PERANCANGAN PERSEDIAAN MATERIAL DAN ADITIF PADA PRODUK INJEKSI PLASTIK
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
PERANCANGAN PERSEDIAAN MATERIAL DAN ADITIF PADA PRODUK
INJEKSI PLASTIK
Tiena Gustina Amran1), Iveline AM2), Robertus3)
Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Trisakti
E-mail: tiena@trisakti.ac.id, iveline@trisakti.ac.id; robertus@yahoo.com
1 2 3)
Abstrak
Salah satu faktor kritikal bagi industri kecil menengah produk plastik adalah
pengendalian persediaan bahan baku dan additif yang fluktuatif secara
kontinu dan periodik. Pengendalian persediaan yang ekonomis dimulai dari
ketepatan peramalan dan mengklasifikasikan bahan baku aditif dengan
klasifikasi ABC. Pengendalian persediaan bahan baku dan aditif kategori A
masuk kepada sistem persediaan kontinu (Q System) dan kategori B dan C
masuk sistem persediaan periodik (P System). Perhitungan ini untuk
mendapatkan biaya persediaan yang optimal dan di validasi dengan analisa
sensitivitas. Tujuan penelitian ini adalah merancang penerapan praktis bagi
SME dari meramalkan bahan baku dan additive, pembagian klasifikasi ABC
dan model persediaan P,Q System untuk menentukan biaya total inventori
minimum. Hasil menunjukkan model pengendalian model probabilistik Q,
perusahaan dapat menghemat biaya persediaan 23.09% dan persediaan sistem
P sebesar 22,25%. Analisa sensitivitas terhadap parameter jumlah permintaan
bahan, lead time, harga pembelian sampai 90% adalah significance dan model
dapat digunakan oleh SME sejenis.
Kata kunci: Forecasting, ABC Classification, Q and P Probabilistic Inventory
Pendahuluan
Pendekatan model kuantitatif untuk peramlan produk dan penurunan biaya persediaan
kususnya industri kecil menengah produk plastik telah banyak dikaji oleh para peneliti
(Adeyemi.et.al,2010; Meilani, 2013). Demikian juga pendekatan klasifikasi ABC untuk
produk yang beranekaragam
(Elsayed, 1985; Fogarty,et.al, 1991). Pengendalian
persediaan dibagi atas dua sistem yaitu pembuatan untuk pesanan make to order untuk
group customer dan pembuatan untuk pemesanan make to stock untuknon- group customer
(Indroprasto, 2012). Bahan yang masuk dalam kategori A mendapatkan prioritas yang
paling tinggi dan diperlukan pengawasan dan kontrol yang lebih ketat.for A Metode
Probabilistik Q (Continuous Review System) (Emawati, 2008; Pulungan.dkk, 2001). Untuk
bahan yang masuk dalam kategori A, akan digunakan Metode probabilistic Q. Output
dari penggunaan metode ini yaitu akan dihasilkan ukuran lot pemesanan yang optimal,
safety stock, titik pemesanan kembali (reorder point), dan total ongkos persediaan (Ogawa,
1994; Ristono, 2008; Deitiana, 2011, Arwani, 2011). For klasifikasi B& C classification to
menggunakan metode probabilistik P adalah kelompok B dan C. Output dari penggunaan
metode ini yaitu akan dihasilkan interval waktu pemesanan, safety stock, target
persediaan, dan total ongkos persediaan . dibandingkan dengan kategori B dan C.
Studi Pustaka
Model Formulation
The model formulate to Model (1)Inventory Probabilistik Q (Bahagia 2006, Saraswati
2014) , kondisi I : Permintaan tidak pasti dan Lead Time pasti
a) Reorder Point (ROP)
ROP = average DDLT + zL
(1)
185
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
b) Total Ongkos (C)
C=Dp+
-
Q
D
H S zLH
2
Q
(2)
c) Safety Stock (SS)
SS = zL
d) Standar Deviasi Lead Time
L = t L
Kondisi II : Permintaan dan Lead Time tidak pasti
a) Reorder Point (ROP)
ROP = dL + zL
b) Total Ongkos (C)
C = D.p
Q
D
H S + zL.H
Q
2
(4)
(5)
c) Safety Stock (SS)
SS = zL
d) Standar Deviasi Lead Time
L =
(3)
(6)
L t2 d 2 2 LT
(7)
Didalam model (2) P Bahagia (2006). Model P menentukan i (operating stock) yang harus
disediakan dan cadangan pengamannya. Kekurangan inventori mungkin terjadi selama T
dan selang waktu ancang-ancangnya (L) untuk meredam fluktuasi kebutuhan selama T
dan selama waktu ancang-ancang L tersebut. Safety Stock diperoleh dari keseimbangan
antara tingkat pelayanan dan ongkos inventori yang ditimbulkan.
a)
Standar deviasi Lead Time (P+L)
P+L = t ( P L)
b)
(8)
Waktu Antar Pemesanan (P)
TBO P
EOQ
D
c)
(9)
Safety Stock (SS)
SS = zP+L
(10)
d)
Target Persediaan (R)
R = d (P + L) + SS
e)
(11)
Total Cost (C)
dP
D
( H ) ( S ) HzP+L
C D. p
2
dP
(12)
Forecasting keperluan bahan berrdasarkan permintaan untuk produk non group,
menggunakan empat metode, yaitu sbb : 1. Metode Moving Average2. Metode Single
Exponential Smoothing 3.Metode Double Exponential Smoothing4. Metode Winter (Rref)
Klasifikasi ABCmengklasifikasi persediaan dalam tiga kategori. yaitu : A, B, dan C
dengan basis volume penggunaan biaya persediaan dalam setahun (Deitiana 2011). :
1) Kategori Persediaan A jumlah sekitar 15 % dari jumlah total persediaan,
menghabiskan 70 % - 80 % dari total biaya persediaan dalam setahun.
2) Kategori Persediaan B jumlah sekitar 30 % dari total persediaan tetapi menghabiskan
dana sekitar 15 % - 25 % dari total biaya persediaan.
Kategori Persediaan C jumlah sekitar 55 % dari total persediaan dan hanya menghabiskan
dana sekitar 5 % saja dari total biaya persediaan pertahun
186
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Metodologi Penelitian
Gambar 1. Kerangka Penlitian
Gambar 2. Langkah Langkah Penelitian
Hasil dan Pembahasan
A. Rancang bangun model persediaan terdiri dari rancang bangun peramalan kebutuhan
bahan, klasifikasi ABC, Model Q dan Model P, dan analisa sistem pengendalian
persediaan
Tabel 1. Hasil Peramalan Kebutuhan Bahan untuk Satu Tahun ke Depan
187
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
B. Penentuan Kelas dalam Persediaan Bahan
Penentuan kelas untuk masing-masing bahan menggunakan klasifikasi ABC dengan
menhitung nilai penyerapan dana untuk masing-masing bahan berdasarkan pemakaian
selama satu tahun terakhir. Hasil perhitungan dengan menggunakan Klasifikasi ABC
dapat dilihat pada Tabel 2 berikut ini :
No
1
2
3
4
5
6
7
8
9
10
11
Tabel 2. Hasil Perhitungan Klasifikasi ABC dan Penentuan Sistem Persediaan
Nilai
Jumlah
Harga
Kum
Kategori/
Keuangan
Item
Permintaa
Bahan
(%) ulatif
Sistem
Tahunan
n/tahun
(Rp/kg)
%
Persediaan
(Rp)
HDPE54.7
Titanvene 5218 132,384.40 19,610.00
2,596,058,084
6
54.76 A/Sistem Q
PP-Titan Pro
30.6
6331
68,051.90 21,363.64
1,453,836,293
6
85.42 A/Sistem Q
PP-Titan Pro
SM 398
18,125.07 20,124.00
364,748,909 7.69
93.11
B/Sistem P
LDPE-Lotren
FD 0474
9,774.41 20,520.00
200,570,893 4.23
97.34
B/Sistem P
Titan NA 100
2,158.08 28,665.00
61,861,363 1.30
98.65
B/Sistem P
White WE
6802.1
863.08 38,961.00
33,626,460 0.71
99.36
B/Sistem P
PV Fast White
R-01
168.16 111,150.00
18,690,984 0.39
99.75
B/Sistem P
Super White
8185
19.80 411,111.10
8,140,000 0.17
99.92
B/Sistem P
Asilene Black
0957
63.51 27,495.00
1,746,207 0.04
99.96
B/Sistem P
Yellow 3R/HR
4.51 374,400.00
1,688,544 0.04
99.99
B/Sistem P
Blue AOB 019
1.10 221,481.00
243,629 0.01 100.00 B/Sistem P
Total
231,614.02
4,741,211,366
Berdasarkan hasil pengolahan data di atas, item HDPE-Titanvene 5218 dan PP-Titan Pro
6331 membutuhkan pengendalian persediaan yang lebih ketat dibandingkan dengan item
lainnya karena termasuk dalam kelas A dan pemesanan dilakukan dengan kuantitas tetap
(Fogarty, 1991). Menurut Ogawa (1994), bahan yang masuk dalam kategori A akan
diselesaikan dengan menggunakan model probabilistik Q, sedangkan bahan yang masuk
dalam kategori B dan C akan diselesaikan dengan menggunakan model probabilistik P.
Pemilihan model probabilistik untuk masing-masing bahan (lihat Tabel 3).
C. Perhitungan Ongkos Inventori Total (Total Cost)
Ongkos inventori total didapat melalui penjumlahan dari semua komponen ongkos
persediaan yang meliputi : ongkos pembelian, ongkos simpan, ongkos pesan, dan ongkos
kekurangan inventori selama satu tahun terakhir.
Analisa Biaya Total Persediaan Model Q dengan Biaya Total Perusahaan
Setelah mendapatkan hasil perhitungan biaya total persediaan untuk model Q, tahap
selanjutnya dalam penelitian ini adalah membandingkan biaya total persediaan model
yang telah didapat dengan biaya total perusahaan saat ini. Hal tersebut secara jelas dapat
dilihat pada Tabel 3 berikut ini :
188
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Tabel 3 Perbandingan Total Cost Perusahaan dengan Total Cost Model Q
No
Jenis Bahan
Total Biaya
Inventori
(Perusahaan)
Total Biaya
Inventori
(Model Q)
Selisih
Total Biaya
(Rp)
Persentase
Penghematan
(%)
1
HDPE- Titanvene 5218
3,455,404,571
2,612,289,400
843,115,170
24.40
2
PP-Titan Pro 6331
1,836,871,127
1,458,181,769
378,689,357
20.62
Dari Tabel di atas, dapat diketahui bahwa dengan menggunakan model probabilistik Q,
perusahaan dapat menghemat anggaran persediaan untuk item HDPE-Titanvene sebesar
Rp 843.115.170,- per tahun (24,40 %) dan untuk item PP-Titan Pro 6331 sebesar Rp
378.689.357,- per tahun (20,62 %). Secara keseluruhan, dengan menggunakan model Q
dibutuhkan total biaya persediaan sebesar Rp 4.070.471.169,- per tahun, sedangkan total
biaya persediaan perusahaan saat ini untuk kedua item tersebut adalah sebesar Rp
5.292.275.698,- per tahun. Hal ini berarti penghematan yang didapat secara total jika
menggunakan model Q adalah sebesar Rp 1.221.804.529,- per tahun (23,09 %).
Tabel 4. Biaya Total Persediaan Model P dan Q dengan Biaya Total Perusahaan
Sama halnya dengan model Q, biaya total persediaan untuk model P yang telah didapat
juga akan dibandingkan dengan biaya total perusahaan saat ini. Tabel 5 berikut ini
menunjukkan perbandingan antara biaya total persediaan perusahaan saat ini dengan
biaya total persediaan model P dan Model Q:
189
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Tabel 5. Perbandingan Total Cost Perusahaan dengan Total Cost Model P dan Model Q
Total Biaya
Total Biaya
Selisih
Persentase
No
Jenis Bahan
Inventori
Inventori
Total Biaya Penghema
(Perusahaan)
(Model P)
(Rp)
tan (%)
1
PP- Titan Pro SM 398
438,443,404
366,128,303
72,315,102
16.49
2
LDPE-Lotren FD 0474
256,970,509
201,304,323
55,666,186
21.66
3
Yellow 3R/HR
2,602,424
1,725,605
876,819
33.69
4
Blue AOB 019
576,085
248,408
327,677
56.88
5
PV Fast White R-01
21,655,465
18,787,828
2,867,638
13.24
6
Super White 8185
9,226,977
8,180,322
1,046,655
11.34
7
White WE 6802.1
37,897,985
33,844,118
4,053,867
10.70
8
Asilene Black 0957
2,461,417
1,806,130
655,287
26.62
9
Titan NA-100
68,973,547
62,319,250
6,654,297
9.65
Analisa Sensitivitas Model Q untuk bahan baku HDPE Titanvene 5218 dan PP Titan Pro
6331 terhadap ketiga parameter yaitu : jumlah permintaan, waktu ancang, dan harga
pembelian. Hasilnya adalah dengan menaikan dan menurunkan ketiga parameter di atas
(jumlah permintaan, waktu ancang dan harga pembelian) dari 15 % sampai dengan 90 %.
ternyata tidak berpengaruh terhadap ukuran lot pemesanan optimal dan total biaya
persediaan. Hal ini menunjukkan bahwa jika terjadi penurunan atau kenaikan jumlah
permintaan maka perusahaan belum perlu mengubah kebijakan persediaannya
Analisa Sensitivitas Model P Sama halnya dengan analisa sensitivitas model Q, Analisa
sensitivitas model P untuk bahan baku PP-Titan Pro SM 398, LDPE-Lotren FD 0474,
Yellow 3R-HR, Blue AOB 019, PV Fast White R-01, Super White 8185, White WE 6802.1,
Asilene Black 0957, dan Titan NA-100 terhadap ketiga parameter yaitu : jumlah
permintaan, waktu ancang, dan harga pembelian. Hasilnya adalah dengan menaikan dan
menurunkan jumlah permintaan dari 15 % sampai dengan 90 % ternyata sensitif terhadap
target persediaan. Namun keadaan tersebut tidak sensitif terhadap model yang didapat
karena persentase total biaya persediaannya lebih kecil atau sama dengan persentase
perubahan jumlah permintaan. Hal ini menunjukkan bahwa apabila terjadi perubahan
jumlah permintaan, maka perusahaan belum perlu mengubah kebijakan persediaannya.
Untuk parameter waktu ancang dan harga pembelian tidak sensitif terhadap target
persediaan dan total biaya persediaan
Kesimpulan
Hasil dari klasifikasi ABC menunjukkan bahwa bahan yang masuk kelas A meliputi :
HDPE-Titanvene 5218 dan PP Titan Pro 6331. kelas B meliputi : PP-Titan Pro SM 398,
LDPE-Lotren FD 0474 dan Titan NA 100, sedangkan kelas C meliputi : White WE 6802.1,
PV Fast White R 01, Super White 8185, Asilene Black 0957, Yellow 3R/HR, dan Blue AOB
019. Bahan yang masuk kategori A diselesaikan dengan menggunakan model
pengendalian persediaan probabilistik Q, sedangkan bahan yang masuk kategori B dan C
diselesaikan dengan menggunakan model pengendalian persediaan probabilistik P.
Hasil perhitungan biaya total persediaan perusahaan saat ini adalah Rp 6.131.083.510,12.
Jika menggunakan model Q, biaya total yang dikeluarkan sebesar Rp 4.070.471.169,00,
sedangkan untuk model P biaya yang dikeluarkan sebesar Rp 694.344.286.20. Sehingga
190
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
total biaya persediaan yang dapat dihemat oleh perusahaan jika menggunakan model
pengendalian probabilistik P dan Q sebesar Rp 1.366.268.055,- per tahun (22,28 %).
Analisa sensitivitas terhadap parameter model Q yang meliputi : jumlah permintaan
bahan, waktu ancang (lead time), dan harga pembelian bahan sampai 90 % ternyata tidak
berpengaruh baik terhadap ukuran lot pemesanan optimal maupun total biaya
persediaan. Hal ini berarti perubahan yang ada tidak sampai menyebabkan perubahan
model.Analisa sensitivitas untuk parameter jumlah permintaan bahan terhadap model P
sampai 90 % berpengaruh terhadap target persediaan (tingkat persediaan maksimum)
namun tidak menyebabkan perubahan model karena tidak berpengaruh terhadap total
biaya persediaan. Untuk perubahan waktu ancang dan harga pembelian tidak
berpengaruh baik pada tingkat pesediaan maksimum maupun total biaya persediaan,
sehingga tidak menyebabkan perubahan model.
Daftar pustaka
Adeyemi, S.L., A.O. Salami. 2010. Inventory Management : A Tool of Optimizing
Resources in a Manufacturing Industry, A Case Study of Coca Cola Bottling Company,
Ilorin Plant. International Journal of Inventory Management. Department of Business
Administration. University of Ilorin. Ilorin – Nigeria.
Arwani, A.2011.Highly Effective Inventory Management : Mengubah Sediaan Menjadi Laba.
Penerbit : PPM. Jakarta.
Bahagia, S.N.2006. Sistem Inventori. Penerbit : ITB. Bandung.
Deitiana, T. 2011. Manajemen operasional Strategi dan Analisa. Penerbit : Mitra Wacana
Media. Jakarta.
Elsayed, A. 1985. Analysis and Control of Production System. Penerbit : Prentice Hall. New
Jersey.
Ernawati, Y., Sunarsih. 2008. Sistem Pengendalian Persediaan Model Probabilistik dengan
“Back Order Policy”. Jurnal Matematika. Volume 11, No. 2. Jurusan Matematika, FMIPA.
Universitas Diponegoro. Semarang.
Fogarty, D.W., J.H. Blackstone and T.R. Hoffmann. 1991. Production and Inventory
Management. Second Edition. South Western Publishing Co.Cincinnati. Ohio.
Indroprasto, E. Suryani. 2012. Analisis Pengendalian Persediaan Produk dengan Metode
EOQ Menggunakan Algoritma Genetika untuk Mengefisienkan Biaya Persediaan.Jurnal
Teknik ITS. Volume 1. Jurusan Sistem Informasi, Fakultas Teknologi Informasi. Institut
Teknologi Sepuluh November. Surabaya.
Ishak, A. 2010. Manajemen Operasi. Penerbit : Graha Ilmu. Yogyakarta.
Meilani, D., R.E. Saputra. 2013. Pengendalian Persediaan Bahan Baku Vulkanisir Ban
(Srudi Kasus : PT. Gunung Pulo Sari). Jurnal Optimasi Sistem Industri. Jurusan Teknik
Industri, Fakultas Teknik. Universitas Andalas. Padang.
Ogawa, Eiji. 1994. Manajemen Produksi Modern : Pengalaman Jepang. Penerbit : Lembaga
Penerbit Fakultas Ekonomi. Universitas Indonesia. Jakarta.
191
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Pulungan, M.H., Sukardi, S. Rofida. 2001. Pengendalian Persediaa Bahan dengan Model P
dan Q pada Kegiatan Produksi camilan di Perusahaan Camilan Tradisional Malang.
Jurnal Teknologi Pertanian. Volume 2, No. 2. Fakultas Teknologi Pertanian. Universitas
Brawijaya. Malang.
Ristono, A. 2008. Manajemen Persediaan. Yogyakarta : Graha Ilmu.
Saraswati, D. 2014. Perencanaan dan Pengendalian Persediaan : Model Persediaan
Probabilistik. Handout Mata Kuliah Sistem Pengendalian Persediaan. Jurusan Magister Teknik
Industri, Fakultas Teknologi Industri. Universitas Trisakti. Jakarta.
192
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
PERANCANGAN PERSEDIAAN MATERIAL DAN ADITIF PADA PRODUK
INJEKSI PLASTIK
Tiena Gustina Amran1), Iveline AM2), Robertus3)
Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Trisakti
E-mail: tiena@trisakti.ac.id, iveline@trisakti.ac.id; robertus@yahoo.com
1 2 3)
Abstrak
Salah satu faktor kritikal bagi industri kecil menengah produk plastik adalah
pengendalian persediaan bahan baku dan additif yang fluktuatif secara
kontinu dan periodik. Pengendalian persediaan yang ekonomis dimulai dari
ketepatan peramalan dan mengklasifikasikan bahan baku aditif dengan
klasifikasi ABC. Pengendalian persediaan bahan baku dan aditif kategori A
masuk kepada sistem persediaan kontinu (Q System) dan kategori B dan C
masuk sistem persediaan periodik (P System). Perhitungan ini untuk
mendapatkan biaya persediaan yang optimal dan di validasi dengan analisa
sensitivitas. Tujuan penelitian ini adalah merancang penerapan praktis bagi
SME dari meramalkan bahan baku dan additive, pembagian klasifikasi ABC
dan model persediaan P,Q System untuk menentukan biaya total inventori
minimum. Hasil menunjukkan model pengendalian model probabilistik Q,
perusahaan dapat menghemat biaya persediaan 23.09% dan persediaan sistem
P sebesar 22,25%. Analisa sensitivitas terhadap parameter jumlah permintaan
bahan, lead time, harga pembelian sampai 90% adalah significance dan model
dapat digunakan oleh SME sejenis.
Kata kunci: Forecasting, ABC Classification, Q and P Probabilistic Inventory
Pendahuluan
Pendekatan model kuantitatif untuk peramlan produk dan penurunan biaya persediaan
kususnya industri kecil menengah produk plastik telah banyak dikaji oleh para peneliti
(Adeyemi.et.al,2010; Meilani, 2013). Demikian juga pendekatan klasifikasi ABC untuk
produk yang beranekaragam
(Elsayed, 1985; Fogarty,et.al, 1991). Pengendalian
persediaan dibagi atas dua sistem yaitu pembuatan untuk pesanan make to order untuk
group customer dan pembuatan untuk pemesanan make to stock untuknon- group customer
(Indroprasto, 2012). Bahan yang masuk dalam kategori A mendapatkan prioritas yang
paling tinggi dan diperlukan pengawasan dan kontrol yang lebih ketat.for A Metode
Probabilistik Q (Continuous Review System) (Emawati, 2008; Pulungan.dkk, 2001). Untuk
bahan yang masuk dalam kategori A, akan digunakan Metode probabilistic Q. Output
dari penggunaan metode ini yaitu akan dihasilkan ukuran lot pemesanan yang optimal,
safety stock, titik pemesanan kembali (reorder point), dan total ongkos persediaan (Ogawa,
1994; Ristono, 2008; Deitiana, 2011, Arwani, 2011). For klasifikasi B& C classification to
menggunakan metode probabilistik P adalah kelompok B dan C. Output dari penggunaan
metode ini yaitu akan dihasilkan interval waktu pemesanan, safety stock, target
persediaan, dan total ongkos persediaan . dibandingkan dengan kategori B dan C.
Studi Pustaka
Model Formulation
The model formulate to Model (1)Inventory Probabilistik Q (Bahagia 2006, Saraswati
2014) , kondisi I : Permintaan tidak pasti dan Lead Time pasti
a) Reorder Point (ROP)
ROP = average DDLT + zL
(1)
185
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
b) Total Ongkos (C)
C=Dp+
-
Q
D
H S zLH
2
Q
(2)
c) Safety Stock (SS)
SS = zL
d) Standar Deviasi Lead Time
L = t L
Kondisi II : Permintaan dan Lead Time tidak pasti
a) Reorder Point (ROP)
ROP = dL + zL
b) Total Ongkos (C)
C = D.p
Q
D
H S + zL.H
Q
2
(4)
(5)
c) Safety Stock (SS)
SS = zL
d) Standar Deviasi Lead Time
L =
(3)
(6)
L t2 d 2 2 LT
(7)
Didalam model (2) P Bahagia (2006). Model P menentukan i (operating stock) yang harus
disediakan dan cadangan pengamannya. Kekurangan inventori mungkin terjadi selama T
dan selang waktu ancang-ancangnya (L) untuk meredam fluktuasi kebutuhan selama T
dan selama waktu ancang-ancang L tersebut. Safety Stock diperoleh dari keseimbangan
antara tingkat pelayanan dan ongkos inventori yang ditimbulkan.
a)
Standar deviasi Lead Time (P+L)
P+L = t ( P L)
b)
(8)
Waktu Antar Pemesanan (P)
TBO P
EOQ
D
c)
(9)
Safety Stock (SS)
SS = zP+L
(10)
d)
Target Persediaan (R)
R = d (P + L) + SS
e)
(11)
Total Cost (C)
dP
D
( H ) ( S ) HzP+L
C D. p
2
dP
(12)
Forecasting keperluan bahan berrdasarkan permintaan untuk produk non group,
menggunakan empat metode, yaitu sbb : 1. Metode Moving Average2. Metode Single
Exponential Smoothing 3.Metode Double Exponential Smoothing4. Metode Winter (Rref)
Klasifikasi ABCmengklasifikasi persediaan dalam tiga kategori. yaitu : A, B, dan C
dengan basis volume penggunaan biaya persediaan dalam setahun (Deitiana 2011). :
1) Kategori Persediaan A jumlah sekitar 15 % dari jumlah total persediaan,
menghabiskan 70 % - 80 % dari total biaya persediaan dalam setahun.
2) Kategori Persediaan B jumlah sekitar 30 % dari total persediaan tetapi menghabiskan
dana sekitar 15 % - 25 % dari total biaya persediaan.
Kategori Persediaan C jumlah sekitar 55 % dari total persediaan dan hanya menghabiskan
dana sekitar 5 % saja dari total biaya persediaan pertahun
186
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Metodologi Penelitian
Gambar 1. Kerangka Penlitian
Gambar 2. Langkah Langkah Penelitian
Hasil dan Pembahasan
A. Rancang bangun model persediaan terdiri dari rancang bangun peramalan kebutuhan
bahan, klasifikasi ABC, Model Q dan Model P, dan analisa sistem pengendalian
persediaan
Tabel 1. Hasil Peramalan Kebutuhan Bahan untuk Satu Tahun ke Depan
187
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
B. Penentuan Kelas dalam Persediaan Bahan
Penentuan kelas untuk masing-masing bahan menggunakan klasifikasi ABC dengan
menhitung nilai penyerapan dana untuk masing-masing bahan berdasarkan pemakaian
selama satu tahun terakhir. Hasil perhitungan dengan menggunakan Klasifikasi ABC
dapat dilihat pada Tabel 2 berikut ini :
No
1
2
3
4
5
6
7
8
9
10
11
Tabel 2. Hasil Perhitungan Klasifikasi ABC dan Penentuan Sistem Persediaan
Nilai
Jumlah
Harga
Kum
Kategori/
Keuangan
Item
Permintaa
Bahan
(%) ulatif
Sistem
Tahunan
n/tahun
(Rp/kg)
%
Persediaan
(Rp)
HDPE54.7
Titanvene 5218 132,384.40 19,610.00
2,596,058,084
6
54.76 A/Sistem Q
PP-Titan Pro
30.6
6331
68,051.90 21,363.64
1,453,836,293
6
85.42 A/Sistem Q
PP-Titan Pro
SM 398
18,125.07 20,124.00
364,748,909 7.69
93.11
B/Sistem P
LDPE-Lotren
FD 0474
9,774.41 20,520.00
200,570,893 4.23
97.34
B/Sistem P
Titan NA 100
2,158.08 28,665.00
61,861,363 1.30
98.65
B/Sistem P
White WE
6802.1
863.08 38,961.00
33,626,460 0.71
99.36
B/Sistem P
PV Fast White
R-01
168.16 111,150.00
18,690,984 0.39
99.75
B/Sistem P
Super White
8185
19.80 411,111.10
8,140,000 0.17
99.92
B/Sistem P
Asilene Black
0957
63.51 27,495.00
1,746,207 0.04
99.96
B/Sistem P
Yellow 3R/HR
4.51 374,400.00
1,688,544 0.04
99.99
B/Sistem P
Blue AOB 019
1.10 221,481.00
243,629 0.01 100.00 B/Sistem P
Total
231,614.02
4,741,211,366
Berdasarkan hasil pengolahan data di atas, item HDPE-Titanvene 5218 dan PP-Titan Pro
6331 membutuhkan pengendalian persediaan yang lebih ketat dibandingkan dengan item
lainnya karena termasuk dalam kelas A dan pemesanan dilakukan dengan kuantitas tetap
(Fogarty, 1991). Menurut Ogawa (1994), bahan yang masuk dalam kategori A akan
diselesaikan dengan menggunakan model probabilistik Q, sedangkan bahan yang masuk
dalam kategori B dan C akan diselesaikan dengan menggunakan model probabilistik P.
Pemilihan model probabilistik untuk masing-masing bahan (lihat Tabel 3).
C. Perhitungan Ongkos Inventori Total (Total Cost)
Ongkos inventori total didapat melalui penjumlahan dari semua komponen ongkos
persediaan yang meliputi : ongkos pembelian, ongkos simpan, ongkos pesan, dan ongkos
kekurangan inventori selama satu tahun terakhir.
Analisa Biaya Total Persediaan Model Q dengan Biaya Total Perusahaan
Setelah mendapatkan hasil perhitungan biaya total persediaan untuk model Q, tahap
selanjutnya dalam penelitian ini adalah membandingkan biaya total persediaan model
yang telah didapat dengan biaya total perusahaan saat ini. Hal tersebut secara jelas dapat
dilihat pada Tabel 3 berikut ini :
188
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Tabel 3 Perbandingan Total Cost Perusahaan dengan Total Cost Model Q
No
Jenis Bahan
Total Biaya
Inventori
(Perusahaan)
Total Biaya
Inventori
(Model Q)
Selisih
Total Biaya
(Rp)
Persentase
Penghematan
(%)
1
HDPE- Titanvene 5218
3,455,404,571
2,612,289,400
843,115,170
24.40
2
PP-Titan Pro 6331
1,836,871,127
1,458,181,769
378,689,357
20.62
Dari Tabel di atas, dapat diketahui bahwa dengan menggunakan model probabilistik Q,
perusahaan dapat menghemat anggaran persediaan untuk item HDPE-Titanvene sebesar
Rp 843.115.170,- per tahun (24,40 %) dan untuk item PP-Titan Pro 6331 sebesar Rp
378.689.357,- per tahun (20,62 %). Secara keseluruhan, dengan menggunakan model Q
dibutuhkan total biaya persediaan sebesar Rp 4.070.471.169,- per tahun, sedangkan total
biaya persediaan perusahaan saat ini untuk kedua item tersebut adalah sebesar Rp
5.292.275.698,- per tahun. Hal ini berarti penghematan yang didapat secara total jika
menggunakan model Q adalah sebesar Rp 1.221.804.529,- per tahun (23,09 %).
Tabel 4. Biaya Total Persediaan Model P dan Q dengan Biaya Total Perusahaan
Sama halnya dengan model Q, biaya total persediaan untuk model P yang telah didapat
juga akan dibandingkan dengan biaya total perusahaan saat ini. Tabel 5 berikut ini
menunjukkan perbandingan antara biaya total persediaan perusahaan saat ini dengan
biaya total persediaan model P dan Model Q:
189
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Tabel 5. Perbandingan Total Cost Perusahaan dengan Total Cost Model P dan Model Q
Total Biaya
Total Biaya
Selisih
Persentase
No
Jenis Bahan
Inventori
Inventori
Total Biaya Penghema
(Perusahaan)
(Model P)
(Rp)
tan (%)
1
PP- Titan Pro SM 398
438,443,404
366,128,303
72,315,102
16.49
2
LDPE-Lotren FD 0474
256,970,509
201,304,323
55,666,186
21.66
3
Yellow 3R/HR
2,602,424
1,725,605
876,819
33.69
4
Blue AOB 019
576,085
248,408
327,677
56.88
5
PV Fast White R-01
21,655,465
18,787,828
2,867,638
13.24
6
Super White 8185
9,226,977
8,180,322
1,046,655
11.34
7
White WE 6802.1
37,897,985
33,844,118
4,053,867
10.70
8
Asilene Black 0957
2,461,417
1,806,130
655,287
26.62
9
Titan NA-100
68,973,547
62,319,250
6,654,297
9.65
Analisa Sensitivitas Model Q untuk bahan baku HDPE Titanvene 5218 dan PP Titan Pro
6331 terhadap ketiga parameter yaitu : jumlah permintaan, waktu ancang, dan harga
pembelian. Hasilnya adalah dengan menaikan dan menurunkan ketiga parameter di atas
(jumlah permintaan, waktu ancang dan harga pembelian) dari 15 % sampai dengan 90 %.
ternyata tidak berpengaruh terhadap ukuran lot pemesanan optimal dan total biaya
persediaan. Hal ini menunjukkan bahwa jika terjadi penurunan atau kenaikan jumlah
permintaan maka perusahaan belum perlu mengubah kebijakan persediaannya
Analisa Sensitivitas Model P Sama halnya dengan analisa sensitivitas model Q, Analisa
sensitivitas model P untuk bahan baku PP-Titan Pro SM 398, LDPE-Lotren FD 0474,
Yellow 3R-HR, Blue AOB 019, PV Fast White R-01, Super White 8185, White WE 6802.1,
Asilene Black 0957, dan Titan NA-100 terhadap ketiga parameter yaitu : jumlah
permintaan, waktu ancang, dan harga pembelian. Hasilnya adalah dengan menaikan dan
menurunkan jumlah permintaan dari 15 % sampai dengan 90 % ternyata sensitif terhadap
target persediaan. Namun keadaan tersebut tidak sensitif terhadap model yang didapat
karena persentase total biaya persediaannya lebih kecil atau sama dengan persentase
perubahan jumlah permintaan. Hal ini menunjukkan bahwa apabila terjadi perubahan
jumlah permintaan, maka perusahaan belum perlu mengubah kebijakan persediaannya.
Untuk parameter waktu ancang dan harga pembelian tidak sensitif terhadap target
persediaan dan total biaya persediaan
Kesimpulan
Hasil dari klasifikasi ABC menunjukkan bahwa bahan yang masuk kelas A meliputi :
HDPE-Titanvene 5218 dan PP Titan Pro 6331. kelas B meliputi : PP-Titan Pro SM 398,
LDPE-Lotren FD 0474 dan Titan NA 100, sedangkan kelas C meliputi : White WE 6802.1,
PV Fast White R 01, Super White 8185, Asilene Black 0957, Yellow 3R/HR, dan Blue AOB
019. Bahan yang masuk kategori A diselesaikan dengan menggunakan model
pengendalian persediaan probabilistik Q, sedangkan bahan yang masuk kategori B dan C
diselesaikan dengan menggunakan model pengendalian persediaan probabilistik P.
Hasil perhitungan biaya total persediaan perusahaan saat ini adalah Rp 6.131.083.510,12.
Jika menggunakan model Q, biaya total yang dikeluarkan sebesar Rp 4.070.471.169,00,
sedangkan untuk model P biaya yang dikeluarkan sebesar Rp 694.344.286.20. Sehingga
190
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
total biaya persediaan yang dapat dihemat oleh perusahaan jika menggunakan model
pengendalian probabilistik P dan Q sebesar Rp 1.366.268.055,- per tahun (22,28 %).
Analisa sensitivitas terhadap parameter model Q yang meliputi : jumlah permintaan
bahan, waktu ancang (lead time), dan harga pembelian bahan sampai 90 % ternyata tidak
berpengaruh baik terhadap ukuran lot pemesanan optimal maupun total biaya
persediaan. Hal ini berarti perubahan yang ada tidak sampai menyebabkan perubahan
model.Analisa sensitivitas untuk parameter jumlah permintaan bahan terhadap model P
sampai 90 % berpengaruh terhadap target persediaan (tingkat persediaan maksimum)
namun tidak menyebabkan perubahan model karena tidak berpengaruh terhadap total
biaya persediaan. Untuk perubahan waktu ancang dan harga pembelian tidak
berpengaruh baik pada tingkat pesediaan maksimum maupun total biaya persediaan,
sehingga tidak menyebabkan perubahan model.
Daftar pustaka
Adeyemi, S.L., A.O. Salami. 2010. Inventory Management : A Tool of Optimizing
Resources in a Manufacturing Industry, A Case Study of Coca Cola Bottling Company,
Ilorin Plant. International Journal of Inventory Management. Department of Business
Administration. University of Ilorin. Ilorin – Nigeria.
Arwani, A.2011.Highly Effective Inventory Management : Mengubah Sediaan Menjadi Laba.
Penerbit : PPM. Jakarta.
Bahagia, S.N.2006. Sistem Inventori. Penerbit : ITB. Bandung.
Deitiana, T. 2011. Manajemen operasional Strategi dan Analisa. Penerbit : Mitra Wacana
Media. Jakarta.
Elsayed, A. 1985. Analysis and Control of Production System. Penerbit : Prentice Hall. New
Jersey.
Ernawati, Y., Sunarsih. 2008. Sistem Pengendalian Persediaan Model Probabilistik dengan
“Back Order Policy”. Jurnal Matematika. Volume 11, No. 2. Jurusan Matematika, FMIPA.
Universitas Diponegoro. Semarang.
Fogarty, D.W., J.H. Blackstone and T.R. Hoffmann. 1991. Production and Inventory
Management. Second Edition. South Western Publishing Co.Cincinnati. Ohio.
Indroprasto, E. Suryani. 2012. Analisis Pengendalian Persediaan Produk dengan Metode
EOQ Menggunakan Algoritma Genetika untuk Mengefisienkan Biaya Persediaan.Jurnal
Teknik ITS. Volume 1. Jurusan Sistem Informasi, Fakultas Teknologi Informasi. Institut
Teknologi Sepuluh November. Surabaya.
Ishak, A. 2010. Manajemen Operasi. Penerbit : Graha Ilmu. Yogyakarta.
Meilani, D., R.E. Saputra. 2013. Pengendalian Persediaan Bahan Baku Vulkanisir Ban
(Srudi Kasus : PT. Gunung Pulo Sari). Jurnal Optimasi Sistem Industri. Jurusan Teknik
Industri, Fakultas Teknik. Universitas Andalas. Padang.
Ogawa, Eiji. 1994. Manajemen Produksi Modern : Pengalaman Jepang. Penerbit : Lembaga
Penerbit Fakultas Ekonomi. Universitas Indonesia. Jakarta.
191
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
Pulungan, M.H., Sukardi, S. Rofida. 2001. Pengendalian Persediaa Bahan dengan Model P
dan Q pada Kegiatan Produksi camilan di Perusahaan Camilan Tradisional Malang.
Jurnal Teknologi Pertanian. Volume 2, No. 2. Fakultas Teknologi Pertanian. Universitas
Brawijaya. Malang.
Ristono, A. 2008. Manajemen Persediaan. Yogyakarta : Graha Ilmu.
Saraswati, D. 2014. Perencanaan dan Pengendalian Persediaan : Model Persediaan
Probabilistik. Handout Mata Kuliah Sistem Pengendalian Persediaan. Jurusan Magister Teknik
Industri, Fakultas Teknologi Industri. Universitas Trisakti. Jakarta.
192