D Q
P Q
D k
Q Q
P f
TC 2
} {
+ +
=
2.7.1.3. Model Statis EOQ Dengan Back Order
Bila kekurangan persediaan atau keterlambatan pemenuhan kebutuhan shortage diizinkan dengan biaya pengadaanketerlambatan tertentu biaya
shortage biaya back order, maka model EOQ sederhana dapat dimodifikasi :
Teguh Baroto, 2002 : 69
h h
b h
Dk EOQ
+ =
2
Dimana : D = jumlah kebutuhan barang selama satu periode misalnya : 1 tahun
k = ordering cost setiap kali pesan h = holding cost per-satuan nilai persediaan per-satuan waktu
b = biaya back order per-unit per-periode
2.7.2. Model Pengendalian Persediaan Deterministik Dinamis
Model pengendalian persediaan dikatakan deterministik dinamis yaitu apabila tingkat permintaan diketahui dengan pasti tetapi sifat permintaannya
bervariasi dari periode ke periode berikutnya. Taha, 1987 : 507.
2.7.2.1. Model EOQ
Metode EOQ Economic Order Quantity merupakan metode yang paling banyak digunakan oleh perusahaan dalam upaya mengendalikan
persediaan. Model EOQ ini digunakan untuk menentukan kuantitas pesanan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
persediaan sehingga dapat meminimumkan biaya langsung penyimpanan persediaan dan biaya kebalikannya inverse cost pemesanan persediaan.
Model EOQ Economic Order Quantity tersebut dapat dilakukan dengan menggunakan asumsi sebagai berikut :
a. Hanya satu item barang produk yang diperhitungkan.
b. Kebutuhan permintaan setiap periode diketahui tertentu.
c. Barang yang dipesan diasumsikan dapat segera tersedia atau tingkat produksi
barang yang dipesan berlimpah. d.
Waktu ancang – ancang lead time bersifat konstan. e.
Setiap pesanan diterima dalam sekali pegiriman dan langsung dapat digunakan.
f. Tidak ada pesanan ulang back order karena kehabisan persediaan.
g. Tidak ada quantity discount.
Tujuan model ini adalah untuk menentukan jumlah Q setiap kali pemesanan EOQ sehingga meminimasi biaya total persediaan dimana :
Biaya Total Persediaan = Ordering Cost + Holding Cost + Purchasing Cost
Parameter – parameter yang dipakai dalam model ini adalah : D = jumlah kebutuhan barang selama satu periode misalnya : 1 tahun
k = ordering cost setiap kali pesan h = holding cost per-satuan nilai persediaan per-satuan waktu
c = purchasing cost per-satuan nilai persediaan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Secara grafis model dasar persediaan ini dapat digambarkan sebagai berikut :
Gambar 2.3 Model Persediaan EOQ Arman Hakim, 2003
Setiap siklus persediaan berlangsung selama siklus waktu t, artinya setiap t hari atau minggu, bulan, dsb dilakukan pemesanan kembali. Lamanya t sama
dengan proporsi kebutuhan satu periode D yang dapat dipenuhi oleh Q, sehingga dapat ditulis t =
D Q
.
Sedangkan frekuensi pemesanan = Q
D
Ordering cost per-periode =
k Q
D
Holding cost per-periode =
2 Q
h Purchasing cost
per-periode = D.c Dengan menggabungkan ketiga komponen biaya diatas :
Biaya Total Persedian TC =
c D
Q h
k Q
D .
2 +
+
Biaya Total Persedian Incremental TIC =
+
2 Q
h k
Q D
Tingkat persediaan
Waktu Rata-rata persediaan = Q2
Titik saat pesanan diterima order point
Q
t = QD L
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
atau TIC = Dkh
2
Gambar 2.4 Total Biaya Persediaan Arman Hakim, 2003
Biaya total relevan TC merupakan penjumlahan 2 komponen biaya ordering cost
dan holding cost, sehingga tinggi jarak kurva TC pada titik Q merupakan hasil penjumlahan tinggi kedua kurva komponen biaya tersebut.
Ordering cost mempunyai bentuk geometris hiperbola dimana makin kecil
Q, berarti makin sering pemesanan dilakukan dan makin besar biaya pemesanan yang dikeluarkan demikian juga sebaliknya.
Holding cost mempunyai bentuk garis lurus karena komponen biaya ini
tergantung pada tingkat persediaan rata–rata. Garis ini dimulai dari titik Q=0, dimana tingkat persediaan rata–rata semakin membesar secara proposional dengan
gradient yang sama.
2.7.2.2. Algoritma Wagner – Within