BAB 4 PEMBAHASAN PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang memiliki fungsi untuk meningkatkan kompetensi SDM Pegawai PT. PLN (Persero). Selayaknya tempat pelatihan dan pembelajaran, PT. PLN (Persero) Udiklat Jakarta ini menyediakan berbagai macam diklat atau topik-topik untuk pengembangan wawasan dan pengetahuan Pegawai PT. PLN (Persero), yang dalam proses berjalannya, peserta yang telah mengikuti 1 macam diklat, tidak diberikan kesempatan untuk mengikuti diklat lain sampai hari efektif diklat yang diikutinya berakhir. Dan sebagai penunjang kelancaran aktivitas pendidikan, para peserta diklat diberikan fasilitas alat tulis kantor (ATK) Regular, berupa pen, notes, goodie bag, dan tas ransel. Adapun pembagian fasilitas alat tulis kantor tersebut adalah berdasar lamanya hari efektif diklat yang diikuti oleh masing-masing peserta. Secara umum, seluruh peserta diklat diberikan pen dan notes sebagai fasilitas mengikuti diklat. Namun, dikhususkan bagi peserta diklat yang mengikuti diklat dengan hari efektif 2-4 hari diberi tambahan goodie bag, sedangkan peserta diklat yang mengikuti diklat dengan hari efektif lebih dari sama dengan 5 hari diberikan tambahan ransel. 4.1
Data Penggunaan ATK Regular PT. PLN (Persero) Udiklat Jakarta tahun 20112012 Periode Pen & Notes Goodie Bag Ransel 1
475
306
39
156
40
2
355
260
39
3
557
512
35
4
564
275
144
5
525
405
94
6
727
452
252
7
473
229
221
8
268
66
86
9
373
170
186
10
564
356
150
11
644
457
151
12
726
425
111
13
311
247
64
14
670
578
52
15
791
623
120
16
1220
600
173
17
978
497
408
18
697
519
93
19
1127
528
503
20
291
155
99
21
601
494
7
22
420
278
36
23
1402
1188
669
41
24
386
265
121
Total
15145 unit
9885 unit
3970 unit
Tabel 4.1
4.2
Data Penggunaan ATK Regular Tahun 2011-2012
Perhitungan Persediaan ATK Regular Perhitungan persediaan menggunakan 3 metode yang berbeda guna membandingkan metode mana yang membutuhkan biaya terkecil dalam pengadaan persediaan ATK Regular, kemudian dilakukan simulasi estimasi biaya atau pengeluaran 1 tahun setelah periode pengambilan data dengan memakai metode pengadaan persediaan yang memiliki biaya terkecil. Metodemetode yang digunakan antara lain: metode EOQ dasar (Q Model), POQ (P Model), dan Min-Max Inventory. Sebelum dilakukan perhitungan dengan menggunakan ketiga metode tersebut, berikut dijabarkan beberapa variable yang digunakan dalam pengolahan data persediaan ATK Regular: Jenis ATK
Variabel
Pen
Notes
Goodie Bag
Ransel
Bulan (n)
24 bulan
24 bulan
24 bulan
24 bulan
Lead time (L)
1 hari
1 hari
1 hari
1 hari
Standar deviasi (s)
297,13
297,13
224,88
156,66
Total Permintaan (D)
15.145 unit
15.145 unit
9.885 unit
3.970 unit
Rata2 Permintaan (d)
631 unit
631 unit
412 unit
165 unit
Biaya Pesan (S)
Rp 10.000
Rp 10.000
Rp 25.000
Rp 50.000
42
Harga barang (C)
Rp 3.000
Rp 12.000
Rp 25.000
Rp 95.000
Biaya simpan (H)
Rp 60
Rp 240
Rp 500
Rp 1.900
Service Level
99%
99%
99%
99%
Tabel 4.2
Variable Pengolahan Data Persediaan ATK Regular
Standar deviasi didapatkan dari fungsi “=stdev()” pada Mic. Excel dengan menginput data penggunaan ATK Regular masing-masing jenis periode 20112012.
Gambar 4.1
Standar Deviasi Penggunaan ATK Regular Tahun 2011-2012
43
Rata-rata permintaan diperoleh dengan membagi total permintaan masingmasing jenis ATK Regular dengan banyaknya bulan periode pengambilan data (d =
D ), atau dengan fungsi “=average ()” pada Microsoft Excel. n
Gambar 4.2
Rata-rata Penggunaan ATK Regular Tahun 2011-2012
Service level pada PT. PLN (Persero) Udiklat Jakarta sebesar 99%, dengan nilai z = 2.33, didapatkan dari table distribusi normal.
44
4.2.1
Q Model
Pen SS = zs L SS = (2.33)(297.13)
1 30
SS = 126.39 = 126 R = dL + SS 1 + 126 30 R = 147.03 = 147unit R = (631)
2 DS H
QPen =
2(10.000)(15145) 60 = 2247unit
QPen = QPen
D Q 15145 = 7 x (2 tahun) f = 2247
f =
T =W
Q D
2247 15145 T = 108hari T = 2(365)
D Q S+ H Q 2 15.145 2.247 = 15.145(3.000) + (10.000) + (60) 2.247 2 = 45.435.000 + 67.400 + 67.410
TC pen = DC + TC pen TC pen
TC pen = Rp 45.569.810
(2 tahun)
45
Notes SS = zs L SS = (2.33)(297.13)
1 30
SS = 126.39 = 126 R = dL + SS 1 + 126 30 R = 147.03 = 147unit R = (631)
QPen =
2 DS H
2(10.000)(15145) 240 = 1123unit
QPen = QPen
D Q 15145 = 13 x (2 tahun) f = 2247
f =
T =W
Q D
T = 2(365)
1123 15145
T = 54hari TCnotes = DC +
D Q S+ H 2 Q
15.145 1.123 (10.000) + ( 240) 1.123 2 = 181.740.000 + 134.861 + 134.760
TCnotes = 15.145(12.000) + TCnotes
TCnotes = Rp 182.009.650 (2 tahun)
46
Goodie Bag
SS = zs L SS = (2.33)(224.88)
1 30
SS = 95.66 = 96unit R = dL + SS 1 R = (412) + 96 30 R = 109.73 = 110unit
Q=
2 DS H
2(25000)(9885) 500 Q = 994unit Q=
D Q 9885 f = = 10 x (2 tahun) 994
f =
T =W
Q D
994 9885 T = 73.4 = 73hari T = 2(365)
D Q S+ H Q 2 9.885 994 (25.000) + (500) TC = 9.885(25.000) + 994 2 TC = 247.125.000 + 248.616 + 248.500 TC = DC +
TC = Rp 247.622.200 (2 tahun)
47
Ransel SS = zs L SS = (2.33)(156.66)
1 30
SS = 66.64 = 67unit R = dL + SS 1 + 67 30 R = 72.5 = 72unit R = (165)
Q=
2 DS H
2(50.000)(3.970) 1900 Q = 457unit Q=
D Q 3970 = 9 x (2 tahun) f = 457
f =
T =W
Q D
T = 2(365)
457 3970
T = 84hari D Q S+ H 2 Q 3.970 457 (50.000) + (1900) TC = 3.970(95.000) + 457 2 TC = 377.150.000 + 434.354 + 434.150
TC = DC +
TC = Rp 378.018.500 (2 tahun)
48
4.2.2
P Model - Pen T pen * =
2S HD
T pen * =
2 (10 . 000 ) 60 (15 . 145 )
T pen * = 0 . 14 T pen * = 0 . 14 x 2 x 365 hr = 102 hari SS pen = Zs
(T * + L )
SS pen = ( 2 . 33 )( 297 . 13 )
102 1 + 30 30
SS pen = 1280 unit 1 ( dT *) 2 1 102 ) I = 1280 + ( 631 x 2 30 I = 2353 unit I = SS +
Q pen = d (T * + L ) + SS − I 102 1 + ) + 1280 − 2353 30 30 = 2166 + 1280 − 2353
Q pen = 631 ( Q pen
Q pen = 1093 unit D Q 15145 = 14 x f = 1093 f =
(2 tahun)
TC
pen
TC
pen
TC
pen
D Q S + H 2 Q 15 . 145 1 . 093 = 15 . 145 ( 3 . 000 ) + (10 . 000 ) + ( 60 ) 1 . 093 2 = 45 . 435 . 000 + 138 . 564 + 32 . 790
TC
pen
= Rp 45 . 606 . 400 (2 tahun)
= DC +
49
Notes Tnotes * =
2S HD
Tnotes * =
2(10 .000 ) 240 (15145 )
Tnotes * = 0.07 Tnotes * = 0.07 x 2 x 365 hr = 51hari SS notes = Zs (T * + L ) SS notes = ( 2.33)( 297 .13)
51 1 + 30 30
SS notes = 914 unit 1 ( dT *) 2 1 51 I = 979 + (631 x ) 2 30 I = 1450 unit I = SS +
Qnotes = d (T * + L ) + SS − I 51 1 + ) + 914 − 1450 30 30 = 1.094 + 914 − 1 .450
Qnotes = 631( Qnotes
Qnotes = 558 unit D Q 15145 f = = 27 x 558
f =
TC notes = DC +
(2 tahun)
D Q S+ H Q 2
15 .145 558 (10 .000 ) + ( 240 ) 558 2 = 181 .740 .000 + 271 .415 + 66 .960
TC notes = 15 .145 (12 .000 ) + TC notes
TC notes = Rp 182 .078 .400
(2 tahun)
50
Goodie Bag T* =
2S HD
T* =
2 ( 25000 ) 500 (9885 )
T * = 0 .1 T * = 0 .1x 2 x 365 hr = 73 hari SS = Zs (T * + L ) SS = ( 2 .33)( 224 .88 )
73 1 + 30 30
SS = 91unit 1 ( dT *) 2 1 73 I = 91 + ( 412 x ) 2 30 I = 592 .26 = 592 unit I = SS +
Q = d (T * + L ) + SS − I 73 1 + ) + 91 − 592 30 30 Q = 1016 + 91 − 592 Q = 412 (
Q = 515 unit D Q 9885 f = = 19 x (2 tahun) 412
f =
D Q S+ H 2 Q 9.885 515 ( 25 .000 ) + (500 ) TC = 9 .885 ( 25 .000 ) + 515 2 TC = 247 .125 .000 + 479 .854 + 128 .750
TC = DC +
TC = Rp 247 .733 .600
(2 tahun)
51
Ransel T* =
2S HD
T* =
2 ( 50 . 000 ) 1 . 900 ( 3 . 970 )
T * = 0 . 12 T * = 0 . 12 x 2 x 365 hr = 88 hari SS = Zs
(T * + L )
SS = ( 2 . 33 )( 156 . 55 )
88 1 + 30 30
SS = 628 unit 1 ( dT *) 2 1 88 ) I = 628 + (165 x 2 30 I = 867 unit I = SS +
Q = d (T * + L ) + SS − I 88 1 ) + 628 − 867 + 30 30 Q = 484 + 628 − 867 Q = 165 (
Q = 245 unit D Q 3970 f = = 16 x (2 tahun) 245
f =
D Q S + H 2 Q 3 . 970 245 ( 50 . 000 ) + (1 . 900 ) TC = 3 . 970 ( 95 . 000 ) + 245 2 TC = 377 . 150 . 000 + 810 . 204 + 232 . 750 TC = Rp 378 . 192 . 950 (2 tahun)
TC = DC +
52
4.2.3
Min-Max Inventory
Pen & Notes D 15145 = n 24 SS = 631 .04 = 631unit SS =
Min .stock = ( DL ) + SS 1 ) + 631 30 Min .stock = 1135 .83 = 1136 unit Min .stock = (15145 x
Max .stock = 2( DL ) + SS 1 ) + 631 30 Max .stock = 1640 .66 = 1640 unit Max .stock = 2(15145 x
Q = max − min Q = 1640 − 1136 Q = 505unit D Q 15145 f = = 30 x 505
TC pen TC pen
f =
T =W
Q D
505 15145 T = 24 .34 = 24 hari T = 2 (365 )
D Q S+ H Q 2 15.145 505 = 15.145(3.000 ) + (10.000 ) + (60) 505 2 = 45.435 .000 + 299.900 + 15.150
TC pen = DC +
TC pen = Rp 15.750 .050 (2 tahun)
TC notes = DC +
D Q S+ H Q 2
15.145 505 (10.000 ) + ( 240) 505 2 = 181 .740.000 + 299 .900 + 60.600
TC notes = 15.145(12.000 ) + TC notes
TC notes = 185 .345.000
53
Goodie Bag D 9885 = n 24 SS = 411.87 = 412unit SS =
Min.stock = ( DL) + SS 1 ) + 412 30 Min.stock = 741.5 = 741unit
Min.stock = (9885 x
Max.stock = 2( DL) + SS Max.stock = 2(9885 x
1 ) + 412 30
Max.stock = 1071unit Q = max − min Q = 1071 − 741 Q = 330unit D Q 9885 f = = 30 x (2 tahun) 330
f =
T =W
Q D
330 9885 T = 24.37 = 24hari T = 2(365)
D Q S+ H Q 2 9.885 330 TC = 9.885(25.000) + (25.000) + (500) 330 2 TC = 247.125.000 + 748.803 + 82.500 TC = Rp 247.956.400 (2 tahun)
TC = DC +
54
Ransel D 3970 = n 24 SS = 165.42 = 165unit
SS =
Min.stock = ( DL) + SS 1 Min.stock = (3970 x ) + 165 30 Min.stock = 297.33 = 297unit Max.stock = 2( DL) + SS 1 Max.stock = 2(3970 x ) + 165 30 Max.stock = 429.66 = 430unit Q = max − min Q = 430 − 297 Q = 133unit D Q 3970 = 30 x f = 133
f =
T =W
(2 tahun)
Q D
133 3970 T = 24.45 = 24hari T = 2(365)
D Q S+ H Q 2 3.970 133 TC = 3.970(95.000) + (50.000) + (1.900) 133 2 TC = 377.150.000 + 1.492.481 + 126.350
TC = DC +
TC = Rp 378.768.850
(2 tahun)
55
Dari hasil pengolahan data diatas, maka dapat dilihat perbandingan total biaya masing-masing metode pada tiap jenis ATK Regular seperti berikut : Perbandingan Biaya
Pen
Notes
Goodie Bag
Ransel
Q Model
Rp 45.569.800
Rp 182.009.650 Rp 247.622.200
Rp 378.282.000
P Model
Rp 45.606.400
Rp 182.078.375 Rp 247.733.600
Rp 378.192.950
Min-Max Inventory
Rp 45.750.050
Rp 185.345.000 Rp 247.956.400
Rp 378.768.850
Tabel 4.3
Perbandingan Biaya Pengadaan Persediaan ATK Regular
Dengan demikian, spesifikasi metode yang tepat untuk tiap jenis ATK Regular adalah sebagai berikut : Q Model
Pen
Safety Stock (SS)
126 unit
126 unit
96 unit
67 unit
Reorder Point (R)
1.136 unit
1.136 unit
592 unit
72 unit
Kuantitas Pembelian (Q)
2.247 unit
1.123 unit
994 unit
457 unit
7 kali
13 kali
19 kali
9 kali
Frekuensi pembelian (f)/2th Tabel 4.4
4.3
Notes
Goodie Bag
Ransel
Spesifikasi Pengadaan Persedian Setiap Jenis ATK Regular
Simulasi Pengadaan Persediaan Simulasi pengadaan persediaan dilakukan dengan melakukan peramalan terhadap permintaan atau penggunaan ATK Regular selama 12 bulan ke depan atau 1 tahun setelah periode pengambilan data. Peramalan data permintaan pertama-tama dilakukan dengan membaca pola data yang dibentuk oleh data periode 2011-2012, kemudian membandingkan beberapa metode peramalan yang cocok dengan plot data tersebut untuk menentukan metode peramalan yang
56
paling tepat berdasar kesalahan (error) terkecil menggunakan perhitungan MAPE, MSE, dan MAD. Setelah mendapatkan metode peramalan yang paling cocok, perhitungan estimasi permintaan atau penggunaan ATK Regular selama 1 tahun ke depan dapat dilakukan, lalu simulasi dilanjutkan dengan menghitung total biaya yang dikeluarkan oleh perusahaan melalui metode pengadaan persediaan yang paling optimal untuk tiap jenis ATK Regular dan diperbandingkan dengan total biaya yang dikeluarkan perusahaan dengan metode yang selama ini dijalani oleh perusahaan. 4.3.1
Pola Data Penggunaan ATK Regular 2011-2012
Pen & Notes
57
Goodie Bag
Ransel
Gambar 4.3
Plot Data Penggunaan ATK Regular Tahun 2011-2012
58
4.3.2
Peramalan
Pen & Notes Untuk metode peramalan pen dan notes, peramalan dibandingkan dengan beberapa metode seasonal, yakni seasonal tanpa trend (no trend), dan seasonal menggunakan trend yang meliputi : additive dan multiplicative. Berikut adalah perhitungan untuk mencari trend : Average
Deseasonaliz
Quar Period
Trend Deman
Same
Seasonal
ed Demand
x^2
x , Yd
ter
(Y)
(x)
d (y)
Quarter
Factor
(Yd)
1
1
475
393
0,62
762,71
1
762,71
515,74
2
2
355
512,5
0,81
437,11
4
874,22
525,77
3
3
557
674
1,07
521,50
9
1.564,50
535,8
4
4
564
892
1,41
399,00
16
1.596,00
545,83
5
5
525
751,5
1,19
440,85
25
2.204,24
555,86
6
6
727
712
1,13
644,34
36
3.866,02
565,89
7
7
473
800
1,27
373,10
49
2.611,72
575,92
8
8
268
279,5
0,44
605,08
64
4.840,62
585,95
9
9
373
487
0,77
483,32
81
4.349,91
595,98
10
10
564
492
0,78
723,39
100
7.233,89
606,01
11
11
644
1.023
1,62
397,25
121
4.369,79
616,04
12
12
726
556
0,88
823,99
144
9.887,83
626,07
59
13
1
311
0,62
499,37
169
6.491,86
636,1
14
2
670
0,81
824,97
196
11.549,60
646,13
15
3
791
1,07
740,58
225
11.108,77
656,16
16
4
1.220
1,41
863,08
256
13.809,34
666,19
17
5
978
1,19
821,24
289
13.961,01
676,22
18
6
697
1,13
617,75
324
11.119,45
686,25
19
7
1.127
1,27
888,98
361
16.890,62
696,28
20
8
291
0,44
657,01
400
13.140,12
706,31
21
9
601
0,77
778,76
441
16.353,96
716,34
22
10
420
0,78
538,69
484
11.851,27
726,37
23
11
1.402
1,62
864,83
529
19.891,07
736,4
24
12
386
0,88
438,10
576
10.514,33
746,43
15.145
4.900
200.842,86
Total
300
15.145
Rata2
12,5
631,04
Tabel 4.5
Perhitungan Trend untuk Peramalan Pen dan Notes
Nilai Y pada tabel diatas adalah nilai trend yang didapatkan dari perhitungan berikut :
60
x=
300 = 12.5 24
b=
∑ xy ∑x
d 2
yd =
15145 = 631.04 24
− nx . y
a = y d − bx
− nx
a = 631.04 − (10.03)(12.5) a = 505.71
2
200842.86 − 24(12.5)(631.4) 4900 − 24(12.5) 2 11530.36 b= = 10.03 11150 b=
Y = a + bx, maka Y = 505.71 + 10.03 x Setelah mendapat persamaan Y, peramalan dapat dihitung dengan cara : -
Forecast Additive = Trend + Seasonal Factor
-
Forecast Multiplicative = Trend x Seasonal Factor
Peramalan dan persentase error masing-masing metode seasonal dengan trend:
Forecast Additive Actual Period Demand (x)
(y)
Forecast = Y x
Error =
Seasonal
Actual-
Factor
Forecast
(|Error|/Actual) Error^2
|Error|
x 100%
1
475
516,36
-41,36
1.710,88
41,36
0,09
2
355
526,58
-171,58
29.440,43
171,58
0,48
3
557
536,87
20,13
405,29
20,13
0,04
4
564
547,24
16,76
280,78
16,76
0,03
5
525
557,05
-32,05
1.027,26
32,05
0,06
61
6
727
567,02
159,98
25.594,15
159,98
0,22
7
473
577,19
-104,19
10.855,09
104,19
0,22
8
268
586,39
-318,39
101.374,05
318,39
1,19
9
373
596,75
-223,75
50.064,84
223,75
0,60
10
564
606,79
-42,79
1.830,96
42,79
0,08
11
644
617,66
26,34
693,74
26,34
0,04
12
726
626,95
99,05
9.810,69
99,05
0,14
13
311
636,72
-325,72
106.095,33
325,72
1,05
14
670
646,94
23,06
531,66
23,06
0,03
15
791
657,23
133,77
17.894,93
133,77
0,17
16
1.220
667,60
552,40
305.141,85
552,40
0,45
17
978
677,41
300,59
90.353,81
300,59
0,31
18
697
687,38
9,62
92,58
9,62
0,01
19
1.127
697,55
429,45
184.429,24
429,45
0,38
20
291
706,75
-415,75
172.850,49
415,75
1,43
21
601
717,11
-116,11
13.481,94
116,11
0,19
22
420
727,15
-307,15
94.340,92
307,15
0,73
23
1.402
738,02
663,98
440.867,94
663,98
0,47
24
386
747,31
-361,31
130.545,70
361,31
0,94
-25,04 1.789.714,54
4.895,29
9,35
Total Tabel 4.6
Perhitungan Kesalahan untuk Peramalan Additive Pen dan Notes
62
MAD =
∑ | error | = 4895.29 = 203.97 n
24
∑ error MSE =
2
=
n −1
MAPE =
1789714 .54 = 77813 .68 24 − 1
∑ | error | / actual x100% = 9.35 = 0.39 n
24
Forecast Multiplicative Actual
Forecast = Y x
Error =
Period
Demand
Seasonal
Actual-
(x)
(y)
Factor
Forecast
(|Error|/Actual) Error^2
|Error|
x 100%
1
475
321,19
153,81
23.656,76
153,81
0,32
2
355
427,00
-72,00
5.184,53
72,00
0,20
3
557
572,27
-15,27
233,32
15,27
0,03
4
564
771,55
-207,55
43.077,11
207,55
0,37
5
525
661,97
-136,97
18.759,97
136,97
0,26
6
727
638,49
88,51
7.834,05
88,51
0,12
7
473
730,12
-257,12
66.110,58
257,12
0,54
8
268
259,53
8,47
71,77
8,47
0,03
9
373
459,94
-86,94
7.558,83
86,94
0,23
10
564
472,48
91,52
8.375,23
91,52
0,16
11
644
998,68
-354,68
125.798,16
354,68
0,55
12
726
551,62
174,38
30.408,54
174,38
0,24
13
311
396,15
-85,15
7.250,56
85,15
0,27
63
14
670
524,75
145,25
21.096,41
145,25
0,22
15
791
700,83
90,17
8.130,94
90,17
0,11
16
1.220
941,68
278,32
77.460,11
278,32
0,23
17
978
805,30
172,70
29.824,48
172,70
0,18
18
697
774,29
-77,29
5.973,93
77,29
0,11
19
1.127
882,71
244,29
59.679,76
244,29
0,22
20
291
312,84
-21,84
476,89
21,84
0,08
21
601
552,83
48,17
2.320,53
48,17
0,08
22
420
566,32
-146,32
21.410,71
146,32
0,35
23
1.402
1.193,80
208,20
43.347,47
208,20
0,15
24
386
657,67
-271,67
73.802,79
271,67
0,70
687.843,43 3.436,59
5,76
Total
-29,02 Tabel 4.7
MAD =
MSE =
Perhitungan Nilai Kesalahan untuk Peramalan Multiplicative Pen dan Notes
∑ | error | = 3436.59 = 143.19 n
∑ error
MAPE =
n −1
24
2
=
687843.43 = 29906.24 24 − 1
∑ | error | / actual x100% = 5.76 = 0.24 n
24
Sedangkan untuk perhitungan peramalan seasonal tanpa trend, dijabarkan sbb:
64
Forecast Tanpa Trend Actual Period Demand Seasonal (x)
(y)
Factor
Forecast = y
Error =
x Seasonal
Actual-
Factor
Forecast
(|Error|/Actual) Error^2
|Error|
x 100%
1
475
0.62
393
82
6724
82
0.17
2
355
0.81
512.5
-157.5
24806.25
157.5
0.44
3
557
1.07
674
-117
13689
117
0.21
4
564
1.41
892
-328
107584
328
0.58
5
525
1.19
751.5
-226.5
51302.25
226.5
0.43
6
727
1.13
712
15
225
15
0.02
7
473
1.27
800
-327
106929
327
0.69
8
268
0.44
279.50
-11.5
132.25
11.5
0.04
9
373
0.77
487
-114
12996
114
0.31
10
564
0.78
492
72
5184
72
0.13
11
644
1.62
1023
-379
143641
379
0.59
12
726
0.88
556
170
28900
170
0.23
13
311
0.62
393
-82
6724
82
0.26
14
670
0.81
512.5
157.5
24806.25
157.5
0.24
15
791
1.07
674
117
13689
117
0.15
16
1220
1.41
892
328
107584
328
0.27
17
978
1.19
751.5
226.5
51302.25
226.5
0.23
18
697
1.13
712
-15
225
15
0.02
65
19
1127
1.27
800
327
106929
327
0.29
20
291
0.44
279.5
11.5
132.25
11.5
0.04
21
601
0.77
487
114
12996
114
0.19
22
420
0.78
492
-72
5184
72
0.17
23
1402
1.62
1023
379
143641
379
0.27
24
386
0.88
556
-170
28900
170
0.44
0.00 1004225.50 3999.00
6.42
Total Tabel 4.8
MAD =
MSE =
Perhitungan Nilai Kesalahan untuk Peramalan Tanpa Trend Pen dan Notes
∑ | error | = 3999 = 166,63 n
∑ error
24
2
n −1
MAPE =
=
1004225.5 = 43.661,98 24 − 1
∑ | error | / actual x100% = 6.42 = 0,27% n
24
Hasil perhitungan diatas, dapat menjelaskan bahwa peramalan yang paling tepat untuk ATK Regular jenis pen dan notes adalah peramalan multiplicative. Nilai kesalahan peramalan dapat dibandingkan pada table dibawah:
Peramalan
MAD
MSE
MAPE
Additive
203,97
77813,68
0,39%
Multiplicative
143,19
29906,24
0,24%
Tanpa Trend
166,63
43661,98
0,27%
Tabel 4.9 Perbandingan Nilai Kesalahan Metode Peramalan untuk Pen dan Notes
66
Peramalan
metode
seasonal
multiplicative ini
digunakan
untuk
memperkirakan besarnya penggunaan ATK regular jenis pen dan notes untuk periode 1 tahun berikutnya. Periode Quarter
Tabel 4.10
Y
Seasonal Factor
Forecast
25
1
756,46
0,62
471 unit
26
2
766,49
0,81
623 unit
27
3
776,52
1,07
829 unit
28
4
786,55
1,41
1112 unit
29
5
796,58
1,19
949 unit
30
6
806,61
1,13
910 unit
31
7
816,64
1,27
1035 unit
32
8
826,67
0,44
366 unit
33
9
836,7
0,77
646 unit
34
10
846,73
0,78
660 unit
35
11
856,76
1,62
1389 unit
36
12
866,79
0,88
764 unit
Peramalan Penggunaan Pen dan Notes Periode Selanjutnya
67
Goodie Bag Dari pola data yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average). Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average), digunakan aplikasi Quantitative Management, yang berfungsi untuk membantu menyelesaikan berbagai tipe masalah manajemen, seperti dalam pengambilan keputusan manajerial -
Time Series Langkah-langkah penggunaan QM dalam peramalan time series adalah
dengan memilih Module Forecasting New Time Series Analysis, kemudian akan muncul tampilan berikut :
Gambar 4.4
Langkah Awal Penggunaan Software QM untuk Peramalan Time Series 1
68
Moving Average
Gambar 4.6 Input Data Penggunaan Goodie Bag untuk Peramalan Moving Average pada Software QM
Data-data yang telah dimasukan dengan pilihan moving average kamudian disolve sehingga muncul beberapa jendela yang menunjukan grafik dan error kesalahan dari masing-masing n moving average. Persentasi error terkecil pada moving average ditandai dengan blok warna kuning. Berikut adalah rangkuman nilai kesalahan menggunakan metode peramalan moving average : n
Bias 1
-1,78
MAPE
MAD
MSE
0,72 217,09 10.4762,6
69
Tabel 4.11
2
20,27
0,66
184,5
6.6638,5
3
17,25
0,69 189,06 69.484,95
4
27,65
0,68 184,88 63.737,48
5
27,02
0,71 182,98 64.786,31
6
25,58
0,73
7
38,55
0,73 193,76 68.786,29
8
62,37
0,52 193,85 66.873,17
9
81,31
0,5 198,75 68.102,68
10
89,74
0,53 216,21 75.285,51
11
92,74
0,53
12
98,15
0,53 226,63 80.470,86
13
121,12
0,54 239,43 86.973,23
14
114,87
0,54 238,23 91.590,17
15
103,31
0,54 232,81 95.780,15
16
91,62
0,54 229,68 10.0976,4
17
90,12
0,59 246,15 11.2860,9
18
83,86
0,63 261,14 12.7337,7
19
75,28
0,7 287,87 15.0844,1
20
157,3
0,48 295,55 17.0808,2
21
174,87
0,57 359,16 22.7147,9
189 68.132,13
219,2 77.061,09
Nilai Kesalahan Peramalan Moving Average untuk Goodie Bag
Weighted Moving Average
70
Tetap menggunakan QM dalam perhitungan persentase error peramalan. Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,2; 0,1, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi. Data dimasukkan ke dalam aplikasi QM seperti berikut :
Gambar 4.7
Input Data Penggunaan Goodie Bag untuk Peramalan Weighted Moving Average pada Software QM
Setelah dilakukan solve, maka hasilnya adalah sebagai berikut : Measure
Value
Error Measures Bias (Mean Error)
20,99
71
MAD (Mean Absolute Deviation) MSE (Mean Squared Error) Standard Error (denom=n-2=18) MAPE (Mean Absolute Percent Error) Forecast next period Tabel 4.12
-
188,96 68.958,9 276,81 0,69 567,4
Nilai Kesalahan Peramalan Weighted Moving Average untuk Goodie Bag
No Trend Period Quarter Demand
Average Same Quarter
Seasonal Factor
1
1
306
276,50
0,67
2
2
260
419,00
1,02
3
3
512
567,50
1,38
4
4
275
437,50
1,06
5
5
405
451,00
1,09
6
6
452
485,50
1,18
7
7
229
378,50
0,92
8
8
66
110,50
0,27
9
9
170
332,00
0,81
10
10
356
317,00
0,77
11
11
457
822,50
2,00
12
12
425
345,00
0,84
13
1
247
0,67
14
2
578
1,02
72
15
3
623
1,38
16
4
600
1,06
17
5
497
1,09
18
6
519
1,18
19
7
528
0,92
20
8
155
0,27
21
9
494
0,81
22
10
278
0,77
23
11
1188
2,00
24
12
265
0,84
Total
300
9885
Average
12,5
411,88
Tabel 4.13
Perhitungan Seasonal Factor untuk Peramalan Tanpa Trend Goodie Bag
Forecast = seasonal factor x average demand
No trend Period Demand Forecast
Error
Error^2
|Error|
(|error|/actual)*100%
1
306
276,50
29,50
870,45
29,50
0,10
2
260
419,00
-159,00
25.281,00
159,00
0,61
3
512
567,50
-55,50
3.080,25
55,50
0,11
4
275
437,50
-162,50
26.406,25
162,50
0,59
5
405
451,00
-46,00
2.116,00
46,00
0,11
6
452
485,50
-33,50
1.122,25
33,50
0,07
73
Total
7
229
378,50
-149,50
22.350,25
149,50
0,65
8
66
110,50
-44,50
1.980,25
44,50
0,67
9
170
332,00
-162,00
26.244,00
162,00
0,95
10
356
317,00
39,00
1.521,00
39,00
0,11
11
457
822,50
-365,50 133.590,25
365,50
0,80
12
425
345,00
80,00
6.400,00
80,00
0,19
13
247
276,50
-29,50
870,25
29,50
0,12
14
578
419,00
159,00
25.281,00
159,00
0,28
15
623
567,50
55,50
3.080,25
55,50
0,09
16
600
437,50
162,50
26.406,25
162,50
0,27
17
497
451,00
46,00
2.116,00
46,00
0,09
18
519
485,50
33,50
1.122,25
33,50
0,06
19
528
378,50
149,50
22.350,25
149,50
0,28
20
155
110,50
44,50
1.980,25
44,50
0,29
21
494
332,00
162,00
26.244,00
162,00
0,33
22
278
317,00
-39,00
1.521,00
39,00
0,14
23
1188
822,50
365,50 133.590,25
365,50
0,31
24
265
345,00
-80,00
80,00
0,30
0,00 501.923,70 2.653,00
7,53
6.400,00
Tabel 4. 14 Perhitungan Nilai Kesalahan Peramalan Tanpa Trend Goodie Bag
74
MAD =
∑ | error | = 2653 = 110,54 n
24
∑ error MSE = n −1
MAPE =
2
=
501923.70 = 21822,77 24 − 1
∑ | error | / actual x100% = 7.53 = 0,31 n
24
Dari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut : PERAMALAN
MAD
MSE
Moving Average (4)
184,88
63.737,48
0,68
Weighted MA (4)
188,96
68.958,90
0,69
No Trend
110,54
21.822,77
0,31
Tabel 4.15
MAPE
Perbandingan Nilai Kesalahan Peramalan untuk Goodie Bag
Dengan ditentukannya peramalan metode seasonal tanpa trend, maka peramalan untuk 12 bulan ke depan adalah sebagai berikut : Periode
Forecast
25
277
26
419
27
568
28
438
29
451
30
486
75
Tabel 4.16
31
379
32
111
33
332
34
317
35
823
36
345
Peramalan Penggunaan Goodie Bag Periode Selanjutnya
Ransel Dari pola data penggunaan ransel periode 2011-2012 yang dibentuk, digunakan metode peramalan seasonal no trend dan random time series (moving average dan weighted moving average). Untuk perhitungan peramalan dan error pada metode random time series (moving average dan weighted moving average), digunakan aplikasi Quantitative Management. -
Time Series Menggunakan aplikasi Quantitative Management : Module Forecasting New Time Series Analysis
76
Gambar 4.8
Langkah Awal Penggunaan Software QM untuk Peramalan Time Series 2
Moving Average
Gambar 4.9
Input Data Penggunaan Ransel untuk Peramalan Moving Average pada Software QM
77
Data disolve dan hasilnya adalah seperti tabel dibawah ini, dengan blok berwarna kuning adalah nilai n yang memiliki persentasi error terkecil : n
Bias
MAD
MSE
MAPE
1
-2,09
165,04
6.0786,7
1,05
2
15,5
140,77
41.000,61
0,99
3
23,7
141,16
40.472,77
0,94
4
20,29
136,56
35.217,74
0,94
5
23,43
140,8
37.865,77
0,95
6
20,15
132,94
34.987,05
0,91
7
18,77
133,18
36.128,63
0,91
8
29,06
134,83
37.124,04
0,87
9
31,56
138,12
39.565,02
0,87
10
36,27
141,27
41.872,25
0,87
11
39,2
147,97
44.953,37
0,89
12
48,08
153,45
47.782,53
0,91
13
61,9
157,64
50.648,95
0,85
14
76,57
168,44
55.908,82
0,85
15
86,82
187,03
63.078,14
0,95
16
93,38
204,06
70.476,77
1,03
17
70,76
193,96
70.012,66
1,06
18
84,09
224,39
82.114,68
1,21
19
31,51
191,48
70.395,62
1,25
78
20
62,89
219,41
88.016,35
1,34
21
127,65
252,16
11.4199,6
1,08
Tabel 4.17
Nilai Kesalahan Peramalan Moving Average untuk Ransel
Weighted Moving Average Bobot yang digunakan adalah sebesar 0,4; 0,3; 0,15; 0,08; 0,05; 0,02, dengan pertimbangan, data yang paling akhir masuk memiliki bobot paling tinggi.
Gambar 4.10
Input Data Penggunaan Ransel untuk Peramalan Weighted Moving Average pada Software QM
Data yang disolve kemudian menunjukan hasil seperti berikut :
79
Measure
Value
Error Measures Bias (Mean Error)
11,02
MAD (Mean Absolute Deviation) MSE (Mean Squared Error) Standard Error (denom=n-2=16) MAPE (Mean Absolute Percent Error) Forecast next period Tabel 4. 18
-
146,24 42.490,26 218,64 0,98 298,03
Nilai Kesalahan Peramalan Weighted Moving Average untuk Ransel
No Trend Period
Quarter Demand Average Same Quarter
Seasonal Factor
1
1
156
110
0,66
2
2
39
45,5
0,28
3
3
35
77,5
0,47
4
4
144
158,5
0,96
5
5
94
251
1,52
6
6
252
172,5
1,04
7
7
221
362
2,19
8
8
86
92,5
0,56
9
9
186
96,5
0,58
10
10
150
93
0,56
11
11
151
410
2,48
80
12
12
111
13
1
64
0,66
14
2
52
0,28
15
3
120
0,47
16
4
173
0,96
17
5
408
1,52
18
6
93
1,04
19
7
503
2,19
20
8
99
0,56
21
9
7
0,58
22
10
36
0,56
23
11
669
2,48
24
12
121
0,70
Total
300
3.970
Average
12.5
165.42
Tabel 4.19
116
0,70
Perhitungan Seasonal Factor untuk Peramalan Tanpa Trend Ransel
Forecast = average demand x seasonal factor
No trend Period
Demand Forecast
Error
Error^2
|Error|
(|error|/actual)*100%
1
156
110,00
46,00
2.116,00
46,00
0,29
2
39
45,50
-6,50
42,25
6,50
0,17
3
35
77,50
-42,50
1.806,25
42,50
1,21
81
Total
4
144
158,50
-14,50
210,25
14,50
0,10
5
94
251,00
-157,00
24.649,00
157,00
1,67
6
252
172,50
79,50
6.320,25
79,50
0,32
7
221
362,00
-141,00
19.881,00
141,00
0,64
8
86
92,50
-6,50
42,25
6,50
0,08
9
186
96,50
89,50
8.010,25
89,50
0,48
10
150
93,00
57,00
3.249,00
57,00
0,38
11
151
410,00
-259,00
67.081,00
259,00
1,72
12
111
116,00
-5,00
25,00
5,00
0,05
13
64
110,00
-46,00
2.116,00
46,00
0,72
14
52
45,50
6,50
42,25
6,50
0,13
15
120
77,50
42,50
1.806,25
42,50
0,35
16
173
158,50
14,50
210,25
14,50
0,08
17
408
251,00
157,00
24.649,00
157,00
0,38
18
93
172,50
-79,50
6.320,25
79,50
0,85
19
503
362,00
141,00
19.881,00
141,00
0,28
20
99
92,50
6,50
42,25
6,50
0,07
21
7
96,50
-89,50
8.010,25
89,50
12,79
22
36
93,00
-57,00
3.249,00
57,00
1,58
23
669
410,00
259,00
67.081,00
259,00
0,39
24
121
116,00
5,00
25,00
5,00
0,04
0,00
266.865,00
1808,00
24,76
Tabel 4. 20 Perhitungan Nilai Kesalahan Peramalan Tanpa Trend Ransel
82
MAD =
∑ | error | = 1808 = 75,33 n
∑ error MSE =
24
2
=
n −1
MAPE =
266865 = 11602,83 24 − 1
∑ | error | / actual x100% = 24.76 = 1,03 n
24
Dari hasil peramalan dan perhitungan persentase error ketiga metode diatas, perbandingan hasil error adalah sebagai berikut : PERAMALAN
MAD
MSE
MAPE
Moving Average (6)
132,94
3.4987,05
0,91
Weighted MA (6)
146,24
4.2490,26
0,98
75,33
1.1602,83
1,03
No Trend Tabel 4.21
Perbandingan Nilai Kesalahan Peramalan untuk Ransel
Metode peramalan Moving Average ini hanya dapat meramalkan 1 bulan setelah diperolehnya data real, oleh karena itu untuk estimasi 12 bulan periode berikutnya dilakukan dengan simulasi Monte Carlo. Dari data yang telah diambil, data dikelompokkan dalam kelas dan panjang kelas sebagai berikut :
k = 1 + 3.3 log n k = 1 + 3.3 log 24 k =6 P=
X max − X min 669 − 7 = = 110,33 n 24
83
Demand yang telah dikelaskan, dihitung frekuensi terjadinya pada periode pengambilan data. Besarnya frekuensi dapat menentukan probabilitas jumlah demand dengan rumus prob =
terjadinya suatu
frek . Dengan n
demikian, klasifikasi dan probabilitas penggunaan ransel periode 2011-2012 adalah sebagai berikut : Demand
Frekuensi
Probability
Cummulative Prob.
Range Prob.
109
10
0,417
0,417
0-0,417
219
9
0,375
0,792
0,418-0,792
329
2
0,083
0,875
0,793-0,875
439
1
0,042
0,917
0,876-0,917
549
1
0,042
0,959
0,918-0,959
649
1
0,042
1
0,960-1
Tabel 4.22
Simulasi Monte Carlo
Untuk estimasi penggunaan ransel selama 12 bulan kedepan, variable acak ditentukan dengan fungsi “=rand()” pada Microsoft Excel, diperoleh hasil sebagai berikut : Periode
Random Numb.
Demand
25
0,8583
329 unit
26
0,7504
219 unit
27
0,4337
219 unit
28
0,6009
219 unit
84
Tabel 4.23
4.3.3
29
0,1744
109 unit
30
0,9478
549 unit
31
0,6909
219 unit
32
0,0954
109 unit
33
0,5749
219 unit
34
0,1685
109 unit
35
0,0006
109 unit
36
0,9610
550 unit
Peramalan Penggunaan Ransel Periode Selanjutnya
Simulasi Total Biaya Pengadaan Persediaan Periode Berikutnya Pada sub-bab ini, simulasi dilakukan dengan membandingkan metode pengadaan persediaan (Q model, P Model, dan Min-Max Inventory) yang telah dibahas di atas dengan metode yang digunakan perusahaan pada periode berjalan. Metode yang digunakan oleh perusahaan selama ini ada metode Lot for Lot (LFL), dimana perusahaan mengorder barang sesuai dengan jumlah permintaan perbulannya. Metode yang paling sedikit mengeluarkan biaya akan menjadi solusi dalam pengadaan persediaan ATK Regular di PT. PLN (Persero) Udiklat Jakarta. Adapun perhitungan total biaya pengadaan persediaan untuk periode selanjutnya adalah sebagai berikut :
85
Pen Q Model Period
Demand
Order
LFL
Stock
Order
1.136
Tabel 4.24
Stock -
25
471
2.247
2.912
471
-
26
623
-
2.289
623
-
27
829
-
1.460
829
-
28
112
-
1.348
112
-
29
949
-
399
949
-
30
910
2.247
1.736
910
-
31
1.035
-
701
1.035
-
32
366
-
335
366
-
33
646
2.247
1.936
646
-
34
660
-
1.276
660
-
35
1.389
2.247
2.134
1.389
-
36
764
-
1.370
764
-
TOTAL
8.754 unit
8.988 unit
8.754 unit
Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Pen
86
Notes Q Model Period
Demand
Order
LFL
Stock
Order
1.136
Tabel 4.25
Stock -
25
471
1.123
1.788
471
-
26
623
-
1.165
623
-
27
829
-
336
829
-
28
112
-
224
112
-
29
949
1.123
398
949
-
30
910
1.123
611
910
-
31
1.035
1.123
699
1.035
-
32
366
-
333
366
-
33
646
1.123
810
646
-
34
660
-
150
660
-
35
1.389
1.007
1.389
-
36
764
243
764
-
TOTAL
8.754 unit
2.2.46 7.861 unit
8.754 unit
Perbandingan Jumlah Pemesanan Optimal Metode Min-Max Inventory dengan Metode LFL untuk Notes
87
Total Cost TCQ mod el = (8.988 x3.000) + (4 x10.000) + (8.988 x60) TCQ mod el = 26.964.000 + 40.000 + 539.280 TCQ mod el = Rp 27.543.280 Pen
TC LFL = (8.754 x3.000) + (6 x10.000) + (8.754 x60) TC LFL = 26.262.000 + 60.000 + 525.240 TC LFL = Rp 26.907.240 TCQ mod el = (7.861x12.000) + (6 x10.000) + (7.861x 240) TCQ mod el = 94.332.000 + 60.000 + 1.886.6400 TCQ mod el = Rp 96.278.640
Notes TC LFL = (8.754 x12.000) + (12 x10.000) + (8.754 x 240) TC LFL = 105.048.000 + +120.000 + 1.050.480 TC LFL = Rp 107.160.960 Untuk ATK Regular jenis pen, metode pengadaan yang cocok adalah Lot for Lot dengan jumlah pembelian optimal disesuaikan dengan banyaknya permintaan. Sedangkan untuk notes, metode pengadaan persediaan yang cocok adalah Q Model dengan jumlah optiml pembelian 1.123 unit
88
Goodie Bag Q Model Period
Demand
Order
LFL
Stock
Order
592 25
277
26
419
27
568
28
438
29
451
30
486
31
379
32
994
Stock -
1.309
277
-
-
890
419
-
-
322
568
-
878
438
-
427
451
-
935
486
-
-
556
379
-
111
-
445
111
-
33
332
-
113
332
-
34
317
994
790
317
-
35
823
994
961
823
-
36
345
616
345
-
TOTAL
4.986 unit
994 994
4.970 unit
4.986 unit
Tabel 4.25 Perbandingan Jumlah Pemesanan Optimal Metode P-Model dengan Metode LFL untuk Goodie Bag
89
Total Cost TCQ mod el = (4.970 x 25.000) + (5 x 25.000) + (4.970 x500) TCQ mod el = 124.250.000 + 125.000 + 2.485.000 TCQ mod el = Rp 126.860.000 Goodie Bag
TC LFL = (4.986 x 25.000) + (12 x 25.000) + (4.986 x500) TC LFL = 124.650.000 + 300.000 + 2.493.000 TC LFL = Rp 127.443.000
Untuk ATK Regular jenis goodie bag, metode pengadaan persediaan yang cocok adalah metode Q-Model, dengan jumlah optimal pembelian sebesar 994 unit.
Ransel Q-Model Period Random
Demand
Order
LFL
Stock
Order
72
Stock -
25
0,8583
329
457
200
329
-
26
0,7504
219
457
438
219
-
27
0,4337
219
-
219
219
-
28
0,6009
219
-
0
219
-
29
0,1744
109
457
348
109
-
30
0,9478
549
457
256
549
-
31
0,6909
219
37
219
-
32
0,0954
109
385
109
-
457
90
33
0,5749
219
-
166
219
-
34
0,1685
109
-
57
109
-
35
0,0006
109
457
405
109
-
36
0,961
649
457
213
649
-
3.058 unit
3.199 unit
TOTAL
3.058 unit
Tabel 4.26 Perbandingan Jumlah Pemesanan Optimal Metode Q-Model dengan Metode LFL untuk Ransel
Total Cost TCQ − Model = (3.199 x95.000) + (7 x50.000) + (3.199 x1.900) TCQ − Model = 303.905.000 + 350.000 + 6.078.100 TCQ − Model = Rp 310.333.000 Ransel TC LFL = (3.058 x95.000) + (12 * 50.000) + (3.058 x1.900) TC LFL = 290.510.000 + 600.000 + 5.810.200 TC LFL = Rp 296.920.200 Untuk ATK Regular jenis ransel, metode pengadaan persediaan yang cocok adalah metode yang telah dijalani perusahaan yaitu Lot for Lot, dengan jumlah pembelian disesuaikan dengan banyaknya permintaan pada periode berjalan.
91
Dari penjabaran analisa kuantitatif diatas, secara garis besar hasil dapat dirangkumkan seperti berikut :
Pen
Notes
Goodie Bag
Sesuai estimasi
Ransel Sesuai estimasi
Jumlah optimal
jumlah peserta
505 unit per
pemesanan
diklat
pesan
optimal
24 kali per 2
13 kali per 2
pemesanan
tahun
jumlah peserta diklat 515 unit per pesan
>5 hari
tahun
19 kali per 2 tahun
24 kali per 2 tahun
30 hari
54 hari
73 hari
30 hari
persediaan
Lot for Lot
Q-Model
Q-Model
Lot for Lot
Metode
Seasonal :
Seasonal :
Seasonal : No
Moving Average
peramalan
Multiplicative
Multiplicative
trend
(n=6)
Frekuensi
Tenggang waktu pemesanan Metode pengadaan
Estimasi biaya yang
Rp 26.907.240,- Rp 96.278.640,-
Rp 126.860.000,-
Rp 296.920.200,-/1
dikeluarkan
/1 tahun
/1 tahun
tahun
Tabel 4.27
/1 tahun
Rangkuman hasil analisa kuantitatif
92
Dengan demikian, perlunya tindakan pengawasan atau kontrol terhadap realisasi perencanaan pengadaan persediaan ATK Regular. Pengendalian ini fokus kepada tanggung jawab setiap divisi pada PT. PLN (Persero) Udiklat Jakarta untuk melaksanakan program atau aktivitas tertentu yang telah ditetapkan oleh perusahaan, dan menggabungkan setiap aktivitas tersebut dengan dikomunikasikan dengan lebih baik sehingga alur informasi dari perencanaan atau strategi yang telah dibuat dapat berjalan sesuai dengan fungsinya, yakni memperbaiki keefisiensian dan keefektifan dari pelaksanaan kegiatan PT. PLN (Persero) Udiklat Jakarta.
