ANALISIS PERAMALAN PENJUALAN, PERSEDIAAN BAHAN BAKU, DAN PENGGUNAAN ANALISA KEPUTUSAN PADA PT. SEBASTIAN CITRA INDONESIA Yustine Binus University, Jakarta, Indonesia, 11480
Lim Sanny Binus University, Jakarta, Indonesia, 11480
ABSTRACT PT. Sebastian Citra Indonesia is a nationwide company that produces frozen dough to be supplied to outlets with the brand Roti’O. Currently, Roti’O outlets consists of three main outlets; Stasiun Jakarta outlet, Stasiun Bandung, and Husein Sastranegara Airport Bandung. For daily production matters, the company should consider how much kg of the raw materials to be used in avoiding excess or shortage of raw materials, especially flour, sugar and butter which are three main raw materials in producing the frozen dough. Therefore, the company must consider the number of sales in each period in order to manage the raw material inventory well so there is no need for any extra costs, for example shipping cost (from supplier to the company). This thesis aims to determine what the most appropriate forecasting method to help company in forecasting the sales. Through the forecasting calculations we can plan to order the raw materials economic and decide the best suitable type of expedition to deliver company’s order. The results showed that the appropriate forecasting method for Stasiun Jakarta outlet is Weighted Moving Average, while for Stasiun Bandung outlet and Husein Sastranegara airport Bandung is Linear Regression. As the suggestion, the company should order 276.76 kg of flour, 66.66 kg of sugar and 234.84 kg of butter in monthly basis. Also, to minimize the shipping cost of raw materials from suppliers based on the calculation method of Decision Tree, the company should use Galang Tri Manunggal expedition. Keywords: Sales Forecasting, Raw Material Inventory with EOQ, Decision Tree.
ABSTRAK PT. Sebastian Citra Indonesia merupakan perusahaan berskala nasional yang memproduksi frozen dough yang di supply ke outlet-outlet dengan brand Roti’O. Saat ini outlet Roti’O terdiri dari tiga outlet utama: outlet Stasiun Kota Jakarta, Stasiun Bandung dan Bandara Husein Sastranegara Bandung. Untuk keperluan produksi setiap hari, perusahaan harus mempertimbangkan berapa banyak bahan baku yang akan digunakan, agar tidak terjadi kelebihan ataupun kekurangan bahan baku khususnya tepung terigu, gula pasir dan mentega yang merupakan tiga bahan baku utama dalam melakukan produksi frozen dough. Oleh karena itu, perusahaan harus memperhitungkan jumlah penjualan pada setiap periode agar persediaan bahan baku dikelola dengan baik tanpa harus mengeluarkan biaya-biaya yang tidak perlu
termasuk biaya pengiriman bahan baku dari supplier ke perusahaan. Penulisan skripsi ini bertujuan untuk mengetahui metode peramalan apa yang sesuai untuk meramalkan penjualan perusahaan. Dari perhitungan peramalan tersebut, kemudian dilakukan perencanaan pemesanan bahan baku yang ekonomis serta menentukan ekspedisi yang sebaiknya digunakan perusahaan untuk melakukan pengiriman. Hasil penelitian menunjukkan bahwa metode peramalan yang sesuai untuk outlet Stasiun Kota Jakarta adalah Weighted Moving Average sedangkan untuk outlet Stasiun Bandung dan Bandara Husein Sastranegara Bandung menggunakan metode Linear Regression. Keputusan yang disarankan adalah perusahaan harus melakukan pemesanan tepung terigu yang ekonomis sebanyak 276,76 kg, gula pasir sebanyak 66,66 kg, dan mentega sebanyak 234,84 kg setiap bulannya. Untuk meminimalisir biaya pengiriman bahan baku dari supplier berdasarkan perhitungan metode Pohon Keputusan (Decision Tree) sebaiknya menggunakan ekspedisi Galang Tri Manunggal. Kata Kunci : Peramalan Penjualan, Persediaan Bahan Baku dengan EOQ, dan Pohon Keputusan.
PENDAHULUAN Latar Belakang PT. Sebastian Citra Indonesia merupakan perusahaan yang bergerak dalam bidang bakery dengan kegiatan utamanya yaitu memproduksi roti bercitarasa kopi dengan merek “Roti’O”. Perusahaan ini mempunyai 3 outlet penjualan, yang berlokasi di Stasiun Kota Jakarta, Stasiun Bandung, dan Bandara Husein Sastranegara Bandung. Perusahaan ini termasuk perusahaan pendatang baru karena baru berdiri sekitar beberapa tahun yang lalu, dan outlet roti baru dibuka pada bulan Mei 2012. Sistem produksi yang diterapkan dalam perusahaan roti ini adalah make to stock. Perusahaan melakukan produksi roti untuk memenuhi permintaan konsumen yang secara langsung dapat dipenuhi tanpa memerlukan waktu yang lama untuk menunggu. Permasalahan yang terjadi di perusahaan adalah pihak perusahaan tidak dapat memperkirakan jumlah kebutuhan bahan baku secara tepat dalam melakukan produksi disebabkan permintaan pelanggan yang tidak menentu. Selain itu, perusahaan terlalu banyak mengeluarkan biaya untuk pemasokan bahan baku berupa biaya pengiriman bahan baku dari supplier ke perusahaan sehingga biaya operasional produksi yang dikeluarkan perusahaan sangat besar. Didalam penelitian ini, penulis menggunakan metode peramalan (forecasting) untuk memperkirakan penjualan pada periode yang akan datang dengan metode yang ada di peramalan, dan menentukan persediaan bahan baku yang tepat dengan menggunakan metode EOQ (Economic Order Quantity), selanjutnya akan dilakukan perhitungan dengan metode analisa keputusan untuk menentukan alternatif pengiriman bahan baku dengan menggunakan ekspedisi yang telah dipilih perusahaan yang sesuai dengan kebutuhan perusahaan saat ini.
Identifikasi Masalah 1.
2. 3.
Metode apakah yang tepat diantara Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend, dan Naive Method untuk meramalkan penjualan pada periode berikutnya di PT. Sebastian Citra Indonesia? Apakah jumlah persediaan bahan baku sudah optimal sesuai dengan kebutuhan produksi di PT. Sebastian Citra Indonesia? Alternatif pengiriman dengan menggunakan ekspedisi manakah dari metode Pohon Keputusan (Decision Tree) yang sebaiknya dipilih oleh PT. SEBASTIAN CITRA INDONESIA untuk meminimalisir biaya pengiriman?
Tujuan Penelitian 1.
2.
Untuk memilih metode yang tepat diantara Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend, dan Naive Method untuk meramalkan penjualan pada periode berikutnya di PT. Sebastian Citra Indonesia. Untuk mengetahui apakah jumlah persediaan bahan baku sudah optimal sesuai dengan kebutuhan produksi di PT. Sebastian Citra Indonesia.
3.
Untuk memilih alternatif pengiriman dengan menggunakan ekspedisi manakah dari metode Pohon Keputusan (Decision Tree) yang sebaiknya dipilih oleh PT. SEBASTIAN CITRA INDONESIA untuk meminimalisir biaya pengiriman.
LANDASAN TEORI Pengertian Peramalan (Forecasting) 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. Peramalan menurut Arman Hakim (2003 : 25) adalah proses untuk memperkirakan beberapa kebutuhan di masa mendatang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Menurut Nachrowi D, dan Hardius Usman (2004 : 239) menyatakan bahwa sebenarnya membandingkan kesalahan peramalan adalah suatu cara sederhana, apakah suatu teknik peramalan tersebut patut dipilih untuk digunakan membuat peramalan data yang sedang kita analisa atau tidak. Minimal prosedur ini dapat digunakan sebagai indikator apakah suatu teknik peramalan cocok digunakan atau tidak. Dan teknik yang mempunyai MSE (Mean Squared Error) terkecil merupakan ramalan yang terbaik. Menurut Freddy Rangkuti (2005 : 80) menyatakan keharusan untuk membadingkan perhitungan yang memiliki nilai ddyMAD (Mean Absolute Deviation) paling kecil, karena semakin kecil MAD berarti semakin kecil pula perbedaan antara hasil forecasting dan nilai aktual. Menurut Vincent Gaspers (2005 : 80) dalam bukunya menyebutkan akurasi peramalan akan semakin tinggi apabila nilai-nilai MAD, MSE, dan MAPE semakin kecil.
Pengertian EOQ (Economic Order Quantity) 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. 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. Fungsi persediaan menurut Freddy Rangkuty (2004 : 15) adalah sebagai berikut: 1. Fungsi Decoupling adalah persediaan yang memungkinkan perusahaan dapat memenuhi permintaan pelanggan tanpa tergantung pada supplier. 2. Fungsi Economic Lot Sizing, persediaan ini perlu mempertimbangkan penghematan atau potongan pembelian, biaya pengangkutan per unit menjadi lebih murah dan sebagainya. 3. Fungsi Antisipasi, apabila perusahaan menghadapi fluktuasi permintaan yang dapat diperkirakan dan diramalkan berdasarkan pengalaman atau data-data masa lalu yaitu permintaaan musiman. 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. 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. Menurut Freddy Rangkuty (2004 : 10), pengertian safety stock adalah persediaan tambahan yang diadakan untuk melindungi atau menjaga kemungkinan terjadinya kekurangan bahan (stock out).
Pengertian Pohon Keputusan (Decision Tree) Mulyono (2004 : 233), diagram pohon sering kali membantu dalam memahami dan menyelesaikan persoalan probabilitas. Diagram pohon biasanya digambarkan dengan lambang yang baku. Dimulai dengan suatu nokhta kemudian dibuat cabang-cabang sebanyak peristiwa yang mungkin dapat dihasilkan dari percobaan. Pada masing-masing cabang dituliskan probabilitas terjadinya peristiwa yang bersangkutan. Jika percobaan dilakukan lagi, maka langkah-langkah itu diulang. Setiap cabang berakhir pada nokhta yang kemudian diisi dengan probabilitas peristiwa bersama. Pada nokhta yang paling awal dituliskan angka 1 yang artinya jumlah probabilitas dari seluruh peristiwa yang mungkin. Menurut Siswanto (2007 : 55), Pohon Keputusan (Decision Tree) adalah model visual untuk menyederhanakan proses pembuatan keputusan secara rasional. Dengan adanya visualisasi
memungkinkan untuk memahani proses pembuatan keputusan yang berstruktur, bertahap, dan rasional. Pembuatan keputusan sendiri berarti memilih alternatif-alternatif keputusan yang tersedia, karena unsur ketidakpastian maka berbagai kemungkinan keadaaan akan dihadapi oleh masing-masing alternatif keputusan itu. Oleh karena itu, diagram keputusan mempunyai noda keputusan dan noda cabang.
LANGKAH PEMECAHAN MASALAH Penelitian dilakukan dengan menggunakan data kuantitatif dari PT. Sebastian Citra Indonesia, terdiri dari: 1. Data penjualan mulai dari bulan Mei 2012 sampai Oktober 2012 pada outlet Stasiun Kota Jakarta, sedangkan outlet Stasiun Bandung dan outlet Bandara Husein Sastranegara Bandung mulai dari bulan Juni 2012 sampai Oktober 2012. Tabel 1 Data Penjualan Roti’O Tahun 2012 Bulan Mei Juni July Agustus September Oktober Total Penjualan 2.
Outlet Stasiun Kota Jakarta 1.826 6.089 5.268 5.083 5.696 6.510 30.472
Outlet Stasiun Bandung 7.268 8.354 8.186 8.071 8.891 40.770
Outlet Bandara Husein Sastranegara Bandung 2.062 3.657 3.551 4.735 4.802 18.807
Data persediaan bahan baku dari PT. Sebastian Citra Indonesia. Tabel 2 Data Bahan Baku PT. Sebastian Citra Indonesia Bahan Baku Demand Harga per kilogram Biaya pengiriman (Co) Biaya Penyimpanan (Ch) Jumlah hari kerja Waktu tunggu Safety Stock
3.
Tepung Terigu 600 Kg Rp. 6.400 Rp. 60.000 Rp. 940 30 hari 2 hari 100 Kg
Gula 250 Kg Rp. 11.500 Rp. 25.000 Rp. 940 30 hari 2 hari 50 Kg
Mentega 360 Kg Rp. 37.500 Rp. 72.000 Rp. 940 30 hari 4 hari 60 Kg
Data biaya pengiriman bahan baku dari PT. Sebastian Citra Indonesia. Tabel 3 Data Biaya Pengiriman PT. Sebastian Citra Indonesia Alternatif
Peluang Bagi Kondisi Alamiah Ekonomi Baik Ekonomi Buruk
Nilai Hasil Keputusan Ekonomi Baik Ekonomi Buruk
1.
Galang Tri 0.7 0.3 Rp. 1.537.500 Rp. 1.691.250 Manunggal 2. Mitra Sukses 0.7 0.3 Rp. 1.687.500 Rp. 1856.250 Bersama 3. Buana Trans 0.7 0.3 Rp. 1.850.000 Rp. 2.035.000 Sejahtera Yang dilakukan pertama adalah melakukan perhitungan peramalan penjualan dengan metode Linear Regression, Moving Average, Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with Trend, dan Naive Method dari setiap outlet Roti’O dengan menggunakan perhitungan Software QM for Windows dan perhitungan manual. Dari hasil perhitungan tersebut akan dipilih satu metode yang paling tepat untuk diusulkan ke perusahaan berdasarkan nilai MAD dan MSE terkecil. Yang kedua, menghitung persediaan bahan baku berupa tepung terigu, gula pasir, dan mentega dengan perhitungan EOQ (Economic Order Quantity) yang terdiri dari EOQ, Average Inventory, Orders per period (periode bulanan), Annual Setup Cost, Annual Holding Cost, dan Total Cost (TC) untuk
mengetahui berapa banyak persediaan dan biaya persediaan yang dapat diminimalisir dengan menggunakan perhitungan Software QM for Windows dan perhitungan manual. Yang terakhir, untuk meminimalisir biaya pengiriman bahan baku dari supplier ke perusahaan akan dilakukan perhitungan dengan metode pohon keputusan dengan perhitungan manual dan perhitungan Software QM for Windows dari ekspedisi yang digunakan oleh PT. Sebastian Citra Indonesia.
HASIL DAN BAHASAN Peramalan Penjualan Berikut adalah hasil perhitungan peramalan penjualan Roti’O pada outlet Stasiun Kota Jakarta, Outlet Stasiun Bandung, dan Outlet Bandara Husein Sastranegara Bandung. Tabel 4 Perbandingan Hasil Perhitungan Software QM for Windows dan Perhitungan Manual dengan Enam Metode Pada Forecasting Stasiun Kota Jakarta (November 2012). METODE Linear Regression Moving Average Weighted Moving Average Exponential Smoothing Exponential Smoothing With Trend Naive Method
Perhitungan dengan QM For Windows Hasil MAD MSE Peramalan
Perhitungan Manual Hasil MAD MSE Peramalan
7.284,268
820,0032
1.186,127
7.824,27
820,01
1.186.127,47
5.763
688,5555
622.946,2
5.763
688,56
622.947,80
5.980,4
565,6333
455.674,1
5.980,4
565,63
455.674,12
5.183,925
2.238,616
6.117.946
5.183,93
2.238,93
6.117.944,45
6.413,567
1.712.792
4.745.959
6.413,57
1.712,81
4.745.984,19
6.510
1.339,2
3.983.959
6.510
1.339,2
3.983,960
Tabel 5 Perbandingan Hasil Perhitungan Software QM for Windows dan Perhitungan Manual dengan Enam Metode Pada Forecasting Stasiun Bandung (November 2012). METODE Linear Regression Moving Average Weighted Moving Average Exponential Smoothing Exponential Smoothing With Trend Naive Method
Perhitungan dengan QM For Windows Hasil MAD MSE Peramalan
Perhitungan Manual Hasil MAD MSE Peramalan
9042,9
269,08
99.628,16
9042,9
269,08
99.628,22
8382,667
411,1665
245.325,8
8382,67
411,17
245.323,77
8504
373,5498
265.813,2
8504
373,55
265.813,23
8170,225
751,8546
670.014,6
8170,22
751,85
670.014,46
8469,985
648,4943
540.123,4
8470,73
647,96
539.634,19
8891
547,25
473.311,3
8891
547,25
473.311,25
Tabel 6 Perbandingan Hasil Perhitungan Software QM for Windows dan Perhitungan Manual dengan Enam Metode Pada Forecasting Bandara Husein Sastranegara Bandung (November 2012).
METODE Linear Regression Moving Average Weighted Moving Average Exponential Smoothing Exponential Smoothing With Trend Naive Method
Perhitungan dengan QM For Windows Hasil MAD MSE Peramalan
Perhitungan Manual Hasil Peramalan
MAD
MSE
5728,8
347,6799
134.627,3
5728,8
347,68
134.627,36
4362,667
1233
1690.033
4362,67
1233
1690.033
4531,7
1043,9
1254.644
4531,7
1043,9
1254.644,42
3828,338
1471,949
2269,267
3828,34
1471,95
2269,263,54
4420,934
1292,8
1789.451
4420,95
1292,80
1789.445,83
4802
738
990.401,5
4802
738
990.401,5
Berdasarkan tabel perbandingan hasil perhitungan peramalan diatas, maka untuk memprediksi penjualan pada periode berikutnya pada outlet Stasiun Kota Jakarta sebaiknya menggunkan metode Weighted Moving Average, dan pada outlet Stasiun Bandung dan Outlet Bandara Husein Sastranegara Bandung sebaiknya menggunakan metode Linear Regression.
Persediaan Bahan Baku Berikut adalah hasil perhitungan persediaan bahan baku tepung terigu, gula pasir, dan mentega dengan perhitungan EOQ (Economic Order Quantity. Tabel 7 Hasil Perhitungan Bahan Baku yang Ekonomis dengan Metode EOQ Bahan Baku EOQ Avergare Inventory Orders per Period Annual Setup Cost Annual Holding Cost Total Unit Cost Total Cost Daily Demand Reorder Point
Tepung Terigu 267,76 kg 138,38 kg 2,17 kali Rp. 130.076,60 Rp .130.077,20 Rp. 3.840.000 Rp. 4.100.152,80 20 kg 140 kg
Gula 115,32 kg 57,66 kg 2,17 kali Rp. 54.197,02 Rp. 54.200,40 Rp. 2.875.000 Rp. 2.983.397,42 8,33 kg 66,66 kg
Mentega 234,84 kg 117,42 kg 1,53 kali Rp. 110.373,02 Rp. 110.374,80 Rp. 13.500.000 Rp. 13.720.747,82 12 kg 108 kg
Berdasarkan tabel diatas perusahaan sebaiknya membeli bahan baku untuk pembuatan Roti’O antara lain tepung terigu yang ekonomis sebanyak 276,76 kg, gula pasir sebanyak 66,66 kg, dan mentega sebanyak 234,84 kg. karena sebelum melakukan perhitungan EOQ, pembelian tepung terigu sebesar 600kg, gula pasir sebanyak 250kg, dan pembelian mentega sebanyak 360kg.
Pohon Keputusan Berikut adalah hasil perhitungan Pohon Keputusan dalam menentukan ekspedisi yang digunakan untuk melakukan pengiriman bahan baku dari supplier ke perusahaan guna meminimalisir biaya pengiriman.
Galang Tri Manunggal
Ekonomi Baik (0,7) Rp. 1.537.500
Rp. 1.583.625 Rp. 1.691.250 Ekonomi Buruk (0,3)
Mitra Sukses Bersama
Ekonomi Baik (0,7) Rp. 1.687.500
Rp. 1.738.125
Rp. 1.583.625
Rp. 1.856.250 Ekonomi Buruk (0,3)
Ekonomi Baik (0,7) Buana Trans Sejahtera
Rp. 1.850.000
Rp. 1.905.500 Rp. 2.035.000 Ekonomi Buruk (0,3)
Gambar 1
Hasil Perhitungan Pohon Keputusan (Decision Tree)
Berdasarkan hasil perhitungan diatas, nilai EMV yang digunakan dalam mengisi noda keputusan adalah EMV pada ekspedisi Galang Tri Manunggal dengan nilai terkecil yaitu Rp. 1.583.625 dibandingkan EMV pada ekspedisi Mitra Sukses Bersama dengan nilai Rp. 1.738.125 dan EMV ekspedisi Buana Trans Sejahtera dengan nilai Rp. 1.905.500. Dari keterangan tersebut, PT Sebastian Citra Indonesia sebaiknya menggunakan ekspedisi Galang Tri Manunggal untuk melakukan pengiriman bahan baku dari supplier.
SIMPULAN DAN SARAN Simpulan 1.
Dari metode peramalan yang terdiri dari Linear regression, Moving Average, Weighted Moving Average, Eksponential Smoothing, Eksponential Smoothing with Trend, dan Naive Method, maka : • Metode peramalan yang paling tepat untuk meramalkan penjualan Roti’O pada outlet Stasiun Kota Jakarta adalah metode Weighted Moving Average, karena setelah dilakukan perhitungan menggunakan Software QM for Windows dan perhitungan manual maka telah didapatkan nilai MAD = 565,6333 dan MSE = 455.674,1 yang merupakan nilai terkecil dari tingkat kesalahan peramalan. • Metode peramalan yang paling tepat untuk meramalkan penjualan Roti’O pada outlet Stasiun Bandung adalah metode Linear Regression, karena setelah dilakukan perhitungan menggunakan Software QM for Windows dan perhitungan manual maka telah didapatkan nilai MAD = 269,08 dan MSE = 99.628,16 yang merupakan nilai terkecil dari tingkat kesalahan peramalan. • Metode peramalan yang paling tepat untuk meramalkan penjualan Roti’O pada outlet Bandara Husein Sastranegara Bandung adalah metode Linear Regression, karena setelah dilakukan perhitungan menggunakan Software QM for Windows dan perhitungan manual maka telah didapatkan nilai MAD = 347,7699 dan MSE = 134.627,3 yang merupakan nilai terkecil dari tingkat kesalahan peramalan.
2.
Perhitungan jumlah bahan baku untuk persediaan perusahaan terdiri dari : tepung terigu, gula pasir, dan mentega telah dilakukan dengan menggunakan Software QM for Windows dan perhitungan manual. Dari perhitungan tersebut akan diketahui, sebagai berikut :
• • •
3.
Pembelian tepung terigu oleh perusahaan sebanyak 276,76 kg dengan jumlah pemesanan sebanyak 2,17 kali pada bulan November 2012 dan tepung terigu sebaiknya dipesan kembali setelah tersisa 140 kg. Pembelian gula pasir oleh perusahaan sebanyak 115,32 kg dengan jumlah pemesanan sebanyak 2,17 kali pada bulan November 2012 dan gula pasir sebaiknya dipesan kembali setelah tersisa 66,66 kg. Pembelian mentega oleh perusahaan sebanyak 234,84 kg dengan jumlah pemesanan sebanyak 1,53 kali pada bulan November 2012 dan mentega sebaiknya dipesan kembali setelah tersisa 108 kg.
Penelitian ini juga melakukan perhitungan dalam menentukan keputusan yang akan diambil oleh perusahaan dengan menggunakan metode pohon keputusan. Perhitungan dengan menggunakan Software QM for Windows dan perhitungan manual telah mendapatkan hasil yang sama yaitu nilai terkecil terdapat pada ekspedisi Galang Tri Manunggal, dimana ekspedisi tersebut yang akan disarankan kepada perusahaan untuk melakukan pengiriman bahan baku dari supplier guna meminimalisir biaya pengiriman.
Saran Agar persediaan bahan baku tidak mengalami kelebihan maupun kekurangan stok pada saat melakukan produksi, berikut saran-saran yang penulis berikan kepada PT. Sebastian Citra Indonesia : 1. Sebelum melakukan pembelian bahan baku, sebaiknya perusahaan melakukan peramalan terhadap penjualan Roti’O dari setiap outlet yang telah dibuka, sebaiknya perusahaan menggunakan metode Weighted Moving Average untuk meramalkan penjualan pada outlet Stasiun Kota Jakarta, dan metode Linear Regression pada outlet Stasiun Bandung dan Bandara Husein Sastranegara Bandung karena kedua metode tersebut memiliki tingkat kesalahan peramalan yang paling kecil. 2. Perusahaan sebaiknya menghitung kapan waktu pemesanan yang harus dilakukan agar dapat menghemat biaya dengan mengurangi biaya penyimpanan di gudang sehingga biaya tersebut dapat dialokasikan untuk keperluan biaya lainnya. 3. Untuk menghemat biaya pengiriman bahan baku dari supplier, perusahaan sebaiknya menggunakan ekspedisi Galang Tri Manunggal, dimana biaya pengiriman yang dikeluarkan perusahaan lebih kecil dibandingkan dengan kedua ekspedisi lainnya, sehingga perusahaan dapat meminimalisir biaya pengiriman bahan baku.
REFERENSI Arman, H. N. (2003). Perancanaan dan pengendalian produksi. Jakarta: Penerbit Guna Widya. Freddy, R. (2004). Manajemen persediaan (Aplikasi dalam bidang bisnis). Jakarta: Penerbit Raja Grafindo Persada. __________ (2005). Great sales forecast for marketing. Jakarta: PT. Gramedia Pustaka Utama. Jay, H. & Barry, R. (2010). Manajemen Operasi (buku 1 edisi 9). Jakarta: Penerbit Salemba Empat. _______________(2010). Manajemen Operasi (buku 2 edisi 9). Jakarta: Penerbit Salemba Empat. Manahan, T. P. (2004). Manajemen operasional. Jakarta: Penerbit Ghalia Indonesia. Mulyono, S. (2004). Riset operasi (edisi revisi). Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Nachrowi, D. & Hardius, U. (2004). Teknik pengambilan keputusan. Jakarta: Penerbit PT. Grasindo. Ridwan, S. S. (2007). Manajemen keuangan 1. Bandung: UNPAR PRESS. Roger, S. (2004). Pengambilan keputusan dalam suatu fungsi operasi. Jakarta: Penerbit Erlangga. Siswanto, (2007). Operations Research (Jilid 2). Jakarta: Penerbit Erlangga. Vincent, G. (2005). Total quality management. Jakarta: PT. Gramedia Pustaka Utama. Sofjan, A. (2004). Manajemen produksi dan operasi (edisi revisi). Fakultas Ekonomi Universitas Indonesia, Jakarta.
RIWAYAT PENULIS Yustine lahir di Pemangkat - Kalimantan Barat, tanggal 09 Desember 1991. Penulis menamatkan pendidikan S1 di School of Business Management Binus University dalam bidang ilmu manajemen pada peminatan entrepreneurship pada tahun 2013.
