MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

DAFTAR ISI Prosiding Seminar Nasional Sains dan Teknologi Nuklir PTNBR - BATAN Bandung, 04 Juli 2013

Tema: Pemanfaatan Sains dan Teknologi Nuklir serta peranan MIPA di Bidang Kesehatan, Lingkungan dan Industri untuk Pembangunan Berkelanjutan

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julita Nahar1 1

Universitas Padjadjaran, Jalan Raya Bandung-Sumedang km 21,Jatinangor 45363

ABSTRAK MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012. Perum BULOG merupakan lembaga pangan pemerintah yang memiliki tugas dalam memenuhi kebutuhan pangan masyarakat dengan harga yang relatif terjangkau. Dalam melaksanakan tugasnya BULOG harus dapat mengelola dengan baik agar tidak terjadi kekurangan ataupun kelebihan barang. Dengan adanya jumlah permintaan yang selalu berubah-ubah dari waktu ke waktu, sehingga dibutuhkan adanya ramalan permintaan pada periode selanjutnya agar persediaan dapat memenuhi kebutuhan. Dalam penelitian ini menggunakan metode peramalan dengan menggunakan Single Exponensial Smoothing yaitu dengan hasil ramalan pada tahun 2012 sebesar 95.053.776 kg. Sedangkan untuk model persediaan menggunakan model Economics Order Quantity (EOQ) tanpa stock out, sehingga didapatkan persediaan optimum yang harus dimiliki perusahaan adalah sebesar 120.921.680,1 kg agar dapat memenuhi permintaan konsumen di tahun 2012. Kata Kunci : Peramalan, EOQ, Persediaan

ABSTRACT THE DETERMINING OF RICE SUPPLIES USING ECONOMIC ORDER QUANTITY (EOQ) MODEL BASED ON REQUEST FORECAST IN 2012. Perum Bulog is a government food agency whose task to meet the food needs of the community with a relatively affordable price. In making the duties BULOG should be able to manage well so not occour excess or shortage of goods.With the number of requests that are always changing from time to time, so it takes the demand forecast for the next period in order to meet supply needs. In this resarch, used the method of forecasting by Single Exponential Smoothing with the result of forecast in 2012 amounted to 95,053,776 kg. As for the model inventory used Economics Order Quantity (EOQ) model without stock out, so we get the optimum inventory that must be owned by the company amounted to 120,921,680.1 kg in order to meet consumer demand in 2012. Key words: Forecasting, EOQ, Inventory

1.

masyarakat perum BULOG harus dapat mengelola persediaan beras dengan baik agar tidak terjadi kekurangan atau kelebihan barang yang akan mengakibatkan biaya-biaya yang cukup besar dan dapat menimbulkan resiko. Dengan jumlah permintaan yang selalu berubah dari waktu ke waktu, untuk itu Perum

PENDAHULUAN

Perum BULOG merupakan lembaga pangan pemerintah yang memiliki tugas salah satunya dalam memenuhi kebutuhan pangan masyarakat dengan harga yang relatif terjangkau. Dalam melakukan tugasnya untuk memenuhi pangan

619

Prosiding Seminar Nasional Sains dan Teknologi Nuklir PTNBR - BATAN Bandung, 04 Juli 2013


BULOG membutuhkan ramalan permintaan pada periode selanjutnya agar dapat menentukan banyaknya persediaan yang harus disiapkan. Berdasarkan permasalahan di atas, maka diperlukan adanya analisis yang tepat untuk menentukan persedian beras berdasarkan ramalan permintaan pada periode selanjutnya. Metode peramalan yang dilakukan adalah dengan menggunakan single exponensial smoothing.

Dalam metode pemulusan eksponensial dasar pemikiran yang dilakukan adalah pembobotan terhadap data masa lalu dengan nilai data tersebut memiliki bobot yang lebih kecil dari data yang baru dimana hasil pembobotan tersebut akan membentuk pola eksponensial. Metode peramalan ini mempertimbangkan aspek pola data yang terdapat dalam data deret waktu. Metode ini pada umumnya tidak harus selalu memenuhi kaidah-kaidah deret waktu seperti signifikansi autokorelasi dan stasioneritas. Terdapat beberapa metode pemulusan eksponensial yaitu metode pemulusan eksponensial tunggal (single exponentional smoothing) untuk pola data stasioner, metode Holt (double exponentional smoothing) untuk data yang memiliki komponen trend, dan metode Holt-Winters (triple exponentional smoothing)untuk data yang teridentifikasi memiliki trend dan musiman (Markidarkis, 1999). Metode pemulusan eksponensial tunggal (single exponentional smoothing) memiliki persamaan sebagai berikut :

2.

TEORI PENDUKUNG

Peramalan adalah kegiatan memperkirakan tingkat permintaan produk yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang (John E. Biegel, 1999). Dalam melakukan peramalan terdapat metode yang banyak digunakan tergantung dari tipe pola data dan tujuan penelitian itu sendiri. Sehingga pengidentifikasian awal pola data perlu dilakukan. Pola data deret waktu dapat dibedakan menjadi empat jenis (Markidarkis, 1999) yaitu sebagai berikut : 1. Pola stasioner, terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata konstan. 2. Pola trend, terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. 3. Pola musiman, terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). 4. Pola siklis, terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang. Untuk meramalkan banyaknya permintaan beras terdapat metode yang dapat digunakan yaitu metode exponential smoothing dan metode box jenkins. Pemilihan metode ini berdasarkan situasi dan kondisi data. Metode Box-Jenkins dapat diaplikasikan pada data yang cukup banyak karena idealnya membutuhkan minimal 50 data (Wei, 2006). Sedangkan metode pemulusan eksponensial dapat digunakan untuk data yang sedikit karena dalam proses analisisnya hanya mempertimbangkan aspek pola data yang terdapat dalam data deret waktu. 2.1 Metode Pemulusan (Exponential Smoothing)

Ft 1   X t  (1   )Ft ...(1)

(1)

dengan,

Ft 1

:

ramalan untuk kurun waktu ke-



: :

konstanta pemulusan, 0    1 data pada kurun waktu ke-t

:

ramalan untuk kurun waktu ke - t

Xt Ft

t 1

Untuk menentukan model yang paling baik bisa digunakan ukuran statistik untuk menghitung besarnya penyimpangan yaitu sebagai berikut. n

Mean Square Error (MSE) 



 X t  Ft 2

i 1

n

...(2)

Mean Absolute Percentage Error (MAPE)  n

 X t  Ft Xt

  i 1

 100 

n

...(3)

dengan n adalah jumlah pengamatan. 2.2 Persediaan Persediaan merupakan sejumlah bahanbahan, parts yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan

Eksponensial

620



untuk proses produksi, serta barang-barang jadi atau produk yang disediakan untuk memenuhi permintaan dari komponen atau langganan setiap waktu (Assauri, 2004).

sebesar Q.Dengan demikian, jumlah seluruh biaya rata-rata selama kurun waktu T adalah penjumlahan rata-rata biaya penyimpanan dan rata-rata biaya pengadaan barang. Dan untuk mencari besarnya persediaan optimum (Q0) yaitu dengan menurunkan fungsi biaya terhadap Q sehingga di dapat rumusan Q0, dengan perumusannya sebagai berikut :

2.2.1 Model EOQ (Economic Order Quantity) Economics Order Quantity (EOQ) dikembangkan pada tahun 1915 oleh Ford Harris dan R.H. Wilson. Tujuan model ini adalah untuk menentukan jumlah optimum setiap kali pemesanan sehingga meminimumkan biaya persediaan. Dilihat dari permintaannya model EOQ terbagi atas dua model yaitu model EOQ dengan kebutuhan deterministik dan model EOQ dengan kebutuhan probabilistik (Makridakis, 1999). Model EOQ deterministik adalah model persediaan dengan permintaan tetap dan dari waktu ke waktu bersifat konstan atau telah diketahui dengan pasti. Sedangkan model EOQ probabilistik adalah model persediaan dimana permintaan barang tidak diketahui sebelumnya dan selalu berubah-ubah sehingga besarnya permintaan mengikuti suatu distribusi peluang tertentu.

(4) (5) dengan,

J cs

:

Cc

:

Q

:

T D

: :

Cs

:

jumlah biaya rata-rata selama kurun waktu T biaya penyimpanan per unit per satuan waktu jumlah barang yang dipesan pada awal kurun waktu periode waktu jumlah seluruh kebutuhan selama satu periode. biaya pemesanan barang per unit per satuan waktu

2.2.2 Model Persediaan Tanpa Stock Out Dalam penelitian ini menggunakan model EOQ dengan kebutuhan deterministik. Model EOQ dengan kebutuhan deterministik ini sendiri memiliki beberapa model salah satunya adalah model persediaan tanpa stock out yang akan dijadikan alat dalam melakukan analisisnya. Model persediaan tanpa stock out dapat diilustrasikan dalam bentuk grafik sebagai berikut.

3.

TATAKERJA METODE)

(BAHAN

DAN

Objek penelitian ini adalah data permintaan beras di Kota Bandung. Data merupakan dari data sekunder yang diperoleh dari Perum BULOG. Data sekunder yang diperoleh adalah data permintaan beras di Kota Bandung selama 3 tahun terakhir, yaitu dari Januari 2009 hingga Desember 2011. Secara sistematis, langkah-langkah untuk memecahkan masalah penelitian ini diperlihatkan pada diagram alir berikut :

Gambar.1 Model Persediaan Tanpa Stock-out

Dari gambar di atas, misalkan Q adalah jumlah persediaan selama satu kurun waktu dan t merupakan lama satu putaran waktu. Persediaan pada setiap awal putaran sama dengan jumlah persediaan tiap putaran yaitu

Gambar 2. Sistematika Pemecahan Masalah

621



4.

Dengan menggunakan bantuan software minitab.16 maka telah didapatkan hasil ramalan seperti berikut :

HASIL DAN PEMBAHASAN

Berikut adalah plot data permintaan beras dari bulan Juli 2009 hingga Desember 2011. Dapat terlihat bahwa plot berfluktuasi di sekitar nilai rata-rata sehingga data bersifat stasioner.

Gambar.3 Grafik Data Permintaan Beras

a.

Model Peramalan

b.

Dalam melakukan model peramalan dilakukan proses trial and error agar diperoleh nilai konstanta pemulusan terbaik, yaitu α yang optimal dengan meminimumkan nilai MSE dan MAPE sehingga diperoleh hasil nilai beberapa konstanta pemulusan terbaik sebagai berikut :

Setelah mendapatkan hasil nilai peramalan pada tahun 2012 yaitu sebesar 95.053.76 kg, maka selanjutnya adalah menentukan persedian optimum beras. Biaya-biaya yang digunakan dalam penelitian ini adalah biaya penyimpanan yaitu sebesar Rp 224,7 per kg per bulan dan untuk biaya pengadaannya yaitu sebesar Rp 6.600 per kg. Maka biaya untuk per tahunnya adalah :

Tabel 1. Konstanta Pemulusan Terbaik α 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

MSE 0,13080 0,13156 0,12829 0,12519 0,12556 0,12730 0,12867 0,13090 0,13342

Menentukan Persediaan Optimum

MAPE 13,07990 13,15560 12,82910 12,51920 12,55640 12,72950 12,86710 13,09010 13,34210

Cc  Rp 224, 7 12  Rp 2696, 4 Cs  Rp 207.392.618.400 Sehingga jumlah persediaan optimum komponen beras yangdihitungmenggunakan Persamaan (5) adalah sebagai berikut :

Q0 

Dari tabel di atas diperoleh nilai konstanta pemulusan dengan nilai error yang paling kecil yaitu α = 0,4. Sehingga α = 0,4 akan digunakan dalam model matematis sehingga diperoleh hasil ramalan untuk periode mendatang. Berdasarkan hasil penerapan metode pemulusan eksponensial tunggal (single exponentional smoothing) dengan konstanta pemulusan level (α) = 0,4 sehingga model matematis deret waktu untuk waktu mendatang adalah :



ˆ 2 DC s TCc

2  95053776  207392618400 1 2696, 4

 120921680,1

Dari hasil perhitungan diatas, maka dapat terlihat bahwa persediaan optimum yang harus dimiliki perusahaan adalah sebesar 120.921.680,1 kg agar dapat memenuhi permintaan konsumen di tahun 2012.

(6)

622



5.

2. GUJARATI, N.D. Basic Econometric Fourth Edition. McGraw Hill, New York (2003). 3. MAKRIDAKIS, SPYROS., WHEELWRIGHT, STEVEN C., McGEE, VICTOR E. Metode dan Aplikasi Peramalan.Alih Bahasa Hari Suminto. Edisi Kedua, Interaksara, Jakarta (1999). 4. RANGKUTI, FREDDY. Manajemen Persediaan: Aplikasi di Bidang Bisnis. Peneribit Gramedia Pustaka Utama, Jakarta (2004). 5. SIAGIAN, P. Penelitian Operasional : Teori dan Praktek, Cet-1. Penerbit Universitas Indonesia (UI – Press), Jakarta (1987). 6. WEI, W. W. S,. 1994. Time Series Analysis, Univariate and Multivariate Methods. Addison-Wesley Publishing Company, Canada.

KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan maka ditarik kesimpulan sebagai berikut : 1. Hasil ramalan yang diperoleh menunjukkan bahwa permintaan beras pada periode selanjutnya diperkirakan akan mengalami peningkatan. 2. Persediaan optimum yang harus dilakukan oleh perusahaan pada tahun 2012 adalah sebesar 120.921.680,1 kg atau sebesar 120921,6801 ton.

6.

DAFTAR PUSTAKA

1. ASSAURI SOFYAN. Manajemen Produksi dan Operasi, Edisi Revisi, LPFEUI. Jakarta (1999).

623

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

Recommend Documents