Model pegendalian persediaan kemasan gallon dengan mempertimbangkan tingkat pengembalian dan permintaan produk di perum perhutani unit III Jawa Barat dan Banten

MODEL PEGENDALIAN PERSEDIAAN KEMASAN GALON

DENGAN MEMPERTIMBANGKAN TINGKAT PENGEMBALIAN

DAN PERMINTAAN PRODUK DI PERUM PERHUTANI UNIT III

JAWA BARAT DAN BANTEN

SKRIPSI

MOHAMMAD ARYA WICAKSANA

F34070053

FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

BOGOR

2011

MODELING OF INVENTORY CONTROL GALLON PACKAGING

BY CONSIDERING OF RATE RETURN AND LEVEL OF

PRODUCT DEMAND

(PERUM PERHUTANI UNIT III WEST JAVA & BANTEN)

Mohammad Arya Wicaksana and Machfud

Departement of Agroindustrial Technology, Faculty of Agricultural Technology and Engineering . Bogor Agricultural University, IPB Darmaga Campus, PO Box 220, Bogor, West Java,

Indonesia.

Phone 62 51 7533431, e-mail:mohammadarya.90@gmail.com

ABSTRACT

Gallon is a critical factor in the planning and production control of drinking water companies. The number of gallons that return to the factory will affect the number of products manufactured and shipped to consumers in the next period. Gallons are returned to the factory may compromise of quality, quantity and time. Inventory control and production planning gallons of drinking water must be done properly in order to service levels are met demand. This research was conducted with the purpose of making a model that is able to integrate between the rate of return gallons and level of product demand. The research was carried out with planning approach that starts from field observations until verification of model. Modeling is developed from three main models,secondly, returns of gallon to simulation data actual with its time series method model and the last is gallons inventory estimation model. The selected forecasting method is naif method and simulations carried out in accordance gallon rate of return distribution that has been identified, Cauchy Distribution. Based on the gallons of inventory estimation model, the company will have a shortage of about 1093 gallons and necessary addition. In addition, Models capable of estimating the number of gallons of return. Models can also find out the number of gallons for the lack of production in those periods. So that procurement can be determined number of gallons that will be ordered. Keywords: Inventory, Modeling, Control, Simulation , Gallon, and Water

Mohammad Arya Wicaksana. F34070053. Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian Dan Permintaan Produk di Perum Perhutani Unit III Jawa Barat dan Banten dibawah bimbingan Machfud, 2011.

RINGKASAN

Perum Perhutani Unit III Jawa Barat Dan Banten merupakan salah satu perusahaan yang bergerak dalam bidang usaha agro dengan produk air minum dalam kemasan. Perkembangan Industri Air minum dalam kemasan sangat pesat. Perum Perhutani memproduksi air minum dalam beberapa kemasan yaitu kemasan gelas, botol dan galon. Saat ini permintaan kemasan galon terus meningkat dibandingkan dengan permintaan kemasan lainnya. Manajemen persediaan galon berbeda dengan manajemen persediaan bahan baku atau bahan penolong lainnya Pengendalian persediaan galon mempertimbangkan pengembalian galon dari tangan konsumen mengenai jumlah dan waktu pengembalian. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Galon kosong yang tersedia di gudang harus mampu memenuhi kebutuhan produksi yang telah direncanakan.

Permasalahan ketidakpastian mengakibatkan perusahaan sering mengalami kerugian hilangnya penjualan, tuntutan dari pelanggan karena keterlambatan kedatangan pesanan dan tambahan biaya karena tidak teraturnya proses produksi. Kebijakan pengendalian persediaan galon akan berpegaruh terhadap biaya pengadaan persediaan galon yang harus dikeluarkan perusahaan seperti biaya investasi untuk pembelian galon baru dan carrying cost yang meliputi biaya bunga dan biaya penyimpanan. Kelebihan galon akan mengakibatkan besarnya biaya investasi yang dikeluarkan sedangkan kekurangan galon akan menyebabkan hilangnya peluang mendapatkan pendapatan.

Penelitian ini bertujuan untuk mempelajari faktor-faktor yang berpengaruh terhadap kebijakan perusahaan dalam mengendalikan persediaan galon, mengembangkan model simulasi pengendalian persediaan galon dengan mengintegrasikan antara tingkat pengembalian galon yang memiliki ketidakpastian tinggi dan tingkat permintaan produk Pengendalian persediaan galon yang dikaji dalam penelitian ini terbatas pada satu area pabrik dan tidak melakukkan estimasi kondisi persediaan di gudang cabang. Model dikembangkan untuk kebutuhan bagian produksi agar target penjualan atau produksi dapat tercapai.

Observasi lapang dilakukan dengan mengamati langsung kegiatan pengendalian persediaan galon dan perencanaan produksi. Kebijakan pengendalian persediaan galon dipengaruhi oleh beberapa faktor seperti tingkat permintaan produk dan tingkat pengembalian galon kosong per periode, kerusakan atau kebocoran kemasan galon selama penyimpanan, jumlah pekerja dan waktu kerja, tingkat persediaan yang diharapkan, dan kapasitas produksi.

Data yang digunakan mulai dari bulan Januari sampai Maret 2011. Data diperoleh dengan mengambil data sekunder dan wawancara langsung terhadap pihak-pihak yang berhubungan dengan pengendalian galon, perencanaan produksi dan pihak gudang. Data yang dikumpulkan berupa data pengiriman atau pemesanan produk harian, data galon yang kembali ke pabrik, data galon yang dijual ke konsumen, data galon setelah produksi, data persediaan akhir galon, dan data galon rusak atau kebocoran selama penyimpanan.

Model pengendalian persediaan galon dikembangkan kedalam tiga model dan terdiri dari delapan sub model. Model utama yaitu model prakiraan permintaan, model tingkat pengembalian galon dan model estimasi persediaan galon. Model estimasi persediaan galon terdiri dari sub model diantaranya tingkat persediaan, estimasi kekurangan produk, estimasi permintaan produk, realisasi

produksi, rencana pengiriman produk, stok produksi, pengembalian galon kosong, dan kekurangan galon kosong.

Model disimulasikan berdasarkan data yang dihimpun. Simulasi dilakukkan sebanyak 91 periode mendatang. Prakiraan permintaan dilakukkan dengan metode time series dengan membandingkan 3 metode peramalan yaitu perataan bergerak tunggal, pemulusan eksponensial tunggal, dan pemulusan eksponensial ganda. Berdasarkan perhitungan MAPE dari ketiga metode peramalan memiliki nilai MAPE diatas 100 persen atau memiliki error sangat tinggi maka metode peramalan yan tepat untuk digunakan yaitu metode naif. Keluaran dari data peramalan digunakan sebagai input model estimasi kondisi persediaan galon.

Identifikasi sebaran data tingkat pengembalian galon menggunakan software EasyFit 5.5. Tingkat pengembalian galon mengikuti sebaran Cauchy dengan nilai parameter skala 0.1615 dan nilai parameter lokasi 0.98269. Identifikasi sebaran tingkat pengembalian galon menggunakan software Easy fit 5.5. Kemudian data dibangkitkan dengan parameter tersebut dan data pembangkitan digunakan sebagai input model estimasi kondisi persediaan galon.

. Berdasarkan hasil simulasi pada Lampiran 6diketahui bahwa akan terjadi kekurangan galon untuk produksi pada periode 8, 10, 13, 14, 28, dan 55. Selain itu, akan terjadi kekurangan produk pada periode 6 dan akan berdampak pada periode 8, 9, 10, dan 11. Kekurangan produk yang mengakibatkan tidak terpenuhinya permintaan terjadi pada periode 13 dan 14. Keterlambatan pemenuhan produk akan terjadi pada periode ke 17, 25, 52, 53, 54, dan 56. Kekurangan produk pada periode 27 juga akan berdampak pada kekurangan persediaan pada periode ke 28 dan 29.

Pengadaan galon kosong yang diperlukan sebanyak 1.093 galon kosong. Berdasarkan hasil simulasi penambahan galon kosong diperlukan pada periode 6 sebanyak 242 galon, periode 9 sebanyak 104 galon, periode 11 sebanyak 148 galon, periode 16 sebanyak 198 galon, periode 24 sebanyak 156 galon, periode 27 sebanyak 159 galon.

Model pengendaliaan persediaan kemasan galon dikembangkan dalam perangkat lunak berbasis komputer sehingga memudahkan pengguna untuk menggunakannya. Perangkat lunak ini diberi mama PMIG 1.0. Pemrograman dikembangkan dengan bahasa Delphi XE dengan sistem operasi Windows 7. Basis data yang digunakan adalah Ms.Access 2007 dengan versi data Ms.Access (*.mdb). Selain itu, model tingkat pengembalian galon untuk mengidentifikasi sebaran data dan pembangkitan data menggunakan perangkat lunak EasyFit 5.5.

MODEL PENGENDALIAN PERSEDIAAN KEMASAN GALON DENGAN

MEMPERTIMBANGKAN TINGKAT PENGEMBALIAN DAN PERMINTAAN

PRODUK DI PERUM PERHUTANI UNIT III JAWA BARAT DAN BANTEN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN pada Departemen Teknologi Industri Pertanian,

Fakultas Teknologi Pertanian, Institut Pertanian Bogor

Oleh

Mohammad Arya Wicaksana F34070053

FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

BOGOR

2011

Judul : Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian dan Tingkat Permintaan Produk di Perum Perhutani Unit III Jawa Barat dan Banten.

Nama : Mohammad Arya Wicaksana NIM : F 34070053

Menyetujui, Pembimbing,

Dr. Ir. Machfud, MS NIP. 19510321 197803 1 003

Mengetahui : Ketua Departemen,

Prof. Dr. Ir. Nastiti Siswi Indrasti NIP 19621009 198903 2 001

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI

Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul Model Pengendalian Persediaan Kemasan Galon dengan mempertimbangkan tingkat pengembalian dan permintaan produk di Perum Perhutani Unit III Jawa Barast dan Banten adalah hasil karya sendiri dengan arahan Dosen Pebimbing Akademik, dan belum diajukan dalam bentuk apapun pada perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan manapun tidak diterbitkan dan penulis lain telah disebutkan dalam teks dan dicantum dalam Daftar Pustaka di bagian akhir skripsi ini.

Bogor, Juli 2011

Yang membuat pernyataan

Mohammad Arya Wicaksana F 34070053

© Hak Cipta milik Mohammad Arya Wicaksana, tahun 2011 Hak cipta dilindungi

Dilarang mengutip dan memperbanyak tanpa izin tertulis dari

Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apapun, baik cetak. Fotocopy, microfilm, dan sebagainya

BIODATA PENULIS

Mohammad Arya Wicaksana. Lahir di Jakarta, 15 Januari 1990 dari ayah Ferry Firmansyah dan Ibu Amellya, sebagai seorang putra petama dari dua bersaudara. Penulis menamatkan SMA pada tahun 2007 dari SMA Negeri 2 Bogor dan pada tahun yang sama diterima di IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih Program Studi Teknologi Pertanian, Departemen Teknologi Industri Pertanian. Selama mengikuti perkuliahan, penulis aktif dalam berbagai kegiatan termasuk menjadi asisten praktikum Teknik Pengemasan, Distribusi dan Transportasi pada tahun 2009 dan Analisis Dan Sistem Pengambilan Keputusan pada tahun 2011.

Pada Tahun 2008 dan 2009 mengikuti lomba Pekan Kreatifitas Mahasiswa dalam bidang penelitian dan dibiayai oleh DIKTI. Selain itu, penulis aktif dalam organisasi mahasiswa dengan menjadi staf di Divisi Agritech BEM Fakultas Teknologi Pertanian pada tahun 2008-2009 dan menjadi Ketua Departemen Profesi Himpunan Mahasiswa Teknik Industri (Himalogin) pada tahun 2009-2010.

KATA PENGANTAR

Puji dan Syukur dipanjatkan kehadapan Allah SWT atas izin dan karuniaNya sehingga skripsi ini berhasil diselesaikan. Penelitian dengan judul Model Pengendalian Persediaan Kemasan Galon Dengan Mempertimbangkan Tingkat Pengembalian dan Tingkat Permintaan Produk dilaksanakan di Perum Perhutani Unit III Jawa Barat Dan Banten sejak bulan Maret sampai Juli 2011.

Dengan telah selesainya penelitian hingga tersusunya skripsi ini, penulis ingin menyampaikan penghargaan dan terima kasih yang sebesar-besarnya kepada:

1. Dr. Ir Machfud, MS sebagai dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis dalam proses penyusunan skripsi ini sehingga penulis dapat menyelesaikan skripsi ini dengan baik

2. Pimpinan Perum Perhutani Unit III Jawa Barat dan Banten yang telah memberikan kesempatan kepada penulis untuk melakukan penelitian di perusahaan air minum dalam kemasan di Perum Perhutani Unit III Jawa Barat dan Banten

3. Seluruh staf dan pekerja di pabrik Perum Perhutani Unit III Jawa Barat dan Banten yang telah memberikan informasi dan pendamping selama penulis melakukan obeservasi lapangan.

4. Ibunda tercinta Amellya Firmansyah dan Kakak terbaik Annisa Tiara Istriastuti serta keluarga besar yang telah memberikan dukungan, motivasi dan doa yang tulus terutama saat proses penyusunan skripsi ini.

5. Alia Mustika Nur yang selalu menjadi teman berbagi dan memberikan motivasi kepada penulis selama ini.

6. Teman-teman satu bimbingan, yaitu Dimas dan Herga yang telah memberikan banyak masukan dan bertukar pikiran mengenai skripsi ini.

7. Jawa, Agung, Fahri, Faiz, Aw, Iqbal, Ija, dan seluruh keluarga TIN 44 yang telah menjadi teman seperjuangan dan selalu memeberikan inspirasi kepada penulis.

8. Teman-teman BEM FATETA 2008-2009.

9. Teman-teman Himpunan Mahasiswa Teknik Industri IPB periode 2009-2010.

DAFTAR ISI

Halaman

KATA PENGANTAR ... iii

DAFTAR TABEL ... iv

DAFTAR GAMBAR ... v

DAFTAR LAMPIRAN ... vi

I. PENDAHULUAN ... 1

II. TINJAUAN PUSTAKA ... 3

2.1 MANAJEMEN RANTAI PASOK ... 3

2.2 REVERSE LOGISTIC ... 4

2.3 PENGENDALIAN PERSEDIAAN... 5

2.4 PERENCANAAN PRODUKSI ... 6

2.5 MODEL DAN SIMULASI SISTEM ... 6

2.5 TEKNIK HEURISTIK ... 7

2.6 TEKNIK SIMULASI MONTE CARLO ... 7

2.7 DISTRIBUSI CAUCHY... 9

2.8 UJI STATISTIK ... 10

2.9 PENELITIAN TERDAHULU ... 11

III. METODOLOGI ... 12

3.1 KERANGKA PEMIKIRAN ... 12

3.2 PENDEKATAN BERENCANA ... 13

3.3 TATA LAKSANA ... 14

IV. PEMODELAN SISTEM ... 19

4.1 ASUMSI MODEL ... 19

4.2 KONFIGURASI MODEL ... 20

4.3 KERANGKA MODEL ... 21

4.4 RANCANGAN MODEL ... 23

V. HASIL DAN PEMBAHASAN ... 34

5.1 OBSERVASI LAPANG ... 34

5.2 PRAKIRAAN PERMINTAAN ... 36

5.3 SIMULASI TINGKAT PENGEMBALIAN GALON KOSONG ... 38

5.4 ESTIMASI KONDISI PERSEDIAAN GALON ... 40

5.5 PENGGUNAAN PERANGKAT LUNAK ... 43

VI. SIMPULAN DAN SARAN ... 47

6.1 SIMPULAN ... 47

6.2 SARAN ... 48

DAFTAR PUSTAKA ... 49

DAFTAR TABEL

Halaman

Tabel 1. Parameter pemilihan teknik prakiraan permintaan deret waktu ... 25

Tabel 2. Perbandingan Nilai MAPE berdasarkan metode peramalan ... 37

Tabel 3. Nilai Goodnees of Fit Sebaran Cauchy ... 38

Tabel 4. Masukan dan Paramter Model Estimasi Kondisi Perediaan Galon ... 40

DAFTAR GAMBAR

Halaman

Gambar 1. Proses reverse logistic ... 5

Gambar 2. Diagram alir simulasi Monte Carlo ... 8

Gmabar 3. Fungsi probabilitas sebaran Cauchy ... 9

Gambar 4. Fungsi distribusi kumulatif sebaran Cauchy... 10

Gambar 5. Tahapan dalam pendekatan berencana ... 13

Gambar 6. Diagram alir tahapan penelitian ... 16

Gambar 7. Kerangka kajian analisis penelitian ... 18

Gambar 8. Konfigurasi perangkat lunak PMIG 1.0 ... 20

Gambar 9. Form utama perangkat lunak PMIG 1.0 ... 23

Gambar 10. Diagram alir deskriptif model pengendalian persediaan galon ... 33

Gambar 11. Grafik permintaan air minum dalam kemasan galon ... 36

Gambar 12. Grafik data tingkat pengembalian galon kosong ... 37

Gambar 13. Grafik Perbandingan data aktual tingkat pengembalian dengan data simulasi ... 39

Gambar 14. Form menu utama perangkat lunak PMIG 1.0 ... 43

Gambar 15. Form menu data tingkat pengembalian galon kosong ... 43

Gambar 16. Form input data permintaan ... 44

Gambar 17. Form model prakiraan permintaan ... 45

Gambar 18. Form model estimasi kondisi persediaan galon ... 45

Gambar 19. Form model penambahan galon kosong ... 46

DAFTAR LAMPIRAN

Halaman

Lampiran 1. Data aktual pengiriman produk... 51

Lampiran 2. Data aktual tingkat pengembalian galon kosong ... 52

Lampiran 3. Peringkat kesesuaian data aktual tingkat pengembalian dengan sebaran teoritis tertentu 55 Lampiran 4. Hasil simulasi tingkat pengembalian galon kosong ... 56

Lampiran 5. Hasil uji perhitungan median ... 57

Lampiran 6. Hasil akhir model pengendalian persediaan galon ... 58

Lampiran 7. Hasil penambahan galon kosong ... 62

1

BAB I

PENDAHULUAN

1.1

LATAR BELAKANG

Air minum dalam kemasan semakin populer dikalangan masyarakat dengan sifat kepraktisannya saat dikonsumsi. Dengan adannya air minum dalam kemasan konsumen tidak perlu mengolah air mentah menjadi air minum ketika ingin dikonsumsi. Selain itu, air minum dalam kemasan memiliki mutu yang telah terjamin sesuai dengan persyaratan sebagai air minum konsumsi. Sifat kepraktisan air minum dalam kemasan membantu konsumen dalam hal waktu dan tenaga. Sifat kepraktisan air minum dalam kemasan mampu mendorong peningkatan jumlah konsumen sehingga bisnis air minum dalam kemasan semakin berkembang

Perum Perhutani Unit III Jawa Barat dan Banten merupakan perusahaan yang bergerak dalam bisnis air minum dalam kemasan. Perusahaan telah berjalan lebih kurang selama 5 tahun. Perusahaan memproduksi beberapa jenis kemasan, seperti air minum dalam kemasan gelas, botol, dan galon. Manajemen persediaan galon berbeda dengan manajemen persediaan bahan baku atau bahan penolong lainnya. Pengendalian persediaan galon mempertimbangkan kuantitas, kualitas dan waktu pengembalian galon kosong.

Kuantitas galon yang keluar dari pabrik dalam bentuk produk akan berbeda dengan kuantitas galon yang diterima industri atau pabrik. Perbedaan ini disebabkan karena selama proses pemasaran, penjualan dan saat konsumsi, sejumlah galon memungkinkan galon mengalami kerusakan atau hilang. Selain itu, waktu pemasaran sampai konsumsi produk memiliki rentan waktu yang sulit diperkirakan sehingga waktu pengembalian galon kosong tidak dapat ditentukan. Ketidakpastian menyebabkan perusahaan sulit dalam mengambilan keputusan untuk mengendalikan persediaan. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Galon kosong yang tersedia di gudang harus mampu memenuhi kebutuhan produksi yang telah direncanakan.

Permasalahan ketidakpastian mengakibatkan Perum Perhutani Unit III Jawa Barat dan Banten sering mengalami kerugian hilangnya penjualan atau tuntutan pelanggan dalam ketepatan waktu pemenuhan permintaan. Permasalahan ini membutuhkan solusi kebijakan yang tepat dalam mengendalikan persediaan, seperti berapa jumlah permintaan produk masa yang akan datang, berapa jumlah galon kosong yang akan kembali, berapa tingkat persediaan yang perlu disediakan, kapan dan berapa jumlah galon baru perlu pengadaan serta kapan penarikan galon kosong dari konsumen perlu ditingkatkan. Kebijakan akan berpengaruh terhadap biaya pengadaan persediaan galon yang harus dikeluarkan perusahaan seperti biaya investasi untuk pembelian galon baru. Selain itu, masalah yang dihadapi oleh perusahaan adalah belum adanya suatu perangkat alat bantu pengambilan keputusan untuk mengelola pengadaan galon kosong sehingga proses produksi tidak terhambat dan kebutuhan pelanggan terhadap produk dapat terpenuhi.

Persediaan dapat menentukan tingkat likuiditas dan menentukan besar kecilnya laba atau rugi perusahaan. Apabila persediaan terlalu besar dibandingkan dengan kebutuhan maka akan memperbesar biaya serta akan memperkecil keuntungan perusahaan. Sebaliknya, apabila persediaan terlalu kecil dibandingkan kebutuhan maka akan menghambat kegiatan operasional sehingga perusahaan akan merugi. Persediaan kemasan galon menjadi faktor kritis dalam kelancaran produksi sehingga diperlukan manajemen persediaan galon yang baik.

2

1.2

TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah mempelajari faktor-faktor yang berpengaruh terhadap kebijakan perusahaan dalam mengendalikan persediaan galon dan mengembangkan model simulasi pengendalian persediaan galon dengan mengintegrasikan antara tingkat pengembalian galon dengan ketidakpastian yang tinggi dan tingkat permintaan.

1.3

CAKUPAN KAJIAN

Cakupan kajian dalam penelitian ini meliputi persediaan galon dibatasi pada tingkat pabrik dan permintaan produk dibatasi pada tingkat distributor.

1.4

MANFAAT DAN KELUARAN

Manfaat penelitian yang diharapkan dari penelitian ini adalah memberikan masukkan berupa informasi yang dapat dijadikan pertimbangan dalam pengambilan keputusan untuk mengendalikan persediaan galon dengan suatu metode atau aturan tertentu. Aturan ini digunakan untuk mengendalikan galon secara efektif sehingga persediaan dapat tersedia dalam kuantitas yang tepat dan pada waktu yang diperlukan.

Keluaran yang dihasilkan dari ini adalah suatu model simulasi pengendalian persediaan galon yang mampu mengintegrasikan antara tingkat pengembalian galon yang memiliki ketidakpastian tinggi dengan tingkat permintaan produk.

3

BAB II

TINJAUAN PUSTAKA

2.1

MANAJEMEN RANTAI PASOK

Sejarah perkembangan manajemen rantai pasokan tidak terlepas dari perkembangan manajemen logistik di tahun 1960-1975 yang dikenal sebagai push era. Pada periode tersebut perusahaan membanjiri pasar dengan berbagai produk. Karena persaingan belum tinggi, maka apapun yang dilempar ke pasar dapat terjual. Sejak sekitar tahun 70-an, terjadi perubahan dimana persaingan menjadi semakin ketat yang mengakibatkan pasar lebih menentukan dibandingkan dengan produksi. Manajemen rantai pasokan sendiri secara konsep sudah lama dikemukakan, namun mulai sukses dipakai pada akhir 80-an ketika banyak perusahaan terdesak untuk menerapkan sistem logistik terintegrasi (Widjaja, 2000).

Rantai pasokan terdiri dari seluruh organisasi yang terlibat baik secara langsung maupun tak langsung, dalam memenuhi kebutuhan konsumen. Rantai pasokan tidak hanya meliputi perusahaan dan pemasok, tetapi juga transportasi, penggudangan, distributor, dan konsumen itu sendiri. Tujuan utama dari rantai pasokan adalah memuaskan kebutuhan pelanggan, dan bagi perusahaan adalah untuk mendapatkan keuntungan. Aktivitas rantai pasokan dimulai dari permintaan konsumen dan berakhir ketika pelanggan atau konsumen telah terpuaskan (Chopra dan Meindl, 2004).

Manajemen rantai pasok merupakan filosofi manajemen berkelanjutan untuk mencari dan mengkolaborasikan sumber fungsi bisnis yang kompeten, baik dari internal atau eksternal perusahaan, sehingga terciptanya suatu sistem pasokan yang berkompetitif tinggi dan memperhatikan kebutuhan pelanggan. Sistem pasokan yang fokus pada pengembangan solusi inovatif dan sinkronisasi aliran produk, jasa dan informasi untuk menciptakan sumber nilai pelanggan yang bersifat unik (Widjaja, 2000).

Manajemen rantai pasok merupakan pendekatan untuk mengintegrasikan supplier, pengusaha, gudang dan tempat penyimpanan lainnya secara efisien sehingga produk yang dihasilkan sesuai dengan jumlah atau kuantitas yang tepat, lokasi tepat dan waktu tepat untuk meminimalisasi biaya dan memuaskan kebutuhan pelanggan (Simichi, 2000).

Manajemen rantai pasok memiliki peranan sebagai alat untuk memaksimalkan persaingan dan keuntungan bagi perusahaan termasuk pelanggan dan konsumen akhir. Pemasok, perusahan transportasi dan penggudangan, distributor dan konsumen merupakan objek-objek yang berperan dalam kegiatan manajemen rantai pasok. Objek-objek ini akan berkolaborasi menjadi suatu sistem guna untuk mencapai tujuan dari manajemen rantai pasok. Terdapat 4 aktivitas penting dalam rantai pasok:

1. Pembelian: Supply base reduction, supplier alliances, SRM, Strategic sourcing, green sourcing, VMI.

2. Operasi dan Produksi: Demand management, CPFR, Inventory management, MRP (Master Requirment Planning) ERP (Enterprise Requirement Planning), RFID, Lean Systems, Six Sigma quality.

3. Distribusi: Logistics management, CRM, Security, network design, global supply chains, service response logistic, green logistic.

4

Peralatan fungsional yang dimiliki sistem manajemen rantai pasok adalah: 1. Manajemen permintaan

Perangkat peralatan dengan menggunakan teknik-teknik peramalan secara statistik. Perangkat ini dimaksudkan untuk mendapatkan hasil peramalan yang lebih akurat.

2. Perencanaan dan pengendalian agregat

Suatu peralatan dalam rangka menciptakan taktik perencanaan jangka menengah dan panjang berikut keputusan-keputusan menyangkut sumber yang harus diambil dalam rangka melengkapi jaringan pasok.

3. Manajemen transportasi

Suatu fungsi yang berkaitan dengan proses pendistribusian produk dalam rantai pasok. 4. Distribusi dan pembangunan

Suatu alat perencanaan yang menyeimbangkan dan mengoptimalkan jaringan distribusui pada waktu yang diperlukan. Dalam hal ini, Vendor Managed Inventory dijadikan pertimbangkan dalan rangka optimasi.

5. Perencanaan produksi

Perencanaan produksi dan jadwal penjualan menggunakan taraf yang dinamis dan teknik yang optimal.

6. Available to promise

Tanggapan yang cepat dengan mempertimbangkan alokasi, produksi dan kapasitas teransportasi serta biaya dalam keseluruhan rantai pasok.

7. Model Rantai Pasok

Perangkat dalam bentuk model yang dapat digunakan secara mudah guna menngarahkan serta mengontrol rantai pasok. Melalui model ini, mekanisme kerja dari konsep rantai pasok dapat diamati.

8. Optimasi

Optimasi merupakan jantung dari sistemmanajemen rantai pasok.

2.2

REVERSE LOGISTIC

Reverse logistic merupakan bentuk logistik baru yang aliran barangnya berbalik dari pelanggan atau distributor ke produsen dan bertentangan dengan tradisional logistik. Reverse logistic

terjadi akibat adanya beberapa produk kehilangan nilai pakai jelas seperti kemasan, kehilangan fungsi seperti produk rusak, sulit untuk dijual di pasar umum, seperti kelebihan stok, atau harus dikembalikan untuk beberapa alasan karena cacat, semuanya harus dikembalikan atau mengalir terbalik dari hilir ke hulu dalam rantai pasok (Jun-Ji, 2008). Dapat dilihat proses reverse logistic pada Gambar 1.

5

Gambar 1. Proses reverse logistic

Gambar1. Proses reverse logistic

(Sumber: Roggers and Tibben Lembeke,1995)

Reverse logistic memiliki sifat ketidakpastian yang tinggi. Jun-Ji (2008) memaparkan bahwa ada empat karakteristik utama yang menyebabkan ketidakpastian yaitu tempat tidak pasti, waktu tidak pasti, alasan tidak pasti, distribusi pelanggan tidak pasti, dan pembuangan tidak pasti. Manajemen harus mampu bekerja secara fleksibel dan lincah dalam beroperasi karena adanya ketidakpastian tersebut. Reverse logistic memerlukan investasi biaya yang besar dan sumber daya yang mumpuni yang mempengaruhi setiap cara.

2.3

PENGENDALIAN PERSEDIAAN

Rangkuti (2002) memaparkan bahwa persediaan merupakan sejumlah bahan-bahan, bagian-bagian 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 konsumen atau langganan setiap waktu. Handoko (1997) mengemukakan bahwa persediaan merupakan sejumlah sumberdaya organisasi yang disimpan dalam antisipasinya terhadap pemenuhan permintaan. Keberadaan persediaan berkaitan dengan faktor waktu, faktor ketidakpastian, faktor diskontinuitas, dan faktor ekonomi.

Pada pengendalian persediaan ada dua alternatif keputusan yang dapat diambil, yaitu jumlah setiap kali pemesanan dan kapan pemesanan itu harus dilakukan. Prinsip dari persediaan yaitu mempermudah atau memperlancar jalannya operasi perusahaan pabrik yang harus dilakukan secara berturut-turut untuk memproduksi barang-barang, serta selanjutnya menyampaikan kepada para pelanggan atau konsumen. Persediaan memungkinkan produk-produk dihasilkan pada tempat yang jauh dari pelanggan dan atau sumber bahan mentah (Rangkuti, 2002).

Proses mengendalikan persediaan merupakan kegiatan yang berhubungan dengan perencanaan, pelaksanaan, dan pengawasan penentuan kebutuhan material sedemikian rupa sehingga di satu pihak kebutuhan operasi dapat dipenuhi pada waktunya dan di pihak lain investasi persediaan material dapat ditekan secara optimal (Indrajit dan Djokopranoto,2003).

Johns dan Harding (1996) mengemukakan tujuan pengendalian persediaan adalah meminimalkan investasi dalam sediaan, namun tetap konsisten dengan penyediaan tingkat pelayanan yang diminta, sedangkan fungsi utama dikemukakan oleh Starr dan Miller (1986) yaitu menjamin bahwa fungsi produksi tidak dihambat oleh kekurangan bahan baku yang diperlukan dan untuk

Materi Baru

MateriAntisipasi

Pasokan Produksi Distribusi Proses langsung logistik

Proses Kembali logistik

Tempat Penjualan dan Konsumsi Matarial K L I E N K L I E N

6

menjamin bahwa pengembangan prosedur untuk mendapatkan dan menyimpan bahan persediaan yang diperlukan telah dilaksanakan dengan biaya minimum.

Rangkuti (2002) mengemukakan beberapa tujuan diadakannya mulai dari bahan baku sampai barang jadi antara lain:

1. Menghilangkan resiko keterlambatan datangnya barang. 2. Menghilangkan resiko barang yang rusak.

3. Mempertahankan stabilitas operasi perusahaan. 4. Mencapai penggunaan mesin yang optimal.

5. Memberi pelayanan yang sebaik-baiknya bagi konsumen.

Menurut Handoko (2000), fungsi-fungsi persediaan adalah sebagai berikut: 1. Fungsi “Decoupling”

Fungsi ini memberikan peluang perusahaan untuk dapat memenuhi permintaan langganan tanpa tergantung pada supplier. Fungsi ini disebut juga dengan istilah fluctuation stock. Persediaan bahan mentah diadakan agar perusahaan tidak akan sepenuhnya tergantung pada pengadaannya dalam hal kuantitas dan waktu pengiriman.

2. Fungsi “Economic Lot Sizing”

Fungsi ini dapat mengurangi biaya per-unit produk dengan membeli sejumlah sumber daya dalam kuantitas yang lebih besar sehingga mendapatkan potongan harga atau diskon. akan tetapi terkadang dapat meningkatkan biaya investasi, biaya penggudangan dan risiko kerusakan. 3. Fungsi Antisipasi

Fungsi ini digunakan untuk menghadapi fluktuasi permintaan yang dapat diramalkan berdasarkan pengalaman atau data masa lalu karena adanya ketidakpastian jangka waktu tertentu terhadap permintaan barang-barang selama periode tertentu.

2.4

PERENCANAAN PRODUKSI

Perencanaan produksi merupakan salah satu fungsi manajemen. Gasperz (2002) berpendapat bahwa perencanaan produksi merupakan suatu proses penetapan tingkat output secara keseluruhan guna memenuhi tingkat penjualan yang direncanakan dan persediaan yang diinginkan. Handoko (2000) berpendapat bahwa kegiatan perencanaan produksi dimulai dengan melakukkan peramalan untuk mengetahui terlebih dahulu apa dan berapa barang yang perlu diproduksi pada waktu yang akan datang.

Assauri (1993) mengemukakan bahwa tujuan perencanaan produksi yaitu untuk mencapai tingkat keuntungan tertentu, untuk menguasai pasar tertentu sehingga hasil atau output perusahaan ini tetap mempunyai pangsa pasar tertentu, untuk mengusahakan dan mempertahankan agar permasalahan supaya perusahaan dapat bekerja pada tingkat efisiensi tertentu dan untuk mengusahakan dan mempertahankan agar pekerja dan kesempatan kerja yang sudah ada tetap pada tingkatnya dan berkembang.

2.5

MODEL DAN SIMULASI SISTEM

Model merupakan penyederhanaan terhadap kondisi atau keadaan nyata pada sistem dan bergantung pada tujuan pembuatan model itu sendiri. Ketika model yang digunakan berbentuk model komputer dan sistem yang dikaji bersifat dinamis, maka simulasi dapat didefinisikan sebagai imitasi dari sistem melalui model komputer yang ditunjukan untuk mengevaluasi serta meningkatkan kinerja sistem (Harrel,et al 2004).

7

Secara umum, pemodelan ditunjukan untuk membuat suatu lingkungan eksperimen sehingga eksperimen dapat dilakukkan terhadap model tersebut seaolah-olah eksperimen dilakukan terhadap sistem nyata. Ada sejumlah kelebihan penggunaan sistem simulasi beserta kondisi penggunaan sistem tersebut. Kondisi yang sesuai bagi pengguna simulasi sebagai alat bantu pemecahan masalah seperti permasalahan atau keputusan yang akan dibuat bersifat operasional, permasalahan terdefinisikan dengan baik dan bersifat repetitive, dan aktivitas serta kejeadian bersifat saling bergantung satu sama lain serta berubah-ubah.

Kelebihan pemodelan dan simulasi sistem dibandingkan dengan metode lain yaitu mampu menangkap faktor saling ketergantungan dalam sistem, mampu memperhitungkan variabilitas dalam sistem, cukup mampu memodelkan sistem dengan karakterisik apapun, menunjukan prilaku sistem dari waktu ke waktu, dalam hal biaya murah dan lebih cepat dalam hal waktu apabila dibandingkan dengan melakukan eksperimen terhadap sistem nyata dan tidak menimbulkan risiko terhadap sistem nyata jika ternyata eksperimen menimbulkan kondisi yang tidak diinginkan.

2.6

TEKNIK HEURISTIK

Teknik heuristik merupakan pengembangan dari operasi aritmatika dan matematika logika. Secara umum ciri teknik heuristik adalah adanya operasi aritmatika (penjumlahan, pengurangan, perkalian, dan pembagian), adanya perhitungan yang bertahap dan tahapannya terbatas sehingga dapat dibuat algoritma komputernya.

Menurut Thierauf dan Klekamp dalam Hadisaputra (1994), program heuristik merupakan titik pandang dalam perancangan tugas pemrosesan informasi yang kompleks. Pada program heuristik ini tidak terdapat suatu model yang baku, sehingga tiap permasalahan menggunakan program heuristik yang spesifik.

Penggunaan teknik heuristik memiliki banyak alasan diantaranya adalah teknik heuristik mempermudah atau menyederhanakan lingkungan dari pembuat keputusan sehingga memungkinkan dengan cepat tanpa tergantung pada jumlah jalan dimana setiap keputusan dapat dibuat. Banyak permasalahan kompleks, walaupun inti permasalahan dapat dibuat pola kerja matematikanya, akan tetapi kebutuhan perhitungannya tidak layak, bahkan menggunakan komputer besar sekalipun. Perencanaan dan penentuan kebijaksanaan-kebijaksanaan sangat sulit untuk dikuantitatifkan dan mempunyai struktur yang kurang baik, sehingga model matematika tidak mencerminkan karakter yang terpenting. Meskipun model matematika dapat digunakan, tahapan pemodelan harus jelas sehingga dapat dimengerti oleh orang lain yang menggunakannya.

2.7

TEKNIK SIMULASI

MONTE CARLO

Menurut Watson dan Blackstone (1989), permasalahan yang rumit dalam pemilihan kebijaksanaan pengendalian persediaan, umumnya disebabkan adanya ketidakpastian. Sifat ketidakpastian tersebut disebabkan oleh keragaman yang tidak berpola akibat fenomena alamiah yang tidak konsisten. Simulasi merupakan duplikasi atau abstraksi dari persoalan dalam kehidupan nyata ke dalam model matematik (Subagyo,1992). Simulasi berkenaan dengan percobaan untuk menaksir suatu tingkah laku (perangai) dari sistem nyata untuk maksud perancangan sistem atau pengubahan tingkah laku sistem. Sistem dapat dibedakan dalam dua keadaan, yaitu berdasarkan keadaan deterministik lawan yang stokastik atau probabilistik dan berdasarkan waktu antara yang statik lawan yang dinamik. Simulasi stokastik menyangkut distribusi peluang dari beberapa atau semua variabel dan parameter.

8 ya

tidak

Simulasi tidak dapat dipisahkan dengan unsur ketepatan. Simulasi menunjukan suatu estimasi statistik, dibandingkan hasil eksak dan cenderung hanya merupakan suatu perbandingan dari berbagai alternatif untuk mencapai titik optimum. Hillier dan Lieberman (1974) mengemukakan bahwa metode simulasi Monte Carlo merupakan simulasi teknik pengambilan contoh (sampling) yang diterapkan pada populasi teoritis. Metode ini mencakup penetapan distribusi peluang dari peubah dan menarik contoh secara acak (probabilistik) kemudian dirata-ratakan. Ada beberapa cara membangkitkan nilai acak dari Monte Carlo yang merupakan cara terbaik terutama untuk distribusi diskrit yang empiris. Bilangan acak berguna untuk membangkitkan nilai yang memiliki sebuah distribusi probabilitas yang dapat mewakili data secara nyata. Metode ini dapat digunakan untuk simulasi baik bersifat stokastik maupun yang deterministik.

Watson dan Blackstone (1989) mengatakan simulasi monte carlo merupakan simulasi yang menggunakan distribusi peluang dengan penarikan contoh secara acak, dimana jenis distribusi peluang tersebut diantaranya yaitu distribusi normal, eksponensial, poisson, binomial, dan sebagainya. Bentuk distribusi peluang suatu kejadian perlu dilakukan uji distribusi. Diagram alir simulasi Monte Carlo

dapat dilihat pada Gambar 2

Gambar 2. Diagram Alir Simulasi Monte Carlo

(Sumber : Gottfried, 1984)

Pengujian nilai kecukupan simulasi digunakan perhitungan dengan menggunakan rumus sebagai berikut (Gottfried, 1984):

=

(

2

₎

(

)

Dimana :

N = Panjang hari simulasi n = Jumlah data pengamatan

= standar deviasi pengamatan

=standar deviasi pada tingkat kepercayaan tertentu.

Dalam simulasi Monte Carlo terdapat dua bagian yaitu bilangan acak dan variabel acak, yaitu: 1. Pembangkit bilangan acak

Bilangan acak biasa digunakan dalam pengembangan simulasi. Pembangkit bilangan acak dapat dilakukan dengan menggunakan fungsi standar randomize. Fungsi standar ini merupakan suatu fungsi untuk menghasilkan bilangan acak denagn nilai yang lebih besar atau sama dengan nol dan lebih kecil dari satu.

Parameter

Selesai Cetak

Variabel Acak Pembangkit Variabel

Acak/Distribusi Peluang Pembangkit

Bilangan Acak

N = n +1

9

2. Pembangkit Variabel Acak

Pembangkit variabel acak ini menggunakan metode transformasi invers, berdasarkan pola distribusi dari data sampel pengamatan. Oleh karena itu data sampel pengamatan harus diuji dulu distribusinya. Distribusi sampel harus mewakili distribusi secara statistik tidak berbeda nyata.

2.8

DISTRIBUSI

CAUCHY

Distribusi Cauchy atau yang sering diketahui adalah distribusi Lorentz, fungsi Lorentz atau distribusi Breit-Wigner. Distribusi Cauchy merupakan distribusi yang tidak memiliki rata-rata, varian atau lebih tinggi dari yang didefinisikan. Modus dan mean didefinisikan dengan baik dan keduanya sama dengan X0.

Ketika U dan V merupakan dua independen terdistribusinormal variabel dengan nilai harapan 0 dan varian 1 sehingga ratio U/V memiliki standard distribusi cauchy. Jika X1, … ,Xn adalah independen dan terdistribusi identik variabel acak, masing-masing dengan distribusi Cauchy standar, maka sampel mean ( X1 + … + Xn) /n memiliki standar Cauchy distribusi yang sama (median sampel, yang tidak dipengaruhi oleh nilai-nilai ekstrim, dapat digunakan sebagai ukuran tendensi).

Distribusi Cauchy merupakan distribusi probabilitas dibagi tak terhingga. Ini juga merupakan sangat stabil. Distribusi Cauchy standar bertepatan dengan distribusi t-Student’s dengan

satu derajat kebebasan. Seperti semua distiribusi stabil, skala keluarga lokasi yang distribusi Cauchy

adalah univariat distribusi saja yang tertutup dibawah transformasi fraksional linear dengan koefisien nyata. Distribusi Cauchy memiliki fungsi kepadatan probabilitas:

Dimana X0 adalah parameter lokasi yang menentukan lokasi puncak distribusi dan adalah parameter skala yang menetukan nilai tengah dan lebar maksimum. Selain itu juga sama dengan setengah rentang kuartil dan sering disebut dengan kemungkinan kesalahan Cauchy. Fungsi probabilitas sebaran Cauchy dapat dilihat pada Gambar 3.

Gambar 3. Fungsi Probabilitas Sebaran Cauchy

10

Fungsi distribusi kumulatif dari sebaran Cauchy dapat dilihat pada Gambar 4 dan rumus fungsi sebagai berikut:

Gambar 4. Fungsi Distribusi Kumulatif Sebaran Cauchy

(Sumber :Wikipedia)

2.9

UJI STATISTIK

Pendekatan simulasi yang dilakukan akan mewakili keadaan nyata jika adanya persamaan parameter antara kedua populasi yang sama. Apabila parameter kedua populasi tidak sama, maka diperlukan evaluasi terhadap hasil simulasi. Pengujian statistik diperlukan untuk mengetahui benar atau salahnya suatu hipotesis terhadap populasi (Sumantri, 1990).

2.9.1

Uji Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov merupakan uji statistik yang bertipe Godness of Fit, dimana penarikan terhadap suatu sampel acak akan diuji apakah suatu sampel tersebut ditarik berdasarkan suatu distribusi tertentu seperti distribusi normal, distribusi Weibull, distribusi eksponensial, dan lain-lain. Hipotesis nol merupakan distribusi pengamatan tidak berbeda nyata atau sesuai dengan distribusi teoritis. Tes Kolmogrov-Smirnov memperhatikan pada terjadinya penyimpangan terbesar yang dinotasikan dengan D. Nilai dapat dihitung dengan persamaan sebagai berikut:

D = Maksimum | F (X) – SN (X) | dimana :

F(X) = fungsi distribusi frekuensi kumulatif teoritis.

SN (X) = fungsi distribusi frekuensi kumulatif yang diobservasi dari suatu sampel random.

2.9.1 Uji Anderson-Darling

Uji Anderson-Darling digunakan untuk menguji apakah data berasal dari populasi yang mengikuti distribusi khusus. Adapun rumusan hipotesis untuk uji Anderson-Darling adalah sebagai berikut:

H0 :Data mengikuti distribusi khusus. H1 : Data tidak mengikuti distribusi khusus.

11

Bila ada n pengamatan diurutkan x(i), maka EDF Fn(x) didefinisikan sebagai: ( )

(

)

( )

i

,

1, 2,3,...,

n

N x

x

F X

i

n

n







dimana N(x(i) ≤ x) adalah jumlah pengamatan berurut yang kurang dari atau sama dengan x. Untuk n

pengamatan diurutkan x(i), statistik uji Anderson-Darling adalah:

₁



( )



( 1 )





1

2

( ) ( )

(2

1) ln

ln 1

n

i n i

i x x

n

A

  

n



_

i



Fo





Fo

 

Nilai A2hasil perhitungan ini dibandingkan nilai kritis yang besarnya adalah 1.092, 0.787, dan 0.656 untuk sebesar 1%, 5%, dan 10% dengan scaling factor (1 + 4/n – 25/n2), dimana n adalah jumlah pengamatan.

2.9.2

UJI MEDIAN

Sudjana (2005) memaparkan bahwa uji median merupakan uji statistic non parametik yang digunakan untuk data bebas distribui atau tidak berdistribusi normal. Pengujian hipotesis digunakan uji chi-kuadrat dengan kontingensi 2X2. Hipotesis yang digunakan :

Ho: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang sama. Hi: Data aktual dan hasil simulasi diambil dengan mediun dari distribusi data yang beda.

2.10

PENELITIAN TERDAHULU

Hernajad (1994) membuat model estimasi lamanya waktu kerusakan mesin dan memberikan informasi dini terhadap jumlah persediaan produk minuman botol berdasarkan estimasi kerusakan mesin dan prakiraan permintaan konsumen di PT DBBC Jakarta. Estimasi lama kerusakan mesin produksi dan prakiraan jumlah permintaan konsumen dilakukkan menggunakan teknik simulasi. Model ini memberikan informasi dini kondisi jumlah dan tingkat persediaan produk. Model ini tidak memperhitungkan faktor ketersediaan botol kosong yang diperlukan untuk produksi.

Hadisaputra (1994) membuat model estimasi kondisi darurat persediaan produk gudang pusat di PT DBBC Jakarta. Paket program mengeluarkan informasi berupa jumlah permintaan per periode, tingkat persediaan produk, jumlah stok botol, jadwal produksi taiap lini, peringatan ketersediaan botol kosong. Informasi ini memberikan sinyal bahwa adanya hubungan erat antara jumlah kembalian botol, jumlah permintaan dan jadwal produksi tiap lini terhadap tingkat persediaan. Akan tetapi program ini tidak mempertimbangkan ketersediaan botol kosong dalam periode waktu harian sehingga tidak menggambarkan keadaan perediaan botol kosong yang sebenarnya.

Junaidi (1998) membuat model sistem penunjang keputusan estimasi persediaan botol minuman ringan di PT PCIB. Model ini mengolah data runtun waktu masa lalu tentang permintaan pengiriman produk untuk memberikan informasi prakiraan tingkat permintaan dari produk yang dianalisa dan mengestimasi kondisi persediaan produk dan botol. Teknik estimasi persediaan botol kosong menggunakan simulasi sebaran normal sedangkan permintaan produk dilakukkan dengan teknik deret waktu pemulusan winter. Model ini memberikan informasi jumlah permintaan produk, tingkat persediaan produk dan botol, kebutuhan botol, kembalian botol kosong dan periode kekurangan persediaan botol. Akan tetapi model ini tidak memberikan informasi aktual kondisi persediaan botol kosong harian.

12

BAB III

METODOLOGI

3.1

KERANGKA PEMIKIRAN

Manajemen rantai pasok merupakan salah satu alat bersaing di industri, mulai dari pasokan bahan baku, bahan tambahan, kemasan, pasokan produk akhir ke tangan konsumen hingga bahan yang kembali ke pabrik (reuse). Perusahaan perlu menerapakan manajemen rantai pasok yang baik, terutama untuk perusahaan yang menggunakan kembali salah satu bahan sebagai input produksi selanjutnya. Perusahan perlu mengeluarkan kebijakan yang tepat dengan tujuan agar kegiatan produksi tidak terhambat akibat adanya kekurangan persediaan sehingga perusahaan merugi. Selain itu, apabila persediaan terlalu besar dibandingkan dengan kebutuhan maka akan memperbesar biaya serta akan memperkecil keuntungan perusahaan.

Kelancaran proses produksi air minum kemasan galon di Perum Perhutani Unit III Jawa Barat dan Banten sangat dipengaruhi oleh ketersediaan galon kosong di pabrik. Ketersediaan galon kosong harus mampu memenuhi kebutuhan produksi. Permasalahan timbul ketika pabrik perlu menarik kembali galon kosong dari konsumen dalam kuantitas yang tak tentu, tidak terjaminnya kualitas galon yang dapat digunakan kembali dan waktu pemakaian galon sulit diprediksi. Ketidakpastian kuantitas, waktu dan kualitas menyebabkan perusahaan sulit dalam mengambilan keputusan untuk mengendalikan persediaan. Kesulitan terjadi saat mengkordinasikan antara arus maju atau rencana produksi dengan arus mudur atau penarikan galon untuk persediaan. Kelancaran pengembalian galon kosong sangat mempengaruhi penyediaan kemasan galon kosong. Selain itu, belum adanya suatu alat bantu untuk mengelola pengadaan jumlah galon kosong maka perusahaan sering mengalami kesulitan dalam pengadaan dan berimplikasi pada proses produksi terhambat dan kebutuhan pelanggan terhadap produk tidak dapat terpenuhi.

Pada penelitian ini, penyusunan model dilakukan dengan pendekatan berencana yang dimulai dengan observasi lapang, identifikasi masalahan, pengumpulan data yang diperlukan, analisis data, perancangan model dan implementasi serta verifikasi. Model yang dikembangkan merupakan model simulasi dengan mempertimbangkan tingkat permintaan dan tingkat pengembalian galon kosong. Tingkat permintaan terhadap produk dimasa mendatang dapat diramalkan dengan suatu teknik peramalan deret berkala (time series) dan tingkat pengembalian galon kosong dapat diprakirakan dengan mensimulasikannya sesuai dengan sebaran data. Model diimplementasikan dan diverifikasi dalam perangkat lunak.

Keluaran dari model simulasi diharapkan memberi masukan bagi manajer produksi dan pihak manajemen persediaaan dalam mengambil alternatif kebijakaan berdasarkan informasi mengenai jumlah permintaan produk, tingkat persediaan produk, galon kosong yang kembali, periode kekurangan produk serta galon kosong dan waktu dilakukkan pengadaan galon kosong beserta kuantitasnya. Selain itu, model mampu mengestimasi jumlah persediaan di gudang secara efektif dan efisien sehingga tidak terjadi kelebihan atau kekurangan produk dan galon kosong.

13

3.2

PENDEKATAN BERENCANA

Pendekatan yang dilakukkan dalam penelitian ini menggunakan pendekatan berencana. Pendekatan berencana digunakkan untuk mengembangkan dan menerapkan model-model kuantitatif dalam pemecahan masalah-masalah spesifik. Tahapan dalam pendekatan berncana dimulai dengan pengamatan awal gejala permasalahan yang timbul, sedangkan metode penyelesaian disesuaikan dengan tujuan, peubah, batasan dan asumsi-asumsi dari alternatif solusi permasalahan yang ada. Pada Gambar 5 dapat dilihat secara garis besar langkah-langkah dalam pendekatan berencana.

Gambar 5. Tahapan dalam Pendekatan Berencana (Sumber: Thierauf dan Klekamp, 1975) Data yang diperlukan Tahapan pemecahan masalah Teknik yang digunakan

Observasi terhadap gejala Permasalahan dan

masalah Faktor, ide,

pendapat dan lain-lain

Verifikasi dari solusi optimum (model) melaui

implementasi Pendefinisian masalah yang nyata Pengembangan alternatif penyelesaian berdasarkan pada faktor yang

mempengaruhi Informasi dari seluruh sumber yang diperlukan Data empiris seluruhnya Pemilihan penyelesaian optimum berdasarkan analisa alternatif

Perbuatan kendali yang sesuai untuk deteksi

perubahan yang dipengaruhi oleh solusi Data empiris Peralatan standar (metode, teknik dan model) Pengembangan model minimasi Alat bantu komputer

14

Tahapan pendektan berencana yang dilakukan pada penelitian adalah sebagai berikut: 1. Observasi Lapang

Observasi lapang digunakan untuk mengetahui permasalahan yang terjadi secara nyata berupa fakta. Observasi merupakan pandangan selintas atau terkonsentrasi, terperinci, dan panjang lebar berdasarkan keperluan atas permasalahan persediaan yang sedang dipelajari. Dalam tahap ini dicari fakta-fakta, opini dan gejala yang mengarah terhadap permasalahan yang dapat membantu

mengembangkan pemahaman terhadap permasalahan persediaan, sehingga masalah dapat diidentifikasi dengan baik. Cara yang dilakukkan dengan mengajukan beberapa pertanyaan: apa, dimana, kapan, siapa, bagaimana dan mengapa.

2. Perumusan Masalah

Perumusan suatu permasalahan yang nyata merupakan suatu interaksi yang efektif dari fakta-fakta yang ada, yaitu: prosedur persediaan yang sedang dilakasanakan dengan pemahaman permasalahan berdasarkan alasan-alasan yang ada atau nyata. Tahap ini dapat menentukan faktor-faktor dan parameter yang mempengaruhi permasalahan yang ada seperti variabel-variabel yang berpengaruh terhadap kebijakan, kendala-kendala terhadap penyelesaian masalah, serta asumsi-asumsi yang diperlukan untuk menyelesaikan permasalahan.

3. Pengembangan Alternatif Penyelesaian

Pengembangan alternatif-alternatif penyelesaian merupakan pengembangan alternatif-alternatif sebagai suatu rangkaian aksi atau penyelesaian sementara dari permasalahan persediaan yang nyata. Dalam tahap ini dilakukan perumusan model-model matematika yang merupakan hipotesa-hipotesa penyelesaian sementara. Setiap pengembangan model matematika melaului tahap analisis data serta kendala yang ada di perusahaan.

4. Pemilihan Penyelesaian Optimal

Pemilihan penyelesaian optimal melalui tahap alternatif keputusan yang berdasarkan suatu analisis data dengan bantuan komputer.

5. Verifikasi Model

Verifikasi solusi optimal dilakukan dengan penerapan solusi tersebut pada sistem melalui tahap implementasi.

3.3

TATA LAKSANA

Diagram alir tahapan penelitian dapat dilihat pada Gambar 6 dan kerangka kajian analisis penelitian dapat dilihat pada Gambar 7. Penguraian dari tiap tahapan penelitian sebagai berikut : 1. Observasi Lapang dan Studi Pustaka

Observasi lapang dilakukan dengan mengamati langsung kegiatan pengendalian persediaan galon dan perencanaan produk`si di Perusahaan Umum Perhutani Unit III Jawa Barat dan Banten. Waktu penelitian dilakukan selama kurang lebih dua bulan terhitung bulan Maret sampai dengan bulan April 2010. Studi pustaka dilakukan untuk mempelajari sistem pengendalian persediaan galon yang diterapkan di perusahaan.

2. Identifikasi Masalah

Permasalahan utama yang terjadi diperusahaan dalam pengendalian kemasan galon adalah kekurangan galon kosong untuk mencukupi kebutuhan produksi yang diakibatkan kebijakan perusahaan yang tidak memiliki persediaan stok galon kosong. Ketiadaan stok galon kosong menyebabkan perusahaan tidak mampu memenuhi kebutuhan permintaan konsumen pada periode tertentu atau konsumen mengalami penundaan pemenuhan permintaan. Selain itu, belum adanya

15

suatu perangkat alat bantu pengambilan keputusan untuk mengelola pengadaan galon kosong sehingga proses produksi terhambat dab kebutuhan pelanggan terhadap produk tidak dapat terpenuhi.

3. Pengumpulan data

Pengumpulan data dilakukan pada bagian yang melakukan perencanaan produksi dan pengendaliaan persediaan yaitu bagian produksi dan bagian penggudangan. Pengumpulan data dilakukan melalui data sekunder dan observasi di lapangan secara langsung serta wawancara dengan pihak-pihak terkait dengan pengendalian persediaan galon dan perencanaan produksi. Data yang dikumpulkan berupa data permintaan (sales order), data galon yang kembali ke pabrik, data galon yang didistribusikan ke distributor atau konsumen, data persediaan produk, dan data galon yang rusak, kapasitas produksi, waktu produksi, waktu pemesanan galon kosong. Data yang diperlukkan dalam periode waktu bulan Januari sampai Maret 2011.

4. Pengolahan dan Analisis data

Persediaan kemasan galon dirumuskan dalam bentuk persamaan matemasika dan

diimplementasikan dalam suatu perangkat lunak perhitungan. Pada pengembangan model digunakan teknik penelitian operasional yaitu teknik simulasi untuk membangkitkan nilai dari tingkat

pengembalian galon kosong (rasio) berdasarkan sebaran data mengikuti suatu sebaran teoritis tertentu. Data prakiraan permintaan dapat diperoleh dengan menggunakan teknik peramalan.

Data yang dijadikan masukkan model pengendalian persediaan adalah data permintaan (sales order), data galon yang kembali ke pabrik, data galon yang didistribusikan ke distributor dan

konsumen, data galon setelah produksi, data persediaan akhir galon, data produksi aktual galon setelah produksi pada tiap periode. data galon yang cacat pada saat produksi dan saat pengembalian dari distributor dan konsumen.

5. Perancangan Model

Pada perancangan model, input model berupa data permintaan atau pengiriman produk, data pengembalian galon kosong, data persediaan produk. Output yang akan dihasilkan berupa prakiraan permintaan harian produk,tingkat persediaan produk, tingkat pengembalian galon kosong tiap periode dan kekurangan galon kosong (rasio). Output ini akan memberikan alternatif dalam pengadaan galon kosong untuk mengantisipasi kekurangan galon kosong untuk kebutuhan produksi.

6. Implementasi dan Verifikasi

Pada tahap implementasi hasil perancangan sistem diimplementasikan dalam bentuk program komputer menggunakan pemrograman Delphi 7 sebagai perangkat lunak user interface dan Ms.Acces digunakan sebagai perangkat lunak basis data. Verifikasi model dengan membandingkan perilaku model yang dihasilkan dengan keadaan aktual dari persediaan galon dengan keadaan aktual di pabrik atau industry.

16

Mulai

Pengamatan Lapangan dan Studi Pustaka

Pengambilan Data

Pengolahan dan Analisis Data

Perancangan Model

Implementasi Model

Verifikasi Model

Selesai

Tidak

Baik Ya

Model Pengendalian Persediaan Galon

17

Mulai

Data Permintaan Produk

Data Pengembalian

Galon Kosong

Analisis Pola Data : Plot Data per periode hari _{TP= Data Pengembalian/ Data Pengiriman} Tingkat Pengembalian

Pemilihan Teknik Perkiraan

Uji Distribusi Data (EasyFit 5.5)

Model Peramalan Permintaan

Hasil Prakiraan Permintaan

Terima Nilai Error (MAPE)

Model Estimasi Prakiraan Permintaan

Model Estimasi Kondisi Persediaan

Uji Kolmogrov Sminorv

Uji Anderson Darling Terima H0

Ya H0: data berdistribusi

teoritis tertentu

Terima H0

Estimasi Tingkat Pengembalian Galon Menggunakan Simulasi Teoritis Ya

Tidak

Estimasi Prakiraan Permintaan menggunakan Pemulusan

Eksponensial Tunggal

Ya

Estimasi Tingkat Pengembalian Galon Meggunakan Simulasi empiris

Tidak TIdak

18 Model Estimasi Kondisi Persediaan

Input :

Persediaan Produk, Kapasitas Produksi, Target Kerusakan Galon, Galon Kosong Kembali,

Target Penyimpangan Perencanaan

Periksa Stok Produk Terhadap Permintaan

Estimasi Permintaan Produksi

Hitung kekurangan galon kosong Hitung kekurangan Produk

Periksa Galon Kosong Kembali

Realisasi Produksi

Hitung Stok Akhir Produk

Hitung produk yang dapat dikirim

Estimasi Galon Kosong kembali

Selesai A

19

BAB IV

PEMODELAN SISTEM

4.1

ASUMSI PERHITUNGAN MODEL

Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi ini yang digunakan antara lain :

1. Model pengendalian persediaan galon yang dilakukan terhadap satu ukuran galon yaitu galon dengan ukuran 19 liter.

2. Perhitungan hal-hal yang terdapat dalam model antara lain: estimasi jumlah permintaan per periode waktu, tingkat persediaan produk, estimasi kekurangan produk, estimasi produksi, realisasi produksi, pengiriman produk, tingkat pengembalian galon kosong, jumlah galon kosong yang kembali, kekurangan galon kosong, dan penambahan galon kosong serta antisipasi galon kosong

3. Ruang lingkup pemodelan hanya dalam rentang bulan Januari – Maret 2011. 4. Model pengendalian persediaan galon dikembangkan dalam periode harian. 5. Periode estimasi dilakukkan sebanyak 91 periode mendatang.

6. Pengendalian persediaan galon terbatas pada satu areal pabrik, sedangkan kondisi persediaan di gudang distribusi dan pemasaran tidak dipertimbangkan sebagai kajian dalam model.

7. Mesin-mesin, fasilitas dalam proses produksi, dan keadaan alat transportasi galon diasumsikan tidak terdapat gangguan.

8. Kegiatan produksi dilakukkan satu minggu selama 6 hari waktu kerja.

9. Kegiatan produksi dilakukkan dalam satu shift atau 8 jam waktu kerja, overtime dilakukan maksimal satu shift

10. Kapasitas produksi dalam satu shift kerja yaitu 800 buah galon atau setara dengan 1500 liter. 11. Pengiriman produk dan pengembalian galon kosong dilakukkan setiap hari.

12. Kerusakan atau reject galon diasumsikan 0,1 % dari total produksi yang dihasilkan dalam waktu satu shift kerja.

13. Estimasi penyimpangan pengiriman dari prakiraan permintaan diasumsikan 1%.

4.2

KONFIGURASI MODEL

Model pengendalian persediaan galon diberi nama PMIG 1.0 merupakan program aplikasi yang berguna untuk membantu perusahaan dalam mengambil kebijakan pengendalian persediaan galon dengan mempertimbangkan tingkat pengembalian galon dan permintaan terhadap produk.

PMIG 1.0 terdiri dari sistem manajemen basis data, sistem manajemen basis model, dan sistem manajemen dialog. Pengembangan bahasa pemrograman menggunakan Borland Delphi 7.0

untuk pengembangan sistem, Microsoft Accsess 2007 untuk pengembangan tabel data, dan menggunakan perangkat lunak easy fit 5.5 untuk mengidentifikasi dan mensimulasikan data. Konfigurasi model dapat dilihat pada Gambar 8.

20 Pengguna

Sistem Manajemen Dialog

Sistem Pengolahan Problematik

Sistem Manajemen

Basis Data Sistem Manajemen Basis Model

Basis 1. Data Pengiriman 2. Data Pengembalian

3. Data Tingkat Pengembalian Galon Kosong

4. Data Persediaan Produk

Sub Model Prakiraan Permintaan Sub Model Tingkat

Pengembalian Galon Kosong

Sub Model Estimasi Kondisi Persediaan 2

1

3

Konstanta Model Konstanta Model

Hasil Estimasi

Hasil Estimasi Dokumentasi

Data dan Hasil

4

Hasil Prakiraan

Tingkat Persediaan

Gambar 8. Konfigurasi Perangkat Lunak PMIG 1.0

4.3

KERANGKA MODEL

Kerangka model terdiri dari sistem manajemen dialog, sistem manajemen basis data dan sistem manajemen model yang terdiri dari beberapa sub model yaitu:

4.3.1 Sistem Manajemen Dialog

Sistem ini merupakan model yang berfungsi untuk mengatur interaksi antara pengguna dengan perangkat lunak sehingga dalam penggunaannya sesuai dengan fungsi. Pengaturan keluaran perangkat lunak dibuat dalam bentuk tabel dan kotak teks (textbook) yang mudah digunakan oleh pengguna.

4.3.2 Sistem Manajemen Basis Data

Sistem ini berfungsi untuk mengelola data-data yang diperlukan dalam perangkat lunak tersebut. Kelengkapan pengelolaan data, penghapusan data, perubahan data, dan tampilan data.

21

4.3.3 Sistem Manajemen Basis Model

Sistem ini terdiri dari model-model matematika yang digunakan untuk megelola data sehingga diperoleh solusi akhir yang diinginkan. Model-model tersebut memiliki fungsi tertentu dan saling berhubungan terdiri dari :

1. Model Prakiraan Permintaan Produk

Model ini digunakan untuk memprakirakan jumlah permintaan produk selama periode estimasi. Input data dari model ini adalah data pengiriman produk. Teknik estimasi yang disediakan metode peramalan deret waktu (time series). Penggunaan teknik prakiraan disesuaikan dengan pola data dan model prakiraan yang memiliki nilai persentase kesalahan absolut rata-rata (MAPE) terkecil. Output dari model ini menjadi masukan untuk model estimasi keadaan persediaan galon.

2. Model Tingkat Pengembalian Galon Kosong

Model ini menggunakan perangkat lunak easy fit 5.5 dengan mensimulasikan rasio tingkat pengembalian galon kosong dengan membandingkan antara pengembalian galon kosong dengan pengiriman produk pada periode tertentu. Model ini dimulai dengan mengidentifikasi jenis sebaran data dari nilai rasio tertentu apakah mengikuti sebaran teoritis tertentu atau tidak lalu disimulasikan berdasarkan sebaran data yang telah teridentifikasi. Input model ini adalah data pengiriman produk dan data pengembalian galon kosong. Output model ini menjadi masukan untuk model estimasi keadaan persediaan galon.

3. Model Estimasi Kondisi Persediaan Galon

Model estimasi ini mensimulasikan kondisi persediaan produk dan galon kosong di gudang Perum Perhutani Unit III Jawa Barat dan Banten jika dilakukan kebijakan persediaan tertentu. Input data dari model ini adalah data prakiraan permintaan, hasil estimasi rasio tingkat pengembalian galon kosong, estimasi kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. Model terdiri dari tujuh sub model yaitu:

3.1 Sub Model Tingkat Persediaan Produk

Sub model ini berfungsi untuk menghitung tingkat persediaan produk pada setiap periode estimasi. Hasil perhitungan ini menunjukan jumlah persediaan produk di gudang setelah terpenuhinya permintaan produk pada periode sekarang. Sub model akan memberikan informasi mengenai jumlah persediaan yang tersedia sebagai input untuk mengestimasi kekurangan produk dalam model estimasi kekurangan galon. Apabila tingkat persediaan minus menandakan bahwa stok produk periode sebelumnya tidak mencukupi permintaan pada periode sekarang. Persediaan produk ditentukan oleh banyaknya stok produk yang tersedia di gudang. Pengiriman produk ke gudang distributor dan kebocoran produk saat penyimpanan.

3.2 Sub Model Estimasi Kekurangan Produk

Sub model ini berfungsi untuk mengestimasi jumlah produk yang tidak mampu memenuhi permintaan pada periode sekarang atau periode mendatang. Sub model memberikan perintah untuk dilakukan rencana produksi minimal sejumlah kekurangan

22

produk tersebut. Output dari sub model akan memberikan masukan kepada model estimasi produksi untuk dilakukkan rencana produksi.

3.3 Sub Model Estimasi Produksi

Sub model ini berfungsi sebagai rencana produksi oleh bagian produksi dengan mempertimbangkan estimasi kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Selain itu, sub model memberikan informasi banyaknya jumlah galon kosong yang diperlukan untuk berproduksi. Semakin besar jumlah kekurangan produk maka semakin besar produk yang harus dihasilkan dan semakin banyak pula galon kosong yang diperlukan. Output sub model ini menjadi input untuk sub model realisasi produksi. 3.4 Sub Model Realisasi Produksi

Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Sub model ini mensimulasikan jumlah produk yang akan dihasilkan bagian produksi. Realisasi produksi ditentukan oleh banyak atau sedikitnya galon kosong yang kembali pada setiap produk. Input sub model ini adalah jumlah produk yang harus diproduksi dari model estimasi produksi dengan jumlah stok galon kosong yang kembali pada periode sebelumnya. Output sub model ini menjadi masukan untuk model pengiriman produk.

3.5 Sub Model Pengiriman Produk

Sub model ini menghitung jumlah produk yang siap dikirim per periode. Pertama sub model akan menghitung rencana jumlah pengiriman produk dengan mengalikan prakiraan permintaan dengan estimasi penyimpangan prakiraan permintaan. Setelah itu, sub model akan membandingkan antara nilai rencana jumlah pengiriman produk terhadap stok produk, stok awal ditambah denganproduk dari produksi. Nilai yang lebih kecil akan digunakan sebagai produk yang siap dikirim untuk periode tersebut. Output sub model ini menjadi masukan untuk model stok produk dan sub model estimasi pengembalian galon kosong.

3.6 Sub Model Stok Produk

Sub model ini berfungsi untuk menghitung jumlah stok produk pada tiap akhir periode estimasi. Nilai stok diperoleh dari jumlah stok produk di awal periode ditambah dengan hasil produksi dikurangi volume produk yang dikirim ke gudang cabang dan estimasi kerusakana atau kebocoran galon. Output sub model ini menjadi masukan bagi sub model tingkat persediaan dan sub model pengiriman produk.

3.7 Sub Model Estimasi Pengembalian Galon Kosong

Sub model ini berfungsi untuk mengestimasi jumlah kosong yang akan kembali pada periode estimasi. Banyak atau kecilnya estimasi galon kosong yang kembali bergantung pada rencana pengiriman produk. Sub model ini didapatkan dari perkalian antara rasio tingkat pengembalian galon kosong dengan jumlah produk yang akan dikirimkan pada periode tersebut. Rasio tingkat pengembalian galon kosong didapatkan dari hasil simulasi dengan sebaran data tertentu yang disimpan dalam basis data yang merupakan output dari sub model tingkat pengembalian galon kosong.

23

3.8 Sub Model Kekurangan Galon Kosong

Sub model ini berfungsi menghitung kekurangan galon kosong untuk produksi yang didapatkan dari selisih antara volume galon kosong yang dibutuhkan untuk produksi dengan volume galon kosong yang kembali jika volume galon kosong kembali lebih kecil dari volume galon kosong yang dibutuhkan.

3.9 Sub Model Kelebihan Galon Kosong

Sub model ini berfungsi untuk menghitung kelebihan galon kosong. Kelebihan galon diperoleh apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kelebihan galon kosong dihitung dari selisih antara kapasitas produksi yang terpasang dikurangi dengan estimasi jumlah produksi.

4.4

RANCANGAN MODEL

4.4.1 Sistem Manajemen Dialog

Sistem digunakan untuk mempermudah pengguna dalam melakukan pengolahan data dengan memasukan data-data dari pengguna serta untuk menyampaikan solusi yang dihasilkan pengolahan perangkat lunak kepada pengguna. Dialog dibuat sebaik mungkin agar memudahkan interaksi antara pengguna dengan model. Tampilan program dapat dilihat pada Gambar 9.

24

4.4.2 Sistem Manajemen Basis Data

Sistem Manjemen basis data terdiri dari dua modul yaitu untuk menyiman data dan untuk menyimpan paramenter evaluasi data.

4.4.2.1 Modul Data

Modul ini menyimpan data dari jumlah pengiriman produk, jumlah pengembalian galon kosong, data hasil estimasi prakiraan permintaan dan data hasil simulasi tingkat pengembalian galon kosong.

4.4.2.2 Modul Parameter

Parameter yang dimasukan dalam model ini adalah data terbaru saat dilakukan estimasi, parameter jumlah periode yang akan diestimasi, estimasi kerusakan atau kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan.

4.4.3 Sistem Manajemen Basis Model

Model dikembangkan dalam tiga model yaitu model prakiraan permintaan, model tingkat pengembalian galon kosong dan model estimasi kondisi persediaan galon. Model prakiraaan permintaan berfungsi sebagai acuan untuk menyusun rencana produksi. Prakiraan permintaan dapat dijadikan acuan dalam penentuan tingkat persediaan, pengiriman produk dan kebutuhan galon kosong untuk produksi. Model prakiraan permintaan memberikan beberapa metode untuk menghitung perkiraan jumlah permintaan masa depan dengan menggunakan data historis pengiriman galon isi.

Model estimasi kondisi persediaan galon berfungsi untuk menggambarkan keadaan nyata mutasi galon mulai dari kedatangan galon kosong atau penambahan galon baru, produksi, sampai dengan persediaan galon isi. Model ini memperhitungkan tingkat persediaan produk, kekurangan produk, estimasi permintaan produksi, realisasi produksi, pengiriman produk, hasil produksi, estimasi galon kembali, kekurangan galon kosong, dan stok produk. Diagram alir yang menggambarkan keterkaitan antara model dan sub model dapat dilihat pada Gambar 10.

1. Model Prakiraan Permintaan Galon Isi

Model ini berfungsi untuk memprediksi jumlah permintaan produksi dari konsumen. Model memprakirakan permintaan dalam periode harian dengan menggunakkan data historis pengiriman sebanyak 91 hari dari tanggal 2 Januari 2011 sampai dengan tanggal 2 April 2011. Model akan mengestimasi prakiraan permintaan sebanyak 91 periode mendatang. Dalam model ini akan disediakan beberapa metode pemulusan seperti, perataan bergerak tunggal, eksponensial tunggal, eksponensial ganda dan metode winters. Pemilihan teknik prakiraan permintaan dapat dilihat dari pola data yang terbentuk. Tabel 1 menunjukan cara pemilihan teknik prakiraan permintaan berdasarkan pola data yang terbentuk.

25

Tabel 1. Parameter Pemilihan Teknik Prakiraan Permintaan Deret Waktu Pola Data Perataan

Bergerak Tunggal Perataan Eksponensial Tunggal Perataan Eksponensial Ganda Metode Winters

Kerandoman Acak/Berpola Acak/Berpola Acak / Bepola Berpola/ Tidak Dapat Ditentukan

Stasioner Ya Tidak Tidak Tidak

Non Stasioner Linear Non Stasioner Non Linear Non Stasioner Musiman

Pertama, data historis diplotkan dalam grafik lalu dibaca sesuai dengan pola data yang terbentuk. Teknik peramalan perataan bergerak tunggal dipilih apabila pola data yang terbentuk stasioner. Teknik perataan bergerak tunggal dipilih karena mampu mengubah pengaruh data masa lalu terhadap nilai tengah. Setiap muncul nilai observasi baru, nilai rata-rata baru dapat dihitung dengan membuang nilai observasi yang paling tua dan memasukkan nilai observasi yang terbaru. Jika pola data menunjukan kecenderungan (trend) atau membentuk deret eksponensial, digunakan peramalan dengan teknik pemulusan eksponensial tunggal dan teknik pemulusan eksponensial ganda. Sedangkan apabila pola data menunjukan pola data tertentu dan adanya pengaruh musiman ataupun tidak dapat ditentukan pola datanya maka metode winters dapat digunakan. Setelah pemilihan teknik peramalan yang sesuai dengan pola data terbentuk maka nilai estimasi X(t) = nilai peramalan F(t+m).

1.1 Metode Perataan Bergerak Tunggal (SMA)

Langkah-langkah pemodelan dengan metode perataan bergerak tunggal adalah: a. Penentuan panjang periode perataan bergerak N, banyak data m prakiraan . b. Perhitungan rata-rata data T-n+1 sampai data ke t, S

c. Tentukan peramalan data ke t dengan m =1 dengan persamaan 1

t T

F





S

atau MAT

1.2 Metode Pemulusan Eksponensial Tunggal (SES)

Langkah-langkah pemodelan dengan metode pemulusan eksponensial tunggal adalah: a. Penentuan nilai konstanta alfa ( ) antara 0 sampai 1, banyak data m prakiraan b. Inisiasi 1

1 2 3 4 5 6

6

X X X X X X F      

Tidak Ya Ya

Tidak

Ya

Ya Ya

Tidak / Ya

Ya

1 2 ... 1

T

t t t t N

X X X X

S N          Tidak Tidak

26

c. Perhitungan peramalan (F(t)) :













 

1 1 1

1 1

1 1

t t t t t t

t t t t t t t

F X F atau F X F

F F X F atau F F

                       dimana,

Ft = Nilai peramalan = Konstanta Pemulusan t = Kesalahan (error)

1.3 Metode Pemulusan Eksponensial Ganda (Holt’s Method)

Langkah-langkah pemodelan dengan merode pemulusan eksponensial (Holt‟s Method) adalah:

a. Penentuan nilai konstanta alfa ( ) dan beta ( ), banyak data m prakiraan b. Inisiasi nilai F1 =X1

dan

b1 = X2-X1

c. Perhitungan pemulusan:









1

 

1



11

1

1

t t t t

t t t t

S

X

S

b

b

S

S

b









   



 







 

dimana,

St = Pemulusan Keseluruhan bt = Pemulusan Trend

d. Perhitungan Peramalan F(t) :

F

_{t m}

 

S

_t

b m

_t

( )

1.4 Metode Winters

Langkah-langkah pemodelan dengan metode winters adalah :

a. Penentuan nilai konstanta alfa ( ), beta ( ),dan gamma ( ), banyak data m prakiraan b. Inisiasi nilai

_

t t

I  X / X,

L _

i i 1

X

X / L







, dan



1 1

 

2 2





1



1 1

1

,

L L L L

awal L L

X X X X X X

b S X

L L L L

           _    _   

c. Perhitungan pemulusan









 







1 1 1 1 1 1 1 t

t t t

t L

t t t t

t

t t L

t

X

S S b

I

b S S b

X I I S                       

dimana, St = Pemulusan Keseluruhan bt = Pemulusan Trend It = Pemulusan Musiaman d. Perhitungan Peramalan

( )

F S b m I

61 Hari

Permintaan persediaan Kekurangan

Produk Produksi Produksi Galon Isi Produk Pengembalian

Kosong Kembali

Galon Untuk Produksi

Galon Kosong

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)

80 63 306 0 462 462 62 768 0.642557814 40 0 0

81 523 245 0 40 40 518 290 0.972125086 503 0 0

82 276 14 0 503 503 273 519 1.669985392 456 0 0

83 446 73 415 456 456 442 532 1.149678439 508 0 0

84 488 44 0 0 0 483 49 0.578894495 280 0 0

85 0 49 0 280 788 0 836 1.001756412 0 0 0

86 400 436 0 0 0 396 440 1.062458959 421 0 0

87 12 428 0 421 421 12 848 2.972125086 35 0 0

88 423 425 0 35 35 419 464 1.335069207 559 0 0

89 133 331 0 559 559 132 890 1.335650251 176 0 0

90 525 365 113 176 176 520 545 1.033629609 537 0 0

91 478 67 0 0 537 473 608 1.043135798 494 0 0

62

Hari Prakiraan

Permintaan Tingkat persediaan Estimasi Kekurangan Produk Estimasi Produksi Realisasi Produksi Pengiriman Galon Isi Stok Produk Tingkat Pengembalian Galon Kosong Kembali Kekurangan Galon Untuk Produksi Kelebihan Galon Kosong Penambahan Galon Kosong

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)

1 110 301 0 315 315 109 616 0.997252825 109 0 0

2 357 259 0 109 109 353 372 0.893718335 316 0 0

3 33 339 0 316 316 33 654 1.115565238 36 0 0

4 480 174 0 36 36 475 215 0.842839708 401 0 0

5 16 199 0 401 401 16 599 2.278264324 36 0 0

6 130 469 0 36 278 129 747 0 0 0 0 242

7 491 256 0 0 0 486 261 0.42176839 205 0 0

8 261 0 0 205 205 258 208 1.075244781 278 0 0

9 126 82 0 278 382 125 465 1.169709408 146 0 0 104

10 465 0 0 146 146 460 151 0.893718335 411 0 0

11 54 97 0 411 559 53 656 0.477348944 26 0 0 148

12 295 361 0 26 26 292 390 0.879694735 257 0 0

13 390 0 0 257 257 386 261 1.59558029 616 0 0

14 160 101 0 0 0 158 103 0.271005257 43 0 0

15 0 103 0 43 659 0 761 0.792984271 0 0 0

16 544 217 0 0 198 539 420 1.135596188 612 0 0 198

17 420 0 0 612 612 416 615 0.914191024 380 0 0

18 98 517 0 380 380 97 897 1.242828718 121 0 0

19 450 447 0 121 121 446 571 1.022654815 456 0 0

20 25 546 0 456 456 25 1001 1.077409191 27 0 0

21 510 491 0 0 0 505 496 0.579318483 292 0 0

22 6 490 0 292 319 6 808 1.075293822 6 0 0

23 52 756 0 6 6 51 762 1.274427648 66 0 0

24 549 213 0 66 222 544 440 1.012034112 550 0 0 156

25 440 0 0 550 550 436 553 0.872887473 380 0 0

26 34 519 0 380 380 34 898 1.073212747 36 0 0

63

27 417 481 0 201 195 413 679 1.028187341 424 0 0 159

28 337 342 0 0 0 334 345 1.091534592 364 0 0

29 345 0 0 364 788 342 790 0.968905398 331 0 0

30 428 362 0 331 331 424 696 1.762891242 747 0 0

31 0 696 0 747 747 0 1442 0 0 0 0

32 478 964 0 0 0 473 968 0.92132432 436 0 0

33 0 968 0 436 436 0 1403 1.025774312 0 0 0

34 11 1392 0 0 0 11 1391 1.250762374 14 0 0

35 600 791 0 0 0 594 796 0.987899966 587 0 0

36 0 796 0 587 601 0 1396 1.878649441 0 0 0

37 471 925 0 0 0 466 929 1.069939499 499 0 0

38 493 436 0 499 499 488 939 0.632986967 309 0 0

39 80 859 0 309 309 79 1168 0.881977781 70 0 0

40 424 744 0 70 70 420 817 0.957644138 402 0 0

41 65 752 0 402 402 64 1154 0.498311881 32 0 0

42 515 639 0 0 0 510 643 1.483377605 756 0 0

43 10 633 0 756 788 10 1420 0.836375611 8 0 0

44 738 682 0 8 8 731 696 0.732980066 536 0 0

45 0 696 0 536 536 0 1231 0.836163879 0 0 0

46 407 824 0 0 0 403 827 1.645761942 663 0 0

47 100 727 0 663 663 99 1390 0.916140306 91 0 0

48 267 1123 0 91 91 264 1216 0 0 0 0

49 522 694 0 0 0 517 698 0.626289383 324 0 0

50 126 572 0 324 324 125 896 0.523832375 65 0 0

51 522 374 0 65 65 517 444 0.948713399 490 0 0

64

Hari Prakiraan

Permintaan Tingkat persediaan Estimasi Kekurangan Produk Estimasi Produksi Realisasi Produksi Pengiriman Galon Isi Stok Produk Tingkat Pengembalian Galon Kosong Kembali Kekurangan Galon Untuk Produksi Kelebihan Galon Kosong Penambahan Galon Kosong

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)

53 538 270 0 115 115 533 390 1.419460204 756 0 0

54 244 146 0 756 842 242 989 0.986224332 238 0 0 86

55 523 466 0 238 238 518 708 1.08689858 563 0 0

56 704 4 0 0 0 697 11 0.066015234 46 0 0

57 0 11 0 46 609 0 619 0.778264682 0 0 0

58 117 502 0 0 0 116 502 2.659329918 308 0 0

59 400 102 0 308 308 396 414 1.585871823 628 0 0

60 400 14 0 628 628 396 645 1.271884873 504 0 0

61 472 173 0 504 504 467 681 1.163304482 544 0 0

62 127 554 0 544 544 126 1098 1.917779048 241 0 0

63 110 988 0 0 0 109 988 0.807029457 88 0 0

64 400 588 0 88 329 396 920 0.827721845 328 0 0

65 140 780 0 328 328 139 1108 0.865792237 120 0 0

66 656 452 0 120 120 649 578 0.88231023 573 0 0

67 259 319 0 573 573 256 894 0 0 0 0

68 637 257 0 0 0 631 263 0.749431656 473 0 0

69 0 263 0 473 473 0 735 0.713355817 0 0 0

70 510 225 0 0 0 505 230 1.341583767 677 0 0

71 44 186 0 677 677 44 862 1.96872303 86 0 0

72 174 688 0 86 296 172 985 0 0 0 0

73 818 167 0 0 0 810 175 0.815628061 661 0 0

74 0 175 0 661 661 0 835 2.9286132 0 0 0

75 494 341 0 0 0 489 346 0.696274344 341 0 0

76 156 190 0 341 341 154 532 0.731978762 113 0 0

77 520 12 0 0 0 515 17 1.323077642 681 0 0

78 1 16 0 681 794 1 809 1.062284116 1 0 0

65

Produk Kembali Produksi Kosong Kosong

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)

80 63 316 0 462 462 62 778 0.642557814 40 0 0

81 523 255 0 40 40 518 300 0.972125086 503 0 0

82 276 24 0 503 503 273 529 1.669985392 456 0 0

83 446 83 405 456 456 442 542 1.149678439 508 0 0

84 488 54 0 0 0 483 59 0.578894495 280 0 0

85 0 59 0 280 788 0 846 1.001756412 0 0 0

86 400 446 0 0 0 396 450 1.062458959 421 0 0

87 12 438 0 421 421 12 858 2.972125086 35 0 0

88 423 435 0 35 35 419 474 1.335069207 559 0 0

89 133 341 0 559 559 132 900 1.335650251 176 0 0

90 525 375 103 176 176 520 555 1.033629609 537 0 0

91 478 77 0 0 537 473 618 1.043135798 494 0 0