ANALISA PERAMALAN PENJUALAN DAN PENGENDALIAN PERSEDIAAN BAHAN BAKU PADA PT SINAR PERDANA ULTRA

ANALISA PERAMALAN PENJUALAN DAN PENGENDALIAN PERSEDIAAN BAHAN BAKU PADA PT SINAR PERDANA ULTRA Samuel Kusuma, Valiant Bumi Putra , Harry Indra Universitas Bina Nusantara, Jakarta [email protected], [email protected], [email protected]

ABSTRAK PT. SinarPerdana Ultra merupakan perusahaan yang bergerak di bidang pembuatan cat tinta yang belum memiliki sistem peramalan penjualan dan persediaan bahan baku yang optimal. Penyebab utama terjadinya hal di atas dikarenakan belum diterapkannya perhitungan peramalan penjualan dan persediaan bahan baku yang optimal. Penelitian ini membahas tentang perencanaan peramalan penjualan dan pengendalian bahan baku sehingga dapat memproduksi secara optimal sesuai dengan permintaan tanpa adanya kekurangan bahan baku atau kelebihan bahan baku pada PT. Sinar Perdana Ultra. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survey untuk memperoleh data. Metode analisis yang digunakan dalam penelitian ini adalah Forecasting dan Economic Order Quantity (EOQ) . Hasil penelitian peramalan penjualan dan taraf pemesanan bahan baku yang telah ditentukan untuk mengetahui peramalan satu tahun ke depan yaitu dengan metode Linear Regression dengan nilai MAD sebesar 203,8728 dan MSE sebesar 56.881,08. EOQ untuk Solvent sebesar 8.868,78 kg dengan total cost sebesar Rp 210.176.100. EOQ untuk Resin sebesar 5.439,48 kg dengan total cost sebesar Rp 110.373.600. EOQ untuk Pigment sebesar 5.035,98 kg dengan total cost sebesar Rp 127.256.900. Dengan menerapkan metode Forecasting dan Economic Order Quantity, maka perusahaan dapat menetapkan taraf pemesanan optimum bahan baku yang dibutuhkan selama proses produksi untuk periode mendatang sehingga memperoleh keuntungan maksimal pada PT. Sinar Perdana Ultra Kata Kunci :Forecasting, Economic Order Quantity (EOQ), ManajemenOperasional.

ABSTRACT Sinar Perdana Ultra Company is a company that engages in the manufacturing of ink for synthetic leather industry, which has not, has a good sales and procurement forecasting system. The main reason, why the company has this sort of problem is the lack of optimal implementation of the sales and procurement forecasting system. This study is about the plan to optimally implement sales and procurement forecasting system so that in the production process, the resources available is suitable with the demand of SinarPerdana Ultra Company with minimized excess and shortage. This study adopted quantitative method of study through survey to obtain information. The method of analysis used in this study is Forecasting and Economic Order Quantity (EOQ). The result of this study using linear regression analysis outlined that MAD is counted to 203, 8728 and MSE 56.881,08. EOQ for resin is 5.439,48 kg with total cost of Rp. 220.373.600. EOQ for Pigment is 5.035,98 kg with total

cost of Rp. 127.256.900. By implementing the forecasting and Economic Order Quantity Method, the company can determine the optimum boundaries of resources that are needed during the production process for the coming period, so that SinarPerdana Ultra Company can obtain maximum profit. Key Words :Forecasting, Economic Order Quantity (EOQ), ManajemenOperasional.

PENDAHULUAN Dizaman industri semakin maju dan berkembang serta diiringi dengan tingkat persaingan yang semakin ketat saat berlakunya Masyarakat Ekonomi ASEAN pada 2015 menurut sumber harian kompas (13 November 2013). Setiap perusahaan akan berupaya untuk bisa meningkatkan produktifitas dan mengefisiensikan segala jenis biaya untuk memenangkan persaingan tersebut.Tingkat produktifitas dan tingkat efisiensi yang tinggi, perusahaan dapat mengatur biaya – biaya produksi maupun non produksi yang tidak perlu sehingga harga produksi bisa lebih efisien. Jika harga pokok produksi dapat lebih murah maka secara otomatis perusahaan akan mendapatkan laba yang lebih besar. Saat ini masalah perusahaan bukan hanya sampai pada masalah produksi dan penekanan biaya, tetapi perusahaan harus bisa meramalkan atau menghitung jumlah permintaan yang dikehendaki konsumen di periode berikutnya. Adanya perusahaan sejenis yang baru berkembang atau pesaing baru adalah salah satu faktor ancaman sebuah perusahaan yang sudah berdiri bisa mengalami kemerosotan dan juga bisa mengalami kehancuran. Oleh karena itu agar perusahaan tetap bisa berjalan dan tidak mengalami kehancuran diperlukan berbagai macam cara agar tidak dapat di goyahkan oleh pesaing baru maupun pesaing lama. Salah satunya dengan cara meramalkan pemintaan dari konsumen. Sebab pada dasarnya peramalan yang efektif atas permintaan konsumen akan mempengaruhi keuntungan pada perusahaan sehingga perusahaan tidak terdapat stok yang menumpuk. Pada beberapa perusahaan industri manufaktur seperti PT Sinar Perdana Ultra sistem perencanaan persediaan merupakan salah satu faktor yang tepenting agar dapat memenuhi kebutuhan pelanggan sesuai dengan permintaan dan tepat pada waktunya. Hal ini terjadi karena tidak selamanya permintaan konsumen itu selalu mencukupi kapasitas dari persediaan yang ada di perusahaan dan otomatis keuntungan yang diperoleh pun akan berkurang dan bisa tidak ada sama sekali. PT Sinar Perdana Ultra bergerak dalam bidang pembuatan Cat. Perusahaan ini mempunyai sebuah pabrik yang berlokasi di Jakarta Barat. Berdasarkan masalah yang ada, perusahaan sering mengalami permasalahan dalam produk TPR. Kondisi tersebut membuat perusahaan menjadi bingung dalam pemesanan bahan baku secara optimal per-bulannya. Peramalan permintaan konsumen harus dapat menjamin kebutuhan bagi kelancaran kegiatan perusahaan dalam jumlah dan kualitas yang tepat dengan biaya yang serendah – rendahnya. Agar kegiatan produksi dapat berjalan dengan baik maka perlu adanya komunikasi antara bagian produksi dengan bagian persediaan, baik itu persedian bahan baku, persedian barang setengah jadi, persediaan barang jadi dan persediaan lainnya. Oleh karena itu bagian persediaan harus dapat menghitung atau meramalkan semua persediaan agar tidak terjadi kecurangan pada saat dibutuhkan ataupun kelebihan persediaan sebelum pelanggan melakukan permintaan. Dari latar belakang di atas maka dirasa cocok untuk diteliti mengenai pengendalian bahan baku di perusahaan dengan tujuan penelitian: 1. Untuk memilih metode yang tepat diantara Naive Method, Moving Average, Exponential Smoothing, Exponential Smoothing With Trend, dan Linear Regression untuk meramalkan penjualan pada periode berikutnya di PT. Sinar Perdana Ultra. 2. Perusahaan dapat mengetahui berapa kuantitas yang optimal pada saat pemesanan bahan baku. Di dalam penelitian ini akan mengusulkan suatu sistem peramalan atau perencanaan kapasitas permintaan untuk periode berikutnya sehingga PT Sinar Perdana Ultra dapat memenuhi jumlah permintaan para pelanggan – pelanggannya. Pelanggan – pelanggan yang dimaksud adalah para konsumen langsung maupun distributor yang bergerak dibidang penjualan Metode penelitian yang akan dipakai oleh penulis antara lain menggunakan metode FORECASTING, EOQ (economic order quantity), ROP (reorder point), dan SS (safety stock) untuk memaksimalkan fungsi persediaan yang ada di dalam perusahaan. Hal ini berkaitan dengan peramalan kebutuhan perusahaan pada periode berikutnya, kuantitas pemesanan dan frekuensi pembelian bahan baku, sehingga akan tercapai efisiensi persediaan bahan baku di perusahaan.

Persediaan Pendapat Ridwan S. Sundjaja (2007 : 379), persediaan meliputi semua barang atau bahan yang diperlukan dalam proses produksi dan distribusi yang digunakan untuk proses lebih lanjut atau dijual, sedangkan persediaan menurut Sofjan Assauri (2004 : 169) adalah suatu aktiva yang meliputi barang-barang milik perusahaan yang dimaksud untuk dijual dalam satu periode usaha yang normal atau persediaan barang baku yang menunggu penggunaannya dalam suatu proses produksi. Dari pengertian persediaan diatas dapat ditarik kesimpulan bahwa persediaan merupakan barangbarang atau bahan baku yang diperlukan dalam proses produksi maupun digunakan untuk dijual dalam suatu periode tertentu. Menurut Sofjan Assauri (2004 : 170), persediaan yang diadakan mulai dari yang bentuk bahan mentah sampai dengan barang jadi antara lain berguna untuk : 1. Menghilangkan resiko keterlambatan datangnya barang atau bahan-bahan yang dibutuhkan perusahaan. 2. Menghilangkan resiko dari material yang dipesan tidak baik sehingga harus dikembalikan. 3. Untuk menumpuk bahan-bahan yang dihasilkan secara musiman sehingga dapat digunakan bila bahan itu tidak ada dalam pasaran. 4. Mempertahankan stabilitas operasi perusahaan atau menjamin kelancaran arus produksi. 5. Mencapai penggunaan mesin yang optimal. 6. Memberikan pelayanan (service) kepada pelanggan dengan sebaik-baiknya dimana keinginan pelanggan pada suatu waktu dapat dipenuhi adalah memberikan jaminan tetap tersedianya barang jadi tersebut. 7. Membuat pengadaan atau produksi tidak perlu sesuai dengan penggunaan atau penjualannya. Untuk pengambilan keputusan penentuan besarnya biaya-biaya variabel dan untuk menentukan kebijakan persediaan yang perlu diperhatikan adalah bagaimana perusahaan dapat meminimalkan biaya-biaya. Biaya-biaya persediaan yang harus dipertimbangkan menurut Freddy Rangkuty (2004 : 16) adalah sebagai berikut : 1. Biaya Penyimpanan (holding cost/carrying costs) yaitu biaya-biaya yang berkaitan dengan penyimpanan atau penahanan (carrying) persediaan sepanjang waktu tertentu. Oleh karena itu biaya ini mencakup biaya yang berkaitan dengan gudang, seperti asuransi, penambahan staff, pembayaran bunga. 2. Biaya Pemesanan (ordering cost) mencakup biaya-biaya pasokan, formulir, pemrosesan pesanan, tenaga para pekerja. 3. Biaya pemasangan (setup cost) adalah biaya-biaya untuk mempersiapkan mesin atau proses untuk memproduksi pesanan. Dapat diefisienkan apabila pemesanan dilakukan secara elektronik. Dalam banyak operasi, biaya pemasangan secara erat berhubungan dengan waktu pemasangan (setup time). Economic Order Quantity Menurut Jay Heizer dan Barry Render (2010 : 92), model kuantitas pesanan ekonomis (Economic Order Quantity) adalah salah satu teknik kontrol persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan. Teknik ini relatif mudah digunakan tetapi didasaarkan pada beberapa asumsi : 1. Jumlah permintaan diketahui, konstan, dan independen. 2. Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. 3. Penerimaan persediaan bersifat instan dan selesai seluruhnya. Dengan kata lain, persediaan dari sebuah pesanan datang dalam satu kelompok pada suatu waktu. 4. Tidak tersedia diskon kuantitas. 5. Biaya variabel hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan). 6. Kehabisan persediaan (kekurangan persediaan) dan dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat. Perhitungan EOQ dapat dihitung dengan rumus : EOQ =

2.D.S H

Keretangan : EOQ = Jumlah optimal barang per pemesanan (Q*)

D S H

= Permintaan tahunan barang persediaan dalam unit = Biaya pemasangan atau pemesanan setiap pesanan = Biaya penahan atau penyimpanan per unit per tahun

Selain rumus EOQ, terdapat beberapa rumus untuk mendukung perhitungan biaya persediaan, antara lain : 1.

Persediaan rata - rata yang tersedia =

Q* 2

Jumlah pesanan yang diperkirak an =

2.

D Q*

D .S Q* Q* Biaya penyimpanan tahunan = .H 2 Biaya pemesanan tahunan =

3. 4. 5. 6.

Total harga per unit = Harga per unit x D Total Harga Keseluruhan = Total harga per unit + Biaya pemesanan tahunan + Biaya penyimpanan tahunan

Reorder Point (ROP) Menurut Jay Heizer dan Barry Render (2010 : 99), titik pemesanan ulang (Reorder Point) yaitu tingkat persediaan dimana ketika persediaan mencapai tingkat tersebut, pemesanan harus dilakukan.

Tingkat

Q

Kemiringan = unit/hari

ROP (unit)

Waktu tunggu = L

Waktu

Sumber : Jay Heizer dan Barry Render (2010 :100) Gambar 2.2 Titik Pemesanan Ulang (ROP) Rumus untuk menentukan ROP adalah sebagai berikut : ROP = d x L Keterangan : d = Permintaan per hari L = Waktu tunggu pesanan baru dalam hari Persamaan untuk ROP ini mengasumsikan permintaan selama waktu tunggu dan waktu tunggu itu sendiri adalah konstan. Permintaan per hari (d) dihitung dengan membagi permintaan tahunannya (D) dengan jumlah hari kerja dalam satu tahun : Permintaan per hari =

D Jumlah hari kerja per tahun

Persediaan Pengaman (Safety Stock) Menurut Taylor (2005 : 364), persediaan cadangan adalah persediaan yang disimpan untuk mengantisipasi permintaan pelanggan yang sulit diketahui dengan pasti. Stok cadangan ini disimpan untuk memenuhi permintaan musiman atau siklus.

Menurut Sofjan Assauri (2004 : 186), Faktor-faktor yang menentukan besarnya persediaan pengaman adalah : 1. Penggunaan bahan baku rata-rata Salah satu dasar untuk memperkirakan penggunaan bahan baku selama periode tertentu, khususnya selama periode pemesanan adalah rata-rata penggunaan bahan baku pada masa sebelumnya. 2. Faktor waktu atau lead time (Procurement Time) Didalam pengisian kembali persediaan terdapat suatu perbedaan waktu yang cukup lama antara saat mengadakan pesanan (order) untuk menggantikan atau pengisian kembali persediaan dengan saat penerimaan barang-barang yang dipesan tersebut. Peramalan Menurut Manahan Tampubolon (2004 : 40) peramalan merupakan penggunaan data untuk menguraikan kejadian yang akan datang di dalam menentukan sasaran yang dikehendaki. Menurut Roger Schroeder (2004 : 207) peramalan adalah satu masukan untuk semua jenis perencanaan dan pengendalian bisnis, baik di dalam dan di luar fungsi operasi. Menurut Jay Heizer dan Barry Render (2010 : 163) peramalan biasanya diklasifikasikan menurut horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori: 1. Peramalan jangka pendek. Peramalan ini mencakup jangka waktu hingga satu tahun tetapi umumnya kurang dari 3 bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja, dan tingkat produksi. 2.

3.

Peramalan jangka menengah. Peramalan jangka menengah atau intermediate, umumnya mencakup hitungan bulanan hingga 3 tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan, dan anggaran produksi, anggaran kas, dan menganalisa berbagai macam kegiatan operasi. Peramalan jangka panjang. Umumnya untuk perencanaan 3 tahun atau lebih. Perencanaan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).

Jay Heizer dan Barry Render dalam buku Manajemen Operasi (2010 : 170-175), metode - metode peramalan kuantitatif, terdiri dari : 1. Pendekatan Naif (Naive Method) Cara paling sederhana untuk meramal adalah berasumsi bahwa permintaan di periode mendatang akan sama dengan permintaan pada periode terakhir. Untuk beberapa jenis produk, pendekatan naif (naive method) merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. 2. Rata-Rata Bergerak (Moving Average) Peramalan rata-rata bergerak menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak berguna jika kita dapat mengasumsikan bahwa permintaan pasar akan stabil sepanjang masa kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut : ∑ Permintaan dalam periode n sebelumnya Rata - rata bergerak = n 3. Rata-Rata Bergerak dengan Pembobotan (Weighted Moving Average) Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Pemilihan bobot merupakan hal yang tidak pasti karena tidak ada rumus untuk menetapkan mereka. Oleh karena itu, pemutusan bobot yang digunakan membutuhkan pengalaman. Pembobotan rata - rata bergerak =

4.

∑ (Bobot periode n)(Permint aan dalam periode n) ∑ Bobot

Penghalusan Eksponential (Exponential Smoothing) Penghalusan Eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini menggunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut : Peramalan = Peramalan + α (Permintaan sebenarnya periode terakhir –

baru

periode terakhir

peramalan periode terakhir)

Dimana α adalah sebuah bobot atau konstanta penghalusan yang dapat dipilih oleh peramal yang mempunyai nilai antara 0 dan 1. Persamaan rumus diatas juga dapat ditulis secara sistematis sebagai berikut. Ft = Ft-1 + α (At-1 – Ft-1) dimana : = Peramalan baru Ft Ft-1 = Peramalan sebelumnya α = Konstanta penghalusan (pembobotan) (0 ≤ α ≤ 1) At-1 = Permintaan aktual periode lalu 5.

Penghalusan Eksponential dengan Penyesuaian Trend (Exponential Smoothing with Trend) Model penghalusan eksponensial yang lebih rumit dan dapat menyesuaikan diri pada tren yang ada. Idenya adalah menghitung tren rata-rata data penghalusan eksponensial, kemudian menyesuaikan untuk kelambatan (lag) positif atau negatif pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, α untuk rata-rata dan β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponential dengan Penyesuaian Trend adalah sebagai berikut. Ft = α (At-1) + (1-α) (Ft-1 + Tt-1) , Tt = β (Ft-Ft-1) + (1-β) Tt-1 dimana : Ft = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t Tt = tren dengan eksponensial yang dihaluskan pada periode t At = permintaan aktual periode t α = konstanta penghalusan untuk rata-rata (0 ≤ α ≤ 1) β = konstanta penghalusan untuk rata-rata (0 ≤ β ≤ 1)

6.

Proyeksi Trend (Linear Regression) Proyeksi Tren merupakan suatu metode peramalan yang mencocokan garis tren pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa mendatang untuk peramalan jangka menengah atau jangka panjang. Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut. y = a + bx dimana : y = nilai terhitung dari variabel yang akan diprediksi a = persilangan sumbu y b = kemiringan garis regresi (atau tingkat perubahan pada y untuk perubahan yang terjadi di x x = variable bebas (dalam kasus ini adalah waktu). Untuk menentukan nilai a dan b, akan di jelaskan pada rumus dibawah ini.

dimana : b = kemiringan garis regresi ∑ = tanda penjumlahan total X = nilai variabel bebas yang diketahui y = nilai variabel terkait yang diketahui a = - bx dimana : = rata-rata nilai y x = rata-rata nilai x.

METODE PENELITIAN

Jenis penelitian yang digunakan dalam penulisan penelitian ini adalah penelitian deskriptif. Penelitian deskriptif adalah penelitian yang tujuannya untuk menyajikan data/gambaran lengkap mengenai hubungan antara fenomena yang diuji. Dimana data yang telah terkumpul kemudian disajikan kembali dengan disertai analisis sehingga dapat memberikan gambaran yang jelas. Teknik pengumpulan data dilakukan melalui beberapa cara, yaitu: a.

b.

c.

Wawancara Dilakukan dengan cara tanya jawab secara langsung dengan Bapak Awan selaku manajer operasional tentang kegiatan operasi perusahaan, kapasitas perusahaan dan jumlah penjualan. Metode observasi Pengumpulan data dilakukan dengan cara pengamatan langsung ke perusahaan sebagai objek penelitian sehingga didapatkan data mengenai proses produksi dan informasi lainnya yang penting mengenai perusahaan. Penelitian kepustakaan (Library Research Method) Library Research adalah metode penelitian yang dilakukan dengan jalan mengadakan studi kepustakaan dengan mempelajari literatur – literatur, buku, jurnal, dan sumber – sumber sejenis lainnya yang berhubungan dengan masalah penelitian.

Penentuan standar kualitas produksi dengan menggunakan : 1. Forecasting (Peramalan) dianalisis dengan menggunakan bantuan software QM For Windows dengan menggunakan pendekatan Metode regresi linier (Linear Reggression), Metode penghalusan eksponensial dengan trend (Exponential Smoothing With Trend), Metode penghalusan eksponensial (Exponential Smooting), Metode rata – rata bergerak dengan bobot (Weighted Moving Average), Metode rata – rata bergerak (Moving Average) dan Metode Naive Method peramalan dilakukan berdasarkan data-data permintaan cat yang sudah ada sebelumnya kemudian dilakukan peramalan untuk bulan Juli 2013 dan metode apa yang sebaiknya digunakan oleh PT Sinar Perdana Ultra. 2. Inventory (Persediaan) dianalisis dengan bantuan software QM For Windows berdasarkan hasil dari peramalan permintaan cat TPR untuk Juli 2013 dengan menghitung EOQ, Average Inventory, Orders per period (tahun/year), Annual Setup Cost, Annual Holding Cost dan Total Cost (TC) untuk menentukan persediaan cat pada PT Sinar Perdana Ultra. Motode peramalan yang akan digunakan oleh penulis dengan menggunakan data penjualan tahun sebelumnya. dimana metode peramalan yang dipakai menggunkan rumus sebagai berikut. (Herjanto. Eddy 2007 p78) : 1. Peramalan Naïve Method 2. Peramalan Moving Average 3. Peramalan Weighted Moving Average 4. Peramalan Exponential Smoothing 5. Peramalan Exponential Smoothing with Trend 6. Peramalan Linear Regression Metode analisis yang akan digunakan oleh penulis adalah dengan menggunakan metode analisis EOQ ( economic order quantity ) dan ROP ( reorder point ). Herjanto. Eddy (2007) p248-249 : 1. Economic Order Quantity 2. Reorder Point 3. Safety Stok 4. Total Cost

HASIL DAN PEMBAHASAN Berikut adalah data permintaan cat TPR pada PT. SINAR PERDANA ULTRA per tahunnya (dari Agustus 2012 – juli 2013) Tabel 4.2 Data Permintaan TPR BULAN AGUSTUS’12 SEPTEMBER’12

PERMINTAAN (kg) 1969 2016

OKTOBER’12 1815 NOVEMBER’12 1709 DESEMBER’12 1815 JANUARI’13 2093 FEBRUARI’13 2347 MARET’13 2652 APRIL’13 2425 MEI’13 1882 JUNI’13 2136 JULI’13 2477 TOTAL PERMINTAAN 25336 Sumber : PT. SINAR PERDANA ULTRA, 2013

Jika diplotkan data – data penjualan yang lalu pada grafik di atas, dapat dilihat bahwa penjualan cat TPR memiliki kecenderungan naik turun. Oleh karena itu, perlu dilakukan pendekatan perencanaan dengan metode peramalan dengan menggunakan program QM (Quantitative Management) for Windows. 4.1 Menghitung Peramalan Penjualan Cat TPR akan dihitung dengan metode peramalan dengan menggunakan program QM (Quantitative Management) for Windows. Adapun berbagai model dari metode peramalan tersebut, yaitu : a. Naive Method b. Moving Average c. Weighted Moving Average d. Exponential Smoothing e. Exponential Smoothing With Trend f. linear regression

HASIL PERHITUNGAN PERAMALAN NO.

METODE

1.

Naive Method

2.

MAD

MSE

FORECAST

242

75.189,27

2.477

Moving Average

308,6296

132.608

2.165

3.

Weighted Moving Average

273,6666

114.734,5

2.255,7

4.

Exponential Smooothing

228,1618

86.826,88

2.309,357

5.

Exponential Smoothing with Trend

255,4093

98.111,59

2.366,719

6.

Linear Regression

203,8728

56.881,08

2.417,743

Sumber : Hasil Analisis Data Agustus 2012 – Juli 2013 Berdasarkan hasil perhitungan dan analisis yang dilakukan, hasil yang diperoleh dari Cat TPR berdasarkan MAD dari Naïve method adalah 242, dengan Moving Average adalah 308,6296, dengan Metode Weighted Moving Average adalah 273,666, dengan Exponential Smoothing adalah 228,1618, dengan Exponential Smoothing with Trend adalah 255,4093, dan dengan Metode Linear Regression adalah 203,8728. Dan hasil kesalahan peramalan yang paling kecil dari Cat TPR tersebut bedasarkan MAD nya terletak pada Metode Linear Regression. Berdasarkan hasil perhitungan dan analisis yang dilakukan, hasil yang diperoleh dari Cat TPR berdasarkan MSE dari Naïve method adalah 75.189,27, dengan Moving Average adalah 132.608, dengan Metode Weighted Moving Average adalah 114.734,5, dengan Exponential Smoothing adalah 86.826,88, dengan Exponential Smoothing with Trend adalah 98.111,59, dan

dengan Metode Linear Regression adalah 56.881,08. Dan hasil peramalan yang memiliki nilai MAD dan MSE yang paling kecil dari Cat TPR tersebut terletak pada Metode Linear Regression. Tabel 4.4 Hasil Peramalan Permintaan cat TPR menggunakan Metode Linear Regression BULAN PERMINTAAN(kg) AGUSTUS’13 2.417 SEPTEMBER’13 2.465 OKTOBER’13 2.512 NOVEMBER’13 2.559 DESEMBER’13 2.606 JANUARI’14 2.653 FEBRUARI’14 2.701 MARET’14 2.748 APRIL’14 2.795 MEI’14 2.842 JUNI’14 2.889 JULI’14 2.936 TOTAL 32.123 PERMINTAAN Sumber : Hasil Analisis Data Agustus 2012 – Juli 2013 Berdasarkan tabel 4.3, dapat dilihat bahwa terjadi peningkatan permintaan yang signifikan antara permintaan sebelum melakukan peramalan (tabel 4.2), yaitu dengan total kuantitas permintaan sebesar 25.336 kg cat TPR dengan tabel setelah melakukan peramalan (tabel 4.3),yaitu dengan total kuantitas permintaan sebesar 32.123 kg cat TPR. Berdasarkan data permintaan tahun lalu (Agustus 2012 – Juli 2013), maka perincian bahan baku berdasarkan permintaan sebelumnya adalah sebagai berikut : Tabel 4.6 Perincian Kebutuhan Bahan Baku (Agustus ’12 – Juli ’13) BULAN

PERMINTAAN SOLVENT RESI (kg) (kg) N(kg) AGUSTUS’12 1.969 985 492 SEPTEMBER’12 2.016 1.008 504 OKTOBER’12 1.815 908 454 NOVEMBER’12 1.709 855 427 DESEMBER’12 1.815 907 454 JANUARI’13 2.093 1.047 523 FEBRUARI’13 2.347 1.173 587 MARET’13 2.652 1.326 663 APRIL’13 2.425 1.213 606 MEI’13 1.882 941 471 JUNI’13 2.136 1.068 534 JULI’13 2.477 1.239 619 Total 25.336 12.670 6.334 Sumber : Hasil Analisis Data Agustus 2012 – Juli 2013

PIGMENT (kg) 492 504 454 427 454 523 587 663 606 471 534 619 6.334

Berdasarkan data peramalan permintaan yang telah diteliti, perincian bahan baku yang disarankan sesuai dengan peramalan permintaaan adalah sebagai berikut: Tabel 4.7 Perincian Kebutuhan Bahan Baku (Agustus’13 – Juli ’14) BULAN AGUSTUS’13 SEPTEMBER’13 OKTOBER’13

PERMINTAA N(kg) 2.417 2.465 2.512

SOLVEN T(kg) 1.209 1.233 1.256

RESI N(kg) 604 616 628

PIGMEN T (kg) 604 616 628

NOVEMBER’13 2.559 1.280 640 DESEMBER’13 2.606 1.303 652 JANUARI’14 2.653 1.327 663 FEBRUARI’14 2.701 1.351 675 MARET’14 2.748 1.374 687 APRIL’14 2.795 1.398 699 MEI’14 2.842 1.421 711 JUNI’14 2.889 1.445 722 JULI’14 2.936 1.468 734 Total 32.123 16.605 8.031 Sumber : Hasil Analisis Data Agustus 2012 – Juli 2013

640 652 663 675 687 699 711 722 734 8.031

Perhitungan Persediaan Permintaan Solvent Menggunakan Software QM for Windows

Gambar 4.29 Grafik ROP Solvent. Jadi, dari pengolahan data dengan menggunakan EOQ maka dapat diketahui bahwa titik pemesanan optimal EOQ solvent sebesar 8.868,78 kg dengan frekuensi pesanan per periode adalah 2 kali. Dan dari data tersebut dapat disimpulkan reorder point sebesar 3.055,35 kg dengan permintaan rata-rata per hari adalah 55,35 kg dan rata-rata biaya pengiriman dan perawatan adalah sebesar Rp 4.212.671,-. Jadi total biaya dari kegiatan operasional mengenai bahan baku solvent sebesar Rp 210.176.100,Perhitungan Persediaan Permintaan Resin Menggunakan Software QM for Windows Tabel 4.9 Data Permintaan Resin Demand 8.031 kg Unit Cost Rp. 13.100 Biaya Pengiriman (Co) Rp. 1.750.000 Lead Time 2 hari Biaya Penyimpanan (Ch) Rp. 950 Jumlah Hari Kerja 300 hari Safety Stock 2500 kg Sumber: Hasil Analisis Data 2013

Gambar 4.32 Grafik ROP Resin. Setelah menggunakan program QM untuk menganalisa data, dapat dilihat bahwa :

Jadi, dari pengolahan data dengan menggunakan EOQ maka dapat diketahui bahwa titik pemesanan optimal EOQ Resin sebesar 5.439,48 kg dengan frekuensi pesanan per periode adalah 2 kali. Dan dari data tersebut dapat disimpulkan reorder point sebesar 2.553,54 kg dengan permintaan rata-rata per hari adalah 26,77 kg dan rata-rata biaya pengiriman dan perawatan adalah sebesar Rp 2.583,751,-. Jadi total biaya dari kegiatan operasional mengenai bahan baku resin sebesar Rp 110.373.600,Perhitungan Persediaan Permintaan Pigment Menggunakan Software QM for Windows Tabel 4.10 Data Permintaan Pigment Demand 8.031 kg Unit Cost Rp. 15.250 Biaya Pengiriman (Co) Rp. 1.500.000 Lead Time 1 hari Biaya Penyimpanan (Ch) Rp. 950 Jumlah Hari Kerja 300 hari Safety Stock 2500 kg Sumber: Hasil Analisis Data 2013

Gambar 4.35 Grafik ROP Pigment Setelah menggunakan program QM untuk menganalisa data, dapat dilihat bahwa : Jadi, dari pengolahan data dengan menggunakan EOQ maka dapat diketahui bahwa titik pemesanan optimal EOQ pigment sebesar 5.035,98 kg dengan frekuensi pesanan per periode adalah 2 kali. Dan dari data tersebut dapat disimpulkan reorder point sebesar 2.526,77 kg dengan permintaan rata-rata per hari adalah 26,77 kg dan rata-rata biaya pengiriman dan perawatan adalah sebesar Rp 2.392.089,-. Jadi total biaya dari kegiatan operasional mengenai bahan baku pigment sebesar Rp 127.256.900,-

KESIMPULAN Berdasarkan hasil analisis pada persediaan bahan baku di Perusahaan PT. Sinar Perdana Ultra serta perhitungan yang dilakukan untuk menganalisis pada persediaannya, maka dapat ditarik kesimpulan sebagai berikut : 1.

2.

Dari hasil analisa perhitungan metode forecasting pada bahan baku cat TPR menunjukkan bahwa metode Linear Regression menghasilkan MAD sebesar 203,8728 dan MSE sebesar 56.881,08 sehingga merupakan yang paling terkecil yang artinya yang paling akurat diantara kelima metode lainnya maka diaplikasikan pada PT. Sinar Perdana Ultra. Dengan menggunakan metode EOQ maka dapat diperoleh kesimpulan bahwa pemesanan bahan baku Solvent bagi PT. Sinar Perdana Ultra adalah sebesar 8.868,78 kg untuk setiap kali pemesanan sedangkan untuk bahan baku Resin adalah sebesar 5.439,48 kg dan untuk bahan baku Pigment adalah sebesar 5.035,98 kg.

DAFTAR PUSTAKA

Assauri, Sofjan (2004). Manajemen Produksi dan Operasi, Edisi Revisi Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Chase, Jacob, Aquilano (2004), Operation Management For Competitive Advantages, Tenth Edition. Mc Graw Hill . Candra, Sevenpri dan Haryadi Sarjono (2012). “Forecasting for Inventory Control”. Journal of Supply Chain Management. Assumption University of Thailand volume 6. ISBN :1905-95661. Hal 1-14 David, Fred. (2004). Manajemen Strategis : Konsep – konsep, edisi ke – 9. PT. Indeks Kelompok Gramedia, Jakarta. Heizer, Jay, Barry Rander. (2010). Operations Management Sixth Edition. New Jersey : Prentice Hall. Heizer, Jay, Barry Rander. (2010). Prinsip – prinsip Manajemen Operasi. Jakarta : Salemba Empat. Herjanto, Eddy (2007). Manajemen Persediaan. Edisi Kesebelas. PT. Gramedia Widia Sarana Indonesia, Jakarta. Keown, et al (2000). Dasar – dasar Manajemen, buku 2. Salemba Empat, Jakarta. Pardede, Pontas M. (2005). Manajemen operasi dan produksi. Andi Offset, Jakarta. Rangkutti, Freddy. (2004). Manajemen Persediaan. PT. Raja Grafindo Persada, Jakarta. Rangkutti, Freddy. (2005). Business Plan. PT. Gramedia Pustaka Utama, Jakarta. Render, Barry dan Haizer, Jay (2006), Operations Management, buku 1 dan 2. Edisi Ketujuh. Salemba Empat, Jakarta. Sarjono, Haryadi, Yulia Agustina dan Arko Pujadi. (2008). Analisis Peramalan Penjualan pada PT. Multi Megah Mandiri. Management Expose Volume 8. 2008 (17): 60-78. Syntetos, AA; Boylan, J E; Disney, S M. (2009). Forecasting for Inventory Planning: A 50-Year Review. The Journal of the Operational Research Society Volume 60. 2009: 149160 Tampubolon, Manahan P (2004). Manajemen Operasional, PT. Ghalia Indonesia, Jakarta. Zulfikarijah, Fien (2005). Manajemen Operasional, UMM Press, Malang. Zulfikarijah (2005). Manajemen Persediaan. Universitas Muhammadiyah, Malang.

RIWAYAT PENULIS Samuel Kusuma lahir di kota Jakarta pada 17 Febuari 1990 dan Valiant Bumi Putra lahir dikota Jakarta pada 12 Ferbuari 1992. Kedua penulis menamatkan pendidikan S1 Universitas Bina Nusantara dalam bidang Bisnis Manajemen pada 2014.