Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
I
PERENCANAAN INVENTORY PART TRASNMISI
OTOMATIS DI PT MANNOH TSUDA
Oleh :
Zalal Bakti Pane
NIM: 004201405114
Laporan Skripsi disampaikan kepada Fakultas Teknik President
University diajukan untuk memenuhi Persyaratan akademik mencapai
gelar Sarjana Teknik Program Studi Teknik Industri
2018
I
LEMBAR REKOMENDASI PEMBIMBING
Skripsi berjudul PERENCANAAN INVENTORY PART
TRASNMISI OTOMATIS DI PT MANNOH TSUDA yang
disusun dan diajukan oleh Zalal Bakti Pane sebagai salah satu
persyaratan untuk mendapatkan gelar Sarjana Strata Satu (S1) pada
Fakutas Teknik telah ditinjau dan dianggap memenuhi persyaratan
sebuah skripsi. Oleh karena itu, Saya merekomendasikan skripsi ini
untuk maju sidang.
Cikarang, Indonesia, 2018
Ir. Hery Hamdi Azwir, MT
II
LEMBAR PERNYATAAN ORISINALITAS
Saya menyatakan bahwa skripsi berjudul PERENCANAAN
INVENTORY PART TRASNMISI OTOMATIS DI PT
MANNOH TSUDA adalah hasil dari pengetahuan terbaik Saya dan
belum pernah diajukan ke Universitas lain maupun diterbitkan baik
sebagian maupun secara keseluruhan.
Cikarang, Indonesia, 2018
Zalal Bakti Pane
III
PERENCANAAN INVENTORY PART TRASNMISI
OTOMATIS DI PT MANNOH TSUDA
Oleh
Zalal Bakti Pane
NIM: 004201405114
Disetujui Oleh
Ir. Hery Hamdi Azwir, MT
Dosen Pembimbing
Ir. Andira, MT
Kepala Program Studi Teknik Industri
IV
ABSTRAK
Perusahaan Mannoh Tsuda merupakan Perusahaan manufaktur yang
memproduksi transmisi otomatis kendaraan roda empat yang akan di Supply
ke perusahaan pembuat mobil yang ada di indonesia. PT. Mannoh Tsuda
berupaya dalam melakukan efisiensi biaya. Jika dilihat dari aspek biaya
persediaan bahan baku merupakan faktor penentu efisiensi karena biaya untuk
memperoleh bahan baku dan biaya-biaya lain yang disebabkan oleh adanya
persediaan bahan baku cukup besar. Oleh karena itu perlu adanya usaha untuk
mengelola persediaan secara efektif dan efisien. Salah satunya dengan
menemukan metode peramalan atau forecasting yang terbaik dan melakukan
penjadwalan produksi dan pengadaaan material sebaik mungkin. Dalam
penelitian ini analisis terhadap metode peramalan dengan membandingkan
hasil peramalan model Trend Linier,Double Exponential Smoothing,Double
Moving Average dan Trend Seasonal. dengan membandingkan MAD(Mean
Absolute Deviation),MSE(Mean Square Error) dan nilai RSFE dari Tracking
Signal, dari ketiga model peramalan yang memiliki MAD,MSE dan RSFE
yang paling kecil yaitu Trend Linier dimana MAD 35560, MSE 1631200890
dan RSFE 26. Sehingga hasil peramalan Trend Linier digunakan sebagai
acuan menentukan penjadwalan kebutuhan material selama satu tahun. Dalam
penyusunan jadwal kebutuhan material dilakukan penentuan Lot Sizing teknik
Economic Order Quantity dan teknik Lot For Lot dengan membandingkan
dengan metode perusahaan. Hasil perbandingan biaya antara metode
Economic Order Quantity,Lot For Lot dan metode perusahaan didapatkan
biaya terkecil dari ketiga model tersebut yaitu metode Economic Order
Quantity sebesar Rp 2.438.429.762 atau menghemat sebanyak 16,69% dari
metode yang berjalan pada perusahaan. Oleh karena itu alternatif metode
perencanaan pengendalian material yang diusulkan untuk diterapkan adalah
metode Economic Order Quantity.
Kata kunci : Forecasting,Economic Order Quantity,Lot For Lot,Material
Requirement planning .
V
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT yang telah memberikan rahmat dan
hidayah-Nya kepada penulis sehingga penulis dapat menyelesaikan skripsi yang
berjudul “PERENCANAAN INVENTORY PART TRASNMISI OTOMATIS DI
PT MANNOH TSUDA ”. Penulisan skripsi ini merupakan salah satu syarat
penulis untuk dapat memperoleh gelar Sarjana Teknik Jurusan Teknik Industri di
President University. Atas terselesaikannya penyusunan skripsi ini, penulis
mengucapkan terima kasih yang setulus-tulusnya kepada semua pihak yang telah
mendukung, khususnya kepada :
1. Allah Subhanahu wa Ta’ala atas segala kemudahan dan kekuatan yang besar
sehingga penulis berhasil menyelesaikan skripsi ini.
2. Untuk ibu dan ketiga saudara penulis yang selalu memberikan doa dan
dukungan selama ini.
3. Ir. Hery Hamdi Azwir, MT, selaku dosen pembimbing yang telah meluangkan
waktu, tenaga dan pikiran dalam pelaksanaan bimbingan selama ini, serta
memberikan pengarahan dan dorongan dalam penyusunan skripsi sehingga
dapat selesai tepat pada waktunya.
4. Ir.Andira, MT, sebagai Kepala Prodi Teknik Industri President University.
5. Seluruh dosen Teknik Industri President University yang telah membekali
penulis dengan ilmu pengetahuan dan pembelajaran yang berharga selama
perkuliahan yang tidak bisa saya sebutkan satu persatu.
6. Manager, Supervisor, dan rekan-rekan kerja di departemen Production
Planning and Inventory Control di PT. Mannoh Tsuda, yang telah memberikan
arahan, dukungan serta bantuannya.
7. Auliya Rahmi Ritonga yang selalu memberikan semangat, doa, dorongan, serta
pengertian yang besar kepada penulis selama mengikuti perkuliahan maupun
dalam menyelesaikan Skripsi di President University.
8. Untuk sahabat terbaik Heris, Nisa, Rani, dan Fariz yang selalu memberikan
semangat.
VI
9. Rekan-rekan seperjuangan batch 2014 Industrial Engineering President
University
Penulis menyadari, didalam penyusunan skripsi ini masih jauh dari
kesempurnaan serta banyak kekurangan. Untuk itu, besar harapan penulis jika
terdapat kritik dan saran yang membangun untuk membantu dalam
penyempurnaan dimasa yang akan datang.
Penyusun
,
Cikarang, 10 Februari 2018
VII
DAFTAR ISI
LEMBAR REKOMENDASI PEMBIMBING .......................................................I
LEMBAR PERNYATAAN ORISINALITAS ..................................................... II
ABSTRAK ........................................................................................................ IV
KATA PENGANTAR ........................................................................................ V
DAFTAR ISI ....................................................................................................VII
DAFTAR TABEL .............................................................................................. X
DAFTAR GAMBAR ...................................................................................... XIII
BAB I .................................................................................................................. 1
PENDAHULUAN ............................................................................................... 1
1.1. Latar Belakang Permasalahan ................................................................ 1
1.2. Rumusan Masalah .................................................................................. 2
1.3. Tujuan ................................................................................................... 3
1.4. Batasan Masalah .................................................................................... 3
1.5. Asumsi .................................................................................................. 3
1.6. Sistematika penulisan............................................................................. 4
BAB II TINJAUAN PUSTAKA .......................................................................... 6
2.1. Peramalan (Forecasting) ........................................................................ 6
2.1.1. Defenisi peramalan ......................................................................... 6
2.1.2. Tujuan Peramalan ........................................................................... 6
2.1.3. Proses Peramalan ............................................................................ 7
2.1.4. Metode Peramalan .......................................................................... 8
2.1.5. Metode Pemulusan (Smoothing)...................................................... 9
2.1.6. Analisis Kesalahan Peramalan ...................................................... 15
2.2. Persediaan ........................................................................................... 16
VIII
2.2.1. Defenisi Persediaan ...................................................................... 16
2.2.2. Faktor Penyebab Munculnya Persediaan ....................................... 17
2.2.3. Mamfaat Persediaan ...................................................................... 18
2.2.4. Tujuan Pengelolaan Persediaan ..................................................... 18
2.2.5. Jenis Persediaan ............................................................................ 19
2.3. Material Requirement Planning (MRP) ................................................ 21
2.3.1. Teknik kuantitas Pesanan Ekonomis ............................................. 22
2.3.2. Teknik Lot For Lot ....................................................................... 24
BAB III METODOLOGI PENELITIAN............................................................ 26
3.1. Observasi Awal ................................................................................... 26
3.2. Identifikasi Masalah ............................................................................. 26
3.3. Studi Pustaka ....................................................................................... 26
3.4. Pengumpulan Data ............................................................................... 27
3.5. Analisis................................................................................................ 27
3.6. Simpulan dan Saran ............................................................................. 28
BAB IV DATA DAN ANALISIS ...................................................................... 31
4.1. Gambaran Umum Perusahaan .............................................................. 31
4.2. Pengumpulan Data ............................................................................... 31
4.2.1. Data Penjualan .............................................................................. 32
4.2.2. Data Struktur Produk .................................................................... 33
4.2.3. Data Bill Of Material .................................................................... 35
4.2.4. Data Harga Material Atau Komponen ........................................... 37
4.2.5. Data Biaya .................................................................................... 38
4.2.6. Data Lead Time............................................................................. 41
4.3. Pengolahan Data .................................................................................. 43
4.3.1. Pengolahan Data Peramalan Permintaan ....................................... 43
4.3.2. Jadwal Induk Produksi (Master Production Schedule) .................. 66
4.3.3. Perhitungan Kebutuhan Part atau komponen ................................ 67
4.3.4. Lot Sizing ...................................................................................... 70
IX
4.4. Analisis Data ....................................................................................... 80
4.4.1. Analisis Model Peramalan Single Exponential Smoothing ............. 81
4.4.2. Analisa Model Peramalan Double Exponential Smoothing ............ 82
4.4.3. Analisa Model Peramalan Trend Linier ......................................... 83
4.4.4. Analisa Model Peramalan Winters’ (Musiman) ............................. 83
4.4.5. Perbandingan Biaya Total Persediaan ........................................... 85
BAB V KESIMPULAN DAN SARAN.............................................................. 87
5.1. Kesimpulan.......................................................................................... 87
5.2. Saran ................................................................................................... 88
DAFTAR PUSTAKA ........................................................................................ 89
X
DAFTAR TABEL
Tabel 4. 2 BILL OF MATERIAL FLOOR SHIFT ASSY TRANSMISSION ..... 35
Tabel 4.2 (Lanjutan) BILL OF MATERIAL FLOOR SHIFTASSY
TRANSMISSION .............................................................................................. 36
Tabel 4. 3 Tabel Daftar harga material atau komponen ....................................... 37
Tabel 4.3 (lanjutan) Daftar harga material atau komponen ................................ 38
Tabel 4.4 (lanjutan) Daftar Biaya Pemesanan Untuk Tiap komponen Produk Floor
Shift Assy Transmission .................................................................................... 40
Tabel 4.5 (Lanjutan) Data Biaya Penyimpanan Untuk Tiap Komponen Produk
Floor Shift Assy Transmission per bulan ............................................................ 41
Tabel 4.6 Lead Time material Floor Transmission ............................................. 42
Tabel 4.6 (lanjutan) Lead Time material Floor Transmission.............................. 43
Tabel 4.7 Perhitungan Peramalan Menggunakan Metode Double Exponential
Smoothing .......................................................................................................... 44
Tabel 4.9 Tracking Signal Model Peramalan Double Exponential Smoothing (α =
0,5) .................................................................................................................... 46
Tabel 4.9 (lanjutan) Tracking Signal Model Peramalan Double Exponential
Smoothing (α = 0,5) ........................................................................................... 47
Tabel 4.10 Hasil perhitungan menggunakan metode Trend Linier ...................... 49
Tabel 4.11 hasil peramalan permintaan pada tahun 2018 - 2029 menggunakan
metode trend Linier ........................................................................................... 50
Tabel 4.11(lanjutan) hasil peramalan permintaan pada tahun 2018 - 2029
menggunakan metode trend Linier ..................................................................... 51
Tabel 4.12 Hasil perhitungan untuk menentukan ukuran hasil peramalan dengan
Trend linier ........................................................................................................ 51
XI
Tabel 4.13 Tracking Signal model Trend Linier ................................................. 52
Tabel 4.14 Hasil perhitungan menggunakan metode Double Moving Average .... 54
Tabel 4.16 Hasi perhitungan untuk menentukan ukuran hasil peramalan dengan
Double moving average ..................................................................................... 55
Tabel 4.16 (lanjutan) Hasi perhitungan untuk menentukan ukuran hasil peramalan
dengan Double moving average ......................................................................... 56
Tabel 4.17 tracking signal model Double Moving Average ................................ 57
Tabel 4.18 Perhitungan Indeks musiman pada metode Trend seasonal ............... 59
Tabel 4.19 hasil perhitungan peramalan dengan dipengaruhi indeks musiman .... 60
Tabel 4.20 hasil peramalan tahun 2018 menggunakan metode trend seasonal .... 60
Tabel 4.21 Hasil perhitungan untuk menentukan ukuran hasil peramalan
menggunakan Trend seasonal ............................................................................ 61
Tabel 4.22 Tracking Signal Mode peramalan Trend Seasonal ............................ 62
Tabel 4.23 Perbandingan hasil peramalan permintaan Floor shift assy
trasnmission....................................................................................................... 64
Tabel 4.23 (lanjutan) Perbandingan hasil peramalan permintaan Floor shift assy
trasnmission....................................................................................................... 65
Tabel 4.24 Rencana Jumlah Floor Shift Assy Transmission yang akan diproduksi
pada tahun 2018. ................................................................................................ 66
Tabel 4.24 (lanjutan) Rencana Jumlah Floor Shift Assy Transmission yang akan
diproduksi pada tahun 2018. .............................................................................. 67
Periode (Bulan) .................................................................................................. 67
Permintaan ......................................................................................................... 67
Rencana Produksi .............................................................................................. 67
Safety Stock (5%) .............................................................................................. 67
Inventory ........................................................................................................... 67
XII
Tabel 4.25 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy
Transmission Periode Januari 2018 sampai Juni 2018. ....................................... 68
Tabel 4.26 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy
Transmission Periode Juli 2018 sampai Desember 2018. .................................... 69
Tabel 4.27 Economic Order Quantity (EOQ) Komponen Plate (TG24700-10100)
.......................................................................................................................... 72
Tabel 4.28 Hasil Perhitungan Biaya Menggunakan Model EOQ ......................... 73
Tabel 4.29 Contoh Perhitungan MRP Plate (TG24700-10100) Menggunakan
Metode Lot For Lot............................................................................................ 74
Tabel 4.30 Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018 . 76
Tabel 4.30 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk
periode 2018 ...................................................................................................... 77
Tabel 4.31 Perhitungan total biaya persediaan bahan baku dengan metode yang
sudah berjalan pada perusahaan. ........................................................................ 79
Tabel 4.31 (lanjutan) Perhitungan total biaya persediaan bahan baku dengan
metode yang sudah berjalan pada perusahaan. .................................................... 80
Tabel 4.32 Perbandingan total biaya pengadaaan persediaan tahun 2018. ........... 85
Tabel 4.32 (lanjutan) Perbandingan total biaya pengadaaan persediaan tahun
2018. .................................................................................................................. 86
XIII
DAFTAR GAMBAR
Gambar 2.1 Biaya total sebagai fungsi dari kuantitas pemesanan ....................... 22
Gambar 2.2 Perubahan persediaan sepanjang waktu dengan pemesanan kembali 24
Gambar 3.1 Diagram Alir (Flow Chart) ........................................................... 30
Gambar 4.1 Transmisi Manual ........................................................................... 31
Gambar 4.2 Transmisi Automatic....................................................................... 31
Gambar 4.3 Grafik Data Permintaan Floor shift assy transmission periode 2017. 33
Gambar 4.4 Struktur Produk Floor Shift Assy Transmission .............................. 34
Gambar 4.5 Peta Control Tracking Signal dari model peramalan Double
Exponential Smoothing α = 0,5. ......................................................................... 48
Gambar 4.6 Grafik permintaan aktual pada tahun 2017 ...................................... 49
Gambar 4.7 Peta control tracking signal dari model peramalan Trend Linier ...... 53
Gambar 4.8 Peta control Tracking Signal dari model peramalan Double Moving
Average ............................................................................................................. 58
Gambar 4.9 Peta control tracking signal dari model peramalan trend seasonal.... 63
Gambar 4.10 Grafik Perbandingan hasil Forecasting model Single Exponential
menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 81
Gambar 4.11 Grafik Perbandingan hasil Forecasting Model Double Exponential
menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 82
Gambar 4.12 Grafik Perbandingan hasil Forecasting Model Trend Linier
menggunakan Minitab 16 dengan permintaan aktual tahun 2017 ........................ 83
Gambar 4.13 Grafik Perbandingan hasil Forecasting Model musiman
menggunakan Minitab 16 dengan permintaan aktual tahun 2017. ....................... 84
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Permasalahan
Perencanaan produksi merupakan bagian penting yang harus dilakukan di
industri manufaktur. Perencanaan produksi bertujuan untuk menentukan
jumlah produk yang harus dihasilkan dengan waktu yang sesuai dengan
jadwal produksi,sehingga proses produksi dapat berjalan dengan lancar dan
ekonomis.Perencanaan produksi yang baik akan dapat meningkatkan
keuntungan perusahaan karena mampu meminimalkan biaya produksi dan
dapat memenuhi kebutuhan dari permintaan produk. Sasaran perusahaan
melakukan perencanaan untuk menetapkan tingkat output secara menyeluruh
dalam jangka waktu tertentu untuk menghadapi permintaan pasar yang
bersifat fluktuatif atau tidak pasti. Kelancaran proses produksi juga banyak
dipengaruhi oleh ketersediaan bahan baku,yaitu persediaan bahan baku yang
memadai,untuk mengatasi masalah tersebut perusahaan perlu membuat atau
menetapkan perencanaan bahan baku dan jadwal induk produksi yang baik
sehingga dapat diketahui kapan dan berapa banyak produk harus di produksi
dan akhirnya dapat memenuhi permintaan konsumen tepat waktu dan jumlah
yang sesuai.
PT Mannoh Tsuda merupakan salah satu perusahaan industri yang bergerak
di bidang produksi otomotif berupa part dan engine mobil yang bekerja sama
dengan Car Maker yang ada di indonesia seperti Toyota, Suzuki,Astra
Daihatsu dan Mitsubishi. Untuk menjaga kelancaran dan kepercayaan
pelanggan PT. Mannoh Tsuda selalu berupaya dalam memenuhi permintaan
dan selalu menjaga kualitas serta tepat waktu pada saat pengiriman produk
sesuai waktu yang ditentukan oleh customer.
2
Kegiatan produksi yang dilakukan masih ada operasi kerja yang terhenti
akibat keterlambatan material. Perusahaan berusaha mengoptimalkan seluruh
sumber daya yang ada untuk mencapai target perusahaan dengan baik.
Perusahaan belum mempunyai model penjadwalan produksi dan perencanaan
persediaan yang baik sehingga sering terjadi keterlambatan material dan
kebutuhan bahan baku untuk periode berikutnya belum bisa diketahu dengan
pasti sehingga sering kali proses pemesanan material atau komponen diluar
perkiraan sehingga akan menimbulkan biaya yang berlebihan. Berdasarkan
kondisi tersebut maka perlu adanya perencanaan produksi dan pengendalian
material yang baik agar proses produksi dapat berjalan lancar sehingga dan
dapat meminimumkan biaya pengeluaran untuk proses pengadaan material.
Selama ini perusahaan menggunakan sistem kanban untuk mengendalikan
persediaan dan menentukan kuantitas kebutuhan material yang akan di order
ke supplier. Karena sering terjadi kehilangan kartu kanban maka sering
terjadi kesalahan pada order kanban atau order material dan juga akibat dari
kurang support dari supplier dan kondisi geografi di indonesia seperti
kondisi jalan di saaat hari hari besar yang berdampak pada keterlambatan
pengiriman material serta tingginya fluktuatif permintaan pelanggan sering
kali terjadi kehabisan material yang mengkibatkan terganggunya proses
produksi dan mengakibatkan bertambahnya biaya yang harus dikeluarkan
oleh perusahaan.
1.2. Rumusan Masalah
Permasalahan yang menjadi fokus penelitian adalah bagaimana membuat
model peramalan yang bisa di andalkan yang bisa diterapkan dalam
perusahaan dan mengurangi tingginya biaya yang dikeluarkan perusahaan
dalam pengadaan persediaan.
3
1.3. Tujuan
1. Menentukan peramalan terbaik untuk memperkirakan permintaan pada
periode yang akan datang.
2. Melakukan pengendalian persediaan berdasarkan metode Lot Sizing
terbaik dengan biaya paling rendah.
3. Melakukan perencanaan kebutuhan material dengan menggunakan
metode yang terbaik dengan biaya paling minimum.
1.4. Batasan Masalah
Batasan masalah dalam penelitian ini adalah sebagai berikut :
1. Penelitian dilakukan di PT. Mannoh Tsuda.
2. Penelitian hanya dilakukan terhadap Floor assy Transmission D99B atau
Line AT3 (Automatic)
3. Perhitungan material hanya pada material untuk model yang kanan.
4. Data yang digunakan adalah data selama satu tahun, yaitu Januari 2017
sampai Desember 2017
1.5. Asumsi
Asumsi yang di gunakan dalam penelitian ini adalah Lead Time diasumsikan
Determenistik,dalam hal ini perusahaan telah menetapkan waktu pemesanan
ke pemasok,dalam hal pembuatan purchase order dan waktu pengadaan
barang dari pemasok hingga kegudang, dijaga agar tepat waktu sehingga
pemasok yang telah sepakat untuk memenuhi permintaan ,setiap kegiatannya
mulai dari penerimaan pemesanan,pembuatan barang,pengiriman
barang,hingga barang tersebut sampai kegudang akan dipantau perusahaan.
struktur biaya tidak berubah,dimana harga harga per unit barang adalah tetap
dan biaya pemesanan serta penyimpanan adalah tetap. Hari kerja dalam
sebulan yaitu 22 hari. Kapasitas gudang dan modal cukup untuk menampung
4
dan membeli pesanan.tidak ada quantity discount.biaya variabel hanya terdiri
atas set up cost dan holding cost.
1.6. Sistematika penulisan
Berikut ini adalah sistematika penulisan :
BAB I PENDAHULUAN
Bab ini menguraikan tentang latar belakang permasalahan,diagram keterkaitan
permasalahan,tujuan penelitian,ruang lingkup penelitian dan asumsi
penelitian.
BAB II STUDI PUSTAKA
Bab ini menguraikan teori-teori yang berkaitan dengan topik utama yang
dibahas yaitu statistik permasalahan dan pengelolaan persediaan. Teori-teori
tersebut dijadikan landasan pengolahan data. Teori tersebut meliputi teori
statistik mengenai peramalan, metode Material Requirement Planning
Requirement,meliputi EOQ ,Lot For Lot kemudian defenisi persediaa,tujuan
persediaan,jenis-jenis persediaan dan biaya –biaya persedian.
BAB III METODOLOGI PENELITIAN
Bab ini merupakan gambaran terstruktur tahap demi tahap proses pelaksanaan
penelitian yang digambarkan dalam bentuk flow chart dan tiap tahapnya
diberi penjelasan
BAB IV DATA DAN ANALISIS
Bab ini menguraikan pengolahan data-data yang didapat dengan menggunakan
metode peramalan Trend Linier dan Double Exponential Smoothing dan
metode MRP yakni metode Economic Order Quantity dan Lot For Lot.
5
BAB V SIMPULAN DAN SARAN
Bab ini menguraikan kesimpulan yang ditarik berdasarkan hasil penelitian dan
saran yang diajukan untuk pengembangan penelitian selanjutnya.
6
BAB II
TINJAUAN PUSTAKA
2.1. Peramalan (Forecasting)
Peramalan atau yang biasa disebut forecasting merupakan suatu teknik untuk
memprediksi atau memperkirakan suatu nilai pada masa yang akan datang
dengan memperhatikan data atau informasi masa lalu maupun saat ini, baik
secara matematik maupun statistik
2.1.1. Defenisi peramalan
Menurut Gaspersz (2004) Aktivitas peramalan merupakan suatu fungsi bisnis
yang berusaha memperkirakan penjualan dan penggunaan produk sehingga
produk-produk itu dapat dibuat dalam kuantitas yang tepat. Dengan demikian
peramalan merupakan suatu dugaan terhadap permintaan yang akan datang
berdasarkan pada beberapa variabel peramalan,seringkali berdasarkan data
deret waktu historis. Peramalan dapat menggunakan teknik-teknik peramalan
yang yang bersifat formal maupun informal.
Menurut Awat (2000) menjelaskan bahwa peramalan merupakan kegiatan
untuk mengetahui nilai variabel yang dijelaskan (variabel dependen) pada
masa yang akan datang dengan mempelajari variabel independen pada masa
lalu,yaitu dengan menganalisis pola data dan melakukan ekstrapolasi bagi
nilai-nilai masa yang akan datang.
Menurut Adam dan Ebert (2002) peramalan merupakan suatu perkiraan
keadaan pada masa yang akan datang dengan menggunakan data dimasa lalu.
2.1.2. Tujuan Peramalan
Menurut Gapersz (2004) tujuan utama dari peramalan dalam manajemen
permintaan adalah untuk meramalkan permintaan dari item-item independent
7
demand dimasa yang akan datang. Selanjutnya dengan
mengkombinasikannya dengan pelayanan pesanan (order service) yang
bersifat pasti kita tidak dapat mengetahui pasti,kita tidak dapat mengetahui
total permintaan dari suatu item atau produk agar memudahkan manajemen
produksi dan inventori. Perencanaan produksi dan inventori termasuk
kapasitas dan sumber daya lainnya dalam indusitri manufaktur.
2.1.3. Proses Peramalan
Terdapat beberapa proses dalam melakukan kegiatan peramalan diantaranya:
1. Menentukan tujuan melakukan peramalan
Mamfaat dalam menentukan tujuan peramalan adalah untuk mengetahui
informasi-informasi yang dibutuhkan dalam peramalan.informasi tersebut
diantaranya adalah variabel-variabel yang akan diramalkan,periode
peramalan,waktu penggunaan hasil peramalan,derajat ketepatan hasil
peramalan,dan orang yang akan menggunakan hasil peramalan.
2. Pengembangan model
Maksud dari model disini adalah kerangka analisis yang digunakan dalam
melakukan peramalan dimana apabila dimasukkan data akan menghasilkan
suatu perkiraan yang dapat menggambarkan secara nyata perilaku variabel
yang digunakan.
3. Penguji model
Pengujian model bertujuan untuk mengetahui keakuratan model peramalan
yang digunakan. Keakuratan model peramalan ditentukan oleh derajat
ketepatan hasil peramalan terhadap kenyataan sebenarnya.
4. Penerapan model
Setelah model dikembangkan dan diuji ketepatannya,model yang telah
tepat tersebut digunakan untuk mengolah data historis agar menghasilkan
suatu data perkiraan kondisi dimasa yang akan datang.
8
5. Revisi
Kegiatan revisi ini diperlukan jika terdapat perubahan-perubahan dari
suatu kejadian yang dapat memengaruhi proses peramalan.
6. Evaluasi
Evaluasi ini dilakaukan dengan cara membandingkan hasil peramalan
yang didiapt dengan hasil sebenarnya
2.1.4. Metode Peramalan
Menurut Sinulinnga (2009) metode peramalan dapat diklasifikasikan atas dua
kelompok besar yaitu peramalan metode kualitatif dan kuantitatif. Kedua
kelompok tersebut memberikan hasil peramalan yang kuantitatif.
Perbedaannya terletak pada cara peramalannya.
1. Peramalan kualitatif
Metode kualitatif pada umumnya digunakan apabila data kuantitatif tentang
permintaan masa lalu tidak tersedia atau akurasinya tidak memadai. Misalnya
peramalan tentang permintaan produk baru yang akan dikembangkan, jelas
data masa lalu tidak tersedia. Walaupun data masa lalu tersedia, kalau kondisi
lingkungan masa yang akan datang sama sekali sudah berbeda dengan kondisi
masa lalu maka keberadaan data masa lalu itu tidak akan menolong
peramalan permintaan masa yang akan datang.
2. Peramalan kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data kuantitatif
pada masa lalu. Hasil peramalan ini sangat bergantung pada metode yang
digunakan dalam peramalan tersebut. Baik tidaknya penggunaan metode
ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan
keadaan sebenarnya. Semakin kecil penyimpangan atau tingkat Error dengan
hasil kenyataan yang terjadi berarti metode yang digunakan semakin baik.
Peramalan kuantitatif digunakan apabila kondisi berikut terpenuhi :
a. Adanya informasi tentang masa lalu
9
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
c. Informasi terbaru dapat diasumsikan bahwa pola masa lalu akan berulang
dimasa yang akan datang
Kategori peramalan kuantitatif memamfaatkan data historis untuk
diproyeksikan sebagai hasil peramalan di masa yang akan datang. Data ini
tergolong kedalam runtutan waktu (Time series). Pengertian time series
adalah himpunan observasi berurut dalam rentang waktu tertentu. Teknik
peramalan yang menggunakan data time series memiliki beberapa
asumsi,diantaranya :
a. Keteraturan (regularity) merupakan variabel dimasa lalu akan secara
teratur muncul dimasa yang akan datang.
b. Keajegan (persistence) merupakan pola yang terjadi di masa lalu akan
tetap terjadi di masa yang akan datang.
c. Kehandalan (reliability) dan kesahihan (validity) merupakan ketepatan
peramalan tergantung pada kehandalan dan kesahihan data yang
tersedia.
Terdapat beberapa contoh metode peramalan berdasarkan peramalan
berdasarkan pendekatan time series, diantaranya adalah metode moving
average, metode exponential smoothing,metode dekomposisi, metode
ARIMA, dan lain-lain. Metode exponential smoothing terdiri dari single
exponential smoothingi,exponential smoothing berganda, dan metode Holt-
winters exponential smoothing.
2.1.5. Metode Pemulusan (Smoothing)
Metode pemulusan adalah metode peramalan yang mengadakan penghalusan
atau pemulusan terhadap data masa lalu, yaitu dengan mengambil rata-rata
nilai beberapa periode sebelumnya untuk menaksir nilai kebutuhan periode
yang akan datang. Secara umum metode pemulusan (Smoothing) dapat
diklasifikasikan menjadi :
10
2.1.5.1. Metode Rata-Rata (Average)
Peramalan dilakukan dengan mengambil kelompok data masa lalu
kemudian dibuat rata-ratanya. Rata-rata data tersebut dibuat untuk
melakukan peramalan untuk periode selanjutnya. Metode ini biasa disebut
sebagai rata-rata bergerak (moving average) karena terdapat pergerakan
data setiap ada hasil dari rata-rata sebelumnya atau terdapat observasi baru
maka rata-rata yang baru dihitung dan digunakan untuk menghitung rata-
rata periode selanjutnya. Tujuan dari metode rata-rata adalah untuk
memamfaatkan data pada masa lalu untuk mengembangkan suatu sistem
peramalan pada periode yang akan datang.
Metode rata-rata dibagi atas empat bagian yaitu :
1. Nilai tengan (mean)
2. Rata-rata bergerak tunggal (single moving average)
3. Rata-rata bergerak ganda (double moving average )
4. Kombinasi rata-rata bergerak lainnya
Metode rata-rata dapat dirumuskan sebagai berikut :
Moving Average (MA) = ∑𝒙
𝒏
Dimana :
∑x : adalah jumlah data permintaan
n : adalah jumlah periode
Moving average secara efektif meratakan atau menghaluskan fluktuasi
pola data yang ada. Tentu saja semakin panjang periodenya,semakin rata
kurvany. Kebaikan lainnya adalah bahwa metode rata-rata dapat
diterapkan pada jenis data apapun juga,apakah data sesuai dengan suatu
kurva matematik atau tidak.
11
2.1.5.2. Metode Exponential Smoothing
Exponential Smoothing adalah teknik peramalan rata-rata bergerak yang
melakukan penimbangan terhadap data masa lalu dengan cara
eksponensial dengan pemberian bobot pada data sehingga data paling
akhir mempunyai bobot lebih besar dalam rata-rata bergerak. Exponential
Smoothing terdiri dari tiga metode,diantaranya adalah single exponential
smoothing,double exponential smoothing,dan Holt-Winter exponential
smoothing.
1. Single exponential Smoothing
Metode Single Exponential banyak digunakan karena metode tersebut
sederhana,efisien dalam perhitungan,perubahan peramalan mudah
disesuaikan dengan perubahan yang ada,dan ketelitian metode ini cukup
besar. Single Exponential Smoothing banyak digunakan untuk peramalan
jangka pendek dan digunakan jika data cukup konstan atau mengandung
trend yang tidak terlalu signifikan. Single exponential Smoothing
dirumuskan sebagai berikut:
Ft = αAt-1 +(1-α) Ft-1
Dimana :
Ft adalah exponentially smoothed forecast untuk periode t
Ft-1 adalah exponentially smoothed forecast untuk periode sebelumnya
α adalah smoothing constant
At-1 adalah data forecast di periode sebelumnya
Hal utama dalam dilakukan dalam metode exponential smoothing adalah
menentukan nilai α . exponential smoothing sederhana tidak
memperhitungkan pengaruh trend, sehingga tidak ada nilai α yang akan
sepenuhnya menggantikan trend dalam data. Nilai α dapat disesuaikan
12
dengan pola data historis aktual. Apabila pola data historis tidak stabil dari
waktu ke waktu, maka nilai α yang dipilih mendekati 1 karena akan lebih
responsif terhadap fluktuasi permintaan. Namun jika nilai α rendah akan
menyebabkan jarak yang lebih lebar dengan trend maka hal itu akan
memberikan bobot yang lebih kecil pada permintaan sekarang. Oleh
karena itu, pola historis dari data aktual tidak berfluktuasi atau stabil dari
waktu ke waktu memiliki nilai α mendekati 0. Alternatif lain yang dapat
dilakukan adalah dengan melakukan trial and error sehingga menemukan
nilai α yang menghasilkan nilai MAPE terkecil.
2. Double Exponential Smoothing
Pada metode double exponential smoothing mempertimbangkan adanya
level dan trend pada pola permintaan. Double exponential smoothing
dirumuskan sebagai berikut :
St = αYt + ( 1- α) ( St-1 + bt-1 )
bt = β ( St - St-1 ) + ( 1-β ) bt – 1
Ft + m = St + bt m
Dimana :
α : Adalah level smoothing constant
St : Adalah Smoothed at the end of periode t
β : Adalah trend snoothing constant
bt : Adalah smoothed trend in period t
m : Adalah forecast horizon
13
3. Holt-Winters Exponential smoothing
Metode ini lebih kompleks dibandingkan dengan metode peramalan yang
lain karena metode peramalan ini memperhatikan pola level, dan
seasonal dari suatu permintaan . Metode ini dirumuskan sebagai berikut :
St = α 𝑌𝑡
𝐼𝑡−𝑙+ (1 − 𝛼 ) ( St-1 - bt-1 )
bt = β (St - St-1 ) + ( 1 – β ) bt – 1
It = γ 𝑌𝑡
𝑆𝑡 + ( 1- γ ) It – L
Ýi + m = ( St + bt m ) It – L + m
Dimana :
α : adalah smoothing constant, digunakan untuk St
Yt : adalah nilai aktual permintaan pada akhir periode t
St : adalah smoothing value pada akhir t setelah penyesuaian
seasonality
β : adalah smoothing constant, digunakan untuk mengkalkulasi bt
bt : adalah smoothed value dari tren periode t
It-L : adalah smoothed seasonal index L periode
L : adalah length of seasonal index L periode yang lalu
γ : adalah smoothing constant, untuk menghitung seasonal index
periode t
m : adalah horizon length di forecast Ýi + m
4. Croston’s Method
Croston’s Method merupakan metode peramalan permintaan
dikembangkan untuk memperkirakan sejumlah permintaan di periode
yang lebih akurat. Seperti metode exponential smoothing croston’s
14
method mengasumsikan lead time demand (LTD) mempunyai distribusi
normal. Croston’s Method memperkirakan rata-rata perintaan per
periode, dengan menerapkan exponential smoothing , terbagi menjadi
dua yaitu interval antara permintaan yang tidak nol ( nonzero ) dan
ukuran kuantitas permintaan . persamaan croston’s method terbagi
menjadi dua, yaitu :
a. Jika X (t) = 0
St = St-1
It = It – 1
Q = q + 1
b. Jika X (t) ≠ 0
St = αXt + ( 1- α ) St – 1
It = αq + ( 1 - α ) It – 1
Q = 1
Kombinasi dari ukuran kuantitas permintaan dan interval kejadian
permintaan per periode, maka
M (t) = 𝑆𝑡
𝐼𝑡
Dimana :
S (t) adalah perkiraan ukuran kuantitas permintaan
I (t) adalah rata rata interval antara permintaan
Q adalah interval waktu sejak permintaan terakhir
X (t) adalah permintaan pada periode t
M (t) adalah peramalan permintaan pada periode
15
2.1.6. Analisis Kesalahan Peramalan
Kesalahan peramalan didefenisikan sebagai perbedaan nilai antara hasil
peramalan dengan keadaan sesungguhnya. Nilai kesalahan peramalan
menunjukkan keakuratan hasil peramalan yang dilakukan dimana jika
nilainya lebih kecil maka nilai kesalahannya kecil atau nilai keakuratannya
besar. Nilai kesalahan peramalan perlu diketahui karena hasil dari peramalan
tidak sepenuhnya akurat terjadi, tetapi ketidakakuratan tersebut dapat
diidentifikasi dengan cara melihat kesalahan peramlan (forecast Error ) yang
nilainya paling kecil. Oleh karena itu perlu dilakukan uji keakuratan hasil
peramalan dengan menghitung nilai :
1. Mean Square Error (MSE)
MSE = ∑(𝑌𝑡−𝑌𝑡′)
𝑛
2
MSE = menunjukkan rata-rata dari kuadrat kesalahan yang terjadi selama
periode peramalan
2. Mean Absolute Deviation ( MAD)
MAD = ∑∣𝑦𝑡−𝑦𝑡′∣
𝑛
MAD menunjukkan rata – rata nilai absolut dari kesalahan yang terjadi
selama periode peramalan
3. Mean Absoliute Percentage Error ( MAPE )
MAPE = ∑ ∣(𝑦𝑡−𝑦𝑡′)𝑛
𝑖=0
𝑛 x 100 %
MAPE menunjukkan rata – rata persentase dari nilai absolut kesalahan
yang terjadi selama periode peramalan yang dibandingkan terhadap aktual.
Dimana :
16
yt -yt’ adalah kesalahan peramalan pada periode t
y adalah permintaan
n adalah jumlah periode
2.2. Persediaan
Perusahaan jasa maupun manufaktur yang bergerak dalam bidang industri, baik
yang menjalankan metode push maupun pull inventory system biasanya
mempunyai persediaan untuk mencapai kepuasan pelanggan. Oleh karena itu
setiap perusahaan mempunyai perencanaan yang ditetapkan bersama. Ketepatan
dalam melakukan antisipasi atas segala ketidakpastian keadaan dapat
memungkinkan perusahaan untuk menyimpan sejumlah barang tertentu agar
setiap permintaan pelanggan dapat terpenuhi.
2.2.1. Defenisi Persediaan
Menurut Ristono (2009) persediaan dapat diartikan sebagai barang barang yang
disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang.
Persediaan terdiri dari persediaan bahan baku , persediaan bahan setengah jadi
dan persediaan barang jadi. Persediaan bahan baku dan bahan setengah jadi
disimpan sebelum digunakan atau di masukkan kedalam proses produksi,
sedangkan persediaan barang jadi atau barang dagang disimpan
sebelumBdidjualtatau dipasarkan. Dengan demikian setiap perusahaan yang
melakukan kegiatan usaha umumnya memiliki persediaan.
Menurut Pardede (2005), persediaan (inventory) adalah sejumlah barang atau
bahan yang tersedia untuk digunakan sewaktu-waktu di masa yang akan datang.
Sediaan terjadi apabila jumlah bahan atau barang yang diadakan (dibeli atau
dibuat sendiri) lebih besar daripada jumlah yang digunakan (dijual atau diolah
sendiri).
Menurut Heizer dan Render (2010), persediaan adalah salah satu asset termahal
dari banyak perusahaan, mewakili sebanyak 50% dari keseluruhan modal yang
17
diinvestasikan. Manajer operasi diseluruh dunia telah menyadari bahwa
manajemen persediaan sangatlah penting. Di satu sisi, sebuah perusahaan dapat
mengurangi biaya dengan mengurangi persediaan. Di sisi lain, produksi dapat
berhenti dan pelanggan menjadi tidak puas ketika sebuah barang tidak tersedia.
Tujuan manajemen persediaan adalah menentukan keseimbangan antara
investasi persediaan dengan pelayanan pelanggan. n di simpan sebelum dijual
atau dipasarkan.
Menurut Assauri (2008), persediaan adalah suatu aktiva yang meliputi barang
milik perusahaan dengan maksud untuk dijual suatu periode usaha yang normal
atau persediaan barang-barang yang masih dalam pengerjaan/proses produksi,
ataupun persediaan barang baku yang menunggu penggunaannya dalam suatu
proses produksi. Jadi persediaan merupakan sejumlah bahan-bahan, parts yang
disediaakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan
untuk proses produksi, serta barang-barang jadi/produk yang disediakan untuk
memenuhi permintaan dari komponen atau langganan setiap waktu.
2.2.2. Faktor Penyebab Munculnya Persediaan
Menurut Sumayang (2003), penyebab timbulnya persediaan adalah sebagai
berikut:
1. Menghilangkan pengaruh ketidakpastian. Untuk menghadapi ketidakpastian
maka pada sistem ditetapkan persediaan darurat yang dinamakan safety stock.
Jika sumber dari ketidakpastian dapat dihilangkan, maka jumlah inventory
maupun safety stock dapat dikurangi.
2. Memberi waktu luang untuk pengelolaan produksi dan pembelian.
Kadangkadang lebih ekonomis memproduksi barang dalam proses atau
barang jadi dalam jumlah besar atau dalam jumlah paket yang kemudian
disimpan sebagai persediaan.
18
3. Untuk mengantisipasi perubahan pada demand dan supply. Inventory
disiapkan untuk menghadapi bila ada perkiraan perubahan harga dan
persediaan bahan baku.
2.2.3. Mamfaat Persediaan
Menurut Assauri (2008), alasan diperlukannya persediaan oleh suatu perusahaan
adalah karena :
1. Dibutuhkannya waktu untuk menyelesaikan operasi produksi untuk
memindahkan produk dari suatu tingkat ke tingkat produksi proses yang lain,
yang disebut persediaan dalam proses dan pemindahan.
2. Alasan organisasi, untuk memungkinkan satu unit atau bagian membuat
jadwal operasinya secara bebas, tidak tergantung dari yang lainnya.
2.2.4. Tujuan Pengelolaan Persediaan
Menurut Ristono (2008) Suatu pengendalian persediaan yang dilakukan oleh
perusahaan sudah tentu memiliki tujuan-tujuan tertentu.pengendalian persediaan
yang dijalankan adalah untuk menjaga tingkat persediaan pada tingkat optimal
sehingga diperoleh penghematan-penghematan untuk persediaan tersebut. Hal
inilah yang dianggap penting untuk dilakukan perhitungan persediaan sehingga
dapat menunjukkan tingkat persediaan yang sesuai dengan kebutuhan dan dapat
menjaga kontiunitas produksi dengan pengorbanan atau pengeluaran biaya yang
ekonomis.berikut adalah yang termasuk tujuan persediaan :
a. Untuk dapat memenuhi kebutuhan atau permintaan konsumen dengan cepat
(memuaskan konsumen)
b. Untuk menjaga kontiunitas produksi atau menjaga agar perusahaan tidak
mengalami kehabisan persediaan yang mengakibatkan terhentinya proses
produksi, hal ini dikarenakan kemungkinan barang menjadi langka sehingga
sulit untuk diperoleh dan kemungkinan Supplier terlambat mengirimkan
barang yang dipesan.
19
c. Untuk mempertahankan dan bila mungkin meningkatkan penjualan dan laba
perusahaan.
d. Menjaga agar pembelian secara kecil-kecilan dapat dihindari, karena dapat
mengakibatkan ongkos pesan menjadi lebih besar.
e. Menjaga supaya penyimpanan dalam emplacement tidak besar-besaran
karena akan mengakibatkan biaya menjadi besar.
2.2.5. Jenis Persediaan
A. Persediaan berdasarkan bentuknya
Menurut Nasution dan Prastyawan (2008), dilihat dari bentuk atau jenisnya
persediaan dibedakan menjadi empat, yaitu:
1. Bahan baku (raw material) adalah barang-barang yang dibeli dari pemasok
(supplier) dan akan digunakan atau diolah menjadi produk jadi yang akan
dihasilkan perusahaan.
2. Bahan setengah jadi (work in process) adalah bahan baku yang sudah
diolah atau dirakit menjadi komponen namun masih membutuhkan
langkahlangkah lanjutan agar menjadi produk jadi.
3. Barang jadi (finish good) adalah barang jadi yang telah selesai diproses,
siap untuk disimpan di gudang barang jadi, dijual, atau didistribusikan ke
lokasilokasi pemasaran.
4. Bahan-bahan pembantu (supplier) adalah barang-barang yang dibutuhkan
untuk menunjang produksi, namun tidak akan menjadi bagian pada produk
akhir yang dihasilkan perusahaan.
Menurut Heizer dan Render (2010), untuk mengakomodasi fungsi-fungsi
persediaan, perusahaan harus memelihara empat jenis persediaan, yaitu:
1. Persediaan bahan mentah (raw material inventory), digunakan untuk
melakukan decouple (memisahkan) pemasok dari proses produksi.
Bagaimanapun juga, pendekatan yang lebih dipilih adalah menghilangkan
20
variabilitas pemasok akan kualitas, kuantitas, atau waktu pengantaran
sehingga tidak diperlukan pemisahan.
2. Persediaan barang setengah jadi (work in process-WIP inventory) adalah
komponen-komponen atau bahan mentah yang telah melewati beberapa
proses perubahan, tetapi belum selesai. WIP ada karena waktu yang
diperlukan untuk menyelesaikan sebuah produk (disebut waktu siklus).
Mengurangi waktu siklus akan mengurangi persediaan.
3. Persediaan pasokan pemeliharaan/perbaikan/operasi (maintenance, repair,
operating-MRO) adalah persediaan-persediaan yang disediakan untuk
persediaan pemeliharaan, perbaikan dan operasi yang dibutuhkan untuk
menjaga agar mesin-mesin dan proses-proses tetap produktif. MRO ada
karena kebutuhan serta waktu untuk pemeliharaan dan perbaikan dari
beberapa perlengkapan tidak diketahui. Walaupun permintaan akan MRO
merupakan fungsi dari jadwal pemeliharaan, permintaan-permintaan MRO
lainnya yang tidak terjadwal harus diantisipasi.
4. Persediaan barang jadi (finish good inventory) adalah produk yang telah
selesai dan tinggal menunggu pengiriman. Barang jadi dapat dimasukkan
ke persediaan karena permintaan pelanggan di masa mendatang tidak
diketahui.
B. Persediaan berdasarkan fungsinya
1. Pipeline / Transit Inventory
Merupakan persediaan yang sedang dalam proses pengiriman dari tempat asal
ke tempat asal ke tempat dimana barang itu akan digunakan. Persediaan ini
timbul karena adanya lead time dari satu tempat ke tempat lain. Persediaan
akan banyak jika jarak dari tempat asal ke tempat tujuan cukup jauh dan bisa
memakan waktu beberapa hari atau beberapa minggu.
2. Cycle Stock
Merupakan persediaan yang timbul akibat adanya motif untuk memenuhi skala
ekonomi dan mempunyai suatu siklus tertentu. Persediaan ini berfungsi untuk
menjaga terjadinya fluktuasi permintaan yang tidak dapat diperkirakan
21
sebelumnya, dan untuk mengatasi jika terjadi kesalahan / penyimpangan dari
perkiraan penjualan, waktu produksi, atau waktu pengiriman barang.
3. Anticipation Stock
Merupakan persediaan yang dibutuhkan untuk menghadapi permintaan yang
diramalkan, misalnya pada saat jumlah permintaan besar, tetapi kapasitas
produksi tidak mampu memenuhi permintaan tersebut. Jumlah permintaan
yang besar ini diakibatkan oleh sifat musiman dari suatu produk.
Persediaan ini juga menjaga kemungkinan sukarnya diperoleh bahan baku,agar
proses produksi tidak berhenti.
4. Lot Size Inventory
Merupakan persediaan yang diadakan dalam jumlah yang lebih besar daripada
kebutuhan saat itu. Persediaan jenis ini dilakukan untuk mendapatkan potongan
harga karena pembelian barang dalam jumlah besar. Persediaan jenis ini juga
dapat mengehemat biaya pengangkutan karena memeperkecil frekuensi
pengiriman barang dan biaya per unit pengangkutannya lebih murah.
C. Persediaan berdasarkan sifat ketergantungan kebutuhan antara suatu item
dengan item lainnya.
1. Dependent demand item
Item-item yang kebutuhannya tergantung pada item part lain. Yang termasuk
pada kelompok ini adalah komponen atau bahan baku yang akan digunakan
untuk membuat produk jadi.
2. Independent demand item
Item part yang tidak tergantung pada kebutuhan item lain. Item yang termasuk
pada kelompok ini adalah produk jadi karena kebutuhan akan satu produk jadi
tidak tergantung pada kebutuhan produk jadi yang lain.
2.3. Material Requirement Planning (MRP)
Menurut Gaspersz (2004) Perencanaan kebutuhan material (Material
Requirement Planning) merupakan metode perencanaan dan pengendalian
pesanan dan inventori untuk item-item dependent demand, dimana permintaan
22
cenderung discontinuous and lumpy. Moto dari MRP adalah memperoleh
material yang tepat dari sumber yang tepat untuk penempatan yang tepat pada
waktu yang tepat. Berdasarkan MPS yang diturunkan dari rencana produksi.
Banyak sekali teknik yang dapat digunakan dalam menentukan ukuran lot pada
sistem MRP, berikut ini adalah beberapa diantaranya.
2.3.1. Teknik kuantitas Pesanan Ekonomis
Teknik EOQ merupakan salah satu teknik untuk meminimumkan biaya
inkremental yang berkaitan dengan pengisian kembali persediaan.
2.3.1.1. Model EOQ Dasar
Model EOQ berikut sangat mudah dipergunakan tetapi memiliki beberapa
asumsi. Yaitu (Heizer dan Render,1993) :
a. Permintaan rata-rata yang bersifat konstan
b. Waktu tenggang pasokan (konstan)
c. Setiap mata persediaan bersifat independen
d. Harga beli atau setup Cost dan biaya Holding Cost bersifat konstanta
e. Jumlah pemesana ,EOQ sama dengan jumlah yang dikirim
Gambar 2.1 Biaya total sebagai fungsi dari kuantitas pemesanan
23
Sumber : Heizer dan Render 1993
Keterangan :
Q : kuantiti per pesanan
Q* : Jumlah pemesanan optimum per pesanan
S : Biaya pemesanan per pesanan
H : Biaya penyimpanan per unit per tahun
Tujuan dari sebagian besar model persediaan adalah meminimumkan total biaya
persediaan. Dengan asumsi-asumsi tersebut biaya yang signifikan adalah biaya
pemesanan dan biaya penyimpanan . Biaya -biaya lain adalah konstanta
sehingga dengan meminimumkan jumlah biaya pemesanan dan penyimpanan
dapat berarti meminimumkan biaya total. Pada gambar 2.1 titik kuantitas
pemesanan terjadi pada saat kurva biaya pemesanan dan kurva biaya
penyimpanan berpotongan (DS/Q = QH/2), sehingga
Q* = √(2𝐷𝑆)/𝐻
2.3.1.2. Model EOQ dengan Pemesanan Kembali
Asumsi dasar dari model ini adalah penjualan tidak akan hilang kerena adanya
kekurangan bahan baku . beberapa variabel yang bisa digunakan adalah :
Q : kuantitas per pesanan
D : permintaan dalam unit
H : Biaya penyimpanan per unit per unit per tahun
24
S : Biaya pemesanan per pesanan
b : unit yang ada setelah pesanan kembali terpenuhi
Q-b : jumlah pemesana kembali (back ordering)
Gambar 2.2 Perubahan persediaan sepanjang waktu dengan pemesanan kembali
2.3.1.3. Model EOQ dengan Potongan Kuantitas
Potongan kuantitas merupakan pengurangan harga untuk barang yang dibeli
dalam jumlah besar. Pesanan untuk kuatitas dengan potongan harga terbesar
tidak selalu meminimumkan biaya, sebab pada saat potongan kuantitas
meningkat, biaya produk menurun, tetapi penyimpanan meningkat. Model-
model EOQ di atas yang lebih logis diterapkan ialah model EOQ dengan
Potongan Kuantitas, karena pada umumnya dengan pembelian yang besar,
perusahaan seringkali memperoleh potongan kuantitas dari pemasok.
2.3.2. Teknik Lot For Lot
Dalam teknik Lot for lot , Perusahaan memesan tepat sebesar yang dibutuhkan
tanpa persediaan pengaman (safety Stock) dan tanpa antisipasi atas pesanan lebih
lanjut. Pesanan dilakukan sebesar kebutuhan bersih,yaitu kebutuhan kotor
dikurangi persediaan yang ada ditangan pada periodem-periode awal dan
diharapkan pesanan akan diterima pada saat barang dibutuhkan. maka pada
periode-periode berikutnya setelah persediaan awal dihabiskan tidak terdapat
25
persediaan yang ada di tangan, sehingga kebutuhan kotor adalah sama dengan
kebutuhan bersih yang kemudian dipesan dengan harapan akan diterima tepat
pada waktunya (Buffa dan Sarin, 1996). Teknik ini berusaha menghilangkan
biaya penyimpanan persediaan yang dipegang melewati suatu persediaan. Tetapi
teknik ini tidak dapat mengambil keuntungan ekonomis yang berhubungan
dengan ukuran pesanan tetap seperti ukuran konteiner tetap dan prosedur-
prosedur standar lainnya (seperti potongan pembelian dan jaminan kontinuitas
pasokan bahan baku) karena kuantitas yang dibeli dalam jumlah kecil
disesuaikan dengan kebutuhan bersihnya setiap periode.
26
BAB III
METODOLOGI PENELITIAN
3.1. Observasi Awal
Proses observasi, langsung di lakukan di PT.mannoh Tsuda pada departemen
Planning Production Inventory Control(PPIC) dan kepada pimpinan
Purchasing. Mengenai proses peramalan dan penyusunan jadwal produksi,
dan ketentuan ketentuan yang telah disepakati bersama Supplier. Dan juga
variabel biaya apa saja yang dibebankan dalam proses pengadaaan material.
3.2. Identifikasi Masalah
Dalam perumusan masalah,hasil observasi yang didapatkan sebelumnya
ditelaah untuk mengetahui akar masalah yang terjadi dilakukan observasi
mengenai masalah-masalah yang terjadi pada divisi Planning Production
Inventory Control khusus nya pada masalah peramalan ,penjadwalan produksi
dan pengendalian material. Pada tahap observasi awal juga dilakukan
wawancara langsung kepada pimpinan dan juga staff departemen PPIC dalam
proses penjadwalan dan pengadaaan barang di PT. Mannoh Tsuda.
3.3. Studi Pustaka
Setelah akar masalah diketahui dari perumusan masalah,diperlukan literatur
yang sesuai dengan permasalahan dan metode yang digunakan untuk
menganalisisis proses peramlan, penjadwalan produksi dan pengadaan
material di PT.Mannoh tsuda selain itu proses perhitungan peramalan juga
perlu dicari dengan mempelajari penelitian –penelitian sejenis yang sudah
dilakukan. Studi terhadap penelitian-penelitian yang sudah diteliti sebelumnya
perlu dilakukan agar penelitian yang dilakukan oleh penulis tidak meneliti hal
yang sama yang pernah diteliti peneliti lain.
27
3.4. Pengumpulan Data
Tahap pengumpulan data dimulai dengan mengumpulkan data Primer ,yaitu
dengan terjun langsung dalam proses pengadaaan barang yang dilakukan oleh
PT.Mannoh Tsuda dari sini didapatkan data pembelian komponen untuk
floor shift assy transmission selama tahun 2017,rencana pembelian pada tahun
berjalan, permintaan pelanggan pada satu tahun sebelumnya,dan peramalan
permintaan selama tahun berjalan.
Selain itu,untuk melengkapi data yang akan di proses untuk menentukan
model peramalan dan metode MRP dilakukan wawancara dengan pihak yang
langsung terkait dengan proses peramlan, penjadwalan dan pengadaan barang
yaitu dengan pimpinan departemen Production Planning and Inventory
Control, staff Purchasing dan pimpinan divisi Marketing. Data yang diambil
dari proses wawancara ini meliputi data pola permintaan pelanggan harga
komponen dan ketentuan ketentuan yang telah disepakati dengan supplier .
Kemudian untuk memperkuat data dilakukan studi kepustakaan yaitu
pengumpulan data dan teori yang mendukung pembahasan mengenai
peramalan dan pengendalian persediaan bahan baku dengan metode MRP
untuk menunjang penelitian ini, dengan mendapatkannya dari buku-buku
perkuliahan, penelitian terlebih dahulu,jurnal serta yang lainnya lalu mengutip
beberapa teori yang dikemukakan oleh beberapa ahli yang ada kaitannya
dengan permasalahan yang dibahas.
3.5. Analisis
Metode yang dipilih untuk melakuan proses peramalan dan pengendalian
Inventory yang mencakup kedalam beberapa unsur yaitu :
a. Bill Of Material, yaitu sebuah daftar kebutuhan bahan yang berisi daftar
komponen,komposisi,dan jumlah dari setiap bagian yang diperlukan untuk
membuat satu unit produk.
28
b. Master Production Schedule, yaitu sebuah jadwal yang merinci apa yang
akan dibuat dan kapan pembuatannya.
c. Forecasting, yaitu peramalan yang digunakan untuk meramalkan
permintaan untuk periode berikutnya.
d. Inventory record, yaitu data tentang pemesanan bahan baku yang telah
dieksekusi dan tanggal pengirimannya serta data mengenai persediaan
bahan baku digudang pada awal bulan.
e. Lead time untuk tiap komponen, yaitu waktu antara pemesanan dan
penerimaan barang bisa juga berarti masa tunggu, set up,produksi, dan
penyerahan untuk setiap komponen ke produksi.
Setelah unsur-unsur tersebut diketahui dilakukan analisis dan perhitungan
peramalan menggunakan metode yang memungkinkan untuk diterapkan
berdasarkan histori penjualan mobil Avanza dari Toyota dari tahun 2005
sampai tahun 2017. Kemudian hasil dari peramalan yang terbaik akan
dijadikan sebagai acuan dalam penentuan jadwal induk produksi atau Master
production schedule (MPS).Setelah jadwal induk produksi dibuat langkah
selanjutnya menentukan kebutuhan material yaitu membuat sebuah rencana
kebutuhan baku yang mengacu pada Forecast yang telah ditentukan .
Kemudian pada tahap selanjutnya ditentukan jumlah pesanan (ukuran lot)
dengan menggunakan metode lot for lot dan Economic Order quantity( EOQ).
Dari kedua metode tersebut akan dipilih metode mana yang akan
menghasilkan biaya terendah.
Selanjutnya dilakukan Perbandingan Metode Lot Size yang sudah di tentukan
Perhitungan yang dilakukan perusahaan yaitu dengan membandingkan
perhitungan biaya persediaan dengan menggunakan metode Lot Size yang
sudah di hitung dengan metode yang sudah berjalan pada perusahaan.
3.6. Simpulan dan Saran
Dari proses perhitungan peramalan dan membuat jadwal induk produksi
(MPS) dan Menentukan Lot Size menggunakan metode EOQ dan Lot For Lot
29
maka didapatkan penjadwalan produksi dan penjadwalan kebutuhan material
serta lot size untuk setiap kali dilakukan order material. Dari sini didapatkan
metode mana yang paling mengeluarkan biaya paling sedikit dalam proses
pengadaan material. kemudian dari sini dapat ditarik kesimpulan apakah PT.
Mannoh Tsuda sudah tepat dalam melakukan pemilihan metode peramalan
dan metode yang mana yang paling akurat untuk diterapkan dalam proses
peramalan di PT. Mannoh Tsuda Sehingga dapat mendeteksi atau
mengantisipasi tingginya fluktuasi permintaan pelanggan. kemudian
kesimpulan lain yang bisa ditarik adalah metode mana yang seharusnya
dipakai oleh PT. Mannoh Tsuda dalam menentukan lot size apakah dengan
metode EOQ,Lot For Lot atau yang selama ini digunakan yakni metode atau
sistem kanban. Kesimpulan terakhir adalah metode mana yang mengeluarkan
biaya paling sedikit dalam proses pengadaan material. Selain
kesimpulan,saran-saran yang membangun juga perlu disampaikan untuk
perbaikan-perbaikan yang mungkin dilakukan dalam proses pengendalian
material maupun dalam hal penelitian-penelitian sejenis.
30
Gambar 3.1 Diagram Alir (Flow Chart)
Observasi Awal
• Melakukan Pengamatan langsung ke Divisi PPIC
• Melakukan Wawancara Langsung dengan Supervisor
divisi terkait dan pimpinan Purchasing
Identifikasi Masalah
• Analisa perhitungan Forecasting periode sebelumnya
• Analisa penjadwalan produksi periode sebelumnya
• Identifikasi masalah yang terjadi terhadap pengendalian
material
Studi Pustaka
• Pengendalian material
• Master Production Schedule
• Material requirement Planning
• Forecasting
Pengumpulan Data
• Bill Of Material dan Struktur Produk
• Harga material, biaya pemesanan dan biaya
penyimpanan material
• Riwayat Demand Customer
Analisis dan Perbaikan
• Menghitung Forecasting permintaan yang lebih akurat
(Double Exponential Smoothing , Trend Linier,Double
Moving Average dan Trend seasonal)
• Membandingkan hasil peramalan dan memilih yg
terbaik .
• Menyusun Master Production Schedule dan MRP
• Membandingkan biaya perhitungan dengan versi
perusahaan.
Simpulan dan Saran
• Menarik kesimpulan dari penelitian yang dilakukan
• Saran untuk perusahaan maupun peneliti lain yang
bersifat membangun.
Observasi
Awal
Identifikasi
Masalah
Pengumpulan
Data
Studi
Pustaka
Analisi dan
Perbaikan
Kesimpulan
dan Saran
31
BAB IV
DATA DAN ANALISIS
4.1. Gambaran Umum Perusahaan
Perusahaan Mannoh Tsuda merupakan Perusahaan manufaktur yang
memproduksi transmisi kendaraan roda empat yang akan di Supply ke
perusahaan pembuat mobil yang ada di indonesia. Saat ini perusahaan Mannoh
Tsuda memproduksi dua jenis transmisi yaitu transmisi manual dan transmisi
Automatic.
Gambar 4.1 Transmisi Manual
Gambar 4.2 Transmisi Automatic
4.2. Pengumpulan Data
Pengumpulan data dilakukan dengan cara wawancara dan dengan kepala
bagian maupun Staff yang berkaitan agar bisa melakukan observasi dan
memberikan informasi yang tepat dalam proses pengadaan dan pengendalian
persediaan untuk dapat mengidentifikasi masalah yang terjadi khususnya pada
departemen PPIC(Production Planning and Inventory Control). dan
32
melakukan observasi langsung kelapangan untuk dapat mengetahui proses dan
Sistem pengadaan material yang berjalan pada saat ini di perusahaan Mannoh
Tsuda.
4.2.1. Data Penjualan
Berikut adalah tabel penjualan Mobil Toyota Avanza dari tahun 2006 sampai
dengan tahun 2017 yang didapatkan dari dari Gaikindo (Gabungan Industri
Kendaraan Bermotor Indonesia) Jika dilihat pada tabel 4.1 bahwa penjualan
mobil Toyota Avanza memiliki fluktuasi yang lumayan tinggi setiap
tahunnya. Dapat dilihat juga permintaan tertinggi terjadi pada tahun 2013
yaitu sebanyak 213458 unit dan untuk permintaan atau penjualan paling
rendah yaitu pada tahun 2006 yaitu sebanyak 52260 unit.
Tabel 4. 1 Data Penjualan Mobil Toyota Avanza Dari Tahun 2006 Sampai
Dengan Tahun 2017
Tahun Jumlah permintaan
(Unit)
2006 52260
2007 62010
2008 85535
2009 100065
2010 141799
2011 162367
2012 192146
2013 213458
2014 162070
2015 133153
2016 122654
2017 109529
33
Gambar 4.3 Grafik Data Permintaan Floor shift assy transmission periode 2017.
4.2.2. Data Struktur Produk
Struktur produk didefenisikan sebagai cara komponen-komponen dapat
bergabung kedalam suatu produk. Struktur produk akan menunjukkan bahan
baku atau komponen komponen penyusun yang ada dalam suatu produk
kemudian komponen-komponen itu bergabung secara bersama untuk
membentuk subassemblies kemudian Subassemblies bergabung bersama
membuat Assemblies dan seterusnya sampai produk akhir. Dalam hal ini
setiap satu unit memiliki satu unit produk Floor Shift Assy Transmission
,Berdasarkan Gambar 4.4 Merupakan struktur produk Floor Shift Assy
Transmission dapat dilihat bahwa struktur produk Floor Shift Assy
Transmission tersusun dari dua level komponen.
0
50000
100000
150000
200000
250000
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Grafik Penjualan Mobil Toyota
Avanza
34
Gambar 4.4 Struktur Produk Floor Shift Assy Transmission
NO:1
NO:2
NO:4NO:5
NO:6NO:7
NO:3
NO:11NO:13
NO:14NO:15
NO:16NO:17
NO:18NO:19
NO:20NO:21
NO:22NO:23
NO:24NO:25
NO:26NO:27
NO:8
NO:9NO:10
NO:28NO:29
NO:30NO:31
NO:32NO:33
NO:34NO:35
NO:36NO:37
NO:38
35
4.2.3. Data Bill Of Material
Bill Of Material merupakan daftar penyusun dari produk ,yang memuat informasi
jenis part,nomor,jenis komponen dan kebutuhan komponen, dengan adanya Bill of
material maka kita dapat menetukan kebutuhan apa saja yang dibutuhkan dalam
membuat suatu produk. Dari data berikut dapat kita lihat untuk membuat satu
produk Floor Shift Assy Trasnmission dibutuhkan sebanyak 35 Part atau
komponen dengan jenis item yang berbeda beda.
Tabel 4. 2 BILL OF MATERIAL FLOOR SHIFT ASSY TRANSMISSION
NO PART NO QTY LEVEL SUPPLIER SKETCH
1 33550-BZ180-C0 1 0 PT.MTAT
2 TG24700-10600 1 1 PT. MTAT
3 TG24700-10100 1 2 PT.SANLY
4 TG24700-95020 1 2 PT. EMORI
5 TG24700-95010 1 2 PT. EMORI
6 TG24700-95040 2 2 PT. EMORI
7 TG24700-95050 3 2 PT. EMORI
8 TG24700-10900 1 1 PT. MTAT
9 TG24700-10910 1 2 PT. EMORI
10 TG23600-98070 1 2 PT. FUJITA
11 TG23600-92010 1 1 PT. FUJITA
12 TG24700-11000 1 1 PT.SANLY
13 TG22500-91010 1 1 PT. EMORI
14 TG22500-96010 1 1 PT.YMANI
15 TG22500-17000 1 1 PT.KEIHIN
16 TG22500-91020 1 1 PT. EMORI
36
Tabel 4.2 (Lanjutan) BILL OF MATERIAL FLOOR SHIFTASSY TRANSMISSION
NO PART NO QTY LEVEL SUPPLIER SKETCH
17 TG23300-98060 1 1 PT. TKI
18 TG24700-92060 1 2 PT. KEIHIN
19 TG24700-13100 1 1 PT. PLI
20 TG23300-98040 1 1 PT. PLI
21 TG24700-11200 1 1 PT. TKI
22 TG24700-28600 1 1 PT. GSEI
23 TG24700-1A110 1 1 PT. STEP
24 TG24700-1A120 1 1 PT. STEP
25 TG24700-92010 3 1 PT. AOYMA
26 TG24700-92020 3 1 PT. AOYMA
27 TG24700-1A200 1 1 PT.YSUFKU
28 TG24700-70200 1 1 PT. SANWA
29 TG24700-10500 1 1 PT. TSCYA
30 TG24700-A0400 1 1 PT. TSCYA
31 TG24700-28200 1 1 PT. GSEI
32 TG24700-10400 1 1 PT. PLI
33 TG24700-10410 1 1 PT. PLI
34 TG24700-28100 1 1 PT. EMORI
35 TG22500-91020 1 1 PT. FUJITA
36 TG24700-23300 1 1 PT. PLI
37 TG22500-96050 1 1 PT. YMANI
38 TG23600-98200 1 1 PT. EMORI
37
Berdasarkan Tabel 4.2 dapat dilihat bahwa untuk membuat satu produk Floor
Shift Assy Transmission terdapat 35 jenis item yang dibeli langsung dari Supplier.
4.2.4. Data Harga Material Atau Komponen
Data harga komponen atau part dalam pembuatan Floor shift assy
trasnmission dapat dilihat pada tabel 4.3. Data tersebut adalah harga part atau
komponen di awal tahun 2018 yang diperoleh dari departemen Purchasing.
Tabel 4. 3 Tabel Daftar harga material atau komponen
NO PART NAME PART NO HARGA / PCS
1 PLATE, SHIFT LEVER,RH TG24700-10100 Rp 6.320
2 BUSH TG24700-95020 Rp 2.100
3 BUSH TG24700-95010 Rp 2.100
4 BUSH TG24700-95040 Rp 2.100
5 BUSH TG24700-95050 Rp 900
6 HOUSING ,SHIFT LEVER TG24700-10910 Rp 3.400
7 PIN,SHIFT LEVER GUIDE TG23600-98070 Rp 190
8 NUT,PUSH TG23600-92010 Rp 200
9 LEVER ,SHIFT TG24700-11000 Rp 9.800
10 PLUNGER TG22500-91010 Rp 4.000
11 SPRING, COMPRESSION TG22500-96010 Rp 340
12 SPRING, DETENT TG22500-17000 Rp 1.100
13 SCREW, W/WASHER TA TG22500-91020 Rp 560
14 PIN,W/HEAD TG23300-98060 Rp 2.300
15 CLIP TG24700-92060 Rp 1.600
16 LEVER,CONTROL,RH TG24700-13100 Rp 15.400
17 BUSH,CONTROL LEVER TG23300-98040 Rp 3.045
18 SHAFT,CONTROL LINK TG24700-11200 Rp 11.000
19 SWITCH, TG24700-28600 Rp 45.900
38
Tabel 4.3 (lanjutan) Daftar harga material atau komponen
NO PART NAME PART NO HARGA / PCS
20 RETAINER,SHIFT LEVER TG24700-1A110 Rp 90.000
21 BRACKET,SHIFT CABLE TG24700-1A120 Rp 5.040
22 NUT,FLANGE TG24700-92010 Rp 3.800
23 BOLT,FLANGE TG24700-92020 Rp 2.890
24 BOOT,SHIFT LEVER TG24700-1A200 Rp 4.890
25 HOUSING,POSITION TG24700-70200- Rp 3.020
26 PLATE,CONTROL TG24700-10500 Rp 1.500
27 LENZ,POSITION INDIC TG24700-A0400 Rp 1.200
28 LAMP ASSY,INDICATOR TG24700-28200 Rp 2.300
29 COVER,SLIDE,NO.1 TG24700-10400 Rp 2.300
30 COVER,SLIDE,NO.2 TG24700-10410 Rp 700
31 SOLENOID, SHIFT LOCK TG24700-28100 Rp 74.000
32 SCREW, W/WASHER TAP TG22500-91020 Rp 300
33 BUTTON, SHIFT LOCK R TG24700-23300 Rp 2.920
34 SPRING, COMPRESSION TG22500-96050 Rp 650
35 CLAMP TG23600-98200 Rp 300
Sumber : Data perusahaan PT. MTAT (Purchasing Dept)
4.2.5. Data Biaya
Berikut adalah pemaparan mengenai biaya-biaya yang dibebankan mulai dari
biaya pemesanan sampai biaya penyimpanan.
1. Ordering Cost ( Biaya Pemesanan ) yaitu semua biaya yang meliputi
biaya administrasi untuk pembelian atau pemesanan kepada pemasok
atau Supplier dari luar. Berikut adalah biaya yang termasuk biaya
pemesanan tiap material atau komponen.
39
Tabel 4. 4 Daftar Biaya Pemesanan Untuk Tiap komponen Produk
Floor Shift Assy Transmission
NO PART NO SUPPLIER ORDERING
COST
1 TG24700-10100 PT.SANLY Rp10.250.000
2 TG24700-95020 PT. EMORI Rp16.000.000
3 TG24700-95010 PT. EMORI Rp16.000.000
4 TG24700-95040 PT. EMORI Rp16.000.000
5 TG24700-95050 PT. EMORI Rp16.000.000
6 TG24700-10910 PT. EMORI Rp16.000.000
7 TG23600-98070 PT. FUJITA Rp5.200.000
8 TG23600-92010 PT. FUJITA Rp5.200.000
9 TG24700-11000 PT.SANLY Rp10.250.000
10 TG22500-91010 PT. EMORI Rp16.000.000
11 TG22500-96010 PT.YAMANI Rp13.500.250
12 TG22500-17000 PT.KEIHIN Rp9.432.500
13 TG22500-91020 PT. EMORI Rp16.000.000
14 TG23300-98060 PT. TKI Rp3.530.000
15 TG24700-92060 PT. KEIHIN Rp9.432.500
16 TG24700-13100 PT. PLI Rp5.800.650
17 TG23300-98040 PT. PLI Rp5.800.650
18 TG24700-11200 PT. TKI Rp3.530.000
19 TG24700-28600 PT. GSEI Rp8.532.000
20 TG24700-1A110 PT. STEP Rp2.500.325
21 TG24700-1A120 PT. STEP Rp2.500.325
22 TG24700-92010 PT. AOYAMA Rp6.250.000
23 TG24700-92020 PT. AOYAMA Rp6.250.000
24 TG24700-1A200 PT. YASUFUKU Rp5.289.358
25 TG24700-70200-C0 PT. SANWA Rp4.325.000
26 TG24700-10500 PT. TSUCHIYA Rp6.345.000
27 TG24700-A0400 PT. TSUCHIYA Rp6.345.000
28 TG24700-28200 PT. GSEI Rp8.532.000
40
Tabel 4.4 (lanjutan) Daftar Biaya Pemesanan Untuk Tiap komponen
Produk Floor Shift Assy Transmission
NO PART NO SUPPLIER ORDERING COST
29 TG24700-10400 PT. PLI Rp5.800.650
30 TG24700-10410 PT. PLI Rp5.800.650
31 TG24700-28100 PT. EMORI Rp16.000.000
32 TG22500-91020 PT. FUJITA Rp5.200.000
33 TG24700-23300 PT. PLI Rp5.800.650
34 TG22500-96050 PT. YAMANI Rp2.300.250
35 TG23600-98200 PT. EMORI Rp16.000.000
2. Carrying Cost (Biaya Penyimpanan)
Carrying cost atau biaya penyimpanan adalah biaya yang timbul akibat
adanya proses penyimpanan suatu barang .berikut ini adalah biaya
penyimpanan yang dihitung berdasarkan persentase harga yang
disimpan digudang setiap bulan.
Tabel 4. 5 Data Biaya Penyimpanan Untuk Tiap Komponen Produk
Floor Shift Assy Transmission per bulan
NO PART NO SUPPLIER HOLDING COST
/(PCS/Bulan)
1 TG24700-10100 PT.SANLY Rp174
2 TG24700-95020 PT. EMORI Rp58
3 TG24700-95010 PT. EMORI Rp58
4 TG24700-95040 PT. EMORI Rp58
5 TG24700-95050 PT. EMORI Rp25
6 TG24700-10910 PT. EMORI Rp94
7 TG23600-98070 PT. FUJITA Rp5
8 TG23600-92010 PT. FUJITA Rp6
9 TG24700-11000 PT.SANLY Rp270
10 TG22500-91010 PT. EMORI Rp110
11 TG22500-96010 PT.YAMANI Rp9
12 TG22500-17000 PT.KEIHIN Rp30
13 TG22500-91020 PT. EMORI Rp15
41
Tabel 4.5 (Lanjutan) Data Biaya Penyimpanan Untuk Tiap Komponen
Produk Floor Shift Assy Transmission per bulan
NO PART NO SUPPLIER HOLDING COST /(PCS/Bulan)
14 TG23300-98060 PT. TKI Rp63
15 TG24700-92060 PT. KEIHIN Rp44
16 TG24700-13100 PT. PLI Rp424
17 TG23300-98040 PT. PLI Rp84
18 TG24700-11200 PT. TKI Rp303
19 TG24700-28600 PT. GSEI Rp1.262
20 TG24700-1A110 PT. STEP Rp2.475
21 TG24700-1A120 PT. STEP Rp139
22 TG24700-92010 PT. AOYAMA Rp105
23 TG24700-92020 PT. AOYAMA Rp79
24 TG24700-1A200 PT. YASUFUKU Rp134
25 TG24700-70200-C0 PT. SANWA Rp83
26 TG24700-10500 PT. TSUCHIYA Rp41
27 TG24700-A0400 PT. TSUCHIYA Rp33
28 TG24700-28200 PT. GSEI Rp63
29 TG24700-10400 PT. PLI Rp63
30 TG24700-10410 PT. PLI Rp19
31 TG24700-28100 PT. EMORI Rp2.035
32 TG22500-91020 PT. FUJITA Rp8
33 TG24700-23300 PT. PLI Rp80
34 TG22500-96050 PT. YAMANI Rp18
35 TG23600-98200 PT. EMORI Rp8
4.2.6. Data Lead Time
Lead Time adalah keseluruhan waktu yang dibutuhkan untuk prose
pengadaaan suatu barang,. Lead time muncul karena setiap pesanan
membutuhkan waktu dan tidak semua bisa dipenuhi seketika,sehingga selalu
ada jeda waktu. Lead time sangat berguna bagi perusahaan yaitu pada saat
persediaan mencapai nol ,pesanan akan tiba diperusahaan. pada tabel 4.6
42
merupakan lead Time pengadaan barang yang bersifat determenistik data
tersebut didapat dari perusahaan.
Tabel 4.6 Lead Time material Floor Transmission
NO PART NO SUPPLIER Lead Time
(Hari)
Lead Time
(Bulan)
1 TG24700-10100 PT.SANLY 6 0,272727273
2 TG24700-95020 PT. EMORI 9 0,409090909
3 TG24700-95010 PT. EMORI 9 0,409090909
4 TG24700-95040 PT. EMORI 9 0,409090909
5 TG24700-95050 PT. EMORI 9 0,409090909
6 TG24700-10910 PT. EMORI 9 0,409090909
7 TG23600-98070 PT. FUJITA 5 0,227272727
8 TG23600-92010 PT. FUJITA 5 0,227272727
9 TG24700-11000 PT.SANLY 6 0,272727273
10 TG22500-91010 PT. EMORI 9 0,409090909
11 TG22500-96010 PT.YAMANI 4 0,181818182
12 TG22500-17000 PT.KEIHIN 4 0,181818182
13 TG22500-91020 PT. EMORI 9 0,409090909
14 TG23300-98060 PT. TKI 5 0,227272727
15 TG24700-92060 PT.KEIHIN 4 0,181818182
16 TG24700-13100 PT. PLI 6 0,272727273
17 TG23300-98040 PT. PLI 6 0,272727273
18 TG24700-11200 PT. TKI 5 0,227272727
19 TG24700-28600 PT. GSEI 4 0,181818182
20 TG24700-1A110 PT. STEP 3 0,136363636
21 TG24700-1A120 PT. STEP 3 0,136363636
22 TG24700-92010 PT. AOYAMA 5 0,227272727
23 TG24700-92020 PT. AOYAMA 5 0,227272727
24 TG24700-1A200 PT. YASUFUKU 6 0,272727273
25 TG24700-70200-C0 PT. SANWA 4 0,181818182
26 TG24700-10500 PT. TSUCHIYA 5 0,227272727
27 TG24700-A0400 PT. TSUCHIYA 5 0,227272727
28 TG24700-28200 PT. GSEI 4 0,181818182
43
Tabel 4.6 (lanjutan) Lead Time material Floor Transmission
NO PART NO SUPPLIER Lead Time
(Hari)
Lead Time
(Bulan)
29 TG24700-10400 PT. PLI 6 0,272727273
30 TG24700-10410 PT. PLI 6 0,272727273
31 TG24700-28100 PT. EMORI 9 0,409090909
32 TG22500-91020 PT. FUJITA 5 0,227272727
33 TG24700-23300 PT. PLI 6 0,272727273
34 TG22500-96050 PT. YAMANI 4 0,181818182
35 TG23600-98200 PT. EMORI 9 0,409090909
4.3. Pengolahan Data
Pada tahap pengolahan data dilakukan perhitungan peramalan menggunakan
empat model peramalan yang memungkinkan dapat diandalkan, Kemudian
dilakukan perbandingan hasil peramalan yang terbaik. Hasil peramalan yang
paling baik atau paling bisa diandalkan akan digunakan dalam menentukan
jadwal induk produksi atau Master Production Schedule (MPS).setelah itu
dapat ditentukan rencana pembelian material atau Material Requirement
Planning (MRP).
4.3.1. Pengolahan Data Peramalan Permintaan
Data permintaan Floor Shift Assy Trasnmission diamati pola pergerakan tiap
periode. Dilakukan perhitungan peramalan dengan membandingkan empat
metode perhitungan peramalan yang dipilih yaitu perhitungan metode Double
Exponential Smoothing, perhitungan peramalan menggunakan model
peramalan Trend Linier,model Double Moving Average dan Trend Seasonal.
44
A. Peramalan Dengan Metode Double Exponential Smoothing
Tabel 4.7 Perhitungan Peramalan Menggunakan Metode Double
Exponential Smoothing
Tahun
Indeks
Waktu
(t)
Permintaan Aktual (A)
DES (St'') (D)
SES-DES (E)
Nilai at
(2St')-St''
Nilai bt
(α/(1-α) Ft+m =
at+bt(m)
2006 1 52260 52260,00 0,00 52260,00 0,00
2007 2 62010 54697,50 2437,50 59572,50 2437,50 52260,00
2008 3 85535 63016,25 8318,75 79653,75 8318,75 62010,00
2009 4 100065 74358,13 11341,88 97041,88 11341,88 87972,50
2010 5 141799 94053,81 19695,69 133445,19 19695,69 108383,75
2011 6 162367 116056,03 22002,22 160060,47 22002,22 153140,88
2012 7 192146 140579,08 24523,05 189625,17 24523,05 182062,69
2013 8 213458 164929,57 24350,49 213630,55 24350,49 214148,22
2014 9 162070 170302,30 5372,73 181047,76 5372,73 237981,05
2015 10 133153 162358,16 -7944,14 146469,87 -7944,14 186420,49
2016 11 122654 150446,08 -11912,08 126621,93 -11912,08 138525,73
2017 12 109529 137238,79 -13207,29 110824,21 -13207,29 114709,86
Data pada tabel 4.7 diperoleh dari perhitungan dengan metode Double
Exponential Smoothing yang mana menggunakan α = 0,5 karena cenderung
berfluktuasi cukup tinggi dimana dalam melakukan perhitungan menerapkan
beberapa langkah seperti dibawah ini :
Menentukan Smoothing awal : St = α . dt + (1-α).St-1’
Menentukan Smoothing kedua St’’ = α. St’ + (1-α) St”
Menghitung at = 2 St’ - St”
Hitung juga untuk komponen bt = 𝛼
1−𝛼 ( St’ - St”)
Hitung ramalan dimana m untuk periode selanjutnya : Ft+m = at + bt (m)
45
S1’ dan S1’’ diambil dari atau sama dengan d1.
Setelah itu untuk menguji performansi hasil peramalaan maka digunakan
ukuran kesalahan peramalan: MAD (Mean Absolute Deviation) atau rata –rata
penyimpangan absolut dan MSE (Mean Square Error) rata –rata kuadrat
kesalahan.Akurasi peramalan semakin tinggi apabila nilai- nilai MAD dan
MSE semakin kecil. Apabila suatu data aktual dinyatakan sebagai At nilai
ramalan dinyatakan sebagai Ft ,maka Forecast Error dinyatakan sebagai : et =
At -Ft jadi,Error = Data aktual – Forecast. Berkaitan dengan validasi
peramalan dapat menggunakan Tracking Signal .
Tabel 4. 8 Perhitungan ukuran hasil peramalan dengan Double Exponential
Smoothing
Tahun Indeks Waktu
(t)
Permintaan
Aktual (A)
Ramalan
(F)
Deviasi
A - F
Deviasi
Absolute
I A-F I
Kuadrat Kesalahan
(A-F)2
2006 1 52260 52260 0,00 0,0 0,0
2007 2 62010 52260 9750,00 9750,0 95062500,0
2008 3 85535 74401 11134,50 11134,5 123977090,3
2009 4 100065 100363 -298,00 298,0 88804,0
2010 5 141799 117677 24122,38 24122,4 581888975,6
2011 6 162367 159336 3030,88 3030,9 9186203,3
2012 7 192146 185935 6211,28 6211,3 38580014,8
2013 8 213458 216471 -3013,44 3013,4 9080805,6
2014 9 162070 239336 -77266,26 77266,3 5970074596,3
2015 10 133153 187195 -54041,90 54041,9 2920526786,7
2016 11 122654 138961 -16307,33 16307,3 265929141,7
2017 12 109529 114952 -5422,86 5422,9 29407403,8
Jumlah 1537046 1639146,756 -102100,76 210598,8 10043802322,0
46
MAD = ∑∣𝐴−𝐹
𝑛∣ =
210598,8
12 = 175499,0
MSE = ∑(𝐴−𝐹)2
𝑛 =
10043802322
12 = 836983526,8
Setelah mengetahui berapa ukuran kesalahan peramalan selanjutnya diperiksa
keandalan model yang dipilih berdasarkan peta kontrol Tracking Signal ,
untuk mengetahui sejauh mana keandalan dari model peramalan yang dipilih
maka selanjutnya dilakukan membangun peta kontrol Tracking Signal.
Tracking Signal yang positif menunjukkan bahwa nilai aktual permintaan
lebih besar dari pada ramalan, sedangkan Tracking Signal yang negatif berarti
nilai aktual permintaan lebih kecil daripada ramalan. Suatu Tracking signal
yang baik apabila memiliki RSFE (Running Sum Of the Forecast) yang rendah
dan mempunyai Positive Error yang sama banyak atau seimbang dengan
Negative Error sehingga pusat dari Tracking Signal mendekati nol. Beberapa
ahli dalam sistem peramalan seperti George plossl dan Oliver Wight,dua
pakar Production Planning and Inventory Control menyarankan untuk
menggunakan nilai Tracking Signal maksimum ±4, sebagai batas-batas
pengendalian untuk tracking Signal. Dengan demikian apabila Tracking signal
telah berada diluar batas-batas pengendalian maka model peramalan perlu
ditinjau kembali.
Tabel 4.9 Tracking Signal Model Peramalan Double Exponential
Smoothing (α = 0,5)
Periode
(n)
Forecast
(F)
Aktual
(A) Error (E) RSFE
Absolut
Error
Kumulatif
Absolut
Error
MAD Tracking
signal
,(1) ,(2) ,(3) ,(4)=(3)-
(2)
,(5)=
kumulati
f (4)
(6) = Absolut
(4)
(7)=
Kumulatif (6)
(8)=
(7)/(1) (9)=(5)/(8)
1 52260 52260 0,0 0 0 0 0 0
2 52260 62010 9750,0 9750,0 9750,0 9750 4875 2,00
3 74401 85535 11134,5 20884,5 11134,5 20884,5 6962 3,00
4 100363 100065 -298,0 20586,5 298 21182,5 5296 3,89
5 117677 141799 24122,4 44708,9 24122,375 45304,875 9061 4,93
47
Tabel 4.10 (lanjutan) Tracking Signal Model Peramalan Double Exponential Smoothing (α =
0,5)
Periode
(n)
Forecast
(F)
Aktual
(A) Error (E) RSFE
Absolut
Error
Kumulatif
Absolut
Error
MAD Tracking
signal
,(1) ,(2) (3) ,(4)=(3)-
(2)
,(5)=
kumulati
f (4)
(6) = Absolut
(4)
(7)=
Kumulatif (6)
(8)=
(7)/(1) (9)=(5)/(8)
6 159336 162367 3030,9 47739,8 3030,875 48335,75 8056 5,93
7 185935 192146 6211,3 53951,0 6211,28125 54547,03125 7792 6,92
8 216471 213458 -3013,4 50937,6 3013,4375 57560,46875 7195 7,08
9 239336 162070 -77266,3 -26328,7 77266,25781 134826,7266 14981 -1,76
10 187195 133153 -54041,9 -80370,6 54041,89844 188868,625 18887 -4,26
11 138961 122654 -16307,3 -96677,9 16307,33398 205175,959 18652 -5,18
12 114952 109529 -5422,9 -102100 5422,859375 210598,8184 17550 -5,82
Berdasarkan tabel 4.9 dapat dilihat bahwa nilia-nilai tracking signal model
Double Exponential Smoothing (α = 0,5), terdapat beberapa berada diluar
batas-batas yang dapat diterima. Hal ini dikarenakan nilai-nilai tracking signal
itu bergerak dari -5,82 samapi dengan +7,08 dapat disimpulkan bahwa akurasi
dari model peramalan Double Exponential Smoothing masih belum dapat
diandalkan karena masih terdapat beberapa berada diluar batas-batas
pengendalain tracking signal (maksimum ±4). Selanjutnya dari data tracking
signal digambar kedalam peta kendali tracking signal .
48
Gambar 4.5 Peta Control Tracking Signal dari model peramalan Double
Exponential Smoothing α = 0,5.
Setelah mengetahui tingkat keakurat peramalan selanjutnya dilakukan
peramalan untuk periode berikutnya.
Oleh dari itu untuk menentukan peramalan pada periode berikutnya dapat
dihitung menggunakan formula : F12+m = 110824,21 - 13207,29m
Dengan demikian hasil peramalan untuk tahun 2018 adalah :
F13 = 110824,21 - 13207,29(1) = 97616 Unit
B. Peramalan Dengan Metode Trend linier
Dalam menggunakan analisa garis kecenderungan sebagai model peramalan
jika pola historis dari data aktual demand atau permintaan menunjukkan
bahwa adanya kecenderungan yang menarik dari waktu kewaktu, misalnya
seperti data yang diperoleh cenderung membentuk garis lurus (straight line
equation). Dapat dilihat pada gambar 4.6
-8
-6
-4
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10 11 12
Tracking Signal Central Line
Upper Central Line Lower Central LIne
49
Gambar 4.6 Grafik permintaan aktual pada tahun 2017
Berdasarkan grafik 4.6 diketahui bahwa pola riwayat permintaan Floor Shift
Assy Transmission selama 12 tahun yang membentuk kecenderungan (trend
line). Sehingga langkah selanjutnya adalah melakukan perhitungan peramalan
menggunakan metode peramalan Trend Linie
Tabel 4.11 Hasil perhitungan menggunakan metode Trend Linier
Tahun
Indeks
Waktu
(t)
Permintaan
Aktual (dt) t2 dt.t dt' e = dt-dt' e2
2006 1 52260 1 52260 88397 -36137 1305882769
2007 2 62010 4 124020 95613 -33603 1129161609
2008 3 85535 9 256605 102829 -17294 299082436
2009 4 100065 16 400260 110045 -9980 99600400
2010 5 141799 25 708995 117261 24538 602113444
2011 6 162367 36 974202 124477 37890 1435652100
2012 7 192146 49 1345022 131693 60453 3654565209
2013 8 213458 64 1707664 138909 74549 5557553401
2014 9 162070 81 1458630 146125 15945 254243025
2015 10 133153 100 1331530 153341 -20188 407555344
2016 11 122654 121 1349194 160557 -37903 1436637409
2017 12 109529 144 1314348 167773 -58244 3392363536
Jumlah 78 1537046 650 11022730 1537020 26 19574410682
0
50000
100000
150000
200000
250000
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Grafik Penjualan Mobil Toyota
Avanza
50
b = 𝑁∑𝑡.𝑑𝑡− ∑𝑑𝑡.∑𝑡
N.∑𝑡2−(∑𝑡)2 = 12 . 11022730−1537046 . 78
12 . 650−(78)2 = 7216,30 ≈ 7216
a = ∑𝑑𝑡
𝑁 -
𝑏.∑𝑡
𝑁 =
1537046
12 -
7216.78
12 = 81181,21 ≈ 81181
Jadi Ft = 81181 + 7216 t
Dimana :
Ft adalah nilai ramalan permintaan pada periode ke –t
a adalah intersep dari persamaan garis lurus
b adalah slope dari garis kecenderungan (trend Line) yang merupakan tingkat
perubahan dalam permintaan
t merupakan indeks waktu (t = 1,2,3,4 ..... n) adalah banyaknya periode waktu
Ft = nilai ramalan permintaan pada periode ke-
Dengan demikian dapat dicari nilai peramalan untuk periode 12 tahun
kedepan seperti pada tabel 4.11 adalah hasil perhitungan peramalan untuk
periode berikutnya.
Tabel 4.12 hasil peramalan permintaan pada tahun 2018 - 2029
menggunakan metode trend Linier
Tahun Indeks Waktu Peramalan (F)
2018 13 174989
2019 14 182205
2020 15 189421
2021 16 196637
2022 17 203853
51
Tabel 4.13(lanjutan) hasil peramalan permintaan pada tahun 2018
- 2029 menggunakan metode trend Linier
2023 18 211069
2024 19 218285
2025 20 225501
2026 21 232717
2027 22 239933
2028 23 247149
2029 24 254365
Setelah mengetahui hasil peramalan untuk periode 12 tahun berikutnya,
selanjutnya dilakukan pengujian untuk mengetahui performansi hasil
peramalan dapat digunakan ukuran kesalahan perx amalan : MAD (Mean
Absolute Deviation) atau rata-rata penyimpangan absolut dan MSE (Mean
Square Error) rata –rata kuadrat. Pada tabel 4.12 merupakan pehitungan
untuk MAD dan MSE:
Tabel 4.14 Hasil perhitungan untuk menentukan ukuran hasil
peramalan dengan Trend linier
Tahun
Indeks
Waktu (t)
Permintaan
Aktual (A)
Ramalan
(F)
Deviasi
A - F
Deviasi
Absolute
l A-F l
Kuadrat
Kesalahan
(A-F)2
2006 1 52260 88397 -36137,00 36137,0 1305882769
2007 2 62010 95613 -33603,00 33603,0 1129161609
2008 3 85535 102829 -17294,00 17294,0 299082436
2009 4 100065 110045 -9980,00 9980,0 99600400
2010 5 141799 117261 24538,00 24538,0 602113444
2011 6 162367 124477 37890,00 37890,0 1435652100
2012 7 192146 131693 60453,00 60453,0 3654565209
2013 8 213458 138909 74549,00 74549,0 5557553401
2014 9 162070 146125 15945,00 15945,0 254243025
2015 10 133153 153341 -20188,00 20188,0 407555344
2016 11 122654 160557 -37903,00 37903,0 1436637409
2017 12 109529 167773 -58244,00 58244,0 3392363536
Jumlah 1537046 1537020 26,00 426724,0 19574410682
52
Dari tabel 4.12 dapat ditentukan berapa MAD (Mean Absolut Deviation) atau
rata-rata penyimpangan absolut. Dan juga MSE (Mean Square Error)
MAD = ∑∣𝐴−𝐹
𝑛∣ =
426724
12 = 35560
MSE = ∑(𝐴−𝐹)2
𝑛 =
19574410682
12 = 1631200890
Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan
pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking
signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model
peramalan yang dipilih.
Tabel 4.15 Tracking Signal model Trend Linier
Periode
(n)
Forecast
(F)
Aktual
(A) Error (E) RSFE
Absolut
Error
Kumulatif
Absolut
Error
MAD Tracking
signal
,(1) ,(2) ,(3) ,(4)=(3)-
(2)
,(5)=
kumulatif
(4)
(6) =
Absolut
(4)
(7)=
Kumulatif
(6)
(8)=
(7)/(1) (9)=(5)/(8)
1 88397 52260 -36137,0 -36137 36137 36137 36137 -1
2 95613 62010 -33603,0 -69740,0 33603 69740 34870 -2,00
3 102829 85535 -17294,0 -87034,0 17294 87034 29011 -3,00
4 110045 100065 -9980,0 -97014,0 9980 97014 24254 -4,00
5 117261 141799 24538,0 -72476,0 24538 121552 24310 -2,98
6 124477 162367 37890,0 -34586,0 37890 159442 26574 -1,30
7 131693 192146 60453,0 25867,0 60453 219895 31414 0,82
8 138909 213458 74549,0 100416,0 74549 294444 36806 2,73
9 146125 162070 15945,0 116361,0 15945 310389 34488 3,37
10 153341 133153 -20188,0 96173,0 20188 330577 33058 2,91
11 160557 122654 -37903,0 58270,0 37903 368480 33498 1,74
12 167773 109529 -58244,0 26,0 58244 426724 35560 0,00
53
Berdasarkan tabel 4.13 dapat dilihat bahwa nilia-nilai tracking signal model
Trend linier berada dalam batas-batas yang dapat diterima. Hal ini
dikarenakan nilai-nilai tracking signal itu bergerak dari -4,00 samapi dengan
+3,37 dapat disimpulkan bahwa akurasi dari model peramalan Trend linier
dapat diandalkan karena berada dalam batas-batas pengendalain tracking
signal (maksimum ±4). Selanjutnya dari data tracking signal digambar
kedalam peta kendali tracking signal .
Berdasarkan data tracking signal digambarkan kedalam peta kendali tracking
signal seperti pada gambar 4.7
Gambar 4.7 Peta control tracking signal dari model peramalan Trend Linier
Dari peta kendali pada gambar 4.7 dapat dilihat bahwa nilai tracking signal
tidak ada berada diluar batas peta kendali hal ini menunjukkan bahwa model
peramalan yang digunakan dapat diandalkan, dimana nilai nilai tracking
signal untuk model trend linier bergerak dari -4,00 sampai dengan + 3,37.
Suatu tracking signal yang bagus adalah mempunyai RSFE yang rendah. Dan
mempunyai positive error yang sama banyak atau seimbang dengan negative
error sehingga pusat dari tracking signal mendekati nol.
-5
-4
-3
-2
-1
0
1
2
3
4
5
1 2 3 4 5 6 7 8 9 10 11 12
Tracking Signal Central Line
Upper Central Line Lower Central LIne
54
C. Peramalan Dengan Metode Double Moving Average
Model rata-rata bergerak menggunakan beberapa data aktual permintaan yang
baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan
datang. Metode rata-rata bergerak akan efektif diterapkan apabila diasumsikan
bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu.
Double Moving Average merupakan salah satu metode dalam moving average
yang menggunakan data single moving average pada waktu tertentu dengan
penyesuaian antara single moving average serta penyesuaian trend.
Tabel 4.16 Hasil perhitungan menggunakan metode Double Moving Average
Tahun Indeks Waktu
(t)
Permintaan
Aktual (A)
Moving Average (
4t)
Double Moving
Average
a b a+bm
2006 1 52260
2007 2 62010
2008 3 85535
2009 4 100065 74968
2010 5 141799 97352
2011 6 162367 122442
2012 7 192146 149094 110964 187225 25420
2013 8 213458 177443 136583 218302 27240 212645
2014 9 162070 182510 157872 207148 16425 245542
2015 10 133153 175207 171063 179350 2762 223574
2016 11 122654 157834 173248 142419 -10276 182112
2017 12 109529 131852 161851 101852 -19999 132143
Moving Average = (𝑌𝑡+𝑌𝑡−1+⋯+𝑌𝑡−𝑛+1)
𝑛
Double Moving Average = (𝑀𝑡+𝑀𝑡−1+⋯+𝑀𝑡−𝑛+1)
𝑛
a = 2Mt –M’t
b = 2
𝑛−1 (Mt –M’t)
55
Ft+m = a+b.m
n adalah jumlah periode dalam moving average
yt adalah nilai sebenarnya pada periode t
m adalah jumlah periode kedepan yang akan diramal
Mt adalah rata-rata bergerak periode t
Dengan demikian hasil peramalan untuk tahun 2018 menggunakan metode
Double Moving Average adalah sebagai berikut :
F12+m = 101852 + (-19999) m
= 81853 Unit
Setalah mengetahui hasil peramalan untuk periode tahun 2018 selanjutnya
dilakukan pengujian untuk mengetahui keandalan hasil peramalan dapat
digunakan ukuran kesalahan peramalan : MAD (Mean Absolute Deviation) atau
rata-rata penyimpangan absolut dan MSE (Mean Square Error) rata-rata kuadrat.
Pada tabel 4.16 merupakan perhitungan untuk mencari MAD dan MSE .
Tabel 4.17 Hasi perhitungan untuk menentukan ukuran hasil peramalan
dengan Double moving average
Tahun
Indeks
Waktu
(t)
Permintaan Aktual (A)
Ramalan (F)
Deviasi
A - F
Deviasi
Absolute l A-F l
Kuadrat
Kesalahan
(A-F)2
2006 0
2007 0
2008 0
2009 0
2010 0
2011 0
2012 0
56
Tabel 4.18 (lanjutan) Hasi perhitungan untuk menentukan ukuran hasil
peramalan dengan Double moving average
Tahun
Indeks
Waktu (t)
Permintaan
Aktual (A)
Ramalan
(F)
Deviasi
A - F
Deviasi
Absolute l A-F l
Kuadrat
Kesalahan
(A-F)2
2013 1 213458 212645 813,13 813,1 661172,3
2014 2 162070 245542 -83472,29 83472,3 6967623476,1
2015 3 133153 223574 -90420,79 90420,8 8175919565,6
2016 4 122654 182112 -59458,27 59458,3 3535285970,5
2017 5 109529 132143 -22613,81 22613,8 511384515,8
Jumlah 740864 996016 -255152,04 256778,3 19190874700
Berdasarkan tabel 4.16 dapat ditentukan berapa MAD (Mean absolut
Deviation) atau rata-rata penyimpangan absolut. Dan juga MSE (Mean Square
Error)
MAD = ∑∣𝐴−𝐹
𝑛∣ =
256778,3
5 = 51355,65
MSE = ∑(𝐴−𝐹)2
𝑛 =
19190874700
5 = 3838174940
Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan
pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking
signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model
peramalan yang dipilih.
57
Tabel 4.19 tracking signal model Double Moving Average
Periode
(n)
Forecast
(F)
Aktual
(A) Error (E) RSFE
Absolut
Error
Kumulatif
Absolut
Error
MAD Tracking
signal
,(1) ,(2) ,(3) ,(4)=(3)-(2)
,(5)=
kumulatif (4)
(6) =
Absolut
(4)
(7)=
Kumulatif
(6)
(8)=
(7)/(1) (9)=(5)/(8)
1 212645 213458 813,1 813,1 813,1 813,125 813 1,00
2 245542 162070 -83472,3 -82659,2 83472,3 84285,41667 42143 -1,96
3 223574 133153 -90420,8 -173080,0 90420,8 174706,2083 58235 -2,97
4 182112 122654 -59458,3 -232538,2 59458,3 234164,4792 58541 -3,97
5 132143 109529 -22613,8 -255152,0 22613,8 256778,2917 51356 -4,97
Berdasarkan tabel 4.17 dapat dilihat bahwa nilai nilai tracking signal
peramalan model Double moving average terdapat diluar batas-batas yang
dapat diterima. Hal ini dikarenakan nilai-nilai tracking signal bergerak dari +
1,00 sampai dengan -4,97. Dengan demikian dapat disimpulkan bahwa akurasi
dari model peramalan Double Moving Average masih kurang dapat diandalkan
karena melewati batas-batas pengendalian tracking signal (maksimum ±4).
Selanjutnya dari data tracking signal digambarkan kedalam peta kendali
tracking signal.
58
Gambar 4.8 Peta control Tracking Signal dari model peramalan Double
Moving Average
Dari peta kendali pada gambar 4.8 dapat dilihat bahwa nilai tracking signal
pada periode ke lima terdapat berada diluar peta kendali hal ini menunjukkan
bahwa model peramalan yang digunakan masih belum dapat diandalkan,
dimana nilai nilai tracking signal untuk model trend linier bergerak dari +
1,00 sampai dengan -4,97. Suatu tracking signal yang bagus adalah
mempunyai RSFE yang rendah. Dan mempunyai positive error yang sama
banyak atau seimbang dengan negative error sehingga pusat dari tracking
signal mendekati nol.
D. Peramalan Dengan Metode Trend Seasonal
Apabila identifikasi pola historis dari data aktual permintaan menunjukan
adanya fluktuasi musiman, perlu dilakukan penyesuaian terhadap pengaruh
musiman itu melalui menghitung indeks musiman (seasonal index). Apabila
pola data permintaan menunjukkan pola naik menunjukkan fluktuasi
musiman kita dapat menggunakan metode trend seasonal dan selanjutnya
nilai-nilai ramalan itu dikoreksi terhadap pengaruh musiman dengan
-6,00
-5,00
-4,00
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
4,00
5,00
1 2 3 4 5
Tracking signal Central line
Upper Central Line Lower Central Line
59
menggunakan indeks musiman. Pada tabel 4.19 merupakan perhitungan untuk
mencari indeks musiman.
Tabel 4.20 Perhitungan Indeks musiman pada metode Trend seasonal
Tahun
Indeks
Waktu (t)
Permintaan
Aktual (A) tA t2
Rata-rata
permintaan
per bulan
Indeks
Musiman
2006 1 52260 52260 1 128087 0,408
2007 2 62010 124020 4 128087 0,484
2008 3 85535 256605 9 128087 0,668
2009 4 100065 400260 16 128087 0,781
2010 5 141799 708995 25 128087 1,107
2011 6 162367 974202 36 128087 1,268
2012 7 192146 1345022 49 128087 1,500
2013 8 213458 1707664 64 128087 1,667
2014 9 162070 1458630 81 128087 1,265
2015 10 133153 1331530 100 128087 1,040
2016 11 122654 1349194 121 128087 0,958
2017 12 109529 1314348 144 128087 0,855
Jumlah (∑) 78 1537046 11022730 650 1537046 12
Kemudian dilakukan mencari peramalan dengan mencari a dan b terlebih
dahulu
b = ∑𝑡𝐴−𝑛(𝑡−𝑏𝑎𝑟)(𝐴−𝑏𝑎𝑟)
∑𝑡2−𝑛(𝑡−𝑏𝑎𝑟)2 = 11022730−12(6,5)(128087)
650−12(6,5)2 = 7216,30
a = A-bar – b(t-bar) = 128087 – 7216,30 (6,5) =81181
jadi untuk menentukan permintaan pada periode berikutnya adalah dengan
menggunakn formula : Ft = a + bt
60
F13 = 81181 + 7216,30 . 13 = 174989 di kali dengan indeks musiman tiap
periode. Pada tabel 4.19 merupakan hasil perhitungan peramalan dipengaruhi
indeks musiman.
Tabel 4.21 hasil perhitungan peramalan dengan dipengaruhi indeks
musiman
Tahun Indeks
Waktu (t)
Permintaan
Aktual (A)
Indeks
Musiman
Nilai
Peramalan
Nilai
Peramalan
setelah dikoreksi
2006 1 52260 0,408 88397 36066
2007 2 62010 0,484 95613 46288
2008 3 85535 0,668 102829 68668
2009 4 100065 0,781 110045 85970
2010 5 141799 1,107 117261 129814
2011 6 162367 1,268 124477 157791
2012 7 192146 1,500 131693 197555
2013 8 213458 1,667 138909 231493
2014 9 162070 1,265 146125 184893
2015 10 133153 1,040 153341 159406
2016 11 122654 0,958 160557 153747
2017 12 109529 0,855 167773 143465
Jumlah (∑) 78 1537046 12,000 644029 7728348
Selanjutnya dilakukan perhitungan peramalan untuk periode berikutnya
dengan dipengaruhi indeks musiman.
Tabel 4.22 hasil peramalan tahun 2018 menggunakan metode trend seasonal
Tahun Indeks
Waktu (t)
Indeks
Musiman Nilai Peramalan
Nilai Peramalan setelah
dikoreksi
2018 13 0,408 174989 71396
61
Setelah mengetahui hasil peramalan untuk periode tahun 2018 selanjutnya
dilakukan pengujian untuk mengetahui performansi hasil peramalan dapat
digunakan ukuran kesalahan peramalan : MAD (Mean Absolute Deviation)
atau rata-rata penyimpangan absolut dan MSE (Mean Square Error) rata –rata
kuadrat. Pada tabel 4.21 merupakan pehitungan untuk MAD dan MSE:
Tabel 4.23 Hasil perhitungan untuk menentukan ukuran hasil peramalan
menggunakan Trend seasonal
Tahun
Indeks
Waktu
(t)
Permintaan Aktual (A)
Ramalan (F)
Deviasi
A - F
Deviasi
Absolute
l A-F l
Kuadrat
Kesalahan
(A-F)2
2006 1 52260 36066 16193,72 16193,72 262236668
2007 2 62010 46288 15721,51 15721,51 247165730
2008 3 85535 68668 16867,09 16867,09 284498598
2009 4 100065 85970 14095,01 14095,01 198669200
2010 5 141799 129814 11985,12 11985,12 143643016
2011 6 162367 157791 4576,35 4576,35 20942995
2012 7 192146 197555 -5409,18 5409,18 29259221
2013 8 213458 231493 -18034,65 18034,65 325248510
2014 9 162070 184893 -22823,45 22823,45 520910085
2015 10 133153 159406 -26252,62 26252,62 689200039
2016 11 122654 153747 -31092,54 31092,54 966745842
2017 12 109529 143465 -33935,87 33935,87 1151643380
Jumlah 1537046 1595156 -58109,52 216987,1 4840163285
Dari tabel 4.21 dapat ditentukan berapa MAD (Mean Absolut Deviation) atau
rata-rata penyimpangan absolut. Dan juga MSE (Mean Square Error)
MAD = ∑∣𝐴−𝐹
𝑛∣ =
216987,1
12 = 18082,25
MSE = ∑(𝐴−𝐹)2
𝑛 =
4840163285
12 = 403346940,4
Setelah mengetahui berapa MAD dan MSE selanjutnya dilakukan
pemeriksaan keandalan model yang dipilih berdasarkan peta kontrol tracking
62
signal .Tracking signal dapat menunjukkan sejauh mana keandalan dari model
peramalan yang dipilih.
Tabel 4.24 Tracking Signal Mode peramalan Trend Seasonal
Periode (n) Forecast
(F)
Aktual
(A) Error (E) RSFE
Absolut
Error
Kumulatif
Absolut
Error
MAD Tracking
signal
,(1) ,(2) ,(3) ,(4)=(3)-
(2)
,(5)=
kumulatif (4)
(6) =
Absolut
(4)
(7)=
Kumulatif
(6)
(8)=
(7)/(1) (9)=(5)/(8)
1 36066 52260 16194 16194 16194 16194 16194 0
2 46288 62010 15722 31915 15722 31915 15958 2,00
3 68668 85535 16867 48782 16867 48782 16261 3,00
4 85970 100065 14095 62877 14095 62877 15719 4,00
5 129814 141799 11985 74862 11985 74862 14972 5,00
6 157791 162367 4576 79439 4576 79439 13240 6,00
7 197555 192146 -5409 74030 5409 84848 12121 6,11
8 231493 213458 -18035 55995 18035 102883 12860 4,35
9 184893 162070 -22823 33172 22823 125706 13967 2,37
10 159406 133153 -26253 6919 26253 151959 15196 0,46
11 153747 122654 -31093 -24174 31093 183051 16641 -1,45
12 143465 109529 -33936 -58110 33936 216987 18082 -3,21
Berdasarkan tabel 4.22 dapat dilihat bahwa nilia-nilai tracking signal model
Trend Seasonal terddapat beberapa yang berada diluar batas-batas yang dapat
diterima. Hal ini dikarenakan nilai-nilai tracking signal itu bergerak dari -3,21
samapi dengan +6,11 dapat disimpulkan bahwa akurasi dari model Trend
Seasonal masih belum dapat diandalkan karena terdapat beberapa diluar
batas-batas pengendalian tracking signal Selanjutnya dari data tracking signal
digambar kedalam peta kendali tracking signal .
63
Gambar 4.9 Peta control tracking signal dari model peramalan trend
seasonal
Dari peta kendali pada gambar 4.9 dapat dilihat bahwa nilai tracking signal
terdapat beberapa yang berada diluar batas peta kendali hal ini menunjukkan
bahwa model peramalan yang digunakan belum dapat untuk diandalkan,
dimana nilai nilai tracking signal untuk model trend linier bergerak dari -3,21
sampai dengan + 6,11. Suatu tracking signal yang bagus adalah mempunyai
RSFE yang rendah. Dan mempunyai positive error yang sama banyak atau
seimbang dengan negative error sehingga pusat dari tracking signal
mendekati nol.
Selanjutnya adalah melakukan perbandingan antara dua metode peramalan
yang sudah diperhitungkan sebelumnya, tujuannya adalah untuk mendapatkan
metode atau model peramalan yang lebih akurat.
-6
-4
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10 11 12
Tracking Signal Central Line
Upper Central Line Lower Central LIne
64
Tabel 4.25 Perbandingan hasil peramalan permintaan Floor shift assy trasnmission
No Deskripsi Model Double Exponential
Smoothing Model trend Linier
Model Double Moving
Average Model trend Seasonal
1
Nilai Peramalan
Permintaan Floor Shift
Assy Tranmission untuk
tahun 2018
97616 174498 81853 71396
2 Nilai-nilai Tracking signal Bervariasi dari -5,08
sampai dengan +7,08
Bervariasi dari -4,00
sampai dengan +3,37
Bernilai Positive dari +
1,00 Sampai dengan +
3,00
Bervariasi dari - 3,21
sampai dengan +6,11
3
Tebaran nilai -nilai
tracking signal dalam peta
kontrol
Tidak semua nilai tracking
signal berada dalam batas -
batas pengendalian peta
kontrol. Jumlah nilai
tracking signal positive
lebih banyak jika
dibandingkan dengan nilai -
nilai tracking signal
Negative
Semua nilai tracking signal
berada dalam batas - batas
pengendalian peta kontrol.
Jumlah nilai tracking signal
negative dengan nilai
tracking signal positive
seimbang
Tidak Semua nilai tracking
signal berada dalam batas -
batas pengendalian peta
kontrol. Jumlah nilai
tracking signal Negative
lebih banyak jika
dibandingkan dengan nilai
-nilai tracking signal
Positive
Tidak semua nilai tracking
signal berada dalam batas -
batas pengendalian peta kontrol.
Jumlah nilai tracking signal
Positive lebih banyak jika
dibandingkan dengan nilai -nilai
tracking signal Negative
65
Tabel 4.26 (lanjutan) Perbandingan hasil peramalan permintaan Floor shift assy trasnmission
No Deskripsi Model Double Exponential
Smoothing Model trend Linier
Model Double Moving
Average Model trend Seasonal
4 Nilai MAD,MSE dan
RSFE
Nilai MAD 175499,0
Nilai MSE 836983526,8
Nilai RSFE -102100
Nilai MAD 35560
Nilai MSE 1631200890
Nilai RSFE 26
Nilai MAD 51355,65
Nilai MSE 3838174940
Nilai RSFE -255152,0
Nilai MAD 18082,25
Nilai MSE 403346940,4
Nilai RSFE -58110
5 Keputusan Dapat diterima tetapi masih
kurang bisa diandalkan
Dapat diterima dan bisa
diandalkan
Tidak dapat diterima dan
juga tidak bisa diandalkan
Dapat diterima tetapi masih
belum bisa diandalkan
66
Berdasarkan pada tabel 4.23 dapat disimpulkan bahwa metode peramalan yang
lebih tepat digunakan adalah metode trend Linier hal ini dapat dilihat dari nilai
MAD (Mean Absolute Deviation) model trend linier lebih kecil dibandingkan
dengan MAD (Mean Absolute Deviation) dari Double Exponential
Smoothing,Trend Seasonal dan Double moving average. dan MSE (Mean Square
Error) model trend Linier juga lebih kecil dibandingkan dengan MSE (Mean
Square Error) ketiga peramalan yang lain, karena semakin kecil nilai-nilai
MAD,MSE maka semakin kecil pula kesalahannya. Oleh karenanya dalam
menetapkan model yang akan digunakan dalam peramalan pilihlah model dengan
nilai MAD, dan MSE yang paling kecil . sehingga dalam kasus ini model
peramalan yang dipilih adala model Trend Linier. Selanjutnya hasil peramalan
Trend Linier akan digunakan untuk menentukan Master Production Schedule
4.3.2. Jadwal Induk Produksi (Master Production Schedule)
Penjadwalan produksi induk merupakan perencanaan prioritas dan perencanaan
kapasitas yang menguaraikan rencana produksi untuk menunjukkan kuantitas
produk akhir yang akan diproduksi untuk setiap periode waktu. Dimana hasil
peramalan tahunan dengan metode peramalan Trend Linier kemudian dibagi
dengan jumlah hari kerja pada setiap bulan, untuk dapat menentukan jadwal induk
produksi periode bulanan.
Tabel 4.27 Rencana Jumlah Floor Shift Assy Transmission yang akan
diproduksi pada tahun 2018.
Periode
(Bulan) Permintaan
Rencana
Produksi
Safety Stock
(5%) Inventory
0 405
1 15733 16115 787 787
2 13588 13481 679 679
3 15018 15090 751 751
4 15018 15018 751 751
5 14303 14267 715 715
6 10727 10549 536 536
7 15733 15984 787 787
8 15018 14983 751 751
67
Tabel 4.28 (lanjutan) Rencana Jumlah Floor Shift Assy Transmission
yang akan diproduksi pada tahun 2018.
Periode
(Bulan) Permintaan
Rencana
Produksi
Safety Stock
(5%) Inventory
9 13588 13516 679 679
10 16449 16592 822 822
11 15018 14947 751 751
12 14303 14267 715 715
Tabel 4.24 merupakan tabel rencana produksi Floor shift assy trasnmission
pada tahun 2018 diperoleh dari perhitungan menggunakan Chase strategy
pada model ini jumlah produksi tetap perbulan mengikuti secara tepat
permintaan total pada bulan itu yang mana hasil peramalan tahunan yang
diperoleh kemudian dibagi dengan hari kerja setiap bulannya, dan
menambahkan faktor Safety Stock tiap bulannya yang ditentukan oleh
perusahaan , jadi untuk safety stock finish goods sebesar 5% dari jumlah
peramalan tiap bulan.
4.3.3. Perhitungan Kebutuhan Part atau komponen
Berdasarkan data jadwal induk produksi pada tabel 4.24 maka dapat
ditentukan jumlah kebutuhan tiap material atau komponen dimasa yang akan
datang dengan mengacu pada Bill Of Material dari produk Floor Shift Assy
Transmission. Permintaan produksi produk Floor Shift Assy transmission pada
bulan januari adalah sebanyak 16115 Pcs. Sedangkan Bill Of Material untuk
memproduksi satu pieces Floor Shift Assy Transmissions terdiri dari beberapa
part atau komponen. Berdasarkan Bill Of Material maka kebutuhan komponen
atau part dapat dilihat pada tabel 4.25 dan tabel 4.26.
68
Tabel 4.29 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy
Transmission Periode Januari 2018 sampai Juni 2018.
NO PART NO Usage
/ Pcs
Periode (Month)
1 2 3 4 5 6
1 TG24700-10100 1 16115 13481 15090 15018 14267 10549
2 TG24700-95020 1 16115 13481 15090 15018 14267 10549
3 TG24700-95010 1 16115 13481 15090 15018 14267 10549
4 TG24700-95040 2 32230 26961 30180 30037 28535 21097
5 TG24700-95050 3 48345 40442 45269 45055 42802 31646
6 TG24700-10910 1 16115 13481 15090 15018 14267 10549
7 TG23600-98070 1 16115 13481 15090 15018 14267 10549
8 TG23600-92010 1 16115 13481 15090 15018 14267 10549
9 TG24700-11000 1 16115 13481 15090 15018 14267 10549
10 TG22500-91010 1 16115 13481 15090 15018 14267 10549
11 TG22500-96010 1 16115 13481 15090 15018 14267 10549
12 TG22500-17000 1 16115 13481 15090 15018 14267 10549
13 TG22500-91020 1 16115 13481 15090 15018 14267 10549
14 TG23300-98060 1 16115 13481 15090 15018 14267 10549
15 TG24700-92060 1 16115 13481 15090 15018 14267 10549
16 TG24700-13100 1 16115 13481 15090 15018 14267 10549
17 TG23300-98040 1 16115 13481 15090 15018 14267 10549
18 TG24700-11200 1 16115 13481 15090 15018 14267 10549
19 TG24700-28600 1 16115 13481 15090 15018 14267 10549
20 TG24700-1A110 1 16115 13481 15090 15018 14267 10549
21 TG24700-1A120 1 16115 13481 15090 15018 14267 10549
22 TG24700-92010 3 48345 40442 45269 45055 42802 31646
23 TG24700-92020 3 48345 40442 45269 45055 42802 31646
24 TG24700-1A200 1 16115 13481 15090 15018 14267 10549
25 TG24700-70200 1 16115 13481 15090 15018 14267 10549
26 TG24700-10500 1 16115 13481 15090 15018 14267 10549
27 TG24700-A0400 1 16115 13481 15090 15018 14267 10549
28 TG24700-28200 1 16115 13481 15090 15018 14267 10549
29 TG24700-10400 1 16115 13481 15090 15018 14267 10549
30 TG24700-10410 1 16115 13481 15090 15018 14267 10549
31 TG24700-28100 1 16115 13481 15090 15018 14267 10549
32 TG22500-91020 1 16115 13481 15090 15018 14267 10549
33 TG24700-23300 1 16115 13481 15090 15018 14267 10549
34 TG22500-96050 1 16115 13481 15090 15018 14267 10549
35 TG23600-98200 1 16115 13481 15090 15018 14267 10549
69
Tabel 4.30 Hasil Perhitungan Kebutuhan Komponen Floor Shift Assy
Transmission Periode Juli 2018 sampai Desember 2018.
NO PART NO Usage
/ Pcs
Periode (Month)
7 8 9 10 11 12
1 TG24700-10100 1 15984 14983 13516 16592 14947 14267
2 TG24700-95020 1 15984 14983 13516 16592 14947 14267
3 TG24700-95010 1 15984 14983 13516 16592 14947 14267
4 TG24700-95040 2 31967 29965 27033 33183 29894 28535
5 TG24700-95050 3 47951 44948 40549 49775 44840 42802
6 TG24700-10910 1 15984 14983 13516 16592 14947 14267
7 TG23600-98070 1 15984 14983 13516 16592 14947 14267
8 TG23600-92010 1 15984 14983 13516 16592 14947 14267
9 TG24700-11000 1 15984 14983 13516 16592 14947 14267
10 TG22500-91010 1 15984 14983 13516 16592 14947 14267
11 TG22500-96010 1 15984 14983 13516 16592 14947 14267
12 TG22500-17000 1 15984 14983 13516 16592 14947 14267
13 TG22500-91020 1 15984 14983 13516 16592 14947 14267
14 TG23300-98060 1 15984 14983 13516 16592 14947 14267
15 TG24700-92060 1 15984 14983 13516 16592 14947 14267
16 TG24700-13100 1 15984 14983 13516 16592 14947 14267
17 TG23300-98040 1 15984 14983 13516 16592 14947 14267
18 TG24700-11200 1 15984 14983 13516 16592 14947 14267
19 TG24700-28600 1 15984 14983 13516 16592 14947 14267
20 TG24700-1A110 1 15984 14983 13516 16592 14947 14267
21 TG24700-1A120 1 15984 14983 13516 16592 14947 14267
22 TG24700-92010 3 47951 44948 40549 49775 44840 42802
23 TG24700-92020 3 47951 44948 40549 49775 44840 42802
24 TG24700-1A200 1 15984 14983 13516 16592 14947 14267
25 TG24700-70200 1 15984 14983 13516 16592 14947 14267
26 TG24700-10500 1 15984 14983 13516 16592 14947 14267
27 TG24700-A0400 1 15984 14983 13516 16592 14947 14267
28 TG24700-28200 1 15984 14983 13516 16592 14947 14267
29 TG24700-10400 1 15984 14983 13516 16592 14947 14267
30 TG24700-10410 1 15984 14983 13516 16592 14947 14267
31 TG24700-28100 1 15984 14983 13516 16592 14947 14267
32 TG22500-91020 1 15984 14983 13516 16592 14947 14267
33 TG24700-23300 1 15984 14983 13516 16592 14947 14267
34 TG22500-96050 1 15984 14983 13516 16592 14947 14267
35 TG23600-98200 1 15984 14983 13516 16592 14947 14267
70
Berdasarkan tabel 4.25 dan Tabel 4.26 merupakan perhitungan untuk
kebutuhan komponen atau part yang dibutuhkan selama tahun 2018.
Diperoleh dari jumlah kebutuhan produksi dikali dengan jumlah komponen
setiap satu produk dengan mengacu pada data Bill Off Material.
4.3.4. Lot Sizing
Lot sizing merupakan suatu teknik yang digunakan untuk menetukan ukuran
kuantitas pemesanan terdapat sembilan metode penentuan, Dalam penelitian
ini dilakukan penentuan Lot Sizing menggunkan dua metode yaitu Economic
Order Quantity(EOQ) dan Lot For Lot (LFL).
A. Economic Order Quantity
Economic Order Quantity (EOQ) digunakan untuk menentukan kuantitas
pesanan persediaan yang dapat meminimalkan biaya penyimpanan dan biaya
pemesanan persediaan. Economic Order Quantity (EOQ) adalah jumlah
kuantitas barang yang dapat diperoleh dengan biaya yang minimal, atau sering
disebut sebagai jumlah pembelian yang optimal. Dibawah ini menunjukkan
perhitungan EOQ untuk komponen Plate Shift Lever :
Permintaan (Demand) tahunan berdasarkan data tiap bulan :
EOQ = √𝟐𝑺𝑫
𝑯
EOQ = √𝟐 𝒙 𝟏𝟎.𝟐𝟓𝟎.𝟎𝟎𝟎 𝒙 𝟏𝟕𝟒𝟖𝟎𝟖
𝟏𝟕𝟒 𝒙 𝟏𝟐
= 41451 Pcs
A.1. Titik Pemesanan Kembali (ROP)
Selain menentukan EOQ ,pengendalian persediaan juga menentukan kapan
dilakukan pemesanan kembali. Penentuan kapan melakukan pesanan ini isebut
71
dengan Re Order Point ,yaitu saat dimana perusahaan harus melakukan
kembali pembelian bahan baku, hal ini diperlukan karena tidak selamanya
pesanan bahan baku dapat segera dikirim oleh pemasok,
Untuk menentukan Reorder Point bisa di hitung dengan cara
ROP = EOQ
𝐿ama Perputaran produksi x Lead time
Berikut ini merupakan contoh perhitungan ROP untuk komponen Plate
dengan lead time 7 hari atau 7/(24 hari) = 0,272 bulan
Rop plate = 41451
12 x 0,272
= 942 Pcs
Artinya bahwa perusahaan Mannoh Tsuda harus melakukan pesanan
komponen plate ke pemasok pada saat persediaan di gudang tinggal 942 pcs.
Setelah diketahui Reorder Point maka selanjutnya dilakukan penyusunan
MRP (Material Requirement Planning ) selama satu tahun untuk setiap
komponen.
Pada tabel 4.27 merupakan contoh penyusunan MRP (Material Requirement
Planning ) untuk komponen Plate.
72
Tabel 4.31 Economic Order Quantity (EOQ) Komponen Plate (TG24700-
10100)
Lead Time = 0,272727 (Bulan) ROP = 942,0839186
Month Net Req Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 41451 25336 4403380 10.250.000 14653380
2 13481 0 11855 2060437 0 2060437
3 15090 41451 38216 6642016 10.250.000 16892016
4 15018 0 23198 4031840 0 4031840
5 14267 0 8931 1552174 0 1552174
6 10549 41451 39833 6923020 10.250.000 17173020
7 15984 19293 43143 7498171 10.250.000 17748171
8 14983 0 28160 4894210 0 4894210
9 13516 0 14644 2545052 0 2545052
10 16592 41451 39503 6865614 10.250.000 17115614
11 14947 0 24556 4267868 0 4267868
12 14267 0 10289 1788201 0 1788201
Jumlah 174808 104721982
Tabel 4.27 merupakan contoh perhitungan pada komponen Plate (TG24700-
10100 menggunakan model Economic Order Quantity, untuk perhitungan
komponen lainnya dapat dilihat pada lampiran. Setelah melakukan
perhitungan menggunakan metode Economic Order Quantity dari seluruh
komponen akan didapatkan total biaya keseluruhan dalam pengadaaan
material selama satu tahun.
73
Tabel 4.32 Hasil Perhitungan Biaya Menggunakan Model EOQ
NO PART NO COST/TAHUN
1 TG24700-10100 104.721.982
2 TG24700-95020 59.792.085
3 TG24700-95010 59.873.954
4 TG24700-95040 93.168.571
5 TG24700-95050 87.308.089
6 TG24700-10910 87.162.464
7 TG23600-98070 16.038.370
8 TG23600-92010 16.026.818
9 TG24700-11000 114.589.850
10 TG22500-91010 87.900.067
11 TG22500-96010 25.904.875
12 TG22500-17000 36.443.513
13 TG22500-91020 49.359.494
14 TG23300-98060 32.605.834
15 TG24700-92060 51.402.071
16 TG24700-13100 113.163.542
17 TG23300-98040 41.054.922
18 TG24700-11200 71.375.508
19 TG24700-28600 264.512.286
20 TG24700-1A110 108.829.875
21 TG24700-1A120 40691960
22 TG24700-92010 102320604
23 TG24700-92020 89.520.418
24 TG24700-1A200 56.708.408
25 TG24700-70200-C0 40.623.425
26 TG24700-10500 35.747.969
27 TG24700-A0400 33.463.223
28 TG24700-28200 49.000.643
29 TG24700-10400 42.986.813
30 TG24700-10410 22.227.683
31 TG24700-28100 300.417.618
32 TG22500-910200 17.809.769
33 TG24700-23300 42.615.436
34 TG22500-96050 12.888.766
35 TG23600-98200 30.172.855
Total Cost 2.438.429.762
74
Dari tabel 4.28 dapat dilihat bahwa total biaya yang dikeluarkan dalam
pengadaaan material menggunakan model Economic Order Quantity adalah
sebesar Rp 2.438.429.762
B. Lot For Lot
Lot for Lot adalah(LFL) adalah salah satu metode penentuan Lot Sizing
dengan melakukan pemesanan tepat sebesar kebutuhan bersih dan sesuai
dengan tenggang waktu masing-masing persediaan. Kebutuhan persediaan
bahan baku diharapkan dapat tersedia dalam jumlah dan waktu yang tepat
sehingga dapat dihilangkan adanya persediaan digudang . hal ini dapat
mengurangi biaya penyimpanan yang dikeluarkan oleh perusahaan. sebagai
contoh berdasarkan tabel 4.29 kuantitas pesanan Plate (TG24700-10100)
setiap bulannya disesuaikan dengan kebutuhan bersih, sebagai contoh
kuantitas pesanan tertinggi komponen plate tertinggi terjadi pada bulan Maret
yaitu sebanyak 3518 unit atau pcs.
Tabel 4.33 Contoh Perhitungan MRP Plate (TG24700-10100)
Menggunakan Metode Lot For Lot
Periode Net
Requirement
Order
Quantity
Ending
Inventory
Holding
Cost
Set Up
Cost
Total
Cost
1 16115 16115 0 Rp - 10250000 10250000
2 13481 13481 0 Rp - 10250000 10250000
3 15090 15090 0 Rp - 10250000 10250000
4 15018 15018 0 Rp - 10250000 10250000
5 14267 14267 0 Rp - 10250000 10250000
6 10549 10549 0 Rp - 10250000 10250000
7 15984 15984 0 Rp - 10250000 10250000
8 14983 14983 0 Rp - 10250000 10250000
9 13516 13516 0 Rp - 10250000 10250000
10 16592 16592 0 Rp - 10250000 10250000
11 14947 14947 0 Rp - 10250000 10250000
12 14267 14267 0 Rp - 10250000 10250000
Total Cost 123000000
75
Dari perhitungan tabel 4.29 merupakan perhitungan kebutuhan material plate
dengan menggunakan model Lot For Lot. Selama dua belas bulan. untuk
perhitungan Lot For Lot dari seluruh komponen Floor Shift Assy Trasnmission
dapat dilihat pada tabel 4.30.
76
Tabel 4.34 Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018
NO Item Periode (Month)
Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12
1 TG24700-10100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 123000000
2 TG24700-95020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
3 TG24700-95010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
4 TG24700-95040 32230 26961 30180 30037 28535 21097 31967 29965 27033 33183 29894 28535 192000000
5 TG24700-95050 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 192000000
6 TG24700-10910 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
7 TG23600-98070 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000
8 TG23600-92010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000
9 TG24700-11000 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 123000000
10 TG22500-91010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
11 TG22500-96010 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 162003000
12 TG22500-17000 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 113190000
13 TG22500-91020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
14 TG23300-98060 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 42360000
77
Tabel 4.35 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018
NO Item Periode (Month)
Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12
15 TG24700-92060 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 113190000
16 TG24700-13100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800
17 TG23300-98040 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800
18 TG24700-11200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 42360000
19 TG24700-28600 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 102384000
20 TG24700-1A110 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 30003900
21 TG24700-1A120 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 30003900
22 TG24700-92010 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 75000000
23 TG24700-92020 48345 40442 45269 45055 42802 31646 47951 44948 40549 49775 44840 42802 75000000
24 TG24700-1A200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 63472296
25 TG24700-70200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 51900000
26 TG24700-10500 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 76140000
27 TG24700-A0400 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 76140000
28 TG24700-28200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 102384000
29 TG24700-10400 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800
30 TG24700-10410 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800
78
Tabel 4.36 (lanjutan) Perhitungan Menggunakan Metode Lot For Lot untuk periode 2018
NO Item Periode (Month)
Biaya Total 1 2 3 4 5 6 7 8 9 10 11 12
31 TG24700-28100 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
32 TG22500-91020 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 62400000
33 TG24700-23300 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 69607800
34 TG22500-96050 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 27603000
35 TG23600-98200 16115 13481 15090 15018 14267 10549 15984 14983 13516 16592 14947 14267 192000000
Jumlah 3692373096
Dari tabel 4.30 merupakan perhitungan biaya pengadaan material untuk periode dua belas kedepan menggunakan metode Lot For Lot .
Dapat dilihat bahwa total biaya pengadaan material untuk periode setahun kedepan adalah Rp.3.692.373.096.
79
C. Perhitungan Biaya Persediaan Dengan Metode yang Sudah berjalan
Pada Perusahaan.
Perhitungan biaya persediaan dengan metode yang sudah berjalan adalah
perhitungan yang didapatkan dari perencanaan Material Requirement
Planning yang sudah disusun oleh divisi Planning Production and Inventory
Control dari perencanaan yang ada dilakukan penghitungan terhadap biaya
penyimpanan dan biaya pemesanan sehingga didapatkan data perincian biaya
seperti tabel 4.31.
Tabel 4.37 Perhitungan total biaya persediaan bahan baku dengan
metode yang sudah berjalan pada perusahaan.
NO PART NO PERUSAHAAN
1 TG24700-10100 51.301.047
2 TG24700-95020 23.670.975
3 TG24700-95010 53.978.405
4 TG24700-95040 51.781.178
5 TG24700-95050 45.863.223
6 TG24700-10910 72.780.221
7 TG23600-98070 22.534.781
8 TG23600-92010 13.538.231
9 TG24700-11000 88.183.821
10 TG22500-91010 71.838.023
11 TG22500-96010 40.747.319
12 TG22500-17000 36.018.864
13 TG22500-91020 30.284.628
14 TG23300-98060 29.350.685
15 TG24700-92060 21.388.191
16 TG24700-13100 70.138.382
17 TG23300-98040 19.184.346
18 TG24700-11200 37.574.811
19 TG24700-28600 125.321.792
20 TG24700-1A110 113.683.659
21 TG24700-1A120 110.351.841
22 TG24700-92010 51.781.319
80
Tabel 4.38 (lanjutan) Perhitungan total biaya persediaan bahan
baku dengan metode yang sudah berjalan pada perusahaan.
NO PART NO PERUSAHAAN
23 TG24700-92020 46.878.134
24 TG24700-1A200 34.030.518
25 TG24700-70200-C0 44.683.718
26 TG24700-10500 45.847.341
27 TG24700-A0400 33.488.234
28 TG24700-28200 33.868.418
29 TG24700-10400 33.068.846
30 TG24700-10410 24.019.346
31 TG24700-28100 588.847.319
32 TG22500-910200 18.847.346
33 TG24700-23300 38.198.846
34 TG22500-96050 788.217.035
35 TG23600-98200 15.698.981
Total Biaya 2.926.989.813
Pada tabel 4.31 dapat dilihat total biaya persediaan yang akan dikeluarkan
perusahaan selama satu tahun, data berikut didapatkan dari rencana
pengadaan material yang dilakukan oleh divisi Production Planning and
Inventory Control. Berdasarkan data dapat dilihat bahwa pengeluaran atau
biaya yang akan dikeluarkan perusahaan adalah sebesar Rp 2.926.989.813
4.4. Analisis Data
Pada tahap ini dilakukan analisis data pada model peramalan menggunakan
Software minitab 16. Guna mengetahui apakah model peramalan yang sudah
dipilih merupakan model peramalan yang terbaik. Faktor utama yang sangat
mempengaruhi pemilihan teknik peramalan adalah identifikasi dan
pemahaman pola historis data yang digunakan. Oleh karena itudilakukan
analisa pada histori permintaan untuk dapat menentukan metode peramalan
yang baik dengan mempertimbangkan nilai MAD (Mean Absolut Deviation)
81
,MSE (Mean Square Error) dan MAPE (Mean Absolute Precentage of Error).
Dan pada tahap ini dilakukan perbandingan biaya dengan metode yang
berjalan pada perusahaan. agar bisa dipertimbangkan metode yang manakah
yang paling baik dengan biaya paling sedikit.
4.4.1. Analisis Model Peramalan Single Exponential Smoothing
Single Exponential Smoothing atau biasa disebut sebagai Simple Exponential
Smoothing. Metode ini cocok digunakan untuk peramalan jangka pendek.
Model ini mengasumsikan bahwa data berfluktuasi disekitar nilai Mean yang
tetap,tanpa trend.
Gambar 4.10 Grafik Perbandingan hasil Forecasting model Single Exponential
menggunakan Minitab 16 dengan permintaan aktual tahun 2017.
Dari gambar 4.10 merupakan hasil perhitungan forecast dengan
menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai
MAPE(Mean Absolute Precentage of Error) yaitu 10. Untuk nilai MAD(Mean
Absolute Deviation) yaitu 300 dan untuk nilai MSD(Mean Square Deviation)
yaitu 142311.
82
4.4.2. Analisa Model Peramalan Double Exponential Smoothing
Metode ini dikembangkan oleh Brown’s untuk dapat mengatasi adanya
perbedaan yang muncul antara data aktual dan hasil peramlan jika ada Trend
pada plot datanya. Untuk itu Bronn’s memamfaatkan nilai persamalan dari
hasil Single Exponential Smoothing. Perbedaan antara kedua metode ini
ditambahkan pada harga SES dengan demikian harga peramalan telah
disesuaikan terhadap trend pada plot data.
Gambar 4.11 Grafik Perbandingan hasil Forecasting Model Double
Exponential menggunakan Minitab 16 dengan permintaan aktual tahun 2017.
Dari gambar 4.11 merupakan hasil perhitungan forecast dengan
menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai
MAPE(Mean Absolute Precentage of Error) yaitu 12. Untuk nilai MAD(Mean
Absolute Deviation) yaitu 361 dan untuk nilai MSD(Mean Square Deviation)
yaitu 196758.
83
4.4.3. Analisa Model Peramalan Trend Linier
Seringkali data Trend Linier jika digambarkan kedalam plot mendekati garis
lurus.
Gambar 4.12 Grafik Perbandingan hasil Forecasting Model Trend Linier
menggunakan Minitab 16 dengan permintaan aktual tahun 2017.
Berdasarkan gambar 4.12 merupakan hasil perhitungan forecast dengan
menggunakan minitab dari hasil perhitungan tersebut kita dapatkan nilai
MAPE(Mean Absolute Precentage of Error) yaitu 8,4. Untuk nilai
MAD(Mean Absolute Deviation) yaitu 242,2 dan untuk nilai MSD(Mean
Square Deviation) yaitu 92251,2.
4.4.4. Analisa Model Peramalan Winters’ (Musiman)
Dalam kondisi tertentu kadang-kadang permintaan terhadap suatu produk
industri sangat dipengaruhi oleh oleh faktor musiman yang berkaitan erat
dengan fluktuasi periodik serta bersifat relatif konstan. Fluktuasi permintaan
84
tersebut biasanya dipengaruhi oleh faktor-faktor seperti : temperatur,hari raya
keagamaan,curah hujan dan lain-lain. Apabila identifikasi pola historis dari
data aktual permintaan menunjukkan adanya fluktuasi musiman,perlu
dilakukan penyesuaian terhadap pengaruh musiman itu melalui menghitung
indeks musiman.
Gambar 4.13 Grafik Perbandingan hasil Forecasting Model musiman
menggunakan Minitab 16 dengan permintaan aktual tahun 2017.
Berdasarkan gambar 4.13 merupakan hasil perhitungan forecast dengan
menggunakan minitab dari hasil perhitungan tersebut didapatkan nilai
MAPE(Mean Absolute Precentage of Error) yaitu 13. Untuk nilai MAD(Mean
Absolute Deviation) yaitu 375 dan untuk nilai MSD(Mean Square Deviation)
yaitu 215813.
85
4.4.5. Perbandingan Biaya Total Persediaan
Perbandingan pada biaya total persediaan yaitu untuk membandingkan biaya
yang di keluarkan dalam pengadaan persediaan menggunakan teknik eoq dan
teknik lot for lot dengan biaya yang akan dikeluarkan oleh perusahaan. Pada
tahap ini biaya perusahaan merupakan biaya perusahaan yang sudah berjalan
pada tahun berjalan oleh perusahaan.
Tabel 4.39 Perbandingan total biaya pengadaaan persediaan tahun 2018.
NO PART NO PERUSAHAAN TEKNIK
EOQ
TEKNIK
LOT FOR
LOT
1 TG24700-10100 51.301.047 104.721.982 123.000.000
2 TG24700-95020 23.670.975 59.792.085 192.000.000
3 TG24700-95010 53.978.405 59.873.954 192.000.000
4 TG24700-95040 51.781.178 93.168.571 192.000.000
5 TG24700-95050 45.863.223 87.308.089 192.000.000
6 TG24700-10910 72.780.221 87.162.464 192.000.000
7 TG23600-98070 22.534.781 16.038.370 62.400.000
8 TG23600-92010 13.538.231 16.026.818 62.400.000
9 TG24700-11000 88.183.821 114.589.850 123.000.000
10 TG22500-91010 71.838.023 87.900.067 192.000.000
11 TG22500-96010 40.747.319 25.904.875 162.003.000
12 TG22500-17000 36.018.864 36.443.513 113.190.000
13 TG22500-91020 30.284.628 49.359.494 192.000.000
14 TG23300-98060 29.350.685 32.605.834 42.360.000
15 TG24700-92060 21.388.191 51.402.071 113.190.000
16 TG24700-13100 70.138.382 113.163.542 69.607.800
17 TG23300-98040 19.184.346 41.054.922 69.607.800
18 TG24700-11200 37.574.811 71.375.508 42.360.000
19 TG24700-28600 125.321.792 264.512.286 102.384.000
20 TG24700-1A110 113.683.659 108.829.875 30.003.900
21 TG24700-1A120 110.351.841 40691960 30.003.900
22 TG24700-92010 51.781.319 102320604 75.000.000
23 TG24700-92020 46.878.134 89.520.418 75.000.000
24 TG24700-1A200 34.030.518 56.708.408 63.472.296
25 TG24700-70200 44.683.718 40.623.425 51.900.000
26 TG24700-10500 45.847.341 35.747.969 76.140.000
27 TG24700-A0400 33.488.234 33.463.223 76.140.000
86
Tabel 4.40 (lanjutan) Perbandingan total biaya pengadaaan persediaan
tahun 2018.
NO PART NO PERUSAHAAN TEKNIK
EOQ
TEKNIK
LOT FOR
LOT
28 TG24700-28200 33.868.418 49.000.643 102.384.000
29 TG24700-10400 33.068.846 42.986.813 69.607.800
30 TG24700-10410 24.019.346 22.227.683 69.607.800
31 TG24700-28100 588.847.319 300.417.618 192.000.000
32 TG22500-910200 18.847.346 17.809.769 62.400.000
33 TG24700-23300 38.198.846 42.615.436 69.607.800
34 TG22500-96050 788.217.035 12.888.766 27.603.000
35 TG23600-98200 15.698.981 30.172.855 192.000.000
Total Biaya 2.926.989.813 2.438.429.762 3.692.373.096
Berdasarkan tabel 4.32 dapat dilihat perbandingan biaya antara model Lot For
Lot, Economic Order Quantity, dan model yang digunakan oleh perusahaan. total
biaya berdasarkan model yang digunakan oleh perusahaan yaitu sebesar Rp.
2.926.989.813 untuk model Lot For Lot total biaya lebih tinggi dari model yang
digunakan oleh perusahaan yaitu sebesar Rp.3.692.373.096 atau naik sebesar
26,14 % sedangkan metode Economic Order Quantity total biaya lebih rendah
jika dibandingkan dengan model yang digunakan oleh perusahaaan yaitu Rp
2.438.429.762. atau lebih rendah sebesar 16,69 %
87
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan tujuan dari penelitian yang dilakukan yaitu mendapatkan metode
peramalan yang tepat dan menentukan kuantitas pemesanan yang terbaik
dengan biaya yang ekonomis maka dapat ditarik kesimpulan berdasarkan hasil
pengolahan data sebagai berikut :
Metode peramalan Trend Linier menunjukkan nilai yang lebih akurat jika
dibandingkan dengan Metode Double Exponential Smoothing Browns, Trend
Seasonal dan Double Moving average hal ini dapat dilihat dari kesalahan
peramalan yang ditunjukkan dari nilai MAD dan MSE pada metode Trend
Linier lebih kecil jika dibandingkan MAD dan MSE pada metode Double
Exponential Smoothing Browns, Trend Seasonal dan Double Moving average.
Rata – rata nilai MAD Trend Linier adalah 35560 sedangkan MAD Double
Exponential Smoothing Metode Browns adalah 175499, MAD Trend Seasonal
180822 dan untuk MAD Double Moving Average adalah 51355.
Untuk kuantitas pemesanan yang terbaik antara dua Model Lot Sizing antara
Lot For Lot dengan Economic Order Quantity adalah model Economic Order
Quantity hal ini dapat dilihat dari selisih total biaya antara kedua model, yang
mana model Lot For Lot lebih tinggi yaitu sebesar Rp.3.692.373.096
sedangkan untuk model Economic Order Quantity sebesar Rp. 2.438.429.762
atau selisih antara kedua model sebesar Rp. 1.253.943.334
Dan setelah dilakukan perbandingan dengan model pengadaan material yang
dilakukan perusahaan pada saat ini dapat disimpulkan bahwa metode yang
paling memiliki biaya terendah yaitu model pengadaan material menggunakan
model Economic Order Quantity.dimana total biaya menggunakan model
perusahaan pada saat ini lebih tinggi jika dibandingkan dengan model
88
Economic Order Quantity yaitu untuk model yang digunakan perusahaan
sebesar Rp 2.926.989.813 dan selisihnya sebesar Rp 488.560.051 atau
dengan menggunakan metode EOQ perusahaan dapat menghemat sebesar
16,69%.
5.2. Saran
Berdasarkan penjelasan mengenai hasil analisis yang telah dilakukan maka
berikut beberapa hal yang disarankan, yaitu :
a. Pada penelitian selanjutnya ada baik nya jika mempertimbangkan
kapasitas gudang yang tersedia dan Quantity Discount pada setiap
pembelian atau pengadaan material.
b. Untuk peneliti selanjutnya diharapkan adanya perubahan yang dapat
dilakukan dalam penelitian selanjutnya demi tercapainya hasil
penelitian yang lebih baik seperti periode dalam pengadaaan material
lebih pendek lagi seperti periode dalam harian atau mingguan agar
dapat mengendalikan material dengan tepat dan lebih ekonomis.
89
DAFTAR PUSTAKA
Gaspersz,V. 2004. Production Planning and Inventory Control. PT.Gramedia
Pustaka Utama.Jakarta
Ristono. 2009. Manajemen Persediaan edisi I. Graha Ilmu. Yogyakarta
Baroto,T. 2002 . Perencanaan dan Pengendalian Produksi.Ghalia
Indonesia.Jakarta
Rangkuti,F .2007.Manajemen Persediaan .PT.Raja Grafindo Persada. Jakarta
Sophie Santika.2014.Jurnal Usulan Perbaikan Pengendalian Persediaan Bahan
Baku dengan Menggunakan Metode Probabilistik Continous Review.
https://repository.widyatama.ac.id/xmlui/handle/123456789/7552 . Diunduh pada
10 Desember 2017
Yan Astuti.2005. Peramalan Volume penjualan teh Hitam Dengan Metode
Exponential Smoothing Pada PT. Perkebunan Tambi Wonosobo.Skripsi
Semarang. Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Semarang.
Dyah Retno. 2001. Jurnal Perencanaan kebutuhan Bahan Baku Sepatu Dengan
Metode Material Requirement Planning (MRP)
http://ejournal.umm.ac.id/index.php/industri/article/view/186 . Diunduh pada 10
Desember 2017.
Gofan Wijaya. 2017. Jurnal Usulan Pengendalian Kebutuhan menggunakan
Metode Economic Order Quantity Di PT. Indotruck utama Cabang Jakarta.
http://journal.uad.ac.id/index.php/Spektrum/article/view/6183 Diunduh pada 13
Januari 2018
90
Fila Dristiana. 2015. Jurnal Pengendalian Persediaan Bahan Baku Obat dengan
menggunakan Metode EOQ Probabilistik berdasarkab peramalan Exponential
Smoothing Pada PT. XYZ.
http://journal.uad.ac.id/index.php/Spektrum/article/view/2695/1665. Diunduh
Pada 13 januari 2018
91
LAMPIRAN
92
Lampiran 1 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-10100)
Lead Time = 0,272727 (Bulan) ROP = 942,0839186
Month Net Req Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 41451 25336 4403380 10.250.000 14653380
2 13481 0 11855 2060437 0 2060437
3 15090 41451 38216 6642016 10.250.000 16892016
4 15018 0 23198 4031840 0 4031840
5 14267 0 8931 1552174 0 1552174
6 10549 41451 39833 6923020 10.250.000 17173020
7 15984 19293 43143 7498171 10.250.000 17748171
8 14983 0 28160 4894210 0 4894210
9 13516 0 14644 2545052 0 2545052
10 16592 41451 39503 6865614 10.250.000 17115614
11 14947 0 24556 4267868 0 4267868
12 14267 0 10289 1788201 0 1788201
Jumlah 174808 104721982
Lampiran 2 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-95020)
Lead Time = 0,4090909 (Bulan) ROP = 3056,256481
Month Net
Req Order Qty
Ending
Inventory
Holding
Cost
Set up
Cost total cost
1 16115 89650 73535 4265024 16.000.000 20265024
2 13481 0 60054 3483145 0 3483145
3 15090 0 44964 2607937 0 2607937
4 15018 0 29946 1736877 0 1736877
5 14267 0 15679 909371 0 909371
6 10549 0 5130 297555 0 297555
7 15984 89650 78797 4570198 16.000.000 20570198
8 14983 0 63814 3701213 0 3701213
9 13516 0 50298 2917259 0 2917259
10 16592 0 33706 1954945 0 1954945
11 14947 0 18759 1088034 0 1088034
12 14267 0 4492 260527 0 260527
Jumlah 174808 59792085
93
Lampiran 3 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-95010)
Lead Time = 0,409091 (Bulan) ROP = 3062,864611
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 89844 73729 4257844 16.000.000 20257844
2 13481 0 60248 3479335 0 3479335
3 15090 0 45158 2607899 0 2607899
4 15018 0 30140 1740594 0 1740594
5 14267 0 15873 916654 0 916654
6 10549 0 5324 307476 0 307476
7 15984 89844 79185 4572906 16.000.000 20572906
8 14983 0 64202 3707666 0 3707666
9 13516 0 50686 2927092 0 2927092
10 16592 0 34094 1968926 0 1968926
11 14947 0 19147 1105751 0 1105751
12 14267 0 4880 281811 0 281811
Jumlah 174808 59873954
Lampiran 4 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-95040)
Lead Time = 0,409091 (Bulan) ROP = 4331,544672
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 32230 127058 94828 5476306 16.000.000 21476306
2 26961 0 67866 3919287 0 3919287
3 30180 0 37687 2176416 0 2176416
4 30037 0 7650 441806 0 441806
5 28535 127058 106174 6131526 16.000.000 22131526
6 21097 0 85077 4913169 0 4913169
7 31967 0 53109 3067048 0 3067048
8 29965 0 23144 1336567 0 1336567
9 27033 127508 123619 7139005 16.000.000 23139005
10 33183 0 90436 5222674 0 5222674
11 29894 0 60542 3496324 0 3496324
12 28535 0 32008 1848444 0 1848444
Jumlah 349616 93168571
94
Lampiran 5 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-95050)
Lead Time = 0,409091 (Bulan) ROP = 8103,578059
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 48345 237704 189359 4686628 16.000.000 20686628
2 40442 0 148917 3685687 0 3685687
3 45269 0 103647 2565270 0 2565270
4 45055 0 58592 1450164 0 1450164
5 42802 0 15790 390813 0 390813
6 31646 237704 221849 5490757 16.000.000 21490757
7 47951 0 173898 4303965 0 4303965
8 44948 0 128950 3191513 0 3191513
9 40549 0 88401 2187918 0 2187918
10 49775 0 38626 955990 0 955990
11 44840 237704 231490 5729368 16.000.000 21729368
12 42802 0 188688 4670016 0 4670016
Jumlah 524424 87308089
Lampiran 6 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-10910)
Lead Time = 0,409091 (Bulan) ROP = 2407,121371
Month Net Req Order
Qty
Ending
Inventory
Holding
Cost Set up Cost Total cost
1 16115 70608 54493 5095086 16.000.000 21095086
2 13481 0 41012 3834642 0 3834642
3 15090 0 25922 2423747 0 2423747
4 15018 0 10904 1019539 0 1019539
5 14267 0 -3363 -314459 0 -314459
6 10549 70608 56696 5301100 16.000.000 21301100
7 15984 0 40713 3806621 0 3806621
8 14983 0 25730 2405756 0 2405756
9 13516 0 12214 1141969 0 1141969
10 16592 70608 66230 6192501 16.000.000 22192501
11 14947 0 51283 4794979 0 4794979
12 14267 0 37016 3460981 0 3460981
Jumlah 174808 87162464
95
Lampiran 7 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG23600-98070)
Lead Time = 0,227273 (Bulan) ROP = 3225,000766
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 170280 154165 805512 5.200.000 6005512
2 13481 0 140684 735075 0 735075
3 15090 0 125594 656231 0 656231
4 15018 0 110576 577760 0 577760
5 14267 0 96309 503213 0 503213
6 10549 0 85760 448097 0 448097
7 15984 0 69777 364582 0 364582
8 14983 0 54794 286299 0 286299
9 13516 0 41278 215675 0 215675
10 16592 0 24686 128984 0 128984
11 14947 0 9739 50887 0 50887
12 14267 170280 165752 866053 5.200.000 6066053
Jumlah 174808 16038370
Lampiran 8 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG23600-92010)
Lead Time = 0,227273 (Bulan) ROP = 3143,341923
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 165968 149853 824191 5.200.000 6024191
2 13481 0 136372 750047 0 750047
3 15090 0 121282 667053 0 667053
4 15018 0 106264 584453 0 584453
5 14267 0 91997 505982 0 505982
6 10549 0 81448 447965 0 447965
7 15984 0 65465 360055 0 360055
8 14983 0 50482 277651 0 277651
9 13516 0 36966 203311 0 203311
10 16592 0 20374 112057 0 112057
11 14947 0 5427 29850 0 29850
12 14267 165968 157128 864203 5.200.000 6064203
Jumlah 174808 16026818
96
Lampiran 9 Perhitungan Biaya Persediaan Teknik Economic Order Quantity
(TG24700-11000)
Lead Time = 0,272727 (Bulan) ROP = 756,5455685
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 33288 17173 4628097 10.250.000 14878097
2 13481 0 3692 995052 0 995052
3 15090 33288 21890 5899471 10.250.000 16149471
4 15018 0 6872 1852047 0 1852047
5 14267 33288 25893 6978110 10.250.000 17228110
6 10549 0 15344 4135277 0 4135277
7 15984 33288 32649 8798778 10.250.000 19048778
8 14983 0 17666 4760990 0 4760990
9 13516 0 4150 1118309 0 1118309
10 16592 33288 20846 5617985 10.250.000 15867985
11 14947 0 5899 1589835 0 1589835
12 14267 33288 24920 6715898 10.250.000 16965898
Jumlah 174808 114589850
Lampiran 10 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22500-91010)
Lead Time = 0,409091 (Bulan) ROP = 2219,25625
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost Set up Cost Total cost
1 16115 65098 48983 5388119 16.000.000 21388119
2 13481 0 35502 3905244 0 3905244
3 15090 0 20412 2245367 0 2245367
4 15018 0 5394 593358 0 593358
5 14267 65098 56225 6184728 16.000.000 22184728
6 10549 0 45676 5024388 0 5024388
7 15984 0 29693 3266178 0 3266178
8 14983 0 14710 1618101 0 1618101
9 13516 0 1194 131293 0 131293
10 16592 65098 49700 5466995 16.000.000 21466995
11 14947 0 34753 3822852 0 3822852
12 14267 0 20486 2253443 0 2253443
Jumlah 174808 87900067
97
Lampiran 11 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22500-96010)
Lead Time = 0,181818 (Bulan) ROP = 3107,609102
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 205102 188987 1767028 13.500.250 15267278
2 13481 0 175506 1640983 0 1640983
3 15090 0 160416 1499894 0 1499894
4 15018 0 145398 1359473 0 1359473
5 14267 0 131131 1226073 0 1226073
6 10549 0 120582 1127444 0 1127444
7 15984 0 104599 977996 0 977996
8 14983 0 89616 837910 0 837910
9 13516 0 76100 711531 0 711531
10 16592 0 59508 556399 0 556399
11 14947 0 44561 416647 0 416647
12 14267 0 30294 283247 0 283247
Jumlah 174808 25904875
Lampiran 12 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22500-1700)
Lead Time = 0,181818 (Bulan) ROP = 1444,148994
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 95313 79198 2395737 9.432.500 11828237
2 13481 0 65717 1987946 0 1987946
3 15090 0 50627 1531480 0 1531480
4 15018 0 35609 1077177 0 1077177
5 14267 0 21342 645590 0 645590
6 10549 0 10793 326496 0 326496
7 15984 95313 90123 2726206 9.432.500 12158706
8 14983 0 75140 2272985 0 2272985
9 13516 0 61624 1864113 0 1864113
10 16592 0 45032 1362217 0 1362217
11 14947 0 30085 910077 0 910077
12 14267 0 15818 478490 0 478490
Jumlah 174808 36443513
98
Lampiran 13 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22500-91020)
Lead Time = 0,409091 (Bulan) ROP = 5931,211814
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 173982 157867 2431150 16.000.000 18431150
2 13481 0 144386 2223548 0 2223548
3 15090 0 129296 1991165 0 1991165
4 15018 0 114278 1759884 0 1759884
5 14267 0 100011 1540166 0 1540166
6 10549 0 89462 1377719 0 1377719
7 15984 0 73479 1131569 0 1131569
8 14983 0 58496 900839 0 900839
9 13516 0 44980 692685 0 692685
10 16592 0 28388 437175 0 437175
11 14947 0 13441 206994 0 206994
12 14267 173982 173156 2666600 16.000.000 18666600
Jumlah 174808 49359494
Lampiran 14 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22300-98060)
Lead Time = 0,227273 (Bulan) ROP = 763,7098386
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 40323 24208 1531150 3.530.000 5061150
2 13481 0 10727 678496 0 678496
3 15090 40323 35960 2274497 3.530.000 5804497
4 15018 0 20942 1324592 0 1324592
5 14267 0 6675 422181 0 422181
6 10549 40323 36449 2305415 3.530.000 5835415
7 15984 0 20466 1294444 0 1294444
8 14983 0 5483 346801 0 346801
9 13516 40323 32290 2042315 3.530.000 5572315
10 16592 0 15698 992896 0 992896
11 14947 0 751 47513 0 47513
12 14267 40323 26807 1695533 3.530.000 5225533
Jumlah 174808 32605834
99
Lampiran 15 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-92060)
Lead Time = 0,181818 (Bulan) ROP = 1197,425089
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 79030 62915 2768256 9.432.500 12200756
2 13481 0 49434 2175106 0 2175106
3 15090 0 34344 1511155 0 1511155
4 15018 0 19326 850351 0 850351
5 14267 0 5059 222587 0 222587
6 10549 79030 73540 3235771 9.432.500 12668271
7 15984 0 57557 2532487 0 2532487
8 14983 0 42574 1873257 0 1873257
9 13516 0 29058 1278533 0 1278533
10 16592 0 12466 548502 0 548502
11 14947 79030 76549 3368165 9.432.500 12800665
12 14267 0 62282 2740401 0 2740401
Jumlah 174808 51402071
Lampiran 16 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-13100)
Lead Time = 0,272727 (Bulan) ROP = 454,0086918
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 19976 3861 1635092 5.800.650 7435742
2 13481 19976 10356 4385858 5.800.650 10186508
3 15090 19976 15242 6455169 5.800.650 12255819
4 15018 19976 20200 8554768 5.800.650 14355418
5 14267 0 5933 2512542 0 2512542
6 10549 19976 15360 6505068 5.800.650 12305718
7 15984 19976 19353 8195795 5.800.650 13996445
8 14983 0 4370 1850700 0 1850700
9 13516 19976 10830 4586323 5.800.650 10386973
10 16592 19976 14214 6019610 5.800.650 11820260
11 14947 19976 19243 8149496 5.800.650 13950146
12 14267 0 4976 2107270 0 2107270
Jumlah 174808 113163542
100
Lampiran 17 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG23300-98040)
Lead Time = 0,272727 (Bulan) ROP = 1021,012077
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 44924 28809 2412385 5.800.650 8213035
2 13481 0 15328 1283547 0 1283547
3 15090 0 238 19966 0 19966
4 15018 44924 30144 2524197 5.800.650 8324847
5 14267 0 15877 1329484 0 1329484
6 10549 0 5328 446175 0 446175
7 15984 44924 34269 2869561 5.800.650 8670211
8 14983 0 19286 1614962 0 1614962
9 13516 0 5770 483129 0 483129
10 16592 44924 34102 2855613 5.800.650 8656263
11 14947 0 19155 1604009 0 1604009
12 14267 0 4888 409296 0 409296
Jumlah 174808 41054922
Lampiran 18 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-11200)
Lead Time = 0,227273 (Bulan) ROP = 349,2174694
Month Net Req Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 18438 2323 702678 3.530.000 4232678
2 13481 18438 7280 2202266 3.530.000 5732266
3 15090 18438 10628 3215100 3.530.000 6745100
4 15018 18438 14048 4249568 3.530.000 7779568
5 14267 18438 18219 5511188 3.530.000 9041188
6 10549 18438 26108 7897747 3.530.000 11427747
7 15984 0 10125 3062669 0 3062669
8 14983 18438 13580 4107954 3.530.000 7637954
9 13516 0 64 19230 0 19230
10 16592 18438 1910 577762 3.530.000 4107762
11 14947 18438 5401 1633863 3.530.000 5163863
12 14267 18438 9572 2895483 3.530.000 6425483
Jumlah 174808 71375508
101
Lampiran 19 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-28600)
Lead Time = 0,181818 (Bulan) ROP = 212,6248491
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 28066 11951 15085027 8.532.000 23617027
2 13481 14033 12503 15782185 8.532.000 24314185
3 15090 14033 11446 14448257 8.532.000 22980257
4 15018 14033 10461 13204600 8.532.000 21736600
5 14267 14033 10227 12908782 8.532.000 21440782
6 10549 14033 13711 17307033 8.532.000 25839033
7 15984 14033 11761 14844723 8.532.000 23376723
8 14983 14033 10811 13646201 8.532.000 22178201
9 13516 14033 11328 14298224 8.532.000 22830224
10 16592 14033 8769 11068615 8.532.000 19600615
11 14947 14033 7855 9915228 8.532.000 18447228
12 14267 14033 7621 9619411 8.532.000 18151411
Jumlah 174808 264512286
Lampiran 20 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-1A110)
Lead Time = 0,136364 (Bulan) ROP = 61,6500138
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 16275 160 395759 2.500.325 2896084
2 13481 16275 2954 7311687 2.500.325 9812012
3 15090 16275 4139 10245091 2.500.325 12745416
4 15018 16275 5396 13355497 2.500.325 15855822
5 14267 10850 1979 4897538 2.500.325 7397863
6 10549 10850 2280 5643634 2.500.325 8143959
7 15984 16275 2572 6364525 2.500.325 8864850
8 14983 16275 3864 9563431 2.500.325 12063756
9 13516 10850 1198 2963984 2.500.325 5464309
10 16592 16275 881 2180366 2.500.325 4680691
11 14947 16275 2209 5467773 2.500.325 7968098
12 14267 16275 4217 10436690 2.500.325 12937015
Jumlah 174808 108829875
102
Lampiran 21 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-1A120)
Lead Time = 0,136364 (Bulan) ROP = 260,5188573
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 22925 6810 943852 2.500.325 3444177
2 13481 22925 16254 2252834 2.500.325 4753159
3 15090 0 1164 161390 0 161390
4 15018 22925 9071 1257263 2.500.325 3757588
5 14267 22925 17729 2457212 2.500.325 4957537
6 10549 0 7180 995184 0 995184
7 15984 22925 14122 1957243 2.500.325 4457568
8 14983 22925 22064 3058072 2.500.325 5558397
9 13516 0 8548 1184693 0 1184693
10 16592 22925 14881 2062501 2.500.325 4562826
11 14947 22925 22859 3168285 2.500.325 5668610
12 14267 0 8592 1190830 0 1190830
Jumlah 174808 40691960
Lampiran 22 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-92010)
Lead Time = 0,227273 (Bulan) ROP = 1369,347864
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 48345 72301 23956 2503371 6.250.000 8753371
2 40442 72301 55815 5832631 6.250.000 12082631
3 45269 0 10545 1101983 0 1101983
4 45055 72301 37791 3949210 6.250.000 10199210
5 42802 72301 67290 7031848 6.250.000 13281848
6 31646 0 35645 3724878 0 3724878
7 47951 72301 59995 6269433 6.250.000 12519433
8 44948 0 15047 1572415 0 1572415
9 40549 72301 46799 4890465 6.250.000 11140465
10 49775 72301 69325 7244449 6.250.000 13494449
11 44840 0 24485 2558641 0 2558641
12 42802 72301 53984 5641279 6.250.000 11891279
Jumlah 524424 102320604
103
Lampiran 23 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-92020)
Lead Time = 0,227273 (Bulan) ROP = 1570,206119
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 48345 82906 34561 2746712 6.250.000 8996712
2 40442 82906 77025 6121534 6.250.000 12371534
3 45269 0 31755 2523752 0 2523752
4 45055 82906 69606 5531975 6.250.000 11781975
5 42802 0 26804 2130280 0 2130280
6 31646 82906 78065 6204197 6.250.000 12454197
7 47951 0 30114 2393276 0 2393276
8 44948 82906 68072 5410025 6.250.000 11660025
9 40549 0 27523 2187367 0 2187367
10 49775 82906 60654 4820466 6.250.000 11070466
11 44840 0 15814 1256786 0 1256786
12 42802 82906 55918 4444046 6.250.000 10694046
Jumlah 524424 89520418
Lampiran 24 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-1A200)
Lead Time = 0,272727 (Bulan) ROP = 769,366458
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 33852 17737 2385170 5.289.358 7674528
2 13481 0 4256 572355 0 572355
3 15090 33852 23018 3095403 5.289.358 8384761
4 15018 0 8000 1075822 0 1075822
5 14267 33852 27585 3709466 5.289.358 8998824
6 10549 0 17036 2290951 0 2290951
7 15984 0 1053 141538 0 141538
8 14983 33852 19922 2679013 5.289.358 7968371
9 13516 0 6406 861389 0 861389
10 16592 33852 23666 3182479 5.289.358 8471837
11 14947 0 8719 1172515 0 1172515
12 14267 33852 28304 3806159 5.289.358 9095517
Jumlah 174808 56708408
104
Lampiran 25 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-70200)
Lead Time = 0,181818 (Bulan) ROP = 590,1800465
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 38951 22836 1896522 4.325.000 6221522
2 13481 0 9355 776951 0 776951
3 15090 38951 33216 2758625 4.325.000 7083625
4 15018 0 18198 1511357 0 1511357
5 14267 0 3931 326453 0 326453
6 10549 38951 32333 2685277 4.325.000 7010277
7 15984 0 16350 1357828 0 1357828
8 14983 0 1367 113530 0 113530
9 13516 38951 26802 2225870 4.325.000 6550870
10 16592 0 10210 847937 0 847937
11 14947 38951 34214 2841489 4.325.000 7166489
12 14267 0 19947 1656585 0 1656585
Jumlah 174808 40623425
Lampiran 26 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-10500)
Lead Time = 0,227273 (Bulan) ROP = 1267,871193
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 66943 50828 2096651 6.345.000 8441651
2 13481 0 37347 1540573 0 1540573
3 15090 0 22257 918119 0 918119
4 15018 0 7239 298615 0 298615
5 14267 66943 59915 2471486 6.345.000 8816486
6 10549 0 49366 2036358 0 2036358
7 15984 0 33383 1377029 0 1377029
8 14983 0 18400 759001 0 759001
9 13516 0 4884 201447 0 201447
10 16592 66943 55235 2278442 6.345.000 8623442
11 14947 0 40288 1661888 0 1661888
12 14267 0 26021 1073360 0 1073360
Jumlah 174808 35747969
105
Lampiran 27 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-A0400)
Lead Time = 0,227273 (Bulan) ROP = 1417,523087
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 74845 58730 1938087 6.345.000 8283087
2 13481 0 45249 1493224 0 1493224
3 15090 0 30159 995261 0 995261
4 15018 0 15141 499658 0 499658
5 14267 0 874 28836 0 28836
6 10549 74845 65170 2150618 6.345.000 8495618
7 15984 0 49187 1623155 0 1623155
8 14983 0 34204 1128732 0 1128732
9 13516 0 20688 682690 0 682690
10 16592 0 4096 135167 0 135167
11 14947 74845 63994 2111809 6.345.000 8456809
12 14267 0 49727 1640986 0 1640986
Jumlah 174808 33463223
Lampiran 28 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-28200)
Lead Time = 0,181818 (Bulan) ROP = 949,8530973
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 62690 46575 2945863 8.532.000 11477863
2 13481 0 33094 2093209 0 2093209
3 15090 0 18004 1138780 0 1138780
4 15018 0 2986 188875 0 188875
5 14267 62690 51409 3251607 8.532.000 11783607
6 10549 0 40860 2584411 0 2584411
7 15984 0 24877 1573440 0 1573440
8 14983 0 9894 625796 0 625796
9 13516 62690 59068 3736024 8.532.000 12268024
10 16592 0 42476 2686604 0 2686604
11 14947 0 27529 1741222 0 1741222
12 14267 0 13262 838812 0 838812
Jumlah 174808 49000643
106
Lampiran 29 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-10400)
Lead Time = 0,272727 (Bulan) ROP = 1174,790997
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 51690 35575 2250113 5.800.650 8050763
2 13481 0 22094 1397459 0 1397459
3 15090 0 7004 443030 0 443030
4 15018 51690 43676 2762517 5.800.650 8563167
5 14267 0 29409 1860107 0 1860107
6 10549 0 18860 1192911 0 1192911
7 15984 0 2877 181940 0 181940
8 14983 51690 39584 2503689 5.800.650 8304339
9 13516 0 26068 1648774 0 1648774
10 16592 0 9476 599354 0 599354
11 14947 51690 46219 2923364 5.800.650 8724014
12 14267 0 31952 2020954 0 2020954
Jumlah 174808 42986813
Lampiran 30 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-10410)
Lead Time = 0,272727 (Bulan) ROP = 2129,489523
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 93697 77582 1493452 5.800.650 7294102
2 13481 0 64101 1233948 0 1233948
3 15090 0 49011 943470 0 943470
4 15018 0 33993 654368 0 654368
5 14267 0 19726 379722 0 379722
6 10549 0 9177 176662 0 176662
7 15984 93697 86891 1672643 5.800.650 7473293
8 14983 0 71908 1384229 0 1384229
9 13516 0 58392 1124038 0 1124038
10 16592 0 41800 804649 0 804649
11 14947 0 26853 516924 0 516924
12 14267 0 12586 242278 0 242278
Jumlah 174808 22227683
107
Lampiran 31 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-28100)
Lead Time = 0,409091 (Bulan) ROP = 515,9665976
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 30270 14155 28805227 16.000.000 44805227
2 13481 0 674 1372031 0 1372031
3 15090 15135 719 1464042 16.000.000 17464042
4 15018 15135 836 1701586 16.000.000 17701586
5 14267 15135 1704 3467240 16.000.000 19467240
6 10549 15135 6290 12800671 16.000.000 28800671
7 15984 15135 5442 11073504 16.000.000 27073504
8 14983 15135 5594 11383816 16.000.000 27383816
9 13516 15135 7213 14677578 16.000.000 30677578
10 16592 15135 5756 11713371 16.000.000 27713371
11 14947 15135 5944 12096450 16.000.000 28096450
12 14267 15135 6812 13862103 16.000.000 29862103
Jumlah 174808 300417618
Lampiran 32 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-91200)
Lead Time = 0,227273 (Bulan) ROP = 2566,527933
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 135512 119397 985024 5.200.000 6185024
2 13481 0 105916 873809 0 873809
3 15090 0 90826 749318 0 749318
4 15018 0 75808 625417 0 625417
5 14267 0 61541 507712 0 507712
6 10549 0 50992 420686 0 420686
7 15984 0 35009 288820 0 288820
8 14983 0 20026 165215 0 165215
9 13516 0 6510 53704 0 53704
10 16592 135512 125430 1034797 5.200.000 6234797
11 14947 0 110483 911486 0 911486
12 14267 0 96216 793781 0 793781
Jumlah 174808 17809769
108
Lampiran 33 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG24700-23300)
Lead Time = 0,272727 (Bulan) ROP = 1042,636927
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 45876 29761 2389800 5.800.650 8190450
2 13481 0 16280 1307301 0 1307301
3 15090 0 1190 95592 0 95592
4 15018 45876 32048 2573467 5.800.650 8374117
5 14267 0 17781 1427799 0 1427799
6 10549 0 7232 580750 0 580750
7 15984 45876 37125 2981099 5.800.650 8781749
8 14983 0 22142 1778004 0 1778004
9 13516 0 8626 692633 0 692633
10 16592 45876 37910 3044169 5.800.650 8844819
11 14947 0 22963 1843945 0 1843945
12 14267 0 8696 698276 0 698276
Jumlah 174808 42615436
Lampiran 34 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG22500-96050)
Lead Time = 0,181818 (Bulan) ROP = 927,7389262
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 61230 45115 806429 2.300.250 3106679
2 13481 0 31634 565462 0 565462
3 15090 0 16544 295732 0 295732
4 15018 0 1526 27280 0 27280
5 14267 61230 48489 866737 2.300.250 3166987
6 10549 0 37940 678182 0 678182
7 15984 0 21957 392473 0 392473
8 14983 0 6974 124660 0 124660
9 13516 61230 54688 977540 2.300.250 3277790
10 16592 0 38096 680965 0 680965
11 14947 0 23149 413792 0 413792
12 14267 0 8882 158763 0 158763
Jumlah 174808 12888766
109
Lampiran 35 Perhitungan Biaya Persediaan Teknik Economic Order
Quantity (TG23600-98200)
Lead Time = 0,409091 (Bulan) ROP = 8103,578059
Month Net
Req
Order
Qty
Ending
Inventory
Holding
Cost
Set up
Cost Total cost
1 16115 237704 221589 1828108 16.000.000 17828108
2 13481 0 208108 1716893 0 1716893
3 15090 0 193018 1592402 0 1592402
4 15018 0 178000 1468501 0 1468501
5 14267 0 163733 1350796 0 1350796
6 10549 0 153184 1263770 0 1263770
7 15984 0 137201 1131904 0 1131904
8 14983 0 122218 1008299 0 1008299
9 13516 0 108702 896788 0 896788
10 16592 0 92110 759907 0 759907
11 14947 0 77163 636596 0 636596
12 14267 0 62896 518891 0 518891
Jumlah 174808 30172855