PERENCANAAN PENGENDALIAN PERSEDIAAN PT JKL

MENGGUNAKAN METODE EOQ PADA PRODUK PAPIER

BELT

Oleh

Galih Anggadi Kusuma

NIM:004201405050

Diajukan untuk Memenuhi Persyaratan Akademik

Mencapai Gelar Sarjana Strata Satu

pada Fakultas Teknik

Program Studi Teknik Industri

2019

iv

ABSTRAK

Meningkatnya pertumbuhan produksi manufaktur pada triwulan-II 2018 menjadi

pemicu terjadinya persaingan ketat antara perusahaan barang dagang spart part

terutama pada papier belt yang mengaharuskan perusahaan menambahkan nilai lebih

pada penjualannya. Salah satunya adalah pada pelayanan perusahaan pada customer

ialah menjaga pengendalian persediaan yang optimal agar terhindar dari shortage,

penggunaan metode EOQ adalah metode yang baik untuk masalah tersebut. Penelitian

ini bertujuan untuk mengetahui persediaan papier belt yang optimal dengan

menggunakan metode economic order quantity, safety stock, reorder point dan

mengetahui perbandingan perhitungan biaya persediaan papier belt antara metode

economic order quantity dengan perhitungan perusahaan. Teknik pengumpulan data

yang digunakan adalah wawancara dan dokumentasi. Metode yang digunakan dalam

penelitian ini adalah economic order quantity, safety stock dan reoder point. Hasil dari

penelitian menunjukkan pengendalian persediaan yang optimal papier belt adalah

sebanyak 1252 pcs/pesanan, safety stock sebanyak 66 pcs dan reorder point pada saat

sebanyak 220 pcs dan pemesanan sebanyak 5 kali dalam setahun. Metode economic

order quantity juga menunjukan bahwa metode ini lebih efisien dibanding dengan

perhitungan perusahaan. Pada tahun 2019 perusahaan dapat melakukan penghematan

untuk papier belt sebesar Rp 41.695.768.dari tahun sebelumnya.

Kata kunci : economic order quantity, safety stock, reorder point, total biaya

persediaan,Shortage

v

KATA PENGANTAR

Dengan mengucapkan puji dan syukur kehadirat Allah SWT, karena atas izin-Nya

penulis dapat menyelesaikan laporan tepat pada waktunya. Laporan ini dibuat dalam

rangka memenuhi salah satu syarat sarjana di President University. Penulis sangat

menyadari bahwasannya laporan ini masih perlu disempurnakan lagi. Oleh karena itu,

penyusun menantikan saran dan kritik dari semua pihak demi kesempurnaan laporan

ini. Laporan ini tidak dapat diselesaikan oleh penulis tanpa adanya dukungan yang

sangat besar dari segala pihak Oleh karena itu, pada kesempatan ini penulis

mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Kedua orang tua beserta keluarga yang selalu memberikan segala dukungan dan doa

yang tiada henti.

2. Bapak Prof. Ir.Yani Syafei M.T, sebagai dosen pembimbing skripsi yang selalu

meluangkan waktu dan selalu memberikan arahan kepada penulis dalam

penyusunan laporan skripsi ini.

3. Ibu Ir. Andira Taslim, MT, sebagai pembimbing dan sekaligus kepala Program Studi

Teknik Industri di President University yang juga selalu membimbing dan

mendukung atas penyelesaiannya laporan ini.

4. Bapak Tiko Agastya & Bapak Gusta selaku pembimbing lapangan di perusahaan

dan Rekan-rekan di perusahaan khususnya Departemen inventory yang selalu

bersedia memberikan data dalam mendukung laporan skripsi ini..

vi

5. Sahabat terdekat, Ani, Ahmad Hanif, Alvi, Bintar, Lalan, Ning, Uri dan Wendy yang

selalu memberikan dukungan dan semangat dalam mengerjakan laporan skripsi ini.

6. Teman-teman seperjuangan Teknik Industri angkatan tahun ajaran 2014 di President

University, yang selalu memberikan motivasi terhadap penulis, sehingga penulis

termotivasi dalam menyusun laporan skripsi ini

vii

DAFTAR ISI

LEMBAR PERSETUJUAN PEMBIMBING .....................................................i

LEMBAR PERNYATAAN ORISINALITAS ....................................................ii

LEMBAR PENGESAHAN ................................................................................iii

ABSTRAK ........................................................................................................iv

KATA PENGANTAR .......................................................................................v

DAFTAR ISI .....................................................................................................viii

DAFTAR TABEL .............................................................................................xi

DAFTAR GAMBAR .........................................................................................xii

DAFTAR ISTILAH ........................................................................................ xiii

BAB I PENDAHULUAN ..................................................................................1

1.1. Latar Belakang Masalah ...................................................................1

1.2. Rumusan Masalah ............................................................................3

1.3. Tujuan Penelitian ..............................................................................4

1.4. Batasan Masalah ...............................................................................4

1.5. Asumsi .............................................................................................5

1.6. Sistematikan Penulisan .....................................................................5

BAB II TINJAUAN PUSTAKA ........................................................................7

2.1. Pengendalian persediaan ..................................................................7

2.2. Persediaan ......................................................................................8

2.2.1. Klarifikasi Persediaan ...........................................................9

viii

2.3. Forecasting .....................................................................................10

2.3.1. Kategori Peramalan ..............................................................11

2.3.2. Langkah-Langkah .................................................................12

2.3.3. Model Data ..........................................................................12

2.4. Rangkaian Waktu Peramalan ..........................................................12

2.5. Moving average ...............................................................................16

2.6. Weight Moving Average ...................................................................17

2.7. Linier Regression .............................................................................18

2.8. Exponential Smoothing ....................................................................19

2.9. Pengukuran akurasi peramalan .........................................................20

2.10. Tracking Signal ...............................................................................21

2.11. Moving Range .................................................................................22

2.12 EOQ(Economi Order Quantity ........................................................23

2.13 Biaya Persediaan .............................................................................24

2.14 Persediaan Pengaman (Safety Stock) ................................................25

2.15 Pemesanan kembali (Reorder Point) ...............................................26

BAB III METODOLOGI PENELITIAN............................................................27

3.1. Kerangka Metode Penelitian ............................................................27

3.1.1 Pengamatan Awal .................................................................28

3.1.2 Identifikasi Masalah .............................................................29

3.1.3 Studi Literatur ......................................................................29

3.1.4 Pengumpulan Data ...............................................................30

3.1.5 Pengolahan Dan Analisa Data ..............................................30

ix

3.1.6 Simpulan dan Saran ..............................................................31

BAB IV PENGOLAHAN DAN ANALISA DATA ...........................................32

4.1. Pengumpulan Data ...........................................................................32

4.1.1 Data Produk .........................................................................32

4.1.2 Data Penjualan Papier Belt ...................................................33

4.1.3 Data Kehilangan Permintaan Papier Belt ..............................34

4.1.4 Data Lead Time ....................................................................34

4.1.5 Data Biaya............................................................................35

4.2. Pengolahan Data ..............................................................................37

4.1.4 Peramalan ..............................................................................38

4.3. Analisis Data ...................................................................................45

4.3.1 Menentukan jumlah ekonomis pemesanan untuk papier belt 45

4.3.2 Menghitung Annual Cost pada Papier Belt ...........................46

4.3.3 Menghitung persediaan Pengaman (Safety Stock) .................47

4.3.4 Menentukan Reorder Point atau jumlah pemesanan kembali pada

Papier Belt ...........................................................................50

4.3.5 Menentukan Waktu Siklus (T) ..............................................50

4.3.6 Menentukan frekuensi pemesanan (F) ..................................50

4.4 Perbandingan Perhitumgam persediaan Papier Belt .........................52

BAB V SIMPULAN & SARAN ........................................................................54

5.1 Simpulan .........................................................................................54

5.2 Saran ...............................................................................................54

DAFTAR PUSTAKA ........................................................................................56

x

LAMPIRAN ......................................................................................................57

HASIL PERAMALAN LAINNYA ..........................................................57

Moving Average (Rata-rata bergerak) ........................................................54

Weight Moving Average (Rata-rata bergerak berbobot)............................60

Metode LPD ...........................................................................................63

Exponential Smoothing .............................................................................66

xi

DAFTAR TABEL

Tabel 2. 1. Konstan, Tren, Musiman, Variasi Musiman, Tren + metode musiman16

Tabel 4.1 Data Penjualan Papier Belt sebagai periode januari 2017 – Desember 2018

.................................... ........................................................................................33

Tabel 4.2 Biaya penyimpanan Papier Belt..........................................................36

Tabel 4.3 Biaya pemesanan ................................................................................36

Tabel 4.4 Rakapitulasi hasil akurasi peramalan ..................................................38

Tabel 4.5 Hasil peramalan pada periode januari – desember 2019 ......................34

Tabel 4.6 Hasil perhitungan peramalan dan akurasi menggunkaan Simple Lnier

Regression .........................................................................................39

Tabel 4.7 Hasil perhitungan peramalan dan akurasi menggunkaan Simple Lnier

Regression (Lanjutan) ........................................................................39

Tabel 4.8 Batas kontrol dari verifkasi test metode SLR ......................................43

Tabel 4.9 Perbandingan perhitungan biaya persediaan .......................................52

xii

DAFTAR GAMBAR

Gambar 2.1 Contoh data model The Randomness Component ..........................12

Gambar 2.2 Contoh Data Model dari The Cycles Component .............................13

Gambar 2.3 Contoh Data Model dari The Trend Component ..............................13

Gambar 2.4 Contoh Data Model dari Seasonality Component ............................14

Gambar 3.1 Kerangka Penelitian ........................................................................27

Gambar 3.2 Proses Tahapan Pengamatan Awal Dalam Penelitian ......................28

Gambar 3.3 Kerangka Tahapan Proses Identifikasi Masalah Dalam Penelitian ...29

Gambar 4.1 Papier Belt .....................................................................................33

Gambar 4.2 Demand vs Actual Demand .............................................................34

Gambar 4.3 Grafik Permintaan Papier Belt ........................................................37

Gambar 4.4 Grafik actual demand vs peramalan papier belt dari SLR................43

Gambar 4.5 Grafik tes verifikasi papier belt dari SLR ........................................44

Gambar 4.6 Grafik tes Tracking Signal Papier belt dari SLR .............................44

Gambar 4.7 Grafik perencanaan persediaan Papier Belt .....................................51

Gambar 4.8 Grafik perbandingan perhitungan biaya persediaan .........................52

xiii

DAFTAR ISTILAH

Papier Belt : Sabuk bermaterial kertas atau Barang

Surplus : Kelebihan Barang

Shortage : Kekurangan Barang

Supplier : Pemasok barang

Customer : Pelanggan

Power Transmision : Suku cadang yang bekerja sebagai pengahantar daya

motor/mesin

Forecast : Ramalan, dalam skripsi ini adalah ramalan perkiraan

permintaan dari pelanggan.

Merchandise

Company

: Perusahaan yang bergerak dibidang ritel/penjual

kembali barang dagang yang tidak merubah kondisi

fisik awal.

Fix Cost : Biaya yang tidak terpengaruh pada variabel

Inventory : Persediaan

Work in Proses : Barang setengah jadi

Factory Overhead : Kepala Pabrik

Unpredictable : Peramalan tidak terduga

UCL (Upper

Control Limit)

: Batar Kontrol Atas Pada Grafik

xiv

LCL (Lower Control

Limit)

: Batas Kontrol Bawah Pada Grafik)

Annual Cost : Biaya Tahunan

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Menurut Badan Pusat Statistik (BPS) indonesia tercatat dalam pertumbuhan produksi

industri manufaktur besar dan sedang pada triwulan ll-2018 naik sebesar 4,36 persen

selama setahun mulai dari triwulan ll-2017 yang artinya adalah bertambahnya mesin

atau meningkatnya kinerja mesin karena bertumbuhan tersebut. Di Indonesia hampir

semua perusahaan manufaktur menggunakan mesin dan hampir semua mesin

manufaktur terdapat penggunaan komponen power transmission di setiap mesinnya

untuk meningkatkan kinerja mesin.

Dengan semakin tingginya pertumbuhan produksi diperusahaan manufaktur maka

semakin tingginya juga tuntutan produsen untuk memberikan pelayan terbaik.

Produsen yg berbasis manufaktur terus berupaya untuk memberikan kepuasan dan

kenyamanan untuk customer nya. Maka dari itu PT. JKL hadir untuk memberikan

kemudahan bagi perusahaan manufaktur untuk tidak bingung mencari pengganti

komponen power transmission yang dimana salah satu komponen dalam mesin yang

rentang rusak akibat kinerja mesin yang terlalu berat seiring meningkatnya produksi.

PT. JKL adalah perusahaan yang membeli barang dagang (merchandise company)

berupa komponen power transmission dari produsen dan selajutnya dijual kembali ke

pembeli dengan tidak merubah kondisi fisik awal dari barang aslinya. Tak terkecuali

2

dengan conveyor belt yang berbahan dari kertas, tak sedikit perusahaan yang

menggunakan produk tersebut untuk meningkatkan produksi mereka dan tetap dapat

menjaga kualitas produk mereka dengan menggunakan conbeyor belt tersebut. PT.

JKL didirikan pada awal tahun 2005 bertempat di jl. Kertajaya Indah Timur, Ruko

Mega Galaxy, Surabaya.

Persaingan yang semakin tinggi pun dirasakan oleh perusahaan yang membeli barang

dagang (merchandise company). Salah satu untuk bisa bersaing dengan kompetitor

adalah perusahaan harus bisa memegang kepercayaan customer terhadap kepuasan dan

kemudahan dalam berbisnis dan salah satunya adalah memenuhi permintaan dengan

cepat dan tepat dengan cara selalu menyediakan ketersediaan barang yang sedang

dibutuhkan oleh customer dan juga perusahaan dituntut untuk dapat mengoptimalkan

sumber daya yang dimilikinya dengan sebaik-baiknya dan memberikan pelayanan

terbaik. Pelayanan terbaik menjadi nilai tambah bagi pelanggan untuk bisa

mempertahankan pasokan untuk customer. Pemesanan dalam jumlah banyak serta

harga yang kompetitif adalah hal yang sangat penting yang harus dilakukan perusahaan

untuk mempertahankan bisnisnya dengan customer. Saat ini PT. JKL mempunyai

beberapa kontrak bisnis dengan perusahaan pembeli dengan begitu PT. JKL harus bisa

mempertahankannya agar tetap bisa bersaing. Pengolahan Inventory adalah salah satu

aspek penting yang harus diperhatikan oleh PT. JKL dikarenakan tidak sedikit

perusahaan yang mengalami persediaan yang berlebihan dan perusahaan yang

mengalaminya akan menanggung banyaknya modal kerja, biaya penyimpanan, pajak,

asuransi, dan bahkan resiko kerusakan dan kehilangan inventory, sementara perusahaan

3

yang mengalami kekurangan inventory akan kehilangan kesempatan untuk memenuhi

pesanan, sehingga akan mengurangi daya saing. PT. JKL sendiri menjadi tempat

pelaksaannnya penelitian.

Selama pelaksaan penelitian di PT. JKL telah ditemukan pengendalian inventory yang

masih tradisional atau tanpa metode efektif apapun hanya berdasarkan pemikiran2

spontan yang dimana ketika barang persediaan digudang menipis bagian inventory

segera melakukan pemesanan kembali yang mengakibatkan tidak terpenuhinya

permintaan pelanggan pada beberapa bulan terakhir di tahun 2018. Hal ini dikarenakan

belum adanya gagasan-gagasan untuk pengendalian persediaan yang lebih lanjut.

Dalam melakukan pengendalian persediaan barang dagang, perusahaan dapat

menggunakan metode EOQ (Economic Order Quantity). Dengan menggunakannya

metode EOQ perusahaan dapat menentukan jumlah barang serta jumlah biaya

pengadaan barang. EOQ juga menunjukan jumlah barang yang harus dipesan pada

setiap kali pemesanan agar persediaan barang yang optimal dan biaya persediaan

sekecil mungkin.

1.2 Rumusan Masalah

Berdasarkan dari penjelasan pada latar belakang sebelumnya permasalahan yang akan

diangkat dalam penelitian ini adalah sebagai berikut :

1. Bagaimana persediaan papier belt yang optimal menggunakan metode

EOQ pada PT. JKL?

4

2. Bagaimanakah safety stock barang dagang menggunakan metode EOQ pada

PT. JLK?

3. Bagaimana reorder point persediaan papier belt menggunakan EOQ pada

PT. JKL?

4. Bagaimana perbandingan perhitungan persediaan papier belt antara metode

EOQ dengan metode perusahaan?

1.3 Tujuan Penelitian

Adapun beberapa tujuan yang diharapkan dalam penelitian ini adalah sebagai berikut:

1. Mengetahui persediaan papuer belt yang optimal pada PT. JKL.

2. Mengetahi safety stok papier belt pada PT. JKL

3. Mengetahui reorder point persediaan papier belt pada PT. JKL

4. Mengetahui perbandingan persediaan papier belt antara metode EOQ

dengan metode perusahaan?

1.4 Bataasan Masalah

Dibuatnya batasan masalah adalah karena untuk menghindari pentimpangan –

penyimpangan yang terlalu jauh dari pokok permasalahan dan mempermudah dalam

analisa dan menyelesaikan masalah . Adapun beberapa batasan – batasan masalah

sebagai berikut :

1. Penelitian dilakukan hanya dibagian persediaan dari area gudang PT. JKL.

2. Penelitian ini berlangsung mulai bulan September 2018 dan akan berakhir

di bulan Desember 2017.

5

3. Penelitian dibuat untuk usulan perbaikan pengendalian persediaan pada PT

JKL dan pada barang Papier Belt

1.5 Asumsi

Terdapat beberapa asumsi yang digunakan dalam penyusunan penelitian ini adalah

sebagai berikut :

1. Permintaan barang bersifat konstan.

2. Waktu Lead time konstan.

3. Harga tetap berapapun jumlah quantitas yang dipesan

4. Kedatangan barang dalam satu batch per order

1.6 Sistematik Penelitian

BAB I Pendahuluan

Pada bab ini terdiri dari penjelasan dari latar belakang skripsi, rumusan

masalah, tujuan penelitian, batasan masalah, asumsi dan sistmatika penulisan.

BAB II Tinjauan Pustaka

Pada bab ini menjelaskan tentang teori yang mendasari penulis memilih judul

tugas akhir yang terdiri dari teori ...

BAB III Metodologi Penelitian

Pada bab ini menjelaskan tentang sumber data yang diperoleh penulis dalam

melakukan penelitian dan kerangka penelitian yang berisi alur penelitian dari

awal hingga akhir penelitian.

BAB IV Pengolahan Data dan Analisis

6

Pada bab ini menjelaskan tentang data observasi,analisis data dan pembahasan

tentang hasil analisa serta interpretasi hasil. Pada bab ini penulis menggunakan

metode EOQ

BAB V Kesimpulan dan Saran

Berisi simpulan mengenai hasil dari analisis yang telah dilakukan beserta

pembahasannya, dan saran yang dapat diberikan kepada pembaca dan para

manajer perusahaan dalam melaksanakan proses kerja distribusi logistik.

7

BAB II

LANDASAN TEORI

2.1 Pengendalian Persediaan

Menurut Heizer bahwa nilai persediaan di banyak perusahaan mencapai setengah dari

seluruh modal yang diinvestasikan. Oleh karennya nilainya pun begitu besar, Sangat

beralasan kalau pengendalian memang harus dikendalikan secara cermat. Selain karena

nilainya, alasan lain mengapa persediaan harus dikendalikan ialah (Heizer, Jay dan

Render, Barry, 2010):

1. Mempertahankan kelancarannya proses produksi. Bila terlalu seringnya tidak

tepat waktu dalam pengiriman bahan dari supplier, perusahaan diharuskan

untuk persiapkan persediaan cadangan.

2. Mengantisipasi permintaan konsumen yang berfluktuasi. Sudah biasanya

permintaan barang yang bersifat musiman, misalnya pada hari-hari besar

keagamaan atau hari panen permintaan barang akan meningkat, karena itu

persediaan sudah harus diperhitungkan di jauh-jauh hari.

3. Memanfaatkan potongan-potongan harga karena pembelian dalam jumlah

besar. Dalam waktu tertentu penyuplai sering menawarkan potongan harga jika

bersedia membeli dalam jumlah tertentu.

Menjaga kemungkinan terjadinya kenaikan harga. Dalam kondisi ketidak stabilan

sering kali harga berfluktuasi. Tapi seringkali lebih banyak kenaikan harga bahan dari

pada penurunannya. Persediaan bahan dalam jumlah besar benar-benar diperlukan

untuk mengantisipasi terjadinya hal seperti itu.

8

2.2 Persediaan (Inventory)

Inventory pada perusahaan ialah berupa material dan pemasok yang diperlukan

perusahaan untuk memberikan layanan kepada pelanggannya, menurut (Krajewski, et

al, 2016).

Terdapat perusahaan dagang (merchandise Inventory) yang persediaanya berupa

barang dagangan yang dimana perusahaan dimembeli barang dagang dari pemasok dan

untuk selanjutnya dijual kembali ke pelanggannya tanpa merubah kondisi fisik awal

dari suatu barang tersebut.

Berbeda dengan perusahaan yantg bergerak dibidang jasa dan perusahaan barang

dagang, pada perusahaan manufaktur persediaan berupa material dasar yang

selanjutnya diproses untuk dijadikan barang jadi (finished goods). Persediaan pada

perusahaan manufaktur terdiri dari material dasar (raw material), barang dalam proses

(work-in process), dan barang jadi. Diperlukan sumber daya seperti tenaga kerja dan

overhead padrik (Factory Overhead) untuk merubah material menjadi barang jadi.

Pada pembahsan rantai pasok, pengelolaan persediaan menjadi sangat penting agar

tercapainya tingkat persediaan yang optimal. karena, dimana perusahaan yang

mengalami kelebihan kelebihan persediaan atau surplus, akan mendapat banyak modal

kerja dimulai dari biaya penyimpanan, asuransi, pajak, dan bahakan risiko kerusakan

dan kehilangan persediaan. Sementara perusahaan yang mengalami kekurangan

persediaan atau shortage, perusahaan dapat kehilangan kesempatan dalam memenuhi

permintaan atau bahkan penjualan, dan untuk kekurangan material pada proses

produksi, perusahaan dapat turun daya saing mereka. Dalam pengolahan persediaan

9

terdapat perencanaan dan pengendalian persediaan agar dapat memenuhi prioritas

perusahaan dalam mempertahankan daya saingnya di pasar.

2.2.1 klasifikasi persediaan

Terdapat beberapa jenis persediaan pada perusahaan yang dibedakan dari berbagai

sudut pandang. Dari sudut pandang akuntansi perseidaan dibedakan dalam jenis

persediaan: persedian bahan baku (raw material), persediaan barang dalam proses

(work-in process), dan persediaan barang jadi (finished goods). (Bragg, Steven M.

2005)

Bahan baku merupakan barang jadi dari pemasok. Bahan baku menjadi entitas suatu

produksi pada perusahan manufaktur untuk selanjutnya menjadi barang dalam proses

dan lalu menjadi barang jadi. Barang jadi selanjutnya dijual perusahaan ke konsumen.

Dalam melihat perbedaan persediaan dapat dilihat dari sudut pandang kebutuhan pasar.

yang merupakan persediaam dikategori independent demand items, yaitu keputusan

penentuan stok persediaan yang dipengaruhi oleh permintaan pasar. Perusahaan tidak

dapat mengendalikan pada beberapa stok persediaan pada kategori ini. Contoh

persdiaan pada kategori independent demand items ini adalah:

Persediaan pada pada ritel dan pedagang besar

Persediaan yang mendukung service support.

Persediaan pada product & replacement distribution.

Persediaan pada maintenance, repair, and operating (MRO).

Pengelolaan pada independent demand Inventory diperlukan akurasi dari peramalan,

karena besarnya persediaan lebih banyak ditentukan oleh permintaan pasar, yang

10

merupakan external factors. Penggunaan metode peramalan seperti linear regression,

time-series (simple moving average, weighted moving average, dan exponential

smoothing) dapat membantu peneliti dalam meramalkan permintaan pasar terhadap

independent demand Inventory.

Sebaliknya pada persediaan yang lebih banyak ditentukan oleh kebutuhan internal,

seperti kebutuhan bahan baku untuk memenuhi proses produksi, disebut dependent

demand items. Penentuan berapa stok dan kebutuhan persediaan dikategori ini

dilakukan dengan cara menghitung, bukan meramalkan. Dalam penggunana metode

“Efficient Resource Planning” dapat membantu peneliti dalam menentukan berapa stok

dan kebutuhan dependent demand Inventory secara akurat.

2.3 Forecasting ( Peramalan)

Forcasting yaitu menentukan suatu kebutuhan yang akan timbul dalam rangka

pengambilan keputusan dan tindakan apa yang tepat untuk dilakukan, Menurut

Makridarkis et al (1998:2).

Berikut beberapa peranan penting dalam kegiatan peramalan menurut Makridarkis et

al (1998:5) :

1. Scheduling atau Penjadwalan

Penggunaan sumber daya yang efisien ialah memerlukan penjadwalan

produksi, biaya, transportasi, personil, dan sebagainya agar dapat

memperkiraan tingkat permintaan akan produk, material, tenaga kerja,

keuangan, atau jasa.

2. Acquiring resources atau pengadaan Sumber daya

11

Dalam pengadaan sumber daya waktu yang tepat adalah kunci dalam

mendapatkan bahan baku, mengoptimalkan tenaga kerja, atau membeli mesin

dan peralatan. Peramalan diperlukan untuk menentukan kebutuhan sumber

daya di masa depan.

3. Menentukan persyaratan sumber daya (Determining resources requirements)

Semua organisasi diharuskan menentukan sumber daya apa yang mereka

inginkan dalam jangka panjang. Peluang pasar, faktor lingkungan, dan

perkembangan keuangan internal, manusia, produk, dan sumber daya teknologi

menjadikan aspek untuk pengambilan sebuah keputusan itu. Penentuan itu

semua dibutuhkan prakiraan dan manajer yang baik yang bisa menafsirkan

prediksi dan membuat keputusan yang tepat. Peramalan memiliki beberapa

faktor yang dapat mempengaruhi hasil aktual peramalan, tergantung pada jenis

pola data, waktu dan lain sebagainya. Karena adanya perbedaan tersebut, maka

harus dapat memilih metode peramalan yang tepat, metode peramalan teridiri

dari beberapa kateogori. Menurut Markidakris et al (1998:8).

2.3.1 Kategori Peramalan

Alat dan metode peramalan dapat dibagi menjadi empat kategori umum (Georgoff,

1986):

• Metode Penghakiman

Melibatkan kumpulan pendapat ahli.

• Metode Penelitian Pasar

Melibatkan studi kualitatif tentang perilaku konsumen.

• Metode deret waktu

12

Metode matematika di mana kinerja masa depan diekstrapolasi dari kinerja

masa lalu.

• Metode Kausal

Metode matematika di mana perkiraan dihasilkan berdasarkan berbagai

variabel sistem.

2.3.2 Langkah-langkah Peramalan

Menentukan Tujuan

Menentukan Perspektif Waktu

Membuat Pilihan Metode untuk Peramalan Permintaan

Pengumpulan Data dan Penyesuaian Data

Estimasi dan Interpretasi Hasil

2.3.3. Model data

The Randomness Component

The Randomness Component terjadi ketika permintaan acak atau tidak pasti.

Gambar 2.1, Contoh data model The Randomness Component

The Cycles Component

13

The Cycles Component biasanya terjadi ketika data dipengaruhi oleh

fluktuasi jangka panjang.

Gambar 2.2 Contoh Data Model dari The Cycles Component

• The Curvilinear Trend Component

The Curvilinear Trend Component terjadi ketika permintaan

meningkat tetapi tidak jumlah yang sama di setiap periode.

Gambar 2.3 Contoh Data Model dari The Trend Component

The Curvilinear Trend Component juga terjadi ketika data dipengaruhi

oleh faktor musiman seperti liburan, liburan, cuaca dll.

14

Gambar 2.4 Contoh Data Model dari Seasonality Component

2.4 Rangkaian Waktu Peramlan

Rangkaian waktu peramalan adalah yang metode paling umum digunakan untuk

membuat peramalan yang berkaitan dengan peramalan permintaan produk. Model-

model peramalan tersebut pada dasarnya memiliki satu asumsi yang sama. Asumsi itu

adalah bahwa permintaan masa lalu mengikuti beberapa pola dan bahwa jika pola itu

dapat dianalisis, maka itu dapat digunakan untuk mengembangkan proyeksi untuk

permintaan di masa depan, dengan asumsi pola tersebut dillanjut dengan cara yang

kira-kiranya sama dan pada akhirnya tersiratnya asumsi bahwa satu-satunya variabel

independen nyata dalam perkiraan deret waktu adalah waktu. Karena model-model

peramalan didasari pada data internal (penjualan), kadang-kadang dapat disebut

dengan peramalan intrinsik.

Rangkaian waktu juga merupakan model-model yang paling umum digunakan oleh

manajer operasi ketika mereka menemukan mereka perlu memperkirakan untuk

membuat rencana produksi yang masuk akal. Pengetahuan seperti itu jarang tersedia

dengan mudah bagi manajer operasi, yang biasanya menghabiskan sebagian besar

15

perhatiannya dengan fokus secara internal. Permintaan sebelumnya, bagaimanapun,

sering tersedia untuk manajer operasional.

Sebagian besar model peramalan seri waktu berusaha menangkap secara matematis

pola yang mendasari permintaan masa lalu. Salah satunya adalah pola acak - dengan

asumsi bahwa permintaan selalu memiliki elemen acak. Ini menyiratkan apa yang

secara inheren diketahui oleh kebanyakan orang: pelanggan yang meminta barang dan

jasa dari perusahaan tidak menuntut barang dan jasa itu dengan cara yang sepenuhnya

seragam dan dapat diprediksi.

Pola utama kedua adalah pola tren. Tren dapat meningkat atau menurun, dan mereka

dapat bersifat linear atau nonlinear.

Pola utama ketiga adalah pola siklus, di mana kasus khusus tetapi sangat umum adalah

pola musiman. Meskipun disebut musiman (karena bagi banyak perusahaan pola yang

paling umum dari jenis ini mengikuti musim tahun ini), pola-pola ini sebenarnya

merupakan pola siklus, yang utama mungkin tidak terkait dengan musim tahunan. Pola

siklus kemudian adalah pola permintaan yang mengikuti beberapa siklus permintaan

naik dan turun. Di kasus khusus di mana pola mengikuti musim tahun ini, pola siklus

biasanya disebut musiman.

Ada lima pola yang konstan, tren, musiman (siklus), variasi musiman dan tren dengan

musiman.

16

Tabel 2. 1. Konstan, Tren, Musiman, Variasi Musiman, Tren + metode musiman

Proses metode Proses metode

Konstan

Last Period Demand (LPD)

Arithmetic Average (Average Methods)

Single Moving Average (SMA)

Weighted Moving Average (WMA)

Single Exponential Smoothing (SME)

Regression Analysis (Constant)

Tren

Double Moving Average (DMA)

Double Exponential Smoothing – Brown

Double Exponential Smoothing – Holt

Exponential Smoothing Pegels

Regression Analysis (Linear)

Musiman

Triple Exponential Smoothing (TES) – Winter

Exponential Smoothing Pegels

Regression Analysis (Cyclical)

Variasi Musiman Ratio to moving average method (Seasonal Index)

Musiman + Tren

Exponential Smoothing Pegels

Regression Analysis (Linear and Cyclical)

2.5 Moving Average (Rata-Rata Pergerakan)

Moving average merupakan metode pengambilan keputusan yang dapat menentukan

peramalan permintaan kebutuhan pada periode selanjutnya dengan merata-ratakan

permintaan pada periode sebelumnya. Rumus dari pada moving average adalah:

17

Di mana: F = Ramalan

t = periode waktu saat ini, yang artinya

Ft = perkiraan untuk periode waktu saat ini.

At = permintaan aktual pada periode t, dan

n = jumlah periode yang digunakan.

Ada dua poin penting yang perlu dibuat mengenai metode rata-rata bergerak juga.

1. Semakin banyak periode digunakan dalam menghitung rata-rata bergerak,

efeknya akan lebih halus. Alasannya adalah bahwa dengan lebih banyak

periode yang digunakan dalam rata-rata permintaan akan memiliki

pengaruh keseluruhan yang lebih kecil.

2. Ramalan akan selalu tertinggal dari permintaan aktual.

Moving average lekat dengan semua jenis tren atau pola siklus reguler. Hal ini penting

untuk memperhatikan bahwa metode perkiraan tidak boleh dipilih secara sewenang-

wenang, tetapi harus dipilih dan dikembangkan agar sedekat mungkin dengan data

yang sebenarnya.

2.6 Weight Moving Average (Pergerakan rata-rata berbobot)

Weight moving average adalah metode pengambilan keputusan yang dapat menentukan

peramalan permintaan sama seperti moving average hanya saja dengan satu

pengecualian utama ialah pergerakan rata-rata permintaan memiliki bobot untuk setiap

permintaan di masa lalu yang digunakan dalam perhitungan yang dapat bervariasi.

18

Dengan ini dapat akan lebih banyak pengaruh yang dapat diberikan pada hasil

perhtungn permintaan terbaru. Rumus pada Weight moving average adalah :

Bobot yang lebih besar yang ditempatkan pada angka permintaan terbaru dan juga

merupakan yang terkecil dari tiga poin permintaan yang digunakan dan jelas bahwa

ramalan itu dihaluskan akan tetapi juga tertinggal aktual permintaan yang berubah.

2.7 Linier Regression (Regresi Linier)

Linier regression adalah metode statistik yang melibatkan set variabel ketika diketahui

bahwa ada beberapa hubungan yang melekat antara variabel dan suatu bentuk

hubungan yang masuk akal antara variabel dependen atau The Respons (y) dan The

Regressor (x) dan itu adalah sebuah hubungan linier yang dapat digunakan untuk

memprediksi tentang karakterstik mengenai kualitas maupun kunatitas.(Walpole,

Myers, Myers, And Ye 2012)

Model Persamaan Regresi Linear adalah seperti berikut ini :

Dimana, β0/x adalah intercept and β1/y adalah slope.

slope adalah suatu nilai yang menunjukkan seberapa besar kontribusi yang diberikan

suatu variabel x terhadap variabel y, sedangkan intercept didefinisi sebagai nilai rata-

rata pada variabel y jika nilai pada variabel x bernilai 0. Berarti, apabila x tidak

memberikan kontribusi, maka secara rata-rata, variabel y akan bernilai sebesar

19

intersept. Dengan catatan, intersept hanyalah suatu konstanta yang kemungkinan

munculnya koefisien lain di dalam model regresi. Intercept tidak selalu dapat atau perlu

untuk diinterpretasikan. Apabila data pengamatan pada variabel x tidak mencakup nilai

0 atau mendekati 0, maka intersept tidak memiliki makna yang berarti, sehingga tidak

perlu diinterpretasikan.

2.8 Exponential Smooting (Pemulusan Eksponensial)

Exponential Smooting adalah metode lain yang digunakan untuk memuluskan acak

fluktuasi dalam pola permintaan. Ada dua yang biasa digunakan (secara matematis

setara) rumus:

Pada saat menunjukkan bahwa ramalan eksponensial dihaluskan dan dimasukkan rata

- rata tertimbang dari riwayat masa lalu [(1 - ex) Ftl Sejak data dari beberapa periode

awal masih terkandung dalam ramalan, dan banyak tertimbang saat ramalan

dikembangkan periode demi periode, orang dapat mempertimbangkannya tertimbang

secara eksponensial, demikian namanya. Namun, bentuk pertama adalah yang paling

mudah jelaskan dari perspektif apa yang dilakukan metode ini dari perspektif logis.

Intinya ramalan itu ditemukan dengan mengambil ramalan periode sebelumnya (Ft- i)

dan menambahkan sebagian dari kesalahan perkiraan periode sebelumnya. Itu

kesalahan perkiraan, tentu saja, perbedaan antara permintaan aktual untuk apa pun

periode dan perkiraan untuk periode yang sama (At- i - Ft- i). Bagian dari istilah

kesalahan ditemukan oleh perkalian dengan ex, yang merupakan huruf Yunani alpha,

dan disebut konstanta smoothing. Nilai alfa selalu antara nol dan 1.

20

2.9 Pengukuran Akurasi Peramalan

Di awal bab disebutkan bahwa setiap perkiraan harus mengandung dua angka perkiraan

dan perkiraan kesalahan. Sejak aturan pertama peramalan adalah bahwa perkiraan

tersebut kemungkinan salah, pertanyaan penting adalah "Bagaimana salah apakah ini?

"Ini sangat penting dalam perencanaan dan pengendalian karena ini mewakili a

masalah kritis untuk menjalankan bisnis. Persediaan penyangga, kapasitas penyangga,

atau lainnya. Metode mungkin perlu direncanakan untuk mengakomodasi permintaan

aktual itu berbeda dari yang diperkirakan. Ada beberapa perhitungan kesalahan penting

yang digunakan.

a. MFE/Bias (Mean Forecast Error)

Sesuai dengan namanya ialah sebuah istilah yang dihitung sebagai kesalahan

perkiraan rata-rata secara matematika selama periode waktu tertentu atau

disebut dengan bias. Dengan formulanya sebagai berikut :

b. MAD (Mean Absolute Demand)

Sesuai dengan namanya secara harfiah berarti rata-rata penyimpangan mutlak

secara matematika dari kesalahan ramalan (penyimpangan) pengukuran ini

ditujukan untuk mengevaluasi suatu metode peramalan menggunakan jumlah

dari beberapa kesalahan yang absolut dan dapat diukur dengan ketepatan dalam

peramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing

kesalahan). Dengan rumusnya adalah:

21

c. MSE ( mean square Error = rata-rata kuadrat kesalahan ) metode yang

digunakan untuk mengevaluasi suatu metode peramalan. Masing-masing

kesalahan atau sisa dikuadratkan kemudian dijumlahkan dan ditambahkan

dengan jumlah observasi. Untuk mencari nilai MSE dapat menggunakan

persamaan sebagai berikut:

d. MAPE (mean absolut percentage error = rata-rata persentase kesalahan absolut

) MAPE dihitung mengguankan kesalahan absolut setiap periode lalu dibagi

dengan nilai observasi yang nyata untuk periode tersebut. Kemudian rata-rata

kesalahan persentase absolut tersebut atau MAPE mengindikasikan seberapa

besar kesalahan dalam peramalan yang nantinya akan dibandingkan dengan

nilai nyata. Untuk mencari nilai MAPE dapat menggunakan persamaan sebagai

berikut:

2.10 Tracking signal (Sinyal Pelacakan)

Tracking Signal ini mirip dengan konsep batas kontrol pada statistik diagram kontrol

proses, Tracking Signal dapat memberikan batas subjektif untuk metode peramalan

22

yang "keluar jalur" dari sebelum beberapa tindakan yang diambil. Tracking Signal

dihitung dari MFE dan MAD:

Tracking Signal = (MFE/MAD)

Hasil dari tracking signal jelas merupakan rasio yang tidak memiliki nilai satuan dan

hanya digunakan sebagai sebuah sinyal yang berupa aturan praktis untuk penggunaan

sinyal pelacakan. Metode perkiraan mungkin tidak efektif untuk melacak permintaan

selama periode waktu yang bersangkutan dan itu hanya meminta perhatian untuk

menyelidiki dan menyesuaikan metode perkiraan yang diperlukan.

Tracking Signal menekankan trade-off yang akan memakan waktu dan mungkin

mahal untuk mengevaluasi dan memodifikasi metode perkiraan yang terlalu sering.

Oleh karena itu tracking signal yang sebuah metode sistematik yang akan

memungkinkan untuk menentukan kapan metode peramalan harus dievaluasi atau

tidak.

2.11 Moving Range (MR)

Moving Range adalah suatu perhitungan yang dibuat untuk memverifikasi suatu model

peramlaan apakah model peramlan tersebut valid atau tidak yang artinya model

tersebut layak untuk menjadi model peramalan nilai moving range diambil dari

perbandingan antara nilai kesalahan pada periode sebelumnya dengan nilai

peramalannya. Rumus perhitungan peta Moving Range adalah sebagai berikut.

MR = ∑ |𝑀𝑅𝑡|𝑛

𝑡−2

𝑛−1

MRt = |(𝑑𝑡′ − 𝑑𝑡) − (𝑑𝑡−1

′ − 𝑑𝑡)|

23

UCL = + 2,66 MR

LCL = - 2,66 MR

Pastikan titik tidak berada diluar batas kenadli pada saat memverifikasi peramlaan. Dan

setelah menentukan apakah harus menggukanan model peramalan tersebut atau kah

mengganti model peramalan. Jika menemukan sebuah titik yang berada diluar batas

kendali diharukan mengidentifikasi penyebabnya. mungkin saja penemuan tersebut

membutuhkan pennganan prioritas. Jika dari semua titik yang berada di dalam batas

kendali, bisa diasumsikan bahwa peramalan telah cukup baik. Jika terdapat titik yang

berada di luar batas kendali, jelas bahwa peramalan yang didapat kurang baik dan harus

diperbaiki (Gaspersz, 1998).

2.12 EOQ (Economic Order Point)

Menurut Gaspersz (2012) metode EOQ merupakan model kuantitas pesanan tetap

(fixed order quantity model) yang dapat menentukan kuantitas dari suatu item yang

dibeli atau dibuat pada waktu tertentu. Adapun tujuan dari Economic Order Quantity

adalah meminimumkan kombinasi ongkos-ongkos pesanan dan penyimpanan dari

inventory. Adapun Menurut (Chapman, 2006) asumsi yang perlu pada saat

mengaplikasikan EOQ model ialah :

1. Permintaan konstan dan seragam

2. Waktu pimpin konstan

3. Harga per unit adalah konstan

4. Biaya penyimpanan persediaan didasarkan pada rata-rata persediaan

5. Biaya pemesanan dan pengaturan konstan

24

6. Tidak ada backorder diizinkan

Biaya variabel hanya terdiri dari atas set-up cost dan holding cost. Stock-out harus

dihindari dengan menjaga kedatangan barang/bahan yang tepat waktu. Rumus yang

digunakan adalah :

Dimana :

D : jumlah kebutuhan barang 1 tahun

S : Biaya setiap kali pesan

H : Biaya penyimpanan dalam setahun

2.13 Biaya Persediaan

Biaya persediaan adalah aspek utama dalam persediaan yang ingin dicapai oleh

pengendalian persediaan ialah meminimumkan biaya operasi total perusahaan. Biaya

penyimpanan adalah biaya yang timbul karena perusahaan menyimpan persediaan.

Biaya ini sebagian besar merupakan biaya penyimpanan (secara fisik) disamping pajak

dan asuransi barang.

Selain biaya-biaya diatas ada juga harga barang yang dibeli pun termasuk kedalam

biaya persediaan sehingga secara keseluruhan biaya-biaya itu menggambarkan total

uang yang terkandung dalam persediaan itu sendiri. Adapun rumus biaya persediaan

total ialah :

25

Dimana :

TC : Biaya Variabel/ Variable Cost

S : Biaya Pemesanan

H : Holding Cost/ Biaya Penyimpanan

Q : Jumlah pemesanan optimal

DC : Harga per unit

D : Permintaan Pertahun

2.14 Persediaan Pengaman (Safety Stock)

Safety stock merupakan persediaan jaga-jaga yang dibuat perusahaan untuk

menanggung banyak situasi yang terjadi dalam alur kerja dan operasional. Misalnya

pekerja bisa gagal datang bekerja hanya karena pengiriman terlampat dari pemasok dan

bisa juga untuk jaga-jaga apabila mesin produksi mogok dan masalah kualitas yang

bisa menghambat perusahaan untuk memenuhi pesanan customernya. Berikut rumus

safety stock :

Safety Stock(SS) = Z x Standar deviation of leadtime

= Z x 𝜎 x √𝐿𝑇

Dimana SS adalah safety stock, z adalah statistik z-score yang sesuai dengan tingkatan

layanan pelanggan, dan 𝜎 adalah standar deviasi dari permintaan selama Leadtime .

Beberapa nilai khas untuk z adalah:

Tingkat layanan pelanggan 90%, Z = 1,29

26

Tingkat layanan pelanggan 95%, Z = 1,65

Tingkat layanan pelanggan 99%, Z = 2.33

Semakin besar tingkat layanan pelanggan yang diinginkan maka semakin besar juga

keamanan pada stok untuk setiap variabilitas yang diberikan pada permintaan

pelanggan selama lead time. Tak sering variabilitas (standar deviasi) dari permintaan

yang diberikan untuk satu periode dengan waktu yang berbeda dari lead time. Dalam

kasus-kasus tersebut perhitungan tambahan telah harus dibuat untuk menentukan

standar deviasi dari permintaan selama Leadtime. Misalnya waktu tunggu yang

diberikan setiap hari dan ditemukan standar deviasi pada permintaan selama satu hari.

Dalam hal ini standar deviasi permintaan selama Leadtime.

2.15 Pemesanan kembali (Reorder Point)

Menurut (Gasperz, 2012) pada dasarnya metode ROP merupakan suatu teknik

pemesanan kembali persediaan jika total stock on-hand plus on-order melewati atau

berada di bawah titik pemesanan kembali. ROP adalah metode inventory yang

ditempatkan pada suatu pesanan untuk lot tertentu yang dikenal sebagai Reorder

Point. Berikut rumus dari Reorder Point :

Dimana :

ROP : Reorder Point/ pemesanan kembali

d : Permintaan/ tingkat kebutuhan dalam satuan waktu

l : Leadtime

SS : Safety Stock / persediaan pengamana

27

BAB III

METODOLOGI PENELITIAN

3.1 Kerangka Metode Penelitian

Untuk melakukan penelitian skripsi ini, penulis terlebih dahulu merancang kerangka

metode penelitian untuk memudahkan penulis dalam melaksanakan penelitian. Berikut

ini merupakan kerangka metodologi penelitian dalam menganalisa permasalahan dapat

dilihat pada Gambar 3.1

Gambar 3.1 Kerangka Penelitian

Mulai

Tahapan Awal

Identifikasi Masalah

Studi Literatur

Pengumpulan Data

Pengolahan dan Analisa Data

Kesimpulan dan Saran

Selesai

28

3.1.1 Pengamatan Awal

Pengamatan awal ini merupakan tahapan awal sebelum melakukan identifikasi masalah

dalam perusahaan. Tahapan ini diperlukan untuk mendapatkan informasi-informasi

yang mendukung penelitian seperti melakukan pengamatan objek yang akan dilakukan

penelitian yaitu diaea persediaan atau gudang, mengumpulkan data dan informasi yang

berkaitan dengan aktivitas di area persediaan atau gudang, melakukan observasi

langsung PT. JKL area gudang, mengumpulkan permasalahan yang menjadi kendala

dalam kelancaran aktivitas pengendalian barang. Adapun detail kerangka penelitian

pada tahapan pengamatan awal terlampir dalam Gambar 3.2

Gambar 3.2 Proses Tahapan Pengamatan Awal Dalam Penelitian

Pengamatan Awal

A) Mengamati Objek Penelitian digudang PT

JKL

B) Mengumpulkan data dan informasi yang

berkaitan dengan objek penelitian

1) Mengumpulkan data dan informasi produk

2) Mengumpulkan data penjualan produk per

tahun

C) Melakukan obsevasi langsung di area

gudang PT JKL

D) Mengumpulkan infromasi permasalahan

yang menjadi kendala dalam pengendalian

persediaan barang

29

3.1.2 Identifikasi Masalah

Identifikasi masalah merupakan tahapan dalam menentukan objek permasalahan.

Setelah dilakukan pengamatan awal di area gudang PT. JKL, khususnya pada kegiatan

pengendalian persediaan barang, permasalahan ditemukan yaitu pengendalian

persediaan barang yang masih tradisional. Perhitungan tradisional ini terlihat dari pada

saat wawancara dan tidak adanya department khusus untuk mengelola persediaan pada

Gudang. Persediaan ini hanya dipegang oleh admin sales saja yang merangkap untuk

mengecek persediaan barang pada PT. JKL sehingga admin hanya melihat jumlah

persediaan hasil pengurangan order, dan jika dirasa persediaan kurang admin langsung

order dengan jumlah permintaan customer dan safety stock yang hanya dikira-kira.

Gambar 3.3 Kerangka Tahapan Proses Identifikasi Masalah Dalam Penelitian

3.1.3 Studi Literatur

Studi literatur dilakukan demi mendukung proses identifikasi masalah terkait masalah

pengendalian persediaan di PT. JKL. Studi literatur dilakukan dengan mencari

informasi yang berkaitn dengan penelitian yang akan dibahas dalam perncangan ini.

Identifikasi Masalah

Pengendalian persediaan yang masih tradisional

A) Tidak adanya departemen khusus untuk

bagian persediaan

B) Perhitungan persediaan masih tradisional

C) Terjadinya surplus dan shortage dalam

persediaan Papier Belt

30

Pencarian informasi ini dilakukan dengan melalui perpustakan, internet, sehingga dapat

diperoleh referensi yang bail digunakan demi mend kung pembahasan perancangan

penelitian ini.

3.1.4 Pengumpulan Data

Data yang dikumpulkan pada penlitian ini ialah data primer dan data sekunder. Untuk

data primer menggunakan hasil wawancara, sedangkan data sekunder menggunkan isi

penelitian merupakan laporan persediaan barang dagang. Sumber yang diperoleh dari

bagian admin sales, supervisor sales dan sales representative pada PT. JKL. Teknik

pengumpulan data yang digunakan adalah sebagai berikut:

1. wawancara, metode ini dilakukan dengan cara bertemu langsung atau face to

face dengan narasumber yang berkaitan dan mengajukan pertanyaan untuk

mendapatkan informasi mengenai pengendalian perusahaan. Wawancara

dilakukan dengan supervisor sales ( Bapak Tiko), sales representative (Bapak

Gusta) , dan admin sales (Ibu Isti).

2. Dokumentasi, metode ini dilakukan dengan cara mencari data berupa laporan

persediaan barang dagang pada PT. JKL.

3.1.5 Pengolahan dan Analisa Data

Pada tahapan ini dilakukan pengolahan dan analisa data melakukan identifikasi pada

produk kemudian dilakukan perhitungan yang menggunakan metode EOQ (Economic

Order Quantty) yanag digunakan untuk mencari pemesanan yang economis pada

barang dagang dalam satu tahun agar perusahaan tidak kekurangan stock (shortage)

atau kelebihan stock (surplus). Safety stock digunakan untuk mencari persediaan

pengaman pada barang dagang dan reorder point merupakan perhitungan yang

31

digunakan untuk titik pemesanan kembali barang dagang, ketika Inventory telah

mencapai tingkat tersebut maka dilakukan pemesanan kemnbali barang dagang.

3.1.6 Simpulan dan Saran

Bagian terakhir dalam penelitian yang berisikan kesimpulan yang menjawab dari pada

tujuan penelitiantersebut didasari hasil pengolhan dan analisis data yang telah

dilakukan serta saran yang disampaikan untuk implementasi bagi pihak-pihak yang

tertarik dalam bidang pengendalian persediaan di perusahaan barang dagang.

32

BAB IV

DATA DAN ANALISIS

4.1 Pengumpulan Data

Pengumpulan data dilakukan untuk mempermudah penelitian dalam pengolahan data

sehingga tujuan dari penelitian yang diinginkan tercapai. Berikut data-data yang

diperlukan dalam penelitian ini :

a. Data produk Papier Belt

b. Data kehilangan permintaan Papier belt

c. Data penjualan Papier Belt periode Januari 2016 – Desember 2018

d. Data Lead Time barang

e. Data biaya yang terdiri dari biaya pembelian, biaya penyimpanan dan biaya

penyimpanan.

4.1.1 Data produk

Papier Belt merupakan komponen conveyor belt yang terbuat dari bahan kertas yang

dapat menjaga kualitas dari pada produk mereka dan semestinya pada conveyor belt

pada umumnya yang digunakan untuk mengangkut muatan unit atau benda yang dapat

dihitung secara satuan, seperti galon, botol, buah dan lain – lain atau material seperti

volume, serbuk, dan butir seperti pasir, beras, Bahan baku dan lain – lain. Conveyor

belt banyak digunakan di industri-industri besar untuk mengoptimalkan waktu proses

pengerjaan . dapat dilihat pada gambar 4.1

33

Gambar 4.1 Papier Belt

4.1.2 Data penjualan Papier Belt

Setelah melakukan identifikasi pada produk Papier Belt didapatkanlah data penjualan

Papier Belt selama 2 tahun periode yaitu pada januari 2016 sampai dengan desember

2018, dapat dilihat pada tabel 4.2 :

Tabel 4.1 Data Penjualan Papier Belt sebagai periode januari 2017 – Desember

2018

Month Demand Month Demand

Jan-17 427 Jan-18 456

Feb-17 446 Feb-18 482

Mar-17 378 Mar-18 416

Apr-17 461 Apr-18 562

Mei-17 510 Mei-18 529

Jun-17 550 Jun-18 584

Jul-17 473 Jul-18 627

Agu-17 433 Agu-18 543

Sep-17 554 Sep-18 486

Okt-17 528 Okt-18 423

Nov-17 486 Nov-18 504

Des-17 502 Des-18 576

Total 5748 Total 6188

34

Tabel tersebut adalah hasil rekapan penjualkan dari pada produk Papier Belt selama 2

periode dimulai dari periode pertama yaitu januari – desember 2017 dengan jumlah

total penjualan 5748 pcs dan pada periode selanjutnya yaitu pada januari – desember

2018 dengan jumlah total penjualan sebesar 6188 pcs.

4.1.3 Data kehilangan permintaan Papier belt

Berdasarkan data penjualan diatas setiap bulannya terdapat permintaan dari pelanggan

yang tidak terpenuhi. Berikut data kehilangan permintaan papier belt.

Gambar 4.2 Demand vs Actual Demand

Dari grafik diatas terlihat beberapa bulan mengalami kehilangan permintaan akibat

kekurangan persediaan papier belt dibagian inventory yang menyebabkan perusahaan

mengalami kehilangan kesempatan mendapat keuntungan lebih banyak.

4.1.4 Data Lead Time

Data lead time berikut adalah data jangka waktu antara pesanan pengiriman produk,

lead time pada papier belt adalah 7 hari kerja. Data tersebut diproleh dari divisi

35

inventory sebagai divisi yang melakukan pengadaan atau pemesanan barang di PT.

JKL.

4.1.5 Data Biaya

Data biaya dibutuhkan untuk melakukan pengolahan data lebih lanjut yang teridiri dari

biaya pemesanan, biaya pembelian, biaya penyimpanan dan biaya lainya. Adapun

berikut rincian dari pada biaya-biaya tersebut:

a. Biaya Pembelian

Menyesuaikan dari data Purchasing diketahui harga biaya pembelian Papier

Belt adalah € 1,89 per unit dan harga euro pada saat perhitungan harga adalah

Rp. 16.112, maka harga pembelian sebagi berikut :

Papier Belt = € 1,89 × Rp. 16.112

= Rp. 30.452.

b. Biaya Penjualan

Berdasarkan data penjualan harga per unit Papier Belt adalah Rp. 39.588./Unit.

c. Biaya Lain-lain

Dengan adanya sistem persediaan maka akan memicu biaya-biaya lainnya

seperti biaya penyimpanan, biaya pemesanaan, biaya kekurangan dan biaya

kelebihan barang.

1. Biaya penyimpanan Papier Belt

Berikut adalah biaya-biaya yang termasuk kedalam biaya

penyimpanan dapat dilihat pada tabel 4.2 ;

36

Tabel 4.2 Biaya penyimpanan Papier Belt

No Biaya

penyimpanan Per Bulan Per Tahun

Per

Tahun/Unit

Keterangan

1 Biaya Tenaga

Kerja Rp4.200.000 Rp50.400.000

Cukup 1 orang

Pekerja

2 Biaya Listrik (±) Rp700.000 Rp8.400.000 Cukup dengan

hanya lampu

3 Biaya Perawatan

Gudang Rp4.166.667 Rp50.000.000

Rata-rata Permintaan

5968

Rata-rata

permintaan dari 2 periode

Total biaya Peyimpanan Rp108.800.000

Total biaya Peyimpanan per unit Rp18.231

Pada tabel 4.3 terlihat biaya dari penyimpanan Papier Belt dengan total

biaya penyimpanan sebesar Rp 108.800.000 dan rata-rata permintaan

dari 2 periode sehingga total biaya penyimpanan per unit sebesar Rp

108.800.000/5968 = Rp 18.231.

2. Biaya pemesanan

Biaya pemesanan Papier Belt diproleh dari total biaya untuk

mendapatkan barang dari produsan hingga sampai pada Gudang PT.

JKL. Berikut biaya-biaya yang dapat dilihat pada tabel 4.3 :

Tabel 4.3 Biaya pemesanan

No Biaya pemesanan Harga

1 Biaya Transportasi Rp2.500.000

2 Biaya Email Rp5.000

3 Biaya Fotokoopi Rp2.000

Total Rp2.507.000

37

Pada tabel 4.3 merupakan biaya pemesanan untu produk papier belt meliputi

biaya transportasi, biaya email dan biaya fotokopi sehingga total biaya

pemesanan sebesar Rp 2.507.000.

4.2 Pengolahan Data

Berdasarkan pengumpulan data sebelumnya maka selanjutnya adalah menentukan

metode yang akan digunakan untuk menyelesaikan permasalahan tersebut. Metode

yang digunakan di penelitian ini adalah EOQ ( Economic Order Quantity). Adapun

data yang akan dilakukan pengolahan terlebih dahulu menggunakan beberapa metode

perhitungan forecasting yang dilihat dari permintaan papier belt pada 2 periode

sebelumnya agar dapat diperbandingkan demi mendapat hasil yang terbaik ialah

sebagai berikut :

Gambar 4.3 Grafik Permintaan Papier Belt

Melihat pada gambar 4.2 yang merupakan permintaan dari papier belt selama 2 periode

setelah mendapatkan data permintaan selanjutkan memilih atau menentukan metode

0

100

200

300

400

500

600

700

Jan

-17

Feb

-17

Mar

-17

Apr

-17

Mei

-17

Jun

-17

Jul-

17

Agu

-17

Sep

-17

Okt

-17

No

v-17

Des

-17

Jan

-18

Feb

-18

Mar

-18

Apr

-18

Mei

-18

Jun

-18

Jul-

18

Agu

-18

Sep

-18

Okt

-18

No

v-18

Des

-18

Demand

38

forecasting mana yang terbaik yang nantinya menjadi acuan dalam analisa

nebggunakan metode EOQ.

4.2.1 Peramalan

Dalam menentukan peramalan dibutuhkan beberapa metode peramlan yang nantinya

setiap hasil dari metode peramalan akan dibandingkan dan dipilih satu untuk acuan

dalam analisa menggunakan metode EOQ. Perhitungan MAD, MSE, dan MAPE akan

dibandingkan tingkat keakurasian tetapi setelah melewati Tracking signal dan Moving

Range sebagai validasi dan verifikasi tes data peramalan. Berikut tabel hasil

rekapitulasi hasil peramalan dari beberapa metode :

Tabel 4.4 Rakapitulasi hasil akurasi peramalan

Metode Moving

Average LPD

Weight

Moving Average

Simple

Linier Regression

Exponential

Smoothing

MAD 61,6508 60,2857 60,4127 44,1085 59,1145

MSE 4964,1905 4581,0476 4545,1825 2962,1200 4429,2250

MAPE 12,19% 11,88% 11,93% 8,75% 11,66%

Tracking Signal

X Valid X Valid X

Verification X Valid X Valid Valid

Dari perhitungan akurasi peramalan diatas dilakukan verifikasi menggunkaan tracking

signal dan moving range dan setelah bnadingkan menggunakan MAD (Mean Absolute

Deviation), berdasarkan tingkat error paling rendah yang mungkin terjadi. Dari kelima

metode pada tabel diatas dipilih metode yang memiliki nilai MAD paling rendah ialah

39

pada model Simple Linier Regression dengan nilai MAD sebesar 44,1085, Maka

peramalan permintaan pada periode januari – desember 2019 ialah sebagai berikut :

Tabel 4.5 Hasil peramalan pada periode januari – desember 2019

Periode Forecast Periode Forecast

25 453 31 476

26 457 32 480

27 461 33 484

28 465 34 488

29 469 35 492

30 473 36 496

Total 2777 Total 2915

Tabel diatas memperlihatkan jumlah permintaan Papier belt satu tahun periode

kedepan diperkirakan sebanyak 5692 pcs.

Berikut tabel dan grafik hasil perhitungan peramalan dan akurasi menggunankan

metode Simple Linier Regression.

Tabel 4.6 Hasil perhitungan peramalan dan akurasi menggunkaan Simple Lnier

Regression

Month Demand

(Y)

Periode

(X) Forecast Error

Abs

Error Squared

Absolute Error

Proportion

Jan-17 427 1 452,613 -25,6 25,6 656,0 6,00%

Feb-17 446 2 456,502 -10,5 10,5 110,3 2,35%

Mar-17 378 3 460,390 -82,4 82,4 6788,2 21,80%

Apr-17 461 4 464,279 -3,3 3,3 10,8 0,71%

Mei-17 510 5 468,168 41,8 41,8 1749,9 8,20%

Jun-17 550 6 472,056 77,9 77,9 6075,1 14,17%

Jul-17 473 7 475,945 -2,9 2,9 8,7 0,62%

Agu-17 433 8 479,834 -46,8 46,8 2193,4 10,82%

Sep-17 554 9 483,722 70,3 70,3 4938,9 12,69%

Okt-17 528 10 487,611 40,4 40,4 1631,2 7,65%

Nov-17 486 11 491,500 -5,5 5,5 30,3 1,13%

Des-17 502 12 495,388 6,6 6,6 43,7 1,32%

40

Jan-18 456 13 499,277 -43,3 43,3 1873,0 9,49%

Feb-18 482 14 503,166 -21,2 21,2 448,0 4,39%

Mar-18 416 15 507,055 -91,1 91,1 8291,0 21,89%

Apr-18 562 16 510,943 51,1 51,1 2606,7 9,08%

Mei-18 529 17 514,832 14,2 14,2 200,7 2,68%

Jun-18 584 18 518,721 65,3 65,3 4261,3 11,18%

Jul-18 627 19 522,609 104,4 104,4 10897,3 16,65%

Agu-18 543 20 526,498 16,5 16,5 272,3 3,04%

Sep-18 486 21 530,387 -44,4 44,4 1970,2 9,13%

Okt-18 423 22 534,275 -111,3 111,3 12382,3 26,31%

Nov-18 504 23 538,164 -34,2 34,2 1167,2 6,78%

Des-18 576 24 542,053 33,9 33,9 1152,4 5,89%

Total 1,251E-12 1044,785 69759,086 213,97%

Intersept 448,7246 Average 5,6 44,11 2962,1 8,75%

Slope 3,888696 Bias MAD MSE MAPE

Tabel 4.7 Hasil perhitungan peramalan dan akurasi menggunkaan Simple Lnier

Regression (Lanjutan)

Month Demand Cumulative

Error

Cumulative

Abs Error MAD

Tracking

Signal MRt

Jan-17 427 -25,6 25,6 25,6 -1,0

Feb-17 446 -36,1 36,1 18,1 -2,0 15,1

Mar-17 378 -118,5 118,5 39,5 -3,0 71,9

Apr-17 461 -121,8 121,8 30,4 -4,0 79,1

Mei-17 510 -80,0 163,6 32,7 -2,4 45,1

Jun-17 550 -2,0 241,6 40,3 0,0 36,1

Jul-17 473 -5,0 244,5 34,9 -0,1 80,9

Agu-17 433 -51,8 291,3 36,4 -1,4 43,9

Sep-17 554 18,5 361,6 40,2 0,5 117,1

Okt-17 528 58,9 402,0 40,2 1,5 29,9

Nov-17 486 53,4 407,5 37,0 1,4 45,9

Des-17 502 60,0 414,1 34,5 1,7 12,1

Jan-18 456 16,7 457,4 35,2 0,5 49,9

Feb-18 482 -4,5 478,6 34,2 -0,1 22,1

Mar-18 416 -95,5 569,6 38,0 -2,5 69,9

Apr-18 562 -44,5 620,7 38,8 -1,1 142,1

Mei-18 529 -30,3 634,8 37,3 -0,8 36,9

Jun-18 584 35,0 700,1 38,9 0,9 51,1

Jul-18 627 139,4 804,5 43,2 3,2 39,1

41

Agu-18 543 155,9 821,0 43,3 3,6 87,9

Sep-18 486 111,5 865,4 41,2 2,7 60,9

Okt-18 423 0,2 976,7 44,4 0,0 66,9

Nov-18 504 -33,9 1010,8 43,9 -0,8 77,1

Des-18 576 0,0 1044,8 43,5 0,0 68,1

Total 1349,11130

MR 58,65701

LCL 156,02766

UCL -156,02766

Tabel diatas memperlihatkan hasil peramalan menggunakan metode Simple Linier

Regression, berikut penjelasan dari hasil perhitungan tabel diatas :

Peramalan SLR (Y’)= β0 + β1/X

Dimana :

Y’ = Perkiraan Permintaan

X = Variabel bebas yang mempengaruhi Y’

β0 = Intersept = nilai tetap y bila x=0

β1 = Slope = Derajat kemiringan persamaan garis regresi

Contoh : peramalan bulan januari 2019 = 448,7246 + 3,888696 (1)= 452,61333

≈ 453 pcs

Error = (dt– dt’)

Contoh : Error Januari 2019 = ( d2 – d2’ ) = 427 – 452,61333 = -25,6

Absolute Error = absolute (dt– dt’)

Contoh : Absolute error Januari 2019 = absolute (d2 – d2’)

= absolute (427 – 452,61333) = -25,6

42

Square error = (dt– dt’)2

Contoh : Square error Januari 2019 = (427 – 452,61333)2 = (-25,6)2 = 656,0

Error Proportion = ((dt– dt’)/dt)*100%

Contoh : Error Proportion Januari 2019 = ((427 – 452,61333)/ 427)*100%

= 0.06* 100% = 6%

MRt = |((dt – dt’) – (dt-1 – dt’-1))|

Contoh : MR1 = |(427 – 452,61333) – (446 – 456,50203)| = | -25,6 – -10,5 | =15,1

Cummulative Error = (dt– dt’) +(dt-1 – dt-1’)

Contoh : Cummulative Error Februari 2019 = (427 – 452,61333) + (446 –

456,50203) = -25,6 + -10,= -36,1

MAD = absolute (Cummulative Error) / n

Contoh : MAD Februari 2019 = -36,1/2 = 18,1

Tracking Signal = Cumulative Error / MAD

Contoh : Tracking Signal Februari 2019 = -36,1/18,1= 2.0

Setelah menghitung semua pada tabel, berikutnya penjelasan perhitungan error dari

peramalan dengan MAD,MSE dan MAPE dari metode Simple Linier Regression.

MAE = ∑ |𝑑𝑡−𝑑𝑡′|𝑛

𝑡=1

𝑛

MAE = 11044,785828

24 = 44,11

MSE = ∑ (𝑑𝑡−𝑑𝑡′)

2𝑛𝑡=1

𝑛

MSE = 69759,08638

24 = 2962,1

MAPE = ∑ |𝑃𝐸𝑡|𝑛

𝑡=1

𝑛 , PEt sebagai niali total dari Absolute error proportion

MAPE = 213,97%

24 = 8,75%

43

Setelah error ramalan ditemukan, diperlukan pemeriksaan apakah metode ini valid atau

tidak valid dengan menggunakan metode verifikasi dan metode Tracking Signal. Untuk

mencoba Tracking Signal dan metode verifikasi, diharuskan menemukan Batas

Kontrol Atas dan batas kontrol bawah. Untuk Tracking Signal, ditetapkan batas atas

dan batas bawah menjadi 4 dan -4, dan untuk metode verifikasi, ditemukan bahwa

batasnya seperti pada tabel di bawah ini:

Table 4. 8 Batas kontrol dari verifkasi test metode SLR

UCL LCL

1 156,0276 -156,0276

2/3 104,018 -104,018

1/3 52,009 -52,009

Untuk memverifikasi bahwa metode ini valid, grafik dibuat untuk menunjukkan apakah

batas masih dalam kendali atau di luar kendali, grafik ditunjukkan di bawah ini:

Gambar 4.4 Grafik actual demand vs peramalan papier belt dari SLR

0

100

200

300

400

500

600

700

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Actual Demand VS Forecasting Papier Belt (SLR)

Actual Forecast

44

Gambar 4.5 Grafik tes verifikasi papier belt dari SLR

Gambar 4.6 Grafik tes Tracking Signal Papier belt dari SLR

Dari beberapa grafik diatas terlihat hasil dari tracking signal tes maupun verifikasi tes

keduanya masih dalam batas kontrol.

Setelah melakukan beberapa tes pada pengolahan data menggunakan beberapa metode

untuk mendapatkan hasil peramalan terbaik. Selanjutnya data peramalan tersebut akan

dianalisa dan dihitung untuk menentukan nilai-nilai yang akan menjadi tujuan dari

penelitian ini.

-200,0

-150,0

-100,0

-50,0

0,0

50,0

100,0

150,0

200,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Tes Verifikasi Papier Belt (SLR)

UCL 2/3 1/3 LCL 2/3 1/3

-6,0

-4,0

-2,0

0,0

2,0

4,0

6,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Tracking Signal Test Papier Belt (LR)

UCL LCL

45

4.3 Analisis Data

Berdasarkan hasil pengolahan data sebelumnya maka dilanjutkannya dengan

menganalisa hasil pengolahan data tersebut. Berikut perancangan dan pengendalian

papier belt periode januari – desember 2019 ialah :

a. Menentukan jumlah ekonomis pemesanan untuk papier belt

b. Menghitung Annual Cost untuk papier belt

c. Menentukan persdiaan pengaman (Safety Stock)

d. Menentukan titik atau jumlah pemesanan kembali (Reorder Point)

4.3.1 Menentukan jumlah ekonomis pemesanan untuk papier belt

Penentuan jumlah ekonomis pemesanan didapatkan dari perhitungan menggunakan

persamaan EOQ, Dalam perhitungan menggunkaan metode EOQ berikut dipengaruhi

oleh biaya pemesanan dan biaya penyimpanan. Berdasarkan hasil pengolahan data

sebelumnya didapatkan ialah sebagai berikut:

Jumlah ekonomis pemesanan Papier Belt

D : 5692 Unit/Tahun

S : Rp 2.507.000/Pesan

H : Rp 18.231/ Unit/Tahun

Maka jumlah ekonomis pemesanan untuk Papier Belt

Papier Belt = √2×𝑆×𝐷

𝐻 = √

2×2507000×5692

18231

46

Dari perhitungan diatas dapat diketahui bahwa jumlah pemesanan yang optimal

adalah 1252 unit per pesanan.

4.3.2 Menghitung Annual Cost pada Papier Belt

Dari perhitungan pengolaha data dan jumlah ekonomis pemesanan dapat diproleh total

cost per periodenya untuk barang papier belt dengan menggunakan persamaan sebagai

berikut :

Dimana

TC : Biaya Variabel/ Variable Cost

H : Holding Cost/ Biaya Penyimpanan

Q : Jumlah pemesanan optimal

S : Biaya Pemesanan

DC : Harga per unit

D : Permintaan Pertahun

Diketahui

H : Rp 18.231/Unit/Tahun

= √1565448,3 = 1251,18 ≈ 1252 Unit/Pesanan

47

D : 5692 Unit

Q : 1252 Unit

DC : Rp 30.452 /Unit

S : Rp 2.507.000

Maka :

𝑇𝐶 = 𝐷𝐶 +𝑄

2𝐻 +

𝐷

𝑄𝑆 = 30452 +

1252

218231 +

5692

12522507000

𝑇𝐶 = 𝑅𝑝 22.840.697

Dari hasil perhitungan Annual Cost diatas dapat diperkirakan total biaya pada periode

januari – desember 2019 untuk pengadaan barang Papier Belt adalah 𝑅𝑝 22.840.697

4.3.3 Menghitung persediaan Pengaman (Safety Stock)

Dalam menentukan persediaan pengaman harus mengetahui leadtime dari pada barang

papier belt karena diketahui leadtime pada papier belt adalah 7 hari kerja per

kedatanganya jadi dibutuhkan safety stock untuk memenuhi persediaan dalam masa

leadtime. Berikut perhitungan safety stock dengan menggunakan rumus dibwah ini :

Safety Stock(SS) = Z x Standar deviation of leadtime

= Z x 𝜎 x √𝐿𝑇

Diasumsikan service level sebesar 95% maka nilai Z sesuai tabel adalah 1.65 lalu

standar deviasi dari forecast selama 12 bulan pada tabel 4.5, Maka dapat dihitung

safety stock pada Papier Belt sebagai berikut :

48

Dimana :

SS : Safety Stock

Z : Service Level

𝜎 : Standard Deviation

LT : Leadtime

Maka,

Safety Stock (SS) = Z x Standar deviation of leadtime

= 1,65 x 24 x √7

= 104,77 ≈105 Unit

Dari perhitungan diatas dapat diketahui bahwa safety stock pada Papier Belt adalah

sebesar 66 unit/ pesanan.

4.3.4 Menentukan Reorder Point atau jumlah pemesanan kembali pada Papier

Belt

Dalam menentukan reorder pont adalah ketika persediaan pada posisi titik terendah,

maka harus segera pemesanan kembali pada produsen Papier Belt sebelum persediaan

benar-benar habis. Dalam penetapan titik pemesanan kembali yang terlalu tinggi maka

akan menambah cost, sedangkan pemesanan dengan titik pemesanan yang terlalu

rendah dapat beresiko terjadinya kehabisan persediaan sebelum pesanan diterima.

49

Berikut perhitungan penentuan reoder point pada pemesanan dengan menggunakan

rumus sebagai berikut :

ROP = LT x D

Dimana,

ROP : Reorder Point

LT : Lead Time

D : Demand per unit time/ permintaan perwaktu

Dari data yang diolah sebelumnya, diketahui bahwa :

a. Permintaan periode januari – desember 2019

Papier Belt = 5692 unit / 260 hari kerja = 21,89

b. Leadtime pada Papier Belt adalah 7 hari kerja

Maka ROP pada Papier Belt adalah :

ROP = LT x D

= 7 x 21,89 unit

= 153,23 unit ≈ 154 unit

Dikarenakan adanya safety stock yang telah diperhitungkan sebelumnya, maka

akan ada kenaikan reorder point menjadi :

Reorder Point = leadtime demand + safety stock = LT x D + SS

Maka dari itu, reorder point pada Papier Belt setelah ada penambahan dari

safety stock adalah :

Reorder Point = leadtime demand + safety stock

= 154 + 105

= 259 Unit

50

Setelah perhitungaan diatas didapatkanlah jumlah Reorder Point atau titik pemesanan

kembali pada barang Papier Belt adalah ketika pesediaan sampai pada titik atau dengan

jumlah 259 Unit.

4.3.5 Menentukan Waktu Siklus (T)

Dalam menentukan waktu siklus atau pemesanan berikutnya yang optimal dibutuhkan

agar pesanan yang telah dipesan sampai tepat dengan waktu yang telah ditentukan agar

terhindar dari shortage maupun surplus. Berikut rumus menentukan waktu siklus :

T = Q/D

Dimana :

T : Waktu siklus

Q : Jumlah ekonomis pemesanan

D : Permintaan per tahun

Maka,

T = Q/D

= 1252/5692

= 0,2199578 tahun = 80,28 hari ≈ 81 hari

Dengan asumsi 1 tahun adalah 365 hari maka waktu yang dibutuhkan untuk pemesanan

berikutnya adalah 81 hari.

4.3.6 Menentukan frekuensi pemesanan (F)

Dari perhitungan sebelumnya dapat diketahui frekuensi dari pada pemesanan untuk

barang Papier belt selama setahun kedepan. Berikut rumus dari pada menentukan

frekuensi pemesanan :

51

F = D/Q

Dimana :

F : Frekuensi pemesanan

D : Permintaan selama seetahun

Q : Jumlah ekomomis pemesanan

Maka,

F = D/Q

= 5692/1252

= 4,546 Kali ≈ 5 kali

Dari perhitungan diatas diketahui bahwa sepanjang januari – desember 2019 dapat

dilakukan pemesanan Papier Belt sebanyak 5 kali, dan berikut grafik dari pada

persediaan Papier Belt pada gambar 4.5 :

Gambar 4.7 Grafik perencanaan persediaan Papier Belt

52

4.4 Perbandingan Perhitumgam persediaan Papier Belt

Setelah melakukan perhitungan dan analisis data dapat dilihat perbandingan

perhitungan persediaan sebelum dan setelah memakai metode EOQ dari biaya yang

dikeluarkan oleh perusahaan untuk barang Papier belt mulai dari biaya penyimpanan,

biaya pemesanan dan biaya pembelian barang itu sendiri. Berikut terlihat pada tabel

4.9 dan pada gambar 4.9 :

Tabel 4.9 Perbandingan perhitungan biaya persediaan

Perbandingan perhitungan biaya persediaan

2018 (Sebelum pakai

EOQ)

2019 (Setelah pakai

EOQ) Selisih

Biaya

Peyimpanan Rp 112.813.428,00 Rp 103.770.852,00 Rp 9.042.576,00

Biaya

Pembelian Rp 188.436.976,00 Rp 173.332.784,00 Rp 15.104.192,00

Biaya

Pemesanan Rp 30.084.000,00 Rp 12.535.000,00 Rp 17.549.000,00

Total Rp 331.334.404,00 Rp 289.638.636,00 Rp 41.695.768,00

Gambar 4.8 Grafik perbandingan perhitungan biaya persediaan

Rp331.334.404,00

Rp289.638.636,00

Rp260.000.000,00

Rp270.000.000,00

Rp280.000.000,00

Rp290.000.000,00

Rp300.000.000,00

Rp310.000.000,00

Rp320.000.000,00

Rp330.000.000,00

Rp340.000.000,00

2018 (Sebelum EOQ) 2019 (Setelah EOQ)

Biaya Persediaan

13

53

Pada grafik diatas terlihat perencanaan pengendalian persediaan pada item Papier Belt

menurun 13% dari segi biaya persediaan, yang dalam pengartian perusahaan telah

menghemat senilai Rp41.695.768.

54

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan pengolahan data dan hasil pembahasan pada penelitian di bab

sebelumnya, didapatkan kesimpulan sebagai berikut :

1. Pengendalian persediaan papier belt menggunakan metode economic order

quantity pada PT JKL dengan menggunakan peramalan terlebih dahulu dan

didapat dari perhitungan EOQ adalah sebanyak 1252 Unit/Pesanan

2. Safety Stock pada PT JKL Yang didapat dari pembahasan sebelumnya adalah

sebanyak 105 Unit

3. Pemesanan kembali atau reorder point pada persediaan papier belt PT.JKL

pada pembahasan sebelumnya adalah pada saat sebanyak 259 Unit

4. Perbandingan perhitungan persediaan item papier belt antara metode economic

order quantity dengan perhitungan perusahaan ialah Rp 331.334.404,00 dan Rp

289.638.636,00 sehingga perusahaan dapat melakukan penghematan untuk

papier belt sebesar Rp 41.695.768.

5.2 Saran

Melihat dari hasil penelitian yang menunjukan peningkatan dari segi penghematan

pada biaya persediaan khususnya untuk item papier belt maka penulis menyarankan

pada PT JKL sebagai berikut :

55

1. PT JKL dapat mempertimbangkan dalam perhitungan pengendalian persediaan

menggunakan metode economic order quantity dalam melakukan pembelian

papier belt, karena perhitungan menggunakan metode economic order quantity

penghemat biaya persediaan dapat dilakukan oleh perusahaan sehingga

perusahaan dapat meningkatkan keuntungan. Dan peramalan dibutuhkan

sebelum menentukan persediaan yang ekonomis.

2. PT JKL jika mengalami peningkatan pada permintaan konsumen dan tetap

dapat memenuhi permintaan konsumen perusahaan dapat menggunakan safety

stock atau pengaman persediaan pada perhitungan persediaannya dan reorder

point pada melakukan perhitungan perencanaan pemesanan kembali.

3. Semakin banyak percobaan menggunakan berbagai metode peramalan semakin

akurat juga dalam pengambilan keputusan mengenai perencanaan persediaan

menggunkaan metode EOQ.

56

DAFTAR PUSTAKA

Bragg, Steven M. 2005. Inventory Accounting. New Jersey: John Wiley and Sons, Inc.

Chapman, 2006. The Fundamental Of Production Planning And Control, Pearson

Education, Inc

Gaspersz, V. (2012). All-in-one. Production and Inventory Management. Vinchristo

Publication. Bogor

Georgoff, Robert G Murdick. 1986. Manager’s Guides to Forecasting Cambridge, MA

: Harvard Business School.

Heizer, Jay dan Render, Barry, 2010. Operaion Management. Manajemen operasi.

Buku 2 Edisi kesembilan : Jakarta: Selemba Empat

Krajewski, et al, 2016. Operation Management. Process and Supply Chain, Edisi

Kesebelas.

Markidarkis, Spyros; Wheelwright, Steven C., dan Hyndman, Rob J. 1998. Forecasting

Methods and Application Third Edition. USA: John Wiley and Sons, Inc.

Walpole, Myers, Myers, and Ye, 2012. Probabilty and Statistic for Engineer and

Scientis. Edisi Kesembilan.

57

LAMPIRAN

HASIL PERAMALAN LAINNYA

1. Moving Average (Rata-rata bergerak)

Tabel Hasil Peramalan Menggunakan Metode Moving Average

Month Demand Forecast Error Abs Error Squared Absolute Error

Proportion

Jan-17 427

Feb-17 446

Mar-17 378

Apr-17 461 417,0 44,0 44,0 1936,0 9,54%

Mei-17 510 428,3 81,7 81,7 6669,4 16,01%

Jun-17 550 449,7 100,3 100,3 10066,8 18,24%

Jul-17 473 507,0 -34,0 34,0 1156,0 7,19%

Agu-17 433 511,0 -78,0 78,0 6084,0 18,01%

Sep-17 554 485,3 68,7 68,7 4715,1 12,39%

Okt-17 528 486,7 41,3 41,3 1708,4 7,83%

Nov-17 486 505,0 -19,0 19,0 361,0 3,91%

Des-17 502 522,7 -20,7 20,7 427,1 4,12%

Jan-18 456 505,3 -49,3 49,3 2433,8 10,82%

Feb-18 482 481,3 0,7 0,7 0,4 0,14%

Mar-18 416 480,0 -64,0 64,0 4096,0 15,38%

Apr-18 562 451,3 110,7 110,7 12247,1 19,69%

Mei-18 529 486,7 42,3 42,3 1792,1 8,00%

Jun-18 584 502,3 81,7 81,7 6669,4 13,98%

Jul-18 627 558,3 68,7 68,7 4715,1 10,95%

Agu-18 543 580,0 -37,0 37,0 1369,0 6,81%

Sep-18 486 584,7 -98,7 98,7 9735,1 20,30%

Okt-18 423 552,0 -129,0 129,0 16641,0 30,50%

Nov-18 504 484,0 20,0 20,0 400,0 3,97%

Des-18 576 471,0 105,0 105,0 11025,0 18,23%

Total 235,33333 1294,667 104248 256,03%

Average 11,2 61,65 4964,2 12,19%

Bias MAD MSE MAPE

58

Tabel Hasil Peramalan Menggunakan Metode Moving Average (Lanjutan)

Month Demand Cumulative

Error

Cumulative

Abs Error MAD

Tracking

Signal MRt

Jan-17 854

Feb-17 892

Mar-17 756

Apr-17 921 44,0 44,0 44,0 1,0

Mei-17 1020 125,7 125,7 62,8 2,0 37,7

Jun-17 1100 226,0 226,0 75,3 3,0 18,7

Jul-17 945 192,0 260,0 65,0 3,0 134,3

Agu-17 865 114,0 338,0 67,6 1,7 44,0

Sep-17 1108 182,7 406,7 67,8 2,7 146,7

Okt-17 1056 224,0 448,0 64,0 3,5 27,3

Nov-17 972 205,0 467,0 58,4 3,5 60,3

Des-17 1004 184,3 487,7 54,2 3,4 1,7

Jan-18 912 135,0 537,0 53,7 2,5 28,7

Feb-18 964 135,7 537,7 48,9 2,8 50,0

Mar-18 831 71,7 601,7 50,1 1,4 64,7

Apr-18 1124 182,3 712,3 54,8 3,3 174,7

Mei-18 1057 224,7 754,7 53,9 4,2 68,3

Jun-18 1168 306,3 836,3 55,8 5,5 39,3

Jul-18 1254 375,0 905,0 56,6 6,6 13,0

Agu-18 1087 338,0 942,0 55,4 6,1 105,7

Sep-18 971 239,3 1040,7 57,8 4,1 61,7

Okt-18 846 110,3 1169,7 61,6 1,8 30,3

Nov-18 1007 130,3 1189,7 59,5 2,2 149,0

Des-18 1151 235,3 1294,7 61,7 3,8 85,0

Total 1341,00000

MR 67,05000

UCL 178,35300

LCL -178,35300

59

Gambar Aktual Permintaan vs Hasil Peramalan Menggunakan Metode Moving

Average

Gambar Hasil Tracking Signal Menggunakan Metode Moving Average

0

100

200

300

400

500

600

700

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Aktual Permintaan VS Hasil Peramalan Papier Belt (MA, N=3)

Actual Forecast

-6,0

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Hasil Tes Tracking Signal Papier Belt (MA, n=3)

tr mn UCL LCL

60

Gambar Hasil Tes Verifikasi Menggunakan Metode Moving Average

2. Weight Moving Average (Rata-rata bergerak berbobot)

Tabel Hasil Peramalan Menggunakan Metode Weight Moving Average

Demand Forecast Error Abs Error Squared Absolute Error

Proportion

427

446

378

461 408,83333 52,2 52,2 2721,4 11,32%

510 430,83333 79,2 79,2 6267,4 15,52%

550 471,66667 78,3 78,3 6136,1 14,24%

473 521,83333 -48,8 48,8 2384,7 10,32%

433 504,83333 -71,8 71,8 5160,0 16,59%

554 465,83333 88,2 88,2 7773,4 15,91%

528 500,16667 27,8 27,8 774,7 5,27%

486 520,83333 -34,8 34,8 1213,4 7,17%

502 511,33333 -9,3 9,3 87,1 1,86%

456 501 -45,0 45,0 2025,0 9,87%

482 476,33333 5,7 5,7 32,1 1,18%

416 476,66667 -60,7 60,7 3680,4 14,58%

562 444,66667 117,3 117,3 13767,1 20,88%

-200

-150

-100

-50

0

50

100

150

200

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Hasil Tes Verifikasi Papier Belt (MA, n=3)

UCL 2/3 1/3 LCL 2/3 1/3

61

529 500 29,0 29,0 841,0 5,48%

584 521,16667 62,8 62,8 3948,0 10,76%

627 562 65,0 65,0 4225,0 10,37%

543 596,33333 -53,3 53,3 2844,4 9,82%

486 577,83333 -91,8 91,8 8433,4 18,90%

423 528,5 -105,5 105,5 11130,3 24,94%

504 464 40,0 40,0 1600,0 7,94%

576 474 102,0 102,0 10404,0 17,71%

Total 226,33333 1268,667 95448,83333 250,62%

Average 10,8 60,41 4545,2 11,93%

Bias MAD MSE MAPE

Tabel Hasil Peramalan Menggunakan Metode Weight Moving Average

(Lanjutan)

Month Demand Cumulative

Error

Cumulative

Abs Error MAD

Tracking

Signal MRt

Jan-17 854

Feb-17 892

Mar-17 756

Apr-17 921 52,2 52,2 52,2 1,0

Mei-17 1020 131,3 131,3 65,7 2,0 27,0

Jun-17 1100 209,7 209,7 69,9 3,0 0,8

Jul-17 945 160,8 258,5 64,6 2,5 127,2

Agu-17 865 89,0 330,3 66,1 1,3 23,0

Sep-17 1108 177,2 418,5 69,8 2,5 160,0

Okt-17 1056 205,0 446,3 63,8 3,2 60,3

Nov-17 972 170,2 481,2 60,1 2,8 62,7

Des-17 1004 160,8 490,5 54,5 3,0 25,5

Jan-18 912 115,8 535,5 53,6 2,2 35,7

Feb-18 964 121,5 541,2 49,2 2,5 50,7

Mar-18 831 60,8 601,8 50,2 1,2 66,3

Apr-18 1124 178,2 719,2 55,3 3,2 178,0

Mei-18 1057 207,2 748,2 53,4 3,9 88,3

Jun-18 1168 270,0 811,0 54,1 5,0 33,8

Jul-18 1254 335,0 876,0 54,8 6,1 2,2

Agu-18 1087 281,7 929,3 54,7 5,2 118,3

Sep-18 971 189,8 1021,2 56,7 3,3 38,5

Okt-18 846 84,3 1126,7 59,3 1,4 13,7

Nov-18 1007 124,3 1166,7 58,3 2,1 145,5

62

Des-18 1151 226,3 1268,7 60,4 3,7 62,0

Total 1319,50000

MR 65,97500

UCL 175,49350

LCL -175,49350

Gambar Aktual Permintaan vs Hasil Peramalan Menggunakan Metode Weight

Moving Average

Gambar Hasil Tracking Signal Menggunakan Metode Weight Moving Average

0

100

200

300

400

500

600

700

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Aktual Permintaan VS Hasil Peramalan Papier Belt (WMA, N=3)

Actual Forecast

-6,0

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Hasil Tes Tracking Signal Papier Belt (WMA, n=3)

UCL LCL

63

Gambar Hasil Tes Verifikasi Menggunakan Metode Weight Moving Average

3. Metode LPD

Tabel Hasil Peramalan Menggunakan Metode LPD

Month Demand Forecast Error Abs Error Squared Absolute Error

Proportion

Jan-17 427

Feb-17 446 427 19,0 19,0 361,0 4,26%

Mar-17 378 446 -68,0 68,0 4624,0 17,99%

Apr-17 461 378 83,0 83,0 6889,0 18,00%

Mei-17 510 461 49,0 49,0 2401,0 9,61%

Jun-17 550 510 40,0 40,0 1600,0 7,27%

Jul-17 473 550 -77,0 77,0 5929,0 16,28%

Agu-17 433 473 -40,0 40,0 1600,0 9,24%

Sep-17 554 433 121,0 121,0 14641,0 21,84%

Okt-17 528 554 -26,0 26,0 676,0 4,92%

Nov-17 486 528 -42,0 42,0 1764,0 8,64%

Des-17 502 486 16,0 16,0 256,0 3,19%

Jan-18 456 502 -46,0 46,0 2116,0 10,09%

-200,0

-150,0

-100,0

-50,0

0,0

50,0

100,0

150,0

200,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Hasil Tes Verifikasi Papier Belt (WMA, n=3)

UCL 2/3 1/3 LCL 2/3 1/3

64

Feb-18 482 456 26,0 26,0 676,0 5,39%

Mar-18 416 482 -66,0 66,0 4356,0 15,87%

Apr-18 562 416 146,0 146,0 21316,0 25,98%

Mei-18 529 562 -33,0 33,0 1089,0 6,24%

Jun-18 584 529 55,0 55,0 3025,0 9,42%

Jul-18 627 584 43,0 43,0 1849,0 6,86%

Agu-18 543 627 -84,0 84,0 7056,0 15,47%

Sep-18 486 543 -57,0 57,0 3249,0 11,73%

Okt-18 423 486 -63,0 63,0 3969,0 14,89%

Nov-18 504 423 81,0 81,0 6561,0 16,07%

Des-18 576 504 72,0 72,0 5184,0 12,50%

Total 149 1353,000 101187 271,75%

Average 9,4 60,29 4581,0 11,88%

Bias MAD MSE MAPE

Tabel Hasil Peramalan Menggunakan Metode LPD (Lanjutan)

Month Demand Cumulative

Error

Cumulative

Abs Error MAD

Tracking

Signal MRt

Jan-17 854

Feb-17 892 19,0 19,0 19,0 1,0

Mar-17 756 -49,0 87,0 43,5 -1,1 87,0

Apr-17 921 34,0 170,0 56,7 0,6 151,0

Mei-17 1020 83,0 219,0 54,8 1,5 34,0

Jun-17 1100 123,0 259,0 51,8 2,4 9,0

Jul-17 945 46,0 336,0 56,0 0,8 117,0

Agu-17 865 6,0 376,0 53,7 0,1 37,0

Sep-17 1108 127,0 497,0 62,1 2,0 161,0

Okt-17 1056 101,0 523,0 58,1 1,7 147,0

Nov-17 972 59,0 565,0 56,5 1,0 16,0

Des-17 1004 75,0 581,0 52,8 1,4 58,0

Jan-18 912 29,0 627,0 52,3 0,6 62,0

Feb-18 964 55,0 653,0 50,2 1,1 72,0

Mar-18 831 -11,0 719,0 51,4 -0,2 92,0

Apr-18 1124 135,0 865,0 57,7 2,3 212,0

Mei-18 1057 102,0 898,0 56,1 1,8 179,0

65

Jun-18 1168 157,0 953,0 66,9 2,3 88,0

Jul-18 1254 200,0 996,0 55,3 3,6 12,0

Agu-18 1087 116,0 1080,0 56,8 2,0 127,0

Sep-18 971 59,0 1137,0 56,9 1,0 27,0

Okt-18 846 -4,0 1200,0 57,1 -0,1 6,0

Nov-18 1007 77,0 1281,0 58,2 1,3 144,0

Des-18 1151 149,0 1353,0 58,8 2,5 9,0

Total 1847

MR 83,95455

LCL 223,31909

UCL -223,31909

Gambar Aktual Permintaan vs Hasil Peramalan Menggunakan Metode LPD

0

100

200

300

400

500

600

700

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Aktual Permintaan VS Hasil Peramalan Papier Belt (LPD)

Actual Forecast

66

Gambar Hasil Tes Trackinf Signal Menggunakan Metode LPD

Gambar 9. Hasil Tes Verifikasi Menggunakan Metode LPD

4. Exponential Smoothing

Tabel Hasil Peramalan Menggunakan Metode Simple Exponential Smooting

Month Demand Forecast Error Abs Error Squared Absolute Error

Proportion

Jan-17 427 427

-5,0

-4,0

-3,0

-2,0

-1,0

0,0

1,0

2,0

3,0

4,0

5,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Hasil Tes Tracking Signal Papier Belt (LPD)

UCL LCL

-250,0

-200,0

-150,0

-100,0

-50,0

0,0

50,0

100,0

150,0

200,0

250,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Hasil Tes Verifikasi Papier Belt (LPD)

UCL 2/3 1/3 LCL 2/3 1/3

67

Feb-17 446 427 19,0 19,0 361,0 4,26%

Mar-17 378 444,1 -66,1 66,1 4369,2 17,49%

Apr-17 461 384,61 76,4 76,4 5835,4 16,57%

Mei-17 510 453,361 56,6 56,6 3208,0 11,11%

Jun-17 550 504,3361 45,7 45,7 2085,2 8,30%

Jul-17 473 545,43361 -72,4 72,4 5246,6 15,31%

Agu-17 433 480,24336 -47,2 47,2 2231,9 10,91%

Sep-17 554 437,72434 116,3 116,3 13520,0 20,99%

Okt-17 528 542,37243 -14,4 14,4 206,6 2,72%

Nov-17 486 529,43724 -43,4 43,4 1886,8 8,94%

Des-17 502 490,34372 11,7 11,7 135,9 2,32%

Jan-18 456 500,83437 -44,8 44,8 2010,1 9,83%

Feb-18 482 460,48344 21,5 21,5 463,0 4,46%

Mar-18 416 479,84834 -63,8 63,8 4076,6 15,35%

Apr-18 562 422,38483 139,6 139,6 19492,4 24,84%

Mei-18 529 548,03848 -19,0 19,0 362,5 3,60%

Jun-18 584 530,90385 53,1 53,1 2819,2 9,09%

Jul-18 627 578,69038 48,3 48,3 2333,8 7,70%

Agu-18 543 622,16904 -79,2 79,2 6267,7 14,58%

Sep-18 486 550,9169 -64,9 64,9 4214,2 13,36%

Okt-18 423 492,49169 -69,5 69,5 4829,1 16,43%

Nov-18 504 429,94917 74,1 74,1 5483,5 14,69%

Des-18 576 496,59492 79,4 79,4 6305,2 13,79%

Total 156,73277 1326,504 97743,935 266,65%

Alpha 0,9 Average 9,7 59,11 4429,2 11,66%

Bias MAD MSE MAPE

Tabel Hasil Peramalan Menggunakan Metode Simple Exponential Smooting

(Lanjutan)

Month Demand Cumulative

Error

Cumulative

Abs Error MAD

Tracking

Signal MRt

Jan-17 854

Feb-17 892 19,0 19,0 19,0 1,0

Mar-17 756 -47,1 85,1 42,6 -1,1 85,1

Apr-17 921 29,3 161,5 53,8 0,5 142,5

Mei-17 1020 85,9 218,1 54,5 1,6 19,8

Jun-17 1100 131,6 263,8 52,8 2,5 11,0

Jul-17 945 59,2 336,2 56,0 1,1 118,1

68

Agu-17 865 11,9 383,5 54,8 0,2 25,2

Sep-17 1108 128,2 499,7 62,5 2,1 163,5

Okt-17 1056 113,8 514,1 57,1 2,0 130,6

Nov-17 972 70,4 557,6 55,8 1,3 29,1

Des-17 1004 82,0 569,2 51,7 1,6 55,1

Jan-18 912 37,2 614,0 51,2 0,7 56,5

Feb-18 964 58,7 635,6 48,9 1,2 66,4

Mar-18 831 -5,1 699,4 50,0 -0,1 85,4

Apr-18 1124 134,5 839,0 55,9 2,4 203,5

Mei-18 1057 115,4 858,1 53,6 2,2 158,7

Jun-18 1168 168,5 911,2 53,6 3,1 72,1

Jul-18 1254 216,9 959,5 53,3 4,1 4,8

Agu-18 1087 137,7 1038,6 54,7 2,5 127,5

Sep-18 971 72,8 1103,6 55,2 1,3 14,3

Okt-18 846 3,3 1173,0 55,9 0,1 4,6

Nov-18 1007 77,3 1247,1 56,7 1,4 143,5

Des-18 1151 156,7 1326,5 57,7 2,7 5,4

Total 1722,37648

MR 78,28984

LCL 208,25097

UCL -208,25097

Gambar Aktual Permintaan vs Hasil Peramalan Menggunakan Metode SES

0

100

200

300

400

500

600

700

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Aktual Permintaan VS Hasil Peramalan Papier Belt (SES)

Actual Forecast

69

Gambar Hasil Tes Tracking Signal Menggunakan Metode LPD

-5,0

-4,0

-3,0

-2,0

-1,0

0,0

1,0

2,0

3,0

4,0

5,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Hasil Tes Tracking Signal Papier Belt (SES)

UCL LCL

-250,0

-200,0

-150,0

-100,0

-50,0

0,0

50,0

100,0

150,0

200,0

250,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Hasil Tes Verifikasi Papier Belt (SES)

UCL 2/3 1/3 LCL 2/3 1/3