perencanaan pengendalian persediaan pt jkl …
TRANSCRIPT
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