9
2.3 Penelitian Pengendalian Persediaan dengan Penerapan Metode MRP
Teknik LFL Lot For Lot, EOQ Economic Order Quantity, POQ
Period Order Quantity, PPB Part Period Balancing, Metode Simulasi Monte Carlo, dan Metode Probabilistik
Kurniawan 2008 menganalisis persediaan bahan baku Kecap Segitiga Majalengka. Sistem pengendalian bahan baku yang digunakan adalah dengan
menggunakan metode perencanaan bahan baku Material Requirement PlanningMRP, teknik yang digunakan dalam metode ini adalah Lot For Lot
LFL, Economic Order Quantity EOQ, dan Periode Order Quantity POQ. Dengan teknik LFL yang dilakukan peneliti ternyata hasil frekuensi pemesanan
jauh lebih besar dari frekuensi yang dilakukan perusahaan pada biasanya, sehingga akan menimbulkan peningkatan biaya pemesanan. Ini terjadi karena
perusahaan tidak memiliki persediaan pada awal periode namun hanya melakukan persediaan bersih pada setiap periodenya. Dari jumlah persediaan dengan metode
LFL itu maka total biaya persediaan lebih tinggi dari teknik perusahaan yaitu sebesar Rp. 27.659.749. Dengan menggunakan teknik EOQ perusahaan
melakukan pemesanan bahan baku yang lebih rendah dibandingkan dengan teknik yang biasa dilakukan perusahaan. Biaya total yang dikeluarkan perusahaan
dengan menggunakan teknik ini adalah sebesar Rp. 9.365.809 dari biaya yang ditanggung perusahaan sebesar Rp. 14.106.010, di sini terjadi penghematan
mencapai hampir setengahnya, maka teknik ini optimal bila dilakukan perusahaan. Maka nilai hasil EOQ ini dapat digunakan sebagai acuan teknik LFL sebagai
persediaan bersih. Sedangkan dengan teknik POQ menghasilkan biaya total persediaan sebesar Rp. 8.278.409 dan merupakan penghematan biaya terbesar bila
dibandingkan dengan teknik EOQ, hal ini terjadi karena pada teknik POQ dapat mengurangi biaya penyimpanan sediaan kebutuhan yang tidak seragam.
Ruslan 2002 menganalisis tentang pengendalian persediaan bahan baku kecap asin di PT. Alam Aneka Aroma Sukabumi. Analisisnya menggunakan
model MRP dengan teknik analisis PPB Part Period Balancing dan EOQ dan tidak menggunakan teknik LFL, karena menurutnya perusahaan perlu memiliki
data perencanaan bahan baku yang akurat untuk setiap kali proses produksi, padahal dalam penelitiaanya Ruslan juga menganalisis tentang peramalan
10 penjualan yang kemudian dilakukan analisis perencanaan produksi. Oleh karena
itu teknik LFL tidak digunakan. Dari hasil analisis menggunakan model MRP dengan teknik analisis PPB total persediaan bahan baku caramel yang dihemat
dalam setahun sebesar 74,25 persen, sedangkan dengan teknik EOQ total persediaan bahan baku caramel yang dapat dihemat selama setahun adalah sebesar
70,75 persen. Sedangkan untuk persediaan bahan baku kedelai biaya persediaan yang bisa dihemat dengan PPB adalah sebesar 88,23 persen sedangkan dengan
teknik EOQ sebesar 85,11 persen. Kemudian untuk bahan baku garam, biaya persediaan yang dapat dihemat dengan teknik PPB adalah sebesar 57,53 persen
sedangkan dengan teknik EOQ sebesar 52,62 persen. Jadi dengan teknik PPB memperoleh penghematan terbesar dibandingkan dengan teknik EOQ.
Heni 2005 dalam penelitiannya menganalisis tentang “Perencanaan dan Pengendalian Persediaan Bahan Baku Melalui Pendekatan Simulasi”. Dalam
penelitiannya Heni menggunakan alat analisis dengan simulasi Monte Carlo dan tidak menggunakan model penelitian MRP karena analisis tersebut pada kondisi
nyata sulit untuk diterapkan terutama teknik EOQ, karena ketatnya asumsi yang membatasi berlakuknya teknik EOQ, antara lain permintaan dan lead time yang
harus diketahui dengan pasti dan konstan. Maka digunakanlah simulasi Monte Carlo yang sesuai dengan kondisi perusahaan yang melayani job order yang
sifatnya tidak pasti. Cara analisis yang dilakukan peneliti adalah dengan mengumpulkan data yang dibutuhkan untuk menjawab permasalahan yang terkait
dengan tujuan penelitian. Data yang dibutuhkan diambil dari PT Cedefindo yang berupa data bulanan tahun 2002 dan tahun 2003. Untuk menganalisis data
digunakan metode peramalan time series yang meliputi Metode Moving Average, Metode Single Exponential Smoothing dan Metode Double Exponential
Smoothing, serta Simulasi Monte Carlo. Berdasarkan rencana produksi dihitung kebutuhan bahan baku tahun 2004 menggunakan metode konvensional yang
digunakan perusahaan, metode rata-rata kebutuhan berdasar simulasi, metode simulasi dengan target pesimis dan metode simulasi dengan target optimis.
Stok bahan baku akhir tahun 2004 dihitung dengan metode konvensional menghasilkan nilai Rp 619.887.971,-. Nilai stok akhir dengan metode
konvensional adalah nilai 176 bahan baku yang digunakan untuk memproduksi 32
11 produk pareto A di tahun 2004. Dari 389 bahan baku yang ada, dilakukan simulasi
khusus untuk 176 bahan yang digunakan oleh produk pareto A. Kebutuhan berdasarkan
metode simulasi
ini adalah
berdasarkan realisasi
pemakaian bahan tahun 2002 dan 2003 khusus untuk 176 bahan yang selain digunakan oleh 32 produk pareto A juga digunakan oleh sebagian besar produk
non pareto A yang berjumlah 196 produk. Nilai stok bahan di akhir tahun 2004 bila dihitung dengan metode rata-rata kebutuhan berdasarkan hasil simulasi
diperoleh nilai Rp 634.677.257. Berdasarkan perhitungan tersebut terdapat selisih Rp 14.789.286 antara stok yang dihitung dengan metode konvensional yang saat
ini digunakan perusahaan dan metode rata-rata hasil simulasi. Dengan kata lain terdapat selisih sebesar Rp 14.789.286,- yang menunjukkan kebutuhan untuk
pembelian bahan baku di luar bahan-bahan yang digunakan pada produk pareto A. Nilai tersebut cukup kecil, terbukti bila dihitung rencana produksi rata-rata
penjualan enam bulan terakhir dan kebutuhan bahan baku untuk 20 produk non pareto
A dibutuhkan
53 jenis bahan baku,
dan diperoleh
nilai stok bahan baku akhir tahun 2004 yang jauh lebih besar, yaitu Rp 88.854.054.
Perhitungan stok akhir bahan baku dengan metode simulasi dengan target pesimis menghasilkan nilai Rp 465.915.596,- Kebutuhan dengan target pesimis adalah
kebutuhan dengan rata-rata hasil simulasi dikurangi dengan standar deviasi dari pemakaian bahan baku. Perhitungan kebutuhan bahan baku dengan target optimis
menghasilkan kebutuhan bahan baku tiap bulan dengan rata-rata hasil simulasi ditambah standar deviasi yang menghasilkan nilai stok akhir sebesar Rp
886.525.514. Hira 2001 meneliti tentang perencanaan pengendalian persediaan bahan
baku ikan Tuna Loin di PT. Bonecom Jakarta. Metode penelitian yang digunakan dengan Simulasi Monte Carlo dan metode persediaan Probabilistik. Metode ini
digunakan untuk menghitung jumlah tiap pemesanan Q, tingkat persediaan SS, dan total biaya persediaan. Berdasarkan hasil simulasi tingkat penjualan ekspor
tuna loin untuk periode 2000 hingga 2005, rata rata tingkat penjualan perbulannya adalah 28.504,92 kg tahun 2000, 26.128,75 kg tahun 2001, 16.624,08 kg
tahun 2002, 30.881,08 kg tahun 2003, 27.316,83 kg tahun 2004 dan 30.881,08 kg tahun 2005.
Dengan menggunakan metode persediaan
12 probabilistik, dapat diketahui bahwa jumlah pemesanan bahan baku yang optimal
dan jumlah ikan tuna sebagai bahan baku penyangga buffer stock yang harus tersedia guna menjaga kelancaran berproduksi. Pemesanan optimal bertujuan
untuk menentukan jumlah pembelian bahan baku yang optimal dalam setiap kali pemesanan dilakukan. Adanya perubahan pada setiap jumlah pemesanan
disebabkan oleh adanya perubahan pada tingkat penjualan, karena hubungan keduanya berbanding lurus. Rata rata pemesanan optimal untuk setiap pemesanan
adalah 1.477,81 kg, angka ini merupakan rata pelaksanaannya. PT. Bonecom mengalami over stock sebesar 32,38 persen dari yang seharusnya tersedia, karena
secara teoritis, tingkat persediaan disediakan sebesar 10 - 20 dari total kebutuhan bahan baku selama kegiatan proses produksi. Ikan tuna yang tersimpan
sebagai persediaan berdasarkan data tahun 1998-1999 adalah sebanyak 1.560.315,35 kg atau rata-rata persediaan 65.013,14 kg, sedangkan hasil
perhitungan bahwa jumlah ikan tuna sebagai bahan baku yang sebaiknya tersedia adalah sebesar 43.960 kg. Selain itu jumlah pemesanan yang dilakukan oleh PT.
Bonecom selama ini melebihi kebutuhan berdasarkan pada tingkat penjualan sebesar 1.935,24 kgpesanan yang bernilai Rp. 24.771.072. Berdasarkan data
aktual tahun 1998-1999, total pembelian ikan tuna adalah sebanyak 2.491.529,19 kg, dengan perhitungan 1 tahun adalah 365 hari kerja, maka rata rata pembelian
ikan tuna adalah sebanyak 3.413,05 kgpesanan yang bernilai Rp. 43.687.040. Hasil perhitungan dengan menggunakan metode persediaan probabilistik jumlah
pemesanan optimal adalah 1.477,81 kgpesanan yang bernilai Rp. 18.951.968, dengan demikian PT. Bonecom dapat menekan biaya investasi sebanyak Rp.
24.771.072 untuk kelebihan bahan baku. Pamela 2011 meneliti tentang manajemen persediaan usaha tanaman hias
Adenium yang dilaksanakan di PT. Godongijo Asri, Depok Jawa Barat. Pada penelitian ini Pamela membagi pengendalian persediaan ke dalam dua sistem
utama yang merujuk kepada buku karangan Watters 1992, dengan judul “Inventory Control and Manajement” dua sistem tersebut adalah sistem
persediaan permintaan tidak bebas Dependent Demand System dan sistem persediaan bebas Independent Demand System. Perbedaan kedua sistem ini
mengindentifikasikan nantinya pada penggunaan model ideal pengendalian
13 persediaan yang cocok dan sesuai dengan asumsi-asumsi yang ada. Pada sistem
persediaan tidak bebas memiliki model ideal seperti metode material requirement planning MRP dan just-in-timeJIT, sedangkan pada sistem persediaan bebas
memiliki model ideal sepeti metode 1 Economic Order Quantity EOQ klasik, 2 EOQ dengan kendala investasi, 3 EOQ dengan two bin system tanpa kendala
investasi, 4 EOQ dengan two bin system dengan kendala investasi, 5 Probabilistik, 6 peramalan permintaan. Pada penelitian ini perusahaan
menggunakan model persediaan EOQ dengan two bin system. Berikut hasil penelitian pengendalian persediaan dilihat dari biaya total dan kendala dari setiap
model ideal dan model yang digunakan perusahaan :
Tabel 1. Total Biaya Persediaan dan Kendala Asumsi Dari Semua Model Ideal
Model ideal Asumsi Model
Kondisi Perusahaan Terhadap Asumsi
Model Biaya Total
Rp
Two bin system perusahaankonve
nsional Batas persediaan
harus dalam keadaan
maksimal Apabila
stok berkurang
maka perusahaan
harus segera
berproduksi sedangkan permintaan
terhadap produk akhir belum tentu sesuai
karna
karakteristik permintaan yang tidak
konstan 2.550.000
340 unit
EOQ klasik Permintaan
diketahui secara pasti, kontinu,
sepanjang waktu Permintaan
tidak konstan
, asumsi
pemenuhan kembali
persediaan instan
seketika waktu tidak dapat
digunakan karena waktu produksi
yang lama, 1.800.000
240 unit
EOQ dengan kendala investasi
Permintaan diketahui secara
pasti, kontinu, sepanjang waktu
Kesulitan dalam
penetapan jumlah
investasi maksimal
karena permintaan
tidak diketahui secara konstan
1.905.000 340 unit
EOQ metode two bin system tanpa
kendala investasi Permintaan
diketahui secara pasti, kontinu,
sepanjang waktu Permintaan
tidak kostan,
pemenuhan kembali
investasi secara instan tidak
bisa dilakukan karena 2.304.400
194 unit
14
Model ideal Asumsi Model
Kondisi Perusahaan Terhadap Asumsi
Model Biaya Total
Rp
masa produksi yang lama
EOQ metode two bin system dengan
kendala investasi Persediaan
dipesan pada persediaan awal
harus nol Nilai persediaan awal
tidak nol 2.283.200
216 unit
Probabilistik Tidak boleh ada
kekurangan persediaan atau
harus ada safety stock yang
optimal Terjadi
kekurangan persediaan
karena perusahaan memenuhi
permintaan 1.394.000
579 unit
Peramalan Proyeksi
permintaan atau penjualan akan
semakin mengikuti tren,
kasus tren menurun
Keinginan perusahaan yang
menginginkan penjualan yang terus
meningkat 1.978.100
260 unit
MRP Untuk
mengendalikan persediaan bahan
baku barang setengah jadi
Untuk mengendalikan persediaan bahan baku
produk akhir 150 unit
Just in time Kondisi
lingkungan yang stabil, produk
dengan sedikit varian, kontinu
pada tingkat yang tetap, untuk
produksi volume besar, persediaan
minimum, waktu tunggu pendek,
pemasok handal, kualitas
persediaan konsisten
Semua asumsi tidak dapat dipenuhi
-
Sumber: Pamela 2011 diolah. Berdasarkan hasil perhitungan pada model persediaan ideal di atas dan terhadap
asumsi-asumsi yang ada maka tidak ada satupun model persediaan ideal yang cocok untuk dilakukan dalam manajemen persediaan tanaman hias, karena
15 karakteristik permintaan adenium yang tidak konstan dan karakteristik produksi
usaha tanaman hias adenium. Namun yang mungkin diterapkan hanyalah model konvensional perusahaan yaitu model EOQ dengan metode two bin system karena
menejemen persediaan yang sudah dilakukan selama ini oleh perusahaan melakukan dengan metode ini.
Dari penelitian-penelitian sebelumnya, yang telah dijelaskan di atas, dapat diperoleh informasi bahwa, MAM merupakan restoran yang menyediakan
martabak dengan rasa yang enak, dan merupakan makanan selingan yang biasanya dibeli konsumen pada saat hari libur Sary, 2006. Sehingga diperlukan stok
bahan baku yang cukup, terutama saat hari libur. Dalam menganalisis persediaan bahan baku, dapat menggunakan beberapa sistem analisis persediaan bahan baku,
diantaranya sistem permintaan persediaan bebas independent demand system dan sistem permintaan persediaan terikat dependent demand system. Pada
penelitian ini akan digunakan adalah sistem permintaan persediaan bebas independent demand system yaitu model probabilistik karena sesuai dengan
kondisi perusahaan yang melayani job order yang sifatnya tidak pasti dan juga mampu melihat kondisi persediaan bahan baku sesuai kondisi nyata pada
perusahaan.
16
III. KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis 3.1.1