ANALISA PERSEDIAAN KOMPONEN MESIN
SEPEDA MOTOR DENGAN METODE ECONOMIC
ORDER QUANTITY (EOQ) BERDASARKAN
PERAMALAN MODEL REGRESI LINIER DI PT. KU
Oleh
Esmawan Muhammad
NIM: 004201205011
Diajukan untuk Memenuhi Persyaratan Akademik
Mencapai Gelar Strata Satu
Pada Fakultas Teknik
Program Studi Teknik Industri
2017
2
DAFTAR TERMINOLOGI
ABSTRAK
PT. KU adalah salah satu perusahaan manufaktur dan perakitan mesin (engine)
sepeda motor. Tingkat penjualan sepeda motor sangat bervariasi dan berubah-ubah
dari waktu ke waktu. Manajemen persediaan bahan baku (komponen mesin sepeda
motor) import di PT. KU belum optimal dikarenakan peramalan terhadap
permintaan produk yang kurang akurat dan untuk mengadakan bahan baku
berdasarkan perkiraan order dari periode sebelumnya. Kekurangan bahan baku
import untuk memenuhi kebutuhan produksi menjadi permasalahan pada sistem
pengendalian persediaan di PT. KU sehingga menyebabkan terjadinya kekurangan
bahan baku pada saat proses produksi. Hal tersebut memaksa PT. KU untuk
melakukan pengadaan bahan baku secara cepat agar kekurangan bahan baku import
bisa tertutupi. Perusahaan harus melakukan pembelian bahan baku dengan
pengiriman melalui jalur udara dengan harga bahan baku import per unit meningkat
40% lebih mahal apabila dibandingkan dengan pembelian bahan baku import secara
normal yaitu melalui jalur laut. Metode peramalan regresi linier digunakan untuk
melakukan peramalan dan selanjutnya dilakukan pengendalian persediaan bahan
baku import dengan menerapkan metode Economic Order Quantity (EOQ), untuk
mengetahui jumlah pemesanan optimal, frekuensi pemesanan, safety stock, re-
order point, maximum inventory dan total biaya persediaan. Dengan metode EOQ
yang menerapkan tambahan persediaan pengaman akan mampu meminimalkan
resiko kekurangan bahan baku sehingga biaya dari shortage cost bisa
diminimalkan. Hasil penelitian diketahui bahwa total biaya persediaan dapat
dihemat sebesar 7,054% per tahun atau dalam nilai rupiah sebesar Rp
1.234.438.385,00 dibandingkan dengan metode perusahaan.
Kata Kunci: Economic Order Quantity (EOQ), Peramalan (Forecasting),
Persediaan (Inventory), Re-order Point , Safety Stock, Total Biaya Persediaan.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Perusahaan mempunyai beberapa cara untuk memenuhi tingkat kepuasan
pelanggan, misalnya menghasilkan produk dengan kualitas tinggi, pengiriman
produk tepat waktu, dan jumlah produk sesuai dengan yang dinginkan pelanggan.
Hal tersebut sangat ditentukan oleh tingkat keakuratan peramalan (forecasting) dan
kecukupan persediaan (inventory) dari pihak perusahaan. Perusahaan harus
menerapkan suatu sistem persediaan untuk mengelola bahan baku (komponen
mesin sepeda motor) dalam proses produksi. Secara umun permasalahan yang
sering muncul dalam sebuah sistem persediaan (inventory) adalah fluktuasi
permintaan (demand) dari pelanggan dan ketersediaan bahan baku.
Perusahaan dengan jumlah persediaan bahan baku yang banyak maka kemungkinan
terjadinya kekurangan bahan baku dapat dihindarkan, tetapi ini akan menyebabkan
meningkatnya biaya persediaan dan kerusakan bahan baku. Perusahaan juga bisa
menyediakan bahan baku dengan jumlah sedikit guna mengurangi besarnya biaya
persediaan, tetapi hal tersebut berpotensi mengakibatkan kekurangan bahan baku
saat pelaksanaan produksi berlangsung.
Perusahaan juga perlu menerapkan suatu sistem pengendalian persediaan untuk
menentukan seberapa besarnya jumlah persediaan yang paling optimal dengan
biaya keseluruhan persediaan seminimal mungkin, agar perusahaan memperoleh
keuntungan maksimal. Suatu cara yang digunakan perusahaan dalam menentukan
pengadaan bahan baku pada jumlah serta waktu yang tepat adalah dengan
membentuk model matematis dalam pengendalian persediaan.
PT. KU termasuk dalam daftar perusahaan perakitan mesin sepeda motor yang tidak
semua komponen mesin terbuat dari dalam negeri. Permintaan dari customer
terhadap produk PT. KU sangat fluktuatif dan bervariasi sehingga menyebabkan
bahan baku (komponen mesin) bersifat tidak pasti. Beberapa komponen mesin
sepeda motor merupakan komponen import yang mempunyai lead time terbilang
lama, dimana pengiriman dilakukan dengan jalur laut saat kondisi normal dengan
alasan biaya lebih murah melalui jalur laut dibandingkan dengan pengiriman yang
dilakukan melalui jalur udara.
Variasi pengeluaran biaya yang harus dikeluarkan oleh PT. KU akan terjadi karena
kondisi permintaan produk sangat bervariasi dan fluktuatif serta waktu tunggu (lead
time) pengiriman yang lama, hal semacam ini harus diantisipasi agar tidak
kekurangan bahan baku yang mengganggu kelancaran proses produksi.
Kekurangan komponen mesin import ini mengharuskan PT. KU melakukan
pengadaan komponen melalui jalur udara, hal ini berakibat pada harga komponen
meningkat secara signifikan sebesar 40% dari harga normal melalui jalur laut. Oleh
karena itu supaya proses produksi bisa berjalan sesuai dengan jadwal yang telah
ditentukan serta dapat memenuhi pesanan dari customer dengan jumlah dan waktu
dengan tepat diperlukan perencanaan yang baik dalam mengelola bahan baku.
Penerapan metode EOQ (Economic Order Quantity) diharapkan menjadi metode
usulan untuk PT. KU di dalam mengelola jumlah persediaan bahan baku. Dengan
diterapkannya metode persediaan tersebut maka dapat diketahui parameter-
parameter yang digunakan untuk pengendalian jumlah persediaan bahan baku yang
mencakup: persediaan maksimum, level stok aman (safety stock level), jumlah
pesanan yang optimal, re-order point, frekuensi atau jumlah pemesanan dan total
biaya persediaan paling minimum yang harus dikeluarkan perusahaan.
1.2 Rumusan Masalah
Perumusan masalah yang mendasari penelitian ini adalah:
a. Bagaimana cara menurunkan biaya persediaan di PT. KU?
1.3 Tujuan
Beberapa tujuan dari penelitian yang dilakukan di PT. KU meliputi:
1. Menentukan metode peramalan dan pengendalian persediaan bahan baku yang
tepat.
2. Menentukan besarnya nilai re-order point untuk pembelian bahan baku.
3. Mengetahui stok aman bahan baku untuk PT. KU.
4. Mengetahui frekuensi pembelian bahan baku.
5. Melakukan perhitungan biaya keseluruhan persediaan bahan baku.
1.4 Batasan Masalah
Waktu yang digunakan untuk melakukan penelitian ini terbatas maka diberikan
batasan masalah agar penelitian tidak meluas, batasan tersebut diantaranya sebagai
berikut:
a. Penelitian dilakukan pada bagian procurement dan warehouse di PT. KU.
b. Data pada penelitian ini menggunakan data sekunder dari PT. KU mulai bulan
Januari 2014 sampai bulan Desember 2016 yang meliputi data penjualan mesin
sepeda motor dan beberapa data mengenai pengadaan bahan baku.
c. Pengamatan dan penelitian khusus dilakukan untuk bahan baku import yang
mempunyai tingkat kekurangan bahan baku (shortage) yang besar yaitu:
RETAINER VALVE SPRING, THERMOSTAT ASSY, LIFTER ASSY
TENSIONER, dan SENSOR OXYGEN ZSD1002.
d. Model persediaan yang digunakan untuk pengelolaan bahan baku adalah
Economic Order Quantity (EOQ).
e. Penelitian ini tidak di perhitungan besarnya kehilangan penjualan (lost sales) dan
keuntungan (lost profit).
f. Biaya keseluruhan persediaan dihitung berdasarkan besarnya biaya pemesanan,
biaya penyimpanan, dan biaya kekurangan bahan baku.
1.5 Asumsi
Asumsi-asumsi dalam memecahkan masalah terkait dengan penelitian ini adalah:
a. Data-data sekunder yang didapatkan dari PT. KU dan beberapa sumber data lain
dianggap benar kelayakannya.
b. Lead time pemesanan bahan baku dari supplier tidak berubah.
c. Bahan baku dari supplier selalu tersedia.
d. Dana untuk pengadaan bahan baku dari perusahaan selalu tersedia.
e. Gudang tempat menyimpan bahan baku tersedia sepenuhnya.
1.6 Sistematika Penelitian
Sistematika laporan penulisan penelitian ini terbagi kedalam bab-bab pembahasan
diantaranya yaitu:
BAB I PENDAHULUAN
Bab pendahuluan terdiri dari latar belakang masalah, rumusan masalah,
tujuan penelitian, batasan masalah penelitian, dan asumsi-asumsi untuk
menyederhanakan masalah yang ingin diselesaikan serta sistematika
penulisan laporan penelitian.
BAB II STUDI PUSTAKA
Dalam studi pustaka berisi beberapa landasan teori terkait dengan
diadakannya penelitian. Teori-teori tersebut disatukan dari beberapa
literatur dan jurnal untuk digunakan sebagai landasan dasar dalam
melakukan analisis penyelesaian masalah di PT. KU,yang meliputi:
metode peramalan, teori inventory management dan model EOQ
(Economic Order Quantity).
BAB III METODOLOGI PENELITIAN
Pada bab ini menggambarkan tentang tahapan dalam penelitian, mulai
obyek yang diteliti, area penelitian, penggunaan metode pengumpulan
dan pengolahan data, analisis pemecahan masalah serta penarikan
kesimpulan dari hasil penelitian.
BAB IV DATA DAN ANALISIS
Hal yang pertama kali dilakukan pada bab analisis data adalah
mengumpulkan data sekunder dari PT. KU misalnya data penjualan
mesin sepeda motor periode tahun 2014-2016, jumlah pembelian bahan
baku import, lead time pengadaan, harga bahan baku, biaya untuk
memesan dan menyimpan bahan baku, serta besarnya pengeluaran
biaya yang diakibatkan kerena kekurangan bahan baku. Data-data
diolah untuk meramalkan permintaan mesin sepeda motor selama
beberapa periode dan melakukan perhitungan total biaya persediaan.
Melakukan pengendalian persediaan bahan baku import dengan
metode EOQ. Setelah itu melakukan analisis data guna memecahkan
permasalahan dan menginterpretasikan hasil yang didapat dari
penelitian.
BAB V KESIMPULAN DAN SARAN
Bagian ini merupakan bagian akhir laporan penelitian yang berisikan
kesimpulan dan solusi dari masalah yang diteliti seperti jumlah pesanan
bahan baku yang paling ekonomis dan biaya keseluruhan dari
persediaan. Kemudian peneliti memberikan saran yang membangun
untuk kemajuan atau keberhasilan perusahaan.
BAB II
STUDI PUSTAKA
2.1 Peramalan (Forecasting)
Keputusan terpenting dalam sebuah perusahaan oleh manajemen yaitu menetapkan
jumlah produksi barang dan jasa yang harus disediakan untuk periode mendatang.
Penentuan besarnya tingkat produksi sangat dipengaruhi besarnya permintaan pasar
yang bisa dipenuhi perusahaan. Besarnya ingkat penawaran yang melebihi dari
kebutuhan pasar akan menyebabkan borosnya biaya, misalnya biaya investasi,
biaya penyimpanan dan biaya kerusakan bahan baku. Sebaliknya tingkat penawaran
yang kurang dari kemampuan pasar akan berakibat kehilangan kesempatan
memperoleh keuntungan, atau pelanggan akan pindah kepada pesaing sehingga
akan kehilangan pelanggan (Eddy Herjanto, 2008).
Keputusan yang optimal dapat tercapai apabila ada suatu cara yang tepat dan
sistematis serta bisa dipertanggungjawabkan. Metode peramalan merupakan alat
yang dibutuhkan oleh manajemen dan menjadi bagian integrasi untuk proses
pengambilan keputusan yang tepat. Metode peramalan ini digunakan untuk
melakukan penaksiran kondisi masa yang akan datang. Peramalan tidak hanya
digunakan dalam menentukan sedikit-banyaknya produk yang harus dibuat maupun
besarnya kapasitas jasa yang diperlukan, namun peramalan diperlukan juga untuk
meramalkan beberapa bidang yang lain seperti bidang ekonomi dan perubahan
sosial-budaya. Dalam suatu perusahaan kegiatan satu dengan yang lain saling
berkaitan sehingga baik atau buruknya suatu peramalan akan berpengaruh terhadap
perusahaan secara keseluruhan.
Peramalan semakin dibutuhkan sejalan dengan adanya keinginan manajemen guna
memberikan respon yang cepat dan tepat terhadap kesempatan dimasa yang akan
datang. Dengan peralaman yang baik diharapkan mampu mengurangi pemborosan
dan lebih terkonsentrasi pada sasaran tertentu serta perencanaan akan menjadi lebih
baik, sehingga semua perencanaan tersebut menjadi kenyataan. Oleh karena itu
penguasaan mengenai metode peramalan sangat penting
2.1.1 Pengertian Peramalan (Forecasting)
Menurut Nasution (1999)8Peramalan+adalah salah satu perkiraan terhadap besarnya
permintaan terhadap suatu produk atau proses yang akan dilakukan untuk beberapa
periode waktu yang akan datang guna mendapatkan perkiraan kebutuhan produk
yang mencakup aspek waktu, jumlah dan tempat dalam memenuhi permintaan.
Pendapat lain tentang pengertian peramalan yang dikemukakan oleh Tersine (1994)
peramalan adalah suatu prediksi, estimasi dan proyeksi pada suatu kejadian atau
aktivitas di masa mendatang yang masih didalam ketidakpastian.
Faktor-faktor lingkungan yang bisa mempengaruhi besarnya permintaan kedepan
tidak bisa diperkirakan dengan tepat. Menurut Tersine=(1994), terdapat faktor-
faktor lingkungan yang berpengaruh terhadap besar atau kecilnya dari tingkat
permintaan (demand) diantaranya:
a. Perubahan secara5umum dari$ekonomi dan bisnis.
b. Reaksi8dari kompetitor.
c. Kebijakan-kebijakan pemerintah yang tidak pasti.
d. Kecenderungan kondisi pasar misalnya siklus hidup suatu produk dan gaya dari
customer.
2.1.2 Jenis-jenis Peramalan
Menurut Eddy Herjanto dalam bukunya Manajemen Operasi edisi ke tiga (3)
peramalan dikelompokkan kedalam tiga (3) jenis yang berbeda, jenis peramalan
tersebut adalah:
a. Peramalan jangka panjang
Peramalan ini adalah peramalan yang mempunyai cakupan lebih8besar dari#18
bulan. Misalnya%peramalan yang berkaitan dengan&penanaman*modal dan
perencanaan pengadaan fasilitas.
b. Peramalan jangka menengah
Peramalan=jangka6menengah mempunyai jarak waktu (periode) antara 3 hingga
18 bulan. Beberapa contoh untuk jenis peramalan ini misalnya adalah peramalan
untuk*perencanaan penjualan&dari produk, perencanaan kegiatan produksi9dan
perencanaan karyawan tidak tetap.
c. Peramalan%jangka pendek
Peramalan ini digunakan untuk+jangka waktu&kurang dari tiga (3) bulan.
Peramalan jenis ini biasanya dipakai dalam hal-hal yang berhubungan dengan
penugasan karyawan, penjadwalan kerja dan perencanaan pembelian material.
2.1.3 Metode Peramalan
Metode peramalan (forecasting) yang digunakan dalam menyelesaikan masalah
peramalan sangat tergantung pada jenis karakteristik data. Untuk menentukan
pilihan metode peramalan ada beberapa hal yang harus diperhatikan seperti tingkat
ketelitian, kondisi keadaan pada saat melakukan peramalan, ketersediaan data, pola
dari data yang dimilki dan ketersediaan kebutuhan biaya.
Berdasarkan dari jenis data, metode_peramalan dibedakan menjadi=dua (2) yaitu
metode*kualitatif dan metode&kuantitatif.
a. Metode kualitatif
Secara umum peramalan metode kualitatif digunakan jika tidak ada data historis
dari periode sebelumnya. Peramalan dengan metode ini lebih mengedepankan
pendapat (judgment) dari orang yang melakukan peramalan, sehingga munculah
istilah prediksi. Definisi prediksi adalah proses peramalan suatu produk untuk
waktu yang akan datang dengan lebih mendasarkan pada pertimbangan intuisi
dibandingkan data historis di masa lalu (Eddy Herjanto, 2008).
b. Metode kuantitatif
Berbeda dengan peramalan metode kualitatif, peramalan metode kuantitatif lebih
mengarah kepada metode-metode statistik. Peramalan metode kuantitatif sangat
tergantung kepada data historis pada periode sebelumnya sehingga terdapat
istilah perkiraan yaitu proses peramalan suatu variabel untuk masa yang akan
datang dengan berdasarkan data variabel tersebut pada masa sebelumnya (Eddy
Herjanto, 2008). Data historis tersebut digabungkan%dengan suatu metode+dan
diolah secara sistematik untuk mendapatkan prakiraan di masa mendatang.
Didalam prakiraan terdapat dua (2) jenis metode kuantitatif yaitu metode serial
waktu (time series) dan metode eksplanatori. Time series merupakan suatu
metode yang%digunakan untuk^menganalisis serangkaian data yang merupakan
fungsi dari waktu. Asumsi metode time series adalah bahwa beberapa kombinasi
pola=selalu berulang setiap waktu, dan-pola dasar bisa diidentifikasi9semata-
mata atas dasar data&historis dari+serial. Tujuan dari analisis dengan metode ini
adalah*untuk_menemukan9pola=deret8suatu7variabel*yang bersangkutan*berdas-
arkan nilai8variabel pada periode sebelumnya, serta mengekstrapolasikan pola
untuk dibuat peramalan nilai suatu variabel di masa mendatang.
Asumsi dari metode eksplanatori (kausal) adalah nilai suatu=variabel merupakan
fungsi dari-satu atau beberapa variabel=lainnya. Misalnya jumlah+penjualan
suatu komoditi bisa diprediksi dari pendapatan konsumen, harga8komoditi itu
sendiri, jumlah=konsumen, dan harga produk substitusi. Metode ini berguna
untuk menemukan8hubungan antara suatu%variabel dengan variabel-variabel
lainnya, dan digunakan untuk meramalkan nilai variabel tak bebas (yang
diramalkan, dependen) terhadap perubahan^dari variabel=bebasnya.
2.1.4 Metode Serial Waktu (Time Series)
Untuk memulai analisis serial waktu (time series) langkah pertama yang harus
dilakukan adalah dengan memplot data dari suatu siklus waktu (membuat scatter
diagram/diagram pencar). Dalam bukunya Manajemen Operasi edisi ke tiga (3)
Eddy Herjanto mengelompokkan pola dari serangkaian data menjadi empat (4) pola
dasar sebagai berikut.
Gambar 2.1 Jenis-jenis Pola Dasar Plot Data
a. Pola data horizontal (konstan)
Pola data horizontal terjadi apabila plot data berfluktuasi pada daerah sekitar
rata-rata secara stabil. Pola data berbentuk sebuah garis lurus mendatar. Pola ini
sangat jarang terjadi pada suatu variabel dalam jangka panjang, tetapi pola data
seperti ini biasa terjadi dalam jangka%pendek atau menengah.
b. Pola data8kecenderungan (trend)
Pola data trend yaitu pola yang terbentuk apabila data yang diplot mempunyai
kecenderungan baik arah kecenderungannya meningkat atau menurun dari satu
periode ke periode berikutnya. Penyebab terbentuknya pola data ini biasanya
adalah berubahnya jumlah suatu populasi, berubahnya tingkat pendapatan, dan
pengaruh budaya dari suatu daerah.
c. Pola data musiman (seasonal)
Pola data dikatakan sebagai pola data musiman jika pola datanya bergerak
berulang-ulang secara*teratur dalam setiap periode7tertentu seperti tahunan,
mingguan, dan bulanan. Pola4ini biasanya berkaitan denga kebiasaan manusia
seperti liburan dan hari-hari besar, selain itu terbentuknya pola data ini biasanya
dipengaruhi juga oleh perubahan iklim/cuaca.
d. Pola data siklus (cyclical)
Pola data siklus merupakan pola data yang dipengaruhi oleh*fluktuasi ekonomi
jangka=panjang, seperti daur9hidup bisnis. Perbedaan5antara pola data siklus
dengan pola data musiman yaitu pola data siklus mempunyai panjang gelombang
(jarak waktu)6lebih panjang dan bervariasi2dari satu siklus ke&siklus lainnya,
sedangkan pola data musiman mempunyai^panjang gelombang yang7tetap dan
terjadi pada durasi (waktu) yang8tetap.
2.1.4.1 Metode=Penghalusan (Smoothing)
Agar ketidakteraturan musiman7pada data historis bisa berkurang, maka digunakan
metode penghalusan. Hasil peramalan yang diperoleh dari penggunaan metode
penghalusan lebih akurat untuk meramalkan suatu produk dalam jangka pendek
tetapi metode peramalan ini tidak cocok meramalkan produk dalam jangka panjang.
Metode penghalusan (smoothing) terbagi menjadi beberapa metode diantaranya:
a. Metode Moving Average
1. Simple Moving Average (SMA)
Perkiraan pada metode ini berdasarkan proyeksi serial data=yang dimuluskan
menggunakan rata-rata bergerak. Besarnya nilai untuk suatu periode adalah
rata-rata dari-nilai pengamatan pada%periode N terakhir. Maksud dari istilah
rata-rata bergerak adalah apabila tersedia pengamatan (observasi) baru, maka
angka rata-rata terbaru dihitung dengan cara memasukkan data yang baru dan
data pada periode terlama dikeluarkan. Rata-rata baru yang8didapatkan
kemudian digunakan untuk satu periode yang akan datang dan seterusnya
untuk periode-periode berikutnya. Data serial yang digunakan untuk metode
ini tetap dan merupakan periode terakhir. Peramalan dilakukan menggunakan
rumus:
(2-1)
Keterangan:
Ft : peramalan7periode t
dt : aktual*permintaan periode t
N : jumlah+periode (waktu)
2. Linear Moving Average (LMA)
Dasar dari metode LMA0adalah menggunakan metode Moving Average kedua
sehingga dapat diperoleh pola*trend yang tepat.
3. Double Moving Average
Sebelum melakukan perhitungan dengan metode double8moving average, hal
yang harus dilakukan adalah melakukan perhitungan single moving average
untuk=menentukan moving6average yang ke dua (2). Perhitungan dilakukan
dengan menggunakan rumus:
(2-2)
(2-3)
(2-4)
Keterangan:
Ft+m : peramalan=pada periode m yang*akan datang
S't : single^moving average
S"t : moving9average ke-2
ɑt : komponen%pertama dari trend
bt : komponen$kedua dari trend
4. Weighted Moving Average (WMA)
Metode Weighted Moving Average (WMA) menggunakan data n periode
terakhir dijadikan data historis untuk peramalan, namun untuk setiap masing-
masing periode diberikan bobot yang berbeda. Bobot yang terbesar diberikan
pada periode yang paling dekat dengan periode yang diramalkan. Rumus yang
digunakan dalam metode WMA adalah:
(2-5)
Keterangan:
w1 : bobot=untuk periode t-1
w2 : bobot untuk*periode t-2
w3 : bobot untuk8periode t-3
wn : bobot untuk0periode t-n
n : jumlah #periode (waktu)
b. Penghalusan Eksponensial (Exponential Smoothing)
Metode exponential=smoothing terbagi kedalam beberapa bagian yaitu:
1. Single Exponential Smoothing
Metode Single Exponential Smoothing menambahkan sebuah parameter α
kedalam model persamaan untuk=mengurangi faktor kerandoman. Berbeda
dengan metode Moving Average yang hanya menggunakan data observasi n
periode terakhir+dalam melakukan peramalan, metode Single Exponential
Smoothing mengikutsertakan data di semua periode. Masing-masing data
memiliki kontribusi untuk menentukan nilai peramalan periode sesudahnya.
Metode ini menganggap bahwa nilai pada periode t+1 adalah sebagai&nilai
aktual pada9periode t yang ditambahkan penyesuaian kesalahan&nilai
peramalan pada^periode t tersebut. Secara matematis metode ini dapat
dirumuskan sebagai berikut:
(2-6)
Keterangan:
dt : aktual*permintaan periode t
α : koefisien&pemulusan, dengan 0 < α < 1 dan 𝛼 =2
(𝑁+1)
Ft : peramalan$pada periode ke t
F't : peramalan pada#satu periode*sebelumnya
2. Double Exponential Smoothing - Metode Holt
Untuk melakukan peramalan dengan metode ini digunakan beberapa rumus
yaitu:
(2-7)
(2-8)
(2-9)
(2-10)
Keterangan:
Ft+m : peramalan=periode m yang akan datang
St : penghalsan^(smoothing) dasar
bt : penghalusan*(smoothing) untuk trend
α : koefisien%faktor random, 0 < α < 1
γ : koefisien faktor#musiman, 0 < γ < 1
3. Double Exponential Smoothing - Metode Browns
Nama lain dari metode$Double Exponential Smoothing ini lebih dikenal
dengan istilah Brown’s One=Parameter Linier. Metode ini merupakan
pengembangan dari metode Single Exponential Smoothing yang mana
menambahkan unsur trend dalam bobot perhitungan yaitu level (ɑ) dan trend
(b). Beberapa rumus yang digunakan untuk mengimplementasikan metode
ini diantaranya yaitu:
(2-11)
(2-12)
(2-13)
(2-14)
(2-15)
Keterangan:
Ft+m : peramalan4m periode kedepan
S't : exponential9smoothing pertama
S"t : exponential7smoothing kedua
4. Triple Exponential Smoothing - Metode Winter
Rumus-rumus yang digunakan untuk=melakukan peramalan6dengan metode
ini adalah sebagai berikut:
(2-16)
(1-17)
(2-18)
(2-19)
Keterangan:
Ft+m : peramalan=periode m ke depan
St : pemulusan6(smoothing) keseluruhan
bt : pemulusan%untuk trend
It : pemulusan$untuk musiman
L : panjang*musiman
α : koefisien faktor%random, 0 < α < 1
β : koefisien#faktor trend, 0 < β < 1
γ : koefisien#faktor musiman, 0 < γ < 1
2.1.4.2 Metode Analisis Regresi (Regression Analysis)
Metode=regresi analisis cenderung memproyeksikan suatu persamaan%terhadap
masalah yang akan terjadi di masa mendatang.
Bentuk6umum fungsi$Regresi Analisis berupa beberapa peramalan dengan pola
dibawah ini:
a. Pola Konstan, fungsi peramalan (dt'):
Metode peramalan regresi pola konstan merupakan rata-rata dari semua periode
sebelum periode yang diramalkan. Metode ini dituliskan dengan rumus berikut:
(2-20)
Keterangan:
dt' = nilai peramalan
n = jumlah data periode
b. Pola Linier, fungsi peramalan (dt'):
Metode_regresi linier digunakan+sebagai metode peramalan ketika pola dari data
historis mempunyai kecenderungan naik dari periode ke periode. Istilah regresi
linier6berarti bahwa rataan (µy | x) berkaitan*linier dengan x dalambentuk
persamaan linier populasi (Hasan, 1999).
µ𝑦|𝑥 = 𝛼 + 𝛽𝑥 (2-21)
Koefisien regresi α dan β adalah dua parameter0yang akan dilakukan penaksiran
dari data sampel. Apabila hasil taksiran untuk=kedua parameter tersebut masing-
masing dinyatakan$dengan ɑ dan b maka µy | x bisa ditaksirkan dengan ŷ (dtˈ) dari
bentuk8garis regresi berdasarkan sampel$atau garis kecocokan regresi (Hasan,
1999)
ŷ = 𝑑𝑡′ = 𝑎 + 𝑏𝑥 (2-22)
Keterangan:
ŷ = dtˈ : nilai peramalan-untuk periode ke-t
ɑ : intersept
b : slope dari garis&kecenderungan, tingkat^perubahan permintaan
x : indeks^waktu (t = 1,2,3,4,…,n) ; n jumlah periode$waktu.
Nilai ɑ dan b dapat diperoleh dengan cara berikut:
(2-23)
(2-24)
c. Pola Siklis, fungsi linier (dt'):
(2-25)
(2-26)
(2-27)
(2-28)
Keterangan:
N = jumlah*periode dalam satu^siklus
n = jumlah data+periode
2.1.4.3 Metode Dekomposisi
Merupakan salah satu metode peramalan yang dilakukan8dengan pemisahan tiga
(3) faktor terpisah0dari deret pola5data ekonomi dan bisnis. Faktor trend, siklus, dan
musiman adalah komponen-komponen yang sangat berpengaruh. Faktor0trend
menggambarkan perilaku6data jangka panjang5baik konstan, menurun atau
meningkat. Faktor data siklus menjelaskan mengenai naik dan turunnya ekonomi
atau sebuah industri, sedangkan faktor data musiman berkaitan dengan fluktuasi
permintaan (demand) secara periodik dalam kurun waktu jangka panjang yang
dipengaruhi oleh perubahan iklim/cuaca dan kebiasaan manusia.
Metode dekomposisi mengasumsikan bahwa data tersusun seperti dibawah ini:
data = pola +5kesalahan
data = f (trend, siklus,9musiman) +3kesalahan
Dengan deminkian data9dipengaruhi oleh komponen pola5dan unsur8kesalahan atau
kerandoman. Yang dimaksud dengan kesalahan disini adalah perbedaan antara
pengaruh7gabungan tiga (3) sub pola deret9dengan data aktual. Tingkat kesalahan
yang besar bermakna bahwa ketelitian8dan keakuratan hasil5peramalan rendah dan
sebaliknya.
2.1.5 Kriteria Performance Peramalan
Tingkat keakuratan dan kebenaran peramalan pada pemodelan deret waktu (time
series) dapat diketahui dengan cara melihat seberapa besar tingkat4kesalahan dari
suatu0peramalan. Semakin0kecil tingkat kesalahan4suatu peramalan berarti semakin
tinggi tingkat keakuratan hasil peramalan.
Untuk melakukan uji performansi0hasil peramalan digunakan=beberapa ukuran
kesalahan dengan6perhitungan sebagai berikut:
1. Mean Absolute Error (MAE)
Sebutan lain dari metode MAE adalah Mean Absolute Deviation (MAD) yang
dituliskan dengan rumus:
(2-29)
Ket:
dt : permintaan0aktual untuk=pada periode t
dt' : peralaman pada8periode t
n : banyaknya0periode
2. Mean Square Error (MSE)
MSE adalah salah satu alat ukur kesalahan peramalan yang perhitungan nilainya
atas dasar rata-rata kesalahan kuadrat. Perhitungan dilalukan dengan
menggunakan rumus:
(2-30)
Keterangan:
dt : permintaan5aktual untuk4periode t
dt' : ramalan permintaan3pada periode t
n : jumlah2periode
3. Mean Error (ME) / Mean Forecast Error (MFE)
Metode ME biasanya menghasilkan ukuran kesalahan yang bias karena hasil
yang diperoleh dengan metode ini memiliki hasil negatif. Rumus yang dipakai
untuk metode ME adalah:
(2-31)
4. Mean Absolute Percentage Error (MAPE)
Ukuran kesalahan MAPE dihitung dengan menggunakan rumus:
(2-32)
(2-33)
dimana: PE adalah persentase kesalahan
2.1.6 Uji Keandalan Model Peramalan Tracking Signal
Validasi hasil peramalan dilakukan=dengan menggunakan uji tracking2signal.
Tracking signal adalah4suatu ukuran bagaimana7baiknya suatu peramalan untuk
memeperkirakan nilai-nilai8aktual. Tracking signal adalah nilai hasil pembagian
antara Running Sum of the=Forecast Error (RSFE) dengan Mean Absolute Error
(MAD), yang mana kegunaannya untuk mengetahui perbandingan nilai peramalan
dengan nilai aktual. Perhitungan nilai tracking signal8dapat menggunakan4rumus
sebagai berikut. (Gasperz, 2008)
𝑇𝑆 =𝑅𝑆𝐹𝐸
𝑀𝐴𝐷
𝑇𝑆 = ∑(𝑎𝑘𝑡𝑢𝑎𝑙 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡−𝑝𝑒𝑟𝑎𝑚𝑎𝑙𝑎𝑛 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡)
𝑀𝐴𝐷 (2-34)
Nilai hasil uji tracking signal yang positif artinya menunjukkan bahwa nilai aktual
permintaan lebih besar dari nilai peramalan, sebaliknya nilai hasil uji tracking
signal yang negatif menunjukkan bahwa nilai peramalan lebih besar dari pada nilai
aktual. Batas-batas dari peta kendali tracking signal adalah -4 untuk batas batas
bawah dan +4 untuk batas atas.
2.2 Persediaan (Inventory)
Kondisi keuangan dan pendapatan suatu perusahaan dipengaruhi oleh peranan
persediaan (inventory). Persediaan bisa diartikan=sebagai barang belum-terpakai
dikarenakan menunggu8proses lebih lanjut9dan bernilai ekonomis. Persediaan bisa
terdiri dari&satu produk atau lebih yang mana masing-masing produk secara khusus
dapat berupa=bahan dasar (raw material),^barang setengah jadi (work in process),
produk jadi (finish goods), komponen, dan barang pengemas (packaging materials).
Persediaan adalah=suatu aktiva perusahaan%yang mencakup semua barang^untuk
dijual pada=periode tertentu, atau barang-barang yang%masih dalam pengerjaan
(dalam proses), ataupun$persediaan bahan baku^yang menunggu penggunaannya
dalam suatu#proses produksi (Rangkuti, 2004).
Menurut pendapat Eddy Herjanto (2008) terdapat 6 fungsi persediaan dalam
memenuhi kebutuhan perusahaan diantaranya:
1. Diadakan persediaan guna menghilangkan3resiko kemungkinan terjadinya
keterlambatan (delay) pengiriman$bahan baku atau barang yang dibutuhkan oleh
sebuah perusahaan.
2. Meniadakan=resiko apabila barang yang&diterima dari pesanan tidak8bagus
sehingga mengharuskan melakukan pengembalian barang.
3. Menghindari resiko4terjadinya inflasi yang menjadikan harga barang mengalami
kenaikan.
4. Melakukan=penyimpanan bahan baku^yang hanya tersedia pada musim tertentu
agar perusahaan tidak3mengalami kekurangan atau kesulitan dalam memperoleh
bahan5baku.
5. Memperoleh9cash back atau3keuntungan dari2pemasok karena melakukan
pembelian bahan baku3dalam jumlah tertentu0(quantity discount).
6. Memberikan layanan4kepuasan pelanggan4dengan memastikan9ketersediaan
barang yang dibutuhkan0oleh pelanggan.
Beberapa fungsi persediaan menurut Rangkuti (2004) adalah:
1. Fungsi Decoupling
Persediaan dilakukan supaya perusahaan tidak bergantung kepada satu2supplier
dalam memenuhi7permintaan produk0dari pelanggan.
2. Fungsi Economic Lot Sizing
Diadakan persediaan dengan pertimbangan faktor penghematan karena potongan
pembelian dalam jumlah tertentu (quantity8discount) dan pengiriman barang
dengan biaya yang lebih murah.
3. Fungsi Antisipasi (Antisipation)
Pengadaan persediaan=yang dilakukan oleh perusahaan untuk=mengantisipasi
adanya fluktuasi yang dapat5diramalkan berdasarkan data historis sebelumnya.
Sedangkan Yamit (2005) menyebutkan beberapa alasan kenapa diperlukan
persediaan untuk sebuah perusahaan, alasan tersebut karena empat (4) faktor
berikut:
1. Faktor waktu
Persediaan perlu diadakan guna mencukupi2kebutuhan produksi2selama waktu
tenggang (lead0time) yaitu lamanya-proses dan distribusi3yang diperlukan
sebelum produk jadi5sampai ke konsumen.
2. Faktor ketidakpastian8kedatangan bahan baku
Persediaan dibutuhkan untuk mengantisipasi0ketidakpastian kedatangan=bahan
baku dari supplier5sehingga proses produksi8tidak terhambat dan7produk jadi
bisa dikirim tepat waktu pada konsumen.
3. Faktor=ketidakpastian penggunaan6dalam proses produksi
Persediaan diperlukan0untuk melakukan antisipasi9terhadap penggunaan bahan
baku dalam proses9produksi yang diakibatkan9oleh kerusakan mesin, kerusakan
bahan baku, dan peramalan9yang kurang akurat.
4. Faktor ekonomis
Persediaan dibutuhkan guna menjaga9stabilitas bisnis yang9fluktuatif. Faktor
ekonomis menjadi9pertimbangan oleh perusahaan untuk melakukan9pembelian
barang dengan9biaya murah. Perusahaan bisa membeli barang dengan jumlah
besar supaya mendapatkan potongan harga sehingga biaya pembelian barang dan
biaya transportasi lebih murah.
2.2.1 Pengendalian3Persediaan (Inventory Control)
Pengendalian persediaan berhubungan dengan perencanaan, pengawasan, dan
pelaksanaan kebutuhan3bahan baku sehingga3kebutuhan operasional dapat
tercukupi3dan biaya persediaan3dapat dihemat. Pengendalian3persediaan adalah
serangkaian kegiatan3yang saling berhubungan dalam3suatu sistem produksi
berdasarkan3perencanaan yang3meliputi waktu, kualitas, kuantitas, serta biaya yang
harus3dikeluarkan oleh sebuah perusahaan (Assauri, 2004)
Hal-hal yang harus dipenuhi dalam manajemen persediaan menurut Matz (1994)
adalah:
1. Dapat memenuhi kebutuhan5bahan baku secara5efisien supaya sistem5operasi
berjalan dengan lancar.
2. Mampu menyediakan stok bahan baku5yang cukup agar terjadinya5kekurangan
pasokan dan5perubahan harga5bisa di antisipasi.
3. Mampu menyediakan5bahan baku pada5waktu yang tepat5dengan biaya yang
minimum dan memastikan kondisi penyimpanan5bahan baku aman5dari resiko
kerusakan.
4. Bisa mengusahakan5jumlah persediaan5yang optimum agar terhindar dari over
stock serta meminimalkan5kerusakan barang5dengan melakukan5pemeriksaan
secara sistematik.
5. Dapat memastikan5kemandirian persediaan sehingga5pengiriman produk5ke
pelanggan bisa tepat pada waktu yang telah ditentukan.
6. Dapat menjaga5konsistensi jumlah5modal yang5dialokasikan dalam persediaan
agar sesuai dengan5perencanaan kebutuhan5operasi.
2.2.2 Persediaan Pengaman (Safety Stock)
Menurut Rangkuti (2004), persediaan2pengaman adalah persediaan2tambahan
untuk melindungi dari resiko2kekurangan bahan (shortage) yang kemungkinan bisa
terjadi dalam sebuah persediaan.
2.2.3 Waktu Tenggang (Lead Time)
Lead time adalah2tenggang waktu2yang dibutuhkan untuk persediaan mulai2dari
pemesanan bahan2baku sampai bahan2baku terkirim di gudang.
Lead time digunakan untuk:
1. Menentukan waktu yang tepat dalam melakukan pemesanan bahan baku.
2. Meramalkan masalah ketidakpastian permintaan di masa yang akan datang.
3. Menentukan tingkat persediaan yang optimum.
2.2.4 Titik Pemesanan Ulang (Re-Order Point)
Re-order point bisa diartikan6sebagai waktu yang6digunakan untuk melakuan
pemesanan6bahan6baku kembali supaya kebutuhan6proses6produksi tercukupi.
Sedangkan6menurut6Rangkuti (2004), Re-order point (ROP) adalah strategi dalam
operasi6persediaan yang6digunakan sebagai6titik pemesanan sebuah perusahaan
yang berkaitan dengan adanya faktor6lead time6dan safety stock. ROP dipengaruhi
oleh beberapa6faktor seperti pemakaian rata-rata, waktu6tenggang (Lead time), dan
persediaan pengaman (safety stock).
2.2.5 Tingkat Pemenuhan Order
Tingkat pemenuhan order merupakan kemampuan perusahaan dalam memenuhi
semua pesanan dari pelanggan yang diukur dengan besarnya OTIF (On Time In
Full), yang mana dalam melakukan pengiriman produk ke pelanggan harus
dilakukan dalam jumlah yang pas dan tepat waktu.
Tingkat pemenuhan order ini adalah salah satu bagian dari tingkat pelayanan suatu
perusahaan2dalam melayani2semua2kebutuhan2produk2dari konsumen sehingga
akan2mempengaruhi2tingkat kepuasan2pelanggan2terhadap perusahaan.
Ketersediaan2bahan2baku2yang2digunakan2untuk2pembuatan2produk2sangat2mem-
pengaruhi tingkat pemenuhan order. Untuk memastikan2ketersediaan bahan baku
maka2harus dipilih tingkat pelayanan yang2tinggi2sehingga membutuhkan adanya
safety stock yang2besar2dan pastinya2membutuhkan biaya persediaan yang besar
juga.
Penentuan9besarnya ukuran tingkat9pelayanan yang9harus dipilih oleh perusahaan
merupakan faktor9subyektif untuk tiap-tiap perusahaan. Apabila suatu perusahaan
mempunyai9persepsi bahwa9kekurangan bahan baku merupakan hal9yang sangat
serius karena9bisa mengakibatkan biaya9kekurangan (shortage) yang9cukup besar,
maka tingkat palayanan ditentukan pada 99%. Tingkat pelayanan bisa ditentukan
95% apabila tingkat persediaan9dianggap penting9atau pada level nol (0) jika
kekurangan persediaan tidak menyebabkan permasalahan untuk perusahaan.
2.2.6 Biaya-biaya Persediaan (Inventory Costs)
Biaya-biaya yang berkaitan dengan persediaan harus diperhatikan oleh sebuah
perusahaan. Beberapa biaya persediaan menurut Rangkuti (2004) diantaranya:
1. Biaya Penyimpanan (Holding Cost)
Biaya penyimpanan bahan baku dihitung berdasarkan jumlah bahan baku yang
disimpan di dalam gudang sehingga terhubung secara langsung kuantitas
persediaan. Apabila jumlah pemesanan semakin banyak atau rata-rata persediaan
semakin besar maka jumlah biaya penyimpanan yang harus dikeluarkan oleh
perusahaan juga semakin besar. Biaya penyimpanan tersabut mancakup:
a. Biaya fasilitas3ruang penyimpanan3(lampu, pemanas,pendingin,dll)
b. Biaya modal3investasi (opportunity cost of capital)
c. Biaya kadaluarsa3(keusangan)
d. Biaya3pajak dan3asuransi persediaan
e. Biaya perusakan, pencurian, dan perampokan.
f. Biaya penanganan3persediaan
2. Biaya pemesanan atau pembelian (Ordering Cost / Procurement Cost)
Biaya pemesanan merupakan biaya yang harus dikeluarkan perusahaan untuk
setiap kali melakukan pemesanan. Biaya pemesanan akan berubah sesuai dengan
frekuensi pemesanan yang meliputi:
a. Biaya4pemrosesan dan4ekspedisi
b. Upah4pekerja
c. Biaya4komunikasi dan4surat-menyurat
d. Biaya4pengemasan dan4penimbangan
e. Biaya4pemeriksaan
f. Biaya4pengiriman4barang dan4lain-lain
3. Biaya Penyiapan (Set Up Cost)
Biaya penyiapan ini terjadi apabila bahan atau komponen merupakan hasil
produksi sendiri. Biaya penyimpanan meliputi:
a. Biaya0mesin atau0peralatan yang menganggur
b. Biaya tenaga kerja0langsung
c. Biaya0ekspedisi
d. Biaya0penjadwalan dan0lain-lain
4. Biaya Kekurangan Bahan Baku (Shortage Cost)
Biaya kekurangan bahan baku merupakan biaya tambahan yang harus
dikeluarkan oleh perusahaan akibat persediaan tidak mencukupi kebutuhan
permintaan bahan baku. Biaya kekurangan bahan baku tersebut adalah:
a. Biaya2kehilangan penjualan2dan kehilangan2konsumen
b. Biaya2Ekspedisi
c. Biaya2pemesanan2darurat
d. Biaya2selisih2harga
e. Biaya2terganggunya2produksi2dan2lain-lain
2.3 Model-model Persediaan
Sesuai dengan karakteristik utama parameter-parameter yang ada dalam persediaan,
yaitu tingkat permintaan dan periode kadatangan pesanan, persediaan dibedakan
menjadi dua (2) pertama Model Deterministik dan Model Probabilistik.
Gambar 2.2 Kompleksitas Model Persediaan
2.3.1 Model Persediaan Deterministik
Model ini mempunyai kriteria parameter sistem persediaan dapat diketahui dengan
pasti seperti permintaan, waktu tunggu yang konstan, dan biaya. Untuk meminimasi
biaya persediaan pengendalian persediaan deterministik dapat dilakukan dengan
metode Economic Order Quantity (EOQ) dalam melakukan jumlah pemesanan
yang optimal. Beberapa asumsi yang terdapat dalam model persediaan Economic
Order Quantity (EOQ) adalah:
a. Barang yang disimpan dan dipesan hanya satu macam.
b. Kebutuhan barang konstan dan sudah diketahui.
c. Biaya pemesanan dan biaya penyimpanan diketahui dan tetap.
d. Barang yang dipesan harus diterima dalam satu batch.
e. Harga barang tetap dan tidak bergantung pada besarnya barang yang dibeli.
f. Waktu tengggang diketahui dan tetap (konstan)
Gambar 2.3 Bagan Persediaaan
Berdasarkan jurnal Eyverson Ruauw (2011) untuk menentukan jumlah pesanan
optimal dalam metode EOQ maka digunakan rumus berikut:
𝑄∗ = √2𝐴𝐷
𝐻 (2-35)
Keterangan:
Q* = EOQ = jumlah pemesanan optimum
A = biaya pemesanan
D = permintaan
H = biaya penyimpanan
Dengan jumlah frekuensi pembelian:
𝑁 =𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑎𝑛=
𝐷
𝐸𝑂𝑄 (2-36)
Daur pemesanan ulang ditentukan dengan:
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁 (2-37)
Untuk melakukan perhitungan besarnya nilai safety stock dan re-order point maka
dalam metode EOQ ini dilakukan dengan rumus:
𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 = 𝑍𝜎 (2-38)
Dimana nilai deviasi diperoleh dari:
𝜎 = √(𝑑𝑡−𝑑𝑡′)
2
𝑛 (2-39)
Keterangan:
dt = permintaan atau penjualan pada periode t
dˈt = peramalan untk periode t
Z = service level safety stock
σ = standar deviasi
Untuk perhitungan Re-order Point dilakukan dengan rumus:
𝑅𝑂𝑃 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑠𝑡𝑜𝑐𝑘 + (𝐿𝑒𝑎𝑑 𝑡𝑖𝑚𝑒 𝑥 𝑄) (2-40)
Dimana Q adalah penggunaan bahan baku rata-rata per hari
Setelah selesai melakukan perhitungan Safety Stock dan ROP, maka dilakukan
perhitungan jumlah maksimum persediaan dan biaya total persediaan yang
dirumuskan seperti dibawah ini.
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝑖𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑠𝑡𝑜𝑐𝑘 + 𝐸𝑂𝑄 (2-41)
dan biaya total persediaan dihitung dengan menggunakan rumus berikut:
𝑇𝐼𝐶 = √2𝐷. 𝐴. 𝐻 (2-42)
Keterangan:
TIC = biaya total persediaan
D = permintaan untuk periode t
A = biaya pemesanan
H = biaya penyimpanan
BAB III
METODOLOGI PENELITIAN
Metodologi penelitian dipakai untuk memberikan gambaran pada tahapan-tahapan
dalam melakukan identifikasi, menganalisa, merumuskan suatu permasalahan, dan
penyelesaian dari suatu masalah sampai didapatkan kesimpulan dari penyelesaian
masalah yang menjadi objek penelitian. Penelitian ini menggunakan urutan-urutan
pemecahan masalah yang digambarkan dengan Flow Chart di bawah ini:
Gambar 3.1 Flow Chart Metodologi Penelitian
Gamabar 3.2 Flow Chart Metodologi Penelitian (lanjutan)
1.1 Tahap Observasi Awal
Observasi awal digunakan untuk menemukan suatu permasalahan disebuah di PT.
KU. Survey dilakukan untuk memperoleh informasi pendukung penelitian. Objek
pada penelitian ini yaitu PT. KU salah satu perusahaan perakitan mesin sepeda
motor.
1.2 Tahap Identifikasi dan Penelitian Awal
Pada tahapan dibagi kedalam beberapa bagian diantaranya: latar belakang dari
masalah, rumusan dari masalah, tujuan penelitian dilakukannya penelitian dan studi
pustaka.
1.3 Tahap Pengumpulan Data
Untuk melakukan analisis pemecahan masalah yang telah dirumuskan pada bab
sebelumnya, maka sangat diperlukan pengumpulan data-data yang mendukung.
Data-data pendukung untuk penelitian ini adalah:
a. Data Primer
Data yang didapatkan secara langsung di PT. KU melalui:
1. Wawancara
Data dikumpulkan melalui bertanya secara langsung kepada karyawan PT.
KU terhadap kondisi dan aktivitas perusahaan.
2. Observasi
Pengumpulan data melalui observasi ke lokasi penelitian secara langsung.
b. Data Sekunder
Dalam melakukan analisis masalah untuk penelitian diperlukan beberapa data
sekunder dari PT. KU seperti:
1. Data pejualan mesin sepeda motor tahun 2014-2016
2. Jumlah pembelian bahan baku import
3. Besarnya biaya pembelian bahan baku import
4. Lama waktu tunggu yang diperlukan pembelian bahan baku import
1.4 Tahap Pengolahan Data
Dalam penelitian ini data-data diolah untuk menentukan peramalan terkait besarnya
permintaan mesin sepeda motor beberapa periode yang akan datang, kebutuhan
bahan baku import dengan model EOQ untuk menentukan banyaknya pesanan yang
optimal, melakukan perhitungan jumlah stok pengaman, re-order point, frekuensi
pemesanan, ordering cost, holding cost, biaya kekurangan bahan baku (shortage
cost), dan biaya total persediaan (total inventory cost). Tahapan dalam mengolah
data seperti diagram berikut:
Gamabar 3.3 Flow Chart Pengolahan Data
1.5 Tahap Analisis dan Interpretasi
Tahapan ini akan dilakukan perbandingan hasil perhitungan total biaya persediaan
metode perusahaan dengan hasil perhitungan total biaya persediaan metode usulan
EOQ.
1.6 Tahapan Kesimpulan dan Saran
Tahapan ini merupakan bab terakhir yang berisikan kesimpulan sesuai hasil
penelitian yang diperoleh misalnya total persediaan dan besarnya penghematan
biaya persediaan. Tidak hanya memberikan kesimpulan, pada bab ini juga diberikan
beberapa saran terkait penelitian untuk penelitian lebih lanjut.
BAB IV
DATA DAN ANALISIS
4.1 Analisi Kondisi Perusahaan
Penelitian ini dilakukan menggunakan data sekunder yaitu data aktual dari PT. KU
seperti, data jumlah penjualan mesin sepeda motor pada periode tahun 2014-2016,
kebutuhan beberapa bahan baku, harga bahan baku, dan lead time pengadaan,
pembelian bahan baku selama periode tahun 2016, serta biaya yang dibutuhkan
untuk pengadaan persediaan bahan baku.
4.1.1 Data Jumlah Penjualan Mesin Sepeda Motor
Jumlah penjualan mesin sepeda motor oleh PT. KU pada periode tahun 2014 sampai
tahun 2016 terlihat sangat fluktuatif karena permintaan pelanggan yang tidak pasti.
Data historis jumlah penjualan selama 36 periode sebelumnya yaitu dari bulan
Januari tahun 2014 hingga bulan Desember tahun 2016 akan dipergunakan dalam
melakukan peramalan (forecasting) penjualan mesin sepeda motor pada tahun
2017. Data penjualan mesin sepeda motor terlihat pada tabel berikut:
Tabel 4.1 Jumlah Penjualan tahun 2014 – 2016
Bulan Penjualan
Tahun 2014 Tahun 2015 Tahun 2016
Januari 73.359 67.970 77.655
Februari 84.790 75.395 72.534
Maret 92.614 75.314 88.034
April 89.084 74.200 97.830
Mei 90.471 60.980 67.826
Juni 94.317 72.353 76.004
Juli 65.473 55.750 65.320
Agustus 77.615 86.190 77.769
September 91.862 85.092 84.651
Oktober 90.502 90.789 89.322
November 85.082 78.945 90.066
Desember 75.163 67.798 83.500
Gambar 4.1 Grafik Jumlah Penjualan Tahun 2014 – 2016
Gambar 4.2 Plot Data Penjualan Tahun 2014 – 2016
Dari dapat dilihat bahwa jumlah penjualan mesin sepeda motor oleh PT. KU sangat
fluktuatif untuk masing-masing periode sehingga besarnya pengadaan persediaan
bahan baku untuk proses produksi tidak dapat dipastikan. Dengan keadaan yang
demikian maka PT. KU dituntut supaya mampu memilih satu metode peramalan
(forecasting) dan pengendalian persediaan dengan tepat.
4.1.2 Kebutuhan Beberapa Bahan Baku Import
Secara garis besar tipe dari produk mesin sepeda motor yangdiproduksi oleh PT.
KU diklasifikasikan kedalam beberapa produk Utama diantaranya: KZL, K60,
WNK, K16, K25, dan K93, yang mana untuk tipe produk WNC merupakan produk
mesin sepeda motor sport. Penjualan mesin sepeda motor untuk masing-masing tipe
produk bervariasi baik secara jumlah, tergantung dari permintaan konsumen.
Data penjualan mesin sepeda motor pada tahun 2016 akan digunakan untuk
melakukan perhitungan kebutuhan bahan baku dalam penelitian ini. Total penjualan
selama tahun 2016 sebesar 970.511 unit mesin sepeda motor dengan persentase
untuk masing-masing tipe produk sebagaimana ditunjukkan pada Gambar dibawah
ini.
Gambar 4.3 Jumlah Penjualan Produk Periode Tahun 2016
Gambar 4.4 Persentase Penjualan Produk Periode Tahun 2016
Dari Gambar 4.6 dapat diketahui bahwa perbandingan persentase penjualan produk
selama tahun 2016 adalah tipe KZL sebesar 13%, produk K60 sebesar 17%, produk
WNK sebesar 16%, produk K16 sebesar 20%, produk K25 sebesar 17%, dan untuk
penjualan tipe produk K93 mencapai 17%.
Dalam proses perakitan mesin sepeda motor dibutuhkan bahan baku sebagai
komponen utama produk. Pengadaan bahan baku (komponen) tersebut bisa
diproduksi sendiri dalam perusahaan, sebagian dapat dipenuhi oleh supplier lokal
dan sebagian lagi harus di import.
Dalam penelitian kali ini, analisis akan difokuskan terhadap empat (4) bahan baku
import yang sering mengalami kekurangan (shortage) saat proses produksi
berlangsung, ke-4 bahan baku tersebut diantaranya: RETAINER VALVE SPRING,
THERMOSTAT ASSY, LIFTER ASSY TENSIONER, dan SENSOR OXYGEN
ZSD1002. Banyaknya kebutuhan bahan baku akan diperhitungkan berdasarkan
jumlah bahan baku yang terpasang untuk satu unit mesin sepeda motor terhadap
total keseluruhan penjualan selama tahun 2016 yaitu sebesar 970.511 unit sesuai
tabel berikut.
Tabel 4.2 Kebutuhan Bahan Baku Import untuk Tahun 2016
No Bahan Baku Import Jumlah/Engine
(Unit)
Kebutuhan
(Unit/Tahun)
Pengadaan
(Unit/tahun)
Kekurangan
(Unit/Tahun)
1 RETAINER
VALVE SPRING 2 1.9.41.022 1.939.890 1.132
2 THERMOSTAT
ASSY 1 970.511 969.293 1.218
3 LIFTER ASSY
TENSIONER 1 970.511 969.293 1.817
4 SENSOR OXYGEN
ZSD1002 1 970.511 969.293 1.247
Total 4.852.555 4.847.141 5.414
Berdasarkan tabel 4.2 terlihat bahwa total kebutuhan bahan baku untuk empat (4)
komponen import mencapai 4.852.555 unit, sedangkan perusahaan baru melakukan
pengadaan barang sejumlah 4.847.141 unit, sehingga dalam proses produksi
mengalami kekurangan bahan baku sebanyak 5.414 unit.
4.1.3 Harga Bahan Baku dan Lead Time Pemesanan
Beberapa harga bahan baku import dan waktu pemesanan (lead time) dalam
melakukan pengadaan bahan baku import dalam penelitian ini adalah harga bahan
baku dan lead time saat pembelian terakhir pada tahun 2016 seperti ditunjukkan
pada tabel berikut:
Tabel 4.3 Lead Time dan Harga Bahan Baku Import
No Bahan Baku Import Supplier Lead Time
(Hari)
Harga per Unit
(Rp)
1 RETAINER VALVE
SPRING Small Part Kit 15 Rp 48.000,00
2 THERMOSTAT ASSY WISTAR Corporation 20 Rp 483.000,00
3 LIFTER ASSY
TENSIONER
NHK Spring Thailand
Co. , Ltd 30 Rp 103.000,00
4 SENSOR OXYGEN
ZSD1002
NHK Sparkplug Thailand
Co. , Ltd 20 Rp 201.500,00
4.1.4 Biaya Penyimpanan dan Biaya Pemesanan
Untuk perkiraan jumlah biaya yang dibutuhkan untuk penyimpanan bahan baku
import oleh PT. KU yaitu 12% tiap tahun dengan perincian dibawah ini:
Tabel 4.4 Jumlah Biaya Rate Penyimpanan Bahan Baku
No Jenis Biaya Persentase (%)
1 Biaya gudang 0,15%
2 Biaya asuransi 0,20%
3 Bunga atas modal investasi 11,25%
4 Biaya kerusakan bahan baku 0,40%
Total total penyimpanan per tahun 12%
Sedangakan untuk biaya pemesanan bahan baku terdiri atas biaya informasi dan
telekomunikasi. Untuk memesan bahan baku, bagian Procurement membuat dan
mengirimkan Purchase Order (PO) untuk dibrikan supplier menggunakan email
perusahaan, setelah itu menunggu konfirmasi dari supplier melalui komunikasi
dengan via telepon. Data besarnya biaya untuk satu kali pemesanan diperoleh dari
PT. KU yaitu seperti terlihat pada tabel berikut :
Tabel 4.5 Biaya Total Pemesanan Bahan Baku Import
No Jenis Biaya Jumlah (Rp)
1 Biaya komunikasi (faximile dan telephone) Rp 350.000,00
2 Biaya dokumen (scan, copy dan print) Rp 70.000,00
3 Biaya Courier (JNE) Rp 160.000,00
4 Biaya Bea Cukai Rp 7.500.000,00
5 Biaya pencatatan dan pembuatan Fraktur Rp 15.200.000,00
6 Biaya bomgkar dan penerimaan Rp 45.000.000,00
7 Biaya pengiriman Rp 360.700.000,00
Biaya total pemesanan Rp 428.980.000,00
Terlihat pada tabel bahwa total biaya pemesanan adalah sebesar Rp 428.980.000,00
yang terbagi ke dalam beberapa bagian seperti biaya kimunikasi, biaya dokumen,
biaya courier, dan beberapa biaya yang lainnya. Biaya pengiriman adalah termasuk
biaya tertinggi karena bahan baku dalam penelitian ini merupakan bahan baku
import yang didatangkan dari Thailand.
4.1.5 Biaya Pembelian dan Biaya Kekurangan Bahan Baku
Pada saat kondisi normal, jalur laut di pilih untuk pengiriman bahan baku supaya
biaya pengadaan bahan baku lebih murah. Dalam waktu satu tahun terjadi beberapa
kali pemesanan, hal ini dikarenakan pengaruh pesanan dari customer yang tidak
pasti.
Akibat dari permintaan yang tidak pasti adalah terjadinya kekurangan bahan baku
saat proses produksi berlansung. Hal tersebut memaksa PT. KU untuk melakukan
pembelian bahan baku import secara mendadak, untuk mempercepat lead time
maka di pilihlah pengiriman bahan baku dengan jalur udara. Konsekuensi dari
penggunaan jalur udara yaitu perusahaan harus menambah biaya pembelian
kekurangan bahan baku sebesar 40% dari pembelian bahan baku saat kondisi
normal.
Kenaikan sebesar 40% dari harga normal tersebut ditambahkan ke dalam biaya
pemesanan (pengiriman), karena apabila kondisi normal bahan baku dikirim
melalui jalur laut sedangkan pada saat kondisi tidak normal maka pengiriman
dilakukan menggunakan jalur udara atau menggunakan pesawat.
4.2 Analisis Perhitungan Biaya Persediaan dengan Metode Perusahaan
Untuk mengetahui apakah pengendalian persediaan dengan menggunakan metode
EOQ layak atau tidak untuk diimplementasikan di PT. KU maka perlu dilakukan
perhitungan biaya persediaan yang dikeluarkan di tahun 2016 dengan menggunakan
metode perusahaan.
4.2.1 Rata-rata dan Kekurangan Pengadaan Bahan Baku tahun 2016
Untuk melakukan perhitungan nilai total biaya persediaan menurut metode
perusahaan dilakukan perhitungan dengan menggunakan persediaan rata-rata yang
terdapat diperusahaan selama tahun 2016 dan beberapa faktor yang lain seperti
biaya pemesanan, biaya penyimpanan, dan jumlah pembelian yang dilakukan
selama setahun.
Tabel 4.6 Rata-rata Pengadaan dan Kekurangan Bahan Baku
No Bahan Baku Import Jumlah/Engine
(Unit)
Kebutuhan
(Unit/Tahun)
Pengadaan
(Unit/tahun)
Kekurangan
(Unit/Tahun)
Rata-rata
Pengadaan
Bahan Baku
1
RETAINER
VALVE
SPRING
2 1.9.41.022 1.939.890 1.132 161.657
2 THERMOSTAT
ASSY 1 970.511 969.293 1.218 80.774
3 LIFTER ASSY
TENSIONER 1 970.511 969.293 1.817 80.724
4
SENSOR
OXYGEN
ZSD1002
1 970.511 969.293 1.247 80.772
Terlihat pada tabel bahwa terdapat kekurangan untuk memenuhi jumlah penjualan
pada tahun 2016. Pengadaan bahan baku yang dilakukan oleh PT. KU belum
mencukupi dari jumlah yang diharapkan. Untuk masing-masing bahan baku import
mempunyai tingkat kekurangan dan rata-rata penggunaan per tahun yang berbeda-
beda. Misalnya untuk bahan baku RETAINER VALVE SPRING mempunyai
kekurangan sejumlah 1,132 unit.
4.2.2 Frekuensi Pembelian Bahan Baku
Tabel 4.7 Frekuensi Pembelian Bahan Baku
Dalam satu tahun PT. KU melakukan pembelian bahan baku sebanyak empat kali.
Hal tersebut dilakukan atas pertimbangan biaya pengiriman dan pemesanan yang
harus dikeluarkan.
4.2.3 Perhitungan Total Biaya Persediaan (Total Inventory Cost)
Biaya persediaan total yang harus dikeluarkan oleh PT. KU dapat diketahui dengan
menjumlahkan biaya persediaan yang telah dilakukan kemudian ditambahkan
dengan biaya kekurangan bahan baku (shortage cost). Adapun Perhitungan untuk
biaya total dapat dilakukan dengan tahapan berikut:
𝑇𝐼𝐶 = (𝑃𝑒𝑛𝑔𝑎𝑑𝑎𝑎𝑛 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎)(𝐻) + (𝐹)(𝑆)
Dimana:
H = Biaya penyimpanan
F = Frekuensi pemesanan
S = Biaya Pemesanan
Sedangkan untuk menentukan harga kekurangan dapat dilakukan dengan cara
dibawah ini:
𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛 = (140
100) 𝑥𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑛𝑜𝑟𝑚𝑎𝑙
Dimana, 140 adalah persentase harga bahan baku dalam kondisi tidak normal
Periode 2016RETAINER VALVE SPRING
(Unit)
THERMOSTAT ASSY
(Unit)
LIFTER ASSY TENSIONER
(Unit)
SENSOR OXYGEN ZSD1002
(Unit)
Januari 484,973 242,323 242,174 193,852
Februari 0 0 0 0
Maret 0 0 0 193,853
April 484,972 242,324 242,174 0
Mei 0 0 0 0
Juni 0 0 0 193,853
Juli 484,972 242,323 242,173 0
Agustus 0 0 0 0
September 0 0 0 193,855
Oktober 484,973 242,323 242,173 0
November 0 0 0 0
Desember 0 0 0 193,851
Total 1,939,890 969,293 968,694 969,264
Frekuensi (X) 4 4 4 5
Sehingga besarnya harga masing-masing bahan baku pada saat kondisi tidak normal
adalah:
1. Harga RETAINER VALVE SPRING
𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛 = (140
100) 𝑥 𝑅𝑝 48.000,00 = 𝑅𝑝 67.200,00
2. Harga THERMOSTAT ASSY
𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛 = (140
100) 𝑥 𝑅𝑝 483.000,00 = 𝑅𝑝 676.200,00
3. Harga LIFTER ASSY TENSIONER
𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛 = (140
100) 𝑥 𝑅𝑝 103.000,00 = 𝑅𝑝 144.200,00
4. Harga SENSOR OXYGEN ZSD1004
𝐻𝑎𝑟𝑔𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑢 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛 = (140
100) 𝑥 𝑅𝑝 201.500,00 = 𝑅𝑝 282.100,00
4.2.3.1 Perhitungan Total Biaya Persediaan RETAINER VALVE SPRING
1. Menghitung Biaya Persediaan Awal
𝑇𝐼𝐶1 = (161,657.500)(5,760) + (4)(428,980,000)
𝑇𝐼𝐶1 = 𝑅𝑝 2.647.067.200,00
2. Menghitung Biaya Kekurangan Bahan Baku
𝑇𝐼𝐶2 = (𝐻𝑎𝑟𝑔𝑎 𝐵𝐵 𝑘𝑒𝑘𝑢𝑟𝑎𝑛𝑔𝑎𝑛)(𝐽𝑢𝑚𝑙𝑎ℎ 𝑠ℎ𝑜𝑟𝑡𝑎𝑔𝑒) + 𝐵𝑖𝑎𝑦𝑎 𝑝𝑒𝑚𝑒𝑠𝑎𝑛𝑎𝑛
𝑇𝐼𝐶2 = (67,200)(1,132) + 428,980,000
𝑇𝐼𝐶2 = 𝑅𝑝 505.050.400,00
3. Menghitung Biaya Total
𝑇𝐼𝐶𝑡𝑜𝑡𝑎𝑙 = 𝑇𝐼𝐶1 + 𝑇𝐼𝐶2
𝑇𝐼𝐶𝑡𝑜𝑡𝑎𝑙 = 𝑅𝑝 2.647.067.200,00 + 𝑅𝑝 505.050.400,00
𝑇𝐼𝐶𝑡𝑜𝑡𝑎𝑙 = 𝑅𝑝 3.152.117.600,00
Dengan menggunakan tahapan perhitungan yang sama, sehingga dapat diketahui
nilai total inventory cost dengan metode perusahaan untuk masing-masing bahan
baku import RETAINER VAVLE SPRING, THERMOSTAT ASSY, LIFTER
ASSY TENSIONER dan SENSOR OXYGEN ZSD1002 untuk lebih detailnya bisa
dilihat pada lampiran 3. Dari perhitungan persediaan terhadap beberapa bahan baku
import maka dapat diketahui jumlah biaya total dengan metode perusahaan adalah
sebesar Rp 19.085.706.270,00 bisa dilihat pada tabel berikut:
Tabel 4.8 Total Biaya Persediaan dengan Metode Perusahaan
No Bahan Baku Import Biaya Metode Perusahaan
(Rp)
1 RETAINER VALVE SPRING Rp 3.152.117.600,00
2 THERMOSTAT ASSY Rp 7.650.196.790,00
3 LIFTER ASSY TENSIONER Rp 3.404.666.220,00
4 SENSOR OXYGEN ZSD1002 Rp 4.878.725.660,00
Total biaya persediaan Rp .19.085.706.270,00
4.3 Peramalan Penjualan
Sebelum menentukan satu metode peramalan yang dipilih, dalam penelitian ini
dilakukan peramalan dengan beberapa metode peramalan yaitu metode peramalan
Regresi linier pola konstan, metode peramalan Regresi Linier, metode Single
Moving Average metode Weighted Moving Average, dan metode Single
Exponential Smoothing. Data untuk melakukan peramalan pada penelitian ini
adalah data sekunder dari PT. KU, yaitu data historis penjualan mesin sepeda motor
selama 12 periode yang telah disebutkan pada tabel 4.1.
4.3.1 Peramalan dengan metode Regresi Linier
Peramalan ini dilakukan dengan Rumus dt = ɑ + bt. Hal yang pertama kali dilakukan
dalam analisis Regresi Linier adalah mencari nilai perkalian antara periode waktu
( t ) dengan jumlah penjualan ( t x dt ) kuadrat dari periode waktu ( t ). Selanjutnya
mencari besarnya nila b dan nilai ɑ. Hasil dari perhitungan tersebut adalah.
Tabel 4.9 Perhitungan awal metode Regresi Linier
Bulan Periode (t) Penjualan (dt) t.dt t2
Januari 2016 1 77.655 77.655 1
Februari 2016 2 72.534 145.068 4
Maret 2016 3 88.034 264.102 9
April 2016 4 97.830 391.320 16
Mei 2016 5 67.826 339.130 25
Juni 2016 6 76.004 456.024 36
Juli 2016 7 65.320 457.240 49
Agustus 2016 8 77.769 622.152 64
September 2016 9 84.651 761.859 81
Oktober 2016 10 89.322 893.220 100
November 2016 11 90.066 990.726 121
Desember 2016 12 83.500 1.002.000 144
Januari 2017 13 - - -
Total 78 970.511 6.400.496 650
Dari tabel yang diperoleh maka dapat dilakukan perhitungan besarnya nilai b dan
nilai ɑ. Berikut adalah nilai b dan nilai ɑ.
Perhatungan nilai b:
𝑏 =(12)(6.400.496) − (970.511)(78)
(12) (650) − 6084=
1.106.094
72.358= 15,286
Perhitungan nilai ɑ :
𝑎 =∑ 𝑑𝑡
𝑛𝑡=1
𝑛− 𝑏
∑ 𝑡𝑛𝑡=1
𝑛
𝑎 =970.511
12− (15,286)
78
12=
80.875,917
99,362= 80.776,555
Setelah dilakukan perhitungan maka didapatkan nilai b sebesar 15,286 dan nilai ɑ
adalah 80.776,555. Dengan demikian peramalan dalam penelitian ini ditentukan
dengan persamaan dt = ɑ + bt yaitu dt = 80.776,555 + 15,286 ( t ).
1. Hasil Peramalan dengan Metode Regresi Linier
Hasil peramalan untuk periode berikutnya dapat ditentukan dengan rumus yang
telah diperoleh dalam rumus tersebut nilai t diganti dengan periode yang ingin
diramalkan. Perhitungan peramalan dengan metode Regresi Linier adalah.
dt = 80.776,555 + 15,286 ( t )
d1 = 80.776,555 + 15,286 (1) = 80.791,841 ≈ 80.792 unit
d2 = 80.776,555 + 15,286 (2) = 80.807,127 ≈ 80.807 unit
d3 = 80.776,555 + 15,286 (3) = 80.822,413 ≈ 80.822 unit
d4 = 80.776,555 + 15,286 (4) = 80.837,699 ≈ 80.838 unit
d5 = 80.776,555 + 15,286 (5) = 80.852,985 ≈ 80.853 unit
d6 = 80.776,555 + 15,286 (6) = 80.868,271 ≈ 80.868 unit
d7 = 80.776,555 + 15,286 (7) = 80.883,557 ≈ 80.883 unit
d8 = 80.776,555 + 15,286 (8) = 80.898,843 ≈ 80.899 unit
d9 = 80.776,555 + 15,286 (9) = 80.914,129 ≈ 80.914 unit
d10 = 80.776,555 + 15,286 (10) = 80.929,415 ≈ 80.929 unit
d11 = 80.776,555 + 15,286 (11) = 80.944,701 ≈ 80.945 unit
d12 = 80.776,555 + 15,286 (12) = 80.959,987 ≈ 80.960 unit
d13 = 80.776,555 + 15,286 (13) = 80.975,273 ≈ 80.975 unit
Untuk lebih jelasnya bisa dilihat pada tabel berikut
Tabel 4.10 Hasil Peramalan dengan Metode Regresi Linier
Bulan Periode
(t)
Penjualan
(dt) t.dt t2
Peramalan
Penjualan
(dt’)
Error (dt-dt’)
Januari 2016 1 77.655 77.655 1 80.791.841 -3.136,841
Februari 2016 2 72.534 145.068 4 80.807,127 -8.273,127
Maret 2016 3 88.034 264.102 9 80.822,413 7.211,587
April 2016 4 97.830 391.320 16 80.837,699 16.992,301
Mei 2016 5 67.826 339.130 25 80.852,985 -13.026,985
Juni 2016 6 76.004 456.024 36 80.868,271 -4.864,271
Juli 2016 7 65.320 457.240 49 80.883,557 -15.563,557
Agustus 2016 8 77.769 622.152 64 80.898,843 -3.129,843
September 2016 9 84.651 761.859 81 80.914,129 3.736,871
Oktober 2016 10 89.322 893.220 100 80.929,415 8.392,585
November 2016 11 90.066 990.726 121 80.944,701 9.121,299
Desember 2016 12 83.500 1.002.000 144 80.959,987 2.540,013
Januari 2017 13 - - - 80.975,273
Total 78 970.511 6.400.496 650
Gambar 4.5 Plot Hasil Permalan dengan Metode Regresi Linier
2. Ukuran Kesalahan Peramalan
Setelah hasil peramalan didapatkan, langkah yang selanjutnya adalah menghitung
nilai kesalahan peramalan (error). Kesalahan peramalan dalam penelitian ini
meliputi Mean Absolute Deviasi (MAD) atau dengan nama lain Mean Absolute
Error (MAE), Mean Forecast Error (MFE), Mean Square Error (MSE), dan Mean
Absolute Percenatage Error (MAPE). Namun sebelum melakukan perhitungan
ukuran kesalahan peramalan, perlu dilakukan perhitungan seperti telihat pada tabel
berikut.
Tabel 4.11 Perhitungan Error dan Persentase Error Peramalan
Penjualan
(dt)
Peramalan
Penjualan
(dt’)
Error (dt-dt’) Absolute
Error |(dt-dt’)|
Kuadrat Error
(dt-dt’)2
Persentase
Kesalahan
((dt-
dt’)*100)/dt
Absolute
Persentase
Kesalahan |((dt-
dt’)*100)/dt|
77.655 80.791.841 -3.136,841 3.136,841 9.839.771 -4,039 4,039
72.534 80.807,127 -8.273,127 8.237,127 68.444.630 -11,406 11,406
88.034 80.822,413 7.211,587 7.211,587 52.006.987 8,192 8,192
97.830 80.837,699 16.992,301 16.992,301 288.738.293 17,369 17,369
67.826 80.852,985 -13.026,985 13.026,985 169.702.338 -19,206 19,206
76.004 80.868,271 -4.864,271 4.864,271 23.661.132 -6,400 6,400
65.320 80.883,557 -15.563,557 15.563,557 242.224.306 -23,827 23,827
77.769 80.898,843 -3.129,843 3.129,843 9.795.917 -4,025 4,025
84.651 80.914,129 3.736,871 3.736,871 13.964.205 4,414 4,414
89.322 80.929,415 8.392,585 8.392,585 70.435.483 9,396 9,396
90.066 80.944,701 9.121,299 9.121,299 83.198.095 10,127 10,127
83.500 80.959,987 2.540,013 2.540,013 6.451.666 3,042 3,042
970.511 970.511 0 0 1.038.462.826 -16 121
Dari tabel 4.10 dapat dihitung nilai kesalahan peramalan sebagai berikut:
a. Mean Absolute Deviasi (MAD) atau Mean Absolute Error (MAE)
𝑀𝐴𝐷 = 𝑀𝐴𝐸 =∑|𝑑𝑡 − 𝑑𝑡′|
𝑛=
95.989
12= 7.999,107 ≈ 7.999
b. Mean Square Error (MSE)
𝑀𝑆𝐸 =∑(𝑑𝑡 − 𝑑𝑡
′)2
𝑛=
1.038.462.826
12= 86.538.568,812 ≈ 86.538.569
c. Mean Forecast Error (MFE)
𝑀𝐹𝐸 =∑𝑑𝑡 − 𝑑𝑡
′
𝑛=
0
12= 0,003 ≈ 0
d. Mean Absolute Pecentage Error (MAPE)
𝑀𝐴𝑃𝐸 =100
𝑛 . ∑ |
𝑑𝑡 − 𝑑𝑡′
𝑑𝑡| =
100
12 𝑥 1,214 = 10,120
3. Uji Tracking Signal Hasil Peramalan
Tracking signal berupa peta kontrol yang mempunyai batas-batas nilai ± 4, artinya
batas atas dan batas bawah dari peta kontrol tracking signal maksimal adalah 4 dan
-4. Uji ini dilakukan untuk mengetahui keandalan dari metode peramalan yang
dipilih. Model peramalan yang dipilih dianggap mampu mewakili situasi yang
sebenarnya apabila nilai-niali tracking signal yang diperoleh berada didalam batas-
batas standar tracking signal begitu juga sebaliknya. Apabila nilai hasil uji tracking
signal semuanya positif artinya nilai aktual penjualan lebih banyak dari pada hasil
peramalan juga sebaliknya apabila nilai traking signal semuanya negatif maka nilai
peramalan lebih kecil dibandingkan dengan nilai aktual penjualan. Tracking signal
dikatakan baik jika mempunyai nilai Running Sum of the Forecast Error (RSFE)
rendah sehingga nilai positif error sebanding dengan nilai negatife error sehingga
pusat tracking signal mendekati angka nol. Hasil tracking signal adalah
ditunjukkan pada tabel dibawah ini.
Tabel 4.12 Hasil Uji Tracking Signal
Gambar 4.6 Plot Nilai Tracking Signal
Dari plot nilai tracking signal terlihat nilai – nilai tracking signal berada dalam
batas – batas maksimal. Meskipun nilai tracking signal banyak yang netatif tetapi
masih ada beberapa nilai yang positif maka itulah yang menjadi alasan kenapa
metode Regresi Linier merupakan metode peramalan terpilih.
(a) (b) ( c) (d ) ( e) ( f) ( g) ( h) ( i)
1 80,791.841 77,655 -3,136.841 -3,136.841 3,136.841 3,136.841 3,136.841 -1.000
2 80,807.127 72,534 -8,273.127 -11,409.968 8,273.127 11,409.968 5,704.984 -2.000
3 80,822.413 88,034 7,211.587 -4,198.381 7,211.587 18,621.555 6,207.185 -0.676
4 80,837.699 97,830 16,992.301 12,793.920 16,992.301 35,613.856 8,903.464 1.437
5 80,852.985 67,826 -13,026.985 -233.065 13,026.985 48,640.841 9,728.168 -0.024
6 80,868.271 76,004 -4,864.271 -5,097.336 4,864.271 53,505.112 8,917.519 -0.572
7 80,883.557 65,320 -15,563.557 -20,660.893 15,563.557 69,068.669 9,866.953 -2.094
8 80,898.843 77,769 -3,129.843 -23,790.736 3,129.843 72,198.512 9,024.814 -2.636
9 80,914.129 84,651 3,736.871 -20,053.865 3,736.871 75,935.383 8,437.265 -2.377
10 80,929.415 89,322 8,392.585 -11,661.280 8,392.585 84,327.968 8,432.797 -1.383
11 80,944.701 90,066 9,121.299 -2,539.981 9,121.299 93,449.267 8,495.388 -0.299
12 80,959.987 83,500 2,540.013 0.032 2,540.013 95,989.280 7,999.107 0.000
Absolut Error
(d)t
Forcast Penjualan
(dt')Penjualan (dt) Error (dt-dt')
RFSE kumulatif
(d)
Kum.Abs.Error
Kumulatit (f)
MAD = MAE
(g)/(a)
Tracking
Signal (e)/(h)
Dengan menerapkan perhitungan yang sama, maka dapat diketahui juga hasil
peramalan dengan menggunakan metode regresi pola konstan, single moving
average, weighted moving average, dan metode single exponential smoothing,
untuk lebih detailnya bisa dilihat pada lampiran 2.
Dari beberapa metode peramalan yang dilakukan maka untuk penelitian ini
digunakan metode peramalan Regresi Linier dengan alasan nilai error yang paling
terkecil dan memenuhi uji Tracking Signal. Berikut perbandingan hasil peramalan
untuk pengambilan hasil peramalan terbaik (nilai error terkecil).
Tabel 4.13 Ukuran Kesalahan Masing-masing Metode Peramalan
No Deskripsi Regresi
(Konstan) Regresi Linier WMA SMA SES
1 MAD=MAE 8.024,583 7.999,107 10.625,204 11.585,296 9.853,119
2 MSE 86.770.614,243 86.538.568,812 144.255.268,201 157.522.680,926 146.497.867,834
3 MFE 0,000 0,003 686,278 1.227,000 655,423
4 MAPE 10,153 10,120 13,523 14,637 12,742
4.4 Analisis Persediaan Bahan Baku dengan Metode EOQ
EOQ merupakan kuantitas bahan yang dibeli setiap kali pembelian dengan biaya
paling minimal. Perhitungan persediaan pada penelitian ini adalah. Penggunaan
metode EOQ bertujuan untuk menghindari terjadinya kekurangan bahan baku yang
dibutuhkan. Diharapkan dengan menggunakan metode ini juga dapat
mengoptimalkan biaya penyimpanan dan biaya pemesanan di PT. KU. Metode
EOQ menggunakan penambahan persediaan pengaman (safety stock) di level
tertentu untuk menghindari terjadinya kekurangan bahan baku. Sebelum melakukan
pehitungan diperlukan beberapa data berikut.
4.4.1 Jumlah Penjualan dan Peramalan PT. KU Tahun 2016
PT. KU melakukan produksi sesuai dengan jumlah bahan baku yang paling sedikit,
meskipun terdapat beberapa bahan baku yang lebih tetapi dalam produksi tidak bisa
berjalan jika terdapat salah satu bahan baku yang tidak ada. Data peramalan dan
penjualan tahun 2016 oleh PT. KU dapat dilihat pada tebel berikut:
Tabel 4.14 Penjualan Engine Sepeda Motor Tahun 2016
Bulan Penjualan (dt)
Januari 2016 77.655
Februari 2016 72.534
Maret 2016 88.034
April 2016 97.830
Mei 2016 67.826
Juni 2016 76.004
Juli 2016 65.320
Agustus 2016 77.769
September 2016 84.651
Oktober 2016 89.322
November 2016 90.066
Desember 2016 83.500
Total 970.511
Rata-rata 80.875,916
Tabel 4.15 Peramalan Penjualan Engine Sepeda Motor Tahun 2016
Bulan Penjualan
(dt)
Peramalan
Penjualan
(dt’)
Error (dt-
dt’)
Januari 2016 77.655 80.791.841 -3.136,841
Februari 2016 72.534 80.807,127 -8.273,127
Maret 2016 88.034 80.822,413 7.211,587
April 2016 97.830 80.837,699 16.992,301
Mei 2016 67.826 80.852,985 -13.026,985
Juni 2016 76.004 80.868,271 -4.864,271
Juli 2016 65.320 80.883,557 -15.563,557
Agustus 2016 77.769 80.898,843 -3.129,843
September 2016 84.651 80.914,129 3.736,871
Oktober 2016 89.322 80.929,415 8.392,585
November 2016 90.066 80.944,701 9.121,299
Desember 2016 83.500 80.959,987 2.540,013
Total 970.511 970.511 0
Dari tabel diatas bisa disimpulkan bahwa jumlah peramalan sama dengan jumlah
penjualan (permintaan) selama tahun 2016. Meskipun jumlah antara penjualan
dengan peramalan berbeda tetapi pada hasil total yang diperoleh adalah sama
banyak yaitu 970.511 unit engine sepeda motor.
4.4.2 Biaya Penyimpanan Bahan Baku per Unit
Tabel 4.16 Perincian Penyimpanan Bahan Baku per Unit
No Jenis
Biaya Harga/Unit (Rp)
Biaya
Penyimp-
anan (%)
Bahan Baku Import
RETAINER
VALVE
SPRING
THERMOSTAT
ASSY
LIFTER
ASSY
TENSIONER
SENSOR
OXYGEN
ZSD 1002
1 Biaya
gudang Rp 48.000,00 0,15 Rp 72,00 Rp 724,50 Rp 154,50 Rp 302,25
2 Biaya
asuransi Rp 483.000,00 0,2 Rp 96,00 Rp 966,00 Rp 206,00 Rp 413,00
3
Bunga
atas
modal
investasi
Rp 103.000,00 11,25 Rp 5.400,00 Rp 54.337,50 Rp 11.587,50 Rp 22.668,75
4
Biaya
kerusaka
n bahan
bakau
Rp 201.500,00 0,4 Rp 192,00 Rp 1.932,00 Rp 412,00 Rp 806,00
Total 12 Rp 5.760,00 Rp 57.960,00 Rp 12.360,00 Rp 24.180,00
Rata-rata Rp 1.440,00 Rp 14.490,00 Rp 3.090,00 Rp 6.045,00
Nilai-nilai pada tabel menunjukkan besarnya biaya penyimpanan untuk satu unit
bahan baku. Besarnya biaya penyimpanan satu unit bahan baku masing-masing
adalah Rp 5.760,00 untuk Retainer Valve Spring, Rp 57.960,00 untuk Thermostat
Assy, Rp 12.360,00 untuk Lifter Assy Tensioner dan biaya penyimpanan bahan
baku Sensor Oxygen ZSD1002 senilai Rp 24.180,00
4.4.3 Perhitungan Persediaan dengan Metode EOQ
1. RETAINER VALVE SPRING
Economic Order Quantity (EOQ)
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(1.941.022)
5.760= 537.696.860 ≈ 537.697 𝑢𝑛𝑖𝑡
Dengan jumlah pemesanan yang diinginkan atau frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
1.941.022
537.696,860= 3,609 ≈ 4 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
3,609= 99,726 ≈ 100 ℎ𝑎𝑟𝑖
2. THERMOSTAT ASSY
Economic Order Quantity (EOQ)
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(970.511)
57.960= 119.858.698 ≈ 119.859 𝑢𝑛𝑖𝑡
Dengan jumlah frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
970.511
119.859= 8,097 ≈ 8 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
8,097= 44,460 ≈ 44 ℎ𝑎𝑟𝑖
3. LIFTER ASSY TENSIONER
Economic Order Quantity (EOQ)
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(970.511)
12.360= 259.552,077 ≈ 259.552 𝑢𝑛𝑖𝑡
Dengan jumlah frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
970.511
259.552,077= 3,7391 ≈ 4 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
3,7391= 96,277 ≈ 96 ℎ𝑎𝑟𝑖
4. SENSOR OXYGEN ZSD1004
Economic Order Quantity (EOQ)
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(970.511)
24.180= 185.569,072 ≈ 185.569 𝑢𝑛𝑖𝑡
Dengan jumlah frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
970.511
185.569,072= 5,229 ≈ 5 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
5,229= 68,824 ≈ 69 ℎ𝑎𝑟𝑖
4.4.4 Penentuan Persediaan Pengaman (Safety Stock)
Persediaan bahan baku pengaman digunakan untuk melindungi perusahaan dari
adanya resiko terjadinya kekurangan bahan baku saat produksi maupun
keterlambatan penerimaan bahan baku. Dengan pertimbangan penyimpangan-
penyimpangan yang terjadi antara jumlah produksi dengan jumlah penjualan.
Setelah besarnya standar deviasi masing-masing tahun diketahui maka ditetapkan
besarnya analisis penyimpangan. Manajemen perusahaan menentukan batas
toleransi sebesar 5% diatas perkiraan dan 5% dibawah perkiraan dengan nilai Z =
1.645 maksudnya tingkat servis level dari ketersediaan barang adalah 95% atau
sebesar 5% kurangnya ketersediaan bahan baku yang diharapkan. Nilai Z sebesar
tersebut diperoleh dari tabel distribusi normal berikut.
Tabel 4.17 Tabel Distribusi Normal
Tabel 4.18 Deviasi Penjualan dan Peramalan
Penjualan
(dt)
Peramalan
Penjualan (dt’) Error (dt-dt’)
Absolute Error
|(dt-dt’)|
Kuadrat
Absolute Error
(dt-dt’)2
77.655 80.791.841 -3.136,841 3.136,841 9.839.771,459
72.534 80.807,127 -8.273,127 8.237,127 68.444.630,358
88.034 80.822,413 7.211,587 7.211,587 53.006..987,059
97.830 80.837,699 16.992,301 16.992,301 288.738.293,275
67.826 80.852,985 -13.026,985 13.026,985 169.702.338,190
76.004 80.868,271 -4.864,271 4.864,271 23.661.132,361
65.320 80.883,557 -15.563,557 15.563,557 242.224.306,492
77.769 80.898,843 -3.129,843 3.129,843 9.795.917,205
84.651 80.914,129 3.736,871 3.736,871 13.964.204,871
89.322 80.929,415 8.392,585 8.392,585 70.435.482,982
90.066 80.944,701 9.121,299 9.121,299 83.198.095,447
83.500 80.959,987 2.540,013 2.540,013 6.451.666,826
970.511 970.511 0 0 1.038.462.826
Dari data yang diperoleh pada tabel maka dapat di ketahui nilai deviasi (σ) antara
penjualan dengan peramalan. Nilai deviasi tersebut adalah:
𝜎 = √1.038.462.826
12= √86.538.568,812 = 9.302,6108 ≈ 9.303 𝑢𝑛𝑖𝑡
Dari hasil nilai deviasi yang diperoleh, maka jumlah bahan baku pengaman yang
harus ditambahkan oleh PT. KU bisa ditentukan dengan rumus
𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 = 𝑍𝜎
1. Safety Stock untuk RETAINER VALVE SPRING
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 (2 𝑥 9.303) = 30.698,616 ≈ 30.697 𝑢𝑛𝑖𝑡
2. Safety Stock untuk THERMOSTAT ASSY
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 9.303,61086 = 14.512,073 ≈ 14.512 𝑢𝑛𝑖𝑡
3. Safety Stock untuk LIFTER ASSY TENSIONER
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 9.303,61086 = 14.512,073 ≈ 14.512 𝑢𝑛𝑖𝑡
4. Safety Stock untuk SENSOR OXYGEN ZSD1002
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 9.303,61086 = 14.512,073 ≈ 14.512 𝑢𝑛𝑖𝑡
Setelah dilakukan perhitungan untuk besarnya nilai bahan baku pengaman, dapat
kita ketahui bahwa besarnya nilai bahan baku pengaman untuk RETAINER
VALVE SPRING merupakan yang terbanyak. Penyebab dari hal tersebut adalah
karena bahan baku tersebut berjumlah dua kali lebih banyak dibandingkan ketiga
komponen yang lain untuk satu unit engine sepeda motor.
4.4.5 Penentuan Titik Pemesanan Kembali (Re-order Point)
Untuk melakukan perhitungan seberapa besar stok bahan baku, sehingga PT. KU
harus melakukan pemesanan kembali maka dihitung dengan menggunakan
langkah-langkah dibawah ini:
1. Reorder Point untuk RETAINER VALVE SPRING
𝑅𝑂𝑃 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 + (𝐿𝑒𝑎𝑑 𝑡𝑖𝑚𝑒 𝑥 𝑃𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝐵𝑎ℎ𝑎𝑛 𝐵𝑎𝑘𝑢 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖)
𝑅𝑂𝑃 = 30.697,616 + (15 𝑥 1.941.022
360)
𝑅𝑂𝑃 = 30.697,616 + 80.875,914 = 111.574,530 ≈ 111.575 𝑢𝑛𝑖𝑡
2. Reorder Point untuk THERMOSTAT ASSY
𝑅𝑂𝑃 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 + (𝐿𝑒𝑎𝑑 𝑡𝑖𝑚𝑒 𝑥 𝑃𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝐵𝑎ℎ𝑎𝑛 𝐵𝑎𝑘𝑢 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖)
𝑅𝑂𝑃 = 14.512,073 + (20 𝑥 970.511
360)
𝑅𝑂𝑃 = 30.697,616 + 53.917,276 = 68.429,349 ≈ 68.429 𝑢𝑛𝑖𝑡
3. Reorder Point untuk LIFTER ASSY TENSIONER
𝑅𝑂𝑃 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 + (𝐿𝑒𝑎𝑑 𝑡𝑖𝑚𝑒 𝑥 𝑃𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝐵𝑎ℎ𝑎𝑛 𝐵𝑎𝑘𝑢 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖)
𝑅𝑂𝑃 = 14.512,073 + (30 𝑥 970.511
360)
𝑅𝑂𝑃 = 30.697,616 + 80.875,914 = 95.387,987 ≈ 95.388 𝑢𝑛𝑖𝑡
4. Reorder Point untuk SENSOR OXYGEN ZSD1002
𝑅𝑂𝑃 = 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 + (𝐿𝑒𝑎𝑑 𝑡𝑖𝑚𝑒 𝑥 𝑃𝑒𝑛𝑔𝑔𝑢𝑛𝑎𝑎𝑛 𝐵𝑎ℎ𝑎𝑛 𝐵𝑎𝑘𝑢 𝑝𝑒𝑟 ℎ𝑎𝑟𝑖)
𝑅𝑂𝑃 = 14.512,073 + (20 𝑥 770.511
360)
𝑅𝑂𝑃 = 30.697,616 + 53.917,276 = 68.429,349 ≈ 68.429 𝑢𝑛𝑖𝑡
Agar proses produksi di PT. KU tidak mengalami gangguan, khususnya kekurangan
bahan baku maka harus melakukan pemesanan kembali apabila bahan baku yang
dimiliki sebesar 111.575 unit untuk RETAINER VALVE SPRING, 68.429 unit
untuk THERMOSTAT ASSY, 95.388 unit untuk LIFTER ASSY TENSIONER,
dan sebesar 68.429 unit untuk titik pemesanan ulang SENSOR OXYGEN
ZSD1002.
4.4.6 Penentuan Persediaan Paling Maksimum (Maximum Inventory)
Persediaan yang maksimum digunakan oleh PT. KU untuk mencegah terjadinya
pemborosan modal akibat kelebihan bahan baku yang tersimpan didalam gudang.
Adapun untuk menentukan besarnya persediaan maksimum dapat dilakukan
dengan cara berikut:
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 𝐸𝑂𝑄 + 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘
Maka besarnya persediaan maksimum untuk masing-masing bahan baku adalah:
1. Persediaan Maksimum RETAINER VALVE SPRING
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 537.697 + 30.697 = 568.395,476 ≈ 568.395 𝑢𝑛𝑖𝑡
2. Persediaan Maksimum THERMOSTAT ASSY
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 119.859 + 14.512 = 134.370,771 ≈ 134.371 𝑢𝑛𝑖𝑡
3. Persediaan Maksimum LIFTER ASSY TENSIONER
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 295.552 + 14.512 = 274.064,150 ≈ 274.064 𝑢𝑛𝑖𝑡
4. Persediaan Maksimum SENSOR OXYGEN ZSD1002
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 185.569 + 14.512 = 200.081,145 ≈ 200.081 𝑢𝑛𝑖𝑡
4.4.7 Perhitungan Total Biaya Persediaan Bahan Baku (Total Inventory Cost)
Untuk mengetahui biaya minimum persediaan yang harus dikeluarkan oleh PT. KU
dengan menggunakan metode EOQ maka dilakukan perhitungan dibawah ini.
𝑇𝐼𝐶 = √2𝐷. 𝐴. 𝐻
Perhitungan untuk masing-masing bahan baku adalah.
1. TIC untuk RETAINER VALVE SPRING
𝑇𝐼𝐶 = √(2)(1.941.022)(428.980.000)(5.760)
𝑇𝐼𝐶 = √9.529.238.478.012.820.000
𝑇𝐼𝐶 = 𝑅𝑝 3.097.133.913,00
2. TIC untuk THERMOSTAT ASSY
𝑇𝐼𝐶 = √(2)(970.511)(428.980.000)(57.960)
𝑇𝐼𝐶 = √48.260.949.842.502.000.000
𝑇𝐼𝐶 = 𝑅𝑝 6.947.010.137,00
3. TIC untuk LIFTER ASSY TENSIONER
𝑇𝐼𝐶 = √(2)(970.511)(428.980.000)(12.360)
𝑇𝐼𝐶 = √10.291.672.533.701.300.000
𝑇𝐼𝐶 = 𝑅𝑝 3.208.063.674,00
4. TIC untuk SENSOR OXYGEN ZSD1002
𝑇𝐼𝐶 = √(2)(970.511)(428.980.000)(24.180)
𝑇𝐼𝐶 = √20.133.708.888.745.700.000
𝑇𝐼𝐶 = 𝑅𝑝 4.487.060.161,00
Dari perhitungan terlihat besarnya biaya yang harus dikeluarkan untuk melakukan
pembelian masing-masing bahan baku yaitu Rp 3.097.133.013,00 untuk biaya
pembelian RETAINER VALVE SPRING, Rp 6.947.010.137,00 untuk besarnya
biaya THERMOSTAT ASSY, Rp 3.208.063.674,00 untuk biaya LIFTER ASSY
TENSIONER, dan Rp 4.487.060.161,00 untuk pengadaan SENSOR OXYGEN
ZSD1002. Total keseluruhan untuk pengadaan ke-empat bahan baku import adalah
Rp 17.739.267.885,00. Untuk lebih jelasnya dapat dilihat pada tabel berikut:
Tabel 4.19 Total biaya dengan Metode EOQ untuk Tahun 2016
No Bahan Baku Import Biaya Metode EOQ (Rp)
1 RETAINER VALVE SPRING Rp 3.097.133.913,00
2 THERMOSTAT ASSY Rp 6.947.010.137,00
3 LIFTER ASSY TENSIONER Rp 3.208.063.674,00
4 SENSOR OXYGEN ZSD1002 Rp 4.487.060.885,00
Total biaya persediaan Rp .17.739.267.885,00
4.4.8 Grafik Persediaan Bahan Baku
1. RETAINER VALVE SPRING
Gambar 4.7 Grafik Persediaan Bahan Baku RETAINER VALVE SPRING
2. THERMOSTAT ASSY
Gambar 4.8 Grafik Persediaan Bahan Baku THERMOSTAT ASSY
3. LIFTER ASSY TENSIONER
Gambar 4.9 Grafik Persediaan Bahan Baku LIFTER ASSY TENSIONER
4. SENSOR OXYGEN ZSD 1002
Gambar 4.10 Grafik Persediaan Bahan Baku SENSOR OXYGEN ZSD 1002
Dari beberapa perhitugan untuk persediaan bahan baku diatas maka diperoleh
ringkasan tabel berikut ini.
Tabel 4.20 Ringkasan Hasil Perhitungan Metode EOQ
RETAINER VALVE SPRING THERMOSTAT ASSY LIFTER ASSY TENSIONER SENSOR OXYGEN ZSD 1002
EOQ (unit) 537.697 119.859 259.552 185.569
FREKUENSI PEMESANAN (kali) 4 8 4 5
DAUR PEMBELIAN ULANG (hari) 100 44 96 69
SAFEY STOCK (unit) 30.697 14.512 14.512 15.512
ROP (unit) 111.575 68.429 95.388 68.429
MAXIMUM INVENTORY (unit) 568.395 134.371 274.064 200.081
TOTAL BIAYA PERSEDIAAN (Rp) Rp 3.097.133.913,00 Rp 6.947.010.137,00 Rp 3.208.063.674,00 Rp 4.487.060.885,00
Bahan BakuHasil Perhitungan
4.5 Perhitungan Kebutuhan Bahan Baku Periode Januari-Agustus 2017
Hasil peramalan penjualan engine sepeda motor untuk periode Januari-Agustus
2017 dengan menggunakan metode Regresi Linier seperti tabel dibawah ini.
Tabel 4.21 Perbandingan Hasil Peramalan dengan Penjualan Aktual Periode
Januari-Agustus 2017
Periode 2017 Peramalan
(dt’)
Aktual
Penjualan (dt) Error (dt-dt’) % Devisai
Januari 80.792 80.246 546 0,676
Februari 80.807 79.980 827 1,024
Maret 80.822 81.225 -403 -0,498
April 80.838 80.490 348 0,430
Mei 80.853
Juni 80.868
Juli 80.884
Agustus 80.899
Total 646.762.736
4.5.1 Perhitungan Persediaan dengan EOQ
Untuk melakukan pengendalian persediaan bahan baku RETAINER VALVE
SPRING dengan Metode EOQ maka dilakukan dengan tahapan berikut:
1. RETAINER VALVE SPRING
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(1.293.525)
5.760
𝐸𝑂𝑄 = 438.944,661 ≈ 438.945 𝑢𝑛𝑖𝑡
Dengan jumlah pemesanan yang diinginkan atau frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
1,293,525
438,944.661= 2.946 ≈ 3 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
2,946= 122,162 ≈ 122 ℎ𝑎𝑟𝑖
2. THERMOSTAT ASSY
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(646.763)
57.960
𝐸𝑂𝑄 = 97.845,718 ≈ 97,846 𝑢𝑛𝑖𝑡
Dengan jumlah pemesanan yang diinginkan atau frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
646.763
97.845,718= 6,610 ≈ 7 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
6,610= 54,426 ≈ 54 ℎ𝑎𝑟𝑖
3. LIFTER ASSY TENSIONER
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(646.763)
12.360
𝐸𝑂𝑄 = 299.648,272 ≈ 299.648 𝑢𝑛𝑖𝑡
Dengan jumlah pemesanan yang diinginkan atau frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
646.763
299.648,272= 2,158 ≈ 2 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
2,158= 166,789 ≈ 167 ℎ𝑎𝑟𝑖
4. SENSOR OXYGEN ZSD1002
𝐸𝑂𝑄 = 𝑄∗ = √2𝐴𝐷
𝐻= √
(2)(428.980.000,00)(646.763)
24.180
𝐸𝑂𝑄 = 151.487,873 ≈ 151.489 𝑢𝑛𝑖𝑡
Dengan jumlah pemesanan yang diinginkan atau frekuensi pembelian
𝑁 =𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑢𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑠𝑎𝑛=
𝐷
𝑄∗=
646.763
151.487,873= 4,269 ≈ 4 𝑘𝑎𝑙𝑖
Daur ulang pemesanan
𝑇 =𝐽𝑢𝑚𝑙𝑎ℎ ℎ𝑎𝑟𝑖 𝑘𝑒𝑟𝑗𝑎
𝑁=
360
4,269= 83,320 ≈ 83 ℎ𝑎𝑟𝑖
4.5.2 Penentuan Persediaan Pengaman (Safety Stock)
Sama halnya dalam perhitungan dengan menggunakan metode EOQ sebelumnya,
untuk melakukan perhitungan persediaan pengaman digunakan batas toleransi 5%
ke atas dan 5% ke bawah dengan nilai k = 1.645.
Tabel 4.22 Deviasi Peramalan dengan Aktual Penjualan
Periode
2017
Peramalan
(dt’)
Aktual
Penjualan
(dt)
Error
(dt-dt’)
%
Devisai |% Devisai| (dt-dt’)2
Januari 80.792 80.246 546 0,676 0,676 297.942,397
Februari 80.807 79.980 827 1,024 1,024 684.139,074
Maret 80.822 81.225 -403 -0,498 0,498 162.076,293
April 80.838 80.490 348 0,430 0,430 120.894,595
Mei 80.853 0
Juni 80.868 0
Juli 80.884 0
Agustus 80.899 0
Total 646.762.736 1.265.052,359
Nilai deviasi dari hasil peramalan adalah:
𝜎 = √1.265.052,359
8= √158.131,544 = 397,657 ≈ 398 𝑢𝑛𝑖𝑡.
Dari hasil nilai deviasi yang diperoleh, maka jumlah bahan baku pengaman yang
harus ditambahkan oleh PT. KU bisa ditentukan dengan rumus
𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘 = 𝑍𝜎
1. Safety Stock untuk RETAINER VALVE SPRING
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 (2 𝑥 397,657) = 1.312,269 ≈ 1.312 𝑢𝑛𝑖𝑡
2. Safety Stock untuk THERMOSTAT ASSY
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 397,657 = 656,134 ≈ 656 𝑢𝑛𝑖𝑡
3. Safety Stock untuk LIFTER ASSY TENSIONER
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 397,657 = 656,134 ≈ 656 𝑢𝑛𝑖𝑡
4. Safety Stock untuk SENSOR OXYGEN ZSD1002
𝑆𝑆 = 𝑍𝜎 = 1,645 𝑥 397,657 = 656,134 ≈ 656 𝑢𝑛𝑖𝑡
Setelah dilakukan perhitungan untuk besarnya nilai bahan baku pengaman, dapat
kita ketahui bahwa besarnya nilai bahan baku pengaman untuk RETAINER
VALVE SPRING merupakan yang terbanyak. Penyebab dari hal tersebut karena
bahan baku RETAINER VALVE SPRING berjumlah dua kali lebih banyak
dibandingkan ketiga komponen yang lain untuk satu unit engine sepeda motor.
4.5.3 Penentuan Titik Pemesanan Ulang (Reorder Point)
Untuk melakukan perhitungan seberapa besar stok bahan baku, sehingga PT. KU
harus melakukan pemesanan kembali maka dihitung dengan menggunakan
langkah-langkah dibawah ini:
1. Reorder Point untuk RETAINER VALVE SPRING
𝑅𝑂𝑃 = 1.312 + (15 𝑥 1.293.525
360)
𝑅𝑂𝑃 = 55.209,165 ≈ 55.209 𝑢𝑛𝑖𝑡
2. Reorder Point untuk THERMOSTAT ASSY
𝑅𝑂𝑃 = 656 + (20 𝑥 646.763
360)
𝑅𝑂𝑃 = 36.587,398 ≈ 36.587 𝑢𝑛𝑖𝑡
3. Reorder Point untuk LIFTER ASSY TENSIONER
𝑅𝑂𝑃 = 656 + (30 𝑥 646.763
360)
𝑅𝑂𝑃 = 54.553,030 ≈ 54.553 𝑢𝑛𝑖𝑡
4. Reorder Point untuk SENSOR OXYGEN ZSD1002
𝑅𝑂𝑃 = 656 + (20 𝑥 646.763
360)
𝑅𝑂𝑃 = 36.587,398 ≈ 36.587 𝑢𝑛𝑖𝑡
Agar proses produksi di PT. KU tidak mengalami gangguan, khususnya kekurangan
bahan baku maka diperlukan pemesanan kembali saat bahan baku yang dimiliki
berjumlah 55.209 unit untuk RETAINER VALVE SPRING, 36.587 unit untuk
THERMOSTAT ASSY, 54.553 unit untuk LIFTER ASSY TENSIONER, dan
sebesar 36.587 unit untuk titik pemesanan ulang SENSOR OXYGEN ZSD1002.
4.5.4 Penentuan Persediaan Maksimum
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 𝐸𝑂𝑄 + 𝑆𝑎𝑓𝑒𝑡𝑦 𝑆𝑡𝑜𝑐𝑘
Maka besarnya persediaan maksimum untuk masing-masing bahan baku adalah:
1. Persediaan Maksimum RETAINER VALVE SPRING
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 438.944,661 + 1.213,269
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 440.256,931 ≈ 440.257 𝑢𝑛𝑖𝑡
2. Persediaan Maksimum THERMOSTAT ASSY
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 97.845,718 + 656,134
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 98.501,853 ≈ 98.502 𝑢𝑛𝑖𝑡
3. Persediaan Maksimum LIFTER ASSY TENSIONER
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 299.648,272 + 656,134
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 300.304,407 ≈ 300.304 𝑢𝑛𝑖𝑡
4. Persediaan Maksimum SENSOR OXYGEN ZSD1002
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 151.487,873 + 656,134
𝑀𝑎𝑥𝑖𝑚𝑢𝑚 𝐼𝑛𝑣𝑒𝑛𝑡𝑜𝑟𝑦 = 152.144,008 ≈ 152.144 𝑢𝑛𝑖𝑡
4.5.5 Perhitungan Total Biaya Persediaan (Total Inventory Cost)
Untuk mengetahui biaya yang paling minimum jumlah persediaan beberapa bahan
baku import yang harus dikeluarkan oleh PT. KU dengan menggunakan
perhitungan metode Economic Order Quantity (EOQ) maka dilakukan perhitungan
seperti dibawah ini.
𝑇𝐼𝐶 = √2𝐷. 𝐴. 𝐻
Hasil perhitungan untuk masing-masing beberapa bahan baku import bahan baku
adalah.
1. TIC untuk RETAINER VALVE SPRING
𝑇𝐼𝐶 = √(2)(1.293.525,475)(428.980.000)(5.760)
𝑇𝐼𝐶 = √6.392.408.336.393.010.000
𝑇𝐼𝐶 = 𝑅𝑝 2.528.321.249,00
2. TIC untuk THERMOSTAT ASSY
𝑇𝐼𝐶 = √(2)(646.76,736)(428.980.000)(57.960)
𝑇𝐼𝐶 = √32.161.804.442.477.300.000
𝑇𝐼𝐶 = 𝑅𝑝 5.671.137.844,00
3. TIC untuk LIFTER ASSY TENSIONER
𝑇𝐼𝐶 = √(2)(646.762,736)(428.980.000)(12.360)
𝑇𝐼𝐶 = √6.858.521.444.255.000.000
𝑇𝐼𝐶 = 𝑅𝑝 2.618.877.898,00
4. TIC untuk SENSOR OXYGEN ZSD1002
𝑇𝐼𝐶 = √(2)(646.762,736)(428.980.000)(24.180)
𝑇𝐼𝐶 = √13.417.398.747.741.600.000
𝑇𝐼𝐶 = 𝑅𝑝 3.662.976.760,00
Terlihat dari tabel bahwa besarnya biaya yang harus dikeluarkan untuk melakukan
pembelian masing-masing bahan baku import yaitu Rp 2.528.321.249,00 untuk
biaya pembelian RETAINER VALVE SPRING, Rp 5.671.137.844,00 untuk
besarnya biaya THERMOSTAT ASSY, Rp 2.618.877.898,00 untuk biaya LIFTER
ASSY TENSIONER, dan Rp 3.662.976.760,00 untuk biaya pengadaan SENSOR
OXYGEN ZSD1002. Total keseluruhan biaya untuk pengadaan ke-empat bahan
baku import selama periode Januari-Agustus 2017 adalah Rp 14.481.313.751,00.
Tabel 4.23 Biaya Total Persediaan untuk Periode Januari-Agustus 2017 dengan
Metode EOQ
No Bahan Baku Import Biaya Persediaan bulan
Januari-Agustus 2017 (Rp)
1 RETAINER VALVE SPRING Rp 2.528.321.249,00
2 THERMOSTAT ASSY Rp 5.671.137.844,00
3 LIFTER ASSY TENSIONER Rp 2.618.877.898,00
4 SENSOR OXYGEN ZSD1002 Rp 3.662.976.760,00
Total biaya persediaan Rp 14.481.313.751,00
4.6 Interpretasi Hasil
Berdasarkan perhitungan yang telah dilakukan untuk persediaan pada tahun 2016
pada bahan baku import RETAINER VALVE SPRING, THERMOSTAT ASSY,
LIFTER ASSY TENSIONER, dan SENSOR OXYGEN ZSD1002 sehingga
didapatkan perbandingan biaya total persediaan antara metode Economic Order
Quantity (EOQ) yang merupakan satu metode usulan dengan metode perusahaan
yang diterapkan selama ini. yang ditunjukkan pada tabel dan gambar berikut.
Tabel 4.24 Perbandingan Total Biaya Persediaan
No Bahan Baku Import Biaya Metode
Perusahaan (Rp)
Biaya Metode EOQ
(Rp) Reduce Cost (Rp)
1 RETAINER VALVE
SPRING Rp 3.152.117.600,00 Rp 3.097.133.913,00 Rp 54.983.687,00
2 THERMOSTAT
ASSY Rp 7.650.196.790,00 Rp 6.947.010.137,00 Rp 703.186.653,00
3 LIFTER ASSY
TENSIONER Rp 3.404.666.220,00 Rp 3.208.063674,00 Rp 196.602.546,00
4 SENSOR OXYGEN
ZSD1002 Rp 4.878.725.660,00 Rp 4.487.060.885,00 Rp 391.665.499,00
Total biaya persediaan Rp .19.085.706.270,00 Rp .17.739.267.885,00 Rp 1.346.438.385,00
Pada tabel 4.21 menunjukkan bahwa terdapat penurunan biaya (reduse cost) untuk
prhitungan dengan menggunakan metode EOQ yaitu sebesar Rp 1.234.438.385,00
atau dengan persentase sebesar 7.054%.
Gambar 4.11 Grafik Perbandingan Biaya Total Persediaan Tahun 2016
Berdasarkan gambar 4.7 dapat diketahui bahwa pengendalian persediaan beberapa
bahan baku import dengan metode EOQ mempunyai nilai biaya persediaan 7,054%
lebih rendah dibandingkan dengan metode yang diterapkan oleh perusahaan.
Biaya persediaan bahan baku menggunakan metode perusahaan mempunyai biaya
persediaan yang lebih tinggi diatas metode EOQ, hal ini diakibatkan oleh adanya
tambahan biaya tambahanan kekurangan bahan baku yang besar ketika terjadi
kekurangan bahan baku sehingga untuk mempercepat waktu perusahaan harus
membeli bahan baku melalui jalur udara. Seperti yang telah dijelaskan di awal pada
penelitian ini bahwa pembelian bahan baku melalui jalur udara mempunyai harga
bahan baku 40% diatas pembelian bahan baku pada saat kondisi normal.
BAB V
KESIMPULAN DAN SARAN
1.1. Kesimpulan
Penelitian pengendalian persediaan komponen mesin sepeda motor menghasilkan
kesimpulan sebagai berikut:
1. Pengendalian bahan baku import pada tahun 2016 dengan metode Economic
Order Quantity (EOQ) di PT. KU mampu memberikan penghematan biaya
persediaan sebesar Rp 1.346.438.385 atau 7.054% dibandingkan dengan sistem
persediaan yang diterapkan oleh perusahaan saat ini.
2. Peramalan yang tepat untuk diterapkan oleh PT. KU adalan peramalan metode
regresi linier, sehingga besarnya kebutuhan bahan baku dapat dikontrol lebih
baik.
1.2. Saran
Saran-saran yang bisa diberikan terkait hasil perolehan dari penelitian mengenai
pengendalian persediaan di PT. KU yaitu:
1. Melaksanakan penelitian lebih lanjut terhadap pengendalian julah persediaan
bahan baku yang lain sesuai tingkat permintaan atau penjualan dengan lebih
spesifik.
2. Penelitian pengendalian persediaan bahan baku di PT. KU bisa di lanjutkan
memakai metode peramalan (forecasting) dan metode persediaan yang lain
untuk mempoleh model persediaan yang tepat.
DAFTAR PUSTAKA
Assauri, Sofjan. Manajemen Produksi dan Operasi, Edisi Revisi. Jakarta: Lembaga
Penerbit Fakultas Ekonomi UI, 2004.
Edward, Sallis, Gasperz. Total Quality Management. Jakarta: Gramedia Pustaka
Utama, 2008.
Eyverson Ruauw (2011). Pengendalian Persediaan Bahan Baku. ASE – Volume 7
Nomor 1, Januari 2011:1-11
Hasan, M. Iqbal. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara, 1999
Herjanto, Eddy. Manajemen Produksi dan Operasii, Edisi Ketiga. Jakarta: PT.
Grasindo, 2008
Matz, Adoiph. Akuntansi Biaya Perencanaan dan Pengendalian, Jilid 1. Jakarta:
Erlangga, 1994.
Nasution, Arman Hakim dan Prasetyawan, Y.P. Perencanaan dan Pengendalian
Produksi, Edisi Revisi. Yogyakarta: Graha Ilmu, 1999.
Rangkuti, Freddy. Manajemen Persediaan: Aplikasi di Bidang Bisnis, Jakarta:
Grafindo Persada 2004.
Tersine, R J. Principles of Inventory and Material Mangement, New Jersey:
Prentice Hall, 1994.
Yamit, Zulian. Manajemen Persediaan, Edisi Pertama. Yogyakarta: Ekonosia,
2005.
Top Related