,000

Setelah menghitung item-item yang diperlukan maka selanjutnya adalah mencari

nilai pemesanan optimal dan reorder point menggunakan beberapa iterasi.

� Iterasi 1

47

• Perhitungan untuk Q optimal awal seperti pada rumus (2-4):

<∗ = =2 ∗ 7,226,000 ∗ 3,002.52160,500 = 519.959�!"

• Mencari nilai z seperti pada rumus (2-7):

1 − >(?) = 160,500 ∗ 519.9596,000,000 ∗ 3,002.52

>(?) = 0.9954



• Mencari nilai �@ seperti pada rumus (2-6):

�@ = (159.1) + 2.60 ∗ A(12 ∗ 0.636) = 161.21�!"

• Menghitung level maksimum back order seperti pada rumus (2-8):

B-(�9) = A(12 ∗ 0.636 ∗ 0.00146 = 0.001165

� Iterasi 2

• Menghitung <C∗ seperti pada rumus (2-9).

<C = =2 ∗ 3,002.52 ∗ (7,226,000 + 6,000,000 ∗ 0.001165))160,500 = 520.21�!"

• Mencari nilai z seperti pada rumus (2-7) dan nilai �C dengan rumus (2-6).

1 − >(?) = 160,500 ∗ 519.9596,000,000 ∗ 3,002.52

>(?) = 0.9954



• Mencari kembali nilai �C seperti pada rumus (2-6):

�C = (159.1) + 2.60 ∗ A(12 ∗ 0.636) = 161.21

48

Karena nilai �C = �@, maka iterasi dapat dihentikan dengan nilai :

<C∗ = 520.21�!"dan�C = 161.21�!"

• Banyaknya perusahaan melakukan pesanan adalah :

F = 3,002.52520.21 = 5.77 ≈ 6�#�� #"

• Menentukan safety stock dengan service level 95% seperti rumus (2-1):

PP = 1.65 ∗ 45.8 ∗ 0.636 = 48.09�!"

Untuk menghindari stock out, perlu melakukan trial service level 90% dan 99%.


PP = 1.28 ∗ 45.8 ∗ 0.636 = 37.31�!"


PP = 3.1 ∗ 45.8 ∗ 0.636 = 67.91�!"

Selanjutnya adalah melakukan simulasi sederhana terhadap demand yang

diramalkan untuk tahun 2016.

Tabel 4. 21. Comparison service level tahun 2016

90% 95% 99%

Q optimal 520.21 ton 520.21 ton 520.21 ton �C 161.21 ton 161.21 ton 161.21 ton

Safety stock 37.31 ton 48.09 ton 67.91 ton

Reorder point 198.52 ton 209.30 ton 229.12 ton

Stock out 16.58 ton 16.58 ton 0

Jumlah pemesanan 6 kali 6 kali 6 kali

Biaya Pesan IDR. 50,582,000 IDR. 50,582,000 IDR. 50,582,000

Biaya Simpan IDR. 286,410,645 IDR. 296,791,785 IDR. 315,878,445

Biaya stock out IDR. 100,902,878 IDR. 100,902,878 IDR. -

Total biaya IDR. 437,895,523 IDR. 448,276,662 IDR. 373,686,445

Tabel 4.21 merupakan perbandingan total cost masing-masing service level,

sedangkan untuk tabel simulasi service level 90% dapat dilihat pada Lampiran 13

49

Simulasi Pengendalian Persediaan metode usulan service level 90% tahun 2016 dan

untuk service level 95% dan 99% selanjutnya ada pada Lampiran 14 dan 15.

Grafik perbandingan pada tahun 2016 dengan 3 service level pada Gambar 4.12.

Gambar 4. 12. Perbandingan kuantitas dan total cost service level 2016

Hasil analisnya adalah:

• Jumlah Q optimal tiga service level sebesar 520.21 ton, reorder point

dengan service level 90% 198.52 ton, service level 95% 209.3 ton, dan

service level 99% 229.12 ton.

• Stock out pada tigkat service level 90% dan 95% sebesar 16.58 ton,

sedangkan untuk service level 99% dapat memenuhi demand karena

jumlah safety stock yang besar.

• Biaya pesan service level IDR. 50,582,000.

• Biaya simpan terendah dimiliki metode dengan service level 90%

kemudian diikuti service level 95% dan 99%. karena masing-masing

metode memiliki jumlah safety stock yang berbeda untuk memenuhi

permintaan pelanggan yang dimana hal ini dibebankan pada biaya simpan.

• Total cost dengan service level 99% dapat menghemat biaya sebesar 21%

dari biaya metode dengan tingkat pengaman 95%, karena pada service

level 99% tidak mengalami stock out.

Setelah dipilih metode usulan yaitu EOQ Probabilistik (q,r) atau continuous

review (q,r) dengan serice level 99% maka pada bab selanjutnya adalah menarik

kesimpulan apakah tujuan dari kegiatan telah terpenuhi atau belum.

Q optimal Safety stockReorder

pointStock out Pemesanan Biaya Pesan

Biaya

Simpan

Biaya stock

outTotal biaya

90% 520.21 37.31 198.52 16.58 6 50,582,000 286,410,645 100,902,878 437,895,523

95% 520.21 48.09 209.3 16.58 6 50,582,000 296,791,785 100,902,878 448,276,662

99% 520.21 67.91 229.12 0 6 50,582,000 315,878,445 0 373,686,445

1

10

100

1000

10000

100000

1000000

10000000

10000000

1E+09

50

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Kesimpulan yang diperoleh dari hasil analisa pengendalian bahan baku adalah:

Metode EOQ Probabilistic(q,r) atau dikenal dengan metode continuous review

menghasilkan keputusan yang lebih baik dibandingkan metode yang dilakukan

perusahaan pada tahun 2015 karena dapat membantu untuk menentukan frekuensi

pemesanan, jumlah pemesanan yang ekonomis, dan titik saat melakukan

pemesanan ulang untuk mengurangi resiko kehabisan bahan baku wire root

konstruksi 0.115 mikron dengan menekan biaya total cost serendah mungkin.

Selisih total cost metode usulan tahun 2015 lebih rendah 75% atau sebesar IDR.

1,077,532,052 dari metode yang dilakukan perusahaan pada tahun 2015 karena

metode usulan dengan service level 99% tidak terjadi stock out, meskipun

demikian keputusan ini harus tetap memperhatikan kondisi aktual di lapangan.

5.2. Saran

Saran yang diberikan berdasarkan penelitian ini adalah:

Penelitian ini dapat dikembangkan dengan menggunakan metode lain yang sesuai

seperti menggunakan model EOQ Probabilistik dengan adanya back order

sehingga total biaya bisa dibandingkan untuk memperoleh hasil yang lebih baik.

DAFTAR PUSTAKA

Assauri, Sofyan, 1999. Manajemen Produksi dan Operasi. Edisi Revisi, LPFE-UI,

Jakarta.

Fila Dristiana, Tedjo Sukmono. 2015. Pengendalian Bahan Baku obat dengan

menggunakan metode EOQ Probabilistik berdasarkan peramalan

exponential smoothing pada PT. XYZ. Spektrum Industri, 2015, Vol.13,

No.2, 115-228.

Fogarty, Blackstone, dkk. 1991. Production & Inventory Management. 2nd

Edition. Cincinnati, Ohio; South-Wester Publishing Co.

Gaspersz, Vincent. 1998. Production Planning and Inventory Control. Jakarta:

Gramedia Pustaka Utama.

Simchi-Levi, David, dkk. 2003. Designing and Managing The Supply Chain:

Concepts, Strategies, and Case Studies. 2nd Edition. Singapore:

McGRAW-HILL.

Tersine, Richard J. 1994. Principles of Inventory and Materials Management.

United States of America; Prentice Hall.

USULAN PERBAIKAN SISTEM PERSEDIAAN BAHAN BAKU STEEL …

Documents

Transcript of USULAN PERBAIKAN SISTEM PERSEDIAAN BAHAN BAKU STEEL …