ANALISA PERSEDIAAN KOMPONEN MESIN SEPEDA MOTOR …

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


100) 𝑥 𝑅𝑝 48.000,00 = 𝑅𝑝 67.200,00

2. Harga THERMOSTAT ASSY


100) 𝑥 𝑅𝑝 483.000,00 = 𝑅𝑝 676.200,00

3. Harga LIFTER ASSY TENSIONER


100) 𝑥 𝑅𝑝 103.000,00 = 𝑅𝑝 144.200,00

4. Harga SENSOR OXYGEN ZSD1004


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


𝑁=

360

3,609= 99,726 ≈ 100 ℎ𝑎𝑟𝑖

2. THERMOSTAT ASSY



𝐻= √

(2)(428.980.000,00)(970.511)

57.960= 119.858.698 ≈ 119.859 𝑢𝑛𝑖𝑡

Dengan jumlah frekuensi pembelian



𝐷

𝑄∗=

970.511

119.859= 8,097 ≈ 8 𝑘𝑎𝑙𝑖



𝑁=

360

8,097= 44,460 ≈ 44 ℎ𝑎𝑟𝑖

3. LIFTER ASSY TENSIONER



𝐻= √

(2)(428.980.000,00)(970.511)

12.360= 259.552,077 ≈ 259.552 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

970.511

259.552,077= 3,7391 ≈ 4 𝑘𝑎𝑙𝑖



𝑁=

360

3,7391= 96,277 ≈ 96 ℎ𝑎𝑟𝑖

4. SENSOR OXYGEN ZSD1004



𝐻= √

(2)(428.980.000,00)(970.511)

24.180= 185.569,072 ≈ 185.569 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

970.511

185.569,072= 5,229 ≈ 5 𝑘𝑎𝑙𝑖



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 = 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 = 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 = 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


3. Persediaan Maksimum LIFTER ASSY TENSIONER


4. Persediaan Maksimum SENSOR OXYGEN ZSD1002


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)





Total biaya persediaan Rp .17.739.267.885,00

4.4.8 Grafik Persediaan Bahan Baku


Gambar 4.7 Grafik Persediaan Bahan Baku RETAINER VALVE SPRING

2. THERMOSTAT ASSY

Gambar 4.8 Grafik Persediaan Bahan Baku THERMOSTAT ASSY


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:



𝐻= √

(2)(428.980.000,00)(1.293.525)

5.760

𝐸𝑂𝑄 = 438.944,661 ≈ 438.945 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

1,293,525

438,944.661= 2.946 ≈ 3 𝑘𝑎𝑙𝑖



𝑁=

360

2,946= 122,162 ≈ 122 ℎ𝑎𝑟𝑖

2. THERMOSTAT ASSY


𝐻= √

(2)(428.980.000,00)(646.763)

57.960

𝐸𝑂𝑄 = 97.845,718 ≈ 97,846 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

646.763

97.845,718= 6,610 ≈ 7 𝑘𝑎𝑙𝑖



𝑁=

360

6,610= 54,426 ≈ 54 ℎ𝑎𝑟𝑖



𝐻= √

(2)(428.980.000,00)(646.763)

12.360

𝐸𝑂𝑄 = 299.648,272 ≈ 299.648 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

646.763

299.648,272= 2,158 ≈ 2 𝑘𝑎𝑙𝑖



𝑁=

360

2,158= 166,789 ≈ 167 ℎ𝑎𝑟𝑖

4. SENSOR OXYGEN ZSD1002


𝐻= √

(2)(428.980.000,00)(646.763)

24.180

𝐸𝑂𝑄 = 151.487,873 ≈ 151.489 𝑢𝑛𝑖𝑡




𝐷

𝑄∗=

646.763

151.487,873= 4,269 ≈ 4 𝑘𝑎𝑙𝑖



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


3. Persediaan Maksimum LIFTER ASSY TENSIONER



4. Persediaan Maksimum SENSOR OXYGEN ZSD1002



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)





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.

ANALISA PERSEDIAAN KOMPONEN MESIN SEPEDA MOTOR …

Documents