TUGAS AKHIR

PENGENDALIAN PERSEDIAAN TEPUNG TERIGU

PEMBUAT WAFER DI PT XYZ DENGAN METODE MRP

Diajukan guna melengkapi sebagai syarat dalam mencapai gelar Sarjana

Strata Satu (S1)

Disusun Oleh :

Nama : Klara Asteria BR Sembiring

NIM : 41615120107

Program Studi : TeknikIndustri

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS MERCU BUANA

JAKARTA

2017

i

ii

v

ABSTRAK

PT. XYZ merupakan salah satu perusahaan manufaktur yang bergerak dalam

industri makanan yang membuat wafer. Dalam menjalani operasional sering

terjadi suatu kendala yaitu pemesanan dan penggunaan bahan baku yang tidak

sesuai terkadang berlebih dan bisa juga kekurangan.

Perencanaan kebutuhan material yang optimum dilakukan dengan menggunakan

metode Material Requirement Planning (MRP). Metode tersebut diawali dengan

melakukan peramalan akan jumlah permintaan untuk waktu yang akan datang.

Peramalan ini dilakukan dengan metode Moving Average, Exponential smoothing

dan Regresi Linear. Lalu ditentukan nilai terkecil kesalahan peramalan pada

analisa pengujian.

Setelah mengetahui harga bahan baku, data kebutuhan material, dan biaya untuk

persediaan dan penyimpanan material, kemudian dilakukan perbandingan biaya

perencanaan persediaan dengan menggunakan metode Lot-For-Lot (LFL), Least

Unit Cost (LUC), dan Economic Order Quantity (EOQ). Dari hasil perhitungan

ketiga metode tersebut dipilih metode yang menghasilkan biaya

persediaan paling minimum. Teknik Lot-For-Lot (LFL) dan Least Unit Cost

(LUC) menghasilkan biaya total persediaan yang terendah yaitu Rp 77.220.000

Kata Kunci : Material Requirement Planning (MRP), Peramalan dan Lot-

sizing

vi

ABSTRACT

PT. XYZ is one of the manufacturing companies in the food industry that makes

wafers. In undergoing operational there is often a constraint that is ordering and

use of inappropriate raw materials are sometimes overstock and can shortage.

The planning of the optimum material needs is done by using Material

Requirement Planning (MRP) method. The method begins by forecasting the

number of requests for the time to come. This forecasting is done by Moving

Average method, Exponential Smoothing and Linear Regression. Then determined

the smallest value of forecasting error on the test analysis.

After knowing the price of raw material, material requirement data, and cost for

inventory and material storage, then comparison of inventory planning cost by

using Lot-For-Lot (LFL) method, Least Unit Cost (LUC), and Economic Order

Quantity (EOQ) . From the results of the calculation of the three methods are

selected methods that produce the minimum inventory costs. The Lot-For-Lot

(LFL) and Least Unit Cost (LUC) techniques result in the lowest total inventory

cost of Rp 77.220.000

Keywords: Material Requirement Planning (MRP), Forecasting and Lot- sizing

vii

KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa, karena

atas berkat dan karunia-Nya, sehingga penulis dapat menyelesaikan Laporan

Tugas Akhir ini dengan baik dan tepat pada waktu yang telah ditentukan .

Laporan Tugas Akhir ini yang berjudul “Pengendalian Persediaan Tepung

Terigu Pembuat Wafer di PT XYZ” ini disusun sebagai salah satu syarat yang

harus dipenuhi mahasiswa Jurusan Teknik Industri untuk menyelesaikan

Pendidikan Sarjana (S1) Universitas Mercu Buana Jakarta.

Dalam penulisan laporan tugas ini, penulis banyak menghadapi kendala,

namun berkat bantuan dan bimbingan dari berbagai pihak, penulis dapat

menyelesaikan tugas akhir ini . Pada kesempatan ini penulis mengucapkan terima

kasih atas segala bantuan dan bimbingan yang di berikan .

Dengan segala kerendahan hati penulis mengucapkan terima kasih yang

sebesar-besar nya kepada :

1. Ibu Dr. Zulfa Fitri Ikatrinasari, MT sebagai ketua program studi teknik

industri Universitas Mercu Buana Jakarta;

2. Ibu Ir.Silvi Ariyanti M.Sc., sebagai dosen pembimbing tugas akhir dengan

segenap hati telah banyak meluangkan waktu untuk membimbing penulis

sehingga tugas akhir ini dapat selesai dengan baik ;

3. Seluruh staf pengajar Jurusan Teknik Industri, Universitas Mercu Buana

Jakarta;

4. Teristimewa untuk orang tua penulis, Alm. B Sembiring dan M BR Sitepu

yang sangat penulis cintai yang telah banyak memberikan bantuan moril,

material dan doa serta motivasi dalam menyelesaikan tugas akhir ini ;

5. Saudara penulis Julia, Rapika, dan Erwina yang selalu memberi dukungan

dan semangat untuk pantang menyerah ;

6. Pimpinan dan seluruh rekan kerja di PT. UPA Karawang;

viii

7. Rekan-rekan mahasiswa angkatan 28, Jurusan Teknik Industri, Universitas

Mercu Buana Jakarta;

8. Seluruh pihak yang tidak dapat disebutkan satu persatu yang telah

membantu penulis selama pengerjaan Tugas Akhir ini baik secara

langsung maupun tidak langsung.

Penulis menyadari bahwa dalam penyusunan tugas akhir ini masih

terdapat banyak kekurangan. Kritik dan saran dari berbagai pihak akademis

maupun umun penulis harapkan demi perkembangan di dunia ilmu pengetahuan

dan teknologi .

Penulis mengharapkan semoga karya kecil berupa tugas akhir ini dapat

bermanfaat bagi pembaca yang berkepentingan .

Karawang , Juli 2017

Hormat penulis,

Klara Asteria BR Sembiring

NIM. 41615120107

ix

DAFTAR ISI

Halaman Judul

Lembar Pernyataan .......................................................................... i

Lembar Pengesahan ....................................................... ................. ii

Abstrak ............................................................................................. iii

Kata Pengantar ................................................................................. v

Daftar Isi ........................................................................................... vii

Daftar Tabel ...................................................................................... x

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

1.1. LatarBelakang Masalah .................................................. 1

1.2. Rumusan Masalah .......................................................... 4

1.3. Batasan Masalah ............................................................ 5

1.4. Tujuan Penelitian ........................................................... 5

1.5. Sistematika Penulisan ................................................... 6

BAB II LANDASAN TEORI ........................................................... 8

2.1.Sistem Produksi ............................................................ 8

2.2.Bahan Baku ................................................................... 9

2.3.Persediaan ....................................................................... 11

2.3.1. Fungsi Persediaan ................................................. 12

2.3.2. Jenis-jenis Persediaan ........................................... 12

x

2.3.3. Biaya Persediaan .................................................. 13

2.4. Peramalan ....................................................................... 16

2.4.1. Model Peramalan.................................................. 17

2.4.2. Pengujian Model Peramalan................................. 19

2.5. Material Requirement Planning (MRP) ......................... 20

2.5.1. Tujuan dan Manfaat MRP ................................... 21

2.5.2. Input Sistem MRP ............................................... 22

2.5.3. Langkah Dasar Pengolahan MRP ........................ 24

2.5.4. Proses Lotting ....................................................... 25

2.6.Persediaan Pengaman ( Safety Stock ).......................... 30

2.7.Reorder Point ( ROP ) ................................................... 31

BAB III METODOLOGI PENELITIAN ...................................... 33

3.1. Lokasi dan Waktu Penelitian ........................................ 33

3.2. Jenis dan Sumber Data ................................................. 35

3.3. Teknik Pengumpulan Data .......................................... 36

3.4. Tahap Analisis Data ...................................................... 37

3.5. Kerangka Pemikiran ..................................................... 38

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ............ 39

4.1. Pengumpulan Data ....................................................... 39

4.1.1.Data Permintaan Bahan Baku Tepung Terigu....... 39

4.1.2.Struktur Biaya ....................................................... 41

4.1.3.Lead Time (Waktu Tenggang) Pemesanan Bahan Baku

........................................................................................ 42

4.2. Pengolahan Data ......................................................... 43

xi

4.2.1.Peramalan Kebutuhan Bahan Baku ....................... 43

4.2.2.Perencanaan Persediaan Bahan Baku .................... 50

4.2.3.Perhitungan Waktu Pemesanan Kembali ( Reorder Point )

........................................................................................ 56

BAB V ANALISA DAN PEMBAHASAN ...................................... 60

5.1. Peramalam Kebutuhan Bahan Baku ............................ 60

5.2.Analisa Perhitungan Material Requirement Planning (MRP)

............................................................................................. 62

5.3. Waktu Pemesanan Kembali ( Reorder Point ) Bahan Baku

............................................................................................. 64

BAB VI KESIMPULAN DAN SARAN .......................................... 65

6.1. Kesimpulan .................................................................. 65

6.2. Saran ............................................................................ 66

DAFTAR PUSTAKA

xii

DAFTAR TABEL

Tabel1.1 Rencana Produksi VS Real Produksi April 2015 – Maret 2017 .......... 2

Tabel1.2 Data Pemakaian dan Penerimaan TepungTerigu(April 2015 – Maret

2017) ................................................................................................................... 3

Tabel 2.1 Penelitian Sebelumnya ........................................................................ 32

Tabel 4.1 Data Permintaan TepungTerigu (April 2015-Maret 2017) ................. 40

Tabel 4.2 Perhitungan Biaya Pesan dan Biaya Simpan ...................................... 42

Tabel 4.3 Peramalan dengan Metode Moving Average ...................................... 44

Tabel 4.4 Peramalan dengan Metode Exponential Smooting ............................. 45

Tabel 4.5 Peramalan Metode Regresi Linear ...................................................... 46

Tabel 4.6 Perbandingan Nilai Error MAD, MSE dan MAPE ............................. 47

Tabel 4.7 Hasil Peramalan Permintaan dengan Metode Regresi Linear ............. 47

Tabel 4.8 Perhitungan Unit Cost ......................................................................... 51

Tabel 4.9 Hasil Perencaan Persediaan LUC ....................................................... 52

Tabel 5.1 Perbandingan Hasil Tingkat Kesalahan PeramalanTepungTerigu ..... 62

Tabel 5.2 Perbandingan Biaya Pesan dan Biaya Simpan .................................... 53

1

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Dewasa ini perkembangan dunia industri manufaktur telah berkembang

pesat, dengan bertambahnya produk-produk yang dihasilkan dan dalam hal

tersebut tentunya akan menambah pangsa pasar di Indonesia. Dengan demikian

kebutuhan akan faktor-faktor produksi menjadi lebih banyak dan sangat penting.

Kegiatan perusahaan mempunyai hubungan yang sangat erat dengan

kegiatan produksi. Untuk mengadakan kegiatan produksi suatu perusahaan harus

ada bahan baku yang akan diolah. Oleh karena itu didalam kegiatan industri

manufaktur, bahan baku merupakan masalah yang penting sehingga sistem

pemesanan yang tepat harus digunakan untuk menghindari keterlambatan

kedatangan bahan baku dari suplier.

Dampak dari kurang terkendalinya persediaan bahan baku akan

merugikan perusahaan. Persediaan bahan baku berlebih maka akan terjadi

overstok,

2

sehingga mengakibatkan penumpukan barang ataupun atau kekurangan barang

akan mengakibatkan stop produksi. Untuk saat ini jika kekurangan stok maka

harus pinjam ke plant yang di Jakarta, sudah dipastikan dengan adanya

peminjaman barang ke Jakarta maka ada penambahan biaya transportasi dan biaya

kuli bongkar. Dan jika pada saat kelebihan barang juga mengakibatkan tidak

produktifnya modal yang tertanam dan terjadinya kenaikan biaya simpan serta

kemungkinan terjadinya barang mati (non moving) sangat besar. Kehabisan

persediaan atau barang dibutuhkan tidak ada (shortage/out of stok) mengakibatkan

adanya permintaan yang tidak terpenuhi dan hilangnya kesempatan untuk

memperoleh keuntungan.

Tabel 1.1 Rencana Produksi VS Real Produksi April 2015 – Maret 2017

No Periode Rencana Produksi Real Produksi Selisih

% (karton) (karton) (karton)

1 Apr'15 883.929 836.625 47.304 0,95%

2 Mei'15 860.714 860.732 -18 1,00%

3 Jun'15 925.000 808.679 116.321 0,87%

4 Jul'15 607.143 553.411 53.732 0,91%

5 Agu'15 816.071 747.786 68.286 0,92%

6 Sep'15 814.286 720.054 94.232 0,88%

7 Okt'15 371.429 469.893 -98.464 1,27%

8 Nov'15 746.429 752.375 -5.946 1,01%

9 Des'15 1.037.500 1.009.339 28.161 0,97%

10 Jan'16 1.021.429 828.554 192.875 0,81%

11 Feb'16 662.500 620.732 41.768 0,94%

12 Mar'16 948.214 884.857 63.357 0,93%

13 Apr'16 712.500 744.946 -32.446 1,05%

14 Mei'16 499.982 382.000 117.982 0,76%

15 Jun'16 1.001.804 921.446 80.357 0,92%

16 Jul'16 628.571 573.214 55.357 0,91%

17 Agu'16 923.214 944.893 -21.679 1,02%

18 Sep'16 825.000 729.911 95.089 0,88%

19 Okt'16 530.357 589.821 -59.464 1,11%

20 Nov'16 535.714 520.214 15.500 0,97%

21 Des'16 491.071 512.750 -21.679 1,04%

22 Jan'17 57.143 683.875 -626.732 11,97%

23 Feb'17 39.286 891.946 -852.661 22,70%

24 Mar'17 271.429 995.375 -723.946 3,67%

Total 16.210.714 17.583.429 -1.372.714 58,48%

Average 675.446 732.643 -57.196 2,44%

3

Tabel 1.2 Data Pemakaian dan Penerimaan Tepung Terigu (April 2015 – Maret

2017)

No

Periode Terigu Selisih Terigu

(kg) % Selisih Penerimaan (kg) Pemakaian (kg)

1 Apr'15 1.237.500 1.171.275 66.225 0,95%

2 Mei'15 1.205.000 1.205.025 -25 1,00%

3 Jun'15 1.295.000 1.132.150 162.850 0,87%

4 Jul'15 850.000 774.775 75.225 0,91%

5 Agu'15 1.142.500 1.046.900 95.600 0,92%

6 Sep'15 1.140.000 1.008.075 131.925 0,88%

7 Okt'15 520.000 657.850 -137.850 1,27%

8 Nov'15 1.045.000 1.053.325 -8.325 1,01%

9 Des'15 1.452.500 1.413.075 39.425 0,97%

10 Jan'16 1.430.000 1.159.975 270.025 0,81%

11 Feb'16 927.500 869.025 58.475 0,94%

12 Mar'16 1.327.500 1.238.800 88.700 0,93%

13 Apr'16 997.500 1.042.925 -45.425 1,05%

14 Mei'16 699.975 534.800 165.175 0,76%

15 Jun'16 1.402.525 1.290.025 112.500 0,92%

16 Jul'16 880.000 802.500 77.500 0,91%

17 Agu'16 1.292.500 1.322.850 -30.350 1,02%

18 Sep'16 1.155.000 1.021.875 133.125 0,88%

19 Okt'16 742.500 825.750 -83.250 1,11%

20 Nov'16 750.000 728.300 21.700 0,97%

21 Des'16 687.500 717.850 -30.350 1,04%

22 Jan'17 80.000 957.425 -877.425 11,97%

23 Feb'17 55.000 1.248.725 -1.193.725 22,70%

24 Mar'17 380.000 1.393.525 -1.013.525 3,67%

Total 22.695.000 24.616.800 -1.921.800 58,48%

Average 945.625 1.025.700 -80.075 2,44%

Sumber : Data Bag. PPIC PT XYZ

Keterangan :

(+) Overstock

(-) Shortage

Dari tabel diatas bisa diambil kesimpulan bahwa pada setiap bulan pabrik

mengalami shortage rata-rata 2,44 % selama periode April 2015 – Maret 2017.

Hal yang membuat terjadinya shortage adalah karena rata-rata dari hasil produksi

lebih banyak dari rencana produksi yang sudah ditentukan sebelumnya.

Peningkatan jumlah produksi bisanya dipengaruhi oleh permintaan pasar yang

4

meningkat pada periode tertentu. Oleh karena itu hal yang harus diperhatikan

adalah bagaimana cara melakukan metode peramalan yang tepat untuk

perencanaan kebutuhan produksi yang akan datang guna meningkatkan efisiensi

biaya persediaan dan menurunkan biaya shortage produksi.

PT. XYZ merupakan salah satu produsen produk makanan wafer terbesar

di Indonesia yang berorientasi pada kepuasan pelanggan. Dalam memenuhi

tuntutan pasar, maka perusahaan harus beroperasi secara produktif dan efisien

tanpa menurunkan kualitas produk. Berdasarkan permasalah tersebut maka perlu

dilakukan penelitian dengan judul “Analisa Pengendalian Persediaan Tepung

Terigu Pembuat Wafer di PT.XYZ”

1.2 Rumusan Masalah

Berdasarkan uraian di atas, maka perumusan masalah yang akan dibahas dari

penelitian ini adalah sebagai berikut :

1. Berapa banyak jumlah rencana produksi wafer periode April 2017 s/d

Maret 2018, untuk mengetahui jumlah tepung terigu yang harus disiapkan?

2. Kapan bahan baku akan dibeli agar proses produksi berjalan sesuai dengan

lead time yang ditentukan?

3. Bagaimana hasil analisa perbandingan perhitungan Material Requirement

Planning menggunakan metode metode Lot For Lot, Economical Order

Quantity dan Least Unit Cost (LUC) dan metode apakah yang paling baik dari

ketiga metode tersebut ?

5

1.3 Batasan Masalah

Untuk menghindari perluasan masalah yang tidak perlu, dan akibat

keterbatasan sumber data dan waktu, maka penulis memberikan batasan terhadap

permasalahan yang dibahas dalam laporan ini yaitu :

1. Penelitian hanya dilakukan pada bahan baku tepung terigu.

2. Penelitian tidak mempertimbangankan jumlah supplier bahan baku tetapi hanya

terbatas pada jumlah kebuttuhan bahan baku perusahaan dengan asumsi

supplier bisa memenuhi pemesanan bahn baku yang akan dibuat.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut :

1. Untuk mengetahui jumlah terigu yang dibutuhkan untuk memproduksi wafer

selama periode April 2017 s/d Maret 2018

2. Menganalisis waktu yang tepat untuk melakukan proses pemesanan terigu

kembali dengan metode MRP di PT XYZ.

3. Menganalisis hasil perbandingan perhitungan biaya Material Requirement

Planning menggunakan metode metode Lot For Lot, Economical Order

Quantity dan Least Unit Cost (LUC) dan metode apakah yang paling sesuai

dari ketiga metode tersebut agar biaya lebih efisien.

6

1.5 Sistematika Penulisan

Adapun sistematika penulisan laporan tugas akhir ini adalah :

Bab I. Pendahuluan

Bab ini memuat latar belakang masalah dan rumusan penelitian serta

memuat tujuan penelitian, kegunaan penelitian, dan sistematika penulisan.

Bab II. Landasan Teori

Dalam bab ini terdapat sub bab dan landasan teori dari penelitian terdahulu

yang memaparkan teori-teori yang berhubungan dengan masalah yang

diteliti serta beberapa penelitian yang dilakukan oleh peneliti-peneliti

sebelumnya.

Bab III . Metode Penelitian

Bab ini menguraikan deskripsi tentang bagaimana penelitian akan

dilaksanakan dengan menjelaskan variabel penelitian dan definisi

operasional, penentuan jenis sampel, jenis dan sumber data, metode

pengumpulan data, dan metode analisis.

Bab IV. Pengumpulan dan Pengolahan Data

Bab ini menguraikan tentang deskripsi objek penelitian melalui gambaran

umum dan proses penginterpretasian data yang diperoleh untuk mencari

makna dan implikasi dari hasil analisis.

Bab V. Analisa Hasil

Berisikan analisis terhadap hasil pengumpulan dan pengolahan data yang

dilakukan pada bab IV diatas.

7

Bab VI Kesimpulan dan Saran

Merupakan bab terakhir yang berisi kesimpulan penelitian serta saran-

saran mengenai hal yang dapat dilakukan selanjutnya oleh pihak-pihak

yang berkepentingan. Kesimpulan yang didapat, sesuai dengan tujuan

penelitian yang dirumuskan pada bab I. Dalam bab terkhir ini juga

diharapkan dapat diambil kesimpulan mengenai pengendalian bahan baku

dengan MRP.

8

BAB II

LANDASAN TEORI

2.1 Sistem Produksi

Menurut Herjanto, pada tahun 1999: “Secara umum, kegiatan produksi

atau operasi merupakan suatu kegiatan yang berhubungan dengan penciptaan atau

pembuatan barang, jasa, atau kombinasinya, melalui proses transformasi dari

masukan sumber daya produksi dan operasi keluaran yang diinginkan”.

Menurut Herjanto, pada tahun 1999: “Istilah produksi cenderung dikaitkan

dengan pabrik, mesin ataupun lini perakitan karena pada mulanya teknik dan

metode dalam manajemen produksi memang digunakan untuk mengoperasikan

pabrik atau kegiatan perakitan yang lain, namun selain itu juga ada yang bisa

dihasilkan walaupun bukan berbentuk dengan produk barang jadi atau yang bisa

disebut dengan jasa”.

Menurut Nasution, pada tahun 2008: “Sistem produksi bertujuan untuk

merencanakan dan mengendalikan produksi agar lebih efisien, efektif, dan

produktif, atau optimal. Sistem produksi yang tepat bagi suatu industri akan

9

sangat tergantung pada jenis industrinya”. Berdasarkan cara pembuatan (dan masa

pengerjaan), produksi dapat diklasifikan menjadi tipe-tipe berikut:

1. Engineering To Order ( ETO ), yaitu bila pemesanan meminta produsen

untuk membuat produk yang dimulai dari proses perancangannya

(rekayasa).

2. Make To Order ( MTO ), yaitu bila produsen menyelesaikan item akhirnya

jika dan hanya jika telah menerima pesanan konsumen untuk item

tersebut. Bila item tersebut bersifat unik dan mempunyai desain yang

dibuat menurut pesanan, maka konsumen mungkin bersedia menunggu

hingga produsen dapat menyelesaikannya.

3. Assembly To Order ( ATO ), yaitu bila produsen membuat desain standar,

modul-modul opsional standar yang sebelumnya dan merakit suatu

kombinasi tertentu dari modul-modul tersebut sesuai dengan pesanan

konsumen.

4. Make To Stock ( MTS ), yaitu bila produsen membuat item-item yang

diselesaikan dan ditempatkan sebagai persediaan sebelum pesanan

konsumen diterima. Item akhir tersebut baru akan dari sistem persediaan

setelah persediaan setelah pesanan konsumen diterima.

2.2 Bahan Baku

Menurut Indrajit dan Djokopranoto, pada tahun 2003: “Bahan baku atau

yang lebih dikenal dengan sebutan raw material merupakan bahan mentah

yang akan diolah menjadi barang jadi sebagai hasil utama dari perusahaan yang

bersangkutan”.

10

Menurut Assauri, pada tahun 1993: “Bahan baku merupakan bahan

yang harus diperhitungkan dalam kelangsungan proses produksi. Banyaknya

bahan baku yang tersedia akan menentukan besarnya penggunaan sumber-sumber

di dalam perusahaan dan kelancarannya. Hal ini menunjukkan bahwa bahan baku

merupakan faktor penting dalam suatu proses produksi karena bila terjadi

kekurangan bahan baku maka kegiatan perusahaan tidak dapat berjalan lancar.

Menurut (Indrajit dan Djokopranoto, 2003): “Bahan baku dapat

digolongkan berdasarkan beberapa hal diantaranya yaitu berdasarkan harga dan

frekuensi penggunaan”. Klasifikasi bahan baku berdasarkan harga di bagi menjadi

tiga bagian yaitu :

1. Bahan Baku Berharga Tinggi ( High Value Items ), yaitu bahan baku yang

biasanya berjumlah 10% dari jumlah jenis persediaan, namun jumlah

nilainya mewakili sekitar 70% dari seluruh nilai persediaan, oleh karena

itu memerlukan tingkat pengawasan yang sangat tinggi.

2. Bahan Baku Berharga Menengah ( Medium Value Items ), yaitu bahan

baku yang biasanya berjumlah 20% dari jumlah jenis persediaan, dan

jumlah nilainya juga sekitar 20% dari jumlah nilai persediaan, sehingga

memerlukan tingkat pengawasan yang cukup.

3. Bahan Baku Berharga Rendah ( Low Value Items ), yaitu bahan baku ini

biasanya berjumlah 70% dari seluruh jenis persediaan,tetapi memiliki nilai

atau hargas ekitar 10% dari seluruh nilai atau harga persediaan, sehingga

tidak memerlukan pengawasan yang tinggi.

11

2.3 Persediaan

Persediaan (inventory) didefinisikan sebagai sumber daya yang di simpan

untuk memenuhi permintaan saat ini maupun saat yang akan datang. Persediaan

merupakan hal penting bagi suatu perusahaan manufaktur, dalam menjaga

keberlangsungan proses produksi. Karena persediaan dalam hal ini adalah bahan

baku, maka persediaan memiliki persentase terbesar dari modal kerja.

Persediaan merupakan suatu aktiva yang meliputi barang-barang milik

perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu, atau

persediaan barang-barang yang masih dalam pengerjaan/proses produksi,

ataupun persediaan bahan baku yang masih menunggu penggunaannya dalam

suatu proses produksi (Rangkuti, 2007).

“Persediaan adalah sejumlah bahan- bahan, bagian-bagian yang

disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan

untuk proses produksi, serta barang-barang jadi/produk yang disediakan untuk

memenuhi permintaan dari konsumen atau langganan setiap waktu” (Rangkuti,

2002).

“Persediaan memiliki fungsi penting yang dapat meningkatkan efisiensi

operasional suatu perusahaan. Dengan adanya persediaan maka proses produksi

tidak terhambat oleh kekurangan bahan baku. Selain itu, prosedur untuk

memperoleh dan menyimpan bahan baku yang dibutuhkan dapat dilaksanakan

dengan biaya minimum” (Bedworth dan Bailey, 1982)

12

“Persediaan merupakan sejumlah bahan-bahan, parts yang disediakan

dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk proses

produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi

permintaan dari komponen atau langganan setiap waktu”. (Assauri, 1993; 219)

2.1.1 Fungsi Persediaan

Persediaan merupakan salah satu unsur paling aktif dalam operasi

perusahaan. (Assauri, 1993): “Fungsi persediaan yang diadakan mulai dari

persediaan yang berbentuk bahan mentah sampai dengan barang jadi antara lain:

1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-

bahan yang dibutuhkan oleh perusahaan.

2. Menghilangkan resiko dari material yang dipesan tidak memenuhi

kualifikasi, sehingga harus dikembalikan.

3. Menumpuk bahan-bahan yang dihasilkan secara musiman sehingga

dapat digunakan bila bahan itu tidak ada dipasaran.

4. Mempertahankan stabilitas operasi perusahaan atau menjamin kelancaran

arus produksi.

2.1.2 Jenis-jenis Persediaan

Setiap jenis persediaan mempunyai karakteristik tersendiri dan

cara pengelolaan yang berbeda. Menurut jenisnya, persediaan fisik dibedakan

menjadi (Rangkuti, 2007 ):

1. Persediaan bahan mentah (raw material), yaitu persediaan persediaan

13

barang- barang berwujud seperti baja, kayu, dan komponen-komponen

lainnya yang digunakan dalam proses produksi.

2. Persediaan komponen-komponen rakitan (purchased parts/component),

yaitu persediaan barang-barang yang terdiri dari komponen-komponen

yang diperoleh dari perusahaan lain, dimana secara langsung dapat

dirakit menjadi suatu produk.

3. Persediaan bahan pembantu atau penolong (supplies), yaitu persediaan

barang-barang yang diperlukan dalam proses produksi tetapi tidak

merupakan bagian atau komponen barang jadi.

4. Persediaan barang dalam proses (work in proses), yaitu persediaan

barang- barang yang merupakan keluaran dari tiap-tiap bagian dalam

proses produksi atau yang telah diolah menjadi suatu bentuk, tetapi

masih perlu diproses lebih lanjut menjadi barang jadi.

5. Persediaan barang jadi (finished goods), yaitu persediaan barang-barang

yang telah diproses atau diolah dalam pabrik dan siap untuk dijual atau

dikirim ke pelanggan.

2.1.3 Biaya Persediaan

Untuk pengambilan keputusan penentuan besarnya jumlah persediaan

biaya- biaya variable berikut ini harus dipertimbangkan, diantaranya (Rangkuti,

2007) :

a. Biaya penyimpanan (holding costs atau carrying costs).

Merupakan biaya yang dikeluarkan berkenaan dengan diadakannya

14

persediaan barang. Biaya ini terdiri atas biaya-biaya yang bervariasi secara

langsung dengan kuantitas persediaan. Biaya penyimpanan per periode akan

semakin besar apabila kuantitas bahan yang dipesan semakin banyak, atau rata-

rata persediaan semakin tinggi. Biaya -biaya yang termasuk sebagai biaya

penyimpanan adalah:

1. Biaya fasilitas-fasilitas penyimpanan (termasuk penerangan,

pemanas atau pendingin).

2. Biaya modal (oportunity cost of capital, yaitu alternatif

pendapatan atas dana yang diinvestasikan dalam persediaan)

3. Biaya keusangan

4. Biaya penghitungan fisik dan kondisi laporan

5. Biaya asuransi persediaan

6. Biaya pajak persediaan

7. Biaya pencurian, pengrusakan, atau perampokan

b. Biaya Pemesanan (Pembelian)

Merupakan biaya yang dikeluarkan sehubungan dengan kegiatan

pemesanan bahan sejak pemesanan bahan sampai bahan tersedia di gudang.

Setiap kali barang dipesan, perusahaan menanggung biaya pemesanan

(ordercosts atau procurement costs). Biaya-biaya pemesanan secara terperinci

meliputi :

1. Pemrosesan pesanan dan biaya ekspedisi

2. Upah

3. Biaya telepon

4. Pengeluaran surat menyurat

15

5. Biaya pengepakan dan penimbangan

6. Biaya pemeriksaan penerimaan

7. Biaya pengiriman kegudang

8. Biaya hutang lancar dan sebagainya.

Pada umumnya, biaya per pesanan (di luar biaya bahan dan potongan

kuantitas) tidak naik bila kuantitas pesanan bertambah besar. Tetapi apabila

semakin banyak komponen yang dipesan setiap kali pesan, jumlah pesanan per

periode turun, maka biaya pemesanan total akan turun.

c. Biaya penyiapan (manufacturing) atau set-up cost

Hal ini terjadi apabila bahan-bahan tidak dibeli, tetapi diproduksi sendiri

bahan-bahan tidak dibeli, tetapi diproduksi sendiri "dalam pabrik" perusahaan

menghadapi biaya penyiapan (setup costs) untuk memproduksi komponen

tertentu. Biaya- biaya ini terdiri dari :

1. Biaya mesin-mesin menganggur

2. Biaya persiapan tenaga kerja langsung

3. Biaya penjadwalan

4. Biaya ekspedisi dan sebagainya.

d. Biaya kehabisan atau kekurangan bahan (Shortage Costs)

Merupakan biaya yang timbul apabila persediaan tidak mencukupi

adanya permintaan bahan baku. Biaya-biaya yang termasuk biaya kekurangan

bahan adalah sebagai berikut :

1. Kehilangan penjualan

2. Biaya ekspedisi

16

3. Selisih harga

4. Biaya pemesanan khusus

5. Terganggunya operasi

6. Tambahan pengeluaran manajerial dan sebagainya.

2.4 Peramalan

Peramalan dalam manajemen permintaan adalah meramalkan permintaan

dari item-item independent demand di masa yang akan datang, untuk selanjutnya

dikombinasikan dengan pelayanan pesanan (order service) yang bersifat pasti,

agar kita dapat mengetahui total permintaan dari suatu item atau produk sehingga

memudahkan dalam manajemen produksi dan inventori (Gaspersz, 2012).

Menurut Gaspersz (dikutip dari Lindawati, 2003), pada dasarnya terdapat

9 langkah yang harus diperhatikan untnuk menjamin efektifitas dan efisiensi dari

sistem peramalan dalam manajemen permintaan, yaitu:

a. Menentukan tujuan dari peramalan

b. Memilih item independent demand yang akan diramalkan

c. Menetukan horizon waktu dari peramalan (jangka pendek, menengah,

atau panjang)

d. Memilih model-model peramalan

e. Memperoleh data yang dibutuhkan untuk melakukan peramalan

f. Validasi model peramalan

g. Membuat peramalan

h. Implementasi hasil-hasil peramalan

i. Memantau keandalan hasil-hasil peramalan.

17

Tujuan utama dari peramalan dalam menajemen persediaan adalah untuk

meramalkan permintaan dari item-item independent demand dimasa yang akan

datang. Penentuan horizon waktu peramalan akan tergantung pada situasi dan

kondisi actual dari masing-masing indutri manufaktur serta tujuan dari

peramalan itu sendiri. Bagaimanapun juga peramal harus memilih interval

ramalan atau bagaimana mengembangkan suatu ramalan. Alternative yang

umum dipilih adalah menggunakan interval waktu: harian, mingguan, bulanan,

triwulan, semesteran, tahunan.

Dalam industry manufaktur, pemilihan waktu mingguan dimaksudkan

untuk peramalan jangka pendek, sedangka interval waktu bulanan untuk

peramalan jangka menengah, dan interval waktu triwulan untuk peramalan

jangka panjang.

2.4.1 Model Peramalan

Pemilihan model peramalan akan bergantung pada pola data dan horizon

waktu dari peramalan. Terdapat sejumlah model peramalan yang telah

dikembangkan pada saat ini. Beberapa model peramalan menurut Gaspersz

(2012) adalah sebagai berikut :

1. Model Rata-rata bergerak (Moving Average)

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan

yang baru untuk mendapatkan data ramalan permintaan di masa yang

akan datang. Model ini mengasumsikan bahwa permintaan pasar

terhadap produk akan stabil sepanjang waktu.

18

2.Model Analisis Garis Kecenderungan (Trend linear Analysis)

Model analisis garis kecenderungan dipergunakan sebagai model

peramalan apabila pola historis dari data aktual permintaan menunjukan

adanya suatu kecenderungan menaik dari waktu ke waktu.

3.Model Pemulusan Eksponensial (Exponential Smoothing)

Model pemulusan eksponensial digunakan apabila pola historis dari data

aktual permintaan bergejolak atau tidak stabil dari waktu ke waktu.

Ft = Ft-1 + α (At-1 – Ft-1)................................................................(2.1)

Dimana :

Ft = nilai ramalan untuk periode waktu ke-t

Ft-1 = nilai ramalan untuk satu periode waktu yang lalu, t-1

At-1 = nilai aktual untuk satu periode waktu yang lalu, t-1

α = konstanta pemulusan (smoothing constant)

Penetapan nilai alpha (α) yang diperkirakan tepat, kita dapat

menggunakan panduan berikut :

• Apabila pola historis dari data aktual permintaan sangat bergejolak

atau tidak stabil dari waktu ke waktu, maka kita memilih nilai α

yang mendekati satu .

• Apabila pola historis dari data aktual permintaan tidak bergejolak

atau relatif stabil dari waktu ke waktu, maka kita memilih nilai α

yang mendekati nol.

4.Model Rata-rata Bergerak Terbobot (Weighted Moving Averages)

Model rata-rata bergerak terbobot lebih responsive terhadap

19

perubahan, karena data dari periode yang baru biasanya diberi bobot

lebih besar.

2.4.2 Pengujian Model Peramalan

Pengujian model peramalan perlu dilakukan untuk mengetahui sejauh

mana keandalan dari model peramalan yang dipilih. Berikut beberapa cara

pengujian model peramalan menurut Gasperzs (2012) :

1. Mean Absolute Deviation (MAD)

Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan rata-

rata perkiraan kesalahan (nilai absolut masing-masing kesalahan). MAD

berguna untuk menganalisa atau mengukur kesalahan ramalan dalam unit

yang sama sebagai deret asli. Berikut ini rumus untuk menghitung MAD.

𝑴𝑨𝑫 =∑(𝐀𝐛𝐬𝐨𝐥𝐮𝐭𝐞 𝐝𝐚𝐫𝐢 𝐟𝐨𝐫𝐞𝐜𝐚𝐬𝐭 𝐞𝐫𝐫𝐨𝐫𝐬)

𝐧 .................................................2.2

Dimana :

MAD = Mean Absolute Deviation

n = periode peramalan

Absolut forecast error = nilai absolute dari selisih permintaan actual

terhadap forecast

2. Mean Square Error (MSE)

Mean Square Error adalah metode lain untuk mengevaluasi metode

peramalan yang merupakan rata-rata dari nilai kuadrat simpangan data.

Rumus penghitungan MSE sebagai berikut :

20

𝑴𝑺𝑬 =∑( 𝐟𝐨𝐫𝐞𝐜𝐚𝐬𝐭 𝐞𝐫𝐫𝐨𝐫𝐬)²

𝐧 ......................................................2.3

Dimana :

MSE = Mean Square Error

n = periode peramalan

forecast error = nilai selisih permintaan aktual terhadap forecast

3. Mean Absolute Percentage Error (MAPE)

MAPE juga dapat digunakan untuk membandingkan ketepatan dari metode

yang sama atau berbeda dalam dua deret yang berbeda sekali dan

mengukur ketepatan nilai dugaan model yang dinyatakan dalam bentuk

rata-rata persentase absolut kesalahan. MAPE dapat dihitung dengan rumus

sebagai berikut :

𝑴𝑨𝑷𝑬 =∑(𝐚𝐛𝐬𝐨𝐥𝐮𝐭 𝐟𝐨𝐫𝐞𝐜𝐚𝐬𝐭 𝐞𝐫𝐫𝐨𝐫𝐬)²

𝐧 (𝐀) ......................................2.4

Dimana :

MAPE = Mean Absolute Persentage Error

n = periode peramalan

A = permintaan actual

Absolut forecast error = nilai absolute dari selisih permintaan actual

terhadap forecast

2.5 Material Requirement Planning (MRP)

Menurut Gaspersz, pada tahun 2012 Material Requirement Planning (MRP)

dapat didefinisikan sebagai suatu teknik atau set prosedur yang sistematis dalam

penentuan kuantitas serta waktu dalam proses pengendalian kebutuhan bahan

21

terhadap komponen-komponen permintaan yang saling bergantungan. (Dependent

demand items).

Menurut Heizer dan Render, pada tahun 2005 menyebutkan bahwa MRP

adalah model permintaan terikat yang menggunakan daftar kebutuhan bahan,

status persediaan, penerimaan yang diperkirakan, dan jadwal produksi induk, yang

dipakai untuk menentukan kebutuhan material yang akan digunakan.

Menurut Schroeder, R,G, pada tahun 1994 menyebutkan MRP sebagai suatu

sistem informasi yang digunakan untuk merencanakan dan mengendalikan

persediaan dan kapasitas.

Menurut Tampubolon, pada tahun 2004 menyebutkan MRP merupakan

komputerisasi sistem persediaan seluruh bahan yang dibutuhkan dalam proses

konversi suatu perusahaan, baik usaha manufaktur maupun usaha jasa.

Berdasarkan definisi yang dikemukakan oleh beberapa pakar yang

dimaksud diatas, maka MRP dapat diartikan sabagai sebuah metode perencanaan

dan pengendalian material (bahan baku, parts, komponen, dan subkomponen)

yang terikat pada unit produksi yang akan dihasilkan, dengan menggunakan suatu

sistem yang sudah terintegrasi dan berkaitan.

2.5.1 Tujuan dan Manfaat Material Requirement Planning (MRP)

Menurut Herjanto pada tahun 1999, tujuan MRP adalah:

1. Meminimumkan persediaan (inventori)

MRP merupakan seberapa banyak dan kapan suatu item diperlukan disesuaikan

dengan Jadwal Produksi Induk

2. Meningkatkan efisiensi

22

MRP juga mendorong peningkatan efisiensi karena jumlah persediaan, waktu

produksi, dan waktu pengiriman barang dapat direncanakan lebih baik sesuai

Jadwal Produksi Induk

3. Mengurangi resiko karena keterlambatan produksi atau pengiriman

4. MRP mengidentifikasikan banyaknya bahan dan item yang diperlukan baik dari

segi jumlah dan waktunya dengan memperhatikan waktu tenggang produksi

maupun pengadaan komponen.

Menurut Render dan Heizer (dikutip oleh Rovianty, 2007), manfaat dari MRP

adalah:

1.Peningkatan pelayanan dan kepuasan konsumen

2.Peningkatan pemanfaatan fasilitas dan tenaga kerja

3.Perencanaan dan penjadwalan persediaan yang lebih baik

4.Tanggapan yang lebih cepat terhadap perubahan dan pergeseran pasar

5.Tingkat persediaan menurun tanpa mengurangi pelayanan terhadap konsumen

2.5.2 Input Sistem Material Requirement Planning (MRP)

Menurut Chase, et al (dikutip oleh Rovianty, 2007), MRP memiliki tiga

input informasi yang diperlukan, yaitu:

1. Jadwal Produksi Induk

MPS adalah perencaan dalam suatu fase yang menentukan berapa banyak

dan kapan perusahaan merencanakan, membuat tiap produk akhir. MPS dibuat

dengan cara membagi rencana produksi total dalam bermacam- macam produk

akhir yang akan dibuat, dimana hasil ramalan tersebut dipakai untuk membuat

rencana produksi yang pada akhirnya dibuat rencana yang lebih terperinci atau

23

rencana jangka pendek. MPS merupakan proses alokasi untuk membuat sebuah

produk yang diinginkan dengan memperhatikan kapasitas yang dimiliki. (dikutip

oleh Rovianty, 2007)

2. Struktur Produk (Bill of Material (BOM))

BOM merupakan daftar item yang diperlukan untuk membuat atau merakit

suatu unit produk jadi. BOM file berisi penjelasan yang lengkap atas produk, tidak

hanya mencantumkan data mengenai urutan-urutan produksi. BOM juga sering

disebut sebagai struktur pohon produk (product structure tree) karena BOM ini

menunjukan bagaimana sebuah produk itu dibentuk oleh komponen-komponen.

Struktur produk ini menunjukkan berapa banyak setiap item dan bagian produk

yang akan diperlukan, urutan perakitan bila struktur produk dimasukkan ke dalam

master BOM, yang terperinci semua nama komponen, nomor identitas, nomor

gambar, dan sumber bahan baik yang dibuat dalam perusahaan ataupun yang

dibeli dari pihak luar. Daftar komponen ini akan dirakit, sehingga master BOM

juga merupakan suatu bentuk pemrosesan. (dikutip oleh Rovianty, 2007)

3. Catatan Daftar Persediaan

Catatan daftar persediaan merupakan catatan tentang persediaan item yang

ada di gudang dan yang sudah dipesan tapi belum diterima. Catatan ini digunakan

bila diperlukan dalam produksi. Isi catatan ini adalah nomor identifikasi, kuantitas

yang tersedia, tingkat stok pengaman (safety stock), kuantitas yang telah

direncanakan untuk produksi dan waktu tunggu pengadaan (procurement

leadtime) untuk setiap item. Catatan ini harus selalu up to date dengan cara

melakukan pencatatan atas transaksi-transaksi yang terjadi seperti penerimaan,

24

pengeluaran, produk gagal dan pemesanan, untuk menghindari adanya kekeliruan

dalam perencanaan. (dikutip oleh Rovianty, 2007)

2.5.3 Langkah Dasar Pengolahan MRP

Menurut Hartini pada tahun 2006, empat langkah dasar dalam pengolahan

MRP adalah sebagai berikut:

1. Netting (perhitungan kebutuhan bersih)

Kebutuhan bersih (NR) dihitung sebagai nilai dari kebutuhan kotor (GR)

minus jadwal penerimaan (SR) minus persediaan ditangan (OH). Kebutuhan

bersih dianggap nol bila NR lebih kecil dari atau sama dengan nol.

2. Lotting (penentuan ukuran lot)

Langkah ini bertujuan untuk menentukan besarnya pesanan individu yang

optimal berdasarkan hasil dari perhitungan bersih. Langkah ini ditentukan

berdasarkan teknik lotting/lot sizing yang tepat. Parameter yang digunakan

biasanya adalah biaya simpan dan biaya pesan.

3. Offsetting (Penentuan ukuran pemesanan)

Langkah ini bertujuan agar kebutuhan item dapat tersedia tepat pada saat

dibutuhkan dengan menghitung lead time pengadaan komponen tersebut.

4. Explosion

Langkah ini merupakan proses perhitungan kebutuhan kotor untuk tingkat

item (komponen) pada tingkat yang lebih rendah dari struktur produk yang

tersedia.

25

2.5.4 Proses Lotting

Teknik lot sizing merupakan teknik untuk meminimalkan jumlah barang

yang akan dipesan dan meminimalkan biaya persediaan. Objek dari manajemen

persediaan adalah untuk menghitung tingkat persediaan yang optimum yang sesuai

dengan permintaan pasar dan kapasitas perusahaan. (dikuti dari Fuad Aty

Hary,2011)

Teknik penentuan ukuran lot mana yang paling baik dan tepat bagi suatu

perusahaan adalah persoalan yang sangat sulit, karena sangat tergantung pada

hal- hal sebagai berikut (dikuti dari Fuad Aty Hary,2011):

a. Variasi dari kebutuhan, baik dari segi jumlah maupun periodenya

b. Lamanya horison perecanaan

c. Lama periode (mingguan, bulanan dan sebagainya)

d. Perbandingan biaya pesan dan biaya unit

1. Economic Order Quantity (EOQ)

Untuk menghitung pengendalian persediaan digunakan metode Economic

Order Quantity (EOQ), yang merupakan metode persediaan yang sederhana.

Metode ini bertujuan untuk menentukan ukuran pemesanan ekonomis yang dapat

meminimasi biaya-biaya dalam persediaan. Metode pengendalian persediaan ini

menjawab 2 pertanyaan penting, kapan harus memesan dan berapa banyak jumlah

yang harus dipesan.

Metode EOQ atau disebut metode Wilson pertama kali dicetuskan oleh Ford

Harris pada tahun 1915, tetapi lebih dikenal dengan nama metode Wilson karena

dikembangkan oleh Wilson pada tahun 1934.

26

Jika suatu barang dipesan dari pemasok, berapa pun jumlah barang yang

dipesan, biaya pemesanan (telepon, pengiriman, administrasi, dan lain-lain)

besarnya selalu sama. Artinya, biaya pemesanan tidak tergantung pada jumlah

pemesanan melainkan pada berapa kali jumlah pemesanan.

Jika suatu barang diproduksi, perusahaan harus men-‘set up’ mesin dan

fasilitas produksi lainnya, harus membuat rencana, dan lain-lain yang biaya

tersebut tidak akan berbeda untuk jumlah produksi yang berbeda.

Fakta lainnya, ada biaya yang berubah jika jumlah unit yang diproduksi atau

dipesan berubah. Biaya ini berbanding lurus dengan jumlah yang diproduksi.

Termasuk harga barang, biaya penyimpanan, biaya penanganan dan lain-lain.

Dengan adanya biaya-biaya tersebut maka total biaya akan menjadi berbeda

apabila jumlah unit yang diproduksi juga berbeda.

Jika jumlah pemesanan unit produk melebihi jumlah pemesanan yang

ekonomis, maka akan membuat biaya penyimpanan menjadi lebih tinggi

dibandingkan dengan biaya persediaan dari jumlah pemesanan yang ekonomis.

Selain itu, bila jumlah pemesanan unit produk kurang dari jumlah

pemesanan yang ekonomis, maka biaya pemesanan akan lebih besar. Hal ini

disebabkan karena perusahaan harus memesan produk berkali-kali dengan biaya

pemesanan yang dilipatgandakan.

Perhitungan EOQ diformulasikan sebagai berikut:

EOQ = √ (2AD)/H.............................................................................................(2.5)

Dimana :

A = Order Cost

D =Demand Rata-rata

27

H =Holding Cost

2. Lot For Lot (LFL)

Menurut Purwati (2008), metode lot for lot (LFL), atau juga dikenal

sebagai metode persediaan minimal, berdasarkan pada ide menyediakan

persediaan (atau memproduksi) sesuai dengan yang diperlukan saja, jumlah

persediaan diusahakan seminimal mungkin. Jumlah pesanan sesuai dengan jumlah

sesungguhnya yang diperlukan (lot for lot) ini menghasilkan tidak adanya

persediaan yang disimpan. Sehingga biaya yang timbul hanya berupa biaya

pemesanan saja. Asumsi yang ada dibalik metode ini adalah bahwa pemasok (dari

luar atau dari lantai pabrik) tidak mensyaratkan ukuran lot tertentu; artinya

berapapun ukuran lot yang dipilih akan dapat dipenuhi.

Metode ini mengandung resiko, yaitu jika terjadi keterlambatan dalam

pengiriman barang. Jika persediaan itu berupa bahan baku, mengakibatkan

terhentinya produksi. Jika persediaan itu berupa barang jadi, menyebabkan tidak

terpenuhinya permintaan pelanggan. Pendekatan ini memperkecil biaya

penyimpanan dan biasanya digunakan untuk jenis barang mahal. Metode ini

cocok untuk jenis produk yang bersifat perishable goods, misalnya produk-

produk makanan dan cocok untuk jenis inventori dengan biaya set up kecil, biaya

simpan sangat besar, untuk produk dengan demand yang discontinuous.

3 .Least Unit Cost (LUC)

Pendekatan menggunakan konsep pemesanan dengan ongkos unit perkecil,

dimana jumlah pemesanan ataupun interval pemesanan dapat bervariasi.

28

keputusan untuk pemesanan didasarkan yaitu menetapkan Lot Size dengan

memperhitungkan sejumlah periode demand sedemikian sehingga total biaya per

unit minimum.

Jika suatu order tiba atau datang pada awal periode pertama dan mampu

memenuhi kebutuhan sampai akhir periode T, maka rumusnya adalah:

Total Biaya per unit = (Biaya Order + Biaya Holding sampai akhir periode T) /

kumulatif demand sampai akhir periode T

Periode pengisian kembali (replacement period direncanakan pada periode

pertama dan selanjutnya pada periode-peride dimana total biaya per unit naik

untuk pertama kali).

4. Fixed Order Quantity ( FOQ )

Pendekatan menggunakan konsep jumlah pemesanan tetap karena

keterbatasan fasilitas. Misalnya : Kemampuang gudang, transportasim

kemampuan supplier dan pabrik. Jadi dalam menentukan ukuran lot berdasarkan

intuisi atau pengalaman sebelumnya (Amalia, 2013).

5. Periode Order Quantity ( POQ )

Pendekatan menggunakan konsep jumlah pemesanan ekonomis agar dapat

dipakai pada periode bersifat permintaan diskrit, teknik ini dilandasi oleh model

EOQ. Dengan mengambil dasar perhitungan pada model pesanan ekonomis

maka akan diperoleh besarnya jumlah pesanan yang harus dilakukan dan interval

periode pemesanannya adalah setahun (Amalia, 2013).

29

6. Part Periode Balancing ( PBB )

Pendekatan menggunakan konsep ukuran lot ditetapkan bila ongkos

simpannya sama atau mendekati ongkos pesannya (Amalia, 2013).

7. Fixed Periode Requirement ( FPR )

Pendekatan menggunakan konsep ukuran lot dengan periode tetap, dimana

pesanan dilakukan berdasarkan periode waktu tertentu saja. Besarnya jumlah

pesanan tidak didasarkan oleh ramalan tetapi dengan cara menggunakan

penjumlahan kebutuhan bersih pada interval pemesanan dalam beberapa periode

yang ditentukan (Amalia, 2013).

8. Least Total Cost ( LTC )

Pendekatan menggunakan konsep ongkos total akan diminimalisasikan

apabila untuk setiap lot dalam suatu horizon perencanaan hamper sama besarnya.

Hal ini dapat dicapai dengan memesan ukuran lot yang memiliki ongkos simpan

perunit- nya hamper sama dengan ongkos pengadaannya per unit.

9. Wagner Within ( WW )

Pendekatan menggunakan konsep ukuran lot dengan prosedur optimasi

program liner, bersifat matematis. Pada prakteknya ini sulit diterapkan dalam

MRP karena membutuhkan perhitungan yang rumit. Fokus utama dalam

penyelesauian masalah ini adalah melakukan menimalisasi penggabungan ongkos

total dari ongkos set-up dan ongkos simpan dan berusaha agar ongkos set-up dan

ongkos simpan tersebut mendekati nilai yang sama untuk kuantitas pemesanan

yang dilakukan.

30

10. Silver Mean ( SM )

Menitik beratkan pada ukuran lot yang harus dapat meminimumkan

ongkos total per-periode. Dimana ukuran lot didapatkan dengan cara

menjumlahkan kebutuhan beberapa periode yang berturut-turut sebagai ukuran

lot yang tentative (bersifat sementara). Penjumlahan dilakukan terus sampai

ongkos totalnya dibagi dengan banyaknya periode yang kebutuhannya termasuk

dalam ukuran lot tentative tersebut meningkat. Besarnya ukuran lot yang

sebenarnya adalah ukuran lot tentative terakhir yang ongkos total periodenya

masih menurun.

Pada penelitian ini akan menggunakan 3 metode lot sizing MRP yaitu :

Lot For Lot ( LFL), Economic Order Quantity (EOQ) dan Least Unit Cost (LUC )

2.6 Persediaan Pengaman (Safety Stock)

Persediaan pengaman adalah persediaan tambahan yang diadakan untuk

melindungi atau menjaga kemungkinan terjadinya kekurangan bahan (stock out)

(dikuti dari Fuad Aty Hary,2011).

Ada beberapa faktor yang menentukan besarnya persediaan pengaman yaitu :

1. Penggunaan bahan baku rata-rata

2. Faktor waktu

3. Biaya-biaya yang digunakan

Rumus umum Persediaan Pengaman (Safety Stock) untuk tingkat

permintaan variabel dan lead time yang konstan yaitu:

SS = z (σd)..................................................................................................(2.6)

(Sumber: Rangkuti, 2007)

31

Dimana :

SS : Safety Stock

Z : Service Level

σd : Standar Deviasi dari tingkat kebutuhan

LT : Waktu Tenggang (Lead Time)

2.7 Reorder Point (ROP)

Reorder point (ROP) menjawab pernyataan kapan mulai mengadakan

pemesanan. ROP model terjadi apabila jumlah persediaan yang terdapat di dalam

stok berkurang terus. Dengan demikian kita harus menentukan berapa banyak

batas minimal tingkat persediaan yang harus dipertimbangkan sehingga tidak

terjadi kekurangan persediaan. Jumlah yang diharapkan tersebut dihitung selama

masa tenggang. Mungkin dapat juga ditambahkan dengan safety stock yang

biasanya mengacu kepada probabilitas atau kemungkinan terjadinya kekurangan

stock selama masa tenggang.

ROP atau biasa disebut dengan batas/titik jumlah pemesanan kembali

termasuk permintaan yang diinginkan atau dibutuhkan selama masa tenggang,

misalnya suatu tambahan /ekstra stok (dikuti dari Fuad Aty Hary,2011).

Rumus umum Reorder Point (ROP) untuk tingkat permintaan variabel dan lead

time yang konstan yaitu:

ROP = LT + SS...............................................................................(2.7)

(Sumber: Rangkuti, 2007)

32

Dimana :

: Rata-rata tingkat permintaan

LT : Waktu tenggang (Lead Time) konstan

SS : Safety Stock

Tabel 2.1 Penelitian Sebelumnya

Judul Tahun Penulis Metode Kesimpulan

Demand Forecasting

For Economic Order

Quantity in

Inventory

Management

2013

Aju Mathew,

Prof.E.M.Somasekaran

Nair & Asst Prof.

Jenson Joseph E

Economic

Order

Quantity(EOQ)

dan

Exponential

smoothing

Mengestimasi persediaan dengan biaya

yang lebih rendahdengan melalukan

ROP 6 minggu tetapi dikarenakan

faktor tempat maka dibuat 8 mingguan

INVENTORY

MANAGEMENT

THROUGH EOQ

MODEL

2015 Eduina Guga

Economic

Order

Quantity(EOQ)

Penelitian ini menerapkan model

manajemen persediaan EOQ

(Economic Order Quantity) dan ROP

(Reorder Point).Dan pemesanan

kembali dilakukan setiap 6 minggu.

Economic Order

Quantity (EOQ)

Model

2016 Dr. Rakesh Kumar

Economic

Order

Quantity(EOQ)

EOQ adalah alat yang sangat berguna

untuk pengendalian persediaan yang

dapat diterapkan pada persediaan

barang jadi, persediaan dalam proses

dan persediaan bahan baku.

Material

Requirement

Planning for

Automobile Service

Plant

2014 Dinesh E. , Arun A.&

Pranav R

Material

Requirement

Planning

Material Requirement Planning (MRP)

mengurangi biaya pemeliharaan dan

biaya industri. Ini memperbaiki rantai

komponen yang tidak terputus untuk

layanan dan pengirimann tepat waktu.

A Study on MRP

with Using Leads

Time, Order Quality

and Service Level

over a Single

Inventory

2015

Seyed Hassan Shojaie,

Abbas Bahoosh &

Mohammadreza

Pourhassan

Material

Requirement

Planning

Metode yang dapat digunakan untuk

mengendalikan persediaan adalah

metode Exponential Smoothing,

dengan perhitungan biaya paling

rendah dengan EOQ

33

BAB III

METODOLOGI PENELITIAN

3.1 Lokasi Dan Waktu Penelitian

1. Lokasi Penelitian

Lokasi penelitian merupakan suatu tempat atau wilayah dimana penelitian

tersebut akan dilakukan. Adapun penelitian yang dilakukan mengambil lokasi di

PT . XYZ dengan alamat Desa Mangga Besar, Klari,Karawang Timur.

2. Waktu Penelitian

Waktu yang digunakan dalam penelitian ini selama bulan April – Juni

2017 di mulai pada saat pengambilan data sampai selesai .

3. Tipe Penelitian

Dalam penulisan Tugas Akhir ini, penulis menggunakan tipe penelitian

dengan studi kasus . Studi Kasus merupakan bentuk penelitian yang meneliti

fenomena khusus yang hadir dalam suatu konteks yang terbatasi, meskipun batas-

batas antara fenomena dan konteks tidak sepenuhnya jelas.

34

Kasus tersebut dapat berupa individu, organisasi, karakteristik atau atribut

dari individu-individu, peristiwa atau insiden tertentu, dan sebagainya. Penelitian

ini dilakukan pada suatu unit penelitian (benda, orang, tempat kerja, atau unit

penelitian lain), selama kurun waktu tertentu secara mendalam untuk

mengidentifikasi dan menganalisis berbagai variabel yang diperlukan. Namun

karena sifat dari penelitian ini yang sangat mendalam, maka cakupan kajiannya

menjadi kurang luas, terbatas pada unit penelitian yang diambil sehingga hasil

penelitian tidak bisa dan tidak boleh digunakan untuk keadaan yang berlaku

secara umum.

Studi kasus terbagi menjadi 3 tipe, yaitu:

a. Studi kasus intrinsik, penelitian dilakukan karena ketertarikan atau kepedulian

pada suatu kasus khusus guna memahami secara utuh kasus tersebut tanpa

harus dimaksudkan untuk menghasilkan konsep-konsep/teori ataupun tanpa

ada upaya menggeneralisasi.

b. Studi kasus instrumental, penelitian pada suatu kasus unik tertentu guna

memahami isu dengan lebih baik, dan juga guna mengembangkan dan

memperhalus teori.

c. Studi kasus kolektif/majemuk/komparatif, suatu studi kasus instrumental yang

diperluas sehingga mencakup beberapa kasus. Tujuannya adalah untuk

mempelajari fenomena/populasi/kondisi umum dengan lebih mendalam.

35

3.2 Jenis dan Sumber Data

Aktivitas penelitian tidak akan terlepas dari keberadaan data yang

merupakan bahan baku informasi untuk memberikan gambaran spesifik mengenai

obyek penelitian. Data adalah fakta empirik yang dikumpulkan oleh peneliti untuk

kepentingan memecahkan masalah atau menjawab pertanyaan penelitian.

Data penelitian dapat berasal dari berbagai sumber yang dikumpulkan

dengan menggunakan berbagai teknik selama kegiatan penelitian berlangsung.

Berdasarkan sumbernya, data penelitian dapat dikelompokkan dalam dua

jenis yaitu data primer dan data sekunder.

a. Data Primer

Data primer adalah data yang diperoleh atau dikumpulkan oleh peneliti

secara langsung dari sumber datanya. Data primer disebut juga sebagai data

asli atau data baru yang memiliki sifat up to date. Untuk mendapatkan data

primer, peneliti harus mengumpulkannya secara langsung. Teknik yang dapat

digunakan peneliti untuk mengumpulkan data primer antara lain observasi,

wawancara, diskusi terfokus dan penyebaran kuesioner.

b. Data Sekunder

Data Sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari

berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder

dapat diperoleh dari berbagai sumber seperti buku, laporan, jurnal, dan lain-

lain. Dalam penulisan Tugas Akhir ini sebagian besar data sekunder yang

diperoleh berasal dari dokumen-dokumen PT .XYZ.

Untuk penelitian ini data yang dibutuhkan adalah :

36

a. Data pemakaian bahan baku tepung terigu periode April 2015 s/d

Maret 2017.

b. Biaya penyimpanan tepung terigu.

c. Biaya pemesanan tepung terigu.

d. Lead Time (waktu tenggang) pemesanan.

3.3 Teknik Pengumpulan Data

Teknik-teknik pengumpulan data yang digunakan dalam penelitian ini adalah:

1. Teknik Interview

Wawancara merupakan teknik pengumpulan data yang dilakukan

melalui tatap muka dan tanya jawab langsung antara pengumpul data

maupun peneliti terhadap narasumber atau sumber data atau pihak lain

yang berhubungan dengan permasalahan yang dikaji. Wawancara dapat

dilakukan dengan tatap muka maupun melalui telpon.

2. Teknik Pengamatan Lapanagan (Field Research )

Penelitian ini dilakukan dengan menggunakan data primer yang

berhubungan denngan objek pengamatan secara langsung. Metode yang

digunakan adalah observasi, yaitu teknik pengumpulan data dengan

pengamatan secara langsung guna memperoleh data penggunaan tepung

terigu pada produksi

37

3. Studi Pustaka (Librsry Research)

Yaitu pengumpulan data dengan mempelajari referensi, literatur,

laporan hasil penelitian dan sumber kepustakaan lain yang berhubungan

dengan permasalahan yang diamati.

3.4 Tahapan Analisis Data

a. Pengumpulan Data

Peneliti mencatat semua data secara obyektif dan apa adanya sesuai dengan

hasil observasi dan dokumen (schedule) dari lapangan

b. Metode Peramalan

Menghitung ramalan permintaan bahan baku untuk 1 tahun ke depan dengan

membandingkan 3 metode peramalan yaitu :

1. Metode Single Exponential Smoothing untuk α = 0,1, α = 0,5, α = 0,9.

dimana α merupakan suatu nilai (0

38

3.5 Kerangka Pemikiran

Mulai

Studi Pendahuluan

- Observasi

- Interview

Studi Literatur

Latar Belakang Masalah

Identifikasi & Perumusan

Masalah

Tujuan Penelitian

Pengumpulan Data

1.Data pemakaian produksi dan penerimaan barang dari suplier

2.Data Pemesanan : Biaya Simpan,Biaya Pemesanan dan Lead Time

Pengolahan Data:

1.Menentukan metode peramalan yang akan dipakai (Moving Average,Exponential

Smooting,Regresi linear) dengan persentase error yang paling kecil

2.Menganalisa persediaan bahan baku dengan metode MRP (Teknik hitung dengan EOQ ,Lot

For Lot dan LUC)

Analisis biaya persediaan yang paling kecil

Kesimpulan & Saran

Selesai

39

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Data-data yang diperoleh dengan wawancara dan hasil pencatatan

berdasarkan dokumentasi PT XYZ sebagai pihak yang terkait dengan masalah

persediaan bahan baku utama pembuatan wafer yaitu terigu adalah sebagai

berikut:

4.1.1 Data Permintaan Bahan Baku Tepung Terigu

Data ini digunakan sebagai dasar dalam melakukan proses peramalan

permintaan bahan baku terigu untuk periode April 2017- April 2018. Data- data

tersebut berasal dari laporan pemakaian bahan baku tepung terigu bagian PPIC

PT XYZ.

40

Tabel 4.1 Data Permintaan Bahan Baku Tepung Terigu (April 2015-Maret 2017)

No Periode

Permintaan

Tepung Terigu

(kg)

1 Apr'15 1.171.275

2 Mei'15 1.205.025

3 Jun'15 1.132.150

4 Jul'15 774.775

5 Agu'15 1.046.900

6 Sep'15 1.008.075

7 Okt'15 657.850

8 Nov'15 1.053.325

9 Des'15 1.413.075

10 Jan'16 1.159.975

11 Feb'16 869.025

12 Mar'16 1.238.800

13 Apr'16 1.042.925

14 Mei'16 534.800

15 Jun'16 1.290.025

16 Jul'16 802.500

17 Agu'16 1.322.850

18 Sep'16 1.021.875

19 Okt'16 825.750

20 Nov'16 728.300

21 Des'16 717.850

22 Jan'17 957.425

23 Feb'17 1.248.725

24 Mar'17 1.393.525

Total 24.616.800

Sumber : Data Bag. PPIC PT XYZ

41

Sumber : Data Bag. PPIC PT XYZ

Gambar 4.1 .Laju Permintaan Bahan Baku Periode April 2015 - Maret 2017

4.1.2 Struktur Biaya

Biaya Pemesanan merupakan seluruh biaya yang terjadi mulai dari

pemesanan barang sampai tersedianya barang di gudang. Biaya pemesanan yang

terjadi pada PT XYZ yaitu biaya administrasi pemesanan dan biaya transportasi

(sewa truck). Biaya penyimpanan merupakan besarnya biaya yang dikeluarkan

untuk menangani penyimpanan bahan baku tepung terigu. Dalam menangani

penyimpanan bahan baku, PT XYZ menanggung biaya penghitungan fisik,

asuransi, dan pajak. Data-data ini diolah dari jumlah biaya yang dikeluarkan

oleh perusahaan per sekali pesan yang merupakan rata-rata biaya yang

dikeluarkan oleh perusahaan.

42

Tabel 4.2. Perhitungan Biaya Pesan dan Biaya Simpan

Harga Tepung Terigu/ kg

7.150

Biaya pemesanan meliputi

Biaya kuli bongkar

2.145.000

Biaya telepon

235.000

Biaya Transportasi

4.055.000

Total Biaya Pemesanan

6.435.000

Biaya Penyimpanan meliputi :

Biaya Kerusakan dan kehilangan : 1 % dari harga produk 72

Biaya penanganan persediaan : 0,5 % dari harga produk 36

Biaya Fasilitas Penyimpanan : 0,5 % dari harga bahan baku 36

Total biaya penyimpanan : 2 % dari harga produk per bulan

143

4.1.3 Lead Time (Waktu Tenggang) Pemesanan Bahan baku

Lead Time merupakan selisih atau perbedaan waktu antara saat

pemesanan sampai dengan barang diterima. Berdasarkan hasil wawancara

dengan bagian PPIC diketahui bahwa Lead time untuk bahan baku tepung terigu

adalah 7 hari.

4.1.4 Data Struktur Produk ( BOM )

Merupakan daftar dari semua bahan baku dengan kuantitas yang

dibutuhkan untuk memproduksi satu unit produk. MRP menggunakan BOM

sebagai basis untuk perhitungan banyaknya setiap bahan baku yang dibutuhkan

43

untuk setiap periode waktu. Untuk produk wafer yang akan dibuat untuk

hitungan 1 karton membutuhkan 1,5 kg tepung terigu.

4.2 Pengolahan Data

4.2.1 Peramalan Kebutuhan Bahan Baku

Berdasarkan data permintaan bahan baku periode April 2015- Maret

2017, terlihat bahwa terjadi fluktuasi permintaan bahan baku setiap bulan.

Sehingga dalam penelitian ini menggunakan tiga metode peramalan, yaitu

metode Moving Average ,metode Exponential Smoothing dan metode Regresi

Linear.

Sedangkan untuk memilih metode peramalan terbaik dari ketiga metode

peramalan tersebut dapat diukur kesalahan antara permintaan actual periode April

2015- Maret 2017 dengan hasil peramalannya dengan menggunakan Mean

Absolute Deviation (MAD), Measurement of Error (MSE) dan Mean Absolute

Percent Error (MAPE). Metode perhitungan tersebut dibandingkan pada

masing-masing metode peramalan dan dicari yang nilai MAD MSE atau MAPE-

nya paling kecil (paling mendekati nol) dengan menggunakan Microsoft Excel

maka dapat dilihat perbandingan nilai MAD,MSE dan MAPE pada masing-

masing metode peramalan yang digunakan.

44

Tabel 4.3 Peramalan dengan Metode Moving Average

Periode Aktual MA (2 ) MAD (2) MSE (2)

MAPE

(2) MA (3 ) MAD (3) MSE (3)

MAPE

(3) MA (5 ) MAD (5) MSE (5)

MAPE

(5)

Apr'15 1.171.275

Mei'15 1.205.025

Jun'15 1.132.150 1.188.150 56.000 3.136.000.000 4,95%

Jul'15 774.775 1.168.588 393.813 155.088.285.156 50,83% 1.169.483 394.708 155.794.668.403 50,94%

Agu'15 1.046.900 953.463 93.438 8.730.566.406 8,93% 1.037.317 9.583 91.840.278 0,92%

Sep'15 1.008.075 910.838 97.238 9.455.131.406 9,65% 984.608 23.467 550.684.444 2,33% 1.066.025 57.950 3.358.202.500 5,75%

Okt'15 657.850 1.027.488 369.638 136.631.881.406 56,19% 943.250 285.400 81.453.160.000 43,38% 1.033.385 375.535 141.026.536.225 57,09%

Nov'15 1.053.325 832.963 220.363 48.559.631.406 20,92% 904.275 149.050 22.215.902.500 14,15% 923.950 129.375 16.737.890.625 12,28%

Des'15 1.413.075 855.588 557.488 310.792.312.656 39,45% 906.417 506.658 256.702.666.736 35,86% 908.185 504.890 254.913.912.100 35,73%

Jan'16 1.159.975 1.233.200 73.225 5.361.900.625 6,31% 1.041.417 118.558 14.056.078.403 10,22% 1.035.845 124.130 15.408.256.900 10,70%

Feb'16 869.025 1.286.525 417.500 174.306.250.000 48,04% 1.208.792 339.767 115.441.387.778 39,10% 1.058.460 189.435 35.885.619.225 21,80%

Mar'16 1.238.800 1.014.500 224.300 50.310.490.000 18,11% 1.147.358 91.442 8.361.578.403 7,38% 1.030.650 208.150 43.326.422.500 16,80%

Apr'16 1.042.925 1.053.913 10.988 120.725.156 1,05% 1.089.267 46.342 2.147.550.069 4,44% 1.146.840 103.915 10.798.327.225 9,96%

Mei'16 534.800 1.140.863 606.063 367.311.753.906 113,33% 1.050.250 515.450 265.688.702.500 96,38% 1.144.760 609.960 372.051.201.600 114,05%

Jun'16 1.290.025 788.863 501.163 251.163.851.406 38,85% 938.842 351.183 123.329.733.611 27,22% 969.105 320.920 102.989.646.400 24,88%

Jul'16 802.500 912.413 109.913 12.080.757.656 13,70% 955.917 153.417 23.536.673.611 19,12% 995.115 192.615 37.100.538.225 24,00%

Agu'16 1.322.850 1.046.263 276.588 76.500.645.156 20,91% 875.775 447.075 199.876.055.625 33,80% 981.810 341.040 116.308.281.600 25,78%

Sep'16 1.021.875 1.062.675 40.800 1.664.640.000 3,99% 1.138.458 116.583 13.591.673.611 11,41% 998.620 23.255 540.795.025 2,28%

Okt'16 825.750 1.172.363 346.613 120.140.225.156 41,98% 1.049.075 223.325 49.874.055.625 27,05% 994.410 168.660 28.446.195.600 20,43%

Nov'16 728.300 923.813 195.513 38.225.137.656 26,85% 1.056.825 328.525 107.928.675.625 45,11% 1.052.600 324.300 105.170.490.000 44,53%

Des'16 717.850 777.025 59.175 3.501.680.625 8,24% 858.642 140.792 19.822.293.403 19,61% 940.255 222.405 49.463.984.025 30,98%

Jan'17 957.425 723.075 234.350 54.919.922.500 24,48% 757.300 200.125 40.050.015.625 20,90% 923.325 34.100 1.162.810.000 3,56%

Feb'17 1.248.725 837.638 411.088 168.992.932.656 32,92% 801.192 447.533 200.286.084.444 35,84% 850.240 398.485 158.790.295.225 31,91%

Mar'17 1.393.525 1.103.075 290.450 84.361.202.500 20,84% 974.667 418.858 175.442.303.403 30,06% 895.610 497.915 247.919.347.225 35,73%

Total 24.616.800 22.013.275 5.585.700 2.081.355.923.438 610,50% 20.889.125 5.307.842 1.876.241.784.097 575,21% 18.949.190 4.827.035 1.741.398.752.225 528,24%

232.738 86.723.163.477 25,44% 221.160 78.176.741.004 23,97% 201.126 72.558.281.343 22,01%

45

Tabel 4.4 Peramalan dengan Metode Exponential Smooting

Periode Aktual α = 0.1 α = 0.5 α = 0.9 MAD 0,1 MSE 0,1 MAPE

0,1 MAD 0,5 MSE 0,5

MAPE

0,5 MAD 0,9 MSE 0,9

MAPE

0,9

Apr'15 1.171.275

Mei'15 1.205.025 1.171.275 1.171.275 1.171.275 33.750 1.139.062.500 2,80% 33.750 1.139.062.500 2,80% 33.750 1.139.062.500 2,80%

Jun'15 1.132.150 1.174.650 1.188.150 1.201.650 42.500 1.806.250.000 3,75% 56.000 3.136.000.000 4,95% 69.500 4.830.250.000 6,14%

Jul'15 774.775 1.170.400 1.160.150 1.139.100 395.625 156.519.140.625 51,06% 385.375 148.513.890.625 49,74% 364.325 132.732.705.625 47,02%

Agu'15 1.046.900 1.130.838 967.463 811.208 83.938 7.045.503.906 8,02% 79.438 6.310.316.406 7,59% 235.693 55.550.954.556 22,51%

Sep'15 1.008.075 1.122.444 1.007.181 1.023.331 114.369 13.080.210.977 11,35% 894 798.789 0,09% 15.256 232.737.908 1,51%

Okt'15 657.850 1.111.007 1.007.628 1.009.601 453.157 205.351.153.360 68,88% 349.778 122.344.736.729 53,17% 351.751 123.728.467.013 53,47%

Nov'15 1.053.325 1.065.691 832.739 693.025 12.366 152.922.593 1,17% 220.586 48.658.155.823 20,94% 360.300 129.816.048.566 34,21%

Des'15 1.413.075 1.064.455 943.032 1.017.295 348.620 121.536.205.085 24,67% 470.043 220.940.392.471 33,26% 395.780 156.641.803.849 28,01%

Jan'16 1.159.975 1.099.317 1.178.054 1.373.497 60.658 3.679.440.050 5,23% 18.079 326.832.727 1,56% 213.522 45.591.644.730 18,41%

Feb'16 869.025 1.105.382 1.169.014 1.181.327 236.357 55.864.844.495 27,20% 299.989 89.993.554.803 34,52% 312.302 97.532.664.161 35,94%

Mar'16 1.238.800 1.081.747 1.019.020 900.255 157.053 24.665.737.276 12,68% 219.780 48.303.411.518 17,74% 338.545 114.612.568.061 27,33%

Apr'16 1.042.925 1.097.452 1.128.910 1.204.946 54.527 2.973.197.552 5,23% 85.985 7.393.388.317 8,24% 162.021 26.250.649.549 15,54%

Mei'16 534.800 1.091.999 1.085.917 1.059.127 557.199 310.471.095.081 104,19% 551.117 303.730.396.548 103,05% 524.327 274.918.857.669 98,04%

Jun'16 1.290.025 1.036.279 810.359 587.233 253.746 64.386.830.333 19,67% 479.666 230.079.755.889 37,18% 702.792 493.917.009.602 54,48%

Jul'16 802.500 1.061.654 1.050.192 1.219.746 259.154 67.160.774.235 32,29% 247.692 61.351.253.451 30,87% 417.246 174.094.033.018 51,99%

Agu'16 1.322.850 1.035.739 926.346 844.225 287.111 82.432.977.428 21,70% 396.504 157.215.480.775 29,97% 478.625 229.082.295.492 36,18%

Sep'16 1.021.875 1.064.450 1.124.598 1.274.987 42.575 1.812.605.628 4,17% 102.723 10.552.007.118 10,05% 253.112 64.065.916.246 24,77%

Okt'16 825.750 1.060.192 1.073.236 1.047.186 234.442 54.963.161.921 28,39% 247.486 61.249.558.513 29,97% 221.436 49.034.010.941 26,82%

Nov'16 728.300 1.036.748 949.493 847.894 308.448 95.140.176.236 42,35% 221.193 48.926.449.748 30,37% 119.594 14.302.635.039 16,42%

Des'16 717.850 1.005.903 838.897 740.259 288.053 82.974.652.361 40,13% 121.047 14.652.284.303 16,86% 22.409 502.179.526 3,12%

Jan'17 957.425 977.098 778.373 720.091 19.673 387.022.597 2,05% 179.052 32.059.507.626 18,70% 237.334 56.327.457.818 24,79%

Feb'17 1.248.725 975.131 867.899 933.692 273.594 74.853.895.219 21,91% 380.826 145.028.324.150 30,50% 315.033 99.246.047.133 25,23%

Mar'17 1.393.525 1.002.490 1.058.312 1.217.222 391.035 152.908.339.309 28,06% 335.213 112.367.703.380 24,06% 176.303 31.082.867.920 12,65%

Total 4.907.952 1.581.305.198.766 566,96% 5.482.216 1.874.273.262.209 596,19% 6.320.956 2.375.232.866.921 667,37%

213.389 68.752.399.946 24,65% 238.357 81.490.141.835 25,92% 274.824 103.270.994.214 29,02%

46

Tabel 4.5 Peramalan Metode Regresi Linear

Periode

periode

(x) Aktual (y) xy x^2 y^2 Y ''= 1.046.350 - 1.652X MAD y'' MAD MSE MAPE

Apr'15 1 1.171.275 1.171.275 1 1.371.885.125.625 1.044.698 126.577 126.577 16.021.736.929 10,81%

Mei'15 2 1.205.025 2.410.050 4 1.452.085.250.625 1.043.046 161.979 161.979 26.237.196.441 13,44%

Jun'15 3 1.132.150 3.396.450 9 1.281.763.622.500 1.041.394 90.756 90.756 8.236.651.536 8,02%

Jul'15 4 774.775 3.099.100 16 600.276.300.625 1.039.742 -264.967 264.967 70.207.511.089 34,20%

Agu'15 5 1.046.900 5.234.500 25 1.095.999.610.000 1.038.090 8.810 8.810 77.616.100 0,84%

Sep'15 6 1.008.075 6.048.450 36 1.016.215.205.625 1.036.438 -28.363 28.363 804.459.769 2,81%

Okt'15 7 657.850 4.604.950 49 432.766.622.500 1.034.786 -376.936 376.936 142.080.748.096 57,30%

Nov'15 8 1.053.325 8.426.600 64 1.109.493.555.625 1.033.134 20.191 20.191 407.676.481 1,92%

Des'15 9 1.413.075 12.717.675 81 1.996.780.955.625 1.031.482 381.593 381.593 145.613.217.649 27,00%

Jan'16 10 1.159.975 11.599.750 100 1.345.542.000.625 1.029.830 130.145 130.145 16.937.721.025 11,22%

Feb'16 11 869.025 9.559.275 121 755.204.450.625 1.028.178 -159.153 159.153 25.329.677.409 18,31%

Mar'16 12 1.238.800 14.865.600 144 1.534.625.440.000 1.026.526 212.274 212.274 45.060.251.076 17,14%

Apr'16 13 1.042.925 13.558.025 169 1.087.692.555.625 1.024.874 18.051 18.051 325.838.601 1,73%

Mei'16 14 534.800 7.487.200 196 286.011.040.000 1.023.222 -488.422 488.422 238.556.050.084 91,33%

Jun'16 15 1.290.025 19.350.375 225 1.664.164.500.625 1.021.570 268.455 268.455 72.068.087.025 20,81%

Jul'16 16 802.500 12.840.000 256 644.006.250.000 1.019.918 -217.418 217.418 47.270.586.724 27,09%

Agu'16 17 1.322.850 22.488.450 289 1.749.932.122.500 1.018.266 304.584 304.584 92.771.413.056 23,02%

Sep'16 18 1.021.875 18.393.750 324 1.044.228.515.625 1.016.614 5.261 5.261 27.678.121 0,51%

Okt'16 19 825.750 15.689.250 361 681.863.062.500 1.014.962 -189.212 189.212 35.801.180.944 22,91%

Nov'16 20 728.300 14.566.000 400 530.420.890.000 1.013.310 -285.010 285.010 81.230.700.100 39,13%

Des'16 21 717.850 15.074.850 441 515.308.622.500 1.011.658 -293.808 293.808 86.323.140.864 40,93%

Jan'17 22 957.425 21.063.350 484 916.662.630.625 1.010.006 -52.581 52.581 2.764.761.561 5,49%

Feb'17 23 1.248.725 28.720.675 529 1.559.314.125.625 1.008.354 240.371 240.371 57.778.217.641 19,25%

Mar'17 24 1.393.525 33.444.600 576 1.941.911.925.625 1.006.702 386.823 386.823 149.632.033.329 27,76%

total 300 24.616.800 305.810.200 4.900 26.614.154.381.250 24.616.800 4.711.740 1.361.564.151.650 522,99%

average 12,5 1.025.700 12.742.092 204 1.108.923.099.219 196.323 56.731.839.652 21,79%

47

Tabel 4.6 Perbandingan Nilai Error MAD, MSE dan MAPE

Moving Average Exponential Smooting Regresi Linear

2 bulan 3 bulan 5 bulan α = 0.1 α = 0.5 α = 0.9

MAD 232.738 221.160 201.126 213.389 238.357 274.824 198.001

MSE 86.723.163.477 78.176.741.004 72.558.281.343 68.752.399.946 81.490.141.835 103.270.994.214 56.805.397.533

MAPE 25,44% 23,97% 22,01% 24,65% 25,92% 29,02% 21,99%

Dari tabel dapat dilihat bahwa metode peramalan yang terpilih yaitu Regresi Linear karena memberikan nilai yang lebih kecil

dibandingkan metode Moving Average ataupun Exponensial Smoting, dan bila kita melihat nilai MAPE yang terkecil maka akan

diketahui peramalan dengan deviasi terkecil yaitu Regresi Linear karena memberikan nilai MAPE yang paling kecil (nilainya paling

mendekati nol). Oleh karena itu untuk membuat peramalan 1 tahun kedepan metode yang digunakan adalah metode Regresi Linear

48

Y = a + b x

b = n(Σxy) – (Σx) (Σy)

n(Σx²) – (Σx)²

b = 24 (305.810.200) – (300) (24.616.800)

24 (4900) – (300)²

b = -1652

a = −−

− xbY

a = 1.025.700 – (-1652)(12,5)

a = 1.046.350

jadi Y(x) = 1.046.350 - 1.652 X

Dengan demikian hasil peramalan untuk periode April 2017 – Maret 2018 adalah

sebagai berikut :

Y(25)= 1.046.350 - 1.652*25 = 1005050 kg

Y(26)= 1.046.350 - 1.652*26 = 1003398 kg

Y(27)= 1.046.350 - 1.652*27 = 1001746 kg

Y(28)= 1.046.350 - 1.652*28 = 1000094 kg

Y(29)= 1.046.350 - 1.652*28 = 998442 kg

Y(30)= 1.046.350 - 1.652*28 = 996790 kg

Y(31)= 1.046.350 - 1.652*28 = 995138 kg

49

Y(32)= 1.046.350 - 1.652*28 = 993486 kg

Y(33)= 1.046.350 - 1.652*28 = 991834 kg

Y(34)= 1.046.350 - 1.652*28 = 990182 kg

Y(35)= 1.046.350 - 1.652*28 = 988530 kg

Y(36)= 1.046.350 - 1.652*28 = 986878 kg

Hasil peramalan permintaan dengan metode Regresi Linier untuk periode April

2017 – Maret 2018 dapat dilihat pada tabel 4.

Tabel 4.7 Hasil Peramalan Permintaan dengan Metode Regresi Linear

No Periode Hasil Peramalan

1 Apr'17 1.005.050

2 Mei '17 1.003.398

3 Jun'17 1.001.746

4 Jul'17 1.000.094

5 Aug'17 998.442

6 Sep'17 996.790

7 Oct'17 995.138

8 Nov'17 993.486

9 Dec'17 991.834

10 Jan'18 990.182

11 Feb'18 988.530

12 Mar'18 986.878

Total 11.951.568

Average 995.964

Standar Deviasi 5.956

50

4.2.2 Perencanaan Persediaan Bahan Baku

Perencanaan persediaan bahan baku tepung terigu dengan metode Lot For Lot

MRP Tepung Terigu

LT= 7 hari Lot size =0

Metode Lot For Lot

Mar'17 Apr'17 Mei '17 Jun'17 Jul'17 Aug'17 Sep'17 Oct'17 Nov'17 Dec'17 Jan'18 Feb'18 Mar'18 Total

Gross Reqruitemnt

1.005.050

1.003.398

1.001.746

1.000.094

998.442

996.790

995.138

993.486

991.834

990.182

988.530

986.878 11.951.568

Schedule receipts 0

On Hand 0 0 0 0 0 0 0 0 0 0 0 0 0

Net Reqruitments

1.005.050

1.003.398

1.001.746

1.000.094

998.442

996.790

995.138

993.486

991.834

990.182

988.530

986.878 11.951.568

Planned Order

Receipts

1.005.050

1.003.398

1.001.746

1.000.094

998.442

996.790

995.138

993.486

991.834

990.182

988.530

986.878 11.951.568

Planned Order Release

1.005.050

1.003.398

1.001.746

1.000.094

998.442

996.790

995.138

993.486

991.834

990.182

988.530

986.878 11.951.568

Biaya pemesanan Tepung Terigu/ Tahun = 12 x Rp 6.435.000

= Rp 77.220.000

Biaya Persediaan = Biaya Pemesanan + Biaya Simpan

= Rp 77.220.000+ 0

= Rp 77.220.000

51

Perencanaan persediaan bahan baku tepung terigu dengan metode Least Unit Cost

Tabel 4.8 Perhitungan Unit Cost

QTY Periode Quantity

Order Carrying Cost

Order

cost Total Cost Unit Cost

1.005.050 1 1.005.050 0 650.000 650.000 0,6

1-2 2.008.448 2.325.782.784.000 650.000 2.325.783.434.000

1.158.000,3

1.003.398 2 1.003.398 0 650.000 650.000 0,6

2-3 2.005.144 2.321.956.752.000 650.000 2.321.957.402.000

1.158.000,3

1.001.746 3 1.001.746 0 650.000 650.000 0,6

3-4 2.001.840 2.318.130.720.000 650.000 2.318.131.370.000

1.158.000,3

1.000.094 4 1.000.094 0 650.000 650.000 0,6

4-5 1.998.536 2.314.304.688.000 650.000 2.314.305.338.000

1.158.000,3

998.442 5 998.442 0 650.000 650.000 0,7

5-6 1.995.232 2.310.478.656.000 650.000 2.310.479.306.000

1.158.000,3

996.790 6 996.790 0 650.000 650.000 0,7

6-7 1.991.928 2.306.652.624.000 650.000 2.306.653.274.000

1.158.000,3

995.138 7 995.138 0 650.000 650.000 0,7

7-8 1.988.624 2.302.826.592.000 650.000 2.302.827.242.000

1.158.000,3

993.486 8 993.486 0 650.000 650.000 0,7

8-9 1.985.320 2.299.000.560.000 650.000 2.299.001.210.000

1.158.000,3

991.834 9 991.834 0 650.000 650.000 0,7

9-10 1.982.016 2.295.174.528.000 650.000 2.295.175.178.000

1.158.000,3

990.182 10 990.182 0 650.000 650.000 0,7

10-11 1.978.712 2.291.348.496.000 650.000 2.291.349.146.000

1.158.000,3

988.530 11 988.530 0 650.000 650.000 0,7

11-12 1.975.408 2.287.522.464.000 650.000 2.287.523.114.000

1.158.000,3

986.878 12 986.878 0 650.000 650.000 0,7

52

Dari hasil perhitungan perencanaan persediaan LUC, selalu terjadi kenaikan setiap

2 kali periode pemesanan.

Carrying Cost diperoleh dari biaya simpan dikali periode simpan dikali quantity

order dan dijumlahkan dengan biaya simpan dengan periode sebelumnya. Dari

hasil perhitungan unit cost disimpulkan bahwa perencanaan persediaan dilakukan

setiap bulan.

Tabel 4.9 Hasil Perencaan Persediaan LUC

Mount Net

Requirements

Production

Quantity

Ending

Inventory

Holding

Cost

Setup

Cost

Total Cost

1 1.005.050 1.005.050 0 0 650.000 650.000

2 1.003.398 1.003.398 0 0 650.000 1.300.000

3 1.001.746 1.001.746 0 0 650.000 1.950.000

4 1.000.094 1.000.094 0 0 650.000 2.600.000

5 998.442 998.442 0 0 650.000 3.250.000

6 996.790 996.790 0 0 650.000 3.900.000

7 995.138 995.138 0 0 650.000 4.550.000

8 993.486 993.486 0 0 650.000 5.200.000

9 991.834 991.834 0 0 650.000 5.850.000

10 990.182 990.182 0 0 650.000 6.500.000

11 988.530 988.530 0 0 650.000 7.150.000

12 986.878 986.878 0 0 650.000 7.800.000

53

Biaya pemesanan Tepung Terigu/ Tahun = 12 x Rp 6.435.000

= Rp 77.220.000

Biaya Persediaan = Biaya Pemesanan + Biaya Simpan

= Rp 77.220.000 + 0

= Rp 77.220.000

MRP Tepung Terigu

LT= 7 hari Lot size =0

Metode LUC

Apr'17 Mei '17 Jun'17 Jul'17 Aug'17 Sep'17 Oct'17 Nov'17 Dec'17 Jan'18 Feb'18 Mar'18 Total

Gross Reqruitemnt

1.005.050

1.003.398

1.001.746

1.000.094

998.442,0

996.790

995.138 993.486