Andry Yanuar Binus University, Jl.KH.Syahdan No. 9 Kemanggisan, (021) ,

WORKING PAPER PERHITUNGAN SAFETY STOCK UNTUK MENINGKATKAN KETERSEDIAAN PRODUK PRIORITAS DENGAN METODA KLASIFIKASI ABC DI AREA FINISHED GOODS PT. SURYARAYA RUBBERINDO INDUSTRIES Andry Yanuar Binus University, Jl.KH.Syahdan No. 9 Kemanggisan, (021)53696969, [email protected]

Siti Nur Fadilah S.T., M.T. Binus University, Jl.KH.Syahdan No. 9 Kemanggisan, (021)53696969 Abstract Motorcycle tire industry competition is getting tougher this time, one attempts to do is always tire be on the market availability products with competitive prices. The purpose of this final report was to calculate the optimal forecasting for priority products class A in the areas finished goods and can increase the availability of class A product by adding safety stock. Products at PT.SRI classified into 3 categories: Class A, B and C, however, this final report discusses only for class A. Forecasting is using three methods, Holts, exponential smoothing, and winter. After that, three methods are compared to the smallest error value for the next forecasting. After getting the value forecasting, calculate safety stock and reorder point (ROP) with the assumption of variable demand and constant waiting time. The results showed that the computation results compared with the actual demand for test the validity of the forecasting and safety stock, resulting is, from 15 products, 12 products meet the standards set by the company which has a difference of between -25% to 25%. So the method of forecasting and safety stock calculations can be used by PT.SRI (A) Keywords: Safety stock, reorder point, forecasting, winter, exponential smoothing, holts, inventory

Abstrak Persaingan industri ban motor saat ini semakin ketat, salah satu upaya yang dapat dilakukan adalah dengan selalu tersedianya produk di pasaran secara berkesinambungan dengan harga yang kompetitif. Tujuan penelitian ini adalah dapat menghitung peramalan yang optimal untuk produk-produk prioritas kelas A di area finished goods dan dapat meningkatkan ketersediaan produk kelas A dengan menambahkan persediaan pengaman. Produk di PT.SRI diklasifikasikan menjadi 3 kategori yaitu kelas A, B dan C, namun penulisan tugas akhir ini membahas hanya untuk kelas A. Peramalan dilakukan dengan menggunakan 3 metoda yaitu Holts, exponential smoothing, dan winter. Dari ketiga metoda tersebut

dibandingkan nilai error yang terkecil untuk melakukan peramalan selanjutnya. Setelah mendapatkan nilai peramalan maka menghitung nilai persediaan pengaman dan reorder point(ROP) dengan asumsi permintaan variabel dan waktu tunggu konstan. Hasil penelitian menunjukan bahwa hasil perhitungan yang dibandingkan dengan aktual permintaan untuk menguji validitas peramalan dan persediaan pengaman menghasilkan dari 15 produk, 12 produk memenuhi standar yang ditetapkan perusahaan yaitu memiliki selisih diantara -25% sampai dengan 25%. Sehingga metoda peramalan dan perhitungan persediaan pengaman dapat digunakan oleh PT.SRI. (A) Kata Kunci: Persediaan pengaman, titik permintaan ulang, peramalan, winter, pemulusan eksponensial, holts, persediaan.

Pendahuluan Perusahaan yang menjadi objek dalam penelitian ini adalah PT. Suryaraya Rubberindo Industries( PT. SRI) merupakan perusahaan yang memproduksi ban luar dan dalam, dengan merek “Federal dan FDR”. Produk yang dihasilkan dipasarkan baik untuk kebutuhan dalam negeri dan juga luar negeri. Permasalahan yang dihadapi PT.SRI saat ini yaitu permintaan dari main dealer sering tidak dapat dipenuhi 100% dikarenakan stok kosong di bagian inventory finished goods. Ini terjadi akibat sales forecast sebelum bulan berjalan akan meningkat ataupun turun berkisar 25%-100% pada aktual bulan berjalan, sehingga produksi tidak dapat memenuhi pesanan dari sales. Dengan data sales forecast yang jauh berbeda dengan aktual pemesanan, maka pola produksi yang telah direncanakan sebelumnya oleh area PPC (Production Planning Control) akan di revisi untuk memenuhi permintaan item prioritas untuk dipenuhi, sehingga dengan demikian akan banyak loss item yang terjadi dengan merubah pola produksi yang telah direncanakan sebelumnya. Selain dengan loss item, akan ada potensi sisa material produksi, karena mayoritas item di PT.SRI memiliki material pembentuk yang berbeda dengan item lainnya, sehingga akan ada material yang mengalami scrap padahal masih dalam keadaan masih bisa dipakai. Dengan hal ini terjadi dua kerugian yang bersamaan yaitu kehilangan kesempatan menjual dan banyaknya sisa material akibat sisa produksi yang tidak terpakai. Hal ini dapat dihindari dengan perencanaan forecast sebelum bulan berjalan mendekati dengan aktual permintaan bulan berjalan (margin error kecil). PT.SRI baru bisa memenuhi pasar hanya sebesar 90%- 98% setiap bulanya dikarenakan belum adanya perhitungan stok minimum di area finished good PT.SRI untuk memenuhi gejolak permintaan pasar nasional maupun internasional. Apabila terjadi kelangkaan produk federal dan FDR ini terjadi di pasaran maka kompetitor akan dapat dengan mudah mengisi kekosongan tersebut. Karena produk ban mempunyai sifat subtitusi sehingga kompetitor akan mengisi pangsa pasar PT.SRI tanpa adanya penolakan dari konsumen. Saat ini manajemen PT.SRI hanya baru menerapkan safety stock untuk kategori OEM dan HGP yaitu sebanyak 3 hari dari jumlah pengiriman, sedangkan untuk kategori FDR TT dan FDR TL belum mempunyai safety stock. Data safety stock pun untuk kategori OEM dan HGP hanya berdasarkan asumsi dari pengalaman sebelumnya, maka penulis berpendapat untuk mendapat angka safety stock per item yang ideal bisa di kombinasikan dengan hitungan teori agar mendapatkan hasil yang lebih tepat dan teruji. Sehingga untuk seluruh kategori FDR TT dan FDR TL perlu melakukan perancangan persediaan dengan, membuat perhitungan safety stock berdasarkan tingkat prioritas dan service level, yang mampu meredam resiko terjadinya minus pengiriman.

Metode Penelitian Metode penelitian berawal dai perumusan masalah pada proses inventory PT.SRI, agar mempunyai safety stock yang optimal sehingga meminimkan terjadinya lost sale dan pergantian item produksi akibat abnormality order (urgent) secara terus menerus sehingga kinerja prioritas pada pembelian menjadi terganggu. Seteah itu mengumpulkan data yang dibutuhkan data produk, data penjualan, data rencana hari kerja. Lalu dilaukukan analisa Klasifikasi ABC Produk, peramalan, membandingkan hasil peramalan, penentuan tingkat safety safety dan ROP, menghitung nilai simpan dengan lost sales. Dengan data tersebut maka menghasilkan tujuan pola peramalan per size sehingga memudahkan dalam perencanaan stok dan produksi dan memiliki safety stock per produk prioritas yang optimal sehingga seluruh order dapat dipenuhi

Hasil dan Bahasan Analisis Klasifikasi kelas ABC diperlukan guna menentukan produk – produk prioritas untuk dianalisa lebih lanjut. Hal ini diperlukan karena dari berbagai produk yang ada, terdapat produk yang tidak diproduksi secara rutin disebabkan permintaannya tergolong rendah sehingga tidak memberi keuntungan yang besar untuk perusahaan. Berikut penjelasan dalam resume tabel klasifikasi kelas ABC. Dengan keterangan sebagai berikut: Tabel. Klasifikasi Kelas ABC KLASIFIKASI KELAS PERSENTASE KEUNTUNGAN KETERANGAN Kelas A 68.30% Rp726,610,301,810 9%-2% Kelas B 28.80% Rp306,432,437,335 2%-0,25% Kelas C 2.90% Rp30,881,760,419 <0.25% TOTAL 100.00% Rp 1,063,924,499,564 Sehingga, diperoleh 15 jenis produk yang termasuk kategori kelas A yang mewakili 68% keuntungan yang didapat PT.SRI dari total 77 produk FDR, 35 jenis produk yang termasuk kategori kelas B dan 26 jenis produk yang termasuk kategori kelas C. Dalam analisa selanjutnya produk yang akan dibahas adalah produk prioritas dari kategori kelas A Setelah mencoba metoda peramalan tersebut maka dibandingkan nilai error yang terkecil dari metoda-metoda tersebut. Setelah menghitung setiap produk dengan menggunakan 4 metoda tersebut maka untuk mengetahui metoda terbaik untuk setiap produk dapat diketahui dengan membandingkan nilai Error terkecil pada setiap perhitungan tersebut dan mempertimbangkan nilai TS( tracking signal) diantara 6
FDR TR TL90/80-17 GENZI METODA

MAD

TS

MAPE

MAD

TS

MAPE

FDR TR TT 70/90-17 FLEMMO MAD

2.78

0.25

3,478.25 13.74

SM 4,548.22 13.49 2.31 WINTER 3,217.13 9.56 4.06 FDR TR TL90/80-14 GENZI HOLTS 3,787.07 11.95 4.63 SM 4,259.16 14.05 3.54

-1.66 -4.03 0.10 -3.00

3,844.68 16.18 2.49 -3.75 2,094.19 8.89 5.28 -0.71 FDR TR TL 80/80-14 GENZI 3,432.02 14.12 3.80 0.17 3,414.41 14.82 2.73 -3.40

4,529.89 19.49 2.83 -4.03 2,169.28 9.66 5.92 0.46 FDR TR TL 80/80-14 SPORT XR EVO 3,168.33 18.54 4.56 0.00 2,809.88 18.49 2.33 -2.90

WINTER 4,391.75

-3.09

4,726.10 20.07

2,005.33

4,457.68

13.18

14.96

5.58

FDR TR TL 80/80-17 GENZI

MIN

3.47

0.01

TS

MIN

HOLTS

MAX

MAPE

MAX

6.00

-4.78

FDR TR TL 100/80-17 GENZI

4,341.64

18.14

13.14

MAX

MIN

2.86

0.02

4.66

-0.65

FDR TR TL 100/80-14 GENZI

HOLTS

4,101.58

13.89

2.62

0.00

2,908.27 23.17

3.19

0.00

2,824.84

30.83

3.74

0.26

SM

4,079.25

13.82

1.96

-1.89

2,423.39 19.14

1.76

-1.65

2,560.93

30.03

3.24

-2.22

-3.14

1,819.17 13.82 3.89 -2.17 FDR TR TT 70/80-17 GENZI 3,495.20 12.75 2.82 0.07 3,691.94 13.34 4.00 -2.67 1,974.42 7.21 7.56 -1.29 FDR TR TT 70/90-17 SPARTAX 4,068.34 14.49 6.62 0.31 3,110.57 12.35 4.52 -4.26 2,323.68 9.24 8.48 1.00

WINTER 2,712.02 9.28 3.64 FDR TR TT 80/90-17 FLEMMO HOLTS 4,900.81 13.99 2.90 SM 4,394.52 12.87 3.18 WINTER 3,208.66 9.54 6.78 FDR TR TT 80/90-17 SPARTAX HOLTS 4,347.07 13.84 3.01 SM 4,369.35 14.28 2.42 WINTER 2,840.14 9.46 3.94

0.26 -3.69 -0.61 0.32 -3.07 -1.81

1,889.53 22.81 5.16 -1.97 FDR TR TT 60/80-17 GENZI 3,512.45 22.37 3.22 0.11 4,233.39 29.27 2.27 -5.16 3,132.88 22.57 4.87 -0.53 FDR TR TL 100/80 – 14 SPORT XR EVO 1,974.29 26.78 3.92 0.26 2,237.48 30.13 2.89 -3.12 995.85 13.51 7.70 0.77

Setelah mendapatkan nilai error pada setiap metoda maka bandingkan dengan memilih nilai error yang paling kecil, antara MAD dan MAPE, jika keduanya memiliki nilai error yang paling rendah pada metoda yang sama maka dipilih metoda tersebut untuk produk itu. Namun jika keduanya memiliki nilai error yang berbeda (error MAD dan MAPE yang terkecil berbeda di metoda) maka dipilih berdasar nilai range TS yang paling kecil Setelah mendapatkan angka peramalan permintaan selama 1 tahun mendatang maka bisa kita hitung penentuan safety stock dan reorder point(ROP) setiap produk. Untuk setiap produk memiliki permintaan variable dan waktu tunggu konstan 1 hari. Sehingga menggunakan formula sebagai berikut: = Dimana standar deviasi dari permntaan selama waktu tunggu Standar deviasi dari permintaan per hari Setelah mendapatkan nilai peramalan dan nilai ROP maka nilai tersebut bisa dibandingkan dengan nilai aktual permintaan dan aktual stok di seksi finishedgood. Perbandingan yang dilakukan dari bulan Januari 2014 sampai dengan bulan Juni 2014. Nilai range error yang ditetapan oleh perusahaan adalah diantara -25% sampai dengan 25% sehingga jika nilai berada diluar range tersebut maka dianggap tidak memenuhi standar yang ditetapkan perusahaan. Nilai barang yang disimpan adalah 13% dari gross margin. Berikut perhitungan dari 15 produk kategori kelas A Tabel Perbandingan Perhitungan Peramalan dengan Aktual Permintaan Dan

BULAN jan feb mar apr may jun

MO 26,090 28,336 25,088 21,168 25,480 33,488

jan feb mar apr may jun

35,010 39,200 40,936 39,368 39,872 42,224

jan feb mar apr may jun

22,610 23,000 28,600 24,000 27,200 30,800

jan feb mar apr may jun

31,180 36,320 41,160 34,720 36,680 42,400

jan feb mar apr may jun

28,523 33,400 28,200 21,089 21,304 26,000

FDR TR TL90/80-17 GENZI FORECAST % ACT SS 38934 33% 2,910 36720 23% 2,540 37620 33% 2,250 34268 38% 1,173 38922 35% 2,045 36720 9% 58 FDR TR TL 90/80-14 SPORT XR EVO 34371 -2% 1,200 -9% 1,000 35964 38040 -8% 800 32266 -22% 900 34372 -16% 1,000 35964 -17% 278 FDR TR TT 70/90-17 FLEMMO 16% 1,890 26946 32589 29% 3,240 32850 13% 1,010 28236 15% 1,960 26936 -1% 1,790 32589 5% 100 FDR TR TT 80/90-17 FLEMMO 42074 26% 3,320 41395 12% 1,840 41328 0% 2,080 41321 16% 710 41320 11% 1,300 41320 -3% 450 FDR TR TT 70/80-17 GENZI 26919 -6% 730 -25% 1,000 26730 26550 -6% 2,080 26338 20% 3,990 26156 19% 2,560 25974 0% 0

SS 1,799 1,698 1,564 1,646 1,869 1,698

MO 35,900 39,760 42,896 29,848 40,416 41,048

1,568 1,640 1,560 1,528 1,627 1,640

24,880 19,008 29,312 19,072 27,408 30,528

1,249 1,509 1,369 1,357 1,297 1,509

21,925 21,056 22,016 20,608 24,128 25,536

2,077 2,044 1,836 2,118 2,118 2,040

31,180 32,160 30,080 20,640 30,560 34,080

1,862 1,864 1,679 1,936 1,936 1,864

25,890 26,800 24,600 20,000 23,400 29,600

FDR TR TL90/80-14 GENZI FORECAST % ACT SS 35451 -1% 2,101 35613 -12% 1,000 35790 -20% 800 35984 17% 1,407 36140 -12% 1,096 36315 -13% 456 FDR TR TL 80/80-14 GENZI 28647 13% 2,121 28431 33% 3,520 28410 -3% 104 28418 33% 1,456 28418 4% 1,134 28431 -7% 18 FDR TR TL 80/80-14 SPORT XR EVO 22005 0% 2,577 23652 11% 3,210 23790 7% 2,927 23088 11% 3,039 21996 -10% 800 23652 -8% 8 FDR TR TT 80/90-17 SPARTAX 35154 11% 1,971 37773 15% 4,881 38760 22% 1,261 34918 41% 2,041 35152 13% 1,751 37773 10% 0 FDR TR TT 70/90-17 SPARTAX 38070 32% 2,110 38124 30% 3,660 38130 35% 1,050 38116 48% 720 38116 39% 3,050 38124 22% 910

SS 1,719 1,727 1,562 1,813 1,821 1,761

MO 29,555 23,424 26,304 31,094 37,084 32,512

1,469 1,459 1,311 1,511 1,511 1,459

13,460 13,680 13,776 11,424 9,408 16,224

1,094 1,176 1,064 1,190 1,135 1,176

13,160 11,280 13,680 13,200 9,600 17,280

1,622 1,743 1,610 1,671 1,683 1,743

26,540 22,800 20,160 10,560 15,360 20,160

1,862 1,864 1,679 1,936 1,936 1,864

11,195 10,752 13,488 11,712 11,472 13,152

FDR TR TL 80/80-17 GENZI FORECAST % ACT SS 36585 19% 3,446 33156 29% 3,817 34560 24% 1,137 30394 -2% 2,304 36582 -1% 2,110 33156 2% 50 FDR TR TL 100/80-17 GENZI 16686 19% 544 14364 5% 2,161 15480 11% 1,165 12194 6% 114 16692 44% 2,631 14364 -13% 93 FDR TR TL 100/80-14 GENZI 12906 -2% 2,343 12339 9% 2,622 14130 3% 970 13000 -2% 999 12896 26% 905 12339 -40% 288 FDR TR TT 60/80-17 GENZI 23841 -11% 1,460 23220 2% 1,630 25500 21% 1,230 24076 56% 2,870 23842 36% 1,170 23220 13% 0 FDR TR TL 100/80 – 14 SPORT XR EVO 8370 -34% 1,309 8316 -29% 2,007 8280 -63% 1,608 8242 -42% 810 8190 -40% 1,289 8154 -61% 880

SS 1,681 1,523 1,429 1,451 1,745 1,523 840 723 702 637 872 723 762 728 750 797 791 728 1,399 1,364 1,346 1,466 1,452 1,364 527 523 467 537 535 511

Simpulan Berdasarkan pengumpulan data, analisa permasalahan dan aktifitas-aktifitas yang telah dilakukan, penulis mengambil beberapa kesimpulan yaitu: 1) Terdapat 77 produk ban luar yang diproduksi oleh PT.SRI namun dari 77 produk tersebut dihitung nilai keuntungan yang didapat dari produk tersebut dari periode tahun 2012-2013 sehingga didapatkan 15 produk prioritas yang memberikan keuntungan paling besar untuk PT.SRI.15 produk prioritas tersebut adalah FDR TR TL90/80-17 GENZI, FDR TR TL90/80-14 GENZI, FDR TR TL 80/80-17 GENZI, FDR TR TT 80/90-17 FLEMMO, FDR TR TT 80/90-17 SPARTAX, FDR TR TL 90/80-14 SPORT XR EVO, FDR TR TL 80/80-14 GENZI, FDR TR TL 100/80-17 GENZI, FDR TR TT 70/80-17 GENZI, FDR TR TT 70/90-17 SPARTAX, FDR TR TT 70/90-17 FLEMMO, FDR TR TL 80/80-14 SPORT XR EVO, FDR TR TL 100/80-14 GENZI, FDR TR TT 60/80-17 GENZI, FDR TR TL 100/80 – 14 SPORT XR EVO. Metoda peramalan yang diolah adalah menggunakan metoda eksponensial, Holt’s, dan winter. Setiap produk kelas A diolah dengan 3 metoda tersebut dan dibandingkan sehingga dilipih yang memiliki nilai error terkecil. Deskripsi Produk Metoda Deskripsi Produk Metoda Deskripsi Produk FDR TR TL90/80-17 GENZI WINTER FDR TR TL 90/80-14 SPORT XR EVO WINTER FDR TR TT 70/90-17 FLEMMO FDR TR TL90/80-14 GENZI HOLTS FDR TR TL 80/80-14 GENZI SM FDR TR TL 80/80-14 SPORT XR EVO FDR TR TL 80/80-17 GENZI WINTER FDR TR TL 100/80-17 GENZI WINTER FDR TR TL 100/80-14 GENZI FDR TR TT 80/90-17 FLEMMO SM FDR TR TT 70/80-17 GENZI HOLTS FDR TR TT 60/80-17 GENZI FDR TR TT 80/90-17 SPARTAX WINTER FDR TR TT 70/90-17 SPARTAX SM FDR TR TL 100/80 – 14 SPORT XR EVO 2)

Dengan adanya perhitungan safety stock dan reorderpoint(ROP) dapat membantu ketersediaan produk FDR di pasar, terlihat dari nilai yang disimpan dapat lebih hemat dibandingkan jika kehilangan penjualan .

Saran Dari hasil pengujian dari aktifitas yang telah dilakukan, penulis memberikan saran, antara lain : 1)

2)

Kategori kelas B dan C bisa dikerjakan dengan menggunakan pola perhitungan yang sama dengan penulis terapkan untuk kategori kelas A. Sehingga dapat mengetahui nilai peramalan setiap produk dan besaran produk yang disimpan sehingga dapat meredam lost opportunity untuk menjual produk-produk tersebut. Setelah mendapatkan nilai peramalan seluruh produk maka bisa dihitung untuk pola produksi dengan menggunakan metoda fixed planning. Fixed planning berguna karena dapat tidak terlalu berpengaruh jika ada fluktuasi permintaan sehingga produksi dapat meminimalkan jumlah produk yang di produksi grouping planning production based on same wip). Dengan demikian jenis wip akan berkurang sehingga dapat menurunkan nilai inventory, potensi scrap sisa material berkurang, imbas dari pergantian antar produk( frekuensi pergantian produk menurun), menaikan kapasitas produksi tire assy, support article, dan curing efek dari menurunya pergantian produk. Melakukan perhitungan marketing order dengan kelipatan tertentu setiap produk, sehingga pembagian pola produksi setiap produk, produk yang berproduksi sepanjang bulan, 2 minggu sekali, sampai 3 bulan sekali. Dengan adanya pola produksi fixed planning maka diharapkan juga dapat meningkatkan ketersediaan produk FDR disetiap main dealer

Metoda WINTER WINTER WINTER WINTER HOLTS

Daftar Pustaka Beutel.A & Minner.S. (2011). Safety Stock Planning Under Causal Demand Forecasting, Internationl Journal Production Economics, 637-645 Broekmeulen.R & Donselaar.K (2011). Determination of Safety Stocks in a Lost Sales Inventory System with Periodic Review, Positive Lead-time, Lot-sizing and a Target Fill Rate, Internationl Journal Production Economics, 440-448 Gaspersz, V. (2005). Production Planning and Inventory Control. Jakarta,Edisi 5: PT. Gramedia Pustaka Utama. Greene, J.H. (1997). Production Planning& Inventory control Handbook. New York, Edisi 5. Mc Graw Hill. Henmaidi & Hidayati.S (2008) Analisis Kinerja Manajemen Persediaan Pada PT. United Tractors, Tbk Cabang Padang Millstein.M.A, Yang.L & Li.H.( 2013) Optimizing ABC Inventory Grouping Decisions, Internationl Journal Production Economics, 71-80 Nasution, A.H (2003). Perencanaan dan Pengendalian Produksi. Surabaya, Edisi Pertama: PT. Prima printing. Nazir,M.(2005). Metodologi Penelitian. Bogor, Edisi 6: Ghalia Indonesia. Rachman,T. 11 September (2013). Persaingan Pasar Ban Semakin Sengit, diakses 25 November 2013 dari http://www.republika.co.id