Lydia Annisa. Enny Noegraheni Hindarwati (Dosen Pembimbing)

ANALISIS PERAMALAN PENJUALAN DAN PERENCANAAN PERSEDIAAN BAHAN BAKU DENGAN METODE EOQ (ECONOMIC ORDER QUANTITY) PADA PT. SUMBER GRAHA SEJAHTERA

Lydia Annisa Bina Nusantara University, Indonesia, [email protected]

Enny Noegraheni Hindarwati (Dosen Pembimbing) Bina Nusantara University, Indonesia, ABSTRAK PT. Sumber Graha Sejahtera (PT.SGS) merupakan Perseroan Terbatas yang bergerak pada usaha bisnis pengolahan kayu lapis (plywood). PT. SGS melakukan pengolahan beberapa macam kayu, seperti veener. Veener merupakan hasil kayu yang dikupas, veneer yang dihasilkan nantinya akan dijadikan bahan baku untuk membuat (plywood). Tujuan penelitian ini adalah untuk mengetahui peramalan penjualan pada periode mendatang dan ingin mengetahui penghitungan persediaan agar dapat melihat kapan bahan baku harus dipesan lagi sehingga tidak kekurangan. Data dihitung dengan menggunakan QM for Windows pada tahap input, lalu dilanjutkan dengan analisis dan tahap pencocokan. Dengan peramalan, dapat diketahui bahwa Perusahaan sebaiknya menggunakan metode Regresi Linear pada periode berikutnya karena metode tersebut memiliki tingkat kesalahan peramalan (MAD dan MSE) terkecil yaitu 102.8642 dan 16,226.23 dan untuk penjualan Plywood pada bulan Mei 2015 adalah sebanyak 1617.072. Kemudian menghitung persediaan bahan baku menggunakan demand(D) dari hasil peramalan, dapat dilihat Total biaya yang dikeluarkan PT. Sumber Graha Sejahtera akan biaya bahan baku Plywood itu sendiri (Veneer) sebesar Rp. 194,039,400,000 . lebih kecil dibandingkan data aktual. Kata kunci: Manajemen Operasional, Peramalan, Persediaan, QM for Windows ABSTRACT PT. Sumber Graha Sejahtera (PT.SGS) is a limited liability company engaged in the business of processing of plywood (Plywood). PT. SGS conducts processing some kinds of wood, such as veneer. Veneer is peeled wood products, veneer produced will be used as feedstock to make (plywood). The purpose of this study was to determine the sales forecast for the next period and want to know the inventory count to be able to see when raw materials must be ordered again and there's no shortage. Data will becalculated using QM for Windows at the input stage, followed by analysis and phase matching. With forecasting, it is known that the company should use the Linear Regression method in subsequent periods due to the method has a forecasting error rate (MAD and MSE) 102.8642 smallest and 16,226.23 and for the sale of Plywood in May 2015 was as much as 1617.072. Then calculate raw material inventories using the demand (D) of forecasting results, it can be seen, total expenses PT. Sumber Graha Sejahtera will cost Plywood raw material itself (Veneer) Rp. 194,039,400,000. smaller than the actual data. Key Word : Operational Management , Forecasting, Inventory, QM for Windows

1

PENDAHULUAN Dewasa ini perekonomian dunia telah berkembang dengan sangat pesat secara global, dimana hal ini telah menyebabkan persaingan antar perusahaan menjadi semakin ketat. Adanya persaingan yang semakin ketat, maka setiap perusahaan akan banyak melakukan pembangunan untuk menunjang kemajuan ekonomi tersebut. Saat ini industri plywood merupakan salah satu yang terkenal di industri hasil hutan, karena perolehan devisa dari plywood adalah yang terbesar. Disamping itu, plywood merupakan salah satu industri andalan ekspor yang telah memberikan sumbangan sangat penting bagi pembangunan negara. Menurut Departemen Kehutanan Republik Indonesia, jumlah pabrik plywood yang masih beroperasi pada tahun 2014 adalah 150 perusahaan dengan kapasitas produksi 12.396.815 m³ per tahun atau rata rata 82.645 m³ per perusahaan, Survei yang dilakukan CDMI(Creative Data Make Investigation & Research) tahun 2014 yang terdapat dalam buku potensi bisnis dan pelaku utama bisnis plywood di Indonesia baru-baru ini menunjukkan bahwa lima propinsi penghasil plywood terbesar adalah Jawa Timur, Kalimantan Timur, Jawa Tengah, Kalimantan Selatan dan Kalimantan Barat. Tabel 1.1 Data Produksi Plywood Pada tahun 2014 di Indonesia Provinsi Produksi Plywood (m³) Jawa Timur 705.519 m³ Kalimantan Timur 506.148 m³ Jawa Tengah 463.640 m³ Kalimantan Selatan 397.109 m³ Kalimantan Barat 270.289 m³ Sumber : Buku potensi bisnis dan pelaku utama bisnis plywood di Indonesia,2014 Melihat dari keadaan di atas, dapat dipastikan permintaan akan plywood pastinya sedang pada tingkat yang tinggi. Dengan adanya persaingan dan tingginya pesanan, industri – industri harus lebih kompetitif dalam memajukan perusahaannya. Hal tersebut menyangkut dengan sistem operasional perusahaan yang kurang dikelola dengan baik. Masalah operasional didalam perusahaan merupakan masalah yang sangat sensitif bagi perusahaan karena hal tersebut sangat berpengaruh terhadap laba yang diperoleh perusahaan dan kinerja perusahaan tersebut. Masalah yang terdapat dalam operasional seperti masalah persediaan (inventory problem) yang merupakan salah satu masalah penting yang harus diselesaikan oleh perusahaan. Menurut Heizer dan Render (2015, 586) Salah satu upaya dalam mengantisipasi masalah persediaan ini adalah dengan mengadakan suatu sistem pengendalian pada persediaan. Kebutuhan akan sistem pengendalian persediaan muncul karena adanya permasalahan yang mungkin dihadapi oleh perusahaan seperti kelebihan atau kekurangan persediaan. Jika perusahaan mengalami kelebihan persediaan maka banyak resiko yang harus diatasi perusahaan seperti kerusakan barang dan biaya perawatan barang. Sebaliknya apabila perusahaan kekurangan persediaan maka akan menimbulkan kekecewaan bagi para pelanggan dan menimbulkan rasa kurang percaya yang akhirnya akan merugikan perusahaan itu sendiri. Perusahaan harus berupaya merancang suatu sistem dan model persediaan yang bertujuan untuk meminimalkan biaya total melalui penentuan apa, berapa, dan kapan pesanan atas persediaan dilakukan secara optimal (optimal order point). Namun pada abad 21 saat ini banyak sekali keragaman dan pilihan untuk setiap masalah dan situasi, karena itu setiap perusahaan harus menggunakan metode 2

penyelesaian yang tepat untuk mendapatkan keuntungan yang maksimal. Salah satu jenis industri yang persaingannya tinggi adalah industri pembuatan tripleks (plywood). Saat ini, masalah umum perusahaan tidak hanya sampai pada masalah produksi dan penekanan biaya, namun juga perusahaan harus dapat menghitung perkiraan jumlah permintaan yang dikehendaki konsumen untuk masa – masa atau periode mendatang. PT. Sumber Graha Sejahtera bergerak dibidang pembuatan plywood dan bertempat di Jalan Raya Serang KM.25, Ds. Tobat Balaraja. Tangerang 15610 ini biasanya mendistribusikan plywood tersebut kepada perusahaan lain. Namun kenyataannya saat ini persediaan barang yang ada pada PT.Sumber Graha Sejahtera masih sering terjadi understock dan overstock pada barangnya. PT. Sumber Graha Sejahtera sering mengalami kehabisan stok, atau bahan baku belum siap saat permintaan dari customer melebihi jumlah stok penyimpanan yang ada. Hal ini dapat membuat para customer atau klien menjadi tidak nyaman.Hal seperti ini harus segera ditanggulangi dengan baik, karena hal ini dapat menyebabkan perusahaan tidak menghasilkan keuntungan yang optimal, sedangkan permintaan dari konsumen juga harus dipenuhi. Oleh karena itu, salah satu langkah yang dapat membantu PT. Sumber Graha Sejahtera yang sudah cukup lama bergerak dibidang pengolahan kayu agar dapat bersaing dengan perusahaan distributor sejenis adalah dengan melakukan metode peramalan terhadap penjualan. Permintaan konsumen terkadang tidak sesuai dengan hasil produksi terkadang terlalu banyak produksi ternyata permintaan tidak sesuai Grafik Penjualan Plywood tipis ukuran 2,7 mm periode Januari 2013 – April 2015

Sumber: Hasil pengolahan data menggunakan Microsoft Excel Dari grafik diatas terlihat bagaimana barang yang barang yang terjual tidak menentu. Kondisi tersebut membuat perusahaan mengeluarkan biaya yang lebih tinggi. Berdasarkan observasi awal, perusahaan selalu memproduksi Plywood dilihat dari stok akhir bulan lalu sesuai perkiraan. Perusahaan tidak mengetahui berapa kuantitas yang pasti akan diminta setiap bulannya, sehingga peneliti mencoba menerapkan metode peramalan untuk memperkirakan berapa banyak penjualan pada 3

periode berikutnya. Metode tersebut dapat digunakan untuk mendampingi penerapan metode EOQ dalam mengatur persediaan bahan baku yang ada di dalam perusahaan. Menurut Rusdiana (2014;95) peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang. Heizer dan Render (2015:113) peramalan (forecasting) adalah seni dan ilmu pengetahuan dalam memprediksi peristiwa pada masa mendatang. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikannya ke masa mendatang dengan suatu bentuk model matematis. Jadi dapat disimpulkan bahwa peramalan dapat dikatakan sebagai bentuk prakiraan dari perusahaan untuk mengantisipasi permintaan pada periode berikutnya dengan menghitungnya menggunakan data sebelumnya. Metode peramalan secara kuantitatif menurut Heizer dan Render (2015, .120), meliputi: 1. Rata-rata Bergerak (Moving Average) 2. Rata-rata Bergerak Tertimbang (Weighted Moving Average) 3. Penghalusan Eksponensial (Exponential Smoothing) 4. Penghalusan Eksponensial dengan Tren (Exponential Smoothing with Trend) 5. Regresi Linear (Linear Regression) 6. Metode Naif (Naive Method) Ristono (2009:1) menyatakan bahwa: Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang. Persediaan terdiri dari persediaan bahan baku, persediaan barang setengah jadi, dan persediaan barang jadi. Menurut Rusdiana (2014:375), persediaan adalah sejumlah komoditas yang disimpan untuk memenuhi kebutuhan pada masa yang akan datang. Sedangkan menurut Herjanto (2007:237), persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk digunakan dalam proses produksi atau perakitan, untuk dijual kembali, atau untuk suku cadang dari suatu peralatan atau mesin. Persediaan dapat berupa bahan mentah, bahan pembantu, bahan dalam proses, barang jadi, maupun suku cadang. Dari pengertian diatas dapat disimpulkan bahwa persediaan adalah sejumlah barang yang disimpan dalam suatu tempat yang berguna memenuhi kegiatan usaha dan untuk bahan baku produksi. Menurut Heizer dan Render (2009:92), EOQ adalah sebuah teknik control persediaan yang meminimalkan biaya total dari pemesanan dan penyimpanan serta berdasar pada beberapa asumsi : • Jumlah permintaan diketahui, konstan dan independent. • Waktu tunggu yakni waktu antara pemesanan dan penerimaan pesanan diketahui dan konstan. • Penerimaan persediaan bersifat instant dan selesai seluruhnya. Dengan kata lain, persediaan dari sebuah pesanan datang dalam satu kelompok pada suatu waktu. • Tidak tersedia diskon kuantitas. • Biaya variable hanya biaya untuk menyiapkan atau melakukan pemesanan (biaya penyetelan) dan biaya menyimpan persediaan dalam waktu tertentu (biaya penyimpanan). • Kehabisan (kekurangan) persediaan dapat sepenuhnya dihindari jika pemesanan dilakukan pada waktu yang tepat. 4

METODE PENELITIAN Dalam mengatasi permasalahan terhadap peramalan penjualan Plywood, maka digunakan perhitungan peramalan dengan metode Moving Average, Weighted Moving Average, Exponential Smoothing,Exponential Smoothing with trend, Linear Regression, Naïve Method menggunakan aplikasi software QM for Windows untuk diterapkan di perusahaan dengan memilih nilai terkecil dengan hasil MAD dan MSE terkecil di PT. Sumber Graha Sejahtera untuk periode berikutnya. Kemudian setelah menghitung dengan metode–metode peramalan tersebut telah diketahui nilai MAD dan MSE yang terkecil, lalu metode peramalan yang memiliki nilai MAD dan MSE yang terkecil itulah yang akan digunakan untuk memenuhi kebutuhan persediaan dimasa yang akan datang berdasarkan analisis peramalan. Untuk mengatasi masalah persediaan bahan baku yang terjadi di PT. Sumber Graha Sejahtera, maka digunakan analisis EOQ yang akan menghasilkan perhitungan jumlah pemesanan bahan baku yang ekonomis sesuai dengan kebutuhan produksi di PT. Sumber Graha Sejahtera. Penghitungan peramalan dan persediaan menggunakan aplikasi Software QM for Windows.Untuk menganalisis permasalahan yang terjadi pada PT. Sumber Graha Sejahtera dengan menggunakan metode , sebagai berikut : 1. Peramalan (Forecasting) Pendekatan yang digunakan dalam melakukan perhitungan peramalan permintaan terhadap produk Plywod pada PT. Sumber Graha Sejahtera adalah sebagai berikut : a. Pendekatan Naif (Naïve 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 naïf (naïve method) merupakan model peramalan objektif yang paling efektif dan efisien dari segi biaya. Paling tidak pendekatan naïf memberikan titik awal untuk perbandingan dengan model lain yang lebih canggih. b. 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 yang kita ramalkan. Secara matematis, rata-rata bergerak sederhana (merupakan prediksi permintaan periode mendatang) dinyatakan sebagai berikut. Rata-rata bergerak= Dimana n adalah jumlah periode dalam rata-rata bergerak. c. 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, pemututsan bobot yang digunakan membutuhkan pengalaman. Sebagai contoh, jika bulan atau periode terakhir diberi bobot yang terlalu berat, peramalan dapat menggambarkan perubahan yang terlalu cepat yang tidak biasa pada permintaan. 5

Rata-rata bergerak dengan pembobotan dapat digambarkan secara matematis sebagai berikut. Pembobotan rata-rata bergerak= d. Penghalusan Eksponensial (Exponential Smoothing) Penghalusan eksponensial merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih, tetapi masih mudah digunakan. Metode ini mengunakan pencatatan data masa lalu yang sangat sedikit. Rumus penghalusan eksponensial dasar dapat ditunjukkan sebagai berikut. Peramalan baru = Peramalan periode terakhir + terakhir – Peramalan periode terakhir)

(permintaan periode

Dimana : = sebuah bobot atau konstanta penghalus yang dipilih oleh peramal yang mempunya nilai antara 0 dan 1 Persamaan dapat ditulis secara matematis sebagai berikut : Dimana : = peramalan baru = peramalan sebelumnya = konstanta penghalus (pembobotan) = permintaan aktual periode lalu e. Penghalusan Eksponensial dengan Penyesuaian Tren (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 negative pada tren. Dengan penghalusan eksponensial dengan penyesuaian tren, estimasi rata-rata dan tren dihaluskan. Prosedur ini membutuhkan dua konstanta penghalusan, untuk rata-rata β untuk tren. Kemudian, kita menghitung rata-rata dan tren untuk setiap periode. Rumus Penghalusan Eksponensial dengan Penyesuaian Trend adalah sebagai berikut: =

+ , Dimana : = peramalan dengan eksponensial yang dihaluskan dari data berseri pada periode t = tren dengan eksponensial yang di haluskan pada periode t = permintaan aktual periode t = konstanta penghalusan untuk rata-rata = konstanta penghalusan untuk rata-rata

6

f. Regresi Linear (Linear Regression) Rumus untuk menentukan perhitungan Linear Regression adalah sebagai berikut:

Dimana: = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) Untuk menentukan nilai dan , akan di jelaskan pada rumus dibawah ini.

Dimana : = nilai terhitung dari variable yang akan diprediksi = persilangan sumbu = kemiringan garis regresi (atau tingkat perubahan pada untuk perubahan yang terjadi di ), = variable bebas (dalam kasus ini adalah waktu) = nilai variabel terikat yang diketahui = jumlah data atau pengamatan Setelah mendapatkan hasil peramalan, selanjutnya dilakukan perhitungan untuk mencari nilai terkecil dari kesalahan peramalan dengan perhitungan MAD dan MSE. a. Rumus untuk menghitung MAD dan MSE adalah sebagai berikut: MAD = b.

Rumus untuk menghitung MSE adalah sebagai berikut : MSE =

2.

Persediaan Metode persediaan digunakan agar perusahaan dapat mengatur persediaan digudang dengan baik, dan permintaan konsumen dapat dipenuhi. ntuk mengetahui pemesanan bahan baku pembuatan Plywood agar tidak terjadi penumpukan barang, yang akan dilakukan perhitungan menggunakan rumus, sebagai berikut : a. b.

d.

c.

7

e.

h. i.

f.

g.

HASIL DAN BAHASAN Tabel 1.2 Hasil perhitungan ke 6 metode Forecasting dengan QM Metode Peramalan

Hasil Akurasi Kesalahan Peramalan

Plywood

MAD

127.0

MSE

25,690.78

MAD

116.8533

MSE

26,010.41

MAD

116.412

MSE

24,271.54

MAD

118.9788

MSE

22,489.84

Naïve Method

1,700

Moving Average

Weighted Moving Average

Exponential Smoothing

Hasil peramalan pada bulan Mei 2015 (Crate)

MAD

119.13

Exponential Smoothing With Trend

MSE

22,488.2

Linear Regression

MAD

102.8642

MSE

16,226.23

1,679.666

1,681.5

1,660.387 1,705.75

1,617.072

Sumber: Hasil Pengolahan Data menggunakan Qm for windows Berdasarkan perhitungan peramalan penjualan akan produk Plywood tipis berukuran 2.7mm tahun 2015 terutama bulan Mei 2015 dengan menggunakan software QM dan memakai ke 6 metode forecasting yaitu : Naïve Method, Moving Average, Weighted Moving Average, Linear Regression, Exponential Smoothing dan Exponential Smoothing with Trend. Telah diperoleh MAD, MSE dan Forecast dari masing-masing metode yang dimana hasil dari MAD dan MSE dari metode Linear Regression adalah yang terkecil. Dengan demikian sebaiknya dalam meramalkan penjualan akan produk Plywood sebaiknya perusahaan menggunakan metode Linear Regression. Berikut adalah Tabel hasil perbandingan data EOQ yang dihitung menggunakan QM for windows antara Demand yang didapat dari hasil peramalan dengan Demand yang didapat dari data aktual perusahaan. 8

Tabel 1.3 Hasil Perbandingan Penghitungan Inventory Description

Metode EOQ 2015 Mei – 2016 April Data Peramalan

Demand Veneer (crate)

43,058

Data Aktual 46.937

Ordering Cost (Rp) Rp. 9,000,000 Rp. 9,000,000 Holding Cost (Rp) 100,000/Crate 100,000/Crate Unit cost (per crate) 4,500,000 4,500,000 Days per year 300 hari 300 hari Daily demand rate 143.526667/Crate 156.4566667/Crate Lead time (in days) 3 3 Safety Stock (crate) 100 100 RESULT : 2,783.96 2,906.66 Optimal Order quantity (Q*) 1,391.981 Crate 1,453.329 Crate Average Inventory 15,47 kali 16.15 kali Orders per Period Rp. 139,198,100 Rp. 145,332,900 Annual setup cost Rp. 139,198,100 Rp. 145,332,900 Annual Holding Cost Rp. 193,766,000,000 Rp. 211,216,500,000 Unit Cost Rp. 194,039,400,000 Rp. 211,507,200,000 Total cost 530.58 569.37 ROP (Crate) Dari hasil perhitungan menggunakan QM for Windows, dapat disimpulkan bahwa PT. Sumber Graha Sejahtera sebaiknya melakukan pemesanan bahan baku Plywood sebesar 2,783.96 crate dan melakukan pemesanan sebanyak 15.47 kali. Titik pemesanan kembali (reorder point) bahan baku dilakukan jika persediaan tersebut sudah tersisa 530.58 crate. Dalam melakukan pemesanan bahan baku dari produk, PT. Sumber Graha Sejahtera harus mengeluarkan biaya pemesanan sebesar Rp. 139,198,100 sedangkan biaya penyimpanan sebesar Rp. 139,198,100 . Total biaya pembelian bahan baku produk PT. Sumber Graha Sejahtera selama satu tahun periode dari Mei 2015-April 2016 adalah sebesar Rp. 194,039,400,000 .

SIMPULAN DAN SARAN Berdasarkan hasil analisis pada persediaan bahan baku di Perusahaan PT. Sumber Graha Sejahtera serta perhitungan melalui Qm for Windows yang dilakukan untuk menganalisis pada persediaan bahan baku maka dapat ditarik kesimpulan sebagai berikut: Berdasarkan hasil analisis forecasting, dari 6 metode yaitu Moving Average,Weighted Moving Average, Exponential Smoothing, Exponential Smoothing with trend, Linear Regression, Naïve Method. Sebaiknya 9

metode peramalan yang digunakan oleh perusahaan adalah dengan menggunakan metode Linear Regression. Metode tersebut memiliki nilai MAD dan MSE terkecil dibandingkan metode-metode yang lainnya dan memiliki tingkat ke akuratan yang baik. Pemesanan Optimal bahan baku Plywood (Veneer) dngan metode EOQ menggunakan QM for Windows dan juga secara manual pada PT. Sumber Graha Sejahtera adalah sebesar 2783.96 crate = 2784 crate untuk setiap pemesanan dan melakukan pemesanan sebanyak 15.47 kali dalam satu tahun agar kebutuhan konsumen atau klien bisa terpenuhi. Agar perencanaan dan pengendalian persediaan bahan baku dapat berjalan dengan baik, berikut adalah saran–saran yang diberikan oleh penulis kepada PT.Sumber Graha Sejahtera, antara lain : Perusahaan sebaiknya melakukan peramalan untuk mengetahui penjualan pada periode berikutnya sebelum melakukan produksi, dan supaya tidak terjadi kekurangan atau kelebihan produk, sehinggan permintaan konsumen dapat dipenuhi. Dan perusahaan pun lebih baik menggunakan forecasting penjualan dengan menggunakan metode Linear Regression karena metode tersebut memiliki tingkat keakuratan yang baik. Maka akan menghindari perusahaan dari kesalahan jumlah pembelian bahan baku yang bisa memberikan kerugian pada perusahaan. Perusahaan sebaiknya menggunakan metode EOQ, karena metode tersebut dapat memberikan informasi berapa kuantitas pemesanan yang optimal pada saat memesan bahan baku dan biaya yang harus dikeluarkan oleh perusahaan untuk memaksimalkan persediaan dan meminimalkan biaya. Dengan hal ini perusahaan akan lebih menghemat biaya dan bisa meningkatkan keuntungan dengan berkurangnya biaya penyimpanan. Sehingga biaya yang seharusnya dikeluarkan untuk penyimpanan bahan baku bisa dialokasikan kepada biaya – biaya yang lain.

REFERENSI Assauri, Sofyan. (2008). Manajemen Produksi dan Operasi. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta. Dyck, B., & Neubert, M. J. (2009). Principles of Management. Canada: SouthWestern Evans, James R & Collier, David A. (2007), Operation Management. Prentice Hall, UK Heizer, Jay and Render, Barry (2009), Operation Management, United States of America Pearson Prentice Hall. Edisi 9 Buku 1. Salemba Empat , Jakarta. Heizer, Jay H and Render, Barry. (2015). Manajemen Operasi; Manajemen Keberlangsungan dan Rantai Pasokan. Edisi 11. Salemba Empat, Jakarta. Herjanto, Eddy (2007). Manajemen Operasi. Edisi Kesebelas. PT Gramedia Widia Sarana. Indonesia, Jakarta. Purwanto,Irwan . (2007). Manajemen Strategik. Bandung:Y Prima Widya 10

Rangkuti, Freddy. 2007. Manajemen Persediaan Aplikasi di Bidang Bisnis. Jakarta: PT. Raja Grafindo Persada Ristono,Agus. (2009). Manajemen persediaan edisi 1. Graham Ilmu: Yogyakarta Rusdiana. (2014) Manajemen Operasi. Pustaka Setia. Jakarta Robbins, Stephen P., Coulter, Mary. (2012), Management. Eleventh Edition. Boston : Pearson Education Stevenson, Willam J. (2009), Operation Management. Tenth Edition, Rochester Institute of Technology. Sekaran, Uma. (2007). Research Methods For Bussiness. Salemba Empat. Jakarta Zulfikarijah. (2005). Manajemen Persediaan. Universitas Muhammadiyah, Malang. Christine Mekel. Samuel PD Anantadjaya. Laura Lahindah. 2013.Stock Out Analysis : An Empirical Study on Forecasting, Re-Order Point and Safety Level at PT. Combiphar. Rev. Integr. Bus. Res. Vol 3(1) / ISSN :2304-1013 (www.sibresearch.org) Mathew, Aju. Nair,Somasekaran. Joseph,Jenson. 2013 . Demand Forecasting For Economic Order Quantity in Inventory Management. International Journal of Scientific and Research Publications, Volume 3, Issue 10, October 2013 ISSN 2250-3153 L, Gonzalez,Jose.Gonzalez Daniel . 2010. Analysis of an Economic Order Quantity and Reorder Point Inventory Control Model for Company XYZ Prisilia,Harliwanti ST,MT . 2013.Penerapan Metode Peramalan untuk Menentukan Jumlah Bahan Baku Guna mengantisipasi kapasitas produksi minyak ikan terhadap sejumlah permintaan pasar pada UD.Ebel Kecamatan Muncar. Jurnal Ilmiah Vol. 10, 29 Agustus 2013, ISSN 1693-4083). Dr. Raphella,Angel. Nathan Gomathi , Chitra .G.. 2014. International Journal of Emerging Research in Management & Technologu. ISSN :2278-9359 (volume -3, issue – 3

RIWAYAT PENULIS Lydia Annisa lahir di Jakarta pada 17 juni 1993. Penulis penyelesaikan pendidikan S1 di Universitas Bina Nusantara (Binus University), jakarta dalam bidang manajemen, program studi entrepreneur pada tahun 2015.

11